CN114173094A - 视频监控方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种视频监控方法、装置、计算机设备和存储介质。所述方法包括：获取图像采集设备拍摄的监控图像；对监控图像中的目标对象进行违规行为检测；若目标对象存在违规行为，则基于监控图像对目标对象进行身份识别，获得目标对象的身份信息；基于目标对象的身份信息输出预警信息。采用本方法能够大大提高视频监控效率。

Description

视频监控方法、装置、计算机设备和存储介质

技术领域

本申请涉及视频监控技术领域，特别是涉及一种视频监控方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着计算机技术的发展，出现了基于视频图像的监控方式，工作人员可以监测到对应区域人员的各种行为，包括正常行为(例如，行走)和异常行为(例如，翻越围栏)。

传统技术中，工作人员可以通过调取监控图像，基于人眼辨别监控图像中的人脸，对监控图像中出现的人进行判别，以便及时发出预警信息。

然而，由于视频监控的普及，在不同的区域需要配备相应数量的工作人员，此外，工作人员辨别人员面部信息总是滞后于异常行为的发生，不具有实时性。使得监控效率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高监控效率的视频监控方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种视频监控方法。所述方法包括：

获取图像采集设备拍摄的监控图像；对监控图像中的目标对象进行违规行为检测；

若目标对象存在违规行为，则基于监控图像对目标对象进行身份识别，获得目标对象的身份信息；

基于目标对象的身份信息输出预警信息。

在其中一个实施例中，对监控图像中的目标图像进行违规行为检测，包括

将监控图像输入第一模型，根据第一模型的输出确定目标对象是否存在违规行为。

在其中一个实施例中，第一模型的训练过程，包括：

根据多个历史监控图像以及每一历史监控图像对应的违规行为信息构建训练样本；

基于训练样本，以模型输出接近历史监控图像对应的违规行为信息为训练目标，对第一初始模型进行训练，获得第一模型。

在其中一个实施例中，对目标对象进行身份识别，获得目标对象的身份信息，包括：

将监控图像输入第二模型进行人脸识别，根据人脸识别的结果确定目标对象的身份信息。

在其中一个实施例中，第二模型的训练过程，包括：

根据多个历史监控图像以及每一历史监控图像对应的身份信息构建训练样本；

基于训练样本，以模型输出接近历史监控图像对应的身份信息为训练目标，对第二初始模型进行训练，获得第二模型。

在其中一个实施例中，身份信息包括目标对象的职位相关信息。

在其中一个实施例中，基于目标对象的身份信息输出预警信息，包括：

若身份信息表征目标对象为内部员工，则根据身份信息确定目标对象关联的终端设备，向终端设备发送预警信息；

若身份信息表征目标对象为外部人员，则向目标对象所处区域的预警设备发送预警信息。

在其中一个实施例中，预警信息用于提示所述目标对象停止违规行为。

第二方面，本申请还提供了一种视频监控装置，该装置包括：

获取模块，用于获取图像采集设备拍摄的监控图像；对所述监控图像中的目标对象进行违规行为检测；

识别模块，用于若所述目标对象存在违规行为，则基于所述监控图像对所述目标对象进行身份识别，获得所述目标对象的身份信息；

输出模块，用于基于所述目标对象的身份信息输出预警信息。

第三方面，本申请还提供了一种计算机设备，该计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现以下步骤：

获取图像采集设备拍摄的监控图像；对监控图像中的目标对象进行违规行为检测；

若目标对象存在违规行为，则基于监控图像对目标对象进行身份识别，获得目标对象的身份信息；

基于目标对象的身份信息输出预警信息。

第四方面，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取图像采集设备拍摄的监控图像；对监控图像中的目标对象进行违规行为检测；

若目标对象存在违规行为，则基于监控图像对目标对象进行身份识别，获得目标对象的身份信息；

基于目标对象的身份信息输出预警信息。

第五方面，本申请还提供了一种计算机程序产品，该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取图像采集设备拍摄的监控图像；对监控图像中的目标对象进行违规行为检测；

