CN110032947B - 一种监控事件发生的方法及装置 - Google Patents

一种监控事件发生的方法及装置 Download PDF

Info

Publication number
CN110032947B
CN110032947B CN201910220514.0A CN201910220514A CN110032947B CN 110032947 B CN110032947 B CN 110032947B CN 201910220514 A CN201910220514 A CN 201910220514A CN 110032947 B CN110032947 B CN 110032947B
Authority
CN
China
Prior art keywords
preset
target object
time period
images
preset time
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.)
Active
Application number
CN201910220514.0A
Other languages
English (en)
Other versions
CN110032947A (zh
Inventor
陈海波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenlan Robot Shanghai Co ltd
Original Assignee
Deep Blue Technology Shanghai Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Deep Blue Technology Shanghai Co Ltd filed Critical Deep Blue Technology Shanghai Co Ltd
Priority to CN201910220514.0A priority Critical patent/CN110032947B/zh
Publication of CN110032947A publication Critical patent/CN110032947A/zh
Application granted granted Critical
Publication of CN110032947B publication Critical patent/CN110032947B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明实施例提供了一种监控事件发生的方法及装置，其中方法包括：获取第一预设时间段内对目标对象进行拍摄得到的视频信息后，根据视频信息得到M帧图像，并根据目标对象在每帧图像中的位置信息，确定每帧图像中目标对象是否发生预设事件，进而根据M帧图像中目标对象分别发生预设事件的图像的数量，确定目标对象是否发生预设事件。本发明实施例提供了一种基于视频信息分析监控事件是否发生的方法，通过将视频信息划分为M帧图像，可以目标对象发生预设事件的图像的数量确定目标对象是否发生预设事件，相对于现有技术中通过分析单帧图像确定监控事件是否发生的方式来说，本发明实施例提供的监控事件发生的方法更为准确。

