CN109118806A - 一种设备异常检测方法、装置及系统 - Google Patents
一种设备异常检测方法、装置及系统 Download PDFInfo
- Publication number
- CN109118806A CN109118806A CN201710495770.1A CN201710495770A CN109118806A CN 109118806 A CN109118806 A CN 109118806A CN 201710495770 A CN201710495770 A CN 201710495770A CN 109118806 A CN109118806 A CN 109118806A
- Authority
- CN
- China
- Prior art keywords
- car data
- crosses
- acquisition equipment
- data
- server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例公开了一种设备异常检测方法、装置及系统,方法包括:服务器根据采集设备在目标时段的第一过车数据,判断该采集设备是否异常;也就是说,本方案中,由不同于采集设备的另一设备(服务器)来确定采集设备是否异常,而不是采集设备中的检测模块检测采集设备是否异常,不会出现采集设备与检测模块同时故障导致不能检测出采集设备异常的情况,提高了检测效果。
Description
技术领域
本发明涉及视频监控技术领域,特别涉及一种设备异常检测方法、装置及系统。
背景技术
在交通卡口处、或者治安卡口处通常设置有采集设备,比如,抓拍机、摄像头等设备。采集设备对通行车辆进行图像采集,并记录车辆的其他信息,比如车牌、通过时刻、通过车道等信息。
现有的采集设备中通常设置有异常检测模块,该异常检测模块可以检测采集设备是否出现异常。但是,较多情况下,采集设备出现故障,其中的异常检测模块也出现故障,这样,则无法检测到采集设备出现异常,检测效果差。
发明内容
本发明实施例的目的在于提供一种设备异常检测方法、装置及系统,以提高检测效果。
为达到上述目的,本发明实施例公开了一种设备异常检测方法,应用于服务器,包括:
获取采集设备在目标时段的第一过车数据;
将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比;
根据对比结果,判断所述第一过车数据是否异常;
根据判断结果,确定所述采集设备的异常检测结果。
可选的,所述过车数据中包含车流量;
所述根据对比结果,判断所述第一过车数据是否异常的步骤,可以包括:
判断所述第一过车数据中包含的第一车流量与所述第二过车数据中包含的第二车流量的差值是否符合预设规则;
如果是,表示所述第一过车数据异常。
可选的,所述过车数据中包含每个车道的车流量;
所述判断所述第一过车数据中包含的第一车流量与所述第二过车数据中包含的第二车流量的差值是否符合预设规则的步骤,可以包括:
针对每个车道,确定所述车道对应的第一车流量及第二车流量;
判断所述第一车流量与所述第二车流量的差值是否符合预设规则;
如果是,表示所述第一过车数据异常。
可选的,所述将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比的步骤,可以包括:
在预先存储的历史过车数据中,查找所述采集设备在历史目标时段的第二过车数据;
滤除所述第二过车数据中的异常数据;
将所述第一过车数据与剩余第二过车数据进行对比。
可选的,所述将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比的步骤,可以包括:
在预先存储的历史平均过车数据中,查找所述采集设备在历史目标时段的第二过车数据;其中,所述第二过车数据为所述采集设备在历史目标时段的平均过车数据;
将所述第一过车数据与所述第二过车数据进行对比。
可选的,所述根据判断结果,确定所述采集设备的异常检测结果的步骤,包括:
在判断所述第一过车数据异常的情况下,获取所述目标时段下的视频数据流,所述视频数据流针对的区域与所述采集设备的采集区域一致;
分析得到所述视频数据流中的第三过车数据;
判断所述第三过车数据与所述第一过车数据是否匹配;
如果否,确定所述采集设备异常。
可选的,在判断所述第一过车数据不异常的情况下,还可以包括:
根据所述第一过车数据,更新所述第二过车数据;
在判断所述第三过车数据与所述第一过车数据匹配的情况下,还可以包括:
根据所述第一过车数据,更新所述第二过车数据。
可选的,在确定所述采集设备异常的情况下,所述方法还可以包括:
发送针对所述采集设备的报警信息。
为达到上述目的,本发明实施例还公开了一种设备异常检测装置,应用于服务器,包括:
获取模块,用于获取采集设备在目标时段的第一过车数据;
对比模块,用于将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比;
判断模块,用于根据对比结果,判断所述第一过车数据是否异常;
确定模块,用于根据所述判断模块的判断结果,确定所述采集设备的异常检测结果。
可选的,所述过车数据中包含车流量;所述判断模块,可以包括:
第一判断子模块,用于判断所述第一过车数据中包含的第一车流量与所述第二过车数据中包含的第二车流量的差值是否符合预设规则;如果是,表示所述第一过车数据异常。
可选的,所述过车数据中包含每个车道的车流量;所述第一判断子模块,具体可以用于:
针对每个车道,确定所述车道对应的第一车流量及第二车流量;
判断所述第一车流量与所述第二车流量的差值是否符合预设规则;
如果是,表示所述第一过车数据异常。
可选的,所述对比模块,具体可以用于:
