发明内容
为了解决现有技术中存在的电梯场景的非机动车辆盗窃行为的判断准确率较低的问题,本发明的目的在于提供一种非机动车辆防盗预警方法、装置及存储介质,以对电梯场景的非机动车辆盗窃行为进行准确判断,从而有效避免非机动车辆被盗。
第一方面,本发明提供了一种非机动车辆防盗预警方法,包括:
检测电梯内是否存在非机动车辆和乘梯人员;
如果电梯内同时存在非机动车辆和乘梯人员,则识别所述乘梯人员中是否存在操控所述非机动车辆的目标人员;
如果所述乘梯人员中存在操控所述非机动车辆的目标人员,则识别所述目标人员的类型;
如果所述目标人员不是指定类别人员与已登记人员,则判断目标人员与非机动车辆是否同时进入电梯且同时进入的楼层非一层及以下楼层;若目标人员与非机动车辆同时进入电梯且同时进入的楼层非一层及以下楼层,则判断在目标人员与非机动车辆同时进入电梯之前的预定时长内,目标人员是否在非操控非机动车辆状态下从低楼层乘梯到目标人员与非机动车辆同时出现的高楼层;
若是,则向后台监控终端发送预警信息。
基于上述公开的内容,本发明提供的非机动车辆防盗预警方法可检测电梯内是否存在非机动车辆和乘梯人员,如果电梯内同时存在非机动车辆和乘梯人员,则识别乘梯人员中是否存在操控非机动车辆的目标人员,并在乘梯人员中存在操控非机动车辆的目标人员时,识别所述目标人员的类型,如果目标人员不是指定类别人员与已登记人员时,则依据在此之前预定时长内的视频数据,判断目标人员与非机动车辆是否同时进入电梯且同时进入的楼层非一层及以下楼层,若是,则判断在目标人员与非机动车辆同时进入电梯之前的预定时长内,目标人员在非操控非机动车辆状态下是否从低楼层乘梯到目标人员与非机动车辆同时出现的高楼层,若是则向后台监控终端发送预警信息。如此,当出现陌生人没有操控非机动车辆从低楼层乘坐电梯达到高楼层,但出现从高楼层操控非机动车辆乘梯向低楼层时,能够及时将预警信息回传至后台监控终端,从而能够对电梯场景盗窃非机动车辆的行为进行准确检测并及时预警,有效防止自行车、电瓶车等非机动车辆被盗,在一定程度上为社区财物防盗而助力。
在一个可能的设计中,所述检测电梯内是否存在非机动车辆和乘梯人员,包括:
获取电梯内的当前视频图像;
通过预先训练的目标检测模型依次对所述当前视频图像进行非机动车辆检测和人体检测,确定出所述电梯内是否存在非机动车辆和乘梯人员。
在一个可能的设计中,所述识别所述乘梯人员中是否存在操控所述非机动车辆的目标人员,包括:
判断是否存在与所述非机动车辆所在的第一矩形框区域的交并比大于预设阈值的第二矩形框区域,所述第二矩形框区域为乘梯人员所在的矩形框区域;
如果存在至少一个与所述第一矩形框区域的交并比大于预设阈值的第二矩形框区域,则提取出至少一套的在所述第二矩形框区域中的人体关键点和骨架;
基于至少一套的在所述第二矩形框区域中的人体关键点和骨架,通过预先训练的行为识别模型识别出是否存在操控所述非机动车辆的目标人员。
基于上述公开的内容,能够通过非机动车辆所在的第一矩形框区域与乘梯人员所在的矩形框区域的交并比确定出乘梯人员是否有可能操控非机动车辆,并在乘梯人员可能操控非机动车辆时,再通过提取人体关键点和骨架进行行为识别,从而能够准确识别出乘梯人员中是否存在操控所述非机动车辆的目标人员。
在一个可能的设计中,所述识别所述目标人员的类型,包括:
通过预先训练的目标检测模型识别所述目标人员是否为所述指定类别人员;
如果所述目标人员不是所述指定类别人员,则通过预先训练的行人重识别模型识别所述目标人员是否为已登记人员。
在一个可能的设计中,所述方法还包括:
如果所述目标人员为所述指定类别人员,则将电梯内的当前视频图像发送给所述后台监控终端和向所述后台监控终端发送提示信息;
如果所述目标人员为已登记人员,则判断所述目标人员名下是否登记有非机动车辆;
如果所述目标人员名下未登记有非机动车辆,则将电梯内的当前视频图像发送给所述后台监控终端和向所述后台监控终端发送提示信息。
基于上述公开的内容,能够对名下没有非机动车辆的已登记住户疑似操控他人的非机动车辆的情况反馈给后台。
在一个可能的设计中,所述判断所述目标人员名下是否登记有非机动车辆,包括:
通过预先训练的行人重识别模型识别所述目标人员是否为已登记人员;
若所述目标人员为已登记人员,基于识别的所述目标人员的在数据字典中的值查找出所述目标人员所对应的键,从而得出所述目标人员的非机动车辆登记信息;
其中,数据字典以键值对的方式存储已登记人员的非机动车辆登记信息,所述数据字典中的键包含有非机动车辆登记信息,值包含有已登记人员的ID号。
在一个可能的设计中,判断目标人员与非机动车辆是否同时进入电梯的步骤包括:
通过预先训练的目标检测模型对在当前时刻之前的含有楼层数字显示屏的视频进行楼层信息的检测,记录每层楼对应的在视频中的存在时间;
通过预先训练的目标检测模型对在当前时刻之前的含有非机动车的视频进行检测,记录非机动车在视频中的存在时间;
通过预先训练的行人重识别模型对在当前时刻之前的视频中需要跟踪的目标人员进行行人重识别,记录目标人员在视频中的存在时间;
通过预先训练的行为识别模型对在当前时刻之前的视频中跟踪的目标人员的操控非机动车的行为进行识别,记录操控行为在视频中的存在时间;
依据上述所述各存在时间判断操控非机动车的目标人员和非机动车是否一同进入电梯;
判断目标人员在非操控非机动车辆状态下是否从低楼层乘梯到目标人员与非机动车辆同时出现的高楼层的步骤包括:
则通过预先训练的行人重识别模型对在前述二者一同出现时刻之前的预定时长内的视频进行行人重识别,在目标检测模型的楼层信息检测下,判断目标人员是否在非操控非机动车辆状态下从低楼层乘梯到目标人员与非机动车辆同时出现的高楼层,所述低楼层包括一层及一层以下的楼层。
第二方面,本发明提供了一种非机动车辆防盗预警装置,包括:
检测单元,用于检测电梯内是否存在非机动车辆和乘梯人员;
第一识别单元,用于当电梯内同时存在非机动车辆和乘梯人员时,识别所述乘梯人员中是否存在操控所述非机动车辆的目标人员;
第二识别单元,用于当所述乘梯人员中存在操控所述非机动车辆的目标人员时,识别所述目标人员的类型;
判断单元,用于当所述目标人员不是指定类别人员与已登记人员时,判断目标人员与非机动车辆是否同时进入电梯且同时进入的楼层非一层及以下楼层;若目标人员与非机动车辆同时进入电梯且同时进入的楼层非一层及以下楼层,判断在目标人员与非机动车辆同时进入电梯之前的预定时长内,目标人员是否在非操控非机动车辆状态下从低楼层乘梯到目标人员与非机动车辆同时出现的高楼层;
预警单元,用于当在目标人员与非机动车辆同时进入电梯之前的预定时长内,目标人员在非操控非机动车辆状态下从低楼层乘梯到目标人员与非机动车辆同时出现的高楼层时,向后台监控终端发送预警信息。
第三方面,本发明提供了一种非机动车辆防盗预警装置,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如上述第一方面所述的非机动车辆防盗预警方法。
第四方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行第一方面所述的非机动车辆防盗预警方法。
第五方面,本发明提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如第一方面所述的非机动车辆防盗预警方法。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是,对于这些实施例方式的说明虽然是用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解,尽管本文可能使用术语第一、第二等等来描述各种单元,但是这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其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,单独存在B,同时存在A和B三种情况;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
实施例
