買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜北京金藍(lán)盾保安服務(wù)有限公司申請(qǐng)的專利一種基于視頻圖像的安保區(qū)域入侵預(yù)警方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119541118B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510082976.6，技術(shù)領(lǐng)域涉及：G08B13/196；該發(fā)明授權(quán)一種基于視頻圖像的安保區(qū)域入侵預(yù)警方法及系統(tǒng)是由李海朋設(shè)計(jì)研發(fā)完成，并于2025-01-20向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于視頻圖像的安保區(qū)域入侵預(yù)警方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于視頻圖像的安保區(qū)域入侵預(yù)警方法及系統(tǒng)，屬于入侵預(yù)警技術(shù)領(lǐng)域；通過(guò)分布在安保區(qū)域內(nèi)的監(jiān)控?cái)z像頭，實(shí)時(shí)采集視頻圖像數(shù)據(jù)，利用預(yù)設(shè)的目標(biāo)檢測(cè)算法對(duì)入侵目標(biāo)進(jìn)行軌跡記錄，分析入侵目標(biāo)的運(yùn)動(dòng)方向、速度變化及停留時(shí)間，生成動(dòng)態(tài)運(yùn)動(dòng)軌跡，結(jié)合區(qū)域內(nèi)的場(chǎng)景布局，利用軌跡預(yù)測(cè)模型推測(cè)入侵路徑；對(duì)不同潛在路徑的危險(xiǎn)等級(jí)進(jìn)行評(píng)估，按優(yōu)先級(jí)對(duì)路徑排序；根據(jù)路徑優(yōu)先級(jí)，實(shí)時(shí)調(diào)整監(jiān)控區(qū)域的預(yù)警靈敏度，若路徑分析結(jié)果為高危區(qū)域時(shí)，觸發(fā)預(yù)警系統(tǒng)，發(fā)出警報(bào)信息。本發(fā)明通過(guò)綜合風(fēng)險(xiǎn)評(píng)估與動(dòng)態(tài)路徑排序，有效識(shí)別高危路徑；并基于靈敏度動(dòng)態(tài)調(diào)整策略和多級(jí)預(yù)警機(jī)制，顯著提高了監(jiān)控系統(tǒng)的實(shí)時(shí)性與智能性。

本發(fā)明授權(quán)一種基于視頻圖像的安保區(qū)域入侵預(yù)警方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.一種基于視頻圖像的安保區(qū)域入侵預(yù)警方法，其特征在于，該方法包括以下步驟：步驟S1：通過(guò)分布在安保區(qū)域內(nèi)的監(jiān)控?cái)z像頭，實(shí)時(shí)采集視頻圖像數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行基礎(chǔ)格式化處理；步驟S2：利用預(yù)設(shè)的目標(biāo)檢測(cè)算法，從視頻圖像中提取入侵目標(biāo)，對(duì)入侵目標(biāo)進(jìn)行軌跡記錄，分析入侵目標(biāo)的運(yùn)動(dòng)方向、速度變化及停留時(shí)間，生成動(dòng)態(tài)運(yùn)動(dòng)軌跡；步驟S3：基于動(dòng)態(tài)運(yùn)動(dòng)軌跡，結(jié)合區(qū)域內(nèi)的場(chǎng)景布局，利用軌跡預(yù)測(cè)模型推測(cè)入侵路徑；對(duì)不同潛在路徑的危險(xiǎn)等級(jí)進(jìn)行評(píng)估，按優(yōu)先級(jí)對(duì)路徑排序；步驟S4：根據(jù)路徑優(yōu)先級(jí)，實(shí)時(shí)調(diào)整監(jiān)控區(qū)域的預(yù)警靈敏度，若路徑分析結(jié)果為高危區(qū)域時(shí)，觸發(fā)預(yù)警系統(tǒng)，發(fā)出警報(bào)信息；所述步驟S2的具體實(shí)施過(guò)程包括：步驟S2.1：根據(jù)步驟S1的基礎(chǔ)格式化處理結(jié)果，利用分層目標(biāo)檢測(cè)算法從視頻圖像中提取動(dòng)態(tài)目標(biāo)，區(qū)分背景靜態(tài)元素與目標(biāo)動(dòng)態(tài)特征，生成所述動(dòng)態(tài)目標(biāo)的初始檢測(cè)數(shù)據(jù)，具體如下： 其中，Di表示目標(biāo)i的初始檢測(cè)數(shù)據(jù)，ωn表示第n個(gè)特征的權(quán)重，di，n表示目標(biāo)i在第n個(gè)特征上的數(shù)據(jù)值，N表示目標(biāo)特征的數(shù)量；步驟S2.2：基于所述初始檢測(cè)數(shù)據(jù)Di，利用區(qū)域內(nèi)多攝像頭的空間關(guān)聯(lián)性，匹配動(dòng)態(tài)目標(biāo)在不同視角中的位置變化，構(gòu)建所述動(dòng)態(tài)目標(biāo)的多視角空間運(yùn)動(dòng)模型，具體如下： 其中，Mk為動(dòng)態(tài)目標(biāo)k的多視角空間運(yùn)動(dòng)模型，Dk,c為目標(biāo)k在第c個(gè)攝像頭中計(jì)算得到的初始檢測(cè)數(shù)據(jù)，為目標(biāo)k在所有攝像頭中初始檢測(cè)數(shù)據(jù)的均值,C為攝像頭總數(shù)量；步驟S2.3：基于所述動(dòng)態(tài)目標(biāo)的多視角空間運(yùn)動(dòng)模型，記錄動(dòng)態(tài)目標(biāo)的實(shí)時(shí)位置，結(jié)合時(shí)間序列信息計(jì)算所述動(dòng)態(tài)目標(biāo)的速度變化、加速度和停留時(shí)間，生成所述動(dòng)態(tài)目標(biāo)的軌跡數(shù)據(jù)，具體如下： 其中，Vkt為目標(biāo)k在時(shí)間t的速度，Akt為目標(biāo)k在時(shí)間t的加速度，Pkt為目標(biāo)k在時(shí)間t的位置，Δt為時(shí)間間隔，Pkt+Δt為目標(biāo)k在時(shí)間t+Δt的位置，Vkt+Δk為目標(biāo)k在時(shí)間t+Δt的速度；步驟S2.4：基于所述軌跡數(shù)據(jù)，與安保區(qū)域的場(chǎng)景特征數(shù)據(jù)庫(kù)進(jìn)行匹配，修正軌跡中的異常點(diǎn)，具體如下： 其中，為目標(biāo)k在時(shí)間t修正后的軌跡點(diǎn)，Mk為動(dòng)態(tài)目標(biāo)k的多視角空間運(yùn)動(dòng)模型，Pkt為目標(biāo)k在時(shí)間t的位置，λ1和λ2分別表示動(dòng)態(tài)目標(biāo)k的多視角空間運(yùn)動(dòng)模型Mk和目標(biāo)k在時(shí)間t的位置Pkt的權(quán)重系數(shù)；基于修正后的軌跡數(shù)據(jù)，生成動(dòng)態(tài)運(yùn)動(dòng)軌跡數(shù)據(jù)集，并將所述軌跡數(shù)據(jù)集作為輸入傳遞至步驟S3；所述步驟S3的具體實(shí)施過(guò)程包括：步驟S3.1：基于動(dòng)態(tài)運(yùn)動(dòng)軌跡數(shù)據(jù)，結(jié)合安保區(qū)域的場(chǎng)景布局?jǐn)?shù)據(jù)，計(jì)算目標(biāo)路徑通過(guò)不同區(qū)域的累積風(fēng)險(xiǎn)值，得到初步路徑風(fēng)險(xiǎn)分布數(shù)據(jù)，具體如下： 其中，Rmn為路徑段m→n的初步風(fēng)險(xiǎn)值，Tmn，p為路徑段m→n在特征p上的場(chǎng)景特征值，Lmn為路徑段m→n的長(zhǎng)度，wp為特征p的權(quán)重，σp為特征p的歸一化系數(shù)，P為場(chǎng)景特征的數(shù)量；步驟S3.2：將初步路徑風(fēng)險(xiǎn)分布數(shù)據(jù)與區(qū)域重點(diǎn)監(jiān)控特征進(jìn)行融合，修正潛在路徑的風(fēng)險(xiǎn)權(quán)重，生成路徑段m→n的綜合風(fēng)險(xiǎn)值，具體如下： 其中，為修正后的路徑段m→n綜合風(fēng)險(xiǎn)值，β為重點(diǎn)監(jiān)控區(qū)域權(quán)重系數(shù)，Cmn為路徑段m→n的重點(diǎn)監(jiān)控特征值；步驟S3.3：利用路徑預(yù)測(cè)模型，從區(qū)域風(fēng)險(xiǎn)矩陣中識(shí)別出入侵路徑，同時(shí)結(jié)合目標(biāo)運(yùn)動(dòng)的實(shí)時(shí)方向和速度變化，動(dòng)態(tài)調(diào)整路徑預(yù)測(cè)優(yōu)先級(jí)，具體如下： 其中，Pmn為路徑段m→n的優(yōu)先級(jí)，Sm為目標(biāo)在路徑段起點(diǎn)節(jié)點(diǎn)m的速度，Dmn為路徑段m→n的直線距離；步驟S3.4：對(duì)所有潛在路徑進(jìn)行優(yōu)先級(jí)排序，并輸出路徑排序數(shù)據(jù)；所述步驟S4的具體實(shí)施過(guò)程包括：步驟S4.1：根據(jù)預(yù)測(cè)路徑的優(yōu)先級(jí)數(shù)據(jù)，對(duì)安保區(qū)域的監(jiān)控靈敏度進(jìn)行動(dòng)態(tài)調(diào)整，具體如下： 其中，Sadj為動(dòng)態(tài)調(diào)整后的監(jiān)控靈敏度，S0為基礎(chǔ)監(jiān)控靈敏度，γ為靈敏度調(diào)整系數(shù)，Pmn為路徑段m→n的優(yōu)先級(jí)，maxP為所有路徑優(yōu)先級(jí)的最大值；步驟S4.2：對(duì)高優(yōu)先級(jí)路徑段，實(shí)時(shí)更新路徑優(yōu)先級(jí)，具體如下：Wf＝α·Vf+δ·ΔA其中，Wf為目標(biāo)特征的更新權(quán)重，Vf為目標(biāo)的實(shí)時(shí)速度波動(dòng)值，ΔA為目標(biāo)姿態(tài)變化率，α為速度波動(dòng)權(quán)重系數(shù)，δ為姿態(tài)變化權(quán)重系數(shù)；步驟S4.3：當(dāng)路徑優(yōu)先級(jí)超過(guò)預(yù)設(shè)閾值時(shí)，觸發(fā)多級(jí)預(yù)警機(jī)制，輸出警報(bào)；步驟S4.4：將警報(bào)信息及路徑數(shù)據(jù)實(shí)時(shí)推送至安保人員，并生成可視化風(fēng)險(xiǎn)圖，顯示目標(biāo)的實(shí)時(shí)位置、運(yùn)動(dòng)軌跡及預(yù)測(cè)路徑。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人北京金藍(lán)盾保安服務(wù)有限公司，其通訊地址為：100000 北京市朝陽(yáng)區(qū)青年路27號(hào)院3號(hào)樓305室；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。