本發(fā)明涉及安防技術(shù)領(lǐng)域，特別涉及一種視頻圖像處理方法、裝置及監(jiān)控設(shè)備。

背景技術(shù)：

目前，為了提高財產(chǎn)和人身安全，很多公共區(qū)域或私人區(qū)域都設(shè)置了監(jiān)控設(shè)備。通過監(jiān)控設(shè)備對人們的活動區(qū)域進行監(jiān)控，以在發(fā)生盜竊搶劫等劣性事件時，及時調(diào)取監(jiān)控視頻，獲取相關(guān)信息，找到犯罪嫌疑人，并將用戶丟失的物品追回，減少經(jīng)濟損失。

但是上述監(jiān)控方式，不僅需要花費大量的人力和物力，甚至可能無法追回用戶的物品，造成用戶經(jīng)濟損失。

技術(shù)實現(xiàn)要素：

本發(fā)明旨在至少在一定程度上解決相關(guān)技術(shù)中的技術(shù)問題之一。

為此，本發(fā)明的第一個目的在于提出一種視頻圖像處理方法，該方法通過對采集的視頻圖像進行智能分析，實現(xiàn)了對可能出現(xiàn)的異常情況進行事先預警，提醒用戶預先采取措施，保證用戶的人身財產(chǎn)安全，減少了人力和物力的消耗，提升了用戶體驗。

本發(fā)明的第二個目的在于提出一種視頻圖像處理裝置。

本發(fā)明的第三個目的在于提出一種監(jiān)控設(shè)備。

本發(fā)明的第四個目的在于提出一種存儲介質(zhì)。

為達上述目的，根據(jù)本發(fā)明第一方面實施例提出一種視頻圖像處理方法，包括以下步驟：

對獲取的視頻圖像進行圖像識別，確定監(jiān)控目標；

獲取預設(shè)時間段內(nèi)和/或在預設(shè)位置范圍內(nèi)、且包含所述監(jiān)控目標的視頻圖像集；

對所述視頻圖像集進行解析，確定所述監(jiān)控目標是否異常。

本實施例提供的視頻圖像處理方法，通過對獲取的視頻圖像進行圖像識別，確定出監(jiān)控目標，并獲取預設(shè)時間段和/或在預設(shè)范圍內(nèi)、且包含監(jiān)控目標的視頻圖像集，然后對視頻圖像進行解析，以確定監(jiān)控目標是否異常。由此，通過對采集的視頻圖像進行智能分析，實現(xiàn)了對可能出現(xiàn)的異常情況進行事先預警，提醒用戶預先采取措施，保證用戶的人身財產(chǎn)安全，減少了人力和物力的消耗，提升了用戶體驗。

另外，本發(fā)明上述實施例提出的視頻圖像處理方法還可以具有如下附加的技術(shù)特征：

在本發(fā)明的一個實施例中，所述對獲取的視頻圖像進行圖像識別，確定監(jiān)控目標，包括：

對獲取的視頻圖像進行圖像識別，確定所述視頻圖像中處于移動狀態(tài)的物體為監(jiān)控目標。

在本發(fā)明的一個實施例中，所述獲取預設(shè)時間段內(nèi)和/或在預設(shè)位置范圍內(nèi)、且包含所述監(jiān)控目標的視頻圖像集，包括：

根據(jù)所述監(jiān)控目標的類型，從所述視頻圖像中提取所述監(jiān)控目標的特征；

從視頻圖像庫中，提取預設(shè)時間段內(nèi)和/或在預設(shè)位置范圍內(nèi)，且與所述監(jiān)控目標的特征對應(yīng)的視頻圖像集。

進一步地，在本發(fā)明的一個實施例中，所述獲取預設(shè)時間段內(nèi)和/或在預設(shè)位置范圍內(nèi)、且包含所述監(jiān)控目標的視頻圖像集之前，還包括：

