CN111669540A

CN111669540A - 一种基于ai技术的监控系统及方法

Info

Publication number: CN111669540A
Application number: CN201910172845.1A
Authority: CN
Inventors: 陈浩; 曾令敏; 邓卓伟
Original assignee: Shanghai Sigui Information Technology Co ltd
Current assignee: Shanghai Sigui Information Technology Co ltd
Priority date: 2019-03-07
Filing date: 2019-03-07
Publication date: 2020-09-15

Abstract

本发明实施例提出一种基于AI技术的监控系统及方法，涉及基于AI技术领域。所述系统包括图像采集模块；所述图像采集模块与处理器连接，处理器连接视频监控器、视频监控器视频分配器，视频分配器连接人工智能模块，处理器连接自动备份模块，处理器连接监控室内的电视墙，处理器连接监控主机；所述视频分配器与监控区域内的所有监控探头连接；所述监控探头为红外探头和图像探头组成；具有结构简单、监控准确和智能化程度高的优点。

Description

一种基于AI技术的监控系统及方法

技术领域

本发明涉及基于AI技术领域，具体而言，涉及一种基于AI技术的监控系统及方法。

背景技术

视频监控是一种高效的监控技术，具有实时性，可靠性，直观性等特点，使用方便，因而受到了各行各业的关注。然而传统的视频监控系统必须有专门的人员去实时监控视频、需要人员主动去判断视频是否有异常，并且不能对可能发生的危险提前预警，只能在危险发生后回看视频。

传统视频监控需要人员投入大量的时间去观看视频，并且大多时候是无效的视频，一方面浪费很多人力并且对危险的预警不好。在公共环境中因为人员众多，有的时候视频监控人员不能及时关注很多人员的情况，导致可能发生的危险没有及时的处理和预警导致事故的发生。传统的视频监控，在异常发生时不能做到第一时间处理，如当有人员的躁动时，需要视频监控人员去通知安防工作人员，然后才能做出处理，这样会消耗时间使得异常不能及时处理，从而导致事故的发生。

发明内容

本发明的目的在于提供一种基于AI技术的监控系统及方法，具有结构简单、监控准确和智能化程度高的优点。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明实施例提供了一种基于AI技术的监控系统，所述系统包括图像采集模块；所述图像采集模块与处理器连接，处理器连接视频监控器、视频监控器视频分配器，视频分配器连接人工智能模块，处理器连接自动备份模块，处理器连接监控室内的电视墙，处理器连接监控主机；所述视频分配器与监控区域内的所有监控探头连接；所述监控探头为红外探头和图像探头组成；所述图像采集模块包括：速度检测模块、图像采集控制模块、图像采集模块，其中：速度检测模块，用于检测目标到达指定位置的到达时间T和列车速度v，并将检测到的到达时间T和列车速度v发送给图像采集控制模块；图像采集模块，用于采集目标图像；图像采集控制模块，用于根据到达时间T和目标速度v控制图像采集模块在指定时间T开始采集图像，并在之后按照一定的时间间隔T采集图像。

进一步的，所述人工智能模块包括：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。

第二方面，本发明实施例还提供了一种基于AI技术的监控方法，所述方法包括：预先建立视频检测异常模型；获取所述网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常；若检测到所述网络摄像机采集的视频数据发生异常，进行异常处理。

进一步的，所述预先建立视频检测异常模型，包括：获取训练视频数据集，所述训练视频数据集包括多种异常场景的视频数据；对所述多种异常场景的视频数据进行预处理；通过卷积算法处理预处理后的视频数据，建立视频检测异常模型。

进一步的，所述获取网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常，包括：判断所述视频数据是否满足所述视频检测异常模型；若所述视频数据满足所述视频检测异常模型，则所述视频数据为异常视频；若所述视频数据不满足所述视频检测异常模型，则所述视频数据为正常视频。

进一步的，所述云服务器还连接移动终端，所述方法还包括：接收所述网络摄像机发送的连接请求命令，获取所述网络摄像机的IP地址和端口；接收移动终端发送的在线播放请求命令，获取所述移动终端的IP地址和端口；根据所述在线播放请求命令，将所述移动终端和所述网络摄像机建立连接。

