自适应监控系统及方法技术方案

本发明专利技术公开了自适应监控系统及方法，系统包括监控视频输入模块、聚类模块、追踪模块、识别模块、合并分析模块，识别模块、追踪模块都与监控视频输入模块连接，聚类模块与合并分析模块连接，聚类模块通过追踪模块连接识别模块，识别模块连接合并分析模块。自适应监控方法，包括如下步骤：步骤一、监控视频输入模块进行视频图像的输入；步骤二、对视频图像通过两路并行处理；步骤三、两路对视频图像的处理结果进行合并分析并输出分析结果。本发明专利技术能自动实时捕获事先定义之外的异常事件，高效识别各种需要监控的意外事件，并对已经定义的监测场景能自动捕捉事件细节，减少了人工检索和监控的开销。开销。开销。

【技术实现步骤摘要】
自适应监控系统及方法


[0001]本专利技术涉及监控领域，特别涉及自适应监控系统及方法。

技术介绍

[0002]目前市面了公开了对室内人员(尤其是独居老人和残疾人)的基于智能视频的自动监视系统。通过对视频监控区域的移动目标(指人)的行为分析，实现对站立、坐、跌倒等形体特征的识别，当判断是摔倒时，通过无线或有线的方式发送到家庭其他成员、社区管理或民政人员的手机、电脑屏幕和平板电脑等终端设备上。该方法可以应用到家居，老年保健院、活动中心和医院等室内场所，但是不能穷举所有场景和对象，一旦出现事先定义之外的事件，就不容易实时捕获。
[0003]市面了还公开了一种视频监控中的人体行为识别方法，涉及计算机视觉领域，能够对视频中连续不同的行为进行识别的一种视频监控中的人体行为识别方法，包括检测和表示局部时空特征、计算局部时空特征与类别相关性、计算视频帧与类别相关性、检测和识别人体行为。基于该人体行为识别方法的人体行为监控系统包括视频采集单元、存储单元、特征抽取单元、相关性分析单元、行为识别单元、视频输出单元和预警单元，能够对视频中连续不同的行为进行识别。但是不能穷举所有场景和对象，一旦出现事先定义之外的事件，就不容易实时捕获，需要事后分析时也需要人手检索，费时费力。此外，对于已经定义的监测场景，目前的技术都缺乏一种机制来自动实时捕捉事件细节。

