CN113673399A - 区域监测的方法、装置、电子设备及可读存储介质 - Google Patents
区域监测的方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN113673399A CN113673399A CN202110921638.9A CN202110921638A CN113673399A CN 113673399 A CN113673399 A CN 113673399A CN 202110921638 A CN202110921638 A CN 202110921638A CN 113673399 A CN113673399 A CN 113673399A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- target
- human body
- area
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000012806 monitoring device Methods 0.000 claims description 13
- 230000001681 protective effect Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 241001465754 Metazoa Species 0.000 description 12
- 230000002829 reductive effect Effects 0.000 description 12
- 239000002699 waste material Substances 0.000 description 7
- 238000003062 neural network model Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
Abstract
本申请涉及监控防护系统的领域，尤其是涉及一种区域监测的方法、装置、电子设备及可读存储介质，其包括获取多个待处理图像，待处理图像为监控设备在对应的防护区域内所采集的图像；对每个待处理图像进行目标检测，获得每个待处理图像中的目标类别和目标数量，每个待处理图像中的目标类别和目标数量一一对应；若待处理图像中存在人体目标，则判断待处理图像中的人体目标是否位于预设的警戒区域内；若待处理图像中的人体目标位于预设的警戒区域内，则获取预警位置信息，预警位置信息为图像中存在人体目标的待处理图像对应的防护区域的位置信息；生成预警信息，以被后台人员接收；本申请具有减少误报警发生的几率的效果。
Description
技术领域
本申请涉及监控防护系统的领域，尤其是涉及一种区域监测的方法、装置、电子设备及可读存储介质。
背景技术
通常对于一些重要的区域，多采用区域监测系统进行安防的预警，区域监测系统能够对划定的场区进行封闭式的保护。
一些较大的区域也适合采用区域监测系统，例如水库区域，为了防止水库内的设备被偷盗或破坏，需要设置区域监测系统以检测检测入侵的发生，在后台人员接收到区域监测系统的报警后，需要派安保人员出警排查。
相关方案中的区域监测系统，多采用微波、振动光纤、电子围栏等方式进行入侵物体的检测，但是这种检测方式也会将动物和被风吹动的树枝等干扰物体检测到，进而引发误报警；由于水库区域面积较大，使得出警成本较高，因此误报警的发生，会对现有的安保资源造成浪费。
发明内容
为了减少误报警发生的几率，本申请提供一种区域监测的方法、装置、电子设备及可读存储介质。
第一方面，本申请提供一种区域监测的方法，采用如下的技术方案：
一种区域监测的方法，包括：
获取多个待处理图像，所述待处理图像为监控设备在对应的防护区域内所采集的图像；
对所述每个待处理图像进行目标检测，获得所述每个待处理图像中的目标类别和目标数量，所述每个待处理图像中的目标类别和目标数量一一对应；
若所述待处理图像中存在人体目标， 则判断所述待处理图像中的人体目标是否位于预设的警戒区域内；
若所述待处理图像中的人体目标位于所述预设的警戒区域内，则获取预警位置信息，所述预警位置信息为图像中存在人体目标的所述待处理图像对应的防护区域的位置信息；
生成预警信息，以被后台人员接收，所述预警信息至少包括所述预警位置信息和所述人体目标对应的目标数量中的一种。
通过采用上述技术方案，能够对防护区域内所采集的图像中的目标进行分类，通过判断图像中有无人体目标，即可判断出防护区域内是否存在人体，并且只有在人体目标进入预设的警戒区域内才会生成预警信息，进而降低了相关技术中因为动物或树枝等目标引发的误报警的几率，在人体目标未进入警戒区域时不会生成警戒信息的，进一步降低了误报警现象发生的几率，减少了对安保资源的浪费。
在一种可能的实现方式中，所述对所述每个待处理图像进行目标检测，获得所述每个待处理图像中的目标类别和目标数量，包括：
对所述待处理图像进行目标检测，获取所述待处理图像中的各个目标分别对应的图像区域；
对所述待处理图像中的各个目标分别对应的图像区域进行特征提取，获得所述待处理图像中的各个目标分别对应的轮廓特征；
基于所述待处理图像中的各个目标分别对应的轮廓特征确定所述待处理图像中的各个目标分别对应的目标类别；
基于所述每个待处理图像中的各个目标分别对应的目标类别，确定相同的目标类别的数量。