在预先存储的历史过车数据中,查找所述采集设备在历史目标时段的第二过车数据;
滤除所述第二过车数据中的异常数据;
将所述第一过车数据与剩余第二过车数据进行对比。
可选的,所述对比模块,具体可以用于:
在预先存储的历史平均过车数据中,查找所述采集设备在历史目标时段的第二过车数据;其中,所述第二过车数据为所述采集设备在历史目标时段的平均过车数据;
将所述第一过车数据与所述第二过车数据进行对比。
可选的,所述确定模块,包括:
获取子模块,用于当所述判断模块判断结果为是时,获取所述目标时段下的视频数据流,所述视频数据流针对的区域与所述采集设备的采集区域一致;
分析子模块,用于分析得到所述视频数据流中的第三过车数据;
第二判断子模块,用于判断所述第三过车数据与所述第一过车数据是否匹配;如果否,确定所述采集设备异常。
可选的,所述装置还可以包括:
更新模块,用于当所述判断模块判断结果为否时、及所述第二判断子模块判断结果为是时,根据所述第一过车数据,更新所述第二过车数据。
可选的,所述装置还可以包括:
发送模块,用于在所述确定模块确定所述采集设备异常的情况下,发送针对所述采集设备的报警信息。
为达到上述目的,本发明实施例还公开了一种设备异常检测系统,所述系统包括:采集设备和服务器,其中,
所述采集设备,用于记录过车数据;
所述服务器,用于获取采集设备在目标时段的第一过车数据;将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比;根据对比结果,判断所述第一过车数据是否异常;根据判断结果,确定所述采集设备的异常检测结果。
可选的,所述服务器包括数据接入服务器和异常检测服务器,其中,
所述数据接入服务器,用于获取所述采集设备在目标时段的第一过车数据;
所述异常检测服务器,用于将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比;根据对比结果,判断所述第一过车数据是否异常;根据判断结果,确定所述采集设备的异常检测结果。
可选的,所述服务器还包括视频分析服务器,
所述视频分析服务器,用于在所述异常检测服务器判断所述第一过车数据异常的情况下,获取所述目标时段下的视频数据流,所述视频数据流针对的区域与所述采集设备的采集区域一致;分析得到所述视频数据流中的第三过车数据;
所述异常检测服务器,还用于判断所述视频分析服务器分析得到的第三过车数据与所述第一过车数据是否匹配;如果否,确定所述采集设备异常。
可选的,所述服务器还包括报警服务器,
所述报警服务器,用于在所述异常检测服务器确定所述采集设备异常的情况下,发送针对所述采集设备的报警信息。
为达到上述目的,本发明实施例还公开了一种服务器,包括处理器和存储器,
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一项设备异常检测方法。
为达到上述目的,本发明实施例还公开了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项设备异常检测方法。
应用本发明实施例,服务器根据采集设备在目标时段的第一过车数据,判断该采集设备是否异常;也就是说,本方案中,由不同于采集设备的另一设备(服务器)来确定采集设备是否异常,而不是采集设备中的检测模块检测采集设备是否异常,不会出现采集设备与检测模块同时故障导致不能检测出采集设备异常的情况,提高了检测效果。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的设备异常检测系统的第一种结构示意图;
图2为本发明实施例提供的一种设备异常检测方法的流程示意图;
图3为本发明实施例提供的一种设备异常检测装置的结构示意图;
图4为本发明实施例提供的设备异常检测系统的第二种结构示意图;
图5为本发明实施例提供的设备异常检测系统的第三种结构示意图;
图6为本发明实施例提供的设备异常检测系统的第四种结构示意图;
图7为本发明实施例提供的一种服务器的结构示意图。
具体实施方式
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,所描述的实施例仅仅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作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。
为了解决上述技术问题,本发明实施例提供了设备异常检测的方法、装置及系统。该系统可以如图1所示,包括采集设备及服务器,该方法及装置可以应用于该系统中的服务器。
下面首先对本发明实施例提供的设备异常检测的方法进行详细说明。
图2为本发明实施例提供的一种设备异常检测的方法的流程示意图,包括:
S201:获取采集设备在目标时段的第一过车数据。
作为一种实施方式,图1中的服务器可以每隔预设周期检测采集设备是否出现异常,比如服务器可以每天检测采集设备是否出现异常:由于记录过车数据有一定的延时性,可以每天凌晨1点统计昨天的过车数据,昨天即为目标时段。
或者,图1中的服务器也可以在接收到检测指令后,检测采集设备是否出现异常,这种情况下,目标时段可以为接收到该检测指令之前的预设时段。比如,服务器在12月13日上午10:00接收到用户发送的检测指令,则可以把12月13日上午10:00之前的预设时段,比如将12月12日上午9:00—12月13日上午9:00确定为目标时段。服务器获取采集设备在12月12日上午9:00—12月13日上午9:00的过车数据。
需要说明的是,在本发明提供的实施例中,目标时段不包括节假日(不含周六日)。可以理解的是,节假日的过车数据与非节假日的过车数据差别很大,也可以说,节假日的过车数据本身就是异常数据,因此,本方案不针对节假日的过车数据进行异常判断。
