CN112637568A - 基于多节点边缘计算设备的分布式安全监控方法和系统 - Google Patents
基于多节点边缘计算设备的分布式安全监控方法和系统 Download PDFInfo
- Publication number
- CN112637568A CN112637568A CN202011545945.3A CN202011545945A CN112637568A CN 112637568 A CN112637568 A CN 112637568A CN 202011545945 A CN202011545945 A CN 202011545945A CN 112637568 A CN112637568 A CN 112637568A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- image data
- monitoring image
- target
- picture
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- 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
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供了基于多节点边缘计算设备的分布式安全监控方法和系统,其通过对以分布式形式设置在不同监控区域的监控器产生的监控图像数据进行预处理和保存,再根据相应的监控区域位置和/或监控时间要求调取合适的监控图像数据进行分析处理,从而根据监控图像数据中是否存在图像画面异常的情况来对相应的监控区域进行安全报警操作,这样能够实现对不同监控区域的全面化监控和高效安全报警,以此保证所有监控区域均能获得及时和可靠的安全监控。
Description
技术领域
本发明涉及分布式安全监控的技术领域,特别涉及基于多节点边缘计算设备的分布式安全监控方法和系统。
背景技术
分布式监控系统通过在不同监控区域分别设置监控器来获得相应的监控信息,再将监控信息上传至相应的数据中心进行保存,以便于后续调取相应的监控信息。该分布式监控系统将分布在不同监控区域的监控器作为一个计算节点,其能够大大地提高分布式监控系统的监控全面性和实时性。但是,数据中心通常保存有大量监控信息,为了对相应监控区域进行准确的安全监控与报警,需要从数据中心中摘选处相应的监控信息以及相应的分析处理,这对后续准确地处理监控信息提出了较高的要求。可见,现有技术需要能够对分布式监控系统产生的监控信息进行高效的和准确的分析处理以此对相应监控区域进行及时快速的安全监控的方法与系统。
发明内容
针对现有技术存在的缺陷,本发明提供基于多节点边缘计算设备的分布式安全监控方法和系统,其通过获取若干监控器在各自对应的监控区域产生的监控图像数据,并对该监控图像数据进行预处理后,将该监控图像数据进行保存,并根据来自云端终端的数据调取指令,从保存的该监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据,再判断调取的监控图像数据是否存在图像画面异常的情况,并根据该判断的结果,对相应的监控区域进行安全报警操作;可见,该基于多节点边缘计算设备的分布式安全监控方法和系统通过对以分布式形式设置在不同监控区域的监控器产生的监控图像数据进行预处理和保存,再根据相应的监控区域位置和/或监控时间要求调取合适的监控图像数据进行分析处理,从而根据监控图像数据中是否存在图像画面异常的情况来对相应的监控区域进行安全报警操作,这样能够实现对不同监控区域的全面化监控和高效安全报警,以此保证所有监控区域均能获得及时和可靠的安全监控。
本发明提供基于多节点边缘计算设备的分布式安全监控方法,其特征在于,其包括如下步骤:
步骤S1,获取若干监控器在各自对应的监控区域产生的监控图像数据,并对所述监控图像数据进行预处理后,将所述监控图像数据进行保存;
步骤S2,根据来自云端终端的数据调取指令,从保存的所述监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据;
步骤S3,判断调取的监控图像数据是否存在图像画面异常的情况,并根据所述判断的结果,对相应的监控区域进行安全报警操作;
进一步,在所述步骤S1中,获取若干监控器在各自对应的监控区域产生的监控图像数据,并对所述监控图像数据进行预处理后,将所述监控图像数据进行保存具体包括:
步骤S101,指示若干所述监控器在各自对应的监控区域进行扫描拍摄,从而获得关于所述监控区域的全景监控图像数据;
步骤S102,按照预定时间间隔,从所述全景监控图像数据提取若干监控图像帧,其中,若干所述监控图像帧共同覆盖所述监控区域,并对若干所述监控图像帧进行背景噪声去除处理、灰度化处理和图像边缘锐化处理,从而得到若干预处理后的监控图像帧;
步骤S103,按照所述监控器的拍摄时间轴,将若干所述预处理后的监控图像帧保存至数据中心;
进一步,在所述步骤S2中,根据来自云端终端的数据调取指令,从保存的所述监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据具体包括:
步骤S201,获取来自云端终端的数据调取指令,并对所述数据调取指令进行解析处理,从而确定需要进行数据调取的监控区域位置信息和/或监控时间信息;
步骤S202,根据所述监控区域位置信息和/或所述监控时间信息,从所述数据中心查找并定位得到与所述监控区域位置信息和/或所述监控时间信息相匹配的监控图像数据;
进一步,在所述步骤S3中,判断调取的监控图像数据是否存在图像画面异常的情况,并根据所述判断的结果,对相应的监控区域进行安全报警操作具体包括:
步骤S301,从调取的监控图像数据中分离得到相应的背景画面和人物画面,并分别对所述背景画面和所述人物画面进行图像纹理分布信息提取处理,从而得到相应的背景画面纹理分布信息和人物画面纹理分布信息;