通过采用上述技术方案，人体、动物以及树枝等不同类别的目标，其轮廓形状是不同的，因此基于目标的轮廓特征能够判断目标的类别；其次确定各个目标分别对应的数量，在目标为人体时，安保人员能够根据目标人体的数量进行出警的判断，例如判断出警的人数，携带的设备等，进而减少了对安保资源的浪费。
在一种可能的实现方式中，基于所述待处理图像中的各个目标分别对应的轮廓特征确定所述待处理图像中的各个目标分别对应的目标类别，包括：
将所述待处理图像中的各个目标分别对应的轮廓特征输入经过训练后的识别网络模型，得到与所述待处理图像中的各个目标分别对应的类别标签。
通过采用上述技术方案，通过训练好的神经网络模型对图像中目标的轮廓特征进行判断，进而能够方便快速的得出各个目标的类别信息，进而便于判断图像中是否存在人体。
在一种可能的实现方式中，在将所述待处理图像中的各个目标分别对应的轮廓特征输入经过训练后的识别网络模型，得到与所述待处理图像中的各个目标分别对应的类别标签，之前还包括：
获取待训练图像中的目标分别对应的轮廓特征样本集，所述待训练图像为监控设备在防护区域内针对多个目标类型所采集的图像；
所述待训练图像中的目标分别对应的轮廓特征样本集中还包括与所述待训练图像中的目标分别对应的轮廓特征样本一一对应的类别标签；
基于所述待训练图像中的目标分别对应的轮廓特征样本集对初始网络模型进行训练，得到识别网络模型。
通过采用上述技术方案，通过在防护区域内针对多个不同类别的目标采集图像，同时将各个目标的轮廓特征以及与目标的轮廓特征一一对应的类别标签作为训练初始网络模型的样本集，能够提升训练后的网络模型对于目标类别判断的精准度和效率。
在一种可能的实现方式中，一种区域监测的方法，还包括：
获取视频信息，所述视频信息为针对存在人体目标的所述待处理图像对应的防护区域所采集的视频；
发送所述视频信息以被后台人员接收。
通过采用上述技术方案，在生成预警信息之后，将针对对应的防护区域采集的视频信息发送给后台人员，便于后台人员根据防护区域内的视频信息进一步判断所述待处理图像对应的防护区域内是否存在人体，进而安保人员进一步判断是否需要出警，进一步减少了因误报警导致的安保资源的浪费。
在一种可能的实现方式中，若所述待处理图像中存在人体目标， 则判断所述待处理图像中的人体目标是否位于预设的警戒区域内，包括：
在所述待处理图像中建立基准坐标系；
基于所述基准坐标系确定所述待处理图像中的人体目标在所述待处理图像中的边界坐标；
基于所述基准坐标系确定所述预设的警戒区域在所述待处理图像中的边界坐标；
基于所述预设的警戒区域在所述待处理图像中的边界坐标和所述待处理图像中的人体目标在所述待处理图像中的边界坐标确定所述待处理图像中的人体目标是否位于预设的警戒区域内。
通过采用上述技术方案，基于边界坐标判断人体目标是否位于警戒区域内，使得判断的结果准确度较高。
在一种可能的实现方式中，若所述待处理图像中的人体目标位于所述警戒区域内，则获取预警位置信息，包括：
判断所述待处理图像中的人体目标所在区域内是否存在有预设的身份信息，所述预设的身份信息用以表征所述待处理图像中人体目标是否被允许进入所述待处理图像中的防护区域；
若不存在预设的身份信息，则获取预警位置信息。
通过采用上述技术方案，对于一些特定的人体目标，例如水库区域内的工作人员出现在待处理的图像中，则能够获取预设的身份信息，进而得知该人体目标被允许进入防护区域，因此此时不需要获取预警位置信息；当不存在预设的身份信息时，则说明该人体目标为入侵人员，因此，此时应确定预警位置信息。
第二方面，本申请提供一种区域监测的装置，采用如下的技术方案：
一种区域监测的装置，其包括：
图像获取模块，用于获取多个待处理图像，所述待处理图像为监控设备在对应的防护区域内所采集的图像；
目标检测模块，用于对所述每个待处理图像进行目标检测，获得所述每个待处理图像中的目标类别和目标数量，所述每个待处理图像中的目标类别和目标数量一一对应；
区域判断模块，当所述待处理图像中存在人体目标时， 用于判断所述待处理图像中的人体目标是否位于预设的警戒区域内；
预警位置信息获取模块，当所述待处理图像中的人体目标位于所述预设的警戒区域内时，用于获取预警位置信息，所述预警位置信息为图像中存在人体目标的所述待处理图像对应的防护区域的位置信息；
预警信息生成模块，用于生成预警信息，以被后台人员接收，所述预警信息至少包括所述预警位置信息和所述人体目标对应的目标数量中的一种。
在一种可能的实现方式中，当目标检测模块对所述每个待处理图像进行目标检测，获得所述每个待处理图像中的目标类别和目标数量时，具体用于：
对所述待处理图像进行目标检测，获取所述待处理图像中的各个目标分别对应的图像区域；
对所述待处理图像中的各个目标分别对应的图像区域进行特征提取，获得所述待处理图像中的各个目标分别对应的轮廓特征；
基于所述待处理图像中的各个目标分别对应的轮廓特征确定所述待处理图像中的各个目标分别对应的目标类别；
基于所述每个待处理图像中的各个目标分别对应的目标类别，确定相同的目标类别的数量。
在一种可能的实现方式中，当目标检测模块基于所述待处理图像中的各个目标分别对应的轮廓特征确定所述待处理图像中的各个目标分别对应的目标类别时，具体用于：
将所述待处理图像中的各个目标分别对应的轮廓特征输入经过训练后的识别网络模型，得到与所述待处理图像中的各个目标分别对应的类别标签。
在一种可能的实现方式中，一种区域监测的装置，还包括：
