基于目標空間關(guān)系約束的視頻監(jiān)控智能預(yù)警系統(tǒng)及方法
【專利摘要】本發(fā)明公開了一種基于目標空間關(guān)系約束的視頻監(jiān)控智能預(yù)警系統(tǒng)及方法，該系統(tǒng)包括視頻采集模塊、目標要素智能解析功能模塊、視頻內(nèi)容可視化解析模塊、一般行為規(guī)則樣本數(shù)據(jù)庫和報警模塊。本系統(tǒng)基于對目標要素行為理解，針對目標與目標的空間關(guān)聯(lián)，進行行為特征分析、演化、歸類，建立空間關(guān)聯(lián)模式樣本庫，實現(xiàn)異常行為的檢測和辨別，能更有效和準確地對突發(fā)事件進行辨別和判斷，并能鎖定異常觸發(fā)點，為事后取證留以憑證。本系統(tǒng)引入目標空間約束關(guān)系，對視頻場景區(qū)域分割完備定義視頻目標要素相關(guān)概念，排除空間語義信息中的一定模糊和錯誤，解決了視頻內(nèi)容解析中不完整和不準確的問題，對視頻監(jiān)控范圍內(nèi)的異常事件的檢測更準確，更高效。
【專利說明】基于目標空間關(guān)系約束的視頻監(jiān)控智能預(yù)警系統(tǒng)及方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于智能預(yù)警領(lǐng)域，涉及視頻監(jiān)控系統(tǒng)和視頻監(jiān)控智能預(yù)警方法，尤其針對公共監(jiān)控系統(tǒng)。
【背景技術(shù)】
[0002]當前視頻監(jiān)控的發(fā)展趨勢是從人工監(jiān)看的被動模式向智能預(yù)警的主動方式轉(zhuǎn)變，其關(guān)鍵是視頻內(nèi)容解析過程的自動化和智能化。目前視頻內(nèi)容解析技術(shù)主要采用數(shù)據(jù)驅(qū)動的思路，面對海量數(shù)據(jù)和復(fù)雜類型，利用自身及其上下文信息，從中挖掘信息、學(xué)習(xí)知識，對視頻進行智能處理。通常采用機器學(xué)習(xí)和基于內(nèi)容的視頻檢索及索引方法，改善了基于模型方法難以解決的多事例、多樣性和多模態(tài)等問題，能夠比較有效的獲取信息。然而，所提取的特征局限于低層特征，而低層特征難以反映高層語義，視頻內(nèi)容解析中存在的“語義鴻溝”仍是待解決的問題。
[0003]應(yīng)用實踐中，人們通過建立行為的隱馬爾可夫拓撲結(jié)構(gòu)實現(xiàn)半監(jiān)督學(xué)習(xí)的異常行為模式檢測，還有學(xué)者提出基于概念空間的通過事件特征袋描述實現(xiàn)地理視頻事件建模的語義事件檢測方法。隨著大量不同類別的傳感器廣泛地運用到智能交通系統(tǒng)，相關(guān)模型也相應(yīng)而生，以解決交通監(jiān)控的信息處理，實現(xiàn)對小范圍內(nèi)的目標跟蹤和速度監(jiān)測，以及車輛識別和車距測量等。此外，現(xiàn)有技術(shù)中還存在一種監(jiān)控系統(tǒng)，實現(xiàn)的是遠程監(jiān)控系統(tǒng)，系統(tǒng)服務(wù)器接收來自移動終端的訪問請求，服務(wù)器通過建立的連接接收來自監(jiān)控終端的監(jiān)控點的當前實時圖像，并將當前實時圖像轉(zhuǎn)發(fā)給移動終端。
[0004]在實現(xiàn)本發(fā)明過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題:
[0005]現(xiàn)有技術(shù)中對視頻智能監(jiān)控系統(tǒng)，其解析的方法主要是針對視頻低層特征(紋理，顏色等)，較少地探究監(jiān)控目標之間的空間關(guān)聯(lián)。因此低層信息與高層語義之間就形成了“語義鴻溝”，使其對視頻的高層語義解析不足，無法完全達到實時監(jiān)控的智能預(yù)警的需求。
