基于城市监控视频识别的应急事件发现方法及系统的制作方法
【专利摘要】本发明公开了一种基于城市监控视频识别的应急事件发现方法及系统。本发明的基于城市监控视频识别的应急事件发现方法包括：第一步骤：利用分布式布置的监控摄像头，实时获取监控视频信号；第二步骤：针对监控视频信号中识别得到的监控对象的数量及运动模式，利用图像识别算法对监控视频信号进行解析，以获取监控对象的解析信息；第三步骤：根据监控视频的拍摄时间以及拍摄地理信息，利用监控对象的解析信息，对监控视频中的潜在城市应急事件进行识别；第四步骤：输出识别出来的潜在城市应急事件。
【专利说明】
基于城市监控视频识别的应急事件发现方法及系统
技术领域
[0001]本发明涉及视频识别领域，尤其涉及一种能够及时发现城市中可能的应急性事件的基于城市监控视频识别的应急事件发现方法及系统。【背景技术】
[0002]随着政府及公众对公共场所安全要求的日益提高，越来越多的监控摄像头被部署在诸如交通路口、广场、公园园区、大型商店等人群、车辆密集的城市重点区域。监控对象集聚现象折射出的社会公共管理问题也日益突出，具有非常重要的研究和实践意义。
[0003]如今，每时每刻都有海量的监控视频被摄制和存储，而监控视频的理解和分析却多依赖于人工完成。由于城市应急性事件发生的频率较低，城市监控视频中绝大部分内容分析价值较低，不需要配置监控人员进行处理。而当城市应急事件发生时，由于监控人员经验不一，在事件初期也往往不能准确识别出城市监控视频中的城市应急事件。因此，利用人工分析城市监控视频耗时费力且效果不佳。当城市中监控区域分布面积增大，监控区域种类增多时，人工分析更难以从数量巨大、地点众多、时间极长的监控视频中准确、及时、高效地识别其中发生的应急性事件。
[0004]因此，本领域的技术人员致力于开发一种能够利用计算机智能识别城市重点区域的监控视频中应急事件的方法。
【发明内容】
[0005]有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种利用计算机智能识别城市重点区域的监控视频中应急事件的方法，并提供一套相应的智能视频解析系统，能够较为及时和准确地发现城市监控视频中的应急性事件。
[0006]为实现上述目的，本发明提供了一种基于城市监控视频识别的应急事件发现方法，包括:
[0007]第一步骤:利用分布式布置的监控摄像头，实时获取监控视频信号；
[0008]第二步骤:针对监控视频信号中识别得到的监控对象的数量及运动模式，利用图像识别算法对监控视频信号进行解析，以获取监控对象的解析信息；
[0009]第三步骤:根据监控视频的拍摄时间以及拍摄地理信息，利用监控对象的解析信息，对监控视频中的潜在城市应急事件进行识别；
[0010]第四步骤:输出识别出来的潜在城市应急事件。[〇〇11]优选地，在第二步骤中，采用俯角视角下的基于前景区域与背景区域的差别的监控对象识别算法，对监控视频中出现的运动物体进行识别，并且将运动物体确定为监控对象。
[0012]优选地，在第二步骤中，在监控视频中的相邻两帧画面，通过比较画面中对应区域，对明显差异部分进行数量识别和位置标注，并将明显差异部分作为视频中检测得到的运动物体;其中明显差异部分是相邻两帧画面中的差异性超过阈值的部分。
[0013]优选地，在第二步骤中，采用经人工标注的样本训练过的神经网络算法，利用监控视频信号中的监控对象的区域面积和监控对象的实际个数之间的数量关系，对监控对象的种类和数量进行更为准确的计算机自动识别。
[0014]优选地，在第三步骤中，根据监控视频的拍摄时间以及拍摄地理信息形成监控对象的运动轨迹线，并且将监控对象的运动轨迹线与预定运动模板进行对比，并且根据对比结果对监控视频中的潜在城市应急事件进行识别。
[0015]优选地，在第四步骤中，将识别出来的潜在城市应急事件以规范的语义模型表述作为系统输出。
