CN108900801A - 一种基于人工智能的视频监控方法、系统及云服务器 - Google Patents

Abstract

本发明实施例涉及视频监控安防领域，公开了一种基于人工智能的视频监控方法、系统及云服务器。其中所述的基于人工智能的视频监控方法，应用于云服务器，所述云服务器连接网络摄像机，所述方法包括：预先建立视频检测异常模型；获取所述网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常；若检测到所述网络摄像机采集的视频数据发生异常，进行异常处理。通过上述方式，本发明实施例能够解决目前视频监控无法主动检测异常情况，安全预警不足并且浪费人力资源的技术问题。

Description

一种基于人工智能的视频监控方法、系统及云服务器

技术领域

本发明涉及视频监控安防领域，特别是涉及一种基于人工智能的视频监控方法、系统及云服务器。

背景技术

视频监控是一种高效的监控技术，具有实时性，可靠性，直观性等特点，使用方便，因而受到了各行各业的关注。然而传统的视频监控系统必须有专门的人员去实时监控视频、需要人员主动去判断视频是否有异常，并且不能对可能发生的危险提前预警，只能在危险发生后回看视频。

传统视频监控需要人员投入大量的时间去观看视频，并且大多时候是无效的视频，一方面浪费很多人力并且对危险的预警不好。在公共环境中因为人员众多，有的时候视频监控人员不能及时关注很多人员的情况，导致可能发生的危险没有及时的处理和预警导致事故的发生。传统的视频监控，在异常发生时不能做到第一时间处理，如当有人员的躁动时，需要视频监控人员去通知安防工作人员，然后才能做出处理，这样会消耗时间使得异常不能及时处理，从而导致事故的发生。

针对上述问题，本发明实施例提出一种基于人工智能的视频监控方法、系统及云服务器，解决目前视频监控无法主动检测异常情况，安全预警不足并且浪费人力资源的技术问题。

发明内容

本发明实施例旨在提供一种基于人工智能的视频监控方法、系统及云服务器，其解决了目前视频监控无法主动检测异常情况，安全预警不足并且浪费人力资源的技术问题，实现了视频的异常主动检测处理，节省人力成本，防止事故的发生。

为解决上述技术问题，本发明实施例提供以下技术方案：

第一方面，本发明实施例提供一种基于人工智能的视频监控方法，应用于云服务器，所述云服务器连接网络摄像机，所述方法包括：

预先建立视频检测异常模型；

获取所述网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常；

若检测到所述网络摄像机采集的视频数据发生异常，进行异常处理。

在一些实施例中，所述预先建立视频检测异常模型，包括：

获取训练视频数据集，所述训练视频数据集包括多种异常场景的视频数据；

对所述多种异常场景的视频数据进行预处理；

通过卷积算法处理预处理后的视频数据，建立视频检测异常模型。

在一些实施例中，所述获取网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常，包括：

判断所述视频数据是否满足所述视频检测异常模型；

若所述视频数据满足所述视频检测异常模型，则所述视频数据为异常视频；

若所述视频数据不满足所述视频检测异常模型，则所述视频数据为正常视频。

在一些实施例中，所述云服务器还连接移动终端，所述方法还包括：

接收所述网络摄像机发送的连接请求命令，获取所述网络摄像机的IP地址和端口；

接收移动终端发送的在线播放请求命令，获取所述移动终端的IP地址和端口；

根据所述在线播放请求命令，将所述移动终端和所述网络摄像机建立连接。

在一些实施例中，所述根据所述在线播放请求命令，将所述移动终端和所述网络摄像机建立连接，包括：

将所述移动终端的IP地址和端口发送到所述网络摄像机，将所述网络摄像机的IP地址和端口发送到所述移动终端，以使所述移动终端和所述网络摄像机通过Socket建立P2P连接，实现所述移动终端和所述网络摄像机之间的通信。

