CN111010544A - 配电房监控方法、装置、计算机设备和存储介质 - Google Patents
配电房监控方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111010544A CN111010544A CN201911311759.0A CN201911311759A CN111010544A CN 111010544 A CN111010544 A CN 111010544A CN 201911311759 A CN201911311759 A CN 201911311759A CN 111010544 A CN111010544 A CN 111010544A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- power distribution
- distribution room
- image frame
- monitored
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 360
- 238000009826 distribution Methods 0.000 title claims abstract description 217
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 25
- 238000012806 monitoring device Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000005070 sampling Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000002955 isolation Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及一种配电房监控方法、装置、计算机设备和存储介质。所述方法包括:接收与边缘计算设备关联的摄像头所拍摄的配电房监控视频;所述配电房监控视频包括监控图像帧;当在监控图像帧中检测到监控对象时,从监控图像帧中提取包含监控对象的区域,得到监控区域;识别监控区域的区域背景;根据区域背景,对配电房进行安全告警。采用本方法能够提高配电房监控安全告警的可靠性。
Description
技术领域
本申请涉及智能监控技术领域,特别是涉及一种配电房监控方法、配电房监控装置、计算机设备和存储介质。
背景技术
配电房即分配电能的房间,可以起到保护、计量、分配电能的作用,配电房内部通常配备有进线柜、计量柜、出线柜、联络柜、隔离柜等设备。配电房设备的安全、稳定运行,对人们日常生活和生产具有重要作用。因此,需要对配电房的安全隐患进行监控。传统的配电房监控方法是将配电房监控视频上传到云端,通过在云端进行云计算来保障配电房的安全运维。
然而,基于云计算的监控方法难以及时发现配电房安全隐患,针对安全隐患进行告警容易存在滞后,进而导致告警可靠性较低。
因此,传统的配电房监控方法存在安全告警可靠性较低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种配电房监控方法、一种配电房监控装置、一种计算机设备和一种计算机可读存储介质。
一种配电房监控方法,所述配电房监控方法应用于边缘计算设备,所述方法包括:
接收与所述边缘计算设备关联的摄像头所拍摄的配电房监控视频;所述配电房监控视频包括监控图像帧;
当在所述监控图像帧中检测到监控对象时,从所述监控图像帧中提取包含所述监控对象的区域,得到监控区域;
识别所述监控区域的区域背景;
根据所述区域背景,对所述配电房进行安全告警。
在其中一个实施例中,所述方法还包括:
当根据多个连续监控图像帧,检测到所述监控图像帧中有移动物体时,判定在所述监控图像帧中检测到所述监控对象;
将所述移动物体作为所述监控对象。
在其中一个实施例中,所述从所述监控图像帧中提取包含所述监控对象的区域,得到监控区域,包括:
确定所述监控对象在所述监控图像帧中的位置,得到监控对象位置;
以所述监控对象位置为中心,截取所述监控图像帧中包含所述监控对象的区域,得到所述监控区域。
在其中一个实施例中,所述识别所述监控区域的区域背景,包括:
在所述监控区域中,将所述监控对象以外的区域作为所述区域背景。
在其中一个实施例中,所述区域背景中包含所述配电房的配电房设备;所述根据所述区域背景,对所述配电房进行安全告警,包括:
从所述区域背景中提取所述配电房设备的设备轮廓;
在所述区域背景中截取包含所述设备轮廓的图像,得到所述配电房设备;
通过配电房设备分类器,识别所述配电房设备的设备类型;所述设备类型包括告警设备;
当所述配电房设备的设备类型为所述告警设备时,对所述配电房进行安全告警。
在其中一个实施例中,所述根据所述区域背景,对所述配电房进行安全告警,还包括:
通过监控区间分类器,识别所述区域背景所处的配电房监控区间;所述配电房监控区间包括告警区间;
当所述区域背景处于所述告警区间时,对所述配电房进行安全告警。
在其中一个实施例中,所述方法还包括:
当通过监控图像帧分类器,识别出所述监控图像帧中存在所述监控对象时,判定在所述监控图像帧中检测到所述监控对象。
一种配电房监控装置,所述配电房监控装置为边缘计算装置,所述装置包括:
接收模块,用于接收与所述设备关联的摄像头所拍摄的配电房监控视频;所述配电房监控视频包括监控图像帧;
区域提取模块,用于当在所述监控图像帧中检测到监控对象时,从所述监控图像帧中提取包含所述监控对象的区域,得到监控区域;
识别模块,用于识别所述监控区域的区域背景;
