基于大数据的视频监控系统的制作方法

1.本发明属于计算机领域，尤其涉及一种基于大数据的视频监控系统。


背景技术：

2.随着网络时代的发展，人们生活的各个角落都充斥着网络信号，基于互 联网的普及，城市监控系统也越来越完善，比如公路上的交通监控系统、各 大超市或者商场内的监控系统以及路边各种商店内或者街道边的监控系统， 甚至一些小区或者个人住宅内也开始普遍安装监控系统。
3.城市内存在的各种监控系统对于事故的回溯提供了大量的数据支持，当 需要寻找目标人物时，可以借助城市中的监控系统，通过监控系统中保存的 视频数据，找到目标人物的所在位置。
4.现存的视频监控系统，在寻找目标人物的时候，通常是采用人脸识别的 方式对视频数据进行分析，通过人脸匹配度确认目标人物的行动轨迹以及藏 匿地点；但是有些目标人物会化妆或者改变穿着，这时候采用人脸识别的方 式很难定位目标人物的位置，而在众多的视频数据中一一人工筛查耗费的人 力和时间成本较高。


技术实现要素：

5.本发明实施例提供一种基于大数据的视频监控系统，旨在解决采用人脸 识别的方式很难定位目标人物的位置时，在众多的视频数据中一一人工筛查 耗费的人力和时间成本较高的问题。
6.本发明实施例是这样实现的，一种基于大数据的视频监控系统，包括：
7.视频数据获取模块，用于获取包含目标人物的视频数据；
8.目标人物信息提取模块，用于从包含目标人物的视频数据中至少提取目 标人物的身高信息、行动习惯信息以及身材比例；
9.初步筛选模块，用于根据目标人物的身高信息对收集到的待筛查视频数据 进行初步筛查，得到初步筛选视频数据；
10.二次筛选模块，用于根据目标人物的行动习惯信息对初步筛选视频数据进 行再次筛选，得到二次筛选视频数据。
11.作为本发明的优化方案：所述目标人物的行动习惯信息至少包括：目标人 物的步距信息，目标人物的步频信息以及目标人物行动时手臂摆动的幅度信息， 所述目标人物的行动习惯信息保存在信息库中。
12.作为本发明的优化方案：所述目标人物的行动状态分为：常态行动，快走 行动，奔跑行动；每种所述行动状态均对应一组行动习惯信息。
13.作为本发明的一种改进方案：所述初步筛选模块具体包括；
14.身高信息处理单元，用于在目标人物的身高信息的基础加上一个波动误差 值形成身高信息对比区间；
15.身高核查单元，用于判断待筛查视频数据中的人的身高是否处于身高信息 对比区间内；
16.视频初步保留单元，用于当待筛查视频数据中的人的身高处于身高信息对 比区间内时，将待筛查视频数据中包含身高处于身高信息对比区间的人的视频 片段截取保留，这部分截取保留的视频片段就是初步筛选视频数据。
17.作为本发明的又一种改进方案：编号标记模块，用于对初步筛选视频数据 中身高处于身高信息对比区间内的人进行编号标记，记为编号标记人。
18.作为本发明的另一种改进方案：所述二次筛选模块具体包括：
19.待查人信息提取单元，用于从初步筛选视频数据中提取编号标记人的行动 习惯信息以及行动习惯信息发生时对应的行动状态信息；
20.信息调用单元，用于从信息库中调取与编号标记人行动状态信息对应的目 标人物的行动习惯信息；
21.行动习惯比对单元，用于判断提取的编号标记人的行动习惯信息与调取的 目标人物的行动习惯信息比对是否全部吻合；
22.视频二次保留单元，用于当提取的编号标记人的行动习惯信息与调取的目 标人物的行动习惯信息比对全部吻合时，截取包含编号标记人的视频片段，这 部分截取保留的视频片段就是二次筛选视频数据。
23.作为本发明的进一步方案：所述系统还包括最终筛选模块，所述最终筛选 模块具体包括：
24.身材比例比对单元，用于根据目标人物的身材比例，对二次筛选视频数据 中包含的编号标记人的身材比例进行比对；
25.视频最终保留单元，用于将二次筛选视频数据中包含编号标记人的身材比 例与目标人物的身材比例一致的视频数据保留，得到最终筛选视频数据片段；
26.最终视频发送单元，用于将最终筛选视频数据片段发送到显示端。
27.作为本发明的优化方案：所述身材比例包括臂长数值、头部尺寸数值、脚 长数值、腿长数值以及上下半身的比例值中的一个或多个数据。
