一种智能化视频监控方法和系统与流程

本发明涉及网络监控的技术领域，特别是一种智能化视频监控方法和系统。

背景技术：

随着信息技术，网络技术，图像处理技术的迅速发展：数字化，网络化的智能视频的分析系统则师监控领域最前沿的应用发展方向之一。智能监控通过摄像机监控，对视屏经行采集，智能分析，自动预警；更自主地捕捉信息，更智能地分析信息，更加精确地的经行判断，更加主动的提供服务。

在铁路作为国家基础设施和大众化交通工具，铁路客运站一般人员密集，所以各种突发事故层出不穷如：摔倒，穿越白色安全线，电梯的伤人，人员聚集，奔跑等。而当前的视频监控系统只能起到事后取证的作用。

公开号为cn106982334a的发明专利公开了一种用于地铁车站的客流监控装置及方法，客流监控装置包括若干个摄像机、视频分析主机及监控报警主机，每一个摄像机分别设置于地铁车站的一个站台上，若干个摄像机分别与视频分析主机电连接，视频分析主机与监控报警主机电连接；每个摄像机分别实时采集对应的站台的画面信息，并且将画面信息发送至视频分析主机，视频分析主机处理接收到的各个站台的画面信息来生成客流密度分布数据，并且将客流密度分布数据发送至监控报警主机，监控报警主机分析接收到的客流密度分布数据来生成客流诱导信息，并且输出客流诱导信息。该方法仅仅是通过对客流密度进行监控，当出现人流密集的情况时，对人流进行疏导，并不能够应对其他的突发事件。

公开号为cn106154223a的发明专利公开了一种基于环境监测和视频监控的智能化监控操作系统，包括环境参数监控设备、视频捕获设备、主控单元、操控按键、应急单元、用户终端和存储设备，环境参数监测设备和视频捕捉设备的输出端连接于主控单元，操作按键连接于主控单元，主控单元的输出端分别连接于应急单元、用户终端和存储设备，主控单元能够基于操控按键输入的命令而使用户终端选择显示环境参数检测设备和/或视频捕获设备采集的数据，本发明所述的监控操作系统在利用视频监控现场画面的同时，提供现场环境参数，并可根据环境参数的变化进行操控。该系统仅仅是针对人流过多进行艰苦和疏导，并没有更多应急事件的处理方法，并且都是实时进行监控，并不能在事后对视频进行分析。

技术实现要素：

为了解决上述的技术问题，本发明提出一种智能化视频监控方法和系统，对监控视频采用二级分析方法，将正常视频、可疑问题视频和问题视频分开放置，设置不同的保留时间，方便后期查找，同时对于车站出现的各种突发事件，采用不同级别的报警方式，能够有效的解决车站容易出现的各种问题。

本发明的第一目的是提供了一种智能化视频监控方法，包括使用网络摄像头进行监控，还包括以下步骤：

步骤1：对车站的区域进行划分；

步骤2：设定不同的所述区域的监控规则；

步骤3：获取监控录像并进行分析；

步骤4：出现异常情况后，提出报警。

优选的是，所述区域划分为的等待区域、走廊区域、入口区域、出口区域和禁戒区域中至少一种。

在上述任一方案中优选的是，所述监控规则包括在监控区域内是否出现不正常情况。

在上述任一方案中优选的是，所述不正常情况包括人群的不正常聚集、不正常滞留、盗窃人员出现、网上通缉人员出现、多人同时奔跑、扭向奔跑、异常徘徊、人箱分离和闯入禁戒区域中至少一种。