为了防止非机动车辆被盗,本申请实施例提供了一种非机动车辆防盗预警方法、装置及存储介质,该非机动车辆防盗预警方法、装置及存储介质能够对电梯场景的非机动车辆盗窃行为进行准确判断并及时预警,有效防止自行车、电瓶车等非机动车辆被盗。
首先,为了更直观地理解本申请实施例提供的方案,下面结合图1,对本申请实施例提供的非机动车辆防盗预警方案的系统架构进行说明。
如图1所示,是本申请一个或多个实施例提供的非机动车辆防盗预警方法、装置及存储介质的应用环境示意图。如图1所示,摄像机通过网络与后台监控终端通信连接以进行数据交互或通信,所述摄像机设置于电梯轿厢内,用于获取电梯内的视频图像。所述后台监控终端可以是,但不限于物业端的后台监控主机、服务器等。
下面将对本申请实施例提供的非机动车辆防盗预警方法进行详细说明。
本申请实施例提供的非机动车辆防盗预警方法可应用于摄像机。为便于描述,除特别说明外,本申请实施例均以摄像机为执行主体进行说明。
可以理解,所述执行主体并不构成对本申请实施例的限定。
如图2所示,是本申请实施例提供的非机动车辆防盗预警方法的流程图,所述非机动车辆防盗预警方法可以包括如下步骤:
步骤S201.检测电梯内是否存在非机动车辆和乘梯人员。
摄像机设置于电梯轿厢内,并可获取电梯内的视频图像,在进行非机动车辆防盗预警时,可通过摄像机获取电梯内的当前视频图像,并对当前视频图像进行非机动车辆检测和人体检测。其中,所述非机动车辆可以是,但不限于电瓶车、自行车等。
具体的,本申请实施例中,在摄像机端有预先训练的用于目标检测的目标检测模型,利用该目标检测模型所检测的目标包括人体、非机动车辆、梯内楼层数字显示屏显示楼层及乘梯人员工作服(如外卖工作服、快递人员工作服、电梯维修人员工作服)等。所述目标检测模型可以是,但不限于YOLO(You Only Look Once)模型、R-CNN(Region-CNN)模型等,本申请实施例中不做具体限定。
其中,检测人体、非机动车辆、梯内楼层数字显示屏显示楼层及乘梯人员工作服的目标检测模型可分开训练,即人体、非机动车辆、楼层及乘梯人员工作服的检测各对应一个目标检测模型,也可以训练一个同时用于检测人体、非机动车辆、梯内楼层数字显示屏显示楼层及乘梯人员工作服的目标检测模型。本申请实施例中,检测人体、非机动车辆、梯内楼层数字显示屏显示楼层及乘梯人员工作服的为同一个目标检测模型。
在对当前视频图像进行非机动车辆检测和人体检测时,可通过预先训练的目标检测模型分别对当前视频图像进行非机动车辆检测和人体检测,确定出电梯内是否存在非机动车辆和乘梯人员。
本申请实施例中,所述目标检测模型采用YOLO模型,对当前视频图像进行非机动车辆检测和人体检测时,可以将当前视频图像作为输入进行运算并输出一置信度值,若该置信度值超过设定阈值,则判定电梯内存在非机动车辆,反之则判定电梯内不存在非机动车辆。基于相同原理,可确定出电梯内是否存在乘梯人员。
步骤S202.如果电梯内同时存在非机动车辆和乘梯人员,则识别乘梯人员中是否存在操控非机动车辆的目标人员。
具体的,识别乘梯人员中是否存在操控非机动车辆的目标人员的过程可以包括如下步骤S2021-S2023。
步骤S2021.判断是否存在与非机动车辆所在的第一矩形框区域的交并比大于预设阈值的第二矩形框区域。
其中,第二矩形框区域为乘梯人员所在的矩形框区域。
本申请实施例中,在通过目标检测模型检测出非机动车辆测和乘梯人员时,检测出的非机动车辆会被框选在一矩形框区域内(为便于描述本申请实施例中将其称之为第一矩形框区域),检测出每个的乘梯人员也会被框选在一矩形框区域内(为便于描述本申请实施例中将其称之为第二矩形框区域),在检测出非机动车辆测和乘梯人员后,可首先判断是否存在与所述非机动车辆所在的第一矩形框区域的交并比大于预设阈值的第二矩形框区域。
步骤S2022.如果存在至少一个与所述第一矩形框区域的交并比大于预设阈值的第二矩形框区域,则提取出至少一套的在所述第二矩形框区域中的人体关键点和骨架。
