基于视频的社区安防方法、装置、电子设备及存储介质与流程

本申请涉及社区安防技术领域，具体而言，本申请涉及一种基于视频的社区安防方法、装置、电子设备及存储介质。

背景技术：

随着人们生活质量和文化水平的不断提高，社区的安全防范问题越来越受到人们的重视。社区安防工作不仅关系到人们的生命、财产的安全,甚至关系到社会的和谐、稳定。因此，越来越多的安防技术应运而生，这些技术将使人们的社区与家居环境更为舒适和安全，给人们的生活带来更多的便捷。

其中，监控措施以其直观、及时和信息丰富等特性，理所当然地成为社区安防工作的重要组成部分。然而，现有的社区监控措施中，主要依靠监控管理人员纯视觉的人工监控，会给监控管理人员造成非常大的压力，他们需要同时关注多个监控视频，但仍免不了产生识别精确度差、报警响应的时间长、误报或漏报现象多以及监控对象踪迹不明等情况。尤其对于小区门禁的督查、可疑人员的盘查等情形下，若监控管理人员不能及时发现可疑人员并采取合理的措施，可能会导致不堪设想的后果。另外，在发现可疑人员之后，对其后续行为的观察也十分困难，这已成为监控管理人员安保工作的难点之一。

技术实现要素：

为克服上述技术问题或者至少部分地解决上述技术问题，特提出以下技术方案：

第一方面，本申请提供了一种基于视频的社区安防方法，该方法包括：

提取入口区域采集装置采集的视频画面中的人员特征信息；

根据所述人员特征信息对社区人员黑名单库和/或社区住户名单库执行检索操作，得到对应的人员身份识别结果；

当任一人员身份识别结果为可疑人员时，基于获取的多个相关采集装置采集的视频画面，控制各个相关采集装置调整采集角度，以持续采集包含所述可疑人员的视频画面。

在一种可选的实现方式中，当任一人员身份识别结果为可疑人员时，还包括：

基于所述可疑人员的人员身份识别结果，生成报警信息。

在一种可选的实现方式中，所述提取入口区域采集装置采集的视频画面中的人员特征信息，包括：

对入口区域采集装置采集的视频画面中的人员进行人脸检测和/或人形检测，得到对应的人员检测结果；

对所述各个人员检测结果进行特征提取，得到对应的人员特征信息。

在一种可选的实现方式中，所述得到对应的人员身份识别结果之后，还包括：

基于所述各个人员身份识别结果，对所述社区人员黑名单库和/或社区住户名单库执行进化操作。

在一种可选的实现方式中，所述控制各个相关采集装置调整采集角度之后，还包括：

基于所述可疑人员的人员身份识别结果，对调整采集角度之后的采集装置采集的视频画面执行圈选操作；

确定所述圈选操作得到的圈选区域，并将位于所述圈选区域内的人员确定为所述可疑人员。

在一种可选的实现方式中，对调整采集角度之后的采集装置采集的视频画面执行圈选操作，包括：

通过预训练的深度学习模型对调整采集角度之后的采集装置采集的视频画面执行圈选操作。

在一种可选的实现方式中，所述控制各个相关采集装置调整采集角度之后，还包括：

将各个相关采集装置采集的视频画面进行融合处理。

第二方面，本申请提供了一种基于视频的社区安防装置，该装置包括：

提取模块，用于提取入口区域采集装置采集的视频画面中的人员特征信息；

检索模块，用于根据所述人员特征信息对社区人员黑名单库和/或社区住户名单库执行检索操作，得到对应的人员身份识别结果；

跟踪模块，当任一人员身份识别结果为可疑人员时，基于获取的多个相关采集装置采集的视频画面，控制各个相关采集装置调整采集角度，以持续采集包含所述可疑人员的视频画面。

在一种可选的实现方式中，该装置还包括：

报警模块，用于当任一人员身份识别结果为可疑人员时，基于所述可疑人员的人员身份识别结果，生成报警信息。

在一种可选的实现方式中，所述提取模块具体用于对入口区域采集装置采集的视频画面中的人员进行人脸检测和/或人形检测，得到对应的人员检测结果；对所述各个人员检测结果进行特征提取，得到对应的人员特征信息。

