CN112580470A - 城市视觉感知方法、装置、电子设备和存储介质 - Google Patents
城市视觉感知方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112580470A CN112580470A CN202011458805.2A CN202011458805A CN112580470A CN 112580470 A CN112580470 A CN 112580470A CN 202011458805 A CN202011458805 A CN 202011458805A CN 112580470 A CN112580470 A CN 112580470A
- Authority
- CN
- China
- Prior art keywords
- target
- city
- perception
- monitoring
- determining
- 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.)
- Pending
Links
- 230000016776 visual perception Effects 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 159
- 230000008447 perception Effects 0.000 claims abstract description 121
- 238000013507 mapping Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 13
- 230000004438 eyesight Effects 0.000 abstract description 4
- 210000005036 nerve Anatomy 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 56
- 238000012806 monitoring device Methods 0.000 description 11
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 231100000225 lethality Toxicity 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 206010037660 Pyrexia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Abstract
本发明实施例公开了一种城市视觉感知方法、装置、电子设备和存储介质。该城市视觉感知方法包括:基于获取视频监控设备采集到的城市监控视频,并确定城市监控视频的监控场景类型;根据监控场景类型从候选感知体系中确定目标感知体系;其中,候选感知体系中包括至少两种感知体系;基于目标感知体系确定城市监控视频中的预警信息。通过不同维度实现对城市的视觉感知,包括对城市交通、执法、安全、环境等多方面多维度的感知管理,通过在不同场景下已经设置的视频监控设备实现对城市的智能分析,构建城市运行监管体系和视觉中枢神经,让城市真正能够“看得见、看得清、看得明、提前看、看得懂”。
Description
技术领域
本发明实施例涉及视频监控技术领域,尤其涉及一种城市视觉感知方法、装置、电子设备和存储介质。
背景技术
随着社会不断发展,城市人口急剧增长,城市中频繁出现犯罪、安全事件、城市应急事件等事件,使城市管理面临着重大压力。传统构建的城市视频网络,比如天网工程、雪亮工程等,对固定区域进行实时监控和信息记录。
但是,传统构建的城市视频网络,其单一的针对范围已无法满足城市智慧建设发展的需求。单一的基于传统视频终端获取的视频信息进行分析,并不能解决业务场景单一、数据即时性弱、数据重复性高、行为识别能力弱、监管呈疲劳状等问题。
发明内容
本发明实施例提供一种城市视觉感知方法、装置、电子设备和存储介质,以提高城市视觉感知的覆盖范围,实现城市多维度感知。
第一方面,本发明实施例提供了一种城市视觉感知方法,包括:
获取视频监控设备采集到的城市监控视频,并确定所述城市监控视频的监控场景类型;
根据所述监控场景类型从候选感知体系中确定目标感知体系;其中,所述候选感知体系中包括至少两种感知体系;
基于所述目标感知体系确定所述城市监控视频中的预警信息。
第二方面,本发明实施例还提供了一种城市视觉感知装置,包括:
场景类型确定模块,用于获取视频监控设备采集到的城市监控视频,并确定所述城市监控视频的监控场景类型;
感知体系确定模块,用于根据所述监控场景类型从候选感知体系中确定目标感知体系;其中,所述候选感知体系中包括至少两种感知体系;
视觉感知模块,用于基于所述目标感知体系确定所述城市监控视频中的预警信息。
第三方面,本发明实施例还提供了一种电子设备,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本发明任一实施例所述的城市视觉感知方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明任一实施例所述的城市视觉感知方法。
