CN114155483A - 监控告警方法、装置、存储介质及计算机设备 - Google Patents

监控告警方法、装置、存储介质及计算机设备 Download PDF

Info

Publication number
CN114155483A
CN114155483A CN202111335395.7A CN202111335395A CN114155483A CN 114155483 A CN114155483 A CN 114155483A CN 202111335395 A CN202111335395 A CN 202111335395A CN 114155483 A CN114155483 A CN 114155483A
Authority
CN
China
Prior art keywords
alarm
area
detection
image
result
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
Application number
CN202111335395.7A
Other languages
English (en)
Inventor
李要锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hongfujin Precision Electronics Zhengzhou Co Ltd
Original Assignee
Hongfujin Precision Electronics Zhengzhou Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hongfujin Precision Electronics Zhengzhou Co Ltd filed Critical Hongfujin Precision Electronics Zhengzhou Co Ltd
Priority to CN202111335395.7A priority Critical patent/CN114155483A/zh
Publication of CN114155483A publication Critical patent/CN114155483A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/25Fusion techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Alarm Systems (AREA)

Abstract

本申请公开了监控告警方法、装置、存储介质和计算机设备。本申请可以获取监控图像,监控图像为摄像模组在预设区域采集得到的图像;确定监控图像中的至少两个区域图像,每个区域图像对应一个检测模型;通过每个检测模型,对每个检测模型对应的区域图像进行检测,确定至少两个区域图像的检测结果;对至少两个检测结果进行融合处理,得到融合后结果;当融合后结果与预设报警结果相匹配时,确定针对预设区域的告警结果。本申请可以通过组合使用多个已有检测模型,快速实现针对预设区域的监控告警。

