CN112153343A - 电梯安全监控方法、装置、监控摄像头和存储介质 - Google Patents
电梯安全监控方法、装置、监控摄像头和存储介质 Download PDFInfo
- Publication number
- CN112153343A CN112153343A CN202011023530.XA CN202011023530A CN112153343A CN 112153343 A CN112153343 A CN 112153343A CN 202011023530 A CN202011023530 A CN 202011023530A CN 112153343 A CN112153343 A CN 112153343A
- Authority
- CN
- China
- Prior art keywords
- detection
- target
- video
- algorithm
- human
- 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 89
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000001514 detection method Methods 0.000 claims abstract description 267
- 230000015654 memory Effects 0.000 claims description 20
- 238000013139 quantization Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 5
- 238000004821 distillation Methods 0.000 claims description 4
- 238000013138 pruning Methods 0.000 claims description 4
- 238000012806 monitoring device Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 6
- 230000009429 distress Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Indicating And Signalling Devices For Elevators (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了电梯安全监控方法、装置、监控摄像头和存储介质,涉及人工智能领域,具体为计算机视觉。具体实现方案为:采集电梯内的视频;执行N个目标检测算法对视频进行检测,得到检测结果,其中,N为大于等于2的整数;N个目标检测算法中不同的目标检测算法用于在视频中检测不同的目标事件;在基于检测结果确定检测到目标事件的情况下,向监控后台发送目标事件上报信息。本申请实施例提高了检测目标事件的实时性,并降低了成本。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及人工智能领域。
背景技术
近年来,电梯安全事故频发。为了及时发现电梯中的安全隐患,在电梯中一般都会配置监控摄像头。利用监控摄像头可以采集电梯内的视频,然后将视频传送到监控室中的监控后台。电梯管理人员可以在监控室查看监控摄像头拍摄的视频图像。
发明内容
本申请提供了一种电梯安全监控方法、装置、监控摄像头和存储介质。
根据本申请的一方面,提供了一种电梯安全监控方法,其中,该方法包括:
采集电梯内的视频;
执行N个目标检测算法对视频进行检测,得到检测结果,其中,N为大于等于2的整数;N个目标检测算法中不同的目标检测算法用于在视频中检测不同的目标事件;
在基于检测结果确定检测到目标事件的情况下,向监控后台发送目标事件上报信息。
根据本申请的另一方面,提供了一种电梯安全监控装置,其中,该装置包括:
采集模块,用于采集电梯内的视频;
检测模块,用于执行N个目标检测算法对视频进行检测,得到检测结果,其中,N为大于等于2的整数;N个目标检测算法中不同的目标检测算法用于在视频中检测不同的目标事件;
发送模块,用于在基于检测结果确定检测到目标事件的情况下,向监控后台发送目标事件上报信息。
根据本申请的另一方面,提供了一种监控摄像头,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请实施例提供的方法。
根据本申请的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行本申请实施例提供的方法。
根据本申请的技术方案,采集电梯内的视频并执行多个目标检测算法对视频进行检测,在检测到目标事件时向监控后台发送目标事件上报信息,从而提高了检测目标事件的实时性,有利于及时发现电梯中的安全隐患,并降低了成本。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的电梯安全监控方法的示意图;