步骤S302,根据所述背景画面纹理分布信息和所述人物画面纹理分布信息,分别确定所述背景画面对应的背景画面纹理变化值和所述人物画面对应的人物画面纹理变化值,并确定所述背景画面纹理变化值与所述人物画面纹理变化值之间的差值的绝对值;
步骤S303,将所述差值的绝对值与预设相差阈值进行比对,若所述差值的绝对值小于所述预设相差阈值,则确定调取的监控图像数据不存在图像画面异常的情况,否则,确定调取的监控图像数据存在图像画面异常的情况;
步骤S304,对确定存在图像画面异常的监控图像数据对应的监控区域进行声音模式和/或光线模式的安全报警操作;
进一步,在所述步骤S3中,判断调取的监控图像数据是否存在图像画面异常的情况,并根据所述判断的结果,对相应的监控区域进行安全报警操作具体包括:
调取预设间隔时长内的两张目标监控图像,将每张目标监控图像划分为等面积大小的目标数量个区域,获取每张目标监控图像内每个区域内的纹理特征;
利用下面公式(1),根据每张目标监控图像内每个区域内的纹理特征计算出每张目标监控图像的色彩恢复因子,
在上述公式(1)中,C1表示第1张目标监控图像的色彩恢复因子,N表示划分的区域的数量,Si1表示第1张目标监控图像的第i个区域内纹理特征清晰度,β表示增益系数,log表示取对数运算,θ表示预设外界环境影响因子系数,Ii1表示第1张目标监控图像的第i个区域内纹理特征的线性强度,Li1表示第1张目标监控图像的第i个区域的长度,Li2表示第1张目标监控图像的第i个区域的宽度;
利用下面公式(2)和每张目标监控图像的色彩恢复因子,确定第2张目标监控图像相对于第1张目标监控图像的当前变化度,
在上述公式(2)中,b表示第2张目标监控图像相对于第1张目标监控图像的当前变化度,K表示对比度因子,C2表示第2张目标监控图像的色彩恢复因子,A表示第2张目标监控图像中特征点的数量,Q2j表示第2张目标监控图像中第j个特征点的尺寸参数,B表示第1张目标监控图像中特征点的数量,D1u表示第1张目标监控图像中第u个特征点的尺寸参数,T2表示第2张目标监控图像的拍摄时长,T1表示第1张目标监控图像的拍摄时长,T表示第1张目标监控图像和第2张目标监控图像之间的间隔时长;
确认所述当前变化度是否在预设变化度区间内,若是,判定所述两张目标监控图像不存在图像画面异常的情况,否则,判定所述两张目标监控图像存在图像画面异常的情况,向用户发出报警提示。
本发明还提供基于多节点边缘计算设备的分布式安全监控系统,其特征在于,其包括监控图像数据获取模块、监控图像数据预处理与保存模块、监控图像数据调取模块和监控区域安全报警模块;其中,
所述监控图像数据获取模块用于获取若干监控器在各自对应的监控区域产生的监控图像数据;
所述监控图像数据预处理与保存模块用于对所述监控图像数据进行预处理后,将所述监控图像数据进行保存;
所述监控图像数据调取模块用于根据来自云端终端的数据调取指令,从保存的所述监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据;
所述监控区域安全报警模块用于判断调取的监控图像数据是否存在图像画面异常的情况,并根据所述判断的结果,对相应的监控区域进行安全报警操作;
进一步,所述监控图像数据获取模块获取若干监控器在各自对应的监控区域产生的监控图像数据具体包括:
指示若干所述监控器在各自对应的监控区域进行扫描拍摄,从而获得关于所述监控区域的全景监控图像数据;
以及,
所述监控图像数据预处理与保存模块对所述监控图像数据进行预处理后,将所述监控图像数据进行保存具体包括:
按照预定时间间隔,从所述全景监控图像数据提取若干监控图像帧,其中,若干所述监控图像帧共同覆盖所述监控区域,并对若干所述监控图像帧进行背景噪声去除处理、灰度化处理和图像边缘锐化处理,从而得到若干预处理后的监控图像帧;
再按照所述监控器的拍摄时间轴,将若干所述预处理后的监控图像帧保存至数据中心;
进一步,所述监控图像数据调取模块根据来自云端终端的数据调取指令,从保存的所述监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据具体包括:
获取来自云端终端的数据调取指令,并对所述数据调取指令进行解析处理,从而确定需要进行数据调取的监控区域位置信息和/或监控时间信息;
再根据所述监控区域位置信息和/或所述监控时间信息,从所述数据中心查找并定位得到与所述监控区域位置信息和/或所述监控时间信息相匹配的监控图像数据;
进一步,所述监控区域安全报警模块判断调取的监控图像数据是否存在图像画面异常的情况,并根据所述判断的结果,对相应的监控区域进行安全报警操作具体包括:
从调取的监控图像数据中分离得到相应的背景画面和人物画面,并分别对所述背景画面和所述人物画面进行图像纹理分布信息提取处理,从而得到相应的背景画面纹理分布信息和人物画面纹理分布信息;
并根据所述背景画面纹理分布信息和所述人物画面纹理分布信息,分别确定所述背景画面对应的背景画面纹理变化值和所述人物画面对应的人物画面纹理变化值,并确定所述背景画面纹理变化值与所述人物画面纹理变化值之间的差值的绝对值;
再将所述差值的绝对值与预设相差阈值进行比对,若所述差值的绝对值小于所述预设相差阈值,则确定调取的监控图像数据不存在图像画面异常的情况,否则,确定调取的监控图像数据存在图像画面异常的情况;
对确定存在图像画面异常的监控图像数据对应的监控区域进行声音模式和/或光线模式的安全报警操作。
