本发明涉及自适应编码，尤其涉及一种基于人工智能的安防监控方法和系统。
背景技术：
1、自适应编码技术领域是一种动态调整数据编码方式的技术，旨在根据网络环境、传输需求和设备处理能力等不同情况，自动优化编码参数，以提高数据传输的效率和质量。在视频传输、数据压缩等领域，自适应编码能够通过实时调整编码算法，减少传输延迟、提高压缩效率，同时保持较高的数据质量。它广泛应用于视频会议、网络视频播放、视频监控等场景中，确保在带宽有限或波动的网络条件下，依然能够提供流畅的画面和音质。而安防监控就需要用到自适应编码技术。
2、但是现有自适应编码技术主要侧重于对网络环境和设备性能的动态调整，忽略了安防监控视频内容中对象的重要性差异，导致无法优先处理关键监控对象。在处理复杂动态场景时，现有技术对所有对象及背景采取统一的编码策略，容易造成资源浪费，尤其在静态背景占据较大比例的情况下，编码效率较低。此外，现有技术无法对对象的行为特征进行深入分析，缺乏对异常行为的精准识别，导致在应对突发安全事件时反应滞后，影响了安防监控的实际监控效果。这些不足之处导致了对监控资源的浪费和潜在威胁的识别能力不足，难以在关键时刻提供及时、准确的画面信息。
技术实现思路
1、本发明的目的是解决现有技术中存在的缺点，而提出的一种基于人工智能的安防监控方法和系统。
2、为了实现上述目的，本发明采用了如下技术方案：一种基于人工智能的安防监控系统包括：
3、对象识别模块，基于输入的安防监控视频帧，进行视频帧中的空间信息提取，通过识别形状、颜色和轮廓的变化，提取每一帧中多个对象的空间特征，进行相对位置信息的分析与识别，判断每个对象的类别，生成目标识别分类结果，并通过对比类别特征，赋予每个对象安全等级，生成安全等级判定结果；
4、行为分析模块，基于所述目标识别分类结果和安全等级判定结果，通过提取多个视频帧内的运动轨迹，进行轨迹点的时间序列分析，计算对象的速度和路径变化幅度，判断对象间的运动特征与交互状态，分析并识别异常的轨迹偏移情况，生成行为特征分析结果；
5、编码调整模块，基于所述行为特征分析结果，通过提取对象的优先级和运动状态，计算每个帧内对象所占的比例，判断分辨率和帧率需求，按对象分布和重要性分配比特率，进行帧内图像编码的参数调整，生成编码参数调整结果；
6、场景感知模块，基于所述编码参数调整结果，通过提取帧中的背景特征，分析背景与运动区域之间的差异，计算静态与动态区域的分布，识别视频帧中的静止部分与移动对象的分布区域，判断背景区域的编码需求，调整每个区域的编码精度，生成场景编码调整结果；
7、反馈校正模块，基于所述场景编码调整结果，提取编码后的视频数据，比较实时视频的帧间差异和对象分布特征，分析当前编码与过去编码的变化，计算实时对象优先级更新频率，持续分析对象的变化趋势，调整优先级列表，生成编码优化反馈结果。
8、较佳的，所述目标识别分类结果包括对象的类型、尺寸和位置信息，所述安全等级判定结果包括高风险、中风险和低风险等级，所述行为特征分析结果包括目标的移动速度、移动方向和路径偏移数据，所述编码参数调整结果包括调整后的分辨率、帧率和比特率分配，所述场景编码调整结果包括静态背景区域的低精度编码、动态对象区域的高精度编码和运动边缘区域的中等精度编码，所述编码优化反馈结果包括对象优先级列表、实时编码参数更新和过去编码对比数据。
9、较佳的，所述对象识别模块包括：
10、空间特征提取子模块，基于监控视频帧，提取每个对象的形状、颜色和轮廓特征，通过卷积神经网络对帧间特征进行分析，逐帧对比对象形态，并进行位置信息的标记，生成对象空间特征集；
11、相对位置分析子模块，基于所述对象空间特征集，提取多个对象的坐标信息，进行对象之间的相对位置计算，通过比较对象间的距离变化，确定对象间的空间关系，生成对象相对位置信息；
12、类别判断子模块，基于所述对象相对位置信息，结合空间特征，进行对象类别的分类，通过比对每个对象的特征集，识别所属类别，并根据对象的类别特征进行分类标注，生成目标识别分类结果和安全等级判定结果。
13、较佳的，所述行为分析模块包括：
14、轨迹提取子模块，基于所述目标识别分类结果和安全等级判定结果，提取对象在多个帧中的位置变化，通过逐帧分析对象的位移信息，记录对象的运动路径，生成对象运动轨迹集；
15、运动特征分析子模块，基于所述对象运动轨迹集，计算对象的运动速度和方向，进行路径长度分析，通过判断对象的运动轨迹变化，分析对象的运动状态，生成运动特征分析数据；
16、轨迹偏移判断子模块，基于所述运动特征分析数据，对比正常轨迹的路径，识别异常偏移情况，进行轨迹的异常标记，确定异常偏移的位置，得到行为特征分析结果。
17、较佳的，所述编码调整模块包括：
18、优先级提取子模块，基于所述行为特征分析结果，提取对象的运动状态和安全等级，确定对象的优先级顺序，计算对象在视频帧中的重要性，生成对象优先级列表；
19、比特率分配子模块，基于所述对象优先级列表，计算每个对象所需的带宽，通过比特率的动态分配，按照对象的优先级进行比特率分配，生成比特率分配数据；
