一种大数据场景下的视频监控系统及方法
技术领域
本发明涉及视频监控数据处理技术领域,具体为一种大数据场景下的视频监控系统及方法。
背景技术
随着城市化的发展,绿色环保低碳概念的推广普及,共享交通工具越来越普及以及受欢迎;目前,共享交通工具app上仅能提供简单的位置分布信息供用户查找或者供管理者进行调度安排,而对于共享交通工具的故障回收管理往往都是靠app上的用户回馈和线下管理人员的实际勘查来实现的,所以这也带来两方面弊端;其一,用户一旦选择对app进行故障使用回馈时,填写故障回馈信息会花费用户不少时间,不少用户在实际使用过程中,可能赶时间或者只是单纯的怕麻烦,不对其进行故障报修,而是按照正常的开关锁流程进行换车或者放弃使用;其二,线下管理人员的实际勘查往往费时费力,且对于全部的车辆进行故障勘查的时候可能对一些表面完好但实际存在故障的车存在遗漏,使得故障回收的车辆数据不准确。
发明内容
本发明的目的在于提供一种大数据场景下的视频监控系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种大数据场景下的视频监控方法,视频监控方法包括:
步骤S100:对每辆共享交通工具安装具备定位功能的视频监控设备;对每个视频监控设备均设置不同种视频提取触发事件;每当一种视频提取触发事件发生时,视频监控设备对共享交通工具开启一次用户使用状态视频采集;每一次对用户使用状态视频的采集时间需满足对应的采集周期;一次触发事件对应一段用户使用状态视频;
步骤S200:系统将共享交通工具视频监控设备采集到的若干用户使用状态视频基于对应的触发事件种类的不同进行区别标记;对每辆共享交通工具所具备的所有用户使用状态视频基于标记进行归类,并在每一类别视频序列中按照触发采集时间先后进行排序;分别对每辆共享交通工具所具备的所有用户使用状态视频进行用户特征提取并建立对应的用户标签;
步骤S300:系统对每辆共享交通工具采集到的各类用户使用状态视频进行视频链接对的匹配建立;
步骤S400:基于每辆共享交通工具的视频链接对匹配建立情况对该辆共享交通工具进行各缺陷故障状态指数的判断;
步骤S500:基于每辆共享交通工具在大数据场景下的各缺陷故障状态指数的分布情况,对每辆共享交通工具的故障状态进行判断得到故障状态结果,并通过系统向管理人员进行故障状态结果传输,管理人员根据故障状态结果对共享交通工具安排回收检查调度;故障状态结果包括:一级故障状态、二级故障状态、三级故障状态;其中,级别数越低,表示故障程度越严重。
进一步的,步骤S100中的视频提取触发事件包括:
第一种触发事件:用户出现在与共享交通工具之间的范围距离阈值内;
第二种触发事件:用户出现对共享交通工具开启租赁状态;
第三种触发事件:用户出现对共享交通工具结束租赁状态;
上述设置的第一种触发事件除了可以获取用户的走路姿势特征和穿着特征外,当用户出现在与共享交通工具之间范围距离阈值内时,也可以代表用户在进行共享交通工具的选择过程中存在有对此时该辆车的打量或者是考虑;因为大量的共享交通工具在投入时候后,导致车辆状况不一,而一般用户开启对共享交通工具的租赁前,怕骑到故障的车辆会下意识的对车辆基于人眼进行补步打量,选择看上去完好的或者比较新的车辆开启租赁模式;所以通过设置第一种触发事件,采集对应视频,反应出每辆车不属于用户第一选择时的情况,为后续对每辆车的故障状态进行判断提供铺垫。
进一步的,步骤S200分别对每辆共享交通工具所具备的所有用户使用状态视频进行用户特征提取的过程包括:
步骤S201:对每辆共享交通工具所具备的所有用户使用状态视频基于标记进行归类得到每辆共享交通工具对应每一种触发事件的视频集合;