相比于现有技术,该基于多节点边缘计算设备的分布式安全监控方法和系统通过获取若干监控器在各自对应的监控区域产生的监控图像数据,并对该监控图像数据进行预处理后,将该监控图像数据进行保存,并根据来自云端终端的数据调取指令,从保存的该监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据,再判断调取的监控图像数据是否存在图像画面异常的情况,并根据该判断的结果,对相应的监控区域进行安全报警操作;可见,该基于多节点边缘计算设备的分布式安全监控方法和系统通过对以分布式形式设置在不同监控区域的监控器产生的监控图像数据进行预处理和保存,再根据相应的监控区域位置和/或监控时间要求调取合适的监控图像数据进行分析处理,从而根据监控图像数据中是否存在图像画面异常的情况来对相应的监控区域进行安全报警操作,这样能够实现对不同监控区域的全面化监控和高效安全报警,以此保证所有监控区域均能获得及时和可靠的安全监控。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1为本发明提供的基于多节点边缘计算设备的分布式安全监控方法的流程示意图。
图2为本发明提供的基于多节点边缘计算设备的分布式安全监控系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动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。
参阅图1,为本发明实施例提供的基于多节点边缘计算设备的分布式安全监控方法的流程示意图。该基于多节点边缘计算设备的分布式安全监控方法包括如下步骤:
步骤S1,获取若干监控器在各自对应的监控区域产生的监控图像数据,并对该监控图像数据进行预处理后,将该监控图像数据进行保存;
步骤S2,根据来自云端终端的数据调取指令,从保存的该监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据;
步骤S3,判断调取的监控图像数据是否存在图像画面异常的情况,并根据该判断的结果,对相应的监控区域进行安全报警操作。
上述技术方案的有益效果为:该基于多节点边缘计算设备的分布式安全监控方法通过对以分布式形式设置在不同监控区域的监控器产生的监控图像数据进行预处理和保存,再根据相应的监控区域位置和/或监控时间要求调取合适的监控图像数据进行分析处理,从而根据监控图像数据中是否存在图像画面异常的情况来对相应的监控区域进行安全报警操作,这样能够实现对不同监控区域的全面化监控和高效安全报警,以此保证所有监控区域均能获得及时和可靠的安全监控。
优选地,在该步骤S1中,获取若干监控器在各自对应的监控区域产生的监控图像数据,并对该监控图像数据进行预处理后,将该监控图像数据进行保存具体包括:
步骤S101,指示若干该监控器在各自对应的监控区域进行扫描拍摄,从而获得关于该监控区域的全景监控图像数据;
步骤S102,按照预定时间间隔,从该全景监控图像数据提取若干监控图像帧,其中,若干该监控图像帧共同覆盖该监控区域,并对若干该监控图像帧进行背景噪声去除处理、灰度化处理和图像边缘锐化处理,从而得到若干预处理后的监控图像帧;
步骤S103,按照该监控器的拍摄时间轴,将若干该预处理后的监控图像帧保存至数据中心。
上述技术方案的有益效果为:若干监控器是以分布式形式设置在不同监控区域并分别对监控区域进行监控操作的,通过指示监控器进行扫描拍摄以此获得相应的全景监控图像数据,能够避免发生监控区域遗漏的情况;此外,由于受限于监控器的实际监控环境条件,其获得的全景监控图像数据会不可避免地存在一定的噪声干扰成分,而通过从全景监控图像数据中提取若干监控图像帧并进行背景噪声去除处理、灰度化处理和图像边缘锐化处理,能够有效地去除其中的噪声干扰成分,从而提高数据中心对监控图像数据的保存有效性。
优选地,在该步骤S2中,根据来自云端终端的数据调取指令,从保存的该监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据具体包括:
步骤S201,获取来自云端终端的数据调取指令,并对该数据调取指令进行解析处理,从而确定需要进行数据调取的监控区域位置信息和/或监控时间信息;
步骤S202,根据该监控区域位置信息和/或该监控时间信息,从该数据中心查找并定位得到与该监控区域位置信息和/或该监控时间信息相匹配的监控图像数据。
上述技术方案的有益效果为:由于监控图像数据在保存到数据中心时,其会将该监控图像数据对应的监控区域位置信息和监控时间信息作为附件索引信息进行同步保存,这样当对该数据调取指令进行解析处理后,能够根据数据调取指令中包含的调取要求,来准确地查找并定位得到与该监控区域位置信息和/或该监控时间信息相匹配的监控图像数据,从而提高对监控图像数据的调取速度和准确性。
优选地,在该步骤S3中,判断调取的监控图像数据是否存在图像画面异常的情况,并根据该判断的结果,对相应的监控区域进行安全报警操作具体包括:
步骤S301,从调取的监控图像数据中分离得到相应的背景画面和人物画面,并分别对该背景画面和该人物画面进行图像纹理分布信息提取处理,从而得到相应的背景画面纹理分布信息和人物画面纹理分布信息;
步骤S302,根据该背景画面纹理分布信息和该人物画面纹理分布信息,分别确定该背景画面对应的背景画面纹理变化值和该人物画面对应的人物画面纹理变化值,并确定该背景画面纹理变化值与该人物画面纹理变化值之间的差值的绝对值;
步骤S303,将该差值的绝对值与预设相差阈值进行比对,若该差值的绝对值小于该预设相差阈值,则确定调取的监控图像数据不存在图像画面异常的情况,否则,确定调取的监控图像数据存在图像画面异常的情况;
步骤S304,对确定存在图像画面异常的监控图像数据对应的监控区域进行声音模式和/或光线模式的安全报警操作。
上述技术方案的有益效果为:由于当监控区域存在安全隐患时,该监控区域对应的环境背景和/或人物对象均会发生变化,相应地,该监控区域对应的监控图像数据中背景画面和人物画面的图像纹理分布状态也会存在不同程度的差异,通过判断该背景画面纹理变化值与该人物画面纹理变化值之间的差值的绝对值与预设相差阈值之间的大小关系,能够对该调取的监控图像数据存在图像画面异常进行定量的判断,从而提高监控区域正常与否判断的简便性和可靠性,以及便于后续及时地对监控区域进行声音模式和/或光线模式的安全报警操作。
