CN120220079A 一种基于大数据的摄像头监控数据管理系统及方法

(19)国家知识产权局(10)申请公布号CN120220079A(71)申请人深圳市七星辰科技有限公司地址518000广东省深圳市宝安区航城街道三围社区宝安大道5003号水产三围工业园A栋三层(74)专利代理机构广东贝澳知识产权代理有限公司441248专利代理师李干GO6V20/52(2022.01)GO6V20/40(2022.01)(54)发明名称一种基于大数据的摄像头监控数据管理系统及方法本发明公开了一种基于大数据的摄像头监控数据管理系统及方法，涉及监控视频管理技术领域，获取某一区域的视频监控记录，对视频监控记录中的目标物体进行标记与分类，获取第一目标物体在某一区域的视频监控记录，根据第一目标物体的运动轨迹，将视频监控记录汇集为第一图像序列，计算第一图像序列中第一目标物体与第二类目标物体相遇的频率，得到第一监控区域的第一风险系数，根据第二目标物体的运动轨迹，计算第二图像序列中第二目标物体与第一类目标物体相遇的频率，得到第一监控区域的第二风险系数，根据第一类风险系数和第二类风险系21.一种基于大数据的摄像头监控数据管理方法，其特征在于：方法包括以下步骤：步骤S100:获取某一区域的视频监控记录，对视频监控记录中的目标物体进行标记与分类，将某一类目标的某一种动作设置为目标动作，通过动作识别算法，对所述某一区域中视频监控中的目标动作进行识别；步骤S200:将所述某一区域划分为若干个单位监控区域，获取目标事件的发生的单位监控区域，获取目标事件对应的第一目标物体，获取单位监控区域的视频监控记录，将从视频监控记录中的识别的另一目标记为第二目标物体，将第二目标物体对应的类别记为第二类目标；步骤S300:获取第一目标物体在所述某一区域的视频监控记录，根据第一目标物体的运动轨迹，将视频监控记录汇集为第一图像序列，计算第一图像序列中第一目标物体与第二类目标物体相遇的频率，得到第一监控区域的第一风险系数；步骤S400:获取第二目标物体在所述某一区域的视频监控记录，根据第二目标物体的运动轨迹，将视频监控记录汇集为第二图像序列，计算第二图像序列中第二目标物体与第一类目标物体相遇的频率，得到第一监控区域的第二风险系数；步骤S500:获取某一单位监控区域中发生的若干次目标动作的历史记录，根据第一类风险系数和第二类风险系数的数值大小，将所述历史记录中的历史事件进行分类，得到所述某一单位监控区域的风险事件集合，当风险事件集合中历史事件的数量超过阈值时，对所述某一单位监控区域进行风险提示。2.根据权利要求1所述的一种基于大数据的摄像头监控数据管理方法，其特征在于：步骤S100包括：步骤S101:将城市中的某一区域设置为目标区域，将目标区域划分为若干单位监控区域，每个单位监控区域设置至少对应一个监控摄像机；步骤S102:获取目标区域中所有监控摄像机的历史监控画面，对历史监控画面中运动的目标进行标记，对标记后的目标进行分类，其中，至少从历史监控画面中获取两类运动的步骤S103:获取某一类目标作为第一类目标，将第一类目标的某一动作设为目标动作，应用目标识别算法，对监控摄像机拍摄的视频中的目标动作进行识别。3.根据权利要求2所述的一种基于大数据的摄像头监控数据管理方法，其特征在于：步骤S200包括：步骤S201:将监控摄像机识别到的某一次目标动作作为目标事件，将目标事件中出现目标动作的目标作为第一目标物体，将目标事件发生的单位监控区域作为第一监控区域，将第一监控区域对应的监控摄像机记为目标摄像机；步骤S202:获取目标摄像机的监控视频，在目标事件发生前，时长为的TO的时间段中，获取与第一目标物体存在相对运动关系的目标，记为第二目标物体；步骤S203:获取第二目标物体对应目标的类别，将所述目标类别记为第二类目标。4.