告警模块,用于根据所述区域背景,对所述配电房进行安全告警。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
接收与所述边缘计算设备关联的摄像头所拍摄的配电房监控视频;所述配电房监控视频包括监控图像帧;
当在所述监控图像帧中检测到监控对象时,从所述监控图像帧中提取包含所述监控对象的区域,得到监控区域;
识别所述监控区域的区域背景;
根据所述区域背景,对所述配电房进行安全告警。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
接收与所述边缘计算设备关联的摄像头所拍摄的配电房监控视频;所述配电房监控视频包括监控图像帧;
当在所述监控图像帧中检测到监控对象时,从所述监控图像帧中提取包含所述监控对象的区域,得到监控区域;
识别所述监控区域的区域背景;
根据所述区域背景,对所述配电房进行安全告警。
上述配电房监控方法、配电房监控装置、计算机设备和计算机可读存储介质,通过摄像头拍摄并发送配电房监控视频,并通过与摄像头相关联的边缘计算设备接收配电房监控视频,可以将与安全告警相关的视频处理本地化,提高安全告警的实时性,进而提高安全告警的可靠性;边缘计算设备从监控视频的监控图像帧中检测监控对象,当检测到监控对象时,从监控图像帧中提取包含监控对象的区域,得到监控区域,便于后续针对监控区域进行图像处理,降低处理复杂度,减少处理时间;边缘计算设备识别监控区域的区域背景,并根据区域背景对所述配电房进行安全告警,可以根据区域背景确定是否需要进行安全告警,提高安全告警的可靠性。
附图说明
图1是一个实施例的一种配电房监控方法的流程示意图;
图2是一个实施例的一种配电房监控方法的应用环境图;
图3是一个实施例的一种配电房监控方法的正样本加负样本分类器示意图;
图4是一个实施例的另一种配电房监控方法的流程示意图;
图5是一个实施例的一种配电房监控装置的结构框图;
图6是一个实施例的一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种配电房监控方法。本实施例提供的配电房监控方法,可以应用于如图2所示的应用环境中。在该应用环境中,包括摄像头终端201和边缘计算服务器202,其中,摄像头终端201可以但不限于是各种具有图像和视频采集功能的摄像机、录像机、个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备;边缘计算服务器202可以但不限于是各种具有边缘计算功能的个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。
本实施例中的一种配电房监控方法,以该方法应用于图2中的边缘计算服务器202为例进行说明,包括以下步骤:
步骤S110,接收与边缘计算设备关联的摄像头所拍摄的配电房监控视频。
其中,边缘计算设备为具有边缘计算功能的设备,可以为边缘计算服务器202。
其中,配电房监控视频由多帧图像组成,每帧图像为一个监控图像帧。
具体实现中,可以在配电房内安装一个或多个摄像头终端201,通过摄像头终端201拍摄配电房内需要监控的区域。例如,可以将摄像头终端201安装在配电房天花板上、且能够拍摄到配电房内重要配电设备的位置,以便摄像头终端201可以拍摄到重要配电设备周围是否有人出现。摄像头终端201与边缘计算设备相关联,可以通过Wi-Fi、移动通信网络(4G、5G等)和以太网将监控视频发送至边缘计算服务器202,边缘计算服务器202在接收到监控视频后,可以对监控视频进行存储和数据处理。
进一步地,上述配电房监控视频还可以包括开关柜指示灯状态、分合闸状态和设备台账标示。
步骤S120,当在监控图像帧中检测到监控对象时,从监控图像帧中提取包含监控对象的区域,得到监控区域。
其中,监控对象为对配电房安全存在潜在威胁的对象,可以为非工作人员,或者非法闯入配电房的人。
其中,监控区域为从监控图像帧中截取的一块区域,其中包含监控对象,以便后续识别监控对象过程中降低算法复杂度。
具体实现中,可以通过检测监控图像帧中是否有移动物体,来检测监控图像帧中是否有监控对象。在检测移动物体时,边缘计算服务器202可以根据监控视频的视频流速率设置视频图像帧采集速率,按照采集速率采集监控视频中的多个连续监控图像帧,并对其中相邻的监控图像帧进行比较,当相比于前一监控图像帧,当前监控图像帧中的部分区域存在整体上的位置移动时,判定当前监控视频中存在监控对象,且上述移动区域为相应的监控对象。例如,通过将前一监控图像帧与当前监控图像帧相重叠,可以检测到相比于前一监控图像帧,当前监控图像帧中有一人形区域存在位置移动,据此判定前一监控图像帧和当前监控图像帧中存在监控对象,且上述人形区域为监控对象。进一步地,通过多个连续监控图像帧执行上述过程,可以提高监控对象检测的准确性。
在监控图像帧中检测到监控对象后,可以确定监控对象在监控图像帧中的位置,即监控对象位置。具体地,边缘计算服务器202可以从监控图像帧中提取监控对象轮廓,并对监控对象轮廓进行采样,用{(xi,yi),i=1,2,…,N}表示监控对象轮廓的采样点集合,其中包含N个采样点,(xi,yi)表示第i个采样点在当前监控图像帧中的坐标,根据监控对象轮廓的采样点集合,可以计算监控对象位置(x0,y0),具体计算公式为:
在得到监控对象位置后,可以根据监控对象位置从监控图像帧中截取监控区域,以便后续数据处理过程中可以仅对监控区域进行处理,简化算法复杂度。具体地,可以以监控对象位置为中心,从监控图像帧中截取一块区域作为监控区域,监控区域中需包含全部监控对象,并且可以包含监控对象的背景。例如,可以以监控对象位置(x0,y0)为中心,在监控图像帧中截取一块矩形区域作为监控区域,矩形区域中包含监控对象轮廓的全部采样点,并且可以包含监控对象的背景(例如,监控对象周围的进线柜、计量柜、出线柜、联络柜、隔离柜等设备)。