在一些实施例中，所述方法还包括：

获取所述网络摄像机采集的视频数据，将所述网络摄像机发送的视频数据以视频流的方式发送到移动终端。

在一些实施例中，所述若检测到所述网络摄像机采集的视频数据发生异常，进行异常处理，包括：

根据所述视频检测异常模型，确定所述网络摄像机采集的视频数据的异常类型；

根据所述异常类型，确定与其对应的异常处理方式。

在一些实施例中，所述方法还包括：

保存所述网络摄像机采集的视频数据，并对所述视频数据进行编码。

第二方面，本发明实施例提供一种云服务器，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法。

第三方面，本发明实施例提供一种基于人工智能的视频监控系统，其特征在于，所述系统包括：

网络摄像机，用于采集视频数据；

上述的云服务器，所述云服务器包括处理器和存储器，所述处理器包括人工智能模块，所述人工智能模块用于实时分析所述网络摄像机发送的视频数据，并将分析结果发送到移动终端；所述存储器用于保存所述网络摄像机发送的视频数据；

移动终端，所述移动终端连接所述云服务器，用于接收所述云服务器发送的视频数据和分析结果，并根据所述分析结果确定是否产生报警信号。

在一些实施例中，所述网络摄像机包括：

摄像机，用于采集视频数据信号；

网络编码模块，连接所述摄像机，所述网络编码模块内置一嵌入式芯片，所述嵌入式芯片用于将所述摄像机采集到的视频数据信号转换为数字信号，并将所述数字信号进行压缩。

本发明实施例的有益效果是：区别于现有技术的情况下，本发明实施例提供的一种基于人工智能的视频监控方法，应用于云服务器，所述云服务器连接网络摄像机，所述方法包括：预先建立视频检测异常模型；获取所述网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常；若检测到所述网络摄像机采集的视频数据发生异常，进行异常处理。通过上述方式，本发明实施例能够解决目前视频监控无法主动检测异常情况，安全预警不足并且浪费人力资源的技术问题。

附图说明

一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是本发明实施例提供的一种基于人工智能的视频监控方法的流程示意图；

图2是图1中的步骤S10的细化流程示意图；

图3是图1中的步骤S20的细化流程示意图；

图4是本发明实施例提供的一种云服务器的结构示意图；

图5是本发明实施例提供的一种基于人工智能的视频监控系统的结构示意图；

图6是本发明实施例提供的一种网络摄像机的结构示意图。

参见图1至图6，100、基于人工智能的视频监控系统；10、网络摄像机；11、摄像机；12、网络编码模块；20、云服务器；21、处理器；22、存储器；30、移动终端。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

在本发明的实施例中，移动终端可以是智能手机、掌上电脑(Personal DigitalAssistant，PDA)、平板电脑、智能手表等能显示视频数据的电子设备。

具体地，下面以智能手机为例对本发明实施例作具体阐述。

实施例1

请参阅图1，图1是本发明实施例提供的一种基于人工智能的视频监控方法的流程示意图。

如图1所示，所述方法应用于云服务器，所述云服务器连接网络摄像机，所述方法包括：

步骤S10：预先建立视频检测异常模型；

其中，所述视频检测异常模型用于判断所述网络摄像机采集的视频数据是否发生异常，所述视频检测异常模型包括多种异常场景模式，若所述网络摄像机采集的视频数据匹配所述视频检测异常模型的某一异常场景模式，则确定所述网络摄像机采集的视频数据发生异常。

请再参阅图2，图2是图1中的步骤S10的细化流程示意图；

如图2所示，所述预先建立视频检测异常模型，包括：

步骤S11：获取训练视频数据集，所述训练视频数据集包括多种异常场景的视频数据；

具体的，所述异常场景包括：突然的声音躁动、陌生人的闯入、烟雾，以及等等。所述声音的突然躁动包括尖叫、哭泣，以及等等。通过向所述云服务器发送所述多种异常场景的视频数据，所述云服务器获取训练视频数据集，例如：获取突然的声音躁动的异常场景的视频数据。

步骤S12：对所述多种异常场景的视频数据进行预处理；

具体的，所述对所述多种异常场景的视频数据进行预处理包括：获取某一异常场景的视频数据，根据所述视频数据，提取若干个相关图片，并将所述若干个相关图片转换成预设图片格式。例如：所述异常场景为烟雾异常，所述网络摄像机通过获取所述烟雾异常的视频数据，并将数艘视频数据按一秒钟抽取10张图片，将每张图片转换为长宽均为255像素的255*255像素的图片。

