CN115019246A - 违规物品及异常行为的监测方法、装置、设备及系统 - Google Patents
违规物品及异常行为的监测方法、装置、设备及系统 Download PDFInfo
- Publication number
- CN115019246A CN115019246A CN202210560820.0A CN202210560820A CN115019246A CN 115019246 A CN115019246 A CN 115019246A CN 202210560820 A CN202210560820 A CN 202210560820A CN 115019246 A CN115019246 A CN 115019246A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- illegal
- scene
- monitoring information
- abnormal behavior
- 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 182
- 206010000117 Abnormal behaviour Diseases 0.000 title claims abstract description 126
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 89
- 238000012545 processing Methods 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012795 verification Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000012806 monitoring device Methods 0.000 claims description 4
- 238000010200 validation analysis Methods 0.000 claims description 4
- 238000000429 assembly Methods 0.000 claims description 3
- 230000000712 assembly Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 24
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 238000005111 flow chemistry technique Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000004438 eyesight Effects 0.000 description 5
- 210000003128 head Anatomy 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000000391 smoking effect Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000004382 visual function Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种违规物品及异常行为的监测方法、装置、设备及系统,属于异常检测技术领域,该方法、装置、设备及系统中,用户可以根据自身需求,发送应用场景自定义指令,从而在该应用场景下选择或自定义所关心的违规物品及异常行为,并支持用户设定监测时间段;通过接入用户摄像头硬件设备进行推流处理,从而获取目标场景的监控信息;通过将监控信息输入违规物品及异常行为检测模型中,判断所述监控信息中是否存在违规物品或异常行为,通过拉流处理进行实时监测。同时在本发明中,用户可以根据自身需求改变目标场景,保证场景变化及目标检测需求变化时,监测系统仍然可以满足用户对于自定义违规物品与异常行为监测的需求,无需人为蹲守,节约了人力。
Description
技术领域
本发明属于异常检测技术领域,具体涉及一种违规物品及异常行为的监测方法、装置、设备及系统。
背景技术
监控系统通常可以通过监测违规物品及异常行为,从而提醒管理者违规物品及异常行为的存在,从而针对异常情况进行警报。
相关技术中,监控系统通常采用人工固守监控室或通过检测特定物体的方式来进行特定场景下的视频监控。但是,人工固守监控室需要监控人员每时每刻耗费精力查看视频,浪费人力;而检测特定物体需要设定固有模型,当环境情况变化较大或者检测需求发生改变时,已经固有的模型就难以适应人们此时变化的要求。
