[發(fā)明專利]一種大數(shù)據(jù)平臺(tái)的數(shù)據(jù)分析方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710652333.6
• 申請(qǐng)日: 2017-08-02
• 公開（公告）號(hào): CN107480618A
• 公開（公告）日: 2017-12-15
• 發(fā)明（設(shè)計(jì)）人: 劉婉晴;郭蘋
• 申請(qǐng)（專利權(quán)）人: 深圳微品時(shí)代網(wǎng)絡(luò)技術(shù)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;H04N7/18
• 代理公司: 成都金英專利代理事務(wù)所(普通合伙)51218
• 代理人: 袁英

技術(shù)領(lǐng)域

本發(fā)明涉及視頻監(jiān)控領(lǐng)域，尤其涉及一種大數(shù)據(jù)平臺(tái)的數(shù)據(jù)分析方法。

背景技術(shù)

在智慧城市的管理中，視頻監(jiān)控發(fā)揮著越來越重要的作用。目前，很多城市都已經(jīng)開始實(shí)施“天眼工程”，為的就是實(shí)現(xiàn)對(duì)城市全方位無死角的監(jiān)控。密集分布的攝像頭網(wǎng)絡(luò)組成了城市的公共安全視頻監(jiān)控系統(tǒng)，也提升了一個(gè)城市治安、交通、消防、市政、城管等各部門的整體管理和服務(wù)水平。

一方面，隨著視頻監(jiān)控?cái)?shù)據(jù)量的快速增長(zhǎng)，以及攝像頭高清化、超高清化的趨勢(shì)加強(qiáng)，視頻監(jiān)控?cái)?shù)據(jù)規(guī)模將以更快的指數(shù)級(jí)別增長(zhǎng)。在這樣的背景下，快速搜索某時(shí)間或某些特征的視頻段時(shí)，操作起來猶如大海撈針。

另一方面，對(duì)于獲取的數(shù)據(jù)，如何進(jìn)行有效的分析利用，對(duì)實(shí)時(shí)存在的危險(xiǎn)和異常情況進(jìn)行預(yù)警，也是新的技術(shù)難題。

為了解決上述問題，本發(fā)明提出一種大數(shù)據(jù)平臺(tái)的數(shù)據(jù)分析方法。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提出一種大數(shù)據(jù)平臺(tái)的數(shù)據(jù)分析方法。

具體的，一種大數(shù)據(jù)平臺(tái)的數(shù)據(jù)分析方法，其特征在于，所述方法包括以下步驟：

S1：目標(biāo)檢測(cè)和跟蹤，被配置用于提取檢測(cè)目標(biāo)，并實(shí)現(xiàn)目標(biāo)跟蹤；

S2：目標(biāo)識(shí)別，被配置用于根據(jù)目標(biāo)檢測(cè)和跟蹤的結(jié)果判斷視頻的內(nèi)容；

S3：行為識(shí)別，被配置用于根據(jù)識(shí)別的結(jié)果對(duì)對(duì)象的行為進(jìn)行行為理解；

S4：產(chǎn)生決策，根據(jù)行為識(shí)別的結(jié)果，產(chǎn)生對(duì)應(yīng)的決策。

優(yōu)選的，所述S1具體包括：將運(yùn)動(dòng)變化區(qū)域分割提取出來，實(shí)現(xiàn)目標(biāo)檢測(cè)；根據(jù)目標(biāo)的顏色、紋理和形狀信息來確定其在視頻不同幀中出現(xiàn)的位置和區(qū)域，實(shí)現(xiàn)目標(biāo)跟蹤。

優(yōu)選的，基于時(shí)間差分法和光流KLT算法的混合算法實(shí)現(xiàn)目標(biāo)的檢測(cè)與跟蹤。

優(yōu)選的，所述S2具體包括：采用隱馬爾可夫模型法進(jìn)行模型識(shí)別，將待識(shí)別的目標(biāo)與指定的目標(biāo)庫(kù)中的特征進(jìn)行比較，以確定是否與該庫(kù)中的某一目標(biāo)相匹配。

優(yōu)選的，所述S2具體包括：采用以下方法中的一種或多種進(jìn)行行為理解：

1)基于幀對(duì)幀匹配方法或融合匹配方法，將運(yùn)動(dòng)圖像序列轉(zhuǎn)化為一個(gè)或一組靜態(tài)的模板，通過將待識(shí)別樣本的模板與已知的模板進(jìn)行匹配獲得識(shí)別結(jié)果；