S202:将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比。
为了区分描述,将S201中获取的过车数据称为第一过车数据,将预先存储的历史过车数据称为第二过车数据。
作为一种实施方式,S202可以包括:
在预先存储的历史过车数据中,查找所述采集设备在历史目标时段的第二过车数据;滤除所述第二过车数据中的异常数据;将所述第一过车数据与剩余第二过车数据进行对比。
历史目标时段与上述目标时段相对应,比如,S201中目标时段为12月12日,周一,则历史目标时段可以为12月12日之前的若干个周一,比如,历史目标时段可以为12月12日之前两个月内的周一。
另外,历史过车数据中可以包含多个采集设备记录的过车数据,假设本方案需要检测采集设备A是否异常,S201中获取的是采集设备A在12月12日的过车数据(第一过车数据)。
这样,服务器在预先存储的历史过车数据中,查找采集设备A在10月12日—12月11日之内的各个周一的过车数据(第二过车数据)。
在本实施方式中,预先存储的历史过车数据中既包含异常数据,也包含正常数据。因此,在查找到上述第二过车数据后,需要滤除其中的异常数据。该异常数据可以包含节假日的过车数据,还可以包括道路施工期间的过车数据等。作为一种实施方式,对历史过车数据进行存储时,可以对异常历史数据进行标记,这样,可以直接滤除第二过车数据中的异常数据。将第一过车数据与经过滤除后的剩余第二过车数据进行对比。
作为另一种实施方式,S202可以包括:
在预先存储的历史平均过车数据中,查找所述采集设备在历史目标时段的第二过车数据;其中,所述第二过车数据为所述采集设备在历史目标时段的平均过车数据;将所述第一过车数据与所述第二过车数据进行对比。
在本实施方式中,预先存储历史平均过车数据,比如,预先存储了周一至周日每天对应的历史平均过车数据。可以在确定S201中获取的第一过车数据不为异常数据的情况下,及时对该历史平均过车数据进行更新。也就是说,本实施方式中存储的历史平均过车数据为正常情况下的平均过车数据,如果是异常数据,不将其纳入平均过车数据中。
举个简单的例子,假设过车数据中仅包含车流量,假设采集设备A在10月份的全部周一(假设为4个周一)的历史平均车流量为500(第二过车数据);获取了采集设备A在11月第一个周一的车流量为540(非异常数据,第一过车数据),则可以将采集设备A周一的历史平均车流量更新为(500*4+540)/(4+1)=508。
或者,也可以每隔预设周期对存储的历史平均过车数据进行更新,比如,每月进行更新操作,将获取的该月的正常过车数据纳入历史过车数据中。
延续上述例子,假设获取了采集设备A在11月的正常过车数据,其中包含4个周一的车流量分别为:520、540、500和520(第二过车数据),则可以将采集设备A周一的历史平均车流量更新为(500*4+520+540+500+520)/(4+1+1+1+1)=510。
S203:根据对比结果,判断所述第一过车数据是否异常。
在本实施方式中,过车数据中可以包含车流量,因此,S203可以包括:
判断所述第一过车数据中包含的第一车流量与所述第二过车数据中包含的第二车流量的差值是否符合预设规则;如果是,表示所述第一过车数据异常。
举例来说,该预设规则可以为:第一过车数据中包含的第一车流量与第二过车数据中包含的第二车流量的差值小于预设阈值;或者,也可以为其他,比如,假设第一车流量为X,第二车流量为Y,设定上限百分比为P,下限百分比为Q,当(X-Y)>Y*P,或者,(Y-X)<Y*Q时,认为不符合预设规则,也就是第一过车数据异常。
上述第一车流量、第二车流量可以为一个车道的车流量,也可以为多个车道的车流量。作为一种实施方式,一台采集设备可以对应多个车道,这种情况下,过车数据中包含每个车道的车流量,此时,可以针对每个车道,确定该车道对应的第一车流量及第二车流量;判断所述第一车流量与所述第二车流量的差值是否符合预设规则;如果是,表示所述第一过车数据异常。
举例来说,采集设备A对应了三个车道(车道1、车道2、车道3),过车数据中包含这三个车道的车流量,假设存储的历史过车数据为历史平均过车数据,其中包含这三个车道的历史平均过车数据。
假设S201获取采集设备A中车道1在12月12日(周一)的车流量为250;存储的采集设备A中车道1在10月份及11月份的全部周一(假设为8个周一)的历史平均车流量为200;预设规则为差值小于100,250-200<100,符合预设规则,车道1的第一过车数据不异常。
车道2、车道3的处理过程类似,不再赘述。
S204:根据判断结果,确定所述采集设备的异常检测结果。
作为一种实施方式,S204可以包括:当S203的判断结果为是时,确定所述采集设备异常。也就是说,如果第一过车数据异常,则直接认为采集设备异常。
作为另一种实施方式,S204可以包括:在判断所述第一过车数据异常的情况下,获取所述目标时段下的视频数据流,所述视频数据流针对的区域与所述采集设备的采集区域一致;分析得到所述视频数据流中的第三过车数据;判断所述第三过车数据与所述第一过车数据是否匹配;如果否,确定所述采集设备异常。
可以理解的是,第一过车数据异常,并不一定表示采集设备出现异常。比如,由于道路施工等原因,过车数据与正常数据差别较大,根据上述判断方式,将该过车数据确定为异常数据,这种情况下,采集设备并未出现异常。
针对这种情况,可以在判断第一过车数据异常的情况下,获取与该第一过车数据对应的时段、区域均一致的视频数据流。具体的,该视频数据流可以由与上述采集设备(S101中的采集设备)位于同一区域中的其他设备采集到的。
