一种智能监控方法及系统技术方案

本发明专利技术提出了一种智能监控方法及系统。其中所述方法包括：步骤101、采集脑电信号和视频监控信号；步骤103、基于脑电信号模型对所述脑电信号进行第一判断，基于人工智能算法对所述视频监控信号进行第二判断；步骤105、结合第一判断结果和第二判断结果，采用相应措施。通过本发明专利技术提供的一种基于人机共融的智能安防报警方法及系统，可以实现对非法进出危险或者作业区域自动报警与非规范着装等相关事件识别功能。

An Intelligent Monitoring Method and System

The invention provides an intelligent monitoring method and system. The method includes: step 101, acquisition of EEG signal and video surveillance signal; step 103, first judgment of the EEG signal based on EEG signal model, second judgment of the video surveillance signal based on artificial intelligence algorithm; step 105, combining the first judgment result and the second judgment result, adopting corresponding measures. The intelligent security alarm method and system based on man-machine integration provided by the invention can realize the functions of automatic alarm and non-standard dress recognition for illegal entry and exit danger or operation area.

【技术实现步骤摘要】
一种智能监控方法及系统
本专利技术涉及监控领域，尤其涉及一种智能监控方法及系统。背景安防产品是社会公共安全产品的重要组成部分，安防产品直接关系到社会的稳定和人民生命财产的安全。安防行业是社会公共安全行业的重要组成部分。经过二十多年的快速发展，我国安防行业已经形成了集研发、生产、销售、工程与系统集成、报警运营与中介服务等为一体的新兴的国民经济朝阳产业。目前市面上的安防系统一般基于图像识别方法，采用模式识别的人工智能算法，其不能全方位的预防盗窃案件发生，效果差，尤其是有烟雾、遮挡或是快速场景切换时，其不如人眼精确。有时候，人眼看到快速闪过的可疑图像，一时没有反应过来，而实时监控的图像已经过去，往往可能由于各种原因又忽略了此时的一点疑惑。
技术实现思路
为了解决上述问题，本专利技术提出了一种智能监控的方法及系统。其中，一种智能监控方法，其包括：步骤101、采集脑电信号和视频监控信号；步骤103、基于脑电信号模型对所述脑电信号进行第一判断，基于人工智能算法对所述视频监控信号进行第二判断；步骤105、结合第一判断结果和第二判断结果，采用相应措施。其中，建立所述脑电信号模型包括如下步骤：步骤201、采集所有导联的的脑电信号，所述脑电信号包括：Fp1(左前额)、Fp2(右前额)、F3(左额)、F4(右额)、C3(左中央)、C4(右中央)、P3(左顶)、P4(右顶)、O1(左枕)、O2(右枕)、F7(左前颞)、F8(右前颞)、T3(左中颞)、T4(右中颞)、T5(左后颞)、T6(右后颞)。对采集的脑电信号进行预处理，得到第一信号；步骤203、对所述第一信号进行特征提取；步骤205、对特征提取后的信号进行选择分类。其中，所述步骤203包括以下步骤：步骤2011、对所述所有导联采集的脑电信号进行共平均参考(CommonAverageReference,CAR)，得到一个符合条件的参考电极；步骤2013、将顶叶的P3、P4和中区的C3、C4导联信号与参考电极电位做差，计算所得电位分别为P3’、P4’、C3’、C4’电位数据。步骤2015、取频段为0.5-30HZ的带通滤波器对P3’、P4’、C3’、C4’电位数据进行带通滤波处理；步骤2017、采用独立成份分析方法处理上述带通滤波后的P3’、P4’、C3’、C4’信号数据，将信号中的眼动EOG和肌电EMG伪迹去除；步骤2019、白化消噪，利用AR模型对自发脑电信号进行建模分析，将自发脑电转化为白噪声，利用小波消噪将其去除。其中，除了代表中央部位的三个电极Fz、Cz、Pz外，放置在大脑上面的其余16个电极的位置都是对称的。其中，所述人工智能算法包括图像帧间差分法、图像分割算法、图像对齐算法、目标追踪算法、、贝叶斯分类方法等。本专利技术还提出了一种基于上述方法的智能监控系统，其包括：脑电信号采集装置，其设置于安防人员头部，用于采集脑电信号；视频监控装置，其用于采集视频监控数据；其中，所述智能监控系统还包括：视频显示装置，其用于显示监控视频；报警装置，其用于向用户产生报警信号。其中，所述智能监控系统还包括：串口通信模块、有线摄像机或无线网络摄像机。其中，所述视频显示装置包括大屏幕监控屏、显示器、手机、平板电脑。其中，所述智能监控系统：信号采集模块，其用于采集脑电信号和视频监控信号；判断模块，其用于基于脑电信号模型对所述脑电信号进行判断，基于人工智能算法对所述视频监控信号进行判断通过本专利技术提供的一种基于人机共融的智能安防报警方法及系统，可以实现对非法进出危险或者作业区域自动报警与非规范着装等相关事件识别功能。附图说明图1为现有技术中P300电位响应的特点图；图2为与本专利技术一实施例一致的一种智能监控方法的流程图；图3为与本专利技术另一实施例一致的一种智能监控方法的流程图；图4为与本专利技术某一实施例一致的一种智能监控系统的系统框图。具体实施例脑机接口(BCI)是一种把从人脑采集到的电信号转换成控制命令直接传递给计算机或其他机器的装置,其作用是建立一个独立于人体的大脑与电子设备的交流控制通道。脑机接口的研究涉及神经科学,信号检测,信号处理,控制实现等多个领域。诱发电位对于BCI系统的操作来说也是非常有用的。例如，过去四十多年的大量研究表明，偶然的刺激会诱发EEG产生一个正响应，这个响应被称为P300电位。P300电位出现在刺激呈现之后的300ms的大脑顶叶皮层。如图1所示，为P300响应的特征，P300电位的振幅在顶骨电极点达到最大值，而当记录点到达中心和前端时，P300电位是衰减的。P300电位的出现需要同时满足四个条件。第一，要有一个随机的刺激时间序列；第二，必须找到合适的分类算法能够将这些事件分成两类；第三，受试者的任务中必须使用该分类规则；第四，两类事件中必须有一类事件极少发生。P300是一种诱发电位,是神经系统接受特定模式下的视觉刺激所产生的特定电活动,发生于特定的时间,在特定的脑头皮区域信号能量分布比较明显,相对比较容易检测,适合于脑机接口应用。由于影响P300的因素主要是刺激频率与事件相关度，故P300具有很好的时间分辨率和固定相位且基于P300的脑机接口可产生稳定信号而无需使用者多次重复训练。由此，如图2、3所示，本专利技术提出了一种智能监控的方法，其包括以下步骤：步骤101、采集脑电信号和视频监控信号。在某一实施例中，本专利技术采用脑电采集设备进行脑电信号采集。其中，所述的脑电采集设备包括：采集Fp1(左前额)、Fp2(右前额)、F3(左额)、F4(右额)、C3(左中央)、C4(右中央)、P3(左顶)、P4(右顶)、O1(左枕)、O2(右枕)、F7(左前颞)、F8(右前颞)、T3(左中颞)、T4(右中颞)、T5(左后颞)、T6(右后颞)16个位置的脑电信号的电极传感器，电极(A1，A2)作为相应的同侧耳垂的参考电极；以及脑电信号采集模块。除了代表中央部位的三个电极Fz、Cz、Pz外，放置在大脑上面的其余16个电极的位置都是对称的，电极(A1，A2)一般作为相应的同侧耳垂的参考电极所述脑电采集设备将采集的脑电信号发送给信号处理设备。步骤103、基于脑电信号模型对所述脑电信号进行第一判断，基于人工智能算法对所述视频监控信号进行第二判断。在某一实施例中，建立所述脑电信号模型采用如下步骤：步骤201、对采集的脑电信号进行预处理，得到第一信号；在本专利技术中，所述预处理步骤具体包括：步骤2011、对所述脑电信号进行共平均参考(CommonAverageReference,CAR)，得到一个符合条件的参考电极。在某一实施例中，为了便于计算，同时可以得到符合预期的参考电极，需要进行共平均参考分析数据，将所有导联数据进行求和平均，用每一个导联的数据减去所有导联的原始信号的求和平均值。公式为：其中为电极i与参考电极之间的电位差，导联数目为n。步骤2013、导联选择，将顶叶的P3、P4和中区的C3、C4导联信号与参考电极电位做差，计算所得电位分别为P3’、P4’、C3’、C4’电位数据。步骤2015、数据滤波，取频段为0.5-30HZ的带通滤波器对P3’、P4’、C3’、C4’数据进行处理，抑制噪声，提高信噪比。步骤2017、独立成份分析(ICA)，通过独立成份分析分离源信号，将EOG(Electrooc本文档来自技高网...

