[发明专利]一种基于运动模型的视频分析算力实时分配调度方法

说明书

本发明提供了一种基于运动模型的视频分析算力实时分配调度方法，通过结合目标的运动轨迹路线、交通工具等参数，实时估算目标在历史时刻和未来时刻可能出现的地点和时间范围，从而集中视频分析算力对相应地区接入摄像头的相应时间段的视频进行智能分析。针对历史视频，该方法利用人脸/人体相似度匹配方法迭代搜寻目标，追溯目标历史轨迹；针对实时跟踪，系统实时预判目标可能路线，并调度分析相关实时视频流，发现目标进入后自动关联并触发告警。从而辅助调查人员利用有限的分析计算能力在海量视频中迅速定位到目标。

技术领域

本发明属于视频监控智能分析领域，尤其涉及一种基于运动模型的视频分析算力实时分配调度方法。

背景技术

随着政府和企业对平安城市建设、社会监控建设的持续投入，高清视频监控设备和技术在公共安全领域的广泛应用。海量的高清视频对于加快破获恶性刑事案件、维护社会公共安全起到了很大的作用，然而传统的视频监控和智能分析技术虽然解决了视频的存储和回放，以及各厂商视频流之间的互联互通，但仍然无法对无用的视频段进行过滤。当需要对实现全方位的实时监控、指挥调度时，视频录像中可疑目标的检索查证，还必须依靠大量的工作人员时刻紧盯屏幕，监视所有摄像机的实时视频，以及回放相关录像，查找可疑人员、车辆目标和线索。这显然需要耗费大量的人力，且由于劳动强度高，工作量巨大，难免因为疲劳和疏忽而错漏掉某些稍纵即逝的重要信息。因此，视频监控系统正朝着智能化的方向发展。

新一代的智能化监控系统采用了智能视频分析技术，具备实时对监控范围内的运动目标、感兴趣目标(如人员、车辆等)进行检测、匹配与跟踪的能力，然而具备智能分析能力的后端服务或是后端高性能处理设备价格昂贵，无法深入应用至大街小巷，从而无法做到对接入视频或监控区域的全覆盖。进一步地，为了缓解对后端处理服务器的性能要求以及对网络传输的带宽要求，越来越多的前端智能分析和处理设备被广泛应用，具备智能分析和处理能力的前端设备在小范围内应用时，性价比较高。但当规模扩大时，如在平安城市、刑侦反恐等产生大规模视频数据及视频分析需求时，视频智能分析更倾向于需要对各设备之间的处理分析结果进行检索、匹配、关联等需求，此时仍旧需要大量的后端分析算力进行支撑，在实际的工程应用中，成本较高。

发明内容

发明目的：本发明所要解决的技术难点是视频智能分析算力不足的问题。本发明通过构建目标的运动模型，结合目标位置、目标出现时间、交通工具等参数，实时解算目标可能运动/来源方向，并调度计算资源对相应时间段和空间范围的视频进行智能分析，并对分析结果进行相似度匹配，根据历史视频完成轨迹溯源，针对实时视频完成目标出现实时告警。

本发明提供一种基于运动模型的视频分析算力实时分配调度方法，包括如下步骤：

步骤1，目标选取标注；

步骤2，对目标轨迹进行预测估算；

步骤3，对摄像头算力进行分配调度；

步骤4，重建目标轨迹。

步骤1包括：用户调阅目标出现的实时或历史视频，框选目标图像，标注目标类型。

步骤2包括：根据目标的摄像头编号以及目标出现的时间信息，结合目标类型，估算目标的可能活动范围，输出待处理的摄像头及时间段信息，并筛选估算出的目标的可能活动范围，得到目标轨迹。

步骤2中，所述估算目标的可能活动范围包括：

在空间维度上预测目标的可能活动范围：依据目标类型预设不同的运动速度，通过各摄像头实际分布的地理位置信息，以目标出现时所在摄像头的位置为中心，以预设目标类型的运动速度v和目标运动时间t相乘的结果作为目标可能的活动半径R，如预设目标类型为人的运动速度为1米每秒，则目标10分钟内的运动半径R为600米。

R＝v×t (1)