基于监控视频时序动作异常检测的监控系统的制作方法

1.本发明涉及监控领域，具体涉及基于监控视频时序动作异常检测的监控系统。


背景技术：

2.基于监控视频时序动作异常检测的监控系统是连接监控设备，基于监控视频时序进行人员动作异常检测的系统，能够起到检测异常人员的作用，为的是保护记录人员异常，以及人员异常危险信息的及时上报和存储，通过对异常动作进行分析检测，及时的对异常危险人员进行信息捕捉记录，能建立在各种安保系统中进行使用，列如公共汽车监控、银行监控以及学校监控中，更有利于安保的使用。
3.现有的基于监控视频时序动作异常检测的监控系统存在着一定的不足之处有待改善，在使用时不能够对视频中的人员录入存在信息进行识别，导致了需要对视频图像全段进行分析检测，因此降低了视频图像分析检测的效率，增加了系统工作量，无法快速的实现异常检测，其次，无法进行风向细化分级，导致了异常检测风险评估分级效果差，因此为后台人工识别带来了麻烦。


技术实现要素：

4.本发明所要解决的技术问题在于：现有的基于监控视频时序动作异常检测的监控系统在使用时不能够对视频中的人员录入存在信息进行识别，无法进行风向细化分级，导致了异常检测风险评估分级效果差。
5.本发明是通过以下技术方案解决上述技术问题的，基于监控视频时序动作异常检测的监控系统，包括监控处理中心、视频输入模块、图像处理模块、图像存储模块、热成像捕捉筛选模块、动作异常分析模块、视频输出模块；
6.所述监控处理中心为监控系统的中心处理部分；
7.所述视频输入模块用于监控视频的采集和输入；
8.所述图像处理模块用于对监控视频进行处理；
9.所述图像存储模块用于对视频进行临时存储；
10.所述热成像捕捉筛选模块用于对监控中的人员进行热成像捕捉；
11.所述动作异常分析模块用于对监控视频中的人员异常动作进行分析；
12.所述视频输出模块用于对分析后的监控视频进行输出。
13.优选的，所述视频输入模块接入监控摄像头，对录入的视频图像数据进行实时采集。
14.优选的，所述图像处理模块对视频图像的处理包括等比缩放、图像海量加载、图像的裁剪、图像的无损压缩、图像的旋转、图像阴影去除和改变图片形状。
15.优选的，所述热成像捕捉筛选模块与视频拍摄的摄像头连接，摄像头进行视频拍摄时，直接进行热成像捕捉，将录入的视频分为含有人员视频和无人员视频，再由动作异常分析模块对含有人员视频进行分析。
16.优选的，所述图像存储模块分别对分析前的视频图像数据以及分析后的视频图像数据进行存储，存储量上限时，删除存储时间最长的视频图像数据，存储介质可为u盘、只读存储器、随机存取存储器、移动硬盘、磁碟或者光盘。
17.优选的，所述动作异常分析模块具体分析步骤如下：
18.步骤一：人脸捕捉单元对视频图像中的人脸进行捕捉锁定；
19.步骤二：人脸跟踪单元对锁定的人员进行动作跟踪；
20.步骤三：动作分析单元根据视频时序对跟踪锁定的人员进行动作分析，通过公式：进行计算，便可以通过kinect获取需要计算的某两个关节点的坐标再计算出相应的距离，我们不仅可以直接使用这些距离特征来识别某些姿态，还可以继续处理这些距离特征，例如根据多点之间的距离计算出角度特征，同样也能够达到姿态识别的目的，分析检测出动作异常的人员；
21.步骤四：异常判定单元对分析检测后的人员进行判定。
22.优选的，所述异常判定单元对动作分析的视频人员进行分级，分级配置为：
23.异常风险百分比小于10％，则将该用户分类至i级无风险人员；
24.异常风险百分比介于10％至30％，则将该用户分类至ii级低风险人员；
25.异常风险百分比介于30％至40％，则将该用户分类至iii级中风险人员；
26.异常风险百分比大于40％以上，则将该用户分类至iv级高风险人员。
27.优选的，所述视频输出模块包括有异常视频输出单元和正常视频输出单元，异常视频输出单元连接有异常信息汇报单元，异常视频输出单元用于对异常动作的视频图像进行输出，配合异常信息汇报单元对视频人员信息的异常风险等级进行汇报，正常视频输出单元用于对正常的视频图像进行输出。