[0006]另一方面，由于缺乏對空間約束的探索，對視頻的解析通常帶有不確定性和不完整性，只能反映觀測空間的部分知識，存在技術(shù)上的“盲點”。

【發(fā)明內(nèi)容】

[0007]針對以上現(xiàn)有技術(shù)中的不足，本發(fā)明的目的在于提供一種更準確、更高效地檢測突發(fā)事件的視頻監(jiān)控智能預(yù)警系統(tǒng)和智能預(yù)警方法。本發(fā)明的技術(shù)方案如下:一種基于目標空間關(guān)系約束的視頻監(jiān)控智能預(yù)警系統(tǒng)，包括視頻采集模塊、目標要素智能解析模塊、視頻內(nèi)容可視化解析模塊、一般行為規(guī)則樣本數(shù)據(jù)庫和報警模塊；其中，
[0008]視頻采集模塊:用于獲取攝像機經(jīng)過標定后T時刻的監(jiān)控畫面數(shù)字視頻序列，并通過對若干攝像機的幾何位置以及采集參數(shù)計算相關(guān)性后將若干個攝像機的視頻融合成一個融合視頻；
[0009]目標要素智能解析模塊:對視頻采集模塊得到的融合視頻設(shè)置目標要素，對目標要素進行檢測、跟蹤；采用時空要素圖表示目標要素的運動內(nèi)容。時空要素圖在低層表示目標要素的位置與狀態(tài)，在高層通過隨機子圖表示目標要素在時間序列上空間關(guān)系的變化。
[0010]視頻內(nèi)容可視化解析模塊:用于在目標要素智能解析模塊的基礎(chǔ)上，用空間關(guān)聯(lián)權(quán)重矩陣W表示目標要素空間關(guān)聯(lián)的語義特征；用于將將時空要素圖表示的視頻幀序列解析，獲取每一幀的基本屬性；用于采用地理標記語言，實時記錄每幀目標要素的基本屬性信息和空間動態(tài)信息，生成可檢索視頻的特征文件結(jié)構(gòu)；
[0011]一般行為規(guī)則樣本數(shù)據(jù)庫:用于根據(jù)目標要素的行為模式和分布模式分析結(jié)果，建立一般行為規(guī)則樣本數(shù)據(jù)庫；
[0012]行為識別模塊:將目標行為與一般行為規(guī)則樣本數(shù)據(jù)庫中的一般行為進行匹配，當異常時，則發(fā)送異常行為信號給報警模塊；
[0013]報警模塊:用于接受行為識別模塊的異常行為信號，并報警。
[0014]進一步的，所述空間關(guān)系包括距尚關(guān)系、方向關(guān)系和拓撲關(guān)系。
[0015]進一步的，所述方向關(guān)系通過將視頻觀測范圍內(nèi)的監(jiān)控目標作為實體點，將任一點作為參考點，把場景中約束空間分為東南、南、西南、北、西北、東北、西、東和原點O。
[0016]進一步的，所述視頻內(nèi)容可視化解析模塊中的基本屬性信息和空間動態(tài)信息包括序號、行為狀態(tài)、所在幀號、持續(xù)時長、像空間坐標、物空間坐標、相對移動距離、速度及空間關(guān)聯(lián)數(shù)目。
[0017]一種基于目標空間關(guān)系約束的視頻監(jiān)控智能預(yù)警方法，其包括以下步驟:
[0018]A、獲取攝像機經(jīng)過標定后T時刻的監(jiān)控畫面數(shù)字視頻序列，并通過對若干攝像機的幾何位置以及采集參數(shù)計算相關(guān)性后將若干個攝像機的視頻融合成一個融合視頻；
[0019]B、對視頻采集模塊得到的融合視頻設(shè)置目標要素，對目標要素進行檢測、跟蹤；采用時空要素圖表示目標要素的運動內(nèi)容。時空要素圖是一種目標要素的表示模型，分為兩個層次:
[0020]低層為目標要素層，代表影像幀中目標要素的位置與狀態(tài)。狀態(tài)是對運動要素所有屬性的一種抽象，是運動要素在某一時刻所處的狀況或活動的一種靜態(tài)描述。State={Appear, Move, Stop, Disappear },指地理視頻中某一運動要素在空間約束范圍內(nèi)自身呈現(xiàn)的基本狀態(tài)，包括出現(xiàn)(Appear)、消失(Disappear)、運動(Move)、靜止(Stop)等基本狀態(tài)描述信息。
