一种新型智能安防系统中的轨迹分析方法及系统技术方案

本发明专利技术公开一种新型智能安防系统中的轨迹分析方法及系统，该方法包括如下步骤：步骤S1：获取实时视频流；步骤S2：解码视频流；步骤S3：比对分析，获取监控经纬度位置信息；步骤S4：将经纬度位置信息送入由大量训练集经过学习算法反复训练得出的假设函数中，得到无限接近于真实轨迹的预测轨迹。本发明专利技术解决了城市安防系统中轨迹预测准确性差，可靠性低，实时性弱的问题，减少了人工干预及计算开销，提高了系统可用性及预测效果。

【技术实现步骤摘要】
一种新型智能安防系统中的轨迹分析方法及系统
本专利技术涉及安全防控领域，特别涉及一种新型智能安防系统中的轨迹分析方法及系统，该方法用于应用于“金瞳”城市系统中。
技术介绍
“金瞳”城市安防系统是面向平安社区领域进行建设的，实现安放管控大联勤的智能，联网，全面覆盖的智慧社区系统。具备网格化管理，实时预警，溯源记录，数据分析，高清覆盖等功能。“金瞳”城市安防系统采用端-管-云的架构模式，通过网络协议传输，可针对陌生人、陌生车辆、目标行人、目标车辆等安防事件进行轨迹追踪及分析，通过在边缘端采集数据信息，经由高速网络传输到高通量数据中心，并完成人体识别、人脸识别，车辆识别，布防预警等，对保障社区安全具有十分重大特殊的意义。常用的安防领域的轨迹追踪方法有如基于梯度直方图(HOG)特征微量的追踪方法，基于加权颜色直方图模型的粒子滤波追踪方法等，这些方法存在定位难、定位准确率低、计算开销大等问题。不能满足“金瞳”城市安防系统的高实时，强提醒，可溯源，准确性的需求。因此，如何将上述技术问题加以解决，即为本领域技术人员的研究方向所在。
技术实现思路
专利技术所要解决的问题为了解决上述问题，针对“金瞳”城市安防系统的特点，本专利技术提出一种新型智能安防系统中的轨迹分析方法及系统，解决了城市安防系统中轨迹预测准确性差，可靠性低，实时性弱的问题，来满足“金瞳”城市安防系统在实时性及准确性方面的需求。用于解决问题的方案为了达到上述目的，本专利技术的一方式是一种新型智能安防系统中的轨迹分析方法，包括如下步骤：步骤S1：获取实时视频流；步骤S2：解码视频流；步骤S3：比对分析，获取监控经纬度位置信息；步骤S4：将经纬度位置信息送入由大量训练集经过学习算法反复训练得出的假设函数中，得到无限接近于真实轨迹的预测轨迹。优选地，在步骤S1中，部署监控设备，通过IP地址无线获取实时视频流。优选地，在步骤S2中，对获取的视频流进行解码，分解成视频图片帧。优选地，在步骤S3中，将视频图片帧送入人脸识别比对模块，输出人脸识别结果，图片信息、相应的监控设备编号、经纬度位置信息。优选地，在步骤S3中，包括如下子步骤：步骤S31：对图片进行人脸检测；步骤S32：进行人脸跟踪；步骤S33：提取人脸特征后再与人脸数据库进行比对，最后输出比对结果。优选地，在步骤S4中，将监控经纬度位置信息送入假设函数中，假设函数是由大量真实行人或车辆轨迹，提供给学习算法，算法生成一个输出函数即为假设函数h。优选地，将步骤S3中的经纬度位置信息送入如下述的特征矩阵X中，利用梯度下降算法，不断更新θ值，得到最优解θ，即能够画出数据分析下目标人脸轨迹或目标车牌轨迹优选地，在步骤S3中，利用如下批量梯度下降算法，不断更新的值直至收敛，从而得到无限接近于实际轨迹的预测轨迹为了达到上述目的，本专利技术还提供一种新型智能安防系统中的轨迹分析系统，其包括：视频流获取模块：其获取实时视频流，通过IP地址无线获取实时视频流；视频流解码模块：其对获取的视频流进行解码，分解成视频图片帧；比对分析模块：其用于进行比对分析，获取监控经纬度位置信息；以及轨迹预测模块：其用于将经纬度位置信息送入由大量训练集经过学习算法反复训练得出的假设函数中，得到无限接近于真实轨迹的预测轨迹。专利技术的效果本专利技术的一种新型智能安防系统中的轨迹分析方法及系统减少了人工干预及计算开销，提高了系统可用性及预测效果。附图说明图1为本专利技术一种新型智能安防系统中的轨迹分析方法流程图。图2为本专利技术一种新型智能安防系统中的轨迹分析方法流程示意图。图3为“金瞳”城市安防系统示意图。图4为本专利技术一种新型智能安防系统中的轨迹分析系统框图。具体实施方式下面将结合本专利技术实施例中的图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。并且，在此处需要进一步强调的是，以下的具体实施例提供的优选的技术方案，各方案(实施例)之间是可以相互配合或结合使用的。如图1所示，为本专利技术一种新型智能安防系统中的轨迹分析方法流程图，本专利技术的一种新型智能安防系统中的轨迹分析方法包括如下步骤：步骤S1：获取实时视频流；步骤S2：解码视频流；步骤S3：比对分析，获取监控经纬度位置信息；步骤S4：将经纬度位置信息送入由大量训练集经过学习算法反复训练得出的假设函数中，得到无限接近于真实轨迹的预测轨迹。配合图2对上述的新型智能安防系统中的轨迹分析方法进行详细说明，本专利技术的新型智能安防系统中的轨迹分析方法具体包括：步骤S1：获取实时视频流。常见监控设备如海康威视或大华等，为方便室外监控设备部署，采用主机与监控设备分开，通过IP地址无线获取实时视频流。步骤S2：视频解码。对获取的视频流进行解码，分解成视频图片帧。步骤S3：比对分析，获取监控经纬度位置信息。将视频图片帧送入人脸识别比对模块，输出人脸识别结果，图片信息、相应的监控设备编号、经纬度位置信息等。步骤S4：将经纬度位置信息送入由大量训练集经过学习算法反复训练得出的假设函数中，得到无限接近于真实轨迹的预测轨迹。在步骤S4中，将监控经纬度位置信息送入假设函数(通常用h表示)中。假设函数是由大量真实行人或车辆轨迹，提供给学习算法，算法生成一个输出函数即为假设函数h。假设函数h的输入通常用x表示，输出用y表示，(x，y)表示一个样本。对假设函数进行线性表示：hθ(x)＝θ0+θ1x影响轨迹分析的因素可能有多个，x1表示监控设备位置，x2表示监控设备抓拍清晰度，x3表示监控设备配置参数等等，则假设可以写成：hθ(x)＝θ0x0+θ1x1+θ2x2+...+θnxn，其中x0＝1。即其中x0＝1。若有多条记录，则hθ(x(i))＝θ0x0(i)+θ1x1(i)+θ2x2(i)+......+θnxn(i)，相对应y(i)表示第i个输出。最后，求最小值min(J(θ))，选择θ的目的，是使h(x)与y的平方差尽可能小。又由于有m个训练样本，需要计算每个样本的平方差，最后为了简化结果乘以1/2，即利用梯度下降算法求min(J(θ))。梯度下降算法：其中ɑ是梯度下降的步长。当有多个训练样本时，批量梯度下降算法：重复直至收敛(Repeatuntilconvergence):ɑ：学习速度，手动给出的参数。设置的过小，收敛时间长，设的过大，可能会超过最小值。其中，θ的取值是正整数0到1之间，表示在众多的分量xi(其中i取0，1，2，本文档来自技高网...