在一种可选的实现方式中，该装置还包括：

进化模块，用于在所述得到对应的人员身份识别结果之后，基于所述各个人员身份识别结果，对所述社区人员黑名单库和/或社区住户名单库执行进化操作。

在一种可选的实现方式中，所述跟踪模块还用于基于所述可疑人员的人员身份识别结果，对调整采集角度之后的采集装置采集的视频画面执行圈选操作；确定所述圈选操作得到的圈选区域，并将位于所述圈选区域内的人员确定为所述可疑人员。

在一种可选的实现方式中，所述跟踪模块具体用于通过预训练的深度学习模型对调整采集角度之后的采集装置采集的视频画面执行圈选操作。

在一种可选的实现方式中，所述跟踪模块还用于将各个相关采集装置采集的视频画面进行融合处理。

第三方面，本申请提供了一种电子设备，该电子设备包括：

处理器和存储器，存储器存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如本申请的第一方面或第一方面的任一可选的实现方式中所示的社区安防方法。

第四方面，本申请提供了一种计算机可读存储介质，计算机存储介质用于存储计算机指令、程序、代码集或指令集，当其在计算机上运行时，使得计算机执行如本申请的第一方面或第一方面的任一可选的实现方式中所示的社区安防方法。

本申请提供的基于视频的社区安防方法、装置、电子设备及存储介质，通过采集装置对社区范围内的人员流动进行监控，基于社区人员黑名单库和/或社区住户名单库来确定各个人员的身份，对于非可疑人员可以快速排除，将注意力转至其他人员，对于入侵的可疑人员，则能够在第一时间采取相应的措施，以进行安全防范，并通过控制各个相关采集装置调整采集角度，实时地对可疑人员的活动情况进行追踪，以便提前对事发现场进行预警，提高社区安防的监控效率。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图做简单的介绍。

图1为本申请实施例提供的基于视频的社区安防方法的流程示意图；

图2为本申请实施例提供的基于视频的社区安防装置的结构示意图；

图3为本申请实施例提供的电子设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

本申请实施例提供了一种基于视频的社区安防方法，如图1所示，该方法包括：

步骤s101：提取入口区域采集装置采集的视频画面中的人员特征信息；

本申请实施例中，入口区域包括但不限于社区大门、围墙，社区建筑门窗、天台，停车场入口等能够进入社区特定范围的区域。

其中，入口区域采集装置可以为摄像头、摄像机等。一些特殊的场景下，采集装置还可以为无人机等。

对于本申请实施例，执行主体可以为终端设备或云端服务器。

其中，若执行主体为终端设备，视频画面可以是实时的从入口区域采集装置接受采集的视频画面，也可以是从本地读取已存储的入口区域采集装置采集的视频画面，也可是从云端服务器请求已存储的入口区域采集装置采集的视频画面。若执行主体为云端服务器，视频画面可以是实时的从入口区域采集装置接受采集的视频画面，也可以是从本地读取已存储的入口区域采集装置采集的视频画面。

实际应用中，入口区域采集装置采集的视频画面可以为多个入口区域采集装置分别采集的一个视频画面或者由多个视频画面组成的视频。

本申请实施例中，提取各个视频画面中的人员特征信息，包括每个视频画面中出现的所有人员的人员特征信息。

步骤s102：根据人员特征信息对社区人员黑名单库和/或社区住户名单库执行检索操作，得到对应的人员身份识别结果；

其中，社区人员黑名单库中包含各个社区黑名单身份的人员对应的人员特征信息；

社区住户名单库包含各个社区住户对应的人员特征信息。

该步骤中，根据步骤s101提取的入口区域采集装置采集的视频画面中的人员特征信息，对社区人员黑名单库和/或社区住户名单库执行检索操作，即检索匹配的人员特征信息，并根据检索到的各个匹配的人员特征信息，得到各个视频画面的各个人员特征信息对应的人员身份识别结果。