在上述任一方案中优选的是，所述步骤3包括所述网络摄像头通过网络传输模块将视频发送给后台数据中心。

在上述任一方案中优选的是，所述分析包括初筛选和二次筛选。

在上述任一方案中优选的是，所述初筛选是指将视频进行第一次筛选，筛选出可疑视频片段，将所述可疑视频片段存入到可疑视频存储模块，将其余视频片段存入正常视频存储模块。

在上述任一方案中优选的是，所述可疑视频片段是指出现至少一种所述不正常情况的视频片段。

在上述任一方案中优选的是，所述二次筛选是指使用活体检测方法和/或人脸识别方法对所述可疑视频片段进行分析，并将得到的问题视频发送给问题视频存储模块。

在上述任一方案十优选的是，所述活体检测方法包括以下步骤：

步骤01：从视频十识别人脸，记录检测到的人脸数据；

步骤02：通过大数据的深度学习选取m个重要参数作为活体判断参数；

步骤03：计算活体变化度d，并与设定的阈值进行比较。

在上述任一方案中优选的是，所述活体变化度d的计算公式为：

其中，第n个参数变化值为δxn，参数系数为αn。

在上述任一方案中优选的是，所述阈值包括模型阈值d1、照片阈值d2和活体阈值d3。

在上述任一方案中优选的是，所述步骤03包括当所述活体变化度d大于活体阈值d3时，则该人脸为活体。

在上述任一方案中优选的是，所述人脸识别方法包括以下步骤：

步骤11：将视频中的人脸像素化，得到人脸像素点；

步骤12：通过对所述人脸像素点进行智能分析，找到所述人脸像素点每一个不规则变化的点，设为人脸关键点；

步骤13：使用大量人脸数据对每个所述人脸关键点进行比对，推算出t个关键点及其位置信息，其中t为自然数；

步骤14：设置某一所述关键点为坐标原点，根据所述关键点的相对坐标，经过机器学习与大数据比对，确立各个所述关键点的横纵坐标系数，并根据下列公式计算人脸识别中人脸对比的阈值d，公式如下：

其中，x代表关键点差异值，a代表各关键点的系数，k代表第几个关键点，n代表总共多少个关键点

在上述任一方案中优选的是，所述步骤3还包括从所述问题视频存储模块中提取所述问题视频，并对所述问题视频进行分级。

在上述任一方案十优选的是，所述步骤4包括根据所述问题视频的级别设定报警级别。

在上述任一方案中优选的是，所述报警包括向后端客户端提示、通过车站广播提示、通知车站巡警和向公安机关报警中至少一种。

本发明的第二目的是提供了一种智能化视频监控系统，包括用于进行监控的网络摄像头和存储装置，还包括以下模块：

区域划分模块：用于对车站的区域进行划分；

规则设定模块：用于设定不同的所述区域的监控规则；

视频分析模块：用于获取监控录像并进行分析；

报警模块：用于出现异常情况后，提出报警；

所述存储装置包括可疑视频存储模块、正常视频存储模块和问题视频存储模块中至少一种。

优选的是，所述区域划分为的等待区域、走廊区域、入口区域、出口区域和禁戒区域中至少一种。

在上述任一方案中优选的是，所述监控规则包括在监控区域内是否出现不正常情况。

在上述任一方案中优选的是，所述不正常情况包括人群的不正常聚集、不正常滞留、盗窃人员出现、网上通缉人员出现、多人同时奔跑、扭向奔跑、异常徘徊、人箱分离和闯入禁戒区域中至少一种。

在上述任一方案中优选的是，所述视频分析模块具有使用所述网络摄像头通过网络传输模块将视频发送给后台数据中心的功能。

在上述任一方案中优选的是，所述分析包括初筛选和二次筛选。

在上述任一方案中优选的是，所述初筛选是指将视频进行第一次筛选，筛选出可疑视频片段，将所述可疑视频片段存入到所述可疑视频存储模块，将其余视频片段存入所述正常视频存储模块。

