[发明专利]一种基于视频分割的智能视频监控方法

权利要求书

1.一种基于视频分割的智能视频监控方法，其特征在于，包括以下步骤：

第一步，利用视频监控摄像机拍摄监控视频；

第二步，将监控视频数据传输到电脑端；

第三步，在电脑端，以卷积神经网络CNN为基础，构建NetWarp结构，对监控视频中的连续帧Frame进行分析，对视频中的物体进行分割，以达到入侵检测，实时监测异常情况的目的；

第四步，对异常情况发出警示音，并进行邮件或短信通知。

2.根据权利要求1所述的基于视频分割的智能视频监控方法，其特征在于：所述第三步中，对视频进行分割，包括以下步骤：

(1)流计算Flow Computation

输入连续两帧图片I_t和I_(t-1),使用DIS-Flow算法计算两帧连续图片中每个像素位置的相对偏移量，得到从帧I_t到I_(t-1)的光流数据；

(2)流转换Flow Transformation

通过卷积神经网络FlowCNN对从帧I_t到I_(t-1)的光流数据进行转换，得到转换后的光流数据；

(3)扭曲表示Warping Representations

通过转换后的光流数据计算当前帧图片I_t像素位置映射到前一帧图片I_(t-1)像素位置的扭曲表示，得到前一帧图片I_(t-1)的扭曲卷积核；

(4)表示结合Combination of Representations

将计算出的前一帧图片I_(t-1)的扭曲卷积核与当前帧图片I_t的卷积核线性相加，并将相加结果传递给剩下的图像卷积网络层；

(5)入侵检测Intrusion Detection

对分割后视频帧图像间做差值处理，根据预先设定的阈值threshold，判断是否为异常入侵；若发现异常入侵，则发出警示。

3.根据权利要求2所述的基于视频分割的智能视频监控方法，其特征在于：所述步骤(1)中，用一组浮点数μ和υ分别代表像素在水平和垂直方向的偏移量，(x'，y')＝(x+μ，y+υ)，其中(x，y)表示图片I_t中每个像素位置，(x'，y')表示图片I_(t-1)中每个像素位置。

4.根据权利要求3所述的基于视频分割的智能视频监控方法，其特征在于：所述步骤(2)中，卷积神经网络FlowCNN连接原始的两个通道流，前一帧图片I_(t-1)与当前帧图片I_t，以及这两帧之间的差异形成一个11通道的张量(tensor)作为卷积神经网络FlowCNN的输入；所述卷积神经网络FlowCNN本身由4个使用ReLU非线性函数的卷积层构成，所有的卷积层都是由3×3的卷积核(Filter)组成，并且前三层的输出通道分别是16，32和2；连接第三层的输出与步骤(1)中计算出的光流数据作为输入传递给最后一层卷积层来获得最终的转换后的流数据。

5.根据权利要求4所述的基于视频分割的智能视频监控方法，其特征在于：所述卷积神经网络FlowCNN中的所有参数通过标准的反向传播算法进行学习。

6.根据权利要求5所述的基于视频分割的智能视频监控方法，其特征在于：所述步骤(3)中，在图像卷积神经网络的第k层实现Net-Warp模块，相邻两帧的卷积核分别是Z_t^k和为了表示方便，分别用Z_t和Z_(t-1)来表示；Z_(t-1)通过扭曲和Z_t对齐：

其中，为扭曲后卷积核，F_t代表光流信息，Λ(·)代表FlowCNN网络。