步骤S130,识别监控区域的区域背景。
其中,区域背景为监控区域中监控对象的背景。
具体实现中,边缘计算服务器202可以根据监控对象轮廓从监控区域中识别监控对象,即将监控对象轮廓以及轮廓内部区域作为监控对象,则监控区域中监控对象以外的区域为区域背景。例如,在一块矩形的监控区域中检测到一个人形的对象轮廓,则在监控区域中,人形轮廓及其内部区域为监控对象,其余的部分为区域背景。
步骤S140,根据区域背景,对配电房进行安全告警。
具体实现中,边缘计算服务器202可以从区域背景中提取配电房设备的设备轮廓,并根据设备轮廓所在的位置,从区域背景中截取部分图像,得到配电房设备的设备图像,将设备图像输入配电房设备分类器,可以识别与该设备图像相对应的配电房设备的设备类型。其中,配电房设备分类器用于对配电房设备的设备类型进行分类,可以为正样本加负样本分类器。其中,设备类型包括不妨碍配电房安全的安全设备类型,以及对配电房安全存在潜在威胁的告警设备类型。配电房设备分类器在识别出设备类型后,若设备类型为告警设备类型时,则指示告警器发出告警。
例如,通过边缘计算服务器202从区域背景中提取配电房设备的设备轮廓,其中设备轮廓可以位于区域背景的左下角,这表示区域背景左下角有配电房设备,区域背景的其他部分可能为配电房墙壁。因此,通过设备轮廓可以定位配电房设备位于区域背景左下角,在区域背景左下角截取一个包含全部设备轮廓的矩形区域,可以将矩形区域作为设备图像。通过配电房设备分类器对矩形图像进行识别,可以判断相应的配电房设备的设备类型。
上述配电房监控方法,通过摄像头拍摄并发送配电房监控视频,并通过与摄像头相关联的边缘计算设备接收配电房监控视频,可以将与安全告警相关的视频处理本地化,提高安全告警的实时性,进而提高安全告警的可靠性;边缘计算设备从监控视频的监控图像帧中检测监控对象,当检测到监控对象时,从监控图像帧中提取包含监控对象的区域,得到监控区域,便于后续针对监控区域进行图像处理,降低处理复杂度,减少处理时间;边缘计算设备识别监控区域的区域背景,并根据区域背景对配电房进行安全告警,可以根据区域背景确定是否需要进行安全告警,提高安全告警的可靠性。
在一个实施例中,上述配电房监控方法,可以还包括:当根据多个连续监控图像帧,检测到监控图像帧中有移动物体时,判定在监控图像帧中检测到监控对象;将移动物体作为监控对象。
具体实现中,可以通过检测监控图像帧中是否有移动物体,来检测监控图像帧中是否有监控对象。在检测移动物体时,边缘计算服务器可以根据监控视频的视频流速率设置视频图像帧采集速率,按照采集速率采集监控视频中的多个连续监控图像帧,并对其中相邻的监控图像帧进行比较,当相比于前一监控图像帧,当前监控图像帧中的部分区域存在整体上的位置移动时,判定监控视频中存在监控对象,且上述移动区域为相应的监控对象。
例如,通过将前一监控图像帧与当前监控图像帧相重叠,可以检测到相比于前一监控图像帧,当前监控图像帧中有一人形区域存在位置移动,据此判定前一监控图像帧和当前监控图像帧中存在监控对象,且上述人形区域为监控对象。进一步地,通过多个连续监控图像帧执行上述过程,可以提高监控对象检测的准确性。
上述方法通过在多个连续监控图像帧中检测移动物体,来检测监控图像帧中的监控对象,并将移动物体作为监控对象,能够降低监控对象识别的复杂度。
在一个实施例中,上述步骤S120,可以具体包括:确定监控对象在监控图像帧中的位置,得到监控对象位置;以监控对象位置为中心,截取监控图像帧中包含监控对象的区域,得到监控区域。
具体实现中,在监控图像帧中检测到监控对象后,可以确定监控对象在监控图像帧中的位置,即监控对象位置。具体地,边缘计算服务器可以从监控图像帧中提取监控对象轮廓,并对监控对象轮廓进行采样,用{(xi,yi),i=1,2,…,N}表示监控对象轮廓的采样点集合,其中包含N个采样点,(xi,yi)表示第i个采样点在当前监控图像帧中的坐标,根据监控对象轮廓的采样点集合,可以计算监控对象位置(x0,y0),具体计算公式为:
在得到监控对象位置后,可以根据监控对象位置从监控图像帧中截取监控区域,以便后续数据处理过程中可以仅对监控区域进行处理,简化算法复杂度。具体地,可以以监控对象位置为中心,从监控图像帧中截取一块区域作为监控区域,监控区域中需包含全部监控对象,并且可以包含监控对象的背景。例如,可以以监控对象位置(x0,y0)为中心,在监控图像帧中截取一块矩形区域作为监控区域,矩形区域中包含监控对象轮廓的全部采样点,并且可以包含监控对象的背景(例如,监控对象周围的进线柜、计量柜、出线柜、联络柜、隔离柜等设备)。
上述方法确定监控对象在监控图像帧中的监控对象位置,并根据监控对象位置在监控图像帧中截取监控区域,能够降低后续监控数据处理的复杂度和运算时间。
在一个实施例中,上述步骤S130,可以具体包括:在监控区域中,将监控对象以外的区域作为区域背景。
具体实现中,边缘计算服务器可以根据监控对象轮廓从监控区域中识别监控对象,即将监控对象轮廓以及轮廓内部区域作为监控对象,则监控区域中监控对象以外的区域为区域背景。例如,在一块矩形的监控区域中检测到一个人形的对象轮廓,则在监控区域中,人形轮廓及其内部区域为监控对象,其余的部分为区域背景。
上述方法将监控对象以外的监控区域作为区域背景,便于在后续的处理过程中,通过区域背景识别监控对象是否处于告警区域,进而提高配电房安全告警的可靠性。
在一个实施例中,上述步骤S140,可以具体包括:从区域背景中提取配电房设备的设备轮廓;在区域背景中截取包含设备轮廓的图像,得到配电房设备;通过配电房设备分类器,识别配电房设备的设备类型;设备类型包括告警设备;当配电房设备的设备类型为告警设备时,对配电房进行安全告警。
