一种基于云计算平台的高速设备防盗监控视频处理方法技术

一种基于云计算平台的高速设备防盗监控视频处理方法，由高速监控设备采集相关信息，并通过建立起来的通信网络将信息传输给预处理节点，进行数据校准及融合，然后将其传送至云计算平台，由云计算平台进行数据信息分析，即采用三帧差法选取视频关键帧，并对关键帧中的信息进行卷积处理，得出结果，最后将目标信息作为样本信息在综合平台输出，综合平台对信息进行搜集整理，生成可视信息，本方法采用三帧差法和卷积神经网络相结合，并对卷计算法中的相似计算进行了优化，提供了一种监测装置的数据处理能力高，设备追回概率高，设备被盗风险低的一种基于云计算平台的高速设备防盗监控视频处理方法。

A Video Processing Method for Anti-theft Monitoring of High-speed Equipment Based on Cloud Computing Platform

【技术实现步骤摘要】
一种基于云计算平台的高速设备防盗监控视频处理方法
本专利技术涉及一种备防盗监控视频处理方法，尤其是一种基于云计算平台的高速设备防盗监控视频处理方法。
技术介绍
高速上监控设备十分全面，大多是用来监控高速车辆的行车规范，但是近几年技术发展，高速不仅仅承担运输通道功能，还承担众多关键、机密设备的测试及实验等功能。但是，这些设备却经常遭到不法分子的破坏，不仅造成了大量的经济损失，还泄露了一些重要信息。如今高速监控设备发展完善，可以辨析每一辆高速车辆行为，并分析出车辆是否违反法规，这些监控设备的功能应不仅仅局限于监测车辆行为，还可以监测这些设备的安全情况。本基于云计算平台的高速设备防盗监视系统可以很好的适应这一需求。
技术实现思路
基于上述问题，有必要为了充分发挥高速监控的最大效益，以及保护设备信息，提出一种基于云计算平台的高速设备防盗监控视频处理方法。本专利技术创造采用的技术方案为：一种基于云计算平台的高速设备防盗监控视频处理方法，其步骤为：步骤1：利用高速监测网络进行监控并采集相关监测数据，并将监测数据通过通信网络传输至预处理节点；步骤2：预处理节点根据监测数据类型进行数据校准及融合预处理，预处理后的监测数据通过通信网络传输至云服务平台；步骤3：云服务平台将接收到的数据进行分析处理，并且与库中存储的数据进行对比，得出相应的结果，将此结果发送至管理终端，并进行显示，对终端平台进行预警。所述的步骤3)云服务平台将接收到的数据进行分析处理中，具体方法为：3.1)对视频帧序列编号，选取图像序列中连续的三帧图像Ik-1，Ik，Ik+1(k＝2，3，4，...)，对帧图像进行网格区域划分，并用数值标记；对应急车道部分进行运算，分别计算相邻两帧图像的差值，即d(k，k-1)[x，y]，d(k，k+1)[x，y]；[x，y]表示像素点：d(k，k-1)[x，y]＝|Ik[x，y]-Ik-1[x，y]|d(k，k+1)[x，y]＝|Ik+1[x，y]-Ik[x，y]|3.2)对得到的差值图像通过选择合适的阈值T进行二值化：3.2.1)将前两帧图像，即Ik-1，Ik的差值算出，与阈值T进行比较，根据比较结果设定像素点的值，即b(k，k-1)[x，y]，b(k，k-1)[x，y]：b(k，k-1)[x，y]＝1，d(k，k-1)[x，y]＞＝Tb(k，k-1)[x，y]＝0，d(k，k-1)[x，y]＜T3.2.2)将后两帧图像，即Ik，Ik+1的差值算出，与阈值T进行比较，根据比较结果设定像素点的值：b(k+1，k)[x，y]＝1，d(k+1，k)[x，y]＞＝Tb(k，+1k)[x，y]＝0，d(k+1，k)[x，y]＜T3.2.3)在每一个像素点(x，y)将得到的二值图像逻辑相“与”，得到像素点的值B(k)[x，y]，最后合成，得到三帧图像中的中间帧的二值图像：B(k)[x，y]＝1，b(k，k-1)[x，y]∩b(k+1，k)[x，y]＝＝1B(k)[x，y]＝0，b(k，k-1)[x，y]∩b(k+1，k)[x，y]＝＝03.2.4)根据得到的二值图像，判断区域内有无人员，若有，则将I(K)图像确定为关键帧，并对此帧图片进行下一步处理；若无，则继续处理下三帧数据，即Ik+2，Ik+3，Ik+4。