基于摄像机的监控方法、系统、设备及可读存储介质与流程

1.本技术涉及摄像机应用技术领域，尤其是涉及一种基于摄像机的监控方法、系统、设备及可读存储介质。


背景技术：

2.随着各种考试的规模和数量逐年增加，虽然考试管理机构采取了多种措施预防作弊，但仍不能有效杜绝这一现象，严重损害了考试的公平和公正，侵害了参考人员利益，扰乱了社会秩序。
3.目前，为了确保考试公平、公正，一般在考场设置摄像机及其配套的装置，并辅助监考者对参考人员的行为动态进行实时监控，以防止考试舞弊事件的发生。然而，监考者在监考过程中不能实时监控到每个参考人员，难免存在个别考试舞弊者没有被发现的问题。


技术实现要素：

4.本技术目的一是提供一种基于摄像机的监控方法，旨在解决监考者在监考过程中不能实时监控到每个参考人员，难免存在个别考试舞弊者没有被发现的问题。
5.本技术的上述申请目的一是通过以下技术方案得以实现的：一种基于摄像机的监控方法，其中，包括：实时获取现场视频流，通过现场视频流识别人物信息；基于人物信息和人物动作数据库，识别人物动作，获取动作识别结果；基于人物信息和人物神态数据库，识别人物神态，获取神态识别结果；基于动作识别结果和神态识别结果，生成人物动作神态画像；若判断所述人物动作神态画像中存在可疑动作神态画像，则判别所述人物信息为可疑人员信息；向监控终端发送携带可疑人员信息的身份待确认请求，用于提醒监控终端对可疑人员信息对应的可疑人员进行身份确认。
6.本技术在一较佳示例中可以进一步配置为：在实时获取现场视频流，识别人物信息之后，包括：将识别的人物信息与系统人员信息库比对；若识别的人物信息不在系统人员信息库内，则获取异常人员信息；向监控终端发送携带异常人员信息的身份待确认请求，用于提醒监控终端对异常人员信息对应的异常人员进行身份确认。
7.本技术在一较佳示例中可以进一步配置为：识别人物动作，获取动作识别结果，包括：识别人物现场视频流中的人物的肢体位置，进行人体动作建模；将人体动作模型与人物姿态数据库进行比对，分析动作类型，从而获取动作识别结果。本技术在一较佳示例中可以进一步配置为：识别人物神态，获取神态识别结果，包括：
识别现场视频流中的人脸特征，对人脸特征进行提取；将人脸特征提取结果与人物神态数据库进行比对，分析神态类型，从而获取神态识别结果。
8.本技术在一较佳示例中可以进一步配置为：在判断人物动作神态画像中存在可疑动作神态画像之后，还包括：跟踪可疑人员信息对应的可疑人员，提取可疑动作神态；基于可疑动作神态，对可疑动作神态画像进行评分。
9.本技术在一较佳示例中可以进一步配置为：在实时获取现场视频流，识别人物信息之前，包括：感应光线强度，并基于光线强度，调整摄像机的对焦。
10.本技术在一较佳示例中可以进一步配置为：实时获取现场视频流，包括：将人脸坐标识别算法与人脸识别算法结合，用于获取人脸面部中线对应的最佳对焦角度；基于最佳对焦角度，压缩视频信息，用于低速码流进行网络传输。
11.本技术目的二是提供一种基于摄像机的监控系统。
12.本技术的上述申请目的二是通过以下技术方案得以实现的：一种监控系统，包括：获取识别模块，用于实时获取现场视频流，通过现场视频流识别人物信息；识别动作模块，用于基于人物信息和人物动作数据库，识别人物动作，获取动作识别结果；识别获取神态模块，用于基于人物信息和人物神态数据库，识别人物神态，获取神态识别结果；生成人物动作神态画像模块，用于基于动作识别结果和神态识别结果，生成人物动作神态画像；获取可疑人员模块，用于若判断所述人物动作神态画像中存在可疑动作神态画像，则判别所述人物信息为可疑人员信息；发送请求模块，用于向监控终端发送携带可疑人员信息的身份待确认请求，用于提醒监控终端对可疑人员信息对应的可疑人员进行身份确认。
13.本技术目的三是提供一种计算机设备。
14.本技术的上述申请目的三是通过以下技术方案得以实现的：一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的方法。
15.本技术目的四是提供一种可读存储介质。