如果存在至少一个与第一矩形框区域的交并比大于预设阈值的第二矩形框区域,则说明至少一个第二矩形框区域与第一矩形框区域的重叠区域占比较大,第二矩形框区域内的乘梯人员与第一矩形框区域内的非机动车辆十分靠近,存在第二矩形框区域内的乘梯人员操控第一矩形框区域内的非机动车辆的可能。此时,可通过人体姿态估计算法提取出至少一套的在第二矩形框区域中的矩形框区域内的人体关键点和骨架。其中,所述人体姿态估计算法可以是,但不限于AlphaPose算法、OpenPose算法等,本申请实施例不做具体限定。
步骤S2023.基于至少一套的在第二矩形框区域中的人体关键点和骨架,通过预先训练的行为识别模型识别出是否存在操控所述非机动车辆的目标人员。
本申请实施例中,预先训练有用于识别人是否操控非机动车辆的行为识别模型,该行为识别模型在进行训练时是以人体关键点和骨架作为模型的训练样本输入;操控非机动车辆所对应的置信度是通过已训练好的行为识别模型对获取的人体关键点和骨架判断是人操控非机动车辆还是未操控非机动车辆的依据,大于置信度阈值判定为人操控非机动车辆,小于则为未操控非机动车辆。
提取出至少一套的在第二矩形框区域中的人体关键点和骨架后,可以将每个第二矩形框区域中的人体关键点和骨架作为该行为识别模型的输入进行运算,得到一置信度输出值。针对每个第二矩形框区域均可得到一置信度输出值,然后选取其中最大的置信度输出值,如果其中最大的置信度输出值大于一预先设定的阈值,则判定该最大的置信度输出值所对应的第二矩形框区域中的乘梯人员为操控非机动车辆的目标人员。如果其中最大的置信度输出值小于该预先设定的阈值,则判定没有操控非机动车辆的目标人员。
在一个或多个实施例中,在检测电梯内是否存在非机动车辆和乘梯人员时,检测结果可能是电梯内只存在非机动车辆的情况,此时可将电梯内的视频图像发送给后台监控终端和向后台监控终端发送一表征非机动车辆无人操控的信息,以告知后台监控终端的相关人员有非机动车辆单独遗留在电梯内。
步骤S203.如果乘梯人员中存在操控所述非机动车辆的目标人员,则识别目标人员的类型。
具体的,识别目标人员的类型可以包括如下步骤S2031-S2032。
步骤S2031.通过预先训练的目标检测模型识别所述目标人员是否为所述指定类别人员。
本申请实施例中,预先训练有检测工作服的目标检测模型,所述工作服可以是外卖工作服、快递人员工作服以及电梯维修人员工作服等。在训练时,是以指定工作服作为训练样本输入的;是否穿着指定类工作服所对应的置信度,是通过已训练好的目标检测模型对获取的含有工作服的视频判断人穿着指定类工作服的依据,大于置信度阈值判定为人穿指定类工作服,小于则为未穿指定类工作服。
如果乘梯人员中存在操控所述非机动车辆的目标人员,此时可以将当前视频图像作为目标检测模型的输入进行运算,并输出一置信度值,如果该置信度值大于一预先设定的阈值,则判定目标人员穿着指定类工作服,从而判定该目标人员为指定类别人员,如果该置信度值小于预先设定的阈值,则判定该目标人员不是指定类别人员。
步骤S2032.如果目标人员不是指定类别人员,则通过预先训练的行人重识别模型识别所述目标人员是否为已登记人员。
本申请实施例中,还预先训练有用于检测乘坐电梯的人员是否为已登记人员的行人重识别模型,行人重识别模型主干网络的特征提取模型可以为ResNet50,特征集成部分可以采用Attention池化操作。如果目标人员不是指定类别人员,则可通过预先训练的行人重识别模型识别所述目标人员是否为已登记人员。其中,已登记人员可以是指电梯所在大楼的常住人员、工作人员等。
需要说明的是,本申请实施例中的步骤S2032与步骤S2031的顺序不可调整,即不可以先识别目标人员是否为已登记人员,必须为先识别目标人员是否为指定类别人员,再识别目标人员是否为已登记人员。
在一个或多个实施例中,在识别出目标人员为所述指定类别人员后,还可将电梯内的当前视频图像发送给后台监控终端和向后台监控终端发送提示信息,从而将指定类别人员(如外卖人员、电梯维修人员、快递人员)操控非机动车辆的信息反馈给后台人员,以便后台人员人为判断。
在一个或多个实施例中,在识别出目标人员为已登记人员后,还可以判断目标人员名下是否登记有非机动车辆,如果目标人员名下未登记有非机动车辆,则将电梯内的当前视频图像发送给后台监控终端和向后台监控终端发送提示信息。
