基于云计算和数字城市的自动报警方法与流程

1.本发明涉及数字城市和安防领域，尤其涉及一种基于云计算和数字城市的自动报警方法。


背景技术：

2.城市管理是一个复杂的系统工程，涉及城市经济、社会、生态、人文、环境的协调发展问题。管理对象种类较多，数量较大；涉及到的管理部门的数量也比较多，管理部门横向包括城管大队、环卫、绿化、交通等部门，纵向涉及市政部门、区、街道、社区等；管理的行为包括执法、治理、修葺等。在改革开放进一步深化的大背景下，在加快推进城市化发展的新形势下，城市管理工作尽管日益得到各级政府重视而有所改善，但依然存在许多不可忽视的问题。
3.随着城市经济实力的快速增长，城市化水平不断提高，城市管理工作日益复杂，原有的组织和管理手段已经不能满足实际工作需要，因此迫切需要新的综合管理手段和方法，从根本上提高城管的工作水平和效率。
4.日常生活中安全对于居民来说是最重要的，但是经常可能会出现一些突发事件，周围没有人帮忙报警，这种情况会极大程度的威胁居民的生命健康，因此需要一种能在需要报警时进行自动报警的方法。


技术实现要素：

5.有鉴于此，本发明提供了一种基于云计算和数字城市的自动报警方法，其包括：报警监控设备对采集到的监控视频标注监控地点以得到目标监控视频；
6.接收报警监控设备发送的目标监控视频，并对所述目标监控视频进行处理以生成目标监控图像序列，然后对目标监控图像序列进行处理以得到人物识别图像序列；
7.根据人物识别图像序列获取若干个事件识别子区域，并获取每个事件识别子区域的事件识别点，然后将每个事件识别子区域的事件识别点周围的立方体结构作为所述事件识别点的第一时空特征；
8.选取事件识别点周围的若干个像素点，并将事件识别点与所述若干个像素点进行连接以得到梯度信息，然后将梯度信息作为该事件识别点的第二时空特征；
9.将每个事件识别点的第一时空特征和第二时空特征进行拼接以得到所述事件识别点对应的事件识别子区域的全局特征；
10.将每个事件识别图像的所有事件识别子区域的全局特征进行特征拼接融合以得到每个事件识别图像的事件识别特征；
11.根据事件识别图像序列中每个事件识别图像的事件识别特征进行事件识别以得到报警事件类型，并根据报警事件类型和监控地点生成报警指令，然后根据所述报警指令进行安防报警。
12.根据一个优选实施方式，对目标监控视频进行处理生成目标监控图像序列包括：
13.按照预设时间步长将目标监控视频切割为一帧一帧的视频图像；
14.按照时间顺序对视频图像进行排序以得到初始监控图像序列；
15.计算初始监控图像序列中的每个视频图像的噪声均值和方差以对视频图像进行降噪处理得到目标监控图像；
16.将所有目标监控图像按照时间顺序进行排序以生成目标监控图像序列。
17.根据一个优选实施方式，对目标监控图像序列进行处理得到人物识别图像序列包括：
18.提取目标监控图像序列中每个目标监控图像的颜色高维特征、梯度高维特征和纹理高维特征；
19.利用最小二乘法对颜色高维特征、梯度高维特征和纹理高维特征进行降维处理以得到颜色低维特征、梯度低维特征和纹理低维特征；
20.对颜色低维特征、梯度低维特征和纹理低维特征进行双向加权处理以得到每个目标监控图像中的目标轮廓特征，并将目标轮廓特征与人体轮廓匹配集中每个人体轮廓特征进行匹配；
21.在人体轮廓匹配集中存在与目标轮廓特征的相似度大于相似度阈值的人体轮廓特征时，将目标轮廓特征对应的目标监控图像作为人物识别图像，并将所有的人物识别图像按照时间顺序进行排列以得到人物识别图像序列。
22.根据一个优选实施方式，根据人物识别图像序列获取若干个事件识别子区域并获取每个事件识别子区域的事件识别点包括：
23.利用高斯滤波器对人物识别图像序列中的各人物识别图像进行滤波；
24.使用两个正交的时间滤波器对人物识别图像序列中的每个人物识别图像在时间上进行滤波以得到事件识别图像序列；
25.根据事件识别图像序列获取事件识别图像序列中每个事件识别图像的每个像素点的事件识别值；
26.将事件识别图像序列中的每个事件识别图像划分为若干个事件识别子区域，并根据每个事件识别图像的每个像素点的事件识别值得到每个像素点对应的事件识别矩阵；
