CN109671234A - 一种监控设备的报警方法及装置 - Google Patents

Abstract

本发明实施例提供了一种监控设备的报警方法及装置，用于在前端监控设备中增加智能化报警功能。该报警方法包括：在视频采集端采集监控音频，并对采集到的监控音频进行识别，在识别出监控音频包含第一预设关键词时，进入预报警模式，在进入预报警模式之后的设定时间阈值内未识别出监控音频包含第二预设关键词时，向服务器发送报警信息，其中报警信息包括第一预设关键词。直接利用监控现场的监控设备进行实时监听，并使用语音识别技术进行处理，向服务器发送报警信息，避免了声音数据需要发送到服务器端进行处理，浪费网络流量，并且在传输过程中可能出现的用户隐私的泄露。

Description

一种监控设备的报警方法及装置

技术领域

本发明涉及安防技术领域，特别涉及一种监控设备的报警方法及装置。

背景技术

视频监控系统在维护社会稳定方面起着重要的作用，报警是安防监控应用中的一个非常重要的环节，随着深度学习技术的在安防行业的应用，通过语音识别的方式出发报警信息成为可能。

现有的安防监控设备，对采集到的声音数据一般处理仅仅局限于对声音数据的压缩，不能在监控设备前端进行智能化识别，需要将声音数据发送到服务器端进行处理。

发明内容

有鉴于此，本发明实施例提供了一种监控设备的报警方法及装置，用于在前端监控设备中增加智能化报警功能。

本发明的一个方面提供一种监控设备的报警方法，包括：在视频采集端采集监控音频，并对采集到的监控音频进行识别；在监控音频包含第一预设关键词时，进入预报警模式；在进入预报警模式之后的设定时间阈值内未识别出监控音频包含第二预设关键词时，向服务器发送报警信息，其中报警信息包括第一预设关键词。

本发明一实施例中，在进入预设报警模式之后的设定时间阈值内识别出监控音频包含第二预设关键词时，退出预报警模式，并继续执行在视频采集端采集监控音频的步骤。

本发明一实施例中，对采集到的监控音频进行识别包括：对监控音频中的声纹数据进行识别，用于识别监控音频中的预设声源对象；在根据声纹数据确定监控音频为预设声源对象的语音时，对监控音频中的预设声源对象的语音进行识别。

本发明一实施例中，监控音频中的预设声源对象的声纹数据从视频采集端或服务器获得或被更新；第一预设关键词从视频采集端或服务器获得或被更新。

本发明一实施例中，对采集到的监控音频进行识别，包括：利用机器学习对监控音频进行语音识别，得到语音识别结果；确定语言识别结果是否与所述第一预设关键词匹配。

本发明一实施例中，不同的第一预设关键词对应于不同的报警级别，其中，向服务器发送报警信息，包括：以不同的报警级别向服务器发送不同的第一预设关键词作为报警信息。

本发明一实施例中，用第一预设关键词对应的不同的警报级别从视频采集端或服务器配置。

本发明一实施例中，服务器反馈进入预报警模式。

本发明的另一个方面提供一种监控设备的报警装置，包括：

获取模块，用于在视频采集端采集监控音频，并对采集到的监控音频进行识别。

预报警模块，用于在监控音频包含第一预设关键词时，进入预报警模式。

发送模块，用于在进入预报警模式之后的设定时间阈值内未识别出监控音频包含第二预设关键词时，向服务器发送报警信息，其中报警信息包括第一预设关键词。

本发明的另一个方面提供一种监控设备的报警装置，包括处理器和存储器，其中：

所述存储器用于存储如上所述的任一项的监控设备的报警方法的程序。

所述处理器用于执行所述程序。

本发明实施例提供的一种监控设备的报警方法和装置，通过直接利用监控现场的监控设备进行实时监听，并对采集到的声音数据使用语音识别技术进行识别，在识别出监控音频包含第一预设关键词时，进入预报警模式，在进入预报警模式之后的设定时间阈值内未识别出监控音频包含第二预设关键词时，向服务器发送报警信息，避免了声音数据需要发送到服务器端进行处理，浪费网络流量，并且在传输过程中可能出现的用户隐私的泄露。

