CN114143532A - 一种摄像机异常的诊断方法及装置 - Google Patents
一种摄像机异常的诊断方法及装置 Download PDFInfo
- Publication number
- CN114143532A CN114143532A CN202010923310.6A CN202010923310A CN114143532A CN 114143532 A CN114143532 A CN 114143532A CN 202010923310 A CN202010923310 A CN 202010923310A CN 114143532 A CN114143532 A CN 114143532A
- Authority
- CN
- China
- Prior art keywords
- camera
- objects
- time period
- monitored
- information
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
一种摄像机异常的诊断方法及装置,涉及视频监控领域。该方法通过对摄像机在预设时段内所拍摄的人员或车辆等对象的数量进行统计,并通过同比或环比分析,从而能够确定摄像机的拍摄视场是否出现异常,并在出现异常时进行告警,进而提高了视频监控系统中摄像机的运维效率。
Description
技术领域
本申请涉及视频监控领域,尤其涉及一种摄像机异常的诊断方法及装置。
背景技术
现有的视频监控系统可以是包括成百上千乃至上万个智能摄像机的视频监控系统。这种情况下,每个智能摄像机可以独立实现智能监控,例如人脸识别,车牌识别等。现有的视频监控系统也可以是包括百上千乃至上万个的非智能摄像机(例如老式的监控摄像头)和智能分析平台的视频监控系统。这种情况下,智能分析平台通过对非智能摄像机所拍摄的视频流进行智能分析,从而实现人脸识别,车牌识别等功能。
随着视频监控市场不断成熟,现有的视频监控运维管理系统可以针对摄像机是否在线,以及摄像机所拍摄视频的质量进行监控诊断。然而如果视频监控系统中的摄像机出现架设异常,会导致视频监控系统出现智能分析失效(例如人脸识别失效、车牌识别失效等)的问题。如何针对这一类问题对视频监控系统进行诊断,是亟待解决的技术问题。
发明内容
本申请提供了一种摄像机异常的诊断方法及装置,能够实现对摄像机的拍摄视场异常进行自动诊断并告警,从而提高了视频监控系统中摄像机的运维效率。
为达上述目的,本申请提供如下技术方案:
第一方面,本申请提供了一种摄像机异常的诊断方法,该方法由诊断装置执行。该方法包括:获取摄像机在预设时段内所监控到的对象的数量信息。这里,摄像机在预设时段内所监控到的对象,是通过对摄像机拍摄到的图像进行识别后得到的对象。对象的数量信息包括该对象的属性和该对象的数量。当该数量信息中的数量小于或等于预设阈值,输出第一告警信息。
通过该方法,诊断装置可以对摄像机所监控到的对象的数量进行分析,以确定该摄像机是否存在拍摄视场异常。例如当诊断装置确定摄像机所监控到的对象的数量骤降,如低于预设阈值时,则表明摄像机的拍摄视场可能发生偏移或被遮挡。这样,通过本申请提供的方法,诊断装置可以及时发现摄像机的拍摄视场存在异常,然后通过及时告警,以使运维人员及时对视频监控系统中相应的摄像机进行维护,从而提高了视频监控系统的运维效率。
在一种可能的设计方式中,上述的属性包括人脸、人体、车辆或车牌中的至少一种。
通过该可能的设计,本申请提供的方法可以应用于各种监控场景中,通过本申请提供的方法,能够及时发现各种监控场景下的视频监控系统中的摄像机的拍摄视场出现异常,并通过及时告警,以使运维人员及时对视频监控系统中相应的摄像机进行维护,从而提高了视频监控系统的运维效率。
在另一种可能的设计方式中,上述的第一告警信息用于指示所述摄像机的拍摄视场异常。
在另一种可能的设计方式中,上述的“获取摄像机在预设时段内所监控到的对象的数量信息”包括:接收该摄像机发送的该摄像机在预设时段内所监控到的对象的数量信息。或者,接收智能分析平台发送的该摄像机在预设时段内所监控到的对象的数量信息,其中,该智能分析平台和该摄像机连接通信,该智能分析平台用于对该摄像机拍摄到的图像进行识别,以得到该摄像机在预设时段内所监控到的对象的数量信息。
通过该可能的设计,本申请提供的方法可以用于为不同类型的视频监控系统中的摄像机的拍摄视场进行异常诊断。例如,该视频监控系统可以是仅包括多个智能摄像机的视频监控系统。或者,该视频监控系统可以是包括多个摄像机(例如非智能摄像机)和智能分析平台的视频监控系统。
在另一种可能的设计方式中,在上述的“接收该摄像机发送的该摄像机在预设时段内所监控到的对象的数量信息”之前,上述方法还包括:向该摄像机发送获取请求,该获取请求用于请求获取该摄像机在预设时段内所监控到的对象的数量信息。
在另一种可能的设计方式中,在上述的“接收智能分析平台发送的该摄像机在预设时段内所监控到的对象的数量信息”之前,上述方法还包括:向该智能分析平台发送获取请求,该获取请求用于请求获取该摄像机在预设时段内所监控到的对象的数量信息。
在另一种可能的设计方式中,上述“获取摄像机在预设时段内所监控到的对象的数量信息”具体包括:对摄像机在预设时段内拍摄到的图像进行识别,以获得该摄像机所拍摄到的图像中对象的属性。基于识别出的对象的属性,确定摄像机在预设时段内所监控到的具有相同属性的对象的数量。
通过该可能的方式,诊断装置也可以对摄像机拍摄到的图像进行识别,并进而根据识别到的对象的属性及数量,诊断摄像机是否存在拍摄视场异常的问题。这样,图像识别与诊断功能的集成,使得设备的集成度更高,有效提高了资源利用率。
在另一种可能的设计方式中,如果上述的摄像机是智能摄像机,该智能摄像机用于拍摄图像以及对图像进行识别,以确定该摄像机在预设时段内监控到的对象的属性。这样的话,上述的“获取摄像机在预设时段内所监控到的对象的数量信息”包括:获取摄像机在预设时段内所监控到的对象的属性。基于所获取的属性,确定该摄像机在预设时段内所监控到的具有相同属性的对象的数量。
在另一种可能的设计方式中,上述方法还包括:获取视频监控系统发送的第二告警信息。然后,输出该第二告警信息。其中,该第二告警信息包括摄像机的内存告警信息、摄像机的处理器CPU告警信息、摄像机的密码过期告警信息或摄像机的离线告警信息中的至少一种。
当视频监控系统中包括多个摄像机,则通过该可能的设计,本申请提供摄像机异常的诊断方法,可以对视频监控系统中多个摄像机在运行过程中的各种报警信息予以集中管理,从而便于运维人员及时发现摄像机的,从而可以对相应的摄像机进行维护,进而提高了视频监控系统的运维效率。
在另一种可能的设计方式中,上述方法还包括:基于上述所获取的数量信息,预测在当前日期之后日期的预设时段内,摄像机所监控到的对象的数量。
通过该可能的设计,本申请提供的摄像机异常的诊断方法可以对摄像机所在区域的人流量或车流量进行预测。这样,本申请提供的摄像机异常的诊断方法可以在人流量或车流量大时进行告警,以便于相关人员对人流量或车流量大的区域进行调度管理等,从而提高了人流量或车流量的调度效率。
第二方面,本申请提供一种摄像机异常的诊断方法,该方法包括:获取摄像机在第一预设时段内所监控到的对象的数量信息。这里,摄像机在第一预设时段内所监控到的对象,是通过对摄像机拍摄到的图像进行识别后得到的对象,该数量信息包括对象的属性和对象的数量。接着,确定该数量信息中的数量,和该摄像机在第二预设时段内所监控到的对象的数量的差值。如果该差值大于或等于预设阈值,则输出同比告警信息。其中,该第二预设时段和该第一预设时段是不同日期中的相同时段。
本申请供的摄像机异常的诊断方法,通过对视频监控系统中的摄像机所监控到的对象的数量进行同比分析,从而根据同比对比结果(例如同比差值大幅增大等),可以及时发现摄像机的拍摄视场出现异常,并通过及时告警,以使运维人员及时对视频监控系统中相应的摄像机进行维护,从而提高了视频监控系统的运维效率。
第三方面,本申请提供一种摄像机异常的诊断方法,该方法包括:获取摄像机在第一时段内所监控到的对象的数量信息。这里,摄像机在第一时段内所监控到的对象,是通过对摄像机拍摄到的图像进行识别后得到的对象,对象的数量信息包括对象的属性和对象的数量。确定该数量信息中的数量,和摄像机在第二时段内监控到的对象的数量的差值。如果该差值大于或等于预设阈值,则输出环比告警信息。其中,该第二时段是与前述第一时段连续、且在该第一时段之前的时段。
