CN110139070A - 一种基于深度学习的智能环境监控方法和系统以及设备 - Google Patents

Abstract

本发明公开了一种基于深度学习的智能环境监控方法和系统以及设备。其中，所述方法包括：网络摄像机可以拍摄环境空间的影像，和监控中心可以实时由物联网采集并记录远端环境空间所在的该网络摄像机拍摄的影像，以及图像识别模块根据该监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，识别该环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果，其中，该禁止使用联网通信设备的场景包括上课或开会等场景。通过上述方式，能够实现有效监控环境。

Description

一种基于深度学习的智能环境监控方法和系统以及设备

技术领域

本发明涉及环境与通信技术领域，尤其涉及一种基于深度学习的智能环境 监控方法和系统以及设备。

背景技术

世卫组织在2018年，将“网络游戏成瘾症”正式列入精神疾病范围，相关 规定自6月19日起生效，列入第十一版《国际疾病与相关健康问题统计分类》 的精神疾病分类，与酒精、菸草、咖啡因、毒品和药物滥用并列，都是上瘾的 精神疾病，等于承认电玩成瘾是重大公共卫生议题。虽然网络成瘾并未被官方 机构列为疾病，但已经有不少人深受其害，美国也开始出现了治疗网络成瘾的 疗程和机构。OECD(Organization for Economic Co-operation and Development， 经济合作与发展组织)的一份跨国调查显示，网络游戏成瘾最严重的5个地区 都在亚洲，中国香港、韩国、中国台湾、新加坡与中国大陆。网络及智能型手 机普及率高，以及亚洲地区以升学为导向的文化背景，让青年学子容易在网络 世界宣泄压力。法国2018年9月通过行政立法的手段，强制禁止中小学生在校 内使用手机，除手机外，新法案还规定禁止使用包括平板计算机和手表在内的 所有可联网的通信设备。

现有各级各类环境一般采用摄像机进行录像录音，并于远端监控中心适当 进行监视与控制，对人员携带各类可联网的无线通信设备进入环境并使用，导 致学习或工作效能不佳，无法提供有效的协助。随著网络游戏成瘾的蔓延，各 类环境中随意使用各类可联网的无线通信设备，严重造成人员负面的学习或工 作成效，並造成教育或管理人员防不胜防的头痛问题。

现有手机信号与无线网络信号屏蔽技术，针对通信制式的不断发展，並根 据国內外移动通信实际情况，能在半径1-25米即约10-250平方米，并可根据 所需场所调节屏蔽范围内隔断各种通信类型的手机信号和无线信号，使手机无 法打出和接听，且不能发送或接受短信，也无法联网，但又不会干扰其它电子 设备工作，从而保证了场所所需的各类特性。另一方面，手机离开隔断范围， 即可恢复正常使用，且对人体无任何损害。

“CN107734301A一种用于教室的安全监控系统”的中国发明专利和“CN108594740A一种媒体教室综合监控系统”的中国发明专利，均采用常用 的在环境中的图像采集功能与各对应额外安全或监控功能，对人员携带各类可 联网的无线通信设备进入环境并使用，导致学习或工作效能不佳，无法提供有 效的解决或改善方案。

“CN107359957A手机信号屏蔽器”的中国发明专利，仅针对某部分手机 信号提出屏蔽措施，可达环境静音与安全等特性，但对全面的手机信号与无线 连网信号尚未进行全面探讨屏蔽的可能。

但是，发明人发现现有技术中至少存在如下问题：

现有的智能环境监控方案，较常采用的其中一种方案是采用常用的在环境 中的图像采集功能与各对应额外安全或监控功能，对人员携带各类可联网的无 线通信设备进入环境并使用，导致学习或工作效能不佳，无法提供有效的解决 或改善方案，较常采用的其中另一种方案是仅针对某部分手机信号提出屏蔽措 施，可达环境静音与安全等特性，但对全面的手机信号与无线连网信号尚未进 行全面探讨屏蔽的可能，综上可知，现有的智能环境监控方案无法实现有效监 控环境。