根据权利要求3所述的一种基于大数据的摄像头监控数据管理方法，其特征在于：步骤S300包括：步骤S301:获取第一目标物体在出现目标动作前，在目标区域中的监控视频记录，按照第一目标物体在目标区域中运动轨迹，对监控视频进行排列，得到第一图像序列VM1,其中3步骤S302:识别第一图像序列中的第二类目标，获取第一图像序列中，第二类目标物体与第一目标物体存在相对运动关系的时间长度，将所述时间长度记为t1;步骤S303:获取第一图像序列中，所有监控视频的时间长度，记为t0,计算第一监控区5.根据权利要求4所述的一种基于大数据的摄像头监控数据管理方法，其特征在于：步骤S400包括：步骤S401:获取第二目标物体在进入第一监控区域前的所有监控视频记录，按照第二目标物体在目标区域中运动轨迹，对监控视频进行排列，得到第二图像序列VM2,其中VM2:e1、e2、e3……em,e1、e2、e3……和em分别表示第二目标物体在进入第一监控区域前第1步骤S402:识别第二图像序列中的第一类目标，将视频记录中同时存在第二目标物体和第一类目标的视频记录作为目标视频记录，获取第二图像序列中目标视频记录的数量，将所述数量记为m0;6.根据权利要求5所述的一种基于大数据的摄像头监控数据管理方法，其特征在于：步骤S500包括：步骤S501:从第一监控区域的历史监控记录获取若干次目标事件，计入目标事件集合R,分别获取各次目标事件的第一图像序列和第二图像序列，计算每个第一图像序列的第一风险系数，每个第二图像序列的第二风险系数；步骤S502:设置第一判断阈值k1,将第一风险系数大于第一判断阈值的目标事件记入第一事件集合P1,将第二风险系数小于第一判断阈值的目标事件记入第二事件集合P2;设置第二判断阈值k2,将第二风险系数大于第二判断阈值的目标事件记入第三事件集合P3,将第二风险系数小于第二判断阈值的目标事件记入第四事件集合P4;步骤S503:计算第一参考集合Q1,Q1=P1∩P3,第二参考集合Q2,Q2=P2∩P4,获取Q1中目标事件的数量记为h1,获取Q2中目标事件的数量记为h2;步骤S504:当h1>h2时，将第一监控区域设为风险提示区域，对进入第一监控区域的第一类目标和第二类目标进行风险提示。7.一种基于大数据的摄像头监控数据管理系统，用于执行权利要求1-6中任意一项所述一种基于大数据的摄像头监控数据管理方法，其特征在于：系统包括：区域监控管理模区域监控管理模块用于对目标区域中的监控视频进行管理，目标识别模块用于对目标区域视频监控中的目标物体进行识别，第一风险系数计算模块用于计算第一风险系数，第二风险系数计算模块用于计算第二风险系数，风险判断模块用于判断单位监控区域是否存在风8.根据权利要求7所述的一种基于大数据的摄像头监控数据管理系统，其特征在于：区域监控管理模块包括：摄像机管理单元、历史视频管理单元和目标管理单元，其中，摄像机管理单元用于管理各个单位监控区域对应的监控摄像机，历史视频管理单元用于管4理监控摄像机采集到的历史监控视频，目标管理单元用于管理监控视频中的目标物体；目标识别模块包括：目标事件管理单元、目标物体识别单元和目标关联单元，目标事件管理单元用于识别目标动作，对目标事件进行标记，目标物体识别单元用于识别第一目标物体与第二目标物体，目标关联单元用于获取目标物体与目标分类的关联关系。9.根据权利要求7所述的一种基于大数据的摄像头监控数据管理系统，其特征在于：第一风险系数计算模块包括：第一图像序列管理单元、时间管理单元和第一风险系数计算单元，其中，第一图像序列管理单元用于管理第一图像序列，时间管理单元用于管理视频记录中的时间信息，第一风险系数计算单元用于计算第一监控区域的第一风险系数；第二风险系数计算模块包括：第二图像序列管理单元、目标视频管理单元和第二风险系数计算单元，其中，第二图像序列管理单元用于管理第二图像序列，目标视频管理单元用于管理第二图像序列中的目标视频，第二风险系数计算单元用于计算第一监控区域的第二风险系数。