图2A是根据本申请第二实施例的监控摄像头的示意图一;
图2B是根据本申请第二实施例的监控摄像头的示意图二;
图3是根据本申请第三实施例的电梯安全监控方法的示意图;
图4是根据本申请第四实施例的电梯安全监控方法的示意图;
图5是根据本申请第五实施例的电梯安全监控方法的示意图;
图6是根据本申请第六实施例的电梯安全监控方法的示意图;
图7是根据本申请第七实施例的电梯安全监控方法的示意图;
图8是根据本申请第八实施例的电梯安全监控装置的示意图;
图9是根据本申请第九实施例的电梯安全监控装置的示意图;
图10是根据本申请第十实施例的电梯安全监控装置的示意图;
图11是用来实现本申请实施例的电梯安全监控方法的监控摄像头的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1示出了根据本申请一个实施例的电梯安全监控方法的示意图。如图1所示,该方法包括:
步骤S11,采集电梯内的视频;
步骤S12,执行N个目标检测算法对视频进行检测,得到检测结果,其中,N为大于等于2的整数;N个目标检测算法中不同的目标检测算法用于在视频中检测不同的目标事件;
步骤S13,在基于检测结果确定检测到目标事件的情况下,向监控后台发送目标事件上报信息。
示例性地,该方法可以应用于安装在电梯轿厢内的监控摄像头。
由于不同的目标检测算法用于在视频中检测不同的目标事件,因此,N个目标检测算法可对应于N个目标事件。N个目标事件可以包括挥手求救、跌倒、做出危险动作如跳跃或踢打等人物行为、人物属性,也可以包括超大物件进入电梯、电瓶车进入电梯、电梯异常晃动、电梯门异常开关等电梯状态。
本申请实施例中,将AI(Artificial Intelligence,人工智能)算法集成到电梯摄像头,可以在电梯内的监控摄像头中对各种目标事件进行全面的检测,在检测到目标事件的情况下,向监控后台发送目标事件上报信息。因此,能够第一时间处理和相应电梯安全相关的目标事件,提高对目标事件的检测的实时性,及时发现电梯内的安全隐患。并且,通过在电梯内的监控摄像头集成目标检测、事件上报等功能,可以显著降低后台监控的硬件成本和人力成本。
示例性地,上述安装在电梯内的监控摄像头中可设置有视频采集器、AI算法的处理器和通信模块例如有线通信接口、无线网卡、Wi-Fi(Wireless Fidelity,基于IEEE802.11b标准的无线局域网)天线等。其中,利用视频采集器可以采集电梯内的视频,利用处理器可以执行目标检测算法,利用通信模块可以向监控后台发送信息。
图2A和图2B示出了监控摄像头的示意图。如图2A和图2B所示,监控摄像头的主体为摄像头21,监控摄像头还包括Wi-Fi天线22、TF(Trans-flash Card,闪存卡)卡槽23、对讲模块24等。其中,IF卡槽23可用于插入IF卡,IF卡可用于存储视频。对讲模块24可用于监控后台的电梯管理人员与电梯内的乘客进行对讲,例如电梯管理人员在监控后台上接收到目标事件上报模块后,可通过对讲模块24发起对讲,第一时间处理电梯问题。
作为一种示例性的实施方式,如图3所示,电梯安全监控方法还可以包括:
步骤S31,对N个目标检测算法进行量化处理,得到量化后的N个目标检测算法。
其中,步骤S31可以在步骤S12之前执行。
通过对目标检测算法进行量化,可以将目标检测算法的模型中的浮点运算转换为定点运算,提高目标检测算法的运算速度,从而提高检测目标事件的实时性。
在一些实施方式中,监控摄像头上执行目标检测算法的处理器可以包括AI加速芯片。通过对目标检测算法进行量化,使目标检测算法能够适配到AI加速芯片上运行,从而进一步提高算法的运算速度,且相比于GPU(Graphics Processing Unit,图形处理器),AI加速芯片的成本低廉,能够降低监控摄像头的硬件成本。
示例性地,量化处理包括以下处理方式中的至少一种:
1)轻量化,包括例如模型蒸馏、剪枝、模型重训中的一种或多种;
2)整数量化。
通过轻量化处理,可以尽量减小目标检测算法的模型体积,通过整数量化能在有限的硬件资源下运行更快更大的模型,有利于将目标检测算法适配到AI加速芯片上。
实际应用时,在有限的硬件资源上例如在AI加速芯片上,可能同时只能执行一个目标检测算法。在一些实施方式中,可以通过调度各目标检测算法的执行次序,在有限的硬件资源上提高检测目标事件的实时性。以下提供几个示例性的实施方式:
示例一:在上述步骤S12中,执行N个目标检测算法对视频进行检测,得到检测结果,包括:
依次执行N个目标检测算法对视频进行检测,得到不同目标检测算法输出的针对不同目标事件的检测结果。
例如,如图4所示,N个目标检测算法可以包括人物属性的检测算法、电瓶车的检测算法、电梯异常晃动的检测算法和求救手势的检测算法。这些算法串行执行:先执行人物属性的检测算法,得到人物属性的检测结果;再执行电瓶车的检测算法,得到电瓶车的检测结果;然后执行电梯异常晃动的检测算法,得到电梯异常晃动的检测结果;最后执行求救手势的检测算法,得到求救手势的检测结果。