Description

监控告警方法、装置、存储介质及计算机设备
技术领域
本申请涉及图像处理领域,具体涉及了监控告警方法、装置、存储介质及计算机设备。
背景技术
随着市场上智能科技的快速发展,人工智能(artificial intelligence,AI)技术得到广泛的使用,其中AI监控技术是一个重要的应用方向。AI监控技术是指通过智能分析算法将监控场景中背景和目标分离进而分析并追踪在监控场景内出现的目标,如行人、车辆等。具体地,对于不同类型的目标,可以使用不同的检测模型进行智能分析。
现有的AI监控设备通常根据实际应用场景训练一个检测模型,运行该检测模型,进而实现一种监控功能。但是,当监控功能或者监控位置需要调整时,原有的检测模型不再适用,需要重新训练新的检测模型。这样一来,导致使用AI监控设备的进行监控告警的时间和开发成本大大增加。
发明内容
鉴于以上内容,有必要提出一种监控告警方法、装置、存储介质及计算机设备,可以通过组合使用多个已有检测模型,快速实现针对预设区域的监控告警。
本申请第一方面提供一种监控告警方法,应用于告警系统,告警系统包括摄像模组,方法包括:
获取监控图像,监控图像为摄像模组在预设区域采集得到的图像;确定监控图像中的至少两个区域图像,每个区域图像对应一个检测模型;通过每个检测模型,对每个所述检测模型对应的区域图像进行检测,确定至少两个区域图像的检测结果;对至少两个检测结果进行融合处理,得到融合后结果;当融合后结果与预设报警结果相匹配时,确定针对预设区域的告警结果。
通过实施该技术方案,可以通过使用多个已有的检测模型分别对不同的区域图像进行检测,得到每个区域图像的检测结果,再通过对多个检测结果融合处理,可以确定针对预设区域的告警结果,相比于现有技术需要耗费大量时间针对预设区域构建和训练一个特定的检测模型,并通过训练得到的检测模型进行检测,本申请直接使用已有的检测模型即可快速实现针对预设区域的监控告警。
在本申请的一些实施例中,确定监控图像中的至少两个区域图像,包括:
获取针对监控图像的至少两个区域位置信息,每个区域位置信息对应一个检测模型;根据每个区域位置信息,对监控图像进行裁剪,得到至少两个区域图像,每个区域图像对应一个检测模型。
通过实施该技术方案,可以根据至少两个区域位置信息,对监控图像进行至少两次裁剪,得到至少两个区域图像。
在本申请的一些实施例中,告警系统包括报警模组,监控告警方法还包括:
根据告警结果,控制报警模组在预设区域内进行报警。
通过实施该技术方案,可以根据告警结果及时进行报警。
在本申请的一些实施例中,一个检测模型对应一个计算机芯片,计算机芯片设置在告警系统内,通过每个检测模型,对每个检测模型对应的区域图像进行检测,得到至少两个区域图像的检测结果,包括:
在每个检测模型对应的计算机芯片内,分别通过每个检测模型,对每个检测模型对应的区域图像进行检测,得到至少两个区域图像的检测结果。
通过实施该技术方案,可以利用不同的计算机芯片分别通过不同的检测模型进行检测,高效快速地确定每个区域图像的检测结果。
在本申请的一些实施例中,确定所述监控图像中的至少两个区域图像,每个所述区域图像对应一个检测模型,包括:
向服务器发送监控图像,以通过服务器确定监控图像中的至少两个区域图像,每个区域图像对应一个检测模型;
通过每个检测模型,对每个检测模型对应的区域图像进行检测,得到至少两个区域图像的检测结果,包括:
通过服务器根据每个检测模型,对每个检测模型对应的区域图像进行检测,得到至少两个区域图像的检测结果;
对至少两个检测结果进行融合处理,得到融合后结果,包括:
通过服务器对至少两个检测结果进行融合处理,得到融合后结果;
当融合后结果与预设报警结果相匹配时,确定针对预设区域的告警结果,包括:
当融合后结果与预设报警结果相匹配时,通过服务器确定针对预设区域的告警结果;接收服务器返回的针对预设区域的告警结果。
通过实施该技术方案,可以通过服务器实现高效地图像检测。
在本申请的一些实施例中,摄像模组包括AI摄像机,至少两个检测模型包括第一检测模型和第二检测模型,第一检测模型对应第一区域图像,第二检测模型对应第二区域图像,通过每个检测模型,对每个检测模型对应的区域图像进行检测,得到至少两个区域图像的检测结果,包括:
控制AI摄像机通过第一检测模型对第一区域图像进行检测,得到第一区域图像的第一检测数值;控制AI摄像机通过第二检测模型对第二区域图像进行检测,得到第二区域图像的第二检测数值;
对至少两个检测结果进行融合处理,得到融合后结果,包括:
控制AI摄像机对第一检测数值和第二检测数值进行逻辑计算,得到逻辑计算结果;当融合后结果与预设报警结果相匹配时,确定针对预设区域的告警结果,包括:
控制AI摄像机当逻辑计算结果与预设报警结果相匹配时,确定针对预设区域的告警结果。
在本申请的一些实施例中,监控告警方法还包括:
通过检测模型对应的多个检测结果,对检测模型进行更新,得到更新后检测模型。
本申请第一方面提供一种监控告警装置,应用于告警系统,告警系统包括摄像模组,包括:
获取单元,用于获取监控图像,监控图像为摄像模组在预设区域采集得到的图像;
确定单元,用于确定监控图像中的至少两个区域图像,每个区域图像对应一个检测模型;
检测单元,用于通过每个检测模型,对每个检测模型对应的区域图像进行检测,得到至少两个区域图像的检测结果;
融合单元,用于对至少两个检测结果进行融合处理,得到融合后结果;
确定单元,用于当融合后结果与预设报警结果相匹配时,确定针对预设区域的告警结果。