该视频数据流可以为抓拍机、摄像头等设备采集到的。举例来说,当车辆经过抓拍机时,抓拍机便对车辆进行图像采集。上述目标时段下的视频数据流,也就是在目标时段内,抓拍机对所有经过车辆进行抓拍的多张图像。
作为一种实施方式,视频数据流也可以为上述采集设备(S101中的采集设备)本身采集到的,即使该采集设备记录过车数据的功能出现故障,该采集设备仍具有图像采集功能,因此,也可以获取该采集设备采集的目标时段下的视频数据流。
通过对该视频数据流进行分析,可以得到该视频数据流中的过车数据。为了方便描述,这里将从视频数据流中分析得到的过车数据称为第三过车数据。第三过车数据可以认为是较准确的过车数据,将第三过车数据与S201获取的第一过车数据进行匹配:如果匹配成功,则表示该第一过车数据虽然出现异常,但与实际情况相符,采集设备并未出现异常;如果匹配不成功,则表示采集设备出现异常。
作为一种实施方式,可以在确定采集设备异常的情况下,发送针对该采集设备的报警信息。这样,可以提醒相关人员及时对异常的采集设备进行后续处理。
具体的,判断是否匹配成功,可以有多种方式。比如,假设第三过车数据中包含的车流量为M,S201获取的第一过车数据中包含的第一车流量为N,当M与N的差值在预设范围内,则表示匹配成功;或者,当∣M-N∣/N小于预设阈值时,表示匹配成功等,具体不做限定。
根据上面描述,当存储了历史平均过车数据时,可以在判断第一过车数据不异常的情况下,根据该第一过车数据,更新第二过车数据,该第二过车数据即为采集设备在历史目标时段的平均过车数据。
而在本实施方式中,可以在判断所述第三过车数据与所述第一过车数据匹配的情况下,根据该第一过车数据,更新该第二过车数据。具体过程类似,不再赘述。
应用本发明图2所示实施例,服务器根据采集设备在目标时段的第一过车数据,判断该采集设备是否异常;也就是说,本方案中,由不同于采集设备的另一设备(服务器)来确定采集设备是否异常,而不是采集设备中的检测模块检测采集设备是否异常,不会出现采集设备与检测模块同时故障导致不能检测出采集设备异常的情况,提高了检测效果。
与上述方法实施例相对应,本发明实施例还提供一种设备异常检测装置,如图3所示,包括:
获取模块301,用于获取采集设备在目标时段的第一过车数据;
对比模块302,用于将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比;
判断模块303,用于根据对比结果,判断所述第一过车数据是否异常;
确定模块304,用于根据判断模块303的判断结果,确定所述采集设备的异常检测结果。
在本实施例中,所述过车数据中包含车流量;判断模块303,可以包括:
第一判断子模块(图中未示出),用于判断所述第一过车数据中包含的第一车流量与所述第二过车数据中包含的第二车流量的差值是否符合预设规则;如果是,表示所述第一过车数据异常。
在本实施例中,所述过车数据中包含每个车道的车流量;所述第一判断子模块,具体可以用于:
针对每个车道,确定所述车道对应的第一车流量及第二车流量;
判断所述第一车流量与所述第二车流量的差值是否符合预设规则;
如果是,表示所述第一过车数据异常。
在本实施例中,对比模块302,具体可以用于:
在预先存储的历史过车数据中,查找所述采集设备在历史目标时段的第二过车数据;
滤除所述第二过车数据中的异常数据;
将所述第一过车数据与剩余第二过车数据进行对比。
在本实施例中,对比模块302,具体可以用于:
在预先存储的历史平均过车数据中,查找所述采集设备在历史目标时段的第二过车数据;其中,所述第二过车数据为所述采集设备在历史目标时段的平均过车数据;
将所述第一过车数据与所述第二过车数据进行对比。
在本实施例中,确定模块304还可以包括:获取子模块、分析子模块和第二判断子模块(图中未示出),其中,
获取子模块,用于当判断模块303判断结果为是时,获取所述目标时段下的视频数据流,所述视频数据流针对的区域与所述采集设备的采集区域一致;
分析子模块,用于分析得到所述视频数据流中的第三过车数据;
第二判断子模块,用于判断所述第三过车数据与所述第一过车数据是否匹配;如果否,确定所述采集设备异常。
在本实施例中,所述装置还可以包括:
更新模块(图中未示出),用于当判断模块303判断结果为否时、及所述第二判断子模块判断结果为是时,根据所述第一过车数据,更新所述第二过车数据。
在本实施例中,所述装置还可以包括:
发送模块(图中未示出),用于在所述确定模块确定所述采集设备异常的情况下,发送针对所述采集设备的报警信息。
应用本发明图3所示实施例,服务器根据采集设备在目标时段的第一过车数据,判断该采集设备是否异常;也就是说,本方案中,由不同于采集设备的另一设备(服务器)来确定采集设备是否异常,而不是采集设备中的检测模块检测采集设备是否异常,不会出现采集设备与检测模块同时故障导致不能检测出采集设备异常的情况,提高了检测效果。
本发明实施例还提供一种设备异常检测系统,如图1所示,包括:采集设备和服务器,其中,
所述采集设备,用于记录过车数据;
所述服务器,用于获取采集设备在目标时段的第一过车数据;将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比;根据对比结果,判断所述第一过车数据是否异常;根据判断结果,确定所述采集设备的异常检测结果。
在本实施例中,所述过车数据中包含车流量,服务器还可以用于:
判断所述第一过车数据中包含的第一车流量与所述第二过车数据中包含的第二车流量的差值是否符合预设规则;
如果是,表示所述第一过车数据异常。
在本实施例中,所述过车数据中包含每个车道的车流量;服务器还可以用于:
针对每个车道,确定所述车道对应的第一车流量及第二车流量;
判断所述第一车流量与所述第二车流量的差值是否符合预设规则;