若目标对象存在违规行为，则基于监控图像对目标对象进行身份识别，获得目标对象的身份信息；

基于目标对象的身份信息输出预警信息。

上述视频监控方法、装置、计算机设备、存储介质和计算机程序产品，获取图像采集设备拍摄的监控图像；对监控图像中的目标对象进行违规行为检测；若目标对象存在违规行为，则基于监控图像对目标对象进行身份识别，获得目标对象的身份信息；基于目标对象的身份信息输出预警信息。可见，采用本申请的视频监控方法，可以将电子摄像头拍摄的监控图像输入行为检测模型，进行人员违规行为预测，判断监控图像中的人员是否存在违规行为。若存在，则再将上述监控图像输入身份信息预测模型，进行违规人员身份预测，输出违规人员的身份信息，进而判断违规人员是否为公司内部人员。若是，则向与其关联的终端发送预警信息；若否，则向违规人员所在区域的预警设备发送预警信息，用来提醒违规人员停止违规行为。替代了传统技术中，工作人员需要调取监控图像，基于人眼对监控图像中出现的人进行判别，进而确定作出违规行为的具体人员，最终向违规人员发出预警信息。这种方法不仅需要在不同的区域需要配备相应数量的工作人员，以及需要面临预警信息滞后于违规行为的风险，使得视频监控效率较低。因此，采用本申请的监控方法可以大大提高视频监控效率。

附图说明

图1为本申请实施例提供的视频监控方法的应用环境图；

图2为本申请实施例提供的视频监控方法的流程示意图；

图3为本申请实施例提供的视频监控方法的另一流程示意图；

图4为本申请实施例提供的视频监控方法的另一流程示意图；

图5为本申请实施例提供的视频监控方法的另一流程示意图；

图6为本申请实施例提供的视频监控方法的另一流程示意图；

图7为本申请实施例提供的视频监控装置的结构框图；

图8为本申请实施例提供的计算机设备内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的视频监控方法，可以应用于图1所示的应用环境中。图1为本申请实施例提供的视频监控方法的应用环境图，该应该环境包括图像采集设备10、服务器20以及终端30。图像采集设备10、服务器20以及终端30之间可以进行通信。具体地，可以通过有线或者无限方式进行通信。其中，图像采集设备10可以获取人员监控图像，并将图像传输至服务器20。服务器20，可以对监控图像进行处理，确定监控图像中的人员是否有违规行为，在人员具有违规行为的情况下，向终端30发送预警信息。

一种可能的实现方式，服务器20可以是独立的服务器或者是多个服务器组成的服务器集群。

一种可能的实现方式，终端30可以是与人员关联的手机或者智能手表，也可以是人员所在区域的广播设备，对于上述终端30，本申请实施例在此不作限制。

图2为本申请实施例提供的视频监控方法的流程示意图，其执行主体可以是如图1所示的服务器20。如图2所示，该方法包括以下步骤：

步骤201、获取图像采集设备拍摄的监控图像；对监控图像中的目标对象进行违规行为检测；

本申请实施例提供了一种视频监控方法的流程示意图，可以基于目标对象的图像预测目标对象是否存在违规行为，在目标对象存在违规行为的情况下，基于目标对象的图像预测目标对象的身份信息，最终通过终端或者预警设备提醒目标对象停止违规行为。因此，在本申请实施例中，可以首先获取目标对象的图像。示例性的，目标对象的图像可以是目标对象的监控图像。

需要说明的是，目标对象可以是公司内部人员，也可以是外部人员，还可以是进入监控区域的动物。对于上述目标对象，本申请实施例在此不作限制。

具体地，监控图像可以是利用图像采集设备10对目标对象进行监控时，图像采集设备10拍摄到的目标对象的图像。示例性的，上述监控图像可以是在图像采集设备10监控时的任意期间对目标对象进行拍摄所获得的图像，例如，采集一天中任意一个时间段的目标对象的图像，获得上述监控图像。目标对象可以是图像采集设备10监控区域出现的具有活动能力的生物。示例性的，上述目标对象可以是公司内部人员，也可以是外部人员，还可以是图像采集设备可以捕捉到的动物，例如，猫、狗、野生动物。对于上述目标对象，本申请实施例在此不作限制。违规行为可以是目标对象发出的异于正常行为的行为。示例性的，上述违规行为可以是抽烟、打架以及翻越围栏。对于上述违规行为，本申请实施例在此不作限制。

示例性的，图像采集设备10可以是监控摄像头，也可以是摄像机。图像采集设备10可以拍摄得到监控图像，服务器20可以从图像采集设备10获取该监控图像。

具体实现中，监控摄像头可以通过拍摄得到人或者动物的监控图像，服务器20可以获取上述监控图像，并对上述监控图像中人或者动物的行为进行预测，确定人或者动物是否有抽烟、打架或者翻越围栏等违规行为。

