基于智慧社区的人员徘徊预警方法及系统与流程

本发明实施例涉及图像检测领域，尤其是基于智慧社区的人员徘徊预警方法、系统、计算机设备及存储介质。

背景技术：

随着社会发展以及智慧城市的发展，智能视频监控系统受到越来越多人的重视。人民群众对生活环境的安全性要求也越来越强，智能视频监控系统就变成了安全保障和防卫系统的一种重要的工具和手段。

而现有的的智能视频监控系统只能对一些基础性的例如围墙翻越功能进行监控分析，而并不能对社区围墙外的部分徘徊人员进行鉴别，预警能力低下。

技术实现要素：

为解决上述问题，本发明实施例提供了一种基于智慧社区的人员徘徊预警方法方法，包括以下步骤：

服务器周期性向监控网络获取监控图像，所述监控网络包括至少一个摄像头，所述摄像头设置在社区任意区域；

所述服务器将所述监控图像输入第一分析网络，所述第一分析网络由预置的卷积特征提取结构和全连接层连接形成，所述第一分析网络输出所述监控图像中候选人员的选定结果以及被选定为候选人员所对应的位置框体；

所述服务器实时计算所述候选人员所对应的位置框体的位置信息变化，并周期性的判定所述位置信息变化的变化总量是否符合预置的徘徊人员的特征，若是，将所述候选人员定义为所述徘徊人员，并将所述徘徊人员所对应的位置信息和对应图像向预置的物业管理中心发送。

优选的，所述卷积特征提取结构为由十五个卷积层与五个池化层交织形成，其中，卷积层所使用的卷积核为3*3的结构。

优选的，所述全连接层设置为二分类结构。

优选的，所述服务器将所述监控图像输入第一分析网络，所述第一分析网络由预置的卷积特征提取结构和全连接层连接形成，所述第一分析网络输出所述监控图像中候选人员的选定结果以及被选定为候选人员所对应的位置框体的步骤包括：

所述服务器根据所述监控图像的排列的像素点所对应的像素值形成像素值矩阵，输入至所述第一分析网络；

所述像素值矩阵首先输入至所述第一分析网络中的卷积特征提取结构，所述像素值矩阵与所述卷积核进行积和运算，生成第二矩阵，所述第二矩阵再经由池化层进行处理，形成第三矩阵，所述第三矩阵被所述卷积特征提取结构输出值所述全连接层；

所述全连接层对接收到所述第三矩阵后，将所述第三矩阵与预置的权重系数进行求和运算，得到所述最终得分，判断所述最终得分是否大于预设阈值，若是，则源输入图像中包含人体特征，并利用回归函数输出图像中被选定为人体的候选人员图像及其所对应的位置框体。

优选的，所述被选定为候选人员所对应的位置框体为矩形，其边角点为w,x,y,z，所述位置框体用所述边角点进行表征，所述位置框体坐标为(w,x,y,z)。

优选的，所述服务器实时计算所述候选人员所对应的位置框体的位置信息变化的步骤包括：

所述服务器实时计算位置框体的中心点b的坐标，得到中心点b坐标的数值数组，所述数值数组对应表征所述位置框体的位置信息变化。

优选的，所述周期性的判定所述位置信息变化的变化总量是否符合阈值的徘徊人员的特征，若是，将所述候选人员定义为所述徘徊人员，并将所述徘徊人员所对应的位置信息和对应图像向预置的物业管理中心发送的步骤包括：

所述服务器将所述数值数组相邻元素进行相减运算，得到第二数值数组，将所述第二数值数组中所有元素相加，得到元素和，判断所述元素和是否大于预设阈值，若是，则将所述候选人员定义为所述徘徊人员，并将所述徘徊人员所对应的位置信息和对应图像向预置的物业管理中心发送。

本发明实施例还提供一种人员徘徊预警系统，包括：

获取模块，用于周期性向监控网络获取监控图像，所述监控网络包括至少一个摄像头，所述摄像头设置在社区任意区域；

分析模块，用于将所述监控图像输入第一分析网络，所述第一分析网络由预置的卷积特征提取结构和全连接层连接形成，所述第一分析网络输出所述监控图像中候选人员的选定结果以及被选定为候选人员所对应的位置框体；

