[发明专利]一种目标对象的智能防控方法及智能防控系统

权利要求书

1.一种目标对象的智能防控方法，其特征在于，包括：

获取图像信息；

根据图像信息提取目标对象的活动轨迹，所述活动轨迹包括目标对象的活动地点和所述目标对象在所述活动地点的活动时间点或活动时间段；

依据所述活动轨迹预测所述目标对象是否存在异常行为；

若是，则发出预警信息；

其中，根据图像信息提取目标对象的活动轨迹包括：

对图像信息进行处理，获得图像中的人物对象的特征；

将所述人物对象的特征与预设的目标对象的特征进行比对，判断人物对象是否为目标对象；

若人物对象为目标对象，则将所述人物对象设定为目标对象，将所述人物对象的活动地点和活动时间点或活动时间段作为所述目标对象的活动地点和所述目标对象在所述活动地点的活动时间点或活动时间段；

其中，获得图像中的人物对象的特征包括如下步骤：

对输入的视频的每一帧或输入的图像进行前景和背景分离，获得预处理图像；

对预处理图像进行处理，获得图像中的人体轮廓，每个人体轮廓对应一个人物对象；

针对每个人体轮廓，基于人工智能获得人物对象的头部轮廓；

依据头部轮廓的像素位置在预处理图像上确定头部区域；

基于人工智能在头部区域中获取人物对象的面部特征点；

其中，获得人体轮廓包括如下步骤：

将预处理图像从RGB空间转换到Lab空间，获得Lab图像；

利用多个大小不同的滑动窗口在Lab图像进行滑动，获得多组子图像，滑动步长为一个像素；

获取每个子图像在不同分割模式下的亮度子梯度值、a值子梯度值、b值子梯度值以及结构子梯度值；

获取每个像素在不同分割模式下的综合梯度；

获取Lab图像的每个像素的梯度；

根据每个像素的梯度获得边缘像素，由边缘像素组成的轮廓形成人物对象的人体轮廓；

其中，表示在第m个滑动窗口下第j 个子图像的第i个分割模式下的结构子梯度值，结构子梯度值的计算公式如下：

；

其中，表示第m个滑动窗口下第j 个子图像的第i个分割模式中的第k个分割区域的特征矩阵中的第d个特征值，表示第m个滑动窗口下第j 个子图像的第i个分割模式中的第h个分割区域的特征矩阵中的第d个特征值，K 为第i个分割模式中的分割区域的总个数；

其中，综合梯度表达式如下：

；

；

；

其中，为第j 个像素在第i个分割模式下的综合梯度，为与滑动窗口相关的参数，为第m个滑动窗口的参数，为预设值；为亮度梯度均值，为a值梯度均值，为b值梯度均值，为结构梯度均值；M为使用的滑动窗口的总数；

其中，每个像素的梯度的表达式如下：

；

其中，表示第j 个像素的梯度，表示分割模式的总数。

2.如权利要求1所述的智能防控方法，其特征在于，还包括：

获取目标对象的活动轨迹后对目标对象的活动轨迹进行复核；

若复核结果为正，则依据所述活动轨迹预测所述目标对象是否存在异常行为。