CN115187929A - 一种两级异动策略的ai视觉检测方法及装置 - Google Patents
一种两级异动策略的ai视觉检测方法及装置 Download PDFInfo
- Publication number
- CN115187929A CN115187929A CN202211020074.2A CN202211020074A CN115187929A CN 115187929 A CN115187929 A CN 115187929A CN 202211020074 A CN202211020074 A CN 202211020074A CN 115187929 A CN115187929 A CN 115187929A
- Authority
- CN
- China
- Prior art keywords
- pixel
- abnormal
- video frame
- detection
- level
- 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.)
- Granted
Links
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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种两级异动策略的AI视觉检测方法及装置,其中方法包括:S1、实时获取视频监控设备对目标现场进行监控的视频帧;S2、根据已获取的视频帧,对每一个当前视频帧进行一级异动检测;所述一级异动检测采用图像处理算法;S3、根据一级异动检测结果确定目标现场当前是否发生异动,若发生异动,则执行S4;若未发生异动,则继续执行S2;S4、基于当前视频帧进行二级异动检测,若二级异动检测结果为未存在异常,则继续执行S2;若二级异动检测结果为存在异常,则进行异常告警;所述二级异动检测采用AI视觉检测算法。本方案,能够提高资源有效利用率,进而降低算力资源成本。
Description
技术领域
本发明实施例涉及计算机技术领域,特别涉及一种两级异动策略的AI视觉检测方法及装置。
背景技术
粮库等工业现场的安全巡检目前主要是基于传统的人工值守和巡检的方式。而随着AI视觉检测技术的发展,可以利用AI视觉检测技术,针对视频监控设备对现场实时监控的视频帧进行实时检测和分析,以弥补传统方式中监控滞后性等不足,达到无人值守的效果和目的。
但是,AI视觉检测技术在对视频帧进行检测分析时,需要非常大的算力资源。因此,利用AI视觉检测技术对视频帧进行实时检测,算力资源的成本较高。
发明内容
本发明实施例提供了一种两级异动策略的AI视觉检测方法及装置,能够节省算力资源。
第一方面,本发明实施例提供了一种两级异动策略的AI视觉检测方法,包括:
S1、实时获取视频监控设备对目标现场进行监控的视频帧;
S2、根据已获取的视频帧,对每一个当前视频帧进行一级异动检测;所述一级异动检测采用图像处理算法;
S3、根据一级异动检测结果确定当前所述目标现场是否发生异动,若发生异动,则执行S4;若未发生异动,则继续执行S2;
S4、基于当前视频帧进行二级异动检测,若二级异动检测结果为未存在异常,则继续执行S2;若二级异动检测结果为存在异常,则进行异常告警;所述二级异动检测采用AI视觉检测算法。
在一种可能的实现方式中,在所述对每一个当前视频帧进行一级异动检测之前,还包括:
将视频帧中的像素点划分为若干个像素组,并确定每一个像素组的初始状态;不同视频帧中的像素组均相同;
所述对每一个当前视频帧进行一级异动检测,包括:
根据每一个像素组的初始状态,确定当前视频帧中的每一个像素组是否存在初始状态发生变化的像素点,若存在,则确定发生异动。
在一种可能的实现方式中,所述将视频帧中的像素点划分为若干个像素组,包括:
基于连续的多个视频帧,若视频帧中各像素点的像素值未发生变化,则将视频帧中相同像素值的像素点划分为一个像素组;
所述确定每一个像素组的初始状态,包括:
将像素组中各像素点的像素值确定为对应像素组的初始状态。
在一种可能的实现方式中,所述将视频帧中的像素点划分为若干个像素组,包括:
基于连续的多个视频帧,若视频帧中各像素点的像素值按照对应像素值变化规律进行变化,则将视频帧中相同像素值变化规律的像素点划分为一个像素组;
所述确定每一个像素组的初始状态,包括:
将像素组中各像素点的像素值变化规律确定为对应像素组的初始状态。
在一种可能的实现方式中,所述确定当前视频帧中的每一个像素组是否存在状态变化异常的像素点,包括:
确定与该当前视频帧连续的上一个视频帧中各像素点的像素值;
根据上一个视频帧中各像素点的像素值和该当前视频帧中各像素点的像素值,确定每一个像素组中是否存在初始状态发生变化的像素点。
在一种可能的实现方式中,在S4中,若二级异动检测结果为未存在异常,则在执行S2之前,还包括:
重新划分视频帧中的像素组。
在一种可能的实现方式中,在S3中,若发生异动,则在执行S4之前,还包括:提取发生异动的像素点区域,以将提取出的发生异动的像素点区域作为二级异动检测的输入;
和/或,
所述AI视觉检测算法包括:明火检测算法、粮垛变形检测算法、吸烟检测算法、水位异常检测算法和仓门异动检测算法中的至少一种。
第二方面,本发明实施例还提供了一种两级异动策略的AI视觉检测装置,包括:
视频帧获取单元,用于实时获取视频监控设备对目标现场进行监控的视频帧;
一级异动检测单元,用于根据已获取的视频帧,对每一个当前视频帧进行一级异动检测;所述一级异动检测采用图像处理算法;
异动判定单元,用于根据一级异动检测结果确定所述目标现场当前是否发生异动,若发生异动,则触发二级异动检测单元执行相应操作;若未发生异动,则触发所述一级异动检测单元继续执行相应操作;以及若二级异动检测结果为未存在异常,则触发所述一级异动检测单元继续执行相应操作,若二级异动检测结果为存在异常,则进行异常告警;
二级异动检测单元,用于基于当前视频帧进行二级异动检测;所述二级异动检测采用AI视觉检测算法。
第三方面,本发明实施例还提供了一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本说明书任一实施例所述的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行本说明书任一实施例所述的方法。
本发明实施例提供了一种两级异动策略的AI视觉检测方法及装置,对于实时获取的视频帧暂不进行AI视觉检测,而是先采用算力资源较小的图像处理算法,对绝大部分无异动情况的视频帧进行一级异动检测,只有当一级异动检测确定目标现场发生异动时,才会触发算力资源较大的AI视觉检测算法进行二级异动检测,从而可以减少大量无效的AI视觉检测分析,提高资源有效利用率,进而降低算力资源成本。
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是本发明一实施例提供的一种两级异动策略的AI视觉检测方法流程图;
图2是本发明一实施例提供的一种电子设备的硬件架构图;
图3是本发明一实施例提供的一种两级异动策略的AI视觉检测装置结构图;
图4是本发明一实施例提供的另一种两级异动策略的AI视觉检测装置结构图;
图5是本发明一实施例提供的又一种两级异动策略的AI视觉检测装置结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例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获得的所有其他实施例,都属于本发明保护的范围。
一般情况下,AI视觉检测技术是利用AI模型进行检测和分析,因此需要消耗的算力资源较大。而每一个视频帧均采用AI视觉检测技术进行检测分析,那么算力资源的成本会非常高。
基于上述问题,本发明的发明构思在于:针对粮库等这种应用场景,对目标现场进行异动检测的目的主要是为了防止目标现场发生着火、偷盗等异动情况;可以见得,这种目标现场在绝大时间段内均是无异动的,因此,没有必要对每一个视频帧均进行算力资源消耗较大的AI视觉检测。可以考虑对目标现场进行异动检测时,采用两级异动检测方式,其中,一级异动检测采用算力资源较小的图像处理算法,检测视频帧是否发生异动,只有当一级异动检测结果确定发生异动时,才启用采用AI视觉检测技术的二级异动检测,如此可以大大提高算力资源的有效利用率。
下面描述以上构思的具体实现方式。
请参考图1,本发明实施例提供了一种两级异动策略的AI视觉检测方法,该方法包括:
S1、实时获取视频监控设备对目标现场进行监控的视频帧;
S2、根据已获取的视频帧,对每一个当前视频帧进行一级异动检测;所述一级异动检测采用图像处理算法;
S3、根据一级异动检测结果确定目标现场当前是否发生异动,若发生异动,则执行S4;若未发生异动,则继续执行S2;
S4、基于当前视频帧进行二级异动检测,若二级异动检测结果为未存在异常,则继续执行S2;若二级异动检测结果为存在异常,则进行异常告警;所述二级异动检测采用AI视觉检测算法。