本申请实施例中,通过数据字典记录有已登记人员的非机动车辆登记信息,该数据字典以键值对的方式存储已登记人员的非机动车辆登记信息,所述数据字典中的键包含有非机动车辆登记信息,值包含有已登记人员的ID号。在判断目标人员名下是否登记有非机动车辆时,通过行人重识别算法识别目标人员为已登记人员的前提下,然后依据此目标人员对应的ID号在数据字典中的对应值,查找出目标人员的非机动车辆登记信息,从而判断出目标人员名下是否登记有非机动车辆。如果目标人员名下未登记有非机动车辆,则还可将电梯内的当前视频图像发送给后台监控终端和向后台监控终端发送一表征常住用户罕见操控非机动车的提示信息。
具体的,数据字典的建立可以包括如下步骤S301-S304:
步骤S301.数据关联视频帧数据采集。
本申请实施例中,获取的数据关联视频段为一定时间内(预设为一个月或三个月等,与前述目标检测模型、行为识别模型、行人重识别模型的数据采集周期一致)的每天指定时间内(例如预设为下午4:30-凌晨1:00)的视频段,并将每天的上述时间段的视频段进行升序编号;
步骤S302.基于单日视频段的乘梯用户与最后到达楼层信息关系检测。
如图5所示,本申请实施例中,首先对单日的编号视频段进行总帧数获取及帧更新操作;利用目标检测算法检测是否可识别到楼层信息,若可识别,进行楼层信息记录;而后检测楼层信息是否大于一层,若当前楼层大于一层,检测是否此次楼层数字大于等于上一次的楼层数字,若大于,利用行人重识别算法判断是否识别到已有ID人员,若可识别到,每个已有ID号开启一个处理线程,为新识别到的已有ID号开启新处理线程;而后记录楼层信息及对应已有ID号,若ID有记录,则此次已有ID及楼层信息保存,上一记录清除;对此帧较上帧消失的已有ID号进行上一记录保存(已有ID及楼层信息);而后判断此帧是否为视频帧最后一帧,若是,则处理流程结束。
步骤S303.基于单日视频段的乘梯用户、非机动车有无信息、最后到达楼层信息关系检测。
如图6所示,本申请实施例中,对编号视频段进行总帧数获取及帧更新操作;利用目标检测算法检测是否可识别到楼层信息,若可识别,则进行楼层信息记录;而后检测楼层信息是否大于一层,若大于一层,则检测是否此次楼层数字大于等于上一次的楼层数字,若大于,则判断是否可检测到非机动车,若可检测到,则利用目标检测算法判定非机动车和人体检测框的IOU(两者检测框的交集和并集的比值)是否大于设定阈值,若小于,则利用行人重识别算法判定此人是否为已有ID人员(置信度是否大于设定阈值),若是,则利用人体目标检测算法检测出人体区域,利用AlphaPose人体姿态估计算法获取关键点和骨架,利用行为识别算法判断人体操控非机动车行为是否符合操控姿势(行为识别置信度/准确率是否大于设定阈值),若满足,则记录楼层信息、对应已有ID号及有非机动车情况,若三项信息之前在同帧有记录,则此次三项数据保存,上一记录清除;此帧较上帧若出现同时消失的已有ID号及非机动车,则进行上一记录保存(三项信息);而后判断此帧是否为视频帧最后一帧,若是,则处理流程结束。
步骤S304.常驻人口楼层信息统计、关联信息绑定。
如图7所示,本申请实施例中,对前述步骤S302、S303数据记录内容进行获取,分别统计步骤S302、S303中每个ID号每天最后到达的楼层信息及次数,且对步骤S302、S303中每个ID号到达相同楼层次数最多的记录单独保留;而后对步骤S302、S303筛选后的记录之间进行相同ID号的楼层信息对比,若两步骤都有记录相同ID号但是楼层信息不同,则删除对应ID记录;将ID号与楼层信息以字典形式进行绑定,楼层信息为键,ID号为值,若已有相同键,则将ID号添加入值列表内,此为第一类字典;将ID号与非机动车以字典形式进行绑定,有无非机动车信息为键,ID号为值,若已有相同键,则将ID号添加入值列表内,此为第二类字典。
步骤S204.如果目标人员不是指定类别人员与已登记人员,则判断在此之前预定时长内目标人员与非机动车辆是否同时进入电梯且同时进入的楼层非一层及以下楼层,若是,则判断在目标人员与非机动车辆同时进入电梯之前的预定时长内,目标人员是否在非操控非机动车辆状态下从低楼层乘梯到目标人员与非机动车辆同时出现的高楼层。
