一种视频监控方法及系统与流程

本发明涉及视频监控领域，具体而言，涉及一种视频监控方法及系统。

背景技术：

视频监控是安全防范系统的重要组成部分，英文Cameras and Surveillance。传统的监控系统包括前端摄像机、传输线缆、视频监控平台。摄像机可分为网络数字摄像机和模拟摄像机，可作为前端视频图像信号的采集。它是一种防范能力较强的综合系统。视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。近年来，随着计算机、网络以及图像处理、传输技术的飞速发展，视频监控技术也有了长足的发展。

视频监控的主要作用是将目标地域的实时画面传输给监控终端，但实际工作中发现，传统监控影像传输的方式不够合理。

技术实现要素：

本发明的目的在于提供视频监控方法，以提高视频监控的合理性。

第一方面，本发明实施例提供了一种视频监控方法，包括：

视频发送端获取摄像头所拍摄得到的视频数据；

视频发送端与视频接收端分别建立第一安全通道、第二安全通道和视频传输通道；

视频发送端确定所述视频数据中的多个关键帧图像；

视频发送端将全部所述关键帧图像提取出来，并打包形成第一数据包，以及将所述第一数据包保存在本地；

视频发送端以所述关键帧图像为参照，从所述视频数据中提取目标视频段，所述目标数据段的时间长度小于预设的时间阈值，且，每个所述关键帧图像均位于所述目标视频段中；

视频发送端将所述目标视频段制作为目标动态图，并将所述目标动态图打包形成第二数据包，以及将所述第二数据包保存在本地；

视频发送端检测当前视频传输通道的实际网速值；

视频发送端根据实际网速值和所述视频数据的大小，计算目标分辨率；

视频发送端将所述视频数据调整为目标分辨率的大小；

视频发送端将所述调整后的视频数据通过视频传输通道向视频接收端发送，并将临时生成的时间密文向视频接收端发送，所述时间密文是使用预先约定的加密密钥对发送时刻值进行加密后得到的，所述发送时刻值是视频发送端发送所述视频数据的实际时间；

视频接收端在接收到所述视频数据后，若所述视频数据不符合预设的要求，则使用预先约定的解密密钥对所述时间密文进行解密，以得到所述发送时刻值；

视频接收端在预存的密码表中查找所述发送时刻值所对应的目标代码，所述密码表中记载有不同的时间段所对应的代码；

视频接收端通过第一安全通道向视频发送端发送获取请求，所述获取请求中携带有所述视频接收端接收到所述视频数据的时间信息和请求内容；

视频接收端通过第二安全通道向视频发送端发送所述目标代码；

视频发送端判断第一时刻和第二时刻的间隔是否小于预设的数值，所述第一时刻是视频发送端接收到所述获取请求的时刻，所述第二时刻是视频发送端接收到所述目标代码的时刻；

若第一时刻和第二时刻的间隔小于预设的数值，则视频发送端根据所述时间信息和所述目标代码确定所述获取请求的请求权限；

视频发送端根据所述请求权限和所述请求内容，确定发送内容，所述发送内容包括所述第一数据包和所述第二数据包；

若所述发送内容只有第一数据包，则视频发送端将所述第一数据包中的每一个关键帧图像均拆分为第一分图和第二分图，并将全部第一分图打包形成第一子数据包，将全部第二分图打包形成第二子数据包；以及通过第一安全通道将第一子数据包向视频接收端发送，通过第二安全通道将第二子数据包向视频接收端发送；

若所述发送内容只有第二数据包，则视频发送端使用视频加密密钥对所述第二数据包中的目标视频段进行加密，以生成加密视频段，并将所述加密视频段打包形成第三子数据包，以及将视频加密密钥打包成第四子数据包；以及视频发送端通过第一安全通道将第三子数据包向视频接收端发送，通过第二安全通道将第四子数据包向视频接收端发送；

若所述发送内容为第一数据包和第二数据包，则视频发送端分别使用不同的加密方式对所述第一数据包和所述第二数据包进行加密，并通过第一安全通道将加密后的第一数据包向视频接收端发送，通过第二安全通道将加密后的第二数据包向视频接收端发送。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，还包括：