【技术保护点】
1.一种智能监控方法，其包括：步骤101、采集脑电信号和视频监控信号；步骤103、基于脑电信号模型对所述脑电信号进行第一判断，基于人工智能算法对所述视频监控信号进行第二判断；步骤105、结合第一判断结果和第二判断结果，采用相应措施。

【技术特征摘要】
1.一种智能监控方法，其包括：步骤101、采集脑电信号和视频监控信号；步骤103、基于脑电信号模型对所述脑电信号进行第一判断，基于人工智能算法对所述视频监控信号进行第二判断；步骤105、结合第一判断结果和第二判断结果，采用相应措施。2.如权利要求1所述智能监控方法，其中，建立所述脑电信号模型包括如下步骤：步骤201、采集所有导联的的脑电信号，所述脑电信号包括：Fp1(左前额)、Fp2(右前额)、F3(左额)、F4(右额)、C3(左中央)、C4(右中央)、P3(左顶)、P4(右顶)、O1(左枕)、O2(右枕)、F7(左前颞)、F8(右前颞)、T3(左中颞)、T4(右中颞)、T5(左后颞)、T6(右后颞)。对采集的脑电信号进行预处理，得到第一信号；步骤203、对所述第一信号进行特征提取；步骤205、对特征提取后的信号进行选择分类。3.如权利要求1所述智能监控方法，其中，所述步骤203包括以下步骤：步骤2011、对所述所有导联采集的脑电信号进行共平均参考(CommonAverageReference,CAR)，得到一个符合条件的参考电极；步骤2013、将顶叶的P3、P4和中区的C3、C4导联信号与参考电极电位做差，计算所得电位分别为P3’、P4’、C3’、C4’电位数据。步骤2015、取频段为0.5-30HZ的带通滤波器对P3’、P4’、C3’、C4’电位数据进...

【专利技术属性】
技术研发人员：陈超，平尧，朱学全，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：天津,12