本申请供的摄像机异常的诊断方法,通过对视频监控系统中的摄像机所监控到的对象的数量进行环比分析,从而根据环比对比结果(例如环比差值大幅增大等),可以及时发现摄像机的拍摄视场出现异常,并通过及时告警,以使运维人员及时对视频监控系统中相应的摄像机进行维护,从而提高了视频监控系统的运维效率。
第四方面,本申请提供一种摄像机异常的诊断装置。
在一种可能的设计方式中,该摄像机异常的诊断装置用于执行上述第一方面、第二方面或第三方面提供的任一种方法。本申请可以根据上述第一方面、第二方面或第三方面提供的任一种方法,对该摄像机异常的诊断装置进行功能模块的划分。例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。示例性的,本申请可以按照功能将该摄像机异常的诊断装置划分为获取单元和输出单元等。或者,本申请可以按照功能将该摄像机异常的诊断装置划分为获取单元、确定单元以及输出单元等。上述划分的各个功能模块执行的可能的技术方案和有益效果的描述均可以参考上述第一方面或其相应的可能的设计提供的技术方案,或者可以参考上述第二方面或其相应的可能的设计提供的技术方案,或者可以参考上述第三方面或其相应的可能的设计提供的技术方案,此处不再赘述。
在另一种可能的设计中,该摄像机异常的诊断装置包括:存储器和一个或多个处理器,存储器和处理器耦合。存储器用于存储计算机指令,处理器用于调用该计算机指令,以执行如第一方面及其任一种可能的设计方式提供的任一种方法,或者,执行如第二方面及其任一种可能的设计方式提供的任一种方法,或者,执行如第三方面及其任一种可能的设计方式提供的任一种方法。
第五方面,本申请提供了一种计算机可读存储介质,如计算机非瞬态的可读存储介质。其上储存有计算机程序(或指令),当该计算机程序(或指令)在摄像机异常的诊断装置上运行时,使得该摄像机异常的诊断装置执行上述第一方面、第二方面或第三方面中的任一种可能的实现方式提供的任一种方法。
第六方面,本申请提供了一种计算机程序产品,当其在摄像机异常的诊断装置上运行时,使得第一方面、第二方面或第三方面中的任一种可能的实现方式提供的任一种方法被执行。
第七方面,本申请提供了一种芯片系统,包括:处理器,处理器用于从存储器中调用并运行该存储器中存储的计算机程序,执行第一方面、第二方面或第三方面中的实现方式提供的任一种方法。
可以理解的是,上述提供的任一种装置、计算机存储介质、计算机程序产品或芯片系统等均可以应用于上文所提供的对应的方法,因此,其所能达到的有益效果可参考对应的方法中的有益效果,此处不再赘述。
在本申请中,上述摄像机异常的诊断装置的名字对设备或功能模块本身不构成限定,在实际实现中,这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本申请类似,属于本申请权利要求及其等同技术的范围之内。
本申请的这些方面或其他方面在以下的描述中会更加简明易懂。
附图说明
图1为本申请实施例提供的一种摄像机架设异常的示意图;
图2为本申请实施例提供的一种摄像机异常的诊断装置的硬件结构示意图;
图3为本申请实施例提供的一种诊断系统的架构图;
图4为本申请实施例提供的另一种诊断系统的架构图;
图5为本申请实施例提供的一种摄像机异常的诊断方法的流程示意图;
图6为本申请实施例提供的另一种摄像机异常的诊断方法的流程示意图;
图7为本申请实施例提供的一种摄像机异常的诊断装置的结构示意图;
图8为本申请实施例提供的另一种摄像机异常的诊断装置的结构示意图;
图9为本申请实施例提供的又一种摄像机异常的诊断装置的结构示意图;
图10为本申请实施例提供的一种芯片系统的结构示意图;
图11为本申请实施例提供的计算机程序产品的结构示意图。
具体实施方式
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
本申请中术语“至少一个”的含义是指一个或多个,本申请中术语“多个”的含义是指两个或两个以上,例如,多个第二报文是指两个或两个以上的第二报文。本文中术语“系统”和“网络”经常可互换使用。
应理解,在本文中对各种所述示例的描述中所使用的术语只是为了描述特定示例,而并非旨在进行限制。如在对各种所述示例的描述和所附权利要求书中所使用的那样,单数形式“一个(“a”,“an”)”和“该”旨在也包括复数形式,除非上下文另外明确地指示。
还应理解,本文中所使用的术语“和/或”是指并且涵盖相关联的所列出的项目中的一个或多个项目的任何和全部可能的组合。术语“和/或”,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,本申请中的字符“/”,一般表示前后关联对象是一种“或”的关系。
还应理解,在本申请的各个实施例中,各个过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其它信息确定B。
还应理解,术语“包括”(也称“includes”、“including”、“comprises”和/或“comprising”)当在本说明书中使用时指定存在所陈述的特征、整数、步骤、操作、元素、和/或部件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元素、部件、和/或其分组。
还应理解,术语“如果”可被解释为意指“当...时”(“when”或“upon”)或“响应于确定”或“响应于检测到”。类似地,根据上下文,短语“如果确定...”或“如果检测到[所陈述的条件或事件]”可被解释为意指“在确定...时”或“响应于确定...”或“在检测到[所陈述的条件或事件]时”或“响应于检测到[所陈述的条件或事件]”。
应理解,说明书通篇中提到的“一个实施例”、“一实施例”、“一种可能的实现方式”意味着与实施例或实现方式有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”、“一种可能的实现方式”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
通常,视频监控系统出现智能分析失效的话,排除视频监控系统中摄像机的拍摄质量问题外,通常是由该视频监控系统中的摄像机的拍摄视场出现异常,从而导致了智能分析失效。其中,导致摄像机拍摄视场异常的原因可以是该摄像机的架设位置异常(例如架设角度无法覆盖拍摄对象),或者是该摄像机的镜头被遮挡等原因造成。
在本申请实施例中,摄像机可以是指具有拍摄图片或者视频功能的通用或者专用设备。例如可以是通用安防摄像机、平板电脑、手机等。
参考图1,图1示出了一种常见的摄像机架设异常的示意图。
如图1所示,摄像机11用于监控路面上行驶的车辆12,摄像机11的视场角为θ。其中,图1中的(a)示出了摄像机11架设正常时的情况。这种情况下,摄像机11的视场可以完全覆盖车辆12。图1中的(b)示出了摄像机11架异常时的情况。如图1中的(b)所示,摄像机11的由于架设角度异常,导致其视场区域位于车辆12的上方,从而导致摄像机11的视场不能完全覆盖车辆12,进而摄像机11无法正常监控路面上行驶的车辆12。
针对该问题,本申请实施例提供了一种摄像机异常的诊断方法,该方法通过对摄像机所监控到的对象进行分析处理,从而实现对该摄像机的拍摄视场异常进行诊断并告警,进而提高了视频监控系统中摄像机的运维效率。
其中,摄像机所监控到的对象可以是人脸、人体、车辆或车牌等中的一种。
本申请实施例还提供一种摄像机异常的诊断装置(为方便描述,本申请实施例下文中将“摄像机异常的诊断装置”简称为“诊断装置”),该诊断装置可以是服务器(例如通用计算机,或者专用计算机设备)。该服务器可以是物理服务器或云服务器,本申请实施例对此不作具体限定。或者,诊断装置可以是软件模块组成的软件系统,或者由处理器等硬件组成的硬件结构。
参考图2,图2示出了一种诊断装置20的硬件结构示意图。如图2所示,诊断装置20可以包括处理器21、存储器22、通信接口23、总线24。处理器21、存储器22以及通信接口23之间可以通过总线24连接。
处理器21是诊断装置20的控制中心,可以是一个通用中央处理单元(centralprocessing unit,CPU),也可以是其他通用处理器等。其中,通用处理器可以是微处理器或者是任何常规的处理器等。
作为一个示例,处理器21可以包括一个或多个CPU,例如图2中所示的CPU 0和CPU1。