所述的步骤3.2.4)对关键帧进一步分析处理中，具体方法为：3.2.4.1)使用Selectivesearch算法从帧图片中生成2000个候选框；3.2.4.2)然后将这2000个候选区域进行尺寸归一化后输入到卷积神经网络中进行特征提取；3.2.4.3)将这些候选区域的特征用SVM分类器进行分类，并且使用回归器精细修正候选框位置。所述的候选区域生成方法为：a)生成区域集R＝{r1，r2，r3...}；b)计算区域集R里每个相邻区域的相似度S＝{s1，s2，s3...}，其首位为集合最大值，即s(ri，rj)，S＝S∪s(ri，rj)，每次求出S都与集合中的首元素比较，将较大的元素放在第一位，较小的元素与第二位继续比较直到找到比自己小的元素并排在其前面，元素命名不变；c)找出相似度最高的两个区域，将其合并为新集，即s(ri，rj)＝max(S)，同时将ri，rj进行合并记为rt，即rt＝ri∪rj，并将rt添加进R；d)从S中移除所有与步骤1.3)中有关的子集；e)计算新集与所有子集的相似度；若S为空则停止，否则跳至1.3)。所述的特征提取具体方法为：对每个候选区域进行尺寸归一化后，输入到卷积神经网络中，把最后的全连接层的输出作为区域的特征，提取的特征为4096维。所述的类别判断具体方法为：分类器使用一系列特定类别的线性SVM分类器；针对每一个类别分别训练一个SVM二分类器进行判别；输入到SVM里面的特征是卷积网络输出的4096维特征。所述的位置精修具体方法为：每个分类器检测的结果，针对每一类目标，使用线性脊回归器进行位置的回归修正；将得出的目标信息作为样本信息在综合平台输出，综合平台对信息进行搜集整理，生成可视信息。本专利技术采用上述方案，由高速监控设备采集相关信息，并通过建立起来的通信网络将信息传输给预处理节点，进行数据校准及融合，然后将其传送至云计算平台，由云计算平台进行数据信息分析，即采用三帧差法选取视频关键帧，并对关键帧中的信息进行卷积处理，得出结果，最后将目标信息作为样本信息在综合平台输出，综合平台对信息进行搜集整理，生成可视信息，本方法采用三帧差法和卷积神经网络相结合，并对卷计算法中的相似计算进行了优化，提供了一种监测装置的数据处理能力高，设备追回概率高，设备被盗风险低的一种基于云计算平台的高速设备防盗监控视频处理方法。附图说明：图1是本专利技术步骤流程图。具体实施方式一种基于云计算平台的高速设备防盗监控视频处理方法，其步骤为：步骤1：利用高速监测网络进行监控并采集相关监测数据，并将监测数据通过通信网络传输至预处理节点；步骤2：预处理节点根据监测数据类型进行数据校准及融合预处理，预处理后的监测数据通过通信网络传输至云服务平台。步骤3：云服务平台将接收到的数据进行分析处理，并且与库中存储的数据进行对比，得出相应的结果，将此结果发送至管理终端，并进行显示，对终端平台进行预警。所述的步骤3)云服务平台将接收到的数据进行分析处理中，具体方法为：3.1)对视频帧序列编号，选取图像序列中连续的三帧图像Ik-1,Ik,Ik+1(k＝2,3,4,…)，对帧图像进行网格区域划分，并用数值标记；对应急车道部分进行运算，分别计算相邻两帧图像的差值，即d(k，k-1)[x，y]，d(k，k+1)[x，y]；[x，y]表示像素点：d(k，k-1)[x，y]＝|Ik[x，y]-Ik-1[x，y]|d(k，k+1)[x，y]＝|Ik+1[x，y]-Ik[x，y]|3.2)对得到的差值图像通过选择合适的阈值T进行二值化：3.2.1)将前两帧图像，即Ik-1，Ik的差值算出，与阈值T进行比较，根据比较结果设定像素点的值，即b(k，k-1)[x，y]，b(k，k-1)[x，y]：b(k，k-1)[x，y]＝1，d(k，k-1)[x，y]＞＝Tb(k，k-1)[x，y]＝0，d(k，k-1)[x，y]＜T3.2.2)将后两帧图像，即Ik，Ik+1的差值算出，本文档来自技高网...