【技术保护点】
1.一种新型智能安防系统中的轨迹分析方法，其特征在于，包括如下步骤：/n步骤S1：获取实时视频流；/n步骤S2：解码视频流；/n步骤S3：比对分析，获取监控经纬度位置信息；/n步骤S4：将经纬度位置信息送入由大量训练集经过学习算法反复训练得出的假设函数中，得到无限接近于真实轨迹的预测轨迹。/n

【技术特征摘要】
1.一种新型智能安防系统中的轨迹分析方法，其特征在于，包括如下步骤：
步骤S1：获取实时视频流；
步骤S2：解码视频流；
步骤S3：比对分析，获取监控经纬度位置信息；
步骤S4：将经纬度位置信息送入由大量训练集经过学习算法反复训练得出的假设函数中，得到无限接近于真实轨迹的预测轨迹。


2.根据权利要求1所述的新型智能安防系统中的轨迹分析方法，其特征在于，在步骤S1中，部署监控设备，通过IP地址无线获取实时视频流。


3.根据权利要求1所述的新型智能安防系统中的轨迹分析方法，其特征在于，在步骤S2中，对获取的视频流进行解码，分解成视频图片帧。


4.根据权利要求1所述的新型智能安防系统中的轨迹分析方法，其特征在于，在步骤S3中，将视频图片帧送入人脸识别比对模块，输出人脸识别结果，图片信息、相应的监控设备编号、经纬度位置信息。


5.根据权利要求1所述的新型智能安防系统中的轨迹分析方法，其特征在于，在步骤S3中，包括如下子步骤：
步骤S31：对图片进行人脸检测；
步骤S32：进行人脸跟踪；
步骤S33：提取人脸特征后再与人脸数据库进行比对，最后输出比对结果。


...

【专利技术属性】
技术研发人员：陆倩雯，罗鑫，
申请(专利权)人：北京睿芯高通量科技有限公司，
类型：发明
国别省市：北京;11