存储器22可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、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。
一种可能的实现方式中,存储器22可以独立于处理器21存在。存储器22可以通过总线24与处理器21相连接,用于存储数据、指令或者程序代码。处理器21调用并执行存储器22中存储的指令或程序代码时,能够实现本申请实施例提供的摄像机异常的诊断方法。
另一种可能的实现方式中,存储器22也可以和处理器21集成在一起。
通信接口23,用于诊断装置20与其他设备(如摄像机等)通过通信网络连接,所述通信网络可以是以太网,无线接入网(radio access network,RAN),无线局域网(wirelesslocal area networks,WLAN)等。通信接口23可以包括用于接收数据的接收单元,以及用于发送数据的发送单元。
总线24,可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component Interconnect,PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture,EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。为便于表示,图2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。
需要指出的是,图2中示出的结构并不构成对该诊断装置20的限定,除图2所示部件之外,该诊断装置20可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本申请实施例还提供一种诊断系统,该诊断系统用于诊断视频监控系统中的摄像机的拍摄视场异常问题。该诊断系统中包括上述诊断装置。
在一种情况下,视频监控系统包括至少一个摄像机以及智能分析平台(例如智能分析服务器)时,则该诊断系统还包括该智能分析平台(例如智能分析服务器),该智能分析平台和诊断装置可以通过有线或无线的方式连接通信。
其中,视频监控系统中的摄像机用于拍摄图像,以及将所拍摄到的图像发送至该视频监控系统中的智能分析平台。这样,该智能分析平台即可基于接收到的图像进行识别处理,以识别出该图像中的对象。
这样,诊断系统中诊断装置即可从该智能分析平台获取其识别出的对象的数量信息,从而可以基于所获取的数量信息,对该视频监控系统中的摄像机的拍摄视场是否出现异常进行诊断。诊断的具体的过程可以参考下文中方法的描述,这里不作赘述。
应理解,上述的视频监控系统中的至少一个摄像机以及智能分析平台,可以通过有线或无线的方式连接通信,这里不作赘述。
应理解,上述的视频监控系统中的智能分析平台可以是服务器等计算设备,本申请实施例对此不作具体限定。
应理解,诊断系统中诊断装置,可以同时连接有至少一个智能分析平台,本申请实施例对此不作具体限定。
作为示例,请参考图3,图3示出了一种诊断系统30的架构图。如图3所示,诊断系统30包括诊断装置31,以及视频监控系统32中的智能分析平台321。这里,该视频监控系统32包括智能分析平台321和m个摄像机,该m个摄像机包括摄像机1,摄像机2、…、摄像机m,其中,m是正整数。
其中,诊断装置31和智能分析平台321,可以通过符合表述性状态转移(representational state transfer,REST)原则的架构方式(称为RESTful)进行通信交互。
在另一种情况下,视频监控系统中的摄像机可以是智能摄像机,则上述诊断系统还可以包括该智能摄像机。
其中,智能摄像机用于拍摄图像,以及对所拍摄到的图像进行识别,以识别出该图像中的对象。可以看出,智能摄像机具备计算处理的能力。
这样,诊断系统中诊断装置即可直接从智能摄像机获取其识别出的对象的数量信息,从而可以基于所获取的数量信息,对该智能摄像机的拍摄视场是否出现异常进行诊断。诊断的具体的过程可以参考下文中方法的描述,这里不作赘述。
作为示例,请参考图4,图4示出了一种诊断系统40的架构图。如图4所示,诊断系统40包括诊断装置41和n个智能摄像机,该n个智能摄像机包括智能摄像机1、智能摄像机2、…、以及智能摄像机n,其中,n是正整数。
其中,诊断装置41和n个智能摄像机之间,可以通过有线或无线的方式进行连接,并且,诊断装置41和n个智能摄像机之间的通信,支持GA1400协议,或支持其他任意私有协议,对此本申请实施例不作具体限定。
下面结合附图,对本申请实施例提供的摄像机异常的诊断方法进行说明。
参考图5,图5示出了本申请实施例提供的一种摄像机异常的诊断方法的流程示意图。该方法可以应用于图3所示诊断系统30中,也可以应用于图4所示诊断系统40中。该方法用于对视频监控系统中的摄像机的拍摄视场是否出现异常进行诊断并告警,该方法可以包括以下步骤:
S101、诊断装置获取视频监控系统中摄像机在预设时段内所监控到的对象的数量信息。
其中,数量信息包括该视频监控系统中摄像机在预设时段内所监控到的对象的属性和对象的数量。这里,该属性包括人脸、人体、车辆或车牌中的至少一种。可选的,当视频监控系统中包括多个摄像机,则该数量信息还包括摄像机的身份标识(identitydocument,ID)。
其中,摄像机在预设时段内所监控到的对象,是通过视频监控系统对该摄像机所拍摄到的图像进行识别后得到的对象。
其中,本申请实施例对该预设时段的时长不作具体限定,例如可以是1个小时,或者2个小时等。
具体的,诊断装置可以获取视频监控系统中摄像机在第一日期的预设时段内所监控到的对象的数量信息。其中,第一日期可以是当前日期、或当前日期之前的任一日期,等等,本申请实施例对此不作具体限定。
具体的,诊断装置可以通过接收视频监控系统发送的、该视频监控系统中摄像机在第一日期的预设时段内所监控到的对象的数量信息,以获取到该视频监控系统中摄像机在第一日期的预设时段内所监控到的对象的数量信息。
在一种可能的实现方式中,视频监控系统可以主动的向诊断装置发送该视频监控系统中摄像机在第一日期的预设时段内所监控到的对象的数量信息。
在另一种可能的实现方式中,诊断装置可以先向视频监控系统发送获取请求,该获取请求用于请求获取该视频监控系统中摄像机在第一日期的预设时段内所监控到的对象的数量信息。
这样,当视频监控系统接收到诊断装置发送的获取请求之后,可以向诊断装置发送该视频监控系统中摄像机在第一日期的预设时段内所监控到的对象的数量信息。
可选的,如果视频监控系统包括至少一个摄像机和智能分析平台,则视频监控系统可以通过智能分析平台,向诊断装置发送该视频监控系统中摄像机在第一日期的预设时段内所监控到的对象的数量信息。
可选的,如果视频监控系统包括至少一个智能摄像机,则视频监控系统可以通过该至少一个智能摄像机,向诊断装置发送该视频监控系统中摄像机在第一日期的预设时段内所监控到的对象的数量信息。
作为响应,诊断装置可以接收到视频监控系统中摄像机在第一日期的预设时段内所监控到的对象的数量信息。
作为示例,对于包括至少一个摄像机(例如非智能摄像机)和智能分析平台的视频监控系统而言,智能分析平台和诊断装置可以通过RESTful接口实现交互。例如,智能分析平台可以执行诊断装置发送的代码“GET https://[ip]:[port]/get-statisticanalysis-data?xxxxx”(该代码即相当于获取请求),从而将摄像机在第一日期的预设时段内所监控到的对象的数量信息发送至诊断装置。其中,[ip]是智能分析平台的网际互连协议(internet protocol,IP)地址,[port]是该智能分析平台用于发送数据信息的端口号。作为响应,诊断装置可以接收到该数量信息。
可以理解的是,在上述几种可能的实现方式中,视频监控系统已预先确定出摄像机在第一日期的预设时段内所监控到的对象的数量信息。
下面对视频监控系统如何确定摄像机在第一日期的预设时段内所监控到的对象的数量信息的过程予以简单描述。
在一种情况下,对于包括至少一个摄像机和智能分析平台的视频监控系统而言,该视频监控系统中的摄像机用于拍摄图像,然后,摄像机将所拍摄的图像通过有线或无线的方式发送至智能分析平台。或者,摄像机将所拍摄的图像压缩为视频流,并将该视频流通过有线或无线的方式发送至智能分析平台。