確定所述視頻圖像的獲取時間及位置信息；

根據(jù)所述視頻圖像的獲取時間，確定所述預設(shè)時間段范圍；

根據(jù)所述位置信息，確定所述預設(shè)位置范圍。

在本發(fā)明的一個實施例中，所述對所述視頻圖像集進行解析，確定所述監(jiān)控目標是否異常，包括：

對所述視頻圖像集進行解析，確定所述監(jiān)控目標的行為規(guī)律；

判斷所述監(jiān)控目標的行為規(guī)律，與預設(shè)的規(guī)則庫的匹配程度是否滿足預設(shè)的條件；

若滿足，則確定所述監(jiān)控目標異常。

在本發(fā)明的一個實施例中，所述對所述視頻圖像集進行解析，確定所述監(jiān)控目標是否異常，包括：

對所述視頻圖像集進行解析，確定所述監(jiān)控目標的行為規(guī)律及所處的場景；

對與所述場景對應(yīng)的歷史視頻圖像進行自適應(yīng)分析，確定與所述場景對應(yīng)的異常行為特征；

判斷所述監(jiān)控目標的行為規(guī)律，是否與所述異常行為特征匹配；

若是，則確定所述監(jiān)控目標異常。

為達上述目的，本發(fā)明第二面實施例提出了一種視頻圖像處理裝置，包括：

第一確定模塊，用于對獲取的視頻圖像進行圖像識別，確定監(jiān)控目標；

獲取模塊，用于獲取預設(shè)時間段內(nèi)和/或在預設(shè)位置范圍內(nèi)、且包含所述監(jiān)控目標的視頻圖像集；

第二確定模塊，用于對所述視頻圖像集進行解析，確定所述監(jiān)控目標是否異常。

本實施例提供的視頻圖像處理裝置中，通過對獲取的視頻圖像進行圖像識別，確定出監(jiān)控目標，并獲取預設(shè)時間段和/或在預設(shè)范圍內(nèi)、且包含監(jiān)控目標的視頻圖像集，然后對視頻圖像進行解析，以確定監(jiān)控目標是否異常。由此，通過對采集的視頻圖像進行智能分析，實現(xiàn)了對可能出現(xiàn)的異常情況進行事先預警，提醒用戶預先采取措施，保證用戶的人身財產(chǎn)安全，減少了人力和物力的消耗，提升了用戶體驗。

另外，本發(fā)明上述實施例提出的視頻圖像處理裝置還可以具有如下附加的技術(shù)特征：

在本發(fā)明的一個實施例中，所述第一確定模塊具體包括：

對獲取的視頻圖像進行圖像識別，確定所述視頻圖像中處于移動狀態(tài)的物體為監(jiān)控目標。

在本發(fā)明的一個實施例中，所述獲取模塊，包括：

第一提取單元，用于根據(jù)所述監(jiān)控目標的類型，從所述視頻圖像中提取所述監(jiān)控目標的特征；

第二提取單元，用于從視頻圖像庫中，提取預設(shè)時間段內(nèi)和/或在預設(shè)位置范圍內(nèi)，且與所述監(jiān)控目標的特征對應(yīng)的視頻圖像集。

在本發(fā)明的一個實施例中，在所述獲取模塊之前，還包括：

第三確定模塊，用于確定所述視頻圖像的獲取時間及位置信息；

第四確定模塊，用于根據(jù)所述視頻圖像的獲取時間，確定所述預設(shè)時間段范圍；

第五確定模塊，用于根據(jù)所述位置信息，確定所述預設(shè)位置范圍。

在本發(fā)明的一個實施例中，所述第二確定模塊，還包括：

第一解析確定單元，用于對所述視頻圖像集進行解析，確定所述監(jiān)控目標的行為規(guī)律；

第一判斷單元，用于判斷所述監(jiān)控目標的行為規(guī)律，與預設(shè)的規(guī)則庫的匹配程度是否滿足預設(shè)的條件；

第一確定單元，用于若滿足，則確定所述監(jiān)控目標異常。

在本發(fā)明的一個實施例中，所述第二確定模塊，還包括：

第二解析確定單元，用于對所述視頻圖像集進行解析，確定所述監(jiān)控目標的行為規(guī)律及所處的場景；

分析確定單元，用于對與所述場景對應(yīng)的歷史視頻圖像進行自適應(yīng)分析，確定與所述場景對應(yīng)的異常行為特征；

第二判斷單元，用于判斷所述監(jiān)控目標的行為規(guī)律，是否與所述異常行為特征匹配；

第二確定單元，用于若是，則確定所述監(jiān)控目標異常。

為達上述目的，本發(fā)明第三面實施例提出了一種監(jiān)控設(shè)備，包括任一所述的視頻圖像處理裝置。

本實施例提供的監(jiān)控設(shè)備中，通過對獲取的視頻圖像進行圖像識別，確定出監(jiān)控目標，并獲取預設(shè)時間段和/或在預設(shè)范圍內(nèi)、且包含監(jiān)控目標的視頻圖像集，然后對視頻圖像進行解析，以確定監(jiān)控目標是否異常。由此，通過對采集的視頻圖像進行智能分析，實現(xiàn)了對可能出現(xiàn)的異常情況進行事先預警，提醒用戶預先采取措施，保證用戶的人身財產(chǎn)安全，減少了人力和物力的消耗，提升了用戶體驗。

本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

附圖說明

本發(fā)明上述的和/或附加的方面和優(yōu)點從下面結(jié)合附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1為本發(fā)明的一個實施例的視頻圖像處理方法的流程圖；