27.根据事件识别子区域中每个像素点的事件识别矩阵和事件识别值获取每个事件识别子区域的事件识别点。
28.根据一个优选实施方式，根据像素点的事件识别值得到像素点对应的事件识别矩阵包括：
29.获取每个事件识别图像中每个像素点的像素值，并根据每个像素点的像素值得到该像素点所在的事件识别子区域中所有像素点的像素和以得到区域内像素和；
30.获取事件识别图像中该事件识别子区域外的其他像素点的像素和以得到区域外像素和；
31.根据区域外像素和、区域内像素和、区域外权重因子和区域内权重因子得到每个像素点对应的事件识别阈值；
32.获取每个事件识别子区域内所有像素点的事件识别阈值的平均值以得到对应事件识别子区域的事件识别矩阵。
33.根据一个优选实施方式，所述报警监控设备为具有视频采集功能的摄像机，其包
括：网络型摄像机、半球型摄像机、针孔型摄像机、标准枪式摄像机和一体化型摄像机。
34.根据一个优选实施方式，所述报警事件类型包括：入侵、盗窃和突发疾病。所述事件识别点为进行事件识别时的关键点。所述目标监控视频为标注了监控地点的实时监控视频。所述事件识别图像序列包括若干个按照时间顺序进行排列的事件识别图像。所述初始监控图像序列包括若干个按照时间顺序进行排列的视频图像。所述目标监控图像序列包括若干个按照时间顺序进行排列的目标监控图像。所述人物识别图像序列包括若干个按照时间顺序进行排列的人物识别图像。
35.本发明具有以下有益效果：本发明中，报警监控设备实时采集监控视频并将其标注监控地点后发送到智慧城市云平台。智慧城市云平台对目标监控视频进行事件分析以判断是否发生例如入侵和突发疾病等特定事件，并在识别到发生特定事件时自动进行报警，保障居民的生命安全。
附图说明
36.图1为基于云计算和数字城市的自动报警方法的流程图。
具体实施方式
37.为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
38.在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
39.应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在
……
时”或“当
……
时”或“响应于确定”。
40.参见图1，在一个实施例中，基于云计算和数字城市的自动报警方法可以包括：
41.s1、报警监控设备对采集到的监控视频标注监控地点以得到目标监控视频，并将其发送智慧城市云平台；智慧城市云平台的视频预处理模块对目标监控视频进行处理以生成目标监控图像序列。
42.具体地，视频预处理模块对目标监控视频进行处理生成目标监控图像序列包括：
43.视频预处理模块按照预设时间步长将目标监控视频切割为一帧一帧的视频图像；
44.视频预处理模块按照时间顺序对视频图像进行排序以得到初始监控图像序列；
45.视频预处理模块计算初始监控图像序列中的每个视频图像的噪声均值和方差以对视频图像进行降噪处理得到目标监控图像；
46.视频预处理模块将所有目标监控图像按照时间顺序进行排序以生成目标监控图
像序列。
47.在一个实施例中，报警监控设备实时发送采集的目标监控视频，并将其发送到智慧城市云平台，智慧城市云平台对目标监控视频进行事件分析，判断目标监控视频中是否发生入侵、盗窃和突发疾病等事件，并在监测到发生这些事件时自动按照事件类型的不同进行报警。
48.可选地，报警监控设备为具有视频采集功能的摄像机，其包括：网络型摄像机、半球型摄像机、针孔型摄像机、标准枪式摄像机和一体化型摄像机。目标监控视频为标注了监控地点的实时监控视频。初始监控图像序列包括若干个按照时间顺序进行排列的视频图像，其中，视频图像为从目标视频中截取的原始视频图像。预设步长为根据报警精度和智慧城市云平台的计算能力进行预先设置。目标监控图像序列包括若干个按照时间顺序进行排列的目标监控图像，目标监控图像为对目标监控视频中的原始视频图像进行降噪后的图像。
49.s2、人体识别模块对目标监控图像序列进行处理以得到人物识别图像序列。