第三方面,本申请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存储有程序,所述程序使得计算机设备执行上述第一方面的监控告警方法。
第四方面,本申请提供了一种计算机设备,所述计算机设备包括至少一个处理器、存储器。所述存储器用于存储指令,所述处理器用于执行所述指令实现上述第一方面的监控告警方法。
可以理解地,上述第二方面提供的监控告警装置、第三方面提供的计算机可读存储介质、以及第四方面提供的计算机设备,与上述第一方面提供的方法对应,因此,其所能达到的有益效果及各种实现方式可参考上文,此处不再赘述。
附图说明
图1是本申请的监控告警方法的一系统示意图;
图2是本申请的监控告警方法的一流程示意图;
图3是本申请的监控告警方法的监控图像和区域位置信息的图示信息示意图;
图4是本申请的监控告警方法的监控图像和区域图像示意图;
图5是本申请的监控告警方法的另一流程示意图;
图6是本申请的监控告警方法的一应用场景示意图;
图7是本申请的监控告警方法的另一应用场景示意图;
图8是本申请的监控告警方法的另一应用场景示意图;
图9是本申请的监控告警装置的结构示意图;
图10是本申请的计算机设备的示意图。
具体实施方式
为了能够更清楚地理解本申请的目的、特征和优点,下面结合附图和具体实施例对本申请进行详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互结合,本申请的附图和具体实施例仅仅作为本申请一种可能的实现方式,实际执行时并不局限于附图和具体实施例所展现的内容。在下面的描述中阐述了很多具体细节以便于充分理解本申请,所述描述的实施例仅是本申请一部分实施例,而不是全部的实施例。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本申请公开了一种告警系统,告警系统可以包括计算机设备、摄像模组在内的多个设备,告警系统内一类设备的数量可以为一个或多个,设备之间可以通过有线或无线的方式进行连接,计算机设备可以包括终端、服务器在内的至少一种,终端可以包括笔记本电脑、智能手机、台式电脑、智能家电、智能可穿戴设备等等,服务器可以包括本地服务器、云服务器等,服务器可以为单个服务器,也可以为多台服务器组成的服务器集群,不同的计算机设备在需要进行信息交互时,可以通过有线或无线方式进行。
比如,参见图1,图1为告警系统的一个系统示意图,告警系统包括计算机设备1(如图1中的管理系统平台所在的电脑)、计算机设备2(如图1中安装有应用程序的智能手机)、摄像模组(如图1中的AI摄像机)和报警模组(如图1中的报警器),具体地,目标区域可以设置摄像模组,告警系统可以由摄像模组获取摄像模组在目标区域采集的监控图像,然后确定监控图像中的至少两个区域图像,一个区域图像对应一个检测模型,再通过检测模型分别对其对应的区域图像进行检测,得到每个区域图像的检测结果,最后可以根据至少两个检测结果确定目标区域的告警结果,告警系统可以根据告警结果,控制报警模组进行报警;告警系统可以控制摄像模组向计算机设备1发送告警结果,以及计算机设备1向计算机设备2发送告警结果,从而计算机设备2进行报警。下面将结合具体实施例对本申请的监控告警方法进行详细介绍。
本申请的一些实施例中,参见图2,图2为监控告警方法的一个流程示意图,监控告警方法可以由告警系统中的一个或多个模组(设备)执行,如告警系统中的摄像模组(摄像模组如AI摄像机),由图可知监控告警方法包括:
101、获取监控图像,监控图像为摄像模组在预设区域采集得到的图像。
本申请的监控告警方法可以针对某一区域,该区域可以包括任意需要进行监控告警的区域,区域可以包括教室、办公室、厨房、门禁、车间、住宅房间等等,具体的实现方式可以包括在区域内设置摄像模组,摄像模组可以设置在区域内的某一位置,通过摄像模组采集该区域内的监控图像。具体地区域可以根据实际需求灵活确定,摄像模组的设置可以结合区域的实际情况灵活处理。
其中,监控图像可以包括摄像模组在预设区域内采集到的图像,摄像模组可以进行实时图像采集,告警系统可以获取摄像模组采集到的监控图像。
此外,在一些实施例中,监控图像由其他计算机设备/摄像模组发送至告警系统,再由告警系统根据监控图像实施本申请的监控告警方法。
102、确定监控图像中的至少两个区域图像,每个区域图像对应一个检测模型。
其中,区域图像可以包括监控图像中的一部分图像或监控图像本身,比如可以从厨房的监控图像中,确定走动区域的区域图像、包含烹饪设备的区域图像等;又比如可以从车间的监控图像中,确定包含自动化设备的区域图像、包含围篱区域的区域图像等;还比如可以从门禁的监控图像中,确定门卫走动区域的区域图像,包含行人走动区域的区域图像等。
其中,检测模型可以包括常见的图像检测模型,比如,色彩识别模型,人体识别模型、服饰识别模型等等。
在本申请实施例中,一个区域图像对应一个检测模型,不同区域图像对应的检测模型可以相同或不同,区域图像与检测模型之间的对应关系可以预先存储在告警系统中。
具体地,确定监控图像中的区域图像的方式可以包括多种,在一些实施例中,可以对监控图像进行识别,确定其中包含特定元素的区域,特定元素如行人、自动化设备、走动区域、围篱区域等,并确定该包含特定元素的区域为区域图像,再根据特定元素与检测模型的对应关系,确定该区域图像对应的检测模型。
在一些实施例中,可以获取针对监控图像的区域位置信息,一个区域位置信息对应一个检测模型,再根据区域位置信息对监控图像进行裁剪,得到至少两个区域图像,区域图像进行裁剪所依据的区域位置信息对应的检测模型,即为区域图像对应的检测模型。