圖2為本發(fā)明的另一個實施例的視頻圖像處理方法的流程圖；

圖3為本發(fā)明的一個實施例的視頻圖像采集時間及位置信息的顯示位置示意圖；

圖4為本發(fā)明的再一個實施例的視頻圖像處理方法的流程圖；

圖5為本發(fā)明的一個實施例的視頻圖像處理裝置的結(jié)構(gòu)示意圖；

圖6為本發(fā)明的另一個實施例的視頻圖像處理裝置的結(jié)構(gòu)示意圖；

圖7為本發(fā)明的一個實施例的監(jiān)控設(shè)備的結(jié)構(gòu)示意圖。

具體實施方式

下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。

本發(fā)明主要針對現(xiàn)有技術(shù)中，在發(fā)生盜竊搶劫等劣性事件時，通過調(diào)取監(jiān)控視頻，獲取相關(guān)信息，以找回用戶丟失的物品，需要花費大量的人力和物力，甚至可能無法追回用戶丟失的物品，造成經(jīng)濟損失的問題，提出一種視頻圖像處理方法。

本發(fā)明提出的視頻圖像處理方法，通過對獲取的視頻圖像進行圖像識別，以確定視頻圖像中的監(jiān)控目標，并基于監(jiān)控目標，獲取在預設(shè)時間段內(nèi)和/或在預設(shè)的位置范圍內(nèi)，包含上述監(jiān)控目標的視頻圖像集，然后對獲取到的視頻圖像集進行解析，以確定監(jiān)控目標是否存在異常。由此，通過對獲取的視頻圖像進行智能分析，實現(xiàn)了對可能出現(xiàn)異常的監(jiān)控目標進行事先預警，提醒用戶預先采取措施，從而保證了用戶的人身財產(chǎn)安全，減少了經(jīng)濟損失，提升了用戶體驗。

下面結(jié)合附圖對本發(fā)明實施例提出的視頻圖像處理方法進行詳細描述。

圖1為本發(fā)明的一個實施例的視頻圖像處理方法的流程圖。

如圖1所示，該視頻圖像處理方法可包括以下步驟：

s101,對獲取的視頻圖像進行圖像識別，確定監(jiān)控目標。

具體的，本實施例提供的視頻圖像處理方法，可以由本發(fā)明提供的視頻圖像處理裝置執(zhí)行，該裝置可以被配置在監(jiān)控設(shè)備中，以實現(xiàn)對采集到的視頻圖像進行智能分析，以確定監(jiān)控目標是否出現(xiàn)異常。

其中，在本實施例中，監(jiān)控設(shè)備可以是任意具有攝像功能的電子設(shè)備，比如彩色槍式攝像機、紅外攝像機、移動終端等，本實施例對此不做具體限制。

具體實現(xiàn)時，可通過多種方式確定獲取的視頻圖像中的監(jiān)控目標。舉例說明如下：

示例一，通過數(shù)字圖像識別技術(shù)；

具體實現(xiàn)時，可先獲取監(jiān)控設(shè)備采集到的視頻圖像，然后對該視頻圖像進行預處理得到特征數(shù)據(jù)，并將上述特征數(shù)據(jù)輸入相應(yīng)的識別模型中進行識別，以確定出該視頻圖像中的監(jiān)控目標。

其中，對視頻圖像進行預處理，是指對視頻圖像進行二值化、反色以及圖像轉(zhuǎn)化等處理。識別模型則是根據(jù)特征數(shù)據(jù)，不斷進行訓練得到的。

可以理解的是，在訓練識別模型時，采用的特征數(shù)據(jù)數(shù)量越多，則得到的識別模型準確率就越高。

示例二，基于單幀的識別方法；

具體的，將獲取的視頻圖像進行截幀，然后基于圖像粒度(單幀)的進行深度學習，以確定出該視頻圖像中的監(jiān)控目標。

示例三，基于卷積神經(jīng)網(wǎng)絡(luò)(convolutionalneuralnetwork，簡稱為：cnn)擴展網(wǎng)絡(luò)的識別方法等，本實施例對此不做限定。

需要說明的是，通過對視頻圖像進行圖像識別，確定的監(jiān)控目標可能是該視頻圖像中的靜態(tài)的物體，也可能是該視頻圖像中處于移動狀態(tài)的物體。例如，馬路上行駛的車輛，或行走的路人等。

若監(jiān)控目標為處于移動狀態(tài)的物體，那么本實施例中還可通過光流法、幀間差分法、背景差分法等，來確定監(jiān)控目標。

s102,獲取預設(shè)時間段內(nèi)和/或在預設(shè)位置范圍內(nèi)、且包含監(jiān)控目標的視頻圖像集。

需要說明的是，在實際使用過程中，監(jiān)控設(shè)備全天二十四小時處于工作狀態(tài)，實時采集監(jiān)控區(qū)域的視頻圖像，并且將采集到的視頻圖像以流媒體方式寫入存儲設(shè)備，從而便于回放工作站以流媒體方式來讀取已存儲的視頻圖像，以獲取想要的視頻圖像信息。