[0016]本发明还提供了一种基于城市监控视频识别的应急事件发现系统，用于实现上述基于城市监控视频识别的应急事件发现方法。
[0017]以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。【附图说明】
[0018]图1是根据本发明优选实施例的基于城市监控视频识别的应急事件发现方法的流程图。
[0019]需要说明的是，附图用于说明本发明，而非限制本发明。注意，表示结构的附图可能并非按比例绘制。并且，附图中，相同或者类似的元件标有相同或者类似的标号。【具体实施方式】
[0020]为克服现有城市监控视频分析依赖人工完成中遇到的成本高、效率低、效果差等诸多方面问题，本发明提供一种利用计算机进行智能解析的方法。下面将具体描述本发明的优选实施例。
[0021]图1是根据本发明优选实施例的基于城市监控视频识别的应急事件发现方法的流程图。
[0022]如图1所示，根据本发明优选实施例的基于城市监控视频识别的应急事件发现方法包括:
[0023]第一步骤S1:利用分布式布置的监控摄像头，实时获取监控视频信号作为系统的输入；
[0024]例如，所述监控摄像头围绕城市中的重点监控场所(如大型广场、运动场等处)布置。
[0025]第二步骤S2:针对监控视频信号中识别得到的监控对象的数量及运动模式，利用图像识别算法对监控视频信号进行解析，以获取监控对象的解析信息；
[0026]具体地，在第二步骤S2中，采用俯角视角下的基于前景区域与背景区域的差别的监控对象识别算法，对监控视频中出现的运动物体进行识别，并且将运动物体确定为监控对象。
[0027]更具体地，在第二步骤S2中，在监控视频中的相邻两帧画面，通过比较画面中对应区域，对明显差异部分(例如，差异性超过阈值的部分)进行数量识别和位置标注，并将明显差异部分作为视频中检测得到的运动物体。
[0028]例如，考虑到城市监控视频中主要的监控运动对象为行人和车辆，在识别算法中以相对轮廓面积为特征，可以设置分类规则用以区分两种主要监控对象。
[0029]为进一步提高识别的准确性，本发明还提出，在第二步骤S2中，采用经人工标注的样本训练过的神经网络算法，利用监控视频信号中的监控对象的区域面积和监控对象的实际个数之间的数量关系，对监控对象的种类和数量进行更为准确的计算机自动识别。
[0030]第三步骤S3:根据监控视频的拍摄时间以及拍摄地理信息，利用监控对象的解析信息，对监控视频中的潜在城市应急事件进行识别；
[0031]具体地，在第三步骤S3中，根据监控视频的拍摄时间以及拍摄地理信息形成监控对象的运动轨迹线，并且将监控对象的运动轨迹线与预定运动模板进行对比，并且根据对比结果对监控视频中的潜在城市应急事件进行识别。
[0032]例如，定时采集监控对象在监控画面中位置点，并生成监控对象的运动轨迹线，并将其与预先设置的运动轨迹模板进行匹配。针对城市应急事件下监控对象的运动状态，在本发明的具体示例中，例如可以设计6种特殊的运动模板:(a)四向聚集模式(b)四向散开模式(c)单向移动模式(d)单向聚集模式(e)单向散开模式(f)环形移动模式。通过计算视频片段运动轨迹线和模板的匹配程度，发现当前监控视频中可能的异常状态。
[0033]第四步骤S4:输出识别出来的潜在城市应急事件。
[0034]例如，在第四步骤S4中，将识别出来的潜在城市应急事件以规范的语义模型表述作为系统输出。
[0035]举例来说，以监控视频中可直接获得的时空信息，以及通过本发明前述视频解析技术分析得到的监控对象实时信息，构建城市监控视频中应急事件的语义模型，比如:应急事件情境=〈事件标识码，事件时间，事件地点，监控对象密度，监控对象活动模式〉。由此可以采用基于案例推理的方法，对应急事件情境的关联关系进行识别和评价，从而能够及时从一段实时城市监控视频中识别出当前可能发生的城市应急事件。
