一种视频监控异常行为智能检查方法及系统

本发明涉及视频监控，具体为一种视频监控异常行为智能检查方法及系统。

背景技术：

1、视频监控技术是一项集光学、电子、计算机和通信技术于一体的综合性技术，通过对特定区域或目标进行实时或录像监控，实现安全管理和信息获取；

2、现有技术中，通过埋点监测技术，实现监控区域的安全状况数据的采集，埋点可以设置在各个关键节点，包括摄像头、传感器、门禁系统等，并通过灵活调整埋点的位置和数量，以适应不同场景下的监控要求，然而埋点技术依然需要人工参与，并对视频监控的异常行为进行检查，同时，对于多来源的埋点监测视频，需要检查的视频文件数量极大，浪费人力，检查方式缺乏智能化。

技术实现思路

1、本发明的目的在于提供一种视频监控异常行为智能检查方法及系统，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：

3、一种视频监控异常行为智能检查系统，本系统包括：视频数据产生模块、数据特征处理模块、埋点模型分析模块和异常检测模块；

4、所述视频数据产生模块，基于摄像机的旋转角度，构成动态全景监控异常画框；基于摄像机在区域路线网中的位置，梳理出区域流动路径，并生成静态路径集；

5、所述数据特征处理模块，用于定期初始化时间计时器，并同步收集各个摄像机循环记录的动态全景监控异常画框，生成动态视频流集；获取每一个动态全景监控异常画框对应消耗的动态时长，并按照时间由前到后的顺序，读取动态时长在时间计时器中占用的时间片段；

6、所述埋点模型分析模块，基于时间片段，构建第一埋点分析模型，并计算摄像机的第一埋点集中度；基于静态路径集，构建第二埋点分析模型，计算摄像机的第二埋点集中度；

7、所述异常检测模块，基于第一埋点分析模型和第二埋点分析模型，计算摄像机的埋点监控行为的异常度，并发送至工作人员。

8、进一步的，所述视频数据产生模块包括动态视频数据采集单元和静态路径数据采集单元；

9、所述动态视频数据采集单元，用于编制动态全景监控异常画框档案库，所述动态全景监控异常画框为单个摄像机在零角度位置和最大旋转角度位置之间往返旋转一次记录的完整角度的拍摄画面范围，所述动态全景监控异常画框档案库中存储g个摄像机对应记录的动态全景监控异常画框，所述摄像机分别安装在区域路线网中的各条路线上；

10、所述静态路径数据采集单元，用于对摄像机进行编码，并基于区域路线网，将一个摄像机作为区域路线网中的一个路线节点，并基于区域路线网的结构，梳理得到k条区域流动路径，生成静态路径集，记为，其中，表示第v条区域流动路径对应生成的静态路径集，表示第i个摄像机对应的路线节点，表示第v条区域流动路径中包含的路线节点的总数量，且。

11、进一步的，所述数据特征处理模块包括动态视频流特征单元和动态时长特征单元；

12、所述动态视频流特征单元，用于获取第n次定期初始化时间计时器生成的动态视频流集，记为，其中，表示第i个摄像机循环记录形成的动态视频流集，表示第i个摄像机在第a个步次时生成的动态全景监控异常画框，a表示步次号，a表示总步次；

13、所述动态时长特征单元，用于获取动态全景监控异常画框对应消耗的动态时长，记为，所述动态时长为单个摄像机在零角度位置和最大旋转角度位置之间往返旋转一次消耗的时长，读取动态时长在时间计时器中占用的时间片段，记为。

14、进一步的，所述埋点模型分析模块包括第一埋点模型单元和第二埋点模型单元；

15、所述第一埋点模型单元，用于计算第i个摄像机的第一埋点集中度，具体计算公式如下：

16、；

17、其中，表示第i个摄像机的第一埋点集中度，，，表示时间片段与时间片段之间重合的时长，表示动态全景监控异常画框对应消耗的动态时长，i≠j；当时间片段与时间片段之间不存在重合时，令；

18、所述第二埋点模型单元，用于计算第i个摄像机的第二埋点集中度，具体计算公式如下：

19、；

20、其中，表示第i个摄像机的第二埋点集中度，若，则令，否则令。

21、进一步的，所述异常检测模块包括异常分析单元和异常推送单元；

22、所述异常分析单元，用于计算第i个摄像机的埋点监控行为的异常度，具体计算公式如下：

23、；

24、；

25、其中，表示在当前第n个定期初始化时间计时器时，第i个摄像机的埋点监控行为的异常度，表示在第n次定期初始化时间计数器时，第i个摄像机的埋点检查度；

26、所述异常推送单元，用于在当前第n个定期初始化时间计时器时，输出每一个摄像机的埋点监控行为的异常度，并发送至工作人员。

27、一种视频监控异常行为智能检查方法，本方法包括以下步骤：

28、步骤s100：基于摄像机的旋转角度，构成动态全景监控异常画框；基于摄像机在区域路线网中的位置，梳理出区域流动路径，并生成静态路径集；

29、步骤s200：定期初始化时间计时器，并同步收集各个摄像机循环记录的动态全景监控异常画框，生成动态视频流集；获取每一个动态全景监控异常画框对应消耗的动态时长，并按照时间由前到后的顺序，读取动态时长在时间计时器中占用的时间片段；