步骤S13：通过卷积算法处理预处理后的视频数据，建立视频检测异常模型。

具体的，所述卷积算法包括卷积操作，通过卷积操作处理预处理后的视频数据，所述卷积操作通过使用一个卷积核对图像中的每一个像素。其中，所述卷积算法通过Python代码实现，通过Python代码建立训练模型，所述训练模型包括：输入层、隐藏层以及输出层。具体的，所述输入层用于输入预处理的视频数据，并将所述视频数据进行处理得到输入图片，所述隐藏层用于计算输入图片的特征，所述输出层用于通过所述隐藏层的计算特征输出所述视频数据是否包含异常场景。若所述视频数据包含异常场景，则确定所述视频数据为异常视频；若所述视频数据不包含异常场景，则确定所述视频数据为正常视频。通过建立训练模型，将所述训练模型作为所述视频检测异常模型。具体的，所述训练过程包括：标记正常视频和异常视频，通过视频数据的预处理以及所述训练模型的计算，判断所述视频数据为正常视频或异常视频。例如：将正常视频标记为0，将异常视频标记为1，然后将正常视频和异常视频同时输入所述训练模型，通过视频数据的预处理以及所述训练模型的计算，分辨所述视频数据为正常视频或异常视频，通过重复所述训练过程，当所述训练模型分辨的正确率达到预设正确率阈值时，停止所述训练过程，将所述训练模型作为所述视频检测异常模型。可以理解的是，当所述视频检测异常模型成功建立后，所述云服务器将自动保存所述视频检测异常模型，并通过所述视频检测异常模型检测网络摄像机的视频是否有异常的情况。

步骤S20：获取所述网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常；

具体的，所述视频检测异常模型包括多种异常场景。每一种异常场景均可以通过所述视频检测异常模型来识别。若所述网络摄像机采集的视频数据满足任意一种异常场景，则确定所述网络摄像机采集的视频数据发生异常情况。

请再参阅图3，图3是图1中的步骤S20的细化流程示意图；

如图3所示，所述获取所述网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常，包括：

步骤S21：判断所述视频数据是否满足所述视频检测异常模型；

具体的，所述视频检测异常模型包括多种异常场景，例如：突然的声音躁动、陌生人的闯入、烟雾、火灾、暴乱，以及等等。所述视频检测异常模型通过训练多种异常场景的视频数据，可以识别多种视频数据对应的异常场景。

步骤S22：若所述视频数据满足所述视频检测异常模型，则所述视频数据为异常视频；

具体的，所述云服务器接收所述网络摄像机发送的视频数据，将所述视频检测异常模型匹配所述视频数据，若匹配成功，则确定所述视频数据为异常视频。

其中，所述视频检测异常模型包括多种异常类型，每一种异常类型对应一种异常场景，所述视频检测异常模型将根据所述视频数据，确定所述网络摄像机采集的视频数据的异常类型，根据所述异常类型，确定与其对应的异常处理方式。

步骤S23：若所述视频数据不满足所述视频检测异常模型，则所述视频数据为正常视频；

具体的，所述云服务器接收所述网络摄像机发送的视频数据，将所述视频异常模型匹配所述视频数据，若匹配失败，则确定所述视频数据为正常视频。

步骤S30：若检测到所述网络摄像机采集的视频数据发生异常，进行异常处理。

具体的，所述视频检测异常模型包括多种异常类型，每一种异常类型对应一种异常场景，所述视频检测异常模型将根据所述视频数据，确定所述网络摄像机采集的视频数据的异常类型，根据所述异常类型，确定与其对应的异常处理方式。通过将所述网络摄像机采集的视频数据进行处理得到图片，识别所述图片的特征，确定所述图片的特征是否匹配所述视频检测异常模型对应的异常类型，若是，则确定所述视频数据对应所述异常类型。其中，所述云服务器还连接移动终端，所述异常处理方式包括报警处理，具体地，所述云服务器向所述移动终端发送报警信号，所述移动终端接收所述报警信号，提醒用户对所述异常情况进行处理。具体的，所述移动终端通过振动、响铃、界面提示等方式提醒用户。例如：当所述云服务器通过所述视频检测异常模型确定所述视频数据对应的异常类型为突然的声音躁动时，所述云服务器向所述移动终端发送报警信号，所述移动终端将根据所述报警信号以振动的方式提醒用户；或者，当所述云服务器通过所述视频检测异常模型确定所述视频数据对应的异常类型为陌生人的闯入时，所述云服务器向所述移动终端发送报警信号，所述移动终端将根据所述报警信号以响铃并且界面提示两种方式同时提醒用户；或者当所述云服务器通过所述视频检测异常模型确定所述视频数据对应的异常类型为烟雾、火灾或暴乱时，所述云服务器向所述移动终端发送报警信号，所述移动终端将根据所述报警信号以振动并且响铃，以及界面提示三种方式同时提醒用户。

