异常行为预警信息约束的视频大数据快速检索方法及系统的制作方法
【技术领域】
[0001 ]本发明属于视频监控技术领域，涉及视频大数据检索方法，具体涉及异常行为预 警信息约束的视频大数据快速检索方法及系统。
【背景技术】
[0002] 我国社会面临的突发事件和安全事件越来越多，不断建设的视频监控系统成为事 前预警和事后取证的重要工具。监控的目的就是对监控对象的异常行为进行检测与分析， 所谓异常行为，通常指：1)小概率行为或与先验规则相反的行为看作异常行为;2)与已知正 常行为的模式不匹配的行为看作异常行为。采用人工的方法处理此类工作既不实用也不经 济，因此利用计算机进行视频智能自动检测就显得十分重要。
[0003] 当前，海康、大华、华三等主流监控设备生产厂家都推出了具有智能视频分析功能 的监控摄像头。智能监控摄像头通过内嵌的视频分析算法，能在不依赖人工判断的情况下 从视频中自动识别监控目标的异常行为。例如，海康威视品牌的智能摄像头能检测区域入 侵、跨界入侵、进入/离开区域、物品遗留/拿取、徘徊、快速移动、非法停车、人员聚集等10种 行为异常，还具有人脸抓拍、车牌抓拍、人流计数等功能;大华产品也提供了目标识别、行为 识别、流量统计、视频质量诊断等功能。而且，随着视频分析技术的进步，各厂家生产的智能 监控摄像头能识别的异常行为的种类还将不断增加。
[0004]智能监控探头提高了实时监控系统的主动预警能力，当检测到作案待检索目标人 的人脸、待检索目标车辆的车牌时发出预警，有利于公安干警及时追捕逃犯;或者，识别出 区域入侵、物品遗留/拿取等异常举动时，进行预警提示，以便及时采取制止、疏散等处置措 施，避免可能引起的冲撞、爆炸等严重恶性后果。另一方面，智能监控探头的异常预警行为 的存储记录，也是日后案件侦破、事故原因分析等工作中的珍贵线索。传统的事后取证主要 是调阅案件或事故发生点及周边监控点的视频监控录像，当事件涉及的时空范围比较广 时，需要查看海量的监控录像，从海量录像大数据中寻找待检索目标人的蛛丝马迹无异于 大海捞针，严重制约了刑侦破案效率，例如，周克华案件中，专案组调集1500名警员历时一 个月采用全人工方式，才从全城监控录像中发现329段周克华的影像。少数监控系统采取了 时空约束的录像检索策略，即只排查待检索目标人可能到过的地方的录像，以便缩小分析 的数据规模。然而，排查录像本身的一个重要目的就是为了锁定待检索目标人的行踪和活 动范围，掌握其活动规律，便于民警抓捕，时空约束的检索与之形成了典型的蛋鸡悖论关 系;退一步看，即使通过群众举报、手机监听等其它手段能获得犯罪分子的活动踪迹，但由 于这些线索本身不具有足够的可靠性，依赖它们去限定录像的检索范围有可能忽视有价值 的录像证据。
[0005]事实上，很多案件和事件的发生都不是偶然和孤立的，发生前犯罪分子往往要经 过预谋和策划的过程，例如，银行抢劫案前，犯罪分子会到银行附近踩点，普通的针对个人 的抢劫，犯罪分子会寻找最便于下手的隐蔽地段，骚乱、聚众斗殴等群体性事件发生前会有 大量人群汇聚的过程。另一方面，从案发后而言，犯罪分子在实施凶杀、暴力恐怖等作案后， 出于快速脱离现场和躲避通缉的需要，往往会表现出一些反常的举动，例如波士顿爆炸案 时，犯罪待检索目标人混杂在大规模人流中逆行，警察就是根据这个反常举动锁定待检索 目标人，刚刚发生的巴黎恐怖袭击案，凶手作案后将放有枪支的汽车抛弃在非停车地段。总 而言之，无论是案发前还是案发后，一些特定的异常行为往往与一些特定的案件有关，如果 根据监控系统的异常行为预警记录进行视频侦查，优先查看与案件强关联的异常行为发生 的监控场所的预警记录和视频数据，将能显著地提高视频侦查的效率。但目前尚未出现相 关研究，缺乏相应技术手段。