进一步的，所述根据所述在线播放请求命令，将所述移动终端和所述网络摄像机建立连接，包括：将所述移动终端的IP地址和端口发送到所述网络摄像机，将所述网络摄像机的IP地址和端口发送到所述移动终端，以使所述移动终端和所述网络摄像机通过Socket建立P2P连接，实现所述移动终端和所述网络摄像机之间的通信。

本发明实施例提供的一种基于AI技术的监控系统及方法，预先建立视频检测异常模型；获取所述网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常；若检测到所述网络摄像机采集的视频数据发生异常，进行异常处理。通过上述方式，本发明实施例能够解决目前视频监控无法主动检测异常情况，安全预警不足并且浪费人力资源的技术问题。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1示出了本发明实施例提供的基于AI技术的监控系统的系统结构示意图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1：

如图1所示，一种基于AI技术的监控系统，一种基于AI技术的监控系统，所述系统包括图像采集模块；所述图像采集模块与处理器连接，处理器连接视频监控器、视频监控器视频分配器，视频分配器连接人工智能模块，处理器连接自动备份模块，处理器连接监控室内的电视墙，处理器连接监控主机；所述视频分配器与监控区域内的所有监控探头连接；所述监控探头为红外探头和图像探头组成；所述图像采集模块包括：速度检测模块、图像采集控制模块、图像采集模块，其中：速度检测模块，用于检测目标到达指定位置的到达时间T和列车速度v，并将检测到的到达时间T和列车速度v发送给图像采集控制模块；图像采集模块，用于采集目标图像；图像采集控制模块，用于根据到达时间T和目标速度v控制图像采集模块在指定时间T开始采集图像，并在之后按照一定的时间间隔T采集图像。

实施例2：一种基于AI技术的监控方法，所述方法包括：预先建立视频检测异常模型；获取所述网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常；若检测到所述网络摄像机采集的视频数据发生异常，进行异常处理。

所述卷积算法包括卷积操作，通过卷积操作处理预处理后的视频数据，所述卷积操作通过使用一个卷积核对图像中的每一个像素。其中，所述卷积算法通过Python代码实现，通过Python代码建立训练模型，所述训练模型包括：输入层、隐藏层以及输出层。具体的，所述输入层用于输入预处理的视频数据，并将所述视频数据进行处理得到输入图片，所述隐藏层用于计算输入图片的特征，所述输出层用于通过所述隐藏层的计算特征输出所述视频数据是否包含异常场景。若所述视频数据包含异常场景，则确定所述视频数据为异常视频；若所述视频数据不包含异常场景，则确定所述视频数据为正常视频。通过建立训练模型，将所述训练模型作为所述视频检测异常模型。具体的，所述训练过程包括：标记正常视频和异常视频，通过视频数据的预处理以及所述训练模型的计算，判断所述视频数据为正常视频或异常视频。例如：将正常视频标记为0，将异常视频标记为1，然后将正常视频和异常视频同时输入所述训练模型，通过视频数据的预处理以及所述训练模型的计算，分辨所述视频数据为正常视频或异常视频，通过重复所述训练过程，当所述训练模型分辨的正确率达到预设正确率阈值时，停止所述训练过程，将所述训练模型作为所述视频检测异常模型。可以理解的是，当所述视频检测异常模型成功建立后，所述云服务器将自动保存所述视频检测异常模型，并通过所述视频检测异常模型检测网络摄像机的视频是否有异常的情况。