优选地,在该步骤S3中,判断调取的监控图像数据是否存在图像画面异常的情况,并根据该判断的结果,对相应的监控区域进行安全报警操作具体包括:
调取预设间隔时长内的两张目标监控图像,将每张目标监控图像划分为等面积大小的目标数量个区域,获取每张目标监控图像内每个区域内的纹理特征;
利用下面公式(1),根据每张目标监控图像内每个区域内的纹理特征计算出每张目标监控图像的色彩恢复因子,
在上述公式(1)中,C1表示第1张目标监控图像的色彩恢复因子,N表示划分的区域的数量,Si1表示第1张目标监控图像的第i个区域内纹理特征清晰度,β表示增益系数,log表示取对数运算,θ表示预设外界环境影响因子系数,Ii1表示第1张目标监控图像的第i个区域内纹理特征的线性强度,Li1表示第1张目标监控图像的第i个区域的长度,Li2表示第1张目标监控图像的第i个区域的宽度;
利用下面公式(2)和每张目标监控图像的色彩恢复因子,确定第2张目标监控图像相对于第1张目标监控图像的当前变化度,
在上述公式(2)中,b表示第2张目标监控图像相对于第1张目标监控图像的当前变化度,K表示对比度因子,C2表示第2张目标监控图像的色彩恢复因子,A表示第2张目标监控图像中特征点的数量,Q2j表示第2张目标监控图像中第j个特征点的尺寸参数,B表示第1张目标监控图像中特征点的数量,D1u表示第1张目标监控图像中第u个特征点的尺寸参数,T2表示第2张目标监控图像的拍摄时长,T1表示第1张目标监控图像的拍摄时长,T表示第1张目标监控图像和第2张目标监控图像之间的间隔时长;
确认该当前变化度是否在预设变化度区间内,若是,判定该两张目标监控图像不存在图像画面异常的情况,否则,判定该两张目标监控图像存在图像画面异常的情况,向用户发出报警提示。
上述技术方案的有益效果为:通过计算每张目标监控图像的色彩恢复因子可以排除外界干扰因子对计算结果的影响,并且根据色彩恢复因子可以将两张目标监控图像的自身参数更加明显的展示,去除了外界环境光照强度对于对比的干扰性,进一步地,通过计算第2张目标监控图像相对于第1张目标监控图像的当前变化度可以利用两张目标监控图像内的特征点作为比较对象来进行参数的对比,无需进行人工观察来确定二者的变化度,节省了人力成本,并且去除了人类主观因素的干扰,使得最终的计算结果更加实际和准确,保证了数据的精确性,避免了误报警情况的发生,提高了整体的稳定性和实用性。
参阅图2,为本发明实施例提供的基于多节点边缘计算设备的分布式安全监控系统的结构示意图。该基于多节点边缘计算设备的分布式安全监控系统包括监控图像数据获取模块、监控图像数据预处理与保存模块、监控图像数据调取模块和监控区域安全报警模块;其中,
该监控图像数据获取模块用于获取若干监控器在各自对应的监控区域产生的监控图像数据;
该监控图像数据预处理与保存模块用于对该监控图像数据进行预处理后,将该监控图像数据进行保存;
该监控图像数据调取模块用于根据来自云端终端的数据调取指令,从保存的该监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据;
该监控区域安全报警模块用于判断调取的监控图像数据是否存在图像画面异常的情况,并根据该判断的结果,对相应的监控区域进行安全报警操作。
上述技术方案的有益效果为:该基于多节点边缘计算设备的分布式安全监控系统通过对以分布式形式设置在不同监控区域的监控器产生的监控图像数据进行预处理和保存,再根据相应的监控区域位置和/或监控时间要求调取合适的监控图像数据进行分析处理,从而根据监控图像数据中是否存在图像画面异常的情况来对相应的监控区域进行安全报警操作,这样能够实现对不同监控区域的全面化监控和高效安全报警,以此保证所有监控区域均能获得及时和可靠的安全监控。
优选地,该监控图像数据获取模块获取若干监控器在各自对应的监控区域产生的监控图像数据具体包括:
指示若干该监控器在各自对应的监控区域进行扫描拍摄,从而获得关于该监控区域的全景监控图像数据;
以及,
该监控图像数据预处理与保存模块对该监控图像数据进行预处理后,将该监控图像数据进行保存具体包括:
按照预定时间间隔,从该全景监控图像数据提取若干监控图像帧,其中,若干该监控图像帧共同覆盖该监控区域,并对若干该监控图像帧进行背景噪声去除处理、灰度化处理和图像边缘锐化处理,从而得到若干预处理后的监控图像帧;
再按照该监控器的拍摄时间轴,将若干该预处理后的监控图像帧保存至数据中心。
上述技术方案的有益效果为:若干监控器是以分布式形式设置在不同监控区域并分别对监控区域进行监控操作的,通过指示监控器进行扫描拍摄以此获得相应的全景监控图像数据,能够避免发生监控区域遗漏的情况;此外,由于受限于监控器的实际监控环境条件,其获得的全景监控图像数据会不可避免地存在一定的噪声干扰成分,而通过从全景监控图像数据中提取若干监控图像帧并进行背景噪声去除处理、灰度化处理和图像边缘锐化处理,能够有效地去除其中的噪声干扰成分,从而提高数据中心对监控图像数据的保存有效性。
优选地,该监控图像数据调取模块根据来自云端终端的数据调取指令,从保存的该监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据具体包括:
获取来自云端终端的数据调取指令,并对该数据调取指令进行解析处理,从而确定需要进行数据调取的监控区域位置信息和/或监控时间信息;
再根据该监控区域位置信息和/或该监控时间信息,从该数据中心查找并定位得到与该监控区域位置信息和/或该监控时间信息相匹配的监控图像数据。
上述技术方案的有益效果为:由于监控图像数据在保存到数据中心时,其会将该监控图像数据对应的监控区域位置信息和监控时间信息作为附件索引信息进行同步保存,这样当对该数据调取指令进行解析处理后,能够根据数据调取指令中包含的调取要求,来准确地查找并定位得到与该监控区域位置信息和/或该监控时间信息相匹配的监控图像数据,从而提高对监控图像数据的调取速度和准确性。
优选地,该监控区域安全报警模块判断调取的监控图像数据是否存在图像画面异常的情况,并根据该判断的结果,对相应的监控区域进行安全报警操作具体包括:
从调取的监控图像数据中分离得到相应的背景画面和人物画面,并分别对该背景画面和该人物画面进行图像纹理分布信息提取处理,从而得到相应的背景画面纹理分布信息和人物画面纹理分布信息;
并根据该背景画面纹理分布信息和该人物画面纹理分布信息,分别确定该背景画面对应的背景画面纹理变化值和该人物画面对应的人物画面纹理变化值,并确定该背景画面纹理变化值与该人物画面纹理变化值之间的差值的绝对值;
再将该差值的绝对值与预设相差阈值进行比对,若该差值的绝对值小于该预设相差阈值,则确定调取的监控图像数据不存在图像画面异常的情况,否则,确定调取的监控图像数据存在图像画面异常的情况;
对确定存在图像画面异常的监控图像数据对应的监控区域进行声音模式和/或光线模式的安全报警操作。
上述技术方案的有益效果为:由于当监控区域存在安全隐患时,该监控区域对应的环境背景和/或人物对象均会发生变化,相应地,该监控区域对应的监控图像数据中背景画面和人物画面的图像纹理分布状态也会存在不同程度的差异,通过判断该背景画面纹理变化值与该人物画面纹理变化值之间的差值的绝对值与预设相差阈值之间的大小关系,能够对该调取的监控图像数据存在图像画面异常进行定量的判断,从而提高监控区域正常与否判断的简便性和可靠性,以及便于后续及时地对监控区域进行声音模式和/或光线模式的安全报警操作。
从上述实施例的内容可知,该基于多节点边缘计算设备的分布式安全监控方法和系统通过获取若干监控器在各自对应的监控区域产生的监控图像数据,并对该监控图像数据进行预处理后,将该监控图像数据进行保存,并根据来自云端终端的数据调取指令,从保存的该监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据,再判断调取的监控图像数据是否存在图像画面异常的情况,并根据该判断的结果,对相应的监控区域进行安全报警操作;可见,该基于多节点边缘计算设备的分布式安全监控方法和系统通过对以分布式形式设置在不同监控区域的监控器产生的监控图像数据进行预处理和保存,再根据相应的监控区域位置和/或监控时间要求调取合适的监控图像数据进行分析处理,从而根据监控图像数据中是否存在图像画面异常的情况来对相应的监控区域进行安全报警操作,这样能够实现对不同监控区域的全面化监控和高效安全报警,以此保证所有监控区域均能获得及时和可靠的安全监控。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.基于多节点边缘计算设备的分布式安全监控方法,其特征在于,其包括如下步骤:
步骤S1,获取若干监控器在各自对应的监控区域产生的监控图像数据,并对所述监控图像数据进行预处理后,将所述监控图像数据进行保存;
步骤S2,根据来自云端终端的数据调取指令,从保存的所述监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据;
步骤S3,判断调取的监控图像数据是否存在图像画面异常的情况,并根据所述判断的结果,对相应的监控区域进行安全报警操作。
2.如权利要求1所述的基于多节点边缘计算设备的分布式安全监控方法,其特征在于:
在所述步骤S1中,获取若干监控器在各自对应的监控区域产生的监控图像数据,并对所述监控图像数据进行预处理后,将所述监控图像数据进行保存具体包括:
步骤S101,指示若干所述监控器在各自对应的监控区域进行扫描拍摄,从而获得关于所述监控区域的全景监控图像数据;
步骤S102,按照预定时间间隔,从所述全景监控图像数据提取若干监控图像帧,其中,若干所述监控图像帧共同覆盖所述监控区域,并对若干所述监控图像帧进行背景噪声去除处理、灰度化处理和图像边缘锐化处理,从而得到若干预处理后的监控图像帧;
步骤S103,按照所述监控器的拍摄时间轴,将若干所述预处理后的监控图像帧保存至数据中心。
3.如权利要求2所述的基于多节点边缘计算设备的分布式安全监控方法,其特征在于:
在所述步骤S2中,根据来自云端终端的数据调取指令,从保存的所述监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据具体包括:
步骤S201,获取来自云端终端的数据调取指令,并对所述数据调取指令进行解析处理,从而确定需要进行数据调取的监控区域位置信息和/或监控时间信息;
步骤S202,根据所述监控区域位置信息和/或所述监控时间信息,从所述数据中心查找并定位得到与所述监控区域位置信息和/或所述监控时间信息相匹配的监控图像数据。
4.如权利要求3所述的基于多节点边缘计算设备的分布式安全监控方法和系统,其特征在于:
在所述步骤S3中,判断调取的监控图像数据是否存在图像画面异常的情况,并根据所述判断的结果,对相应的监控区域进行安全报警操作具体包括:
步骤S301,从调取的监控图像数据中分离得到相应的背景画面和人物画面,并分别对所述背景画面和所述人物画面进行图像纹理分布信息提取处理,从而得到相应的背景画面纹理分布信息和人物画面纹理分布信息;
步骤S302,根据所述背景画面纹理分布信息和所述人物画面纹理分布信息,分别确定所述背景画面对应的背景画面纹理变化值和所述人物画面对应的人物画面纹理变化值,并确定所述背景画面纹理变化值与所述人物画面纹理变化值之间的差值的绝对值;
步骤S303,将所述差值的绝对值与预设相差阈值进行比对,若所述差值的绝对值小于所述预设相差阈值,则确定调取的监控图像数据不存在图像画面异常的情况,否则,确定调取的监控图像数据存在图像画面异常的情况;
步骤S304,对确定存在图像画面异常的监控图像数据对应的监控区域进行声音模式和/或光线模式的安全报警操作。
5.如权利要求2所述的基于多节点边缘计算设备的分布式安全监控方法和系统,其特征在于:
在所述步骤S3中,判断调取的监控图像数据是否存在图像画面异常的情况,并根据所述判断的结果,对相应的监控区域进行安全报警操作具体包括:
调取预设间隔时长内的两张目标监控图像,将每张目标监控图像划分为等面积大小的目标数量个区域,获取每张目标监控图像内每个区域内的纹理特征;
利用下面公式(1),根据每张目标监控图像内每个区域内的纹理特征计算出每张目标监控图像的色彩恢复因子,
在上述公式(1)中,C1表示第1张目标监控图像的色彩恢复因子,N表示划分的区域的数量,Si1表示第1张目标监控图像的第i个区域内纹理特征清晰度,β表示增益系数,log表示取对数运算,θ表示预设外界环境影响因子系数,Ii1表示第1张目标监控图像的第i个区域内纹理特征的线性强度,Li1表示第1张目标监控图像的第i个区域的长度,Li2表示第1张目标监控图像的第i个区域的宽度;
利用下面公式(2)和每张目标监控图像的色彩恢复因子,确定第2张目标监控图像相对于第1张目标监控图像的当前变化度,
在上述公式(2)中,b表示第2张目标监控图像相对于第1张目标监控图像的当前变化度,K表示对比度因子,C2表示第2张目标监控图像的色彩恢复因子,A表示第2张目标监控图像中特征点的数量,Q2j表示第2张目标监控图像中第j个特征点的尺寸参数,B表示第1张目标监控图像中特征点的数量,D1u表示第1张目标监控图像中第u个特征点的尺寸参数,T2表示第2张目标监控图像的拍摄时长,T1表示第1张目标监控图像的拍摄时长,T表示第1张目标监控图像和第2张目标监控图像之间的间隔时长;
确认所述当前变化度是否在预设变化度区间内,若是,判定所述两张目标监控图像不存在图像画面异常的情况,否则,判定所述两张目标监控图像存在图像画面异常的情况,向用户发出报警提示。
6.基于多节点边缘计算设备的分布式安全监控系统,其特征在于,其包括监控图像数据获取模块、监控图像数据预处理与保存模块、监控图像数据调取模块和监控区域安全报警模块;其中,
所述监控图像数据获取模块用于获取若干监控器在各自对应的监控区域产生的监控图像数据;
所述监控图像数据预处理与保存模块用于对所述监控图像数据进行预处理后,将所述监控图像数据进行保存;
所述监控图像数据调取模块用于根据来自云端终端的数据调取指令,从保存的所述监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据;
所述监控区域安全报警模块用于判断调取的监控图像数据是否存在图像画面异常的情况,并根据所述判断的结果,对相应的监控区域进行安全报警操作。
7.如权利要求5所述的基于多节点边缘计算设备的分布式安全监控系统,其特征在于:
所述监控图像数据获取模块获取若干监控器在各自对应的监控区域产生的监控图像数据具体包括:
指示若干所述监控器在各自对应的监控区域进行扫描拍摄,从而获得关于所述监控区域的全景监控图像数据;
以及,
所述监控图像数据预处理与保存模块对所述监控图像数据进行预处理后,将所述监控图像数据进行保存具体包括:
按照预定时间间隔,从所述全景监控图像数据提取若干监控图像帧,其中,若干所述监控图像帧共同覆盖所述监控区域,并对若干所述监控图像帧进行背景噪声去除处理、灰度化处理和图像边缘锐化处理,从而得到若干预处理后的监控图像帧;
再按照所述监控器的拍摄时间轴,将若干所述预处理后的监控图像帧保存至数据中心。
8.如权利要求6所述的基于多节点边缘计算设备的分布式安全监控系统,其特征在于:
所述监控图像数据调取模块根据来自云端终端的数据调取指令,从保存的所述监控图像数据中调取满足预设监控区域位置要求和/或预设监控时间要求的监控图像数据具体包括:
获取来自云端终端的数据调取指令,并对所述数据调取指令进行解析处理,从而确定需要进行数据调取的监控区域位置信息和/或监控时间信息;
再根据所述监控区域位置信息和/或所述监控时间信息,从所述数据中心查找并定位得到与所述监控区域位置信息和/或所述监控时间信息相匹配的监控图像数据。
9.如权利要求7所述的基于多节点边缘计算设备的分布式安全监控系统,其特征在于:
所述监控区域安全报警模块判断调取的监控图像数据是否存在图像画面异常的情况,并根据所述判断的结果,对相应的监控区域进行安全报警操作具体包括:
从调取的监控图像数据中分离得到相应的背景画面和人物画面,并分别对所述背景画面和所述人物画面进行图像纹理分布信息提取处理,从而得到相应的背景画面纹理分布信息和人物画面纹理分布信息;
并根据所述背景画面纹理分布信息和所述人物画面纹理分布信息,分别确定所述背景画面对应的背景画面纹理变化值和所述人物画面对应的人物画面纹理变化值,并确定所述背景画面纹理变化值与所述人物画面纹理变化值之间的差值的绝对值;
再将所述差值的绝对值与预设相差阈值进行比对,若所述差值的绝对值小于所述预设相差阈值,则确定调取的监控图像数据不存在图像画面异常的情况,否则,确定调取的监控图像数据存在图像画面异常的情况;对确定存在图像画面异常的监控图像数据对应的监控区域进行声音模式和/或光线模式的安全报警操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011545945.3A CN112637568B (zh) | 2020-12-24 | 2020-12-24 | 基于多节点边缘计算设备的分布式安全监控方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011545945.3A CN112637568B (zh) | 2020-12-24 | 2020-12-24 | 基于多节点边缘计算设备的分布式安全监控方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112637568A true CN112637568A (zh) | 2021-04-09 |
CN112637568B CN112637568B (zh) | 2021-11-23 |
Family
ID=75324197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011545945.3A Active CN112637568B (zh) | 2020-12-24 | 2020-12-24 | 基于多节点边缘计算设备的分布式安全监控方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112637568B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113658229A (zh) * | 2021-08-13 | 2021-11-16 | 杭州华橙软件技术有限公司 | 异常对象的确定方法及装置、存储介质、电子装置 |
CN114969167A (zh) * | 2022-04-07 | 2022-08-30 | 江苏尚蓝信息技术有限公司 | 基于数据化的智能电网监控综合管理系统及方法 |
CN116939171A (zh) * | 2023-09-19 | 2023-10-24 | 南方电网数字电网研究院有限公司 | 输电线路监控方法、装置和计算机设备 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060195199A1 (en) * | 2003-10-21 | 2006-08-31 | Masahiro Iwasaki | Monitoring device |
CN101489022A (zh) * | 2008-01-16 | 2009-07-22 | 延世大学工业学术合作社 | 色彩恢复方法和系统 |
CN101751782A (zh) * | 2009-12-30 | 2010-06-23 | 北京大学深圳研究生院 | 一种基于多源信息融合的十字路口交通事件自动检测系统 |
US20100253779A1 (en) * | 2009-03-02 | 2010-10-07 | Masaya Itoh | Video image monitoring system |
CN101916448A (zh) * | 2010-08-09 | 2010-12-15 | 云南清眸科技有限公司 | 一种基于贝叶斯框架及lbp的运动目标检测方法 |
US20110304467A1 (en) * | 2010-06-14 | 2011-12-15 | Hon Hai Precision Industry Co., Ltd. | Image monitoring device and method |
CN104077872A (zh) * | 2014-05-13 | 2014-10-01 | 国家电网公司 | 一种基于图像识别的输电线路防外力监控预警方法 |
CN108040220A (zh) * | 2017-11-16 | 2018-05-15 | 杭州好园科技有限公司 | 智慧园区视频监控系统 |
CN108091160A (zh) * | 2017-11-16 | 2018-05-29 | 杭州好园科技有限公司 | 智慧园区停车场用的诱导和寻车系统 |
US20180300124A1 (en) * | 2015-08-27 | 2018-10-18 | FogHorn Systems, Inc. | Edge Computing Platform |
CN109672750A (zh) * | 2019-01-15 | 2019-04-23 | 特斯联(北京)科技有限公司 | 一种基于边缘架构的安防数据聚合管理系统及其管理方法 |
CN109902640A (zh) * | 2019-03-05 | 2019-06-18 | 江南大学 | 基于边缘计算和机器学习的视频质量异常检测系统及其检测方法 |
CN110532857A (zh) * | 2019-07-16 | 2019-12-03 | 杭州电子科技大学 | 基于多摄像头下的行为识别影像分析系统 |
CN111898486A (zh) * | 2020-07-14 | 2020-11-06 | 浙江大华技术股份有限公司 | 监控画面异常的检测方法、装置及存储介质 |
-
2020
- 2020-12-24 CN CN202011545945.3A patent/CN112637568B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060195199A1 (en) * | 2003-10-21 | 2006-08-31 | Masahiro Iwasaki | Monitoring device |
CN101489022A (zh) * | 2008-01-16 | 2009-07-22 | 延世大学工业学术合作社 | 色彩恢复方法和系统 |
US20100253779A1 (en) * | 2009-03-02 | 2010-10-07 | Masaya Itoh | Video image monitoring system |
CN101751782A (zh) * | 2009-12-30 | 2010-06-23 | 北京大学深圳研究生院 | 一种基于多源信息融合的十字路口交通事件自动检测系统 |
US20110304467A1 (en) * | 2010-06-14 | 2011-12-15 | Hon Hai Precision Industry Co., Ltd. | Image monitoring device and method |
CN101916448A (zh) * | 2010-08-09 | 2010-12-15 | 云南清眸科技有限公司 | 一种基于贝叶斯框架及lbp的运动目标检测方法 |
CN104077872A (zh) * | 2014-05-13 | 2014-10-01 | 国家电网公司 | 一种基于图像识别的输电线路防外力监控预警方法 |
US20180300124A1 (en) * | 2015-08-27 | 2018-10-18 | FogHorn Systems, Inc. | Edge Computing Platform |
CN108040220A (zh) * | 2017-11-16 | 2018-05-15 | 杭州好园科技有限公司 | 智慧园区视频监控系统 |
CN108091160A (zh) * | 2017-11-16 | 2018-05-29 | 杭州好园科技有限公司 | 智慧园区停车场用的诱导和寻车系统 |
CN109672750A (zh) * | 2019-01-15 | 2019-04-23 | 特斯联(北京)科技有限公司 | 一种基于边缘架构的安防数据聚合管理系统及其管理方法 |
CN109902640A (zh) * | 2019-03-05 | 2019-06-18 | 江南大学 | 基于边缘计算和机器学习的视频质量异常检测系统及其检测方法 |
CN110532857A (zh) * | 2019-07-16 | 2019-12-03 | 杭州电子科技大学 | 基于多摄像头下的行为识别影像分析系统 |
CN111898486A (zh) * | 2020-07-14 | 2020-11-06 | 浙江大华技术股份有限公司 | 监控画面异常的检测方法、装置及存储介质 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113658229A (zh) * | 2021-08-13 | 2021-11-16 | 杭州华橙软件技术有限公司 | 异常对象的确定方法及装置、存储介质、电子装置 |
CN113658229B (zh) * | 2021-08-13 | 2024-02-02 | 杭州华橙软件技术有限公司 | 异常对象的确定方法及装置、存储介质、电子装置 |
CN114969167A (zh) * | 2022-04-07 | 2022-08-30 | 江苏尚蓝信息技术有限公司 | 基于数据化的智能电网监控综合管理系统及方法 |
CN114969167B (zh) * | 2022-04-07 | 2024-02-06 | 江苏尚蓝信息技术有限公司 | 基于数据化的智能电网监控综合管理系统及方法 |
CN116939171A (zh) * | 2023-09-19 | 2023-10-24 | 南方电网数字电网研究院有限公司 | 输电线路监控方法、装置和计算机设备 |
CN116939171B (zh) * | 2023-09-19 | 2024-03-26 | 南方电网数字电网研究院有限公司 | 输电线路监控方法、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112637568B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112637568B (zh) | 基于多节点边缘计算设备的分布式安全监控方法和系统 | |
CN110705405B (zh) | 目标标注的方法及装置 | |
CN110781839A (zh) | 一种基于滑窗的大尺寸图像中小目标识别方法 | |
CN111898486B (zh) | 监控画面异常的检测方法、装置及存储介质 | |
CN112200011B (zh) | 曝气池状态检测方法、系统、电子设备及存储介质 | |
CN111160202A (zh) | 基于ar设备的身份核验方法、装置、设备及存储介质 | |
CN113822385B (zh) | 基于图像的输煤异常监测方法、装置、设备及存储介质 | |
CN109508636A (zh) | 车辆属性识别方法、装置、存储介质及电子设备 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN112073713B (zh) | 视频漏录测试方法、装置、设备及存储介质 | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测系统、方法及介质 | |
CN111597889A (zh) | 一种视频中目标移动的检测方法、装置及系统 | |
CN116503807A (zh) | 一种设备巡检方法、装置、电子设备及计算机程序产品 | |
CN115424181A (zh) | 目标对象的检测方法和装置 | |
CN111127701B (zh) | 车辆失效场景检测方法及系统 | |
CN115311680A (zh) | 人体图像质量检测方法、装置、电子设备及存储介质 | |
CN111669575B (zh) | 图像处理效果的测试方法、系统、电子设备、介质及终端 | |
CN115131725A (zh) | 交通流统计方法、装置、设备及存储介质 | |
CN114565870A (zh) | 一种基于视觉的生产线管控方法及装置、系统、电子设备 | |
CN114529497A (zh) | 老化的屏幕的检测方法、系统、存储介质以及计算机设备 | |
CN113111777A (zh) | 基于arm平台的室内人员密度检测系统及检测方法 | |
CN115019055A (zh) | 一种图像匹配方法、装置、智能设备及存储介质 | |
CN111739054A (zh) | 目标跟踪标记方法、系统、电子设备及可读存储介质 | |
CN117560468B (zh) | 一种基于大数据的一体化消防器材生产监控系统 | |
CN114229699A (zh) | 滑块异常检测方法、装置和起重机 |
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 |