[0021]高層為隱變量層，代表目標要素在時間序列上空間關(guān)系的變化，采用隨機子圖表不?？臻g關(guān)系的度量表達式為:
[0022]P (t+1) =Min [I, Max (O, sqrt (P2 (t) + ω (t+1) X η (l_c (t))))]
[0023]其中，P(t)，{P e [O, I]}表示目標要素間空間關(guān)聯(lián)的度量值，取值越大空間關(guān)聯(lián)越強，其初始值定義為P(O) = P yAu+P 2Χ Θ (i, j)，其中A。為i，j兩兩目標要素間的可達性。ω (t)表示當前狀態(tài)下空間關(guān)聯(lián)持續(xù)時間的評價；置信度c(t)受學(xué)習(xí)率影響在[0，I]內(nèi)動態(tài)調(diào)整。在此基礎(chǔ)上，引入時間維，建立隨機子圖，表達式如下:
[0024]G=(S,Vn,R, δ ,Ch)
[0025]其中，S為根節(jié)點，表示一個融合視頻中語義事件的初始節(jié)點，在一個視頻事件發(fā)展序列中僅有唯一的S節(jié)點；運動要素節(jié)點Vn={V1，V2，V3，...}包含特定空間區(qū)域內(nèi)出現(xiàn)的所有運動要素。公式中的R表示隨機圖G的演化過程與規(guī)則，δ表示隨機圖的狀態(tài)轉(zhuǎn)移函數(shù)；隨機子圖內(nèi)聚度Ch(Cohesion)表示隨機子圖中運動要素群體內(nèi)部耦合度。[0026]C、用空間關(guān)聯(lián)權(quán)重矩陣^=[、]_α [PiJb描述目標要素空間關(guān)聯(lián)的語義特征，其中其中A。為i，j兩目標要素間的可達性，Pu為i，j兩目標要素空間關(guān)聯(lián)的度量值，a、b為參數(shù)，參數(shù)a、b為預(yù)先設(shè)定的常量，取值范圍為[0，1]，同時，A。取值范圍也是[0，1]。實現(xiàn)地理視頻內(nèi)容的自動理解；將視頻序列幀自動解析,獲取每一幀的基本屬性,并采用地理標記語言，實時記錄每幀目標要素的基本屬性信息和空間動態(tài)信息，生成可檢索視頻的特征文件結(jié)構(gòu)；
[0027]D、根據(jù)目標要素的行為模式和分布模式分析結(jié)果，建立一般行為規(guī)則樣本數(shù)據(jù)庫；
[0028]E、將步驟C中得到的目標行為特征文件結(jié)構(gòu)與步驟D中的一般行為規(guī)則樣本數(shù)據(jù)庫中的一般行為進行匹配，實現(xiàn)對目標行為異常監(jiān)測；
[0029]F、當監(jiān)測異常時，則發(fā)送異常行為信號并報警。
[0030]進一步的，步驟C中所述的基本屬性信息和空間動態(tài)信息包括序號、行為狀態(tài)、所在幀號、持續(xù)時長 、像空間坐標、物空間坐標、相對移動距離、速度、空間關(guān)聯(lián)數(shù)目、空間關(guān)聯(lián)。
[0031]本發(fā)明的優(yōu)點及有益效果如下:
[0032]與現(xiàn)有的智能監(jiān)控系統(tǒng)相比，本系統(tǒng)從狀態(tài)、行為屬性和空間關(guān)系對視頻監(jiān)控目標實現(xiàn)空間關(guān)系和行為的客觀描述，建立視頻內(nèi)容可視化解析模型，實現(xiàn)視頻語義的動態(tài)表達，以完成對異常事件的自動監(jiān)測。本系統(tǒng)針對目標要素運動的連續(xù)性和空間關(guān)系的演變，引入了空間約束的概念，對視頻監(jiān)控場景區(qū)域分割，將目標要素的空間關(guān)系解析限定在特定空間范圍內(nèi)，消除“盲點”增加準確度和可信性；觀測連續(xù)的目標要素空間關(guān)系變化過程，并利用時空要素圖建立一個動態(tài)的目標要素表示模型，以實現(xiàn)視頻目標要素的空間關(guān)系和行為的客觀描述，解決“語義鴻溝”問題。對高層語義的有效解析能夠?qū)σ曨l監(jiān)控范圍內(nèi)的異常事件達到更準確，更高效地檢測，為快速應(yīng)對突發(fā)事件提供更好的先決條件。由于視頻可視化解析后的視頻文件的可檢索性，本系統(tǒng)可快速定位異常事件。
[0033]本系統(tǒng)實時觀測監(jiān)控范圍內(nèi)目標要素的狀態(tài)改變，挖掘視頻目標要素之間的空間關(guān)聯(lián)，實現(xiàn)視頻語義信息的智能化解析，以達到對異常事件的自動預(yù)警。此系統(tǒng)引入地理空間約束，對視頻監(jiān)控范圍進行場景劃分，基于視頻影像幀中目標要素空間關(guān)系的描述方法，并借由時空要素圖予以演示，建立針對全局觀測的可分析時空要素圖動態(tài)演化模型。其中對于目標要素的相關(guān)概念和定義包括:狀態(tài)(出現(xiàn)，消失，停止，運動)，行為屬性(空間位置，速度)，關(guān)系(目標要素間的相互影響)，空間關(guān)系(距尚關(guān)系，方向關(guān)系，拓撲關(guān)系)，視覺特征(顏色，紋理，形狀，大小)。對于海量的視頻觀測數(shù)據(jù)，為尋求突發(fā)事件快速響應(yīng)，視頻的及時處理和高效理解為實現(xiàn)智能預(yù)警奠定了理論基礎(chǔ)，在公共安全日趨引起關(guān)注的當下，有效的預(yù)警對保障社會日常生活的有序性起著尤為重要的作用。
[0034]本系統(tǒng)引入目標空間約束關(guān)系，對視頻場景區(qū)域分割完備定義視頻目標要素相關(guān)概念，排除空間語義信息中的一定模糊和錯誤，解決了視頻內(nèi)容解析中不完整和不準確的問題。
[0035]本系統(tǒng)運用時空要素圖建立全局視角觀察和分析的目標要素的表示模型，表達視頻內(nèi)容變化過程，其詳細描述了視頻目標要素的相互作用和空間關(guān)系的連續(xù)過程，客觀描述了可觀測目標行為特征。[0036]本系統(tǒng)使用自動化可視化視頻內(nèi)容解析模塊，解決從視頻低層特征到高層視頻語義之間的“語義鴻溝”，實現(xiàn)視頻內(nèi)容的語義挖掘和智能解析。
[0037]本系統(tǒng)基于對目標要素行為理解，針對目標與目標的空間關(guān)聯(lián)，進行行為特征分析、演化、歸類，建立空間關(guān)聯(lián)模式樣本庫，實現(xiàn)異常行為的檢測和辨別，能更有效和準確地對突發(fā)事件進行辨別和判斷，并能鎖定異常觸發(fā)點，為事后取證留以憑證。
【專利附圖】

【附圖說明】
[0038]圖1是本發(fā)明一較佳實施例的結(jié)構(gòu)框架圖；
[0039]圖2是本發(fā)明所述預(yù)警方法流程框架圖；
[0040]圖3是本發(fā)明所述預(yù)警方法中的空間方向關(guān)系圖；
[0041]圖4是本發(fā)明所述預(yù)警方法的時空要素演化規(guī)則圖；
[0042]圖5是本發(fā)明所述預(yù)警方法的時空要素圖中空間關(guān)聯(lián)子圖。
【具體實施方式】
[0043]下面結(jié)合附圖給出一個非限定性的實施例對本發(fā)明作進一步的闡述。但是應(yīng)該理解，這些描述只是示例性的，而并非要限制本發(fā)明的范圍。此外，在以下說明中，省略了對公知結(jié)構(gòu)和技術(shù)的描述，以避免不必要地混淆本發(fā)明的概念。
[0044]視頻采集模塊:用于獲取攝像機經(jīng)過標定后T時刻的監(jiān)控畫面數(shù)字視頻序列，并通過對若干攝像機的幾何位置以及采集參數(shù)計算相關(guān)性后將若干個攝像機的視頻融合成一個融合視頻；
