[发明专利]基于Spark Streaming的视频监控预警方法及系统

权利要求书

1.基于Spark Streaming的视频监控预警方法，其特征在于，包括以下步骤：

步骤1.实时获取监控视频流，对所述监控视频流进行预处理后得到特征图数据，根据所述特征图数据的Topic将其发送至消息队列服务器；

对所述监控视频流进行预处理后得到特征图数据包括：

将监控视频流转换为一系列的截帧图形，调整各截帧图形的分辨率，并对各截帧图形进行特征提取，将特征点转为结构化数据，并把结构化数据组装为特征图数据；

步骤2.消息队列服务器将所述特征图数据发送至Topic对应的Spark 分区，SparkStreaming根据监控设备ID对Spark 分区中的特征图数据进行分组，对每组特征图数据分别进行空间向量算法分析得到特征图数据对应的特征向量参数；

步骤3.确定所述特征向量参数与聚类参考特征向量参数的距离，若所述距离小于或等于阈值，则表示监控图像特征与聚类参考特征向量参数匹配，若聚类参考特征向量参数是某一类型的异常特征向量参数，则发送与聚类参考特征向量参数对应类型的预警信息；

所述聚类参考特征向量参数通过以下方法获取：

接收上报事件，对所述上报事件进行预处理得到事件记录信息，根据所述事件记录信息的Topic将其发送至消息队列服务器；

消息队列服务器将所述事件记录信息发送至事件Topic对应的Spark 分区，SparkStreaming实时对Spark 分区中的事件记录信息进行分类和统计；

根据上报事件对应的视频监控图像获得事件类型对应的聚类参考特征向量参数。

2.如权利要求1所述的基于Spark Streaming的视频监控预警方法，其特征在于，所述方法还包括：

定期获取处于预设范围的特征向量参数并将其作为第一样本数据，根据所述第一样本数据进行聚类学习，将聚类学习的结果应用至Spark Streaming的空间向量算法分析中。

3.如权利要求1所述的基于Spark Streaming的视频监控预警方法，其特征在于，所述park Streaming实时对Spark 分区中的事件记录信息进行分类和统计包括：根据事件记录信息中的区域位置、日期和事件类型对事件记录信息进行分类、统计并存储。

4.如权利要求1所述的基于Spark Streaming的视频监控预警方法，其特征在于，所述方法还包括：

定期将分类统计后的事件记录信息在监控区域地图上进行聚合展示，所述聚合展示包括：在监控区域地图上标记重大事件和频发事件区域位置。

5.如权利要求1所述的基于Spark Streaming的视频监控预警方法，其特征在于，所述方法还包括：

定期获取事件记录信息并将其作为第二样本数据，根据所述第二样本数据基于SparkMlib进行分类学习，将分类学习结果应用至Spark Streaming的分类算法过程。

6.如权利要求1所述的基于Spark Streaming的视频监控预警方法，其特征在于，发送预警消息包括：

Spark Streaming将预警消息通过消息队列服务器推送至已订阅终端。

7.基于Spark Streaming的视频监控预警系统，其特征在于，包括：

处理单元，用于实时获取监控视频流，对所述监控视频流进行预处理后得到特征图数据，根据所述特征图数据的Topic将其发送至消息队列服务器；

对所述监控视频流进行预处理后得到特征图数据包括：

将监控视频流转换为一系列的截帧图形，调整各截帧图形的分辨率，并对各截帧图形进行特征提取，将特征点转为结构化数据，并把结构化数据组装为特征图数据；

消息队列服务器，用于将所述特征图数据发送至Topic对应的Spark 分区，SparkStreaming根据监控设备ID对Spark 分区中的特征图数据进行分组，对每组特征图数据分别进行空间向量算法分析得到特征图数据对应的特征向量参数；

确定单元，用于确定所述特征向量参数与聚类参考特征向量参数的距离，若所述距离小于或等于阈值，则表示监控图像特征与聚类参考特征向量参数匹配，若聚类参考向量特征参数是某一类型的异常特征向量参数，则发送与聚类参考特征向量参数对应类型的预警信息；

所述处理单元还用于：接收上报事件，对所述上报事件进行预处理得到事件记录信息，根据所述事件记录信息的Topic将其发送至消息队列服务器；

所述消息队列服务器还用于：将所述事件记录信息发送至事件Topic对应的Spark 分区，Spark Streaming实时对Spark 分区中的事件记录信息进行分类和统计，以及根据上报事件对应的视频监控图像获得事件类型对应的聚类参考特征向量参数。