因此，基于上述s101確定的監(jiān)控目標，可在監(jiān)控設(shè)備對應(yīng)的存儲設(shè)備中，獲取預設(shè)時間段內(nèi)和/或在預設(shè)位置范圍內(nèi)、且包含監(jiān)控目標的視頻圖像集，并根據(jù)獲取的視頻圖像集進行分析操作。

具體實現(xiàn)時，可根據(jù)監(jiān)控目標的類型，從視頻圖像中提取監(jiān)控目標的特征；從視頻圖像庫中，提取預設(shè)時間段內(nèi)和/或在預設(shè)位置范圍內(nèi)，且與監(jiān)控目標的特征對應(yīng)的視頻圖像集。

其中，監(jiān)控目標的類型可能是車輛，也可能是行人等，而對于不同類型的監(jiān)控目標而言，其對應(yīng)的特征也不相同。因此本實施例中，需要根據(jù)監(jiān)控目標的類型，提取監(jiān)控目標的特征。

舉例說明，若本實施例中，監(jiān)控目標的類型為行人，則可以從視頻圖像中可提取出行人的人臉特征，衣服顏色，發(fā)型、身高、走路姿勢等特征，然后根據(jù)上述特征在視頻圖像庫中，提取預設(shè)時間段內(nèi)和/或在預設(shè)位置范圍內(nèi)，與上述特征對應(yīng)的視頻圖像集。其中，視頻圖像庫中有監(jiān)控設(shè)備采集到的所有視頻圖像。

需要說明的是，根據(jù)提取的特征，提取與該特征對應(yīng)的視頻圖像集時，可從視頻圖像中提取預設(shè)時間段內(nèi)，且與監(jiān)控目標的特征對應(yīng)的視頻圖像集；或者，也可以從視頻圖像中提取預設(shè)范圍內(nèi)，且與監(jiān)控目標的特征對應(yīng)的視頻圖像集；或者，也可以從視頻圖像中提取預設(shè)時間段內(nèi)、且在預設(shè)范圍內(nèi)，與監(jiān)控目標的特征對應(yīng)的視頻圖像集。

其中，預設(shè)時間段可根據(jù)實際使用需要任意設(shè)置，本實施例對此不做具體限定。例如，1小時(h)、1.5h等。

預設(shè)位置范圍可為監(jiān)控設(shè)備監(jiān)控區(qū)域中的任意范圍，本實施例對此不做具體限定。

舉例說明，若監(jiān)控設(shè)備有一個攝像頭，且該攝像頭的監(jiān)控區(qū)域為10米(m)，那么預設(shè)位置范圍可以為小于等于10m的任意區(qū)域。若監(jiān)控設(shè)備有多個攝像頭，且每個攝像頭的監(jiān)控區(qū)域為10m，那么預設(shè)位置范圍可以是任意兩個，甚至兩個以上攝像頭監(jiān)控區(qū)域中的任意區(qū)域。

其中，監(jiān)控設(shè)備的監(jiān)控區(qū)域，可根據(jù)監(jiān)控設(shè)備的攝像頭大小決定。例如，當監(jiān)控設(shè)備的攝像頭大小為4毫米(mm)，那么監(jiān)控區(qū)域為6m內(nèi)；當監(jiān)控設(shè)備攝像頭大小為6mm，那么監(jiān)控區(qū)域為10m左右。

也就是說，監(jiān)控設(shè)備的攝像頭數(shù)值越大，監(jiān)控區(qū)域也相應(yīng)越大。

s103,對視頻圖像集進行解析，確定監(jiān)控目標是否異常。

具體實現(xiàn)時，可根據(jù)預先設(shè)置的分析規(guī)則，對視頻圖像集中的監(jiān)控目標進行分析，以確定監(jiān)控目標是否出現(xiàn)異常。

又或者，還可根據(jù)獲取的視頻圖像集進行實時分析，以確定出視頻圖像集中監(jiān)控目標是否出現(xiàn)異常。

可以理解的是，視頻圖像處理裝置，在確定了監(jiān)控目標是否異常后，即可根據(jù)確定的結(jié)果，執(zhí)行對應(yīng)的操作。例如，當確定監(jiān)控目標出現(xiàn)異常，則向用戶發(fā)出預警提示，以提醒用戶提前做好防范，以免出現(xiàn)物品被盜等情況發(fā)生；又例如，當確定出監(jiān)控目標沒有出現(xiàn)異常，則監(jiān)控設(shè)備不做任何處理，繼續(xù)對監(jiān)控區(qū)域的所有情況進行采集，并發(fā)送至存儲設(shè)備進行存儲。

本實施例提供的視頻圖像處理方法，通過對獲取的視頻圖像進行圖像識別，確定出監(jiān)控目標，并獲取預設(shè)時間段和/或在預設(shè)范圍內(nèi)、且包含監(jiān)控目標的視頻圖像集，然后對視頻圖像進行解析，以確定監(jiān)控目標是否異常。由此，通過對采集的視頻圖像進行智能分析，實現(xiàn)了對可能出現(xiàn)的異常情況進行事先預警，提醒用戶預先采取措施，保證用戶的人身財產(chǎn)安全，減少了人力和物力的消耗，提升了用戶體驗。