10.根据权利要求7所述的一种基于大数据的摄像头监控数据管理系统，其特征在于：风险判断模块包括：历史事件管理单元、事件分类单元、参考集合管理单元和风险提示单元，其中，历史事件管理单元用于获取第一监控区域的所有历史事件，事件分类单元用于根据判断阈值对历史事件进行分类，参考集合管理单元用于管理第一参考集合和第二参考集合，风险提示单元用于当历史事件的数量超过阈值时，对某一单位监控区域进行风险提示。5一种基于大数据的摄像头监控数据管理系统及方法技术领域[0001]本发明涉及监控视频管理技术领域，具体是一种基于大数据的摄像头监控数据管理系统及方法。背景技术[0002]现有技术方案中通过动作识别技术对视频中的动作进行识别，可以应用于对工业生产中的危险动作进行识别或对发生事故的动作进行监测。但是由于现有技术中对动作识别技术的应用缺乏时空关联性，因此难以对可能出现的危险行为进行预警。在实际场景中，部分危险动作并非是人物的主观意愿，存在受到外界影响后下意识的决定，因此对危险动作的预警存在很大难度。发明内容[0003]本发明的目的在于提供一种基于大数据的摄像头监控数据管理系统及方法，以解决现有技术中提出的问题。[0004]为实现上述目的，本发明提供如下技术方案：一种基于大数据的摄像头监控数据管理方法：步骤S100:获取某一区域的视频监控记录，对视频监控记录中的目标物体进行标记与分类，将某一类目标的某一种动作设置为目标动作，通过动作识别算法，对某一区域中视频监控中的目标动作进行识别；步骤S200:将某一区域划分为若干个单位监控区域，获取目标事件的发生的单位监控区域，获取目标事件对应的第一目标物体，获取单位监控区域的视频监控记录，将从视频监控记录中的识别的另一目标记为第二目标物体，将第二目标物体对应的类别记为第二类目标；步骤S300:获取第一目标物体在某一区域的视频监控记录，根据第一目标物体的运动轨迹，将视频监控记录汇集为第一图像序列，计算第一图像序列中第一目标物体与第二类目标物体相遇的频率，得到第一监控区域的第一风险系数；步骤S400:获取第二目标物体在某一区域的视频监控记录，根据第二目标物体的运动轨迹，将视频监控记录汇集为第二图像序列，计算第二图像序列中第二目标物体与第一类目标物体相遇的频率，得到第一监控区域的第二风险系数；步骤S500:获取某一单位监控区域中发生的若干次目标动作的历史记录，根据第一类风险系数和第二类风险系数的数值大小，将历史记录中的历史事件进行分类，得到某一单位监控区域的风险事件集合，当风险事件集合中历史事件的数量超过阈值时，对某一单位监控区域进行风险提示。步骤S101:将城市中的某一区域设置为目标区域，将目标区域划分为若干单位监控区域，每个单位监控区域设置至少对应一个监控摄像机；6步骤S102:获取目标区域中所有监控摄像机的历史监控画面，对历史监控画面中运动的目标进行标记，对标记后的目标进行分类，其中，至少从历史监控画面中获取两类运动的目标；步骤S103:获取某一类目标作为第一类目标，将第一类目标的某一动作设为目标动作，应用目标识别算法，对监控摄像机拍摄的视频中的目标动作进行识别。步骤S201:将监控摄像机识别到的某一次目标动作作为目标事件，将目标事件中出现目标动作的目标作为第一目标物体，将目标事件发生的单位监控区域作为第一监控区域，将第一监控区域对应的监控摄像机记为目标摄像机；步骤S202:获取目标摄像机的监控视频，在目标事件发生前，时长为的TO的时间段中，获取与第一目标物体存在相对运动关系的目标，记为第二目标物体；步骤S203:获取第二目标物体对应目标的类别，将目标类别记为第二类目标。