样本集获取模块，用于获取待训练图像中的目标分别对应的轮廓特征样本集，所述待训练图像为监控设备在防护区域内针对多个目标类型所采集的图像；所述待训练图像中的目标分别对应的轮廓特征样本集中还包括与所述待训练图像中的目标分别对应的轮廓特征样本一一对应的类别标签；
训练模块，用于基于所述待训练图像中的目标分别对应的轮廓特征样本集对初始网络模型进行训练，得到识别网络模型。
在一种可能的实现方式中，一种区域监测的装置，还包括：
视频获取模块，用于获取视频信息，所述视频信息为针对存在人体目标的所述待处理图像对应的防护区域所采集的视频；
发送模块，用于发送所述视频信息以被后台人员接收。
当所述待处理图像中存在人体目标时， 区域判断模块203具体用于：
在所述待处理图像中建立基准坐标系；
基于所述基准坐标系确定所述待处理图像中的人体目标在所述待处理图像中的边界坐标；
基于所述基准坐标系确定所述预设的警戒区域在所述待处理图像中的边界坐标；
基于所述预设的警戒区域在所述待处理图像中的边界坐标和所述待处理图像中的人体目标在所述待处理图像中的边界坐标确定所述待处理图像中的人体目标是否位于预设的警戒区域内。
当所述待处理图像中的人体目标位于所述警戒区域内时，预警位置信息获取模块具体用于：
判断所述待处理图像中的人体目标所在区域内是否存在有预设的身份信息，所述预设的身份信息用以表征所述待处理图像中人体目标是否被允许进入所述待处理图像中的防护区域；
若不存在预设的身份信息，则获取预警位置信息。
第三方面，本申请提供一种电子设备，采用如下的技术方案：
一种电子设备，该电子设备包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行上述区域监测的方法。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，包括：存储有能够被处理器加载并执行上述区域监测方法的计算机程序。
综上所述，本申请包括以下至少一种有益技术效果：
1.能够对防护区域内所采集的图像中的目标进行分类，通过判断图像中有无人体目标，即可判断出防护区域内是否存在人体，并且只有在人体目标进入预设的警戒区域内才会生成预警信息，进而降低了相关技术中因为动物或树枝等目标引发的误报警的几率，在人体目标未进入警戒区域时不会生成警戒信息的，进一步降低了误报警现象发生的几率，减少了对安保资源的浪费；
2.通过在防护区域内针对多个不同类别的目标采集图像，同时将各个目标的轮廓特征以及与目标的轮廓特征一一对应的类别标签作为训练初始网络模型的样本集，能够提升训练后的网络模型对于目标类别判断的精准度和效率；
3.在生成预警信息之后，将针对对应的防护区域采集的视频信息发送给后台人员，便于后台人员根据防护区域内的视频信息进一步判断所述待处理图像对应的防护区域内是否存在人体，进而安保人员进一步判断是否需要出警，进一步减少了因误报警导致的安保资源的浪费。
附图说明
图1是本申请实施例中区域监测方法的流程示意图；
图2是本申请实施例中区域监测装置的示意简图；
图3是本申请实施例中区域监测电子设备的示意简图。
具体实施方式
以下结合附图1-附图3对本申请作进一步详细说明。
本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。
本申请实施例提供了一种区域监测的方法，由电子设备执行，参照图1，该方法包括步骤S101- S105：
S101、获取多个待处理图像，待处理图像为监控设备在对应的防护区域内所采集的图像。
在本申请实施例中，为了在夜间也能够针对防护区域采集待处理图像，采集待处理图像的监控设备应为红外摄像机，因此待处理图像应为红外热成像图片；红外摄像机针对物体的温度分布成像，减小了入侵人员伪装成动物等物体，进而导致误判的几率。
S102、对每个待处理图像进行目标检测，获得每个待处理图像中的目标类别和目标数量，每个待处理图像中的目标类别和目标数量一一对应。
在本申请实施例中，目标检测是一种计算机视觉技术，它能够识别和定位图像或视频中的物体。目标检测可以理解为两部分，目标定位和目标分类。定位可以理解为目标物体在图像中的确切位置（边界框），而分类则是定义它属于哪个类别（人体/动物/树枝等）。
S103、若待处理图像中存在人体目标， 则判断待处理图像中的人体目标是否位于预设的警戒区域内。
在本申请实施例中，每个监控设备在对应的防护区域内均存在预设的警戒区域，例如在防护区域的实际位置中，警戒区域为水库中发电机组所在机房的区域，而在该防护区域对应的待处理图像中，将机房在待处理图像中的区域进行框选，即为图像中的警戒区域。
进一步地，每个监控设备所对应的防护区域内预设的警戒区域可以相同，也可以不同；预设的警戒区域在对应的待处理图像中的位置可以相同也可以不同，本申请实施例中不作任何具体限定，需要根据每个防护区域内的特定环境进行确定。
S104、若待处理图像中的人体目标位于预设的警戒区域内，则获取预警位置信息，预警位置信息为图像中存在人体目标的待处理图像对应的防护区域的位置信息。
在本申请实施例中，当人体目标位于预设的警戒区域内，则能够判定该人体目标对预设的警戒区域有潜在危险，因此此时需要获取该人体目标的监控设备所在的防区域的位置；由于监控设备通常是固定设置在对应的防护区域内的一个位置，因此在每个监控设备中预先存储每个监控设备对应的防护区域的位置信息，以使得电子设备能够直接从监控设备中获取警戒位置信息。