视频发送端在获取到所述视频数据后，对所述视频数据进行画面分析，若在连续的一端时间内所述视频数据所对应的参考影像的画面无变化，且当前时刻符合预设的要求，则获取所述摄像头所在的第一位置信息；

视频发送端将所述第一位置信息向无人机发送；

无人机根据所述第一位置信息，朝向所述摄像头移动，并当所述无人机到达所述第一位置信息所对应的位置时进行拍照，以获取第一影像；

无人机将所述第一影像向视频发送端发送；

视频发送端判断所述第一影像是否与所述参考影像的画面相似；

若第一影像不与所述参考影像的画面相似，则视频发送端向视频接收端发送第一报警信号；

无人机在朝向摄像头移动的过程中通过捷联惯导系统实时获取当前所处的位置的第二位置信息，并将所述第二位置信息向视频发送端发送；

若视频发送端在预定的时间间隔内所接收到的第二位置信息的次数小于预定的阈值，则向视频接收端发送第二报警信号。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，还包括：

视频发送端在获取视频数据后，按照拍摄时间的先后，依次提取所述视频数据中的多帧参考图像；

视频发送端分别对每帧参考图像进行人数分析，以获取每帧参考图像上存在的参考人数；

视频发送端采用加权计算的方式，根据每帧参考图像上存在的参考人数计算人数评价值；

视频发送端根据人数评价值，确定所述摄像头所对应区域的监控紧急程度；

视频发送端根据监控紧急程度确定对应的监控改进方式；

若所述监控改进方式为第一种，则视频发送端向视频接收端发送增加摄像头数量的请求；

若所述监控改进方式为第二种，则视频发送端向视频接收端发送增加移动摄像器数量的请求；

若所述监控改进方式为第三种，则视频发送端向视频接收端发送移除移动摄像器数量的请求；

若所述监控改进方式为第四种，则视频发送端不向视频接收端发送请求。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，在步骤所述视频发送端获取摄像头所拍摄得到的视频数据前还包括：

摄像头在实时生成视频数据的同时，按照生成所述视频数据的先后顺序，每间隔预定的时间在实时视频数据中增加第一时间戳；

摄像头通过设置在其上的环境传感器实时获取拍摄过程中的环境数据；

摄像头实时判断指定时刻的环境数据是否超过预定的阈值，如果超过则在实时视频数据的指定时刻增加第二时间戳。

结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，步骤所述视频发送端确定所述视频数据中的多个关键帧图像包括：

视频发送端从背景模型数据库中获取背景模型；

视频发送端检测视频数据的第一目标帧图像中是否有运动目标；

若第一目标帧图像中有运动目标，则视频发送端记录实时运动目标的运动轨迹；若第一目标帧图像中没有运动目标，则视频发送端获取下一个第一目标帧图像；

视频发送端当运动目标从运动状态变为静止状态时，计算实时运动目标的静止时间；

视频发送端根据所述静止时间、运动目标的运动速度和运动目标的运动轨迹，判断运动目标的可疑等级；

若运动目标的可疑等级为一级，则视频发送端将显示有所述运动目标的图像作为关键帧图像；

若运动目标的可疑等级为二级，则视频发送端向视频接收端发送第三报警信号。

结合第一方面，本发明实施例提供了第一方面的第五种可能的实施方式，其中，步骤所述视频发送端从背景模型数据库中获取背景模型包括：

视频发送端依据当前时间和天气状况从背景模型数据库中获取对应的背景模型；所述背景模型数据库中存储有不同位置的摄像头、不同天气、不同日期、不同时间段所拍摄到的背景模型。

结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，步骤所述视频发送端确定所述视频数据中的多个关键帧图像包括：

视频发送端初始化参数，所述参数包括设定预设阈值A1、预设阈值A2以及整数K的值；

视频发送端读取第二目标帧图像；

视频发送端依据背景模型数据库中的模型建立高斯背景图像；

视频发送端通过当前第二目标帧图像与背景图像帧作差分割出运动团块；

视频发送端在各个运动团块中进行光流检测；

视频发送端去除光流幅值小于预设阈值A1的光流矢量；

视频发送端对连续K帧图像中的运动团块进行处理，统计运动团块光流矢量的幅值和角度；

视频发送端判断连续K帧图像的光流幅值的累加值是否大于预设阈值A2，如果是，则将所述第二目标帧图像作为所述关键帧图像。

结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中，步骤视频发送端分别使用不同的加密方式对所述第一数据包和所述第二数据包进行加密包括：

