(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 202210620998.X (22)申请日 2022.06.01 (71)申请人 罗布森 （广州） 科技有限公司 地址 510000 广东省广州市黄埔区玉树社 区天丰路8号 (72)发明人 杨阳明　罗美云　 (74)专利代理 机构 北京冠和权律师事务所 11399 专利代理师 赵银萍 (51)Int.Cl. H04N 7/18(2006.01) H04W 4/029(2018.01) (54)发明名称 一种基于人工智能技术的安防摄像头监控 系统 (57)摘要 本发明提供了一种基于人工智能技术的安 防摄像头监控系统， 包括： 前方采集端， 用于获取 安防摄像头周围的实时监控视频； 线上融合端， 用于将所述实时监控视频和管辖范围内的线上 地图进行关联融合， 获得对应的融合监控网； 关 联追踪端， 用于基于所述融合监控网对动态目标 进行关联追踪预测， 获得所述动态目标在所述管 辖范围内的全程监控结果； 险情判别端， 用于基 于所述完整监控结果识别出所述管辖范围内的 险情； 用以将实时监控视频和线上地图进行关联 融合后对动态目标进行关联追踪推测， 克服了传 统安防监控系统存在监控死角和防护漏洞的问 题， 并加快了对管辖范围内动态目标的定位速 度， 减小了热点区域内的安全隐患。 权利要求书4页 说明书13页 附图5页 CN 114885132 A 2022.08.09 CN 114885132 A 1.一种基于人工智能技 术的安防摄 像头监控系统， 其特 征在于， 包括： 前方采集端， 用于获取安防摄 像头周围的实时监控视频； 线上融合端， 用于将所述实时监控视频和管辖范围内的线上地图进行关联融合， 获得 对应的融合 监控网； 关联追踪端， 用于基于所述融合监控网对动态目标进行关联追踪推测， 获得所述动态 目标在所述管辖范围内的全程 监控结果； 险情判别端， 用于基于所述全程 监控结果识别出 所述管辖范围内的险情。 2.根据权利要求1所述的一种基于人工智能技术的安防摄像头监控系统， 其特征在于， 所述前方采集端， 包括： 采集模块， 用于基于设置在定点的安防摄 像头， 获取对应 摄像范围内的实时监控视频； 传输模块， 用于将所述实时监控视频实时传输 至所述线上融合端。 3.根据权利要求1所述的一种基于人工智能技术的安防摄像头监控系统， 其特征在于， 所述线上融合端， 包括： 图像调取模块， 用于获取所述安防摄像头的实际安装位置在所述线上地图中对应的线 上安装位置； 线上融合模块， 用于将所述实时监控视频和对应安防摄像头在所述线上地图中对应的 线上安装位置进行关联融合， 获得对应的融合 监控网。 4.根据权利要求3所述的一种基于人工智能技术的安防摄像头监控系统， 其特征在于， 所述线上融合模块， 包括： 初始融合单元， 用于将所述实时监控视频和对应安防摄像头在所述线上地图中对应的 线上安装位置进行关联融合， 获得对应的初始融合 监控网； 梯度滤波单元， 用于基于预设方框尺寸梯度依次对所述实时监控视频进行不同方框尺 寸的滤波处 理， 获得对应的实时滤波视频集 合； 函数构建单元， 用于将所述实时滤波视频集合中包含的实时滤波视频进行时序对齐， 获得对应的对齐滤波视频和对应的对齐滤波视频帧， 确定出所述对齐滤波视频中每个视频 帧中包含的像素点对应的像素值和坐标值， 基于所述像素值和坐标值构建出对应视频帧的 二元像素函数； 局部筛选单元， 用于基于所述二元像素函数和每个像素点对应的坐标值， 确定出对应 像素点的黑塞矩阵， 并基于滤波平衡权重值和所述黑塞矩阵以及预设的局部特征稳定性判 别公式计算出每个像素点对应的局部特征稳定值， 将所述局部特征稳定值大于稳定阈值的 像素点作为对应视频帧的局部特征点， 将所述对齐滤波视频帧中都包含的局部特征点作为 对应的局部稳定特 征点； 矩阵构建单元， 