CN101635834A - 类神经控制自动追踪识别系统 - Google Patents

Abstract

本发明提供一种类神经控制自动追踪识别系统，该系统包括：固定视场视频采集模块，全功能可变视场视频采集模块，视频图像识别判断演算法模块，类神经控制模块，运动物轨迹追踪模块，资料库比对与报警判断模块，监控特征录入与规则设定模块，光线监测与控制模块，背景光源模块，报警输出、显示与存储模块，安全监控感测器。本发明完全克服了传统图像监控系统事后处理、图像中可疑目标特征不清、功能单一、智慧化程度低等问题，使用了类神经控制、生物识别技术、智慧化的图像识别演算法，具有智慧化程度高、预先防范、可疑物影像清晰、性价比高等特点。

Description

类神经控制自动追踪识别系统

技术领域

本发明涉及一种自动追踪识别系统，尤其涉及一种类神经自动追踪识别系统。

背景技术

随着人类文明的发展，人们对安全的需求越来越高。从事后的调查处理，变为“事前的防范，事中的及时制止，和事后的快速处理”，已经成为智慧安防技术发展的方向。

传统的安全监控系统存在以下的问题：1.监控图像固定，很多情况下很难捕捉到清晰的可疑物件特征，尤其是存在影像的死角，使得事后的侦查存在较大困难；2.没有预先防范能力，没有智慧识别演算法能力和系统自学习能力，无法侦测运动物是否违反行为规则(如越界、运动方向错误、偷盗等)，更不能通过生物识别技术识别可疑人物的身份，从而达不到预先防范的目的；3.无法确定可疑目标的确切运动轨迹和细节特征；另外，对于传统系统，还需要大量的摄像头、大量的存贮设备和大量的人力来监控系统。

目前已经有一些系统发展到可以根据既定的行为规则识别、判断运动物是否违反规则，或是否有偷盗、遗留物品等行为，但这些系统由于所使用的多为固定视场的摄像机配合电脑而进行识别报警的，因此，仍然避免不了影像死角多，无法确定可疑目标运动轨迹，可疑目标细节特征不清晰等诸多问题，更为重要的是很多时候由于影像过小，而甄别可疑人物存在困难。

发明内容

本发明的主要目的在于提供一种类神经自动追踪识别系统，用以克服现有技术监控图像固定、无预先防范能力、无法确定可疑目标的确切运动轨迹和细节特征、智慧化程度低的缺点。

为达到上述目的，本发明提供一种类神经控制自动追踪识别系统，其包括：固定视场视频采集模块，其利用固定视场的枪式或球型摄像机，获取固定区域范围内的图像；全功能可变视场视频采集模块，利用自动可变焦的高速云台摄像机或快速球型摄像机，在360度范围内迅速捕捉固定视场视频采集模块中的固定视场摄像机覆盖范围内出现的可疑运动物细节图像；视频图像识别判断演算法模块，从固定视场视频采集模块与全功能可变视场视频采集模块采集到的视频图像中提取目标物，进行分类，确定目标物的特征部位，例如人的脸部、汽车的车牌照等，识别目标特征，如车牌号码、人脸特征等；类神经控制模块，其控制该全功能可变视场视频采集模块中的全功能可变视场摄像机和固定视场摄像机的角度匹配，根据固定视场运动物的方位角度，控制全功能可变视场摄像机转动角度、变动镜头焦距和光圈等，以保证全功能可变视场摄像机始终追踪可疑运动物，并使全功能可变视场摄像机可以捕获到详细的物体特征；运动物轨迹追踪模块，根据视频图像识别判断演算法模块确定的目标物体的类别选择轨迹的形成特征，如是人脸或物体重心，并根据视频图像识别判断演算法模块中演算法识别的结果记录并形成可疑物体的运动轨迹；资料库比对与报警判断模块，根据该视频图像识别判断演算法模块中演算法识别的结果，提取特征资料库的信息进行比对，如提取资料库中的人脸资料或可疑物体特征资料，并根据设定的规则进行越界、进入禁区、运动方向错误等问题的报警判断；监控特征录入与规则设定模块，是输入目标物特征，如人脸图像，形成资料库，并根据监控区域的要求设定报警的规则和灵敏度等级；光线监测与控制模块，根据视频采集模块的图像分析环境光线的情况，当环境光线不利于探测时，控制启动背景光源；背景光源模块，根据应用现场的不同，选择红外光或人工光等不同的光源以提供背景光源；报警输出、显示与存储模块，其根据该资料库比对与报警判断模块输出的报警判断进行报警信息的显示，并显示该运动物轨迹追踪模块输出的运动物轨迹，对监控录像和报警信息进行整理、存储；安全监控感测器，其用于与其他类型的安全监控系统进行融合，当安全监控感测器动作时，还用于调动全功能可变视场摄像机来捕捉需要的信息。