28.本发明的有益效果：通过设置的视频数据获取模块对包含目标人物的视 频数据进行读取，然后从包含目标人物的视频数据中提取目标人物的身高信 息、行动习惯信息以及身材比例等，根据提取的信息对收集到的待筛查视频 数据进行筛查，将庞大的视频数据量最大限度的缩减。由于化妆之后的目标 人物，其身高不可能在短时间内有较大的变动，而且一个人的行动习惯不在 可以控制之下很难时刻保持改变，因此根据这些短时间内不可能改变的特征 对目标人物进行排查，能够降低筛查人员的工作量，解决了采用人脸识别的 方式很难定位目标人物的位置时，在众多的视频数据中一一人工筛查耗费的 人力和时间成本较高的问题。
附图说明
29.图1是一种基于大数据的视频监控系统实施环境示意图；
30.图2是一种基于大数据的视频监控系统内部结构示意图；
31.图3是一种基于大数据的视频监控系统中初步筛选模块内部结构示意图；
32.图4是一种基于大数据的视频监控系统中二次筛选模块内部结构示意图；
33.图5是一种基于大数据的视频监控系统中最终筛选模块内部结构示意图。
具体实施方式
34.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实 施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅 仅用以解释本发明，并不用于限定本发明。
35.本发明通过设置的视频数据获取模块对包含目标人物的视频数据进行读 取，然后从包含目标人物的视频数据中提取目标人物的身高信息、行动习惯 信息以及身材比例等，根据提取的信息对收集到的待筛查视频数据进行筛查， 将庞大的视频数据量最大限度的缩减。由于化妆之后的目标人物，其身高不 可能在短时间内有较大的变动，而且一个人的行动习惯不在可以控制之下很 难时刻保持改变，因此根据这些短时间内不可能改变的特征对目标人物进行 排查，能够降低筛查人员的工作量，解决了采用人脸识别的方式很难定位目 标人物的位置时，在众多的视频数据中一一人工筛查耗费的人力和时间成本 较高的问题。
36.图1示出了本发明实施例的一种基于大数据的视频监控系统实施环境示 意图，图中所示的摄像机和录像机是视频数据的来源，视频数据的来源并不 局限于上述两种方式，还可以是城市内任何可以进行录像的设备，比如超市 监控，交通监控等，还可能是私人晒在社交媒体上的一段视频等，只要对找 寻目标人物有用的视频来源均可被纳入视频获取的途径。可以从这些视频中 找到目标人物消失前留下的视频资料，这些包含目标人物的视频资料是分析 目标人物行动习惯以及身形特征的主要数据来源。经过视频监控系统的处理 之后，将最终筛选后的视频资料发送到显示端，以便于筛查人员进行查看， 做更加细致的人工筛选和排查。其中，显示端可以是各种显示器，还可以是 投影仪加幕布，以便于多人同时查看，还可以是手机、笔记本电脑等，除此 之外，只要能够显示视频资料的显示设备均可以作为显示端使用。
37.图2示出了本发明实施例的一种基于大数据的视频监控系统内部结构示意 图，所述视频监控系统包括：
38.视频数据获取模块100，用于获取包含目标人物的视频数据。其中包含目 标人物的视频数据是在目标人物消失之前，出现在有监控区域内时留下的视 频资料，这些资料将作为原始对比资料，是分析目标人物行为数据以及身形 特征的主要资料。
39.目标人物信息提取模块200，用于从包含目标人物的视频数据中至少提取 目标人物的身高信息、行动习惯信息以及身材比例。一个人的身高在短时间 内比较难改变，即使穿上增高鞋，改变的幅度也不会太大，因此身高是一个 主要的排查参数；另一类排查参数就是一个人的行为习惯，所述目标人物的 行动习惯信息至少包括：目标人物的步距信息，目标人物的步频信息以及目 标人物行动时手臂摆动的幅度信息，所述目标人物的行动习惯信息保存在信 息库中。一个人的步距，步频以及走动时手臂摆动的幅度、高度等，不是刻 意控制或者受伤的情况下，基本相差不大。另外所述目标人物的行动状态分 为：常态行动，快走行动，奔跑行动；每种所述行动状态均对应一组行动习 惯信息。当人的移动速度处于0m/s
‑
2m/s的时候，将人的行动状态确定为常态 行动；当人的移动速度处于2m/s
‑
6m/s的时
候，将人的行动状态确定为快走行 动；当人的移动速度大于6m/s的时候，将人的行动状态确定为奔跑行动。
40.初步筛选模块400，用于根据目标人物的身高信息对收集到的待筛查视频 数据进行初步筛查，得到初步筛选视频数据；其中对收集到的待筛查视频数 据不是漫无目标搜集得来的，对目标人物可能出现的区域内的视频资料进行 收集，是有目的有根据的收集。
