本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，具體是一種基于視頻分析的識別方法及裝置。

背景技術(shù)：

隨著社會的發(fā)展，人員流動性的增大，對于關(guān)鍵區(qū)域或出入口的人員管控，將為異常事件的發(fā)現(xiàn)起到提前警示的作用。傳統(tǒng)的視頻監(jiān)控在長時間視頻序列圖像中采用人工處理，只能算是一種提供事后取證錄像的工具，不能起到預(yù)警的作用，而且部署成本高，監(jiān)控管理繁瑣，既不實用也不經(jīng)濟(jì)。

近年來，隨著安全事件的頻發(fā)，大多數(shù)傳統(tǒng)的安防視頻監(jiān)控方案沒有提前預(yù)判的能力，而且在實施過程中缺乏統(tǒng)籌規(guī)劃，加之視頻監(jiān)控系統(tǒng)廠商繁多，品牌復(fù)雜，進(jìn)而導(dǎo)致機(jī)構(gòu)內(nèi)外大量異源異構(gòu)安防視頻監(jiān)控系統(tǒng)并存，同時也未將安防視頻監(jiān)控與政務(wù)、交通、社區(qū)等信息化應(yīng)用系統(tǒng)中的數(shù)據(jù)進(jìn)行融合，視頻監(jiān)控系統(tǒng)采集或存儲的大量的視頻數(shù)據(jù)資源沒有被有效利用起來，在構(gòu)建平安城市的進(jìn)程中，缺少必要的元數(shù)據(jù)資源。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于視頻分析的識別方法及裝置，對大量的視頻數(shù)據(jù)流進(jìn)行分析處理，至少解決陌生人的識別警示問題，從而為視頻監(jiān)控業(yè)務(wù)在特殊區(qū)域提供人員的管控，做到異常事件的預(yù)警、事后的便捷查詢。

本發(fā)明的目的是通過以下技術(shù)方案來實現(xiàn)的：一種基于視頻分析的識別裝置，包括：

視頻預(yù)處理模塊，用于獲取視頻數(shù)據(jù)包，將數(shù)據(jù)包轉(zhuǎn)化為圖像，對圖像進(jìn)行二值化處理；

身份庫模塊，用于提取人員身份屬性信息和人員關(guān)鍵部位特征信息，分開存儲，形成人員身份庫；

跟蹤與檢測模塊，用于跟蹤和提取二值化圖像上的人員關(guān)鍵部位的特征目標(biāo)信息，然后與人員身份庫中的人員關(guān)鍵部位特征進(jìn)行比較判斷，得出判斷結(jié)果；

報警信息模塊，用于以設(shè)定數(shù)據(jù)類型的方式存儲和推送所述的判斷結(jié)果。

所述的設(shè)定數(shù)據(jù)類型包括語音數(shù)據(jù)類型、圖片數(shù)據(jù)類型、視頻數(shù)據(jù)類型和文字?jǐn)?shù)據(jù)類型。

所述的報警信息模塊，通過統(tǒng)一接口的方式將語音、圖片、視頻和文字?jǐn)?shù)據(jù)推送到不同的終端。

所述的視頻預(yù)處理模塊，通過對數(shù)據(jù)包的解析得到該數(shù)據(jù)包中連續(xù)的圖像內(nèi)容，對采集的連續(xù)圖像進(jìn)行量化處理。

所述的跟蹤與檢測模塊，根據(jù)量化處理后的數(shù)據(jù)，提取人員的特征信息，然后與人員身份庫中的特征信息比較判斷，返回判斷結(jié)果。

所述的報警信息模塊能夠根據(jù)跟蹤與檢測模塊的判斷結(jié)果，推演出不同的識別場景，存儲相應(yīng)場景的數(shù)據(jù)，推送相應(yīng)場景的數(shù)據(jù)到不同的終端設(shè)備。

一種基于視頻分析的識別方法，包括以下步驟：

獲取視頻數(shù)據(jù)包，從視頻數(shù)據(jù)流中提取屬于視頻部分的數(shù)據(jù)包，得到視頻的二進(jìn)制圖像信息；

獲取圖像信息，解析視頻數(shù)據(jù)包，提取視頻數(shù)據(jù)包中的關(guān)鍵幀信息，形成連續(xù)的圖片組；

圖像二值化處理，對圖像進(jìn)行二值化處理；

圖像二值化后續(xù)處理，對二值化圖像進(jìn)行量化處理；

跟蹤與檢測目標(biāo)特征，從量化數(shù)據(jù)中獲取人員的特征信息；

識別分析與判斷，將量化的特征信息與人員身份庫中提取的特征信息進(jìn)行比較判斷，返回判斷結(jié)果；

存儲與推送報警數(shù)據(jù)，存儲判斷結(jié)果，能夠通過統(tǒng)一接口的方式將語音、圖片、視頻和文字?jǐn)?shù)據(jù)推送到不同的終端；