步骤S301:获取第一目标物体在出现目标动作前，在目标区域中的监控视频记录，按照第一目标物体在目标区域中运动轨迹，对监控视频进行排列，得到第一图像序列VM1,步骤S302:识别第一图像序列中的第二类目标，获取第一图像序列中，第二类目标物体与第一目标物体存在相对运动关系的时间长度，将时间长度记为t1;步骤S303:获取第一图像序列中，所有监控视频的时间长度，记为t0,计算第一监获取第一目标物体运动轨迹的视频记录，对第一目标物体视频记录中的同时出现第一目标物体和第二类目标的视频片段进行提取，获取视频片段的时间长度；在第一图像序列中，第一目标物体遇到的第二类目标物体越多时，说明第二类目标物体自身影响第一目标物体做出目标动作的可能性较小，由于在第一监控区域中，第一目标物体已经发生了目标动作，那么存在由于第一监控区域的影响，第一目标物体更易出现目标动作；因此当第一风险系数越大时，第一监控区域对出现目标动作的可能性越高。步骤S401:获取第二目标物体在进入第一监控区域前的所有监控视频记录，按照第二目标物体在目标区域中运动轨迹，对监控视频进行排列，得到第二图像序列VM2,其中VM2:el、e2、e3……em,e1、e2、e3、……和em分别表示第二目标物体在进入第一步骤S402:识别第二图像序列中的第一类目标，将视频记录中同时存在第二目标物体和第一类目标的视频记录作为目标视频记录，获取第二图像序列中目标视频记录的数获取第二目标物体运动轨迹的视频记录，对第二目标物体视频记录中的同时出现第二目标物体和第一类目标的视频片段进行提取，获取视频片段中第二类目标物体与第一7类目标的相遇次数，其中，视频片段中存在同时出现第二类目标物体与第一类目标同时出现的画面时，将该视频片段记为一条目标视频记录，通过统计第二图像序列中，目标视频记录的数量，得到第二目标物体和第一类目标之间的相遇次数，也即产生相遇关系的单位监控区域；在第二图像序列中，第二目标物体遇到的第一类目标物体越多时，说明第二类目标物体自身影响第一目标物体做出目标动作的可能性较小，由于在第一监控区域中，第一目标物体已经发生了目标动作，那么存在由于第一监控区域的影响，第一目标物体更易出现目标动作；因此当第二风险系数越大时，第一监控区域对出现目标动作的可能性越高。步骤S501:从第一监控区域的历史监控记录获取若干次目标事件，计入目标事件集合R,分别获取各次目标事件的第一图像序列和第二图像序列，计算每个第一图像序列的第一风险系数，每个第二图像序列的第二风险系数；步骤S502:设置第一判断阈值k1,将第一风险系数大于第一判断阈值的目标事件记入第一事件集合P1,将第二风险系数小于第一判断阈值的目标事件记入第二事件集合设置第二判断阈值k2,将第二风险系数大于第二判断阈值的目标事件记入第三事件集合P3,将第二风险系数小于第二判断阈值的目标事件记入第四事件集合P4;步骤S503:计算第一参考集合Q1,Q1=P10P3,第二参考集合Q2,Q2=P2∩P4,获取Q1中目标事件的数量记为h1,获取Q2中目标事件的数量记为h2;步骤S504:当h1>h2时，将第一监控区域设为风险提示区域，对进入第一监控区域的第一类目标和第二类目标进行风险提示；通过两次筛，对第一监控区域的历史事件进行评估，通过对两个事件序列的相互印证，以提高对第一监控区域中风险的评估正确性。[0010]为了更好地实现上述方法，还提出一种基于大数据的摄像头监控数据管理系统，系统包括：区域监控管理模块、目标识别模块、第一风险系数计算模块、第二风险系数计算模块和风险判断模块，其中，区域监控管理模块用于对目标区域中的监控视频进行管理，目标识别模块用于对目标区域视频监控中的目标物体进行识别，第一风险系数计算模块用于计算第一风险系数，第二风险系数计算模块用于计算第二风险系数，风险判断模块用于判断单位监控区域是否存在风险；进一步的，区域监控管理模块包括：摄像机管理单元、历史视频管理单元和目标管理单元，其中