在本发明实施例中，所述云服务器还连接移动终端，所述方法还包括：

接收所述网络摄像机发送的连接请求命令，获取所述网络摄像机的IP地址和端口；接收移动终端发送的在线播放请求命令，获取所述移动终端的IP地址和端口；根据所述在线播放请求命令，将所述移动终端和所述网络摄像机建立连接。

其中，所述网络摄像机和所述云服务器通过TCP协议或P2P协议进行通信，其传输方式是采用WIFI的方式。具体的，TCP是面向连接的通信协议，通过三次握手建立连接，通讯完成时要拆除连接，由于TCP是面向连接的所以只能用于端到端的通讯。因为目前的很大部分是采用NAT网络，导致每个网络摄像机是不能分配一个外网的的地址IP导致无法直接和移动终端连接。这里我们就采用云服务器做中间对象将二者连接。具体是网络摄像机会先向云服务器请求，云服务器会记住该摄像机的IP地址和端口号。然后移动终端这边也请求云服务器，云服务器也会记住该移动终端的IP地址和端口。然后云服务器将移动终端的IP和端口推送给网络摄像机，将网络摄像机的IP和端口推送给移动终端。这个时候网络摄像机和移动终端都获取到对方的IP和端口，此时网络摄像机和移动终端就可以通过Socket建立P2P连接，从而实现相互的通信。

由于所述网络摄像机和所述移动终端的通信为P2P连接，为了方便两者之间的通信，因此采用内网穿透的技术。因为目前还是采用的IPV4，导致IP严重不足才有了NAT技术。NAT是一种网络地址翻译技术，将内部私有IP地址改变成可以在公网上使用的公网IP，解决了IP地址不足的问题，但同时也破坏了IP端到端模型的能力，使得外网设备不能直接访问内网的设备，因此导致了NAT穿透技术的产生。NAT内网穿透是通过服务器的协助在各自的NAT网关上建立相关的表项，使P2P连接的双方发送的报文能够直接穿透对方的NAT网关，从而实现P2P客户端互连。如果两台位于NAT设备后面的P2P客户端实现穿透，那么他们需要一个协助者——集中服务器，并且还需要一种用于打洞的Session建立机制。集中服务器是一台被设置在公网上的服务器，建立P2P的双方都可以直接访问到这台服务器。位于NAT网关后面的客户端A和B都可以与一台已知的集中服务器建立连接，并通过这台集中服务器了解对方的信息并中转各自的信息。同时集中服务器的另一个重要作用在于判断某个客户端是否在NAT网关之后。具体的方法是：一个客户端在集中服务器上登陆的时候，服务器记录下该客户端的两对地址二元组信息{IP地址:UDP端口}，一对是该客户端与集中服务器进行通信的自身的IP地址和端口号，另一对是集中服务器记录下的由服务器“观察”到的该客户端实际与自己通信所使用的IP地址和端口号。把前一对地址二元组看作是客户端的内网IP地址和端口号，把后一对地址二元组看作是客户端的内网IP地址和端口号经过NAT转换后的外网IP地址和端口号。集中服务器可以从客户端的登陆消息中得到该客户端的内网相关信息，还可以通过登陆消息的IP头和UDP头得到该客户端的外网相关信息。如果该客户端不是位于NAT设备后面，那么采用上述方法得到的两对地址二元组信息是完全相同的。下面以移动终端、网络摄像机以及云服务器为例，假定移动终端要发起对网络摄像机的直接连接，具体的穿透过程如下：