更新人員身份庫，根據(jù)采集的圖像分析出該人員的身份信息和圖像信息，然后再將人員關(guān)鍵部位的特征信息和人員身份屬性信息分開存儲，更新人員身份庫。

所述的識別分析與判斷，通過計分的方式判斷，對量化的特征信息與人員身份庫中提取的特征信息進(jìn)行比較，根據(jù)相似程度計算得分值，判斷得分值是否高于設(shè)定閥值，得出判斷結(jié)果。

所述的識別分析與判斷，通過提取特征量，形成特征向量，使用特征向量與人員身份庫中的特征值進(jìn)行比較。

所述的特征量為圖像中的位置信息。

本發(fā)明的有益效果是：本發(fā)明與現(xiàn)有技術(shù)比較，具有以下優(yōu)勢：

1）通過視頻預(yù)處理模塊自動獲取視頻數(shù)據(jù)流中的視頻數(shù)據(jù)包，提取圖像信息，進(jìn)行相應(yīng)處理，替代傳統(tǒng)的視頻監(jiān)控在長時間視頻序列圖像中采用人工處理的做法，實現(xiàn)自動處理視頻數(shù)據(jù)流，圖像處理效率高，節(jié)約成本；

2）通過跟蹤與檢測模塊在二值化的圖像上對人員的目標(biāo)特征進(jìn)行跟蹤和檢測，有針對性地提取與特征數(shù)據(jù)庫中比較的目標(biāo)特征信息，例如人的臉部特征、指紋特征、帶有身份信息的卡片等，滿足不同識別場景下提取相應(yīng)的目標(biāo)特征進(jìn)行比對的需求，可以提取多種關(guān)鍵目標(biāo)特征進(jìn)行比對；

3）通過身份庫模塊在對目標(biāo)特征進(jìn)行比對的同時，實現(xiàn)對人員身份屬性的自動提取和建庫，將身份屬性信息與圖像信息分別存儲，不斷更新特征數(shù)據(jù)庫，適應(yīng)多樣化的識別場景需求，基于大數(shù)據(jù)的特征比對分析，能夠快速、準(zhǔn)確地識別出異常情況；

4）通過報警信息模塊分開存儲跟蹤與檢測模塊的不同識別場景下的判斷結(jié)果，并將相應(yīng)的判斷數(shù)據(jù)傳輸?shù)讲煌慕K端進(jìn)行警示；

5）通過報警模塊把警示數(shù)據(jù)以統(tǒng)一接口的形式傳輸?shù)讲煌慕K端，顯著提高數(shù)據(jù)推送效率，一旦檢測到異常情況，后臺監(jiān)控平臺迅速響應(yīng)，啟動突發(fā)事故應(yīng)急方案；

6）本發(fā)明與支付系統(tǒng)對接，可以通過對物件的特征、人體部位的特征授權(quán)，當(dāng)出現(xiàn)授權(quán)對象時，本發(fā)明結(jié)合身份庫進(jìn)行比對分析授權(quán)特征，根據(jù)授權(quán)特征的判斷結(jié)果建立相應(yīng)的支付連接，實現(xiàn)掃描特征支付；

7）本發(fā)明的方法在獲取視頻流數(shù)據(jù)時，既可以獲取實時視頻數(shù)據(jù)流，也可以獲取存儲在安防監(jiān)控系統(tǒng)的視頻數(shù)據(jù)，通過提取視頻數(shù)據(jù)包中的關(guān)鍵幀信息來形成連續(xù)的圖片組，然后在每一張圖片中檢測特征信息，例如將人臉的位置信息作為特征量，然后再形成特征向量，通過特征向量與身份庫的相應(yīng)特征比較，比對的分析處理后的數(shù)字特征量，突出優(yōu)勢是節(jié)省了大量的存儲空間，運行效率高；

8）對于陌生人識別場景，本發(fā)明的方法基于二值化的圖像判斷是否為陌生人，需在二值化的圖像上對人臉目標(biāo)進(jìn)行跟蹤和檢測，從而提供相應(yīng)在特征點,在與人臉模型庫進(jìn)行對比，分值在高于一定閥值時，可認(rèn)為是同一人，報警消息模塊基于陌生人跟蹤與檢測模塊識別的結(jié)果推演出是“熟人”還是“陌生人”，將以語音、視頻、圖文和信息的方式進(jìn)行警示和存儲。