通過上述分析可知，通過對獲取的視頻圖像進行圖像識別，確定出監(jiān)控目標之后，再對包含該監(jiān)控目標的視頻圖像集進行分析，即可確定出監(jiān)控目標是否異常。在一種可能的實現(xiàn)形式中，獲取的包含監(jiān)控目標的視頻圖像集，可能是由多個不同的監(jiān)控設(shè)備采集的，下面結(jié)合圖2，對上述情況進行進一步說明。

圖2本發(fā)明的另一個實施例的視頻圖像處理方法的流程圖。

如圖2所示，本發(fā)明實施例的視頻圖像處理方法，可以包括以下步驟：

s201，對獲取的視頻圖像進行圖像識別，確定監(jiān)控目標。

s202，確定視頻圖像的獲取時間及位置信息。

需要說明的是，在實際使用過程中，為了安防需求，監(jiān)控設(shè)備的布置密度極大，而大多的監(jiān)控設(shè)備采集的視頻圖像中并未包括監(jiān)控目標，因此若從所有監(jiān)控設(shè)備獲取的監(jiān)控視頻圖像中，獲取包含有監(jiān)控目標的視頻圖像集，就需要花費大量時間，并且效率低。

因此，為了避免上述情況的發(fā)生，本實施例在確定出監(jiān)控目標后，首先對確定出監(jiān)控目標的視頻圖像進行分析操作，以確定該視頻圖像的獲取時間及位置信息，并根據(jù)確定的獲取時間及位置信息，確定待篩選的視頻圖像的時間范圍及位置范圍。

具體的，可通過多種方式，確定視頻圖像的獲取時間及位置信息。

比如，在視頻圖像界面上預設(shè)位置處獲取采集時間及位置信息。

例如，若視頻圖像左上角，設(shè)置有視頻圖像的獲取時間及位置信息，具體如圖3所示。圖3為本發(fā)明一個實施例的視頻圖像采集時間及位置信息的顯示位置示意圖。其中，當前視頻圖像的采集時間為2014年7月4日，下午15點14分41秒，位置信息為通道01。

又或者，還可先在視頻圖像界面上預設(shè)位置處獲取采集時間，然后根據(jù)采集該視頻圖像的監(jiān)控設(shè)備確定位置信息。

需要說明的是，每個監(jiān)控設(shè)備的監(jiān)控區(qū)域是一定的，且每個監(jiān)控設(shè)備與監(jiān)控位置互相對應(yīng)，因此可根據(jù)監(jiān)控設(shè)備的標識確定出視頻圖像的位置信息。

s203，根據(jù)視頻圖像的獲取時間，確定預設(shè)時間段范圍。

s204，根據(jù)位置信息，確定預設(shè)位置范圍。

具體的，由于監(jiān)控目標的活動在時間上具有連續(xù)性，因此，為了對監(jiān)控目標進行追蹤分析，可在確定了當前視頻圖像的獲取時間t后，再對t時刻之前的一個時間段內(nèi)，比如2個小時內(nèi)的視頻圖像進行分析，以確定監(jiān)控目標是否異常；或者，再對包含該t時刻的3個小時內(nèi)的視頻圖像進行分析，以確定監(jiān)控目標是否異常，等等。

即可以根據(jù)需要，預先設(shè)置一個時間范圍指標，進而根據(jù)設(shè)置的時間范圍指標及當前視頻圖像的獲取時間，確定預設(shè)的時間段范圍。

舉例來說，若視頻圖像采集的時間為14點35分43秒，且預設(shè)的時間范圍指標為視頻圖像的獲取時間之前的2個小時，那么根據(jù)當前視頻圖像的采集時間，即可確定此次的預設(shè)時間段范圍為：12點35分43秒-14點35分43秒。

并且，由于監(jiān)控目標的活動在空間上具有連續(xù)性，因此，為了對監(jiān)控目標進行追蹤分析，可在確定了當前視頻圖像的位置信息為1號監(jiān)控區(qū)域后，再對1號監(jiān)控區(qū)域相鄰的一個監(jiān)控區(qū)域，比如2個監(jiān)控區(qū)域的視頻圖像進行分析，以確定監(jiān)控目標是否異常；或者，再對包含該1號監(jiān)控區(qū)域的3個監(jiān)控區(qū)域的視頻圖像進行分析，以確定監(jiān)控目標是否異常，等等。