(1)移动终端最初不知道如何向网络摄像机发起连接，于是移动终端向云服务器发送消息，请求云服务器帮助建立与网络摄像机的UDP连接。

(2)云服务器将含有网络摄像机的外网和内网的地址二元组发给移动终端，同时，云服务器将包含有移动终端的外网和内网的地址二元组信息的消息也发给网络摄像机。这样一来，移动终端与网络摄像机就都知道对方外网和内网的地址二元组信息了。

(3)当移动终端收到由云服务器发来的包含网络摄像机的外网和内网的地址二元组信息后，移动终端开始向网络摄像机的地址二元组发送UDP数据包，并且移动终端会自动锁定第一个给出响应的网络摄像机的地址二元组。同理，当网络摄像机收到由云服务器发来的移动终端的外网和内网地址二元组信息后，也会开始向移动终端的外网和内网的地址二元组发送UDP数据包，并且自动锁定第一个得到移动终端回应的地址二元组。由于移动终端与网络摄像机互相向对方发送UDP数据包的操作是异步的，所以移动终端和网络摄像机发送数据包的时间先后并没有时序要求。

通过将所述移动终端和所述网络摄像机之间建立连接，可以将所述网络摄像机的视频数据发送到所述移动终端，方便用户通过所述移动终端对所述网络摄像机的视频进行监控。

其中，所述方法还包括：获取所述网络摄像机采集的视频数据，将所述网络摄像机发送的视频数据以视频流的方式发送到移动终端。

具体的，所述云服务器通过保存所述网络摄像机采集的视频数据，并对所述视频数据进行编码。

具体的，视频数据采用H.264编码，H.264采用了统一的VLC符号编码，高精度、多模式的位移估计，基于4×4块的整数变换、分层的编码语法等。这些措施使得H.264算法具有很高的编码效率，在相同的重建图像质量下，能够比H.263节约50％左右的流量。而且H.264网络适应性强，增加了差错恢复能力。正好适用于带宽受限，差错率高的无线网络。满足实时视频监控的要求，视频播放更流畅。

在本发明实施例中，通过提供一种基于人工智能的视频监控方法，应用于云服务器，所述云服务器连接网络摄像机，所述方法包括：预先建立视频检测异常模型；获取所述网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常；若检测到所述网络摄像机采集的视频数据发生异常，进行异常处理。通过上述方式，本发明实施例能够解决目前视频监控无法主动检测异常情况，安全预警不足并且浪费人力资源的技术问题。

实施例2

请参阅图4，图4是本发明实施例提供的一种云服务器的结构示意图；

该云服务器20可以应用于基于人工智能的视频监控系统，如图4所示，该云服务器20包括一个或多个处理器21以及存储器22。其中，图4中以一个处理器21为例。

处理器21和存储器22可以通过总线或者其他方式连接，图4中以通过总线连接为例。

具体的，所述处理器21包括人工智能模块，所述人工智能模块用于实时分析所述网络摄像机发送的视频数据，并将分析结果发送到移动终端；所述存储器用于保存所述网络摄像机发送的视频数据。

存储器22作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器21通过运行存储在存储器22中的非易失性软件程序、指令以及模块，从而执行基于人工智能的视频监控方法的各种功能应用以及数据处理，即实现上述方法实施例基于人工智能的视频监控方法以及上述装置实施例的各个模块和单元的功能。

存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器22可选包括相对于处理器21远程设置的存储器，这些远程存储器可以通过网络连接至处理器21。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

所述模块存储在所述存储器22中，当被所述一个或者多个处理器21执行时，执行上述任意方法实施例中的基于人工智能的视频监控方法，例如，执行以上描述的图1、2、3所示的各个步骤。

请再参阅图5，图5是本发明实施例提供的一种基于人工智能的视频监控系统的结构示意图；

如图5所示，该基于人工智能的视频监控系统100包括：网络摄像机10、云服务器20以及移动终端30。其中，所述云服务器20连接所述网络摄像机10，所述云服务器20还连接所述移动终端30。

其中，所述网络摄像机10，连接所述云服务器20，用于采集视频数据。

请再参阅图6，图6是本发明实施例提供的一种网络摄像机的结构示意图；

如图6所示，该网络摄像机10包括：摄像机11以及网络编码模块12。其中，所述摄像机11连接所述网络编码模块12。

具体的，所述摄像机11包括：镜头、图像传感器、声音传感器、A/D转换器、控制器、网络服务器、控制接口、网络接口以及等等。所述摄像机11可以用于采集视频数据信号，所述视频数据信号为模拟视频信号。所述摄像机11主要由CMOS光敏元器件和外围电路组成，用于将所述镜头传入的光信号转换为电信号。

