一种基于视频分析的调度方法及人员轨迹追踪方法

摘要

本发明公开了一种基于视频分析的调度方法，采集调度现场的视频及图像，基于机器学习对其进行特征提取，将提取的特征通过机器学习训练为单一分类器，通过多次迭代，将生成的多个单一分类器经过加权累积构建级联增强分类器，并和环境参数、行为参数一起融合成训练集标准库存储至信息数据库；基于构建的训练集标准库和LTE移动终端的实时视频流相结合，可对人员进行人脸检测、行为跟踪、以及对现场环境的实时监控，并且在非正常情况下发出警报和进行必要措施。本发明还公开了一种基于视频分析的人员轨迹追踪方法。本发明通过对调度实际环境图像和视频进行特征提取、构建级联增强分类器、融合成训练集标准库，提高运行效率。

说明书

技术领域

本发明涉及调度管理和计算机视觉领域，具体涉及人员调度、视频分析、物体追踪、人脸检测、行为分析方法。

背景技术

人员调度包括实施信息综合、情报严判、指挥调度、社会联合行动等。传统的指挥调度依靠调度台和移动终端之间的通话语音和文字信息交互，对人员所处现场的场景描述只能通过人员的言语描述和文字记录，但随着城市的发展和业务的需求不断增大，传统的方法因为记录不完整，信息不对等，无法提供依据以及延时性较大等缺点，已经无法满足当代调度需求。

针对上述问题，需要设计一种高效率、低延时，可实时分析现场情况并能提供一定证据的人员调度方法。

发明内容

针对上述现有技术存在的问题，本发明提出一种基于视频分析的调度方法来解决此问题，通过对现场环境的图像和视频进行特征提取、构建级联增强分类器、融合成建训练集标准库，对LTE移动终端的实时视频流进行实时分析，降低了人力成本，提升了办事部门的调度运行效率和调度准确率。具体技术方案如下：

一种基于视频分析的调度方法，包括如下步骤：

步骤一、以过往的调度的视频和图像资料为基础，使用机器学习对视频特征提取并构建级联增强分类器；

步骤二、将构建好的级联增强分类器和实际采集到的调度现场视频、图像数据以及相应情况的处理方式存入信息数据库，融合成训练集标准库；

步骤三、基于构建的训练集标准库，将LTE移动终端传输的实时视频流与信息数据库中的训练集标准库进行比对，进行实时视频分析；

步骤四、当发现出现异常情况时，进行人员调度。

进一步的，所述对视频特征提取并构建级联增强分类器包括如下步骤：

步骤(1)提取视频中的关键帧并截取、存储；

步骤(2)根据标注的具体场景和类别，将所拥有的图片分为正样本和负样本；

步骤(3)对正样本数据选取所需的一定数量的特定类型、尺寸和位置作为参数，并对所取参数进行特征提取；

步骤(4)使用上述提取的特征值，构建级联增强分类器。

进一步的，所述步骤(4)包括步骤：

步骤(1)应用一个提取的特征，得到一个特征值；

步骤(2)逐个检查并选取适用于区分样本的最佳特征值，即为最佳阈值；

步骤(3)运用上述得到的最佳阈值，得到单一分类器；

步骤(4)多次迭代，对效果好的分类器进行比较高的权值设定，效果不好、模糊、错判的设置比较低的权值；

步骤(5)将迭代后的多个单一分类器，根据不同的权值大小进行加权累积，即得到性能良好的级联增强分类器。

进一步的，所述步骤二包括：

步骤(1)调度实际场景中的环境参数；

步骤(2)对所需场景的关键帧图像进行特征提取；

步骤(3)针对不同的场景下的情况，给出合理的行为并对其进行标注；

步骤(4)将得到结果融合成训练集标准库存入信息数据库。

进一步的，步骤三包括步骤如下：

(1)获取LTE移动终端视频的实时流，并提取关键帧；

(2)基于提取的关键帧，对其进行特征提取；

(3)针对提取得到的特征值，和训练集标准库进行比对，当出现紧急情况或一些非正常现象时，直接发出警告和做出反应。

一种基于视频分析的人员轨迹追踪方法，包括如下步骤：

(1)数据采集：将人的脸部数据作为输入；

(2)数据训练：通过对输入的人脸数据进行训练，通过所述的基于视频分析的调度方法的步骤一相同的方式构建级联增强分类器；

(3)构建相关滤波器；

(4)当人员人脸出现时，自动启动追踪，并且所述的基于视频分析的调度方法的步骤三相同的方式的进行实时视频分析，对人员所处的现场环境进行评估处理。

进一步的，所述步骤(3)如下：

(1)设计滤波器使得所输入的图像上得到的响应最大，即g＝h*f，其中，f为输入图像，g作为输出响应，h为构建的相关滤波器；

(2)将上述公式转化为Fh*f＝(Fh)