，摄像机管理单元用于管理各个单位监控区域对应的监控摄像机，历史视频管理单元用于管理监控摄像机采集到的历史监控视频，目标管理单元用于管理监控视频中的进一步的，目标识别模块包括：目标事件管理单元、目标物体识别单元和目标关联单元，目标事件管理单元用于识别目标动作，对目标事件进行标记，目标物体识别单元用于识别第一目标物体与第二目标物体，目标关联单元用于获取目标物体与目标分类的关联关8进一步的，第一风险系数计算模块包括：第一图像序列管理单元、时间管理单元和第一风险系数计算单元，其中，第一图像序列管理单元用于管理第一图像序列，时间管理单元用于管理视频记录中的时间信息，第一风险系数计算单元用于计算第一监控区域的第一风险系数；进一步的，第二风险系数计算模块包括：第二图像序列管理单元、目标视频管理单元和第二风险系数计算单元，其中，第二图像序列管理单元用于管理第二图像序列，目标视频管理单元用于管理第二图像序列中的目标视频，第二风险系数计算单元用于计算第一监控区域的第二风险系数；进一步的，风险判断模块包括：历史事件管理单元、事件分类单元、参考集合管理单元和风险提示单元，其中，历史事件管理单元用于获取第一监控区域的所有历史事件，事件分类单元用于根据判断阈值对历史事件进行分类，参考集合管理单元用于管理第一参考集合和第二参考集合，风险提示单元用于当历史事件的数量超过阈值时，对某一单位监控区域进行风险提示。[0011]与现有技术相比，本发明的有益效果是：当目标事件发生时，通过采集路径或轨迹信息，得到两条包含空时关系的数据序列，通过对数据序列的分析，得到对单位区域对产生影响目标动作的判断依据。采集历史记录中目标事件产生的记录，通过相互印证的方式提高对判断的准确性。附图说明[0012]图1为本发明一种基于大数据的摄像头监控数据管理系统的结构示意图；图2为本发明一种基于大数据的摄像头监控数据管理方法的流程示意图。具体实施方式[0013]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。[0014]实施例：如图1和图2所示，本发明提供一种技术方案，一种基于大数据的摄像头监控数据管理方法：步骤S100:获取某一区域的视频监控记录，对视频监控记录中的目标物体进行标记与分类，将某一类目标的某一种动作设置为目标动作，通过动作识别算法，对某一区域中视频监控中的目标动作进行识别；步骤S101:将城市中的某一区域设置为目标区域，将目标区域划分为若干单位监控区域，每个单位监控区域设置至少对应一个监控摄像机；步骤S102:获取目标区域中所有监控摄像机的历史监控画面，对历史监控画面中运动的目标进行标记，对标记后的目标进行分类，其中，至少从历史监控画面中获取两类运动的目标；步骤S103:获取某一类目标作为第一类目标，将第一类目标的某一动作设为目标动作，应用目标识别算法，对监控摄像机拍摄的视频中的目标动作进行识别；实施例中，目标动作例如，第一类目标为人体，第一目标物体为某个人，将人体摔9倒作为目标动作；当第一类目标为车辆，将车辆侧翻或急刹或突然加速作为目标动作。[0015]步骤S200:将某一区域划分为若干个单位监控区域，获取目标事件的发生的单位监控区域，获取目标事件对应的第一目标物体，获取单位监控区域的视频监控记录，将从视频监控记录中的识别的另一目标记为第二目标物体，将第二目标物体对应的类别记为第二类目标；步骤S201:将监控摄像机识别到的某一次目标动作作为目标事件，将目标事件中出现目标动作的目标作为第一目标物体，将目标事件发生的单位监控区域作为第一监控区域，将第一监控区域对应的监控摄像机记为目标摄像机；步骤S202:获取目标摄像机的监控视频，在目标事件发生前，时长为的TO的时间段中，获取与第一目标物体存在相对运动关系的目标，记为第二目标物体；步骤S203:获取第二目标物体对应目标的类别，将目标类别记为第二类目标。