进一步地，警戒位置信息可以为具体的地址，例如第一发电机组机房，当然警戒位置信息也可以为其他类型，例如，基于所有防护区域的位置关系建立电子地图，警戒位置信息也可以为人体目标所在的防护区域在电子地图中的坐标信息，本申请实施例对此不作任何限定，只要能够帮助安保人员确定具体的防护区域的位置，便于出警即可。
S105、生成预警信息，以被后台人员接收，预警信息至少包括预警位置信息和人体目标对应的目标数量中的一种。
在本申请实施例中，预警信息可以包括预警位置信息和人体目标对应的数量，在发现入侵人员时，安保人员能够根据入侵人员的数量选择出动合适的警力，以便做到安保资源的合理调配。
具体地，与相关技术中的方案相比，本申请实施例的方案，能够对防护区域内所采集的图像中的目标进行分类，通过判断图像中有无人体目标，即可判断出防护区域内是否存在人体，并且只有在人体目标进入预设的警戒区域内才会生成预警信息，进而降低了相关技术中因为动物或树枝等目标引发的误报警的几率，在人体目标未进入警戒区域时不会生成警戒信息，进一步降低了误报警现象发生的几率，减少了对安保资源的浪费。
进一步地，步骤S102具体可以包括：步骤S1021（图中未示出）、步骤S1022（图中未示出）、步骤S1023（图中未示出）以及步骤S1024（图中未示出），其中：
S1021、对待处理图像进行目标检测，获取待处理图像中的各个目标分别对应的图像区域。
具体地，目标检测技术能够对待处理图像中的各个目标进行位置确定，将每个目标通过边界框进行框选，此时边界框内的图像区域即为该目标在图像中对应的图像区域。
S1022、对待处理图像中的各个目标分别对应的图像区域进行特征提取，获得待处理图像中的各个目标分别对应的轮廓特征。
具体地，提取轮廓特征信息的方式可以包括：对各个目标对应的图像区域进行灰度化处理后再进行二值化处理，在经过二值化处理后图像中根据黑白像素点的边界识别出各个分割区域中对应的目标的轮廓形状，轮廓形状即为目标对应的轮廓特征。
S1023、基于待处理图像中的各个目标分别对应的轮廓特征确定待处理图像中的各个目标分别对应的目标类别。
具体地，不同类别的目标，其在图像中所能形成的轮廓形状是有差异的，例如人体和动物，由于站立方式的不同，导致人体和动物的轮廓形状存在差异，因此通过目标的轮廓特征，能够判断目标的具体类别，例如为人体、动物或者树枝。
具体地，将待处理图像中的各个目标分别对应的轮廓特征输入经过训练后的识别网络模型，得到与待处理图像中的各个目标分别对应的类别标签。
进一步地，通过训练后的神经网络模型对目标的轮廓特征进行分析进而得出对应的目标类别，能够提升识别的准确率和速度。
S1024、基于每个待处理图像中的各个目标分别对应的目标类别，确定相同的目标类别的数量。
具体地，对每个待处理的图像中相同的目标进行数量的统计，例如，人体目标数量为2，动物目标数量为2，但是这里主要目的是统计人体目标的数量。
进一步地，在步骤S1023中，在将待处理图像中的各个目标分别对应的轮廓特征输入经过训练后的识别网络模型，得到与待处理图像中的各个目标分别对应的类别标签，之前，还包括：步骤A（图中未示出）、步骤B（图中未示出）以及步骤C（图中未示出），其中：
步骤A、获取待训练图像中的目标分别对应的轮廓特征样本集，待训练图像为监控设备在防护区域内针对多个目标类型所采集的图像。
具体地，在每个防护区域均针对多种不同类别的目标采集多个姿态和角度的图像，然后对这些图像进行目标检测，以获取各个目标分别对应的轮廓特征，这样采集的样本环境与实际中神经网络模型要判断的环境一致，因此能够提高识别的准确度；同时针对多个不同的目标采集图像，增加样本的丰富度，同样能够提高神经网络对目标分类的准确度。
步骤B、待训练图像中的目标分别对应的轮廓特征样本集中还包括与待训练图像中的目标分别对应的轮廓特征样本一一对应的类别标签。
具体地，样本集中应包括与每个目标的轮廓特征一一对应的类别标签，类别标签可以为人体、动物、树枝等，类别标签可以由人作出判断进而输入，以提高样本的可靠性。
步骤C、基于待训练图像中的目标分别对应的轮廓特征样本集对初始网络模型进行训练，得到识别网络模型。
具体地，初始神经网络模型进行训练后能够对输入的目标轮廓特征进行判断，进而输出的是目标类别的概率，选择概率最高的类别标签，作为当前输入的目标轮廓特征所对应的类别标签。例如识别网络模型输入一个目标的轮廓特征，则输出的为人体（97%）和动物（3%），则此时应能够确定该轮廓特征对应的目标的类别为人体。
进一步地，步骤S103具体可以包括步骤S1031（图中未示出）、S1032（图中未示出）、S1033（图中未示出）以及S1034（图中未示出），其中：
S1031、在待处理图像中建立基准坐标系。
具体地，基准坐标系为二维坐标系，坐标系的原点可以为图像区域中任何一个点，本申请实施例中对此不作任何限定。
S1032、基于基准坐标系确定待处理图像中的人体目标在待处理图像中的边界坐标。
具体地，基于前述步骤S1022中获得的目标的轮廓形状，并且基于图像中的像素点与二维坐标系中坐标单位对应的关系，确定目标的轮廓形状的多个边缘坐标。
S1033、基于基准坐标系确定预设的警戒区域在待处理图像中的边界坐标。
具体地，由于警戒区域是预设的，因此其在图像中的边界坐标也可以结合基准坐标系预先设定有多个，且对于每个监控设备来说，其采集的多个图像中的警戒区域都是相同的。
S1034、基于预设的警戒区域在待处理图像中的边界坐标和待处理图像中的人体目标在待处理图像中的边界坐标确定待处理图像中的人体目标是否位于预设的警戒区域内。