步骤202、若目标对象存在违规行为，则基于监控图像对目标对象进行身份识别，获得目标对象的身份信息；

在本申请实施例中，若监控图像中的人或者动物存在抽烟、打架或者翻越围栏等违规行为，则可以基于监控图像对上述人或者动物进行身份识别，获得对应人或者动物的身份信息。

具体地，身份信息可以是公司内部人员的姓名、性别、身份证号码以及年龄，也可以是一串用于显示外部人员和动物身份信息的编号。

具体实现中，若监控图像中的人或者动物存在抽烟、打架或者翻越围栏等违规行为，服务器20可以对上述监控图像中的人员进行身份识别，若上述人员为内部人员，则获得内部人员的姓名或者工号，例如，张三，001002。若为外部人员或者动物，则输出未知外部人员或者动物的身份信息的消息。例如，000000。

步骤203、基于目标对象的身份信息输出预警信息。

在本申请实施例中，对实施违规行为的人进行身份识别，可以识别出与违规人员对应的姓名、性别或者身份证号，同时可以向违规人员输出预警信息。

一种可能的实现方式，预警信息可以是在监控区域广播“您好，XXX，监控系统检测到您正在吸烟，该区域禁止吸烟，请您立即熄灭手中的烟头！”也可以是在区域广播“您好，外来旅客，监控系统检测到您正在翻越围栏，围栏为危险区域，请您立即停止翻越行为！”还可以是通过监控室内语音播报“有不明动物进入您所负责监控的区域，请您立即进行驱赶。”对于上述预警信息的展现形式以及展现的具体内容，本申请实施例在此不作限制。

上述获取图像采集设备拍摄的监控图像；对监控图像中的目标对象进行违规行为检测；若目标对象存在违规行为，则基于监控图像对目标对象进行身份识别，获得目标对象的身份信息；基于目标对象的身份信息输出预警信息。可见，采用本申请的视频监控方法，可以将电子摄像头拍摄的监控图像输入行为检测模型，进行人员违规行为预测，判断监控图像中的人员是否存在违规行为。若存在，则再将上述监控图像输入身份信息预测模型，进行违规人员身份预测，输出违规人员的身份信息，进而判断违规人员是否为公司内部人员。若是，则向与其关联的终端发送预警信息；若否，则向违规人员所在区域的预警设备发送预警信息，用来提醒违规人员停止违规行为。替代了传统技术中，工作人员需要调取监控图像，基于人眼对监控图像中出现的人进行判别，进而确定作出违规行为的具体人员，最终向违规人员发出预警信息。这种方法不仅需要在不同的区域需要配备相应数量的工作人员，以及需要面临预警信息滞后于违规行为的风险，使得视频监控效率较低。因此，采用本申请的监控方法可以大大提高视频监控效率。

前文所述的实施例中，介绍了可以根据目标对象的监控图像，对目标对象进行违规行为检测以及身份识别，若目标对象存在违规行为，则发出预警信息的技术方案。在本申请的另一实施例中，可以根据监控图像和第一模型，确定目标对象是否存在违规行为。例如，前文步骤201涉及的对监控图像中的目标对象进行违规行为检测包括：

将监控图像输入第一模型，根据第一模型的输出确定目标对象是否存在违规行为。

在本申请实施例中，可以基于监控图像和第一模型预测目标对象是否存在违规行为。因此，在本申请实施例中，可以将监控图像输入到第一模型中。

具体地，第一模型可以预测监控图像中的目标对象是否存在违规行为。

具体实现中，监控摄像头可以通过拍摄得到人或者动物的监控图像，服务器20可以获取并将上述监控图像输入到第一模型中。

前文所述的实施例中，介绍了可以根据监控图像和第一模型，确定目标对象是否存在违规行为的技术方案。在本申请的另一实施例中，可以根据历史监控图像以及历史监控图像对应的违规行为信息，获得第一模型。例如，前文步骤涉及的“第一模型的训练过程”的具体实现包括图3的步骤：