16.本技术的上述申请目的四是通过以下技术方案得以实现的：一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的监控方法。
17.综上所述，本技术包括以下至少一种有益技术效果：1.从人物动作、人物神态等多个维度获取可疑动作神态画像对应的可疑人员，向监控终端发送可疑人员信息的身份待确认请求，便于监控终端对可疑人员进行监测确认，
从而对确认作弊后的参考人员的行为进行制止，提高了制止作弊行为的及时性和精准性。
18.2.摄像机识别人物信息，将人物信息与系统人员信息库进行比对，有效缩减人工核实人物信息的时间，从而有效提高监控效率。
19.3.向监控终端发送可疑人员信息的身份待确认请求，以使监控终端对可疑人员进行监测确认，目的是持续追踪跟进，减少出现误判的可能，提高对参考人员作弊行为判断的准确性。
附图说明
20.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
21.图1绘示本发明一实施例中基于摄像机的监控方法；图2绘示本发明一实施例中基于摄像机的监控方法的整体流程图；图3绘示本发明一实施例中监控系统的示意图；图4绘示本发明一实施例中计算机设备的示意图。
具体实施方式
22.为了确保考试公平、公正，一般在考场设置摄像机及其配套的装置，并辅助监考者对参考人员的行为动态进行实时监控，以防止考试舞弊事件的发生。然而，监考者在监考过程中不能实时监控到每个参考人员，难免存在个别考试舞弊者没有被发现的问题。为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
23.另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
24.下面结合说明书附图对本技术实施例作进一步详细描述。
25.本技术实施例提供一种基于摄像机的监控方法，所述方法的主要流程描述如下：参照图1，s10、实时获取现场视频流，通过现场视频流识别人物信息。
26.其中，现场视频流是指现场视频数据的传输，例如，它能够被作为一个稳定的和连续的流通过网络处理。
27.具体地，利用摄像机实时采集考场的视频流信息，并上传至云存监控终端中，其中摄像机布置于考场前后位置，以能够获取考场中每个位置的监控视频。从云存储监控终端中获取视频流信息，并切片形成若干图像帧，识别每个图像帧中人物信息。
28.步骤s10的作用在于全方位获取现场视频流中的人物信息，便于对人物信息进行识别。
29.在一实施例中，步骤s10，即实时获取现场视频流，包括：
s101.将人脸坐标识别算法与人脸识别算法结合，用于获取人脸面部中线对应的最佳对焦角度。
30.其中，最佳对焦角度是指人脸面部中线对应的位置。
31.具体地，通过进行实时视频采集、视频分析、捕获特征点，特征点位置坐标变换与计算机通信等一系列工作，实现对数字视频图像的实时坐标识别以及交互式操作。作用在于具有很好的定位精度，从而获取人脸面部中线对应的对焦角度。
32.s102.基于最佳对焦角度，压缩视频信息，用于低码流进行网络传输。
33.其中，低码流是指在h.264标准基础上进一步压缩码流，使码流低至标准的二十分之一，并且可在摄像机后台根据带宽情况适当调整码流。作用在于实现在消耗一定硬件资源的基础上，使高清视频（720p及以上）可以极低的带宽占用流畅清晰稳定传输。
34.在一实施例中，在步骤s10之前，即在实时获取现场视频流，通过现场视频流识别人物信息之前，包括：s11.感应光线强度，并基于光线强度，调整摄像机的对焦。
35.其中，光线强度是指单位面积上所接受可见光的能量。
36.具体地，利用低照度传感器感应光线强度，从而对摄像机的焦距进行调整。
37.其中，低照度指的是当被摄景物的光亮度低到一定程度而使摄像机输出的视频信号电平低到某一规定值时的景物光亮度值。测定此参数时，还应特别注明镜头的最大相对孔径。例如，使用f1.2的镜头，当被景物的光亮度值低到0.04lx时，摄像机输出的视频信号幅值为最大幅值的50%，即达到350mv（标准视频信号最大幅值700mv），则称此摄像机的最低照度为0.04lx/f1.2。