步骤S202:分别在第一种触发事件对应的用户使用状态视频中对用户的着装特征和走路姿势特征进行提取,建立第一用户标签;分别在第二种触发事件对应的用户使用状态视频中对用户上车时的连贯姿势特征进行提取,建立第二用户标签;分别在第三种触发事件对应的用户使用状态视频中对用户下车时的连贯姿势特征进行提取,建立第三用户标签;着装特征包括用户身上的穿戴特征;走路姿势特征包括用户行走时左右脚迈步方向与其人体中轴线之间的夹角特征、用户行走时与左右脚迈步伴随的左右臂膀挥臂时的顺序、幅度、频率特征、用户行走时与左右脚迈步伴随的臂膀挥臂动作与人体中轴线之间的左右夹角特征、用户行走时与左右脚迈步伴随的臂膀挥臂动作与人体中轴线之间的前后夹角特征;上车的连贯姿势特征是指,从用户首先触碰到对应的交通工具开始,到完全掌握该对应交通工具至出现启动状态时为止的一系列连贯身体姿势变化特征;下车的连贯姿势特征是指,从用户某一身体部位离开对应的交通工具时开始,到用户身体完全离开对应的交通工具且对应的交通工具处于静止状态时为止的一系列连贯身体姿势变化特征;
设置上述用户特征,实际上是为了对用户从体态的角度上获取能体现不同用户习惯的特征,因为在用户实际使用共享交通工具的过程中可能会出现有遮挡脸部的习惯,导致对用户信息无法精确判断。
进一步的,步骤S300包括:
步骤S301:设在某辆共享交通工具的所有使用状态视频中,对应第一种触发事件的使用状态视频集合为A=a1,a2,…,an;a1,a2,…,an分别表示集合A内第1,2,…,n条使用状态视频;对应第二种触发事件的使用状态视频集合为B=b1,b2,…,bm;b1,b2,…,bm分别表示集合B内第1,2,…,m条使用状态视频;对应第三种触发事件的使用状态视频集合为C=c1,c2,…,cm;c1,c2,…,cm分别表示集合C内第1,2,…,m条使用状态视频;
步骤S302:分别对集合A、B、C内各条使用状态视频的触发采集时间进行提取;若存在两条使用状态视频之间的触发采集时间差小于时间差阈值,判定两条使用状态视频之间存在连续触发采集关系;在集合B内任意一条使用状态视频在集合C中都能找到与其存在连续触发采集关系的使用状态视频;
步骤S303:分别将集合B和集合C中呈现连续触发采集的使用状态视频一一建立视频链接对ai→bi;其中ai∈A,bi∈B,i∈1,2,…,m;将从每一视频链接对中提取到的特征进行整合,同样将特征各自对应的第二用户标签和第三用户标签进行整合,得到一个初始用户标签;分别对每一视频链接对在集合A中找寻与视频链接对中ai呈现连续触发采集关系的状态使用视频ci,对视频链接对进行补充得到完整视频链接对ci→ai→bi;将从状态使用视频ci中提取到的特征同ai→bi整个得到的特征进行再次整合,同样将从状态使用视频ci中提取到的特征所对应的第一用户标签同ai→bi所对应的初始用户标签进行整合,得到一个完整用户标签;一条完整视频链接对对应一个用户。
进一步的,步骤S400包括:
步骤S401:若某辆共享交通工具f的集合A中存在未与集合B和集合C中用户使用状态视频构成完整视频链接对的使用状态视频,分别提取使用状态视频所对应的第一用户标签,将此时提取到的第一用户标签作为目标用户标签;同时提取某辆共享交通工具f的地理位置信息,以及提取位于某辆共享交通工具f地理位置范围阈值内的其他共享交通工具的完整视频链接对;若目标用户标签与其他共享交通工具中某辆共享交通工具k所对应的完整用户标签出现第一用户标签重合,且重合的第一用户标签各自所对应的使用状态视频的触发采集时间之间满足时间差阈值,将某辆共享交通工具f的第一缺陷故障状态指数加一;其中,每辆共享交通工具第一缺陷故障状态指数的初始值都为0;
上述步骤意味着一个用户在一次共享单车使用选择上对f进行了舍弃,而在实际生活中,存在两种情况,其一,当时车多,用户存在随机性;其二,f对比其他车辆在外观上存在明显的缺陷,让用户做了舍弃选择;对每辆共享交通工具进行第一缺陷故障状态指数的设置和累计相当于是对每辆共享交通工具进行初筛;