即可以根據(jù)需要，預先設(shè)置一個位置范圍指標，進而根據(jù)設(shè)置的位置范圍指標及當前視頻圖像的位置信息，確定預設(shè)位置范圍。

舉例來說，若視頻圖像位置信息為1號監(jiān)控區(qū)域，且預設(shè)位置范圍指標為視頻圖像的位置信息相鄰的一個監(jiān)控區(qū)域，那么根據(jù)當前視頻圖像的位置信息，即可確定此次的預設(shè)位置范圍為：1號監(jiān)控區(qū)域-2號監(jiān)控區(qū)域。

s205，獲取預設(shè)時間段內(nèi)和/或在預設(shè)位置范圍內(nèi)、且包含監(jiān)控目標的視頻圖像集。

s206，對視頻圖像集進行解析，確定監(jiān)控目標的行為規(guī)律。

具體的，可基于監(jiān)控目標的特征對視頻圖像集進行解析，以確定監(jiān)控目標的行為規(guī)律。

舉例說明，本實施例中，監(jiān)控目標為行人a、提取的特征為人臉特征、獲取的視頻圖像集為5月12日12點23分00秒-5月20日16點23分00秒，1號監(jiān)控區(qū)域-3號監(jiān)控區(qū)域時，那么基于人臉特征可對該視頻圖像集中，行人a的行為進行分析。如行人a在5月12日12點25分34秒時，從1號監(jiān)控區(qū)域的路口d進入2號監(jiān)控區(qū)域，在2號監(jiān)控區(qū)域徘徊3分鐘，不斷望向商鋪b，然后從3號監(jiān)控區(qū)域的路口e離開；經(jīng)過三個小時，行人a又再一次從1號監(jiān)控區(qū)域的路口d進入2號監(jiān)控區(qū)域，并且徘徊的時間更長,不斷望向商鋪b，之后從3號監(jiān)控區(qū)域的路口e離開；三日后，行人a又再次從1號監(jiān)控區(qū)域的路口d進入2號監(jiān)控區(qū)域，并進入商鋪b，在商鋪b中停留幾分鐘，且一直環(huán)顧四周然后走出商鋪b，從3號監(jiān)控區(qū)域的路口e離開；在接下來的五天內(nèi)，有三天都同樣的出現(xiàn)在2號監(jiān)控區(qū)域，且駐足停留5分鐘以上，然后從3號監(jiān)控區(qū)域離開?；谏鲜鲂袨?，就可確定行人a經(jīng)常從1號監(jiān)控區(qū)域進入2號監(jiān)控區(qū)域，并停留一段時間，之后從3號監(jiān)控區(qū)域離開。

s207，判斷監(jiān)控目標的行為規(guī)律，與預設(shè)的規(guī)則庫的匹配程度是否滿足預設(shè)的條件，若滿足，則執(zhí)行s208，否則，執(zhí)行s201。

具體的，在確定監(jiān)控目標的行為規(guī)律之后，可將監(jiān)控目標的行為與預設(shè)的規(guī)則庫中的行為進行比對，以確定監(jiān)控目標的行為是否超過預設(shè)閾值。如果判斷監(jiān)控目標的行為規(guī)律超過預設(shè)閾值，則可確定監(jiān)控目標出現(xiàn)異常；如果判斷監(jiān)控目標的行為沒有超過預設(shè)閾值，則可確定監(jiān)控目標行為正常，沒有出現(xiàn)異常。

其中，預設(shè)閾值可根據(jù)實際需要任意設(shè)置，本實施例對此不作具體限定。例如，監(jiān)控目標在預設(shè)時間范圍

舉例來說，預設(shè)的規(guī)則庫中，設(shè)定行人在監(jiān)控區(qū)域中三天內(nèi)出現(xiàn)的次數(shù)不得超過10次，且停留的時間不得超過7min，那么當確定行人a，在上述監(jiān)控區(qū)域三天內(nèi)出現(xiàn)的次數(shù)超過10次，且每次停留的時間不止7min，則可確定行人a的行為滿足預設(shè)的條件。

s208,確定監(jiān)控目標異常，向用戶進行預警提示。

具體的，可向用戶進行語音提醒，或者警報提醒等，本實施例對此不做具體限制。

本實施例提供的視頻圖像處理方法，通過視頻圖像集進行解析，以確定監(jiān)控目標的行為規(guī)律，并判斷監(jiān)控目標的行為規(guī)律是否與預設(shè)規(guī)則庫中的規(guī)則匹配，進而根據(jù)匹配結(jié)果判斷出監(jiān)控目標是否出現(xiàn)異常。由此，實現(xiàn)了對出現(xiàn)的異常情況進行事先預警，提醒用戶預先采取措施，保證用戶的人身財產(chǎn)安全，減少了人力和物力的消耗，提升了用戶體驗。

通過上述實施例可知，通過對獲取的視頻圖像進行圖像識別，確定出監(jiān)控目標之后再對包含該監(jiān)控目標的視頻圖像集進行分析，即可確定出監(jiān)控目標是否異常。下面結(jié)合圖4，以自適應(yīng)分析為例，對視頻圖像處理方法做進一步說明。

