[发明专利]一种面向监控的视频图谱构建和挖掘方法、设备

权利要求书

1.一种面向监控的视频图谱构建和挖掘方法，其特征在于，包括：

S1、基于重识别获取不同监控视频中的同一监控对象，获取所述监控对象的属性信息；

S2、基于图形数据库存储所述监控对象的对象编号，基于键值型数据库的行健存储所述监控对象的对象编号，基于键值型数据库的子健存储所述监控对象的属性信息及对应的监控视频编号，建立监控对象视频图谱；

S3、基于所述监控对象视频图谱获取监控对象的轨迹信息；

所述步骤S3包括：

S301、根据人物的编号p，在键值型数据库的人物表中得到摄像头的编号C₁、C₂、C₃；

S302、将人物编号p和步骤S301中得到的摄像头编号C₁、C₂、C₃组合成新的行键继续在关系表中查询进入摄像头时间和离开时间两列，求两个时间的平均值得到人物在每个摄像头前出现的时间t₁、t₂、t₃；

S303、根据步骤S302得到的时间t₁、t₂、t₃按从小到大排序，通过查询摄像头表，输出对应摄像头所在的地址。

2.根据权利要求1所述的面向监控的视频图谱构建和挖掘方法，其特征在于，所述监控对象为监控视频中的任意物体，包括行人、车辆。

3.根据权利要求1所述的面向监控的视频图谱构建和挖掘方法，其特征在于，在步骤S1中，基于重识别获取不同监控视频中的同一监控对象，具体包括：

基于计算机集群对所有监控视频进行预处理，并将监控视频流按帧分割成图片流，获取含有完整监控对象信息的图片流中监控对象的唯一特征向量；

基于所述唯一特征向量建立分段哈希索引，并基于所述分段哈希索引进行监控对象重识别，获取含有监控对象的监控视频信息，并得到监控对象在所述监控视频中的进入时间、离开时间。

4.根据权利要求3所述的面向监控的视频图谱构建和挖掘方法，其特征在于，基于所述唯一特征向量建立分段哈希索引，并基于所述分段哈希索引进行监控对象重识别，具体包括：

将所述唯一特征向量转换为哈希码，并将所述哈希码均分为m段，每段的长度为位，其中b为所述哈希码的长度；

在m段中查询与所述哈希码的汉明距离为r的候选哈希码，并基于已训练的联合贝叶斯分类器判断所述候选哈希码对应的对象是否与所述监控对象相同。

5.根据权利要求3所述的面向监控的视频图谱构建和挖掘方法，其特征在于，在步骤S1中，获取所述监控对象的属性信息，具体包括：

基于已训练的神经网络模型，对所述监控对象进行语义分割和属性标注，获取所述监控对象的属性信息。

6.根据权利要求3所述的面向监控的视频图谱构建和挖掘方法，其特征在于，基于图形数据库存储所述监控对象的唯一编号信息前，还包括：

基于所述唯一特征向量和所述属性信息进行检索，查找是否存在相同对象的记录，若选在相同对象的记录，则将相同对象的对象编号作为监控对象的编号，若不存在相同对象的记录，则重新分配一个新的对象编号。

7.根据权利要求3所述的面向监控的视频图谱构建和挖掘方法，其特征在于，所述步骤S3具体包括：

基于监控对象的对象编号，在所述键值型数据库中获取监控视频编号，并获取监控对象在各监控视频中的进入时间和离开时间；

将所述进入时间、离开时间的均值作为监控对象在对应监控视频中的出现时间，获取监控对象在各监控视频中的出现时间，所述出现时间进行排序，并基于各监控视频对应摄像头的地址，获取监控对象的轨迹信息。