可选的,摄像机可以实时向智能分析平台发送拍摄所得的图像或视频流,也可以周期性的向智能分析平台发送拍摄所得的图像或视频流,本申请实施例对此不作限定。
这样,智能分析平台可以根据预设的识别算法,对从摄像机接收到的图像进行识别,以确定该摄像机所监控到的对象的属性。或者,智能分析平台可以根据预设的识别算法,对从摄像机接收到的视频流中的图像进行识别,以确定该摄像机所监控到的对象的属性。作为示例,该识别算法可以是通过训练神经网络获得的。
接着,智能分析平台可以对预设时段内、基于不同摄像机拍摄所得的图像或视频流确定的该不同摄像机所监控到的对象的属性,对具有相同属性的对象进行数量统计。
例如,智能分析平台可以基于摄像机1在时段1拍摄所得的图像或视频流,获得摄像机1在时段1所监控到的全部人脸,并对人脸的数量进行统计。
又例如,智能分析平台可以基于摄像机2在时段1拍摄所得的视频流,获得摄像机2在时段1所监控到的全部车辆,并对车辆的数量进行统计。
参考表1,表1示出了智能分析平台根据摄像机1和摄像机2分别在时段1拍摄所得的图像或视频流,获得的摄像机1和摄像机2在时段1所监控到的对象,并对所监控到的对象的数量进行统计。
表1
设备ID | 属性 | 数量 | 预设时段 |
摄像机1ID | 人脸 | 10 | 时段1 |
摄像机2ID | 车辆 | 35 | 时段1 |
这样,视频监控系统中的智能分析平台,即获取到了不同摄像机在预设时段内所监控到的对象的数量信息。
可选的,上述智能分析平台可以和诊断装置集成在同一个设备上,也可以集成在不同的设备上,本申请实施例对此不作具体限定。
在另一种情况下,对于包括至少一个智能摄像机的视频监控系统而言,该视频监控系统中的智能摄像机,用于拍摄图像,并根据预设的识别算法,对所拍摄的图像进行识别,以确定该智能摄像机所监控到的对象的属性。
接着,智能摄像机对获得的所监控到的对象的属性,对具有相同属性的对象进行数量统计。
可选的,智能摄像机可以根据预设的计数器,从而对预设时段内所监控到的具有相同属性的对象进行数量统计。
可以理解的是,智能摄像机基于拍摄的图像,可以获得具有不同属性的对象。
例如,智能摄像机1可以基于在时段1内拍摄的图像所获得的全部人脸,并对人脸的数量进行统计。
又例如,智能摄像机1可以基于在时段1内拍摄的图像所获得的全部车辆,并对车辆的数量进行统计。
参考表2,表2示出了智能摄像机基于时段1拍摄的图像所获得具有不同属性的对象,并对所获得的对象的数量进行统计。
表2
这样,视频监控系统中的至少一个智能摄像机,即获取到了各自在预设时段内所监控到的对象的数量信息。
S102(可选的)、诊断装置获取视频监控系统的告警信息(对应于本申请实施例中的第二告警信息),以及输出该告警信息。
在一种情况下,对于包括至少一个摄像机和智能分析平台的视频监控系统而言,该告警信息可以包括摄像机的密码过期告警信息、摄像机的离线告警信息、智能分析平台的离线告警信息、或智能分析平台的健康告警信息中的至少一种,当然不限于此。
其中,对于摄像机的密码过期告警信息,该告警信息用于指示该摄像机的密码已到期,或该密码已过期。
这里,摄像机的密码用于限制对该摄像机的访问权限,该密码通常具有一定期限。智能分析平台可以预存与其连接的至少一个摄像机的密码期限,并在该至少一个摄像机中的任一个摄像机的密码期限到期后,或者即将到期的预设时刻,向诊断装置发送该摄像机的密码过期告警信息。
作为响应,诊断装置可以接收到该密码过期告警信息,并输出该密码过期告警信息,以向运维人员告警,使得运维人员能够及时对该告警信息中指示的摄像机的密码进行更新。
对于摄像机的离线告警信息,该告警信息用于指示该摄像机处于离线状态。
这里,在视频监控系统中,智能分析平台可以确定与其连接的每个摄像机的在线情况。这样的话,智能分析平台可以根据处于离线(即不在线)状态的摄像机,生成该摄像机的离线告警信息,并向诊断装置发送该摄像机的离线告警信息。
作为响应,诊断装置可以接收到该离线告警信息,并输出该离线告警信息,以向运维人员告警,使得运维人员能够及时对该告警信息中指示的摄像机进行维护管理。
作为示例,对于摄像机的密码过期告警信息和摄像机的离线告警信息,智能分析平台和诊断装置可以通过RESTful接口实现交互。例如,智能分析平台可以执行诊断装置发送的代码“POST/rest/upload-alarm-info”,从而将智能分析平台所确定的摄像机的密码过期告警信息或摄像机的离线告警信息,发送至诊断装置。相应的,诊断装置可以接收到这些告警信息,并输出这些告警信息。
对于智能分析平台的离线告警信息,该告警信息用于指示该智能分析平台处于离线状态。
由上文可知,诊断装置可以连接有至少一个智能分析平台。因此,诊断装置可以即时的确定与其连接的每个智能分析平台的在线情况。当某个智能分析平台离线,则生成该智能分析平台的离线告警信息,并输出该智能分析平台的离线告警信息,以向运维人员告警,使得运维人员能够及时对该告警信息中指示的智能分析平台进行维护管理。
对于智能分析平台的健康告警信息,该告警信息用于指示该智能分析平台的至少一个子服务模块处于离线状态。其中,该至少一个子服务模块可以包括该智能分析平台的接入网关模块、转发模块或存储模块等,当然不限于此。
这里,当智能分析平台确定其至少一个子服务模块处于离线状态,则向诊断装置发送该智能分析平台的健康告警信息。作为响应,诊断装置可以接收到该健康告警信息,并输出该健康告警信息,以向运维人员告警,使得运维人员能够及时对该告警信息中指示的智能分析平台进行维护管理。
作为示例,对于智能分析平台的健康告警信息,智能分析平台和诊断装置可以通过RESTful接口实现交互。例如,智能分析平台可以执行诊断装置发送的代码“GEThttps://[ip]:[port]/get-healthy-status”,从而将该智能分析平台的健康告警信息,发送至诊断装置。其中,[ip]是智能分析平台的IP地址,[port]是该智能分析平台用于发送健康告警信息的端口号。
作为响应,诊断装置可以接收到这些告警信息,并输出这些告警信息。
在另一种情况下,对于包括至少一个智能摄像机的视频监控系统而言,该告警信息可以包括智能摄像机的内存告警信息、智能摄像机的CPU告警信息、或智能摄像机的离线告警信息中的至少一种,当然不限于此。
其中,对于智能摄像机的内存告警信息和智能摄像机的CPU告警信息,该内存告警信息指示该智能摄像机的内存已满,或指示该智能摄像机的内存使用率已超过第一预设阈值。该CPU告警信息用于指示该智能摄像机的CPU使用率已超过第二预设阈值。这里,本申请实施例对该第一预设阈值和第二预设阈值的取值不作具体限定。
当智能摄像机确定其内存已满,或其内存的使用率已超过第一预设阈值,则生成内存告警信息,并将该内存告警信息发送至诊断装置。
作为响应,诊断装置可以接收到该智能摄像机的内存告警信息,并输出该内存告警信息,以向运维人员告警,使得运维人员能够及时对该告警信息中指示的智能摄像机的内存模块进行维护管理。
当智能摄像机确定其CPU使用率已超过第二预设阈值,则生成CPU告警信息,并将该CPU告警信息发送至诊断装置。
作为响应,诊断装置可以接收到该智能摄像机的CPU告警信息,并输出该CPU告警信息,以向运维人员告警,使得运维人员能够及时对该告警信息中指示的智能摄像机的CPU模块进行维护管理。
对于智能摄像机的离线告警信息,该告警信息用于指示该智能摄像机处于离线状态。
由上文可知,诊断装置连接有至少一个智能摄像机。因此,诊断装置可以即时的确定每个智能摄像机的在线情况。当某个智能摄像机离线,诊断装置则生成该智能摄像机的离线告警信息,并输出该智能摄像机的离线告警信息,以向运维人员告警,使得运维人员能够及时对该告警信息中指示的智能摄像机进行维护管理。
应理解,本申请实施例对S101和S102的执行时序不作具体限定。例如,可以同时执行S101和S102,也可以先执行S101,再执行S102,等等。
应理解,视频监控系统在步骤S102中向诊断装置发送的告警信息,以及在步骤S101中向诊断装置发送的摄像机在预设时段内所监控到的对象的数量信息,可以作为一条消息发送,也可以作为不同的消息发送,本申请实施例对此不作限定。
这样,当诊断装置连接有多个智能分析平台,或者连接有多个智能摄像机时,诊断装置可以对该多个智能分析平台管理的告警信息、或者对该多个智能摄像机的告警信息进行集中管理,从而减少了运维人员的工作量。
S103、诊断装置基于获取到的数量信息,确定以及输出异常告警信息。
