一种人工智能虚拟场景的安防自动测试方法及系统技术方案

本发明专利技术公开了一种人工智能虚拟场景的安防自动测试方法及系统。本发明专利技术可以通过GAN架构，生成足够数量的包含预定类型异常场景的虚拟测试画面，进而将虚拟测试画面输入人工智能视频安防监控系统，测试该视频安防监控系统能否正确自动识别异常场景及其类型，并实现自动报警。

An automatic security test method and system for artificial intelligence virtual scene

The invention discloses an automatic security test method and system of an artificial intelligence virtual scene. The invention can generate a sufficient number of virtual test images containing predetermined types of abnormal scenes through the Gan architecture, and then input the virtual test images into the artificial intelligence video security monitoring system to test whether the video security monitoring system can correctly and automatically identify the abnormal scenes and types, and realize automatic alarm.

【技术实现步骤摘要】
一种人工智能虚拟场景的安防自动测试方法及系统
本专利技术属于视频安防监控
，具体涉及一种人工智能虚拟场景的安防自动测试方法及系统。
技术介绍
分布在城市空间各个地点的海量视频安防摄像头，以及通过网络连接各个视频安防摄像头的后台服务器，构成了智慧城市安防监控的基础性设施，可以应用于安保防卫、交通监测、人流分析、目标追踪等智慧城市的各个方面，为维护公共秩序和公共安全提供了重要保障。对于传统的视频安防监控来说，只能利用视频安防摄像头拍摄监控画面，并将监控画面回传给后台服务器，由后台服务器中转至电视墙等进行查看。监控画面中反映出来的各种异常场景——例如人员或者车辆拥堵、人员或者车辆逆行、人员或者车辆滞留等等，只能通过工作人员进行人工辨识及处理，导致对异常场景的误识别率、漏识别率高，工作效率低，处置及时性差。目前，人工智能视频安防监控技术取代传统的视频安防监控，已经成为大势所趋。人工智能视频安防监控的一个重要优势在于，可以对监控画面反映的异常场景进行自动的识别以及报警。例如，监控画面中出现人员或者车辆拥堵、人员或者车辆逆行、人员或者车辆滞留等异常场景，则系统的后台服务器无需人工辨识，自动提取、分析和识别这些异常场景，且判定存在异常场景后，后台服务器可以面向工作人员自动弹出报警提示。为了增强可靠性，显然需要对人工智能视频安防监控系统的异常场景自动识别及报警功能进行必要的测试，避免出现对异常场景的漏识别或者错误识别。为了实现这一测试，需要先获得一定数量的存在异常场景的监控画面，将之与不存在异常场景的监控画面集合在一起，然后输入人工智能视频安防监控系统，观测该系统能够从中正确识别异常场景及其类型，并实现自动报警。但是，存在异常场景的监控画面难以获得，如果从视频安防摄像头实拍的监控画面进行筛选和采集，难免出现用于测试的监控画面样本数量太少、异常场景类型不够全面的问题。如果安排人员和/或车辆进行摆拍，花费人力和物力较多，组织难度较大，且用于测试的监控画面样本往往彼此重复性强，画面的拟真性难以保证。
技术实现思路