38.步骤s11的作用在于能使被监控人物的成像恰好成在低照度传感器的靶面上，对焦距进行适当的调整，从而实现高清画质。
39.在一实施例中，在步骤s10之后，即在实时获取现场视频流，通过现场视频流识别人物信息之后，包括：s12.将识别的人物信息与系统人员信息库比对。
40.s13.若识别的人物信息不在系统人员信息库内，则获取异常人员信息。
41.s14.向监控终端发送携带异常人员信息的身份待确认请求，用于提醒所述监控终端对所述异常人员信息对应的异常人员进行身份确认。
42.其中，系统人员信息库的形式可以是人物的视频样式，也可以是人物的图像样式。通过网络连接大数据和算法识别，对人物的特征进行比对，例如，人物人脸的特征通常表现在皮肤纹理、皮肤颜色、光亮程度、皱纹纹理等方面。
43.其中，异常人员是指该人物不属于系统人员信息库。监控终端是指第三方软件，例如：手机、平板等设备中安装的软件。
44.步骤s12至s14的作用是便于监控终端对异常人员信息进行监测，减少误判的可能性。
45.s20、基于人物信息和人物动作数据库，识别人物动作，获取动作识别结果。
46.其中，人物动作数据库包含人物作弊时做出的可疑动作，比如：向后转头动作、向前观看十秒以上的动作、弯腰和捡东西等动作。
47.具体地，通过视频中获取的人物信息，对人物动作进行提取和识别，将提取到的人
物动作与人物动作数据库进行比对，从而得出动作识别结果。
48.步骤s20的作用是将从现场视频流中提取到的人物动作与作弊的可以动作进行识别和分析，从而提高识别的准确性，减少摄像机出现误判的可能。
49.在一实施例中，步骤s20，即基于人物信息和人物动作数据库，识别人物动作，获取动作识别结果，包括：s201.识别人物现场视频流中的人物的肢体位置，进行人体动作建模。
50.s202.将人体动作模型与人物动作数据库进行比对，分析动作类型，从而获取动作识别结果。
51.具体地，利用动作估计法识别视频帧中的人物的肢体位置，进行人体骨骼2d建模。采用多元分类算法对姿态向量进行训练，以得到动作识别模型，用于姿态向量进行动作分类，利用预先训练好的动作分类模型对视频帧中的人体骨骼的2d模型进行分类，把连续视频帧中动作分类结果存入动作向量，并根据预先训练好的动作识别模型判断动作类型。如判断出的动作类型属于可疑类型，将标记做出特定动作的视频帧和/或该动作的视频片段存储到存储器。
52.步骤s201和s202的作用是根据人体的动作特征，确定人体的动作类型，从而能够提高动作识别的准确率，减少对可疑人员进行误判的可能性。
53.参照图1，s30、基于人物信息和人物神态数据库，识别人物神态，获取神态识别结果。
54.步骤s30的作用是将做出可疑神态的视频帧和/或该可疑姿态的视频片段上传至监控终端并执行自动报警请求。
55.在一实施例中，步骤s30，即识别人物神态，获取神态识别结果，包括：s301.识别现场视频流中的人脸特征，对人脸特征进行提取。
56.具体地，对人脸特征的识别主要有图像预处理、图像特征提取和分类识别。特征提取可以分为时域内的特征提取和频率内的特征提取。其中，时域内是一般对图像进行仿射、映射、采用一些特殊矩阵、邻域内像素点间的关系等方法，进行全局或局部的结构描述。频率内是指将图像矩阵想象为信号，通过信号分析的方法对图像进行处理，例如：傅里叶变换，小波分析，小波包分解等等，再进行重构。
57.s302.将人脸特征提取结果与人物神态数据库进行比对，分析神态类型，从而获取神态识别结果。
58.其中，人脸神态主要体现在眼睛、鼻子、嘴巴和眉毛四个关键部分，通过对这四个关键部分的定位，可以将人脸特征选择缩小至这些部位中。减少了大量计算量，同时也提高了识别率。先人脸特征点定位出人脸区域的关键部位，再对人脸区域的关键部位进行特征提取，而非对整体进行特征提取。经过特征提取，大量的冗余的数据被去除，空间维数大大降低。