[0036]在具体实施时，例如首先利用本监控对象自动识别技术，对监控视频数据信号进行解析并识别视频每一帧画面中监控对象的数量及其位置。然后监控对象运动模式匹配技术，生成监控对象的运动轨迹线，并匹配得到相应的运动模式。最后，利用应急事件建模和推理方法，对一段视频片段中的事件进行语义建模，并判断其是否为应急性事件。若识别得到应急性事件，则应急管理系统发出警报，提醒监管人员采取监管措施。
[0037]根据本发明的其它实施例，还提供了一种基于城市监控视频识别的应急事件发现系统，用于实现上述基于城市监控视频识别的应急事件发现方法。例如，能够与监控摄像头进行视频数据传输的支持网络和数据库功能的计算机系统，可以实现上述基于城市监控视频识别的应急事件发现方法。
[0038]总体上，本发明至少具有如下优势:[〇〇39](1)针对城市监控视频中人工参与耗时费力且效果不佳的问题，提出了一种利用计算机自动、智能分析的方法并构建相应的管理系统，能够充分满足多种类、大规模场景实时监管的实际需求。
[0040](2)针对城市监控视频中复杂场景监控视频解析困难的问题，提出了一种以行人和车辆为主的监控对象自动识别和运动模式的智能解析技术，能够良好适应人群、车流活动密集的城市公共场所的监控视频情境。
[0041](3)针对城市监控视频中应急事件难以及时识别和准确表达的问题，提出了一种应急事件语义建模及推理方法，能够有效理解监控场景中可能的应急性事件并做出及时响应。[〇〇42]上述说明示出并描述了本发明的优选实施例，如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。
【主权项】
1.一种基于城市监控视频识别的应急事件发现方法，其特征在于包括:第一步骤:利用分布式布置的监控摄像头，实时获取监控视频信号；第二步骤:针对监控视频信号中识别得到的监控对象的数量及运动模式，利用图像识 别算法对监控视频信号进行解析，以获取监控对象的解析信息；第三步骤:根据监控视频的拍摄时间以及拍摄地理信息，利用监控对象的解析信息，对 监控视频中的潜在城市应急事件进行识别；第四步骤:输出识别出来的潜在城市应急事件。2.如权利要求1所述的基于城市监控视频识别的应急事件发现方法，其特征在于，在第 二步骤中，采用俯角视角下的基于前景区域与背景区域的差别的监控对象识别算法，对监 控视频中出现的运动物体进行识别，并且将运动物体确定为监控对象。3.如权利要求2所述的基于城市监控视频识别的应急事件发现方法，其特征在于，在第 二步骤中，在监控视频中的相邻两帧画面，通过比较画面中对应区域，对明显差异部分进行 数量识别和位置标注，并将明显差异部分作为视频中检测得到的运动物体;其中明显差异 部分是相邻两帧画面中的差异性超过阈值的部分。4.如权利要求1至3之一所述的基于城市监控视频识别的应急事件发现方法，其特征在 于，在第二步骤中，采用经人工标注的样本训练过的神经网络算法，利用监控视频信号中的 监控对象的区域面积和监控对象的实际个数之间的数量关系，对监控对象的种类和数量进 行更为准确的计算机自动识别。5.如权利要求1至3之一所述的基于城市监控视频识别的应急事件发现方法，其特征在 于，在第三步骤中，根据监控视频的拍摄时间以及拍摄地理信息形成监控对象的运动轨迹 线，并且将监控对象的运动轨迹线与预定运动模板进行对比，并且根据对比结果对监控视 频中的潜在城市应急事件进行识别。6.如权利要求1至3之一所述的基于城市监控视频识别的应急事件发现方法，其特征在 于，在第四步骤中，将识别出来的潜在城市应急事件以规范的语义模型表述作为系统输出。7.—种基于城市监控视频识别的应急事件发现系统，用于实现如权利要求1至6之一所 述的基于城市监控视频识别的应急事件发现方法。
【文档编号】G06T7/20GK106022311SQ201610420594
【公开日】2016年10月12日
【申请日】2016年6月13日
【发明人】刘超, 何楚楚, 蒋祖华, 李心雨, 单春艳
【申请人】上海仪电（集团）有限公司中央研究院, 上海交通大学