Description

一种监控事件发生的方法及装置
技术领域
本发明涉及图像处理技术领域，尤其涉及一种监控事件发生的方法及装置。
背景技术
现阶段，随着人工智能的发展，很多待监控场合均可以安装有监控摄像头，通过分析监控摄像头拍摄得到的图像信息(包括视频或图像)，可以判断某一个时间段内被监控的场合是否发生预设事件。以监控行人是否闯红灯为例，通过在红绿灯路口安装监控摄像头，交警可以观看监控摄像头所拍摄的图像信息，在图像信息中，若行人的行进方向为红灯时行人仍在穿过十字路口，则交警可以确定行人发生闯红灯事件。然而，通过人为观看图像信息的方式监控事件发生通常需要较长的时间，且容易由于人为的失误造成监控事件判断错误，从而使得监控事件发生的准确性较低。
综上，目前亟需一种监控事件发生的方法，用以提高监控事件发生的准确性。
发明内容
本发明实施例提供一种监控事件发生的方法及装置，用以提高监控事件发生的准确性。
第一方面，本发明实施例提供的一种监控事件发生的方法，所述方法包括：
获取第一预设时间段内对目标对象进行拍摄得到的视频信息，根据所述视频信息得到M帧图像；针对于所述M帧图像中的每帧图像，根据目标对象在所述每帧图像中的位置信息，确定所述每帧图像中所述目标对象是否发生预设事件；根据所述M帧图像中所述目标对象分别发生预设事件的图像的数量，确定所述目标对象是否发生预设事件。
上述技术方案提供了一种基于视频信息分析监控事件是否发生的方法，通过对视频信息中包括的M帧图像进行分析，可以根据M帧图像中目标对象发生预设事件的图像的数量确定视频信息中目标对象是否发生预设事件，相对于现有技术中通过分析单帧图像确定监控事件是否发生的方式来说，本发明实施例提供的监控事件发生的方法更为准确；也就是说，本发明实施例中的监控事件发生的方法可以提高监控事件发生的准确性。
可选地，所述根据所述M帧图像中所述目标对象发生预设事件的图像的数量，确定所述目标对象是否发生预设事件，包括：若所述M帧图像中所述目标对象发生预设事件的图像的数量大于预设阈值，则确定所述目标对象发生预设事件。
本发明实施例中，通过设置预设阈值，可以将视频信息所包括的M帧图像中发生预设事件的图像的数量与预设阈值进行对比，从而确定视频信息中是否发生预设事件；其中，预设阈值可以根据不同的监控场合设置为不同的数值，即可以根据实际需要进行设置，从而可以使得本发明实施例中监控事件发生的方法更加符合实际情况，可适用的应用场合更多。
可选地，所述确定所述目标对象发生预设事件之前，还包括：确定所述目标对象在第二预设时间段内未发生预设事件，所述第二预设时间段为所述第一预设时间段之前的时间段。
本发明实施例中，确定第一预设时间段之前的第二预设时间段未发生预设事件，而第一预设时间段对应的视频信息中发生预设事件时，方可确定第一时间段内发生预设事件，通过将第一预设时间段和第二预设时间段的监控结果进行联合分析，可以避免重复检测同一预设事件，从而可以提高监控事件发生的准确性。
可选地，所述目标对象为车辆，所述预设事件包括以下至少一项：违规停车、遮挡号牌、超速行驶；或者，所述目标对象为行人，所述预设事件包括以下至少一项：闯红灯、行走于机动车道。
本发明实施例中，目标对象发生预设时间可以包括车辆违规行为，比如车辆违规停车、车辆遮挡号牌、车辆超速行驶等，或者也可以包括行人违规行为，比如行人闯红灯、行人行走于机动车道等，本发明实施例通过对视频信息进行监控，可以监控多种预设事件，从而应用场景更广泛。
第二方面，本发明实施例提供的一种监控事件发生的装置，所述装置包括：
获取模块，用于获取第一预设时间段内对目标对象进行拍摄得到的视频信息，并根据所述视频信息得到M帧图像；
确定模块，用于针对于所述M帧图像中的每帧图像，根据目标对象在所述每帧图像中的位置信息，确定所述每帧图像中所述目标对象是否发生预设事件；以及根据所述M帧图像中所述目标对象分别发生预设事件的图像的数量，确定所述目标对象是否发生预设事件。
可选地，所述确定模块用于：若所述M帧图像中所述目标对象发生预设事件的图像的数量大于预设阈值，则确定所述目标对象发生预设事件。
可选地，所述确定模块确定所述目标对象发生预设事件之前，还用于：确定所述目标对象在第二预设时间段内未发生预设事件，所述第二预设时间段为所述第一预设时间段之前的时间段。