如果是,表示所述第一过车数据异常。
在本实施例中,服务器还可以用于:
在预先存储的历史过车数据中,查找所述采集设备在历史目标时段的第二过车数据;
滤除所述第二过车数据中的异常数据;
将所述第一过车数据与剩余第二过车数据进行对比。
在本实施例中,服务器还可以用于:
在预先存储的历史平均过车数据中,查找所述采集设备在历史目标时段的第二过车数据;其中,所述第二过车数据为所述采集设备在历史目标时段的平均过车数据;
将所述第一过车数据与所述第二过车数据进行对比。
在本实施例中,服务器还可以用于:
在判断所述第一过车数据异常的情况下,获取所述目标时段下的视频数据流,所述视频数据流针对的区域与所述采集设备的采集区域一致;
分析得到所述视频数据流中的第三过车数据;
判断所述第三过车数据与所述第一过车数据是否匹配;
如果否,确定所述采集设备异常。
在本实施例中,服务器还可以用于:
在判断所述第一过车数据不异常的情况下,根据所述第一过车数据,更新所述第二过车数据;
在判断所述第三过车数据与所述第一过车数据匹配的情况下,还包括:
根据所述第一过车数据,更新所述第二过车数据。
在本实施例中,服务器还可以用于:
在确定所述采集设备异常的情况下,发送针对所述采集设备的报警信息。
本实施例提供的设备异常检测系统中的服务器可以为一台服务器,也可以为服务器集群,如图4所示,该服务器集群中可以包括数据接入服务器和异常检测服务器,其中,
所述数据接入服务器,用于获取所述采集设备在目标时段的第一过车数据;
所述异常检测服务器,用于将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比;
根据对比结果,判断所述第一过车数据是否异常;
根据判断结果,确定所述采集设备的异常检测结果。
如图5所示,上述服务器集群中还可以包括视频分析服务器,
所述视频分析服务器,用于在所述异常检测服务器判断所述第一过车数据异常的情况下,获取所述目标时段下的视频数据流,所述视频数据流针对的区域与所述采集设备的采集区域一致;分析得到所述视频数据流中的第三过车数据;
所述异常检测服务器,还用于判断所述视频分析服务器分析得到的第三过车数据与所述第一过车数据是否匹配;如果否,确定所述采集设备异常。
作为一种实施方式,该视频数据流可以为与采集设备位于同一区域的其他设备采集到的,也可以为该采集设备自身采集到的。
如图6所示,上述服务器集群中还可以包括报警服务器,
所述报警服务器,用于在所述异常检测服务器确定所述采集设备异常的情况下,发送针对所述采集设备的报警信息。
下面介绍一个具体的实施方式:
1、每当有车辆经过时,采集设备记录一次过车数据,并把记录的过车数据发送至数据接入服务器。
2、数据接入服务器把接收到的过车数据转发给异常检测服务器,异常检测服务器对接收到的过车记录进行分析、统计及存储:
统计并存储每个车道周一至周日每天对应的历史平均车流量,假设如表1所示,需要说明的是表1仅为一个具体的例子,且表1仅为针对一个采集设备的过车数据,并不对具体存储内容构成限定。
表1
可以在每天凌晨1点,对昨天一天(假设为12月12日,周一)的过车数据S(第一过车数据)与表1中存储的周一的历史平均过车数据P(第二过车数据)进行对比,具体的,可以将S中的车道1的车流量与P中的车道1的车流量进行对比,将S中的车道2的车流量与P中的车道2的车流量进行对比……根据对比结果,判断是否有哪个车道的过车数据异常。具体的对比过程前面内容已经进行过详细描述,这里不再赘述。
3、假设异常检测服务器判断车道1的第一过车数据异常时,发送视频数据流获取指令给视频分析服务器,该指令中可以携带有待检测采集设备的信息,视频分析服务器接收到该指令后,确定与该待检测采集设备位于同一区域的其他具有采集功能的设备,从所确定的设备中获取其采集的目标时段(12月12日,周一)的视频数据流。
或者,异常检测服务器也可以确定与该待检测采集设备位于同一区域的其他具有采集功能的设备,直接发送视频数据流获取指令给所确定出的设备,该设备接收到该指令后,将采集的目标时段(12月12日,周一)的视频数据流发送给视频分析服务器。
4、视频分析服务器对该视频数据流进行分析,根据分析结果,确定出车道1的车流量。
5、视频分析将分析得到的车道1的车流量反馈给异常检测服务器。
6、异常检测服务器将接收到的车道1的车流量与S中的车道1的车流量进行匹配,根据匹配结果判断采集设备是否异常。具体匹配过程前面内容已经详细描述,这里不再赘述。
7、如果异常检测服务器判断采集设备异常,则向报警服务器发送针对该采集设备的报警信息,报警服务器联动报警,如短信报警、微信报警、邮件报警、客户端报警等。
另外,如果异常检测服务器判断第一过车数据S不异常、或者判断采集设备未发生异常时,异常检测服务器可以根据该第一过车数据S,对表1中存储的历史平均车流量进行更新,具体更新过程前面内容已经详细描述,这里不再赘述。
应用本发明实施例提供的设备异常检测系统,服务器根据采集设备在目标时段的第一过车数据,判断该采集设备是否异常;也就是说,本方案中,由不同于采集设备的另一设备(服务器)来确定采集设备是否异常,而不是采集设备中的检测模块检测采集设备是否异常,不会出现采集设备与检测模块同时故障导致不能检测出采集设备异常的情况,提高了检测效果。
本发明实施例还提供了一种服务器,如图7所示,包括处理器701和存储器702,其中,
存储器702,用于存放计算机程序;
处理器701,用于执行存储器702上所存放的程序时,实现如下步骤:
获取采集设备在目标时段的第一过车数据;
将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比;
根据对比结果,判断所述第一过车数据是否异常;
根据判断结果,确定所述采集设备的异常检测结果。
