[发明专利]一种视频监控中异常场景处理方法及系统

权利要求书

1.一种视频监控中异常场景处理方法，其特征在于，包括：

接收连续的视频监控若干帧视频数据；

将这些视频数据逐帧输入至训练好的C-NIC-R模型，输出从异常场景开始至结束时间段内的视频片段；

其中，C-NIC-R模型由依次串联的CNN模型、NIC模型和RNN模型；

CNN模型用于根据视频数据，检测相应帧视频中有无异常场景；若存在异常场景，则输出从异常场景开始时间点起之后的视频数据至NIC模型；

NIC模型用于将接收到的视频数据转化为自然语言描述；

RNN模型用于将相应帧视频数据对应的自然语言描述与异常场景开始时刻对应的自然语言描述进行相似度比较，确定异常场景结束时间点及其对应的视频帧。

2.如权利要求1所述的视频监控中异常场景处理方法，其特征在于，所述视频监控中异常场景处理方法还包括：

若C-NIC-R模型中的CNN模型检测到相应帧视频中有异常场景，则记录下异常场景开始时间点、异常场景类型及拍摄异常场景的设备相关信息并输出告警信息。

3.如权利要求1所述的视频监控中异常场景处理方法，其特征在于，所述视频监控中异常场景处理方法还包括：

判断从异常场景开始至结束时间段内的视频片段的容量是否超出区块的最大容量，若是，则采用最大容量保存法降低视频容量，即使用容量最大值判断最多保存视频数据的帧数，再按照等差数列抽出相应帧数的视频数据作为关键信息并持久化存储在相应区块中；否则，将视频片段直接持久化存储在相应区块中。

4.如权利要求3所述的视频监控中异常场景处理方法，其特征在于，在区块中还存储有异常场景开始时间点、异常场景类型及拍摄异常场景的设备相关信息；其中，区块由区块头和区块主体构成，所述区块头用来存储拍摄异常场景的设备相关信息；区块主体用来存储异常场景开始时间点、异常场景类型及相应视频片段。

5.一种视频监控中异常场景处理系统，其特征在于，包括：

视频数据接收模块，其用于接收连续的视频监控若干帧视频数据；

异常场景识别模块，其用于将这些视频数据逐帧输入至训练好的C-NIC-R模型，输出从异常场景开始至结束时间段内的视频片段；

其中，C-NIC-R模型由依次串联的CNN模型、NIC模型和RNN模型；

CNN模型用于根据视频数据，检测相应帧视频中有无异常场景；若存在异常场景，则输出从异常场景开始时间点起之后的视频数据至NIC模型；

NIC模型用于将接收到的视频数据转化为自然语言描述；

RNN模型用于将相应帧视频数据对应的自然语言描述与异常场景开始时刻对应的自然语言描述进行相似度比较，确定异常场景结束时间点及其对应的视频帧。

6.如权利要求5所述的视频监控中异常场景处理系统，其特征在于，所述视频监控中异常场景处理系统还包括：

异常场景告警模块，其用于若C-NIC-R模型中的CNN模型检测到相应帧视频中有异常场景，则记录下异常场景开始时间点、异常场景类型及拍摄异常场景的设备相关信息并输出告警信息。

7.如权利要求5所述的视频监控中异常场景处理系统，其特征在于，所述视频监控中异常场景处理系统还包括：

异常场景存储模块，其用于判断从异常场景开始至结束时间段内的视频片段的容量是否超出区块的最大容量，若是，则采用最大容量保存方法降低视频容量，即使用容量最大值判断最多保存视频数据的帧数，再按照等差数列抽出相应帧数的视频数据作为关键信息并持久化存储在相应区块中；否则，将视频片段直接持久化存储在相应区块中。

8.如权利要求7所述的视频监控中异常场景处理系统，其特征在于，在区块中还存储有异常场景开始时间点、异常场景类型及拍摄异常场景的设备相关信息；其中，区块由区块头和区块主体构成，所述区块头用来存储拍摄异常场景的设备相关信息；区块主体用来存储异常场景开始时间点、异常场景类型及相应视频片段。