(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211076362.X (22)申请日 2022.09.05 (71)申请人 南京星云软件科技有限公司 地址 210000 江苏省南京市 建邺区庐山路 158号嘉业国际城3幢26 09室 (72)发明人 魏志刚　 (74)专利代理 机构 南京鑫之航知识产权代理事 务所(特殊普通 合伙) 32410 专利代理师 汪庆朋 (51)Int.Cl. G06V 20/52(2022.01) G06V 40/20(2022.01) G06V 10/764(2022.01) G06V 10/762(2022.01) G06V 10/42(2022.01)G06V 10/28(2022.01) (54)发明名称 自适应监控系统及方法 (57)摘要 本发明公开了自适应监控系统及方法， 系统 包括监控视频输入模块、 聚类模块、 追踪模块、 识 别模块、 合并分析模块， 识别模块、 追踪模块都与 监控视频输入模块连接， 聚类模块与合并分析模 块连接， 聚类模块通过追踪模块连接识别模块， 识别模块连接合并分析模块。 自适应监控方法， 包括如下步骤： 步骤一、 监控视频输入模块进行 视频图像的输入； 步骤二、 对视频图像通过两路 并行处理； 步骤三、 两路对视频图像的处理结果 进行合并分析并输出分析结果。 本发 明能自动实 时捕获事先定义之外的异常事件， 高效识别各种 需要监控的意外事件， 并对已经定义的监测场景 能自动捕捉事件细节， 减少了人工检索和监控的 开销。 权利要求书1页 说明书6页 附图1页 CN 115424207 A 2022.12.02 CN 115424207 A 1.自适应监控系统， 其特征在于， 包括监控视频输入模块 （1） 、 聚类模块 （2） 、 追踪模块 （3） 、 识别模块 （4） 、 合并分析模块 （5） ， 所述识别模块 （4） 、 追踪模块 （3） 都与监控视频输入模 块 （1） 连接， 所述聚类模块 （2） 与合并分析模块 （5） 连接， 所述聚类模块 （2） 通过追踪模块 （3） 连接识别模块 （4） ， 所述识别模块 （4） 连接合并分析模块 （5） 。 2.自适应监控方法,  基于权利要求1所述自适应监控系统,  其特征在于， 包括如下步 骤： 步骤一、 监控视频输入 模块 （1） 进行视频图像的输入； 步骤二、 对视频图像通过两路并行处理： 一路根据 预先定义的模式进行处理， 另一路是 根据运动模式进行聚类后进行处 理； 步骤三、 两路对视频图像的处 理结果进行合并分析并输出分析 结果。 3.根据权利要求2所述自适应监控方法， 其特征在于， 所述根据 预先定义的模式进行处 理的步骤为： 首先通过识别模块 （4） 识别视频图像， 从而识别出若干个对象， 然后根据预先 定义的分类方法对若干个对象进行分类， 然后根据需要再分子类别。 4.根据权利要求3所述自适应监控方法， 其特征在于， 所述预先定义的分类方法包括基 于滑动窗口和人工特征提取方法、 基于机器学习的方法、 利用深度学习技术自动的抽取输 入图像中的隐藏特 征的方法。 5.根据权利要求2所述自适应监控方法， 其特征在于， 所述根据运动模式进行聚类后进 行处理的步骤为： 首先追踪模块 （3） 采用追踪算法根据运动状态 监测追踪运动物体， 然后根 据一个或多个运动特征在 同一个类别或子类别中通过聚类模块 （2） 的聚类算法的进行聚 类， 然后判断聚类是否有新的结果。 6.根据权利要求5所述自适应监控方法， 其特征在于， 所述运动特征包括运动方向、 运 动速度、 运动加速度、 运动位置以及各自的统计参量， 所述统计参量包括最大值、 最小值、 均 值、 方差、 变化率  、 及一阶差 分平均值、 二阶差 分平均值、 归一化一阶差分平均值、 归一化二 阶差分平均值、 变化范围、 序列差值的平方和。 7.