本发明实施例基于获取视频监控设备采集到的城市监控视频,并确定城市监控视频的监控场景类型;根据监控场景类型从候选感知体系中确定目标感知体系;其中,候选感知体系中包括至少两种感知体系;基于目标感知体系确定城市监控视频中的预警信息。通过不同维度实现对城市的视觉感知,包括对城市交通、执法、安全、环境等多方面多维度的感知管理,并且可以提高城市视觉感知的覆盖范围,通过在不同场景下已经设置的视频监控设备实现对城市的智能分析,构建城市运行监管体系和视觉中枢神经,让城市真正能够“看得见、看得清、看得明、提前看、看得懂”。
附图说明
图1是本发明实施例一中的城市视觉感知方法的流程图;
图2是本发明实施例二中的城市视觉感知方法的流程图;
图3是本发明实施例三中的城市视觉感知装置的结构示意图;
图4是本发明实施例四中的电子设备的结构示意图。
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是本发明实施例一中的城市视觉感知方法的流程图,本实施例可适用于对城市各场景进行智能化监控和管理的情况。该方法可以由城市视觉感知装置来执行,该装置可以采用软件和/或硬件的方式实现,并可配置在电子设备中,例如电子设备可以是后台服务器等具有通信和计算能力的设备。如图1所示,该方法具体包括:
步骤101、获取视频监控设备采集到的城市监控视频,并确定城市监控视频的监控场景类型。
目前,随着社会的发展与进步,城市向科技化、智能化方向发展,为加强监督与管理,在城市的各个场景下都安装了视频监控设备。这里的监控设备是指带有图像采集功能的摄像机,将监视的内容变为图像信号,可通过有线、无线或光纤传输媒介传送给控制中心的监视器上。
城市中的很多场景下都安装了电子监控设备,示例性的,如银行、商场、宾馆、酒店、医院、体育场馆、影剧院、写字楼、公园、广场、小区、学校、交通场站、道路、公共汽车、电梯等,这些场景一般人员流动较大,容易产生公共安全事件,根据监控录像,可快速、准确地处理事件,以保护人民群众人身安全与财产安全。
具体的,通过已安装在城市中的各个监控设备,对现场场景进行实时采集图像视频流数据,并对数据进行智能分析,判断当前的图像视频流数据所拍摄的场景属于哪一种场景,以便于确定后续的处理策略,如根据视频中所包括的目标类型和数量进行确定。监控场景类型的设置可以根据实际需求进行确定,在此不做限制。
在一个可行的实施例中,确定城市监控视频的监控场景类型,包括:
根据采集城市监控视频的视频监控设备的设置位置,和/或城市监控视频的设备标识确定监控场景;
根据监控场景确定监控场景类型。
城市中安装的视频监控设备数量很多,为了方便在从视频监控设备中获取视频数据时得到该监控的场景类型,需要对监控相机进行设置位置信息或标识,这里的位置信息可根据安装的位置进行设置,示例性的,如“XX路的第N路”监控设备;设备标识可根据场景的数量及安装的监控设备数量进行编码,并将编码和场景构建对应关系的字典,在获取到监控设备的编码标识后,可在字典中查找到标识从而确定监控场景。
具体的,根据已经安装的视频监控设备是否支持位置信息的设置决策,若支持位置信息的设置,则对相机的安装位置进行设置;若监控设备不支持位置信息的设置,需要建立相机与场景的对应关系查找字典。在获取到视频数据的同时,根据监控设备的位置信息或编码标识,从而确定监控设备所在的场景及监控场景类型。
步骤102、根据监控场景类型从候选感知体系中确定目标感知体系;其中,候选感知体系中包括至少两种感知体系。
不同的监控场景其背景特征、所关注的目标及现场的规章制度不同,导致分析的方法和策略不同。感知体系即是指根据场景的背景、目标及制度等因素所构建的智能分析系统。在本发明实施例中并不局限于感知体系所对应的场景类型,可以根据实际需求进行设置,示例性的,可根据不同场景的各个影响因素进行综合评估,一种感知体系可对应一种或多种监控场景。不同感知体系对视频中的场所监控的粒度不同。并且,由于本发明实施例中所利用的视频监控设备是已经布设完成的,因此各个场所的视频监控设备类型不同,所支持的感知体系也不同。避免了重新在城市中布设视频监控设备的资源浪费和人力财力消耗。
具体的,根据监控场景特征,构建多个感知体系,在通过监控视频确定好监控场景后,再根据预先设置的感知体系与监控场景的对应关系,确定好目标感知体系。
在一个可行的实施例中,在根据监控场景类型从候选感知体系中确定目标感知体系之前,还包括:
预先设置监控场景类型和候选感知体系的映射关系,以根据映射关系为监控场景类型确定目标感知体系。
具体的,根据城市实际情况即监控场景类型及特征(包括背景、目标、行为动作和相应规章制度等)构建数学模型,以系统简单化、判断更加准确为目标,建立监控场景类型与候选感知体系的映射关系。在确定好监控场景类型后,根据映射关系表,确定其对应的目标感知体系。
步骤103、基于目标感知体系确定城市监控视频中的预警信息。
根据获取到监控设备中的视频流数据后,对视频流进行解码,获取到监控设备的实时图像,然后对图像进行图像分析。
对图像中的目标进行目标检测,即使用先进的人工智能算法,检测出目标在图像中的位置信息,实现目标与背景的分离。示例性的,在重要道路的视频图像中检测出车辆的信息。