本发明实施例中,对于实时获取的视频帧暂不进行AI视觉检测,而是先采用算力资源较小的图像处理算法,对绝大部分无异动情况的视频帧进行一级异动检测,只有当一级异动检测确定目标现场发生异动时,才会触发算力资源较大的AI视觉检测算法进行二级异动检测,从而可以减少大量无效的AI视觉检测分析,提高资源有效利用率,进而降低算力资源成本。
下面描述图1所示的各个步骤的执行方式。
首先,针对步骤S1,实时获取视频监控设备对目标现场进行监控的视频帧。
本发明实施例,用于对目标现场中的静态目标进行监控,以检测静态目标是否存在异动。
以目标现场为粮库为例,在粮库区域内可以设置至少一个视频监控设备,以对粮库进行视频监控。
在本发明实施例中,当目标现场设置有多个视频监控设备时,该两级异动策略的AI视觉检测方法可以是针对每一个视频监控设备监控的视频帧单独进行的检测,也可以是针对多个视频监控设备监控的视频帧综合进行的检测。
本发明实施例中,实时获取的视频帧可以是视频监控设备连续监控的,也可以是针对视频监控设备连续监控的视频帧按照预设间隔进行采集的。比如,视频监控设备在监控过程中连续得到监控图像为:视频帧1、视频帧2、视频帧3……视频帧n(n为整数),本实施例可以每间隔5个视频帧获取一个视频帧,即当视频监控设备监控得到视频帧1时将视频帧1上传,当视频监控设备监控得到视频帧6时将视频帧6上传,则本实施例中实时获取的视频帧为视频帧1、视频帧6、视频帧11、视频帧16……。
接下来针对步骤S2“根据已获取的视频流中的视频帧,对每一个当前视频帧进行一级异动检测;所述一级异动检测采用图像处理算法;”和步骤S3“根据一级异动检测结果确定目标现场当前是否发生异动,若发生异动,则执行S4;若未发生异动,则继续执行S2;”同时进行说明。
本发明实施例中,一级异动检测采用的是图像处理算法,是检测当前视频帧相对于上一个视频帧是否存在差异。
本步骤S2中,在判断前后两个视频帧是否存在差异时,可以采用前后两个视频帧分别对应的像素值之和是否相等来确定,也可以采用计算相似度的方式来确定。但是,对于粮库等这种工业现场,可能存在一天时间的光照变化对监控区域内视频帧中像素值的影响,并且当发生异动时,也可能是部分区域发生异动,而不是整个视频帧内所有像素点均发生异动,因此,使用像素值之和或者计算相似度的方式确定视频帧的差异,会存在检测误差。
基于此,本发明一个实施例中,可以通过如下方式实现本步骤S2中的一级异动检测过程:
首先,在执行本步骤S2之前,将视频帧中的像素点划分为若干个像素组,并确定每一个像素组的初始状态;不同视频帧中的像素组均相同;
然后,执行本步骤S2,包括:根据每一个像素组的初始状态,确定当前视频帧中的每一个像素组是否存在初始状态发生变化的像素点,若存在,则确定发生异动。
下面对上述一级异动检测过程进行进一步说明。
在将视频帧中的像素点划分为若干个像素组时,至少可以通过如下两个方式进行划分:
方式一、按照像素值是否相同进行划分。
方式二、按照像素值变化规律进行划分。
无论上述方式一还是方式二,均需要在进行一级异动检测之前,基于连续的多个视频帧确定视频帧中各像素点的像素值的变化情况,以此变化情况作为分组依据。
比如,连续的多个视频帧分别为视频帧1、视频帧2、视频帧3、视频帧4和视频帧5,首先针对这5个视频帧中的每一个视频帧,分别计算每一个像素点的像素值,然后确定相同位置上的像素点在5个视频帧中的像素值变化规律。一般情况下,目标现场内人员较少进入,因此长期时间处于无变化情况,若存在光照等环境原因的影响,则相同位置上像素点的像素值会存在一定的变化规律。
因此,当基于连续的多个视频帧确定出视频帧中各像素点的像素值未发生变化,可以将视频帧中相同像素值的像素点划分为一个像素组,即方式一的分组方式;当基于连续的多个视频帧确定出视频帧中各像素点的像素值按照对应像素值变化规律之后,可以将视频帧中相同像素值变化规律的像素点划分为一个像素组,即方式二的分组方式。
在方式二中,像素点的像素值按照对应像素值变化规律进行变化,该变化规律是多个像素点的像素值在连续的多个视频帧中按照相同变化倍数进行变化。比如,坐标位置(1,1)的像素点在视频帧1中的像素值为5,在视频帧2的像素值为5.5,在视频帧3的像素值为6.05,在视频帧4的像素值为6.665,在视频帧5的像素值为7.3205,可见均是按照1.1倍的变化倍数进行变化的;那么在分组时,可以将相同变化倍数的像素点划分为同一个像素组。再比如,坐标位置(1,2)和坐标位置(1,3)的两个像素点在视频帧2中的像素值相对于视频帧1的像素值增加1.1倍,该两个像素点在视频帧3中的像素值相对于视频帧2的像素值增加1.3倍,该两个像素点在视频帧4中的像素值相对于视频帧3的像素值减少1.2倍,该两个像素点在视频帧5中的像素值相对于视频帧4的像素值减少1.1倍,那么在分组时,可以将这些变化规律相同的像素点划分为同一个像素组。