上述服务器提到的存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
应用本发明图7所示实施例,服务器根据采集设备在目标时段的第一过车数据,判断该采集设备是否异常;也就是说,本方案中,由不同于采集设备的另一设备(服务器)来确定采集设备是否异常,而不是采集设备中的检测模块检测采集设备是否异常,不会出现采集设备与检测模块同时故障导致不能检测出采集设备异常的情况,提高了检测效果。
本发明实施例还提供一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,该计算机程序被处理器执行时实现如下步骤:
获取采集设备在目标时段的第一过车数据;
将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比;
根据对比结果,判断所述第一过车数据是否异常;
根据判断结果,确定所述采集设备的异常检测结果。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于计算机可读取存储介质中,这里所称得的存储介质,如:ROM/RAM、磁碟、光盘等。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (22)
1.一种设备异常检测方法,其特征在于,应用于服务器,包括:
获取采集设备在目标时段的第一过车数据;
将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比;
根据对比结果,判断所述第一过车数据是否异常;
根据判断结果,确定所述采集设备的异常检测结果。
2.根据权利要求1所述的方法,其特征在于,所述过车数据中包含车流量;
所述根据对比结果,判断所述第一过车数据是否异常的步骤,包括:
判断所述第一过车数据中包含的第一车流量与所述第二过车数据中包含的第二车流量的差值是否符合预设规则;
如果是,表示所述第一过车数据异常。
3.根据权利要求2所述的方法,其特征在于,所述过车数据中包含每个车道的车流量;
所述判断所述第一过车数据中包含的第一车流量与所述第二过车数据中包含的第二车流量的差值是否符合预设规则的步骤,包括:
针对每个车道,确定所述车道对应的第一车流量及第二车流量;
判断所述第一车流量与所述第二车流量的差值是否符合预设规则;
如果是,表示所述第一过车数据异常。
4.根据权利要求1所述的方法,其特征在于,所述将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比的步骤,包括:
在预先存储的历史过车数据中,查找所述采集设备在历史目标时段的第二过车数据;
滤除所述第二过车数据中的异常数据;
将所述第一过车数据与剩余第二过车数据进行对比。
5.根据权利要求1所述的方法,其特征在于,所述将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比的步骤,包括:
在预先存储的历史平均过车数据中,查找所述采集设备在历史目标时段的第二过车数据;其中,所述第二过车数据为所述采集设备在历史目标时段的平均过车数据;
将所述第一过车数据与所述第二过车数据进行对比。
6.根据权利要求1所述的方法,其特征在于,所述根据判断结果,确定所述采集设备的异常检测结果的步骤,包括:
在判断所述第一过车数据异常的情况下,获取所述目标时段下的视频数据流,所述视频数据流针对的区域与所述采集设备的采集区域一致;
分析得到所述视频数据流中的第三过车数据;
判断所述第三过车数据与所述第一过车数据是否匹配;
如果否,确定所述采集设备异常。
7.根据权利要求6所述的方法,其特征在于,在判断所述第一过车数据不异常的情况下,还包括:
根据所述第一过车数据,更新所述第二过车数据;
在判断所述第三过车数据与所述第一过车数据匹配的情况下,还包括:
根据所述第一过车数据,更新所述第二过车数据。
8.根据权利要求1或6所述的方法,其特征在于,在确定所述采集设备异常的情况下,还包括:
发送针对所述采集设备的报警信息。
9.一种设备异常检测装置,其特征在于,应用于服务器,包括:
获取模块,用于获取采集设备在目标时段的第一过车数据;
对比模块,用于将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比;
判断模块,用于根据对比结果,判断所述第一过车数据是否异常;如果是,触发发送模块;
确定模块,用于根据所述判断模块的判断结果,确定所述采集设备的异常检测结果。
10.根据权利要求9所述的装置,其特征在于,所述过车数据中包含车流量;所述判断模块,包括:
第一判断子模块,用于判断所述第一过车数据中包含的第一车流量与所述第二过车数据中包含的第二车流量的差值是否符合预设规则;如果是,表示所述第一过车数据异常。
11.根据权利要求10所述的装置,其特征在于,所述过车数据中包含每个车道的车流量;所述第一判断子模块,具体用于:
针对每个车道,确定所述车道对应的第一车流量及第二车流量;
判断所述第一车流量与所述第二车流量的差值是否符合预设规则;
如果是,表示所述第一过车数据异常。
12.根据权利要求9所述的装置,其特征在于,所述对比模块,具体用于:
在预先存储的历史过车数据中,查找所述采集设备在历史目标时段的第二过车数据;
滤除所述第二过车数据中的异常数据;
将所述第一过车数据与剩余第二过车数据进行对比。
13.根据权利要求9所述的装置,其特征在于,所述对比模块,具体用于:
在预先存储的历史平均过车数据中,查找所述采集设备在历史目标时段的第二过车数据;其中,所述第二过车数据为所述采集设备在历史目标时段的平均过车数据;
