本發(fā)明涉及安全監(jiān)控，具體涉及一種用于智慧樓宇的安全性視頻監(jiān)控方法及裝置、計算設(shè)備。

背景技術(shù)：

1、在當(dāng)前的智慧城市建設(shè)中，用于智慧樓宇的安全性視頻監(jiān)控系統(tǒng)日益受到重視。傳統(tǒng)的樓宇安全性視頻監(jiān)控方法主要依賴于人工監(jiān)控和簡單的視頻錄制回放機(jī)制，雖然在一定程度上提高了樓宇的安全管理水平，但仍存在諸多不足：

2、例如，監(jiān)控盲區(qū)多，傳統(tǒng)監(jiān)控系統(tǒng)往往只在樓宇的主要出入口、走廊等少數(shù)區(qū)域部署攝像頭，無法全面覆蓋樓宇內(nèi)的所有潛在風(fēng)險點(diǎn)。反應(yīng)速度慢，人工監(jiān)控需要安保人員時刻盯著屏幕，不僅勞動強(qiáng)度大，而且容易因為疲勞或疏忽導(dǎo)致對突發(fā)事件的反應(yīng)不及時。即便通過回放視頻查找線索，也往往需要較長時間，無法迅速應(yīng)對緊急情況。智能化程度低，無法自動識別和分析視頻中的異常行為，即使監(jiān)控到了異常畫面，也需要人工判斷，效率低下且容易出錯。

3、為解決上述問題，本發(fā)明利用視頻流光流分析模型實(shí)時檢測異常行為，以實(shí)現(xiàn)對樓宇安全監(jiān)控的快速響應(yīng)。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述問題，本發(fā)明提供一種用于智慧樓宇的安全性視頻監(jiān)控方法及裝置、計算設(shè)備。

2、根據(jù)本發(fā)明的一個方面，提供了一種用于智慧樓宇的安全性視頻監(jiān)控方法，包括：

3、在智慧樓宇的關(guān)鍵區(qū)域部署多個攝像頭，并將所述攝像頭連接至中央監(jiān)控中心；所述關(guān)鍵區(qū)域包括各個路口、各樓單元門、各層樓梯口、各層窗口與窗臺、垃圾箱區(qū)域、中心廣場、停車位、電梯間以及走廊；

4、對各個攝像頭最近預(yù)設(shè)時長的視頻流信息進(jìn)行初步分析，得到多個第一視頻流信息；

5、根據(jù)視頻流光流分析模型對所述多個第一視頻流信息進(jìn)行分析，得到所述各個第一視頻流信息的異常行為；其中，所述視頻流光流分析模型包括光流計算模塊、特征提取模塊以及異常行為分析模塊；

6、通過監(jiān)控中心屏幕對所述異常行為進(jìn)行實(shí)時告警，并自動推送至安保人員的手持監(jiān)控設(shè)備。

7、在一種可選的方式中，所述光流計算模塊，用于計算視頻中每個像素在連續(xù)幀之間的運(yùn)動矢量；通過比較相鄰幀之間的像素強(qiáng)度估計運(yùn)動得到運(yùn)動場信息；

8、所述特征提取模塊，用于從所述運(yùn)動場信息中提取描述運(yùn)動特征的運(yùn)動特征信息；所述運(yùn)動特征信息包括運(yùn)動速度、方向以及加速度；通過所述運(yùn)動特征信息優(yōu)化所提取的目標(biāo)輪廓與形狀特征；

9、所述異常行為分析模塊，用于將所述目標(biāo)輪廓與形狀特征與正常行為模型的特征進(jìn)行比較，如果所述目標(biāo)輪廓與形狀特征超出正常行為的特征空間或設(shè)定閾值范圍，則判定為異常行為。

10、在一種可選的方式中，所述異常行為包括電動車與電池進(jìn)樓、高空拋物、人員聚集、跌倒、聲音擾民、燃爆物品及火情、大型犬未系繩以及隨意停車。

11、在一種可選的方式中，所述計算視頻中每個像素在連續(xù)幀之間的運(yùn)動矢量進(jìn)一步包括：

12、將所述視頻的視頻幀轉(zhuǎn)換為灰度圖像，選擇小球中心像素作為跟蹤對象；其中，所述小球中心像素通過顏色分割算法得到；

13、在所述小球中心像素周圍定義預(yù)設(shè)大小窗口，通過最小化所述窗口內(nèi)像素灰度值變化的平方和求解光流方程，得到所述小球中心像素的運(yùn)動矢量，其中，所述窗口內(nèi)的像素具有相似的光流。

14、在一種可選的方式中，所述光流方程的表達(dá)式為：

15、

16、其中，w為預(yù)設(shè)大小窗口；δt為兩幀圖像之間的時間間隔；為小球中心像素在x和y方向上的運(yùn)動矢量分量；(x',y')為預(yù)設(shè)大小窗口內(nèi)的一個像素位置；i為圖像強(qiáng)度函數(shù)；i(x',y',t)為在位置(x',y')和時間t處的圖像強(qiáng)度。