其中,低楼层包括一层及一层以下的楼层,高楼层为一层以上楼层。
具体的,可根据在前的历史检测结果,判断在此之前的预设时长内,通过预先训练的目标检测模型对在当前时刻之前的含有楼层数字显示屏的视频进行楼层信息的检测,记录每层楼对应的在视频中的存在时间;通过预先训练的目标检测模型对在当前时刻之前的含有非机动车的视频进行检测,记录非机动车在视频中的对应存在时间;通过预先训练的行人重识别模型对在当前时刻之前的视频中需要跟踪的目标人员进行行人重识别,记录目标人员在视频中的对应存在时间;通过预先训练的行为识别模型对在当前时刻之前的视频中跟踪的目标人员的操控非机动车的行为进行识别,记录操控行为在视频中的存在时间。
在存在目标人员、非机动车、目标人员操控非机动车行为的前提下,根据三者各自存在的时间判断操控非机动车的目标人员和非机动车是否一同进入电梯;若操控非机动车的目标人员和非机动车一同进入电梯,则通过预先训练的行人重识别模型对在前述二者一同出现时刻之前的预定时长内的视频进行行人重识别,在利用目标检测模型对楼层信息检测的前提下,判断目标人员是否在非操控非机动车辆状态下从低楼层乘梯到目标人员与非机动车辆同时出现的高楼层。在此之前的预设时长可根据实际情形设定,例如可以是在此之前的一个小时内或在此之前的24小时内等,本申请实施例中不做具体限定。
本申请实施例中,识别楼层可通过预先训练的目标检测模型实现,在训练目标检测模型识别楼层的功能时,可以以电梯内楼层显示屏的图像作为样本输入,电梯所处楼层为正确输出进行训练。
步骤S205.若在目标人员与非机动车辆同时进入电梯之前的预定时长内,目标人员在非操控非机动车辆状态下是从低楼层乘梯到目标人员与非机动车辆同时出现的高楼层,则向后台监控终端发送预警信息。
如果在此之前预定时长内目标人员未操控非机动车辆从低楼层乘梯至目标人员与非机动车辆同时出现的高楼层,则说明该既不是指定类别人员又不是已登记人员的目标人员,在此之前没有操控非机动车辆乘坐电梯上楼,而在下楼时又操控非机动车辆乘坐电梯下楼,有可能是目标人员盗窃他人的非机动车辆。此时,可向后台监控终端发送预警信息,以提醒后台监控终端的相关人员疑似目标人员盗窃他人的非机动车辆,从而能够对电梯场景盗窃非机动车辆的行为进行准确检测并及时预警,有效防止自行车、电瓶车等非机动车辆被盗。
综上所述,本发明提供的非机动车辆防盗预警方法可检测电梯内是否存在非机动车辆和乘梯人员,如果电梯内同时存在非机动车辆和乘梯人员,则识别乘梯人员中是否存在操控非机动车辆的目标人员,并在乘梯人员中存在操控非机动车辆的目标人员时,识别所述目标人员的类型,如果目标人员不是指定类别人员与已登记人员,且在此之前预定时长内目标人员与非机动车辆同时进入电梯且同时进入的楼层非一层及以下楼层,且在目标人员与非机动车辆同时进入电梯之前的预定时长内,目标人员在非操控非机动车辆状态下从低楼层乘梯到目标人员与非机动车辆同时出现的高楼层,则向后台监控终端发送预警信息。如此,当出现陌生人没有操控非机动车辆从低楼层乘坐电梯达到高楼层,但出现从高楼层操控非机动车辆乘梯向低楼层时,能够及时将预警信息回传至后台监控终端,从而能够对电梯场景盗窃非机动车辆的行为进行准确检测并及时预警,有效防止自行车、电瓶车等非机动车辆被盗,在一定程度上为社区财物防盗而助力。
第二方面,请参阅图3,本申请实施例提供了一种非机动车辆防盗预警装置,包括:
检测单元,用于检测电梯内是否存在非机动车辆和乘梯人员;
第一识别单元,用于当电梯内同时存在非机动车辆和乘梯人员时,识别所述乘梯人员中是否存在操控所述非机动车辆的目标人员;
第二识别单元,用于当所述乘梯人员中存在操控所述非机动车辆的目标人员时,识别所述目标人员的类型;
判断单元,用于当所述目标人员不是指定类别人员与已登记人员时,判断目标人员与非机动车辆是否同时进入电梯且同时进入的楼层非一层及以下楼层;若目标人员与非机动车辆同时进入电梯且同时进入的楼层非一层及以下楼层,判断在目标人员与非机动车辆同时进入电梯之前的预定时长内,目标人员是否在非操控非机动车辆状态下从低楼层乘梯到目标人员与非机动车辆同时出现的高楼层;