具体的，所述网络编码模块12，连接所述摄像机，所述网络编码模块12内置一嵌入式芯片，所述嵌入式芯片用于将所述摄像机11采集到的视频数据信号转换为数字信号，所述视频数据信号为模拟视频信号，所述嵌入式芯片还可以将所述数字信号进行压缩。具体的，所述嵌入式芯片可以为Hi3516高效压缩芯片。所述网络摄像机通过WIFI网络将压缩后的数字信号发送到云服务器。所述云服务器可以将所述压缩后的数字信号发送到所述移动终端。其中，所述网络摄像机还包括红外传感器，使得所述网络摄像机具有夜视功能。网络上用户可以直接用浏览器观看Web服务器上的摄像机图像或者通过移动终端APP直接访问，网络摄像机能更简单地实现监控，特别是远程监控，具有简单的施工和维护、更好的支持音频、更好的支持报警联动、更灵活的录像存储、更丰富的产品选择、更高清的视频效果和更完美的监控管理功能，并且可直接将摄像机接入本地局域网，是数据的采集和光电信号的转换端，是整个网络的数据提供端。

其中，所述云服务器20，所述云服务器20是提供计算服务的设备。云服务器的构成包括处理器、硬盘、内存、系统总线等，和通用的计算机架构类似，云服务器负责提供移动终端APP的注册登录，用户的管理，设备管理等功能。同时负责网络摄像机的视频数据的存储功能，以及通过云服务器20记住移动终端和网络摄像机的IP和端口，将对应的移动终端和网络摄像机的IP和端口都传送给对方，从而使网络摄像机端和移动端能知道对方的IP和端口，通过IP地址和端口建立二者的连接通信。云服务器获取网络摄像机的视频数据然后根据人工智能模块去分析视频数据，当检测到异常的视频数据时就会发送告警信息通知所述移动终端。

具体的，所述云服务器20包括一处理器，所述处理器包括人工智能模块。所述人工智能模块负责对视频数据的实时分析，检测异常的时刻并通知移动终端。人工智能模块的具体实施方式分为，视频异常检测模型的建立和视频异常检测模型的应用两个部分。首先是视频异常检测模型的建立分这三个部分，第一部分：训练视频异常检测模型的视频数据集，用于后面的机器的训练和学习。包括各种异常场景的视频数据如尖叫声的视频，哭泣声视频、烟雾的视频，嘈杂的视频数据等多种需要检测的异常场景。训练视频数据集覆盖大部分的应用场景。第二部分：视频数据集的预处理，将视频数据按一秒钟抽取10张图片，每张图片转换为长255像素和宽255像素的图片。第三部分：训练模型的建立，使用人工智能的卷积算法，Python代码建立训练的模型。模型包括输入层，隐藏层，输出层，输入层是输入预处理的图片，隐藏层用来计算输入图片的特征，输出层是通过隐藏层的计算特征输出该视频是否包含异常场景。训练的过程是。将正常的视频标记为0异常的视频标记为1，然后将异常的视频和正常的视频同时输入训练系统，通过数据集预处理和训练模型的计算，分辨视频是异常视频还是正常的视频。重复上面的步骤，当系统分辨的正确率达到90％以上停止训练，保存模型。建立完模型后，将模型转移到服务器端，将数据集换成网络摄像机的视频，运行模型，检测网络摄像机的视频是否有异常的情况。