另外,方式一属于方式二中的一种特殊情况,在方式一中,由于视频帧中相同位置上的像素点在连续的多个视频帧中像素值均未发生变化,则可以将所有像素点均划分到同一个像素组中,然后将每一个像素点的像素值作为对应像素点的初始状态。
考虑到若将所有像素点划分为同一个像素组,若由于光照等环境变化对各个像素点的像素值变化造成影响,一级异动检测结果可能是目标现场存在异动,而此时由于光照等环境变化的影响,可见会对一级异动检测结果带来影响。因此,本发明一个实施例中,考虑到相同像素值的像素点,在光照等自然环境发生变化时,这些相同像素值的变化梯度也会相同,因此,为了减少光照等环境变化对像素值变化的影响,以及降低一级异动检测的误差,可以将相同像素值的像素点划分为同一个像素组。
在方式一中,在确定每一个像素组的初始状态时,可以将像素组中各像素点的像素值确定为对应像素组的初始状态。
在方式二中,在确定每一个像素组的初始状态时,可以将像素组中各像素点的像素值变化规律确定为对应像素组的初始状态。
需要说明的是,若视频帧中存在不具有像素值变化规律的像素点,可以将这些不具有像素值变化规律的像素点划分为同一个像素组中,然后单独进行分析。一般情况下,在粮库等这种工业现场中,大部分时间处于无变动情况,因此不具有像素值变化规律的像素点较少,可以单独进行分析,或者舍弃这些像素点的检测和分析过程。
进一步地,无论是采用上述方式一还是方式二进行的分组,在步骤S2进行一级异动检测过程中,根据每一个像素组的初始状态,确定当前视频帧中的每一个像素组是否存在初始状态发生变化的像素点时,具体地:确定与该当前视频帧连续的上一个视频帧中各像素点的像素值;根据上一个视频帧中各像素点的像素值和该当前视频帧中各像素点的像素值,确定每一个像素组中是否存在初始状态发生变化的像素点。
若像素组的方式是利用上述方式一进行划分的,那么针对每一个像素组,若当前视频帧中该像素组中存在像素值发生变化的像素点,则将像素值发生变化的像素点确定为状态变化异常的像素点。
其中,可以定义像素值发生变化的范围,比如设定一个像素值阈值,比如该像素值阈值为1,若像素值变化量位于(-1,1)的区间内,则确定像素点的像素值未发生变化。
若像素组的方式是利用上述方式二进行划分的,那么针对每一个像素组,若当前视频帧中该像素组中存在像素值变化规律发生变化的像素点,则将像素值变化规律发生变化的像素点确定为状态变化异常的像素点。
比如,某个像素组中各像素点的像素值变化规律均是1.1倍变化规律,而突然存在至少一个像素点的像素值不是按照1.1倍发生的变化,则表明这些未按照1.1倍发生变化的像素点状态变化异常。
再比如,某个像素组中各像素点的像素值均是按照同等倍数进行变化的,而在当前视频帧中该像素组中像素值变化混乱,有的像素点的像素值增加,有的像素点的像素值减少,则表明该像素组中的像素点的状态变化异常。
若存在状态变化异常的像素点,则确定目标现场当前发生异动,需要启动二级异动检测进行检测分析。
最后针对步骤S4、基于当前视频帧进行二级异动检测,若二级异动检测结果为未存在异常,则继续执行S2;若二级异动检测结果为存在异常,则进行异常告警;所述二级异动检测采用AI视觉检测算法。
本发明实施例中,该AI视觉检测算法可以包括:明火检测算法、粮垛变形检测算法、吸烟检测算法、水位异常检测算法和仓门异动检测算法中的至少一种。每一种AI视觉检测算法均可以预先训练出一种AI检测模型,以利用AI检测模型实现对应目的的检测。
在本发明一个实施例中,为了进一步节省算力资源,可以在S3中确定发生异动之后,且在进行二级异动检测之前,提取发生异动的像素点区域,以将提取出的发生异动的像素点区域作为二级异动检测的输入;使得二级异动检测针对发生异动的关键区域进行检测,分析内容变少,进而可以提高算力资源的有效利用率。
优选地,在提取发生异动的像素点区域时,可以设定一个扩增范围,比如从发生异动的像素点区域向四周扩大50个像素点(扩大后需要保证像素点均位于图像边界以内,若扩大时触碰到图像边界则不再继续扩大),使得二级异动检测更加精准。
若二级异动检测结果为存在异常时,则对该存在异常的情况进行告警,以提示目标现场的相关监控人员尽快解决异常情况;若二级异动检测结果为未存在异常,则可以继续针对后续视频帧进行一级异动检测。
进一步地,由于是在像素点存在状态变化异常时触发的二级异动检测,因此,若二级异动检测结果为未存在异常,那么在继续针对后续视频帧进行一级异动检测之前,可以重新划分视频帧中的像素组。