附图说明

图1为本发明实施例的一种监控设备的报警方法的流程图。

图2为本发明一实施例所提供的监控设备的报警方法的流程示意图。

图3为本发明实施例的一种监控设备的报警装置结构图。

图4为本发明实施例的一种监控设备的计算机装置的框图。

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。

附图中的步骤编号仅用于作为该步骤的附图标记，不表示执行顺序。

图1为本发明实施例的一种监控设备的报警方法的流程图。如图1所示包括：

步骤110：在视频采集端采集监控音频，并对采集到的监控音频进行识别。

使用音频采集设备对监控环境的声音数据进行采集，音频采集设备可以采用麦克风或麦克风阵列。

利用基于深度学习的语音识别技术，对监控环境的声音数据过滤噪声，进行识别。

步骤120：在所述监控音频包含第一预设关键词时，进入预报警模式。

具体地，第一预设关键词可以是多个，包括词语、词语的组合或者句子。例如可以是，“东京今天下雨了”、“今天心情真好”等特定的词语。用户可能由于受到挟持或者是在不便于直接说出求助、求救的语言的前提下，按照预先约定好的暗语进行报警。监控装置识别出的包含在接收到的声音数据中特定的第一预设关键词，作为向服务器发送报警信息的触发条件。第一预设关键词可以存储在监控设备端或者服务器端。

在某种场合下，监控环境中可能没有发生危险情况，第一预设关键词有可能是用户无意发出或者在对情况做出错误判断情况下发出。如果一旦识别到第一预设关键词就向服务器发送报警信息，有可能会产生误报警的情况，造成警力资源的浪费。所以，可以在识别出监控音频包含第一预设关键词时，先进入预报警模式。

步骤130：在进入预报警模式之后的设定时间阈值内未识别出监控音频包含第二预设关键词时，向服务器发送报警信息，其中报警信息包括第一预设关键词。

第二预设关键词也可以是多个，包括词语、词语的组合或者句子，例如可以是，“东京的雨停了”、“明天继续加油”等特定的词句。第二预设关键词可以是经过预先约定设置，存储在监控设备端或者服务器端的存储空间内部。

设置一个最大响应时间段，在这个时间阈值内，并没有识别出用于接触报警模式的第二预设关键词，则在到达的时间阈值向服务器发送报警信息，服务器进行相应，通知后台工作人员。

本发明实施例提供的监控设备的报警方法通过直接利用监控现场的监控设备进行实时监听，并对采集到的声音数据使用语音识别技术进行识别，在识别出监控音频包含第一预设关键词时，进入预报警模式，在进入预报警模式之后的设定时间阈值内未识别出监控音频包含第二预设关键词时，向服务器发送报警信息，避免了声音数据需要发送到服务器端进行处理，浪费网络流量，并且在传输过程中可能出现的用户隐私的泄露。

在本发明一实施例中，在进入预报警模式之后的设定时间阈值内识别出监控音频包含第二预设关键词时，退出预报警模式，并继续执行在视频采集端采集监控音频的步骤。

相反的，如果在识别出第一预设关键词、监控设备进入预报警模式之后的设定时间阈值内，又识别出声音数据中包含了用于解除预报警模式的第二预设关键词，就说明用户不存在危险，不需要报警，则退出预报警模式，继续执行监控现场的监听模式，采集视频监控端的音频。

在前端监控设备处识别声音数据中的第一预设关键词作为触发报警的信号，以及声音数据中用于取消报警的第二预设关键词防止误报警，大大减轻后台服务器的压力，进一步的，还可以降低误报警的可能性。

在本发明一实施例中，对采集到的监控音频进行识别，包括：对监控音频中的声纹数据进行识别，用于识别监控音频中的预设声源对象；在根据声纹数据确定监控音频为预设声源对象的语音时，对监控音频中的预设声源对象的语音进行识别。