在上述任一方案中优选的是，所述可疑视频片段是指出现至少一种所述不正常情况的视频片段。

在上述任一方案十优选的是，所述二次筛选是指使用活体检测方法和/或人脸识别方法对所述可疑视频片段进行分析，并将得到的问题视频发送给所述问题视频存储模块。

在上述任一方案中优选的是，所述活体检测方法包括以下步骤：

步骤01：从视频中识别人脸，记录检测到的人脸数据；

步骤02：通过大数据的深度学习选取m个重要参数作为活体判断参数；

步骤03：计算活体变化度d，并与设定的阈值进行比较。

在上述任一方案中优选的是，：所述活体变化度d的计算公式为：

其中，第n个参数变化值为δxn，参数系数为αn。

在上述任一方案中优选的是，所述阈值包括模型阈值d1、照片阈值d2和活体阈值d3。

在上述任一方案中优选的是，所述步骤03包括当所述活体变化度d大于活体阈值d3时，则该人脸为活体。

在上述任一方案中优选的是，所述人脸识别方法包括以下步骤：

步骤11：将视频中的人脸像素化，得到人脸像素点；

步骤12：通过对所述人脸像素点进行智能分析，找到所述人脸像素点每一个不规则变化的点，设为人脸关键点；

步骤13：使用大量人脸数据对每个所述人脸关键点进行比对，推算出t个关键点及其位置信息，其中t为自然数；

步骤14：设置某一所述关键点为坐标原点，根据所述关键点的相对坐标，经过机器学习与大数据比对，确立各个所述关键点的横纵坐标系数，并根据下列公式计算人脸识别中人脸对比的阈值d，公式如下：

其中，x代表关键点差异值，a代表各关键点的系数，k代表第几个关键点，n代表总共多少个关键点

在上述任一方案十优选的是，所述视频分析模块具有从所述问题视频存储模块中提取所述问题视频，并对所述问题视频进行分级的功能。

在上述任一方案中优选的是，所述报警模块具有根据所述问题视频的级别设定报警级别的功能。

在上述任一方案中优选的是，所述报警包括向后端客户端提示、通过车站广播提示、通知车站巡警和向公安机关报警中至少一种。

本发明提出了一种智能化视频监控方法和系统，采用活体检测方法和/或人脸识别方法对所述可疑视频片段进行分析，能够迅速的判断出车站是否发生突发事件或者异常事件，并作出及时有效的报警处理。

附图说明

图1为按照本发明的智能化视频监控方法的一优选实施例的流程图。

图2为按照本发明的智能化视频监控系统的一优选实施例的模块图。

图3为按照本发明的智能化视频监控方法的活体检测方法的一实施例的流程图。

图4为按照本发明的智能化视频监控方法的人脸识别方法的一实施例的流程图。

图5为按照本发明的智能化视频监控方法的另一优选实施例的流程图。

具体实施方式

下面结合附图和具体的实施例对本发明做进一步的阐述。

实施例一

如图2所示，智能化视频监控系统包括：网络摄像头200、区域划分模块210、规则设定模块220、视频分析模块230、后台数据中心240、存储装置250和报警模块260，其十，存储装置250包括正常视频存储模块251、可疑视频存储模块252和问题视频存储模块253。

网络摄像头200：用于对监控区域进行拍摄监控，并将视频发送给视频分析模块230。

区域划分模块210：用于对车站的区域进行划分，将区域划分结果发送给网络摄像头200和后台数据中心240。

规则设定模块220：用于从后台数据中心240获取区域划分结果，并根据区域划分结果设定不同的所述区域的监控规则。

视频分析模块230：用于获取监控录像并进行分析；将一次筛选后的无问题视频发送给正常视频存储模块251，将有问题的视频发送给可疑视频存储模块252；将二次筛选后的无问题视频发送给正常视频存储模块251，将有问题的视频发送给问题视频存储模块253，对有问题的视频进行分级，并将分析结果和分级结果发送给后台数据中心240。

后台数据中心240：用于接收视频分析模块230的信息，从问题视频存储模块253中提取问题视频，并将报警信息发送给报警模块260。

正常视频存储模块251：用于存储正常视频，保存周期为90天。

可疑视频存储模块252：用于存储可疑视频，保存周期为180大。

问题视频存储模块253。用于存储问题视频，保存周期为500天。

报警模块260：用于出现异常情况后，根据问题视频的分级情况发出不同等级的报警，报警方式包括向后端客户端提示、通过车站广播提示、通知车站巡警和向公安机关报警等。

如图1所示，执行步骤100，使用网络摄像头200对监控区域进行监控。执行步骤110，区域划分模块210对车站的区域进行划分，区域划分为的等待区域、走廊区域、入口区域、出口区域和禁戒区域。执行步骤120，规则设定模块220设定不同的所述区域的监控规则，监控规则包括在监控区域内是否出现不正常情况，不正常情况包括人群的不正常聚集、不正常滞留、盗窃人员出现、网上通缉人员出现、多人同时奔跑、扭向奔跑、异常徘徊、人箱分离和闯入禁戒区域等。执行步骤130，视频分析模块230获取网络摄像头200通过网络传输模块发送过来的监控录像并进行分析。视频分析模块230的分析工作包括初筛选和二次筛选。初筛选是指将视频进行第一次筛选，筛选出可疑视频片段，将所述可疑视频片段(是指出现至少一种所述不正常情况的视频片段)存入到可疑视频存储模块252，将其余视频片段存入正常视频存储模块251。二次筛选是指使用活体检测方法和/或人脸识别方法对所述可疑视频片段进行分析，并将得到的问题视频发送给问题视频存储模块253。