示例性地,可以重复执行步骤S12。如图4所示,每执行一次步骤S12可视为一个周期,在每个周期内均可以执行N个目标检测算法,得到N个目标事件的检测结果。在监控摄像头不断采集视频的情况下,可以持续对视频进行检测,更新检测结果。假设在没有检测到人物时,人物属性的检测算法用时为25ms,在检测到人物时,人物属性的检测算法用时为75ms;电瓶车的检测算法用时为25ms;电梯异常晃动的检测算法用时为80ms;求救手势的检测算法用时为100ms;则在0.5s内,可以执行大概2次步骤S12。
在一些实施方式中,N个目标检测算法中的每个目标检测算法,可以基于相同的视频内容进行检测。例如,在第一周期中,针对监控摄像头启动后的第0-250ms的视频进行检测,第一周期用时300ms,则在第二周期中,针对第250ms-550ms的视频进行检测,依次类推,每个周期都对周期开始时未检测的视频进行检测,可以对所有视频内容都进行检测。
在一些实施方式中,N个目标检测算法中的每个目标检测算法,也可以基于不同的视频内容进行检测。例如,针对监控摄像头启动后的第0-100ms的视频执行人物属性的检测算法,人物属性的检测算法用时为80ms,则针对第100ms-180ms的视频执行电瓶车的检测算法。依次类推,每个算法都对上一个算法的执行期间采集的视频进行检测,即每开始一个算法时,都会取一次最新的视频进行检测。如此,可以提高算法的运行速度,快速完成对每段新视频的检测,提高检测的实时性。
根据示例性一的实施方式,各算法依次执行,在一定的时间范围内,可以执行所有的算法,实现对多种目标事件的全面检测。
示例二:在上述步骤S12中,执行N个目标检测算法对视频进行检测,得到检测结果,包括:
执行N次迭代操作得到检测结果;
其中,N次迭代操作中的第i次迭代操作包括:
执行人物检测算法进行人物检测,得到人物检测结果;
执行N个目标检测算法中的第i个目标检测算法,得到第i个检测结果;其中,i为大于等于1且小于等于N的整数;N个目标检测算法包括基于人物检测结果中检测到的人物所执行的人物属性检测算法。
例如,如图5所示,N个目标检测算法可以包括人物属性的检测算法、电瓶车的检测算法、电梯异常晃动的检测算法和求救手势的检测算法。先执行一次人物检测算法,再执行一个目标检测算法,然后执行下一次人物检测算法,再执行下一个目标检测算法,依次类推,人物检测算法和这些目标检测算法交替执行。其中,对于需要利用人物检测结果中检测到的人物执行的人物属性检测算法,可以基于上一次执行人物属性检测算法后检测到的人物进行对人物属性的检测。对于其他算法,可以在每开始一个算法时,都取一次最新的视频进行检测。
示例性地,上述人物可以基于人脸表征,例如人物检测算法可以是人脸检测算法。人物属性检测算法可以用于检测表情、五官特征等人脸属性。
示例性地,可以重复执行步骤S12。基于这种方式,每次执行步骤S12的用时可参考下表(单位:ms):
即每350ms内各目标检测算法运行一次,人物检测算法运行4次。由于人物检测算法与目标检测算法交替执行,因此,能够尽可能地抓取到进入电梯的所有人物,使得人物属性检测可以基于电梯内的所有人物执行,防止遗漏对任何非法进入的人物的检测,有利于提高电梯的安全性。
示例三:在上述步骤S12中,执行N个目标检测算法对视频进行检测,得到检测结果,包括:
根据N个目标检测算法中的每个目标检测算法的时限要求,确定N个目标检测算法中是否存在到达执行时限的算法;
在存在到达执行时限的算法的情况下,执行到达执行时限的算法对视频进行检测,得到与算法对应的目标事件的检测结果;
在不存在到达执行时限的算法的情况下,执行人物检测算法进行人物检测,得到人物检测结果。
示例性地,可以预先设置不同的目标检测算法的时限要求,并记录各目标检测算法的执行用时,例如:
1)求救手势的检测间隔不低于500ms,即0.5s需执行1次,执行1次用时在50ms至100ms之间;
2)电瓶车的检测间隔不低于250ms,即0.5s需运行2次,执行1次用时25ms;
3)电梯异常晃动的检测间隔不低于250ms,即0.5s需运行2次,执行1次用时80ms。
可以重复执行上述步骤S12,每次开始执行步骤S12时,首先根据以上时限要求,确定是否存在到达执行时限的算法,例如当前时刻加上人物检测算法的用时25ms后是否会造成某些算法的执行时限超期,在存在这些算法的情况下,执行这些算法,否则,执行人物检测算法。实际应用时,500ms内人物检测算法的执行时间在190ms至240ms之间,可以执行大约10次。
根据该示例性的实施方式,可以根据不同的目标事件的发生频率,设置不同的目标检测算法的时限要求,同时尽可能抓取到进入电梯的所有人物,有利于提高电梯的安全性。
可选地,如图6所示,步骤S12还可以包括:
在基于人物检测结果确定检测到人物的情况下,执行N个目标检测算法中的人物属性检测算法对人物进行属性检测,得到人物属性的检测结果。
根据该示例性的实施方式,人物检测和人物属性检测不需要分离执行,可以避免人物检测和人物属性检测导致的算法复杂度提高,并且节省对人物检测结果的存储资源。
在一些实施方式中,上述步骤S13中,向监控后台发送目标时间上报信息,可以包括:
在视频中截取目标事件对应的视频片段;
向监控后台发送包含视频片段的目标事件上报信息。