可选地，所述目标对象为车辆，所述预设事件包括以下至少一项：违规停车、遮挡号牌、超速行驶；或者，所述目标对象为行人，所述预设事件包括以下至少一项：闯红灯、行走于机动车道。
第三方面，本发明实施例提供的一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如上述第一方面所述的监控事件发生的方法。
第四方面，本发明实施例提供的一种计算机程序产品，当其在计算机上运行时，使得计算机执行如上述第一方面所述的监控事件发生的方法。
本发明的这些实现方面(第一方面～第四方面)或其他方面在以下实施例的描述中会更加简明易懂。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，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一种监控事件发生的方法对应的流程示意图；
图2为本发明实施例提供的一种监控事件发生的装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
在一种可能的实现方式中，为了解决人为观看图像信息所导致的时间较长、监控事件判断错误的问题，可以采用机器识别图像的方式监控事件是否发生。具体地说，机器识别可以针对于监控摄像机拍摄得到的某一帧图像进行分析，从而确定该帧图像中行人是否发生闯红灯事件。
然而，目标对象发生预设事件可能是由连续的动作所构成，比如拥堵事件、车辆停车事件等；上述方案仅可以针对单帧图像进行分析，因此可能会使得分析单帧图像后确定目标对象并未发生预设事件，该分析结果是不准确的。
基于此，本发明实施例提供了一种监控事件发生的方法，用以提高监控事件发生的准确性。
图1为本发明实施例提供的一种监控事件发生的方法对应的流程示意图，该方法包括：
步骤101，获取第一预设时间段内对目标对象进行拍摄得到的第一视频信息，根据所述第一视频信息得到M帧图像。
本发明实施例中，可以预先在待监控场合设置监控摄像机，并可以在第一预设时间段内使用监控摄像机拍摄目标对象得到第一视频信息。其中，第一预设时间段的时长可以由本领域技术人员根据实际需要进行设置，本发明实施例对此不作限定。比如，若第一预设时间段的时长为1分钟，第一预设时间段的起始时间为10:20，则第一预设时间段可以为10:20～10:21，监控摄像机可以在10:20～10:21内拍摄目标对象得到视频，该视频的时长为1分钟。
具体实施中，获取到时长1分钟的视频后，可以从视频中提取M帧图像。其中，从视频中提取M帧图像的方式可以有多种，在一种可能的实现方式中，可以按照预设时长从视频中提取M图像。举例来说，若预设时长为1秒，则可以从时长1分钟的视频中提取60帧图像，60帧图像中任意两个相邻图像的时刻差可以为1秒。比如，第一帧图像可以为对视频处于10:20:01时进行截图得到的图像，第二十帧图像可以为对视频处于10:20:20时进行截图得到的图像，第五十帧图像可以为对视频处于10:20:50时进行截图得到的图像。
需要说明的是，上述仅是一种示例性的简单说明，其所列举的预设时长为30秒仅是为了便于说明方案，并不构成对方案的限定，在具体实施中，为保证准确性，预设时长可以远远小于1秒，比如可以为25毫秒～40毫秒，具体不作限定。若预设时长为40毫秒，则1秒时长的图像可以缓存25帧图像，若预设时长为25毫秒，则1秒时长的图像可以缓存40帧图像。
步骤102，针对于M帧图像中的每帧图像，根据目标对象在每帧图像中的位置信息，确定每帧图像中所述目标对象是否发生预设事件。
本发明实施例中，目标对象可以为机动车辆，比如车辆、电瓶车、公交车、摩托车、槽罐车、土方车、拖拉机等；或者也可以为非机动车辆，比如自行车、三轮车、手推车、残疾人轮椅车、畜力车等；或者还可以为行人。相应地，若目标对象为车辆(包括机动车辆和非机动车辆)，则目标对象发生的预设事件可以为违规停车、遮挡号牌、超速行驶、在高速道路上倒车或逆行、肇事逃逸中的任意一项或任意多项；若目标对象为行人，则目标对象发生的预设事件可以为闯红灯、行走于机动车道中的任意一项或任意多项。本发明实施例中，目标对象可以为一个对象，或者也可以为多个对象；若目标对象为多个对象，则多个对象的类型可以相同，或者也可以不同，具体不作限定。