步骤s103：当任一人员身份识别结果为可疑人员时，基于获取的多个相关采集装置采集的视频画面，控制各个相关采集装置调整采集角度，以持续采集包含可疑人员的视频画面。

一种可能的实现方式中，任一人员身份识别结果对应社区人员黑名单库中的任一社区黑名单身份的人员，可识别为该人员身份识别结果为可疑人员。

另一种可能的实现方式中，若任一人员的身份无法在社区人员黑名单库及社区住户名单库中找到对应的识别结果，此时可对该人员的行为进行识别，符合预定规则的行为可确定对应的可疑人员，例如翻墙进入社区的人员等。实际应用中，还可以基于机器学习对人员的行为进行识别，本申请实施例对人员行为的识别方式不作限定。

当任一人员身份识别结果为可疑人员时，确定该可疑人员所在的视频画面对应的相关采集装置，实际应用中，相关采集装置可以为入口区域采集装置中已拍摄到可疑人员的部分或全部采集装置。或者，已拍摄到可疑人员的采集装置附近的采集装置也可以作为相关采集装置。

基于获取的多个相关采集装置采集的视频画面，控制各个相关采集装置调整采集角度，以持续采集包含可疑人员的视频画面。

实际应用中，相关采集装置的采集角度可以进行多次调整，以持续采集包含可疑人员的视频画面，即实时追踪的过程。可选地，通过meanshift(均值漂移算法)、kalman(卡尔曼滤波器)来、粒子滤波器或曲线能量模型等追踪算法来执行。

本申请实施例提供的基于视频的社区安防方法，通过采集装置对社区范围内的人员流动进行监控，基于社区人员黑名单库和/或社区住户名单库来确定各个人员的身份，对于非可疑人员可以快速排除，将注意力转至其他人员，对于入侵的可疑人员，则能够在第一时间采取相应的措施，以进行安全防范，并通过控制各个相关采集装置调整采集角度，实时地对可疑人员的活动情况进行追踪，以便提前对事发现场进行预警，提高社区安防的监控效率。

本申请实施例还提供了一种可能的实现方式，当任一人员身份识别结果为可疑人员时，还包括步骤：基于可疑人员的人员身份识别结果，生成报警信息。

其中，报警信息中可以包括可疑人员的身份识别信息，进一步，报警信息中还可以包括对应的一个或多个视频画面。

本申请实施例不对具体的报警方式做限定，例如，可以将报警信息发送至管理人员的终端设备，也可以通过通话、短信、邮件、及时通信、应用推送、提醒等方式来通知管理人员，还可以在社区进行广播等，本领域技术人员可以根据实际情况进行设置。

本申请实施例中，为步骤s101提供了一种可行的实现方式，具体而言，包括步骤s1011(图中未示出)及步骤s1012(图中未示出)，其中，

步骤s1011：对入口区域采集装置采集的视频画面中的人员进行人脸检测和/或人形检测，得到对应的人员检测结果；

本申请实施例中，针对入口区域采集装置采集的每个视频画面，对人员进行人脸检测和/或人形检测，先要对视频画面中的人员进行边缘检测，提取由闭合的外边缘轮廓包围的区域，以将视频画面划分为多个区域，得到对应的边缘图像，即人员检测结果。例如可采用sobel、roberts或canny等边缘检测算子。

步骤s1012：对各个人员检测结果进行特征提取，得到对应的人员特征信息；

对各个人员检测结果进行特征提取，可以是对边缘图像的重点区域进行特征的提取，得到对应的特征图像。即基于特征图像对视频画面中的每个人员进行识别，进而确定每个人员的信息，得到对应的人员特征信息。

本申请实施例还提供了一种可能的实现方式，在得到对应的人员身份识别结果之后，还可以包括步骤，基于各个人员身份识别结果，对社区人员黑名单库和/或社区住户名单库执行进化操作。

具体而言，基于各个人员身份识别结果对应的步骤s101中提取的人员特征信息，对社区人员黑名单库和/或社区住户名单库执行进化操作，即对社区人员黑名单库和/或社区住户名单库中的人员特征信息进行进化更新，以逐渐完善社区人员黑名单库和/或社区住户名单库。

