[发明专利]一种具有智能违法警示功能的安防摄像设备及方法

权利要求书

1.一种具有智能违法警示功能的安防摄像设备，其特征在于，包括：

图像采集单元、身份辨别单元、行为分析单元、投射警示单元和后端平台单元；

所述图像采集单元包括摄像机和摄像支架，所述摄像机安装于所述摄像支架上，用于拍摄公共空间区域的图像视频；

所述身份辨别单元包括辨别服务器，所述身份辨别单元用于提取并辨别所述图像视频中的人脸和/或车牌号码，所述辨别服务器根据身份辨别结果向所述后端平台单元发送辨别指令；

所述行为分析单元包括分析服务器，所述行为分析单元用于提取所述图像视频中的违法行为的发生的主体，所述分析服务器根据分析结果向所述投射警示单元发送投射指令；

所述投射警示单元包括投射装置，用于根据所述投射指令，在发生违法行为时，向处于所述违法行为的主体投射警示光；所述投射装置包括光束投射器、旋转云台和安装架，所述安装架固定安装于安防摄像位置，所述旋转云台转动连接于所述安装架内，所述光束投射器转动连接于所述旋转云台上表面；所述光束投射器发射出的光束投射在地面上的面积不小于直径为6m的圆的面积，

所述后端平台单元用于接收所述辨别指令，将对违法行为主体进行记录；

其中，分析服务器针对各个视频区域当中的目标，实现对其中运动目标的提取与追踪；进而，对于从每帧画面中提取的每个运动目标，其目标特征通过确定每个运动目标的外接矩形的质心坐标以及目标边缘像素，进而计算由该质心坐标指向目标边缘像素的矢量坐标组来表征；针对每帧画面建立运动目标表，该表记录一帧视频画面当中包含的全部运动目标及每个运动目标的目标特征，即：

F_n＝O_n，1，O_n，2，...O_n，i...O_n，k

F_n表示第n帧视频画面的运动目标表，设该帧画面中共k个运动目标，则O_n，i表示该第n帧视频画面中第i个运动目标及其目标特征；针对相邻的两帧视频画面，对其中的运动目标利用其在视频画面的位置关系以及目标特征进行匹配计算，以实现目标追踪；遍历相邻两帧视频画面当中各自的运动目标进行两两匹配计算，确定匹配的运动目标；对于前一帧中存在但在后一帧中没有发现存在匹配的运动目标，认为其属于消失的运动目标；对于后一帧中存在但在前一帧中没有发现存在匹配的运动目标，认为属于新增的运动目标；对于第n-1帧和第n帧视频画面，通过目标匹配表记录二者的运动目标匹配关系：

M_(n-1，n)＝Δ(O_n-1，1，O_n，1)，Δ(O_n-1，2，O_n，2)，...Δ(O_n-1，j，O_n，j)，...Δ(O_n-1，L，O_n，L)

M_(n-1，n)表示第n-1帧和第n帧视频画面之间的目标匹配表，该两帧视频画面中共有L个匹配的运动目标，则Δ(O_n-1，j，O_n，j)表示第n-1帧和第n帧视频画面当中第j个匹配的运动目标的目标特征变化量；根据第n帧视频画面中每个运动目标的目标特征，判断该运动目标的类别；对于在一系列的视频画面帧中所确定的同一个运动目标，分析服务器根据该同一个运动目标在连续的视频画面帧中目标特征的变化，从多个维度分析该目标特征变化与目标行为的相关性系数，并且基于该相关性系数，将该运动目标的目标特征变化转化为多维行为特征；对于具有同一个运动目标的若干个视频画面帧，通过目标匹配表确定在这些帧的每两个相邻帧中该运动目标的目标特征变化量，对于运动目标j来说，在若干个视频画面帧中目标特征变化量分别为：

ΔO_j＝{...Δ(O_n-2，j，O_n-1，j)，Δ(O_n-1，j，O_n，j)，Δ(O_n，j，O_n+1，j)，...}

并且通过该运动目标的目标特征变化量，通过计算在每两个相邻帧中的质心坐标的位置变化，确定目标轨迹：

ΔK_j＝{...ΔK(O_n-2，j，O_n-1，j)，ΔK(O_n-1，j，O_n，j)，ΔK(O_n，j，O_n+1，j)，...}

其中ΔK_j表示运动目标j在各帧视频画面中的运动轨迹，ΔK(O_n，j，O_n+1，j)，表示该运动目标j在第n帧至第n+1帧视频画面中的外接矩形质心坐标位移轨迹；以及通过该运动目标在每两个相邻帧中的质心坐标的位置变化计算目标速度：

S_j＝{...S(O_n-2，j，O_n-1，j)，S(O_n-1，j，O_n，j)，S(O_n，j，O_n+1，j)，...}

其中S_j表示运动目标j在各帧视频画面中的目标速度，S(O_n，j，O_n+1，j)表示该运动目标从第n帧至第n+1帧的运动速度；进而，将目标特征变化量、目标轨迹以及目标速度作为分析的多个维度，确认所述相关性系数；对于第j个运动目标，目标特征变化量维度的行为特征向量表示为：

act(ΔO_j)＝{...αΔ(O_n-2，j，O_n-1，j)，αΔ(O_n-1，j，O_n，j)，αΔ(O_n，j，O_n+1，j)，...}

目标轨迹维度的行为特征向量表示为：

act(ΔK_j)＝{...αΔK(O_n-2，j，O_n-1，j)，αΔK(O_n-1，j，O_n，j)，αΔK(O_n，j，O_n+1，j)，...}

目标速度维度的行为特征向量表示为：

act(S_j)＝{...αS(O_n-2，j，O_n-1，j)，αS(O_n-1，j，O_n，j)，αS(O_n，j，O_n+1，j)，...}

其中，α即表示通过上述方式确定的相关性系数；α是一个二元变量，即α取值为α₁或α₂，其中α₁小于α₂；对于正常性行为造成的目标特征变化量、目标轨迹和目标速度，α相应的取值为α₁；对于非正常性行为造成的目标特征变化量、目标轨迹和目标速度，α相应的取值为α₂；从而，针对视频画面中的每个运动目标，提取表示该运动目标的多维行为特征的行为特征向量组act(ΔO_j)，act(ΔK_j)和act(S_j)；分析服务器利用针对全部目标的行为特征向量组act(ΔO_j)，act(ΔK_j)和act(S_j)，执行2元聚类的聚类分析，从而根据全部目标的行为特征向量组，实现将目标聚合为两个正常性行为集合和非正常性行为集合，进而获得当前运动目标存在或者不存在非正常性行为的判断输出；分析服务器根据分析结果向投射警示单元发送投射指令。