其中,区域位置信息可以包括监控图像中特定区域的位置信息,监控图像可以为一个尺寸固定的图像,区域位置信息可以表征监控图像中确定大小和位置的一个区域,比如,区域位置信息可以表征监控图像中左上角一个区域,然后可以根据区域位置信息对监控图像进行裁剪,比如,可以根据区域位置信息,裁剪监控图像左上角的一个区域,得到一个区域图像。
摄像模组可以固定的设置在某个位置,采集到固定区域的监控图像,因此监控图像内各个区域所包含的元素是固定的,比如监控图像中自动化设备可以固定显示在左边区域,禁止行走区域可以固定显示在上半边区域,因此可以设置包括特定区域的位置信息的区域位置信息,通过区域位置信息对监控图像进行裁剪,可以得到包括至少一个特定元素的区域图像。
一个区域位置信息对应一个检测模型,该检测模型可以对通过该区域位置信息裁剪得到的区域图像进行检测。比如,参见图3,图3中包括在监控图像以及监控图像中区域位置信息的图示信息,监控图像的图示信息为图像1,监控图像包括区域位置信息1、区域位置信息2和区域位置信息3,区域位置信息1的图示信息为区域1,区域位置信息2的图示信息为区域2,区域位置信息3的图示信息为区域3。
比如,参见图4,图4中包括摄像模组采集到的监控图像1,根据区域位置信息1、区域位置信息2和区域位置信息3,可以分别对监控图像1进行裁剪,得到区域图像1、区域图像2和区域图像3。
103、通过每个检测模型,对每个检测模型对应的区域图像进行检测,确定至少两个区域图像的检测结果。
通过检测模型对其对应的区域图像进行检测,得到该区域图像的检测结果。不同的检测模型的检测目的不同,得到的检测结果也不尽相同,比如,检测结果可以表示自动化设备是否正常运行,又比如,检测结果可以表示走动区域内的人数,还比如,检测结果可以表示门禁区域内是否有身穿制服的人,等等。
检测结果在形式上可以包括数字、符号、字母、文字等中的至少一种,检测结果可以表征区域图像内元素的状态,比如,检测结果可以为1时可以表示自动化设备运行中,检测结果为0时可以表示自动化设备异常。
在一些实施例中,为了更加高效快速地得到每个区域图像的检测结果,可以在告警系统中为每个检测模型设置一个计算机芯片,计算机芯片如图像处理器等具有运算功能的芯片,计算机芯片可以设置在摄像模组内,也可以设置在计算机设备内,等等,则在进行检测时,可以在每个计算机芯片内,通过一个检测模型对一个区域图像进行检测,得到每个区域图像的检测结果。
104、对至少两个检测结果进行融合处理,得到融合后结果。
105、当融合后结果与预设报警结果相匹配时,确定针对预设区域的告警结果。
其中,告警结果可以表征预设区域当前需要告警,根据至少两个检测结果确定针对区域的告警信息的方式可以有多种,在一些实施例中,可以对所有检测结果进行融合处理,融合的方式可以包括合并(如拼接)、使用公式运算等,比如,可以将每个检测结果拼接成为一个字符串,当字符串与预设报警结果(预设报警信息)相匹配时,则确定针对预设区域的告警结果。在本申请实施例中,匹配可以视实际情况灵活变化,如匹配可以为相等、相似度处于预设范围内等等。
在一些实施例中,可以使用预先确定的公式对所有检测结果进行运算,预先确定的公式可以包括与、或、非、加、减、大于、小于、等于、求幂、求对数、求最大值/最小值/平均值、求和等运算方式中的一种或多种混合得到。得到运算结果后可以与预设报警结果进行匹配,进而确定针对区域的告警结果。
当融合得到的数据(如字符串、运算结果)与预设报警结果不匹配时,可以确定该区域无需告警。
检测模型可以针对区域图像包含的特定对象,而确定整个区域是否需要告警是一个较为复杂的事件,比如在车间内设备运行期间围篱区域内不能有人,若设备运行且围篱区域有人则需要进行报警,针对该应用场景训练检测模型需要经历样本数据采集、模型训练、模型测试等过程,耗时长且较为复杂,而本申请可以使用已有检测模型对车间内设备的运行状态和围篱区域内是否有人进行分别检测,已知设备运行状态亮绿灯,非运行状态亮红灯,则可以通过检测颜色的检测模型确定设备的运行状态,绿色输出1,红色输出0;另外通过人体检测模型确定围篱区域是否有人,有人输出1,无人输出0。然后可以对两个检测模型输出的两个检测结果进行求和运算,若和值为2,则确定需要报警。
本申请可以在不同的应用场景中,应用已有的检测模型进行分别检测,再对检测结果进行融合处理确定是否需要针对区域进行告警,相比于需要重新训练一个新的模型,本申请可以利用已有检测模型,并通过融合多个检测结果的方式,高效快速地得到告警结果。
在得到告警结果后,可以在区域内进行报警,区域内可以设置报警模组,告警系统可以由告警结果,控制报警模组在区域内进行报警,报警模组如报警器等。
告警系统还可以将告警结果向其他计算机设备发送,比如向智能手机发送,从而提示相关人员尽快注意到该区域内的情况。
本申请的告警系统可以通过摄像模组、计算机设备、服务器中的至少一个实现监控告警方法,具体实现时可以通过程序代码、或集成了程序代码的告警应用程序等来实现,如安装在计算机设备上的管理平台或APP等。
在一些实施例中,可以通过服务器实现本申请部分或全部的监控告警方法,服务器可以为告警系统的一部分,也可以为告警系统外独立的服务器,可以通过服务器对监控图像进行裁剪,确定至少两个区域图像,通过服务器使用检测模型对区域图像分别检测,得到每个区域图像的检测结果,可以由服务器对多个检测结果进行融合处理,根据融合后结果确定针对预设区域的告警结果。