视频发送端对所述第一数据包中的关键帧图像进行预处理、小波变换和量化处理；

视频发送端对量化后的关键帧图像进行位平面编码，获得系数位和上下文；

视频发送端对所述系数位进行加密操作，或，对所述系数位和所述上下文进行加密操作；

视频发送端对所述加密操作后的系数位和上下文进行熵编码和码流组织，以完成加密。

结合第一方面，本发明实施例提供了第一方面的第八种可能的实施方式，其中，还包括：视频接收端在接收到所述调整后的视频数据后，根据所述调整后的视频数据中每帧图像的行人身高作为尺度基准，将每帧图像分成若干不同透视程度的图像子块；

视频接收端提取所述图像子块的特征描述子，其中，所述特征描述子包含深层神经网络特征；

视频接收端分类优化所述深层神经网络特征，得到所述图像子块的向量特征集；

视频接收端根据所述图像子块中向量特征集与图像人数，建立不同核函数的SVR的数学模型；

视频接收端根据所述图像子块中人群拥挤程度与稀疏程度，调用相应的核函数到数学模型中，统计所述图像子块的人数；

视频接收端采用摄像机标定方法，获取所述深层神经网络特征的坐标向量；

视频接收端对比前后两帧所述图像子块的深层神经网络特征的位移，根据所述位移计算人群的移动方向与移动速度；

视频接收端将所述移动方向和移动速度的数值在监控显示屏上进行显示。

第二方面，本发明实施例还提供了一种视频监控系统，包括：视频发送端、视频接收端和私有云存储装置；所述视频发送端、视频接收端和私有云存储装置顺序数据连接；

视频发送端和视频接收端用于按照如权利要求1-9所述的方法执行相应步骤；所述私有云存储装置用于将所述视频接收端所接收到的数据进行存储。

本发明实施例提供的一种视频监控方法，与现有技术中的摄像头直接将视频数据发送给视频接收端相比，其通过先将视频数据在视频发送端进行了预处理，得到了第一数据包和第二数据包，并将视频数据调整了分辨率之后发送给了视频接收端；并且视频接收端如果需要更准确的数据的话，则可以向视频发送端进行请求，请求通过后，视频发送端会将第一数据包中的关键帧图像，和/或第二数据包中的目标动态图发送给视频接收端，进而使视频接收端获取到更为精确的数据。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了本发明实施例所提供的视频监控方法的网络架构图；

图2示出了本发明实施例所提供的视频监控方法的第一个细节流程图；

图3示出了本发明实施例所提供的视频监控方法的第二个细节流程图；

图4示出了本发明实施例所提供的视频监控方法的第三个细节流程图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请提供了一种视频监控方法，如图1所示，包括两端，分别是视频发送端和视频接收端，该方法，包括如下步骤：

视频发送端获取摄像头所拍摄得到的视频数据；

视频发送端与视频接收端分别建立第一安全通道、第二安全通道和视频传输通道；

视频发送端确定所述视频数据中的多个关键帧图像；

视频发送端将全部所述关键帧图像提取出来，并打包形成第一数据包，以及将所述第一数据包保存在本地；

视频发送端以所述关键帧图像为参照，从所述视频数据中提取目标视频段，所述目标数据段的时间长度小于预设的时间阈值，且，每个所述关键帧图像均位于所述目标视频段中；

视频发送端将所述目标视频段制作为目标动态图，并将所述目标动态图打包形成第二数据包，以及将所述第二数据包保存在本地；

视频发送端检测当前视频传输通道的实际网速值；

视频发送端根据实际网速值和所述视频数据的大小，计算目标分辨率；

视频发送端将所述视频数据调整为目标分辨率的大小；

视频发送端将所述调整后的视频数据通过视频传输通道向视频接收端发送，并将临时生成的时间密文向视频接收端发送，所述时间密文是使用预先约定的加密密钥对发送时刻值进行加密后得到的，所述发送时刻值是视频发送端发送所述视频数据的实际时间；