因此,亟需一种新的监控系统,以解决现有技术中监控浪费人力、难以满足场景变化及目标检测需求变化时检测需求的技术问题。
发明内容
为了至少解决现有技术存在的上述问题,本发明提供了一种违规物品及异常行为的监测方法、装置、设备及系统,以解决现有技术中监控浪费人力、难以满足场景变化及目标检测需求变化时检测需求的技术问题。
本发明提供的技术方案如下:
一方面,一种违规物品及异常行为的监测方法,包括:
接收应用场景自定义指令;
根据场景自定义指令确定目标场景,以及,与所述目标场景相匹配的违规物品及异常行为检测模型;
通过推拉流处理,获取所述目标场景的监控信息;
将所述监控信息输入所述违规物品及异常行为检测模型中,判断所述监控信息中是否存在违规物品或异常行为。
可选的,所述通过推拉流处理,获取所述目标场景的监控信息,包括:
确定监控信息获取地址;
根据监控信息获取地址,通过推拉流处理,确定目标场景的监控信息。
可选的,所述确定监控信息获取地址,包括:
接收地址确定指令;
根据所述地址确定指令,确定监控信息获取地址。
可选的,所述将所述监控信息输入所述违规物品及异常行为检测模型中,判断所述监控信息中是否存在违规物品或异常行为之后,还包括:
将处理过的监控信息推流处理以便用户查看;
若所述监控信息中存在违规物品或异常行为,则触发报警信息进行报警。
可选的,所述违规物品及异常行为检测模型的构建方法,包括:
获取每个场景的数据集,所述数据集包括:训练子集、验证子集和测试子集;
根据每个场景的所述训练子集,基于神经网络算法YOLOv5,训练不同场景的初步违规物品及异常行为检测模型;
根据每个场景的所述验证子集和所述测试子集,对对应的初步违规物品及异常行为检测模型,进行验证和测试,得到每个场景的所述违规物品及异常行为检测模型。
又一方面,一种违规物品及异常行为的监测装置,包括:
接收模块,用于接收应用场景自定义指令;
确定模块,用于根据场景自定义指令确定目标场景,以及,自定义所述目标场景相匹配的违规物品及异常行为检测模型;
获取模块,用于通过推拉流处理,获取所述目标场景的监控信息;
监测模块,用于将所述监控信息输入所述违规物品及异常行为检测模型中,判断所述监控信息中是否存在违规物品或异常行为。
又一方面,一种违规物品及异常行为的监测设备,包括:处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序,所述计算机程序至少用于执行上述任一项所述的违规物品及异常行为的监测方法;
所述处理器用于调用并执行所述存储器中的所述计算机程序。
又一方面,一种违规物品及异常行为的监测系统,包括:终端及与所述终端相应用的上述所述的违规物品及异常行为的监测设备;
所述终端用于根据用户选择,发出场景确定指令,以及,接收违规物品及异常行为检测的结果。
可选的,还包括:分布在不同应用场景下的摄像组件;所述摄像组件与所述自定义的违规物品及异常行为的监测设备相映射,并能够灵活切换与重新自定义;
所述摄像组件,用于采集监控信息。
可选的于,所述终端,还用于:接收调整指令,根据所述调整指令,调整所述摄像组件的采集方向。
本发明的有益效果为:
本发明实施例提供的违规物品及异常行为的监测方法、装置、设备及系统,用户可以根据自身需求,发送需要的场景自定义指令,从而在该目标场景下选择或自定义与目标场景相匹配的违规物品及异常行为检测模型;再获取目标场景的监控信息;从而将监控信息输入违规物品及异常行为检测模型中,判断所述监控信息中是否存在违规物品或异常行为后,通过推流处理以便用户查看。本发明中,用户可以随时根据自身需求改变目标场景,保证场景变化及目标检测需求变化时,监测系统仍然可以满足用户对于自定义违规物品与异常行为监测的需求,无需人为蹲守,节约了人力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种违规物品及异常行为的监测方法的流程示意图;
图2为本发明实施例提供的一种数据集训练结果与预测曲线图;
图3为本发明实施例提供的一种基于YOLOV5的视频流处理的示意图;
图4为本发明实施例提供的一种违规物品及异常行为的监测装置的结构示意图;
图5为本发明实施例提供的一种违规物品及异常行为的监测设备的结构示意图;
图6为本发明实施例提供的一种违规物品及异常行为的监测系统的结构示意图;
图7为本发明实施例提供的一种摄像头监测应用平台的交互框架示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行详细的描述。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式,都属于本发明所保护的范围。