其中,配电房设备分类器为通过对配电房设备图像进行分类,得到配电房设备类型的分类器,配电房设备分类器可以为正样本加负样本分类器。
其中,设备类型包括安全设备和告警设备,安全设备为不妨碍配电房安全的的设备,告警设备为对配电房安全存在潜在威胁的设备。
具体实现中,边缘计算服务器可以从区域背景中提取配电房设备的设备轮廓,并根据设备轮廓所在的位置,从区域背景中截取部分图像,得到配电房设备的设备图像,将设备图像输入配电房设备分类器。配电房设备分类器在识别出设备类型后,若设备类型为告警设备类型时,则指示告警器发出告警。
例如,通过边缘计算服务器从区域背景中提取配电房设备的设备轮廓,其中设备轮廓可以位于区域背景的左下角,这表示区域背景左下角有配电房设备,区域背景的其他部分可能为配电房墙壁。因此,通过设备轮廓可以定位配电房设备位于区域背景左下角,在区域背景左下角截取一个包含全部设备轮廓的矩形区域,可以将矩形区域作为设备图像。通过配电房设备分类器对矩形图像进行识别,可以识别出矩形图像中的配电房设备为开关柜,进而判断开关柜为告警设备,此时边缘计算服务器指示告警器发出告警。
上述方法通过从区域背景中提取配电房设备的设备轮廓,可以确定配电房设备在区域背景中的位置;通过在区域背景中截取包含设备轮廓的图像得到配电房设备,可以降低后续配电房设备识别的复杂度和运算时间;通过配电房设备分类器,识别配电房设备的设备类型,可以准确识别监控对象周围是否为告警设备;当配电房设备的设备类型为告警设备时,对配电房进行安全告警,可以在监控对象处于告警设备附近时,及时发出告警,进而提高配电房安全告警的可靠性。
在一个实施例中,上述步骤S140,还可以具体包括:通过监控区间分类器,识别区域背景所处的配电房监控区间;配电房监控区间包括告警区间;当区域背景处于告警区间时,对配电房进行安全告警。
其中,监控区间分类器为通过对区域背景进行分类,得到配电房监控区间的分类器,监控区间分类器可以为正样本加负样本分类器。
其中,配电房监控区间为配电房中摄像头视野范围内的一块区域。
其中,告警区间为告警设备所在的一块配电房区域。
具体实现中,边缘计算服务器在识别出区域背景后,将区域背景输入监控区间分类器,监控区间分类器可以识别出区域背景所处的配电房监控区间,若区域背景处于告警区间,则指示告警器发出告警。例如,边缘计算服务器将区域背景输入监控区间分类器,可以识别出区域背景所处的监控区间为开关柜监控区间,基于预先设置,开关柜监控区间为告警区间,此时边缘计算服务器指示告警器发出告警。
上述方法通过监控区间分类器识别区域背景所处的配电房监控区间,当区域背景处于告警区间时,对配电房进行安全告警,可以在监控对象处于告警设备附近时,及时发出告警,进而提高配电房安全告警的可靠性。
在一个实施例中,上述配电房监控方法,还可以具体包括:当通过监控图像帧分类器,识别出监控图像帧中存在监控对象时,判定在监控图像帧中检测到监控对象。
其中,监控图像帧分类器为通过对监控图像帧进行分类,得到监控图像帧中是否有监控对象的分类器,监控图像帧分类器可以为正样本加负样本分类器。
具体实现中,边缘计算服务器将监控图像帧输入监控图像帧分类器,监控图像帧分类器,可以识别出监控图像帧中是否存在监控对象,当识别出监控图像帧中存在监控对象时,判定在监控图像帧中能够检测到监控对象,进而可以根据检测到的监控对象,提取监控区域,识别监控区域背景,以及根据区域背景进行安全告警。
上述方法通过监控图像分类起识别监控图像帧中是否存在监控对象,当存在监控对象时,判定在监控图像帧中检测到监控对象,能够提高监控对象识别的可靠性。
为了便于本领域技术人员深入理解本申请实施例,以下将结合图3和图4的具体示例进行说明。
在一个实施例中,如图3所示,提供了一种配电房监控方法的正样本加负样本分类器示意图。其中,当正样本加负样本分类器为配电房设备分类器时,正样本可以为包含配电房设备的图像,负样本可以为不包含配电房设备的图像;当正样本加负样本分类器为监控区间分类器时,正样本可以为包含配电房设备的监控区间图像,负样本可以为不包含配电房设备的监控区间图像;当正样本加负样本分类器为监控图像帧分类器时,正样本可以为包含监控对象的图像,负样本可以为不包含监控对象的图像。在提取出正样本特征和负样本特征后,分别对正样本和负样本加标签,根据标签对正样本加负样本分类器进行训练,得到分类因子,将监控图像帧或截取的部分监控图像帧输入分类器,根据算得的结果是否超过预设阈值,可以对监控图像帧或部分监控图像帧进行分类。
在一个实施例中,如图4所示,提供了另一种配电房监控方法的流程示意图。该方法通过摄像头拍摄监控视频,摄像头与边缘计算设备相关联,并将视频流数据输入边缘计算设备。边缘计算设备根据视频流的速率(帧率)设置监控图像帧的采集速率,并以该采集速率从监控视频中采集监控图像帧。对于采集到的一个监控图像帧,可以通过正样本加负样本分类器识别监控图像帧中是否有监控对象,例如,监控图像帧中是否有人员闯入,以及监控图像帧中的开关柜指示灯状态、分合闸状态和设备台帐标示。若无人员闯入,则不进行告警;若有人员闯入,则将闯入人员作为监控对象,识别监控对象在监控图像帧中的位置,并从监控图像帧中截取一个包含监控对象的局部区域,通过对局部区域进行识别,判断是否需要针对局部区域进行告警,例如,在局部区域,若监控对象的背景中包含开关柜,则表示闯入人员位于开关柜附近,存在安全隐患,需要进行告警。当不需要告警时,边缘计算设备保存监控图像帧和监控视频,并以XML(eXtensible Markup Language,可扩展标记语言)格式进行保存;当需要告警时,边缘计算设备除了保存监控图像帧和监控视频,还对监控图像进行渲染、标记,并发出告警信息。