发明内容

有鉴于此，本发明的目的在于提出一种基于深度学习的智能环境监控方法 和系统以及设备，能够实现有效监控环境。

根据本发明的一个方面，提供一种基于深度学习的智能环境监控方法，包 括：

网络摄像机拍摄环境空间的影像；

监控中心实时由物联网采集并记录远端环境空间所在的所述网络摄像机拍 摄的影像；

图像识别模块根据所述监控中心实时由物联网采集并记录远端环境空间所 在的网络摄像机拍摄的影像，识别所述环境空间当前环境是否是禁止使用联网 通信设备的场景得到环境场景识别结果；其中，所述禁止使用联网通信设备的 场景包括上课或开会场景。

其中，所述图像识别模块根据所述监控中心实时由物联网采集并记录远端 环境空间所在的网络摄像机拍摄的影像，识别所述环境空间当前环境是否是禁 止使用联网通信设备的场景得到环境场景识别结果，包括：

图像识别模块根据所述监控中心实时由物联网采集并记录远端环境空间所 在的网络摄像机拍摄的影像，采用基于深度学习的算法分析方式，识别所述环 境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果。

其中，在所述图像识别模块根据所述监控中心实时由物联网采集并记录远 端环境空间所在的网络摄像机拍摄的影像，识别所述环境空间当前环境是否是 禁止使用联网通信设备的场景得到环境场景识别结果之后，还包括：

信号屏蔽模块根据所述得到的环境场景识别结果，在所述环境场景识别结 果是禁止使用联网通信设备的环境场景时，屏蔽当前环境场景对应的环境空间 的手机信号与无线网络信号。

其中，所述信号屏蔽模块根据所述得到的环境场景识别结果，在所述环境 场景识别结果是禁止使用联网通信设备的环境场景时，屏蔽当前环境场景对应 的环境空间的手机信号与无线网络信号，还包括：

信号屏蔽模块根据所述得到的环境场景识别结果，在所述环境场景识别结 果是非禁止即允许使用联网通信设备的环境场景时，关闭屏蔽当前环境场景对 应的环境空间的手机信号与无线网络信号。

根据本发明的另一个方面，提供一种基于深度学习的智能环境监控系统， 包括：

网络摄像机、监控中心和图像识别模块；

所述网络摄像机，用于拍摄环境空间的影像；

所述监控中心，用于实时由物联网采集并记录远端环境空间所在的所述网 络摄像机拍摄的影像；

所述图像识别模块，用于根据所述监控中心实时由物联网采集并记录远端 环境空间所在的网络摄像机拍摄的影像，识别所述环境空间当前环境是否是禁 止使用联网通信设备的场景得到环境场景识别结果；其中，所述禁止使用联网 通信设备的场景包括上课或开会场景。

其中，所述图像识别模块，具体用于：

根据所述监控中心实时由物联网采集并记录远端环境空间所在的网络摄像 机拍摄的影像，采用基于深度学习的算法分析方式，识别所述环境空间当前环 境是否是禁止使用联网通信设备的场景得到环境场景识别结果。

其中，所述基于深度学习的智能环境监控系统，还包括：

信号屏蔽模块，用于根据所述得到的环境场景识别结果，在所述环境场景 识别结果是禁止使用联网通信设备的环境场景时，屏蔽当前环境场景对应的环 境空间的手机信号与无线网络信号。

其中，所述信号屏蔽模块，还用于：

根据所述得到的环境场景识别结果，在所述环境场景识别结果是非禁止即 允许使用联网通信设备的环境场景时，关闭屏蔽当前环境场景对应的环境空间 的手机信号与无线网络信号。

根据本发明的又一个方面，提供一种基于深度学习的智能环境监控设备， 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任一项所述的基 于深度学习的智能环境监控方法。

根据本发明的再一个方面，提供一种计算机可读存储介质，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所述的基于深度学习的 智能环境监控方法。

可以发现，在本实施例中，网络摄像机可以拍摄环境空间的影像，和监控 中心可以实时由物联网采集并记录远端环境空间所在的该网络摄像机拍摄的影 像，以及图像识别模块根据该监控中心实时由物联网采集并记录远端环境空间 所在的网络摄像机拍摄的影像，识别该环境空间当前环境是否是禁止使用联网 通信设备的场景得到环境场景识别结果，其中，该禁止使用联网通信设备的场 景包括上课或开会等场景，能够实现有效监控环境。