具体实施中，针对于M帧图像中的每帧图像(比如第一图像)，可以通过使用深度学习检测模型(比如YOLO模型、SSD模型等)对第一图像进行检测，确定目标对象在第一图像中的位置信息。在一个示例中，深度学习检测模型可以在第一图像中设置检测坐标系，并通过分析目标对象在第一图像中所占的区域，将该区域所对应的坐标确定为目标对象在第一图像中的位置信息。举例说明，若目标对象为一个对象，则深度学习检测模型所确定的目标对象的位置信息可以表示为如下形式：
Classification＝“car”
Outpat1＝[classification＝car,No＝1,coord[1]＝(x1,y1)]
其中，目标对象的类型可以为车辆，目标对象的编号(即标识信息)可以为1，目标对象的坐标可以为(x1，y1)。
相应地，若目标对象为多个对象，则深度学习检测模型所确定的目标对象的位置信息可以表示为如下形式：
Outpat1＝[classification＝car,No＝1,coord[1]＝(x1,y1)]
Outpat2＝[classification＝passerby,No＝2,coord[2]＝(x2,y2)]
Outpat3＝[classification＝car,No＝3,coord[3]＝(x3,y3)]
其中，目标对象可以包括三个对象，第一个对象的类型可以为车辆，第一个对象的编号可以为1，第一个对象的坐标可以为(x1，y1)；第二个对象的类型可以为行人，第二个对象的编号可以为2，第二个对象的坐标可以为(x2，y2)；第三个对象的类型可以为车辆，第三个对象的编号可以为3，第一个对象的坐标可以为(x3，y3)。
进一步地，可以通过分析目标对象在第一图像中的位置信息，确定第一图像中目标对象否发生预设事件。以确定第一图像中车辆A是否发生违规停车事件为例，第一图像中可以包括多个预设停车位，使用深度学习检测模型对第一图像进行分析后，可以确定车辆A和多个预设停车位分别在第一图像中的位置信息，从而确定车辆A和多个预设停车位之间的位置关系；若车辆A在第一图像中停车的位置位于多个预设停车位之外，则可以确定车辆A发生违规停车事件；若车辆A在第一图像中停车的位置位于多个预设停车位之内，则可以确定车辆A未发生违规停车事件。以确定第一图像中行人B是否发生闯红灯事件为例，第一图像中的十字路口可以包括人行横道，通过使用深度学习检测模型对第一图像进行分析，可以确定行人B和人行横道分别在第一图像中的位置信息，从而可以确定行人B与人行横道之间的位置关系；若行人B的行进方向为红灯，行人B在第一图像中的位置位于人行横道之内，则可以确定行人B发生闯红灯事件；若行人B的行进方向为红灯，行人B在第一图像中的位置位于人行横道之外，则可以确定行人B未发生闯红灯事件。
上述内容具体描述了确定一个目标对象在第一图像中是否发生预设事件的实现过程，若目标对象为多个对象，则可以按照多个对象的预设顺序依次确定多个对象在第一图像中是否发生预设事件。其中，多个对象的预设顺序可以为根据用户设置的优先级确定的，或者还可以为根据多个目标对象的类型确定的，具体不作限定。比如，第一图像中包括目标对象1、目标对象2和目标对象3，若三个目标对象的优先级排序为目标对象3>目标对象1>目标对象2，则可以按照目标对象3、目标对象1、目标对象2的顺序依次确定多个对象在第一图像中是否发生预设事件。
步骤103，根据所述M帧图像中所述目标对象分别发生预设事件的图像的数量，确定所述目标对象是否发生预设事件。
本发明实施例中，从第一预设时间段(10:20～10:21)内拍摄得到的视频中提取1500帧图像后，若确定1500帧图像中目标对象发生预设事件的图像的数量大于预设阈值，则可以确定目标对象在第一预设时间段内发生预设事件；若确定1500帧图像中目标对象发生预设事件的图像的数量小于或等于预设阈值，则可以确定目标对象在第一预设时间段内未发生预设事件。