视频接收端在接收到所述视频数据后，若所述视频数据不符合预设的要求，则使用预先约定的解密密钥对所述时间密文进行解密，以得到所述发送时刻值；

视频接收端在预存的密码表中查找所述发送时刻值所对应的目标代码，所述密码表中记载有不同的时间段所对应的代码；

视频接收端通过第一安全通道向视频发送端发送获取请求，所述获取请求中携带有所述视频接收端接收到所述视频数据的时间信息和请求内容；

视频接收端通过第二安全通道向视频发送端发送所述目标代码；

视频发送端判断第一时刻和第二时刻的间隔是否小于预设的数值，所述第一时刻是视频发送端接收到所述获取请求的时刻，所述第二时刻是视频发送端接收到所述目标代码的时刻；

若第一时刻和第二时刻的间隔小于预设的数值，则视频发送端根据所述时间信息和所述目标代码确定所述获取请求的请求权限；

视频发送端根据所述请求权限和所述请求内容，确定发送内容，所述发送内容包括所述第一数据包和所述第二数据包；

若所述发送内容只有第一数据包，则视频发送端将所述第一数据包中的每一个关键帧图像均拆分为第一分图和第二分图，并将全部第一分图打包形成第一子数据包，将全部第二分图打包形成第二子数据包；以及通过第一安全通道将第一子数据包向视频接收端发送，通过第二安全通道将第二子数据包向视频接收端发送；

若所述发送内容只有第二数据包，则视频发送端使用视频加密密钥对所述第二数据包中的目标视频段进行加密，以生成加密视频段，并将所述加密视频段打包形成第三子数据包，以及将视频加密密钥打包成第四子数据包；以及视频发送端通过第一安全通道将第三子数据包向视频接收端发送，通过第二安全通道将第四子数据包向视频接收端发送；

若所述发送内容为第一数据包和第二数据包，则视频发送端分别使用不同的加密方式对所述第一数据包和所述第二数据包进行加密，并通过第一安全通道将加密后的第一数据包向视频接收端发送，通过第二安全通道将加密后的第二数据包向视频接收端发送。

本申请所提供的方法，视频发送端先从视频数据中提取出了两种数据，分别是关键帧图像和动态图，这两种数据都可以一定程度上反映出监控区域的信息，并且这两种数据的画质都是能够得到保证的(没有调整过分辨率，图像的清晰度能够得到保证)。而后，先确定实际网速值和视频数据的大小，进而计算出目标分辨率，一般来说，目标分辨率是必然低于视频数据原始分辨率的，目的是为了让视频能够快速的发送给视频接收端。本申请所提供的方法优选使用AVB技术作为传输技术。

之后如果视频接收端想得到关键部分(关键帧图像和目标动态图)的内容，则需要以时间密文和密码表为基础来生成获取请求，其中获取请求中携带有时间信息和请求内容，并需要发送目标代码。

之后视频发送端通过一系列的验证来判断是否应当给视频接收端反馈相应的信息(即第一数据包和第二数据包中的信息)。需要说明的是，设置两个安全通道的目的是提高安全级别，一般情况下，两个安全通道均被破解的概率较低。并且，可以在视频发送端向视频接收端发送内容之后，便关闭使用过的安全通道，并重新开启另一个安全通道。

将关键帧图像拆分为第一分图和第二分图指的是将一个完整的图像一分为二，第一份图和第二分图组合后才能够形成完整的关键帧图像，以此可以保证关键帧图像的安全性。类似的当发送内容只有第二数据包的时候，也是按照此种方式处理，来提高安全性。

由于最后只是发送了第一数据包和/或第二数据包，相较于原始的视频数据来说，这已经是很少的了，不会过多的占用网络传输资源，保证了传输速率，还对重要的部分进行了保留和传输，提高了使用的便捷性、高效性和安全性。

优选的，如图2所示，在上述方法的基础上还包括如下步骤：

S201，视频发送端在获取到视频数据后，对视频数据进行画面分析，若在连续的一端时间内视频数据所对应的参考影像的画面无变化，且当前时刻符合预设的要求，则获取摄像头所在的第一位置信息；