上述方法可以应用于基于嵌入式系统的智能电房人工智能边缘计算单元,该单元主要由ARM+GPU、接口模块、网络模块等模块组成,通过CPU、AI加速芯片内存复用技术可实现深度学习内存零拷贝,提供丰富的标准硬件接口,完美适配各类产品和外形规格,该单元支持壁挂式部署或桌面式部署,占用空间较小;由于采用了CPU+AI(ArtificialIntelligence,人工智能)加速芯片的架构,能效是当今最先进的桌面级CPU的25倍以上,计算速度更快、推理能力更强,借助AI模块强大的运算功能,该单元能够在边缘设备上运行大型深度神经网络,计算准确性更高、功耗更小(功耗约7.5瓦),且能够在配电房中长期稳定运行。由于采用边缘计算设备,能够将与配电房安全相关的计算本地化,保证安全告警的实时性和稳定性,从硬件上确保配电房安全管理。
应该理解的是,虽然图1、图3和图4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1、图3和图4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种配电房监控装置500,包括:接收模块501、区域提取模块502、识别模块503和告警模块504,其中:
接收模块501,用于接收与设备关联的摄像头所拍摄的配电房监控视频;
区域提取模块502,用于当在监控图像帧中检测到监控对象时,从监控图像帧中提取包含监控对象的区域,得到监控区域;
识别模块503,用于识别监控区域的区域背景;
告警模块504,用于根据区域背景,对配电房进行安全告警。
在一个实施例中,上述配电房监控装置500,还用于当根据多个连续监控图像帧,检测到监控图像帧中有移动物体时,判定在监控图像帧中检测到监控对象;将移动物体作为监控对象。
在一个实施例中,区域提取模块502,还用于确定监控对象在监控图像帧中的位置,得到监控对象位置;以监控对象位置为中心,截取监控图像帧中包含监控对象的区域,得到监控区域。
在一个实施例中,识别模块503,还用于在监控区域中,将监控对象以外的区域作为区域背景。
在一个实施例中,告警模块504,还用于从区域背景中提取配电房设备的设备轮廓;在区域背景中截取包含设备轮廓的图像,得到配电房设备;通过配电房设备分类器,识别配电房设备的设备类型;设备类型包括告警设备;当配电房设备的设备类型为告警设备时,对配电房进行安全告警。
在一个实施例中,告警模块504,还用于通过监控区间分类器,识别区域背景所处的配电房监控区间;配电房监控区间包括告警区间;当区域背景处于告警区间时,对配电房进行安全告警。
在一个实施例中,上述配电房监控装置500,还用于当通过监控图像帧分类器,识别出监控图像帧中存在监控对象时,判定在监控图像帧中检测到监控对象。
关于配电房监控装置的具体限定可以参见上文中对于配电房监控方法的限定,在此不再赘述。上述配电房监控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
上述提供的配电房监控装置可用于执行上述任意实施例提供的配电房监控方法,具备相应的功能和有益效果。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种空气传感器的室内定位方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
接收与边缘计算设备关联的摄像头所拍摄的配电房监控视频;配电房监控视频包括监控图像帧;
当在监控图像帧中检测到监控对象时,从监控图像帧中提取包含监控对象的区域,得到监控区域;
识别监控区域的区域背景;
根据区域背景,对配电房进行安全告警。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当根据多个连续监控图像帧,检测到监控图像帧中有移动物体时,判定在监控图像帧中检测到监控对象;将移动物体作为监控对象。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:确定监控对象在监控图像帧中的位置,得到监控对象位置;以监控对象位置为中心,截取监控图像帧中包含监控对象的区域,得到监控区域。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:在监控区域中,将监控对象以外的区域作为区域背景。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:从区域背景中提取配电房设备的设备轮廓;在区域背景中截取包含设备轮廓的图像,得到配电房设备;通过配电房设备分类器,识别配电房设备的设备类型;设备类型包括告警设备;当配电房设备的设备类型为告警设备时,对配电房进行安全告警。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:通过监控区间分类器,识别区域背景所处的配电房监控区间;配电房监控区间包括告警区间;当区域背景处于告警区间时,对配电房进行安全告警。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:当通过监控图像帧分类器,识别出监控图像帧中存在监控对象时,判定在监控图像帧中检测到监控对象。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收与边缘计算设备关联的摄像头所拍摄的配电房监控视频;配电房监控视频包括监控图像帧;
当在监控图像帧中检测到监控对象时,从监控图像帧中提取包含监控对象的区域,得到监控区域;
识别监控区域的区域背景;