本发明还提供一种基于上述的类神经控制自动追踪识别系统的追踪识别方法，其包括步骤1、录入目标特征资料库和设定追踪识别规则，供系统分析使用，其还包括以下步骤：

步骤2、摄像机的设定和追踪校正；

步骤3、类神经控制模块控制固定视场视频采集模块和全功能可变视场视频采集模块进行图像采集，采集到的可疑物体细节特征图像与固定视场摄像机的图像一起存储到硬盘或图像记录仪中；

步骤4、可疑目标轨迹追踪；

步骤5、可疑目标特征识别提取；

步骤6、资料库对比分析与报警输出。

本发明使用了光线监测与控制模块和背景光源模块，使系统可以有效地工作于夜晚或光线条件不理想的环境。其中当使用近红外作为背景光源时，所使用摄像机具有夜视功能。

本发明的系统包含一系列行为识别演算法、类神经控制演算法、轨迹跟踪演算法和人脸或特定特征识别演算法。与以往的智慧图像监控系统不同，本发明系统不再仅仅局限于单一功能，而具备了多功能的监控、识别功能。

本发明的系统解决了传统图像监控系统存在的问题，通过一套跟踪识别系统主机连接若干固定视场摄像机和一套全功能可变视场摄像机，既可以完成传统图像监控系统的监控功能，又可以更进一步实现人或运动物的行为探测功能，并对违反行为规则的可疑目标进行区域内的重心或头部运动轨迹跟踪(图像范围运动轨迹和建筑平面运动轨迹)，更重要的是系统通过类神经控制全功能可变视场摄像机快速获取可疑目标的细节特征，捕获包括人脸、车牌等重要的信息图像，并进行生物识别和智慧图像分析，最终将特征参数与资料库内的信息进行比较，给出不同类型的报警信息。

本发明的有益效果在于，((1)系统具有全功能可变视场监控功能，通过类神经控制摄像机，可以最大程度提取可疑目标的细节特征图像，从而实现可疑目标人脸和特定部位的生物识别和图像识别，提取特征参数，进而与资料库资料进行比较，进行及时的报警。(2)系统具有行为识别功能，可以针对人或其他运动物的行为进行分析，以确定违反规则的行为，进而发出报警信息。(3)系统具有可疑目标运动跟踪识别功能，可以在视频图像和建筑平面上表示可疑目标的运动轨迹，确定运动方向。以上的优势使得本发明的系统具有早期发现、事前防范、事中控制和事后快速处理的优点，这是以往的图像监控系统难以比拟的。

附图说明

图1为本发明类神经控制自动追踪识别系统的功能模块框架图；

图2为本发明系统的操作运行步骤；

图3为本发明一种基于电脑或DSP处理系统的区域跟踪识别系统构成图；

图4A、4B为本发明系统固定视场摄像机与全功能可变视场摄像机的一一映射角度粗调校正示意图；

图5A、5B为本发明设定行为规则示意图；

图6A、6B、6C、6D为本发明系统捕捉可疑目标图像与传统图像监控系统图像的对比示意图。

附图标记说明：

1-固定视场视频采集模块；10-背景光源模块；11-安全监控感测器；2-全功能可变视场视频采集模块；3-视频图像识别判断演算法模块；4-资料库比对与报警判断模块；5-报警输出、显示与存储模块；6-运动物轨迹追踪模块；7-监控特征录入与规则设定模块；8-光线监测与控制模块；9-类神经控制模块。