视觉是人类观察和认识世界的重要途径。随着计算机处理能力的不断提高,人们希望计算机能够具有人类的部分视觉功能,帮助甚至代替人眼和大脑对外界事物进行观察和感知。伴随着计算机硬件处理能力的提高和计算机视觉技术的出现,计算机视觉发展到已经可以部分代替人们所具有的这方面的能力。随着城市数字化进程的加快和国民安防意识的日益增加,中国视频监控设备市场规模不断扩大。由此产生的智能监控检测是计算机视觉领域中近几年来备受关注的一个应用领域,它是利用计算机视觉技术对视频信号进行处理、分析和理解,并对视频检测系统进行控制,使得系统可以智能化地识别图像中各种类型的物品及行为。
如果把摄像机看作人的眼睛,而智能监控系统或设备则可以看作人的大脑,智能视频监控技术就是借助计算机强大的数据处理功能,对视频画面中的海量数据进行高速分析,过滤掉无效的信息,筛选出图像中的关键信息以供使用。利用智能监控系统可以识别不同的物体,发现监控画面中的异常情况,并能够以最快和最佳的方式发出警报和提供有用信息,从而能够更加有效的协助检测人员获取准确信息和处理突发事件,并最大限度的降低误报和漏报现象。其最终目的就是要使计算机能够分析、描述和理解视频画面中的内容。
近几年中出现的人脸识别技术,以及上课人员专注度的监测都是基于智能监控系统这一技术大背景之上的。例如:采用基于TensorFlow+python的深度学习框架,进行课堂中学生人脸的实时检测和定位,并实现课堂中出现的7种表情的分类与识别;同时,利用OpenFace20面部识别模型完成对课堂中学生的头部姿态的实时检测和识别,获取学生课堂中头部仰俯角与偏转角。再结合学生课堂面部表情和头部姿态进行专注度等级划分,并分配权重,然后使用模糊综合评价的矩阵算法对课堂专注度进行分数评定,从而实现将专注度这类较为模糊的问题精确处理。
相关技术中,监控系统通常采用人工固守监控室或通过检测特定物体的方式来进行特定场景下的视频监控。但是,人工固守监控室需要监控人员每时每刻耗费精力查看视频,浪费人力;而检测特定物体需要设定固有模型,当环境情况变化较大或者检测需求发生改变时,已经固有的模型就难以适应人们此时变化的要求。
因此,亟需一种新的监控系统,以解决现有技术中监控浪费人力、难以满足场景变化及目标检测需求变化时检测需求的技术问题。
基于此,本发明实施例提供一种违规物品及异常行为的监测方法、装置、设备及系统。
实施例:
为了至少解决本发明中提出的技术问题,本发明实施例提供一种违规物品及异常行为的监测方法。
图1为本发明实施例提供的一种违规物品及异常行为的监测方法的流程示意图,参阅图1,本发明实施例提供的方法,可以包括以下步骤:
S11、接收应用场景自定义指令。
在一个的实现过程中,用户可以根据自己的需求,发出应用场景自定义指令,自定义需求的场景,例如,场景确定指令可以包括教室、实验室、工厂等。
S12、根据场景自定义指令确定目标场景,以及,与目标场景相匹配的违规物品及异常行为检测模型。
可选的,在根据应用场景自定义指令确定目标场景后,可以在该目标场景下根据需求选择与目标场景相匹配的违规物品及异常行为检测模型;也可以自定义与目标场景相匹配的违规物品及异常行为检测模型。
例如,在接收到用户发送的场景自定义指令后,根据场景自定义指令确定目标场景为考场场景、实验室场景、工厂场景等,以及,可以选择或自定义与教室场景相匹配的违规物品及异常行为检测模型,例如使用吸烟检测模型检测环境的安全性、考试时使用手机检测模型检测学生的违规情况、上课时使用抬头检测模型检测学生的专注度等;与实验室场景相匹配的违规物品及异常行为检测模型为打斗检测模型保证做实验时实验室环境的秩序稳定、无人时使用闯入检测模型保证实验室的安全、通常情况下使用火焰检测模型来避免意外情况的发生等;与工厂场景相匹配的违规物品及异常行为检测模型有无人情况下使用人员闯入检测模型保证工厂的安全,工作期间使用烟雾检测模型预防火灾的发生等。
其中,与目标场景相匹配的违规物品及异常行为检测模型可以包括多个,例如,与工厂场景相匹配的违规物品及异常行为检测模型可以包括人员打斗检测模型、物品碎裂检测模型等,本申请中不做具体限定。
S13、通过推拉流处理,获取目标场景的监控信息。
在确定到目标场景及与目标场景相匹配的违规物品及异常行为检测模型后,可以获取目标场景的监控信息,从而分辨是否存在违规物品及异常行为。
在一些实施例中,通过推拉流处理获取目标场景的监控信息,包括:确定监控信息获取地址;根据监控信息获取地址,通过推拉流处理,确定目标场景的监控信息。
例如,可以预先设定监控信息获取地址,如预先设定需要调取监控信息的摄像组件等,在确定摄像组件的IP地址后,通过推拉流处理,调取该IP地址对应的摄像组件的监控信息。用户可以根据需求,设定监测时间段,从而调取对应时间段的监控信息。
在一些实施例中,确定监控信息获取地址,包括:接收地址确定指令;设定监测时间段;据地址确定指令,确定监控信息获取地址。
例如,用户可以发送地址确定指令,确定需要获取监控信息的摄像组件的IP地址。
S14、将监控信息输入违规物品及异常行为检测模型中,判断监控信息中是否存在违规物品或异常行为。