根据区域背景,对配电房进行安全告警。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当根据多个连续监控图像帧,检测到监控图像帧中有移动物体时,判定在监控图像帧中检测到监控对象;将移动物体作为监控对象。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:确定监控对象在监控图像帧中的位置,得到监控对象位置;以监控对象位置为中心,截取监控图像帧中包含监控对象的区域,得到监控区域。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:在监控区域中,将监控对象以外的区域作为区域背景。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:从区域背景中提取配电房设备的设备轮廓;在区域背景中截取包含设备轮廓的图像,得到配电房设备;通过配电房设备分类器,识别配电房设备的设备类型;设备类型包括告警设备;当配电房设备的设备类型为告警设备时,对配电房进行安全告警。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:通过监控区间分类器,识别区域背景所处的配电房监控区间;配电房监控区间包括告警区间;当区域背景处于告警区间时,对配电房进行安全告警。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:当通过监控图像帧分类器,识别出监控图像帧中存在监控对象时,判定在监控图像帧中检测到监控对象。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种配电房监控方法,其特征在于,所述配电房监控方法应用于边缘计算设备,所述方法包括:
接收与所述边缘计算设备关联的摄像头所拍摄的配电房监控视频;所述配电房监控视频包括监控图像帧;
当在所述监控图像帧中检测到监控对象时,从所述监控图像帧中提取包含所述监控对象的区域,得到监控区域;
识别所述监控区域的区域背景;
根据所述区域背景,对所述配电房进行安全告警。
2.根据权利要求1所述的配电房监控方法,其特征在于,所述方法还包括:
当根据多个连续监控图像帧,检测到所述监控图像帧中有移动物体时,判定在所述监控图像帧中检测到所述监控对象;
将所述移动物体作为所述监控对象。
3.根据权利要求1所述的方法,其特征在于,所述从所述监控图像帧中提取包含所述监控对象的区域,得到监控区域,包括:
确定所述监控对象在所述监控图像帧中的位置,得到监控对象位置;
以所述监控对象位置为中心,截取所述监控图像帧中包含所述监控对象的区域,得到所述监控区域。
4.根据权利要求1所述的方法,其特征在于,所述识别所述监控区域的区域背景,包括:
在所述监控区域中,将所述监控对象以外的区域作为所述区域背景。
5.根据权利要求4所述的方法,其特征在于,所述区域背景中包含所述配电房的配电房设备;所述根据所述区域背景,对所述配电房进行安全告警,包括:
从所述区域背景中提取所述配电房设备的设备轮廓;
在所述区域背景中截取包含所述设备轮廓的图像,得到所述配电房设备;
通过配电房设备分类器,识别所述配电房设备的设备类型;所述设备类型包括告警设备;
当所述配电房设备的设备类型为所述告警设备时,对所述配电房进行安全告警。
6.根据权利要求4所述的方法,其特征在于,所述根据所述区域背景,对所述配电房进行安全告警,还包括:
通过监控区间分类器,识别所述区域背景所处的配电房监控区间;所述配电房监控区间包括告警区间;
当所述区域背景处于所述告警区间时,对所述配电房进行安全告警。
7.根据权利要求1所述的配电房监控方法,其特征在于,所述方法还包括:
当通过监控图像帧分类器,识别出所述监控图像帧中存在所述监控对象时,判定在所述监控图像帧中检测到所述监控对象。
8.一种配电房监控装置,其特征在于,所述配电房监控装置为边缘计算装置,所述装置包括:
接收模块,用于接收与所述设备关联的摄像头所拍摄的配电房监控视频;所述配电房监控视频包括监控图像帧;
区域提取模块,用于当在所述监控图像帧中检测到监控对象时,从所述监控图像帧中提取包含所述监控对象的区域,得到监控区域;
识别模块,用于识别所述监控区域的区域背景;
告警模块,用于根据所述区域背景,对所述配电房进行安全告警。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现1至7中任一项所述的配电房监控方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,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7中任一项所述的配电房监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911311759.0A CN111010544B (zh) | 2019-12-18 | 2019-12-18 | 配电房监控方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911311759.0A CN111010544B (zh) | 2019-12-18 | 2019-12-18 | 配电房监控方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111010544A true CN111010544A (zh) | 2020-04-14 |
CN111010544B CN111010544B (zh) | 2023-03-31 |
Family