进一步的，在本实施例中，图像识别模块可以根据该监控中心实时由物联 网采集并记录远端环境空间所在的网络摄像机拍摄的影像，采用基于深度学习 的算法分析方式，识别该环境空间当前环境是否是禁止使用联网通信设备的场 景得到环境场景识别结果，能够实现采用基于深度学习的算法分析方式，识别 该环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结 果，提高场景识别的准确率。

进一步的，在本实施例中，信号屏蔽模块可以根据该得到的环境场景识别 结果，在该环境场景识别结果是禁止使用联网通信设备的环境场景时，屏蔽当 前环境场景对应的环境空间的手机信号与无线网络信号，这样的好处是能够有 效改善该环境空间中人员的学习或工作效能。

进一步的，在本实施例中，信号屏蔽模块可以根据该得到的环境场景识别 结果，在该环境场景识别结果是非禁止即允许使用联网通信设备的环境场景时， 关闭屏蔽当前环境场景对应的环境空间的手机信号与无线网络信号，这样的好 处是能够兼具人性化，劳逸结合，进一步改善该环境空间中人员的学习或工作 效能。

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是本发明基于深度学习的智能环境监控方法一实施例的流程示意图；

图2是本发明基于深度学习的智能环境监控方法另一实施例的流程示意 图；

图3是本发明基于深度学习的智能环境监控系统一实施例的结构示意图；

图4是本发明基于深度学习的智能环境监控系统另一实施例的结构示意 图；

图5是本发明基于深度学习的智能环境监控设备一实施例的结构示意图。

具体实施方式

下面结合附图和实施例，对本发明作进一步的详细描述。特别指出的是， 以下实施例仅用于说明本发明，但不对本发明的范围进行限定。同样的，以下 实施例仅为本发明的部分实施例而非全部实施例，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它实施例，都属于本发明保护的范围。

本发明提供一种基于深度学习的智能环境监控方法，能够实现有效监控环 境。

请参见图1，图1是本发明基于深度学习的智能环境监控方法一实施例的 流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图1 所示的流程顺序为限。如图1所示，该方法包括如下步骤：

S101：网络摄像机拍摄环境空间的影像。

S102：监控中心实时由物联网采集并记录远端环境空间所在的该网络摄像 机拍摄的影像。

S103：图像识别模块根据该监控中心实时由物联网采集并记录远端环境空 间所在的网络摄像机拍摄的影像，识别该环境空间当前环境是否是禁止使用联 网通信设备的场景得到环境场景识别结果；其中，该禁止使用联网通信设备的 场景包括上课或开会等场景。

其中，该图像识别模块根据该监控中心实时由物联网采集并记录远端环境 空间所在的网络摄像机拍摄的影像，识别该环境空间当前环境是否是禁止使用 联网通信设备的场景得到环境场景识别结果，可以包括：

图像识别模块根据该监控中心实时由物联网采集并记录远端环境空间所在 的网络摄像机拍摄的影像，采用基于深度学习的算法分析方式，识别该环境空 间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果，能够 实现采用基于深度学习的算法分析方式，识别该环境空间当前环境是否是禁止 使用联网通信设备的场景得到环境场景识别结果，提高场景识别的准确率。

在本实施例中，深度学习源于人工神经网络研究，是含有多隐层多层感知 器的一种深度学习结构。深度学习可通过组合低层特征形成更加抽象的高层表 示属性类别或特征，以发现数据的分布式特征表示。深度学习是机器学习中一 种基于对数据进行表征学习的方法。观测值例如一幅图像可以使用多种方式来 表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的 区域等。而使用某些特定的表示方法更容易从实例中学习任务例如人脸识别或 面部表情识别。

在本实施例中，深度学习是机器学习研究中的一个新的领域，其动机在于 建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例 如图像，声音和文本。深度学习源于人工神经网络研究，是含有多隐层多层感 知器的一种深度学习结构。深度学习可通过组合低层特征形成更加抽象的高层 表示属性类别或特征，以发现数据的分布式特征表示。深度学习是机器学习中 一种基于对数据进行表征学习的方法。观测值例如一幅图像可以使用多种方式 来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状 的区域等。而使用某些特定的表示方法更容易从实例中学习任务例如人脸识别 或面部表情识别。