其中,异常告警信息可以包括第一告警信息、同比告警信息或环比告警信息中的至少一种。这里,该异常告警信息用于指示摄像机的拍摄视场异常。
可选的,诊断装置可以先将获取到的数量信息的数据格式,转换为诊断装置可以解析处理的数据格式。
在一种可能的实现方式中,当诊断装置确定所获取到的数量信息中的数量小于或等于第三预设阈值时,则输出第一告警信息。
这种情况下,表明该数量信息所指示的摄像机(通过摄像机的ID指示),其拍摄视场可能存在异常,因此才会导致该摄像机监控到的对象的数量突然变少。这样的话,通过本申请实施例提供的方法,可以使运维人员及时发现拍摄视场异常的摄像机,从而可以及时对其进行维护。
可选的,本申请实施例对上述第三预设阈值的具体取值不作具体限定。例如,该第三预设阈值的取值可以是0,或者,该第三预设阈值的取值可以是5,等等。
可选的,上述第三预设阈值,可以是诊断装置基于摄像机在一段时期内的至少一天的预设时段内所监控到的对象的数量确定的,对此不作具体限定。
作为示例,第三预设阈值可以是诊断装置根据摄像机最近一个月内每天的预设时段内所监控到的对象的数量确定的。
在另一种可能的实现方式中,如果诊断装置所获取到的摄像机在预设时段内所监控到的对象的数量信息,是该摄像机在第一预设时段内所监控到的对象的数量信息,则当诊断装置确定所获取到的数量信息中的数量,和该摄像机在第二预设时段内所监控到的对象的数量的差值,大于或等于第四预设阈值,则输出同比告警信息。其中,该第二预设时段和第一预设时段是不同日期内的相同时段。其中,该差值即为同比差值。
应理解,诊断装置预先获取有摄像机在第二预设时段内所监控到的对象的数量信息。诊断装置获取摄像机在第二预设时段内所监控到的对象的数量信息,以及获取摄像机在第一预设时段内所监控到的对象的数量信息的说明,可以参考S101中诊断装置获取摄像机在第一日期的预设时段内所监控到的对象的数量信息的描述,这里不再赘述。
这种情况下,由于同比差值超过阈值,表明该摄像机的拍摄视场存在异常。这样的话,通过本申请实施例提供的方法,可以使运维人员及时发现拍摄视场异常的摄像机,从而可以及时对其进行维护。
可选的,本申请实施例对第四预设阈值的取值不作具体限定。
可选的,通过本申请实施例的方法,可以对第一日期的预设时段(例如第一预设时段)内所监控到的对象的数量和第一日期之前的日期(即第二日期)的预设时段(例如第二预设时段)内所监控到的对象的数量进行做差,以得到同比差值1。通过本申请实施例的方法,还可以对第二日期的预设时段内所监控到的对象的数量和第二日期之前的日期的预设时段内所监控到的对象的数量进行做差,以得到同比差值2。这样,通过该方法,本申请实施例可以基于一段时期内的多个同比差值,确定上述的第四预设阈值,本申请实施例对此不作限定。
在又一种可能的实现方式中,如果诊断装置所获取到的摄像机在预设时段内所监控到的对象的数量信息,是该摄像机在第一时段内所监控到的对象的数量信息,也即该预设时段为第一时段,则当诊断装置确定所获取到的数量信息中的数量,和视频监控系统中的摄像机在第二时段内所监控到的对象的数量的差值,大于或等于第五预设阈值,则输出环比告警信息。其中,该第二时段是与第一时段连续、且在第一时段之前的时段。其中,该差值即为环比差值。
应理解,诊断装置预先获取有摄像机在第二时段内所监控到的对象的数量信息。诊断装置获取摄像机在第二时段内所监控到的对象的数量信息的说明,可以参考S101中诊断装置获取摄像机在预设时段内所监控到的对象的数量信息的描述,这里不再赘述。
这种情况下,由于环比差值超过阈值,因此表明该摄像机的拍摄视场可能存在异常。这样的话,通过本申请实施例提供的方法,可以使运维人员及时发现拍摄视场异常的摄像机,从而可以及时对其进行维护。
可选的,本申请实施例对上述第五预设阈值的取值不作具体限定。
可选的,通过本申请实施例的方法,可以对第一日期的第一时段内所监控到的对象的数量和第一日期的第二时段内所监控到的对象的数量进行做差,以得到环比差值1。通过本申请实施例的方法,还可以对第二日期的第一时段内所监控到的对象的数量和第二日期的第二时段内所监控到的对象的数量进行做差,以得到环比差值2。这样,通过该方法,本申请实施例可以基于一段时期内的多个环比差值,确定上述的第五预设阈值,本申请实施例对此不作限定。
S104、诊断装置基于所获取的数量信息,预测在当前日期之后日期的预设时段内,视频监控系统中摄像机所监控到的对象的数量。
由上文描述可知,诊断装置不仅可以获取到当前日期(即上述第一日期为当前日期的情况)的预设时段内摄像机所监控到的对象的数量信息,还可以获取到当前日期之前日期的预设时段内摄像机所监控到的对象的数量信息。
这样的话,诊断装置即可根据一段时期内至少一天的预设时段内摄像机所监控到的对象的数量信息,通过对卷积神经网络进行训练以得到预测模型。该预测模型用于对当前日期之后日期的预设时段内,视频监控系统中摄像机所监控到的对象的数量进行预测。
其中,该一段时期内至少一天的预设时段内摄像机所监控到的对象的数量信息,即作为训练该预测模型的训练数据。
可选的,以第二日期是第一日期的前一个日期为例,诊断装置在训练预测模型时,可以以第二日期的预设时段内摄像机所监控到的对象的数量信息为训练样本数据,以第一日期的预设时段内摄像机所监控到的对象的数量信息为训练参考数据。
其中,训练样本数据是输入到卷积神经网络中用于训练模型的样本数据,训练参考数据用于确定调整卷积神经网络的损失函数。
作为示例,诊断装置可以将第二日期的预设时段内摄像机所监控到的对象的数量输入预设的卷积神经网络(即初始的预测模型)中。经卷积运算后,初始的预测模型可以输出预测结果1。接着,诊断装置根据预测结果1和第一日期的预设时段内摄像机所监控到的对象的数量,确定用于调整初始的预测模型的参数损失函数1。
这样,诊断装置即可基于损失函数1对初始的预测模型进行调整,以得到预测模型2。依次类推,诊断装置通过一段时期内至少一天的预设时段内摄像机所监控到的对象的数量,对卷积神经网络进行训练,直到网络收敛,从而得到目标预测模型。该目标预测模型即为,用于对当前日期之后日期的预设时段内,视频监控系统中摄像机所监控到的对象的数量进行预测的预测模型。
其中,诊断装置可以基于训练次数是否达到预设阈值,来判定卷积神经网络是否收敛。或者,诊断装置可以基于损失函数是否小于或等于预设阈值,来判定卷积神经网络是否收敛。本申请实施例对此不作具体限定。
应理解,对于视频监控系统中多个摄像机中的任一个摄像机而言,诊断装置可以根据该摄像机在一段时期的预设时段内所监控到的对象的数量,训练得到针对该摄像机的预测模型,该预测模型可以对该摄像机在当前日期之后的预设时段内所监控到的对象的数量进行预测。
当然,诊断装置也可以根据视频监控系统中多个摄像机中,每个摄像机在一段时期的预设时段内所监控到的对象的数量信息,训练得到可以同时可以对该每个摄像机在当前日期之后的预设时段内所监控到的对象的数量进行预测的预测模型。这样的话,基于该预测模型,如果输入到该预测模型的数据为多个摄像机在当前日期的预设时段内所监控到的对象的数量信息,则该预测模型的输出为预测的该多个摄像机在当前日期之后日期的预设时段内所能监控到的对象的数量。如果输入到该预测模型的数据为多个摄像机中的摄像机1在当前日期的预设时段内所监控到的对象的数量信息,则该预测模型的输出为预测的该摄像机1在当前日期之后日期的预设时段内所能监控到的对象的数量。
这样的话,诊断装置即可根据所获取的视频监控系统中的摄像机在一段时期内至少一天的预设时段内所监控到的对象的数量信息,对该摄像机在当前日期之后日期的预设时段内所能监控到的对象的数量进行预测。也就是说,诊断装置可以对该摄像机所在区域的人流量或车流量进行预测。当诊断装置所预测得到的人流量或车流量的数值大于或等于第六预设阈值,则可以输出告警信号,以便于相关人员对人流量或车流量大的区域进行调度管理等,从而提高了人流量或车流量的调度效率。其中,本申请实施例对第六预设阈值的取值不作具体限定。
应理解,本申请实施例对S103和S104的执行时序不作限定,例如可以同时执行S103和S104,或者可以先执行S103,再执行S104,等等。
这样,通过上述S101~S104所描述的摄像机异常的诊断方法,可以及时发现视频监控系统中的摄像机的拍摄视场出现异常,并通过及时告警,以使运维人员及时对视频监控系统中相应的摄像机进行维护,从而提高了视频监控系统的运维效率。另外,通过该方法,还可以对摄像机所监控区域的人流量和车流量进行预测,并根据预测结果进行告警,以便于相关人员对人流量或车流量大的区域进行调度管理等,从而提高了人流量或车流量的调度效率。