11.活体检测方法包括以下步骤：步骤300：从视频中识别人脸，记录检测到的人脸数据；步骤310：通过大数据的深度学习选取m个重要参数作为活体判断参数；步骤320：计算活体变化度d，并与设定的阈值进行比较。体变化度d的计算公式为：

其中，第n个参数变化值为δxn，参数系数为αn。

阈值包括模型阈值d1、照片阈值d2和活体阈值d3，

模型阈值d1＜照片阈值d2＜活体阈值d3，

1)当所述活体变化度d大于模型阈值d1小于照片阈值d2时，判定该人脸为模型；

2)当所述活体变化度d大于照片阈值d2小于活体阈值d3时，判定该人脸为照片；

3)当所述活体变化度d大于活体阈值d3时，判定该人脸为活体。

人脸识别方法包括以下步骤：步骤400：将视频中的人脸像素化，得到人脸像素点；步骤410：通过对所述人脸像素点进行智能分析，找到所述人脸像素点每一个不规则变化的点，设为人脸关键点；步骤420：使用大量人脸数据对每个所述人脸关键点进行比对，推算出t个关键点及其位置信息(其中t为自然数，在本实施例中，t＝269)；步骤430：设置某一所述关键点为坐标原点，根据所述关键点的相对坐标，经过机器学习与大数据比对，确立各个所述关键点的横纵坐标系数，并根据下列公式计算人脸识别中人脸对比的阈值d，公式如下：

其中，x代表关键点差异值，a代表各关键点的系数，k代表第几个关键点，n代表总共多少个关键点。

执行步骤140，出现异常情况后，报警模块260根据所述问题视频的级别设定报警级别，并提出报警，报警包括向后端客户端提示、通过车站广播提示、通知车站巡警和向公安机关报警等。

实施例二

如图5所示，本发明提供了一种车站智能监控系统，其中包括网路硬盘录像机，网络摄像头，客户端访问终端，视频信息管理平台，视频智能，广播接口机，旅客服务广播平台。

本实施例提供一种数据方法，所述方法包括：在车站地区进行划分。监控区域安装上网路摄像头进行对区域进行监控。网络摄像头采集模块：采用高清ipc，从而实现高清视屏采集，将视频信息通过网络传输模块，利用独立的ip地址网段，形成前端与多只监控的设备的链接。将视频资源通过ip传输网络传入nvr中。本方案中视频存储功能采用nvr存储模式对实时的视频进行分布式存储。同时，视频智能系分析模块，根据车站的实际应用，在不同的监控摄像机的场景中出现违反预定义故规则的行为，智能分析模块会对发出提示信息。信息管理模块接收来自智能分析模块的提示信息，将提示信息记录。在客户端现界面提示信息。同时异常告警模块，根据车站所设的不同异常规则所应的告警方式，连接车站广告系统，进行车站广告通告。

基于上述，所述的网络监控摄像头对区域范围进行分画，根据所需求划分为候车区域，走廊区域，监控区域。监控摄像头采用高清ipc进行高清视屏采集，同时可以满足前端多种应用场景的不同的需求，可使用不同类型，不同功能的ipc。

基于上述，所述智能分析模块实时对监测区域进行分析，该监控区域可以是不规则的任意形状。智能视频分析用于统计检测范围内人数，基于车站所定下的规则，判断是否发生人员聚集，人员奔跑，人员越界，扭向奔跑，人员越界，人脸检测，人员徘徊，人箱分离等。

其中违反规则的行为定义数值可以由车站人员进行设置：

在视频中检测人员长时间滞留并聚集，同时可以排除候车大厅中排队检票等正常行为，一旦发现人员聚集应自动提示或报警，可以设定人员聚集数量的阈值，达到阈值数量才能算作聚集；可以设置人员聚集滞后的时间，时间端的则不算聚集；系统可以自动过滤旅客排队检票，出战等正常行为，但是出现长时间滞留也算做聚集。同样也可以设置分级报警：一级，二级，三级对应不同数量人员发生聚集的情况；