例如,检测到某个时刻存在目标事件,则将该时刻的视频图像和该时刻前后10s的视频片段发送至监控后台。
基于该实施方式,可以便于监控后台中的电梯管理人员了解电梯内的情况,有助于根据实际情况作出响应的处理决策。
图7示出了本申请一实施例的电梯安全监控方法的应用示意图。如图7所示,电梯内的监控摄像头包括AI算法模块、存储上报模块、摄像头对讲模块。其中,AI算法模块检测安全事件,在检测到安全事件的情况下,将相关视频信息存储在存储上报模块,并由存储上报模块上报安全事件到监控后台。监控后台包括事件呼叫平台和对讲平台。事件呼叫平台呼叫电梯维护人员,电梯维护人员可以发起与电梯内乘客的对讲,通过对讲平台和摄像头对讲模块实现对讲。
根据本申请实施例的方法,在电梯内的监控摄像头中采集电梯内的视频并执行多个目标检测算法对视频进行检测,在检测到目标事件时向监控后台发送目标事件上报信息,从而提高了检测目标事件的实时性,有利于及时发现电梯中的安全隐患,并降低了成本。
图8示出了根据本申请一实施例的电梯安全监控装置的示意图。该装置可以应用于安装在电梯内的监控摄像头,包括:
采集模块810,用于采集电梯内的视频;
检测模块820,用于执行N个目标检测算法对视频进行检测,得到检测结果,其中,N为大于等于2的整数;N个目标检测算法中不同的目标检测算法用于在视频中检测不同的目标事件;
发送模块830,用于在基于检测结果确定检测到目标事件的情况下,向监控后台发送目标事件上报信息。
示例性地,如图9所示,该装置还包括:
量化模块910,用于对N个目标检测算法进行量化处理,得到量化后的N个目标检测算法。
示例性地,量化处理包括模型蒸馏、模型剪枝、模型重训和整数量化中的至少一种。
示例性地,检测模块820用于依次执行N个目标检测算法对视频进行检测,得到不同目标检测算法输出的针对不同目标事件的检测结果。
示例性地,检测模块820用于执行N次迭代操作得到检测结果;如图9所示,检测模块820包括:
第一人物检测单元821,用于执行人物检测算法进行人物检测,得到人物检测结果;
第一目标检测单元822,用于执行N个目标检测算法中的第i个目标检测算法,得到第i个检测结果;其中,i为大于等于1且小于等于N的整数;N个目标检测算法包括基于人物检测结果中检测到的人物所执行的人物属性检测算法。
示例性地,如图10所示,检测模块820包括:
确定单元823,用于根据N个目标检测算法中的每个目标检测算法的时限要求,确定N个目标检测算法中是否存在到达执行时限的算法;
第二目标检测单元824,用于在存在到达执行时限的算法的情况下,执行到达执行时限的算法对视频进行检测,得到与算法对应的目标事件的检测结果;
第二人物检测单元825,用于在不存在到达执行时限的算法的情况下,执行人物检测算法进行人物检测,得到人物检测结果。
示例性地,如图10所示,检测模块820还包括:
人物属性检测单元826,用于在人物检测结果中包含检测到的人物的情况下,执行N个目标检测算法的人物属性检测算法对人物进行属性检测,得到人物属性的检测结果。
示例性地,如图10所示,发送模块830包括:
截取单元831,用于在视频中截取目标事件对应的视频片段;
发送单元832,用于向监控后台发送包含视频片段的目标事件上报信息。
根据本申请的实施例,本申请还提供了一种监控摄像头和一种可读存储介质。
如图11所示,是根据本申请实施例的电梯安全监控方法的监控摄像头的框图。监控摄像头可以安装在电梯轿厢内。监控摄像头旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。监控摄像头还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图11所示,该监控摄像头包括:一个或多个处理器1101、存储器1102,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在监控摄像头内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个监控摄像头,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图11中以一个处理器1101为例。
存储器1102即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的电梯安全监控方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的电梯安全监控方法。
存储器1102作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的电梯安全监控方法对应的程序指令/模块(例如,附图8所示的采集模块810、检测模块820和发送模块830)。处理器1101通过执行存储在存储器1102中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的电梯安全监控方法。