步骤S402:若某辆共享交通工具f中存在完整视频链接对fx,另一辆共享交通工具h中存在完整视频链接对hx,完整视频链接对fx和完整视频链接对hx对应的完整用户标签相同,指向同一用户,且完整视频链接对fx中第三用户标签所对应的使用状态视频的触发采集时间,与完整视频链接对hx中第一用户标签所对应的使用状态视频的触发采集时间,满足时间差阈值,将此时共享交通工具f的第二缺陷故障状态指数加一;其中,每辆共享交通工具第二缺陷故障状态指数的初始值都为0;
上述步骤意味着一个用户在一次共享交通工具的选择中选择了f,但对f骑行一段时间后,进行了换车的行为,意味这车f可能存在故障,导致用户对其进行了舍弃;对每辆共享交通工具进行第二缺陷故障状态指数的设置和累计相当于是通过用户的骑行行为反应共享交通工具的故障状态;如果一辆车存在一次第二缺陷故障状态指数增加的记录,也就是说,此时的这辆车是可以骑行的,但是存在一些故障问题导致影响用户的骑行状态;
步骤S403:若某辆共享交通工具f所对应的第一缺陷故障状态指数及第二缺陷故障状态指数均不为0;依次提取第一缺陷故障状态指数及第二缺陷故障状态指数发生指数增加时对应的时间信息;将共享交通工具f所对应的第一缺陷故障状态指数及第二缺陷故障状态指数发生指数增加的指数变化记录按照时间先后顺序进行排序;若共享交通工具f存在一次第二缺陷故障状态指数增加一发生在第一缺陷故障状态指数增加一之后,则对应将共享交通工具f的第三缺陷故障状态指数加一;其中,每辆共享交通工具第三缺陷故障状态指数的初始值都为0;
上述步骤意味着车f之前的第一缺陷故障状态指数增加记录是由于用户当时在选车时随机性导致的,该车对比其他车辆在外观上不存在明显的缺陷,只存在一些劣势,可能是车看上去没有很新,存在磨损,且最终证明这些磨损导致了车f对用户产生了骑行障碍,让用户做了舍弃选择;如果一辆车存在一次第三缺陷故障状态指数增加的记录,也就是说,此时的这辆车不仅是从外观上可能存在缺陷故障,实际上内部也存在故障问题导致影响用户的骑行状态。
进一步的,步骤S500对每辆共享交通工具的故障状态进行校验得到最终缺陷故障状态结果的过程包括:
步骤S501:设置校验周期S1,分别对每辆共享交通工具的第一缺陷故障状态指数、第二缺陷故障状态指数、第三缺陷故障状态指数进行累加计算;
步骤S502:若某辆共享交通工具f只存在第一缺陷故障状态指数不为零,对共享交通工具f在校验周期S1内的被租用频率u进行提取,若u<u阈值,判定共享交通工具f存在故障状态,且属于一级故障状态;u>u阈值,判定共享交通工具f存在虚假故障状态,将校验周期S1内产生的所有第一缺陷故障状态指数进行清零;
若一辆车只存在第一缺陷故障状态指数的增加记录,没有其他的,说明存在两种情况,第一,该车除了出现不是用户第一选择的情况外,其余每次用户的使用状态都是正常的,即用户租用该车的过程中并未出现中途换车的情况;第二,该车从外观上的缺陷程度足以告诉每个用户该车不能正常使用;所以通过引用在校验周期S1内的被租用频率u进行判断,可以将属于第一种情况的车辆从故障状态上排除;
步骤S503:若某辆共享交通工具f只存在第二缺陷故障状态指数不为零,对共享交通工具f在校验周期S1内的被租用次数c进行提取,计算指数变动率L1=ec;其中,e表示共享交通工具f的第二缺陷故障状态指数值;若L1>L1阈值,判定共享交通工具f存在故障状态,且属于三级故障状态;若L1<L1阈值,判定共享交通工具f存在虚假故障状态,将校验周期S1内产生的所有第二缺陷故障状态指数进行清零;
若一辆车只存在第二缺陷故障状态指数的增加记录,没有其他的,说明存在两种情况,第一,因为相同的车会对不同用户造成不同的体验感,有些用户会在感知到该车适配其最佳骑行状态时进行换车行为,仅仅是觉得不喜欢某辆车的坐垫大小、坐垫软度等;第二,该车确实存在内部故障,且该故障对大多数用户而言都会产生障碍影响;所以通过引用计算指数变动率L1进行判断,可以将属于第一种情况的车辆从故障状态上排除;