具体地，警戒区域在图像中的边界坐标是已知的，即可通过数学逻辑判断人体目标的轮廓区域的边界坐标是否有位于警戒区域内的。
进一步地，在步骤S10判断待处理图像中的人体目标所在区域内是否存在有预设的身份信息，预设的身份信息用以表征待处理图像中人体目标是否被允许进入待处理图像中的防护区域；
若不存在预设的身份信息，则获取预警位置信息
进一步地，在步骤S105中,电子设备生成预警信息的同时，电子设备还执行步骤S1（图中未示出）和步骤S2（图中未示出），其中：
步骤S1、需要获取视频信息，视频信息为针对存在人体目标的待处理图像对应的防护区域所采集的视频。
步骤S2、发送视频信息以被后台人员接收。
具体地，在本申请实施例中，在生成预警信息时，说明有人体进入警戒区域内，此时获取获取该目标人体所在的防护区域内的图像，并且应该是全彩图像，便于后台人员进一步判断现场的实际情况，因而在防护区域内还要设置全彩摄像机。
进一步地，在步骤S103中还包括步骤X1（图中未示出）和步骤Y1（图中未示出），其中：
步骤X、判断待处理图像中的人体目标所在区域内是否存在有预设的身份信息，预设的身份信息用以表征待处理图像中人体目标是否被允许进入待处理图像中的防护区域。
具体地，被允许进入警戒区域的防护人员，例如水库中的工作人员，其进入警戒区域内时，需要携带能够发射预设的身份信息的设备，例如携带能够通讯的电子门禁卡或者穿携带有信号发射芯片的工作制服等；对应地，警戒区域内应该设置有能够接收预设的身份信息的接收端设备。
步骤Y、若不存在预设的身份信息，则获取预警位置信息。
具体地，如果警戒区域内存在在人体信息，且不能够获取到预设的身份信息，则说明进入警戒区域的目标人体实际上是不被允许进入警戒区域的，因此可视为入侵人员，此时应该获取预警位置信息，以便能够生成预警信息。
上述实施例从方法流程的角度介绍一种区域监测的方法，下述实施例介绍了一种区域监测的系统，具体详见下述实施例。
一种区域监测的系统，其包括：
红外摄像机，设置在对应的防护区域内，用于采集对应的防护区域内的红外图像。
全彩摄像机，设置在对应的防护区域内，且用于采集对应的防护区域内的全彩视频。
信号发射设备，用于被允许进入警戒区域的工作人员携带，能够发射预设的身份信息。
信号接受设备，设置在对应的防护区域内，能够接受信号发射设备发出的预设的身份信息。
进一步地，红外摄像机、全彩摄像机、信号发射设备以及信号接收设备均能够和电子设备进行信息交互。
本申请实施例提供一种区域监测的装置，如图2所示，该区域监测的装置200具体可以包括：图像获取模块201、目标检测模块202、区域判断模块203、预警位置信息获取模块204以及预警信息生成模块205，其中：
图像获取模块201，用于获取多个待处理图像，待处理图像为监控设备在对应的防护区域内所采集的图像；
目标检测模块202，用于对每个待处理图像进行目标检测，获得每个待处理图像中的目标类别和目标数量，每个待处理图像中的目标类别和目标数量一一对应；
区域判断模块203，当待处理图像中存在人体目标时， 用于判断待处理图像中的人体目标是否位于预设的警戒区域内；
预警位置信息获取模块204，当待处理图像中的人体目标位于预设的警戒区域内时，用于获取预警位置信息，预警位置信息为图像中存在人体目标的待处理图像对应的防护区域的位置信息；
预警信息生成模块205，用于生成预警信息，以被后台人员接收，预警信息至少包括预警位置信息和人体目标对应的目标数量中的一种。
在一种可能的实现方式中，当目标检测模块202对每个待处理图像进行目标检测，获得每个待处理图像中的目标类别和目标数量时，具体用于：
对待处理图像进行目标检测，获取待处理图像中的各个目标分别对应的图像区域；
对待处理图像中的各个目标分别对应的图像区域进行特征提取，获得待处理图像中的各个目标分别对应的轮廓特征；
基于待处理图像中的各个目标分别对应的轮廓特征确定待处理图像中的各个目标分别对应的目标类别；
基于每个待处理图像中的各个目标分别对应的目标类别，确定相同的目标类别的数量。
在一种可能的实现方式中，当目标检测模块202基于待处理图像中的各个目标分别对应的轮廓特征确定待处理图像中的各个目标分别对应的目标类别时，具体用于：
将待处理图像中的各个目标分别对应的轮廓特征输入经过训练后的识别网络模型，得到与待处理图像中的各个目标分别对应的类别标签。
在一种可能的实现方式中，一种区域监测的装置200，还包括：
样本集获取模块，用于获取待训练图像中的目标分别对应的轮廓特征样本集，待训练图像为监控设备在防护区域内针对多个目标类型所采集的图像；待训练图像中的目标分别对应的轮廓特征样本集中还包括与待训练图像中的目标分别对应的轮廓特征样本一一对应的类别标签；
训练模块，用于基于待训练图像中的目标分别对应的轮廓特征样本集对初始网络模型进行训练，得到识别网络模型。
在一种可能的实现方式中，一种区域监测的装置200，还包括：
视频获取模块，用于获取视频信息，视频信息为针对存在人体目标的待处理图像对应的防护区域所采集的视频；
发送模块，用于发送视频信息以被后台人员接收。
当待处理图像中存在人体目标时， 区域判断模块203具体用于：
在待处理图像中建立基准坐标系；
基于基准坐标系确定待处理图像中的人体目标在待处理图像中的边界坐标；
基于基准坐标系确定预设的警戒区域在待处理图像中的边界坐标；
基于预设的警戒区域在待处理图像中的边界坐标和待处理图像中的人体目标在待处理图像中的边界坐标确定待处理图像中的人体目标是否位于预设的警戒区域内。
当待处理图像中的人体目标位于警戒区域内时，预警位置信息获取模块具体用于：
判断待处理图像中的人体目标所在区域内是否存在有预设的身份信息，预设的身份信息用以表征待处理图像中人体目标是否被允许进入待处理图像中的防护区域；
若不存在预设的身份信息，则获取预警位置信息。
本申请实施例中提供了一种电子设备，如图3所示，图3所示的电子设备300包括：处理器301和存储器303。其中，处理器301和存储器303相连，如通过总线302相连。可选地，电子设备300还可以包括收发器304。需要说明的是，实际应用中收发器304不限于一个，该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU（Central Processing Unit，中央处理器），通用处理器，DSP（Digital Signal Processor，数据信号处理器），ASIC（Application SpecificIntegrated Circuit，专用集成电路），FPGA（Field Programmable Gate Array，现场可编程门阵列）或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器301也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线302可包括一通路，在上述组件之间传送信息。总线302可以是PCI（Peripheral Component Interconnect，外设部件互连标准）总线或EISA（ExtendedIndustry Standard Architecture，扩展工业标准结构）总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM（Read Only Memory，只读存储器）或可存储静态信息和指令的其他类型的静态存储设备，RAM（Random Access Memory，随机存取存储器）或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM（Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器）、CD-ROM（Compact DiscRead Only Memory，只读光盘）或其他光盘存储、光碟存储（包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等）、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器303用于存储执行本申请方案的应用程序代码，并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述区域监测的方法实施例中相应内容。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种区域监测的方法，其特征在于,包括：
获取多个待处理图像，所述待处理图像为监控设备在对应的防护区域内所采集的图像；
对所述每个待处理图像进行目标检测，获得所述每个待处理图像中的目标类别和目标数量，所述每个待处理图像中的目标类别和目标数量一一对应；
若所述待处理图像中存在人体目标， 则判断所述待处理图像中的人体目标是否位于预设的警戒区域内；
若所述待处理图像中的人体目标位于所述预设的警戒区域内，则获取预警位置信息，所述预警位置信息为图像中存在人体目标的所述待处理图像对应的防护区域的位置信息；
生成预警信息，以被后台人员接收，所述预警信息至少包括所述预警位置信息和所述人体目标对应的目标数量中的一种。
2.根据权利要求1所述的一种区域监测的方法，其特征在于，所述对所述每个待处理图像进行目标检测，获得所述每个待处理图像中的目标类别和目标数量，包括：
对所述待处理图像进行目标检测，获取所述待处理图像中的各个目标分别对应的图像区域；
对所述待处理图像中的各个目标分别对应的图像区域进行特征提取，获得所述待处理图像中的各个目标分别对应的轮廓特征；
基于所述待处理图像中的各个目标分别对应的轮廓特征确定所述待处理图像中的各个目标分别对应的目标类别；
基于所述每个待处理图像中的各个目标分别对应的目标类别，确定相同的目标类别的数量。
3.根据权利要求2所述的一种区域监测的方法，其特征在于，基于所述待处理图像中的各个目标分别对应的轮廓特征确定所述待处理图像中的各个目标分别对应的目标类别，包括：
将所述待处理图像中的各个目标分别对应的轮廓特征输入经过训练后的识别网络模型，得到与所述待处理图像中的各个目标分别对应的类别标签。
4.根据权利要求3所述的一种区域监测的方法，其特征在于，在将所述待处理图像中的各个目标分别对应的轮廓特征输入经过训练后的识别网络模型，得到与所述待处理图像中的各个目标分别对应的类别标签，之前还包括：
获取待训练图像中的目标分别对应的轮廓特征样本集，所述待训练图像为监控设备在防护区域内针对多个目标类型所采集的图像；
所述待训练图像中的目标分别对应的轮廓特征样本集中还包括与所述待训练图像中的目标分别对应的轮廓特征样本一一对应的类别标签；
基于所述待训练图像中的目标分别对应的轮廓特征样本集对初始网络模型进行训练，得到识别网络模型。
5.根据权利要求1所述的一种区域监测的方法，其特征在于，还包括：