[0045]目標要素智能解析功能模塊:對融合視頻中目標要素進行檢測、跟蹤；采用時空要素圖表示目標要素的運動內(nèi)容。時空要素圖是一種目標要素的表示模型，分為兩個層次:低層為目標要素層，代表影像幀中目標要素的位置與狀態(tài)。高層為隱變量層，代表目標要素在時間序列上空間關(guān)系的變化，采用隨機子圖表示。所述空間關(guān)系包括距離關(guān)系、方向關(guān)系和拓撲關(guān)系。該方向關(guān)系具體是目標要素與空間約束之間的方向關(guān)系，是空間約束和參考點之間的關(guān)系并集；把視頻觀測范圍內(nèi)的目標看做實體點，將任一點作為參考點，把場景中約束空間分為9個區(qū)域，并用其他實體點與此九個區(qū)域之間的相對位置關(guān)系來描述實體點的方向關(guān)系。
[0046]視頻內(nèi)容可視化解析模塊:在智能解析可視化功能模塊解析的基礎(chǔ)上，用空間關(guān)聯(lián)權(quán)重矩陣描述目標要素空間關(guān)聯(lián)的語義特征，實現(xiàn)監(jiān)控視頻內(nèi)容的自動理解；將視頻幀序列自動解析，獲取每一幀的基本屬性；采用地理標記語言，實時記錄每幀目標要素的基本屬性信息和空間動態(tài)信息，如序號、行為狀態(tài)、所在幀號、持續(xù)時長、像空間坐標、物空間坐標、相對移動距離、速度、空間關(guān)聯(lián)數(shù)目空間關(guān)聯(lián)，生成可檢索視頻的特征文件結(jié)構(gòu)。
[0047]一般行為規(guī)則樣本數(shù)據(jù)庫:根據(jù)目標要素的行為模式和分布模式分析結(jié)果，建立一般行為規(guī)則樣本數(shù)據(jù)庫；
[0048]行為識別模塊:將目標行為與一般行為規(guī)則樣本數(shù)據(jù)庫中的一般行為進行匹配，實現(xiàn)對目標行為異常檢測；
[0049]報警模塊:接受行為識別模塊的異常行為信號，并報警。
[0050]本系統(tǒng)的預(yù)警方法流程包括:獲取視頻信息并進行攝像機標定，運動目標的檢測與跟蹤，引入空間參考，解析單幀的目標要素關(guān)系，采用時空要素圖演化連續(xù)運動目標的空間關(guān)系和相互作用，結(jié)構(gòu)化視頻內(nèi)容解析，生成視頻目標要素的視頻特征描述文件，建立空間關(guān)聯(lián)模式樣本庫，對比分析，針對異常事件報警。具體的流程框架如圖2所示。
[0051]以下通過非限定性的實施例對步驟2中的運動目標的檢測與跟蹤的一實施例進行描述；
[0052]1、單幀的目標要素關(guān)系解析
[0053]解析單幀的目標要素關(guān)系，把視頻幀觀測范圍內(nèi)的目標看做實體點，將任一點作為參考點把場景中約束空間分為九個區(qū)域(NE，N, NW, W，Sff, S，Sff, E, O),并用其他實體點與此九個區(qū)域之間的相對位置關(guān)系來描述實體點的方向關(guān)系，圖3 (a)。加入空間約束的地理空間，可對視頻場景進行區(qū)域分割，空間約束和參考點之間的關(guān)系并集即為目標要素與空間約束之間的方向關(guān)系，如圖3 (b)。地理空間實體之間存在的一些具有空間特征的關(guān)系，即空間關(guān)系，包括距離關(guān)系、方向關(guān)系、拓撲關(guān)系、順序關(guān)系等，其中距離關(guān)系、方向關(guān)系和拓撲關(guān)系是二種基本空間關(guān)系，也是本方法中分析和挖掘目標要素運動約束的空間關(guān)系特征的基礎(chǔ)性內(nèi)容，兩者從不同的角度描述空間關(guān)系特征。
[0054]以下通過非限定性的實施例對步驟運動目標的檢測與跟蹤又一實施例進行描述；