ID=70116360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911311759.0A Active CN111010544B (zh) | 2019-12-18 | 2019-12-18 | 配电房监控方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111010544B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528854A (zh) * | 2020-12-12 | 2021-03-19 | 南方电网调峰调频发电有限公司 | 振动对象监测方法、装置、计算机设备和存储介质 |
CN116385975A (zh) * | 2023-04-18 | 2023-07-04 | 盐城工学院 | 一种基于目标检测的配电房安全监控系统及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050104958A1 (en) * | 2003-11-13 | 2005-05-19 | Geoffrey Egnal | Active camera video-based surveillance systems and methods |
CN102263937A (zh) * | 2011-07-26 | 2011-11-30 | 华南理工大学 | 基于视频检测的驾驶员驾驶行为监控装置及监控方法 |
CN103259206A (zh) * | 2012-11-01 | 2013-08-21 | 上海申瑞电网控制系统有限公司 | 基于计算机视觉定位技术的变电站作业安全管控系统 |
CN104517294A (zh) * | 2014-12-26 | 2015-04-15 | 爱威科技股份有限公司 | 获取b超图像的方法和装置以及远程诊断方法和系统 |
CN107977980A (zh) * | 2017-12-06 | 2018-05-01 | 北京飞搜科技有限公司 | 一种目标跟踪方法、设备以及可读介质 |
CN108846335A (zh) * | 2018-05-31 | 2018-11-20 | 武汉市蓝领英才科技有限公司 | 基于视频图像的智慧工地区域管理及入侵检测方法、系统 |
CN109544862A (zh) * | 2018-12-21 | 2019-03-29 | 珠海格力电器股份有限公司 | 基于智能家居的行为识别方法、装置、存储介质及设备 |
CN109635710A (zh) * | 2018-12-06 | 2019-04-16 | 中山乐心电子有限公司 | 危险状态确定方法、装置、危险告警设备及储存介质 |
CN209526805U (zh) * | 2019-04-28 | 2019-10-22 | 北京京师英华教育科技有限公司 | 一种教育录播装置 |
-
2019
- 2019-12-18 CN CN201911311759.0A patent/CN111010544B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050104958A1 (en) * | 2003-11-13 | 2005-05-19 | Geoffrey Egnal | Active camera video-based surveillance systems and methods |
CN102263937A (zh) * | 2011-07-26 | 2011-11-30 | 华南理工大学 | 基于视频检测的驾驶员驾驶行为监控装置及监控方法 |
CN103259206A (zh) * | 2012-11-01 | 2013-08-21 | 上海申瑞电网控制系统有限公司 | 基于计算机视觉定位技术的变电站作业安全管控系统 |
CN104517294A (zh) * | 2014-12-26 | 2015-04-15 | 爱威科技股份有限公司 | 获取b超图像的方法和装置以及远程诊断方法和系统 |
CN107977980A (zh) * | 2017-12-06 | 2018-05-01 | 北京飞搜科技有限公司 | 一种目标跟踪方法、设备以及可读介质 |
CN108846335A (zh) * | 2018-05-31 | 2018-11-20 | 武汉市蓝领英才科技有限公司 | 基于视频图像的智慧工地区域管理及入侵检测方法、系统 |
CN109635710A (zh) * | 2018-12-06 | 2019-04-16 | 中山乐心电子有限公司 | 危险状态确定方法、装置、危险告警设备及储存介质 |
CN109544862A (zh) * | 2018-12-21 | 2019-03-29 | 珠海格力电器股份有限公司 | 基于智能家居的行为识别方法、装置、存储介质及设备 |
CN209526805U (zh) * | 2019-04-28 | 2019-10-22 | 北京京师英华教育科技有限公司 | 一种教育录播装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528854A (zh) * | 2020-12-12 | 2021-03-19 | 南方电网调峰调频发电有限公司 | 振动对象监测方法、装置、计算机设备和存储介质 |
WO2022121132A1 (zh) * | 2020-12-12 | 2022-06-16 | 南方电网调峰调频发电有限公司 | 振动对象监测方法、装置、计算机设备和存储介质 |
CN112528854B (zh) * | 2020-12-12 | 2023-07-25 | 南方电网调峰调频发电有限公司 | 振动对象监测方法、装置、计算机设备和存储介质 |