具体实施中，预设阈值可以由本领域技术人员根据经验进行设置，或者也可以根据实际情况进行确定，具体不作限定。在一个示例中，预设阈值可以根据第一预设时间段内提取的图像的数量(即1500)和本领域技术人员的经验进行设置，比如本领域技术人员设置的经验分值为3/4，则第一预设阈值可以为经验分值与图像数量的乘积(即1125)，若确定车辆A在1200帧图像中均发生违规停车事件，且在其它300帧图像中未发生违规停车事件，则可以确定车辆A在10:20～10:21的时间段内发生违规停车事件；若确定车辆A在1000帧图像中发生违规停车事件，且在其它500帧图像中未发生违规停车事件，则可以确定车辆A在10:20～10:21的时间段内未发生违规停车事件。在另一个示例中，预设阈值可以根据历史视频的执行结果进行确定，比如可以将预设阈值设置为车辆A发生违规停车事件所对应的最近一个历史时间段内的图像数量，或者也可以设置为车辆A发生违规停车事件所对应的多个历史时间段内的平均图像数量，对此不作限定。
本发明实施例中，通过设置预设阈值，可以将第一视频信息所包括的M帧图像中发生预设事件的图像的数量与预设阈值进行对比，从而确定第一视频信息中是否发生预设事件；其中，预设阈值可以根据不同的监控场合设置为不同的数值，即可以根据实际需要进行设置，从而可以使得本发明实施例中监控事件发生的方法更加符合实际情况，可适用的应用场合更多。
在一种可能的实现方式中，确定目标对象在第一预设时间段内发生预设事件之前，还可以确定目标对象在第二预设时间段(即第一预设时间段之前的时间段)内是否发生预设事件。若目标对象在第二预设时间段内未发生预设事件，而在第一预设时间段内发生预设事件，说明目标对象在第一预设时间段之前未被判定为发生预设事件，即目标对象在第一预设时间段内为初次发生预设事件，因此，可以确定目标对象发生预设事件；若目标对象在第二预设时间段内发生预设事件，说明目标对象在第一预设时间段之前已被判定为发生预设事件，因此即使目标对象在第一预设时间段内发生预设事件，也可以不作处理。
在一个示例中，若确定目标对象发生预设事件，则可以对目标对象发生预设事件进行播报。举例说明，确定车辆A在10:20～10:21的时间段内发生违规停车事件后，可以判断车辆A在10:19～10:20的时间段内是否发生违规停车事件，若确定车辆A在10:19～10:20的时间段内发生违规停车事件，则说明在10:19～10:20的时间段内已播报过车辆A的违规停车事件，因此可以无需重复播报；若确定车辆A在10:19～10:20的时间段内未发生违规停车事件，则说明车辆A在10:20～10:21的时间段内发生的违规停车事件为新的违规停车事件，因此可以播报车辆A的违规停车事件。
本发明实施例中，确定第一预设时间段之前的第二预设时间段未发生预设事件，而第一预设时间段对应的第一视频信息中发生预设事件时，方可确定第一时间段内发生预设事件，通过将第一预设时间段和第二预设时间段的监控结果进行联合分析，可以避免重复检测同一预设事件，避免重复播报同一预设事件，从而可以提高监控事件发生的准确性。
本发明实施例还可以提供一种确定目标对象在目标时间段内是否发生预设事件的方法。具体地说，获取目标时间段内对目标对象进行拍摄得到的第二视频信息后，可以将目标时间段划分为N个预设时间段，并可以根据第二视频信息得到N个预设时间段分别对应的N个视频；针对于N个预设时间段中的每个预设时间段，可以按照步骤101～步骤103的方法分析每个预设时间段对应的视频，从而确定目标对象在每个预设时间段内是否发生预设事件；进一步地，若确定目标对象在多个预设时间段的任意一个预设时间段内发生预设事件，则可以确定目标对象在目标时间段内发生预设事件，若确定目标对象在多个预设时间段内均未发生预设事件，则可以确定目标对象在目标时间段内未发生预设事件。
以确定车辆A在目标时间段10:25～10:30内是否发生违规停车事件为例，具体实施中，可以将目标时间段10:25～10:30划分为预设时间段d1～预设时间段d5，其中，预设时间段d1为10:25～10:26，预设时间段d2为10:26～10:27，预设时间段d3为10:27～10:28，预设时间段d4为10:28～10:29，预设时间段d5为10:29～10:30。进一步地，分析预设时间段d1～预设时间段d5分别对应的视频后，若确定车辆A在预设时间段d3(10:27～10:28)内发生预设事件，则可以确定车辆A在目标时间段10:25～10:30内发生违规停车事件，因此可以播报车辆A的违规停车事件；若确定车辆A在预设时间段d1～预设时间段d5内均未发生预设事件，则可以确定车辆A在目标时间段10:25～10:30内未发生违规停车事件。