圖4本發(fā)明的再一個實施例的視頻圖像處理方法的流程圖。

如圖4所示，本發(fā)明實施例的視頻圖像處理方法，可以包括以下步驟：

s401，對獲取的視頻圖像進行圖像識別，確定監(jiān)控目標。

s402，確定視頻圖像的獲取時間及位置信息。

s403，根據(jù)視頻圖像的獲取時間，確定預設(shè)時間段范圍。

s404，根據(jù)位置信息，確定預設(shè)位置范圍。

s405，獲取預設(shè)時間段內(nèi)和/或在預設(shè)位置范圍內(nèi)、且包含監(jiān)控目標的視頻圖像集。

s406，對視頻圖像集進行解析，確定監(jiān)控目標的行為規(guī)律。

s407，在確定監(jiān)控目標的行為規(guī)律，與預設(shè)的規(guī)則庫的匹配程度滿足預設(shè)的條件時，確定監(jiān)控目標異常。

需要說明的是，由于預設(shè)的規(guī)則庫中可能包括多種場景下，不同目標的異常行為特征，因此為了進一步提高對視頻圖像中監(jiān)控目標的判斷精度，本實施例還可基于上述通過預設(shè)規(guī)則庫確定監(jiān)控目標異常的基礎(chǔ)上，還可以進一步利用自適應(yīng)分析進一步對監(jiān)控目標是否異常進行進一步確定。

具體實現(xiàn)時，本實施例的視頻圖像處理方法，還包括：

s408，對獲取的視頻圖像集進行解析，確定監(jiān)控目標的所處的場景。

其中，監(jiān)控目標所處的場景可以是監(jiān)控目標所處位置。例如，大街，商鋪店門前，商鋪里面，人行道等等。

s409，對與場景對應(yīng)的歷史視頻圖像進行自適應(yīng)分析，確定與場景對應(yīng)的異常行為特征。

s410，判斷監(jiān)控目標的行為規(guī)律，是否與異常行為特征匹配，若是，則執(zhí)行s411，否則，執(zhí)行s401。

具體的，可通過不同的自適應(yīng)算法實現(xiàn)對與場景對應(yīng)的歷時視頻圖像進行自適應(yīng)分析。例如，迫零算法，最陡下降算法，最小均方算法(leastmeansquare，簡稱為：lms)，遞歸最小二次方算法(recursiveleastsquare，簡稱為：rls)以及各種盲均衡算法等。

需要說明的是，在本實施例中，通過自適應(yīng)分析來確定監(jiān)控目標是否出現(xiàn)異常的處理，可以在不同階段進行。舉例說明如下：

一種可能的情形，預先對監(jiān)控設(shè)備攝像頭采集的視頻圖像，按不同的場景進行自適應(yīng)分析，并將分析結(jié)果以不同的場景為依據(jù)，分別存放在預設(shè)規(guī)則中。從而在對當前的視頻圖像進行分析時，即可根據(jù)監(jiān)控目標所處的場景，確定對應(yīng)的規(guī)則庫，進而將監(jiān)控目標當前的行為規(guī)律與規(guī)則庫進行匹配，以確定出監(jiān)控目標是否出現(xiàn)異常。

另一種可能的情形，對當前包括監(jiān)控目標的視頻圖像集進行自適應(yīng)分析，以確定視頻圖像集中所有對象的行為規(guī)律，然后將監(jiān)控目標的行為規(guī)律與其它對象的行為規(guī)律不一致，或者差異較大，則可監(jiān)控目標出現(xiàn)異常。

可以理解的是，本實施例中，首先按照預設(shè)的規(guī)則庫，確定監(jiān)控目標行為異常，進而再通過對視頻圖像集進行自適用分析，以進一步驗證監(jiān)控目標的行為是否異常，從而提高了分析結(jié)果的準確性和可靠性。

s411，確定監(jiān)控目標異常，向用戶進行預警提示。

本實施例提供的視頻圖像處理方法，通過對視頻圖像集進行解析，確定出監(jiān)控目標的行為規(guī)律及所處的場景，并對確定的場景對應(yīng)的歷時視頻圖像進行自適應(yīng)分析，以確定異常行為特征，然后將監(jiān)控目標的行為規(guī)律與異常行為特征進行比對，以確定監(jiān)控目標是否異常。由此，實現(xiàn)了對出現(xiàn)的異常情況進行事先預警，提醒用戶預先采取措施，保證用戶的人身財產(chǎn)安全，減少了人力和物力的消耗，提升了用戶體驗。

