CN111372043A - 异常检测方法以及相关设备、装置 - Google Patents
异常检测方法以及相关设备、装置 Download PDFInfo
- Publication number
- CN111372043A CN111372043A CN202010081939.0A CN202010081939A CN111372043A CN 111372043 A CN111372043 A CN 111372043A CN 202010081939 A CN202010081939 A CN 202010081939A CN 111372043 A CN111372043 A CN 111372043A
- Authority
- CN
- China
- Prior art keywords
- abnormal
- alarm data
- attribute information
- target
- information
- 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
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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种异常检测方法以及相关设备、装置,其中,异常检测方法包括:获取与摄像器件对应的异常报警数据,其中,异常报警数据是对摄像器件拍摄的监控图像进行异常分析而生成的;按照对摄像器件的预设分组策略,将属于同一分组的摄像器件所对应的异常报警数据划分至同一数据集合;获取分组的第一属性信息,以及与分组对应的数据集合中每一异常报警数据的第二属性信息;将获取的第一属性信息和第二属性信息进行关联分析,以获取分组内的摄像器件对应的监控区域的异常情况。上述方案,能够提高异常检测的准确性和检测结果的完整性。
Description
技术领域
本申请涉及信息技术领域,特别是涉及一种异常检测方法以及相关设备、装置。
背景技术
随着信息技术的提高,人们越来越青睐于使用枪机、球机、卡片机等多种摄像器件对公共、娱乐等场所进行监控,以满足多种业务需求。
目前,在多种业务需求中,对于诸如打架、攀高等违反既定规则的异常检测,由于其检测结果往往具有重要参考价值而受到广泛关注。然而,在实际应用中,单个摄像器件受视场、视角等的限制,可能会误将正常行为判断为异常行为的情况,或者,还可能受光线、遮挡等客观条件影响,无法完整、准确地获取到异常目标的相关信息。如此种种,均会降低异常检测的准确性,以及检测结果的完整性。有鉴于此,如何提高异常检测的准确性和检测结果的完整性成为亟待解决的问题。
发明内容
本申请主要解决的技术问题是提供一种异常检测方法以及相关设备、装置,能够提高异常检测的准确性和检测结果的完整性。
为了解决上述问题,本申请第一方面提供了一种异常检测方法,包括:获取与摄像器件对应的异常报警数据,其中,异常报警数据是对摄像器件拍摄的监控图像进行异常分析而生成的;按照对摄像器件的预设分组策略,将属于同一分组的摄像器件所对应的异常报警数据划分至同一数据集合;获取分组的第一属性信息,以及与分组对应的数据集合中每一异常报警数据的第二属性信息;将获取的第一属性信息和第二属性信息进行关联分析,以获取分组内的摄像器件对应的监控区域的异常情况。
为了解决上述问题,本申请第二方面提供了一种异常检测设备,包括相互耦接的存储器和处理器,存储器存储有程序指令,处理器用于执行程序指令以实现上述第一方面中的异常检测方法。
为了解决上述问题,本申请第三方面提供了一种存储装置,存储有能够被处理器运行的程序指令,程序指令用于上述第一方面中的异常检测方法。
上述方案,通过获取与摄像器件对应的异常报警数据,且异常报警数据是对摄像器件拍摄的监控图像进行异常分析而生成的,并按照对摄像器件的预设分组策略,将属于同一分组的摄像器件所对应的异常报警数据划分至同一数据集合,从而可以通过获取分组的第一属性信息,以及与分组对应的数据集合中每一异常报警数据的第二属性信息,将获取的第一属性信息和第二属性信息进行关联分析,以获取分组内的摄像器件对应的监控区域的异常情况,进而能够基于分组内的摄像器件实现对监控区域的异常检测,通过联合分组内的摄像器件,能够弥补单个摄像器件易受视角、视场、光线等条件影响的不足,进而能够提高异常检测的准确性和检测结果的完整性。
附图说明
图1是本申请异常检测方法一实施例的流程示意图;
图2是异常检测系统一实施例的框架示意图;
图3是图1中步骤S14一实施例的流程示意图;
图4是图3中步骤S143一实施例的流程示意图;
图5是本申请异常检测装置一实施例的框架示意图;
图6是本申请异常检测设备一实施例的框架示意图;
图7是本申请存储装置一实施例的框架示意图。
具体实施方式
下面结合说明书附图,对本申请实施例的方案进行详细说明。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透彻理解本申请。
本文中术语“系统”和“网络”在本文中常被可互换使用。本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。
请参阅图1,图1是本申请异常检测方法一实施例的流程示意图。具体而言,可以包括如下步骤:
步骤S11:获取与摄像器件对应的异常报警数据。
本实施例中,异常报警数据是对摄像器件拍摄的监控图像进行异常分析而生成的。在一个实施场景中,可以通过基于光流(optical flow)的检测、基于神经网络的检测等方式对监控图像进行异常分析,从而得到与拍摄监控图像的摄像器件所对应的异常报警数据。
本实施例中,异常可以是指违反既定规则的行为。具体地,既定规则可以与监控区域相关,例如,对于在对商场区域的监控画面进行异常分析而言,异常可以包括打架、攀高、打砸等等;或者,例如,对于在工地区域的监控画面进行异常分析而言,异常可以包括:未戴安全帽、打架等等,在此不再一一举例。在一个实施场景中,用户可以预先设置需要对监控画面进行异常分析的种类。在一个实施场景中,对一个监控画面进行异常分析可能得到多个异常报警数据,例如,对某一监控画面进行异常分析,既获得了与打架相关的异常报警数据,也获得了与打砸相关的异常报警数据,在此不再一一举例,此外,对一个监控画面进行异常分析也可能只得到一个异常报警数据,还可能未得到异常报警数据,在此不做限定。
请结合参阅图2,图2是异常检测系统一实施例的框架示意图,在一个实施场景中,摄像器件可以将拍摄到的监控画面上传到服务器、用户计算机等异常分析设备进行异常分析,从而得到异常报警数据,分析设备再将分析得到的异常报警数据发送至服务器、用户计算机等异常检测设备进行异常检测,在此不做限定。此外,在一个具体的实施场景中,还可以将上述异常分析设备、异常检测设备所执行的程序指令由同一实体设备执行,在此不做限定。
步骤S12:按照对摄像器件的预设分组策略,将属于同一分组的摄像器件所对应的异常报警数据划分至同一数据集合。