技术实现思路

[0004]本专利技术的目的是克服现有技术中的不足，提供自适应监控系统及方法。
[0005]为了达到上述目的，本专利技术是通过以下技术方案实现的：自适应监控系统，包括监控视频输入模块、聚类模块、追踪模块、识别模块、合并分析模块，所述识别模块、追踪模块都与监控视频输入模块连接，所述聚类模块与合并分析模块连接，所述聚类模块通过追踪模块连接识别模块，所述识别模块连接合并分析模块。
[0006]自适应监控方法，包括如下步骤：步骤一、监控视频输入模块进行视频图像的输入；步骤二、对视频图像通过两路并行处理：一路根据预先定义的模式进行处理，另一路是根据运动模式进行聚类后进行处理；步骤三、两路对视频图像的处理结果进行合并分析并输出分析结果。
[0007]作为优选，根据预先定义的模式进行处理的步骤为：首先通过识别模块识别视频图像，从而识别出若干个对象，然后根据预先定义的分类方法对若干个对象进行分类，然后根据需要再分子类别。
[0008]作为优选，预先定义的分类方法包括基于滑动窗口和人工特征提取方法、基于机器学习的方法、利用深度学习技术自动的抽取输入图像中的隐藏特征的方法。
[0009]作为优选，根据运动模式进行聚类后进行处理的步骤为：首先追踪模块采用追踪
算法根据运动状态监测追踪运动物体，然后根据一个或多个运动特征在同一个类别或子类别中通过聚类模块的聚类算法的进行聚类，然后判断聚类是否有新的结果。
[0010]作为优选，运动特征包括运动方向、运动速度、运动加速度、运动位置以及各自的统计参量，所述统计参量包括最大值、最小值、均值、方差、变化率、及一阶差分平均值、二阶差分平均值、归一化一阶差分平均值、归一化二阶差分平均值、变化范围、序列差值的平方和。
[0011]作为优选，两路对视频图像的处理结果进行合并分析并输出分析结果的步骤为：若聚类无新结果则退出，否则将样本数量最少的类别对象所在区域作为结果区域一，将监测到的预先定义的模式结果所在区域作为结果区域二，然后自定义预定门限大小，然后通过合并分析模块对两路结果区域重合面积判断是否超过预定门限，若超过则选择结果区域面积大的作为共同结果区域，然后对共同结果和余下的独立结果区域则进行聚焦放大继续追踪得到事件信息，所述事件信息则为分析结果。
[0012]作为优选，独立结果区域为结果区域一和结果区域二没有重合的地方。
[0013]作为优选，所述追踪算法包括连续帧间差分法、背景差分法、光流法。
[0014]作为优选，所述聚类算法包括K
‑
Means(K均值)聚类算法、均值漂移聚类算法、基于密度的聚类算法、高斯混合模型聚类算法、层次聚类算法。
[0015]本专利技术的有益效果如下：本专利技术对监控视频输入采用两路并行处理，一路是根据预先定义的模式进行处理，一路是根据运动模式聚类后进行处理，对两路结果定义的区域进行合并分析再输出结果，因此本专利技术能自动实时捕获事先定义之外的异常事件，高效识别各种需要监控的意外事件，并对已经定义的监测场景能自动捕捉事件细节，减少了人工检索和监控的开销。
附图说明
[0016]图1为本专利技术的自适应监控系统的模块连接图；图2为自适应监控方法的流程图。
具体实施方式
[0017]下面结合说明书附图对本专利技术的技术方案作进一步说明：实施例一：如图1所示，自适应监控系统，包括监控视频输入模块1、聚类模块2、追踪模块3、识别模块4、合并分析模块5，所述识别模块4、追踪模块3都与监控视频输入模块1连接，所述聚类模块2与合并分析模块5连接，所述聚类模块2通过追踪模块3连接识别模块4，所述识别模块4连接合并分析模块5。
[0018]如图2所示，自适应监控方法,包括如下步骤：步骤一、监控视频输入模块1进行视频图像的输入；步骤二、对视频图像通过两路并行处理：一路根据预先定义的模式进行处理，另一路是根据运动模式进行聚类后进行处理；步骤三、两路对视频图像的处理结果进行合并分析并输出分析结果。
[0019]根据预先定义的模式进行处理的步骤为：首先通过识别模块4识别视频图像，从而
识别出若干个对象，然后根据预先定义的分类方法对若干个对象进行分类，然后根据需要再分子类别。通过现有技术可以从输入的视频图像里可以识别出多个需要监控的对象，例如人物，动物，交通工具等并分类。进一步的，根据需要可以再分子类别，例如交通工具可以分成大型/中型/小型交通工具类别，动物可以分成飞行动物/地上行走动物等。
[0020]预先定义的分类方法包括基于滑动窗口和人工特征提取方法、基于机器学习的方法、利用深度学习技术自动的抽取输入图像中的隐藏特征的方法。
[0021]根据运动模式进行聚类后进行处理的步骤为：首先追踪模块3采用追踪算法根据运动状态监测追踪运动物体，然后根据一个或多个运动特征在同一个类别或子类别中通过聚类模块2的聚类算法的进行聚类，然后判断聚类是否有新的结果。聚类可以根据一个或多个运动特征在同一个类别或子类别中进行聚类，在子类别中进行聚类的好处是可以避免误判，例如小鸟正常的飞行不会被判断成行人的速度异常。聚类的数据可以是同一个对象的时序数据（历史数据和现在数据），也可以是多个对象的时序数据（所有对象的历史数据和/或所有对象的即时数据）。检查聚类是否有新结果的过程可以是利用多个特征组合多个方法多次进行，结果为或的关系（其中只要有一次有新结果都算有新结果）。
[0022]运动特征包括运动方向、运动速度、运动加速度、运动位置以及各自的统计参量，所述统计参量包括最大值、最小值、均值、方差、变化率（若上升时变化率为正，下降时变化率为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.自适应监控系统，其特征在于，包括监控视频输入模块（1）、聚类模块（2）、追踪模块（3）、识别模块（4）、合并分析模块（5），所述识别模块（4）、追踪模块（3）都与监控视频输入模块（1）连接，所述聚类模块（2）与合并分析模块（5）连接，所述聚类模块（2）通过追踪模块（3）连接识别模块（4），所述识别模块（4）连接合并分析模块（5）。2.自适应监控方法, 基于权利要求1所述自适应监控系统, 其特征在于，包括如下步骤：步骤一、监控视频输入模块（1）进行视频图像的输入；步骤二、对视频图像通过两路并行处理：一路根据预先定义的模式进行处理，另一路是根据运动模式进行聚类后进行处理；步骤三、两路对视频图像的处理结果进行合并分析并输出分析结果。3.根据权利要求2所述自适应监控方法，其特征在于，所述根据预先定义的模式进行处理的步骤为：首先通过识别模块（4）识别视频图像，从而识别出若干个对象，然后根据预先定义的分类方法对若干个对象进行分类，然后根据需要再分子类别。4.根据权利要求3所述自适应监控方法，其特征在于，所述预先定义的分类方法包括基于滑动窗口和人工特征提取方法、基于机器学习的方法、利用深度学习技术自动的抽取输入图像中的隐藏特征的方法。5.根据权利要求2所述自适应监控方法，其特征在于，所述根据运动模式进行聚类后进行处理的步骤为：首先追踪模块（3）采用追踪算法根据运动状态监测追踪运动物体，然后根据一个或多个运动特征在同一个类别或子类别中...

【专利技术属性】
技术研发人员：魏志刚，
申请(专利权)人：南京星云软件科技有限公司，
类型：发明
国别省市：