步骤301、根据多个历史监控图像以及每一历史监控图像对应的违规行为信息构建训练样本；

在本申请实施例中，可以基于历史监控图像以及历史监控图像对应的违规行为作为第一模型的训练样本，以模型输出接近历史监控图像对应的违规行为信息作为模型训练的目标。因此，在本申请实施例中，可以将历史监控图像以及历史监控图像对应的违规行为信息作为模型的输入。

具体地，历史监控图像可以是以往目标对象实施违规行为时，由图像采集设备10对实施违规行为的目标对象进行图像采集得到的图像。例如，上述历史监控图像可以是在一天中的任意时间段对目标对象违规行为进行采集的图像。历史监控图像对应的违规行为信息可以是目标对象进行吸烟、打架或者翻越围栏等信息。

具体实现中，服务器20可以将获取到的目标对象实施违规行为的多个历史监控图像，以及每一历史监控图像对应的具体违规行为信息(例如，吸烟、打架或者翻越围栏)作为第一模型训练样本。

步骤302、基于训练样本，以模型输出接近历史监控图像对应的违规行为信息为训练目标，对第一初始模型进行训练，获得第一模型。

在本申请实施例中，可以基于训练样本，以模型输出接近历史监控图像对应的违规行为信息作为模型训练的目标，获得第一模型。

具体地，训练目标可以让未经训练的模型学习多个历史监控图像以及每一图像对应的违规行为信息的特征，在训练过程中，以模型输出的对历史监控图像违规行为的预测结果和历史监控图像违规行为的真实结果的差距，作为模型训练优良程度的评判指标，上述预测结果与真实结果的差距越小，表明模型训练结果越优良。第一初始模型可以是未经训练的模型。例如，可以是未经训练的违规行为预测模型。第一模型可以是训练完成的模型。例如，可以是训练完成的违规行为预测模型。

具体实现中，服务器20可以让未经训练的模型(即第一初始模型)学习多个历史监控图像以及每一图像对应的违规行为信息的特征，在训练过程中，以模型输出的对历史监控图像违规行为的预测结果和历史监控图像违规行为的真实结果的差距，作为模型训练优良程度的评判指标，上述预测结果与真实结果的差距越小，表明模型训练结果越优良，训练完成后，得到第一模型。

前文所述的实施例中，介绍了可以根据历史监控图像以及历史监控图像对应的违规行为信息，获得第一模型的技术方案。在本申请的另一实施例中，可以根据监控图像和第二模型，确定目标对象的身份信息。例如，前文步骤202涉及的对目标对象进行身份识别，获得目标对象的身份信息包括：

将监控图像输入第二模型进行人脸识别，根据人脸识别的结果确定目标对象的身份信息。

在本申请实施例中，可以基于监控图像和第二模型，对监控图像中的人脸图像进行识别，确定目标对象的身份信息。

具体地，第二模型可以是训练完成的模型。例如，可以是训练完成的人脸识别预测模型。

具体实现中，服务器20可以将获取到的监控图像输入第二模型中，进行人脸识别，基于人脸识别结果确定实施违规行为的目标对象的身份信息。

前文所述的实施例中，介绍了可以根据监控图像和第二模型，确定目标对象的身份信息的技术方案。在本申请的另一实施例中，可以根据历史监控图像以及历史监控图像对应的身份信息，获得第二模型。例如，前文步骤涉及的“对第二模型的训练过程”的具体实现包括图4的步骤：

步骤401、根据多个历史监控图像以及每一历史监控图像对应的身份信息构建训练样本；

在本申请实施例中，可以基于历史监控图像以及历史监控图像对应的身份信息作为第二模型的训练样本，以模型输出接近历史监控图像对应的身份信息作为模型训练的目标。因此，在本申请实施例中，可以将历史监控图像以及历史监控图像对应的身份信息作为模型的输入。

具体地，历史监控图像可以是以往目标对象实施违规行为时，由图像采集设备10对实施违规行为的目标对象进行图像采集得到的图像。例如，上述历史监控图像可以是在一天中的任意时间段对目标对象违规行为进行采集的图像。历史监控图像对应的身份信息可以是目标对象的姓名、工号等信息。

具体实现中，具体实现中，服务器20可以将获取到的目标对象实施违规行为的多个历史监控图像，以及每一历史监控图像对应的身份信息(例如，姓名、工号等信息)作为第二模型训练样本。