获取视频信息，所述视频信息为针对存在人体目标的所述待处理图像对应的防护区域所采集的视频；
发送所述视频信息以被后台人员接收。
6.根据权利要求1所述的一种区域监测的方法，其特征在于，若所述待处理图像中存在人体目标， 则判断所述待处理图像中的人体目标是否位于预设的警戒区域内，包括：
在所述待处理图像中建立基准坐标系；
基于所述基准坐标系确定所述待处理图像中的人体目标在所述待处理图像中的边界坐标；
基于所述基准坐标系确定所述预设的警戒区域在所述待处理图像中的边界坐标；
基于所述预设的警戒区域在所述待处理图像中的边界坐标和所述待处理图像中的人体目标在所述待处理图像中的边界坐标确定所述待处理图像中的人体目标是否位于预设的警戒区域内。
7.根据权利要求1所述的一种区域监测的方法，其特征在于，若所述待处理图像中的人体目标位于所述警戒区域内，则获取预警位置信息，包括：
判断所述待处理图像中的人体目标所在区域内是否存在有预设的身份信息，所述预设的身份信息用以表征所述待处理图像中人体目标是否被允许进入所述待处理图像中的防护区域；
若不存在预设的身份信息，则获取预警位置信息。
8.一种区域监测的装置，其特征在于，包括：
图像获取模块，用于获取多个待处理图像，所述待处理图像为监控设备在对应的防护区域内所采集的图像；
目标检测模块，用于对所述每个待处理图像进行目标检测，获得所述每个待处理图像中的目标类别和目标数量，所述每个待处理图像中的目标类别和目标数量一一对应；
区域判断模块，当所述待处理图像中存在人体目标时， 用于判断所述待处理图像中的人体目标是否位于预设的警戒区域内；
预警位置信息获取模块，当所述待处理图像中的人体目标位于所述预设的警戒区域内时，用于获取预警位置信息，所述预警位置信息为图像中存在人体目标的所述待处理图像对应的防护区域的位置信息；
预警信息生成模块，用于生成预警信息，以被后台人员接收，所述预警信息至少包括所述预警位置信息和所述人体目标对应的数量中的一种。
9.一种电子设备，其特征在于，该电子设备包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行权利要求1-7任一项所述的区域监测的方法。
10.一种计算机可读存储介质，其特征在于，包括：存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110921638.9A CN113673399A (zh) | 2021-08-12 | 2021-08-12 | 区域监测的方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110921638.9A CN113673399A (zh) | 2021-08-12 | 2021-08-12 | 区域监测的方法、装置、电子设备及可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113673399A true CN113673399A (zh) | 2021-11-19 |
Family
ID=78542405
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110921638.9A Pending CN113673399A (zh) | 2021-08-12 | 2021-08-12 | 区域监测的方法、装置、电子设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113673399A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114155433A (zh) * | 2021-11-30 | 2022-03-08 | 北京新兴华安智慧科技有限公司 | 一种违法土地的检测方法、装置、电子设备及存储介质 |
| CN116129157A (zh) * | 2023-04-13 | 2023-05-16 | 深圳市夜行人科技有限公司 | 一种基于极微光的警戒摄像机智能图像处理方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109214316A (zh) * | 2018-08-21 | 2019-01-15 | 北京深瞐科技有限公司 | 周界防护方法及装置 |
| CN110348312A (zh) * | 2019-06-14 | 2019-10-18 | 武汉大学 | 一种区域视频人体动作行为实时识别方法 |
| CN110766170A (zh) * | 2019-09-05 | 2020-02-07 | 国网江苏省电力有限公司 | 基于图像处理的多传感器融合和人员定位的方法 |
| CN110874905A (zh) * | 2018-08-31 | 2020-03-10 | 杭州海康威视数字技术股份有限公司 | 监控方法及装置 |
| CN111126317A (zh) * | 2019-12-26 | 2020-05-08 | 腾讯科技（深圳）有限公司 | 一种图像处理方法、装置、服务器及存储介质 |
| CN112802100A (zh) * | 2021-01-21 | 2021-05-14 | 北京首都机场航空安保有限公司 | 一种入侵检测方法、装置、设备和计算机可读存储介质 |
-
2021