50.可选地，人物识别图像序列包括若干个按照时间顺序进行排列的人物识别图像，人物识别图像为从目标监控图像序列中识别出有人的目标监控图像，并将所有有人的目标监控图像按照时间进行排序以得到人物识别图像序列。
51.具体地，人体识别模块对目标监控图像序列进行处理得到人物识别图像序列包括：
52.人体识别模块提取目标监控图像序列中每个目标监控图像的颜色高维特征、梯度高维特征和纹理高维特征；
53.人体识别模块利用最小二乘法对颜色高维特征、梯度高维特征和纹理高维特征进行降维处理以得到颜色低维特征、梯度低维特征和纹理低维特征；
54.人体识别模块对颜色低维特征、梯度低维特征和纹理低维特征进行双向加权处理以得到每个目标监控图像中的目标轮廓特征，并将目标轮廓特征与人体轮廓匹配集中每个人体轮廓特征进行匹配；
55.在人体轮廓匹配集中存在与目标轮廓特征的相似度大于相似度阈值的人体轮廓特征时，人体识别模块将目标轮廓特征对应的目标监控图像设置为人物识别图像；
56.人体识别模块将所有的人物识别图像按照时间顺序进行排列以得到人物识别图像序列。
57.在一个实例中，本发明在进行事件识别前首先筛选出人物视频图像，避免无意义的事件识别给智慧城市云平台带来的计算资源的浪费。
58.s3、事件识别模块根据人物识别图像序列获取若干个事件识别子区域，并获取每个事件识别子区域的事件识别点。
59.具体地，事件识别模块利用高斯滤波器对人物识别图像序列中的各人物识别图像进行滤波；
60.事件识别模块使用两个正交的时间滤波器对人物识别图像序列中的每个人物识别图像在时间上进行滤波以得到事件识别图像序列；
61.事件识别模块根据事件识别图像序列获取事件识别图像序列中每个事件识别图像的每个像素点的事件识别值；
62.事件识别模块将事件识别图像序列中的每个事件识别图像划分为若干个事件识别子区域，并根据每个事件识别图像的每个像素点的事件识别值得到每个像素点对应的事件识别矩阵；
63.事件识别模块根据事件识别子区域中每个像素点的事件识别矩阵和事件识别值获取每个事件识别子区域的事件识别点。
64.具体地，事件识别模块根据像素点的事件识别值得到像素点对应的事件识别矩阵包括：
65.事件识别模块获取每个事件识别图像中每个像素点的像素值，并根据每个像素点的像素值得到该像素点所在的事件识别子区域中所有像素点的像素和以得到区域内像素和；
66.事件识别模块获取事件识别图像中该事件识别子区域外的其他像素点的像素和以得到区域外像素和；
67.事件识别模块根据区域外像素和、区域内像素和、区域外权重因子和区域内权重因子得到每个像素点对应的事件识别阈值；
68.事件识别模块获取每个事件识别子区域内所有像素点的事件识别阈值的平均值以得到对应事件识别子区域的事件识别矩阵。
69.可选地，事件识别图像序列包括若干个按照时间顺序进行排列的事件识别图像，事件识别图像为进行高斯滤波和时间滤波后的对人物识别图像。事件识别图像用于识别目标监控视频中是否发生特定事件类型。区域外权重因子和区域内权重因子为预先进行设置，事件识别点为进行事件识别时的关键点。
70.在一个实施例中，每个像素点对应的事件识别阈值的计算方法：
[0071][0072]
其中，为区域外权重因子，为区域内权重因子，为区域外的第i个像素点，为区域内的第i个像素点，φ为预设的控制系数，ri为第i个像素点的事件识别阈值。i为像素点的索引。
[0073]
s4、事件识别模块将每个事件识别子区域的事件识别点周围的立方体结构作为该事件识别点的第一时空特征。事件识别模块选取事件识别点周围的若干个像素点，并将事件识别点与所述若干个像素点进行连接以得到梯度信息，然后将梯度信息作为该事件识别点的第二时空特征。事件识别模块将每个事件识别点的第一时空特征和第二时空特征进行拼接以得到该事件识别点对应的事件识别子区域的全局特征。像素点的数量根据实际情况预先进行设置。
[0074]
s5、事件识别模块将每个事件识别图像的所有事件识别子区域的全局特征进行特
