CN115471972A - 管网异常预警方法、装置、设备及存储介质 - Google Patents
管网异常预警方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115471972A CN115471972A CN202211015248.6A CN202211015248A CN115471972A CN 115471972 A CN115471972 A CN 115471972A CN 202211015248 A CN202211015248 A CN 202211015248A CN 115471972 A CN115471972 A CN 115471972A
- Authority
- CN
- China
- Prior art keywords
- early warning
- pipe network
- information
- behavior
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000003068 static effect Effects 0.000 claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 26
- 230000000694 effects Effects 0.000 claims abstract description 14
- 230000006399 behavior Effects 0.000 claims description 105
- 230000009471 action Effects 0.000 claims description 27
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 230000005856 abnormality Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种管网异常预警方法、装置、设备及存储介质,包括:通过获取目标管网区域的视频信息,利用静物过滤处理和轮廓识别在视频信息中确定目标对象;根据对目标对象的行为进行分析,确定目标对象的行为类型;在行为类型满足预警条件时,执行预警条件对应的预警策略;通过对视频信息来确认目标对象,结合对目标对象的行为进行分析来判定是否符合需要进行预警的条件,在满足预警条件时,根据不同的情况执行不同的预警策略。避免了需要人工实时对官网区域进行监控的情况,进一步地实现了通过图像识别技术对管网进行实时预警的技术效果。
Description
技术领域
本申请涉及管网监控领域,尤其是涉及一种管网异常预警方法及相关装置。
背景技术
在科技飞速发展的今天,管道的分布也因为各种需求而越来越多。由于管道具有分布广、距离长、工况复杂、周边环境多样等特点,第三方施工、腐蚀、自然灾害、蓄意破坏等多种因素相互影响给管道的安全运行带来诸多的挑战,严重影响管道的完整性。为避免管道收到各种因素的损害,同时实现管道的健康诊断以及故障预警的功能,采取了如无人机巡检、智能阴保、视频监测、卫星遥感等多种信息获取技术,并建立了多种管理平台。
为了避免第三方施工破坏管道的安全运行,目前的做法通常是采用布控摄像头的方式,通过人为观察摄像头来判断对应的区域是否存在第三方施工的现象,但这样的做法往往需要消耗大量的人力,浪费了人力资源。
因此,如何通过图像识别对第三方施工或者其他人为行为导致管道受损的情况进行预警成为了一个亟待解决的技术问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
为了通过图像识别技术对管网进行实时预警,本申请提供一种管网异常预警方法、装置、设备及存储介质。
第一方面,本申请提供的一种管网异常预警方法采用如下的技术方案:
一种管网异常预警方法,包括获取目标管网区域的视频信息;
通过静物过滤处理和轮廓识别在所述视频信息中确认所述目标管网区域中的目标对象;
获取所述目标对象的行为信息,在行为动作集中确定所述行为信息对应的行为类型;
在所述行为类型满足预设预警条件时,执行所述预警条件对应的预警策略。
可选的,所述通过静物过滤处理和轮廓识别在所述视频信息中确认所述目标管网区域中的目标对象包括:
在所述视频信息中进行轮廓识别获取所述视频信息中的物体信息;
根据静物过滤处理对所述物体信息进行筛选以获得当前活动对象信息;
在所述当前活动对象信息中获取满足预设条件的对象作为所述目标管网区域中的目标对象。
可选的,所述根据静物过滤处理对所述物体信息进行筛选以获得当前活动对象信息包括:
根据所述视频信息生成视频帧集合;
在所述视频帧集合的初始帧和第预设帧数的对照帧中获取所述物体信息的位置;
若同一物体在所述初始帧中的位置与其在所述对照帧中的位置一致,则可判定该物体为静止物体;
在所述物体信息中除去所述静止物体以获得当前活动对象信息。
可选的,所述在所述当前活动对象信息中获取满足预设条件的对象作为所述目标管网区域中的目标对象包括:
根据人物集合对所述当前活动对象信息进行分类;
根据分类结果将属于潜在干扰集合中的对象作为目标管网区域中的目标对象。
可选的,所述获取所述目标对象的行为信息,在行为动作集中确定所述行为信息对应的行为类型包括:
在所述视频信息中的初始帧定位所述目标对象的特征点;
根据所述目标对象的特征点在所述视频信息中的运动轨迹确定所述目标对象的行为信息;
将所述行为信息与动作集中的行为动作类型进行匹配以确定所述行为信息对应的行为类型。