步骤S504:若某辆共享交通工具f存在第三缺陷故障状态指数不为零,对共享交通工具f在校验周期S1内的被租用次数c进行提取,计算指数变动率L2=dc,其中,d表示共享交通工具f的第三缺陷故障状态指数值;若L2>L2阈值,判定共享交通工具f存在故障状态,且属于二级故障状态;若L2<L2阈值,判定共享交通工具f存在故障状态,且属于一级故障状态;
若一辆车存在第三缺陷故障状态指数的增加记录,说明存在两种情况,第一,该车确实存在一些外观缺陷和内部缺陷,因为相同的车会对不同用户造成不同的体验感,该车的内部缺陷对大多数用户而言都会产生障碍影响,说明该车的故障程度高;第二,该车确实存在一些外观缺陷和内部缺陷,因为相同的车会对不同用户造成不同的体验感,该车的内部缺陷对少数用户而言会产生障碍影响,说明该车的故障程度比第一种情况下的故障程度低。
为更好的实现上述方法还提出了一种大数据场景下的视频监控系统,系统包括视频监控采集模块、视频数据归类标记处理模块、视频链接对匹配模块、缺陷故障状态指数判断模块、故障状态结果分析模块;
视频监控采集模块,用于对每辆共享交通工具安装具备定位功能的视频监控设备并设置不同种视频提取触发事件;每当一种视频提取触发事件发生时,对共享交通工具开启一次用户使用状态视频采集;
视频数据归类标记处理模块,用于接收视频监控采集模块中的数据,将采集到的若干用户使用状态视频基于对应的触发事件种类的不同进行区别标记,并对每辆共享交通工具所具备的所有用户使用状态视频基于标记进行归类,按照触发采集时间先后进行排序;分别对每辆共享交通工具所具备的所有用户使用状态视频进行用户特征提取并建立对应的用户标签;
视频链接对匹配模块,用于对每辆共享交通工具采集到的各类用户使用状态视频进行视频链接对的匹配建立;
缺陷故障状态指数判断模块,用于接收视频链接对匹配模块中的数据,基于每辆共享交通工具的视频视频链接对匹配建立情况对该辆共享交通工具进行各缺陷故障状态指数的判断;
故障状态结果分析模块,用于接收缺陷故障状态指数判断模块中的数据,基于每辆共享交通工具在大数据场景下的各缺陷故障状态指数的分布情况,对每辆共享交通工具的故障状态进行判断得到故障状态结果,并将故障状态结果传输给管理人员,安排对共享交通工具的回收检查调度。
进一步的,视频数据归类标记处理模块包括:触发事件种类设置单元、视频数据采集标记单元、用户标签构建单元;
触发事件种类设置单元,用于对每辆共享交通工具上的视频监控设备设置不同的触发事件种类;触发事件种类包括第一种触发事件:用户出现在与共享交通工具之间的范围距离阈值内;第二种触发事件:用户出现对共享交通工具开启租赁状态;第三种触发事件:用户出现对共享交通工具结束租赁状态;
视频数据采集标记单元,用于接收触发事件种类设置单元中的数据,分别将采集到的若干用户使用状态视频基于对应的触发事件种类的不同进行区别标记;
用户标签构建单元,用于分别对每辆共享交通工具所具备的所有用户使用状态视频进行用户特征提取并建立对应的用户标签。
进一步的,用户标签构建单元包括:第一用户标签构建单元、第二用户标签构建单元、第三用户标签构建单元;
第一用户标签构建单元,用于在第一种触发事件对应的用户使用状态视频中对用户的着装特征和走路姿势特征进行提取,建立第一用户标签;
第二用户标签构建单元,用于在第二种触发事件对应的用户使用状态视频中对用户上车时的连贯姿势特征进行提取,建立第二用户标签;
第三用户标签构建单元,用于在第三种触发事件对应的用户使用状态视频中对用户下车时的连贯姿势特征进行提取,建立第三用户标签。
与现有技术相比,本发明所达到的有益效果是:本发明通过对用户从体态的角度上获取能体现不同用户习惯的特征,避免在用户实际使用共享交通工具的过程中因为出现遮挡脸部的习惯导致对用户信息判断错误的情况出现;通过对用户使用状态视频来直观对每辆共享交通工具的故障情况进行反应,避免了通过app收集用户上报的故障反馈信息不准确不全面的的弊端,提高对共享交通工具的管理智能化和精确化。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种大数据场景下的视频监控方法的流程示意图;
