基于集群軌跡分類的集群場(chǎng)景智能監(jiān)控方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及計(jì)算機(jī)視覺(jué)領(lǐng)域，是一種基于跟蹤算法和主題模型，通過(guò)對(duì)監(jiān)控設(shè)備 拍錄的監(jiān)控視頻的圖像序列進(jìn)行自動(dòng)分析，對(duì)動(dòng)態(tài)場(chǎng)景中的目標(biāo)進(jìn)行定位、識(shí)別和跟蹤，并 在此基礎(chǔ)上分析和判斷目標(biāo)的行為，從而做到能夠進(jìn)行日常管理，又能預(yù)測(cè)異常行為，并且 及時(shí)對(duì)異常行為進(jìn)行報(bào)警W及應(yīng)急處理。與傳統(tǒng)智能監(jiān)控系統(tǒng)相比，本發(fā)明能夠應(yīng)用于各 種場(chǎng)景，尤其是集群場(chǎng)景，具有智能化強(qiáng)，應(yīng)用廣的優(yōu)勢(shì)。
【背景技術(shù)】
[0002] 隨著社會(huì)的發(fā)展，各類恐怖襲擊和危險(xiǎn)暴力犯罪越來(lái)越嚴(yán)重的威脅國(guó)民的生命財(cái) 產(chǎn)安全，有效地打擊各類犯罪和有效的預(yù)防制止恐怖襲擊是各個(gè)國(guó)家關(guān)注的核屯、問(wèn)題。針 對(duì)該一核屯、關(guān)注問(wèn)題，監(jiān)控視頻可W有效的記錄犯罪和恐怖襲擊現(xiàn)場(chǎng)，為相關(guān)部分預(yù)防預(yù) 警W及事后的調(diào)查取證工作，提供有效的視頻數(shù)據(jù)和線索。
[0003] 針對(duì)監(jiān)控視頻的智能化處理有=個(gè)關(guān)鍵的問(wèn)題；（1)監(jiān)控視頻作為大數(shù)據(jù)的一個(gè) 典型代表，及時(shí)有效的傳輸極為重要，及時(shí)是指低延遲的使得觀察者所見(jiàn)即所得，有效的傳 輸指的是視頻在不丟失視頻帖和保持高分辨率的情況下，仍然可W實(shí)現(xiàn)高效傳輸（2)來(lái)自 監(jiān)控的網(wǎng)絡(luò)的多個(gè)視頻監(jiān)控設(shè)備的數(shù)據(jù)往往需要保存數(shù)日，甚至數(shù)月，對(duì)于存儲(chǔ)介質(zhì)和壓 縮技術(shù)來(lái)說(shuō)都是一個(gè)不小的挑戰(zhàn)，同時(shí)，有效的存儲(chǔ)方案和壓縮技術(shù)使得監(jiān)控系統(tǒng)的成本 大幅下降（3)經(jīng)過(guò)傳輸和存儲(chǔ)，真正產(chǎn)生價(jià)值的是智能視頻監(jiān)控系統(tǒng)最核屯、的部分一一數(shù) 據(jù)的智能分析，該里的智能，主要就是指對(duì)視頻場(chǎng)景W及場(chǎng)景中目標(biāo)的行為進(jìn)行數(shù)學(xué)建模， 根據(jù)目標(biāo)的靜態(tài)信息（外形、穿著）和動(dòng)態(tài)信息（軌跡、步態(tài)、動(dòng)作）進(jìn)行行為識(shí)別，可自動(dòng) 捕獲異常行為，對(duì)于集群場(chǎng)景來(lái)說(shuō)，智能分析還包括了有效的檢查和分析集群的運(yùn)動(dòng)模式， 同時(shí)自動(dòng)分析集群內(nèi)部個(gè)體之間的交互行為。
[0004]目前，隨著網(wǎng)絡(luò)技術(shù)的推進(jìn)，監(jiān)控視頻的傳輸和保存都得到了大幅度的改進(jìn)，但 是，由于對(duì)于監(jiān)控視頻的智能分析沒(méi)有得到有效地解決，造成了只能監(jiān)控系統(tǒng)的發(fā)展瓶頸。
[0005] 另一方面，近些年隨著計(jì)算機(jī)的普及和計(jì)算機(jī)視覺(jué)大發(fā)展，計(jì)算機(jī)是各行各業(yè)必 不可少的工具。本發(fā)明所需要的硬件設(shè)備僅僅是一臺(tái)計(jì)算機(jī)和一個(gè)攝像監(jiān)控設(shè)備，使用者 無(wú)需增添任何設(shè)備，大大增強(qiáng)了系統(tǒng)使用的便利性。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明目的在于提出一個(gè)基于集群軌跡分類的集群場(chǎng)景智能監(jiān)控方法及系統(tǒng)，由 計(jì)算機(jī)對(duì)監(jiān)控視頻進(jìn)行智能分析。