存储器1102可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据电梯安全监控方法的监控摄像头的使用所创建的数据等。此外,存储器1102可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器1102可选包括相对于处理器1101远程设置的存储器,这些远程存储器可以通过网络连接至电梯安全监控方法的监控摄像头。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
电梯安全监控方法的监控摄像头还可以包括:输入装置1103和输出装置1104。处理器1101、存储器1102、输入装置1103和输出装置1104可以通过总线或者其他方式连接,图11中以通过总线连接为例。
输入装置1103可接收输入的数字或字符信息,以及产生与电梯安全监控方法的监控摄像头的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1104可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上执行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与虚拟专用服务器(VPS)服务中,存在的管理难度大,业务扩展性弱的缺陷。
根据本申请实施例的技术方案,在电梯内的监控摄像头中采集电梯内的视频并执行多个目标检测算法对视频进行检测,在检测到目标事件时向监控后台发送目标事件上报信息,从而提高了检测目标事件的实时性,有利于及时发现电梯中的安全隐患,并降低了成本。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (18)
1.一种电梯安全监控方法,其中,所述方法包括:
采集电梯内的视频;
执行N个目标检测算法对所述视频进行检测,得到检测结果,其中,N为大于等于2的整数;所述N个目标检测算法中不同的目标检测算法用于在所述视频中检测不同的目标事件;
在基于所述检测结果确定检测到所述目标事件的情况下,向监控后台发送目标事件上报信息。
2.根据权利要求1所述的方法,其中,还包括:
对所述N个目标检测算法进行量化处理,得到量化后的N个目标检测算法。
3.根据权利要求2所述的方法,其中,所述量化处理包括模型蒸馏、模型剪枝、模型重训和整数量化中的至少一种。
4.根据权利要求1所述的方法,其中,所述执行N个目标检测算法对所述视频进行检测,得到检测结果,包括:
依次执行所述N个目标检测算法对所述视频进行检测,得到不同目标检测算法输出的针对不同目标事件的检测结果。
5.根据权利要求1所述的方法,其中,所述执行N个目标检测算法对所述视频进行检测,得到检测结果,包括:
执行N次迭代操作得到检测结果;
其中,所述N次迭代操作中的第i次所述迭代操作包括:
执行人物检测算法进行人物检测,得到人物检测结果;
执行所述N个目标检测算法中的第i个目标检测算法,得到第i个检测结果;其中,i为大于等于1且小于等于N的整数;所述N个目标检测算法包括基于人物检测结果中检测到的人物所执行的人物属性检测算法。
6.根据权利要求1所述的方法,其中,所述执行N个目标检测算法对所述视频进行检测,得到检测结果,包括:
根据所述N个目标检测算法中的每个目标检测算法的时限要求,确定所述N个目标检测算法中是否存在到达执行时限的算法;
在存在到达执行时限的算法的情况下,执行所述到达执行时限的算法对所述视频进行检测,得到与所述算法对应的目标事件的检测结果;
在不存在到达执行时限的算法的情况下,执行人物检测算法进行人物检测,得到人物检测结果。
7.根据权利要求6所述的方法,所述执行N个目标检测算法对所述视频进行检测,得到检测结果,还包括:
在基于所述人物检测结果确定检测到人物的情况下,执行所述N个目标检测算法中的人物属性检测算法对所述人物进行属性检测,得到人物属性的检测结果。
8.根据权利要求1至7中任一项所述的方法,其中,所述向监控后台发送目标事件上报信息,包括:
在所述视频中截取所述目标事件对应的视频片段;
向所述监控后台发送包含所述视频片段的目标事件上报信息。
9.一种电梯安全监控装置,其中,所述装置包括:
采集模块,用于采集电梯内的视频;
检测模块,用于执行N个目标检测算法对所述视频进行检测,得到检测结果,其中,N为大于等于2的整数;所述N个目标检测算法中不同的目标检测算法用于在所述视频中检测不同的目标事件;
发送模块,用于在基于所述检测结果确定检测到所述目标事件的情况下,向监控后台发送目标事件上报信息。
10.根据权利要求9所述的装置,其中,还包括:
量化模块,用于对所述N个目标检测算法进行量化处理,得到量化后的N个目标检测算法。
11.根据权利要求10所述的装置,其中,所述量化处理包括模型蒸馏、模型剪枝、模型重训和整数量化中的至少一种。
12.根据权利要求9所述的装置,其中,所述检测模块用于依次执行所述N个目标检测算法对所述视频进行检测,得到不同目标检测算法输出的针对不同目标事件的检测结果。
13.根据权利要求9所述的装置,其中,所述检测模块用于执行N次迭代操作得到检测结果;
所述检测模块包括:
第一人物检测单元,用于执行人物检测算法进行人物检测,得到人物检测结果;
