[发明专利]一种基于交通监控的摄像头调用方法及系统

权利要求书

1.一种基于交通监控的摄像头调用方法，其特征在于，包括：

获取车辆当前的位置信息和第一阈值，所述车辆上安装有至少两个摄像装置，每个所述摄像装置的安装位置不一样，所述位置信息至少包括所述车辆位于的街道信息；

根据车辆当前的位置信息查找所述车辆周围的交通监控视频，定位所述交通监控视频中的每个目标对象，利用聚类算法和异常检测算法计算在预设时间段内每个所述目标对象距离离车辆的平均距离；

将每个所述目标对象距离离车辆的平均距离与所述第一阈值进行比较，若所述平均距离小于所述第一阈值，则识别所述目标对象的胳膊关键点；

采用贝塞尔曲线对所述胳膊关键点进行拟合得到胳膊运动曲线，根据所述胳膊运动曲线得到运动轨迹识别结果，基于所述运动轨迹识别结果得出所述目标对象对所述车辆的危险程度；

根据所述危险程度的不同，调用所述车辆上的不同摄像头对所述目标对象进行拍摄，得到拍摄结果；

利用聚类算法和异常检测算法计算在预设时间段内每个所述目标对象距离离车辆的平均距离，包括：

设定第二阈值，根据所述第二阈值确定监控范围，所述监控范围为以所述车辆为中心点，以所述第二阈值为半径所形成的圆形范围；

获取多个数据集，每个所述数据集包括在所述圆形范围内一个目标对象在每个时刻下离所述车辆的距离，将每个所述数据集中的第一数据、第二数据和第三数据作为第一聚类中心，所述第一数据、所述第二数据和所述第三数据为所述数据集中在不同时刻下的目标对象离所述车辆的距离；

计算所述数据集中的每一个数据分别与所述第一数据、所述第二数据和所述第三数据之间的距离，筛选出每一个所述数据对应的距离最近的所述第一聚类中心，并将其归属于此聚类中心，得到多个数据组；

对所述数据组进行分析，得到每个所述数据组中的异常数据，将所述异常数据剔除，得到剔除后的数据组，将所有所述剔除后的数据组中的全部数据进行平均值计算，得到目标对象离所述车辆的平均距离；

对所述数据组进行分析，得到每个所述数据组中的异常数据，包括：

对K-means++算法进行改进，将Rsim函数和余弦系数结合作为相似度度量函数，得到改进后的K-means++算法；

利用每个所述数据组对所述改进后的K-means++算法进行训练，得到每个数据组对应的改进后的K-means++算法的配置参数，利用配置参数后的改进后的K-means++算法对每个数据组进行异常数据识别，识别后将异常数据剔除，得到所述剔除后的数据组。

2.根据权利要求1所述的基于交通监控的摄像头调用方法，其特征在于，采用贝塞尔曲线对所述胳膊关键点进行拟合得到胳膊运动曲线，根据所述胳膊运动曲线得到运动轨迹识别结果，利用所述运动轨迹识别结果得出所述目标对象对所述车辆的危险程度，包括：

将所述交通监控视频中的每个所述目标对象进行每个时刻下的胳膊关键点识别，并根据识别到的胳膊关键点，利用贝塞尔曲线对所述目标对象的所述胳膊关键点进行运动轨迹拟合，得到胳膊运动轨迹曲线；

基于CART算法和所述胳膊运动轨迹曲线，得到运动轨迹识别结果，所述运动轨迹识别结果包括危险和不危险两种结果，若所述运动轨迹识别结果为不危险，则发送不存在危险的信息给用户，若所述运动轨迹识别结果为危险，则判断所述目标对象手上是否持有用于撬开车门或车窗的设备，若未持有则启动车辆上的报警装置，利用报警装置提醒所述目标对象远离所述车辆；若持有，则启动车辆上的报警装置且识别所述设备的关键点，并利用贝塞尔曲线其进行运动轨迹拟合，得到设备运动拟合曲线；

根据所述设备运动拟合曲线判断所述设备距离车辆的距离，根据所述设备距离车辆的距离，得出所述目标对象的危险程度。