将图像中的目标进行行为分析,需要根据视频中的前后多帧图像数据进行目标的综合分析,包括目标的移动路径、移动速度及动作等。示例性的,如对视频中的车辆目标的位置进行追踪,计算出车辆的实时速度。根据车辆的这一行为,在对应的感知体系中进行查找,判断该目标是否存在危险可能,若存在则进行预警。
具体的,从监控设备中获取视频流,对视频流解码得到实时图像,使用基于人工智能的识别算法,对图像中的目标进行检测,并根据视频中前后帧的目标进行综合分析,判断目标的行为,与目标感知系统中的数据进行对比,判断是否存在违法行为,若是则向相关处置部门发送预警消息,以便相关处置部门接收到预警消息后及时查看监控视频,对违法行为进行处置。
本发明实施例基于获取视频监控设备采集到的城市监控视频,并确定城市监控视频的监控场景类型;根据监控场景类型从候选感知体系中确定目标感知体系;其中,候选感知体系中包括至少两种感知体系;基于目标感知体系确定城市监控视频中的预警信息。通过不同维度实现对城市的视觉感知,包括对城市交通、执法、安全、环境等多方面多维度的感知管理,并且可以提高城市视觉感知的覆盖范围,通过在不同场景下已经设置的视频监控设备实现对城市的智能分析,构建城市运行监管体系和视觉中枢神经,让城市真正能够“看得见、看得清、看得明、提前看、看得懂”。
实施例二
图2是本发明实施例二中的城市视觉感知方法的流程图,本实施例二在实施例一的基础上进行进一步地优化,候选感知体系中至少包括第一感知体系和第二感知体系,第一感知体系用于对城市监控视频进行粗粒度预警,第二感知体系用于城市监控视频进行细粒度预警。如图2所示,该方法包括:
步骤201、获取视频监控设备采集到的城市监控视频,并确定城市监控视频的监控场景类型。
步骤202、根据监控场景类型从候选感知体系中确定目标感知体系为第一感知体系。
视频监控设备设置的监控场景主要包括如银行、商场、宾馆、酒店、医院、体育场馆、影剧院、写字楼、公园、广场、小区、学校、交通场站、道路、公共汽车、电梯等。对监控场景分类得到监控场景类型,监控场景类型包括公共场景类型、交通道路类型、居民社区类型、办公区域类型等。根据监控设备所在的监控场景类型和感知体系的映射关系确定目标感知体系。示例性的,若监控场景类型为交通道路类型或居民社区类型时,对应的目标感知体系为第一感知体系。
步骤203、确定城市监控视频中的目标和目标行为。
通过基于人工智能的算法对监控图像进行目标检测,主要检测目标为行人、车辆等,对行人进行人脸识别、身份确认,对车辆进行车牌识别。判断该行人或车辆是否为违法在捕人员或车辆;对于目标行为的分析主要为通过视频流对目标的追踪与判断行为,判断目标是否存在违法行为。
步骤204、判断目标和/或目标行为是否危险。
对检测到的行人进行身份识别,对车辆进行车牌识别,若行人为正在追捕的犯罪分子或者违法人员,则为危险人员;若检测到车辆的车牌为违法在逃车辆,则为危险车辆。
通过视频流,对目标进行追踪与行为分析,根据连续多帧的图像进行判断该目标是否符合法律法规,若存在违法行为,如车辆超速、不按规定车道行驶等,则为危险目标行为,对应的目标为危险目标。
在一个可行的实施例中,判断目标和/或目标行为是否危险,包括:
根据目标和预先设置的危险目标库和/或目标行为和预先设置的危险行为库的比对结果,判断是否危险。
危险目标库中包括预先设置的危险目标信息,示例性的,包括犯罪分子、违法在逃人员、违法车辆的具体信息等,人员包括人脸信息特征、姓名、性别等,车辆包括车牌号、车款、颜色等信息。
危险行为库是指具有危险行为的集合,示例性的,包括打架斗殴、在特殊场合吸烟、小贩在特殊路段摆摊买卖、车辆不按规定道路行驶、车辆超速等行为。
具体的,对检测到的行人进行身份识别,对车辆进行车牌识别,与预先设置的危险目标库进行匹配,若目标存在于危险目标库中,则为危险目标,如犯罪分子或者违法车辆等;对检测的目标进行连续多帧的追踪与行为预判,并在预先设置的危险行为库中进行匹配,若匹配成功则为危险行为。
步骤205、若是,则发送预警信息。
根据目标的检测、识别以及对目标的行为分析,若存在危险可能,则将目标的信息发送到相关部门,以提示相关部门进行处理。
步骤206、根据监控场景类型从候选感知体系中确定目标感知体系为第二感知体系。
根据监控设备所在的监控场景类型和感知体系的映射关系确定目标感知体系。示例性的,若监控场景类型为公共场景类型或办公区域类型时,对应的目标感知体系为第一感知体系。
步骤207、确定城市监控视频中的目标。
对城市监控视频进行背景和目标的分离,具体的,通过基于人工智能算法对场景中的非背景目标进行识别,目标除了包括人员、车辆,还主要包括枪支、管制刀具等可能危险到人民群众生命安全的物品等。对于一些特殊场景,已经安装了热成像相机,可回传热成像图像,可同时对视频中目标的温度进行温度检测,如检测出发烧人员或温度过高容易引起火灾的目标等。
步骤208、对目标进行特征识别得到目标特征,判断目标特征是否危险。
在检测到目标后,对目标的特征进行识别,若目标特征具备管制刀具、枪支弹药等可能对人员造成危险的特征,则为危险特征;同时对图像中的人员进行检测,判断出具备该危险特征的目标,并对其追踪与目标行为识别,将目标信息进行上报。示例性的,对视频进行背景分离后,确定目标存在尖锐特征,则对存在尖锐特征的目标进行进一步的行为识别,如对携带该尖锐特征目标的人员进行行为检测。
