[发明专利]视频监控方法及系统

说明书

技术领域

本发明涉及智能视频监控系统技术领域，尤其涉及一种通过中间件技术管理监控场景视频流以完成高效智能监控的视频监控方法及系统。

背景技术

随着监控系统的普及化及庞大化，特别是最近几年关于智能视频监控系统的应用也得到了广泛的发展。现今视频分析技术、多媒体数据库、人工智能技术的发展，智能化视频监控逐步走进了安防应用市场，智能化技术能够及时、自动地从原始视频信息中提取大量有用信息，用来完成视频的传输保存和检索，也可以驱动其他数据、触发其他行为，轻而易举地完成人力很难完成的任务。智能化监控是监控技术发展的重要方向之一，也是建立大规模监控网络系统的必要核心技术。智能化技术可以解决目前监控中存在的很多问题，计算机和图像技术的结合使得图像自动检测、视频分析成为可能。同时智能化技术可以大大提高监控效率，可以从复杂的数据中辨认行为和类型，可提供操作命令、数据和信息。实现报警、提醒关注、智能检索等功能。更重要的是智能化技术通过智能视频分析现场或记录的视频流，从而检测出可疑的活动、事件或者行为模式，可以使视频监控系统从事后搜寻犯罪嫌疑人的手段，转换为一种阻止犯罪发生的辅助手段。

但是，目前智能视频监控系统本质上是采用不同的算法对来自监控场景的视频流进行处理识别出：跨越警戒线、进入警戒区域、逆行、偷窃、滞留、徘徊、速度异常以及密度异常等事件，而对于来自同一场景需要识别多个类型的异常事件时，对于许多视频信息进行了重复的处理，增加了计算量，往往是一个高性能的计算机仅仅能处理很少几路视频流信号，特别是需要对一路视频信号进行多种异常事件分析时，一路视频信号就需要一台高性能的计算机，这些对于大型的智能视频监控系统的应用都造成了很大的阻力。

发明内容

本发明主要解决的技术问题是提供一种视频监控方法，该方法能够智能分析视频流，对异常事件的识别和处理进行统一管理，保证相同的过程仅处理一次，减小系统的冗余。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种视频监控方法，包括以下步骤：

S100：采集当前需要分析的视频流；

S200：检测视频流中是否存在运动目标，若存在运动目标，进行自适应的背景建模，初步获得前景，对前景进行形态学处理，填充目标区域并减少图像中小的碎片区域，利用HSV空间阴影检测方法将目标的阴影去掉获得最终的目标区域；若不存在，则循环检测；

S300：利用粒子滤波或卡尔曼滤波两种跟踪方法对运动目标进行跟踪；

S400：分析所跟踪的运动目标的形状信息和运动特性，利用分散度和面积信息分析异常情况，将运动目标分类，完成异常行为识别处理分析；

S500：根据异常行为识别处理分析数据，当视频流中存在异常情况时，发动紧急报警。

步骤S300中在对运动目标进行跟踪时，判断是否发生阻挡并根据结果选择对运动目标跟踪的方法，具体为：判断视频流第K帧中是否存在一个前景区域与视频流第K-1帧中的一个以上的运动目标的预测位置存在交叉，若存在交叉，则判断存在阻挡，采用基于颜色特征的粒子滤波方法；若不存在交叉，则判断不存在阻挡，则采用基于卡尔曼滤波的连通区域匹配方法，先利用卡尔曼滤波预测视频流中第K帧的运动目标状态，然后在预测状态和视频流第K帧检测到的前景连通区域间求得最佳匹配，求得的最佳匹配即为视频流第K帧的运动目标状态，并以此校正卡尔曼滤波的参量。

具体的，所述的视频流包括硬盘录像机提供的网络视频流，视频采集卡提供的视频流以及文件视频流。

进一步的，所述异常情况分析具体包括：识别监控环境的配置和异常行为类别的配置，所述监控环境的配置包括：警戒线的位置、方向、长度及大小，运动目标的逆行方向角；异常行为类别包括：跨越警戒线、进入警戒区域、逆行、滞留、徘徊、速度异常及密度异常。

为了解决上述技术问题，本技术方案提供一种视频监控系统，包括：

采集模块，用于采集当前需要分析的视频流；检测模块，用于检测视频流中是否存在运动目标，若存在运动目标，进行自适应的背景建模，初步获得前景，对前景进行形态学处理，填充目标区域并减少图像中小的碎片区域，利用HSV空间阴影检测方法将目标的阴影去掉获得最终的目标区域；跟踪模块，利用粒子滤波或卡尔曼滤波两种跟踪方法对运动目标进行跟踪；分析模块，用于分析所跟踪的运动目标的形状信息和运动特性，利用分散度和面积信息分析异常情况，将运动目标分类，完成异常行为识别处理分析；报警模块，用于根据异常行为识别处理分析数据，当视频流中存在异常情况时，发动紧急报警。