可选的,本申请实施例还提供另一种摄像机异常的诊断方法。结合图5,参考图6,图6示出了本申请实施例提供的另一种摄像机异常的诊断方法的流程示意图,该方法可以应用于图4所示诊断系统中,即该视频监控系统中的摄像机是智能摄像机。该方法可以包括如下步骤:
S201、诊断装置获取视频监控系统中的摄像机在预设时段内所监控到的对象的属性。
其中,本申请实施例对该预设时段的时长不作具体限定,例如可以是1个小时,或者2个小时等。
具体的,该摄像机可以根据预设的识别算法,对预设时段内拍摄到的图像进行识别,以识别出该图像中的对象,并确定该对象的对象信息。
作为示例,该对象信息可以是该对象的元数据。其中,元数据可以是指摄像机设备对图像进行分析后,所生成的用于代表图像中对象描述信息的文本、二进制特征和对应时间点的图片数据。
应理解,该对象信息中可以包括对象的属性。当视频监控系统中包括多个摄像机,则该对象信息中还可以包括摄像机的ID。
应理解,一条对象信息中,仅包括一个对象的属性。
在一种可能的实现方式中,摄像机可以主动的向诊断装置发送其识别并获取到的对象信息。作为响应,诊断装置可以接收到该对象信息,从而从该对象信息中获取到该摄像机在预设时段内所监控到的对象的属性。
在另一种可能的实现方式中,诊断装置可以先向摄像机发送订阅请求,该订阅请求用于请求获取摄像机在预设时段内所监控到的对象的属性。
这样,当摄像机接收到该订阅请求,即可在预设时段内,将其识别并确定的对象信息发送至诊断装置。作为响应,诊断装置可以接收到该对象信息,从而从该对象信息中获取到摄像机在预设时段内所监控到的对象的属性。
可选的,在上述几种可能的实现方式中,诊断装置可以在接收到对象信息后,对该对象信息的数据格式进行格式转换,以使得接收到的对象信息转换为诊断装置可以解析处理的数据格式。这里,本申请实施例对摄像机发送的对象信息的数据格式,以及诊断装置支持的数据格式不作具体限定。
示例性的,以视频监控系统中的摄像机1为例,在预设时段内,当摄像机1对所拍摄的图像进行识别,并确定对象1的对象信息1后,则摄像机1可以将该对象信息1发送至诊断装置。当摄像机1对所拍摄的图像进行识别,并确定对象2的对象信息2后,则摄像机1可以将该对象信息2发送至诊断装置。
S202、诊断装置基于所获取的摄像机在预设时段内所监控到的对象的属性,确定该摄像机在预设时段内所监控到的对象的数量信息。
可选的,诊断装置可以基于所获取的摄像机在预设时段内所监控到的对象的属性,通过设置计数器,确定该摄像机在预设时段内所监控到的具有相同属性的对象的数量,这样,诊断装置即获取到了摄像机在预设时段内所监控到的对象的数量信息(包括对象的属性和对象的数量)。
示例性的,诊断装置可以针对不同的摄像机设置计数器,例如,为摄像机1设置计数器1。这样,当诊断装置接收到摄像机1发送的对象信息1后,基于该对象信息1中的属性(例如属性1),为计数器1中对应该属性1的计数值加1。当诊断装置接收到摄像机1发送的对象信息2后,基于该对象信息2中的属性(例如属性1),为计数器1中对应该属性1的计数值再加1。当诊断装置接收到摄像机1发送的对象信息3后,基于该对象信息3中的属性(例如属性2),为计数器1中对应该属性2的计数值加1。这样,直到统计完预设时段内诊断装置所接收到的所有摄像机所发送的对象信息,从而诊断装置可以确定出预设时段内摄像机所监控到的具有相同属性的对象的数量信息。
可以看出,同一个摄像机,可以获取到包括不同属性的对象信息。本申请实施例对此不作具体限定。
然后,诊断装置可以执行S102~S104。
综上,本申请实施例提供了一种摄像机异常的诊断方法,该方法通过对摄像机在预设时段内监控到的对象的数量进行统计,并通过同比或环比等分析,能够及时发现视频监控系统中的摄像机的拍摄视场出现异常,并通过及时告警,使运维人员及时对视频监控系统中相应的摄像机进行维护,从而提高了视频监控系统的运维效率。此外,通过该方法,诊断装置可以对摄像机所在区域的人流量或车流量进行预测。并在人流量或车流量大时进行告警,以便于相关人员对人流量或车流量大的区域进行调度管理等,从而提高了人流量或车流量的调度效率。
上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对诊断装置进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
如图7所示,图7示出了本申请实施例提供的一种诊断装置70的结构示意图。该诊断装置70可以用于执行上述的摄像机异常的诊断方法,例如用于执行图5或图6所示的方法。其中,诊断装置70可以包括获取单元71和输出单元72。
获取单元71,用于获取摄像机在预设时段内所监控到的对象的数量信息。这里,摄像机在预设时段内所监控到的对象,是通过对摄像机拍摄到的图像进行识别后得到的对象,该数量信息包括对象的属性和对象的数量。输出单元72,用于当该数量信息中的数量小于或等于预设阈值,则输出第一告警信息。
作为示例,结合图5,获取单元71可以用于执行S101,输出单元72可以用于执行S103。
可选的,上述的属性包括人脸、人体、车辆或车牌中的至少一种。
可选的,上述第一告警信息用于指示摄像机的拍摄视场异常。
可选的,获取单元71,具体用于接收视频监控系统发送的摄像机在预设时段内所监控到的对象的数量信息。
可选的,获取单元71,具体用于接收摄像机发送的该摄像机在预设时段内所监控到的对象的数量信息。或者,获取单元71,具体用于接收智能分析平台发送的摄像机在预设时段内所监控到的对象的数量信息。该智能分析平台和该摄像机连接通信,该智能分析平台用于对该摄像机拍摄到的图像进行识别,以得到该摄像机在预设时段内所监控到的对象的数量信息。
作为示例,结合图5,获取单元71可以用于执行S101。
可选的,获取单元71,具体用于对摄像机在预设时段内拍摄到的图像进行识别,以获得所识别出图像中对象的属性;以及,用于基于所识别出的对象的属性,确定摄像机在预设时段内所监控到的具有相同属性的对象的数量。
作为示例,结合图5,获取单元71可以用于执行S101。
可选的,获取单元71,具体用于如果摄像机是智能摄像机,则获取摄像机在预设时段内所监控到的对象的属性;以及,用于基于所获取的属性,确定摄像机在预设时段内监控到的具有相同属性的对象的数量。其中,智能摄像机可以用于拍摄图像以及对图像进行识别,以确定摄像机在预设时段内监控到的对象的属性。
作为示例,结合图6,获取单元71可以用于执行S201~S202。
关于上述可选方式的具体描述可以参见前述的方法实施例,此处不再赘述。此外,上述提供的任一种诊断装置70的解释以及有益效果的描述均可参考上述对应的方法实施例,不再赘述。
作为示例,结合图2,诊断装置70中的获取单元71所实现的功能,可以通过图2中的处理器21执行图2中的存储器22中的程序代码实现。输出单元72所实现的功能可以通过图2所示诊断装置20的输入输出接口实现。
如图8所示,图8示出了本申请实施例提供的另一种诊断装置80的结构示意图。该诊断装置80可以用于执行上述的摄像机异常的诊断方法,例如用于执行图5或图6所示的方法。其中,诊断装置80可以包括获取单元81、确定单元82以及输出单元83。
获取单元81,用于获取摄像机在第一预设时段内所监控到的对象的数量信息。这里,摄像机在第一预设时段内所监控到的对象,是通过对摄像机拍摄到的图像进行识别后得到的对象,该数量信息包括对象的属性和对象的数量。确定单元82,用于确定该数量信息中的数量,和摄像机在第二预设时段内所监控到的对象的数量的差值。输出单元83,用于当该差值大于或等于预设阈值,则输出同比告警信息。其中,该第二预设时段和该第一预设时段是不同日期中的相同时段。
作为示例,结合图5,获取单元81可以用于执行S101,结合图5或图6,确定单元82和输出单元83可以用于执行S103。
关于上述可选方式的具体描述可以参见前述的方法实施例,此处不再赘述。此外,上述提供的任一种诊断装置80的解释以及有益效果的描述均可参考上述对应的方法实施例,不再赘述。
作为示例,结合图2,诊断装置80中的获取单元81和确定单元82所实现的功能,可以通过图2中的处理器21执行图2中的存储器22中的程序代码实现。输出单元83所实现的功能可以通过图2所示诊断装置20的输入输出接口实现。