未來，隨著不斷增加的視頻數(shù)據(jù)，本發(fā)明具備多場景識別能力，可以識別陌生人，可以通過刷臉系統(tǒng)驗證身份，可以在人員集中的場景進(jìn)行異常事件提前預(yù)警。在人員密集區(qū)域，例如廣場、車站等場所，檢測陌生人的圖像特征或者所攜帶的卡片圖像特征，例如身份證等，經(jīng)過分析判斷后，確認(rèn)為異常情況，啟動相應(yīng)應(yīng)急方案。本發(fā)明可以節(jié)省大量的存儲空間，成本低，實用性高，提前預(yù)判能力強(qiáng)，而對于異常事件中陌生人的檢測不僅可以及時警示人員的不正當(dāng)行為，告知工作人員及時處理，阻止不法行為的發(fā)生，提高不法行為發(fā)生后工作員查找和取證的效率，用戶只需要將含身份信息的卡片在鏡頭前進(jìn)行描掃即可完成人員身份庫的建立，然后該人員再次經(jīng)過該鏡頭時可以自動的識別出是否是陌生人。

附圖說明

圖1為本發(fā)明的方法的流程圖；

圖2為視頻數(shù)據(jù)包的獲取結(jié)果的示意圖；

圖3為圖像信息的提取結(jié)果的示意圖；

圖4為對二值化圖像進(jìn)行量化處理的示意圖；

圖5為本發(fā)明實施例1的跟蹤與檢測人臉特征的流程圖；

圖6為本發(fā)明實施例1的陌生人識別分析與判斷運算過程的示意圖；

圖7為存儲與推送報警數(shù)據(jù)的數(shù)據(jù)流向圖；

圖8為更新人員身份庫的流程圖。

具體實施方式

下面結(jié)合附圖進(jìn)一步詳細(xì)描述本發(fā)明的技術(shù)方案，但本發(fā)明的保護(hù)范圍不局限于以下所述。

一種基于視頻分析的識別裝置，包括：

視頻預(yù)處理模塊，用于獲取視頻數(shù)據(jù)包，將數(shù)據(jù)包轉(zhuǎn)化為圖像，對圖像進(jìn)行二值化處理；

身份庫模塊，用于提取人員身份屬性信息和人員關(guān)鍵部位特征信息，分開存儲，形成人員身份庫；

跟蹤與檢測模塊，用于跟蹤和提取二值化圖像上的人員關(guān)鍵部位的特征目標(biāo)信息，然后與人員身份庫中的人員關(guān)鍵部位特征進(jìn)行比較判斷，得出判斷結(jié)果；

報警信息模塊，用于以設(shè)定數(shù)據(jù)類型的方式存儲和推送所述的判斷結(jié)果。

所述的設(shè)定數(shù)據(jù)類型包括語音數(shù)據(jù)類型、圖片數(shù)據(jù)類型、視頻數(shù)據(jù)類型和文字?jǐn)?shù)據(jù)類型。

所述的報警信息模塊，通過統(tǒng)一接口的方式將語音、圖片、視頻和文字?jǐn)?shù)據(jù)推送到不同的終端。

所述的視頻預(yù)處理模塊，通過對數(shù)據(jù)包的解析得到該數(shù)據(jù)包中連續(xù)的圖像內(nèi)容，對采集的連續(xù)圖像進(jìn)行量化處理。

所述的跟蹤與檢測模塊，根據(jù)量化處理后的數(shù)據(jù)，提取人員的特征信息，然后與人員身份庫中的特征信息比較判斷，返回判斷結(jié)果。

所述的報警信息模塊能夠根據(jù)跟蹤與檢測模塊的判斷結(jié)果，推演出不同的識別場景，存儲相應(yīng)場景的數(shù)據(jù)，推送相應(yīng)場景的數(shù)據(jù)到不同的終端設(shè)備。