其中，所述移动终端30，连接所述云服务器20，用于接收所述云服务器20发送的视频数据和分析结果，并根据所述分析结果确定是否产生报警信号。

其中，所述移动终端以手机为例，所述手机包括Android和IOS两个平台，所述手机安装有APP，所述手机主要通过手机的APP实现和网络摄像机的连接以及云服务器的连接。APP的主要功能是在注册，登录，添加网络摄像机，视频的编解码，视频播放，网络摄像机删除等功能。所述手机APP主要是网络摄像头的视频的展示端。Android端的APP实现，是采用Android Studio开发工具开发。APP包括UI和数据，编码解码等部分。UI设计通过xml文件去设置布局。数据通过sqlite数据库存储。通过编写java代码去实现和远程服务器的联通。获取到设备端的IP和端口，然后和设备端通过Socket连接，获取视频流，然后进行视频的解码，播放。编解码采用标准的H264协议。采用ffmpeg编码解码库将获取的视频流数据转换为MP4格式进行播放和存储到本地的SD卡中。APP通过用户名登录，连接云服务器。搜索局域网的网络摄像机，然后配置网络摄像机WIFI名称和密码，使网络摄像机连接上网络，并同时添加设备。设备连接上网络后，会和APP通过Socket连接，建立连接通道。APP获取设备端传输的视频流，通过H264解码播放视频，实现在线的播放。通过服务器记住设备端和APP端的IP和端口，实现局域网的穿透，从而满足APP不在同一个局域网也可以访问该设备并播放视频。这是对传统摄像头的扩展，使移动终端具有远程监控的能力。网络摄像机通过WIFI连接路由器后访问云服务器，网络摄像机和服务器通过网络连接起来，网络摄像机的视频数据会传输到云服务器，云服务器将视频数据通过编解码存在网络摄像机的本地硬盘，视频数据备份在云端，实现视频数据的存储。APP通过麦克风将用户的声音录制，然后经过网络发送给网络摄像机，网络摄像机的喇叭对该语音进行播放，对应的网络摄像机也可以录制用户的声音然后发送到移动终端，移动终端接收到对该语音进行播放，从而实现移动终端和网络摄像机的语音对讲。APP端获取视频流数据，编解码之后以MP4的格式存储到手机的SD卡中。

由于移动终端体积小方便携带，性价比高，应用程序安装方便，适用性广：相对于现有的PC监控终端和本地的视频监控，移动终端小巧携带方便且网络连接和访问技术发展比较成熟，能够实现远程的视频监控，应用程序在各个环境下都可以很高的工作。Android应用程序或IOS应用程序界面简单易操作，通过点击一些按钮即可实现家庭和其他环境的视频监控和告警功能，十分方便。

同时实现手机APP和网络摄像机的实时语音对讲，满足家庭通过APP实现远程通话的需要。并且有助于家庭的安防工作，可以通过移动终端移动告警，出门之后可以查看家庭情况，在有陌生人进入家庭，会发送告警信息到手机APP，这样做到了家庭的安全防护工作，用户收到告警信息可以去查看这个时段的录像了解情况。

同时用户可以录制当前的视频记录家庭的美好时刻，并可在云端和本地端保存，方便以后查看。同时由于网络摄像机具有夜视功能，在夜晚也可以提供很好的视频监控功能。以上功能对家庭的安全防范都很有意义功能完善使用方便。

所述移动终端通过接收云服务器推送的异常消息，用户可以通过所述移动终端的APP点击打开，查看异常的视频录像。

其中，所述移动终端还包括PC端，具有和APP端相似的功能，具有视频查看和告警信息的获取。通过网页去获取网络摄像头的视频和告警信息。

本发明实施例的移动终端30以多种形式存在，上述移动终端30包括但不限于：

(1)移动通信设备：这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类电子设备包括:智能手机(例如iPhone)、多媒体手机、功能性手机，以及低端手机等。

(2)移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类电子设备包括：PDA、MID和UMPC设备等，例如iPad。

(3)便携式娱乐设备：这类设备可以显示和播放视频内容，一般也具备移动上网特性。该类设备包括：视频播放器，掌上游戏机，以及智能玩具和便携式车载导航设备。

(4)其他具有视频播放功能和上网功能的电子设备。

本发明实施例还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，例如图4中的一个处理器21，可使得上述一个或多个处理器可执行上述任意方法实施例中的基于人工智能的视频监控方法，例如，执行上述任意方法实施例中的基于人工智能的视频监控方法，例如，执行以上描述的图1、2、3所示的各个步骤。