步骤402、基于训练样本，以模型输出接近历史监控图像对应的身份信息为训练目标，对第二初始模型进行训练，获得第二模型。

在本申请实施例中，可以基于训练样本，以模型输出接近历史监控图像对应的身份信息作为模型训练的目标，获得第二模型。

具体地，训练目标可以让未经训练的模型学习多个历史监控图像以及每一图像对应的身份信息的特征，在训练过程中，以模型输出的对历史监控图像的身份信息的预测结果和历史监控图像身份信息的真实结果的差距，作为模型训练优良程度的评判指标，上述预测结果与真实结果的差距越小，表明模型训练结果越优良。第二初始模型可以是未经训练的模型。例如，可以是未经训练的身份信息预测模型。第二模型可以是训练完成的模型。例如，可以是训练完成的身份信息预测模型。

具体实现中，服务器20可以让未经训练的模型(即第二初始模型)学习多个历史监控图像以及每一图像对应的身份信息的特征，在训练过程中，以模型输出的对历史监控图像身份信息的预测结果和历史监控图像身份信息的真实结果的差距，作为模型训练优良程度的评判指标，上述预测结果与真实结果的差距越小，表明模型训练结果越优良，训练完成后，得到第二模型。

前文所述的实施例中，介绍了可以根据历史监控图像以及历史监控图像对应的身份信息，获得第二模型的技术方案。在本申请的另一实施例中，介绍了身份信息具体包括的内容。例如，前文步骤涉及的“身份信息”包括：

身份信息包括目标对象的职位相关信息。

具体地，目标对象的职位相关信息可以是公司内部员工的姓名、性别或者工号。

示例性的，姓名可以是AAA，性别可以是男或者女，工号可以是756123。对于上述身份信息，本申请实施例在此不作限制。

前文所述的实施例中，介绍了身份信息具体包括的内容的技术方案。在本申请的另一实施例中，可以根据身份信息向目标对象发送预警信息。例如，前文步骤涉及的“基于目标对象的身份信息输出预警信息”的具体实现包括图5的步骤：

步骤501、若身份信息表征目标对象为内部员工，则根据身份信息确定目标对象关联的终端设备，向终端设备发送预警信息；

在本申请实施例中，可以基于目标对象的身份信息，向与其关联的终端设备发送预警信息。

具体地，终端设备可以是用于显示或者播报预警信息的多媒体设备。示例性的，上述终端设备可以是与实施违规行为的目标对象身份信息关联的手机或者手表等。

具体实现中，若身份信息显示目标对象为公司内部人员，则可以向其手机或者手表发送预警信息。

步骤502、若身份信息表征目标对象为外部人员，则向目标对象所处区域的预警设备发送预警信息。

具体地，终端设备也可以是与实施违规行为的目标对象身份信息关联的监控区域的喇叭或者公告信息显示大屏。

具体实现中，若身份信息显示目标对象为外部人员，则可以向与实施违规行为的目标对象身份信息关联的监控区域的喇叭或者公告信息显示大屏，发送预警信息。

前文所述的实施例中，介绍了可以根据身份信息向目标对象发送预警信息的技术方案。在本申请的实施例中，介绍了预警信息的作用。例如，前文步骤涉及的预警信息包括：

预警信息用于提示所述目标对象停止违规行为。

在本申请实施例中，预警信息用于提醒目标对象停止违规行为。

具体地，预警信息可以是语音消息，也可以是文本消息。示例性的，语音消息可以是语音播报“某某区域存在翻越围栏行为，该行为已经违规，为了保障您的安全，请立即停止违规行为”。文本消息可以是在公告信息显示大屏上显示“某某区域存在吸烟行为，为了保障大家的安全，请工作人员及时到相关区域制止。”对于上述预警信息的展现形式和展现内容，本申请实施例在此不作限制。

图6为本申请实施例提供的视频监控方法的另一流程示意图，可以进行目标对象违规行为的预测，该方法的具体实现包括以下的步骤：

T1、开始。

T2、视频输入(即前文实施例所述的图像采集设备拍摄的监控图像)。之后执行步骤T3。

T3、预处理。之后执行步骤T4。

T4、判断是否存在目标动作(即前文实施例所述的目标对是否存在违规行为)。

若否，则执行步骤T11。若是，则执行步骤T5。

T5、目标动作视频段截取。之后执行步骤T6。

T6、特征提取。之后执行步骤T7。

T7、特征识别。之后执行步骤T8。

T8、判断是否为目标动作。

若否，则执行步骤T11。若是，则执行步骤T9。

T9、视频保存。之后执行步骤T10。

T10、发出警报(即前文所述实施例的预警信息)。

T11、结束。

应该理解的是，虽然如上所述的各实施例所涉及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，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述视频监控方法的装置，图7为本申请实施例提供的视频监控装置的结构框图，该装置包括：