具体实施方式

以下结合附图对本发明的上述及其他的特征和优点做详细说明。

图1为本发明类神经控制自动追踪识别系统的功能模块框架图。整体系统由固定视场视频采集模块1、全功能可变视场视频采集模块2、视频图像识别判断演算法模块3、类神经控制模块9、运动物轨迹追踪模块6、资料库比对与报警判断模块4、监控特征录入与规则设定模块7、光线监测与控制模块8、报警输出、显示与存储模块5、背景光源模块10、安全监控感测器11组成。固定视场视频采集模块1主要使用复数个固定视场的枪式或球型摄像机，根据所使用环境的要求，可选用普通摄像机或具有夜视功能的摄像机。通常一套区域系统会使用三只固定视场摄像机，以获得广泛区域内的图像。全功能可变视场视频采集模块2主要使用自动可变焦控制的高速云台摄像机或快速球型摄像机，在360度范围内迅速捕捉固定视场摄像机覆盖范围内出现的可疑运动物细节图像。根据所使用环境的要求，可选用普通摄像机或具有夜视功能的摄像机。该模块接受类神经控制模块的控制信号，进行角度调整和焦距的调整。控制的方法在于让可疑目标的特征部位，如人脸，始终处于图像的中间部位和一定的比例大小上。即该系统使用类似人眼捕捉目标物的神经控制方法，先通过该固定视场摄像机锁定疑似目标，之后系统控制该全功能可变视场摄像机转动、放大、大尺寸锁定目标物，并重点捕捉重要特征。

固定视场和全功能可变视场摄像机可以是电荷耦合器件(Charge CoupledDevice：CCD)、互补金属氧化物(Comple-mentaryMetal-Oxicle-Semiconductor：CMOS)摄像机或热成像摄像机。

视频图像识别判断演算法模块3主要包括人形侦测辨识演算法、人头定位演算法、运动物识别演算法、行为识别演算法、系统故障演算法和其他类型的特征识别演算法等，其从该固定视场视频采集模块与全功能可变视场视频采集模块采集到的视频图像中提取目标物，进行分类，确定目标物的特征部位，并予以识别。运动物识别演算法可以根据需要识别的物体类型，确定不同的匹配参数，例如人体识别，会通过高宽比、上下肢体比、头部与身体的比例等特征参数予以识别。行为识别演算法，则一般包括越界、进入警戒区、运动方向异常、运动速度异常、偷盗、遗留物品等不同的行为特征识别，对于违反规则的目标，均会被视为可疑目标，进而启动自动轨迹追踪功能。特征识别演算法则是在提取到细节的特征图像后，通过一系列演算法计算特征部位的参数，例如形体比例、人脸的肤色、人脸骨胳特征、瞳孔距离、骨胳结构、五官特征、车牌号码、车辆颜色等。

类神经控制模块9通过全功能摄像机图像作为反馈构成闭环控制系统。类神经控制模块会根据人工调校后固定视场摄像机与可变视场摄像机的粗调对应角度快速控制全功能摄像机转动到粗调角度，之后通过微调角度和自动调节焦距捕捉可疑目标物特征部位，直到特征部位处于图像的中央且占图像面积不小于15％位置。随着可疑目标的移动，类神经控制模块还要控制全功能摄像机跟踪转动和调整焦距，连续捕捉可疑目标特征部位。

运动物轨迹追踪模块6主要针对固定视场摄像机图像中的可疑目标进行轨迹跟踪，既可以完成视频图像范围的轨迹计算、跟踪和标识，还可以完成将轨迹座标映射到建筑平面座标中，而将可疑目标的轨迹标识在建筑平面上。即可根据目标物体的类别选择轨迹的形成特征，如是人脸或物体重心，并根据演算法识别的结果记录形成可疑物体的运动轨迹。运动轨迹可根据需要转换为建筑平面的座标位置，系统具有相应座标变换演算法。

资料库比对与报警判断模块4，其根据该视频图像识别判断演算法模块中演算法识别的结果，提取特征资料库的信息进行比对，如提取资料库中的人脸资料或可疑物体特征资料，并根据设定的规则进行越界、进入禁区、运动方向错误等问题的报警判断。可疑目标细节特征报警的规则可以规定为：符合资料库特征的报警，或不符合资料库特征的报警。

监控特征录入与规则设定模块7，主要是输入目标物特征，如人脸图像，形成资料库，并根据监控区域的要求设定报警的规则和灵敏度等级。目标特征资料库的建立既可以使用系统的监控目标特征录入与规则设定模块即时录入，例如对要录入的人员即时进行资料获取，也可以使用已经录制好的图像库或资料库直接导入系统作为资料库使用。另外为了保证系统的可靠性，该模块会将已确定的资料特征更新或存储到资料库中。

光线监测与控制模块8，其根据视频采集模块的图像分析环境光线的情况，当环境光线不利于探测时，控制启动背景光源。

背景光源模块10，可以根据应用现场的不同，选择使用近红外光源或人工光等不同的光源以提供背景光源，其接受光线监测与控制模块的控制命令，启动光源。使用该近红外光源时，上述摄像机具备夜视功能，以获取运动物的近红外图像。