【技术保护点】
1.一种基于云计算平台的高速设备防盗监控视频处理方法，其特征在于，其步骤为：步骤1：利用高速监测网络进行监控并采集相关监测数据，并将监测数据通过通信网络传输至预处理节点；步骤2：预处理节点根据监测数据类型进行数据校准及融合预处理，预处理后的监测数据通过通信网络传输至云服务平台；步骤3：云服务平台将接收到的数据进行分析处理，并且与库中存储的数据进行对比，得出相应的结果，将此结果发送至管理终端，并进行显示，对终端平台进行预警。

【技术特征摘要】
1.一种基于云计算平台的高速设备防盗监控视频处理方法，其特征在于，其步骤为：步骤1：利用高速监测网络进行监控并采集相关监测数据，并将监测数据通过通信网络传输至预处理节点；步骤2：预处理节点根据监测数据类型进行数据校准及融合预处理，预处理后的监测数据通过通信网络传输至云服务平台；步骤3：云服务平台将接收到的数据进行分析处理，并且与库中存储的数据进行对比，得出相应的结果，将此结果发送至管理终端，并进行显示，对终端平台进行预警。2.根据权利要求1所述的一种基于云计算平台的高速设备防盗监控视频处理方法，其特征在于，所述的步骤3)云服务平台将接收到的数据进行分析处理中，具体方法为：3.1)对视频帧序列编号，选取图像序列中连续的三帧图像Ik-1,Ik,Ik+1(k＝2,3,4,…)，对帧图像进行网格区域划分，并用数值标记；对应急车道部分进行运算，分别计算相邻两帧图像的差值，即d(k,k-1)[x,y]，d(k,k+1)[x,y]；[x,y]表示像素点：d(k,k-1)[x,y]＝|Ik[x,y]-Ik-1[x,y]|d(k,k+1)[x,y]＝|Ik+1[x,y]-Ik[x,y]|3.2)对得到的差值图像通过选择合适的阈值T进行二值化：3.2.1)将前两帧图像，即Ik-1,Ik的差值算出，与阈值T进行比较，根据比较结果设定像素点的值，即b(k,k-1)[x,y]，b(k,k-1)[x,y]：b(k,k-1)[x,y]＝1,d(k,k-1)[x,y]>＝Tb(k,k-1)[x,y]＝0,d(k,k-1)[x,y]<T3.2.2)将后两帧图像，即Ik,Ik+1的差值算出，与阈值T进行比较，根据比较结果设定像素点的值：b(k+1,k)[x,y]＝1,d(k+1,k)[x,y]>＝Tb(k,+1k)[x,y]＝0,d(k+1,k)[x,y]<T3.2.3)在每一个像素点(x,y)将得到的二值图像逻辑相“与”，得到像素点的值B(k)[x,y]，最后合成，得到三帧图像中的中间帧的二值图像：B(k)[x,y]＝1，b(k,k-1)[x,y]∩b(k+1,k)[x,y]＝＝1B(k)[x,y]＝0，b(k,k-1)[x,y]∩b(k+1,k)[x,y]＝＝03.2.4)根据得到的二值图像，判断区域内有无人员，若有，则将I(K)图像确...

【专利技术属性】
技术研发人员：王嵘冰，施威，徐红艳，冯勇，曾祥辉，
申请(专利权)人：辽宁大学，
类型：发明
国别省市：辽宁,21