在一个实施场景中,预设分组策略可以按照摄像器件的安装位置进行设置,例如,以工厂为例,安装在工厂大门附近可以设置为同一分组;或者,安装在工厂食堂的摄像器件可以设置为同一分组;在此不再一一举例。在另一个实施场景中,预设分组策略还可以按照摄像器件的拍摄区域进行设置,例如,仍以工厂为例,拍摄工厂大门的长焦摄像头,以及俯拍工厂的广角摄像头可以设置为同一分组;或者,拍摄工厂食堂全貌的全景摄像头,以及拍摄工厂食堂某一区域的摄像头可以设置为同一分组,在此不再一一举例。
在一个具体的实施场景中,异常报警数据可以包括其来源摄像器件的标识符(如,摄像器件的序列号),预设分组策略也可以包含各个分组所包括的摄像器件的标识符(如,摄像器件的序列号),从而方便、快捷且准确地,将属于同一分组的摄像器件所对应的异常报警数据划分至同一数据集合。例如,摄像器件01~摄像器件04属于同一分组甲,用于对监控区域A进行拍摄,从而将属于摄像器件01的异常报警数据11、属于摄像器件02的异常报警数据21、属于摄像器件03的异常报警数据31和属于摄像器件04的异常报警数据41划分至同一数据集合1,而摄像器件05~摄像器件07属于同一分组乙,用于对监控区域B进行拍摄,从而将属于摄像器件05的异常报警数据51、属于摄像器件06的异常报警数据61和属于摄像器件07的异常报警数据71划分至同一数据集合2,具体应用场景中可以以此类推,在此不再一一举例。
在一个实施场景中,预设分组策略可以在程序内存临时存储,也可以在磁盘文件存储,还可以在第三方数据库软件存储,还可以在服务器云存储,在此不做限定。
步骤S13:获取分组的第一属性信息,以及与分组对应的数据集合中每一异常报警数据的第二属性信息。
在一个实施场景中,为了实现过滤掉数据集合中用户不感兴趣(或不关注)的异常报警数据,分组的第一属性信息可以包括用户对分组内的摄像器件所对应的监控区域感兴趣的(或重点关注)的异常事件类型列表,例如,对于商场、步行街等监控区域,异常事件类型列表可以包括但不限于:打架、攀高、打砸;或者,对于工地等监控区域,异常事件类型列表可以包括但不限于:打架、未戴安全帽;或者,对于道路等监控区域,异常事件类型列表可以包括但不限于:超速、逆行,在此不再一一举例。相应地,异常报警数据的第二属性信息可以包括异常报警数据所对应的异常事件类型,例如,可以包括但不限于:打架、攀高、打砸,在此不再一一举例。
在另一个实施场景中,为了明确分组内的摄像器件之间的关系,从而能够基于不同的关系,对异常报警数据采用不同的处理方式,第一属性信息还可以包括分组内的摄像器件之间的物理位置关系,例如,摄像器件分别以不同角度朝监控区域进行拍摄,则可以认为摄像器件之间的物理位置关系为角度互补;或者,摄像器件分别在不同高度对监控区域进行拍摄,则可以认为摄像器件之间的物理位置关系为高度互补;或者,摄像器件分别朝监控区域中的遮挡物(如:围栏、站牌等)的不同侧面进行拍摄,则可以认为摄像器件之间的物理位置关系为遮挡互补,上述对于各种物理位置关系的场景举例仅为示例,具体应用时,上述各种物理位置关系也可以包括其他场景,在此不再一一举例。
在又一个实施场景中,为了进一步对监控区域中的异常目标进行描述,第二属性信息还可以包括异常事件中的异常目标的目标信息,例如:发色、身高、衣着等等,在此不再一一举例。
步骤S14:将获取的第一属性信息和第二属性信息进行关联分析,以获取分组内的摄像器件对应的监控区域的异常情况。
在一个实施场景中,可以基于分组的第一属性信息和分组对应的数据集合的第二属性信息,对异常报警数据进行过滤,从而过滤掉分组对应的监控区域内不感兴趣(或不关注)的异常报警数据,在一个具体的实施场景中,为了使用户不错失异常报警数据,还可以将过滤的异常报警数据进行输出。
在一个实施场景中,为了节省异常检测所耗费的时间,提升异常检测的速度,并进一步提高异常检测的准确性,还可以在关联分析之前,剔除不满足预设数据校验条件的异常报警数据。在一个具体的实施场景中,预设数据校验条件至少包括:异常报警数据所对应的监控图像的拍摄时间与当前时间之间的时间差小于一预设差值(如,5分钟、10分钟等等),从而能够将一些较早拍摄到的监控画面所对应的异常报警数据剔除,以免较早发生的异常事件对当前异常检测造成影响。在一个具体的实施场景中,预设数据校验条件还可以包括:异常报警数据的第二属性信息中的关键字段均有相应的值。此外,还可以将不满足预设数据校验条件的异常报警数据透传给上层,例如,输出不满足预设数据校验条件的异常报警数据,在此不做限定。
上述方案,通过获取与摄像器件对应的异常报警数据,且异常报警数据是对摄像器件拍摄的监控图像进行异常分析而生成的,并按照对摄像器件的预设分组策略,将属于同一分组的摄像器件所对应的异常报警数据划分至同一数据集合,从而可以通过获取分组的第一属性信息,以及与分组对应的数据集合中每一异常报警数据的第二属性信息,将获取的第一属性信息和第二属性信息进行关联分析,以获取分组内的摄像器件对应的监控区域的异常情况,进而能够基于分组内的摄像器件实现对监控区域的异常检测,通过联合分组内的摄像器件,能够弥补单个摄像器件易受视角、视场、光线等条件影响的不足,进而能够提高异常检测的准确性和检测结果的完整性。
请参阅图3,图3是图1中步骤S14一实施例的流程示意图。具体可以包括如下步骤:
步骤S141:从与分组对应的数据集合中筛选第二属性信息满足预设筛选条件的异常报警数据,并划分至待分析数据集。
具体地,第一属性信息可以包括分组的异常事件类型列表,例如,异常事件类型列表可以包括:打架、打砸,第二属性信息可以包括异常报警数据的异常事件类型,预设筛选条件可以包括:异常报警数据的异常事件类型包含于分组的异常事件类型列表内。以分组的异常事件类型列表包括:打架、打砸为例,当分组对应的数据集合中的异常报警数据的异常事件类型为打架时,表明异常报警数据是为分组对应的监控区域所感兴趣(或关注)的,故可以将其划分至待分析数据集;或者,当分组对应的数据集合中的异常报警数据的异常事件类型为攀高时,表明异常报警数据是不为分组对应的监控区域所感兴趣(或关注)的,故可以将其划分至待分析数据集,具体应用时,可以以此类推,在此不再一一举例。
步骤S142:基于分组的第一属性信息和待分析数据集中的异常报警数据的第二属性信息,确定监控区域是否存在异常。
由于分组内的摄像器件视角、视场以及与光线入射方向之间存在的差异,为了提高获取到的异常情况的准确性,还可以进一步基于分组的第一属性信息和待分析数据集中的异常报警数据的第二属性信息,排除可能存在的干扰,以确定监控区域内是否存在异常。具体地,第一属性信息可以包括分组内的摄像器件之间的物理位置关系,由此判断分组的第一属性信息和待分析数据集中的异常报警数据的第二属性信息是否满足以下条件:分组内的摄像器件之间的物理位置关系为角度互补和/或高度互补,且待分析数据集中所有异常报警数据对应的摄像器件相同,如果满足上述条件,则可以认为分组所对应的监控区域内不存在异常,待分析数据集中的异常报警数据为误报,若不满足,则可以确定分组所对应的监控区域内存在异常。以上述实施例中的分组甲为例,分组甲内的摄像器件01~摄像器件04用于对监控区域A,如果摄像器件01~摄像器件04是安装于监控区域A周围,且分别从不同角度朝监控区域A方向进行拍摄的摄像器件,则摄像器件01~摄像器件02之间的物理位置关系为角度互补关系,且与分组甲对应的待分析数据集中仅有与摄像器件01对应的异常报警数据11和异常报警数据12,则可以认为异常报警数据11与异常报警数据12为误报,监控区域A内不存在异常,在一个具体的实施场景中,为了提升用户感知,可以将误报的异常报警数据发送给用户,也就是将待分析数据集中的异常报警数据发送至用户;或者,如果分组甲内的摄像器件01~摄像器件04之间的物理位置关系虽然也是角度互补关系,但是待分析数据集中存在与摄像器件01对应的异常报警数据11,以及与摄像器件02对应的异常报警数据21,则可以认为与分组甲对应的监控区域A内存在异常,在其他应用场景中,可以以此类推,在此不再一一举例。
步骤S143:若存在异常,则将待分析数据集中的异常报警数据的第二属性信息进行信息互补,获取监控区域内的异常情况。
如果存在异常,则为了提升用户体验,进一步为用户提供更为丰富的检测结果,还可以将待分析数据集中的异常报警数据的第二属性信息进行信息互补,例如,第二属性信息还可以进一步包括异常目标的一些体貌特征(如,身高、发色、体型、脸型等),则通过将同一异常目标的体貌特征进行互补,能够使异常目标的体貌特征更为丰富。
在一个实施场景中,为了节省流程,降低异常检测的负荷,分组的第一属性信息中还可以包括分组的信息互补标识符,信息互补标识符用于表示是否需要进行信息互补,故在信息互补之前,还可以进一步判断分组内的摄像器件之间的物理位置关系和信息互补标识符是否满足以下条件:分组内的摄像器件之间的物理位置关系为遮挡互补,且信息互补标识符表示需要进行信息互补,如果满足上述条件,则可以将待分析数据集中的异常报警数据的第二属性信息进行信息互补,获取监控区域内的异常情况,反之,如果不满足上述条件,则可以结束异常检测流程。在一个具体的实施场景中,信息互补标识符具体可以采用一个布尔型变量进行表示,例如,可以预先定义信息互补标识符的值为TRUE(真)时,表示需要进行信息互补,或者,预先定义信息互补标识符的值为FALSE(假)时,表示不需要进行信息互补。
区别于前述实施例,从与分组对应的数据集合中筛选第二属性信息满足预设筛选条件的异常报警数据,并划分至待分析数据集,并基于分组的第一属性信息和待分析数据集中的异常报警数据的第二属性信息,确定监控区域是否存在异常,若存在异常,则将待分析数据集中的异常报警数据的第二属性信息进行信息互补,获取监控区域内的异常情况,从而能够对不满足预设筛选条件的异常报警数据进行过滤,并进一步丰富、完善监控区域内的异常情况,进而能够进一步提高异常检测的准确性和检测结果的完整性。
请参阅图4,图4是图3中步骤S143一实施例的流程示意图。本实施例中,异常报警数据的第二属性信息具体可以包括异常事件中异常目标的目标特征,从而可以基于各个异常报警数据中所包含的异常目标的目标特征进行信息互补,进而能够进一步完善检测结果。具体地,可以包括如下步骤:
步骤S41:基于异常报警数据的目标特征,确定待分析数据集中的异常报警数据所属的异常目标。
具体地,可以统计待分析数据集中所有异常报警数据之间的目标特征的特征相似度,若异常报警数据之间的特征相似度大于一预设相似度阈值,则可以确定异常报警数据属于同一异常目标。仍以上述实施例中的分组甲为例,待分析数据集中有来自摄像器件01的异常报警数据11,和来自摄像器件02的异常报警数据21、来自摄像器件03的异常报警数据31、来自摄像器件04的异常报警数据41,从而可以分别统计异常报警数据11、异常报警数据21、异常报警数据31和异常报警数据41两两之间的特征相似度,若发现异常报警数据11的目标特征和异常报警数据21的目标特征之间的特征相似度,以及异常报警数据31和异常报警数据41之间的特征相似度大于一预设相似度阈值,则可以确定异常报警数据11和异常报警数据21属于同一异常目标,而异常报警数据31和异常报警数据41属于另一异常目标。
在一个具体的实施场景中,目标特征可以是异常目标的人体特征,例如,可以用密文字符串表示。而在监所等特定场景中,人体特征还可以用收监人员的编码来表示,在此不做限定。此外,目标特征还可以包括异常目标的面部特征,例如,可以用密文字符串表示。预设相似度阈值可以设置为85%、90%、95%等等,在此不做限定。
步骤S42:分别利用属于同一异常目标的异常报警数据的第二属性信息进行信息互补,获取不同异常目标的目标信息。
在一个实施场景中,第二属性信息还可以具体包括异常目标的若干细节特征的特征信息。例如,若干细节特征可以包括但不限于:身高特征、发色特征、上衣颜色、体型特征,相应地,与身高特征对应的特征信息可以包括:矮小、中等、偏高等等;与发色特征对应的特征信息可以包括:黑色、黄色、红色等等;与上衣颜色特征对应的特征信息可以包括:白色、黑色、红色等等,与体型特征对应的特征信息可以包括:瘦、匀称、胖等等。在实际应用时,细节特征还可以包括其他特征,例如裤子颜色等,在此不再一一举例。此外,第二属性信息还可以包括与目标特征对应的置信度,用于表示检测出的目标特征的可信度。在此基础上,可以分别从不同异常目标中选取一个作为当前异常目标,并对当前异常目标执行如下步骤:分别将若干细节特征中的一个细节特征作为当前细节特征,基于属于当前异常目标的异常报警数据的目标特征的置信度和当前细节特征的特征信息,确定当前异常目标的当前细节特征的特征信息。仍以上述实施例中的分组甲为例,可以分别将异常报警数据11和异常报警数据21所属的异常目标,以及异常报警数据31和异常报警数据41所属的异常目标作为当前异常目标,并分别将若干细节特征中的身高特征、发色特征、上衣颜色、体型特征作为当前细节特征,当身高特征为当前细节特征时,分别检查异常报警数据11和异常报警数据21的第二属性信息中与身高特征对应的特征信息,若均存在与身高特征对应的特征信息,则将目标特征的置信度最高的所对应的特征信息作为当前异常目标的身高特征的特征信息,若均不存在身高特征对应的特征信息,则将目标特征的置信度最高的所对应的特征信息作为当前异常目标的身高特征的特征信息,也就是将空信息作为异常目标的身高特征的特征信息,即身高特征的特征信息为空(NULL),或者为身高特征的特征信息赋值为“无”,在此不做限定,此外,若只有一者存在与身高特征对应的特征信息,则取所存在的特征信息作为当前异常目标的身高特征的特征信息。其他细节特征可以以此类推,在此不再一一举例。
在一个实施场景中,为了提高用户对异常情况的感知,第二属性信息还可以包括异常目标在摄像器件拍摄到的监控画面中的位置信息(如,二维坐标信息),在此基础上,可以在属于当前异常目标的异常报警数据中筛选特征信息最多的异常报警数据,利用筛选得到的异常报警数据中的位置信息,获取当前异常目标的目标图像。例如,利用筛选得到的异常报警数据的位置信息,在对应的监控画面中获取当前异常目标的目标图像。在一个具体的实施场景中,可以将上述获取到的当前异常目标的细节特征的特征信息、当前异常目标的目标图像一同作为当前异常目标的目标信息,并发送给用户。
区别于前述实施例,基于异常报警数据的目标特征,确定待分析数据集中的异常报警数据所属的异常目标,从而分别利用属于同一异常目标的异常报警数据的第二属性信息进行信息互补,获取不同异常目标的目标信息,进而能够基于各个异常报警数据中所包含的异常目标的目标特征进行信息互补,能够进一步完善检测结果。
请参阅图5,图5是本申请异常检测装置50一实施例的框架示意图。异常检测装置50包括数据获取模块51、数据划分模块52、属性获取模块53和关联分析模块54,数据获取模块51用于获取与摄像器件对应的异常报警数据,其中,异常报警数据是对摄像器件拍摄的监控图像进行异常分析而生成的;数据划分模块52用于按照对摄像器件的预设分组策略,将属于同一分组的摄像器件所对应的异常报警数据划分至同一数据集合;属性获取模块53用于获取分组的第一属性信息,以及与分组对应的数据集合中每一异常报警数据的第二属性信息;关联分析模块54用于将获取的第一属性信息和第二属性信息进行关联分析,以获取分组内的摄像器件对应的监控区域的异常情况。
上述方案,通过获取与摄像器件对应的异常报警数据,且异常报警数据是对摄像器件拍摄的监控图像进行异常分析而生成的,并按照对摄像器件的预设分组策略,将属于同一分组的摄像器件所对应的异常报警数据划分至同一数据集合,从而可以通过获取分组的第一属性信息,以及与分组对应的数据集合中每一异常报警数据的第二属性信息,将获取的第一属性信息和第二属性信息进行关联分析,以获取分组内的摄像器件对应的监控区域的异常情况,进而能够基于分组内的摄像器件实现对监控区域的异常检测,通过联合分组内的摄像器件,能够弥补单个摄像器件易受视角、视场、光线等条件影响的不足,进而能够提高异常检测的准确性和检测结果的完整性。
在一些实施例中,关联分析模块54包括数据筛选子模块,用于从与分组对应的数据集合中筛选第二属性信息满足预设筛选条件的异常报警数据,并划分至待分析数据集,关联分析模块54还包括异常确定子模块,用于基于分组的第一属性信息和待分析数据集中的异常报警数据的第二属性信息,确定监控区域是否存在异常,关联分析模块54还包括信息互补子模块,用于在确定存在异常时,将待分析数据集中的异常报警数据的第二属性信息进行信息互补,获取监控区域内的异常情况。
区别于前述实施例,从与分组对应的数据集合中筛选第二属性信息满足预设筛选条件的异常报警数据,并划分至待分析数据集,并基于分组的第一属性信息和待分析数据集中的异常报警数据的第二属性信息,确定监控区域是否存在异常,若存在异常,则将待分析数据集中的异常报警数据的第二属性信息进行信息互补,获取监控区域内的异常情况,从而能够对不满足预设筛选条件的异常报警数据进行过滤,并进一步丰富、完善监控区域内的异常情况,进而能够进一步提高异常检测的准确性和检测结果的完整性。
在一些实施例中,第一属性信息包括分组的异常事件类型列表,第二属性信息包括异常报警数据的异常事件类型,预设筛选条件包括:异常报警数据的异常事件类型包含于分组的异常事件类型列表内。
区别于前述实施例,预设筛选条件包括:异常报警数据的异常事件类型包含于分组的异常事件类型列表内,能够将分组对应的监控区域所感兴趣(或关注)的异常报警数据划分至待分析数据集,从而能够降低后续检测的处理负荷,提高异常检测的准确性。
在一些实施例中,第一属性信息包括分组内的摄像器件之间的物理位置关系,异常确定子模块包括判断单元,用于判断分组的第一属性信息和待分析数据集中的异常报警数据的第二属性信息是否满足以下条件:分组内摄像器件之间的物理位置关系为角度互补和/或高度互补,且待分析数据集中所有异常报警数据对应的摄像器件相同,异常确定子模块还包括第一确定单元,用于在判断满足条件时,确定监控区域内不存在异常,异常确定子模块还包括第二确定单元,用于在判断不满足条件时,确定监控区域内存在异常。
区别于前述实施例,通过在判断分组的第一属性信息和待分析数据集中的异常报警数据的第二属性信息是否满足分组内摄像器件之间的物理位置关系为角度互补和/或高度互补,且待分析数据集中所有异常报警数据对应的摄像器件相同,来确定监控区域内是否存在异常,能够充分考虑分组内的摄像器件视角、视场以及与光线入射方向之间存在的差异,从而能够提高获取到的异常情况的准确性。
在一些实施例中,第一属性信息还包括分组的信息互补标识符,信息互补标识符用于表示是否需要进行信息互补,关联分析模块54还包括互补判断子模块,用于判断分组内的摄像器件之间的物理位置关系和信息互补标识符是否满足以下条件:分组内的摄像器件之间的物理位置关系为遮挡互补,且信息互补标识符表示需要进行信息互补,信息互补子模块具体用于在互补判断子模块判断满足上述条件时,执行将待分析数据集中的异常报警数据的第二属性信息进行信息互补,获取监控区域内的异常情况的步骤。
区别于前述实施例,在判断分组内的摄像器件之间的物理位置关系和信息互补标识符是否满足以下条件:分组内的摄像器件之间的物理位置关系为遮挡互补,且信息互补标识符表示需要进行信息互补时,执行将待分析数据集中的异常报警数据的第二属性信息进行信息互补,获取监控区域内的异常情况的步骤,能够节省流程,降低异常检测的负荷。
在一些实施例中,第二属性信息包括异常事件中的异常目标的目标特征,信息互补子模块包括异常目标确定单元,用于基于异常报警数据的目标特征,确定待分析数据集中的异常报警数据所属的异常目标,信息互补子模块还包括信息互补单元,用于分别利用属于同一异常目标的异常报警数据的第二属性信息进行信息互补,获取不同异常目标的目标信息。
区别于前述实施例,基于异常报警数据的目标特征,确定待分析数据集中的异常报警数据所属的异常目标,从而分别利用属于同一异常目标的异常报警数据的第二属性信息进行信息互补,获取不同异常目标的目标信息,进而能够基于各个异常报警数据中所包含的异常目标的目标特征进行信息互补,能够进一步完善检测结果。
在一些实施例中,异常目标确定单元包括相似度统计子单元,用于统计待分析数据集中所有异常报警数据之间的目标特征的特征相似度,异常目标确定单元还包括数据归属确定子单元,用于在异常报警数据之间的特征相似度大于一预设相似度阈值时,确定异常报警数据属于同一异常目标。
区别于前述实施例,通过统计待分析数据集中所有异常报警数据之间的目标特征的特征相似度,从而在异常报警数据之间的特征相似度大于一预设相似度阈值时,确定异常报警数据属于同一异常目标,能够基于对将属于不同异常目标的异常报警数据进行归属划分,从而后续能够基于不同异常目标进行信息互补,进而提升异常检测的准确性。
在一些实施例中,第二属性信息还包括异常目标的若干细节特征的特征信息,以及与目标特征对应的置信度,信息互补单元包括目标选取子单元,用于分别从不同异常目标中选取一个作为当前异常目标,信息互补单元还包括特征选取子单元,用于分别将若干细节特征中的一个细节特征作为当前细节特征,信息互补单元还包括特征信息确定子单元,用于基于属于当前异常目标的异常报警数据的目标特征的置信度和当前细节特征的特征信息,确定当前异常目标的当前细节特征的特征信息。
区别于前述实施例,第二属性信息还包括异常目标的若干细节特征的特征信息,以及与目标特征对应的置信度,分别从不同异常目标中选取一个作为当前异常目标,并分别将若干细节特征中的一个细节特征作为当前细节特征,从而基于属于当前异常目标的异常报警数据的目标特征的置信度和当前细节特征的特征信息,确定当前异常目标的当前细节特征的特征信息,进而能够确定各个异常目标的细节特征的特征信息,从而能够提升各个异常目标的信息完整性。
在一些实施例中,第二属性信息还包括异常目标在监控图像中的位置信息,信息互补单元还包括数据筛选子单元,用于在属于当前异常目标的异常报警数据中筛选特征信息最多的异常报警数据,信息互补单元还包括图像获取子单元,用于利用筛选得到的异常报警数据中的位置信息,获取当前异常目标的目标图像。
区别于前述实施例,第二属性信息还包括异常目标在监控图像中的位置信息,从而在属于当前异常目标的异常报警数据中筛选特征信息最多的异常报警数据,进而利用筛选得到的异常报警数据中的位置信息,获取当前异常目标的目标图像,能够获取各个异常目标的目标图像,进一步提升用户对异常检测感知。
在一些实施例中,异常检测装置50还包括数据剔除模块,用于剔除不满足预设数据校验条件的异常报警数据。在一个实施场景中,预设数据校验条件至少包括:异常报警数据所对应的监控图像的拍摄时间与当前时间之间的时间差小于一预设差值。
区别于前述实施例,通过剔除不满足预设数据校验条件的异常报警数据,从而能够筛选出符合预设校验条件的异常报警数据,进而能够降低后续处理负荷,并提升异常检测的准确性。
请参阅图6,图6是本申请异常检测设备60一实施例的框架示意图。异常检测设备60包括相互耦接的存储器61和处理器62,存储器61存储有程序指令,处理器62用于执行程序指令以实现上述任一异常检测方法实施例中的步骤。
具体而言,处理器62用于控制其自身以及存储器61以实现上述任一异常检测方法实施例中的步骤。处理器62还可以称为CPU(Central Processing Unit,中央处理单元)。处理器62可能是一种集成电路芯片,具有信号的处理能力。处理器62还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated 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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外,处理器62可以由多个集成电路芯片共同实现。
本实施例中,处理器62用于获取与摄像器件对应的异常报警数据,其中,异常报警数据是对摄像器件拍摄的监控图像进行异常分析而生成的;处理器62还用于按照对摄像器件的预设分组策略,将属于同一分组的摄像器件所对应的异常报警数据划分至同一数据集合;处理器62还用于获取分组的第一属性信息,以及与分组对应的数据集合中每一异常报警数据的第二属性信息;处理器62还用于将获取的第一属性信息和第二属性信息进行关联分析,以获取分组内的摄像器件对应的监控区域的异常情况。
上述方案,通过获取与摄像器件对应的异常报警数据,且异常报警数据是对摄像器件拍摄的监控图像进行异常分析而生成的,并按照对摄像器件的预设分组策略,将属于同一分组的摄像器件所对应的异常报警数据划分至同一数据集合,从而可以通过获取分组的第一属性信息,以及与分组对应的数据集合中每一异常报警数据的第二属性信息,将获取的第一属性信息和第二属性信息进行关联分析,以获取分组内的摄像器件对应的监控区域的异常情况,进而能够基于分组内的摄像器件实现对监控区域的异常检测,通过联合分组内的摄像器件,能够弥补单个摄像器件易受视角、视场、光线等条件影响的不足,进而能够提高异常检测的准确性和检测结果的完整性。
在一些实施例中,处理器62还用于从与分组对应的数据集合中筛选第二属性信息满足预设筛选条件的异常报警数据,并划分至待分析数据集;处理器62还用于基于分组的第一属性信息和待分析数据集中的异常报警数据的第二属性信息,确定监控区域是否存在异常;处理器62还用于在存在异常时,将待分析数据集中的异常报警数据的第二属性信息进行信息互补,获取监控区域内的异常情况。
区别于前述实施例,从与分组对应的数据集合中筛选第二属性信息满足预设筛选条件的异常报警数据,并划分至待分析数据集,并基于分组的第一属性信息和待分析数据集中的异常报警数据的第二属性信息,确定监控区域是否存在异常,若存在异常,则将待分析数据集中的异常报警数据的第二属性信息进行信息互补,获取监控区域内的异常情况,从而能够对不满足预设筛选条件的异常报警数据进行过滤,并进一步丰富、完善监控区域内的异常情况,进而能够进一步提高异常检测的准确性和检测结果的完整性。
在一些实施例中,第一属性信息包括分组的异常事件类型列表,第二属性信息包括异常报警数据的异常事件类型,预设筛选条件包括:异常报警数据的异常事件类型包含于分组的异常事件类型列表内。
区别于前述实施例,预设筛选条件包括:异常报警数据的异常事件类型包含于分组的异常事件类型列表内,能够将分组对应的监控区域所感兴趣(或关注)的异常报警数据划分至待分析数据集,从而能够降低后续检测的处理负荷,提高异常检测的准确性。
在一些实施例中,第一属性信息包括分组内的摄像器件之间的物理位置关系,处理器62还用于判断分组的第一属性信息和待分析数据集中的异常报警数据的第二属性信息是否满足以下条件:分组内摄像器件之间的物理位置关系为角度互补和/或高度互补,且待分析数据集中所有异常报警数据对应的摄像器件相同,处理器62还用于在判断不满足上述条件时,确定监控区域内存在异常,处理器62还用于在判断满足上述条件时,确定监控区域内不存在异常。
区别于前述实施例,通过在判断分组的第一属性信息和待分析数据集中的异常报警数据的第二属性信息是否满足分组内摄像器件之间的物理位置关系为角度互补和/或高度互补,且待分析数据集中所有异常报警数据对应的摄像器件相同,来确定监控区域内是否存在异常,能够充分考虑分组内的摄像器件视角、视场以及与光线入射方向之间存在的差异,从而能够提高获取到的异常情况的准确性。
在一些实施例中,第一属性信息还包括分组的信息互补标识符,信息互补标识符用于表示是否需要进行信息互补,处理器62还用于判断分组内的摄像器件之间的物理位置关系和信息互补标识符是否满足以下条件:分组内的摄像器件之间的物理位置关系为遮挡互补,且信息互补标识符表示需要进行信息互补,处理器62还用于在判断满足上述条件时,执行将待分析数据集中的异常报警数据的第二属性信息进行信息互补,获取监控区域内的异常情况的步骤。
区别于前述实施例,在判断分组内的摄像器件之间的物理位置关系和信息互补标识符是否满足以下条件:分组内的摄像器件之间的物理位置关系为遮挡互补,且信息互补标识符表示需要进行信息互补时,执行将待分析数据集中的异常报警数据的第二属性信息进行信息互补,获取监控区域内的异常情况的步骤,能够节省流程,降低异常检测的负荷。
在一些实施例中,第二属性信息包括异常事件中的异常目标的目标特征,处理器62还用于基于异常报警数据的目标特征,确定待分析数据集中的异常报警数据所属的异常目标;处理器62还用于分别利用属于同一异常目标的异常报警数据的第二属性信息进行信息互补,获取不同异常目标的目标信息。
区别于前述实施例,基于异常报警数据的目标特征,确定待分析数据集中的异常报警数据所属的异常目标,从而分别利用属于同一异常目标的异常报警数据的第二属性信息进行信息互补,获取不同异常目标的目标信息,进而能够基于各个异常报警数据中所包含的异常目标的目标特征进行信息互补,能够进一步完善检测结果。
在一些实施例中,处理器62还用于统计待分析数据集中所有异常报警数据之间的目标特征的特征相似度;处理器62还用于在异常报警数据之间的特征相似度大于一预设相似度阈值时,确定异常报警数据属于同一异常目标。
区别于前述实施例,通过统计待分析数据集中所有异常报警数据之间的目标特征的特征相似度,从而在异常报警数据之间的特征相似度大于一预设相似度阈值时,确定异常报警数据属于同一异常目标,能够基于对将属于不同异常目标的异常报警数据进行归属划分,从而后续能够基于不同异常目标进行信息互补,进而提升异常检测的准确性。
在一些实施例中,第二属性信息还包括异常目标的若干细节特征的特征信息,以及与目标特征对应的置信度,处理器62还用于分别从不同异常目标中选取一个作为当前异常目标,处理器62还用于分别将若干细节特征中的一个细节特征作为当前细节特征;处理器62还用于基于属于当前异常目标的异常报警数据的目标特征的置信度和当前细节特征的特征信息,确定当前异常目标的当前细节特征的特征信息。
区别于前述实施例,第二属性信息还包括异常目标的若干细节特征的特征信息,以及与目标特征对应的置信度,分别从不同异常目标中选取一个作为当前异常目标,并分别将若干细节特征中的一个细节特征作为当前细节特征,从而基于属于当前异常目标的异常报警数据的目标特征的置信度和当前细节特征的特征信息,确定当前异常目标的当前细节特征的特征信息,进而能够确定各个异常目标的细节特征的特征信息,从而能够提升各个异常目标的信息完整性。
在一些实施例中,第二属性信息还包括异常目标在监控图像中的位置信息,处理器62还用于在属于当前异常目标的异常报警数据中筛选特征信息最多的异常报警数据;处理器62还用于利用筛选得到的异常报警数据中的位置信息,获取当前异常目标的目标图像。
区别于前述实施例,第二属性信息还包括异常目标在监控图像中的位置信息,从而在属于当前异常目标的异常报警数据中筛选特征信息最多的异常报警数据,进而利用筛选得到的异常报警数据中的位置信息,获取当前异常目标的目标图像,能够获取各个异常目标的目标图像,进一步提升用户对异常检测感知。
在一些实施例中,处理器62还用于剔除不满足预设数据校验条件的异常报警数据。在一个实施场景中,预设数据校验条件至少包括:异常报警数据所对应的监控图像的拍摄时间与当前时间之间的时间差小于一预设差值。
区别于前述实施例,通过剔除不满足预设数据校验条件的异常报警数据,从而能够筛选出符合预设校验条件的异常报警数据,进而能够降低后续处理负荷,并提升异常检测的准确性。
请参阅图7,图7为本申请存储装置70一实施例的框架示意图。存储装置70存储有能够被处理器运行的程序指令701,程序指令701用于实现上述任一异常检测方法实施例中的步骤。
上述方案,能够基于分组内的摄像器件实现对监控区域的异常检测,通过联合分组内的摄像器件,能够弥补单个摄像器件易受视角、视场、光线等条件影响的不足,进而能够提高异常检测的准确性和检测结果的完整性。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,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,在本申请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。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,本申请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)执行本申请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。
Claims (13)
1.一种异常检测方法,其特征在于,包括:
获取与摄像器件对应的异常报警数据,其中,所述异常报警数据是对所述摄像器件拍摄的监控图像进行异常分析而生成的;
按照对所述摄像器件的预设分组策略,将属于同一分组的所述摄像器件所对应的异常报警数据划分至同一数据集合;
获取所述分组的第一属性信息,以及与所述分组对应的所述数据集合中每一所述异常报警数据的第二属性信息;
将所述获取的第一属性信息和第二属性信息进行关联分析,以获取所述分组内的所述摄像器件对应的监控区域的异常情况。
2.根据权利要求1所述的异常检测方法,其特征在于,所述将所述获取的第一属性信息和第二属性信息进行关联分析,以获取所述分组内的所述摄像器件对应的监控区域的异常情况包括:
从与所述分组对应的所述数据集合中筛选所述第二属性信息满足预设筛选条件的所述异常报警数据,并划分至待分析数据集;
基于所述分组的第一属性信息和所述待分析数据集中的所述异常报警数据的第二属性信息,确定所述监控区域是否存在异常;
若存在异常,则将所述待分析数据集中的所述异常报警数据的第二属性信息进行信息互补,获取所述监控区域内的异常情况。
3.根据权利要求2所述的异常检测方法,其特征在于,所述第一属性信息包括所述分组的异常事件类型列表,所述第二属性信息包括所述异常报警数据的异常事件类型,所述预设筛选条件包括:所述异常报警数据的所述异常事件类型包含于所述分组的所述异常事件类型列表内。
4.根据权利要求2所述的异常检测方法,其特征在于,所述第一属性信息包括所述分组内的所述摄像器件之间的物理位置关系;
所述基于所述分组的第一属性信息和所述待分析数据集中的所述异常报警数据的第二属性信息,确定所述监控区域是否存在异常包括:
判断所述分组的第一属性信息和所述待分析数据集中的所述异常报警数据的第二属性信息是否满足以下条件:所述分组内所述摄像器件之间的物理位置关系为角度互补和/或高度互补,且所述待分析数据集中所有所述异常报警数据对应的摄像器件相同;
若不满足,则确定所述监控区域内存在异常;
若满足,则确定所述监控区域内不存在异常。
5.根据权利要求4所述的异常检测方法,其特征在于,所述第一属性信息还包括所述分组的信息互补标识符,所述信息互补标识符用于表示是否需要进行信息互补;
所述将所述待分析数据集中的所述异常报警数据的第二属性信息进行信息互补,获取所述监控区域内的异常情况之前,所述方法还包括:
判断所述分组内的所述摄像器件之间的物理位置关系和所述信息互补标识符是否满足以下条件:所述分组内的所述摄像器件之间的物理位置关系为遮挡互补,且所述信息互补标识符表示需要进行信息互补;
若满足,则执行所述将所述待分析数据集中的所述异常报警数据的第二属性信息进行信息互补,获取所述监控区域内的异常情况的步骤。
6.根据权利要求2所述的异常检测方法,其特征在于,所述第二属性信息包括异常事件中的异常目标的目标特征;
所述将所述待分析数据集中的所述异常报警数据的第二属性信息进行信息互补,获取所述监控区域内的异常情况包括:
基于所述异常报警数据的目标特征,确定所述待分析数据集中的所述异常报警数据所属的异常目标;
分别利用属于同一所述异常目标的所述异常报警数据的第二属性信息进行信息互补,获取不同所述异常目标的目标信息。
7.根据权利要求6所述的异常检测方法,其特征在于,所述基于所述异常报警数据的目标特征,确定所述待分析数据集中的所述异常报警数据所属的异常目标包括:
统计所述待分析数据集中所有所述异常报警数据之间的所述目标特征的特征相似度;
若所述异常报警数据之间的所述特征相似度大于一预设相似度阈值,则确定所述异常报警数据属于同一所述异常目标。
8.根据权利要求6所述的异常检测方法,其特征在于,所述第二属性信息还包括所述异常目标的若干细节特征的特征信息,以及所述目标特征的置信度;
所述分别利用属于同一所述异常目标的所述异常报警数据的第二属性信息进行信息互补,获取不同所述异常目标的目标信息包括:
分别从不同所述异常目标中选取一个作为当前异常目标,并对所述当前异常目标执行如下步骤:
分别将所述若干细节特征中的一个细节特征作为当前细节特征;
基于属于所述当前异常目标的所述异常报警数据的所述目标特征的置信度和所述当前细节特征的特征信息,确定所述当前异常目标的当前细节特征的特征信息。
9.根据权利要求8所述的异常检测方法,其特征在于,所述第二属性信息还包括所述异常目标在所述监控图像中的位置信息;所述方法还包括:
在属于所述当前异常目标的所述异常报警数据中筛选所述特征信息最多的异常报警数据;
利用筛选得到的异常报警数据中的所述位置信息,获取所述当前异常目标的目标图像。
10.根据权利要求1所述的异常检测方法,其特征在于,所述将所述获取的第一属性信息和第二属性信息进行关联分析,以获取所述分组内的所述摄像器件对应的监控区域的异常情况之前,所述方法还包括:
剔除不满足预设数据校验条件的异常报警数据。
11.根据权利要求10所述的异常检测方法,其特征在于,所述预设数据校验条件至少包括:
所述异常报警数据所对应的监控图像的拍摄时间与当前时间之间的时间差小于一预设差值。
12.一种异常检测设备,其特征在于,包括相互耦接的存储器和处理器,所述存储器存储有程序指令,所述处理器用于执行所述程序指令以实现权利要求1至11任一项所述的异常检测方法。
13.一种存储装置,其特征在于,存储有能够被处理器运行的程序指令,所述程序指令用于实现权利要求1至11任一项所述的异常检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010081939.0A CN111372043B (zh) | 2020-02-06 | 2020-02-06 | 异常检测方法以及相关设备、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010081939.0A CN111372043B (zh) | 2020-02-06 | 2020-02-06 | 异常检测方法以及相关设备、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111372043A true CN111372043A (zh) | 2020-07-03 |
CN111372043B CN111372043B (zh) | 2021-05-11 |
Family
ID=71209987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010081939.0A Active CN111372043B (zh) | 2020-02-06 | 2020-02-06 | 异常检测方法以及相关设备、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111372043B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111899568A (zh) * | 2020-07-17 | 2020-11-06 | 广州忘平信息科技有限公司 | 桥梁防撞预警系统、方法、装置和存储介质 |
CN112272288A (zh) * | 2020-10-23 | 2021-01-26 | 岭东核电有限公司 | 核电作业监控方法、装置、计算机设备和存储介质 |
CN113760882A (zh) * | 2021-11-10 | 2021-12-07 | 北京每日菜场科技有限公司 | 数据异常报警方法、装置、电子设备和计算机可读介质 |
CN113784057A (zh) * | 2021-07-30 | 2021-12-10 | 杭州华橙软件技术有限公司 | 目标区域的监控方法、电子设备及存储介质 |
WO2022062396A1 (zh) * | 2020-09-28 | 2022-03-31 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备及存储介质 |
CN115512503A (zh) * | 2022-08-01 | 2022-12-23 | 四川通信科研规划设计有限责任公司 | 一种高铁线路的周界入侵行为预警方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622818A (zh) * | 2011-01-26 | 2012-08-01 | 北京海鑫智圣技术有限公司 | 一种银行atm机全方位智能监控方法 |
CN104268851A (zh) * | 2014-09-05 | 2015-01-07 | 浙江捷尚视觉科技股份有限公司 | 一种基于深度信息的atm自助营业厅行为分析方法 |
CN108665487A (zh) * | 2017-10-17 | 2018-10-16 | 国网河南省电力公司郑州供电公司 | 基于红外和可见光融合的变电站作业对象和目标定位方法 |
CN109635995A (zh) * | 2018-10-25 | 2019-04-16 | 中国电子科技集团公司电子科学研究院 | 一种基于多维数据的社会安全事件异常发现方法及装置 |
US20190289263A1 (en) * | 2018-03-19 | 2019-09-19 | Netgear, Inc. | Notifications by a network-connected security system based on content analysis |
EP3550831A2 (en) * | 2018-03-16 | 2019-10-09 | Hanwha Techwin Co., Ltd. | Image providing apparatus and method |
CN110363379A (zh) * | 2019-05-30 | 2019-10-22 | 中国电力科学研究院有限公司 | 一种电力系统的搜索及监控方法 |
CN110443109A (zh) * | 2019-06-11 | 2019-11-12 | 万翼科技有限公司 | 异常行为监控处理方法、装置、计算机设备和存储介质 |
-
2020
- 2020-02-06 CN CN202010081939.0A patent/CN111372043B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102622818A (zh) * | 2011-01-26 | 2012-08-01 | 北京海鑫智圣技术有限公司 | 一种银行atm机全方位智能监控方法 |
CN104268851A (zh) * | 2014-09-05 | 2015-01-07 | 浙江捷尚视觉科技股份有限公司 | 一种基于深度信息的atm自助营业厅行为分析方法 |
CN108665487A (zh) * | 2017-10-17 | 2018-10-16 | 国网河南省电力公司郑州供电公司 | 基于红外和可见光融合的变电站作业对象和目标定位方法 |
EP3550831A2 (en) * | 2018-03-16 | 2019-10-09 | Hanwha Techwin Co., Ltd. | Image providing apparatus and method |
US20190289263A1 (en) * | 2018-03-19 | 2019-09-19 | Netgear, Inc. | Notifications by a network-connected security system based on content analysis |
CN109635995A (zh) * | 2018-10-25 | 2019-04-16 | 中国电子科技集团公司电子科学研究院 | 一种基于多维数据的社会安全事件异常发现方法及装置 |
CN110363379A (zh) * | 2019-05-30 | 2019-10-22 | 中国电力科学研究院有限公司 | 一种电力系统的搜索及监控方法 |
CN110443109A (zh) * | 2019-06-11 | 2019-11-12 | 万翼科技有限公司 | 异常行为监控处理方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
邵振峰 等: "面向智能监控摄像头的监控视频大数据分析处理", 《电子与信息学报》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111899568A (zh) * | 2020-07-17 | 2020-11-06 | 广州忘平信息科技有限公司 | 桥梁防撞预警系统、方法、装置和存储介质 |
CN111899568B (zh) * | 2020-07-17 | 2021-09-07 | 广州忘平信息科技有限公司 | 桥梁防撞预警系统、方法、装置和存储介质 |
WO2022062396A1 (zh) * | 2020-09-28 | 2022-03-31 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备及存储介质 |
CN112272288A (zh) * | 2020-10-23 | 2021-01-26 | 岭东核电有限公司 | 核电作业监控方法、装置、计算机设备和存储介质 |
CN113784057A (zh) * | 2021-07-30 | 2021-12-10 | 杭州华橙软件技术有限公司 | 目标区域的监控方法、电子设备及存储介质 |
CN113784057B (zh) * | 2021-07-30 | 2023-08-15 | 杭州华橙软件技术有限公司 | 目标区域的监控方法、电子设备及存储介质 |
CN113760882A (zh) * | 2021-11-10 | 2021-12-07 | 北京每日菜场科技有限公司 | 数据异常报警方法、装置、电子设备和计算机可读介质 |
CN115512503A (zh) * | 2022-08-01 | 2022-12-23 | 四川通信科研规划设计有限责任公司 | 一种高铁线路的周界入侵行为预警方法及装置 |
CN115512503B (zh) * | 2022-08-01 | 2023-07-11 | 四川通信科研规划设计有限责任公司 | 一种高铁线路的周界入侵行为预警方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111372043B (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111372043B (zh) | 异常检测方法以及相关设备、装置 | |
JP7229662B2 (ja) | ビデオ監視システムで警告を発する方法 | |
US8619135B2 (en) | Detection of abnormal behaviour in video objects | |
CN105100689B (zh) | 自动取款机视频监控方法及装置 | |
EP2549738B1 (en) | Method and camera for determining an image adjustment parameter | |
CN102306304B (zh) | 人脸遮挡物识别方法及其装置 | |
CN110390229B (zh) | 一种人脸图片筛选方法、装置、电子设备及存储介质 | |
CN104966062B (zh) | 视频监视方法和装置 | |
US20130266181A1 (en) | Object tracking and best shot detection system | |
CN104954747B (zh) | 视频监视方法和装置 | |
CN110781733B (zh) | 图像去重方法、存储介质、网络设备和智能监控系统 | |
US11094076B2 (en) | Analysis apparatus, analysis method, and storage medium | |
CN112464755A (zh) | 一种监控方法及装置、电子设备、存储介质 | |
CN112215037A (zh) | 对象追踪方法及装置、电子设备及计算机可读存储介质 | |
JP2021535667A (ja) | 事象を管理するための注目期間及び少なくとも1つの注目領域を決定する方法、装置及びプログラム | |
CN108460319B (zh) | 异常人脸检测方法及装置 | |
CN110717357A (zh) | 预警方法、装置、电子设备及存储介质 | |
CN110569840A (zh) | 目标检测方法及相关装置 | |
US11074696B2 (en) | Image processing device, image processing method, and recording medium storing program | |
JP6536643B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
CN112419637A (zh) | 安防图像数据的处理方法及装置 | |
CN111126100A (zh) | 报警方法、装置、电子设备及存储介质 | |
CN110460558A (zh) | 一种基于可视化的攻击模型发现的方法及系统 | |
CN114913470A (zh) | 一种事件检测方法及装置 | |
CN114067248A (zh) | 行为检测方法、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 |