在获取到监控信息后,将监控信息输入到确定的违规物品及异常行为检测模型中,从而检测监控信息中是否存在所自定义的违规物品或异常行为。
在一些实施例中,将监控信息输入违规物品及异常行为检测模型中,判断监控信息中是否存在违规物品或异常行为之后,还包括:将处理过的监控信息推流处理以便用户查看;若监控信息中存在违规物品或异常行为,则触发报警信息进行报警。
若检测到监控信息存在违规物品或异常行为,则发出报警信息进行报警。
在一些实施例中,违规物品及异常行为检测模型的构建方法,包括:制作每个场景的数据集,数据集包括:训练子集、验证子集和测试子集;根据每个场景的训练子集,基于神经网络算法YOLOv5,训练不同场景的初步违规物品及异常行为检测模型;根据每个场景的验证子集和测试子集,对对应的初步违规物品及异常行为检测模型,进行验证和测试,得到每个场景的违规物品及异常行为检测模型。
例如,根据不同的检测目标制作不同的数据集,其中可以包括打架、砸东西、火焰、吸烟等行为与电梯内停放的电动车、禁烟场合的香烟等物品。本申请实施例中,通过网络搜集、自行拍摄等方式自建一个包含所检测内容的数据集,其中80%用于训练,10%用于验证,10%用于测试。
图2为本发明实施例提供的一种数据集训练结果与预测曲线图,参阅图2,横坐标表示迭代次数,纵坐标表示训练效果,其具体参数如标题,从训练结果可以看出,当训练结果趋于稳定,且损失率维持在较低水平时,训练结果满足要求。
图3为本发明实施例基于YOLOv5视频流处理的示意图。
发明实例中,参阅图3,可以使用深度学习算法YOLOv5训练出检测模型。实例中,用户可以通过自定义接口设置信息,系统从用户端拉流,即拉取视频流,输入检测模型检测对关心目标进行取帧处理,标记处目标的视频流,从而将处理后的视频流推流给用户。其中检测模型,通过YOLOv5训练检测模型。
本申请中使用YOLOv5进行违规物品及异常行为检测模型的训练。YOLOv5为较为成熟的深度学习算法,其训练的模型具有较高可用性,训练和测试过程本申请不做具体赘述,请参阅现有技术。同时,用户还可以发送数据,系统接收用户提供的数据,通过提供数据集进行系统未内置的违规物品及异常行为检测模型的制作与更新。本发明实施例提供的违规物品及异常行为的监测方法,用户可以根据自身需求,发送需要的场景自定义指令,从而在该目标场景选择或自定义与目标场景相匹配的违规物品及异常行为检测模型;再获取目标场景的监控信息;从而将监控信息输入违规物品及异常行为检测模型中,判断监控信息中是否存在违规物品或异常行为。本发明中,用户可以随时根据自身需求改变目标场景,保证场景变化及目标检测需求变化时,监测系统仍然可以满足用户对于自定义违规物品与异常行为监测的需求,无需人为蹲守,节约了人力。
基于一个总的发明构思,本发明实施例还提供一种违规物品及异常行为的监测装置。
图4为本发明实施例提供的一种违规物品及异常行为的监测装置的结构示意图,参阅图4,本发明实施例提供的装置,可以包括以下结构:
接收模块41,用于接收应用场景自定义指令;
确定模块42,用于根据场景自定义指令确定目标场景,以及,与目标场景相匹配的违规物品及异常行为检测模型;
获取模块43,用于通过推拉流处理,获取目标场景的监控信息;
监测模块44,用于将监控信息输入违规物品及异常行为检测模型中,判断监控信息中是否存在违规物品或异常行为。
可选的,获取模块43,具体用于确定监控信息获取地址;根据监控信息获取地址,通过推拉流处理,确定目标场景的监控信息。
可选的,获取模块43,具体用于接收地址确定指令;根据地址确定指令,确定监控信息获取地址。
可选的,监测模块44,还用于将处理过的监控信息推流处理以便用户查看;若监控信息中存在违规物品或异常行为,则触发报警信息进行报警。
可选的,还包括构建模块,用于获取每个场景的数据集,数据集包括:训练子集、验证子集和测试子集;根据每个场景的训练子集,基于神经网络算法YOLOv5,训练不同场景的初步违规物品及异常行为检测模型;根据每个场景的验证子集和测试子集,对对应的初步违规物品及异常行为检测模型,进行验证和测试,得到每个场景的违规物品及异常行为检测模型。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本发明实施例提供的违规物品及异常行为的监测装置,用户可以根据自身需求,发送需要的场景自定义指令,从而在该目标场景及下选择或自定义与目标场景相匹配的违规物品及异常行为检测模型;再获取目标场景的监控信息;从而将监控信息输入违规物品及异常行为检测模型中,判断监控信息中是否存在违规物品或异常行为。本发明中,用户可以随时根据自身需求改变目标场景,保证场景变化及目标检测需求变化时,监测系统仍然可以满足用户对于自定义违规物品与异常行为监测的需求,无需人为蹲守,节约了人力。
基于一个总的发明构思,本发明实施例还提供一种违规物品及异常行为的监测设备。