28.本发明相比现有技术具有以下优点：
29.通过设置热成像捕捉筛选模块，在监控摄像头进行视频的录入时，直接进行热成像捕捉，将录入的视频分为含有人员视频和无人员视频，对视频中的人员录入存在信息进行识别，再由动作异常分析模块对含有人员视频进行分析，更精准的进行视频分析检测，因此提高了视频图像分析检测的效率，降低了系统工作量，更快速的实现异常检测；
30.通过设置动作异常分析模块，实现了对动作分析的视频人员进行分级，通过i级无风险人员、ii级低风险人员、iii级中风险人员和iv级高风险人员的四个分级，异常检测风险评估分级效果更好，为后台人工识别处理带来了便利。
附图说明
31.图1是本发明的系统框图；
32.图2是本发明的动作异常分析模块的结构图；
33.图3是本发明的视频输出模块的结构图。
具体实施方式
34.下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施
例。
35.如图1-3所示，本实施例提供一种技术方案：基于监控视频时序动作异常检测的监控系统，包括监控处理中心、视频输入模块、图像处理模块、图像存储模块、热成像捕捉筛选模块、动作异常分析模块、视频输出模块；
36.监控处理中心为监控系统的中心处理部分；
37.视频输入模块用于监控视频的采集和输入；
38.图像处理模块用于对监控视频进行处理；
39.图像存储模块用于对视频进行临时存储；
40.热成像捕捉筛选模块用于对监控中的人员进行热成像捕捉；
41.动作异常分析模块用于对监控视频中的人员异常动作进行分析；
42.视频输出模块用于对分析后的监控视频进行输出。
43.视频输入模块接入监控摄像头，对录入的视频图像数据进行实时采集。
44.图像处理模块对视频图像的处理包括等比缩放、图像海量加载、图像的裁剪、图像的无损压缩、图像的旋转、图像阴影去除和改变图片形状。
45.热成像捕捉筛选模块与视频拍摄的摄像头连接，摄像头进行视频拍摄时，直接进行热成像捕捉，将录入的视频分为含有人员视频和无人员视频，再由动作异常分析模块对含有人员视频进行分析。
46.图像存储模块分别对分析前的视频图像数据以及分析后的视频图像数据进行存储，存储量上限时，删除存储时间最长的视频图像数据，存储介质可为u盘、只读存储器、随机存取存储器、移动硬盘、磁碟或者光盘。
47.动作异常分析模块具体分析步骤如下：
48.步骤一：人脸捕捉单元对视频图像中的人脸进行捕捉锁定；
49.步骤二：人脸跟踪单元对锁定的人员进行动作跟踪；
50.步骤三：动作分析单元根据视频时序对跟踪锁定的人员进行动作分析，通过公式：进行计算，便可以通过kinect获取需要计算的某两个关节点的坐标再计算出相应的距离，我们不仅可以直接使用这些距离特征来识别某些姿态，还可以继续处理这些距离特征，例如根据多点之间的距离计算出角度特征，同样也能够达到姿态识别的目的，分析检测出动作异常的人员；
51.步骤四：异常判定单元对分析检测后的人员进行判定。
52.所述异常判定单元对动作分析的视频人员进行分级，分级配置为：
53.异常风险百分比小于10％，则将该用户分类至i级无风险人员；
54.异常风险百分比介于10％至30％，则将该用户分类至ii级低风险人员；
55.异常风险百分比介于30％至40％，则将该用户分类至iii级中风险人员；
56.异常风险百分比大于40％以上，则将该用户分类至iv级高风险人员。
57.视频输出模块包括有异常视频输出单元和正常视频输出单元，异常视频输出单元连接有异常信息汇报单元，异常视频输出单元用于对异常动作的视频图像进行输出，配合异常信息汇报单元对视频人员信息的异常风险等级进行汇报，正常视频输出单元用于对正常的视频图像进行输出。
58.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
59.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。