【技术实现步骤摘要】
本专利技术涉及视频矩阵，尤其涉及一种监控大屏内容的抓取方法。
技术介绍
1、视频内容抓取是一种涉及提取、存储和处理视频数据的关键技术，通常用于从各种来源，如网络流媒体、监控摄像头或存储设备，获取视频信息。这项技术在多个领域发挥作用，包括媒体监测、安全监控、教育、医疗影像处理等。它涉及图像处理、数据压缩、网络通信和机器学习等领域，以满足各确保高质量的视频数据抓取、传输和分析各种应用场景的需求。随着互联网和数字化技术的不断发展，视频内容抓取技术变得越来越重要，为多样化的视频数据提供了有效的获取和管理方式。
2、中国专利公开号：cn113452963a公开了一种监控大屏内容的抓取和远程恢复系统，包括监控中心上的拼接屏以及远端显示器，还包括用来接收和处理所述拼接屏上大屏控制器中每个屏幕信号的视频检测处理模块，所述视频检测处理模块与所述拼接屏中每个屏幕是一一对应关系，每个所述视频检测处理模块均连接有视频交叉模块，所述视频交叉模块连接有控制模块，所述控制模块连接有云端，所述远端显示器通过解码恢复模块对所述云端中信息进行解码和恢复，所述远端显示器对拼接屏显示内容的1∶1恢复。该专利技术在监控拼接屏内容抓取和恢复系统具备屏幕信号拼接检测和同步编码的功能，在不影响清晰度的情况下，可以将传送码流的带宽极大降低，同时对拼接显示的信号恢复后同步性更好。由此可见，该专利技术未考虑现有技术中抓取信息时间长，抓取信息不准确的问题。
技术实现思路
1、为此，本专利技术提供一种监控大屏内容的抓取方法，用
2、为实现上述目的，一方面，本专利技术提供一种监控大屏内容的抓取方法，包括以下步骤：
3、步骤s1，将所述监视大屏显示内容划分成若干区域画面并对各所述区域画面进行位置确定和编号设定；
4、步骤s2，使用图像识别技术同时对各所述区域画面进行扫描以确定目标对象所在的疑似区域的位置信息，并且，根据所述疑似区域的位置信息确定目标对象所在的特定区域；
5、步骤s3，根据所述特定区域的位置信息捕捉所述目标对象的图像，并提取图像对应的相关特征信息，其中，所述特征信息包括颜色、形状和纹理；
6、步骤s4，对提取的所述特征信息和预定义的目标对象进行处理和匹配，以比对验证所述目标对象是否正确；
7、步骤s5，若所述目标对象的特征信息匹配成功，则分析设定时间内的视频以形成所述目标对象的初步行为信息和实际行为信息；
8、步骤s6，根据所述实际行为信息预判所述目标对象的行动轨迹。
9、进一步地，步骤s1中各所述区域画面的面积相等。
10、进一步地，根据监视大屏的像素数、各所述区域画面的平均像素数、区域分割系数和监视大屏的面积确定所述区域画面的面积s，所述区域画面的面积由以下公式表示：
11、s＝s×(p/p)×k,
12、其中，p为监视大屏的像素数，p为各所述区域画面的平均像素数，k为区域分割系数，s为监视大屏的面积。
13、进一步地，在步骤s2中包括：
14、步骤s21，根据所述疑似区域的位置信息确定各所述疑似区域是否相连；
15、若所述疑似区域相连则将相连的各疑似区域整合为一个整体的疑似区域。
16、进一步地，在步骤s2中还包括：
17、步骤s22，根据各所述疑似区域是否包括完整的目标对象确定所述疑似区域是否为特定区域；
18、若各疑似区域不包括完整的目标对象，则检测与该疑似区域相连的各区域画面以使所述特定区域包括完整的目标对象。
19、进一步地，在步骤s5中，根据目标对象在设定时间内的视频分析其行为以形成该目标的若干初步行为信息，并根据目标对象的初步行为信息以及预设时间节点目标对象的位置形成该目标的实际行为信息。
20、进一步地，在步骤s4中，预定义目标对象的所述特征信息的阈值以及匹配优先级，并根据所述相关特征信息的关系与预定义目标对象的所述特征信息的关系进行比对确定所述目标对象的正确级别。
21、进一步地，在步骤s4中，所述特征信息的阈值包括特征信息同时存在的数量、特征信息间的相连关系或排斥关系和特征信息的权重。
22、进一步地，在所述步骤s4中使用机器学习和深度学习算法训练和优化目标对象的识别和特征提取模型。
23、进一步地，抓取方法具备自动化和编程接口，以便通过编程方式控制和管理监控大屏内容的抓取，以满足自动化集成和自定义需求。