图2是本发明一种大数据场景下的视频监控系统的结构示意图。
具体实施方式
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。
请参阅图1-图2,本发明提供技术方案:一种大数据场景下的视频监控方法,其特征在于,视频监控方法包括:
步骤S100:对每辆共享交通工具安装具备定位功能的视频监控设备;对每个视频监控设备均设置不同种视频提取触发事件;每当一种视频提取触发事件发生时,视频监控设备对共享交通工具开启一次用户使用状态视频采集;每一次对用户使用状态视频的采集时间需满足对应的采集周期;一次触发事件对应一段用户使用状态视频;例如说,共享单车、共享电动车;
其中,步骤S100中的视频提取触发事件包括:
第一种触发事件:用户出现在与共享交通工具之间的范围距离阈值内;
第二种触发事件:用户出现对共享交通工具开启租赁状态;
第三种触发事件:用户出现对共享交通工具结束租赁状态;
步骤S200:系统将共享交通工具视频监控设备采集到的若干用户使用状态视频基于对应的触发事件种类的不同进行区别标记;对每辆共享交通工具所具备的所有用户使用状态视频基于标记进行归类,并在每一类别视频序列中按照触发采集时间先后进行排序;分别对每辆共享交通工具所具备的所有用户使用状态视频进行用户特征提取并建立对应的用户标签;
其中,步骤S200分别对每辆共享交通工具所具备的所有用户使用状态视频进行用户特征提取的过程包括:
步骤S201:对每辆共享交通工具所具备的所有用户使用状态视频基于标记进行归类得到每辆共享交通工具对应每一种触发事件的视频集合;
步骤S202:分别在第一种触发事件对应的用户使用状态视频中对用户的着装特征和走路姿势特征进行提取,建立第一用户标签;分别在第二种触发事件对应的用户使用状态视频中对用户上车时的连贯姿势特征进行提取,建立第二用户标签;分别在第三种触发事件对应的用户使用状态视频中对用户下车时的连贯姿势特征进行提取,建立第三用户标签;着装特征包括用户身上的穿戴特征;走路姿势特征包括用户行走时左右脚迈步方向与其人体中轴线之间的夹角特征、用户行走时与左右脚迈步伴随的左右臂膀挥臂时的顺序、幅度、频率特征、用户行走时与左右脚迈步伴随的臂膀挥臂动作与人体中轴线之间的左右夹角特征、用户行走时与左右脚迈步伴随的臂膀挥臂动作与人体中轴线之间的前后夹角特征;上车的连贯姿势特征是指,从用户首先触碰到对应的交通工具开始,到完全掌握该对应交通工具至出现启动状态时为止的一系列连贯身体姿势变化特征;下车的连贯姿势特征是指,从用户某一身体部位离开对应的交通工具时开始,到用户身体完全离开对应的交通工具且对应的交通工具处于静止状态时为止的一系列连贯身体姿势变化特征;
步骤S300:系统对每辆共享交通工具采集到的各类用户使用状态视频进行视频链接对的匹配建立;
其中,步骤S300包括:
步骤S301:设在某辆共享交通工具的所有使用状态视频中,对应第一种触发事件的使用状态视频集合为A=a1,a2,…,an;a1,a2,…,an分别表示集合A内第1,2,…,n条使用状态视频;对应第二种触发事件的使用状态视频集合为B=b1,b2,…,bm;b1,b2,…,bm分别表示集合B内第1,2,…,m条使用状态视频;对应第三种触发事件的使用状态视频集合为C=c1,c2,…,cm;c1,c2,…,cm分别表示集合C内第1,2,…,m条使用状态视频;
步骤S302:分别对集合A、B、C内各条使用状态视频的触发采集时间进行提取;若存在两条使用状态视频之间的触发采集时间差小于时间差阈值,判定两条使用状态视频之间存在连续触发采集关系;在集合B内任意一条使用状态视频在集合C中都能找到与其存在连续触发采集关系的使用状态视频;因为有开启租赁记录必定会有关闭租赁记录;