获取模块701，用于获取图像采集设备拍摄的监控图像；对所述监控图像中的目标对象进行违规行为检测；

识别模块702，用于若所述目标对象存在违规行为，则基于所述监控图像对所述目标对象进行身份识别，获得所述目标对象的身份信息；

输出模块703，用于基于所述目标对象的身份信息输出预警信息。

在一个实施例中，获取模块701，用于将监控图像输入第一模型，根据第一模型的输出确定目标对象是否存在违规行为。

在一个实施例中，用于根据多个历史监控图像以及每一历史监控图像对应的违规行为信息构建训练样本；基于训练样本，以模型输出接近历史监控图像对应的违规行为信息为训练目标，对第一初始模型进行训练，获得第一模型。

在一个实施例中，识别模块702，用于将监控图像输入第二模型进行人脸识别，根据人脸识别的结果确定目标对象的身份信息。

在一个实施例中，用于根据多个历史监控图像以及每一历史监控图像对应的身份信息构建训练样本；基于训练样本，以模型输出接近历史监控图像对应的身份信息为训练目标，对第二初始模型进行训练，获得第二模型。

在一个实施例中，用于表征身份信息包括目标对象的职位相关信息。

在一个实施例中，输出模块703，用于若身份信息表征目标对象为内部员工，则根据身份信息确定目标对象关联的终端设备，向终端设备发送预警信息；若身份信息表征目标对象为外部人员，则向目标对象所处区域的预警设备发送预警信息。

在一个实施例中，用于通过预警信息提示所述目标对象停止违规行为。

上述视频监控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，图8为本申请实施例提供的计算机设备内部结构图。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种视频监控方法方法。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：

获取图像采集设备拍摄的监控图像；对监控图像中的目标对象进行违规行为检测；

若目标对象存在违规行为，则基于监控图像对目标对象进行身份识别，获得目标对象的身份信息；

基于目标对象的身份信息输出预警信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：将监控图像输入第一模型，根据第一模型的输出确定目标对象是否存在违规行为。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据多个历史监控图像以及每一历史监控图像对应的违规行为信息构建训练样本；

基于训练样本，以模型输出接近历史监控图像对应的违规行为信息为训练目标，对第一初始模型进行训练，获得第一模型。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

将监控图像输入第二模型进行人脸识别，根据人脸识别的结果确定目标对象的身份信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

根据多个历史监控图像以及每一历史监控图像对应的身份信息构建训练样本；

基于训练样本，以模型输出接近历史监控图像对应的身份信息为训练目标，对第二初始模型进行训练，获得第二模型。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

身份信息包括目标对象的职位相关信息

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

若身份信息表征目标对象为内部员工，则根据身份信息确定目标对象关联的终端设备，向终端设备发送预警信息；

若身份信息表征目标对象为外部人员，则向目标对象所处区域的预警设备发送预警信息。

在一个实施例中，处理器执行计算机程序时还实现以下步骤：

预警信息用于提示所述目标对象停止违规行为。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：

获取图像采集设备拍摄的监控图像；对监控图像中的目标对象进行违规行为检测；

若目标对象存在违规行为，则基于监控图像对目标对象进行身份识别，获得目标对象的身份信息；

基于目标对象的身份信息输出预警信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将监控图像输入第一模型，根据第一模型的输出确定目标对象是否存在违规行为。

在一个实施例中，根据多个历史监控图像以及每一历史监控图像对应的违规行为信息构建训练样本；

基于训练样本，以模型输出接近历史监控图像对应的违规行为信息为训练目标，对第一初始模型进行训练，获得第一模型。

在一个实施例中，将监控图像输入第二模型进行人脸识别，根据人脸识别的结果确定目标对象的身份信息。

在一个实施例中，根据多个历史监控图像以及每一历史监控图像对应的身份信息构建训练样本；

基于训练样本，以模型输出接近历史监控图像对应的身份信息为训练目标，对第二初始模型进行训练，获得第二模型。

在一个实施例中，身份信息包括目标对象的职位相关信息。

在一个实施例中，若身份信息表征目标对象为内部员工，则根据身份信息确定目标对象关联的终端设备，向终端设备发送预警信息；

若身份信息表征目标对象为外部人员，则向目标对象所处区域的预警设备发送预警信息。

在一个实施例中，预警信息用于提示所述目标对象停止违规行为。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