一種基于視頻分析的識別方法，包括以下步驟：

獲取視頻數(shù)據(jù)包，從視頻數(shù)據(jù)流中提取屬于視頻部分的數(shù)據(jù)包，得到視頻的二進(jìn)制圖像信息；

獲取圖像信息，解析視頻數(shù)據(jù)包，提取視頻數(shù)據(jù)包中的關(guān)鍵幀信息，形成連續(xù)的圖片組；

圖像二值化處理，對圖像進(jìn)行二值化處理；

圖像二值化后續(xù)處理，對二值化圖像進(jìn)行量化處理；

跟蹤與檢測目標(biāo)特征，從量化數(shù)據(jù)中獲取人員的特征信息；

識別分析與判斷，將量化的特征信息與人員身份庫中提取的特征信息進(jìn)行比較判斷，返回判斷結(jié)果；

存儲與推送報警數(shù)據(jù)，存儲判斷結(jié)果，能夠通過統(tǒng)一接口的方式將語音、圖片、視頻和文字?jǐn)?shù)據(jù)推送到不同的終端；

更新人員身份庫，根據(jù)采集的圖像分析出該人員的身份信息和圖像信息，然后再將人員關(guān)鍵部位的特征信息和人員身份屬性信息分開存儲，更新人員身份庫。

所述的識別分析與判斷，通過計分的方式判斷，對量化的特征信息與人員身份庫中提取的特征信息進(jìn)行比較，根據(jù)相似程度計算得分值，判斷得分值是否高于設(shè)定閥值，得出判斷結(jié)果。

所述的識別分析與判斷，通過提取特征量，形成特征向量，使用特征向量與人員身份庫中的特征值進(jìn)行比較。

所述的特征量為圖像中的位置信息。

實施例1：用于陌生人識別警示，如圖1所示，可以將整個過程分為七步來實現(xiàn)，其中視頻數(shù)據(jù)包，圖像信息，圖像二值化后續(xù)處理屬于視頻預(yù)處理，人臉特征追蹤與檢測和陌生人識別分析與判斷屬于陌生人跟蹤與檢測，報警數(shù)據(jù)存儲與推送屬于報警方式。而本發(fā)明即是采用這七個步驟的方式來實現(xiàn)陌生人的識別警示，關(guān)于這七個步驟的作用如下：

s1：獲取視頻數(shù)據(jù)包，從視頻數(shù)據(jù)流中獲取的內(nèi)容為數(shù)據(jù)包，獲取數(shù)據(jù)包的主要作用是獲得視頻的二進(jìn)制圖像信息。如圖2所示，將獲取的視頻流按照udp數(shù)據(jù)包規(guī)則進(jìn)行拆分，從而提取出屬于視頻部分的數(shù)據(jù)出來；

s2：提取圖像信息，從數(shù)據(jù)包中提取出一組連續(xù)的圖片，通過對數(shù)據(jù)包的解析而即可獲取這個數(shù)據(jù)包中連續(xù)的圖片內(nèi)容。如圖3所示，在這某一數(shù)據(jù)包中按照h.264解碼規(guī)則對視頻數(shù)據(jù)中的關(guān)鍵幀信息進(jìn)行提取，將這些關(guān)鍵幀信息形成一組連續(xù)的圖片組；

s3：圖像二值化處理及后續(xù)處理，將采集的一組連續(xù)圖像進(jìn)行量化處理，將量化處理后的數(shù)據(jù)用于圖像的后續(xù)分析。如圖5所示，把從圖像提取的m個特征量y1，y2，……，ym，用m維的向量y=[y1y2……ym]形成人臉的特征向量，在前景檢測中綜合考慮圖像序列、背景模型和檢測閥值，對人臉進(jìn)行濾波處理，得到二值化圖像。如圖4所示，在每一張圖片中檢測人臉的位置信息；

s4：人臉特征追蹤與檢測，從量化的數(shù)據(jù)中獲取人員的特征信息。如圖6所示，將每一張圖片中的人臉特征向量與人員身份庫中的特征值進(jìn)行比對；

s5：陌生人識別分析與判斷，將量化的特征信與人員身份庫中的提取的特征信息的比較，返回結(jié)果；

s6：報警數(shù)據(jù)存儲與推送，將判斷結(jié)果通過統(tǒng)一接口的方式將語音、圖片、視頻和數(shù)據(jù)推送到不同終端。如圖7所示，通過報警信息模塊分開存儲跟蹤與檢測模塊的不同識別場景下的判斷結(jié)果，并將相應(yīng)的判斷數(shù)據(jù)傳輸?shù)讲煌慕K端進(jìn)行警示；