本发明的上述实施例中，获取第一预设时间段内对目标对象进行拍摄得到的视频信息，根据视频信息得到M帧图像；针对于M帧图像中的每帧图像，根据目标对象在每帧图像中的位置信息，确定每帧图像中目标对象是否发生预设事件；根据M帧图像中目标对象分别发生预设事件的图像的数量，确定目标对象是否发生预设事件。本发明实施例提供了一种基于视频信息分析监控事件是否发生的方法，通过对视频信息中包括的M帧图像进行分析，可以根据M帧图像中目标对象发生预设事件的图像的数量确定视频信息中目标对象是否发生预设事件，相对于现有技术中通过分析单帧图像确定监控事件是否发生的方式来说，本发明实施例提供的监控事件发生的方法更为准确；也就是说，本发明实施例中的监控事件发生的方法可以提高监控事件发生的准确性。
针对上述方法流程，本发明实施例还提供一种消息处理的装置，该装置的具体内容可以参照上述方法实施。
图2为本发明实施例提供的一种监控事件发生的装置的结构示意图，包括：
获取模块201，用于获取第一预设时间段内对目标对象进行拍摄得到的视频信息，并根据所述视频信息得到M帧图像；
确定模块202，用于针对于所述M帧图像中的每帧图像，根据目标对象在所述每帧图像中的位置信息，确定所述每帧图像中所述目标对象是否发生预设事件；以及，根据所述M帧图像中所述目标对象分别发生预设事件的图像的数量，确定所述目标对象是否发生预设事件。
可选地，所述确定模块202用于：
若所述M帧图像中所述目标对象发生预设事件的图像的数量大于预设阈值，则确定所述目标对象发生预设事件。
可选地，所述确定模块202确定所述目标对象发生预设事件之前，还用于：
确定所述目标对象在第二预设时间段内未发生预设事件，所述第二预设时间段为所述第一预设时间段之前的时间段。
可选地，所述目标对象为车辆，所述预设事件包括以下至少一项：违规停车、遮挡号牌、超速行驶；或者，
所述目标对象为行人，所述预设事件包括以下至少一项：闯红灯、行走于机动车道。
从上述内容可以看出：本发明的上述实施例中，获取第一预设时间段内对目标对象进行拍摄得到的视频信息，根据视频信息得到M帧图像；针对于M帧图像中的每帧图像，根据目标对象在每帧图像中的位置信息，确定每帧图像中目标对象是否发生预设事件；根据M帧图像中目标对象分别发生预设事件的图像的数量，确定目标对象是否发生预设事件。本发明实施例提供了一种基于视频信息分析监控事件是否发生的方法，通过对视频信息中包括的M帧图像进行分析，可以根据M帧图像中目标对象发生预设事件的图像的数量确定视频信息中目标对象是否发生预设事件，相对于现有技术中通过分析单帧图像确定监控事件是否发生的方式来说，本发明实施例提供的监控事件发生的方法更为准确；也就是说，本发明实施例中的监控事件发生的方法可以提高监控事件发生的准确性。
基于同一发明构思，本发明实施例还提供了一种算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如上述图1实施例所示意的监控事件发生的方法。
基于同一发明构思，本发明实施例还提供了一种计算机可读存储介质，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如上述图1实施例所示意的监控事件发生的方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种监控事件发生的方法，其特征在于，所述方法包括：
获取目标时间段内对目标对象进行拍摄得到的视频信息后，将所述目标时间段划分为N个预设时间段，N为大于或等于2的整数；
确定所述N个预设时间段中的每个预设时间段内是否发生预设事件；
当存在至少一个预设时间段内发生所述预设事件时，确定所述目标时间段内发生所述预设事件，当所述N个预设时间段内都未发生所述预设事件时，确定所述目标时间段内未发生所述预设事件；
其中，通过如下方式确定所述N个预设时间段中的第一预设时间段内发生所述预设事件：