获取图像采集设备拍摄的监控图像；对监控图像中的目标对象进行违规行为检测；

若目标对象存在违规行为，则基于监控图像对目标对象进行身份识别，获得目标对象的身份信息；

基于目标对象的身份信息输出预警信息。

在一个实施例中，计算机程序被处理器执行时还实现以下步骤：将监控图像输入第一模型，根据第一模型的输出确定目标对象是否存在违规行为。

在一个实施例中，根据多个历史监控图像以及每一历史监控图像对应的违规行为信息构建训练样本；

基于训练样本，以模型输出接近历史监控图像对应的违规行为信息为训练目标，对第一初始模型进行训练，获得第一模型。

在一个实施例中，将监控图像输入第二模型进行人脸识别，根据人脸识别的结果确定目标对象的身份信息。

在一个实施例中，根据多个历史监控图像以及每一历史监控图像对应的身份信息构建训练样本；

基于训练样本，以模型输出接近历史监控图像对应的身份信息为训练目标，对第二初始模型进行训练，获得第二模型。

在一个实施例中，身份信息包括目标对象的职位相关信息。

在一个实施例中，若身份信息表征目标对象为内部员工，则根据身份信息确定目标对象关联的终端设备，向终端设备发送预警信息；

若身份信息表征目标对象为外部人员，则向目标对象所处区域的预警设备发送预警信息。

在一个实施例中，预警信息用于提示所述目标对象停止违规行为。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种视频监控方法，其特征在于，所述方法包括：

获取图像采集设备拍摄的监控图像；对所述监控图像中的目标对象进行违规行为检测；

若所述目标对象存在违规行为，则基于所述监控图像对所述目标对象进行身份识别，获得所述目标对象的身份信息；

基于所述目标对象的身份信息输出预警信息。

2.根据权利要求1所述的方法，其特征在于，所述对所述监控图像中的目标对象进行违规行为检测，包括：

将所述监控图像输入第一模型，根据所述第一模型的输出确定所述目标对象是否存在违规行为。

3.根据权利要求2所述的方法，其特征在于，所述第一模型的训练过程包括：

根据多个历史监控图像以及每一所述历史监控图像对应的违规行为信息构建训练样本；

基于所述训练样本，以模型输出接近所述历史监控图像对应的违规行为信息为训练目标，对第一初始模型进行训练，获得所述第一模型。

4.根据权利要求1所述的方法，其特征在于，所述对所述目标对象进行身份识别，获得所述目标对象的身份信息，包括：

将所述监控图像输入第二模型进行人脸识别，根据人脸识别的结果确定所述目标对象的身份信息。

5.根据权利要求4所述的方法，其特征在于，所述第二模型的训练过程包括：

根据多个历史监控图像以及每一所述历史监控图像对应的身份信息构建训练样本；

基于所述训练样本，以模型输出接近所述历史监控图像对应的身份信息为训练目标，对第二初始模型进行训练，获得所述第二模型。

6.根据权利要求4所述的方法，其特征在于，所述身份信息包括所述目标对象的职位相关信息。

7.根据权利要求1所述的方法，其特征在于，所述基于所述目标对象的身份信息输出预警信息，包括：

若所述身份信息表征所述目标对象为内部员工，则根据所述身份信息确定所述目标对象关联的终端设备，向所述终端设备发送所述预警信息；

若所述身份信息表征所述目标对象为外部人员，则向所述目标对象所处区域的预警设备发送所述预警信息。

8.根据权利要求7所述的方法，其特征在于，所述预警信息用于提示所述目标对象停止违规行为。

9.一种视频监控装置，其特征在于，所述装置包括：

获取模块，用于获取图像采集设备拍摄的监控图像；

检测模块，用于对所述监控图像中的目标对象进行违规行为检测；

识别模块，用于若所述目标对象存在违规行为，则基于所述监控图像对所述目标对象进行身份识别，获得所述目标对象的身份信息；

输出模块，用于基于所述目标对象的身份信息输出预警信息。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

12.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。

Images