预先采集当前用户的声纹数据作为预设声源对象，预设声源对象可以是多个，由用户自行设置，并将预设声源对象的声纹数据存储在服务器端或者监控设备端。

声纹是人的生物个性特征，用电声学仪器显示的携带言语信息的声波频谱，具有特定性、相对稳定性。在现场采集到的声音数据，有可能来自不同的声源对象。为了避免发生误报警，对声源对象的身份进行识别，保证只有当前用户发出的报警信号可以触发报警，即限定声音数据中来自预设声源对象的第一预设关键词和/或第二预设关键词才作为发送报警信息/取消发送报警信息的依据。

对采集到的监控音频进行声纹识别，得到声纹识别结果来确定监控音频是否包含特定说话人。将监控音频中的声纹数据与存储的预设声源对象的声纹数据进行比对，当确定为预设声源对象的身份时，其语言词汇中包含的第一预设关键词才会触发报警。是为了进一步的减少发生误报警的可能，避免警力资源的浪费。

在本发明一实施例中，监控音频中的预设声源对象的声纹数据从视频采集端或服务器获得或被更新；第一预设关键词从视频采集端或服务器获得或被更新。

当用户成员发生变化，即可以触发报警的声源对象发生了变化时，预设声源对象的声纹数据也需要随之更新。用户可以自行将增加的声源对象的声音数据上传至后台服务器或者视频采集端的存储空间内部，服务器或者视频采集端对声源对象的声音数据进行识别，并将预设声源对象的声纹数据存储于后台服务器或者存储在视频采集端的存储空间内部，以实现预设声源对象的声纹数据的更新。

第一预设关键词可以由服务器设置，也可以由用户设置，存储于后台服务器或者存储在视频采集端的存储空间。同时用户可以自行对第一预设关键词进行自主设置，例如替换、删减等编辑更新。

第一预设关键词可以根据用户需要更新，使得用户的使用更加灵活、便捷，也使得安防系统的防护更加有效。

可以理解的是，第二预设关键词的所有设置、更新以及存储方式，与第一预设关键词的方法类似，在此不再赘述。

在本发明一实施例中，对采集到的监控音频进行识别，包括：利用机器学习对监控音频进行语音识别，得到语音识别结果；确定语言识别结果是否与所述第一预设关键词匹配。

具体地，语音识别技术是使得机器通过识别和理解过程把语音信号转变为相应的文本或命令的技术。

例如，可以采用DTW算法，即：把整个单词作为识别单元，利用模板匹配法进行识别。在训练阶段，用户将词汇表中的每一个单词说一遍，提取特征后作为一个模板，存入模板库。在识别阶段，对一个新来的需要识别的词，也同样提取特征，然后采用DTW算法和模板库中的每一个模板进行匹配，计算距离。求出最短距离也就是最相似的那个就是识别出来的字了。

也可以结合基于LSTM(Long Sort Term Memory，长短时记忆网络)的循环神经网络，使得模型具有长时记忆的能力，结合对话上下文进行准确的语义理解，得到语音识别结果。

对采集到的监控音频进行语音识别，得到语音识别结果来确定监控音频是否包含特定关键词。

在本发明一实施例中，不同的第一预设关键词对应于不同的报警级别，其中，向服务器发送报警信息，包括；以不同的报警级别向服务器发送不同的第一预设关键词作为报警信息。

多个第一预设关键词除了用于触发监控设备端向服务器发送报警信息，还可以根据情况，由用户自行配置不同的第一预设关键词对应于不同的报警等级，存储在后台服务器或者监控设备端。

比如，服务器收到报警等级较低的报警信息，可以向用户终端发送警告信息，提示用户注意所监控现场是否发生意外；服务器收到报警等级较高的报警信息，表示当前用户遭遇险情，服务器可以将报警信息发出的位置，报警类型等参数报告给指挥中心。指挥中心可以根据报警信息的级别，按照应急预案采取应对措施，进一步提高了报警准确率和指挥中心响应的效率，避免人员以及财产损失。