通過報警模塊把警示數(shù)據(jù)以統(tǒng)一接口的形式傳輸?shù)讲煌慕K端，顯著提高數(shù)據(jù)推送效率，一旦檢測到異常情況，后臺監(jiān)控平臺迅速響應(yīng)，啟動突發(fā)事故應(yīng)急方案；

s7：更新人員身份庫，通過采集含有身份卡片信息的人員面部特征信息和身份屬性信息，自動建立人員數(shù)據(jù)庫。如圖8所示，在初始化模式下，根據(jù)采集的圖像分析出該人員的身份信息，然后在將人員的人臉文件和人員屬性信息進(jìn)行分開存儲，從而形成人員身份庫。

本發(fā)明用于陌生人識別警示，在人員流動性大的區(qū)域檢測人員的臉部特征，對關(guān)鍵區(qū)域出入口的人員流動情況進(jìn)行管控。預(yù)處理模塊從視頻數(shù)據(jù)流中獲取實時的數(shù)據(jù)包，然后將數(shù)據(jù)包轉(zhuǎn)化為圖像，最后在對圖像進(jìn)行二值化處理。陌生人跟蹤與檢測模塊在二值化的圖像上對人臉目標(biāo)進(jìn)行跟蹤和檢測，從而提供相應(yīng)在特征點，在與人臉模型庫進(jìn)行對比，分值在高于一定閥值時，可認(rèn)為是同一人。報警消息模塊基于陌生人跟蹤與檢測模塊識別的結(jié)果推演出是“熟人”還是“陌生人”，將以語音、視頻、圖文和信息的方式進(jìn)行警示和存儲。

實施例2：本發(fā)明可以與第三方支付系統(tǒng)對接，通過對物件的特征、人體部位的特征授權(quán)，當(dāng)檢測到授權(quán)特征對象時，本發(fā)明結(jié)合特征比對庫進(jìn)行比對分析該授權(quán)特征，根據(jù)對該授權(quán)特征的判斷結(jié)果建立相應(yīng)的支付連接，可以實現(xiàn)掃描目標(biāo)特征進(jìn)行支付。

實施例3：本發(fā)明用于門禁刷臉驗證識別系統(tǒng)，視頻預(yù)處理模塊從視頻數(shù)據(jù)流中獲取實時的數(shù)據(jù)包，將數(shù)據(jù)包轉(zhuǎn)化為圖像，在將圖像進(jìn)行二值化處理，在二值化的圖像上對人員關(guān)鍵部位的特征目標(biāo)進(jìn)行跟蹤和提取，然后與人員身份庫中的人員關(guān)鍵部位特征進(jìn)行比對，比對所得的分值高于一定閥值時，系統(tǒng)判斷為特征庫中的人員信息，開啟門禁系統(tǒng)。如果分值低于閥值，報警消息模塊根據(jù)推演出是“陌生人”的結(jié)果，則將相應(yīng)結(jié)果數(shù)據(jù)以語音、視頻、圖文和信息的方式進(jìn)行警示，并把不同的場景數(shù)據(jù)進(jìn)行分類存儲，更新人員身份庫。如果用戶將將含有身份信息的卡片通過攝像頭，攝像頭采集數(shù)據(jù)，基于采集的數(shù)據(jù)實現(xiàn)人員身份屬性的自動提取和建庫，將人員身份屬性信息和人像文件信息分開存儲，只需讀取驗證卡片上的信息實現(xiàn)門禁系統(tǒng)的開啟或關(guān)閉。

未來，城市的發(fā)展趨勢是智慧型城市、平安型城市，本申請深入分析了視頻監(jiān)控系統(tǒng)集成模型和信息化應(yīng)用系統(tǒng)技術(shù)在擴(kuò)展性和穩(wěn)定性方面所存在的不足，提出了基于數(shù)據(jù)交換總線結(jié)合多種數(shù)據(jù)類型采集適配器的異源異構(gòu)的集成方法，并基于此集成方法實現(xiàn)一種基于視頻分析的陌生人識別警示方法及裝置，對安防監(jiān)控系統(tǒng)采集或存儲的視頻數(shù)據(jù)進(jìn)行分析，從而為智慧型城市、平安城市中的“智慧”因素構(gòu)建提供必要的元數(shù)據(jù)資源。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當(dāng)理解本發(fā)明并非局限于本文所披露的形式，不應(yīng)看作是對其他實施例的排除，而可用于各種其他組合、修改和環(huán)境，并能夠在本文所述構(gòu)想范圍內(nèi)，通過上述教導(dǎo)或相關(guān)領(lǐng)域的技術(shù)或知識進(jìn)行改動。而本領(lǐng)域人員所進(jìn)行的改動和變化不脫離本發(fā)明的精神和范圍，則都應(yīng)在本發(fā)明所附權(quán)利要求的保護(hù)范圍內(nèi)。