本申请的检测模型还可以根据在应用过程中得到的检测结果进行模型更新,得到更新后检测模型,通过更新后检测模型可以提升检测结果的准确率,进而提升本申请的监控告警方法的准确率。
当服务器为告警系统的一部分时,可以由摄像模组将监控图像发送到服务器,服务器在得到告警结果后,再将告警结果发送到摄像模组;当服务器为告警系统外独立的服务器时,可以由告警系统将监控图像/区域图像发送到服务器,服务器确定告警结果后再回传到告警系统。
本申请可以针对不同的应用场景,通过已有的检测(识别)模型分别对不同应用场景的监控图像进行检测(识别),根据得到的多个检测结果确定该应用场景下是否需要报警,相比于需要针对不同应用场景重新进行模型构建和训练,本申请更加快速高效,且灵活性更强。
下面将结合具体实施例对本申请的监控告警方法进行进一步介绍。
参见图5,图5为监控告警方法的一个流程图,在本实施例中监控告警方法可以通过AI摄像机执行,该监控告警方法包括:
201、AI摄像机采集目标区域内的监控图像。
202、AI摄像机根据至少两个区域位置信息,分别对监控图像进行裁剪,得到至少两个区域图像,每个区域图像对应一个检测模型。
203、AI摄像机使用不同的检测模型分别对其对应的区域图像进行检测,得到至少两个检测结果。
204、AI摄像机对至少两个检测结果进行逻辑运算,得到运算结果。
205、AI摄像机对与运算结果与预设告警数据进行比较,确定针对目标区域的告警结果。
本申请可以在预设区域内设置AI摄像机,AI摄像机可以实施本申请的监控告警方法从而实现智能报警,还可以对预设区域进行视频监控,通过AI摄像机可以实现多个功能,从而显著降低预设区域的建设和维护成本。此外,相比于使用传感器进行监控报警,本申请的AI摄像机可以更加智能且可以更加广泛地应用于一些无法应用传感器的恶劣环境(如高温、高湿等)所在区域。
具体地,当运算结果与预设告警数据匹配,则确定针对目标区域的告警结果;当运算结果与预设告警数据不匹配,则确定目标区域无需告警。
比如,参见图6,AI摄像机可以安装在设备间,出于安全考虑设备间中设备运行期间不能有人,设备通过围篱单独隔开而形成设备间,则AI摄像机可以根据采集到的设备间的图像,确定包括设备的设备区域图像和包括围篱区域的围篱区域图像,AI摄像机可以使用红绿灯颜色识别模型对设备区域图像进行识别,使用人体检测模型对围篱区域图像进行检测,分别得到设备的运行状态(如输出为0代表红色,红色表示设备为非运行状态、输出为1代表绿色,绿色表示设备为运行状态)和行人信息(如输出为1代表有人,输出为0代表无人)。
如在对设备间的监控图像1进行检测时,红绿灯识别模型输出1,人体检测模型输出1,对两个模型的检测结果做求和运算,当求和运算的结果为2时,则代表设备运行期间围篱区域内有人,此时AI摄像机可以向其连接的报警器发出指令,报警器进行报警,AI摄像机还可以通过网络传输系统向管理系统平台和手机发送告警结果。
又比如,参见图7,AI摄像机可以安装在餐厅后厨,出于安全考虑餐厅后厨间中后厨作业期间需要有人值守,则AI摄像机可以根据采集到的餐厅后厨间的图像,确定包括后厨作业区域的作业区域图像和包括行走区域的行走区域图像,AI摄像机可以使用红绿灯颜色识别模型对作业区域图像进行识别,使用人体检测模型对行走区域图像进行检测,分别得到设备的运行状态(如输出为0代表红色,红色表示非后厨作业状态、输出为1代表绿色,绿色表示后厨作业状态)和行人信息(如输出为1代表有人,输出为0代表无人)。
如在对餐厅后厨间的监控图像2进行检测时,红绿灯识别模型输出1,人体检测模型输出0,将红绿灯识别模型和人体检测模型的检测结果前后连接起来,当连接得到10时,则代表后厨作业期间没有人值守,此时AI摄像机可以向其连接的报警器发出指令,报警器进行报警,AI摄像机还可以通过网络传输系统向管理系统平台和手机发送告警结果。
又比如,参见图8,AI摄像机可以安装在门禁间,门禁间在有人进出时需要有门卫值守,AI摄像机采集门禁间的监控图像,将监控图像发送到告警系统内的计算机设备上,由计算机设备确定包括门卫行走区域的门卫区域图像和包括行人行走区域的行人区域图像,AI摄像机可以使用模型A检测门卫区域图像中是否有门卫服装,以确定门卫区域图像中是否有门卫,模型A输出0表示没有检测到门卫服装,输出1表示检测到门卫服装;使用人体检测模型对行人区域图像进行检测,以确定行人区域图像中是否有人,人体检测模型可以输出行人区域图像中的人数(如0、1、2等)。
如在对门禁间的监控图像3进行检测时,模型A输出0,人体检测模型输出2,比较模型A的输出结果0与人体检测模型输出结果的大小,则前者小于后者时,代表有人进出但门卫不在,此时告警系统中的计算机设备可以向其连接的报警器以及AI摄像机发出指令,报警器进行报警,AI摄像机进行报警,告警系统还可以向手机以及管理平台发送告警结果。
本申请实施例还提供了一种监控告警装置,参见图9,监控告警装置可以包括:获取单元301、确定单元302、检测单元303、和结果单元304,其中,
获取单元301,用于获取监控图像,监控图像为摄像模组在预设区域采集得到的图像;
确定单元302,用于确定监控图像中的至少两个区域图像,每个区域图像对应一个检测模型;
检测单元303,用于通过每个检测模型,对每个区域图像进行检测,得到每个区域图像的检测结果;
融合单元304,用于对至少两个检测结果进行融合处理,得到融合后结果;
确定单元305,用于当融合后结果与预设报警结果相匹配时,确定针对预设区域的告警结果。在本申请的一些实施例中,确定单元302具体用于:
获取针对监控图像的至少两个区域位置信息,每个区域位置信息对应一个检测模型;根据每个区域位置信息,对监控图像进行裁剪,得到至少两个区域图像,每个区域图像对应一个检测模型。
在本申请的一些实施例中,监控告警装置还包括:
报警单元,用于根据告警结果,控制报警模组在预设区域内进行报警。
在本申请的一些实施例中,一个检测模型对应一个计算机芯片,计算机芯片设置在告警系统内,检测单元303具体用于:
在每个检测模型对应的计算机芯片内,分别通过每个检测模型对每个区域图像进行检测,得到每个区域图像的检测结果。
在本申请的一些实施例中,确定单元302具体用于:
向服务器发送监控图像,以通过服务器确定监控图像中的至少两个区域图像,每个区域图像对应一个检测模型;
检测单元303具体用于:
通过服务器根据每个检测模型对个区域图像进行检测,得到每个区域图像的检测结果;
融合单元304具体用于:通过服务器对至少两个检测结果进行融合处理,得到融合后结果;
结果单元305具体用于:
当融合后结果与预设报警结果相匹配时,通过服务器确定针对预设区域的告警结果;接收服务器返回的针对预设区域的告警结果。
在本申请的一些实施例中,摄像模组包括AI摄像机,至少两个检测模型包括第一检测模型和第二检测模型,第一检测模型对应第一区域图像,第二检测模型对应第二区域图像,检测单元303具体用于:
控制AI摄像机通过第一检测模型对第一区域图像进行检测,得到第一区域图像的第一检测数值;控制AI摄像机通过第二检测模型对第二区域图像进行检测,得到第二区域图像的第二检测数值;
融合单元304具体用于:控制AI摄像机对第一检测数值和第二检测数值进行逻辑计算,得到逻辑计算结果;
结果单元305具体用于:控制AI摄像机当逻辑计算结果与预设报警结果相匹配时,确定针对预设区域的告警结果。
在一些实施例中,监控告警装置还可以包括:
更新单元,用于通过检测模型对应的多个检测结果,对检测模型进行更新,得到更新后检测模型。
本申请可以针对不同的应用场景,通过已有的检测(识别)模型分别对不同应用场景的监控图像进行检测(识别),根据得到的多个检测结果确定该应用场景下是够需要报警,相比于需要针对不同应用场景重新进行模型构建和训练,本申请更加快速高效,且灵活性更强。
参考图10,为本申请提供的计算机设备100的硬件结构示意图。如图10所示,计算机设备100可以包括屏幕1001、处理器1002、存储器1003及通信总线1004。存储器1003用于存储一个或多个计算机程序1005。一个或多个计算机程序1005被配置为被该处理器1002执行。该一个或多个计算机程序1005包括指令,上述指令可以用于实现在计算机设备100中执行监控告警方法的全部或部分步骤。
可以理解的是,本实施例示意的结构并不构成对计算机设备100的具体限定。在另一些实施例中,计算机设备100可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。例如,计算机设备100还可以包括摄像头。
处理器1002与可以包括一个或多个处理单元,例如:处理器1002可以包括应用处理器(application processor,AP),调制解调器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
处理器1002还可以设置有存储器,用于存储指令和数据。在一些实施例中,处理器1002中的存储器为高速缓冲存储器。该存储器可以保存处理器1002刚用过或循环使用的指令或数据。如果处理器1002需要再次使用该指令或数据,可从该存储器中直接调用。避免了重复存取,减少了处理器1002的等待时间,因而提高了系统的效率。
在一些实施例中,处理器1002可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,SIM接口,和/或USB接口等。
在一些实施例中,存储器1003可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本实施例还提供一种计算机存储介质,该计算机存储介质中存储有计算机指令,当该计算机指令在计算机设备上运行时,使得计算机设备执行上述相关方法步骤实现上述实施例中的监控告警方法。
另外,本申请的实施例还提供一种装置,这个装置具体可以是芯片,组件或模块,该装置可包括相连的处理器和存储器;其中,存储器用于存储计算机执行指令,当装置运行时,处理器可执行存储器存储的计算机执行指令,以使芯片执行上述各方法实施例中的监控告警方法。
其中,本实施例提供的计算机设备、计算机存储介质、或芯片均用于执行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上文所提供的对应的方法中的有益效果,此处不再赘述。
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例是示意性的,例如,该模块或单元的划分,为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
该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一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种监控告警方法,应用于告警系统,所述告警系统包括摄像模组,所述方法包括:
获取监控图像,所述监控图像为所述摄像模组在预设区域采集得到的图像;
确定所述监控图像中的至少两个区域图像,每个所述区域图像对应一个检测模型;
通过每个所述检测模型,对每个所述检测模型对应的区域图像进行检测,确定至少两个所述区域图像的检测结果;
对至少两个所述检测结果进行融合处理,得到融合后结果;
当所述融合后结果与预设报警结果相匹配时,确定针对所述预设区域的告警结果。
2.根据权利要求1所述的监控告警方法,其特征在于,所述确定所述监控图像中的至少两个区域图像,包括:
获取针对所述监控图像的至少两个区域位置信息,每个所述区域位置信息对应一个检测模型;
根据每个所述区域位置信息,对所述监控图像进行裁剪,得到至少两个区域图像,每个所述区域图像对应一个检测模型。
3.根据权利要求2所述的监控告警方法,其特征在于,所述告警系统包括报警模组,所述方法还包括:
根据所述告警结果,控制所述报警模组在所述预设区域内进行报警。
4.根据权利要求1所述的监控告警方法,其特征在于,一个检测模型对应一个计算机芯片,所述计算机芯片设置在所述告警系统内,
所述通过每个所述检测模型,对每个所述检测模型对应的区域图像进行检测,得到至少两个所述区域图像的检测结果,包括:
在每个所述检测模型对应的计算机芯片内,分别通过每个所述检测模型,对每个所述检测模型对应的区域图像进行检测,确定至少两个所述区域图像的检测结果。
5.根据权利要求1所述的监控告警方法,其特征在于,所述确定所述监控图像中的至少两个区域图像,每个所述区域图像对应一个检测模型,包括:
向服务器发送所述监控图像,以通过所述服务器确定所述监控图像中的至少两个区域图像,每个所述区域图像对应一个检测模型;
所述通过每个所述检测模型,对每个所述检测模型对应的区域图像进行检测,确定至少两个所述区域图像的检测结果,包括:
通过所述服务器根据每个所述检测模型,对每个所述检测模型对应的区域图像进行检测,确定至少两个所述区域图像的检测结果;
所述对至少两个所述检测结果进行融合处理,得到融合后结果,包括:
通过所述服务器对至少两个所述检测结果进行融合处理,得到融合后结果;
所述当所述融合后结果与预设报警结果相匹配时,确定针对所述预设区域的告警结果,包括:
当所述融合后结果与预设报警结果相匹配时,通过所述服务器确定针对所述预设区域的告警结果;
接收所述服务器返回的针对所述预设区域的告警结果。
6.根据权利要求1所述的监控告警方法,其特征在于,所述摄像模组包括AI摄像机,所述至少两个检测模型包括第一检测模型和第二检测模型,所述第一检测模型对应第一区域图像,所述第二检测模型对应第二区域图像,
所述通过每个所述检测模型,对每个所述检测模型对应的区域图像进行检测,确定至少两个所述区域图像的检测结果,包括:
控制所述AI摄像机通过所述第一检测模型对所述第一区域图像进行检测,得到所述第一区域图像的第一检测数值;
控制所述AI摄像机通过所述第二检测模型对所述第二区域图像进行检测,得到所述第二区域图像的第二检测数值;
所述对至少两个所述检测结果进行融合处理,得到融合后结果,包括:
控制所述AI摄像机对所述第一检测数值和所述第二检测数值进行逻辑计算,得到逻辑计算结果;
所述当所述融合后结果与预设报警结果相匹配时,确定针对所述预设区域的告警结果,包括:
控制所述AI摄像机当所述逻辑计算结果与预设报警结果相匹配时,确定针对所述预设区域的告警结果。
7.根据权利要求1所述的监控告警方法,其特征在于,所述方法还包括:
通过检测模型对应的多个检测结果,对所述检测模型进行更新,得到更新后检测模型。
8.一种监控告警装置,应用于告警系统,所述告警系统包括摄像模组,所述监控告警装置包括:
获取单元,用于获取监控图像,所述监控图像为所述摄像模组在预设区域采集得到的图像;
确定单元,用于确定所述监控图像中的至少两个区域图像,每个所述区域图像对应一个检测模型;
检测单元,用于通过每个所述检测模型,对每个所述检测模型对应的区域图像进行检测,得到至少两个所述区域图像的检测结果;
融合单元,用于对至少两个所述检测结果进行融合处理,得到融合后结果;
确定单元,用于当所述融合后结果与预设报警结果相匹配时,确定针对所述预设区域的告警结果。
9.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当被计算机执行时使所述计算机执行权利要求1-7中任一项所述的监控告警方法。
10.一种计算机设备,其特征在于,包括:处理器以及存储器;其中,所述存储器用于存储一个或多个程序,所述一个或多个程序包括计算机执行指令,当所述计算机设备运行时,处理器执行所述存储器存储的所述计算机执行指令,以使所述计算机设备执行权利要求1-7中任一项所述的监控告警方法。
CN202111335395.7A 2021-11-11 2021-11-11 监控告警方法、装置、存储介质及计算机设备 Pending CN114155483A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111335395.7A CN114155483A (zh) 2021-11-11 2021-11-11 监控告警方法、装置、存储介质及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111335395.7A CN114155483A (zh) 2021-11-11 2021-11-11 监控告警方法、装置、存储介质及计算机设备