2)將運(yùn)動(dòng)的每一種靜態(tài)姿勢(shì)定義為一個(gè)狀態(tài)或者一個(gè)狀態(tài)的集合，通過網(wǎng)絡(luò)的方式將這些狀態(tài)連接起來，狀態(tài)和狀態(tài)之間的切換采用概率來描述，進(jìn)而獲得識(shí)別結(jié)果；

優(yōu)選的，在步驟S1之前，還包括視頻捕獲步驟S0：利用設(shè)置在客戶前端的視頻接入單元對(duì)對(duì)數(shù)據(jù)源的視頻信息進(jìn)行捕獲和存儲(chǔ)。

優(yōu)選的，所述視頻接入單元可以為單獨(dú)設(shè)置的硬件終端，將采集的視頻轉(zhuǎn)換統(tǒng)一的協(xié)議，通過在終端中嵌入了智能算法，能夠?qū)⒁曨l中出現(xiàn)的人、車要素進(jìn)行捕獲，提取位置和機(jī)構(gòu)要素，并保存。

優(yōu)選的，對(duì)于獲取的視頻數(shù)據(jù)，可以利用視頻接入單元的結(jié)構(gòu)化算法進(jìn)行處理，獲得視頻描述信息，存儲(chǔ)于HBASE中；并將原始視頻信息存儲(chǔ)于HDFS中，并建立視頻描述信息和原始視頻信息之間的關(guān)聯(lián)。

優(yōu)選的，所述方法還包括，在出現(xiàn)異常時(shí)，通過聯(lián)動(dòng)短信、郵件、LED屏、客戶端彈出窗口中的至少一種方式進(jìn)行實(shí)時(shí)報(bào)警。

優(yōu)選的，所述方法還包括，行為識(shí)別的結(jié)果，平臺(tái)自行將關(guān)聯(lián)信息分發(fā)至各終端或終端服務(wù)器，當(dāng)數(shù)據(jù)出現(xiàn)異常時(shí)，生成報(bào)警信息發(fā)送至終端。

至于發(fā)送的順序，則可以根據(jù)用戶的實(shí)時(shí)性需求、用戶等級(jí)、行為識(shí)別結(jié)果中一個(gè)或多個(gè)，計(jì)算優(yōu)選系數(shù)，根據(jù)優(yōu)選系數(shù)的大小順序發(fā)送。

本發(fā)明通過數(shù)據(jù)分析技術(shù)和視頻監(jiān)控業(yè)務(wù)的融合，提升了非結(jié)構(gòu)化視頻數(shù)據(jù)讀寫的效率，提高了數(shù)據(jù)分析的準(zhǔn)確度和可靠性，為視頻監(jiān)控的快速檢索、智能分析提供了端到端的解決方案。

附圖說明

圖1是大數(shù)據(jù)平臺(tái)的數(shù)據(jù)分析方法的原理圖；

圖2是本發(fā)明視頻接入的神經(jīng)元組網(wǎng)結(jié)構(gòu)圖；

圖3是視頻結(jié)構(gòu)化描述示意圖；

圖4是視頻摘要示意圖。

具體實(shí)施方式

為了對(duì)本發(fā)明的技術(shù)特征、目的和效果有更加清楚的理解，現(xiàn)對(duì)照附圖說明本發(fā)明的具體實(shí)施方式。

如圖1所示，本發(fā)明提供了一種大數(shù)據(jù)平臺(tái)的數(shù)據(jù)分析方法，其特征在于，所述方法包括以下步驟：

S1：目標(biāo)檢測(cè)和跟蹤，被配置用于提取檢測(cè)目標(biāo)，并實(shí)現(xiàn)目標(biāo)跟蹤；

S2：目標(biāo)識(shí)別，被配置用于根據(jù)目標(biāo)檢測(cè)和跟蹤的結(jié)果判斷視頻的內(nèi)容；

S3：行為識(shí)別，被配置用于根據(jù)識(shí)別的結(jié)果對(duì)對(duì)象的行為進(jìn)行行為理解；

S4：產(chǎn)生決策，根據(jù)行為識(shí)別的結(jié)果，產(chǎn)生對(duì)應(yīng)的決策。