报警输出、显示与存储模块5，其根据该资料库比对与报警判断模块输出的报警判断进行进行报警信息的显示、继电器输出，并显示该运动物轨迹追踪模块输出的运动物轨迹，对监控录像和报警信息进行整理、存储。

安全监控感测器11，其用于与其他类型安全监控系统进行融合，当安全监控感测器动作时，也可以调动全功能可变视场摄像机来捕捉需要的信息。

图2为本发明的系统操作运行步骤。该图涉及一种基于上述的类神经控制自动追踪识别系统的追踪识别方法，主要包括以下步骤：

12：步骤一，录入目标特征资料库和设定追踪识别规则，供系统分析使用。一方面可以通过固定或可变视场摄像机即时一一录入的方式逐一拍摄目标，并通过演算法将目标的特征部位参数提取出来，最终存入资料库中；另一方面，也可以将已经录制好的图像或目标特征参数库直接导入本发明系统的资料库中。另外对于可疑目标的确定，需要由客户预先设定行为规则，通常会包括越界、运动方向异常、运动速度异常、偷盗等行为，一旦运动物体违反设定的行为规则，即会被立即确认为“可疑目标”。

13：步骤二，摄像机的设定和追踪校正。主要目的在于将全功能可变视场摄像机与固定视场摄像机的监视区域进行关联映射。如图4所示，通过手动调整全功能摄像机的角度和焦距，可以将全功能摄像机获得图像的一些选定的点与固定摄像机图像的对应点进行一一对应，主要目的在于在类神经控制中为全功能摄像机初始角度控制提供一个参数，保证系统可以快速控制全功能摄像机转动到与固定摄像机有一定匹配度的粗调角度上，再通过进一步微调和精细控制捕捉可疑目标的细节特征。

14：步骤三，类神经控制模块控制固定视场视频采集模块和全功能可变视场视频采集模块进行图像采集，采集到的可疑物体细节特征图像与固定视场摄像机的图像一起存储到硬盘或图像记录仪中。系统不断采集固定视场摄像机的图像，并提供给主机进行分析，当发现可疑目标时，系统通过自动类神经控制全功能摄像机快速转动和调整焦距，使可疑目标的特征部位位于图像的中央部位，大小不小于整体图像的15％，进而对这一图像进行采集。另外当系统发现环境光线不足以满足基本工作的要求时，将会控制背景光源启动，而同时根据光源的不同，控制各摄像机的工作模式，当使用近红外光源(Near Infraredray)时，系统需要切换到黑白和夜视功能模式，以获取运动物的近红外图像。

15：步骤四，可疑目标轨迹追踪。系统根据采集到的固定视场摄像机图像，进行智慧图像分析，确定是否具有越界、运动方向错误、运动速度异常、偷盗等违反行为规则的问题存在，一旦确定，即标示为可疑目标。进而，系统自动追踪可疑目标的运动轨迹。运动轨迹可以根据监测物件的不同，使用重心、人的头部等，运动轨迹可以分为图像视场中的轨迹和建筑物平面中的轨迹两种，两种轨迹之间需要通过线性变换予以转换。

16：步骤五，可疑目标特征识别提取。系统针对采集到的全功能可变视场摄像机图像，使用生物识别技术等进行智慧图像分析，提取可疑目标的特征部位和相关参数。相关参数包括人脸肤色、瞳孔间距、骨胳特征、五官特征等，或者是车牌照、颜色等。所述可疑目标特征识别提取具体包括：步骤51、对固定视场视频采集模块获得的每一个系列的图像进行分析，提取出运动物，计算运动物的比例特征参数、颜色分布特征、违反规则标志、运动物重心、运动轨迹、方向预测参数；步骤52、针对违反规则的可疑目标，通过类神经控制模块控制全功能可变视场视频采集模块，获取可疑物体的放大、细节图像，提取可疑物体的特征部位；步骤53、计算可疑物体的特征部位参数，包括形体比例、人脸骨胳特征、瞳孔距离、五官特征、肤色、车牌号码、车辆颜色；步骤54、针对监控区域内出现的多个可疑目标，系统使用轮询的方式逐一进行甄别，当运动物是一个群体时，识别演算法将进行聚类分析，重点选择距离近、特征最清楚的可疑目标进行探测、追踪和特征分析；当可疑目标是分散的时，系统即会逐一进行甄别。

17：步骤六，资料库对比分析与报警输出。针对以上计算得到的可疑目标特征参数，系统将与资料库的特征参数进行比较分析，对于不符合设定条件的予以及时报警。通常可以分为符合资料库特征报警和不符合资料库特征报警等规则和条件。对于确认的特征，系统将进行自学习，存储最新获得的特征参数。