本申请实施例还提供了一种可行的实现方式，在控制各个相关采集装置调整采集角度之后，还包括步骤s104(图中未示出)和步骤s105(图中未示出)，其中，

步骤s104：基于可疑人员的人员身份识别结果，对调整采集角度之后的采集装置采集的视频画面(为方便描述，下文将其称为目标视频画面)执行圈选操作；

具体而言，在目标视频画面提取各个人员的人员特征信息，具体的提取方式可参见上文中的介绍，在此不再赘述。将各个人员的人员特征信息与可疑人员的人员身份识别结果对应的人员特征信息进行匹配，对匹配一致的人员特征信息对应的可疑人员执行圈选操作。

其中，在目标视频画面中对可疑人员进行圈选即在目标视频画面中突出显示能够覆盖可疑人员的圈选区域。例如，在圈选区域的边缘标注上显示框。实际应用中，圈选区域可以为任何能够覆盖该可疑人员的形状，例如矩形，椭圆形等，也可以为可疑人员的轮廓形状。

实际应用中，圈选区域还可以结合相应的边缘图像进行确定。

本申请实施例中，检测结果可以是基于人脸检测得到的，那么该圈选区域可设置为至少需覆盖可疑人员的头像。或者，检测结果可以是基于人形检测得到的，那么该圈选区域可设置为需覆盖整个可疑人员。或者，为了实现更高的识别精度，检测结果可以是共同基于人脸检测和基于人形检测得到的，例如为两种检测结果分配相应的权重等，那么该圈选区域可设置为需覆盖整个可疑人员。

本申请实施例中，可以通过预训练的深度学习模型对调整采集角度之后的采集装置采集的视频画面执行圈选操作。

作为示例地，该深度学习模型是基于包含圈选结果的训练样本直接训练得到的，将各个目标视频画面及人员身份识别结果输入该深度学习模型，即可得到各个视频画面的圈选结果。

步骤s105：确定圈选操作得到的圈选区域，并将位于圈选区域内的人员确定为可疑人员。

由上述介绍可知，在目标视频画面中对可疑人员进行圈选可得到相应的圈选区域。本申请实施例中，会基于该圈选区域进行分析，根据该圈选区域，就可确定位于圈选区域内的人员即为可疑人员，便于管理人员后续对目标视频画面进行查看和分析。

另外，本申请实施例中，在控制各个相关采集装置调整采集角度之后，还可以包括步骤：将各个相关采集装置采集的视频画面进行融合处理。

一种可能的实现方式中，将各个相关采集装置采集的视频画面按照预设规则融合成图像墙。例如按照可疑人员的运动轨迹，或者按照时间顺序等。

另一种可能的实现方式中，由于将各个相关采集装置采集的视频画面可能是不同的采集装置从不同的角度对可疑人员进行采集的，可以将同一时刻的不同角度的目标视频画面，融合成三维空间的图像。

这样便可更加清晰、直观地将追踪结果展示给相关管理人员查看。可选地，融合处理后的图像中可携带相应的圈选结果，进一步提升追踪结果的直观性。

本申请实施例提供的基于视频的社区安防方法，通过采集装置对社区范围内的人员流动进行监控，基于社区人员黑名单库和/或社区住户名单库来确定各个人员的身份，对于非可疑人员可以快速排除，将注意力转至其他人员，对于入侵的可疑人员，则能够在第一时间采取相应的措施，以进行安全防范，并通过控制各个相关采集装置调整采集角度，实时地对可疑人员的活动情况进行追踪，以便提前对事发现场进行预警，提高社区安防的监控效率。

本领域技术人员应能理解，本申请实施例除了应用于社区安防等场景，还可以进行适当变化以迁移到类似场景，例如道路、商场、学校等，也就是说，基于该范例进行的适当变化以用于其他场景时，也可以属于本申请的精神或范畴。