在本实施例中，该环境场景识别结果可以是正处于上课或开会禁止使用联 网通信设备的环境场景，也可以是处于下课或自由讨论允许使用联网通信设备 的环境场景，本发明不加以限定。

其中，在该图像识别模块根据该监控中心实时由物联网采集并记录远端环 境空间所在的网络摄像机拍摄的影像，识别该环境空间当前环境是否是禁止使 用联网通信设备的场景得到环境场景识别结果之后，还可以包括：

信号屏蔽模块根据该得到的环境场景识别结果，在该环境场景识别结果是 禁止使用联网通信设备的环境场景时，屏蔽当前环境场景对应的环境空间的手 机信号与无线网络信号，这样的好处是能够有效改善该环境空间中人员的学习 或工作效能。

可以发现，在本实施例中，网络摄像机可以拍摄环境空间的影像，和监控 中心可以实时由物联网采集并记录远端环境空间所在的该网络摄像机拍摄的影 像，以及图像识别模块根据该监控中心实时由物联网采集并记录远端环境空间 所在的网络摄像机拍摄的影像，识别该环境空间当前环境是否是禁止使用联网 通信设备的场景得到环境场景识别结果，其中，该禁止使用联网通信设备的场 景包括上课或开会等场景，能够实现有效监控环境。

进一步的，在本实施例中，图像识别模块可以根据该监控中心实时由物联 网采集并记录远端环境空间所在的网络摄像机拍摄的影像，采用基于深度学习 的算法分析方式，识别该环境空间当前环境是否是禁止使用联网通信设备的场 景得到环境场景识别结果，能够实现采用基于深度学习的算法分析方式，识别 该环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结 果，提高场景识别的准确率。

请参见图2，图2是本发明基于深度学习的智能环境监控方法另一实施例 的流程示意图。本实施例中，该方法包括以下步骤：

S201：网络摄像机拍摄环境空间的影像。

S202：监控中心实时由物联网采集并记录远端环境空间所在的该网络摄像 机拍摄的影像。

S203：图像识别模块根据该监控中心实时由物联网采集并记录远端环境空 间所在的网络摄像机拍摄的影像，识别该环境空间当前环境是否是禁止使用联 网通信设备的场景得到环境场景识别结果；其中，该禁止使用联网通信设备的 场景包括上课或开会等场景。

可如上S103所述，在此不作赘述。

S204：信号屏蔽模块根据该得到的环境场景识别结果，在该环境场景识别 结果是禁止使用联网通信设备的环境场景时，屏蔽当前环境场景对应的环境空 间的手机信号与无线网络信号。

其中，该信号屏蔽模块根据该得到的环境场景识别结果，在该环境场景识 别结果是禁止使用联网通信设备的环境场景时，屏蔽当前环境场景对应的环境 空间的手机信号与无线网络信号，还可以包括：

信号屏蔽模块根据该得到的环境场景识别结果，在该环境场景识别结果是 非禁止即允许使用联网通信设备的环境场景时，关闭屏蔽当前环境场景对应的 环境空间的手机信号与无线网络信号，这样的好处是能够兼具人性化，劳逸结 合，进一步改善该环境空间中人员的学习或工作效能。

可以发现，在本实施例中，信号屏蔽模块可以根据该得到的环境场景识别 结果，在该环境场景识别结果是禁止使用联网通信设备的环境场景时，屏蔽当 前环境场景对应的环境空间的手机信号与无线网络信号，这样的好处是能够有 效改善该环境空间中人员的学习或工作效能。

进一步的，在本实施例中，信号屏蔽模块可以根据该得到的环境场景识别 结果，在该环境场景识别结果是非禁止即允许使用联网通信设备的环境场景时， 关闭屏蔽当前环境场景对应的环境空间的手机信号与无线网络信号，这样的好 处是能够兼具人性化，劳逸结合，进一步改善该环境空间中人员的学习或工作 效能。