预警模块，用于实时计算所述候选人员所对应的位置框体的位置信息变化，并周期性的判定所述位置信息变化的变化总量是否符合预置的徘徊人员的特征，若是，将所述候选人员定义为所述徘徊人员，并将所述徘徊人员所对应的位置信息和对应图像向预置的物业管理中心发送。

本发明实施例还提供一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述的基于智慧社区的人员徘徊预警方法。

本发明实施例还提供一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序能够被至少一个处理器所执行如上述的基于智慧社区的人员徘徊预警方法。

本发明所提供的基于智慧社区的人员徘徊预警方法，能够有效的识别社区内外徘徊人员，较于现有的徘徊人员识别技术方案识别精准度更高。

附图说明

图1为本发明一种基于智慧社区的人员徘徊预警方法的步骤流程图；

图2为本发明一基于智慧社区的人员徘徊预警系统的程序模块示意图；

图3为本发明计算机设备的硬件结构示意图。

具体实施方式

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用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动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。

在本发明实施例中使用的术语是仅仅处于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本发明实施例中可能采用术语第一、第二等来描述指定关键字，但指定关键字不应限于这些术语。这些术语仅用来将指定关键字彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一指定关键字也可以被称为第二指定关键字，类似地，第二指定关键字也可以被称为第一指定关键字。

取决于语境，如在此所使用的词语“如果”可以被解释称为“在……时”或“当……时”或“相应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或时间)”可以被解释成“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

请参考图1，本发明实施例提供一种基于智慧社区的人员徘徊预警方法，包括：

步骤s100服务器周期性向监控网络获取监控图像，所述监控网络包括至少一个摄像头，所述摄像头设置在社区任意区域。

具体的，服务器以预置的频率向监控网络获取监控图像，其中，获取频率的设置根据实际场景进行设置，所述监控网络优选现有流行的第三代网络监控系统，所述服务器向所述监控网络的预留接口发送调用请求，所述监控网络将直接返回请求所指向的监控图像。

步骤s200所述服务器将所述监控图像输入第一分析网络，所述第一分析网络由预置的卷积特征提取结构和全连接层连接形成，所述第一分析网络输出所述监控图像中候选人员的选定结果以及被选定为候选人员所对应的位置框体。

具体的，第一分析网络由卷积特征提取结构和全连接层形成，所述卷积特征提取结构与全连接层在数据传输上连接，所述卷积特征提取结构将所输出的结果发送至全连接层进行打分评比运算。

随后全连接层根据所计算得到的类别打分，判断所述源输入图像的判断的类别，将得分最高的类别进行输出。

步骤s300所述服务器实时计算所述候选人员所对应的位置框体的位置信息变化，并周期性的判定所述位置信息变化的变化总量是否符合预置的徘徊人员的特征，若是，将所述候选人员定义为所述徘徊人员，并将所述徘徊人员所对应的位置信息和对应图像向预置的物业管理中心发送。

具体的，所述服务器在全连接层所并行的指路上利用预置的回归函数计算被判定为候选人员所对应的区域图像进行位置计算，计算完成后赋予该区域矩形框体进行标定表征，由于回归函数属于现有技术，本发明在此不再赘述。

随即，由于整体的识别步骤并非对单张帧图像进行识别，而是对多张帧图像或者连续性的帧图像进行识别，因此，一段时间后，所输出的候选人员数据也是包含多个位置数据的数组，每个位置数据对应着位置框体的位置信息，而包含多个位置数据的数组整体就对应着候选人员位置信息的变化，由所述数组数据求得候选人员所产生移动的总路长，判断所述总路长是否大于预设阈值，若大于，则候选人员满足所述徘徊人员的特征，将候选人员重新定义，并赋名为徘徊人员，将所述徘徊人员所对应的即时位置信息和对应的监控图像包含徘徊人员内容的截图发送至物业管理中心。