在本发明实施例中，通过提供一种基于人工智能的视频监控系统，所述系统包括：网络摄像机，用于采集视频数据；云服务器，所述云服务器包括处理器和存储器，所述处理器包括人工智能模块，所述人工智能模块用于实时分析所述网络摄像机发送的视频数据，并将分析结果发送到移动终端；所述存储器用于保存所述网络摄像机发送的视频数据；移动终端，所述移动终端连接所述云服务器，用于接收所述云服务器发送的视频数据和分析结果，并根据所述分析结果确定是否产生报警信号。通过上述方式，本发明实施例能够该发明的提出有助于用户对家庭的监控和对美好生活的记录。摆脱对PC监控终端的依赖和只有本地才可以观看的限制，实现远程的实时监控。由于所述基于人工智能的视频监控系统具有检测多种异常场景的功能，如检测尖叫哭泣声、烟雾、突然的糟乱等各种异常场景。通过减少视频监控人员的工作时间，视频具有自动告警功能，减少了人力的消耗，有利于公共安全对危险的预警更加及时，处理时间更短。

以上所描述的装置或设备实施例仅仅是示意性的，其中所述作为分离部件说明的单元模块可以是或者也可以不是物理上分开的，作为模块单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络模块单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用直至得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (11)

1.一种基于人工智能的视频监控方法，应用于云服务器，所述云服务器连接网络摄像机，其特征在于，所述方法包括：

预先建立视频检测异常模型；

获取所述网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常；

若检测到所述网络摄像机采集的视频数据发生异常，进行异常处理。

2.根据权利要求1所述的方法，其特征在于，所述预先建立视频检测异常模型，包括：

获取训练视频数据集，所述训练视频数据集包括多种异常场景的视频数据；

对所述多种异常场景的视频数据进行预处理；

通过卷积算法处理预处理后的视频数据，建立视频检测异常模型。

3.根据权利要求1所述的方法，其特征在于，所述获取网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常，包括：

判断所述视频数据是否满足所述视频检测异常模型；

若所述视频数据满足所述视频检测异常模型，则所述视频数据为异常视频；

若所述视频数据不满足所述视频检测异常模型，则所述视频数据为正常视频。

4.根据权利要求1所述的方法，其特征在于，所述云服务器还连接移动终端，所述方法还包括：

接收所述网络摄像机发送的连接请求命令，获取所述网络摄像机的IP地址和端口；

接收移动终端发送的在线播放请求命令，获取所述移动终端的IP地址和端口；

根据所述在线播放请求命令，将所述移动终端和所述网络摄像机建立连接。

5.根据权利要求4所述的方法，其特征在于，所述根据所述在线播放请求命令，将所述移动终端和所述网络摄像机建立连接，包括：

将所述移动终端的IP地址和端口发送到所述网络摄像机，将所述网络摄像机的IP地址和端口发送到所述移动终端，以使所述移动终端和所述网络摄像机通过Socket建立P2P连接，实现所述移动终端和所述网络摄像机之间的通信。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

获取所述网络摄像机采集的视频数据，将所述网络摄像机发送的视频数据以视频流的方式发送到移动终端。

7.根据权利要求1所述的方法，其特征在于，所述若检测到所述网络摄像机采集的视频数据发生异常，进行异常处理，包括：

根据所述视频检测异常模型，确定所述网络摄像机采集的视频数据的异常类型；

根据所述异常类型，确定与其对应的异常处理方式。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

保存所述网络摄像机采集的视频数据，并对所述视频数据进行编码。

9.一种云服务器，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8任一项所述的方法。

10.一种基于人工智能的视频监控系统，其特征在于，所述系统包括：

网络摄像机，用于采集视频数据；

如权利要求9所述的云服务器，所述云服务器包括处理器和存储器，所述处理器包括人工智能模块，所述人工智能模块用于实时分析所述网络摄像机发送的视频数据，并将分析结果发送到移动终端；所述存储器用于保存所述网络摄像机发送的视频数据；

移动终端，所述移动终端连接所述云服务器，用于接收所述云服务器发送的视频数据和分析结果，并根据所述分析结果确定是否产生报警信号。

11.根据权利要求10所述的视频监控系统，其特征在于，所述网络摄像机包括：

摄像机，用于采集视频数据信号；

网络编码模块，连接所述摄像机，所述网络编码模块内置一嵌入式芯片，所述嵌入式芯片用于将所述摄像机采集到的视频数据信号转换为数字信号，并将所述数字信号进行压缩。