【技术实现步骤摘要】
本申请涉及智能处理领域，且更为具体地，涉及一种云端视频处理系统及其方法。
技术介绍
1、目前小区的治安还是大多由人工来进行管理和监测，小区是居民们活动的公共场所。人工治安会难以避免可疑人员进入小区，发生打架、盗窃、破坏等一些安全事件，导致治安人员无法及时找到这些可疑人员，从而发生一些不必要的危险和后果。但由于现有技术对一些人员的行为没有进行监控，当发现异常行为没有及时制止，从而影响小区的治安和居民的安全。
2、因此，期待一种优化的云端视频处理方案。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种云端视频处理系统及其方法，其采用基于深度神经网络模型的人工智能技术，获取由云端保存的小区人员监控视频，提取关键帧后进行图像分块处理，通过目标检测网络得到感兴趣区域后再进行图像特征增强、卷积特征提取和行为特征语义理解，以得到用于表示人员行为是否有异常的分类结果。这样，可以实现实时监控和分析人员行为，提高对人员行为的准确性和精确度，从而提供安全保障和事件预警功能。
2、根据本申请的一个方面，提供了一种云端视频处理系统，其包括：
3、监控视频获取模块，用于获取由云端保存的小区人员监控视频；
4、关键帧提取模块，用于以预定采样频率从所述云端保存的小区人员监控视频提取出多个人员关键帧；
5、图像分块模块，用于对所述多个人员关键帧进行图像分块处理以得到多个人员图像块；
6、图像块目标探测模块，用于将所
7、感兴趣区域增强模块，用于将所述多个行为感兴趣区域通过基于对抗生成网络的图像增强器以得到多个增强行为感兴趣区域；
8、空间增强模块，用于将所述多个增强行为感兴趣区域通过空间增强卷积模块以得到多个行为区域特征向量；
9、行为语义理解模块，用于将所述多个行为区域特征向量通过基于转换器的行为语义理解器以得到行为区域语义理解特征向量；
10、插值匹配优化模块，用于对所述行为区域语义理解特征向量进行基于秩序性的插值匹配以得到优化行为区域语义理解特征向量；
11、行为结果生成模块，用于将所述优化行为区域语义理解特征向量通过分类器以得到分类结果，所述分类结果用于表示人员行为是否有异常。
12、在上述云端视频处理系统中，所述图像分块模块，用于：对所述多个人员关键帧进行均匀图像分块处理以得到所述多个人员图像块，其中，所述多个图像块中各个图像块具有相同的尺寸。
13、在上述云端视频处理系统中，所述图像块目标探测模块，用于：所述目标检测网络为基于锚窗的目标检测网络，所述基于锚窗的目标检测网络为fast r-cnn、faster r-cnn或retinanet。
14、在上述云端视频处理系统中，所述基于对抗生成网络包含鉴别器和生成器，其中，所述感兴趣区域增强模块，用于：将所述多个行为感兴趣区域输入所述基于对抗生成网络的图像增强器的生成器以由所述生成器对所述感兴趣区域进行反卷积处理以得到所述多个增强行为感兴趣区域。
15、在上述云端视频处理系统中，所述空间增强模块，包括：卷积编码单元，用于将所述多个增强行为感兴趣区域中各个行为图像分别通过所述空间增强卷积模块的卷积编码部分以得到多个高维特征图；空间注意力单元，用于将所述多个高维特征图中各个高维特征图分别输入所述空间增强卷积模块的空间注意力部分以得到多个空间注意图；注意力施加单元，用于分别计算所述多个空间注意图和所述多个高维特征图中每组对应的所述空间注意力图和所述高维特征图之间的按位置点乘以得到所述多个行为区域特征图；以及，池化单元，用于对所述多个行为区域特征图进行沿通道维度的各个特征矩阵的池化以得到所述多个行为区域特征向量。
16、在上述云端视频处理系统中，所述行为语义理解模块，包括：语义理解单元，用于将所述多个行为区域特征向量输入所述基于转换器的行为语义理解器以得到多个上下文行为区域特征向量；以及，空间关联单元，用于对所述多个上下文行为区域特征向量进行特征向量间的概率密度空间关联以得到所述行为区域语义理解特征向量。