[0007] 本發(fā)明提出了一種基于集群軌跡分類的集群場(chǎng)景智能監(jiān)控方法，其包括如下步 驟：
[000引步驟1 ;采用跟蹤算法對(duì)監(jiān)控視頻中的運(yùn)動(dòng)目標(biāo)進(jìn)行定位、識(shí)別和跟蹤，獲取場(chǎng)景 中運(yùn)動(dòng)目標(biāo)軌跡；
[0009]步驟2;采用全局一致馬爾科夫隨機(jī)場(chǎng)模型尋找時(shí)空一致的不同運(yùn)動(dòng)目標(biāo)軌跡， 利用生成樹(shù)算法對(duì)所述時(shí)空一致的不同運(yùn)動(dòng)目標(biāo)軌跡構(gòu)造能量最大完整軌跡；
[0010] 步驟3 ;采用基于置信關(guān)聯(lián)主題模型對(duì)所構(gòu)造的能量最大完整軌跡進(jìn)行建模，并 根據(jù)所建模型學(xué)習(xí)所述能量最大完整軌跡的中層特征，并利用學(xué)習(xí)得到的中層特征對(duì)所述 能量最大完整軌跡進(jìn)行重描述；
[ocm] 步驟4;采用多類支持向量機(jī)分類器對(duì)利用中層特征重描述后的能量最大完整軌 跡進(jìn)行分類；
[001引步驟5 ;基于置信的關(guān)聯(lián)主題模型和多類支持向量機(jī)分類器訓(xùn)練的模型，利用最 小信息滴算法確定所述能量最大完整軌跡中每一條運(yùn)動(dòng)目標(biāo)軌跡的類別。
[0013] 本發(fā)明還提高了一種基于集群軌跡分類的智能監(jiān)控系統(tǒng)，其包括：
[0014] 目標(biāo)跟蹤模塊；采用跟蹤算法對(duì)監(jiān)控視頻中的運(yùn)動(dòng)目標(biāo)進(jìn)行定位、識(shí)別和跟蹤，獲 取場(chǎng)景中運(yùn)動(dòng)目標(biāo)軌跡；
[0015] 能量最大完整軌跡構(gòu)造模塊：采用全局一致馬爾科夫隨機(jī)場(chǎng)尋找時(shí)空一致的不同 運(yùn)動(dòng)目標(biāo)軌跡，利用生成樹(shù)算法對(duì)所述時(shí)空一致的不同運(yùn)動(dòng)目標(biāo)軌跡構(gòu)造能量最大完整軌 跡；
[0016] 能量最大完整軌跡特征表達(dá)模塊；采用基于置信關(guān)聯(lián)主題模型對(duì)所構(gòu)造的能量最 大完整軌跡進(jìn)行建模，并根據(jù)所建模型學(xué)習(xí)所述能量最大完整軌跡的中層特征，并利用學(xué) 習(xí)得到的中層特征對(duì)所述能量最大完整軌跡進(jìn)行重描述；
[0017] 能量最大完整軌跡分類模塊：采用多類支持向量機(jī)分類器對(duì)利用中層特征重描述 后的能量最大完整軌跡進(jìn)行分類；
[0018] 運(yùn)動(dòng)目標(biāo)軌跡分類模塊；基于置信的關(guān)聯(lián)主題模型和多類支持向量機(jī)分類器訓(xùn)練 的模型，利用最小信息滴算法確定所述能量最大完整軌跡中每一條運(yùn)動(dòng)目標(biāo)軌跡的通道類 另IJ。本發(fā)明有益的效果是；實(shí)現(xiàn)了監(jiān)控視頻的智能分析，并且針對(duì)復(fù)雜混亂的集群場(chǎng)景，同 樣能夠達(dá)到準(zhǔn)確有效的智能分析，提出一種從低級(jí)視覺(jué)線索（由時(shí)間軸連續(xù)的軌跡點(diǎn)（如 位置、速度等）構(gòu)成的軌跡片段）通過(guò)構(gòu)造中層特征（可視化在場(chǎng)景中就是"通道"）檢測(cè) 到高級(jí)語(yǔ)義（運(yùn)動(dòng)目標(biāo)的行為，如"從A口入B口出"）的方法。
【附圖說(shuō)明】
[0019] 圖1是本發(fā)明中集群場(chǎng)景智能監(jiān)控方法流程圖；
[0020] 圖2是場(chǎng)景結(jié)構(gòu)先驗(yàn)圖，2(a)為紐約火車站場(chǎng)景，2(b)為交通十字路口場(chǎng)景；
[0021] 圖3是本發(fā)明中完整軌跡和片段軌跡的示意圖；
[0022] 圖4是本發(fā)明中軌跡連接后的示意圖；
[0023] 圖5是本發(fā)明中基于置信的關(guān)系主題模型的圖模型；
[0024] 圖6是利用本發(fā)明進(jìn)行智能分析得到場(chǎng)景中集群運(yùn)動(dòng)的通道圖，其中圖6(a)為紐 約火車站場(chǎng)景，圖6(b)為交通十字路口場(chǎng)景。