有鉴于此，本专利技术提供了一种人工智能虚拟场景的安防自动测试方法及系统。本专利技术可以通过GAN架构，生成足够数量的包含预定类型异常场景的虚拟测试画面，进而将虚拟测试画面输入人工智能视频安防监控系统，测试该视频安防监控系统能否正确自动识别异常场景及其类型，并实现自动报警。本专利技术提供一种人工智能虚拟场景的安防自动测试方法，包括：S1：确定自动测试所针对的异常场景类型；S2：根据所述异常场景类型，从监控画面样本库中获得对应该异常场景类型的监控画面样本；S3:利用由画面生成器和判别器组成的GAN架构，所述画面生成器用于基于初始随机值生成虚拟测试画面；所述判别器以所述监控画面样本进行训练后，对所述画面生成器生成的虚拟测试画面进行真伪判别；当判别结果为伪时，所述画面生成器调整生成参数，重新生成虚拟测试画面，直至判别器对画面生成器所生成的虚拟测试画面判别为真，输出所生成的虚拟测试画面，该虚拟测试画面与所述监控画面样本具有相同异常场景类型；S4：将至少一幅所生成的虚拟测试画面输入被测试的人工智能视频安防监控系统，获得该人工智能视频安防监控系统对是否存在异常场景以及异常场景类型的识别结果，判断该智能视频安防监控系统是否能够识别异常场景，以及判断识别结果与所述虚拟测试画面的异常场景类型是否匹配。优选的是，所述监控画面样本是从被测试的人工智能视频安防监控系统的摄像头实拍的监控画面中选取的、具有特定的异常场景类型的多帧连续监控画面。优选的是，按照如下步骤从实拍的监控画面中选取具有特定的异常场景类型的监控画面样本：从多帧连续的实拍监控画面中提取每一个具体目标；根据每一个具体目标的帧间位置变化，判断每一个具体目标的行动状态；根据所述多帧连续的实拍监控画面中存在的全部具体目标的行动状态，按照预设标准对实拍监控画面的场景进行分类，获取场景类型；当实拍监控画面的场景类型属于特定的异常场景类型时，将该实拍监控画面选为所述监控画面样本。进一步优选的是，按照如下步骤从多帧连续的实拍监控画面中提取每一个具体目标：从多帧连续实拍监控画面的每帧监控画面中，提取其中每个目标所在的图像区域，并通过颜色直方图分布提取该目标的图像特征；当多帧连续实拍监控画面中存在图像特征一致的所述图像区域时，判定这些实拍监控画面中图像特征一致的图像区域对应的所述目标为同一个具体目标。进一步优选的是，按照如下步骤判断每一个具体目标的行动状态：对于多帧连续实拍监控画面的同一个具体目标，将该具体目标在第i帧监控画面中的坐标表示为(Xi，Yi)，从第i-1帧到第i帧的帧间位置变化表示为(△Xi，△Yi)，第i帧到第i+1帧的帧间位置变化则表示为(△Xi+1，△Yi+1)，以此类推，从而获得一系列帧间位置变化参数：…(△Xi，△Yi)，(△Xi+1，△Yi+1)…(△Xi+n，△Yi+n)…；将所获得的具体目标的帧间位置变化参数输入到至少一个经过训练的SVM分类向量机当中，根据SVM分类向量机的输出确定该具体目标的行动状态类型。其中，每个所述SVM分类向量机利用具有同一种特定行动状态类型的已知目标的帧间位置变化参数进行训练，达到输出结果与已知目标的特定行动状态类型一致度达到稳定收敛，从而可以根据所输入的该具体目标的帧间位置变化参数输出其是否具有特定行动状态类型。因此，一般需要训练四种SVM分类向量机，四种SVM分类向量机分别对应的特定行动状态类型为：正常通行、拥堵、滞留、逆行，上述四种特定行动状态类型基本满足城市公共空间人或者车的人工智能视频安防监控需要。将每个具体目标的帧间位置变化参数并行输入或者级联输入到四种SVM分类向量机，根据SVM分类向量机各自的输出确定该具体目标的行动状态类型。进一步优选的，按照以下步骤对实拍监控画面的场景进行分类，获取场景类型：预先设定场景类型的分类标准，当所述多帧连续的实拍监控画面中存在的全部具体目标的行动状态统计结果满足某个场景类型的分类标准，则确定这些实拍监控画面具有该场景类型；其中，分类标准为具有特定行动状态类型的具体目标所占的比例。例如，实拍监控画面的全部具体目标当中，行动状态为“滞留”的比例大于等于一个具体比例数值时，该实拍监控画面的场景类型为“滞留”；实拍监控画面中的全部具体目标当中，行动状态为“拥堵”的比例大于等于一个具体比例数值时，该实拍监控画面的场景类型为“拥堵”；实拍监控画面中的全部具体目标当中，行动状态为“逆行”的比例大于等于一个具体比例数值时，该实拍监控画面的景类型为“逆行”。当实拍监控画面的场景类型属于“滞留”、“拥堵”、“逆行”这些特定的异常场景类型时，将该实拍监控画面选为所述监控画面样本，将该实拍监控画面加入所述监控画面样本库，并对每个实拍监控画面对应关联其异常场景类型。优选的是，所述判别器采用一个可以根据输入的虚拟测试画面判断其是否与所述监控画面样本具有相同异常场景类型的BP神经网络。BP神经网络由多层神经元构成，各层神经元之间相互连接且具有特定的权值；其输入层接收虚拟测试画面的画面像素信息，输出层输出是否与所述监控画面样本具有相同异常场景类型的判断结果，即真伪判别结果。BP神经网络具有自适应、自组织、自学习能力，在训练过本文档来自技高网...