在一个可行的实施例中,判断目标特征是否危险,包括:
根据目标特征和预先设置的危险特征库的比对结果,判断是否危险。
预先设置的危险特征库是指对于一些可能会造成人身安全的具有危险性的物品特征的数据库。
根据对检测到的目标进行类别识别,与预先设置的危险特征库进行对比,若存在于危险特征库中,则为危险物品,如枪支、管制刀具等具有杀伤力的危险物品。
步骤209、若是,则对具有危险特征的目标进行目标行为检测。
当检测到场景中已存在具有危险特征的物品时,即检测到的目标存在预设的危险特征库中,则对场景的中的行人进行检测,距离该危险物品最近的行人即为携带该物品的行人,对其进行行为分析,若携带枪支或者具有危险行为,则为危险的行为,该人员为危险人员。
对具有危险特征的目标进行目标行为检测,减少行为检测的工作量,提高资源利用率。
步骤210、判断目标行为是否危险。
根据预先设置的危险特征库进行对比,若目标为危险目标,如人员携带具有杀伤力等危险性的工具如枪支、管制刀具在一些特殊场合或已经发生危险行为的,则将目标信息发送到相关部门,由相关部门对视频进行查看。
步骤211、若是,则发送预警信息。
示例性的,以“公共场合持刀”事件为例,通过布控在公共场合的视频终端,实时反馈公共场合视频内容。智能分析视频,发现有行人速度异常,剥离目标与背景。识别出有特殊特征出现,智能匹配危险特征库,判定其特征为危险特征。识别目标行为,匹配危险行为库发现存在危险行为并预警。危险行为比如:非法携带管制刀具等行为等。处置部门接收到预警信息,查看监控视频,进行事件处置。
本发明实施例通过不同类型视频监控终端确定对应的监控场景类型,进而根据场景类型的不同区分不同的感知体系,基于智能化视频分析技术,实现城市的多维度感知,构建城市视觉中枢神经,实现通过终端视频分析感知城市的运行动态。
本发明实施例可以实现:1)即看即控:能够即时预警,在视频终端可进行实时监控数据反馈,进行违规、违法的行为预警操作,减少人工进行筛查的成本,并调度处置部门进行处置。并且实现对监控范围无盲区、全天候的监管,及时预警,不仅实现事件预判同时实现解决事件。
2)智能比对:根据行为定义属性进行比危险特征库、危险行为库中的数据,判定目标是否违规违法。
3)行为预警:对目标行为进行预警,及时避免影响城市日常运行的事件产生。
基于智能化视频分析技术的城市视觉感知技术的重点在于通过智能化分析视频终端的视频,实现对目标进行特征匹配、行为匹配,并对影响城市管理的行为或事件进行预警,感知城市运行状态,辅助城市管理系统能够快速及时的进行事件处置。实现城市拟人化、智慧化建设,通过视觉感知城市日常应急事件发生,并对预防。
实施例三
图3是本发明实施例三中的城市视觉感知装置的结构示意图,本实施例可适用于对城市各场景进行智能化监控和管理的情况。如图3所示,该装置包括:
场景类型确定模块310,用于获取视频监控设备采集到的城市监控视频,并确定所述城市监控视频的监控场景类型;
感知体系确定模块320,用于根据所述监控场景类型从候选感知体系中确定目标感知体系;其中,所述候选感知体系中包括至少两种感知体系;
视觉感知模块330,用于基于所述目标感知体系确定所述城市监控视频中的预警信息。本发明实施例根据
可选的,所述候选感知体系中至少包括第一感知体系,其中,所述第一感知体系用于对城市监控视频进行粗粒度预警;
若所述目标感知体系为第一感知体系,相应的,视觉感知模块330,具体包括:
目标行为确定单元,用于确定所述城市监控视频中的目标和目标行为;
危险判断单元,用于判断所述目标和/或所述目标行为是否危险;
预警信息发送单元,用于若危险,则发送预警信息。
可选的,第一危险判断单元,具体用于:
根据所述目标和预先设置的危险目标库和/或所述目标行为和预先设置的危险行为库的比对结果,判断是否危险。
可选的,所述候选感知体系中至少包括第二感知体系,其中,所述第二感知体系用于对城市监控视频进行细粒度预警;
若所述目标感知体系为第二感知体系,相应的,视觉感知模块330,具体包括:
目标确定单元,用于确定所述城市监控视频中的目标;
目标特征判断单元,用于对所述目标进行特征识别得到目标特征,判断所述目标特征是否危险;
目标行为确定单元,用于若是,则对具有危险特征的目标进行目标行为检测;
危险判断单元,用于判断所述目标行为是否危险;
预警信息发送单元,用于若危险,则发送预警信息。
可选的,目标特征判断单元,具体用于:
根据所述目标特征和预先设置的危险特征库的比对结果,判断是否危险。
可选的,所述装置还包括类型体系映射设置模块,用于在根据所述监控场景类型从候选感知体系中确定目标感知体系之前;
预先设置监控场景类型和候选感知体系的映射关系,以根据映射关系为监控场景类型确定目标感知体系。
可选的,场景类型确定模块310,包括:
根据采集所述城市监控视频的视频监控设备的设置位置,和/或所述城市监控视频的设备标识确定监控场景;
根据所述监控场景确定监控场景类型。