20、帧内编码调整子模块，基于所述比特率分配数据，对视频帧中的图像编码进行调整，按照每个对象的比特率需求调整帧内编码精度，优化图像清晰度，生成编码参数调整结果。
21、较佳的，所述场景感知模块包括：
22、背景特征提取子模块，基于所述编码参数调整结果，提取视频帧中的静止背景部分，通过对比背景区域和运动区域，识别背景中静止区域的特征，生成背景区域特征数据；
23、动态区域识别子模块，基于所述背景区域特征数据，识别视频帧中的动态对象区域，通过动态区域和静态区域的分布对比，确定每个区域的占比，生成动态区域分布数据；
24、编码精度调整子模块，基于所述动态区域分布数据，对静止背景和动态对象区域分别进行编码精度调整，通过每个区域的精度优化编码策略，生成场景编码调整结果。
25、较佳的，所述反馈校正模块包括：
26、编码数据对比子模块，基于所述场景编码调整结果，提取视频帧的编码数据，通过对比当前帧的编码数据和过去编码数据，计算两者的编码差异，生成编码差异数据；
27、优先级更新子模块，基于所述编码差异数据，调整对象的优先级列表，结合当前对象的运动变化和分布情况，更新优先级顺序，生成优先级更新列表；
28、策略调整子模块，基于所述优先级更新列表，调整当前的编码策略，通过当前的优先级信息重新配置编码参数，优化帧间的编码分配，生成编码优化反馈结果。
29、较佳的，所述卷积神经网络按照公式：
30、；
31、计算对象特征映射值，其中为输出的特征映射值，为卷积核的权重，为输入图像的像素值，为边缘特征强度的调整参数，为控制边缘特征影响的权重系数，为对象的纹理复杂度参数，为控制纹理复杂度影响的权重系数，为偏置值，为卷积核的大小。
32、一种基于人工智能的安防监控方法，所述基于人工智能的安防监控方法基于上述基于人工智能的安防监控系统执行，包括以下步骤：
33、s1：基于安防监控视频帧，提取视频帧中的对象信息，进行形状、颜色和轮廓特征的识别，获取每一帧内的多个对象空间特征，分析帧内的对象相对位置信息，判断每个对象的类别，通过比较类别特征，计算安全等级，生成目标识别分类结果和安全等级判定结果；
34、s2：基于所述目标识别分类结果和安全等级判定结果，提取视频帧中的对象运动轨迹，分析轨迹点之间的时间序列，计算对象在多个帧内的速度和路径变化，判断对象的运动特征，分析对象之间的交互行为，通过轨迹变化识别异常运动，生成行为特征分析结果，根据对象的优先级和运动状态，计算每个视频帧中对象所占比例，确定分辨率和帧率需求，生成编码参数调整结果；
35、s3：基于所述编码参数调整结果，提取视频帧中的背景特征，计算背景与运动区域之间的差异，识别静止背景和动态对象的分布区域，分析每个区域的编码需求，调整静止背景和动态对象的编码精度，生成场景编码调整结果，通过比较编码后的视频数据，计算帧间对象的优先级更新频率，生成编码优化反馈结果。
36、与现有技术相比，本发明的优点和积极效果在于：
37、本发明中，通过对安防监控视频中的对象进行空间特征提取与识别，精确分析对象的类别及其在视频中的重要性，有效提升了监控的智能化水平。结合对象的运动轨迹和时间序列分析，能够快速识别异常行为，增强了对潜在威胁的预判和处理能力。同时，依据对象的优先级和运动状态，合理分配视频中的分辨率与帧率，保障了关键对象的高清呈现，优化了资源分配。背景和动态区域的差异被清晰区分，从而在视频编码时有效降低对不重要区域的资源占用，确保视频传输的效率和质量。综上，通过对不同区域的精细化处理，实现了资源合理分配和高效利用，显著提高了安防系统对重点对象的监控精度，提升了系统的响应速度与效率。
1.一种基于人工智能的安防监控系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于人工智能的安防监控系统，其特征在于：所述目标识别分类结果包括对象的类型、尺寸和位置信息，所述安全等级判定结果包括高风险、中风险和低风险等级，所述行为特征分析结果包括目标的移动速度、移动方向和路径偏移数据，所述编码参数调整结果包括调整后的分辨率、帧率和比特率分配，所述场景编码调整结果包括静态背景区域的低精度编码、动态对象区域的高精度编码和运动边缘区域的中等精度编码，所述编码优化反馈结果包括对象优先级列表、实时编码参数更新和过去编码对比数据。
3.根据权利要求1所述的基于人工智能的安防监控系统，其特征在于，所述对象识别模块包括：
4.根据权利要求1所述的基于人工智能的安防监控系统，其特征在于，所述行为分析模块包括：
5.根据权利要求1所述的基于人工智能的安防监控系统，其特征在于，所述编码调整模块包括：
6.根据权利要求1所述的基于人工智能的安防监控系统，其特征在于，所述场景感知模块包括：
7.根据权利要求1所述的基于人工智能的安防监控系统，其特征在于，所述反馈校正模块包括：
8.根据权利要求3所述的基于人工智能的安防监控系统，其特征在于，所述卷积神经网络按照公式：
9.一种基于人工智能的安防监控方法，其特征在于，根据权利要求1-8任一项所述的基于人工智能的安防监控系统执行，包括以下步骤：