本发明所提供的基于智慧社区的人员徘徊预警方法，能够有效的识别社区内外徘徊人员，较于现有的徘徊人员识别技术方案识别精准度更高。

可选的，所述卷积特征提取结构为由十五个卷积层与五个池化层交织形成，其中，卷积层所使用的卷积核为3*3的结构。

可选的，所述全连接层设置为二分类结构。

具体的，所述全连接层设置为二分类结构，即为“人体”或“非人体”两个类别，由卷积特征提取结构所输出的数据为各行为一个元素，成列状延伸的矩阵数据，对于每个类别的判定，每一列都设计有预置的权重值，在通过归一化公式得到0至1区间的一个取值，代表输入图像属于“人体”或“非人体”的概率。

可选的，步骤s200所述服务器将所述监控图像输入第一分析网络，所述第一分析网络由预置的卷积特征提取结构和全连接层连接形成，所述第一分析网络输出所述监控图像中候选人员的选定结果以及被选定为候选人员所对应的位置框体的步骤包括：

步骤s210所述服务器根据所述监控图像的排列的像素点所对应的像素值形成像素值矩阵，输入至所述第一分析网络。

具体的，输入的第一分析网络不是监控图像本身，而是用于显示监控图像的底层像素值，并根据像素点的排列位置进而对应矩阵的数值排列顺序形成像素值矩阵，再将所述像素值矩阵输入至所述第一分析网络。

步骤s220所述像素值矩阵首先输入至所述第一分析网络中的卷积特征提取结构，所述像素值矩阵与所述卷积核进行积和运算，生成第二矩阵，所述第二矩阵再经由池化层进行处理，形成第三矩阵，所述第三矩阵被所述卷积特征提取结构输出值所述全连接层。

具体的，在卷积特征结构中，所述像素值矩阵由于自身信息量过多，因此需要所述像素值矩阵与卷积特征结构中的卷积核进行积和运算，减少像素维度，随后交付由池化层进行抽样处理，即每4×4的区域中选取像素值最高的像素点信息进行保留，而其余3个像素点信息进行丢弃。

步骤s230所述全连接层对接收到所述第三矩阵后，将所述第三矩阵与预置的权重系数进行求和运算，得到所述最终得分，判断所述最终得分是否大于预设阈值，若是，则源输入图像中包含人体特征，并利用回归函数输出图像中被选定为人体的候选人员图像及其所对应的位置框体。

可选的，所述被选定为候选人员所对应的位置框体为矩形，其边角点为w,x,y,z，所述位置框体用所述边角点进行表征，所述位置框体坐标为(w,x,y,z)。

可选的，所述服务器实时计算所述候选人员所对应的位置框体的位置信息变化的步骤包括：

所述服务器实时计算位置框体的中心点b的坐标，得到中心点b坐标的数值数组，所述数值数组对应表征所述位置框体的位置信息变化。

示例性的，框体四个边角点a为(1,2)，b为(3,2)，c(3,6)，d(1,6)，则中心点坐标为((3+1)÷2，(6+2)÷2)，计算完成即为(2,4)，则框体的中心点b坐标为(2,4)。而进行一段时间的图像识别后，得到的中心点b坐标分别为(3,4)，(3,4)，(3,5)，(3,6)，(3,7)，(3,8)，

(3,9)，(3,10)。则中心点b的数值数组arrayb＝[(3,4)，(3,4)，(3,5)，(3,6)，(3,7)，(3,8)，(3,9)，(3,10)]。

可选的，步骤s300所述周期性的判定所述位置信息变化的变化总量是否符合阈值的徘徊人员的特征，若是，将所述候选人员定义为所述徘徊人员，并将所述徘徊人员所对应的位置信息和对应图像向预置的物业管理中心发送的步骤包括：

所述服务器将所述数值数组相邻元素进行相减运算，得到第二数值数组，将所述第二数值数组中所有元素相加，得到元素和，判断所述元素和是否大于预设阈值，若是，则将所述候选人员定义为所述徘徊人员，并将所述徘徊人员所对应的位置信息和对应图像向预置的物业管理中心发送。