本发明实施例所提供的城市视觉感知装置可执行本发明任意实施例所提供的城市视觉感知方法,具备执行城市视觉感知方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四提供的一种电子设备的结构示意图。图4示出了适于用来实现本发明实施方式的示例性电子设备12的框图。图4显示的电子设备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4所示,电子设备12以通用计算设备的形式表现。电子设备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,系统存储装置28,连接不同系统组件(包括系统存储装置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,包括存储装置总线或者存储装置控制器,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。
电子设备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电子设备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。
系统存储装置28可以包括易失性存储装置形式的计算机系统可读介质,例如随机存取存储装置(RAM)30和/或高速缓存存储装置32。电子设备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4未显示,通常称为“硬盘驱动器”)。尽管图4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。存储装置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装置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。
电子设备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,电子设备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4所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图4中未示出,可以结合电子设备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装置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城市视觉感知方法,包括:
获取视频监控设备采集到的城市监控视频,并确定所述城市监控视频的监控场景类型;
根据所述监控场景类型从候选感知体系中确定目标感知体系;其中,所述候选感知体系中包括至少两种感知体系;
基于所述目标感知体系确定所述城市监控视频中的预警信息
实施例五
本发明实施例五还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的城市视觉感知方法,包括:
获取视频监控设备采集到的城市监控视频,并确定所述城市监控视频的监控场景类型;
根据所述监控场景类型从候选感知体系中确定目标感知体系;其中,所述候选感知体系中包括至少两种感知体系;
基于所述目标感知体系确定所述城市监控视频中的预警信息
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服务器上执行。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)
1.一种城市视觉感知方法,其特征在于,包括:
获取视频监控设备采集到的城市监控视频,并确定所述城市监控视频的监控场景类型;
根据所述监控场景类型从候选感知体系中确定目标感知体系;其中,所述候选感知体系中包括至少两种感知体系;
基于所述目标感知体系确定所述城市监控视频中的预警信息。
2.根据权利要求1所述的方法,其特征在于,所述候选感知体系中至少包括第一感知体系,其中,所述第一感知体系用于对城市监控视频进行粗粒度预警;
若所述目标感知体系为第一感知体系,相应的,基于所述目标感知体系确定所述城市监控视频中的预警信息,包括:
确定所述城市监控视频中的目标和目标行为;
判断所述目标和/或所述目标行为是否危险;
若是,则发送预警信息。
3.根据权利要求2所述的方法,其特征在于,判断所述目标和/或所述目标行为是否危险,包括:
根据所述目标和预先设置的危险目标库和/或所述目标行为和预先设置的危险行为库的比对结果,判断是否危险。
4.根据权利要求1所述的方法,其特征在于,所述候选感知体系中至少包括第二感知体系,其中,所述第二感知体系用于对城市监控视频进行细粒度预警;
若所述目标感知体系为第二感知体系,相应的,基于所述目标感知体系确定所述城市监控视频中的预警信息,包括:
确定所述城市监控视频中的目标;
对所述目标进行特征识别得到目标特征,判断所述目标特征是否危险;
若是,则对具有危险特征的目标进行目标行为检测;
判断所述目标行为是否危险;
若是,则发送预警信息。
5.根据权利要求4所述的方法,其特征在于,判断所述目标特征是否危险,包括:
根据所述目标特征和预先设置的危险特征库的比对结果,判断是否危险。
6.根据权利要求1所述的方法,其特征在于,在根据所述监控场景类型从候选感知体系中确定目标感知体系之前,还包括:
预先设置监控场景类型和候选感知体系的映射关系,以根据映射关系为监控场景类型确定目标感知体系。
7.根据权利要求1所述的方法,其特征在于,确定所述城市监控视频的监控场景类型,包括:
根据采集所述城市监控视频的视频监控设备的设置位置,和/或所述城市监控视频的设备标识确定监控场景;
根据所述监控场景确定监控场景类型。
8.一种城市视觉感知装置,其特征在于,包括:
场景类型确定模块,用于获取视频监控设备采集到的城市监控视频,并确定所述城市监控视频的监控场景类型;
感知体系确定模块,用于根据所述监控场景类型从候选感知体系中确定目标感知体系;其中,所述候选感知体系中包括至少两种感知体系;
视觉感知模块,用于基于所述目标感知体系确定所述城市监控视频中的预警信息。
9.一种电子设备,其特征在于,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中任一所述的城市视觉感知方法。
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,该程序被处理器执行时实现如权利要求1-7中任一所述的城市视觉感知方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011458805.2A CN112580470A (zh) | 2020-12-11 | 2020-12-11 | 城市视觉感知方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011458805.2A CN112580470A (zh) | 2020-12-11 | 2020-12-11 | 城市视觉感知方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112580470A true CN112580470A (zh) | 2021-03-30 |
Family
ID=75132121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011458805.2A Pending CN112580470A (zh) | 2020-12-11 | 2020-12-11 | 城市视觉感知方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112580470A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420563A (zh) * | 2021-06-18 | 2021-09-21 | 北京易华录信息技术股份有限公司 | 一种基于人工智能的城市文明监控方法、系统及装置 |
CN113435352A (zh) * | 2021-06-29 | 2021-09-24 | 深圳市维度数据科技股份有限公司 | 文明城市评分方法、装置、电子设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488044A (zh) * | 2014-09-16 | 2016-04-13 | 华为技术有限公司 | 数据处理的方法和设备 |
CN105516654A (zh) * | 2015-11-25 | 2016-04-20 | 华中师范大学 | 一种基于场景结构分析的城市监控视频融合方法 |
CN109063612A (zh) * | 2018-07-19 | 2018-12-21 | 中智城信息技术有限公司 | 城市智能红线管理方法及机器可读存储介质 |
CN109493884A (zh) * | 2018-12-06 | 2019-03-19 | 江苏满运软件科技有限公司 | 一种外部声源安全提醒方法、系统、设备以及介质 |
CN109815852A (zh) * | 2019-01-03 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 智慧城市事件管理方法、装置、计算机设备和存储介质 |
CN110719390A (zh) * | 2019-10-24 | 2020-01-21 | 武汉艾崴科技有限公司 | 一种便携式布防摄像机 |
CN111985428A (zh) * | 2020-08-27 | 2020-11-24 | 上海商汤智能科技有限公司 | 一种安全检测方法、装置、电子设备及存储介质 |
-
2020
- 2020-12-11 CN CN202011458805.2A patent/CN112580470A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488044A (zh) * | 2014-09-16 | 2016-04-13 | 华为技术有限公司 | 数据处理的方法和设备 |