US11972557B2 (en) | 2020-12-12 | 2024-04-30 | Csg Power Generation Co., Ltd. | Vibration object monitoring method and apparatus, computer device and storage medium |
CN116385975A (zh) * | 2023-04-18 | 2023-07-04 | 盐城工学院 | 一种基于目标检测的配电房安全监控系统及方法 |
CN116385975B (zh) * | 2023-04-18 | 2023-10-27 | 盐城工学院 | 一种基于目标检测的配电房安全监控系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111010544B (zh) | 2023-03-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110287923B (zh) | 人体姿态获取方法、装置、计算机设备及存储介质 | |
WO2022160413A1 (zh) | 电力生产异常监控方法、装置、计算机设备和存储介质 | |
CN111080963A (zh) | 施工现场告警方法、装置、计算机设备和存储介质 | |
US12106571B2 (en) | Information processing apparatus, control method, and program | |
US9292939B2 (en) | Information processing system, information processing method and program | |
US10956753B2 (en) | Image processing system and image processing method | |
US20190332856A1 (en) | Person's behavior monitoring device and person's behavior monitoring system | |
CN103093192B (zh) | 高压输电线舞动的识别方法 | |
CN111738240A (zh) | 区域监测方法、装置、设备及存储介质 | |
CN108090908B (zh) | 图像分割方法、装置、终端及存储介质 | |
CN111083441A (zh) | 工地监控方法、装置、计算机设备和存储介质 | |
CN111010544B (zh) | 配电房监控方法、装置、计算机设备和存储介质 | |
CN113139403A (zh) | 违规行为识别方法、装置、计算机设备和存储介质 | |
US10659680B2 (en) | Method of processing object in image and apparatus for same | |
CN110751809A (zh) | 施工安全监控方法及相关产品 | |
CN110569770A (zh) | 人体入侵行为识别方法、装置、存储介质及电子设备 | |
CN115250329B (zh) | 摄像头的控制方法、装置、计算机设备及存储介质 | |
CN111144260A (zh) | 一种翻越闸机的检测方法、装置及系统 | |
Gaddipati et al. | Real-time human intrusion detection for home surveillance based on IOT | |
Rathour et al. | KlugOculus: A Vision‐Based Intelligent Architecture for Security System | |
CN114387391A (zh) | 变电站设备的安全监测方法、装置、计算机设备和介质 | |
CN116258992A (zh) | 作业检测方法及系统 | |
CN110572618B (zh) | 一种非法拍照行为监控方法、装置及系统 | |
CN115661752A (zh) | 一种闸机状态检测方法、装置、电子设备及存储介质 | |
KH et al. | Smart CCTV surveillance system for intrusion detection with live streaming |
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 | ||
CP03 | Change of name, title or address |
Address after: 510800 5-1, Hongzhu Road, Xinhua Street, Huadu District, Guangzhou City, Guangdong Province Patentee after: China Southern Power Grid Big Data Service Co.,Ltd. Country or region after: China Address before: 510800 5-1, Hongzhu Road, Xinhua Street, Huadu District, Guangzhou City, Guangdong Province Patentee before: Guangzhou suinengtong Energy Technology Co.,Ltd. Country or region before: China |