将所述第一过车数据与所述第二过车数据进行对比。
14.根据权利要求9所述的装置,其特征在于,所述确定模块,包括:
获取子模块,用于当所述判断模块判断结果为是时,获取所述目标时段下的视频数据流,所述视频数据流针对的区域与所述采集设备的采集区域一致;
分析子模块,用于分析得到所述视频数据流中的第三过车数据;
第二判断子模块,用于判断所述第三过车数据与所述第一过车数据是否匹配;如果否,确定所述采集设备异常。
15.根据权利要求14所述的装置,其特征在于,所述装置还包括:
更新模块,用于当所述判断模块判断结果为否时、及所述第二判断子模块判断结果为是时,根据所述第一过车数据,更新所述第二过车数据。
16.根据权利要求9或14所述的装置,其特征在于,所述装置还包括:
发送模块,用于在所述确定模块确定所述采集设备异常的情况下,发送针对所述采集设备的报警信息。
17.一种设备异常检测系统,其特征在于,所述系统包括:采集设备和服务器,其中,
所述采集设备,用于记录过车数据;
所述服务器,用于获取采集设备在目标时段的第一过车数据;将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比;根据对比结果,判断所述第一过车数据是否异常;根据判断结果,确定所述采集设备的异常检测结果。
18.根据权利要求17所述的系统,其特征在于,所述服务器包括数据接入服务器和异常检测服务器,其中,
所述数据接入服务器,用于获取所述采集设备在目标时段的第一过车数据;
所述异常检测服务器,用于将所述第一过车数据与预先存储的、所述采集设备在历史目标时段的第二过车数据进行对比;根据对比结果,判断所述第一过车数据是否异常;根据判断结果,确定所述采集设备的异常检测结果。
19.根据权利要求18所述的系统,其特征在于,所述服务器还包括视频分析服务器,
所述视频分析服务器,用于在所述异常检测服务器判断所述第一过车数据异常的情况下,获取所述目标时段下的视频数据流,所述视频数据流针对的区域与所述采集设备的采集区域一致;分析得到所述视频数据流中的第三过车数据;
所述异常检测服务器,还用于判断所述视频分析服务器分析得到的第三过车数据与所述第一过车数据是否匹配;如果否,确定所述采集设备异常。
20.根据权利要求19所述的系统,其特征在于,所述服务器还包括报警服务器,
所述报警服务器,用于在所述异常检测服务器确定所述采集设备异常的情况下,发送针对所述采集设备的报警信息。
21.一种服务器,其特征在于,包括处理器和存储器,
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-8任一所述的方法步骤。
22.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-8任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710495770.1A CN109118806A (zh) | 2017-06-26 | 2017-06-26 | 一种设备异常检测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710495770.1A CN109118806A (zh) | 2017-06-26 | 2017-06-26 | 一种设备异常检测方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109118806A true CN109118806A (zh) | 2019-01-01 |
Family
ID=64822253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710495770.1A Pending CN109118806A (zh) | 2017-06-26 | 2017-06-26 | 一种设备异常检测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109118806A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264722A (zh) * | 2019-07-03 | 2019-09-20 | 泰华智慧产业集团股份有限公司 | 信息采集设备中异常设备的筛选方法及系统 |
CN112835947A (zh) * | 2019-11-22 | 2021-05-25 | 杭州海康威视系统技术有限公司 | 目标识别方法及装置、电子设备、存储介质 |
CN116129653A (zh) * | 2023-04-17 | 2023-05-16 | 创意信息技术股份有限公司 | 卡口车辆检测方法、装置、设备及存储介质 |
CN116994441A (zh) * | 2023-09-26 | 2023-11-03 | 北京清创美科环境科技有限公司 | 一种交通流信息数据处理方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104237808A (zh) * | 2014-07-28 | 2014-12-24 | 四川大学 | 一种基于图像异常的电子警察系统补光灯故障检测方法 |
CN106528865A (zh) * | 2016-12-02 | 2017-03-22 | 航天科工智慧产业发展有限公司 | 一种快速精准的交通大数据清洗方法 |
EP2760093B1 (en) * | 2013-01-29 | 2017-04-12 | Delphi Technologies, Inc. | Power switch fault detection system |