图5为本发明实施例提供的一种违规物品及异常行为的监测设备的结构示意图,参阅图5,本发明实施例提供的一种违规物品及异常行为的监测设备,包括:处理器51,以及与处理器相连接的存储器52。
存储器52用于存储计算机程序,计算机程序至少用于上述任一实施例记载的违规物品及异常行为的监测方法;
处理器51用于调用并执行存储器中的计算机程序。
基于一个总的发明构思,本发明实施例还提供一种违规物品及异常行为的监测系统。
图6为本发明实施例提供的一种违规物品及异常行为的监测系统的结构示意图,参阅图6,本发明实施例提供的系统,可以包括:终端61及与终端相连的上述实施例记载的违规物品及异常行为的监测设备62;终端用于根据用户选择,发出场景确定指令,以及,接收违规物品及异常行为检测的结果。
在一个具体的监测过程中,可以在终端上集成APP,用户通过WEB端发送场景自定义指令,监测设备根据场景自定义指令,执行上述任一实施例记载的违规物品及异常行为的监测方法,并将监测结果通过推流处理返回用户端实时查看,同时APP可以调用摄像头硬件设备,进行云台操控。监测结果为监控信息的视频流中是否存在违规物品或异常行为。
可选的,还包括:分布在不同应用场景下的摄像组件;摄像组件与违规物品及异常行为的监测设备相映射,并能够灵活切换与重新自定义;摄像组件,用于采集监控信息。
可选的,终端,还用于:接收调整指令,根据调整指令,调整摄像组件的采集方向。
本申请中,摄像组件可以为摄像头,摄像头用于采集监控信息,监控信息可以为视频信息,摄像头可以分布在不同的区域。
图7为本发明实施例提供的一种摄像头监测应用平台的交互框架示意图。
例如,本申请中,可设置摄像头监测应用平台和管理平台。其中,摄像头监测应用平台采用前后端分离开发模式,如图7所示,前端基于HTML5与VUE框架提供数据显示与用户交互,WEB前端被访问并提交表单给后端数据库;后端基于FLASK与OPENCV进行接口处理与推流设置,流媒体服务器负责推流给用户;服务器负责调用相应模型处理视频流,即,系统平台通过用户所提供的摄像头设备IP地址从而获取实时视频流文件进行取帧处理,同时多线程根据用户自定义或所选择的场景模型并发经由训练好的深度学习模型进行检测,通过对视频流h265编码处理推流回馈到前端监控页面,逐帧显示检测结果从而形成视频流,同时当系统在检测到用户所定义或选择的违规物品与异常行为时进行页面弹窗报警。
摄像头监测管理平台通过链接应用平台MYSQL数据库,支持管理员对于恶意添入平台的设备进行处理,同时基于FLASK整个系统在华为ECS弹性云平台建站,实现对于高并发用户的应急处理与响应,同时接收处理应用平台用户所提交的产品工单并进行反馈与状态设置。
本实施例中,APP端应用平台可以采用前后端一体化开发模式,前端可以基于UNIAPP的框架实现数据显示,后端依靠UNICloud进行云数据库管理。通过云函数,将前端数据与后端数据连接交互。该APP应用可通过用户所提供的摄像头设备IP地址,进行监控页面的显示。
一些实施例中,APP端可以采用UNIAPP进行开发,用户可以通过APP客户端调整摄像头的云台,改变摄像头的朝向。APP端可以具有录音功能,用户可以通过客户端来传递声音至摄像头处。APP端的辅助功能可以增加用户与摄像头之间的可交互性。
本发明实施例提供的非限制性场景下的违规物品及异常行为的监测系统,用户可以根据自身需求,发送需要的场景自定义指令,从而在该目标场景下选择或自定义与目标场景相匹配的违规物品及异常行为检测模型;再获取目标场景的监控信息;从而将监控信息输入违规物品及异常行为检测模型中,判断监控信息中是否存在违规物品或异常行为。本发明中,用户可以随时根据自身需求改变目标场景,保证场景变化及目标检测需求变化时,监测系统仍然可以满足用户对于自定义违规物品与异常行为监测的需求,无需人为蹲守,节约了人力。
本发明可以针对传统智能监测所具有的条件限制性的缺陷开发了可供用户根据特定需求场景方便地进行检测目标自定义和选择的系统,进而更好地满足人们对于监测系统的个性化需求,为人们的生活工作安全提供保障,保证场景变化及目标检测需求变化时,监测系统仍然可以满足用户对于自定义违规物品与异常行为监测的需求。
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。
可以理解的是,上述各实施例中相同或相似部分可以相互参考,在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,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。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种违规物品及异常行为的监测方法,其特征在于,包括:
接收应用场景自定义指令;