41.二次筛选模块500，用于根据目标人物的行动习惯信息对初步筛选视频数据 进行再次筛选，得到二次筛选视频数据。
42.图3示出了本发明实施例的一种基于大数据的视频监控系统中初步筛选模 块内部结构示意图，所述初步筛选模块400具体包括；
43.身高信息处理单元410，用于在目标人物的身高信息的基础加上一个波动误 差值形成身高信息对比区间。一个人穿不同高度的鞋子，身高可能会有起伏， 因此在获取到的目标人物的身高的基础上上下均浮动一定的数值，上下浮动的 数值可以相同也可以不同，例如获取到目标人物的身高是170cm，加上波动误 差值之后形成的区间是165cm
‑
180cm，此时加的波动误差值分别是
‑
5cm和 10cm，向下扩大区间范围，是考虑到获取目标人物身高的时候，目标人物也是 穿着鞋子的，要把这个影响因素考虑进去。
44.身高核查单元420，用于判断待筛查视频数据中的人的身高是否处于身高信 息对比区间内。通过身高信息对比区间可以筛除不必要的信息，只针对在这个 区间内的人进行进一步分析，用单一因素筛选，处理信息较少，筛选方式快速 高效。
45.视频初步保留单元430，用于当待筛查视频数据中的人的身高处于身高信息 对比区间内时，将待筛查视频数据中包含身高处于身高信息对比区间的人的视 频片段截取保留，这部分截取保留的视频片段就是初步筛选视频数据。
46.视频初步删除单元440，用于当待筛查视频数据中的人的身高均不处于身高 信息对比区间内时，将待筛查视频数据中不包含身高处于身高信息对比区间的 人的片段截取删除。视频初步保留单元430和视频初步删除单元440能够有效 的将庞大的视频数据在较短的时间内进行缩减，只保留其中符合筛选条件的片 段，例如一段60分钟的视频，可能其中仅有3分钟视频内容中出现了符合条件 的人物，那么就可以将这3分钟视频单独截取保留，其余视频内容就可以删除， 大大节省存储空间，提高后续筛选的速度，降低人工排查的工作量。
47.图2示出了本发明实施例的一种基于大数据的视频监控系统内部结构示意 图，所述视频监控系统还包括：编号标记模块300，用于对初步筛选视频数据中 身高处于身高信息对比区间内的人进行编号标记，记为编号标记人。初次筛选 的过程中，对于符合身高范围内的人物已经进行识别，对这些人进行标记，可 以减少后续查找的工作量，比如同一个画面里出现5个人，但是符合身高范围 的只有1个人，此时将这一个人标记，下面再次进行筛选时，对比到该画面时， 只需要对这一个人进行对比，其余四个人可以不再进行对比，节省筛选的时间， 减少系统的工作量。
48.图4示出了本发明实施例的一种基于大数据的视频监控系统中二次筛选模 块内部结构示意图，所述二次筛选模块500具体包括：
49.待查人信息提取单元510，用于从初步筛选视频数据中提取编号标记人的 行动习惯信息以及行动习惯信息发生时对应的行动状态信息。例如编号标记 人可能不是出于常
态行动(即正常走路状态)，而是在跑步，肯定不能用目 标人物常态行动时的行动信息与之对比，因此需要对行动状态进行识别确认。
50.信息调用单元520，用于从信息库中调取与编号标记人行动状态信息对应 的目标人物的行动习惯信息。当编号标记人处于跑步即奔跑行动时，此时选 用目标人物的对比参数也必须是奔跑行动状态下的目标人物的行动习惯信 息。
51.行动习惯比对单元530，用于判断提取的编号标记人的行动习惯信息与调取 的目标人物的行动习惯信息比对是否全部吻合。对比时，需要将两者的步距信 息、步频信息以及、行动时手臂摆动的幅度信息一一进行对比，要做到基本全 部吻合，这里可以允许有偏差，偏差在一定设定范围内也可以算作吻合。
52.视频二次保留单元540，用于当提取的编号标记人的行动习惯信息与调取的 目标人物的行动习惯信息比对全部吻合时，截取包含编号标记人的视频片段， 这部分截取保留的视频片段就是二次筛选视频数据；
53.视频二次删除单元550，用于当提取的编号标记人的行动习惯信息与调取的 目标人物的行动习惯信息比对不全部吻合时，截取并删除包含编号标记人的视 频片段。经过视频二次保留单元540和视频二次删除单元550的处理，又进一 步的将数据量缩小，此时可以根据数据量的大小来决定是否直接采用人工查看 筛选的方式排查。
