本發(fā)明涉及智能監(jiān)控預(yù)警技術(shù)領(lǐng)域，特別涉及一種水政執(zhí)法動態(tài)監(jiān)控智能預(yù)警的方法。

背景技術(shù)：

目前，水利建設(shè)穩(wěn)步推進(jìn)，水利工程數(shù)量日漸增多，迫切需要實(shí)現(xiàn)水政監(jiān)察執(zhí)法管理的信息化、網(wǎng)絡(luò)化、自動化，提高執(zhí)法的力度和管理的科學(xué)性，而水政執(zhí)法動態(tài)監(jiān)控就是其中非常重要的一部分。

當(dāng)前，視頻監(jiān)控的Smart功能提供了很多預(yù)警的功能，這項(xiàng)技術(shù)在許多視頻監(jiān)控領(lǐng)域均有應(yīng)用，在水政執(zhí)法動態(tài)監(jiān)控系統(tǒng)中也加內(nèi)嵌了視頻監(jiān)控平臺，但僅通過Smart功能實(shí)現(xiàn)對違法事件的動態(tài)監(jiān)控，其實(shí)用性、準(zhǔn)確性、有效性上還存在一些不足，水政執(zhí)法動態(tài)監(jiān)控涉及到智能預(yù)警的關(guān)鍵技術(shù)難點(diǎn)是：如何對違法多發(fā)區(qū)域進(jìn)行實(shí)時監(jiān)控，發(fā)現(xiàn)有船只駐留進(jìn)行違規(guī)采砂或者有車進(jìn)入進(jìn)行違規(guī)倒土等違法事件，就要進(jìn)行預(yù)警，而對于船只經(jīng)過、車輛經(jīng)過等正常事件，就不進(jìn)行預(yù)警。

如圖3所示，視頻監(jiān)控平臺的Smart功能主要有區(qū)域入侵偵測、越界偵測、人臉偵測、音頻異常偵測、徘徊檢測等功能模塊，通過安裝在指定位置的攝像頭拍攝視頻獲得數(shù)據(jù)，啟動這些模塊，針對各模塊對應(yīng)的幀畫面變化的判斷方法進(jìn)行分析，輸出預(yù)警數(shù)據(jù)，可實(shí)現(xiàn)聯(lián)動預(yù)警，但是Smart功能實(shí)現(xiàn)的預(yù)警是通過光感應(yīng)技術(shù)判斷一幀幀畫面的變化來實(shí)現(xiàn)，偵測時幀畫面變化的最大閾值時間只能設(shè)置在10秒以內(nèi)(閾值時間是指幀畫面變化持續(xù)時長，比如徘徊檢測設(shè)置閾值為10秒，說明在這監(jiān)控區(qū)域內(nèi)要有物體不斷徘徊、幀畫面變化持續(xù)時長達(dá)10秒以上，才會產(chǎn)生預(yù)警)；水政執(zhí)法動態(tài)監(jiān)控的預(yù)警所針對的違法事件所捕捉到的幀畫面變化時間遠(yuǎn)遠(yuǎn)大于10秒，經(jīng)過以往執(zhí)法經(jīng)驗(yàn)分析，一次違法事件的時間一般在20分鐘，那么單純運(yùn)用視頻監(jiān)控的Smart功能是無法滿足水政執(zhí)法動態(tài)監(jiān)控的實(shí)際需求，需要在Smart功能的基礎(chǔ)上提高預(yù)警的準(zhǔn)確性、完整性，對同一個違法事件的預(yù)警只產(chǎn)生一條完整的、有效的預(yù)警信息。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種水政執(zhí)法動態(tài)監(jiān)控智能預(yù)警的方法，以提供有效的、完整的預(yù)警數(shù)據(jù)，使得預(yù)警的功能達(dá)到靈活配置規(guī)則、支持智能分析處理的效果。