在本发明一实施例中，用第一预设关键词对应的不同的警报级别从视频采集端或服务器配置。

不同的第一预设关键词对应于不同的报警级别，具体的对应方法可以与第一预设关键词类似，在视频采集端或者服务器进行存储、设置或更新。

在本发明一实施例中，视频采集端反馈进入预报警模式。

当视频采集端采集识别出监控音频包含第一预设关键词，进入预报警模式时，视频采集端还可以通过提示音或者灯光、震动等方式，向用户反馈已进入预报警模式。用户收到反馈，可以根据实际情况判定是否需要处理取消预报警模式或采取进一步的报警措施。

可以理解的，当视频采集端在预设的时间阈值内未识别到监控音频包含第二预设关键词，或者视频采集端未收到用户主动发起的取消报警指令，在到达时间阈值后立即向后台服务器发送报警信息。后台服务器接收报警信息，做出快速相应，并向视频采集端发送成功报警的信息。

视频采集端接收后台服务器发送的成功报警的信息，可以通过提示音或者灯光、震动等方式，向用户反馈成功报警。用户收到反馈，可以根据实际情况判采取进一步措施。

进一步的，当视频采集端在预设的时间阈值内未识别到监控音频包含第二预设关键词，或者视频采集端未收到用户主动发起的取消报警指令，在到达时间阈值后立即向后台服务器发送报警信息。后台服务器接收报警信息，做出快速相应，并向视频采集端发送成功报警的信息。

视频采集端接收后台服务器发送的成功报警的信息，可以通过提示音或者灯光、震动等方式，向用户反馈成功报警。用户收到反馈，可以根据实际情况判采取进一步措施。

图2为本发明一实施例所提供的监控设备的报警方法的流程示意图。如图2所示，该报警方法可包括如下步骤：

步骤210：声音采集。

使用音频采集设备对监控环境的声音信号进行采集。

步骤220：语音识别。

用于利用机器学习对监控音频进行语音识别，得到语音识别结果；确定语言识别结果是否与所述第一预设关键词匹配。

利用基于深度学习的语音识别技术，对监控环境的数字声音信号过滤噪声，对数字声音信号中出现的用户的语言、词语进行识别，看是否包括预设的第一关键词和/或第二关键词。

步骤230：声纹识别。

对监控音频中的声纹数据进行识别，用于识别监控音频中的预设声源对象，在根据声纹数据确定监控音频为预设声源对象的语音时，对监控音频中的预设声源对象的语音进行识别。

将监控音频中的声纹数据与存储的预设声源对象的声纹数据进行比对，确定声音信号中来自预设声源对象的语言文字中包含的第一预设关键词和/或第二预设关键词才作为触发报警/解除报警的依据。

步骤240：报警发送。

将监控音频中的声纹数据与存储的预设声源对象的声纹数据进行比对，确定声音信号中来自预设声源对象的语言文字中包含的第一预设关键词，进入预报警模式。

视频采集端进入预报警模式时，可以向用户反馈已进入预报警模式。用户收到反馈，可以根据实际情况判定是否需要取消预报警模式。

在进入预报警模式之后的设定时间阈值内未识别出监控音频包含第二预设关键词时，向服务器发送报警信息。

报警信息包括第一预设关键词，不同的第一预设关键词对应于不同的报警级别。服务器可以将报警信息发出的位置，报警类型等参数报告给指挥中心。指挥中心可以根据报警信息的级别，按照应急预案采取应对措施。

在进入预报警模式之后的设定时间阈值内识别出监控音频包含第二预设关键词时，退出预报警模式，并继续执行在视频采集端采集监控音频的步骤。

图3为本发明实施例的一种监控设备的报警装置结构图，如图3所示该装置包括：

采集模块310，用于在视频采集端采集监控音频，并对采集到的监控音频进行识别。

发送模块350，用于在识别出监控音频包含第一预设关键词时，向服务器发送报警信息。

预报警模块330，用于在监控音频包含第一预设关键词时，进入预报警模式。

发送模块350还用于在进入预报警模式之后的设定时间阈值内未识别出监控音频包含第二预设关键词时，向服务器发送报警信息，其中报警信息包括第一预设关键词。

预报警模块330还用于在进入预设报警模式之后的设定时间阈值内识别出监控音频包含第二预设关键词时，退出所述预报警模式。

识别模块320包括：

第一识别模块：对监控音频中的声纹数据进行识别，用于识别监控音频中的预设声源对象，在根据声纹数据确定监控音频为预设声源对象的语音时，对监控音频中的预设声源对象的语音进行识别。