在重新划分视频帧中的像素组时,可以继续依据上述方式一进行划分。当依据上述方式二进行划分时,可以继续基于连续的多个视频帧确定像素点的像素值变化规律,进而进行像素组的划分。
在两级异动策略的AI视觉检测实践中,在相同的算力资源条件下,对同等视频监控设备对目标现场进行监控的视频帧接入实时分析,进行同样的AI检测模型配置检测,利用本发明实施例中的两级异动检测方式的测试下比直接进行AI视觉检测分析节约算力资源约50%,特别是节约GPU算力资源高达70%。此外,在另一项测试中,相同算力资源条件下,对相同AI检测模型配置检测,使用两级异动检测方式并行分析的视频流数量约为直接进行AI视觉检测并行分析的视频流数量的1.5倍,很好的实现了本发明两级异动检测方式提高有效算力资源利用率的目标。
如图2、图3所示,本发明实施例提供了一种两级异动策略的AI视觉检测装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,如图2所示,为本发明实施例提供的一种两级异动策略的AI视觉检测装置所在电子设备的一种硬件架构图,除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的电子设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等。以软件实现为例,如图3所示,作为一个逻辑意义上的装置,是通过其所在电子设备的CPU将非易失性存储器中对应的计算机程序读取到内存中运行形成的。本实施例提供的一种两级异动策略的AI视觉检测装置,包括:
视频帧获取单元301,用于实时获取视频监控设备对目标现场进行监控的视频帧;
一级异动检测单元302,用于根据已获取的视频帧,对每一个当前视频帧进行一级异动检测;所述一级异动检测采用图像处理算法;
异动判定单元303,用于根据一级异动检测结果确定目标现场当前是否发生异动,若发生异动,则触发二级异动检测单元执行相应操作;若未发生异动,则触发所述一级异动检测单元继续执行相应操作;以及若二级异动检测结果为未存在异常,则触发所述一级异动检测单元继续执行相应操作,若二级异动检测结果为存在异常,则进行异常告警;
二级异动检测单元304,用于基于当前视频帧进行二级异动检测;所述二级异动检测采用AI视觉检测算法。
在本发明一个实施例中,请参考图4,该两级异动策略的AI视觉检测装置还可以包括:
视频帧处理单元305,用于将视频帧中的像素点划分为若干个像素组,并确定每一个像素组的初始状态;不同视频帧中的像素组均相同;
所述一级异动检测单元302,具体用于根据每一个像素组的初始状态,确定当前视频帧中的每一个像素组是否存在初始状态发生变化的像素点,若存在,则确定发生异动。
在本发明一个实施例中,所述视频帧处理单元305在执行将视频帧中的像素点划分为若干个像素组时,具体用于:基于连续的多个视频帧,若视频帧中各像素点的像素值未发生变化,则将视频帧中相同像素值的像素点划分为一个像素组;
所述视频帧处理单元305在执行确定每一个像素组的初始状态时,具体用于:将像素组中各像素点的像素值确定为对应像素组的初始状态。
在本发明一个实施例中,所述视频帧处理单元305在执行将视频帧中的像素点划分为若干个像素组时,具体用于:基于连续的多个视频帧,若视频帧中各像素点的像素值按照对应像素值变化规律进行变化,则将视频帧中相同像素值变化规律的像素点划分为一个像素组;
所述视频帧处理单元305在执行确定每一个像素组的初始状态时,具体用于:将像素组中各像素点的像素值变化规律确定为对应像素组的初始状态。
在本发明一个实施例中,所述一级异动检测单元302在确定当前视频帧中的每一个像素组是否存在状态变化异常的像素点时,具体用于:确定与该当前视频帧连续的上一个视频帧中各像素点的像素值;根据上一个视频帧中各像素点的像素值和该当前视频帧中各像素点的像素值,确定每一个像素组中是否存在初始状态发生变化的像素点。
在本发明一个实施例中,视频帧处理单元305还用于在二级异动检测结果为未存在异常时,则重新划分视频帧中的像素组,并触发一级异动检测单元执行相应操作。
在本发明一个实施例中,请参考图5,该两级异动策略的AI视觉检测装置还可以包括:
异动提取单元306,用于当基于异动判定单元确定目标现场当前发生异动时,则提取发生异动的像素点区域,以将提取出的发生异动的像素点区域作为二级异动检测的输入,并触发二级异动检测单元执行相应操作。
