[发明专利]保安巡察监测方法及装置

说明书

本发明实施例提供一种保安巡察监测方法及装置，其中方法包括：采集巡查点的监控视频，跟踪所述监控视频中的行人，以建立所述行人的行动轨迹；若确定所述行人为保安，则根据所述保安的行动轨迹判断所述保安是否巡更。本发明实施例通过采集巡查点的监控视频，通过图像识别技术识别监控视频中的行人，根据识别出的行人的视频帧的时序，建立行人的行动轨迹，再通过图像识别技术识别出行人是否为保安，根据保安的行动轨迹判断是否巡更，本发明实施例借助视频图像识别技术，能够准确识别出保安，并且可以对保安是否按规定正常巡察进行判断。

技术领域

本发明涉及智能安保技术领域，更具体地，涉及保安巡察监测方法及装置。

背景技术

在工业园区中，某些重点区域需要进行重点巡逻保卫，因此保安巡逻显得尤为关键。然而，目前对于保安巡察的监管始终属于管理盲区，保安是否能够按照规定在指定地点与时间进行正常巡察，很多情况下是无法完全保证的，对于管理造成了一定的不确定性。

发明内容

本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的保安巡察监测方法及装置。

第一个方面，本发明实施例提供一种保安巡察监测方法，包括：

采集巡查点的监控视频，跟踪所述监控视频中的行人，以建立所述行人的行动轨迹；

若确定所述行人为保安，则根据所述保安的行动轨迹判断所述保安是否巡更。

优选地，所述跟踪所述监控视频中的行人，以建立所述行人的行动轨迹，具体为：

根据预先训练的第一神经网络模型识别出监控视频中的行人；

根据近邻算法对识别出的行人进行跟踪，获得记录行人的行动轨迹的视频帧序列

其中，所述第一神经网络模型以包含行人的样本视频帧为样本，以样本行人的包围框为样本标签训练而成。

优选地，所述若确定所述行人为保安，具体为：

从所述行人所在视频帧中提取着装特征，将所述着装特征输入至预先训练的第二神经网络模型，输出所述行人的身份信息；

其中，所述第二神经网络模型以样本行人的着装特征为样本，以样本行人的身份是否为保安作为标签训练而成。

优选地，所述根据近邻算法对识别出的行人进行跟踪，获得记录行人的行动轨迹的视频帧序列，具体为：

从第一个视频帧开始，计算每一视频帧中行人的中心位置，作为视频帧的检测结果；

计算视频帧的检测结果与已有的行动轨迹的最后一个检测结果间的欧氏距离；

若存在至少一个欧氏距离小于预设阈值，则将所述视频帧加入至距离最近的行动轨迹的末尾，同时记录其他行动轨迹丢失一帧，当行动轨迹的连续丢帧次数达到阈值，则删除行动轨迹；若所有的欧氏距离大于预设阈值，则以所述视频帧为起始点创建新的行动轨迹。

优选地，所述根据所述保安的行动轨迹判断所述保安是否巡更，具体为：

若保安所在视频帧的帧数在总的视频帧序列的比重大于预设阈值，且保安所在行动轨迹的起点和终点。

优选地，所述跟踪所述监控视频中的行人，之后还包括：

通过人脸识别模型识别所述行人的具体身份。

第二个方面，本发明实施例提供一种保安巡察监测装置，包括：

轨迹生成模块，用于采集巡查点的监控视频，跟踪所述监控视频中的行人，以建立所述行人的行动轨迹；

巡更判断模块，用于若确定所述行人为保安，则根据所述保安的行动轨迹判断所述保安是否巡更。