征拼接融合以得到每个事件识别图像的事件识别特征。事件识别模块根据事件识别图像序列中每个事件识别图像的事件识别特征进行事件识别以得到报警事件类型；指令生成模块根据报警事件类型和监控地点生成报警指令，并将其发生到事件报警模块；事件报警模块响应于接收到的报警指令进行安防报警。报警事件类型包括：入侵、盗窃和突发疾病。
[0075]
本发明中报警监控设备实时采集监控视频并将其标注监控地点后发送到智慧城市云平台。智慧城市云平台对目标监控视频进行事件分析以判断是否发生例如入侵和突发疾病等特定事件，并在识别到发生特定事件时自动进行报警，保障居民的生命安全。
[0076]
在一个实施例中，用于执行本发明方法的基于云计算和数字城市的自动报警系统可以包括：报警监控设备和智慧城市云平台，其中智慧城市云平台和每个报警监控设备具有通信连接。
[0077]
智慧城市云平台包括：视频预处理模块、人体识别模块、事件识别模块、指令生成模块、事件报警模块和数据库，其中，各模块间具有通信连接。
[0078]
报警监控设备对采集到的监控视频标注监控地点以得到目标监控视频，并将其发送智慧城市云平台；
[0079]
视频预处理模块对目标监控视频进行处理以生成目标监控图像序列；
[0080]
人体识别模块对目标监控图像序列进行处理以得到人物识别图像序列；
[0081]
事件识别模块根据人物识别图像序列获取若干个事件识别子区域，并获取每个事件识别子区域的事件识别点；
[0082]
事件识别模块将每个事件识别子区域的事件识别点周围的立方体结构作为该事件识别点的第一时空特征；
[0083]
事件识别模块选取事件识别点周围的若干个像素点，并将事件识别点与所述若干个像素点进行连接以得到梯度信息，然后将梯度信息作为该事件识别点的第二时空特征；
[0084]
事件识别模块将每个事件识别点的第一时空特征和第二时空特征进行拼接以得到该事件识别点对应的事件识别子区域的全局特征；
[0085]
事件识别模块将每个事件识别图像的所有事件识别子区域的全局特征进行特征拼接融合以得到每个事件识别图像的事件识别特征；
[0086]
事件识别模块根据事件识别图像序列中每个事件识别图像的事件识别特征进行事件识别以得到报警事件类型；
[0087]
指令生成模块根据报警事件类型和监控地点生成报警指令，并将其发生到事件报警模块，事件报警模块响应于接收到的报警指令进行报警。
[0088]
云计算的部署模型如下：
[0089]
私有云：云基础架构单独为某个组织运行。云基础架构可以由该组织或第三方管理并且可以存在于该组织内部或外部。
[0090]
共同体云：云基础架构被若干组织共享并支持有共同利害关系(例如任务使命、安全要求、政策和合规考虑)的特定共同体。共同体云可以由共同体内的多个组织或第三方管理并且可以存在于该共同体内部或外部。
[0091]
公共云：云基础架构向公众或大型产业群提供并由出售云服务的组织拥有。
[0092]
混合云：云基础架构由两个或更多部署模型的云(私有云、共同体云或公共云)组成，这些云依然是独特的实体，但是通过使数据和应用能够移植的标准化技术或私有技术
(例如用于云之间的负载平衡的云突发流量分担技术)绑定在一起。
[0093]
云计算环境是面向服务的，特点集中在无状态性、低耦合性、模块性和语意的互操作性。云计算的核心是包含互连节点网络的基础架构。
[0094]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘(solid state disk，ssd))等。
[0095]
本技术实施例是参照根据本技术实施例的方法、设备和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0096]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0097]
显然，本领域的技术人员可以对本技术实施例进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术实施例的这些表达和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。