图3为本发明一种基于电脑或DSP处理系统的区域跟踪识别系统构成图，即为本发明的一个区域型系统的实施例，系统由固定视场枪式摄像机、全功能可变视场摄像机、追踪识别主机、输入输出设备，以及网络设备组成。追踪识别主机完成了图像采集、识别、判断、类神经控制、运动轨迹追踪、光线监测与控制、监控特征录入与规则设定、报警输出、存储等一系列功能，是系统的核心。全功能摄像机则接受系统主机的类神经控制命令，快速转动和调整焦距，以捕捉可疑目标的细节特征图像。系统可以通过监视器等将报警信息输出。每一套系统可以覆盖一个较大的区域，如一个建筑层，解决了安全领域早期发现、事前防范、事中控制和事后快速处理的问题。系统还具有组网功能，组网的系统间进行数据传递和运动方向提示，使得整体系统可以有效监测更大的防护区域，以用于应对大型、重要场所的安全监控问题。

本发明系统可以针对覆盖区域内多个可疑目标进行跟踪，并捕获可疑目标的细节特征。一般的方法是：第一，对若干台固定视场摄像机覆盖的区域进行轮询，锁定所有违反规则的可疑目标；第二，进行聚类分析，对于一群相关联的人或运动物，系统往往重点捕捉最近且特征部位最清晰的一个可疑目标；第三，对于分散的可疑目标，系统使用轮询方式，逐一捕捉可疑目标特征部位，分别进行识别和计算。系统最多可以同时对6个以上的目标进行跟踪。

本发明系统还可以通过Intranet等形成网络化系统，覆盖更大的建筑保护面积。当可疑目标超出一套系统的监控范围时，联网的相邻系统立即进入跟踪状态，已经捕获的可疑目标特征参数在联网主机间传输，这样系统可以在大范围内实现可疑目标的轨迹追踪。

图5为本发明设定行为规则示意图，即行为规则的设定范例，其中包括禁止进入区域的设定、允许运动方向的设定等，通过系统软件即可达到客户期望的行为规则要求。

图6为本发明系统捕捉可疑目标图像与传统的图像监控系统图像的对比。其中一个是在银行门口的监视系统，常规摄像系统只能录制到模糊不清的图像，看不清来人的脸部和摩托车的车牌照，如图6A所示；而本发明的系统则可以获取到来人的脸部细节特征和车牌照，对于符合资料库中罪犯特征的，系统及时予以报警，如图6B所示。另一个则是某一个禁止停车区域，常规摄像系统无法确定违反停车规则的车辆的细节特征，如图6C所示，而本发明的系统则可以获得车牌照的图像，进而将识别得到的车牌号码记录在案，以便事后处理，如图6D所示。

以上所述仅是本发明的优选实施例，以上对发明的描述仅仅是说明性的而非限制性的，本专业技术人员理解，在以下所附权力要求限定的精神与范围之内可对其作出许多修改，变化或等效，但是它们都将落入本发明的保护范围内。

Claims (10)

1、一种类神经控制自动追踪识别系统，包括用于获取固定区域范围内图像的固定视场视频采集模块，其特征在于，其还包括：

全功能可变视场视频采集模块，其在360度范围内迅速捕捉该固定视场视频采集模块中的固定视场摄像机覆盖范围内出现的可疑运动物细节图像；

视频图像识别判断演算法模块，其从该固定视场视频采集模块与全功能可变视场视频采集模块采集到的视频图像中提取目标物，进行分类，确定目标物的特征部位，识别目标特征；

类神经控制模块，其控制该全功能可变视场视频采集模块中的全功能可变视场摄像机和该固定视场摄像机的角度匹配，根据固定视场运动物的方位角度，控制该全功能可变视场摄像机转动角度、变动镜头焦距和光圈等，以保证该全功能可变视场摄像机始终追踪可疑运动物，并使该全功能可变视场摄像机捕获到详细的物体特征；

运动物轨迹追踪模块，其根据该视频图像识别判断演算法模块确定的目标物体的类别选择轨迹的形成特征，并根据该视频图像识别判断演算法模块中演算法识别的结果记录并形成可疑物体的运动轨迹；