59.具体地，获取图像数据之后进行灰度修正和噪声过滤等预处理，突出图像中人脸的特征，而且减弱无关的特征信息。比如，只需要保留面部部分特征，可以舍去头发、服饰和背景等无关信息。采用gabor滤波器进行特征提取，但是考虑到提取出的特征维数过高，算法复杂，耗时较大，故不对全图像进行特征向量求解，而是针对人脸关键部位。然后，利用主成分分析对特征进行降维处理。最后通过设计分类机制来对神态进行分类，将神态归入相
应的类别。常用的分类方法是按照感情分类，将表情分类到paulekman归纳的六种基本感情。在本实施例中，我们将所有表情分为四类，悲伤、开心、惊讶、害怕。其中，人脸表情分类的方法有很多，主要利用基于机器学习的方法如人工神经网络、贝叶斯分类、支持向量机以及一些其他的分类算法。
60.其中，在图像处理中，gabor函数是一个用于边缘提取的线性滤波器。gabor滤波器的频率和方向表达同人类视觉系统类似。
61.步骤s301和s302的作用在于通过获取的现场视频流中分离出特定的表情状态，从而确定被识别对象的心理情绪，提高对可疑人员信息判断的准确性。
62.s40、基于动作识别结果和神态识别结果，生成人物动作神态画像。
63.具体地，利用深度神经网络（dnn）对从动作识别结果和神态识别结果数据集中提取的原始特征进行了新的表示。新的特征表示将被输入到另一个模型中进行分类或预测，最后生成人物动作神态画像。
64.步骤s40的作用在于实现对人物信息的多维度综合判断，提高可疑人员判断的准确性。
65.s50、若判断所述人物动作神态画像中存在可疑动作神态画像，则判别所述人物信息为可疑人员信息。
66.具体地，利用投影对比算法将人物动作神态画像中的特征向量与可以动作神态画像中的特征向量进行比对，若人物动作神态画像中存在可疑动作神态画像，则判别人物信息为可疑人员信息。
67.其中，可疑动作神态画像是指眼睛到处偷瞄、摸口袋、不停地抬头看老师、东张西望、眼神飘忽不定、紧张和害怕等动作神态。
68.步骤s50的作用是便于监考者确认可以参考人员的信息，从而快速地制止参考人员的作弊行为。
69.在一实施例中，在步骤s50之后，即在判断人物动作神态画像中存在可疑动作神态画像，则判别人物信息为可疑人员信息之后，还包括：s51.跟踪可疑人员信息对应的可疑人员，提取可疑动作神态。
70.具体地，对可疑人员进行六十秒的跟踪抓拍，将符合可疑动作神态进行分离和提取，并将可疑动作神态的视频帧上传至监控终端，用以备份，便于考试结束进行核查，提高了考试的公正性。
71.s52.基于可疑动作神态，对可疑动作神态画像进行评分。
72.具体地，获取每一个评分时刻标准动作和用户动作的相似度评分，根据每一个评分时刻的相似度评分，确定所有动作的整体相似度评分。通过摄像机实时获取现场视频流；获取动作判定区域；对动作判定区域进行二值化处理，通过归一化数值表示各个元素点的前后动作强度；设置阈值，把现场视频流、可疑动作神态的动作强度图像转换为对应的动作标准化矩阵；将现场视频流、可疑动作神态的动作标准化矩阵做异或运算（xor运算），得到动作相差矩阵，把动作相差矩阵做累加计算得到现场视频流、可疑动作神态画像的动作相似性数值；把相差矩阵做累加计算得到的动作相似性数值做归一化处理，反映动作差别。
73.步骤s51和s52的作用是能够对现场视频流和可疑动作神态画像的动作做互相匹配对比，识别动作的相似性，具备操作简单，设备要求低，普适性高的特点。
74.s60、向监控终端发送携带可疑人员信息的身份待确认请求，用于提醒监控终端对可疑人员信息对应的可疑人员进行身份确认。
75.具体地，摄像机获取到可疑人员信息后，将可疑人员信息向监控终端发送，并在监控终端上执行自动报警请求，监控终端接收到自动报警请求后，在监控终端上显示警告标识，并将可疑人员信息传送至监控终端，从而进行监测。
76.步骤s60的作用是实现了完善服务端对监测终端发送人工指引请求的处理流程，优化系统资源，提高了指引的效率性，并且提高对可疑人员判断的准确性，从而减少可疑人员的误判情况。