步骤S303:分别将集合B和集合C中呈现连续触发采集的使用状态视频一一建立视频链接对ai→bi;其中ai∈A,bi∈B,i∈1,2,…,m;将从每一视频链接对中提取到的特征进行整合,同样将特征各自对应的第二用户标签和第三用户标签进行整合,得到一个初始用户标签;分别对每一视频链接对在集合A中找寻与视频链接对中ai呈现连续触发采集关系的状态使用视频ci,对视频链接对进行补充得到完整视频链接对ci→ai→bi;将从状态使用视频ci中提取到的特征同ai→bi整个得到的特征进行再次整合,同样将从状态使用视频ci中提取到的特征所对应的第一用户标签同ai→bi所对应的初始用户标签进行整合,得到一个完整用户标签;一条完整视频链接对对应一个用户;
例如说,一个用户出现在了与一辆共享单车之间的0.5m的范围距离内,开启了该辆共享单车的第一种触发事件的视频采集得到视频a1,紧接着在5分钟内,开启了该辆共享单车的第二种触发事件的视频采集得到视频a2,最后开启了该辆共享单车的第三种触发事件的视频采集得到视频a3;因为a1、a2、a3所对应的用户为同一用户b,所以a1、a2、a3构成一条对应用户b的完整视频链接对;
步骤S400:基于每辆共享交通工具的视频链接对匹配建立情况对该辆共享交通工具进行各缺陷故障状态指数的判断;
其中,步骤S400包括:
步骤S401:若某辆共享交通工具f的集合A中存在未与集合B和集合C中用户使用状态视频构成完整视频链接对的使用状态视频,分别提取使用状态视频所对应的第一用户标签,将此时提取到的第一用户标签作为目标用户标签;同时提取某辆共享交通工具f的地理位置信息,以及提取位于某辆共享交通工具f地理位置范围阈值内的其他共享交通工具的完整视频链接对;若目标用户标签与其他共享交通工具中某辆共享交通工具k所对应的完整用户标签出现第一用户标签重合,且重合的第一用户标签各自所对应的使用状态视频的触发采集时间之间满足时间差阈值,将某辆共享交通工具f的第一缺陷故障状态指数加一;其中,每辆共享交通工具第一缺陷故障状态指数的初始值都为0;
步骤S402:若某辆共享交通工具f中存在完整视频链接对fx,另一辆共享交通工具h中存在完整视频链接对hx,完整视频链接对fx和完整视频链接对hx对应的完整用户标签相同,指向同一用户,且完整视频链接对fx中第三用户标签所对应的使用状态视频的触发采集时间,与完整视频链接对hx中第一用户标签所对应的使用状态视频的触发采集时间,满足时间差阈值,将此时共享交通工具f的第二缺陷故障状态指数加一;其中,每辆共享交通工具第二缺陷故障状态指数的初始值都为0;
步骤S403:若某辆共享交通工具f所对应的第一缺陷故障状态指数及第二缺陷故障状态指数均不为0;依次提取第一缺陷故障状态指数及第二缺陷故障状态指数发生指数增加时对应的时间信息;将共享交通工具f所对应的第一缺陷故障状态指数及第二缺陷故障状态指数发生指数增加的指数变化记录按照时间先后顺序进行排序;若共享交通工具f存在一次第二缺陷故障状态指数增加一发生在第一缺陷故障状态指数增加一之后,则对应将共享交通工具f的第三缺陷故障状态指数加一;其中,每辆共享交通工具第三缺陷故障状态指数的初始值都为0;
步骤S500:基于每辆共享交通工具在大数据场景下的各缺陷故障状态指数的分布情况,对每辆共享交通工具的故障状态进行判断得到故障状态结果,并通过系统向管理人员进行故障状态结果传输,管理人员根据故障状态结果对共享交通工具安排回收检查调度;故障状态结果包括:一级故障状态、二级故障状态、三级故障状态;其中,级别数越低,表示故障程度越严重;
其中,对每辆共享交通工具的故障状态进行校验得到最终缺陷故障状态结果的过程包括:
步骤S501:设置校验周期S1,分别对每辆共享交通工具的第一缺陷故障状态指数、第二缺陷故障状态指数、第三缺陷故障状态指数进行累加计算;
步骤S502:若某辆共享交通工具f只存在第一缺陷故障状态指数不为零,对共享交通工具f在校验周期S1内的被租用频率u进行提取,若u<u阈值,判定共享交通工具f存在故障状态,且属于一级故障状态;u>u阈值,判定共享交通工具f存在虚假故障状态,将校验周期S1内产生的所有第一缺陷故障状态指数进行清零;