CN106652525A (zh) * | 2016-12-23 | 2017-05-10 | 安徽达尔智能控制系统股份有限公司 | 用于电子监控设备自动巡检方法 |
-
2017
- 2017-06-26 CN CN201710495770.1A patent/CN109118806A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2760093B1 (en) * | 2013-01-29 | 2017-04-12 | Delphi Technologies, Inc. | Power switch fault detection system |
CN104237808A (zh) * | 2014-07-28 | 2014-12-24 | 四川大学 | 一种基于图像异常的电子警察系统补光灯故障检测方法 |
CN106528865A (zh) * | 2016-12-02 | 2017-03-22 | 航天科工智慧产业发展有限公司 | 一种快速精准的交通大数据清洗方法 |
CN106652525A (zh) * | 2016-12-23 | 2017-05-10 | 安徽达尔智能控制系统股份有限公司 | 用于电子监控设备自动巡检方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110264722A (zh) * | 2019-07-03 | 2019-09-20 | 泰华智慧产业集团股份有限公司 | 信息采集设备中异常设备的筛选方法及系统 |
CN112835947A (zh) * | 2019-11-22 | 2021-05-25 | 杭州海康威视系统技术有限公司 | 目标识别方法及装置、电子设备、存储介质 |
CN112835947B (zh) * | 2019-11-22 | 2024-04-02 | 杭州海康威视系统技术有限公司 | 目标识别方法及装置、电子设备、存储介质 |
CN116129653A (zh) * | 2023-04-17 | 2023-05-16 | 创意信息技术股份有限公司 | 卡口车辆检测方法、装置、设备及存储介质 |
CN116994441A (zh) * | 2023-09-26 | 2023-11-03 | 北京清创美科环境科技有限公司 | 一种交通流信息数据处理方法及系统 |
CN116994441B (zh) * | 2023-09-26 | 2023-12-12 | 北京清创美科环境科技有限公司 | 一种交通流信息数据处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109118806A (zh) | 一种设备异常检测方法、装置及系统 | |
CN111429726B (zh) | 一种监控视频违停车辆检测、管理方法及对应的系统 | |
CN104200671B (zh) | 一种基于大数据平台的虚拟卡口管理方法及系统 | |
CN105869182B (zh) | 一种停车位状态检测方法和系统 | |
CN111898581A (zh) | 动物检测方法、装置、电子设备及可读存储介质 | |
CN110956104A (zh) | 一种检测垃圾桶溢出的方法、装置及系统 | |
KR101697060B1 (ko) | 이벤트 감지 방법 및 이를 실행하는 장치 | |
CN111028503B (zh) | 一种车辆变道监测方法及装置 | |
CN111369792B (zh) | 一种交通事件的分析方法、装置及电子设备 | |
CN111275984B (zh) | 车辆检测方法、装置及服务器 | |
CN110544312A (zh) | 虚拟场景中的视频显示方法、装置、电子设备与存储装置 | |
CN113674314A (zh) | 抛洒事件检测方法、装置、电子装置和存储介质 | |
CN108574839A (zh) | 一种卡口设备异常检测方法及装置 | |
KR20210117637A (ko) | 딥러닝 기반 차량 및 인체 자동 감지용 영상 모니터링 방법 및 이를 이용한 데이터 전송 방법 | |
CN113989626B (zh) | 一种基于目标检测模型的多类别垃圾场景区分方法 | |
CN106781167B (zh) | 监测物体运动状态的方法及设备 | |
CN113190700B (zh) | 用于房产交易的人脸抓拍、筛选和存储的方法及系统 | |
CN109120916B (zh) | 摄像机故障检测方法、装置及计算机设备 | |
CN103167313A (zh) | 视频监控业务质量测试方法和系统、质量测试服务器 | |
US10810856B2 (en) | Dangerous situation detection method and apparatus using time series analysis of user behaviors | |
CN106448161A (zh) | 道路监控方法及道路监控装置 | |
KR101848367B1 (ko) | 모션벡터와 dct 계수를 이용한 메타데이터 기반 의심영상 구분식별 방식의 영상 관제 방법 | |
CN107784769B (zh) | 一种报警方法、装置及系统 | |
CN113902412A (zh) | 一种基于数据处理的环境监测方法 | |
CN101540102A (zh) | 检测车辆违法占道的装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190101 |