下面參照附圖描述本發(fā)明實施例提出的視頻圖像處理裝置。

圖5為本發(fā)明的一個實施例的視頻圖像處理裝置的結(jié)構(gòu)示意圖。

參照圖5，該視頻圖像處理裝置包括：第一確定模塊10、獲取模塊20以及第二確定模塊30。

其中，第一確定模塊10用于對獲取的視頻圖像進行圖像識別，確定監(jiān)控目標；

獲取模塊20用于獲取預設(shè)時間段內(nèi)和/或在預設(shè)位置范圍內(nèi)、且包含所述監(jiān)控目標的視頻圖像集；

第二確定模塊30用于對所述視頻圖像集進行解析，確定所述監(jiān)控目標是否異常。

需要說明的是，本實施例的視頻圖像處理裝置的實施過程和技術(shù)原理參見前述對視頻圖像處理方法實施例的解釋說明，此處不再贅述。

本實施例提供的視頻圖像處理裝置中，通過對獲取的視頻圖像進行圖像識別，確定出監(jiān)控目標，并獲取預設(shè)時間段和/或在預設(shè)范圍內(nèi)、且包含監(jiān)控目標的視頻圖像集，然后對視頻圖像進行解析，以確定監(jiān)控目標是否異常。由此，通過對采集的視頻圖像進行智能分析，實現(xiàn)了對可能出現(xiàn)的異常情況進行事先預警，提醒用戶預先采取措施，保證用戶的人身財產(chǎn)安全，減少了人力和物力的消耗，提升了用戶體驗。

圖6為本發(fā)明的另一個實施例的視頻圖像處理裝置的結(jié)構(gòu)示意圖。

如圖6所示，圖6所示的視頻圖像處理裝置還包括：第三確定模塊40、第四確定模塊50以及第五確定模塊60。

其中，第三確定模塊40用于確定所述視頻圖像的獲取時間及位置信息；

第四確定模塊50用于根據(jù)所述視頻圖像的獲取時間，確定所述預設(shè)時間段范圍；

第五確定模塊60用于根據(jù)所述位置信息，確定所述預設(shè)位置范圍。

本實施例提供的視頻圖像處理裝置中，通過對獲取的視頻圖像進行圖像識別，確定出監(jiān)控目標，并獲取預設(shè)時間段和/或在預設(shè)范圍內(nèi)、且包含監(jiān)控目標的視頻圖像集，然后對視頻圖像進行解析，以確定監(jiān)控目標是否異常。由此，通過對采集的視頻圖像進行智能分析，實現(xiàn)了對可能出現(xiàn)的異常情況進行事先預警，提醒用戶預先采取措施，保證用戶的人身財產(chǎn)安全，減少了人力和物力的消耗，提升了用戶體驗。

為了實現(xiàn)上述實施例，本發(fā)明還提出了一種監(jiān)控設(shè)備。

圖7是本發(fā)明實施例的監(jiān)控設(shè)備的結(jié)構(gòu)示意圖。

如圖7所示，該監(jiān)控設(shè)備100，包括視頻圖像處理裝置11。

需要說明的是，前述對視頻圖像處理方法實施例的解釋說明也適用于該實施例的監(jiān)控設(shè)備，其實現(xiàn)原理類似，此處不再贅述。

本實施例提供的監(jiān)控設(shè)備中，通過對獲取的視頻圖像進行圖像識別，確定出監(jiān)控目標，并獲取預設(shè)時間段和/或在預設(shè)范圍內(nèi)、且包含監(jiān)控目標的視頻圖像集，然后對視頻圖像進行解析，以確定監(jiān)控目標是否異常。由此，通過對采集的視頻圖像進行智能分析，實現(xiàn)了對可能出現(xiàn)的異常情況進行事先預警，提醒用戶預先采取措施，保證用戶的人身財產(chǎn)安全，減少了人力和物力的消耗，提升了用戶體驗。

在本說明書的描述中，參考術(shù)語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。

此外，術(shù)語“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術(shù)特征的數(shù)量。由此，限定有“第一”、“第二”的特征可以明示或者隱含地包括至少一個該特征。

流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用于實現(xiàn)特定邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實施方式的范圍包括另外的實現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應(yīng)被本發(fā)明的實施例所屬技術(shù)領(lǐng)域的技術(shù)人員所理解。

應(yīng)當理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來實現(xiàn)。在上述實施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來實現(xiàn)。例如，如果用硬件來實現(xiàn)，和在另一實施方式中一樣，可用本領(lǐng)域公知的下列技術(shù)中的任一項或他們的組合來實現(xiàn)：具有用于對數(shù)據(jù)信號實現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(pga)，現(xiàn)場可編程門陣列(fpga)等。

本技術(shù)領(lǐng)域的普通技術(shù)人員可以理解實現(xiàn)上述實施例方法攜帶的全部或部分步驟是可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質(zhì)中，該程序在執(zhí)行時，包括方法實施例的步驟之一或其組合。

上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。盡管上面已經(jīng)示出和描述了本發(fā)明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發(fā)明的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的范圍內(nèi)可以對上述實施例進行變化、修改、替換和變型。