在本发明一个实施例中,所述AI视觉检测算法包括:明火检测算法、粮垛变形检测算法、吸烟检测算法、水位异常检测算法和仓门异动检测算法中的至少一种。
可以理解的是,本发明实施例示意的结构并不构成对一种两级异动策略的AI视觉检测装置的具体限定。在本发明的另一些实施例中,一种两级异动策略的AI视觉检测装置可以包括比图示更多或者更少的部件,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。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。
上述装置内的各模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本发明实施例还提供了一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现本发明任一实施例中的一种两级异动策略的AI视觉检测方法。
本发明实施例还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计算机程序,所述计算机程序在被处理器执行时,使所述处理器执行本发明任一实施例中的一种两级异动策略的AI视觉检测方法。
具体地,可以提供配有存储介质的系统或者装置,在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上下载程序代码。
此外,应该清楚的是,不仅可以通过执行计算机所读出的程序代码,而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作,从而实现上述实施例中任意一项实施例的功能。
此外,可以理解的是,将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展模块中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展模块上的CPU等来执行部分和全部实际操作,从而实现上述实施例中任一实施例的功能。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个…”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种两级异动策略的AI视觉检测方法,其特征在于,包括:
S1、实时获取视频监控设备对目标现场进行监控的视频帧;
S2、根据已获取的视频帧,对每一个当前视频帧进行一级异动检测;所述一级异动检测采用图像处理算法;
S3、根据一级异动检测结果确定所述目标现场当前是否发生异动,若发生异动,则执行S4;若未发生异动,则继续执行S2;
S4、基于当前视频帧进行二级异动检测,若二级异动检测结果为未存在异常,则继续执行S2;若二级异动检测结果为存在异常,则进行异常告警;所述二级异动检测采用AI视觉检测算法。
2.根据权利要求1所述的方法,其特征在于,
在所述对每一个当前视频帧进行一级异动检测之前,还包括:
将视频帧中的像素点划分为若干个像素组,并确定每一个像素组的初始状态;不同视频帧中的像素组均相同;
所述对每一个当前视频帧进行一级异动检测,包括:
根据每一个像素组的初始状态,确定当前视频帧中的每一个像素组是否存在初始状态发生变化的像素点,若存在,则确定发生异动。
3.根据权利要求2所述的方法,其特征在于,
所述将视频帧中的像素点划分为若干个像素组,包括:
基于连续的多个视频帧,若视频帧中各像素点的像素值未发生变化,则将视频帧中相同像素值的像素点划分为一个像素组;
所述确定每一个像素组的初始状态,包括:
将像素组中各像素点的像素值确定为对应像素组的初始状态。
4.根据权利要求2所述的方法,其特征在于,
所述将视频帧中的像素点划分为若干个像素组,包括:
基于连续的多个视频帧,若视频帧中各像素点的像素值按照对应像素值变化规律进行变化,则将视频帧中相同像素值变化规律的像素点划分为一个像素组;
所述确定每一个像素组的初始状态,包括:
将像素组中各像素点的像素值变化规律确定为对应像素组的初始状态。
5.根据权利要求3或4所述的方法,其特征在于,所述确定当前视频帧中的每一个像素组是否存在状态变化异常的像素点,包括:
确定与该当前视频帧连续的上一个视频帧中各像素点的像素值;
根据上一个视频帧中各像素点的像素值和该当前视频帧中各像素点的像素值,确定每一个像素组中是否存在初始状态发生变化的像素点。
6.根据权利要求2所述的方法,其特征在于,在S4中,若二级异动检测结果为未存在异常,则在执行S2之前,还包括:
重新划分视频帧中的像素组。
7.根据权利要求1所述的方法,其特征在于,
在S3中,若发生异动,则在执行S4之前,还包括:提取发生异动的像素点区域,以将提取出的发生异动的像素点区域作为二级异动检测的输入;
和/或,
所述AI视觉检测算法包括:明火检测算法、粮垛变形检测算法、吸烟检测算法、水位异常检测算法和仓门异动检测算法中的至少一种。
8.一种两级异动策略的AI视觉检测装置,其特征在于,包括:
视频帧获取单元,用于实时获取视频监控设备对目标现场进行监控的视频帧;
一级异动检测单元,用于根据已获取的视频帧,对每一个当前视频帧进行一级异动检测;所述一级异动检测采用图像处理算法;
异动判定单元,用于根据一级异动检测结果确定所述目标现场当前是否发生异动,若发生异动,则触发二级异动检测单元执行相应操作;若未发生异动,则触发所述一级异动检测单元继续执行相应操作;以及若二级异动检测结果为未存在异常,则触发所述一级异动检测单元继续执行相应操作,若二级异动检测结果为存在异常,则进行异常告警;
二级异动检测单元,用于基于当前视频帧进行二级异动检测;所述二级异动检测采用AI视觉检测算法。
9.一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020074.2A CN115187929B (zh) | 2022-08-24 | 2022-08-24 | 一种两级异动策略的ai视觉检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211020074.2A CN115187929B (zh) | 2022-08-24 | 2022-08-24 | 一种两级异动策略的ai视觉检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115187929A true CN115187929A (zh) | 2022-10-14 |
CN115187929B CN115187929B (zh) | 2023-03-24 |
Family
ID=83523984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211020074.2A Active CN115187929B (zh) | 2022-08-24 | 2022-08-24 | 一种两级异动策略的ai视觉检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115187929B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020017814A1 (ko) * | 2018-07-19 | 2020-01-23 | 엘지이노텍 주식회사 | 이상 개체 검출 시스템 및 방법 |
CN111383250A (zh) * | 2020-03-20 | 2020-07-07 | 内蒙古工业大学 | 基于改进混合高斯模型的运动目标检测方法及装置 |
CN111402298A (zh) * | 2020-03-30 | 2020-07-10 | 南京财经大学 | 基于目标检测与轨迹分析的粮库视频数据压缩方法 |
CN111461076A (zh) * | 2019-11-01 | 2020-07-28 | 武汉纺织大学 | 帧差法与神经网络结合的烟雾检测方法和检测系统 |
CN111462451A (zh) * | 2019-11-01 | 2020-07-28 | 武汉纺织大学 | 基于视频信息的秸秆焚烧检测报警系统 |
CN111583299A (zh) * | 2020-03-26 | 2020-08-25 | 普联技术有限公司 | 一种运动检测方法、装置、存储介质及终端设备 |
CN113515993A (zh) * | 2020-11-23 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 视频异常检测、模型训练方法、设备、模型及存储介质 |
-
2022
- 2022-08-24 CN CN202211020074.2A patent/CN115187929B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020017814A1 (ko) * | 2018-07-19 | 2020-01-23 | 엘지이노텍 주식회사 | 이상 개체 검출 시스템 및 방법 |