24、与现有技术相比，本专利技术的有益效果在于，本专利技术提供的抓取方法具有高效的自动化抓取和准确的目标定位和提取，提高了特征匹配的准确性，以及对目标对象的行为分析和轨迹预测的能力，从而提高监控系统的效能和可靠性，提升安全性和保护措施。
25、进一步地，步骤s1中根据监控大屏的尺寸将显示内容划分成区域画面并进行位置确定和编号设定。这使得整个抓取过程可以自动化和标准化，无需手动干预，提高了效率和准确性。
26、进一步地，步骤s2使用图像识别技术对各区域画面进行扫描，确定目标对象所在的疑似区域位置信息，并根据该信息确定目标对象所在的特定区域。这使得可以准确地定位和提取目标对象，减少了误判和漏判的风险。
27、进一步地，步骤s3和步骤s4使用提取的特征信息与预定义的目标对象进行处理和匹配，以比对验证目标对象的准确性，有助于减少误识别，并提高系统的准确性和可靠性。
28、进一步地，通过分析目标对象一段时间内的视频，步骤s5形成目标对象的初步行为信息和实际行为信息。步骤s6根据实际行为信息预判目标对象的行动轨迹。这提供了对目标对象行为的深入理解和预测，有助于更好地监控和应对潜在风险。
本文档来自技高网...【技术保护点】
1.一种监控大屏内容的抓取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的监控大屏内容的抓取方法，其特征在于，在所述步骤S1中各所述区域画面的面积相等。
3.根据权利要求2所述的监控大屏内容的抓取方法，其特征在于，根据监视大屏的像素数、各所述区域画面的平均像素数、区域分割系数和监视大屏的面积确定所述区域画面的面积s，所述区域画面的面积由以下公式表示：
4.根据权利要求1所述的监控大屏内容的抓取方法，其特征在于，在所述步骤S2中包括：
5.根据权利要求4所述的监控大屏内容的抓取方法，其特征在于，在所述步骤S2中还包括：
6.根据权利要求1所述的监控大屏内容的抓取方法，其特征在于，在所述步骤S5中，根据目标对象在设定时间内的视频分析其行为以形成该目标的若干初步行为信息，并根据目标对象的初步行为信息以及预设时间节点目标对象的位置形成该目标的实际行为信息。
7.根据权利要求5所述的监控大屏内容的抓取方法，其特征在于，在所述步骤S4中，预定义目标对象的所述特征信息的阈值以及匹配优先级，并根据所述相关特征信息的
8.根据权利要求7所述的监控大屏内容的抓取方法，其特征在于，在所述步骤S4中，所述特征信息的阈值包括特征信息同时存在的数量、特征信息间的相连关系或排斥关系和特征信息的权重。
9.根据权利要求1所述的监控大屏内容的抓取方法，其特征在于，在所述步骤S4中使用机器学习和深度学习算法训练和优化目标对象的识别和特征提取模型。
10.根据权利要求9所述的监控大屏内容的抓取方法，其特征在于，所述抓取方法具备自动化和编程接口，以便通过编程方式控制和管理监控大屏内容的抓取，以满足自动化集成和自定义需求。
...【技术特征摘要】
1.一种监控大屏内容的抓取方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的监控大屏内容的抓取方法，其特征在于，在所述步骤s1中各所述区域画面的面积相等。
3.根据权利要求2所述的监控大屏内容的抓取方法，其特征在于，根据监视大屏的像素数、各所述区域画面的平均像素数、区域分割系数和监视大屏的面积确定所述区域画面的面积s，所述区域画面的面积由以下公式表示：
4.根据权利要求1所述的监控大屏内容的抓取方法，其特征在于，在所述步骤s2中包括：
5.根据权利要求4所述的监控大屏内容的抓取方法，其特征在于，在所述步骤s2中还包括：
6.根据权利要求1所述的监控大屏内容的抓取方法，其特征在于，在所述步骤s5中，根据目标对象在设定时间内的视频分析其行为以形成该目标的若干初步行为信息，并根据目标对象的初步行为信息以及预设时间节点目标对象的位...
【专利技术属性】
技术研发人员：赵定金，明德，蔡文生，
申请(专利权)人：广东保伦电子股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。