17、根据本申请的另一方面，提供了一种云端视频处理方法，其包括：
18、获取由云端保存的小区人员监控视频；
19、以预定采样频率从所述云端保存的小区人员监控视频中提取出多个人员关键帧；
20、对所述多个人员关键帧进行图像分块处理以得到多个人员图像块；
21、将所述多个人员图像块分别通过目标检测网络以得到多个行为感兴趣区域；
22、将所述多个行为感兴趣区域通过基于对抗生成网络的图像增强器以得到多个增强行为感兴趣区域；
23、将所述多个增强行为感兴趣区域通过空间增强卷积模块以得到多个行为区域特征向量；
24、将所述多个行为区域特征向量通过基于转换器的行为语义理解器以得到行为区域语义理解特征向量；
25、对所述行为区域语义理解特征向量进行基于秩序性的插值匹配以得到优化行为区域语义理解特征向量；
26、将所述优化行为区域语义理解特征向量通过分类器以得到分类结果，所述分类结果用于表示人员行为是否有异常。
27、与现有技术相比，本申请提供的一种云端视频处理系统及其方法，其采用基于深度神经网络模型的人工智能技术，获取由云端保存的小区人员监控视频，提取关键帧后进行图像分块处理，通过目标检测网络得到感兴趣区域后再进行图像特征增强、卷积特征提取和行为特征语义理解，以得到用于表示人员行为是否有异常的分类结果。这样，可以实现实时监控和分析人员行为，提高对人员行为的准确性和精确度，从而提供安全保障和事件预警功能。
本文档来自技高网...【技术保护点】
1.一种云端视频处理系统，其特征在于，包括：
2.根据权利要求1所述的云端视频处理系统，其特征在于，所述图像分块模块，用于：对所述多个人员关键帧进行均匀图像分块处理以得到所述多个人员图像块，其中，所述多个图像块中各个图像块具有相同的尺寸。
3.根据权利要求2所述的云端视频处理系统，其特征在于，所述图像块目标探测模块，用于：所述目标检测网络为基于锚窗的目标检测网络，所述基于锚窗的目标检测网络为Fast R-CNN、Faster R-CNN或RetinaNet。
4.根据权利要求3所述的云端视频处理系统，其特征在于，所述基于对抗生成网络包含鉴别器和生成器，其中，所述感兴趣区域增强模块，用于：将所述多个行为感兴趣区域输入所述基于对抗生成网络的图像增强器的生成器以由所述生成器对所述感兴趣区域进行反卷积处理以得到所述多个增强行为感兴趣区域。
5.根据权利要求4所述的云端视频处理系统，其特征在于，所述空间增强模块，包括：
6.根据权利要求5所述的云端视频处理系统，其特征在于，所述行为语义理解模块，包括：
7.根据权利要求
8.根据权利要求7所述的云端视频处理系统，其特征在于，所述插值匹配优化模块，包括：
9.一种云端视频处理方法，其特征在于，包括：
10.根据权利要求9所述的云端视频处理方法，其特征在于，对所述多个人员关键帧进行图像分块处理以得到多个人员图像块，包括：
...【技术特征摘要】
1.一种云端视频处理系统，其特征在于，包括：
2.根据权利要求1所述的云端视频处理系统，其特征在于，所述图像分块模块，用于：对所述多个人员关键帧进行均匀图像分块处理以得到所述多个人员图像块，其中，所述多个图像块中各个图像块具有相同的尺寸。
3.根据权利要求2所述的云端视频处理系统，其特征在于，所述图像块目标探测模块，用于：所述目标检测网络为基于锚窗的目标检测网络，所述基于锚窗的目标检测网络为fast r-cnn、faster r-cnn或retinanet。
4.根据权利要求3所述的云端视频处理系统，其特征在于，所述基于对抗生成网络包含鉴别器和生成器，其中，所述感兴趣区域增强模块，用于：将所述多个行为感兴趣区域输入所述基于对抗生...
【专利技术属性】
技术研发人员：段江衡，付伟，
申请(专利权)人：湖南云上栏山数据服务有限公司，
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。