接续上述示例性内容，中心点b的数值数组arrayb＝[(3,4)，(3,4)，(3,5)，(3,6)，(3,7)，(3,8)，(3,9)，(3,10)]，通过基础的距离计算，转换成的距离数组arrayc＝[0,1,1,1,1,1,1],则元素和为6，而预设的距离阈值为28，而元素和的值仅为6，远小于设定阈值，则认定该候选人员不是徘徊人员。

本发明实施例还提供一种人员徘徊预警系统，包括：

获取模块100，用于周期性向监控网络获取监控图像，所述监控网络包括至少一个摄像头，所述摄像头设置在社区任意区域；

分析模块200，用于将所述监控图像输入第一分析网络，所述第一分析网络由预置的卷积特征提取结构和全连接层连接形成，所述第一分析网络输出所述监控图像中候选人员的选定结果以及被选定为候选人员所对应的位置框体；

预警模块300，用于实时计算所述候选人员所对应的位置框体的位置信息变化，并周期性的判定所述位置信息变化的变化总量是否符合预置的徘徊人员的特征，若是，将所述候选人员定义为所述徘徊人员，并将所述徘徊人员所对应的位置信息和对应图像向预置的物业管理中心发送。

请参考图3，是本发明实施例之计算机设备的硬件架构示意图。本实施例中，所述计算机设备2是一种能够按照事先设定或者存储的指令，自动进行数值计算和/或信息处理的设备。该计算机设备2可以是个人计算机、平板计算机、移动电话及智能手机，也可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器，或者多个服务器所组成的服务器集群)等用于提供虚拟客户端的运设备。如图所示，所述计算机设备2至少包括，但不限于，可通过系统总线相互通信连接存储器21、处理器22、网络接口23、以及基于智慧社区的人员徘徊预警系统20，其中：

本实施例中，存储器21至少包括一种类型的计算机可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，存储器21可以是计算机设备2的内部存储单元，例如该计算机设备2的硬盘或内存。在另一些实施例中，存储器21也可以使计算机设备2的外部存储设备，例如该计算机设备20上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital)sd卡，闪存卡(flashcard)等，当然，存储器21还可以既包括计算机设备2的内部存储单元也包括其外部存储设备。本实施例中，存储器21用于存储安装于计算机设备2的操作系统和各类应用软件，例如基于智慧社区的人员徘徊预警系统20的程序代码等。此外，存储器21还可以用于暂时地存储已经输出或者将要输出的各类数据。

处理器22在一些实施例中可以是中央处理器(centralprocessingunit,cpu)、控制器、微控制器、微处理器或其他数据处理芯片。该处理器22通常用于控制计算机设备2的总体操作。本实施例中，处理器22用于运行存储器21中存储的程序代码或者处理数据，例如基于智慧社区的人员徘徊预警系统20，

所述网络接口23可包括无线网络接口或有限网络接口，该网络接口23通常用于在所述计算机设备2与其他电子装置之间建立通信连接。例如，所述网络接口23用于通过网络将所述计算机设备2与外部终端项链，在计算机设备2与外部中断之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(intranet)、互联网(internet)、全球移动通讯系统(globalsystemofmobilecommunication，gsm)、宽带码分多址(widebandcodedivisionmultipleaccess，wcdma)、4g网络、5g网络、蓝牙(bluetooth)、wi-fi等无线或有线网络。

在本实施例中，存储于存储器21中的所述物品提醒系统20还可以被分割为一个或者多个程序模块，所述一个或者多个程序模块被存储于存储器21中，并由一个或多个处理器(本实施例为处理器22)所执行，以完成本发明。

另外，本实施例还提供一种计算机可读存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘、服务器、app应用商城等等，其上存储有计算机程序，程序被处理器执行时实现相应功能。本实施例的计算机可读存储介质用于基于智慧社区的人员徘徊预警系统20，被处理器执行时实现本发明的基于智慧社区的人员徘徊预警方法。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所做的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。