[发明专利]异常行为预警信息约束的视频大数据快速检索方法及系统有效

专利信息
申请号: 201511022366.X 申请日: 2015-12-30
公开(公告)号: CN105653690B 公开(公告)日: 2018-11-23
发明(设计)人: 邵振峰;蔡家骏;王中元;杨珂 申请(专利权)人: 武汉大学
主分类号: G06F17/30 分类号: G06F17/30
代理公司: 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 代理人: 严彦
地址: 430072 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 异常 行为 预警 信息 约束 视频 数据 快速 检索 方法 系统
【权利要求书】:

1.一种异常行为预警信息约束的视频大数据快速检索方法,其特征在于:包括以下步骤,

步骤1,构建异常行为库,包括接收前端智能摄像头的异常行为预警信息,录入异常行为库,所述异常行为库记录的数据包括异常行为类型、监控点名称、监控探头编号、发生时间、持续时长、快照图片或视频片段文件名、原始监控录像索引和备注信息;

步骤2,建立关联度模型表,关联度模型表存储案件或事件类型与异常行为类型的关联关系;

建立关联度模型表,包括根据已知的若干组案件或事件类型与异常行为类型的关联关系,初始化关联度模型表,并采用以下子步骤进行更新,

1)定义案件或事件集合E;

2)定义异常行为集合A;

3)随着智能监控摄像头检测的异常行为种类的增加,相应地扩大异常行为集合A;

4)随着异常行为集合A的扩大,分析与新增加的异常行为关系密切的案件或事件,将其添加到案件或事件集合E中;

5)针对案件或事件集合E中的某一元素Ei,根据历史案发大数据,统计与其相关的异常行为出现的频次,并按频次排序,得到集合S1;

6)针对案件或事件集合E中的某一元素Ei,根据用户选择,列举与其相关的异常行为,并按相关度排序,得到集合S2;

7)对集合求交集,S=S1∩S2,将S中的前二者作为与该事件最密切的异常行为,录入到关联度模型表中;

步骤3,为实现视频取证,基于关联度模型表和异常行为库,执行如下子步骤,

步骤3.1,根据实际发生的案件或事件类型,查询关联度模型表,得到相关的异常行为类型;

步骤3.2,根据异常行为类型,检索异常行为库,获得异常行为发生的时空信息;

步骤3.3,浏览与异常行为有关的快照图片或视频片段,进而将多点的图片或片段重构成一段完整的摘要视频,还原待检索目标的活动轨迹;

步骤3.4,根据实际需要,通过异常行为库中的原始监控录像索引进一步调阅监控录像。

2.根据权利要求1所述异常行为预警信息约束的视频大数据快速检索方法,其特征在于:对异常行为库进行检索、统计和分析操作的实现方式如下,

所述检索操作如下,

根据行为类型检索,显示检索结果图片,及其地点、时间;

根据地点检索,显示检索结果图片,及其名称、时间;

根据时间段检索,显示检索结果图片,及其名称、地点;

所述统计操作如下,

按时间统计,用曲线显示一年中每月份发生的异常行为数;

按地点统计,用曲线显示一年中各地点发生的异常行为数;

按时间、地点的二维统计,用二维曲面显示一年发生的异常行为数;

所述分析操作如下,

对异常行为的时空属性进行聚类分析,绘制风险曲面,并结合地理信息,用不同颜色可视化呈现风险等级;

挖掘异常行为的时空分布规律及预测其变化趋势,寻找安全防范的关键节点,得到辅助决策信息,为未来警力分配提供科学参考。

3.根据权利要求1所述异常行为预警信息约束的视频大数据快速检索方法,其特征在于:异常行为与案件或事件是否关系密切,按以下原则进行分析,

①案件或事件发生前,异常行为与案件或事件的发生存在时序关系合乎逻辑的关系;

②案件或事件发生后,视频中的异常行为对象表现出的异常行为。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉大学,未经武汉大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201511022366.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top