[0016]步骤S300:获取第一目标物体在某一区域的视频监控记录，根据第一目标物体的运动轨迹，将视频监控记录汇集为第一图像序列，计算第一图像序列中第一目标物体与第二类目标物体相遇的频率，得到第一监控区域的第一风险系数；步骤S301:获取第一目标物体在出现目标动作前，在目标区域中的监控视频记录，按照第一目标物体在目标区域中运动轨迹，对监控视频进行排列，得到第一图像序列VM1,步骤S302:识别第一图像序列中的第二类目标，获取第一图像序列中，第二类目标物体与第一目标物体存在相对运动关系的时间长度，将时间长度记为t1;步骤S303:获取第一图像序列中，所有监控视频的时间长度，记为t0,计算第一监[0017]步骤S400:获取第二目标物体在某一区域的视频监控记录，根据第二目标物体的运动轨迹，将视频监控记录汇集为第二图像序列，计算第二图像序列中第二目标物体与第一类目标物体相遇的频率，得到第一监控区域的第二风险系数；步骤S401:获取第二目标物体在进入第一监控区域前的所有监控视频记录，按照第二目标物体在目标区域中运动轨迹，对监控视频进行排列，得到第二图像序列VM2,其中VM2:e1、e2、e3……em,e1、e2、e3、……和em分别表示第步骤S402:识别第二图像序列中的第一类目标，将视频记录中同时存在第二目标物体和第一类目标的视频记录作为目标视频记录，获取第二图像序列中目标视频记录的数[0018]步骤S500:获取某一单位监控区域中发生的若干次目标动作的历史记录，根据第一类风险系数和第二类风险系数的数值大小，将历史记录中的历史事件进行分类，得到某一单位监控区域的风险事件集合，当风险事件集合中历史事件的数量超过阈值时，对某一单位监控区域进行风险提示；步骤S501:从第一监控区域的历史监控记录获取若干次目标事件，计入目标事件集合R,分别获取各次目标事件的第一图像序列和第二图像序列，计算每个第一图像序列的第一风险系数，每个第二图像序列的第二风险系数；步骤S502:设置第一判断阈值k1,将第一风险系数大于第一判断阈值的目标事件记入第一事件集合P1,将第二风险系数小于第一判断阈值的目标事件记入第二事件集合设置第二判断阈值k2,将第二风险系数大于第二判断阈值的目标事件记入第三事件集合P3,将第二风险系数小于第二判断阈值的目标事件记入第四事件集合P4;步骤S503:计算第一参考集合Q1,Q1=P1∩P3,第二参考集合Q2,Q2=P2∩P4,获取Q1中目标事件的数量记为h1,获取Q2中目标事件的数量记为h2;步骤S504:当h1>h2时，将第一监控区域设为风险提示区域，对进入第一监控区域的第一类目标和第二类目标进行风险提示。[0019]系统包括：区域监控管理模块、目标识别模块、第一风险系数计系数计算模块和风险判断模块；其中，区域监控管理模块用于对目标区域中的监控视频进行管理，其中，区域监控管理模块包括：摄像机管理单元、历史视频管理单元和目标管理单元，其中，摄像机管理单元用于管理各个单位监控区域对应的监控摄像机，历史视频管理单元用于管理监控摄像机采集到的历史监控视频，目标管理单元用于管理监控视频中的目标物体；其中，目标识别模块用于对目标区域视频监控中的目标物体进行识别，其中，目标识别模块包括：目标事件管理单元、目标物体识别单元和目标关联单元，目标事件管理单元用于识别目标动作，对目标事件进行标记，目标物体识别单元用于识别第一目标物体与第二目标物体，目标关联单元用于获取目标物体与目标分类的关联关系；其中，第一风险系数计算模块用于计算第一风险系数，其中，第一风险系数计算模块包括：第一图像序列管理单元、时间管理单元和第一风险系数计算单元，其中，第一图像序列管理单元用于管理第一图像序列，时间管理单元用于管理视频记录中的时间信息，第一风险系数计算单元用于计算第一监控区域的