17、在一種可選的方式中，所述小球中心像素的運(yùn)動矢量為：

18、

19、其中，a＝∑(x',y')∈w[ix'(x',y',t)iy'(x',y',t)]t[ix'(x',y',t)iy'(x',y',t)]，用于衡量窗口內(nèi)像素的梯度分布；b為窗口內(nèi)所有像素的時間梯度與空間梯度的乘積之和；ix',iy',it分別為圖像強(qiáng)度函數(shù)對x',y',t的偏導(dǎo)數(shù)。

20、在一種可選的方式中，所述通過所述運(yùn)動特征信息優(yōu)化所提取的目標(biāo)輪廓與形狀特征進(jìn)一步包括：

21、根據(jù)運(yùn)動速度和方向?qū)δ繕?biāo)輪廓與形狀特征的輪廓點(diǎn)進(jìn)行加權(quán)處理；

22、其中，所述輪廓點(diǎn)的加權(quán)計算公式為：

23、

24、其中，pi為原始輪廓中的第i個點(diǎn)；p'i為速度加權(quán)之后的第i個點(diǎn)；wv為速度的權(quán)重因子；v為目標(biāo)的運(yùn)動速度；δi＝projd(pi-pt)，δi為第i個輪廓點(diǎn)沿運(yùn)動方向d的投影偏移量，pt為當(dāng)前幀目標(biāo)的中心位置，projd為沿著方向d的投影函數(shù)；max(δ)為所有δi中的最大值；

25、所述輪廓點(diǎn)方向的加權(quán)計算公式為：

26、p”i＝p’i+wd.δi

27、其中，p”i為方向加權(quán)之后的第i個點(diǎn)；wd為方向的權(quán)重因子；d為目標(biāo)的運(yùn)動方向。

28、在一種可選的方式中，所述將所述目標(biāo)輪廓與形狀特征與正常行為模型的特征進(jìn)行比較進(jìn)一步包括：

29、通過歐氏距離比較目標(biāo)輪廓與形狀特征和正常行為模型之間的差異；其中，所述目標(biāo)物體的輪廓和形狀特征包括輪廓點(diǎn)的位置、形狀的長寬比、圓形度以及曲率分布；所述正常行為模型包括正常行為的輪廓與形狀特征的標(biāo)準(zhǔn)偏差；

30、如果所述目標(biāo)輪廓與形狀特征與正常行為模型之間的差異超出預(yù)設(shè)閾值，則判定為異常行為。

31、根據(jù)本發(fā)明的另一方面，提供了一種用于智慧樓宇的安全性視頻監(jiān)控裝置，包括：

32、部署模塊，用于在智慧樓宇的關(guān)鍵區(qū)域部署多個攝像頭，并將所述攝像頭連接至中央監(jiān)控中心；所述關(guān)鍵區(qū)域包括各個路口、各樓單元門、各層樓梯口、各層窗口與窗臺、垃圾箱區(qū)域、中心廣場、停車位、電梯間以及走廊；

33、初步分析模塊，用于對各個攝像頭最近預(yù)設(shè)時長的視頻流信息進(jìn)行初步分析，得到多個第一視頻流信息；

34、光流異常檢測模塊，用于根據(jù)視頻流光流分析模型對所述多個第一視頻流信息進(jìn)行分析，得到所述各個第一視頻流信息的異常行為；其中，所述視頻流光流分析模型包括光流計算模塊、特征提取模塊以及異常行為分析模塊；

35、告警模塊，用于通過監(jiān)控中心屏幕對所述異常行為進(jìn)行實(shí)時告警，并自動推送至安保人員的手持監(jiān)控設(shè)備。

36、根據(jù)本發(fā)明的又一方面，提供了一種計算設(shè)備，包括：處理器、存儲器、通信接口和通信總線，所述處理器、所述存儲器和所述通信接口通過所述通信總線完成相互間的通信。

37、根據(jù)本發(fā)明提供的方案，在智慧樓宇的關(guān)鍵區(qū)域部署多個攝像頭，并將所述攝像頭連接至中央監(jiān)控中心；所述關(guān)鍵區(qū)域包括各個路口、各樓單元門、各層樓梯口、各層窗口與窗臺、垃圾箱區(qū)域、中心廣場、停車位、電梯間以及走廊；對各個攝像頭最近預(yù)設(shè)時長的視頻流信息進(jìn)行初步分析，得到多個第一視頻流信息；根據(jù)視頻流光流分析模型對所述多個第一視頻流信息進(jìn)行分析，得到所述各個第一視頻流信息的異常行為；其中，所述視頻流光流分析模型包括光流計算模塊、特征提取模塊以及異常行為分析模塊；通過監(jiān)控中心屏幕對所述異常行為進(jìn)行實(shí)時告警，并自動推送至安保人員的手持監(jiān)控設(shè)備。本發(fā)明利用視頻流光流分析模型實(shí)時檢測異常行為，實(shí)現(xiàn)對樓宇安全監(jiān)控的快速響應(yīng)，同時減輕了人工監(jiān)控的壓力，有效防止安全事故的發(fā)生。

38、上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。