54.如果数据量依旧很大，还可以采用接下来的筛选方式，但是下面的筛选 方式需要筛查人员选定排查因素，根据筛查人员对于案件分析以及对目标人 物的分析和了解，选用合适的排查因素。这些因素大多属于身体比例因素， 所述身材比例包括臂长数值、头部尺寸数值、脚长数值、腿长数值以及上下 半身的比例值中的一个或多个数据。
55.图5示出了本发明实施例的一种基于大数据的视频监控系统中最终筛选模 块内部结构示意图，所述系统还包括最终筛选模块600，所述最终筛选模块600 具体包括：
56.身材比例比对单元640，用于根据目标人物的身材比例，对二次筛选视频数 据中包含的编号标记人的身材比例进行比对。
57.视频最终保留单元620，用于将二次筛选视频数据中包含编号标记人的身材 比例与目标人物的身材比例一致的视频数据保留，其余视频删除，得到最终筛 选视频数据片段。
58.最终视频发送单元630，用于将最终筛选视频数据片段发送到显示端。筛 查人员可以选用便于携带的电脑或者手机作为显示端，如果需要多人同时查 看，还可以选用投影仪作为显示端。
59.为了能够加载上述方法和系统能够顺利运行，该系统除了包括上述各种模 块之外，还可以包括比上述描述更多或更少的部件，或者组合某些部件，或者 不同的部件，例如可以包括输入输出设备、网络接入设备、总线、处理器和存 储器等。
60.所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是 其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电 路(application specific integrated circuit，asic)、现成可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者 晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器 也可以是任何常规的处理器等，上述处理器是上述客户端或者社交系统的控制 中心，利用各种接口和线路连接整个
用户终端的各个部分。
61.上述存储器可用于存储计算机以及系统程序和/或模块，上述处理器通过运 行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的 数据，实现上述客户端的各种功能。存储器可主要包括存储程序区和存储数据 区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如 信息采集模板展示功能、产品信息发布功能等)等；存储数据区可存储根据泊 位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集 模板、不同产品提供方需要发布的产品信息等)等。此外，存储器可以包括高 速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬 盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡， 闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态 存储器件。
62.以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对 上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技 术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
63.以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细， 但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域 的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和 改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附 权利要求为准。
64.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发 明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明 的保护范围之内。