- 2021-08-12 CN CN202110921638.9A patent/CN113673399A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109214316A (zh) * | 2018-08-21 | 2019-01-15 | 北京深瞐科技有限公司 | 周界防护方法及装置 |
| CN110874905A (zh) * | 2018-08-31 | 2020-03-10 | 杭州海康威视数字技术股份有限公司 | 监控方法及装置 |
| CN110348312A (zh) * | 2019-06-14 | 2019-10-18 | 武汉大学 | 一种区域视频人体动作行为实时识别方法 |
| CN110766170A (zh) * | 2019-09-05 | 2020-02-07 | 国网江苏省电力有限公司 | 基于图像处理的多传感器融合和人员定位的方法 |
| CN111126317A (zh) * | 2019-12-26 | 2020-05-08 | 腾讯科技（深圳）有限公司 | 一种图像处理方法、装置、服务器及存储介质 |
| CN112802100A (zh) * | 2021-01-21 | 2021-05-14 | 北京首都机场航空安保有限公司 | 一种入侵检测方法、装置、设备和计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 孔英会;王维维;张珂;戚银城;: "基于改进Mask R-CNN模型的电力场景目标检测方法", 科学技术与工程, no. 08 * |
| 胡建华;徐健健;: "交通监控系统中车辆和行人的检测与识别", 电子测量技术, no. 01, pages 2 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114155433A (zh) * | 2021-11-30 | 2022-03-08 | 北京新兴华安智慧科技有限公司 | 一种违法土地的检测方法、装置、电子设备及存储介质 |
| CN116129157A (zh) * | 2023-04-13 | 2023-05-16 | 深圳市夜行人科技有限公司 | 一种基于极微光的警戒摄像机智能图像处理方法及系统 |
| CN116129157B (zh) * | 2023-04-13 | 2023-06-16 | 深圳市夜行人科技有限公司 | 一种基于极微光的警戒摄像机智能图像处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109508688B (zh) | 基于骨架的行为检测方法、终端设备及计算机存储介质 | |
| CN106952303B (zh) | 车距检测方法、装置和系统 | |
| CN108694399B (zh) | 车牌识别方法、装置及系统 | |
| CN109426785B (zh) | 一种人体目标身份识别方法及装置 | |
| CN109670383B (zh) | 视频遮蔽区域选取方法、装置、电子设备及系统 | |
| CN113673399A (zh) | 区域监测的方法、装置、电子设备及可读存储介质 | |
| CN108563651B (zh) | 一种多视频的目标搜索方法、装置及设备 | |
| CN112085952A (zh) | 监控车辆数据方法、装置、计算机设备及存储介质 | |
| CN110659391A (zh) | 一种视频侦查方法及装置 | |
| CN108288025A (zh) | 一种车载视频监控方法、装置及设备 | |
| CN113255651A (zh) | 包裹安检方法、装置及系统和节点设备、存储装置 | |
| CN114387750A (zh) | 一种变电设备监测的方法、装置、设备及存储介质 | |
| CN114360182B (zh) | 一种智能告警方法、装置、设备及存储介质 | |
| CN115984780B (zh) | 工业固体废物出入库判别方法、装置、电子设备及介质 | |
| CN114764895A (zh) | 异常行为检测装置和方法 | |
| CN116363583A (zh) | 一种用于顶视角的人体识别方法、装置、设备及介质 | |
| CN114140751B (zh) | 一种考场监控方法及系统 | |
| CN113837138B (zh) | 一种着装监控方法、系统、介质及电子终端 | |
| CN112380951B (zh) | 一种识别异常行为的方法、装置、计算机设备及存储介质 | |
| CN112101134B (zh) | 物体的检测方法及装置、电子设备和存储介质 | |
| CN112241671B (zh) | 一种人员身份识别方法、装置及系统 | |
| CN110751065B (zh) | 训练数据的采集方法及装置 | |
| CN114494355A (zh) | 基于人工智能的轨迹分析方法、装置、终端设备及介质 | |
| CN113723355A (zh) | 一种目标监控方法和装置、存储介质及电子装置 | |
| CN114022924A (zh) | 一种人脸识别方法及相关装置 |
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 |