第一目标检测单元,用于执行所述N个目标检测算法中的第i个目标检测算法,得到第i个检测结果;其中,i为大于等于1且小于等于N的整数;所述N个目标检测算法包括基于人物检测结果中检测到的人物所执行的人物属性检测算法。
14.根据权利要求9所述的装置,其中,所述检测模块包括:
确定单元,用于根据所述N个目标检测算法中的每个目标检测算法的时限要求,确定所述N个目标检测算法中是否存在到达执行时限的算法;
第二目标检测单元,用于在存在到达执行时限的算法的情况下,执行所述到达执行时限的算法对所述视频进行检测,得到与所述算法对应的目标事件的检测结果;
第二人物检测单元,用于在不存在到达执行时限的算法的情况下,执行人物检测算法进行人物检测,得到人物检测结果。
15.根据权利要求14所述的装置,所述检测模块还包括:
人物属性检测单元,用于在所述人物检测结果中包含检测到的人物的情况下,执行所述N个目标检测算法的人物属性检测算法对所述人物进行属性检测,得到人物属性的检测结果。
16.根据权利要求9至15中任一项所述的装置,其中,所述发送模块包括:
截取单元,用于在所述视频中截取所述目标事件对应的视频片段;
发送单元,用于向所述监控后台发送包含所述视频片段的目标事件上报信息。
17.一种监控摄像头,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权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011023530.XA CN112153343B (zh) | 2020-09-25 | 2020-09-25 | 电梯安全监控方法、装置、监控摄像头和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011023530.XA CN112153343B (zh) | 2020-09-25 | 2020-09-25 | 电梯安全监控方法、装置、监控摄像头和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112153343A true CN112153343A (zh) | 2020-12-29 |
CN112153343B CN112153343B (zh) | 2022-09-02 |
Family
ID=73897177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011023530.XA Active CN112153343B (zh) | 2020-09-25 | 2020-09-25 | 电梯安全监控方法、装置、监控摄像头和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112153343B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011290A (zh) * | 2021-03-03 | 2021-06-22 | 上海商汤智能科技有限公司 | 事件检测方法及装置、电子设备和存储介质 |
CN113723349A (zh) * | 2021-09-10 | 2021-11-30 | 北京声智科技有限公司 | 电梯实时监控方法、装置、系统及服务器 |
CN113743249A (zh) * | 2021-08-16 | 2021-12-03 | 北京佳服信息科技有限公司 | 一种违章识别方法、装置、设备及可读存储介质 |
CN113792700A (zh) * | 2021-09-24 | 2021-12-14 | 成都新潮传媒集团有限公司 | 一种电瓶车入箱检测方法、装置、计算机设备及存储介质 |
CN115439404A (zh) * | 2022-07-26 | 2022-12-06 | 南京清湛人工智能研究院有限公司 | 一种视频检测系统和方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079964A (zh) * | 2006-04-24 | 2007-11-28 | 富士胶片株式会社 | 图像再现设备、图像再现方法、图像再现程序及图像捕捉设备 |
US20120137367A1 (en) * | 2009-11-06 | 2012-05-31 | Cataphora, Inc. | Continuous anomaly detection based on behavior modeling and heterogeneous information analysis |
US20150154452A1 (en) * | 2010-08-26 | 2015-06-04 | Blast Motion Inc. | Video and motion event integration system |
CN105100894A (zh) * | 2014-08-26 | 2015-11-25 | Tcl集团股份有限公司 | 面部自动标注方法及系统 |