[0055]2、連續(xù)視頻運動目標要素空間關(guān)系變化解析
[0056]在視頻幀目標要素關(guān)系解析的基礎(chǔ)上，引入時間維度，采用隨機子圖表示目標要素的運動內(nèi)容。
[0057]隨機子圖動態(tài)描述目標要素在時間序列上空間關(guān)系的變化，即目標要素的規(guī)則性、隨機性的行為特征，進而動態(tài)反映視頻內(nèi)容的變化過程，便于后續(xù)的視頻理解與異常檢測。針對獲得的融合視頻，對目標要素進行檢測和跟蹤，在單幀解析基礎(chǔ)上，將要素運動過程完整體現(xiàn)在隨機子圖。
[0058]在某一時刻T，頂點集Vi代表實體點表現(xiàn)的視頻觀測目標，邊集E(i, j0代表各運動目標間的關(guān)聯(lián)關(guān)系P，且各邊相互獨立，任意兩個關(guān)聯(lián)頂點獨立地以度量值P連接，如圖4。在隨著時間因素變化的同時，目標要素在運動過程中的空間關(guān)系也會隨之動態(tài)改變，因此時空要素圖可就約束空間內(nèi)目標的運動狀態(tài)和空間關(guān)聯(lián)進行動態(tài)描述。
[0059]其中，在空間約束范圍的兩個目標要素之間空間關(guān)聯(lián)的動態(tài)更新函數(shù)為:
[0060]P (t+1) =Min [I, Max (O, sqrt (P2 (t) + ω (t+1) X η (l_c (t))))]
[0061]P(t)，{P e [0，I]}表示目標要素間空間關(guān)聯(lián)的度量值，取值越大空間關(guān)聯(lián)越強，其初始值定義為P(O) = P yAu+P 2Χ Θ (i，j)，其中A。為i，j兩兩目標要素間的可達性。ω (t)表示當前狀態(tài)下空間關(guān)聯(lián)持續(xù)時間的評價。置信度c(t)受學(xué)習(xí)率影響在[0，I]內(nèi)動態(tài)調(diào)整。隨時間因素T的發(fā)展，各個被觀測實體點形成的空間關(guān)聯(lián)隨時間更新，如圖5所
/Jn ο
[0062]以下通過非限定性的實施例對結(jié)構(gòu)化視頻內(nèi)容解析進行描述；
[0063]3、視頻內(nèi)容可視化解析
[0064]在目標要素之間空間關(guān)聯(lián)的動態(tài)更新函數(shù)基礎(chǔ)上，建立空間關(guān)聯(lián)權(quán)重矩陣W:在某一時刻T，矩陣的表現(xiàn)形式為％，」=[\」]_°防，」]\其中其中\(zhòng)」為1，」兩目標要素間的可達性，Pu為i，j兩目標要素空間關(guān)聯(lián)的度量值，a、b為參數(shù)。參數(shù)d、b為預(yù)先設(shè)定的常量，取值范圍為[0，1]，同時，Au取值范圍也是[0，1]。在考慮時間因素的條件下，形成一個空間關(guān)聯(lián)權(quán)重矩陣序列{Ατ}，{Ατ}用以描述目標要素的動態(tài)空間結(jié)構(gòu)，實現(xiàn)視頻內(nèi)容的自動理解。
[0065]GML (地理標記語言)可以視頻內(nèi)容和描述方式分離的特征客觀地描述視頻內(nèi)容結(jié)構(gòu)，結(jié)合解析的時空要素圖特征文件結(jié)構(gòu)能結(jié)構(gòu)化的表述視頻目標要素的基本屬性，以及動態(tài)拓撲關(guān)系中表達的空間關(guān)聯(lián)演化過程，為可分析化視頻內(nèi)容提供前提。
[0066]將視頻序列幀進行自動解析，獲取每一幀的基本屬性，如序號(index)、行為狀態(tài)描述(State)、所在幀(Frame)、空間關(guān)聯(lián)(SpatialAssociation)以及空間關(guān)聯(lián)數(shù)字度量P等，以GML語法描述記錄。