77.本实施例提供的基于摄像机的监控方法，如图2所示的摄像机的监控方法的整体流程示意图，可从人物动作、人物神态等多个维度获取可疑动作神态画像对应的可疑人员，向监控终端发送可疑人员信息的身份待确认请求，便于监控终端对可疑人员进行监测确认，从而对确认作弊后的参考人员的行为进行制止，提高了制止作弊行为的及时性和精准性；摄像机识别人物信息，将人物信息与系统人员信息库进行比对，有效缩减人工核实人物信息的时间，从而有效提高监控效率；向监控终端发送可疑人员信息的身份待确认请求，以使监控终端对可疑人员进行监测确认，目的是持续追踪跟进，减少出现误判的可能，提高对参考人员作弊行为判断的准确性。
78.本技术另一实施例，公开了一种监控系统。
79.参照图3，监控系统包括：获取识别模块10，用于实时获取现场视频流，通过现场视频流识别人物信息；识别动作模块20，用于基于人物信息和人物动作数据库，识别人物动作，获取动作识别结果；识别获取神态模块30，用于基于人物信息和人物神态数据库，识别人物神态，获取神态识别结果；生成人物动作神态画像模块40，用于基于动作识别结果和神态识别结果，生成人物动作神态画像；获取可疑人员模块50，用于若判断人物动作神态画像中存在可疑动作神态画像，则判别人物信息为可疑人员信息；发送请求模块60，用于向监控终端发送携带可疑人员信息的身份待确认请求，用于提醒监控终端对所述可疑人员信息对应的可疑人员进行身份确认。
80.本实施例提供的监控系统，由于其各模块本身的功能及彼此之间的逻辑连接，能实现前述实施例的各个步骤，因此能够达到与前述实施例相同的技术效果，原理分析可参见前述基于摄像机的监控的方法步骤的相关描述，在此不再累述。
81.关于监控系统的具体限定可以参见上文中对于基于摄像机的监控方法的限定，在此不再赘述。上述监控系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
82.在一实施例中，提供一种计算机设备，该计算机设备可以是监控终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括
非易失性介质、内存储器。该非易失性介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于摄像机的监控方法中需保存的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于摄像机的监控方法。
83.在一实施例中，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例基于摄像机的监控方法，例如图1所示s10至步骤s60。或者，处理器执行计算机程序时实现上述实施例中基于摄像机的监控系统的各模块/单元的功能，例如图3所示模块10至模块40的功能。为避免重复，此处不再赘述。
84.在一实施例中，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述实施例基于摄像机的监控方法，或者，该计算机程序被处理器执行时实现上述装置实施例中监控系统中各模块/单元的功能。为避免重复，此处不再赘述。
85.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其他介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（rom）、可编程rom（prom）、电可编程rom（eprom）、电可擦除可编程rom（eeprom）或闪存。易失性存储器可包括随机存取存储器（ram）或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram（sram）、动态ram（dram）、同步dram（sdram）、双数据率sdram（ddrsdram）、增强型sdram（esdram）、同步链路（synchlink） dram（sldram）、存储器总线（rambus）直接ram（rdram）、直接存储器总线动态ram（drdram）、以及存储器总线动态ram（rdram）等。
86.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
87.以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。