This application proposes a video surveillance platform based on artificial intelligence prediction tracking and its prediction tracking method, which can analyze the differences of scene patterns of different scene video pictures. Then, aiming at a certain scene pattern, the machine learning method based on artificial intelligence is used to determine the state characteristics of key targets. The training obtains the recognition and tracking criteria for key targets in specific scenario mode. In the scenarios of multiple moving targets, important targets can be extracted based on the correlation between each moving target and scene mode and acquisition purpose, so that the prediction and tracking of the platform can be realized according to the movement of the important target.
【技术实现步骤摘要】
一种采用人工智能预测追踪的视频监视云台及其追踪方法
本申请涉及应用于智慧城市的视频监控
,尤其涉及一种采用人工智能预测追踪的视频监视云台及其追踪方法。
技术介绍
智慧城市是运用物联网技术将智慧楼宇、智慧社区、智慧街道和智慧家庭连通为一体,形成全面覆盖、精确采集、智能分析的数字化信息体系。视频信息的采集与应用在智慧城市中发挥着不可或缺的重要作用,是实现区域安保监控、人脸身份识别、交通信息提取等智慧城市重要功能的前端基础。在公共空间,视频信息的采集以视频监视摄像机为主要的前端设施。视频监视摄像机一般由摄像机和监视云台两部分共同组成。其中,监视云台用于在结构上承载摄像机,并且携带摄像机转动以调节拍摄的方向和俯仰角度,从而使一台摄像机利用其有限的拍摄视野能够覆盖更大的预定空间范围。锁定特定的运动对象并带动摄像机对该对象进行追踪拍摄,是监视云台的核心功能。为了保证适当的曝光量以及清晰的聚焦,在视频信息采集过程中一般要求主要的拍摄对象处于拍摄视野的中央区域。因此,当主要的拍摄对象是一个运动对象时,监视云台要能够跟随该运动对象而带动摄像机调节拍摄方向和俯仰角度,从而将该运动对象始终保持在拍摄视野的中央区域附近。为了实现上述追踪拍摄的功能,监视云台需要从摄像机拍摄的连续的实时画面帧当中提取出运动对象,根据该运动对象的在各帧实时画面帧中位置的变化,当该运动对象偏离拍摄视野的中央区域时,适应性带动摄像机进行调节,使得该运动对象回复至拍摄视野的中央区域。为了改善追踪拍摄的滞后性,监视云台还可以引入预测机制,由在先的若干帧实时画面帧当中运动对象的位置变化规律,提取该对象的运 ...
【技术保护点】
1.一种采用人工智能预测追踪的视频监视云台,其特征在于,包括:场景模式识别单元、目标区域智能学习单元、追踪目标提取单元、云台驱动单元;其中所述场景模式识别单元用于从视频监视云台的摄像机拍摄的场景视频画面当中提取每个场景当中包含的目标,并且量化目标状态生成状态值;根据目标的状态值,判断两幅相邻的场景视频画面是否是相同的场景模式,对相同场景模式的场景视频画面标注同一类场景模式标记;目标区域智能学习单元,用于通过一定数量的样本,学习每一种场景模式下重要运动目标的状态值特征;追踪目标提取单元,用于目标区域智能学习单元的学习结果,根据从当前场景视频画面识别每一个运动目标的状态值,判断该运动目标是否属于重要目标,当结果表明当前场景视频画面中的一个运动目标属于重要目标,则将该运动目标的画面位置坐标提供给云台驱动单元;云台驱动单元,从追踪目标提取单元获得当前场景视频画面中的重要目标的画面位置坐标,从而按照该画面位置坐标锁定当前场景视频画面当中的重要目标,进行追踪拍摄。
【技术特征摘要】
1.一种采用人工智能预测追踪的视频监视云台,其特征在于,包括:场景模式识别单元、目标区域智能学习单元、追踪目标提取单元、云台驱动单元;其中所述场景模式识别单元用于从视频监视云台的摄像机拍摄的场景视频画面当中提取每个场景当中包含的目标,并且量化目标状态生成状态值;根据目标的状态值,判断两幅相邻的场景视频画面是否是相同的场景模式,对相同场景模式的场景视频画面标注同一类场景模式标记;目标区域智能学习单元,用于通过一定数量的样本,学习每一种场景模式下重要运动目标的状态值特征;追踪目标提取单元,用于目标区域智能学习单元的学习结果,根据从当前场景视频画面识别每一个运动目标的状态值,判断该运动目标是否属于重要目标,当结果表明当前场景视频画面中的一个运动目标属于重要目标,则将该运动目标的画面位置坐标提供给云台驱动单元;云台驱动单元,从追踪目标提取单元获得当前场景视频画面中的重要目标的画面位置坐标,从而按照该画面位置坐标锁定当前场景视频画面当中的重要目标,进行追踪拍摄。2.根据权利要求1所述视频监视云台,其特征在于,所述场景模式识别单元比对相邻两幅场景视频画面中是否包含相同目标,以及相同目标占每幅场景视频画面中全部目标的比例是否低于第一阈值;如果两幅场景视频画面中至少一幅的相同目标百分比低于该第一阈值,则判定这两幅场景视频画面分别属于不同的场景模式;如果相邻两幅场景视频画面中包含的相同目标占全部目标的百分比均大于等于第一阈值,则进而利用两幅画面中相同目标各自的状态值,计算这两幅场景视频画面中全部相同目标的状态整体差异度;若状态整体差异度大于等于第二阈值,则判定这两幅场景视频画面具有不同的场景模式,若状态整体差异度低于第二阈值,则判定这两幅场景视频画面具有相同的场景模式。3.根据权利要求1所述视频监视云台,其特征在于,目标区域智能学习单元为每一种场景模式提取一定数量的场景视频画面作为样本画面,并且人工对这些样本画面当中应锁定追踪的运动目标区域进行识别,确定每一幅样本画面当中属于重要目标的运动目标;确定该重要目标在样本画面中的状态值;将每一种场景模式的全部样本画面中的重要目标的状态值执行训练,获得训练好的重要目标识别SVM分类向量机;针对每一种场景模式的全部样本画面,提取样本画面包含的全部运动目标以及每一个运动目标的状态值,获得目标状态值列表,将每一种场景模式的全部样本画面的目标状态列表进行训练,获得训练好的场景模式识别SVM分类向量机。4.根据权利要求3所述视频监视云台,其特征在于,所述追踪目标提取单元用于将当前场景视频画面的运动目标状态值列表代入经训练之后的各个场景模式识别SVM分类向量机,从而判断当前场景视频画面属于哪一种场景模式;进而,将该场景视频画面中每一个运动目标的状态值代入训练好的该场景模式对应的重要目标识别SVM分类向量机,从而识别每一个运动目标是否属于重要目标,当分类结果表明当前场景视频画面中的一个运动目标属于重要目标。5.根据权利要求1所述视频监视云台,其特征在于,,所述云台驱动单元分析该重要目标的在各帧场景视频画面中位置的变化,当该重要目标偏离拍摄视野的中央区域时,提取该重要目标的运动方向和运动速度,进而按照该运动方向和速度预测该重要目标的预计位置偏离,并参照预测提前驱动监...
【专利技术属性】
技术研发人员:董承利,
申请(专利权)人:特斯联北京科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。