如图9所示,图9示出了本申请实施例提供的又一种诊断装置90的结构示意图。该诊断装置90可以用于执行上述的摄像机异常的诊断方法,例如用于执行图5或图6所示的方法。其中,诊断装置90可以包括获取单元91、确定单元92以及输出单元93。
获取单元91,用于获取摄像机在第一时段内所监控到的对象的数量信息。这里,摄像机在第一时段内所监控到的对象,是通过对摄像机拍摄到的图像进行识别后得到的对象,该数量信息包括对象的属性和对象的数量。确定单元92,用于确定该数量信息中的数量,和摄像机在第二时段内监控到的对象的数量的差值。输出单元93,用于如果该差值大于或等于预设阈值,则输出环比告警信息。其中,该第二时段是与该第一时段连续、且在该第一时段之前的时段。
作为示例,结合图5,获取单元91可以用于执行S101,结合图5或图6,确定单元92和输出单元93可以用于执行S103。
关于上述可选方式的具体描述可以参见前述的方法实施例,此处不再赘述。此外,上述提供的任一种诊断装置90的解释以及有益效果的描述均可参考上述对应的方法实施例,不再赘述。
作为示例,结合图2,诊断装置90中的获取单元91和确定单元92所实现的功能,可以通过图2中的处理器21执行图2中的存储器22中的程序代码实现。输出单元93所实现的功能可以通过图2所示诊断装置20的输入输出接口实现。
本申请实施例还提供一种芯片系统100,如图10所示,该芯片系统100包括至少一个处理器和至少一个接口电路。作为示例,当该芯片系统100包括一个处理器和一个接口电路时,则该一个处理器可以是图10中实线框所示的处理器101(或者是虚线框所示的处理器101),该一个接口电路可以是图10中实线框所示的接口电路102(或者是虚线框所示的接口电路102)。当该芯片系统100包括两个处理器和两个接口电路时,则该两个处理器包括图10中实线框所示的处理器101和虚线框所示的处理器101,该两个接口电路包括图10中实线框所示的接口电路102和虚线框所示的接口电路102。对此不作限定。
处理器101和接口电路102可通过线路互联。例如,接口电路102可用于接收信号(例如获取摄像机监控到的对象的数量信息等)。又例如,接口电路102可用于向其它装置(例如处理器101)发送信号。示例性的,接口电路102可读取存储器中存储的指令,并将该指令发送给处理器101。当该指令被处理器101执行时,可使得诊断装置执行上述实施例中的各个步骤。当然,该芯片系统100还可以包含其他分立器件,本申请实施例对此不作具体限定。
本申请另一实施例还提供一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当指令在诊断装置上运行时,该诊断装置执行上述方法实施例所示的方法流程中该诊断装置执行的各个步骤。
在一些实施例中,所公开的方法可以实施为以机器可读格式被编码在计算机可读存储介质上的或者被编码在其它非瞬时性介质或者制品上的计算机程序指令。
图11示意性地示出本申请实施例提供的计算机程序产品的概念性局部视图,该计算机程序产品包括用于在计算设备上执行计算机进程的计算机程序。
在一个实施例中,计算机程序产品是使用信号承载介质110来提供的。该信号承载介质110可以包括一个或多个程序指令,其当被一个或多个处理器运行时可以提供以上针对图5或图6描述的功能或者部分功能。因此,例如,参考图5中S101~S104,或者参考图6中S201~S104的一个或多个特征可以由与信号承载介质110相关联的一个或多个指令来承担。此外,图11中的程序指令也描述示例指令。
在一些示例中,信号承载介质110可以包含计算机可读介质111,诸如但不限于,硬盘驱动器、紧密盘(CD)、数字视频光盘(DVD)、数字磁带、存储器、只读存储记忆体(read-only memory,ROM)或随机存储记忆体(random access memory,RAM)等等。
在一些实施方式中,信号承载介质110可以包含计算机可记录介质112,诸如但不限于,存储器、读/写(R/W)CD、R/W DVD、等等。
在一些实施方式中,信号承载介质110可以包含通信介质113,诸如但不限于,数字和/或模拟通信介质(例如,光纤电缆、波导、有线通信链路、无线通信链路、等等)。
信号承载介质110可以由无线形式的通信介质113(例如,遵守IEEE 1102.11标准或者其它传输协议的无线通信介质)来传达。一个或多个程序指令可以是,例如,计算机可执行指令或者逻辑实施指令。
在一些示例中,诸如针对图5或图6描述的诊断装置可以被配置为,响应于通过计算机可读介质111、计算机可记录介质112、和/或通信介质113中的一个或多个程序指令,提供各种操作、功能、或者动作。
应该理解,这里描述的布置仅仅是用于示例的目的。因而,本领域技术人员将理解,其它布置和其它元素(例如,机器、接口、功能、顺序、和功能组等等)能够被取而代之地使用,并且一些元素可以根据所期望的结果而一并省略。另外,所描述的元素中的许多是可以被实现为离散的或者分布式的组件的、或者以任何适当的组合和位置来结合其它组件实施的功能实体。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时,可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上和执行计算机执行指令时,全部或部分地产生按照本申请实施例的流程或功能。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。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如,软盘、硬盘、磁带),光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (18)
1.一种摄像机异常的诊断方法,其特征在于,所述方法包括:
获取所述摄像机在预设时段内所监控到的对象的数量信息,所述对象是通过对所述摄像机拍摄到的图像进行识别后得到的,所述数量信息包括所述对象的属性和所述对象的数量;
当所述数量信息中的数量小于或等于预设阈值,输出第一告警信息。
2.根据权利要求1所述的方法,其特征在于,所述属性包括人脸、人体、车辆或车牌中的一种。
3.根据权利要求1或2所述的方法,其特征在于,所述第一告警信息用于指示所述摄像机的拍摄视场异常。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述获取所述摄像机在预设时段内所监控到的对象的数量信息,具体包括:
接收所述摄像机发送的所述摄像机在所述预设时段内所监控到的对象的数量信息;或者,
接收智能分析平台发送的所述摄像机在所述预设时段内所监控到的对象的数量信息,所述智能分析平台和所述摄像机连接通信,所述智能分析平台用于对所述摄像机拍摄到的图像进行识别,以得到所述摄像机在所述预设时段内所监控到的对象的数量信息。
5.根据权利要求1-3中任一项所述的方法,其特征在于,所述获取所述摄像机在预设时段内所监控到的对象的数量信息,具体包括:
对所述摄像机在所述预设时段内拍摄到的图像进行识别,以获得所述图像中对象的属性;
基于识别出的对象的属性,确定所述摄像机在所述预设时段内所监控到的具有相同属性对象的数量。
6.根据权利要求1-3中任一项所述的方法,其特征在于,如果所述摄像机是智能摄像机,所述智能摄像机用于拍摄图像以及对所述图像进行识别,以确定所述摄像机在所述预设时段内监控到的对象的属性;所述获取所述摄像机在预设时段内所监控到的对象的数量信息,具体包括:
获取所述摄像机在所述预设时段内所监控到的对象的属性;
基于所获取的属性,确定所述摄像机在所述预设时段内监控到的具有相同属性的对象的数量。
7.一种摄像机异常的诊断方法,其特征在于,所述方法包括:
获取所述摄像机在第一预设时段内所监控到的对象的数量信息,所述对象是通过对所述摄像机拍摄到的图像进行识别后得到的,所述数量信息包括所述对象的属性和所述对象的数量;
确定所述数量信息中的数量,和所述摄像机在第二预设时段内所监控到的对象的数量的差值,所述第二预设时段和所述第一预设时段是不同日期中的相同时段;
当所述差值大于或等于预设阈值,则输出同比告警信息。
8.一种摄像机异常的诊断方法,其特征在于,所述方法包括:
获取所述摄像机在第一时段内所监控到的对象的数量信息,所述对象是通过对所述摄像机拍摄到的图像进行识别后得到的,所述数量信息包括所述对象的属性和所述对象的数量;