预警单元,用于当在目标人员与非机动车辆同时进入电梯之前的预定时长内,目标人员在非操控非机动车辆状态下从低楼层乘梯到目标人员与非机动车辆同时出现的高楼层时,向后台监控终端发送预警信息。
本实施例第二方面提供的装置的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
如图4所示,本申请实施例第三方面提供了一种非机动车辆防盗预警装置,包括依次通信相连的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如实施例第一方面所述的非机动车辆防盗预警方法。
具体举例的,所述存储器可以但不限于包括随机存取存储器(Random AccessMemory,RAM)、只读存储器(Read-Only Memory,ROM)、闪存(Flash Memory)、先进先出存储器(First In First Out,FIFO)和/或先进后出存储器(First In Last Out,FILO)等等;所述处理器可以不限于采用型号为STM32F105系列的微处理器、ARM(Advanced RISCMachines)、X86等架构处理器或集成网络处理器(neural-network processing units,NPU)的处理器;所述收发器可以但不限于为无线保真(Wireless FIdelity,WiFi)无线收发器、蓝牙无线收发器、通用分组无线服务技术(General Packet Radio Service,GPRS)无线收发器、紫蜂协议(基于IEEE802.15.4标准的低功耗局域网协议,ZigBee)无线收发器、第三代移动通信技术(3th-Generation Mobile Communication Technology y,3G)收发器、第四代移动通信技术(4th-Generation Mobile Communication Technology y,4G)收发器和/或第五代移动通信技术(5th-Generation Mobile Communication Technology y,5G)收发器等。
本实施例第三方面提供的装置的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
本实施例第四方面提供了一种存储包含有实施例第一方面所述的非机动车辆防盗预警方法的指令的计算机可读存储介质,即所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一方面所述的非机动车辆防盗预警方法。其中,所述计算机可读存储介质是指存储数据的载体,可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(Memory Stick)等,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
本实施例第四方面提供的计算机可读存储介质的工作过程、工作细节和技术效果,可以参见实施例第一方面,于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品,当所述指令在计算机上运行时,使所述计算机执行如实施例第一方面所述的非机动车辆防盗预警方法,其中,所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。
以上所描述的多个实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台仓库代码的合并装置执行各个实施例或者实施例的某些部分所述的方法。
本发明不局限于上述可选实施方式,任何人在本发明的启示下都可得出其他各种形式的产品,但不论在其形状或结构上作任何变化,凡是落入本发明权利要求界定范围内的技术方案,均落在本发明的保护范围之内。