本发明还提供一种基于深度学习的智能环境监控系统，能够实现准确防止 机器人碰撞到操作人员。

请参见图3，图3是本发明基于深度学习的智能环境监控系统一实施例的 结构示意图。该基于深度学习的智能环境监控系统30包括网络摄像机31、监 控中心32和图像识别模块33。

该网络摄像机31，用于拍摄环境空间的影像。

该监控中心32，用于实时由物联网采集并记录远端环境空间所在的该网络 摄像机31拍摄的影像。

该图像识别模块33，用于根据该监控中心32实时由物联网采集并记录远 端环境空间所在的网络摄像机31拍摄的影像，识别该环境空间当前环境是否是 禁止使用联网通信设备的场景得到环境场景识别结果；其中，该禁止使用联网 通信设备的场景包括上课或开会等场景。

可选地，该图像识别模块33，可以具体用于：

根据该监控中心32实时由物联网采集并记录远端环境空间所在的网络摄 像机31拍摄的影像，采用基于深度学习的算法分析方式，识别该环境空间当前 环境是否是禁止使用联网通信设备的场景得到环境场景识别结果。

请参见图4，图4是本发明基于深度学习的智能环境监控系统另一实施例 的结构示意图。区别于上一实施例，本实施例所述基于深度学习的智能环境监 控系统40还包括：信号屏蔽模块41。

该信号屏蔽模块41，用于根据该得到的环境场景识别结果，在该环境场景 识别结果是禁止使用联网通信设备的环境场景时，屏蔽当前环境场景对应的环 境空间的手机信号与无线网络信号。

可选地，该信号屏蔽模块41，还用于：

根据该得到的环境场景识别结果，在该环境场景识别结果是非禁止即允许 使用联网通信设备的环境场景时，关闭屏蔽当前环境场景对应的环境空间的手 机信号与无线网络信号。

该基于深度学习的智能环境监控系统30/40的各个单元模块可分别执行上 述方法实施例中对应步骤，故在此不对各单元模块进行赘述，详细请参见以上 对应步骤的说明。

本发明又提供一种基于深度学习的智能环境监控设备，如图5所示，包括： 至少一个处理器51；以及，与至少一个处理器51通信连接的存储器52；其中， 存储器52存储有可被至少一个处理器51执行的指令，指令被至少一个处理器 51执行，以使至少一个处理器51能够执行上述的基于深度学习的智能环境监 控方法。

其中，存储器52和处理器51采用总线方式连接，总线可以包括任意数量 的互联的总线和桥，总线将一个或多个处理器51和存储器52的各种电路连接 在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其 他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一 步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也 可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其 他装置通信的单元。经处理器51处理的数据通过天线在无线介质上进行传输， 进一步，天线还接收数据并将数据传送给处理器51。

处理器51负责管理总线和通常的处理，还可以提供各种功能，包括定时， 外围接口，电压调节、电源管理以及其他控制功能。而存储器52可以被用于存 储处理器51在执行操作时所使用的数据。

本发明再提供一种计算机可读存储介质，存储有计算机程序。计算机程序 被处理器执行时实现上述方法实施例。

可以发现，在本实施例中，网络摄像机可以拍摄环境空间的影像，和监控 中心可以实时由物联网采集并记录远端环境空间所在的该网络摄像机拍摄的影 像，以及图像识别模块根据该监控中心实时由物联网采集并记录远端环境空间 所在的网络摄像机拍摄的影像，识别该环境空间当前环境是否是禁止使用联网 通信设备的场景得到环境场景识别结果，其中，该禁止使用联网通信设备的场 景包括上课或开会等场景，能够实现有效监控环境。

进一步的，在本实施例中，图像识别模块可以根据该监控中心实时由物联 网采集并记录远端环境空间所在的网络摄像机拍摄的影像，采用基于深度学习 的算法分析方式，识别该环境空间当前环境是否是禁止使用联网通信设备的场 景得到环境场景识别结果，能够实现采用基于深度学习的算法分析方式，识别 该环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结 果，提高场景识别的准确率。

