一种基于云端的安防控制方法和系统技术方案

本发明专利技术涉及智能决策领域，揭露一种基于云端的安防控制方法，包括：识别待控制的安防系统的安防区域、业务场景及其对应的控制因子类别，分析控制因子类别及其对应的因子状态，并配置因子状态为异常时的控制策略；根据业务场景，获取安防区域的监控视频，并提取监控视频的帧图像，分别抽取帧图像中的候选空间帧图像和候选光流帧图像，并利用双流网络，提取候选空间帧图像的空间特征和候选光流帧图像的光流特征；融合空间特征和光流特征，得到监控视频的融合特征；计算融合特征在控制因子类别对应的因子概率；根据因子概率，判别安防系统的因子状态，在因子状态为异常时，将控制策略作为安防系统的最终控制方略。本发明专利技术可以提高安防控制精度。防控制精度。防控制精度。

【技术实现步骤摘要】
一种基于云端的安防控制方法和系统


[0001]本专利技术涉及智能决策领域，尤其涉及一种基于云端的安防控制方法和系统。

技术介绍

[0002]安防，可以理解为“安全防范”的缩略词，是指做好准备和保护，以应付攻击或者避免受害，从而使被保护对象处于没有危险、不受侵害、不出现事故的安全状态。
[0003]安防“智能化”是指将原有依靠人来分析、查看的数据通过AI算法实现自动识别分析，将海量数据转化为有分析结果的有效信息。以视频分析为例，智能安防系统通过对视频图像的自动分析和处理，可以识别不同的人、物体、环境状态，发现监控画面中的异常情况，实时警报和反馈信息。而随着云端的蓬勃发展，将智能安防技术部署在云端，将为智能安防系统提供强大的算力赋能。
[0004]目前传统的智能安防控制方法主要以手工特征为训练样本，采用概率密度估计的统计学方法，判断事件服从正常或者异常分布，或者利用高斯混合模型与马尔可夫模型对异常特征进行推断，但这些方法都存在着依赖特征的选择，只适用于特定场景，从而容易出现安防控制精度不高的问题。