本申请实施例还提供了一种基于视频的社区安防装置，如图2示，该社区安防装置20可以包括：提取模块201、检索模块202和跟踪模块203，其中，

提取模块201用于提取入口区域采集装置采集的视频画面中的人员特征信息；

检索模块202用于根据人员特征信息对社区人员黑名单库和/或社区住户名单库执行检索操作，得到对应的人员身份识别结果；

跟踪模块203当任一人员身份识别结果为可疑人员时，基于获取的多个相关采集装置采集的视频画面，控制各个相关采集装置调整采集角度，以持续采集包含可疑人员的视频画面。

在一种可选的实现方式中，社区安防装置20还包括：报警模块，其中，

报警模块用于当任一人员身份识别结果为可疑人员时，基于可疑人员的人员身份识别结果，生成报警信息。

在一种可选的实现方式中，提取模块201具体用于对入口区域采集装置采集的视频画面中的人员进行人脸检测和/或人形检测，得到对应的人员检测结果；对各个人员检测结果进行特征提取，得到对应的人员特征信息。

在一种可选的实现方式中，社区安防装置20还包括：进化模块，其中，

进化模块用于在得到对应的人员身份识别结果之后，基于各个人员身份识别结果，对社区人员黑名单库和/或社区住户名单库执行进化操作。

在一种可选的实现方式中，跟踪模块203还用于基于可疑人员的人员身份识别结果，对调整采集角度之后的采集装置采集的视频画面执行圈选操作；确定圈选操作得到的圈选区域，并将位于圈选区域内的人员确定为可疑人员。

在一种可选的实现方式中，跟踪模块203具体用于通过预训练的深度学习模型对调整采集角度之后的采集装置采集的视频画面执行圈选操作。

在一种可选的实现方式中，跟踪模块203还用于将各个相关采集装置采集的视频画面进行融合处理。

本申请实施例提供的基于视频的社区安防装置，通过采集装置对社区范围内的人员流动进行监控，基于社区人员黑名单库和/或社区住户名单库来确定各个人员的身份，对于非可疑人员可以快速排除，将注意力转至其他人员，对于入侵的可疑人员，则能够在第一时间采取相应的措施，以进行安全防范，并通过控制各个相关采集装置调整采集角度，实时地对可疑人员的活动情况进行追踪，以便提前对事发现场进行预警，提高社区安防的监控效率。

所属领域的技术人员可以清楚地了解到，本申请实施例提供的基于视频的社区安防装置，其实现原理及产生的技术效果和前述方法实施例相同，为描述的方便和简洁，装置实施例部分未提及之处，可参考前述方法实施例中相应内容，在此不再赘述。

本申请实施例还提供了一种电子设备(例如上述终端设备或云端服务器)，如图3所示，图3所示的电子设30包括：处理器301和存储器302，存储器302存储有至少一条指令、至少一段程序、代码集或指令集，该至少一条指令、至少一段程序、代码集或指令集由处理器301加载并执行以实现前述方法实施例中相应内容。

可选地，电子设备30还可以包括收发器303。处理器301和收发器303相连，如通过总线304相连。需要说明的是，实际应用中收发器303不限于一个，该电子设备30的结构并不构成对本申请实施例的限定。

其中，处理器301可以是cpu，通用处理器，dsp，asic，fpga或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等。

总线304可包括一通路，在上述组件之间传送信息。总线304可以是pci总线或eisa总线等。总线304可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器302可以是rom或可存储静态信息和指令的其他类型的静态存储设备，ram或者可存储信息和指令的其他类型的动态存储设备，也可以是eeprom、cd-rom或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

本申请实施例提供的电子设备，通过采集装置对社区范围内的人员流动进行监控，基于社区人员黑名单库和/或社区住户名单库来确定各个人员的身份，对于非可疑人员可以快速排除，将注意力转至其他人员，对于入侵的可疑人员，则能够在第一时间采取相应的措施，以进行安全防范，并通过控制各个相关采集装置调整采集角度，实时地对可疑人员的活动情况进行追踪，以便提前对事发现场进行预警，提高社区安防的监控效率。

本申请实施例还提供了一种计算机可读存储介质，该计算机存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。