根据场景自定义指令确定目标场景,以及,与所述目标场景相匹配的违规物品及异常行为检测模型;
通过推拉流处理,获取所述目标场景的监控信息;
将所述监控信息输入所述违规物品及异常行为检测模型中,判断所述监控信息中是否存在违规物品或异常行为。
2.根据权利要求1所述的方法,其特征在于,所述通过推拉流处理,获取所述目标场景的监控信息,包括:
确定监控信息获取地址;
根据监控信息获取地址,通过推拉流处理,确定目标场景的监控信息。
3.根据权利要求2所述的方法,其特征在于,所述确定监控信息获取地址,包括:
接收地址确定指令;
根据所述地址确定指令,确定监控信息获取地址。
4.根据权利要求1所述的方法,其特征在于,所述将所述监控信息输入所述违规物品及异常行为检测模型中,判断所述监控信息中是否存在违规物品或异常行为之后,还包括:
将处理过的监控信息推流处理以便用户查看;
若所述监控信息中存在违规物品或异常行为,则触发报警信息进行报警。
5.根据权利要求1所述的方法,其特征在于,所述违规物品及异常行为检测模型的构建方法,包括:
获取每个场景的数据集,所述数据集包括:训练子集、验证子集和测试子集;
根据每个场景的所述训练子集,基于神经网络算法YOLOv5,训练不同场景的初步违规物品及异常行为检测模型;
根据每个场景的所述验证子集和所述测试子集,对对应的初步违规物品及异常行为检测模型,进行验证和测试,得到每个场景的所述违规物品及异常行为检测模型。
6.一种违规物品及异常行为的监测装置,其特征在于,包括:
接收模块,用于接收应用场景自定义指令;
确定模块,用于根据场景自定义指令确定目标场景,以及,与所述目标场景相匹配的违规物品及异常行为检测模型;
获取模块,用于通过推拉流处理,获取所述目标场景的监控信息;
监测模块,用于将所述监控信息输入所述违规物品及异常行为检测模型中,判断所述监控信息中是否存在违规物品或异常行为。
7.一种违规物品及异常行为的监测设备,其特征在于,包括:处理器,以及与所述处理器相连接的存储器;
所述存储器用于存储计算机程序,所述计算机程序至少用于执行权利要求1~5任一项所述的违规物品及异常行为的监测方法;
所述处理器用于调用并执行所述存储器中的所述计算机程序。
8.一种违规物品及异常行为的监测系统,其特征在于,包括:终端及与所述终端相连的权利要求7所述的违规物品及异常行为的监测设备;
所述终端用于根据用户选择,发出场景确定指令,以及,接收违规物品及异常行为检测的结果。
9.根据权利要求8所述的系统,其特征在于,还包括:分布在不同应用场景下的摄像组件;所述摄像组件与所述自定义的违规物品及异常行为的监测设备相映射,并能够灵活切换与重新自定义;
所述摄像组件,用于采集监控信息。
10.根据权利要求9所述的系统,其特征在于,所述终端,还用于:接收调整指令,根据所述调整指令,调整所述摄像组件的采集方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210560820.0A CN115019246A (zh) | 2022-05-23 | 2022-05-23 | 违规物品及异常行为的监测方法、装置、设备及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210560820.0A CN115019246A (zh) | 2022-05-23 | 2022-05-23 | 违规物品及异常行为的监测方法、装置、设备及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115019246A true CN115019246A (zh) | 2022-09-06 |
Family
ID=83068954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210560820.0A Pending CN115019246A (zh) | 2022-05-23 | 2022-05-23 | 违规物品及异常行为的监测方法、装置、设备及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115019246A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110223474A (zh) * | 2019-07-04 | 2019-09-10 | 无锡睿勤科技有限公司 | 一种智能监控报警方法、系统及储存介质 |
CN111080637A (zh) * | 2019-12-25 | 2020-04-28 | 深圳力维智联技术有限公司 | 基于云服务的广告远程方法、装置、系统、产品及介质 |
CN113052029A (zh) * | 2021-03-12 | 2021-06-29 | 天天惠民(北京)智能物流科技有限公司 | 基于动作识别的异常行为监管方法、装置及存储介质 |