确定所述数量信息中的数量,和所述摄像机在第二时段内监控到的对象的数量的差值;所述第二时段是与所述第一时段连续、且在所述第一时段之前的时段;
当所述差值大于或等于预设阈值,则输出环比告警信息。
9.一种摄像机异常的诊断装置,其特征在于,所述装置包括:
获取单元,用于获取所述摄像机在预设时段内所监控到的对象的数量信息,所述对象是通过对所述摄像机拍摄到的图像进行识别后得到的,所述数量信息包括所述对象的属性和所述对象的数量;
输出单元,用于当所述数量信息中的数量小于或等于预设阈值,输出第一告警信息。
10.根据权利要求9所述的装置,其特征在于,所述属性包括人脸、人体、车辆或车牌中的至少一种。
11.根据权利要求9或10所述的装置,其特征在于,所述第一告警信息用于指示所述摄像机的拍摄视场异常。
12.根据权利要求9-11中任一项所述的装置,其特征在于,所述获取单元具体用于:
接收所述摄像机发送的所述摄像机在所述预设时段内所监控到的对象的数量信息;或者,
接收智能分析平台发送的所述摄像机在所述预设时段内所监控到的对象的数量信息,所述智能分析平台和所述摄像机连接通信,所述智能分析平台用于对所述摄像机拍摄到的图像进行识别,以得到所述摄像机在所述预设时段内所监控到的对象的数量信息。
13.根据权利要求9-11中任一项所述的装置,其特征在于,所述获取单元具体用于:
对所述摄像机在所述预设时段内拍摄到的图像进行识别,以获得所述图像中对象的属性;
基于识别出的对象的属性,确定所述摄像机在所述预设时段内所监控到的具有相同属性的对象的数量。
14.根据权利要求9-11中任一项所述的装置,其特征在于,如果所述摄像机是智能摄像机,所述智能摄像机用于拍摄图像以及对所述图像进行识别,以确定所述摄像机在所述预设时段内监控到的对象的属性;所述获取单元具体用于:
获取所述摄像机在所述预设时段内所监控到的对象的属性;
基于所获取的属性,确定所述摄像机在所述预设时段内监控到的具有相同属性的对象的数量。
15.一种摄像机异常的诊断装置,其特征在于,所述装置包括:
获取单元,用于获取所述摄像机在第一预设时段内所监控到的对象的数量信息,所述对象是通过对所述摄像机拍摄到的图像进行识别后得到的,所述数量信息包括所述对象的属性和所述对象的数量;
确定单元,用于确定所述数量信息中的数量,和所述摄像机在第二预设时段内所监控到的对象的数量的差值,所述第二预设时段和所述第一预设时段是不同日期中的相同时段;
输出单元,用于当所述差值大于或等于预设阈值,则输出同比告警信息。
16.一种摄像机异常的诊断装置,其特征在于,所述装置包括:
获取单元,用于获取所述摄像机在第一时段内所监控到的对象的数量信息,所述对象是通过对所述摄像机拍摄到的图像进行识别后得到的,所述数量信息包括所述对象的属性和所述对象的数量;
确定单元,用于确定所述数量信息中的数量,和所述摄像机在第二时段内监控到的对象的数量的差值;所述第二时段是与所述第一时段连续、且在所述第一时段之前的时段;
输出单元,用于当所述差值大于或等于预设阈值,则输出环比告警信息。
17.一种摄像机异常的诊断装置,其特征在于,所述装置包括:存储器和一个或多个处理器,所述存储器用于存储计算机指令,所述处理器用于调用所述计算机指令,以执行如权利要求1-8中任一项所述的方法。
18.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,当所述计算机程序在计算机上运行时,使得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 |
---|---|---|---|
CN202010923310.6A CN114143532A (zh) | 2020-09-04 | 2020-09-04 | 一种摄像机异常的诊断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010923310.6A CN114143532A (zh) | 2020-09-04 | 2020-09-04 | 一种摄像机异常的诊断方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114143532A true CN114143532A (zh) | 2022-03-04 |
Family
ID=80438693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010923310.6A Pending CN114143532A (zh) | 2020-09-04 | 2020-09-04 | 一种摄像机异常的诊断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114143532A (zh) |
-
2020
- 2020-09-04 CN CN202010923310.6A patent/CN114143532A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111928888B (zh) | 一种水域污染智能监控分析方法及系统 | |
JP6905850B2 (ja) | 画像処理システム、撮像装置、学習モデル作成方法、情報処理装置 | |
KR101671783B1 (ko) | 통합경비 원격 모니터링 시스템 및 그 방법 | |
CN111414828B (zh) | 一种异常聚集识别方法及装置 | |
CN111401161A (zh) | 基于智能视频分析算法实现行为识别的智慧建筑管控系统 | |
CN109460744B (zh) | 一种基于深度学习的视频监控系统 | |
US20170061214A1 (en) | Controlling bandwith utilization of video transmissions for quality and scalability | |
US11145174B2 (en) | Methods and system for monitoring an environment | |
CN111047824B (zh) | 一种室内儿童看护联动控制预警方法及系统 | |
CN103974029A (zh) | 视频监控的方法、系统及装置 | |
US11799983B2 (en) | Ranking internet of things (IoT) data based on IoT analytics services | |
CN115171260A (zh) | 一种基于人脸识别的智能门禁系统 | |
CN114418388A (zh) | 一种基于图像识别的人员管理方法、装置及存储介质 | |
CN106781167A (zh) | 监测物体运动状态的方法及设备 | |
CN113887310A (zh) | 工人规范着装识别方法、系统及介质 | |
CN111723767B (zh) | 一种图像处理方法、装置及计算机存储介质 | |
KR20190092091A (ko) | Ifttt 서비스를 위한 실시간 이벤트 처리 규칙 관리 시스템 | |
CN114143532A (zh) | 一种摄像机异常的诊断方法及装置 | |
CN117173613A (zh) | 一种工程建设项目全过程信息化智能管理系统及方法 | |
CN108073854A (zh) | 一种现场巡检的检测方法及装置 | |
GB2585919A (en) | Method and system for reviewing and analysing video alarms | |
CN113420739B (zh) | 基于神经网络的智能应急监控方法、系统和可读存储介质 | |
KR20130122409A (ko) | 영상 데이터를 이용하여 독거 노인에 대한 비정상 상황 발생을 감지하는 장치 및 방법 | |
CN114363579A (zh) | 一种监控视频的共享方法、装置及电子设备 | |
KR20190074052A (ko) | 데이터 처리 기능이 포함된 사물인터넷 기반의 시설물에 대한 원격 통합 관제 및 제어용 게이트웨이 단말장치 |
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 |