CN106529408A (zh) * | 2016-10-10 | 2017-03-22 | 深圳云天励飞技术有限公司 | 一种人脸检测的方法及装置 |
CN109508638A (zh) * | 2018-10-11 | 2019-03-22 | 平安科技(深圳)有限公司 | 人脸情绪识别方法、装置、计算机设备及存储介质 |
US20190095716A1 (en) * | 2017-09-26 | 2019-03-28 | Ambient AI, Inc | Systems and methods for intelligent and interpretive analysis of video image data using machine learning |
CN109829390A (zh) * | 2019-01-09 | 2019-05-31 | 浙江新再灵科技股份有限公司 | 一种基于深度学习的电梯智能调度系统及方法 |
CN110351535A (zh) * | 2019-08-14 | 2019-10-18 | 杭州品茗安控信息技术股份有限公司 | 一种工地监控系统 |
CN110414461A (zh) * | 2019-08-02 | 2019-11-05 | 湖南德雅坤创科技有限公司 | 一种人体目标检测方法、装置和计算机可读存储介质 |
CN111353471A (zh) * | 2020-03-17 | 2020-06-30 | 北京百度网讯科技有限公司 | 安全驾驶监测方法、装置、设备和可读存储介质 |
CN111373436A (zh) * | 2018-12-18 | 2020-07-03 | 深圳市大疆创新科技有限公司 | 图像处理方法、终端设备及存储介质 |
CN111414887A (zh) * | 2020-03-30 | 2020-07-14 | 上海高重信息科技有限公司 | 基于yolov3算法的二次检测口罩人脸识别方法 |
CN111614884A (zh) * | 2020-06-29 | 2020-09-01 | 北京百度网讯科技有限公司 | 人工智能摄像头及监控方法 |
-
2020
- 2020-09-25 CN CN202011023530.XA patent/CN112153343B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079964A (zh) * | 2006-04-24 | 2007-11-28 | 富士胶片株式会社 | 图像再现设备、图像再现方法、图像再现程序及图像捕捉设备 |
US20120137367A1 (en) * | 2009-11-06 | 2012-05-31 | Cataphora, Inc. | Continuous anomaly detection based on behavior modeling and heterogeneous information analysis |
US20150154452A1 (en) * | 2010-08-26 | 2015-06-04 | Blast Motion Inc. | Video and motion event integration system |
CN105100894A (zh) * | 2014-08-26 | 2015-11-25 | Tcl集团股份有限公司 | 面部自动标注方法及系统 |
CN106529408A (zh) * | 2016-10-10 | 2017-03-22 | 深圳云天励飞技术有限公司 | 一种人脸检测的方法及装置 |
US20190095716A1 (en) * | 2017-09-26 | 2019-03-28 | Ambient AI, Inc | Systems and methods for intelligent and interpretive analysis of video image data using machine learning |
CN109508638A (zh) * | 2018-10-11 | 2019-03-22 | 平安科技(深圳)有限公司 | 人脸情绪识别方法、装置、计算机设备及存储介质 |
CN111373436A (zh) * | 2018-12-18 | 2020-07-03 | 深圳市大疆创新科技有限公司 | 图像处理方法、终端设备及存储介质 |
CN109829390A (zh) * | 2019-01-09 | 2019-05-31 | 浙江新再灵科技股份有限公司 | 一种基于深度学习的电梯智能调度系统及方法 |
CN110414461A (zh) * | 2019-08-02 | 2019-11-05 | 湖南德雅坤创科技有限公司 | 一种人体目标检测方法、装置和计算机可读存储介质 |
CN110351535A (zh) * | 2019-08-14 | 2019-10-18 | 杭州品茗安控信息技术股份有限公司 | 一种工地监控系统 |
CN111353471A (zh) * | 2020-03-17 | 2020-06-30 | 北京百度网讯科技有限公司 | 安全驾驶监测方法、装置、设备和可读存储介质 |