资料库比对与报警判断模块，其根据该视频图像识别判断演算法模块中演算法识别的结果，提取特征资料库的信息进行比对，并根据设定的规则进行报警判断；

监控特征录入与规则设定模块，其是输入目标物特征，形成资料库，并根据监控区域的要求设定报警的规则和灵敏度等级；

光线监测与控制模块，其根据该视频采集模块的图像分析环境光线的情况，当环境光线不利于探测时，控制启动背景光源；

背景光源模块，其根据应用现场的不同，选择红外光或人工光的光源以提供背景光源；

报警输出、显示与存储模块，其根据该资料库比对与报警判断模块输出的报警判断进行报警信息的显示，并显示该运动物轨迹追踪模块输出的运动物轨迹，对监控录像和报警信息进行整理、存储；

安全监控感测器，其用于与其他类型的安全监控系统进行融合，当该安全监控感测器动作时，还用于调动该全功能可变视场摄像机来捕捉需要的信息。

2、根据权利要求1所述的类神经控制自动追踪识别系统，其特征在于，该固定视场视频采集模块使用复数个固定视场的枪式或球型摄像机；该全功能可变视场视频采集模块使用自动变焦的高速云台摄像机或快速球型摄像机；该摄像机使用电荷耦合器件摄像机、互补金属氧化物摄像机或热成像摄像机中的一种。

3、根据权利要求1所述的类神经控制自动追踪识别系统，其特征在于，该视频图像识别判断演算法包括人形侦测辨识演算法、人头定位演算法、运动物识别演算法车辆牌照识别演算法、行为识别演算法、系统故障演算法。

4、根据权利要求1所述的类神经控制自动追踪识别系统，其特征在于，其使用类似人眼捕捉目标物的神经控制方法，先通过该固定视场摄像机锁定疑似目标，之后系统控制该全功能可变视场摄像机转动、放大、大尺寸锁定目标物，并重点捕捉重要特征。

5、根据权利要求1所述的类神经控制自动追踪识别系统，其特征在于，其设定行为规则来确定可疑目标，对于违反规则的目标，均会被视为可疑目标，进而启动该运动物轨迹追踪模块自动轨迹追踪功能。

6、根据权利要求1所述的类神经控制自动追踪识别系统，其特征在于，该背景光源模块使用近红外光源或可见光源；使用该近红外光源时，该摄像机具备夜视功能，以获取运动物的近红外图像。

7、一种基于上述的类神经控制自动追踪识别系统的追踪识别方法，其包括步骤1、录入目标特征资料库和设定追踪识别规则，供系统分析使用，其特征在于，其还包括以下步骤：

步骤2、摄像机的设定和追踪校正；

步骤3、类神经控制模块控制固定视场视频采集模块和全功能可变视场视频采集模块进行图像采集，采集到的可疑物体细节特征图像与固定视场摄像机的图像一起存储到硬盘或图像记录仪中；

步骤4、可疑目标轨迹追踪；

步骤5、可疑目标特征识别提取；

步骤6、资料库对比分析与报警输出。

8、根据权利要求7所述的基于上述的类神经控制自动追踪识别系统的追踪识别方法，其特征在于，步骤1中目标特征资料库的建立使用系统的监控特征录入与规则设定模块即时录入，或使用已经录制好的图像库或资料库直接导入系统作为资料库使用。

9、根据权利要求7所述的基于上述的类神经控制自动追踪识别系统的追踪识别方法，其特征在于，步骤4中所述可疑目标轨迹追踪既完成视频图像范围的轨迹计算、跟踪和标识，还完成将轨迹座标映射到建筑平面座标中，而将可疑目标的轨迹标识在建筑平面上。

10、根据权利要求7所述的基于上述的类神经控制自动追踪识别系统的追踪识别方法，其特征在于，步骤5中所述可疑目标特征识别提取具体包括：

步骤51、对固定视场视频采集模块获得的每一个系列的图像进行分析，提取出运动物，计算运动物的比例特征参数、颜色分布特征、违反规则标志、运动物重心、运动轨迹、方向预测参数；

步骤52、针对违反规则的可疑目标，通过类神经控制模块控制全功能可变视场视频采集模块，获取可疑物体的放大、细节图像，提取可疑物体的特征部位；

步骤53、计算可疑物体的特征部位参数，包括形体比例、人脸骨胳特征、瞳孔距离、五官特征、肤色、车牌号码、车辆颜色；

步骤54、针对监控区域内出现的多个可疑目标，系统使用轮询的方式逐一进行甄别，当运动物是一个群体时，识别演算法将进行聚类分析，重点选择距离近、特征最清楚的可疑目标进行探测、追踪和特征分析；当可疑目标是分散的时，系统即会逐一进行甄别。

Images