為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

一種水政執(zhí)法動態(tài)監(jiān)控智能預(yù)警的方法，包括以下步驟：

步驟1、通過視頻監(jiān)控平臺的SMART功能對監(jiān)控區(qū)域進(jìn)行手動繪制，并對該繪制的區(qū)域進(jìn)行自動偵測并聯(lián)動報(bào)警和錄像，獲得SMART預(yù)警數(shù)據(jù)，SMART預(yù)警數(shù)據(jù)包括預(yù)警的視頻點(diǎn)、預(yù)警開始時間、預(yù)警結(jié)束時間和視頻內(nèi)容；所述的視頻監(jiān)控平臺內(nèi)嵌于水政執(zhí)法動態(tài)監(jiān)控系統(tǒng)中；

步驟2、在水政執(zhí)法動態(tài)監(jiān)控系統(tǒng)中配置作為選取有效SMART預(yù)警數(shù)據(jù)的判定規(guī)則及其預(yù)設(shè)參數(shù)，判定規(guī)則為：在預(yù)設(shè)時間范圍內(nèi)聯(lián)動報(bào)警次數(shù)達(dá)到預(yù)設(shè)次數(shù)的預(yù)警數(shù)據(jù)作為有效SMART預(yù)警數(shù)據(jù)，其中預(yù)設(shè)參數(shù)為預(yù)設(shè)時間范圍和預(yù)設(shè)次數(shù)；所述的水政執(zhí)法動態(tài)監(jiān)控系統(tǒng)可從視頻監(jiān)控平臺獲取SMART預(yù)警數(shù)據(jù)；

步驟3、依據(jù)步驟2的判定規(guī)則選定有效SMART預(yù)警數(shù)據(jù)，對有效SMART預(yù)警數(shù)據(jù)依次進(jìn)行統(tǒng)計(jì)建模、數(shù)據(jù)密度分析合并算法處理，產(chǎn)生一條完整的預(yù)警信息。

所述預(yù)設(shè)時間范圍為20分鐘，預(yù)設(shè)次數(shù)為40次。

所述步驟3中，統(tǒng)計(jì)建模、數(shù)據(jù)密度分析合并算法處理過程具體是：

統(tǒng)計(jì)建模：SMART預(yù)警數(shù)據(jù)作為原始數(shù)據(jù)，利用Statistical Leaders算法對原始數(shù)據(jù)集進(jìn)行分組建模，獲得代表點(diǎn)leader集、每一leader代表類別內(nèi)包含的數(shù)據(jù)點(diǎn)及其個數(shù)，建模過程建立了一個從原始預(yù)警數(shù)據(jù)集到代表點(diǎn)集的映射，每個數(shù)據(jù)點(diǎn)在代表點(diǎn)集中都有唯一一個leader與之相對應(yīng)，數(shù)據(jù)點(diǎn)最終的分組歸屬由對應(yīng)leader所在分組類別直接決定；每一個leader所在分組類別是唯一的，即每一個leader賦予互不相同的類標(biāo)號N,對應(yīng)表示不同類別CN；

分析合并：選擇任意一個數(shù)據(jù)點(diǎn)為入口點(diǎn)，以該入口點(diǎn)為一級圓心點(diǎn)，以預(yù)設(shè)的時間范圍為半徑畫圓，選取所有的位于圓內(nèi)的數(shù)據(jù)點(diǎn)并標(biāo)記這些數(shù)據(jù)點(diǎn)為邊緣點(diǎn)，選取任意一個邊緣點(diǎn)為二級圓心點(diǎn)，采用同樣的方法選出預(yù)設(shè)的時間范圍的邊緣點(diǎn)，知道所有的邊緣點(diǎn)均處理完畢，若還有數(shù)據(jù)點(diǎn)未被選出，則再次選擇另一個數(shù)據(jù)點(diǎn)為入口點(diǎn)重復(fù)上述數(shù)據(jù)點(diǎn)選取過程，若還有數(shù)據(jù)點(diǎn)未被選出則標(biāo)記為噪音點(diǎn)，圓心的和所有邊緣點(diǎn)標(biāo)記為同類別的標(biāo)準(zhǔn)點(diǎn)，以該標(biāo)準(zhǔn)點(diǎn)位判定準(zhǔn)則；

然后計(jì)算leader之間的歐式距離構(gòu)建相似性矩陣，選取與每一leader相似性最高的前k個點(diǎn)組成k鄰域；將leader的密度信息從大到小排序，以此作為合并時的順序，按照該合并順序依次將leader與其k鄰域內(nèi)的點(diǎn)進(jìn)行統(tǒng)計(jì)合并判定，若滿足判定準(zhǔn)則，則將該點(diǎn)與leader合并，遍歷所有的leader后，完成對代表點(diǎn)集的合并；

映射歸類：依據(jù)leader的類別歸屬，將與其具有對應(yīng)關(guān)系的數(shù)據(jù)點(diǎn)進(jìn)行相同的歸類，歸類的所有數(shù)據(jù)點(diǎn)均為完整的預(yù)警數(shù)據(jù)。

本發(fā)明的有益效果是：通過基于視頻監(jiān)控平臺的SMART功能進(jìn)行繪制監(jiān)控區(qū)域并進(jìn)行預(yù)警以及對預(yù)警數(shù)據(jù)進(jìn)行統(tǒng)計(jì)建模、數(shù)據(jù)密度分析合并算法進(jìn)行加工處理，最后生成有效的、完整的預(yù)警數(shù)據(jù)，使得預(yù)警的功能達(dá)到靈活配置規(guī)則、支持智能分析處理的效果。

附圖說明

此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解，構(gòu)成本發(fā)明的一部分，本發(fā)明的示意性實(shí)施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中：

圖1是本發(fā)明一種水政執(zhí)法動態(tài)監(jiān)控智能預(yù)警的方法的流程簡圖；

圖2是分組建模中點(diǎn)歸類的示意圖；

圖3是視頻監(jiān)控平臺的SMART功能對監(jiān)控區(qū)域進(jìn)行手動繪制的示意圖；

圖4是獲取的預(yù)警數(shù)據(jù)圖表。

具體實(shí)施方式

為了使本發(fā)明所要解決的技術(shù)問題、技術(shù)方案及有益效果更加清楚、明白，以下結(jié)合附圖及實(shí)施例對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

如圖2所示，本發(fā)明的一種水政執(zhí)法動態(tài)監(jiān)控智能預(yù)警的方法，包括以下步驟：

步驟1、通過視頻監(jiān)控平臺的SMART功能對監(jiān)控區(qū)域進(jìn)行繪制，并軌該繪制區(qū)域進(jìn)行自動偵測并聯(lián)動報(bào)警和錄像，監(jiān)控區(qū)域的繪制如圖3所示，對要監(jiān)控的區(qū)域范圍進(jìn)行手動繪制，繪制好這個區(qū)域范圍后，視頻監(jiān)控平臺會對該區(qū)域進(jìn)行自動偵測及聯(lián)動報(bào)警和錄像，獲得Smart預(yù)警數(shù)據(jù)，比如利用Smart偵測功能的徘徊偵測的繪制區(qū)域?qū)χ攸c(diǎn)監(jiān)控區(qū)域進(jìn)行繪制，然后選擇時間閾值(最大為10秒)，監(jiān)控平臺通過光感應(yīng)技術(shù)判斷一幀幀畫面變化的情況，對于“徘徊”的行為(如監(jiān)控區(qū)域內(nèi)徘徊時長超過所設(shè)置的時間閾值)，進(jìn)行自動偵測并聯(lián)動報(bào)警和錄像；預(yù)警數(shù)據(jù)內(nèi)容如圖4所示，主要是包括預(yù)警的視頻點(diǎn)(即監(jiān)控地址)、預(yù)警開始時間、預(yù)警結(jié)束時間，還可以聯(lián)動查看錄像內(nèi)容，但是預(yù)警的時間段非常短而且頻繁，都是一秒一秒的錄像片段；