CN111414887A (zh) * | 2020-03-30 | 2020-07-14 | 上海高重信息科技有限公司 | 基于yolov3算法的二次检测口罩人脸识别方法 |
CN111614884A (zh) * | 2020-06-29 | 2020-09-01 | 北京百度网讯科技有限公司 | 人工智能摄像头及监控方法 |
Non-Patent Citations (1)
Title |
---|
张春凤等: "基于机器视觉的变电站监控视频数据结构化方法研究", 《电力信息与通信技术》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113011290A (zh) * | 2021-03-03 | 2021-06-22 | 上海商汤智能科技有限公司 | 事件检测方法及装置、电子设备和存储介质 |
CN113743249A (zh) * | 2021-08-16 | 2021-12-03 | 北京佳服信息科技有限公司 | 一种违章识别方法、装置、设备及可读存储介质 |
CN113743249B (zh) * | 2021-08-16 | 2024-03-26 | 北京佳服信息科技有限公司 | 一种违章识别方法、装置、设备及可读存储介质 |
CN113723349A (zh) * | 2021-09-10 | 2021-11-30 | 北京声智科技有限公司 | 电梯实时监控方法、装置、系统及服务器 |
CN113792700A (zh) * | 2021-09-24 | 2021-12-14 | 成都新潮传媒集团有限公司 | 一种电瓶车入箱检测方法、装置、计算机设备及存储介质 |
CN113792700B (zh) * | 2021-09-24 | 2024-02-27 | 成都新潮传媒集团有限公司 | 一种电瓶车入箱检测方法、装置、计算机设备及存储介质 |
CN115439404A (zh) * | 2022-07-26 | 2022-12-06 | 南京清湛人工智能研究院有限公司 | 一种视频检测系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112153343B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112153343B (zh) | 电梯安全监控方法、装置、监控摄像头和存储介质 | |
CN110458130B (zh) | 人物识别方法、装置、电子设备及存储介质 | |
CN110705461B (zh) | 一种图像处理方法及装置 | |
CN111079670A (zh) | 人脸识别方法、装置、终端和介质 | |
CN112560772A (zh) | 人脸的识别方法、装置、设备及存储介质 | |
CN112712498A (zh) | 移动终端执行的车辆定损方法、装置、移动终端、介质 | |
CN112101288A (zh) | 安全帽佩戴检测方法、装置、设备及存储介质 | |
CN114554110A (zh) | 视频生成方法、装置、电子设备和存储介质 | |
CN112883816A (zh) | 信息推送方法和装置 | |
CN112491858B (zh) | 检测异常信息的方法、装置、设备以及存储介质 | |
CN111783644B (zh) | 检测方法、装置、设备和计算机存储介质 | |
CN113627412A (zh) | 目标区域的检测方法、装置、电子设备和介质 | |
CN113691628A (zh) | 任务切换方法和装置、系统、电子设备、计算机介质 | |
CN111860163A (zh) | 图像处理方法、装置、电子设备及可读存储介质 | |
CN110889392B (zh) | 人脸图像处理的方法及装置 | |
CN110477866B (zh) | 检测睡眠质量的方法、装置、电子设备和存储介质 | |
CN112270303A (zh) | 图像识别方法、装置以及电子设备 | |
CN111597461B (zh) | 一种目标对象聚集预测方法、装置以及电子设备 | |
CN115641607A (zh) | 电力施工现场作业人员穿戴行为检测方法、装置、设备及存储介质 | |
CN114173158A (zh) | 人脸识别方法、云端设备、客户端设备、电子设备及介质 | |
CN115116130A (zh) | 一种通话动作识别方法、装置、设备以及存储介质 | |
CN113033475A (zh) | 目标对象追踪方法、相关装置及计算机程序产品 | |
CN113780046A (zh) | 用于训练人脸图像识别模型的方法和装置 | |
CN111931945B (zh) | 基于标签引擎的数据处理方法、装置、设备及存储介质 | |
CN111783598B (zh) | 一种人脸识别模型训练方法、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 |