第二识别模块：用于利用机器学习对监控音频进行语音识别，得到语音识别结果；对语音识别结果进行文字转化，得到文字转化结果；确定文字识别结果是否与第一预设关键词匹配。

状态指示模块340，用于提示视频采集端设备进入预报警模式。

状态指示模块340还用于提示视频采集端设备报警成功。

图4为本发明实施例的一种监控设备的计算机装置的框图。

参照图4，装置400包括处理组件410，其进一步包括一个或多个处理器，以及由存储器420所代表的存储器资源，用于存储可由处理组件410的执行的指令，例如应用程序。存储器420中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件410被配置为执行指令，以执行上述监控设备的报警方法。

装置400还可以包括一个电源组件被配置为执行装置400的电源管理，一个有线或无线网络接口被配置为将装置400连接到网络，和一个输入输出(I/O)接口。装置400可以操作基于存储在存储器420的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

一种非临时性计算机可读存储介质，当存储介质中的指令由上述装置400的处理器执行时，使得上述装置400能够执行一种监控设备的报警方法，包括：在视频采集端采集监控音频，并对所述采集到的监控音频进行识别；在识别出监控音频包含第一预设关键词时，向服务器发送报警信息。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再做过多描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为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单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序校验码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种监控设备的报警方法，其特征在于，包括：

在视频采集端采集监控音频，并对所述采集到的监控音频进行识别；

在所述监控音频包含第一预设关键词时，进入预报警模式；

在进入预报警模式之后的设定时间阈值内未识别出所述监控音频包含第二预设关键词时，向服务器发送报警信息，其中所述报警信息包括所述第一预设关键词。

2.根据权利要求1所述的报警方法，其特征在于，还包括：

在进入预设报警模式之后的设定时间阈值内识别出所述监控音频包含所述第二预设关键词时，退出所述预报警模式，并继续执行所述在视频采集端采集监控音频的步骤。

3.根据权利要求1或2所述的报警方法，其特征在于，所述对所述采集到的监控音频进行识别，包括：

对所述监控音频中的声纹数据进行识别，用于识别所述监控音频中的预设声源对象；

在根据所述声纹数据确定所述监控音频为所述预设声源对象的语音时，对所述监控音频中的预设声源对象的语音进行识别。

4.根据权利要求3所述的报警方法，其特征在于，所述监控音频中的预设声源对象的声纹数据从所述视频采集端或服务器获得或被更新；

所述第一预设关键词从所述视频采集端或服务器获得或被更新。

5.根据权利要求1或2所述的报警方法，其特征在于，所述对所述采集到的监控音频进行识别，包括：

利用机器学习对所述监控音频进行语音识别，得到语音识别结果；

确定所述语言识别结果是否与所述第一预设关键词匹配。

6.根据权利要求1或2所述的报警方法，其特征在于，不同的第一预设关键词对应于不同的报警级别，

其中，所述向服务器发送报警信息，包括：

以不同的报警级别向所述服务器发送所述不同的第一预设关键词作为所述报警信息。

7.根据权利要求6所述的报警方法，其特征在于，所述用第一预设关键词对应的不同的警报级别从所述视频采集端或所述服务器配置。

8.根据权利要求1或2所述的报警方法，其特征在于，还包括：

反馈进入所述预报警模式。

9.一种监控设备的报警装置，包括：

获取模块，用于在视频采集端采集监控音频，并对所述采集到的监控音频进行识别

预报警模块，用于在所述监控音频包含第一预设关键词时，进入预报警模式；

发送模块，用于在进入预报警模式之后的设定时间阈值内未识别出所述监控音频包含第二预设关键词时，向服务器发送报警信息，其中所述报警信息包括所述第一预设关键词。

10.一种监控设备的报警装置，包括处理器和存储器，其中：

所述存储器用于存储权利要求1至8任一监控设备的报警方法的程序；

所述处理器用于执行所述程序。