【具體實(shí)施方式】
[0025] 為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，W下結(jié)合具體實(shí)施例，并參照 附圖，對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。
[0026] 圖1示出了本發(fā)明提出的一種集群場(chǎng)景智能監(jiān)控方法流程圖。如圖1所示，該方 法包括：
[0027]步驟1、目標(biāo)跟蹤；采用跟蹤算法，加入場(chǎng)景先驗(yàn)信息，對(duì)監(jiān)控設(shè)備獲取的監(jiān)控視 頻中的運(yùn)動(dòng)目標(biāo)進(jìn)行定位、識(shí)別和跟蹤，獲取場(chǎng)景中的多運(yùn)動(dòng)目標(biāo)軌跡；
[002引步驟2、軌跡連接；采用全局一致馬爾科夫隨機(jī)場(chǎng)尋找時(shí)空一致的不同軌跡，利用 生成樹(shù)算法構(gòu)造能量最大完整軌跡；
[0029] 步驟3、特征描述；采用基于置信的關(guān)聯(lián)主題模型炬eliefbasedCorrelated TopicModel，BCTM)建模，對(duì)所構(gòu)造的最大完整軌跡進(jìn)行中層特征描述，學(xué)習(xí)得到相應(yīng)的中 層特征描述的軌跡；
[0030] 步驟4、完整軌跡分類：采用多類支持向量機(jī)分類器訓(xùn)練，對(duì)通過(guò)基于置信的關(guān)聯(lián) 主題模型學(xué)習(xí)得到的特征軌跡進(jìn)行分類；
[0031] 步驟5、軌跡分類；用基于置信的關(guān)聯(lián)主題模型和多類支持向量機(jī)分類器訓(xùn)練的 模型，利用最小信息滴算法確定完整軌跡中每一條軌跡的類別。
[0032] 一、下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明提出的上述方法作詳細(xì)描述。
[0033] 步驟1、目標(biāo)跟蹤；該步驟中采用跟蹤算法對(duì)監(jiān)控視頻中的運(yùn)動(dòng)目標(biāo)進(jìn)行定位、識(shí) 別和跟蹤，獲取場(chǎng)景中運(yùn)動(dòng)目標(biāo)軌跡；該步驟中采用關(guān)鍵點(diǎn)跟蹤器，加入監(jiān)控場(chǎng)景的先驗(yàn)信 息，獲取連續(xù)的視頻圖片帖中多運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)軌跡；
[0034] 關(guān)鍵點(diǎn)跟蹤化3113(16-山033-1'〇1]133；[，化1')作為一種目標(biāo)跟蹤器被廣泛應(yīng)用于目 標(biāo)跟蹤，可選地，本發(fā)明利用該種跟蹤器獲取監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)的軌跡。當(dāng)然，本發(fā)明其 他實(shí)施例中還可W選擇使用其他類型的跟蹤器，用于獲取監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)的軌跡。
[0035] 利用KLT跟蹤器獲取監(jiān)控視頻中運(yùn)動(dòng)目標(biāo)的軌跡包括：
[0036] 步驟11、首先把監(jiān)控設(shè)備錄制的監(jiān)控視頻通過(guò)現(xiàn)有的視頻轉(zhuǎn)換程序轉(zhuǎn)換成時(shí)間軸 上連續(xù)的視頻圖片帖。
[0037] 步驟12、采用關(guān)鍵點(diǎn)跟蹤器算法獲取時(shí)間軸上連續(xù)的視頻圖片帖中運(yùn)動(dòng)目標(biāo)的運(yùn) 動(dòng)軌跡。一條軌跡可W表示為；{1，（S，h)，（Xti，yti，ti)，. . .，（Xt。，yt。，t。)}，其中，1 是軌跡 長(zhǎng)度，即軌跡包含軌跡點(diǎn)的個(gè)數(shù)，表示軌跡點(diǎn)的ti時(shí)刻運(yùn)動(dòng)目標(biāo)的位置為（Xti， Yti)，（s，h)表示軌跡進(jìn)口和出口的信息。
[003引如圖2(a)和2(b)所示，其分別是紐約火車站場(chǎng)景和交通場(chǎng)景的結(jié)構(gòu)圖，楠圓區(qū)域 是場(chǎng)景的進(jìn)出口區(qū)域。軌跡的初始點(diǎn)