Publications (1)

Publication Number Publication Date
CN114155483A true CN114155483A (zh) 2022-03-08

Family

ID=80460004

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111335395.7A Pending CN114155483A (zh) 2021-11-11 2021-11-11 监控告警方法、装置、存储介质及计算机设备

Country Status (1)

Country Link
CN (1) CN114155483A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115270275A (zh) * 2022-08-17 2022-11-01 佛山市南海区微高软件有限公司 一种窗户尺寸输入提醒方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017016283A1 (zh) * 2015-07-30 2017-02-02 中兴通讯股份有限公司 视频监控方法、装置及系统
CN111985304A (zh) * 2020-07-03 2020-11-24 深圳英飞拓智能技术有限公司 巡防告警方法、系统、终端设备及存储介质
CN112487908A (zh) * 2020-11-23 2021-03-12 东南大学 基于车载视频的前方车辆压线行为检测和动态追踪方法
CN112560986A (zh) * 2020-12-25 2021-03-26 上海商汤智能科技有限公司 图像检测方法及装置、电子设备和存储介质
US20210097682A1 (en) * 2019-09-30 2021-04-01 Case Western Reserve University Disease characterization and response estimation through spatially-invoked radiomics and deep learning fusion
US20210319211A1 (en) * 2017-01-23 2021-10-14 Hangzhou Hikvision Digital Technology Co., Ltd. Method and device for sending alarm message

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017016283A1 (zh) * 2015-07-30 2017-02-02 中兴通讯股份有限公司 视频监控方法、装置及系统
US20210319211A1 (en) * 2017-01-23 2021-10-14 Hangzhou Hikvision Digital Technology Co., Ltd. Method and device for sending alarm message
US20210097682A1 (en) * 2019-09-30 2021-04-01 Case Western Reserve University Disease characterization and response estimation through spatially-invoked radiomics and deep learning fusion
CN111985304A (zh) * 2020-07-03 2020-11-24 深圳英飞拓智能技术有限公司 巡防告警方法、系统、终端设备及存储介质
CN112487908A (zh) * 2020-11-23 2021-03-12 东南大学 基于车载视频的前方车辆压线行为检测和动态追踪方法
CN112560986A (zh) * 2020-12-25 2021-03-26 上海商汤智能科技有限公司 图像检测方法及装置、电子设备和存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115270275A (zh) * 2022-08-17 2022-11-01 佛山市南海区微高软件有限公司 一种窗户尺寸输入提醒方法、装置、电子设备及存储介质
CN115270275B (zh) * 2022-08-17 2023-11-24 佛山市南海区微高软件有限公司 一种窗户尺寸输入提醒方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN109166261B (zh) 基于图像识别的图像处理方法、装置、设备及存储介质
CN109068099B (zh) 基于视频监控的虚拟电子围栏监控方法及系统
WO2022105243A1 (zh) 事件检测方法、装置、电子设备及存储介质
CN111814646B (zh) 基于ai视觉的监控方法、装置、设备及介质
CN109657564A (zh) 一种人员在岗检测方法、装置、存储介质及终端设备
CN109887234B (zh) 一种防儿童走失方法、装置、电子设备及存储介质
CN111047824B (zh) 一种室内儿童看护联动控制预警方法及系统
CN107920223B (zh) 一种对象行为检测方法及装置
CN113034826A (zh) 基于视频的异常事件告警方法及其系统、设备、存储介质
CN109544870A (zh) 用于智能监控系统的报警判断方法与智能监控系统
CN112017323A (zh) 一种巡检报警方法、装置、可读存储介质及终端设备
CN111368619A (zh) 可疑人员的检测方法、装置及设备
CN110674753A (zh) 偷盗行为预警方法、终端设备及存储介质
CN114187561A (zh) 异常行为的识别方法、装置、终端设备及存储介质
CN114155483A (zh) 监控告警方法、装置、存储介质及计算机设备
CN209433517U (zh) 一种基于多火焰图像与组合判据的火灾识别报警装置
CN108876824B (zh) 目标跟踪方法、装置、系统及球机
CN113887310A (zh) 工人规范着装识别方法、系统及介质
CN105095891A (zh) 一种人脸捕捉的方法,装置及系统
CN113627321A (zh) 基于人工智能的图像识别方法、装置及计算机设备
CN112312084A (zh) 一种智能影像监控系统
JP2012212238A (ja) 物品検出装置および静止人物検出装置
CN116682162A (zh) 一种基于实时视频流的机器人人员检测算法
CN115457471A (zh) 一种智慧园区监控方法及系统
CN115410112A (zh) 电梯异常停留识别方法、装置及存储介质

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