技术实现思路

[0005]本专利技术提供一种基于云端的安防控制方法和系统，其主要目的在于提高安防控制精度。
[0006]为实现上述目的，本专利技术提供的一种基于云端的安防控制方法，包括：识别待控制的安防系统的安防区域、业务场景及其对应的控制因子类别，分析所述控制因子类别及其对应的因子状态，并配置所述因子状态为异常时的控制策略；根据所述业务场景，获取所述安防区域的监控视频，并提取所述监控视频的帧图像，抽取所述帧图像中的候选空间帧图像，利用空间流网络，提取所述候选空间帧图像的空间特征；抽取所述帧图像中的候选光流帧图像，利用时间流网络，提取所述候选光流帧图像的光流特征；对所述空间特征和所述光流特征进行融合，得到所述监控视频的融合特征；计算所述融合特征在所述控制因子类别对应的因子概率；根据所述因子概率，判别所述安防系统的因子状态，在所述因子状态为异常时，将所述控制策略作为所述安防系统的最终控制方略。
[0007]可选地，所述并配置所述因子状态为异常时的控制策略，包括：在所述因子状态为异常时，分析所述因子状态对应的历史所述控制因子的异常原因及其异常类型；基于所述异常原因和所述异常类型，利用异常树分析法，构建历史安防系统的异常树，并配置所述异常树每个异常节点的控制策略。
[0008]可选地，所述基于所述异常原因和所述异常类型，利用异常树分析法，构建历史安防系统的异常树，包括：基于所述异常类型，从预构建的历史安防系统异常数据库中查询所述异常类型对应的异常影响，并计算所述异常类型的异常事件发生的异常概率；根据所述异常影响，利用异常模式、影响和危害性分析法，分析所述异常类型的异常等级；根据所述异常等级和所述异常概率，构建所述历史安防系统的顶事件节点；根据所述顶事件节点和所述顶事件节点对应的所述异常原因，构建所述历史安防系统的中间事件节点，并配置所述中间事件节点之间的中间逻辑门；根据所述中间事件节点和所述中间事件节点对应的所述异常原因，构建所述历史安防系统的底事件节点，并配置所述底事件节点之间的底层逻辑门；根据所述顶事件节点、所述中间事件节点、所述中间逻辑门、所述底事件节点及所述底层逻辑门，生成所述历史安防系统的异常树。
[0009]可选地，所述提取所述监控视频的帧图像，包括：利用视频解码器，将所述监控视频进行解码，得到解码视频；利用视频帧转换算法，将所述解码视频转换为原始帧图像；利用下述公式将所述原始帧图像转换为目标帧图像：其中，表示目标帧图像，表示RGB色彩空间中的红色通道，表示RGB色彩空间中的绿色通道，表示RGB色彩空间中的蓝色通道，表示YUV色彩空间中的明亮度，表示YUV色彩空间中的色度，表示YUV色彩空间中的浓度；将所述目标帧图像进行格式转换，得到所述监控视频的帧图像。
[0010]可选地，所述利用空间流网络，提取所述候选空间帧图像的空间特征，包括：利用空间流残差网络中卷积层，对所述候选空间帧图像进行卷积，得到卷积空间特征；利用空间流残差网络中的残差单元，对所述卷积空间特征进行线性转换和激活转换，得到残差空间特征；根据所述残差空间特征，确定所述候选空间帧图像的空间特征。
[0011]可选地，所述利用时间流网络，提取所述候选光流帧图像的光流特征，包括：利用所述时间流网络中的光流检测算法，构建所述候选光流帧图像的光流方程；根据所述光流方程，计算所述候选光流帧图像的稠密光流；根据所述稠密光流，提取所述候选光流帧图像的光流特征。
[0012]可选地，所述根据所述光流方程，计算所述候选光流帧图像的稠密光流，包括：利用下述公式计算所述候选光流帧图像的稠密光流:
其中，表示稠密光流，表示候选光流帧图像在预设邻域窗口内像素点的水平光流，表示候选光流帧图像在预设邻域窗口内像素点的垂直光流，，分别表示候选光流帧图像的像素灰度沿和方向的光流方程，表示候选光流帧图像的像素灰度对时间的光流方程，，分别表示在候选光流帧图像的预设邻域窗口内第个像素点灰度沿和方向的光流方程，表示候选光流帧图像在预设邻域窗口内像素点数量。
[0013]可选地，所述对所述空间特征和所述光流特征进行融合，得到所述监控视频的融合特征，包括：利用下述公式对所述空间特征和所述光流特征进行融合：其中，表示监控视频的融合特征，表示监控视频的空间特征，表示监控视频的光流特征，表示卷积核，表示偏置参数。
[0014]可选地，所述计算所述融合特征在所述控制因子类别对应的因子概率，包括：对所述融合特征进行池化处理，得到池化融合向量；利用训练好的安防系统异常分析模型中的全连接层，计算所述池化融合向量在所述控制因子类别的类别得分；根据所述类别得分，利用训练好的安防系统异常分析模型中的因子分类器的逻辑回归函数，计算所述类别得分在所述控制因子类别的回归因子概率，并将所述回归因子概率作为所述融合特征在所述控制因子类别对应的因子概率。