CN111461076A (zh) * | 2019-11-01 | 2020-07-28 | 武汉纺织大学 | 帧差法与神经网络结合的烟雾检测方法和检测系统 |
CN111462451A (zh) * | 2019-11-01 | 2020-07-28 | 武汉纺织大学 | 基于视频信息的秸秆焚烧检测报警系统 |
CN111383250A (zh) * | 2020-03-20 | 2020-07-07 | 内蒙古工业大学 | 基于改进混合高斯模型的运动目标检测方法及装置 |
CN111583299A (zh) * | 2020-03-26 | 2020-08-25 | 普联技术有限公司 | 一种运动检测方法、装置、存储介质及终端设备 |
CN111402298A (zh) * | 2020-03-30 | 2020-07-10 | 南京财经大学 | 基于目标检测与轨迹分析的粮库视频数据压缩方法 |
CN113515993A (zh) * | 2020-11-23 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 视频异常检测、模型训练方法、设备、模型及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115187929B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11620384B2 (en) | Independent malware detection architecture | |
CN111832019A (zh) | 基于生成对抗网络的恶意代码检测方法 | |
CN111753724A (zh) | 一种异常行为识别方法及装置 | |
CN111612037A (zh) | 异常用户检测方法、装置、介质及电子设备 | |
CN113377607A (zh) | 一种基于Word2Vec的日志异常检测方法、装置及电子设备 | |
CN115641357A (zh) | 基于机器学习的智慧仓储人员跟踪算法与视频监控系统 | |
CN113011322A (zh) | 监控视频特定异常行为的检测模型训练方法及检测方法 | |
CN115514627A (zh) | 一种故障根因定位方法、装置、电子设备及可读存储介质 | |
CN115457466A (zh) | 一种基于巡检视频的隐患检测方法、系统及电子设备 | |
CN116089231A (zh) | 一种故障告警方法、装置、电子设备及存储介质 | |
CN115830541A (zh) | 一种基于双流时空自编码器的视频异常事件检测方法 | |
CN115187929B (zh) | 一种两级异动策略的ai视觉检测方法及装置 | |
CN116074092B (zh) | 一种基于异构图注意力网络的攻击场景重构系统 | |
CN111597889A (zh) | 一种视频中目标移动的检测方法、装置及系统 | |
CN115168895B (zh) | 结合人工智能的用户信息威胁分析方法及服务器 | |
Nechyba et al. | Pittpatt face detection and tracking for the clear 2007 evaluation | |
Xu et al. | STEAMCODER: Spatial and temporal adaptive dynamic convolution autoencoder for anomaly detection | |
CN116032527A (zh) | 一种基于云计算的数据安全漏洞感知系统及方法 | |
CN115659351A (zh) | 一种基于大数据办公的信息安全分析方法、系统及设备 | |
CN113486754B (zh) | 基于视频的事件演化预测方法、系统 | |
CN115082820A (zh) | 一种监控视频中群体全局异常行为检测方法和装置 | |
CN113536299A (zh) | 一种基于贝叶斯神经网络的入侵检测系统的设计方法 | |
CN112884069A (zh) | 一种对抗网络样本检测的方法 | |
CN116319021B (zh) | 一种横向移动检测方法、装置、电子设备及存储介质 | |
CN115879359B (zh) | 电子元件寿命预测方法、装置、电子设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |