CN111429701B - 报警方法、装置、设备及存储介质 - Google Patents
报警方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111429701B CN111429701B CN202010181205.XA CN202010181205A CN111429701B CN 111429701 B CN111429701 B CN 111429701B CN 202010181205 A CN202010181205 A CN 202010181205A CN 111429701 B CN111429701 B CN 111429701B
- Authority
- CN
- China
- Prior art keywords
- image
- alarm
- data
- remote server
- sensor
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 239000010813 municipal solid waste Substances 0.000 claims description 31
- 238000012545 processing Methods 0.000 claims description 21
- 230000009466 transformation Effects 0.000 claims description 12
- 238000007619 statistical method Methods 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 abstract description 9
- 238000013528 artificial neural network Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000002906 medical waste Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 241001156002 Anthonomus pomorum Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Security & Cryptography (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种报警方法、装置、设备及存储介质,其中,所述方法包括:接收第一传感器采集的第一数据;在所述第一数据超过预设的阈值时,计算报警等级;在所述报警级别为高时,采集第二传感器的第二数据,根据所述第二数据判断是否为真报警;在为真报警时,控制图像采集装置采集图像;将所述图像进行预处理,将预处理后的图像信息发送至远端服务器,以使得远端服务器根据所述预处理图像信息判断是否为真警情。能够减少云端服务器的计算量。进而能够提升云端服务器对于报警信息的时效性,特别适用于复杂场景的报警。
Description
技术领域
本发明涉及网络技术领域,尤其涉及一种报警方法、装置、设备及存储介质。
背景技术
现有监控报警技术,主要是采用物联网时期的云+互联网处理机制,利用终端侧进行报警数据采集,然后通过物联网通信方式,将采集到的大量报警数据,传输到云服务平台进行后端处理。在目前的系统架构中,会把所有计算都放在云平台内进行,在接入设备多、数据量大时,云平台的计算压力陡增,进而影响到报警的时效性。
目前,可以利用终端侧的计算能力对报警数据进行简单的判断,进而确定是否上报的云平台,由云平台后端通过计算确定是否报警。但由于终端侧的计算能力有限,其只能减少上传数据量,无法适用于各种复杂报警场景。
发明内容
本发明实施例提供了一种报警方法、装置、设备及存储介质,以解决现有技术中对于复杂报警场景云平台资源消耗较大的技术问题。
第一方面,本发明实施例提供了一种报警方法,包括:
接收第一传感器采集的第一数据;
在所述第一数据超过预设的阈值时,计算报警等级;
在所述报警级别为高时,采集第二传感器的第二数据,根据所述第二数据判断是否为真报警;
在为真报警时,控制图像采集装置采集图像;
将所述图像进行预处理,将预处理后的图像信息发送至远端服务器,以使得远端服务器根据所述预处理图像信息判断是否为真警情。
进一步的,所述将所述图像进行预处理,包括:
将所述图像转换为灰度图;
对所述灰度图进行几何变换;
将几何变换后的图像进行双线性插值处理;
对双线性插值处理后的图像进行裁剪,以得到前景图像。
进一步的,所述方法还包括:
在为真报警时,开启本地声光报警装置。
进一步的,所述方法还包括:
接收所述远端服务器是否为真警情的判断信息,在为假警情时,取消本地声光报警。
进一步的,所述图像信息包括:图像数据和统计分析数据;
所述将预处理后的图像发送至远端服务器,包括:
在网络发生故障时,将预处理后的图像数据增加优先标识位,在网络恢复时,优先发送具有优先标识位的数据。
进一步的,所述将预处理后的图像信息发送至远端服务器包括:
对所述预处理后的图像信息进行压缩,得到压缩图像;
将所述压缩图像和预处理后的图像发送至远端服务器。
进一步的,所述将预处理后的图像信息发送至远端服务器,包括:
判断预处理后的图像是否满足清晰度要求,在不满足清晰度要求时,再次控制图像采集装置采集辅助图像;
对辅助图像进行预处理,将预处理后的预辅助图像发送至远端服务器。
第二方面,本发明实施例还提供了一种报警装置,包括:
接收模块,用于接收第一传感器采集的第一数据;
计算模块,用于在所述第一数据超过预设的阈值时,计算报警等级;
判断模块,用于在所述报警级别为高时,采集第二传感器的第二数据,根据所述第二数据判断是否为真报警;
采集模块,用于在为真报警时,控制图像采集装置采集图像;
发送模块,用于将所述图像进行预处理,将预处理后的图像信息发送至远端服务器,以使得远端服务器根据所述预处理图像信息判断是否为真警情。
进一步的,所述发送模块包括:
转换单元,用于将所述图像转换为灰度图;
变换单元,用于对所述灰度图进行几何变换;
插值单元,用于将几何变换后的图像进行双线性插值处理;
裁剪单元,用于对双线性插值处理后的图像进行裁剪,以得到前景图像。
进一步的,所述装置还包括:
开启模块,用于在为真报警时,开启本地声光报警装置。
进一步的,所述装置还包括:
取消模块,用于接收所述远端服务器是否为真警情的判断信息,在为假警情时,取消本地声光报警。
进一步的,所述图像信息包括:图像数据和统计分析数据;
所述发送模块,包括:
标识增加单元,用于在网络发生故障时,将预处理后的图像数据增加优先标识位,在网络恢复时,优先发送具有优先标识位的数据。
进一步的,所述发送模块,包括:
压缩单元,用于对所述预处理后的图像信息进行压缩,得到压缩图像;
发送单元,用于将所述压缩图像和预处理后的图像发送至远端服务器。
更进一步的,所述发送模块,包括:
判断单元,用于判断预处理后的图像是否满足清晰度要求,在不满足清晰度要求时,再次控制图像采集装置采集辅助图像;
发送单元,用于对辅助图像进行预处理,将预处理后的预辅助图像发送至远端服务器。
第三方面,本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述实施例提供的任一所述的报警方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的任一所述的报警方法。
本发明实施例提供的报警方法、装置、设备及存储介质,通过传感器采集的到第一数据计算报警等级,并在报警等级较高时,采集第二传感器的第二数据,确定是否为真报警,在确定为真报警时,采集图像,并对图像进行预处理,以使得云端服务器能够快速准确的对真报警进行核实。由于采用多级多种参数进行综合判断,能够有效减少云端的数据处理量,同时,由于对图像进行了有效预处理,能够减少云端服务器的计算量。进而能够提升云端服务器对于报警信息的时效性,特别适用于复杂场景的报警。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是本发明实施例一提供的报警方法的流程示意图;
图2是本发明实施例二提供的报警方法的流程示意图;
图3是本发明实施例三提供的报警方法的流程示意图;
图4是本发明实施例四提供的报警装置的结构示意图;
图5是本发明实施例五提供的设备的结构示意图。
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说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供报警方法的流程示意图,本实施例可适用于对复杂场景进行识别报警的情况,该方法可以由报警装置来执行,并可集成于集成于各种传感器和图像获取装置的终端中,具体包括如下步骤:
S110,接收第一传感器采集的第一数据。
本实施例提供的报警方法可以适用于多种复杂的应用场景,特别是需要多种检测数据配合图像进行有效识别是否报警的各种场景。其中,所述传感器可以包括:用于测量的各种物理量的实体传感器数据。
在本实施例中,上述所提供的报警方法可以至少应用于以下应用场景:
对于受限制区域,特别是涉及人身危险区域,例如:高传染性疾病隔离区的异常闯入报警检测;
和用于放置医疗污染垃圾的垃圾桶桶内垃圾数量的异常检测。
在本实施例中,所述第一传感器可以根据具体的应用场景灵活变化,例如:在受限制区域的异常闯入报警检测中,所述第一传感器可以是利用电子围栏确定的是否闯入设定区域的相应信息,或者利用红外传感器确定是否存在闯入设定区域的相应信息;
在垃圾数量异常检测中,所述第一传感器可以是设置于垃圾桶内部的多个红外传感器。所述第一传感器可以用于检测垃圾桶内的垃圾数量。
S120,在所述第一数据超过预设的阈值时,计算报警等级。
示例性的,可以预先设定相应的阈值,所述阈值可以根据经验判断。例如:对于闯入设定区域报警,可以采集速度,在速度超过阈值时,根据速度计算报警等级,可以根据速度高达确定报警等级。
在对于医疗垃圾桶垃圾数量进行报警检测时,可以根据其中某个高度对应的传感器的检测结果作为预设的阈值,并且可以根据垃圾数量的堆积速度,确定报警等级。并且可以针对不同的堆积速度确定对应的报警级别。
S130,在所述报警级别为高时,采集第二传感器的第二数据,根据所述第二数据判断是否为真报警。
在报警级别为高时,可以确定当前警情的可能性较高,因此,需要快速确定其报警情况的真实性,在本实施例中,可以利用其它传感器采集到的数据来确定是否为真报警。
示例性的,在闯入设定区域异常报警时,可以将受限区域分为多个不同程度的区域,可以在进入次危险区域前设置相应的红外传感器,以检测是否有物体闯入,根据红外传感器可以确定报警是否为真。
在确定垃圾桶内污染危险医疗垃圾时,可以在垃圾桶顶盖上额外设置一个红外传感器,用于测量医疗垃圾与顶盖之间的距离,在距离小于预设的阈值时,可以确定报警为真。
S140,在为真报警时,控制图像采集装置采集图。
在确定为真报警时,仍然不能完全确定是否为对应的危险紧急情况。如果出现传感器故障或者由于特殊情况发生,会产生误报警。例如:闯入设定区域异常报警可能为物体随风运动至受限区域的误报警,而医疗废物垃圾桶中则有可能是废物堆积不均匀导致的误报警。因此,需要采集相应的图像进行准确的判断。
S150,将所述图像进行预处理,将预处理后的图像信息发送至远端服务器,以使得远端服务器根据所述预处理图像信息判断是否为真警情。
在采集到相应图像后,将图像进行预处理,以使得预处理后的图像更加方便远端服务器,即云端服务器对图像进行准确的识别,进而准确的判断是否为真警情。
通常,由于采集的图像多种多样,云端服务器通常采用神经网络方式对是否为真警情进行判断。示例性的,首先采用提取形状特征的方法进行特征点的提取,其主要使用傅里叶形状描述算法,对图像边界的傅里叶变换作为形状描述,利用区域边界的封闭性和周期性,将二维转化为一维,并由边界点导出三种形状表达,分别是曲率函数、质心距离、复坐标函数,从而达到图像特征点的提取。
终端已存储并被标记的大量警情图像数据,经过上述图像预处理和特征点提取过程后,将提取的图像特征点数据,传输到以卷积神经网络算法为核心的神经网络的第一层,进行特征警情实物的轮廓检测;神经网络的第二层执行检测第一层中简单轮廓组合所形成的简单形状;神经网络的第三层将检测这些形状组合所构成的警情实物的某些部分;神经网络的最后一层将检测第三层中所述警情实物部分的组合。每一层的神经网络都会对目标进行图像组合分析和特征检测,从而进行判断和组合,并将结果传递给下一层神经网络。通过上述神经网络学习和训练过程,将不同种类的警情图像与其相应的标签相互建立关联,获得不同警情的识别规则和模型。
在完成训练后,将图像输入到神经网络中,以得到警情的真伪验证结果。
由于采集的图像中包括大量不相关的信息,在后期进行验证过程中,不仅会增强运算量和数据传输量,同时也会影响真伪验证结果。因此,可以利用终端侧的运算能力对采集到的图像进行预处理。
示例性的,述将所述图像进行预处理,可以包括:将所述图像转换为灰度图;对所述灰度图进行几何变换;将几何变换后的图像进行双线性插值处理;对双线性插值处理后的图像进行裁剪,以得到前景图像。用平移、转置、镜像、旋转、缩放等几何变换和双线性插值算法,改正图像采集系统的系统误差和仪器位置(成像角度、透视关系乃至镜头自身原因)的随机误差;采用空间域法中的点运算算法,改善图像的视觉效果,达到增强图像中有用信息的作用。
对图像进行裁剪,去除无用的背景图像信息,保留前景信息。不仅能够减少网络传输的数据量,同时还可去除无用信息,提高检测警情真伪的准确性。
远端服务器可以根据终端侧发送的图像信息判断是否为真警情。利用上述方法,不仅可以减少远端服务器的运算量和网络传输的数据量,还可以在计算量和精确度之间有效平衡。可以同时确保判断警情真伪的准确性和时效性。
本实施例通过传感器采集的到第一数据计算报警等级,并在报警等级较高时,采集第二传感器的第二数据,确定是否为真报警,在确定为真报警时,采集图像,并对图像进行预处理,以使得云端服务器能够快速准确的对真报警进行核实。由于采用多级多种参数进行综合判断,能够有效减少云端的数据处理量,同时,由于对图像进行了有效预处理,能够减少云端服务器的计算量。进而能够提升云端服务器对于报警信息的时效性,特别适用于复杂场景的报警。
在本实施例的一个优选实施方式中,所述方法还可包括如下步骤:在为真报警时,开启本地声光报警装置。以提醒工作人员注意。示例性的,在放置医疗污染垃圾的垃圾桶桶内垃圾数量的异常检测场景中,可以利用预先录制好的录音配合报警灯光,提示工作人员垃圾箱已满。相应的,如果接收所述远端服务器是否为真警情的判断信息,在为假警情时,取消本地声光报警。
实施例二
图2为本发明实施例二提供的报警方法的流程示意图。本实施例以上述实施例为基础进行优化,在本实施例中,将所述图像信息优化为:图像数据和统计分析数据;相应的,将所述将预处理后的图像发送至远端服务器,具体优化为:在网络发生故障时,将预处理后的图像数据增加优先标识位,在网络恢复时,优先发送具有优先标识位的数据。
相应的,本实施例所提供的报警方法,具体包括:
S210,接收第一传感器采集的第一数据。
S220,在所述第一数据超过预设的阈值时,计算报警等级。
S230,在所述报警级别为高时,采集第二传感器的第二数据,根据所述第二数据判断是否为真报警。
S240,在为真报警时,控制图像采集装置采集图像。
S250,将所述图像进行预处理,将预处理后的图像信息发送至远端服务器。
S260,在网络发生故障时,将预处理后的图像数据增加优先标识位,在网络恢复时,优先发送具有优先标识位的数据。
在本实施例中,所述图像信息可包括图像数据和统计分析数据,所述统计分析数据可以包括上述提及的各种传感器采集的各种参数。远端服务器可以根据图像数据和统计分析数据,利用神经网络,做出更为准确的真假警情的判断结果。
由于远程服务器通过网络连接多个终端,在网络繁忙时,可能会出现网络故障情况。在正常传输过程中,终端侧将上述采集到的图像数据或需要服务端进行统计分析的数据转换为二进制数据,并根据TCP协议和自定义加密方式传输到远程服务器。
在出现网络故障时,会出现上传图像或统计分析数据失败,控制模块分别将图像数据标志位设置为0,统计分析数据的标志位设置为1,并将上述数据和时间信息打包保存于本地FLASH中并启用RTC计时,计时5秒后再次执行驻网并尝试与服务平台建立socket连接,若连接失败,5秒后再次进行驻网连接;若与服务器连接成功,则进行标志位判断,并将FLASH中标志位为0的图像数据优先上传,上传完标志位为0的数据,再上传标志位为1的数据。以使得远程服务器能够尽早接收到图像数据,尽快做出警情真假的判断。
本实施例通过将所述图像信息优化为:图像数据和统计分析数据;相应的,将所述将预处理后的图像发送至远端服务器,具体优化为:在网络发生故障时,将预处理后的图像数据增加优先标识位,在网络恢复时,优先发送具有优先标识位的数据。可以在网络故障时,对图像信息进行优先标记,在网络恢复时,优先上传标记的图像信息,以提高网络传输的及时性,进而提高警情真伪判断的时效性。
在本实施例的一个优选实施方式中,还可以将预处理后的图像信息发送至远端服务器具体优化为:对所述预处理后的图像信息进行压缩,得到压缩图像;将所述压缩图像和预处理后的图像发送至远端服务器。优选的,可以将所述预处理后的图像信息按照隔行隔列的方式重新组合数据。由于远程服务器采用神经网络方式对警情真假进行判断。通过上述方式仍然能够给出较为准确的判断结果。通过压缩图像,可以有效减少网络传输的数据量,避免出现网络堵塞产生的网络故障,保证警情真伪判断的时效性。
实施例三
图3为本发明实施例三提供的报警方法的流程示意图。本实施例以上述实施例为基础进行优化,在本实施例中,将所述将预处理后的图像信息发送至远端服务器,具体优化为:判断预处理后的图像是否满足清晰度要求,在不满足清晰度要求时,再次控制图像采集装置采集辅助图像;对辅助图像进行预处理,将预处理后的图像和辅助图像发送至远端服务器。
相应的,本实施例所提供的报警方法,具体包括:
S310,接收第一传感器采集的第一数据。
S320,在所述第一数据超过预设的阈值时,计算报警等级。
S330,在所述报警级别为高时,采集第二传感器的第二数据,根据所述第二数据判断是否为真报警。
S340,在为真报警时,控制图像采集装置采集图像。
S350,将所述图像进行预处理,判断预处理后的图像是否满足清晰度要求,在不满足清晰度要求时,控制图像采集装置采集辅助图像。
采集图像容易受到外界环境干扰,致使图像画质质量下降,进而无法满足识别的要求。不仅浪费了网络资源,同时也延长了判别时长。因此,在本实施例中,终端侧可以对采集到的图像质量进行判断。在图像质量不满足预设的清晰度要求时,可以重新进行采集,并作为辅助图像。并将辅助图像一同发送至远端服务器。如果辅助图像仍然不满足清晰度要求,则继续采集,直至符合清晰度要求。
示例性的,可以利用Brenner梯度函数判断图像清晰度是否满足要求,根据得出的图像清晰度计算结果与预设的阈值进行比较得出。
S350,对辅助图像进行预处理,将预处理后的预辅助图像发送至远端服务器,以使得远端服务器根据所述预处理后的图像信息判断是否为真警情。
本实施例通过将所述将预处理后的图像信息发送至远端服务器,具体优化为:判断预处理后的图像是否满足清晰度要求,在不满足清晰度要求时,再次控制图像采集装置采集辅助图像;对辅助图像进行预处理,将预处理后的图像和辅助图像发送至远端服务器。可以确保发送的图像能够满足远端服务器的处理标准,减少由于图像质量引发的多次交互,节约了网络资源和远端服务器的运算资源。
实施例四
图4是本发明实施例四提供的报警装置的结构示意图,如图4所示,所述装置包括:
接收模块410,用于接收第一传感器采集的第一数据;
计算模块420,用于在所述第一数据超过预设的阈值时,计算报警等级;
判断模块430,用于在所述报警级别为高时,采集第二传感器的第二数据,根据所述第二数据判断是否为真报警;
采集模块440,用于在为真报警时,控制图像采集装置采集图像;
发送模块450,用于将所述图像进行预处理,将预处理后的图像信息发送至远端服务器,以使得远端服务器根据所述预处理图像信息判断是否为真警情。
本实施例提供的报警装置,通过传感器采集的到第一数据计算报警等级,并在报警等级较高时,采集第二传感器的第二数据,确定是否为真报警,在确定为真报警时,采集图像,并对图像进行预处理,以使得云端服务器能够快速准确的对真报警进行核实。由于采用多级多种参数进行综合判断,能够有效减少云端的数据处理量,同时,由于对图像进行了有效预处理,能够减少云端服务器的计算量。进而能够提升云端服务器对于报警信息的时效性,特别适用于复杂场景的报警。
在上述各实施例的基础上,所述发送模块包括:
转换单元,用于将所述图像转换为灰度图;
变换单元,用于对所述灰度图进行几何变换;
插值单元,用于将几何变换后的图像进行双线性插值处理;
裁剪单元,用于对双线性插值处理后的图像进行裁剪,以得到前景图像。
在上述各实施例的基础上,所述装置还包括:
开启模块,用于在为真报警时,开启本地声光报警装置。
在上述各实施例的基础上,所述装置还包括:
取消模块,用于接收所述远端服务器是否为真警情的判断信息,在为假警情时,取消本地声光报警。
在上述各实施例的基础上,所述图像信息包括:图像数据和统计分析数据;
所述发送模块,包括:
标识增加单元,用于在网络发生故障时,将预处理后的图像数据增加优先标识位,在网络恢复时,优先发送具有优先标识位的数据。
在上述各实施例的基础上,所述发送模块,包括:
压缩单元,用于对所述预处理后的图像信息进行压缩,得到压缩图像;
发送单元,用于将所述压缩图像和预处理后的图像发送至远端服务器。
在上述各实施例的基础上,所述发送模块,包括:
判断单元,用于判断预处理后的图像是否满足清晰度要求,在不满足清晰度要求时,再次控制图像采集装置采集辅助图像;
发送单元,用于对辅助图像进行预处理,将预处理后的预辅助图像发送至远端服务器。本发明实施例所提供的报警装置可执行本发明任意实施例所提供的报警方法,具备执行方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性设备12的框图。图5显示的设备12仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该设备/设备/设备12交互的设备通信,和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与设备12的其它模块通信。应当明白,尽管图中未示出,可以结合设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的报警方法。
实施例六
本发明实施例六还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的报警方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或设备上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种报警方法,其特征在于,包括:
接收第一传感器采集的第一数据, 所述第一传感器是设置于垃圾桶内部的多个红外传感器,所述第一传感器用于检测垃圾桶内的垃圾数量;
根据第一传感器采集的垃圾数量确定垃圾数量的堆积速度,针对不同的堆积速度确定对应的报警级别;
在所述报警级别为高时,采集第二传感器的第二数据,所述第二传感器为垃圾桶顶盖上设置的红外传感器,所述第二数据为测量医疗垃圾与顶盖之间的距离,在距离小于预设的阈值时,确定报警为真;
在为真报警时,控制图像采集装置采集图像;
将所述图像进行预处理,将预处理后的图像信息发送至远端服务器,以使得远端服务器根据所述预处理图像信息判断是否为真警情。
2.根据权利要求1所述的方法,其特征在于,所述将所述图像进行预处理,包括:
将所述图像转换为灰度图;
对所述灰度图进行几何变换;
将几何变换后的图像进行双线性插值处理;
对双线性插值处理后的图像进行裁剪,以得到前景图像。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在为真报警时,开启本地声光报警装置。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
接收所述远端服务器是否为真警情的判断信息,在为假警情时,取消本地声光报警。
5.根据权利要求1所述的方法,其特征在于,
所述图像信息包括:图像数据和统计分析数据;
所述将预处理后的图像发送至远端服务器,包括:
在网络发生故障时,将预处理后的图像数据增加优先标识位,在网络恢复时,优先发送具有优先标识位的数据。
6.根据权利要求1所述的方法,其特征在于,所述将预处理后的图像信息发送至远端服务器包括:
对所述预处理后的图像信息进行压缩,得到压缩图像;
将所述压缩图像和预处理后的图像发送至远端服务器。
7.根据权利要求1所述的方法,其特征在于,所述将预处理后的图像信息发送至远端服务器,包括:
判断预处理后的图像是否满足清晰度要求,在不满足清晰度要求时,再次控制图像采集装置采集辅助图像;
对辅助图像进行预处理,将预处理后的预辅助图像发送至远端服务器。
8.一种报警装置,其特征在于,包括:
接收模块,用于接收第一传感器采集的第一数据, 所述第一传感器是设置于垃圾桶内部的多个红外传感器,所述第一传感器用于检测垃圾桶内的垃圾数量;
计算模块,用于根据第一传感器采集的垃圾数量确定垃圾数量的堆积速度,针对不同的堆积速度确定对应的报警级别;
判断模块,用于在所述报警级别为高时,采集第二传感器的第二数据,所述第二传感器为垃圾桶顶盖上设置的红外传感器,所述第二数据为测量医疗垃圾与顶盖之间的距离,在距离小于预设的阈值时,确定报警为真;
采集模块,用于在为真报警时,控制图像采集装置采集图像;
发送模块,用于将所述图像进行预处理,将预处理后的图像信息发送至远端服务器,以使得远端服务器根据所述预处理图像信息判断是否为真警情。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的报警方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一所述的报警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010181205.XA CN111429701B (zh) | 2020-03-16 | 2020-03-16 | 报警方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010181205.XA CN111429701B (zh) | 2020-03-16 | 2020-03-16 | 报警方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111429701A CN111429701A (zh) | 2020-07-17 |
CN111429701B true CN111429701B (zh) | 2022-02-15 |
Family
ID=71546336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010181205.XA Active CN111429701B (zh) | 2020-03-16 | 2020-03-16 | 报警方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111429701B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117576872A (zh) * | 2023-11-20 | 2024-02-20 | 浙江猎人特卫安保集团有限公司 | 一种报警技术误报甄别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202067359U (zh) * | 2011-03-16 | 2011-12-07 | 苏州市慧视通讯科技有限公司 | 安全远程预警终端 |
CN104796485A (zh) * | 2015-04-30 | 2015-07-22 | 深圳市全球锁安防系统工程有限公司 | 一种老龄人云安康服务平台及大数据处理方法 |
CN106327488A (zh) * | 2016-08-19 | 2017-01-11 | 云赛智联股份有限公司 | 一种自适应的前景检测方法及其检测装置 |
CN206075459U (zh) * | 2016-09-06 | 2017-04-05 | 北京新创迪克系统集成技术有限公司 | 一种防止意外闯入的安防系统 |
CN206292570U (zh) * | 2016-10-28 | 2017-06-30 | 天津职业技术师范大学 | 一种基于物联网的医疗垃圾处理监控装置 |
US10326644B1 (en) * | 2015-05-12 | 2019-06-18 | Alarm.Com Incorporated | Cooperative monitoring networks |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102188A (zh) * | 2014-04-16 | 2014-10-15 | 河海大学常州校区 | 自动检测压缩和装满汇报的垃圾桶控制装置及控制方法 |
CN206793828U (zh) * | 2017-05-16 | 2017-12-26 | 厦门理工学院 | 一种土木建筑用混凝土废料回收处理装置 |
CN107187763B (zh) * | 2017-06-28 | 2019-11-08 | 苏州见真物联科技有限公司 | 一种分离式智能多层垃圾桶 |
CN108033169A (zh) * | 2017-12-23 | 2018-05-15 | 孝感全浩应用科技有限公司 | 一种节能环保型的垃圾桶 |
-
2020
- 2020-03-16 CN CN202010181205.XA patent/CN111429701B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202067359U (zh) * | 2011-03-16 | 2011-12-07 | 苏州市慧视通讯科技有限公司 | 安全远程预警终端 |
CN104796485A (zh) * | 2015-04-30 | 2015-07-22 | 深圳市全球锁安防系统工程有限公司 | 一种老龄人云安康服务平台及大数据处理方法 |
US10326644B1 (en) * | 2015-05-12 | 2019-06-18 | Alarm.Com Incorporated | Cooperative monitoring networks |
CN106327488A (zh) * | 2016-08-19 | 2017-01-11 | 云赛智联股份有限公司 | 一种自适应的前景检测方法及其检测装置 |
CN206075459U (zh) * | 2016-09-06 | 2017-04-05 | 北京新创迪克系统集成技术有限公司 | 一种防止意外闯入的安防系统 |
CN206292570U (zh) * | 2016-10-28 | 2017-06-30 | 天津职业技术师范大学 | 一种基于物联网的医疗垃圾处理监控装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111429701A (zh) | 2020-07-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110807429A (zh) | 基于tiny-YOLOv3的施工安全检测方法及系统 | |
CN112776856A (zh) | 轨道异物侵限监测方法、装置、系统及监控主机设备 | |
CN110216661A (zh) | 跌落区域识别的方法及装置 | |
CN112277957B (zh) | 一种用于驾驶员分心纠正的预警方法及其系统、存储介质 | |
CN114241370A (zh) | 基于数字孪生变电站的入侵识别方法、装置和计算机设备 | |
CN111429701B (zh) | 报警方法、装置、设备及存储介质 | |
CN112464951A (zh) | 一种基于物联网的渔业安全应急处置系统及方法 | |
CN110458144A (zh) | 物体区域入侵检测方法、系统、装置及可读存储介质 | |
CN114092857A (zh) | 基于闸道的集卡图像采集方法、系统、设备及存储介质 | |
CN116740649B (zh) | 一种基于深度学习的船员越界落水行为实时检测方法 | |
CN117953578A (zh) | 基于深度视觉技术的电梯乘员行为检测方法 | |
CN113570622A (zh) | 一种障碍物确定方法、装置、电子设备以及存储介质 | |
CN111695404B (zh) | 行人跌倒检测方法、装置、电子设备及存储介质 | |
CN111832347A (zh) | 动态选取感兴趣区域的方法及装置 | |
CN115908816A (zh) | 基于人工智能的积水识别方法、装置、设备及存储介质 | |
CN113420631A (zh) | 一种基于图像识别的安全报警方法及装置 | |
CN113721240A (zh) | 一种目标关联方法、装置、电子设备及存储介质 | |
CN113487620A (zh) | 一种铁路绝缘节检测方法及装置 | |
CN115880844B (zh) | 一种基于多源感知的船舶安防智能管理系统 | |
CN111222421A (zh) | 水域中人员状态检测方法、装置及电子设备 | |
CN109584235A (zh) | 塑料泡沫餐盒的质量检测方法、装置、服务器及存储介质 | |
CN116883764B (zh) | 一种电池系统故障识别方法及装置 | |
CN117291503B (zh) | 一种智能仓储管理方法、装置及电子设备 | |
CN110738828B (zh) | 门状态监测方法、装置、设备及存储介质 | |
CN117173933A (zh) | 基于图像识别的海洋安全评测方法、装置、设备及介质 |
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 |