[0015]为了解决上述问题，本专利技术还提供一种基于云端的安防控制装置，所述装置包括：识别待控制的安防系统的安防区域、业务场景及其对应的控制因子类别，分析所述控制因子类别及其对应的因子状态，并配置所述因子状态为异常时的控制策略；根据所述业务场景，获取所述安防区域的监控视频，并提取所述监控视频的帧图像，抽取所述帧图像中的候选空间帧图像，利用空间流网络，提取所述候选空间帧图像的空间特征；抽取所述帧图像中的候选光流帧图像，利用时间流网络，提取所述候选光流帧图像的光流特征；对所述空间特征和所述光流特征进行融合，得到所述监控视频的融合特征；计算所述融合特征在所述控制因子类别对应的因子概率；根据所述因子概率，判别所述安防系统的因子状态，在所述因子状态为异常时，将所述控制策略作为所述安防系统的最终控制方略。
[0016]可以看出，本专利技术实施例通过识别待控制的安防系统的安防区域、业务场景及其对应的控制因子类别可以确定所述安防系统的安防作用区域，实际应用场景和控制因子类别，为后续对安防系统的控制提供操作前提，并通过分析所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云端的安防控制方法，其特征在于，所述方法包括：识别待控制的安防系统的安防区域、业务场景及其对应的控制因子类别，分析所述控制因子类别及其对应的因子状态，并配置所述因子状态为异常时的控制策略；根据所述业务场景，获取所述安防区域的监控视频，并提取所述监控视频的帧图像，抽取所述帧图像中的候选空间帧图像，利用空间流网络，提取所述候选空间帧图像的空间特征；抽取所述帧图像中的候选光流帧图像，利用时间流网络，提取所述候选光流帧图像的光流特征；对所述空间特征和所述光流特征进行融合，得到所述监控视频的融合特征；计算所述融合特征在所述控制因子类别对应的因子概率；根据所述因子概率，判别所述安防系统的因子状态，在所述因子状态为异常时，将所述控制策略作为所述安防系统的最终控制方略。2.如权利要求1所述的基于云端的安防控制方法，其特征在于，所述并配置所述因子状态为异常时的控制策略，包括：在所述因子状态为异常时，分析所述因子状态对应的历史所述控制因子的异常原因及其异常类型；基于所述异常原因和所述异常类型，利用异常树分析法，构建历史安防系统的异常树，并配置所述异常树每个异常节点的控制策略。3.如权利要求2所述的基于云端的安防控制方法，其特征在于，所述基于所述异常原因和所述异常类型，利用异常树分析法，构建历史安防系统的异常树，包括：基于所述异常类型，从预构建的历史安防系统异常数据库中查询所述异常类型对应的异常影响，并计算所述异常类型的异常事件发生的异常概率；根据所述异常影响，利用异常模式、影响和危害性分析法，分析所述异常类型的异常等级；根据所述异常等级和所述异常概率，构建所述历史安防系统的顶事件节点；根据所述顶事件节点和所述顶事件节点对应的所述异常原因，构建所述历史安防系统的中间事件节点，并配置所述中间事件节点之间的中间逻辑门；根据所述中间事件节点和所述中间事件节点对应的所述异常原因，构建所述历史安防系统的底事件节点，并配置所述底事件节点之间的底层逻辑门；根据所述顶事件节点、所述中间事件节点、所述中间逻辑门、所述底事件节点及所述底层逻辑门，生成所述历史安防系统的异常树。4.如权利要求1所述的基于云端的安防控制方法，其特征在于，所述提取所述监控视频的帧图像，包括：利用视频解码器，将所述监控视频进行解码，得到解码视频；利用视频帧转换算法，将所述解码视频转换为原始帧图像；利用下述公式将所述原始帧图像转换为目标帧图像：
其中，F表示目标帧图像，表示RGB色彩空间中的红色通道，表示RGB色彩空间中的绿色通道，表示RGB色彩空间中的蓝色通道，表示YUV色彩空间中的明亮度，表示YUV色彩空间中的色度，表示YUV色彩空间中的浓度；将所述目标帧图像进行格式转换，得到所述监控视频的帧图像。5.如权利要求1所述的基于云端的安防控制方法，其特征在于，所述利用空间流网络，提取所述候选空间帧图像的空间特征，包括：利用空间流残差网络中卷积层，对所述候选空间帧图像进行卷积，得到卷积空间特征；利用空间流残差网络中的...

【专利技术属性】
技术研发人员：邓立德，
申请(专利权)人：深圳市睿创科数码有限公司，
类型：发明
国别省市：