根据权利要求5所述自适应监控方法， 其特征在于， 所述两路对视频图像的处理结果 进行合并分析并输出分析结果的步骤为： 若聚类无新结果则退出， 否则将样本数量最少的 类别对象所在区域作为结果区域一， 将监测到的预先定义的模式结果所在区域作为结果区 域二， 然后自定义预定门限大小， 然后通过合并分析模块 （5） 对两 路结果区域重合面积判断 是否超过预定门限， 若超过则选择结果区域面积大 的作为共同结果区域， 然后对共同结果 和余下的独立结果区域则进行聚焦放大继续追踪得到事件信息， 所述事件信息则为分析结 果。 8.根据权利要求7自适应监控方法， 其特征在于， 所述独立结果 区域为结果区域一和结 果区域二没有重合的地方。 9.根据权利要求5自适应监控方法， 其特征在于， 所述追踪算法包括连续帧间差分法、 背景差分法、 光 流法。 10.根据权利要求5自适应监控方法， 其特征在于， 所述聚类算法包括K ‑Means(K均值) 聚类算法、 均值漂移聚类算法、 基于密度的聚类算法、 高斯混合模型聚类算法、 层次聚类算 法。权　利　要　求　书 1/1 页 2 CN 115424207 A 2自适应监控系统及方 法 技术领域 [0001]本发明涉及监控领域， 特别涉及自适应监控系统及方法。 背景技术 [0002]目前市面了公开了对室内人员(尤其是独居老人和残疾人)的基于智能视频的自 动监视系统。 通过对视频监控区域的移动目标(指人)的行为分析， 实现对站立、 坐、 跌倒等 形体特征的识别， 当判断是摔倒时， 通过无线或有线的方式发送到家庭其他 成员、 社区管 理 或民政人员的手机、 电脑屏幕和平板电脑等 终端设备上。 该方法可以应用到家居， 老年保健 院、 活动中心和医院等室内场所， 但是不能穷举所有场景和对象， 一旦出现事先定义之外的 事件， 就不容易实时捕获。 [0003]市面了还公开了一种视频监控中的人体行为识别方法， 涉及计算机视觉领域， 能 够对视频中连续不同的行为进 行识别的一种视频监控中的人体行为识别方法， 包括检测和 表示局部时空特征、 计算局部时空特征与类别相关性、 计算视频帧与类别相关性、 检测和识 别人体行为。 基于该人体行为识别方法的人体行为监控系统包括视频采集单元、 存储单元、 特征抽取单元、 相关性分析单元、 行为识别单元、 视频输出单元和预警单元， 能够对视频中 连续不同的行为进 行识别。 但是不能穷举所有场景和对象， 一旦出现事先定义之外的事件， 就不容易实时捕获， 需要事后分析时也需要人手检索， 费时费力。 此外， 对于已经定义的监 测场景， 目前的技 术都缺乏一种机制来自动实时捕捉事 件细节。 发明内容 [0004]本发明的目的是 克服现有技 术中的不足， 提供自适应监控系统及方法。 [0005]为了达到上述目的， 本发明是通过以下技 术方案实现的： 自适应监控系统， 包括监控视频输入模块、 聚类模块、 追踪模块、 识别模块、 合并分 析模块， 所述识别模块、 追踪模块 都与监控视频输入模块连接， 所述聚类模块与合并分析模 块连接， 所述聚类模块 通过追踪模块连接识别模块， 所述识别模块连接合并分析模块。 [0006]自适应监控方法， 包括如下步骤： 步骤一、 监控视频输入 模块进行视频图像的输入； 步骤二、 对视频图像通过两路并行处理： 一路根据预先定义的模式进行处理， 另一 路是根据运动模式进行聚类后进行处 理； 步骤三、 两路对视频图像的处 理结果进行合并分析并输出分析 结果。 [0007]作为优选， 根据预先定义的模式进行处理的步骤为： 首先通过识别模块识别视频 图像， 从而识别出若干个对象， 然后根据预先定义的分类方法对若干个对象进 行分类， 然后 根据需要再分子类别。 [0008]作为优选， 预先定义的分类方法包括基于滑动窗口和人工特征提取方法、 基于机 器学习的方法、 利用深度学习技 术自动的抽取输入图像中的隐藏特 征的方法。 [0009]作为优选， 根据运动模式进行聚类后进行处理的步骤为： 首先追踪模块采用追踪说　明　书 1/6 页 3 CN 115424207 A 3