从所述视频信息中获取所述第一预设时间段内对所述目标对象进行拍摄得到的视频信息，并根据所述视频信息得到M帧图像；
针对于所述M帧图像中的每帧图像，根据所述目标对象在所述每帧图像中的位置信息，确定所述每帧图像中所述目标对象是否发生所述预设事件；
根据所述M帧图像中所述目标对象分别发生所述预设事件的图像的数量，确定所述目标对象在所述第一预设时间内是否发生所述预设事件；
当所述目标对象在所述N个预设时间段中的位于所述第一预设时间段之前的第二预设时间段内未发生所述预设事件，且在所述第一预设时间段内发生所述预设事件时，确定所述目标对象发生所述预设事件。
2.根据权利要求1所述的方法，其特征在于，所述根据所述M帧图像中所述目标对象分别发生所述预设事件的图像的数量，确定所述目标对象在所述第一预设时间内是否发生所述预设事件，包括：
若所述M帧图像中所述目标对象发生所述预设事件的图像的数量大于预设阈值，则确定所述目标对象在所述第一预设时间内发生所述预设事件。
3.根据权利要求1或2所述的方法，其特征在于：
所述目标对象为车辆，所述预设事件包括以下至少一项：违规停车、遮挡号牌、超速行驶；或者，
所述目标对象为行人，所述预设事件包括以下至少一项：闯红灯、行走于机动车道。
4.一种监控事件发生的装置，其特征在于，所述装置包括：
获取模块，用于获取目标时间段内对目标对象进行拍摄得到的视频信息后，将所述目标时间段划分为N个预设时间段，所述N为大于或等于2的整数；
确定模块，用于确定所述N个预设时间段中的每个预设时间段内是否发生预设事件，当存在至少一个预设时间段内发生所述预设事件时，确定所述目标时间段内发生所述预设事件，当所述N个预设时间段内都未发生所述预设事件时，确定所述目标时间段内未发生所述预设事件；
其中，针对于所述N个预设时间段中的第一预设时间段：
所述获取模块，具体用于从所述视频信息中获取第一预设时间段内对所述目标对象进行拍摄得到的视频信息，并根据所述视频信息得到M帧图像；
所述确定模块，具体用于针对于所述M帧图像中的每帧图像，根据所述目标对象在所述每帧图像中的位置信息，确定所述每帧图像中所述目标对象是否发生所述预设事件；以及根据所述M帧图像中所述目标对象分别发生所述预设事件的图像的数量，确定所述目标对象在所述第一预设时间内是否发生所述预设事件；当所述目标对象在所述N个预设时间段中的位于所述第一预设时间段之前的第二预设时间段内未发生所述预设事件，且在所述第一预设时间段内发生所述预设事件时，确定所述目标对象发生所述预设事件。
5.根据权利要求4所述的装置，其特征在于，所述确定模块具体用于：
若所述M帧图像中所述目标对象发生所述预设事件的图像的数量大于预设阈值，则确定所述目标对象在所述第一预设时间内发生所述预设事件。
6.根据权利要求4或5所述的装置，其特征在于：
所述目标对象为车辆，所述预设事件包括以下至少一项：违规停车、遮挡号牌、超速行驶；或者，
所述目标对象为行人，所述预设事件包括以下至少一项：闯红灯、行走于机动车道。
7.一种计算机可读存储介质，其特征在于，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1至3中任一项所述的方法。
8.一种计算机设备，其特征在于，包括：
存储器，用于存储程序指令；
处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行如权利要求1-3任一项所述的方法。
CN201910220514.0A 2019-03-22 2019-03-22 一种监控事件发生的方法及装置 Active CN110032947B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910220514.0A CN110032947B (zh) 2019-03-22 2019-03-22 一种监控事件发生的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910220514.0A CN110032947B (zh) 2019-03-22 2019-03-22 一种监控事件发生的方法及装置