CN113343767A (zh) * | 2021-05-11 | 2021-09-03 | 上海东普信息科技有限公司 | 物流违规操作的识别方法、装置、设备和存储介质 |
CN113870304A (zh) * | 2021-12-07 | 2021-12-31 | 江西中业智能科技有限公司 | 异常行为检测与跟踪方法、装置、可读存储介质及设备 |
-
2022
- 2022-05-23 CN CN202210560820.0A patent/CN115019246A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110223474A (zh) * | 2019-07-04 | 2019-09-10 | 无锡睿勤科技有限公司 | 一种智能监控报警方法、系统及储存介质 |
CN111080637A (zh) * | 2019-12-25 | 2020-04-28 | 深圳力维智联技术有限公司 | 基于云服务的广告远程方法、装置、系统、产品及介质 |
CN113052029A (zh) * | 2021-03-12 | 2021-06-29 | 天天惠民(北京)智能物流科技有限公司 | 基于动作识别的异常行为监管方法、装置及存储介质 |
CN113343767A (zh) * | 2021-05-11 | 2021-09-03 | 上海东普信息科技有限公司 | 物流违规操作的识别方法、装置、设备和存储介质 |
CN113870304A (zh) * | 2021-12-07 | 2021-12-31 | 江西中业智能科技有限公司 | 异常行为检测与跟踪方法、装置、可读存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102859565B (zh) | 用于安全系统恶意干扰检测的方法与系统 | |
JP6474107B2 (ja) | 映像監視システム、映像処理装置、映像処理方法および映像処理プログラム | |
CN110428522A (zh) | 一种智慧新城的智能安防系统 | |
WO2017084308A1 (zh) | 视频播放方法及装置 | |
CN107292223A (zh) | 一种实时手势检测的在线验证方法及系统 | |
CN109961587A (zh) | 一种自助银行监控系统 | |
KR20220149508A (ko) | 이벤트 검출 방법, 장치, 전자 기기 및 판독 가능 기록 매체 | |
CN111726648A (zh) | 图像数据检测的方法、装置、设备及计算机可读存储介质 | |
CN112215700A (zh) | 信贷面审的审核方法及装置 | |
CN106710490A (zh) | 一种橱窗系统及其实施方法 | |
US20230206093A1 (en) | Music recommendation method and apparatus | |
CN114973065B (zh) | 一种基于视频智能分析的物品搬移、遗留检测方法及系统 | |
CN115861915A (zh) | 消防通道监控方法、消防通道监控装置以及存储介质 | |
CN111191498A (zh) | 行为识别方法和相关产品 | |
CN115019246A (zh) | 违规物品及异常行为的监测方法、装置、设备及系统 | |
KR20150029324A (ko) | 감시카메라 영상을 이용한 실시간 결제 이벤트 요약 시스템 및 그 방법 | |
CN112153324A (zh) | 一种监控视频显示方法、装置及系统 | |
CN115116136A (zh) | 一种异常行为检测方法、装置、介质 | |
CN115457462A (zh) | 结合rpa和ai实现ia的防疫监督方法、装置及电子设备 | |
CN112804492B (zh) | 一种电子猫眼的通信提示方法及装置 | |
CN112580390B (zh) | 基于智能音箱的安防监控方法、装置、音箱和介质 | |
CN107993388A (zh) | 一种智能安防装置、方法及系统 | |
CN114612098A (zh) | 一种交易信息处理方法、装置和计算机可读存储介质 | |
CN105933597A (zh) | 一种终端的提示方法和终端 | |
CN112422949A (zh) | 一种摄像头视角变换的检测方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220906 |
|
RJ01 | Rejection of invention patent application after publication |