30、步骤s300：基于时间片段，构建第一埋点分析模型，并计算摄像机的第一埋点集中度；基于静态路径集，构建第二埋点分析模型，计算摄像机的第二埋点集中度；

31、步骤s400：基于第一埋点分析模型和第二埋点分析模型，计算摄像机的埋点监控行为的异常度，并发送至工作人员。

32、进一步的，所述步骤s100的具体实施过程包括：

33、步骤s101：编制动态全景监控异常画框档案库，所述动态全景监控异常画框为单个摄像机在零角度位置和最大旋转角度位置之间往返旋转一次记录的完整角度的拍摄画面范围，所述动态全景监控异常画框档案库中存储g个摄像机对应记录的动态全景监控异常画框，所述摄像机分别安装在区域路线网中的各条路线上；

34、步骤s102：对摄像机进行编码，并基于区域路线网，将一个摄像机作为区域路线网中的一个路线节点，并基于区域路线网的结构，梳理得到k条区域流动路径，生成静态路径集，记为，其中，表示第v条区域流动路径对应生成的静态路径集，表示第i个摄像机对应的路线节点，表示第v条区域流动路径中包含的路线节点的总数量，且。

35、进一步的，所述步骤s200的具体实施过程包括：

36、步骤s201：将第n次定期初始化时间计时器生成的动态视频流集记为，其中，表示第i个摄像机循环记录形成的动态视频流集，表示第i个摄像机在第a个步次时生成的动态全景监控异常画框，a表示步次号，a表示总步次；

37、步骤s202：获取动态全景监控异常画框对应消耗的动态时长，记为，所述动态时长为单个摄像机在零角度位置和最大旋转角度位置之间往返旋转一次消耗的时长，读取动态时长在时间计时器中占用的时间片段，记为。

38、进一步的，所述步骤s300的具体实施过程包括：

39、步骤s301：计算第i个摄像机的第一埋点集中度，具体计算公式如下：

40、；

41、其中，表示第i个摄像机的第一埋点集中度，，，表示时间片段与时间片段之间重合的时长，表示动态全景监控异常画框对应消耗的动态时长，i≠j；当时间片段与时间片段之间不存在重合时，令；

42、根据上述方法，第一埋点的分析，是基于监测点的动态画面持续时长来量化数据的，当画面中存在异常状态时，摄像机会持续跟踪异常状态，从而使得原本的按照设定的巡防行为被打乱，原本设定的巡防行为是无异常状态下，摄像机在零角度位置和最大旋转角度位置之间往返旋转一次记录的完整角度的拍摄画面范围，是无异常状态下的固定巡防时长；当区域内每个摄像机的巡防行为被设定好后，则摄像机之间能够建立整体的联动监测巡防关系行为，某一个摄像机检测到异常状态时，该摄像机会发生动态的跟踪行为，继而产生动态时长，从而打破原本的联动监测巡防关系行为，该关系行为能够反应区域内的联动安防效果，对于每个摄像机来说，则体现在该摄像机的第一埋点集中度，第一埋点集中度越大，表示该摄像机对区域内的联动安防效果越好，越容易反映出区域内的异常程度；

43、步骤s302：计算第i个摄像机的第二埋点集中度，具体计算公式如下：

44、；

45、其中，表示第i个摄像机的第二埋点集中度，若，则令，否则令。

46、根据上述方法，第二埋点的分析，是基于监测点在巡防路径上的静态监测点位的属性来量化数据的，区域内存在多个固定路线，通过摄像机来作为路线节点，串联这些摄像机，形成区域流动路径，区域流动路径不同于区域内固定的路线，且区域流动路径的数量大于等于区域内固定的路线，一个摄像机可能存在于多个区域流动路径中，进而摄像机的第二埋点集中度，能够反应摄像机对于整体的联动监测巡防关系行为的重要度，该摄像机的第二埋点集中度越大，则表示该摄像机对于在巡防路径上的静态监测点位来说，越重要。

47、进一步的，所述步骤s400的具体实施过程包括：

48、步骤s401：计算第i个摄像机的埋点监控行为的异常度，具体计算公式如下：

49、；

50、；

51、其中，表示在当前第n个定期初始化时间计时器时，第i个摄像机的埋点监控行为的异常度，表示在第n次定期初始化时间计数器时，第i个摄像机的埋点检查度；

52、步骤s402：在当前第n个定期初始化时间计时器时，输出每一个摄像机的埋点监控行为的异常度，并发送至工作人员；

53、根据上述方法，在整体的联动监测巡防关系行为中，本发明试图通过摄像机的埋点监控行为的异常度，来定期量化该摄像机的异常监测规律，将动态跟踪监测的行为，和静态监测点位的属性相结合，实现常态化的智能检查，如果该摄像机的埋点监控行为的异常度越大，则表示该埋点行为在整体的联动监测巡防关系行为中，采集到的视频数据越重要，进而将该摄像机的视频数据直接发送给工作人员端口，并进行优先检查处理。

54、与现有技术相比，本发明所达到的有益效果是：本发明提供的一种视频监控异常行为智能检查方法及系统中，基于摄像机的旋转角度，构成动态全景监控异常画框，基于摄像机在区域路线网中的位置，梳理出区域流动路径；定期初始化时间计时器，同步收集摄像机循环记录的动态全景监控异常画框及其消耗的动态时长，读取动态时长在时间计时器中占用的时间片段；基于时间片段和区域流动路径，分别构建第一埋点分析模型和第二埋点分析模型，并计算摄像机的第一埋点集中度和第二埋点集中度，以及埋点监控行为的异常度；进而，能够将动态跟踪监测的行为和静态监测点位的属性相结合，实现常态化的智能检查，试图通过摄像机的埋点监控行为的异常度，来定期量化摄像机的异常监测规律。