在检测的区域人员行为，重点检测多人同时奔跑，一但发现人员奔跑进行提示或报警，设定人移动速度，或者奔跑人数一个或者多个，超过所设定的值系统自动提示和报警；

本发明还可以在关键区域禁戒区域，针对禁戒区域或者禁戒线的闯入者自动经行提示，报警。在月台上放设置，可以判断列车是否到达。其中禁戒区域可以设置多边形或者不规则区域。

本发明实施例还连接车站的广播系统，车站人员色设置的广播语音，当系统提示有人做出违反规定的行为，系统一方面向后端客户端提示，一方面通过车站广播播出相应的提示。

实施例三

在本实施例十，将监控区区域发分为等待区域、走廊区域、入口区域、出口区域和禁戒区域等，对于不同的区域，监控的规则是不相同的。

对于等待区域，针对以下的情况进行监控，一点出现下列情况，则进行报警：

1)人群的不正常聚集：

2)人群的不正常滞留；

3)两人以上不正常肢体行为或接触；

4)两人以上持械对峙或斗殴；

5)特殊人员(小偷、黄牛、非法揽客、通缉犯)出现；

6)多人同时奔跑(同向或异向)；

7)进入禁止进入区域。

对于走廊区域，针对以下的情况进行监控，一点出现下列情况，则进行报警：

1)人群的不正常聚集；

2)人群的不正常滞留；

3)两人以上不正常肢体行为或接触；

4)两人以上持械对峙或斗殴；

5)特殊人员(小偷、黄牛、非法揽客、通缉犯)出现；

6)多人同时奔跑(同向或异向)：

对于入口区域和出口区域，针对以下的情况进行监控，一点出现下列情况，则进行报警：

1)人群的不正常聚集；

2)人群的不正常滞留；

3)人群拥挤、不按顺序排队；

4)行李包裹未安检；

5)两人以上不正常肢体行为或接触；

6)两人以上持械对峙或斗殴；

7)特殊人员(小偷、黄牛、非法揽客、通缉犯)出现；

8)多人同时奔跑(同向或异向)：

9)异向行走。

对于禁戒区域，针对以下的情况进行监控，一点出现下列情况，则进行报警：

1)人群的不正常聚集；

2)人群的不正常滞留；

3)特殊人员(小偷、黄牛、非法揽客、通缉犯)出现；

4)未经允许闯入。

实施例四

在本实施例中，远程视频存储中心有三部分设备组成，正常视频存储器、可疑视频存储器和问题视频存储器。正常视频存储器的安全级别最低，视频内容保存时间较短通常为30天-90天，保存的内容包括视频分析模块对全部视频进行一次筛选后得到的正常视频和视频分析模块对可疑问题视频进行二次筛选后得到的正常视频。可疑视频存储器的安全级别居中，视频内容保存时间通常为90天-180天，保存的内容为视频分析模块对全部视频进行一次筛选后得到的可疑视频。问题视频存储器的安全级别最高，视频内容保存时间通常为180天-730天，保存的内容为视频分析模块对可疑问题视频进行二次筛选后得到的问题视频和视频分析模块对正常视频存储器中的正常视频进行复检和/或抽检后得到的问题视频。

例如：视频中拍摄到很多人聚集在入口处，视频分析模块对该段视频进行一次筛选，认为人员聚集可能存在问题，就把该段视频保存在可疑视频存储器中。视频分析模块对该段视频进行二次筛选，判断是人员进站排队，并没有危险存在，于是将该视频存放入正常视频存储器中。

例如：视频上拍摄到广场上有很多人聚在一起抽烟，视频分析模块对该段视频进行一次筛选，认为人员聚集可能存在问题，就把该段视频保存在可疑视频存储器中。视频分析模块对该段视频进行二次筛选，通过人脸识别方法识别出其中有几个人是黄牛，判断为黄牛聚集或黄牛揽客交易，存在问题，于是将该视频存放入问题视频存储器中，并通过报警通知车站巡警前去处理。

为了更好地理解本发明，以上结合本发明的具体实施例做了详细描述，但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改，均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。