監(jiān)控區(qū)域繪制的目的是通過所繪制的監(jiān)控區(qū)域所在的攝像頭對該區(qū)域進(jìn)行錄像、幀畫面分析和聯(lián)動報(bào)警；所述的視頻監(jiān)控平臺內(nèi)嵌于水政執(zhí)法動態(tài)監(jiān)控系統(tǒng)中；

步驟2、在水政執(zhí)法動態(tài)監(jiān)控系統(tǒng)中配置作為選取有效SMART預(yù)警數(shù)據(jù)的判定規(guī)則及其預(yù)設(shè)參數(shù)，判定規(guī)則為：在預(yù)設(shè)時間范圍內(nèi)聯(lián)動報(bào)警次數(shù)達(dá)到預(yù)設(shè)次數(shù)的預(yù)警數(shù)據(jù)作為有效SMART預(yù)警數(shù)據(jù)，其中預(yù)設(shè)參數(shù)為預(yù)設(shè)時間和預(yù)設(shè)次數(shù)；所述的水政執(zhí)法動態(tài)監(jiān)控系統(tǒng)可從視頻監(jiān)控平臺獲取SMART預(yù)警數(shù)據(jù)；比如這里設(shè)置了密度范圍eps(即預(yù)設(shè)時間范圍)為20分鐘，密度范圍內(nèi)的數(shù)據(jù)個數(shù)minPoints(即預(yù)設(shè)次數(shù))為40個，可以理解為在時間范圍20分鐘內(nèi)，出現(xiàn)至少40次的自動預(yù)警(通過步驟1知道Smart偵測時間閾值最大為10秒，所以一次自動預(yù)警最大時長10秒)，說明這個密度范圍的自動預(yù)警是有效的預(yù)警，反之為無效預(yù)警；

步驟3、依據(jù)步驟2的判定規(guī)則選定有效SMART預(yù)警數(shù)據(jù)，對有效SMART預(yù)警數(shù)據(jù)依次進(jìn)行統(tǒng)計(jì)建模、數(shù)據(jù)密度分析合并算法處理，通過步驟3來剔除哪些無效預(yù)警，給出完整、有效地預(yù)警數(shù)據(jù)。

上述統(tǒng)計(jì)建模、數(shù)據(jù)密度分析合并算法處理過程具體是：

分組建模

利用Statistical Leaders算法對原始數(shù)據(jù)集進(jìn)行分組建模，獲得代表點(diǎn)(leader)集、每一leader代表類別內(nèi)包含的數(shù)據(jù)點(diǎn)及其個數(shù)。如圖2所示，代表點(diǎn)獲取規(guī)則是，先把一條條的預(yù)警數(shù)據(jù)當(dāng)做一個個數(shù)據(jù)點(diǎn)，然后把有些是連續(xù)的數(shù)據(jù)點(diǎn)組合成一個大的數(shù)據(jù)點(diǎn)，連續(xù)的數(shù)據(jù)點(diǎn)定義就是兩條預(yù)警數(shù)據(jù)的開始時間間隔非常短，比如1-2秒以內(nèi)，時間間隔自行定義，這樣的兩個數(shù)據(jù)點(diǎn)就可以合并為一個大的數(shù)據(jù)點(diǎn)，最后新組合后的一個個數(shù)據(jù)點(diǎn)看做是一個個代表點(diǎn)leader，一個leader可能代表一個原始數(shù)據(jù)點(diǎn)，也可能代表多個連續(xù)的原始數(shù)據(jù)點(diǎn)的組合點(diǎn)，建模過程建立了一個從原始數(shù)據(jù)集到代表點(diǎn)集的映射，每個數(shù)據(jù)點(diǎn)在代表點(diǎn)集中都有唯一一個leader與之相對應(yīng)，數(shù)據(jù)點(diǎn)最終的分組歸屬由對應(yīng)leader所在分組類別直接決定。每一個leader所在分組類別是唯一的，即每一個leader賦予互不相同的類標(biāo)號N,對應(yīng)表示不同類別CN。