进一步的，在本实施例中，信号屏蔽模块可以根据该得到的环境场景识别 结果，在该环境场景识别结果是禁止使用联网通信设备的环境场景时，屏蔽当 前环境场景对应的环境空间的手机信号与无线网络信号，这样的好处是能够有 效改善该环境空间中人员的学习或工作效能。

进一步的，在本实施例中，信号屏蔽模块可以根据该得到的环境场景识别 结果，在该环境场景识别结果是非禁止即允许使用联网通信设备的环境场景时， 关闭屏蔽当前环境场景对应的环境空间的手机信号与无线网络信号，这样的好 处是能够兼具人性化，劳逸结合，进一步改善该环境空间中人员的学习或工作 效能。

在本发明所提供的几个实施方式中，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方式仅仅是示 意性的，例如，模块或单元的划分，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。

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 来实现本实施方式方案的目的。

另外，在本发明各个实施方式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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的 形式实现。

集成的单元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全部或部分 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)或处理器(processor)执行本发明各个实施方式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 各种可以存储程序代码的介质。

以上所述仅为本发明的部分实施例，并非因此限制本发明的保护范围，凡 是利用本发明说明书及附图内容所作的等效装置或等效流程变换，或直接或间 接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于深度学习的智能环境监控方法，其特征在于，包括：

网络摄像机拍摄环境空间的影像；

监控中心实时由物联网采集并记录远端环境空间所在的所述网络摄像机拍摄的影像；

图像识别模块根据所述监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，识别所述环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果；其中，所述禁止使用联网通信设备的场景包括上课或开会场景。

2.如权利要求1所述的基于深度学习的智能环境监控方法，其特征在于，所述图像识别模块根据所述监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，识别所述环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果，包括：

图像识别模块根据所述监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，采用基于深度学习的算法分析方式，识别所述环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果。

3.如权利要求1所述的基于深度学习的智能环境监控方法，其特征在于，在所述图像识别模块根据所述监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，识别所述环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果之后，还包括：

信号屏蔽模块根据所述得到的环境场景识别结果，在所述环境场景识别结果是禁止使用联网通信设备的环境场景时，屏蔽当前环境场景对应的环境空间的手机信号与无线网络信号。

4.如权利要求3所述的基于深度学习的智能环境监控方法，其特征在于，所述信号屏蔽模块根据所述得到的环境场景识别结果，在所述环境场景识别结果是禁止使用联网通信设备的环境场景时，屏蔽当前环境场景对应的环境空间的手机信号与无线网络信号，还包括：

信号屏蔽模块根据所述得到的环境场景识别结果，在所述环境场景识别结果是非禁止即允许使用联网通信设备的环境场景时，关闭屏蔽当前环境场景对应的环境空间的手机信号与无线网络信号。

5.一种基于深度学习的智能环境监控系统，其特征在于，包括：

网络摄像机、监控中心和图像识别模块；

所述网络摄像机，用于拍摄环境空间的影像；

所述监控中心，用于实时由物联网采集并记录远端环境空间所在的所述网络摄像机拍摄的影像；

所述图像识别模块，用于根据所述监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，识别所述环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果；其中，所述禁止使用联网通信设备的场景包括上课或开会场景。

6.如权利要求5所述的基于深度学习的智能环境监控系统，其特征在于，所述图像识别模块，具体用于：

根据所述监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，采用基于深度学习的算法分析方式，识别所述环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果。

7.如权利要求5所述的基于深度学习的智能环境监控系统，其特征在于，所述基于深度学习的智能环境监控系统，还包括：

信号屏蔽模块，用于根据所述得到的环境场景识别结果，在所述环境场景识别结果是禁止使用联网通信设备的环境场景时，屏蔽当前环境场景对应的环境空间的手机信号与无线网络信号。

8.如权利要求7所述的基于深度学习的智能环境监控系统，其特征在于，所述信号屏蔽模块，还用于：

根据所述得到的环境场景识别结果，在所述环境场景识别结果是非禁止即允许使用联网通信设备的环境场景时，关闭屏蔽当前环境场景对应的环境空间的手机信号与无线网络信号。

9.一种基于深度学习的智能环境监控设备，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如权利要求1至4中任一项所述的基于深度学习的智能环境监控方法。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的基于深度学习的智能环境监控方法。