步骤S503:若某辆共享交通工具f只存在第二缺陷故障状态指数不为零,对共享交通工具f在校验周期S1内的被租用次数c进行提取,计算指数变动率L1=ec;其中,e表示共享交通工具f的第二缺陷故障状态指数值;若L1>L1阈值,判定共享交通工具f存在故障状态,且属于三级故障状态;若L1<L1阈值,判定共享交通工具f存在虚假故障状态,将校验周期S1内产生的所有第二缺陷故障状态指数进行清零;
步骤S504:若某辆共享交通工具f存在第三缺陷故障状态指数不为零,对共享交通工具f在校验周期S1内的被租用次数c进行提取,计算指数变动率L2=dc,其中,d表示共享交通工具f的第三缺陷故障状态指数值;若L2>L2阈值,判定共享交通工具f存在故障状态,且属于二级故障状态;若L2<L2阈值,判定共享交通工具f存在故障状态,且属于三级故障状态。
为更好的实现上述方法还提出了一种大数据场景下的视频监控系统系统包括视频监控采集模块、视频数据归类标记处理模块、视频链接对匹配模块、缺陷故障状态指数判断模块、故障状态结果分析模块;
视频监控采集模块,用于对每辆共享交通工具安装具备定位功能的视频监控设备并设置不同种视频提取触发事件;每当一种视频提取触发事件发生时,对共享交通工具开启一次用户使用状态视频采集;
视频数据归类标记处理模块,用于接收视频监控采集模块中的数据,将采集到的若干用户使用状态视频基于对应的触发事件种类的不同进行区别标记,并对每辆共享交通工具所具备的所有用户使用状态视频基于标记进行归类,按照触发采集时间先后进行排序;分别对每辆共享交通工具所具备的所有用户使用状态视频进行用户特征提取并建立对应的用户标签;
其中,视频数据归类标记处理模块包括:触发事件种类设置单元、视频数据采集标记单元、用户标签构建单元;
触发事件种类设置单元,用于对每辆共享交通工具上的视频监控设备设置不同的触发事件种类;触发事件种类包括第一种触发事件:用户出现在与共享交通工具之间的范围距离阈值内;第二种触发事件:用户出现对共享交通工具开启租赁状态;第三种触发事件:用户出现对共享交通工具结束租赁状态;
视频数据采集标记单元,用于接收触发事件种类设置单元中的数据,分别将采集到的若干用户使用状态视频基于对应的触发事件种类的不同进行区别标记;
用户标签构建单元,用于分别对每辆共享交通工具所具备的所有用户使用状态视频进行用户特征提取并建立对应的用户标签;
视频链接对匹配模块,用于对每辆共享交通工具采集到的各类用户使用状态视频进行视频链接对的匹配建立;
其中,用户标签构建单元包括:第一用户标签构建单元、第二用户标签构建单元、第三用户标签构建单元;
第一用户标签构建单元,用于在第一种触发事件对应的用户使用状态视频中对用户的着装特征和走路姿势特征进行提取,建立第一用户标签;
第二用户标签构建单元,用于在第二种触发事件对应的用户使用状态视频中对用户上车时的连贯姿势特征进行提取,建立第二用户标签;
第三用户标签构建单元,用于在第三种触发事件对应的用户使用状态视频中对用户下车时的连贯姿势特征进行提取,建立第三用户标签;
缺陷故障状态指数判断模块,用于接收视频链接对匹配模块中的数据,基于每辆共享交通工具的视频视频链接对匹配建立情况对该辆共享交通工具进行各缺陷故障状态指数的判断;
故障状态结果分析模块,用于接收缺陷故障状态指数判断模块中的数据,基于每辆共享交通工具在大数据场景下的各缺陷故障状态指数的分布情况,对每辆共享交通工具的故障状态进行判断得到故障状态结果,并将故障状态结果传输给管理人员,安排对共享交通工具的回收检查调度。
需要说明的是,在本文中,诸如第一和第二等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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。