S202，视频发送端将第一位置信息向无人机发送；

S203，无人机根据第一位置信息，朝向摄像头移动，并当无人机到达第一位置信息所对应的位置时进行拍照，以获取第一影像；

S204，无人机将第一影像向视频发送端发送；

S205，视频发送端判断第一影像是否与参考影像的画面相似；

S206，若第一影像不与参考影像的画面相似，则视频发送端向视频接收端发送第一报警信号；

S207，无人机在朝向摄像头移动的过程中通过捷联惯导系统实时获取当前所处的位置的第二位置信息，并将第二位置信息向视频发送端发送；

S208，若视频发送端在预定的时间间隔内所接收到的第二位置信息的次数小于预定的阈值，则向视频接收端发送第二报警信号。

也就是当视频画面持续不变的时候(可能是被人恶意损坏)，需要使用无人机进行检查，来判断摄像头是否出现故障。并且如果无人机持续没有犯规自身的位置，也应当进行报警。

优选的，如图3所示，在上述方法的基础上还包括如下步骤：

S301，视频发送端在获取视频数据后，按照拍摄时间的先后，依次提取视频数据中的多帧参考图像；

S302，视频发送端分别对每帧参考图像进行人数分析，以获取每帧参考图像上存在的参考人数；

S303，视频发送端采用加权计算的方式，根据每帧参考图像上存在的参考人数计算人数评价值；

S304，视频发送端根据人数评价值，确定摄像头所对应区域的监控紧急程度；

S305，视频发送端根据监控紧急程度确定对应的监控改进方式；

S306，视频发送端根据改进方式的种类进行相应处理；

若监控改进方式为第一种，则视频发送端向视频接收端发送增加摄像头数量的请求；

若监控改进方式为第二种，则视频发送端向视频接收端发送增加移动摄像器数量的请求；

若监控改进方式为第三种，则视频发送端向视频接收端发送移除移动摄像器数量的请求；

若监控改进方式为第四种，则视频发送端不向视频接收端发送请求。

也就是，通过是被视频画面上的人员数量来确定是否增加摄像头，或者是减少摄像头，或者是增加移动摄像头，来保证监控的全面性和节约资源。

优选的，如图4所示，在上述方法的基础上，在步骤视频发送端获取摄像头所拍摄得到的视频数据前，还包括如下步骤：

S401，摄像头在实时生成视频数据的同时，按照生成视频数据的先后顺序，每间隔预定的时间在实时视频数据中增加第一时间戳；

S402，摄像头通过设置在其上的环境传感器实时获取拍摄过程中的环境数据；

S403，摄像头实时判断指定时刻的环境数据是否超过预定的阈值，如果超过则在实时视频数据的指定时刻增加第二时间戳。

其中，增加第一时间戳的目的是方便用户(如使用视频接收端的用户)快速的对某一个画面进行定位，因此第一时间戳应当是沿时间线的前后均匀分布的。第二时间戳是用来表明重要位置的，环境数据如温度数据、风速数据等会影响到画面录制的天气条件的具体参数，如风速过大的时候，摄像机可能会摇晃，此时录制的画面会发生晃动，为了避免用户误认为此时出现的其他状况(如地震)，因此需要增加第二时间戳来说明此时发生了某种天气情况，并且该种天气情况会影响到画面的录制。

优选的，步骤视频发送端确定视频数据中的多个关键帧图像包括：

视频发送端从背景模型数据库中获取背景模型；

视频发送端检测视频数据的第一目标帧图像中是否有运动目标；

若第一目标帧图像中有运动目标，则视频发送端记录实时运动目标的运动轨迹；若第一目标帧图像中没有运动目标，则视频发送端获取下一个第一目标帧图像；

视频发送端当运动目标从运动状态变为静止状态时，计算实时运动目标的静止时间；

视频发送端根据静止时间、运动目标的运动速度和运动目标的运动轨迹，判断运动目标的可疑等级；

若运动目标的可疑等级为一级，则视频发送端将显示有运动目标的图像作为关键帧图像；

若运动目标的可疑等级为二级，则视频发送端向视频接收端发送第三报警信号。

也就是，如果某个运动目标持久的变为静止状态，则说明画面可能出现的问题。常见的如某人遗落物品，或者某些人放置危险品，此种画面应当注意，因此可以设置为关键帧。如果可以可疑等级更高，则应当直接发送报警信号，而不能用户想起来查看关键帧的时候再查看。