具体的，所述视频检测异常模型包括多种异常类型，每一种异常类型对应一种异常场景，所述视频检测异常模型将根据所述视频数据，确定所述网络摄像机采集的视频数据的异常类型，根据所述异常类型，确定与其对应的异常处理方式。通过将所述网络摄像机采集的视频数据进行处理得到图片，识别所述图片的特征，确定所述图片的特征是否匹配所述视频检测异常模型对应的异常类型，若是，则确定所述视频数据对应所述异常类型。其中，所述云服务器还连接移动终端，所述异常处理方式包括报警处理，具体地，所述云服务器向所述移动终端发送报警信号，所述移动终端接收所述报警信号，提醒用户对所述异常情况进行处理。具体的，所述移动终端通过振动、响铃、界面提示等方式提醒用户。例如：当所述云服务器通过所述视频检测异常模型确定所述视频数据对应的异常类型为突然的声音躁动时，所述云服务器向所述移动终端发送报警信号，所述移动终端将根据所述报警信号以振动的方式提醒用户；或者，当所述云服务器通过所述视频检测异常模型确定所述视频数据对应的异常类型为陌生人的闯入时，所述云服务器向所述移动终端发送报警信号，所述移动终端将根据所述报警信号以响铃并且界面提示两种方式同时提醒用户；或者当所述云服务器通过所述视频检测异常模型确定所述视频数据对应的异常类型为烟雾、火灾或暴乱时，所述云服务器向所述移动终端发送报警信号，所述移动终端将根据所述报警信号以振动并且响铃，以及界面提示三种方式同时提醒用户。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个单元、程序段或代码的一部分，所述单元、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能单元可以集成在一起形成一个独立的部分，也可以是各个单元单独存在，也可以两个或两个以上单元集成形成一个独立的部分。

所述功能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)执行本发明各个实施例所述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-Onl8Memor8)、随机存取存储器(RAM，Random Access Memor8)、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

Claims

1.一种基于AI技术的监控系统，其特征在于，所述系统包括图像采集模块；所述图像采集模块与处理器连接，处理器连接视频监控器、视频监控器视频分配器，视频分配器连接人工智能模块，处理器连接自动备份模块，处理器连接监控室内的电视墙，处理器连接监控主机；所述视频分配器与监控区域内的所有监控探头连接；所述监控探头为红外探头和图像探头组成；所述图像采集模块包括：速度检测模块、图像采集控制模块、图像采集模块，其中：速度检测模块，用于检测目标到达指定位置的到达时间T和列车速度v，并将检测到的到达时间T和列车速度v发送给图像采集控制模块；图像采集模块，用于采集目标图像；图像采集控制模块，用于根据到达时间T和目标速度v控制图像采集模块在指定时间T开始采集图像，并在之后按照一定的时间间隔T采集图像。

2.如权利要求1所述的基于AI技术的监控系统，其特征在于，所述人工智能模块包括：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。

3.一种基于权利要求1至2之一所述的基于AI技术的监控系统的方法，其特征在于，所述方法包括：预先建立视频检测异常模型；获取所述网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常；若检测到所述网络摄像机采集的视频数据发生异常，进行异常处理。

4.根据权利要求3所述的方法，其特征在于，所述预先建立视频检测异常模型，包括：获取训练视频数据集，所述训练视频数据集包括多种异常场景的视频数据；对所述多种异常场景的视频数据进行预处理；通过卷积算法处理预处理后的视频数据，建立视频检测异常模型。

5.根据权利要求4所述的方法，其特征在于，所述获取网络摄像机采集的视频数据，根据所述视频检测异常模型，检测所述网络摄像机采集的视频数据是否发生异常，包括：判断所述视频数据是否满足所述视频检测异常模型；若所述视频数据满足所述视频检测异常模型，则所述视频数据为异常视频；若所述视频数据不满足所述视频检测异常模型，则所述视频数据为正常视频。

6.根据权利要求5所述的方法，其特征在于，所述云服务器还连接移动终端，所述方法还包括：接收所述网络摄像机发送的连接请求命令，获取所述网络摄像机的IP地址和端口；接收移动终端发送的在线播放请求命令，获取所述移动终端的IP地址和端口；根据所述在线播放请求命令，将所述移动终端和所述网络摄像机建立连接。

7.根据权利要求6所述的方法，其特征在于，所述根据所述在线播放请求命令，将所述移动终端和所述网络摄像机建立连接，包括：将所述移动终端的IP地址和端口发送到所述网络摄像机，将所述网络摄像机的IP地址和端口发送到所述移动终端，以使所述移动终端和所述网络摄像机通过Socket建立P2P连接，实现所述移动终端和所述网络摄像机之间的通信。