[0067]至此，每幀目標要素的基本屬性信息和空間動態(tài)信息實時記錄格式表示為:
[0068]
〈attribute naine二〃MotionElement">
<index="4〃//序號
Stat C=" 21〃//行為狀態(tài)
frame=" 112〃//所在 1I5貞號
timeDelay=〃16//持續(xù)時長
PixelX=〃105〃 PixolΥ=〃,517"http://像空間坐標
LoctX=〃29.4675〃 LoctY="106.5842〃//物空丨、丨ijaK
檸
DeltX=〃-3〃 DeltY=〃0〃//相對移動距離
Spocd=" (-0.31, -0.00) "http://速度
SpatialAssociation =〃2〃//空間關(guān)聯(lián)數(shù)目
SpatialAssociation =" { (6，5 3, 0.4)//空
間關(guān)聯(lián)
(6，4，2，0.4) (6，5，2，0.3) }〃
VF="0"
0ther=〃0〃/〉
</attribute〉。
[0069]4、視頻特征行為分析
[0070]包括建立一般行為規(guī)則樣本數(shù)據(jù)庫和目標行為識別。
[0071]經(jīng)過上述解析之后，對目標要素行為特征進行分類。分析視頻內(nèi)目標要素的行為模式和分布模式，建立一般行為規(guī)則樣本庫，將實時視頻監(jiān)控解析的相互關(guān)系演變過程與之進行比對，可實現(xiàn)對目標行為異常檢測。一般行為規(guī)則樣本庫的建立，是總結(jié)一般常態(tài)行為特征規(guī)律，由自動統(tǒng)計的約束物理空間內(nèi)實體運動軌跡行為特征的時空要素圖模型演化其模式以及行為規(guī)則，并以特征文件建立的統(tǒng)計描述。
[0072]當視頻監(jiān)控實時信息違反樣本庫一般事件的行為規(guī)則，如監(jiān)控視頻內(nèi)人群的異常聚集，突發(fā)性分散等非常態(tài)情況，認定異常潛在可能并發(fā)出警告，并對潛在異常事件涉及視頻對象進行特征分析并自動記錄。
[0073]以上這些實施例應(yīng)理解為僅用于說明本發(fā)明而不用于限制本發(fā)明的保護范圍。在閱讀了本發(fā)明的記載的內(nèi)容之后，技術(shù)人員可以對本發(fā)明作各種改動或修改，這些等效變化和修飾同樣落入本發(fā)明視頻編碼方法權(quán)利要求所限定的范圍。
【權(quán)利要求】
1.一種基于目標空間關(guān)系約束的視頻監(jiān)控智能預(yù)警系統(tǒng)，其特征在于:包括視頻采集模塊、目標要素智能解析模塊、視頻內(nèi)容可視化解析模塊、一般行為規(guī)則樣本數(shù)據(jù)庫和報警模塊；其中， 視頻采集模塊:用于獲取攝像機經(jīng)過標定后T時刻的監(jiān)控畫面數(shù)字視頻序列，并通過對若干攝像機的幾何位置以及采集參數(shù)計算相關(guān)性后將若干個攝像機的視頻融合成一個融合視頻； 目標要素智能解析模塊:用于對視頻采集模塊得到的融合視頻設(shè)置目標要素，對該目標要素進行檢測、跟蹤；采用時空要素圖表示目標要素的運動內(nèi)容；其中時空要素圖在低層表示目標要素的位置與狀態(tài)，在高層通過隨機子圖表示目標要素在時間序列上空間關(guān)系的變化； 視頻內(nèi)容可視化解析模塊:用于在目標要素智能解析模塊的基礎(chǔ)上，用空間關(guān)聯(lián)權(quán)重矩陣W表示目標要素空間關(guān)聯(lián)的語義特征；用于將時空要素圖表示的視頻幀序列解析，獲取每一幀的基本屬性；用于采用地理標記語言，實時記錄每幀目標要素的基本屬性信息和空間動態(tài)信息，生成可檢索視頻的特征文件結(jié)構(gòu)； 一般行為規(guī)則樣本數(shù)據(jù)庫:用于根據(jù)目標要素的行為模式和分布模式分析結(jié)果，建立一般行為規(guī)則樣本數(shù)據(jù)庫； 行為識別模塊:將目標行為與一般行為規(guī)則樣本數(shù)據(jù)庫中的一般行為進行匹配，當異常時，則發(fā)送異常行為信 號給報警模塊； 報警模塊:用于接受行為識別模塊的異常行為信號，并報警。