(3)同时对m个图像处理，定义损失函数为

(4)对损失函数进行求导，得到滤波器

(5)当视频中出现人脸时，把所得到的的滤波器运用在当前的视频帧图像上，对其进行追踪。

本发明的基于视频分析的调度方法，通过采集以往的视频和图像，对其进行特征提取，并通过机器学习构造级联增强分类器，将其进行分类并且进行标注后，可以自动的对视频中的危险情况、非常规情况进行警报和处理，大大提高了调度的运行效率和安全性，减轻调度人员的失误率和工作压力。

本发明的基于视频分析的人员轨迹追踪方法，通过将人脸数据进行特征提取和构造级联增强分类器；通过构造相关滤波器，可高准确性的对人员进行追踪，结合上面对场景的自动处理和告警，可以大大的提高人员的工作效率，并且减少了人员工作的危险性，提高了安全性能。

附图说明

图1为本发明的一种基于视频分析的调度方法流程示意图；

图2为本发明的一种基于视频分析的调度方法的级联增强分类器构建流程示意图；

图3为本发明的一种基于视频分析的调度方法的训练集标准库融合流程示意图；

图4为本发明的一种基于视频分析的人员轨迹追踪方法流程示意图。

具体实施方式

为使本发明的的目的，技术特性和具体操作更加清晰易懂，下面通过具体的实施例，对本发明进行进一步的详细说明。但请注意，此处所描述的具体实施例仅仅补充和具体化解释本发明，并不用于限制本发明的范围。

实施例1

如图1-3所示：本发明实施例提供了一种基于视频分析的调度方法，包括如下步骤：

步骤1、采集系统以往的视频和图片资料，提取视频中的关键帧并截取、存储；具体为人员在巡逻，处理业务时的现场情况；发生危机时的具体场景；以及针对现场环境所做的措施和应对；

步骤2、根据不同的场景和措施，对视频和图片进行标记为正样本和负样本；

步骤3、对正样本数据选取所需的一定数量的特定类型、尺寸和位置作为参数，类型具体为所标记的场景和措施，尺寸选择100*100，位置为感兴趣区域(ROI)，通常为图像的中间区域，并对所取参数进行特征提取；

步骤4、根据提取的特征，设置好区分正负样本的最佳阈值，得到单一分类器；

步骤5、进行多次步骤4的迭代，并且对那些效果好的分类器进行比较高的权值设定，那些效果不好、模糊、错判的设置比较低的权值；

步骤6、将迭代后的多个单一分类器，根据不同的权值大小进行加权累积，即可得到一个性能良好的级联增强分类器；

步骤7、将训练得到的级联增强分类器以及所标记的类型，场景参数以及针对不同的场景下的情况下的合理行为一起存入信息数据库中，并标记为训练集标准库；

步骤8、和LTE移动终端视频流相结合，当终端上的视频流通过媒体服务器传到调度台时，可对视频流中的关键帧进行参数提取，然后和信息数据库中的训练集标准库进行比对，当发现出现异常情况时可立刻进行相应的措施，避免人为操作造成的延迟而导致事态进一步的恶化。

实施例2

如图4所示：本发明实施例提供了一种基于视频分析的人员轨迹追踪方法，包括如下步骤：

步骤一、关于人像数据的采集，可采取和实施例1中一样的办法，并且提取特征值之后，进行级联增强分类器的构造，并存入信息数据库；

步骤二、构建准确度高的相关性滤波器，具体步骤为

(1)表达式g＝h*f，其中，f为输入图像，g作为输出响应，h为构建的相关滤波器，要使效果最好，就要使滤波器作用在视频上时得到的最大值即为追踪目标；

(2)将上述公式转化为Fh*f＝(Fh)

(3)考虑到实际中会同时对m个图像处理，定义损失函数为

其中，m为图像个数，J

(4)对上式进行求导，得到滤波器

(5)将求得的滤波器运用在当前的视频帧图像上，得到相应的结果中最大的响应值即为我们所追踪的目标。

步骤3、当人员人脸出现时，可自动启动追踪，并且同时结合实施例1所采用的视频分析，对人员所处的现场环境进行智能化处理，提高效率并且降低人员的人为失误率。

综上实施例1和实施例2可知，本发明可对人员进行轨迹追踪，现场环境进行自主化的处理和调度，可大大提高调度效率以及人员和调度员的处理业务效率，降低了因为人为延迟导致的事态恶化，可应用在人员调度，行为分析，轨迹追踪等领域。

此外，对上述实施例的补充说明，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是作为本发明的的具体化和补充作用，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。