【技术保护点】
1.一种人工智能虚拟场景的安防自动测试方法，包括：S1：确定自动测试所针对的异常场景类型；S2：根据所述异常场景类型，从监控画面样本库中获得对应该异常场景类型的监控画面样本；S3:利用由画面生成器和判别器组成的GAN架构，所述画面生成器用于基于初始随机值生成虚拟测试画面；所述判别器以所述监控画面样本进行训练后，对所述画面生成器生成的虚拟测试画面进行真伪判别；当判别结果为伪时，所述画面生成器调整生成参数，重新生成虚拟测试画面，直至判别器对画面生成器所生成的虚拟测试画面判别为真，输出所生成的虚拟测试画面，该虚拟测试画面与所述监控画面样本具有相同异常场景类型；S4：将至少一幅所生成的虚拟测试画面输入被测试的人工智能视频安防监控系统，获得该人工智能视频安防监控系统对是否存在异常场景以及异常场景类型的识别结果，判断该智能视频安防监控系统是否能够识别异常场景，以及判断识别结果与所述虚拟测试画面的异常场景类型是否匹配。

【技术特征摘要】
1.一种人工智能虚拟场景的安防自动测试方法，包括：S1：确定自动测试所针对的异常场景类型；S2：根据所述异常场景类型，从监控画面样本库中获得对应该异常场景类型的监控画面样本；S3:利用由画面生成器和判别器组成的GAN架构，所述画面生成器用于基于初始随机值生成虚拟测试画面；所述判别器以所述监控画面样本进行训练后，对所述画面生成器生成的虚拟测试画面进行真伪判别；当判别结果为伪时，所述画面生成器调整生成参数，重新生成虚拟测试画面，直至判别器对画面生成器所生成的虚拟测试画面判别为真，输出所生成的虚拟测试画面，该虚拟测试画面与所述监控画面样本具有相同异常场景类型；S4：将至少一幅所生成的虚拟测试画面输入被测试的人工智能视频安防监控系统，获得该人工智能视频安防监控系统对是否存在异常场景以及异常场景类型的识别结果，判断该智能视频安防监控系统是否能够识别异常场景，以及判断识别结果与所述虚拟测试画面的异常场景类型是否匹配。2.根据权利要求1所述的人工智能虚拟场景的安防自动测试方法，其特征在于，所述监控画面样本是从被测试的人工智能视频安防监控系统的摄像头实拍的监控画面中选取的、具有特定的异常场景类型的多帧连续监控画面。3.根据权利要求2所述的人工智能虚拟场景的安防自动测试方法，其特征在于，按照如下步骤从实拍的监控画面中选取具有特定的异常场景类型的监控画面样本：从多帧连续的实拍监控画面中提取每一个具体目标；根据每一个具体目标的帧间位置变化，判断每一个具体目标的行动状态；根据所述多帧连续的实拍监控画面中存在的全部具体目标的行动状态，按照预设标准对实拍监控画面的场景进行分类，获取场景类型；当实拍监控画面的场景类型属于特定的异常场景类型时，将该实拍监控画面选为所述监控画面样本。4.根据权利要求3所述的人工智能虚拟场景的安防自动测试方法，其特征在于，按照如下步骤从多帧连续的实拍监控画面中提取每一个具体目标：从多帧连续实拍监控画面的每帧监控画面中，提取其中每个目标所在的图像区域，并通过颜色直方图分布提取该目标的图像特征；当多帧连续实拍监控画面中存在图像特征一致的所述图像区域时，判定这些实拍监控画面中图像特征一致的图像区域对应的所述目标为同一个具体目标。5.根据权利要求4所述的人工智能虚拟场景的安防自动测试方法，其特征在于，按照如下步骤判断每一个具体目标的行动状态：对于多帧连续实拍监控画面的同一个具体目标，将该具体目标在第i帧监控画面中的坐标表示为(Xi，Yi)，从第i-1帧到第i帧的帧间位置变化表示为(△Xi，△Yi)，第i帧到第i+1帧的帧间位置变化则表示为(△Xi+1，△Yi+1)，以此类推，从而获得一系列帧间位置变化参数：…(△Xi，△Yi)，(△Xi+1，△Yi+1)…(△Xi+n，△Yi+n)…；将所获得的具体目标的帧间位置变化参数输入到至少一个经过训练的SVM分类向量机当中，根据SVM分类向量机的输出确定该具体目标的行动状态类型。其中，每个所述SVM分类向量机利用具有同一种特定行动状态类型的已知目标的帧间位置变化参数进行训练，达到输出结果与已知目标的特定行动状态类型一致度达到稳定收敛，从而可以根据所输入的该具体目标的帧间位置变化参数输出其是否具有特定行动状态类型。因此，一般需要训练四种SVM分类向量机，四种SVM分类向量机分别对应的特定行动状态类型为：正常通行、拥堵、滞留、逆行，上述四种特定行动状态类型基本满足城市公共空间人或者车的人工智能视频安防监控需要。将每个具体目标的帧间位置变化参数并行输入或者级联输入到四种SVM分类向量机，根据SVM分类向...

【专利技术属性】
技术研发人员：鲍敏，
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