[发明专利]一种采用人工智能预测追踪的视频监视云台及其追踪方法

摘要

本申请提出了一种采用人工智能预测追踪的视频监视云台及其预测追踪方法，可以分析出不同场景视频画面在场景模式方面的差异，进而针对某一种场景模式，基于人工智能的机器学习方法，确定其中重点目标的状态特征，从而训练获得特定场景模式下对重点目标的识别与追踪标准，在多种运动目标的场景之下可以基于每个运动目标与场景模式与采集目的的关联性提取重要目标，从而根据该重要目标的运动实现云台的预测追踪。

主权项

1.一种采用人工智能预测追踪的视频监视云台，其特征在于，包括：场景模式识别单元、目标区域智能学习单元、追踪目标提取单元、云台驱动单元；其中所述场景模式识别单元用于从视频监视云台的摄像机拍摄的场景视频画面当中提取每个场景当中包含的目标，并且量化目标状态生成状态值；根据目标的状态值，判断两幅相邻的场景视频画面是否是相同的场景模式，对相同场景模式的场景视频画面标注同一类场景模式标记；其中，所述场景模式识别单元比对相邻两幅场景视频画面中是否包含相同目标，以及相同目标占每幅场景视频画面中全部目标的比例是否低于第一阈值；如果两幅场景视频画面中至少一幅的相同目标百分比低于该第一阈值，则判定这两幅场景视频画面分别属于不同的场景模式；如果相邻两幅场景视频画面中包含的相同目标占全部目标的百分比均大于等于第一阈值，则进而利用两幅画面中相同目标各自的状态值，计算这两幅场景视频画面中全部相同目标的状态整体差异度；若状态整体差异度大于等于第二阈值，则判定这两幅场景视频画面具有不同的场景模式，若状态整体差异度低于第二阈值，则判定这两幅场景视频画面具有相同的场景模式；目标区域智能学习单元，用于通过一定数量的样本，学习每一种场景模式下重要运动目标的状态值特征；其中，目标区域智能学习单元为每一种场景模式提取一定数量的场景视频画面作为样本画面，并且人工对这些样本画面当中应锁定追踪的运动目标区域进行识别，确定每一幅样本画面当中属于重要目标的运动目标；确定该重要目标在样本画面中的状态值；将每一种场景模式的全部样本画面中的重要目标的状态值执行训练，获得训练好的重要目标识别SVM分类向量机；针对每一种场景模式的全部样本画面，提取样本画面包含的全部运动目标以及每一个运动目标的状态值，获得目标状态值列表，将每一种场景模式的全部样本画面的目标状态列表进行训练，获得训练好的场景模式识别SVM分类向量机；追踪目标提取单元，用于目标区域智能学习单元的学习结果，根据从当前场景视频画面识别每一个运动目标的状态值，判断该运动目标是否属于重要目标，当结果表明当前场景视频画面中的一个运动目标属于重要目标，则将该运动目标的画面位置坐标提供给云台驱动单元；其中，所述追踪目标提取单元用于将当前场景视频画面的运动目标状态值列表代入经训练之后的各个场景模式识别SVM分类向量机，从而判断当前场景视频画面属于哪一种场景模式；进而，将该场景视频画面中每一个运动目标的状态值代入训练好的该场景模式对应的重要目标识别SVM分类向量机，从而识别每一个运动目标是否属于重要目标，当分类结果表明当前场景视频画面中的一个运动目标属于重要目标；云台驱动单元，从追踪目标提取单元获得当前场景视频画面中的重要目标的画面位置坐标，从而按照该画面位置坐标锁定当前场景视频画面当中的重要目标，进行追踪拍摄。