Publications (2)

Publication Number Publication Date
CN110032947A CN110032947A (zh) 2019-07-19
CN110032947B true CN110032947B (zh) 2021-11-19

Family

ID=67236368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910220514.0A Active CN110032947B (zh) 2019-03-22 2019-03-22 一种监控事件发生的方法及装置

Country Status (1)

Country Link
CN (1) CN110032947B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110718067A (zh) * 2019-09-23 2020-01-21 浙江大华技术股份有限公司 违规行为告警方法及相关装置
CN111209880A (zh) * 2020-01-13 2020-05-29 南京新一代人工智能研究院有限公司 车辆行为识别方法、装置
CN111259760A (zh) * 2020-01-13 2020-06-09 南京新一代人工智能研究院有限公司 动态目标行为识别方法、装置
CN111582239A (zh) * 2020-05-28 2020-08-25 中国联合网络通信集团有限公司 一种违章监控方法和装置
CN111767850A (zh) * 2020-06-29 2020-10-13 北京百度网讯科技有限公司 突发事件的监控方法、装置、电子设备和介质
CN112551298A (zh) * 2020-12-01 2021-03-26 慧泉智能科技（苏州）有限公司 一种升降梯轿厢内电瓶车进入预警方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103000030A (zh) * 2012-11-28 2013-03-27 敖卓森 一种公交专用车道占道抓拍方法及其装置
CN103021186A (zh) * 2012-12-28 2013-04-03 中国科学技术大学 一种车辆监控的方法及系统
US20150206014A1 (en) * 2014-01-22 2015-07-23 Xerox Corporation Video-based system for automated detection of double parking violations
CN104809887A (zh) * 2015-04-23 2015-07-29 杭州中威电子股份有限公司 一种高速公路上车辆逆行检测方法与自动报警装置
CN106650668A (zh) * 2016-12-27 2017-05-10 上海葡萄纬度科技有限公司 一种实时检测可移动目标物的方法及系统
CN109446989A (zh) * 2018-10-29 2019-03-08 上海七牛信息技术有限公司 人群聚集检测方法、装置及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107609491B (zh) * 2017-08-23 2020-05-26 中国科学院声学研究所 一种基于卷积神经网络的车辆违章停车检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103000030A (zh) * 2012-11-28 2013-03-27 敖卓森 一种公交专用车道占道抓拍方法及其装置
CN103021186A (zh) * 2012-12-28 2013-04-03 中国科学技术大学 一种车辆监控的方法及系统
US20150206014A1 (en) * 2014-01-22 2015-07-23 Xerox Corporation Video-based system for automated detection of double parking violations
CN104809887A (zh) * 2015-04-23 2015-07-29 杭州中威电子股份有限公司 一种高速公路上车辆逆行检测方法与自动报警装置
CN106650668A (zh) * 2016-12-27 2017-05-10 上海葡萄纬度科技有限公司 一种实时检测可移动目标物的方法及系统
CN109446989A (zh) * 2018-10-29 2019-03-08 上海七牛信息技术有限公司 人群聚集检测方法、装置及存储介质

Also Published As

Publication number Publication date
CN110032947A (zh) 2019-07-19

Similar Documents

Publication Publication Date Title
CN110032947B (zh) 一种监控事件发生的方法及装置
CN110532916B (zh) 一种运动轨迹确定方法及装置
CN112509325B (zh) 一种基于视频深度学习的非现场违法自动甄别方法
CN110619747A (zh) 一种高速公路道路智能监控方法及系统
CN108932849B (zh) 一种记录多台机动车低速行驶违法行为的方法及装置
CN112349087B (zh) 一种基于路口信息全息感知的可视化数据输入方法
CN110942038A (zh) 基于视觉的交通场景识别方法、装置、介质及电子设备
CN113055649A (zh) 一种隧道智能视频监控方法、装置、智能终端及存储介质
CN111292530A (zh) 处理违章图片的方法、装置、服务器和存储介质
CN109948436B (zh) 一种监控道路上车辆的方法及装置
CN111768630A (zh) 一种违章废图检测方法、装置及电子设备
CN113177509B (zh) 一种倒车行为识别方法及装置
Suttiponpisarn et al. Detection of wrong direction vehicles on two-way traffic
CN109300313B (zh) 违法行为的检测方法、相机及服务器
CN110008957B (zh) 基于车牌识别和图像方差算法的小区违停告警方法
JP6681965B2 (ja) 自律走行のための学習対象イメージ抽出装置及び方法
CN114693722B (zh) 一种车辆行驶行为检测方法、检测装置及检测设备
CN111724607A (zh) 转向灯使用检测方法、装置、计算机设备和存储介质
CN115019242B (zh) 一种交通场景的异常事件检测方法、装置和处理设备
CN115394089A (zh) 一种车辆信息融合展示的方法、无感通行系统及存储介质
CN114494938A (zh) 一种非机动车行为识别方法及相关装置
CN113538968B (zh) 用于输出信息的方法和装置
CN115359443A (zh) 交通事故检测方法和装置、电子设备和存储介质
CN111914704B (zh) 一种三轮车载人的识别方法、装置、电子设备及存储介质
CN114373155A (zh) 交通行为识别方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240508

Address after: Room 6227, No. 999, Changning District, Shanghai 200050

Patentee after: Shenlan robot (Shanghai) Co.,Ltd.

Country or region after: China

Address before: Unit 1001, 369 Weining Road, Changning District, Shanghai, 200336 (9th floor of actual floor)

Patentee before: DEEPBLUE TECHNOLOGY (SHANGHAI) Co.,Ltd.

Country or region before: China