【发明内容】
[0006] 针对现有技术不足，本发明提供了智能监控摄像头异常行为预警信息约束的视频 大数据快速检索技术方案。
[0007] 本发明的技术方案提供一种异常行为预警信息约束的视频大数据快速检索方法， 包括以下步骤，
[0008] 步骤1，构建异常行为库，包括接收前端智能摄像头的异常行为预警信息，录入异 常行为库，所述异常行为库记录的数据包括异常行为类型、监控点名称、监控探头编号、发 生时间、持续时长、快照图片或视频片段文件名、原始监控录像索引和备注信息；
[0009] 步骤2,建立关联度模型表，关联度模型表存储案件或事件类型与异常行为类型的 关联关系；
[0010] 步骤3,为实现视频取证，基于关联度模型表和异常行为库，执行如下子步骤，
[0011] 步骤3.1，根据实际发生的案件或事件类型，查询关联度模型表，得到相关的异常 行为类型；
[0012] 步骤3.2,根据异常行为类型，检索异常行为库，获得异常行为发生的时空信息；
[0013] 步骤3.3,浏览与异常行为有关的快照图片或视频片段，进而将多点的图片或片段 重构成一段完整的摘要视频，还原待检索目标的活动轨迹；
[0014] 步骤3.4,根据实际需要，通过异常行为库中的原始监控录像索引进一步调阅监控 录像。
[0015] 而且，对异常行为库进行检索、统计和分析操作的实现方式如下，
[0016] 所述检索操作如下，
[0017]根据行为类型检索，显示检索结果图片，及其地点、时间；
[0018] 根据地点检索，显示检索结果图片，及其名称、时间；
[0019] 根据时间段检索，显示检索结果图片，及其名称、地点。
[0020] 所述统计操作如下，
[0021] 按时间统计，用曲线显示一年中每月份发生的异常行为数；
[0022] 按地点统计，用曲线显示一年中各地点发生的异常行为数；
[0023]按时间、地点的二维统计，用二维曲面显示一年发生的异常行为数；
[0024]所述分析操作如下，
[0025] 对异常行为的时空属性进行聚类分析，绘制风险曲面，并结合地理信息，用不同颜 色可视化呈现风险等级；
[0026] 挖掘异常行为的时空分布规律及预测其变化趋势，寻找安全防范的关键节点，得 到辅助决策信息，为未来警力分配提供科学参考。
[0027]而且，建立关联度模型表，包括根据已知的若干组案件或事件类型与异常行为类 型的关联关系，初始化关联度模型表，并采用以下子步骤进行更新，
[0028] 1)定义案件或事件集合E;
[0029] 2)定义异常行为集合A;
[0030] 3)随着智能监控摄像头检测的异常行为种类的增加，相应地扩大异常行为集合A;
[0031] 4)随着异常行为集合A的扩大，分析与新增加的异常行为关系密切的案件或事件， 将其添加到案件或事件集合E中；
[0032] 5)针对案件或事件集合E中的某一元素 Ei，根据历史案发大数据，统计与其相关的 异常行为出现的频次，并按频次排序，得到集合S1;
[0033] 6)针对案件或事件集合E中的某一元素 Ei，根据用户选择，列举与其相关的异常行 为，并按相关度排序，得到集合S2;
[0034] 7)对集合求交集，S = S1 Π S2，将S中的前二者作为与该事件最密切的异常行为，录 入到关联度模型表中。
[0035] 而且，异常行为与案件或事件是否关系密切，按以下原则进行分析，
[0036] ①案件或事件发生前，异常行为与案件或事件的发生存在时序关系合乎逻辑的关 系；
[0037] ②案件或事件发生后，视频中的异常行为对象表现出的异常行为。
[0038] 本发明还相应提供一种异常行为预警信息约束的视频大数据快速检索系统