CN105516654A (zh) * | 2015-11-25 | 2016-04-20 | 华中师范大学 | 一种基于场景结构分析的城市监控视频融合方法 |
CN109063612A (zh) * | 2018-07-19 | 2018-12-21 | 中智城信息技术有限公司 | 城市智能红线管理方法及机器可读存储介质 |
CN109493884A (zh) * | 2018-12-06 | 2019-03-19 | 江苏满运软件科技有限公司 | 一种外部声源安全提醒方法、系统、设备以及介质 |
CN109815852A (zh) * | 2019-01-03 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 智慧城市事件管理方法、装置、计算机设备和存储介质 |
CN110719390A (zh) * | 2019-10-24 | 2020-01-21 | 武汉艾崴科技有限公司 | 一种便携式布防摄像机 |
CN111985428A (zh) * | 2020-08-27 | 2020-11-24 | 上海商汤智能科技有限公司 | 一种安全检测方法、装置、电子设备及存储介质 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420563A (zh) * | 2021-06-18 | 2021-09-21 | 北京易华录信息技术股份有限公司 | 一种基于人工智能的城市文明监控方法、系统及装置 |
CN113435352A (zh) * | 2021-06-29 | 2021-09-24 | 深圳市维度数据科技股份有限公司 | 文明城市评分方法、装置、电子设备和存储介质 |
CN113435352B (zh) * | 2021-06-29 | 2022-06-14 | 深圳市维度数据科技股份有限公司 | 文明城市评分方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2014214545B2 (en) | A surveillance system | |
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
KR102356666B1 (ko) | 다중로그 데이터 기반의 공공안전 위험상황 감지, 예측, 대응 방법 및 장치 | |
CN104303218A (zh) | 行为识别系统中的警报指令和聚焦警报指令 | |
KR101688218B1 (ko) | 객체 인지 기반의 실시간 영상 검지 기술을 이용한 교통 흐름 및 돌발 상황 관리 시스템 및 그 처리 방법 | |
JP6954420B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
KR102039277B1 (ko) | 보행자 얼굴 인식 시스템 및 그 방법 | |
CN114973140A (zh) | 基于机器视觉的危险区域人员闯入监测方法及系统 | |
KR102282800B1 (ko) | 라이다와 영상카메라를 이용한 멀티 표적 추적 방법 | |
CN110867046A (zh) | 一种基于云计算的智能洗车机视频监控预警系统 | |
CN112580470A (zh) | 城市视觉感知方法、装置、电子设备和存储介质 | |
CN113936465A (zh) | 交通事件检测方法及装置 | |
CN116416281A (zh) | 一种粮库ai视频监管分析方法及系统 | |
CN113052125B (zh) | 一种施工现场违章图像识别告警方法 | |
CN113946646A (zh) | 车辆驻留检测方法、装置、电子设备和存储介质 | |
CN116308960B (zh) | 基于数据分析的智慧园区物业防控管理系统及其实现方法 | |
CN112365520A (zh) | 一种基于视频大数据资源效能测评的行人目标实时追踪系统及方法 | |
CN116993265A (zh) | 一种基于物联网的智能仓储安全管理系统 | |
CN116233163A (zh) | 一种基于大数据的智慧校园安全管理系统及方法 | |
Cai et al. | Multistage analysis of abnormal human behavior in complex scenes | |
CN116246416A (zh) | 一种用于安防的智能分析预警平台及方法 | |
CN116208633A (zh) | 一种人工智能服务平台系统、方法、设备及介质 | |
Hampapur et al. | Video analytics in urban environments | |
Hubner et al. | Audio-video sensor fusion for the detection of security critical events in public spaces | |
CN117041331B (zh) | 一种消防报警系统及其方法 |
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 |