用于基于所述对齐滤波视频帧在所述实时监控视频中对应的原始视频 帧中的像素点位置信息构建出对应的像素点矩阵， 并将所述局部稳定特征点在所述像素点 矩阵中对应的数值都设置为1， 将所述像素点矩阵中除所述局部稳定特征点对应的数值以 外剩余的数值都设置为0， 获得 所述实时监控视频中对应原 始视频帧的局部特 征矩阵； 视频汇总单元， 用于确定出所述线上安装位置对应的相邻线上安装位置， 将所述线上 安装位置处获得的实时监控视频和对应的相 邻线上安装位置处获得的实时监控视频汇总， 获得对应的待优化视频集 合；权　利　要　求　书 1/4 页 2 CN 114885132 A 2视频对齐单元， 用于将所述待优化视频集合中包含的待优化视频进行时序对齐， 获得 对应的对齐视频和对应的对齐视频帧集 合； 最优筛选单元， 用于在所述对齐视频帧集合中确定出局部特征矩阵一致的对齐视频帧 组合， 计算出所述对齐视频帧组合中每个对齐视频帧对应的成像效果值， 将最大成像效果 值对应的对齐视频帧作为所述对齐视频帧组合对应的最优视频帧； 视频优化单元， 用于基于所述最优视频帧优化所述对齐视频帧组合中除所述最优视频 帧以外剩余的对齐视频帧， 获得待优化视频集合中包含的对应实时监控视频对应的实时优 化视频； 视频替换单元， 用于将所述实时优化视频在所述初始融合监控 网中对应的实时监控视 频替换为对应的实时优化视频， 获得对应的融合 监控网。 5.根据权利要求4所述的一种基于人工智能技术的安防摄像头监控系统， 其特征在于， 所述视频优化单 元， 包括： 向量确定子单元， 用于基于所述局部特征矩阵确定出所述对齐视频帧组合中所有对齐 视频帧中包含的局部稳定特征点， 将所述局部稳定特征点指向对应相 邻局部稳定特征点的 向量作为对应的指向 向量； 特征确定子单元， 用于基于预设邻域范围， 在所述对齐视频帧中划分出每个局部稳定 特征点对应的分析邻域， 并基于所述对齐视频帧中包含的像素点的灰度值， 确定出所述分 析邻域在每个指向向量方向的灰度变化特征， 获得所述局部稳定特征点对应的灰度变化特 征集合； 匹配度计算子单元， 用于在所述对齐视频帧中任选一个局部稳定特征点作为对应的目 标特征点， 并确定出所述 目标特征点对应的相邻局部稳定特征点， 计算出所述局部稳定特 征点在对应的每个指向向量方向的第一灰度变化特征和所述指向向量对应的相邻局部稳 定特征点对应的梯度样变化特 征集合中包含的每个第二灰度变化特 征之间的差值； 轨迹确定子单元， 用于将最小差值对应的指向向量当作 所述局部稳定特征点对应的指 向轨迹， 同时， 将最小差值对应的第二灰度变化特 征对应的指向 向量作为下一指向轨 迹； 轨迹连接子单元， 用于将所述指向轨迹和所述下一指向轨迹依次相连获得所述目标特 征点对应的连接指向轨迹， 并将连接指向轨迹指向的局部稳定特征点作为新的目标特征 点， 继续确定出新的目标特征点对应的连接指向轨迹， 直至当前确定的所有连接指向轨迹 经过对应所述视频帧中包含的所有局部稳定特征点时， 则按照确定顺序将所有连接指向轨 迹连接获得 所述对齐视频帧对应的渐 变轨迹； 区域确定子单元， 用于基于预设匹配范围确定出所述渐变轨迹上包含的每个轨迹点对 应的匹配区域， 按照预设划分方式将所述渐变轨迹划分为多个子渐变轨迹， 将所述子渐变 轨迹中包含的轨迹点对应的匹配区域进行汇总， 获得 所述子渐 变轨迹的综合匹配区域； 轨迹关联子单元， 用于将所述对齐视频帧组合中除所述最优视频帧 以外剩余的对齐视 频帧当作待优化帧， 将所述最优视频帧中包含的每个第一子渐变轨迹和所述待优化帧中包 含的每个第二子渐 变轨迹进行对应关联， 获得对应的关联 结果； 像素优化子单元， 用于基于所述第 一匹配区域和所述关联结果对对应的第 二匹配区域 进行像素优化， 获得对应的实时优化视频。 6.根据权利要求1所述的一种基于人工智能技术的安防摄像头监控系统， 其特征在于，权　利　要　求　书 2/4 页 3 CN 114885132 A 3