分析合并

首先，數(shù)據(jù)點(diǎn)的合并是由一個特定的統(tǒng)計(jì)合并判定準(zhǔn)則來決定的，這個判斷準(zhǔn)則的算法有兩個重要的參數(shù)設(shè)定，一個是密度范圍eps，一個是密度范圍內(nèi)的數(shù)據(jù)個數(shù)minPoints，參照圖3解釋這個算法：圖上一堆點(diǎn)，其中標(biāo)出ABCN四個點(diǎn)，首先隨機(jī)選擇到A點(diǎn)為實(shí)施算法的入口點(diǎn)，我們設(shè)定eps范圍為圖中的圓的半徑，minPoints為3(算法中eps和minPoints在具體項(xiàng)目應(yīng)用中是通過規(guī)則來配置)。這樣我們根據(jù)A為中心，半徑為eps的范圍，找到了周圍的點(diǎn)，這些點(diǎn)個數(shù)是大于等于minPoints的，所以他們成為一個簇，并都標(biāo)記為邊緣點(diǎn)，A標(biāo)記為中心點(diǎn)，用紅色表示。然后在標(biāo)記的邊緣點(diǎn)中選取一個再次畫半徑為eps的圓，如果該圓內(nèi)的Points個數(shù)超過minPoints，則該點(diǎn)也標(biāo)記為中心點(diǎn)，把新入的標(biāo)為邊緣點(diǎn)再次遞歸該算法。這樣下去就標(biāo)記完了以A為起始的一個聚類，為圖中紅色的中心點(diǎn)和黃色的邊緣點(diǎn)。直到所有邊緣點(diǎn)處理完畢，如果還有Points未處理，再次新產(chǎn)生一個類別來重新啟動這個算法過程。所有數(shù)據(jù)都跑過一遍后，如果有點(diǎn)既不是邊緣點(diǎn)也不是中心點(diǎn)的點(diǎn)，就標(biāo)記為噪音；如果有點(diǎn)是邊緣點(diǎn)或者是中心點(diǎn)，就標(biāo)記為滿足判定準(zhǔn)則的點(diǎn)。

然后有了判定準(zhǔn)則后，通過計(jì)算leader之間的歐式距離構(gòu)建相似性矩陣，選取與每一leader相似性最高的前k個點(diǎn)組成k鄰域；然后，將leader的密度信息從大到小排序，以此作為合并時的順序。這里將每一leader的k鄰域中所有l(wèi)eader代表類別內(nèi)包含數(shù)據(jù)點(diǎn)的總個數(shù)作為其密度信息，數(shù)據(jù)點(diǎn)個數(shù)越多，密度越大。按照該合并順序依次將leader與其k鄰域內(nèi)的點(diǎn)進(jìn)行統(tǒng)計(jì)合并判定，若滿足判定準(zhǔn)則，則將該點(diǎn)與leader合并。遍歷所有的leader，最終完成對代表點(diǎn)集的合并。在這一階段，基于密度的合并順序保證了在任意兩個不同的分組進(jìn)行合并判定時，其自身已經(jīng)完成了所有可能的合并。

映射歸類

由于代表點(diǎn)集與原始數(shù)據(jù)集之間建立了映射，在完成對代表點(diǎn)集的分組合并后，依據(jù)leader的類別歸屬(每一個leader賦予互不相同的類標(biāo)號N,對應(yīng)表示不同類別CN)，將與其具有對應(yīng)關(guān)系的數(shù)據(jù)點(diǎn)進(jìn)行相同的歸類，即實(shí)現(xiàn)了對整個數(shù)據(jù)集的歸類。最后完成對整個數(shù)據(jù)的歸類的所有數(shù)據(jù)點(diǎn)都是有效、完整的數(shù)據(jù)，無效的數(shù)據(jù)已經(jīng)在判定規(guī)則的判斷中置為噪音數(shù)據(jù)，剔除掉。

上述說明示出并描述了本發(fā)明的優(yōu)選實(shí)施例，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(shí)施例的排除，而可用于各種其他組合、修改和環(huán)境，并能夠在本文發(fā)明構(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)。