优选的，步骤视频发送端从背景模型数据库中获取背景模型包括：

视频发送端依据当前时间和天气状况从背景模型数据库中获取对应的背景模型；背景模型数据库中存储有不同位置的摄像头、不同天气、不同日期、不同时间段所拍摄到的背景模型。

进而通过丰富背景模型数据库的内容，保证了背景图像是更有针对性的，可参考性更强，提高了比较的价值。

优选的，步骤视频发送端确定视频数据中的多个关键帧图像包括：

视频发送端初始化参数，参数包括设定预设阈值A1、预设阈值A2以及整数K的值；

视频发送端读取第二目标帧图像；

视频发送端依据背景模型数据库中的模型建立高斯背景图像；

视频发送端通过当前第二目标帧图像与背景图像帧作差分割出运动团块；

视频发送端在各个运动团块中进行光流检测；

视频发送端去除光流幅值小于预设阈值A1的光流矢量；

视频发送端对连续K帧图像中的运动团块进行处理，统计运动团块光流矢量的幅值和角度；

视频发送端判断连续K帧图像的光流幅值的累加值是否大于预设阈值A2，如果是，则将第二目标帧图像作为关键帧图像。

这是第二种是被关键帧图像的方式，更适用于检测群体性行为是否发生(如打群架等)。除了这两种确认关键帧的方式，还可以是在某个用户的操作指令下来确定某个图像为关键帧图像。

优选的，步骤视频发送端分别使用不同的加密方式对第一数据包和第二数据包进行加密包括：

视频发送端对第一数据包中的关键帧图像进行预处理、小波变换和量化处理；

视频发送端对量化后的关键帧图像进行位平面编码，获得系数位和上下文；

视频发送端对系数位进行加密操作，或，对系数位和上下文进行加密操作；

视频发送端对加密操作后的系数位和上下文进行熵编码和码流组织，以完成加密。

此种加密方式更适用于对图像进行加密，保证了加密的程度，也保证了运算量不会过高。

优选的，本申请所提供的方法还包括如下步骤：

视频接收端在接收到调整后的视频数据后，根据调整后的视频数据中每帧图像的行人身高作为尺度基准，将每帧图像分成若干不同透视程度的图像子块；

视频接收端提取图像子块的特征描述子，其中，特征描述子包含深层神经网络特征；

视频接收端分类优化深层神经网络特征，得到图像子块的向量特征集；

视频接收端根据图像子块中向量特征集与图像人数，建立不同核函数的SVR的数学模型；

视频接收端根据图像子块中人群拥挤程度与稀疏程度，调用相应的核函数到数学模型中，统计图像子块的人数；

视频接收端采用摄像机标定方法，获取深层神经网络特征的坐标向量；

视频接收端对比前后两帧图像子块的深层神经网络特征的位移，根据位移计算人群的移动方向与移动速度；

视频接收端将移动方向和移动速度的数值在监控显示屏上进行显示。

其中，所述深层神经网络特征实际为(卷积神经网络ConvolutionalNeural Network,CNN)，此特征的提取是基于Caffe深度学习网络模型进行的，在所述分块的视频步骤如下：首先，输入图片统一尺寸到224*224大小，卷积核大小为5*5像素，采用7层卷积神经网络，步长为4，由于采用权值共享策略，因此第一层卷积每个Feature map的可训练参数为26个，连接数为44*44*25＝48400个，之后每层以此类推。然后进行池化处理，池化的过程为：对相邻的四个像素求和，然后通过标量W加权，再增加偏置b，然后通过一个sigmoid激活函数，产生一个大概缩小四倍的特征映射图P。直到特征图变为1*1维，进行全连接，最终得到每一个rect的特征向量。最后，得到所有子图像块的局部特征为1024维的图像深层神经网络特征。

通过上述步骤，将移动方向和移动速度在监控显示频上显示，能够使用户更直观的了解到当前视频中的情况。

基于上述方法，本申请还提供了一种视频监控系统，包括：视频发送端、视频接收端和私有云存储装置；视频发送端、视频接收端和私有云存储装置顺序数据连接；

视频发送端和视频接收端用于按照如前述方法中相应的步骤执行；私有云存储装置用于将视频接收端所接收到的数据进行存储。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。