2.根據(jù)權(quán)利要求1所述的基于目標空間關(guān)系約束的視頻監(jiān)控智能預(yù)警系統(tǒng)，其特征在于:所述空間關(guān)系包括距尚關(guān)系、方向關(guān)系和拓撲關(guān)系。
3.根據(jù)權(quán)利要求2所述的基于目標空間關(guān)系約束的視頻監(jiān)控智能預(yù)警系統(tǒng)，其特征在于:所述方向關(guān)系通過將視頻觀測范圍內(nèi)的監(jiān)控目標作為實體點，將任一點作為參考點，把場景中約束空間分為東南、南、西南、北、西北、東北、西、東和原點O。
4.根據(jù)權(quán)利要求1所述的基于目標空間關(guān)系約束的視頻監(jiān)控智能預(yù)警系統(tǒng)，其特征在于:所述視頻內(nèi)容可視化解析模塊中的基本屬性信息和空間動態(tài)信息包括序號、行為狀態(tài)、所在幀號、持續(xù)時長、像空間坐標、物空間坐標、相對移動距離、速度及空間關(guān)聯(lián)數(shù)目。
5.一種基于目標空間關(guān)系約束的視頻監(jiān)控智能預(yù)警方法，其特征在于，包括以下步驟: A、獲取攝像機經(jīng)過標定后T時刻的監(jiān)控畫面數(shù)字視頻序列，并通過對若干攝像機的幾何位置以及采集參數(shù)計算相關(guān)性后將若干個攝像機的視頻融合成一個融合視頻； B、對視頻采集模塊得到的融合視頻設(shè)置目標要素，對目標要素進行檢測、跟蹤；采用時空要素圖表示目標要素的運動內(nèi)容。時空要素圖是一種目標要素的表示模型，分為兩個層次:低層為目標要素層，代表影像幀中目標要素的位置與狀態(tài)，高層為隱變量層，代表目標要素在時間序列上空間關(guān)系的變化，采用隨機子圖表示； C、用空間關(guān)聯(lián)權(quán)重矩陣描述目標要素空間關(guān)聯(lián)的語義特征，其中其中A。為i，j兩目標要素間的可達性，Pu為i，j兩目標要素空間關(guān)聯(lián)的度量值，a、b為參數(shù)，實現(xiàn)地理視頻內(nèi)容的自動理解；將視頻序列幀自動解析，獲取每一幀的基本屬性，并采用地理標記語言，實時記錄每幀目標要素的基本屬性信息和空間動態(tài)信息，生成可檢索視頻的特征文件結(jié)構(gòu)； D、根據(jù)目標要素的行為模式和分布模式分析結(jié)果，建立一般行為規(guī)則樣本數(shù)據(jù)庫； E、將步驟C中得到的目標行為特征文件結(jié)構(gòu)與步驟D中的一般行為規(guī)則樣本數(shù)據(jù)庫中的一般行為進行匹配，實現(xiàn)對目標行為異常監(jiān)測； F、當監(jiān)測異常時，則發(fā)送異常行為信號并報警。
6.根據(jù)權(quán)利要求5所述的基于目標空間關(guān)系約束的視頻監(jiān)控智能預(yù)警方法，其特征在于:步驟C中所述的基本屬性信息和空間動態(tài)信息包括序號、行為狀態(tài)、所在幀號、持續(xù)時長、像空間坐標、物空間坐標、·相對移動距離、速度、空間關(guān)聯(lián)數(shù)目、空間關(guān)聯(lián)。
【文檔編號】H04N7/18GK103530995SQ201310475410
【公開日】2014年1月22日 申請日期:2013年10月12日 優(yōu)先權(quán)日:2013年10月12日
【發(fā)明者】豐江帆, 周文雯, 夏英, 宋虎 申請人:重慶郵電大學(xué)