可选的,所述在所述行为类型满足预设预警条件时,执行所述预警条件对应的预警策略包括:
在所述行为类型满足预警条件时,获取所述预警条件对应的预警策略,所述预警策略包括:通知最近的巡线人员、在预警值班室进行提醒、启动所述目标管网区域的蜂鸣器、将所述视频信息发送至后天监控人员的终端以及从在线实时线路图中进行警示;
获取当前时刻,根据当前时刻判断是启动无人预警或者巡检预警;
根据判定结果执行预警策略。
可选的,所述在所述行为类型满足预设预警条件时,执行所述预警条件对应的预警策略之后,还包括:
接收预警策略回复消息,获取所述预警策略回复消息中对应的消息真实字节;
若所述消息真实字节的内容为真,则将所述预警策略回复消息对应的视频信息进行解析;
在解析结果中获取所述目标对象出现的时刻以及对应的目标管网区域位置以生成预警报告;
将所述预警报告发送至目标巡线人员终端。
第二方面,本申请提供一种管网异常预警装置,所述管网异常预警装置包括:
视频获取模块,用于获取目标管网区域的视频信息;
目标获取模块,通过静物过滤处理和轮廓识别在所述视频信息中确认所述目标管网区域中的目标对象;
行为分析模块,用于获取所述目标对象的行为信息,在行为动作集中确定所述行为信息对应的行为类型;
策略执行模块,用于在所述行为类型满足预设预警条件时,执行所述预警条件对应的预警策略。
第三方面,本申请提供一种管网异常预警设备,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的管网异常预警程序,所述管网异常预警程序配置为实现如上文所述的管网异常预警方法。
第四方面,本申请提供一种存储介质,其特征在于,所述存储介质上存储有管网异常预警程序,所述管网异常预警程序被处理器执行时实现如上文所述的管网异常预警方法
综上描述,本申请包括以下有益技术效果:
本申请通过获取目标管网区域的视频信息,利用静物过滤处理和轮廓识别在视频信息中确定目标对象;根据对目标对象的行为进行分析,确定目标对象的行为类型;在行为类型满足预警条件时,执行预警条件对应的预警策略;通过对视频信息来确认目标对象,结合对目标对象的行为进行分析来判定是否符合需要进行预警的条件,在满足预警条件时,根据不同的情况执行不同的预警策略。避免了需要人工实时对官网区域进行监控的情况,进一步地实现了通过图像识别技术对管网进行实时预警的技术效果。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的管网异常预警设备的结构示意图;
图2是本发明管网异常预警方法第一实施例的流程示意图;
图3是本发明管网异常预警方法第二实施例的流程示意图;
图4是本发明管网异常预警方法第三实施例的流程示意图;
图5是本发明管网异常预警装置第一实施例的结构框图。
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,以下通过附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的管网异常预警设备结构示意图。
如图1所示,该管网异常预警设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对管网异常预警设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及管网异常预警程序。
在图1所示的管网异常预警设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明管网异常预警设备中的处理器1001、存储器1005可以设置在管网异常预警设备中,所述管网异常预警设备通过处理器1001调用存储器1005中存储的管网异常预警程序,并执行本发明实施例提供的管网异常预警方法。
本发明实施例提供了一种管网异常预警方法,参照图2,图2为本发明管网异常预警方法第一实施例的流程示意图。
本实施例中,所述管网异常预警方法包括以下步骤:
步骤S10:获取目标管网区域的视频信息。
需要说明的是,管网又称管路系统管网分为配水管网、环状管网以及枝状管网三种。
可以理解的是,本实施例的执行主体可以是具有数据处理、网络通信以及程序运行功能的计算服务设备,例如智能手机、平板电脑、个人电脑等,也可以是其他能够实现上述功能的设备,本实施例对此不作限制。本实施例及下述各实施例将以管网异常预警设备为例进行具体说明。
需要说明的是,在本实施例中可以通过视频监控设备或者其他具有收集图像信息功能的设备获取目标管网区域的视频信息。
可以理解的是,根据具体的情况需要将管网进行片区划分,通过部署相关的视频监控设备实现对整个管网区域的监控。
步骤S20:通过静物过滤处理和轮廓识别在视频信息中确认目标管网区域中的目标对象。
需要说明的是,静物过滤处理过程是指在视频信息中将所有视频帧整合成视频帧集合,在视频帧集合中过滤发生移动或者局部位置有位移的干扰的人或者物。
可以理解的是,轮廓识别是通过在视频信息中的视频帧中利用OpenCV进行轮廓检测。获取视频帧中有相同颜色和亮度的边界点像素,将物体或者人物边缘所有的点进行连线以获得轮廓。
在具体实施中,通过轮廓识别获取视频信息中所有人或者物体的轮廓,设定对应的坐标系,并将轮廓在坐标系上的坐标进行绑定,通过对比视频帧第一帧和最后一帧中所有人或者物的坐标判断静态和动态类型的人或者物。
步骤S30:获取目标对象的行为信息,在行为动作集中确定行为信息对应的行为类型。
需要说明的是,行为信息在本实施例中主要包括行为动作,其中包括目标的移动和具体的动作内容。例如:人物的移动和人物手上的动作都属于动作行为。
可以理解的是,行为类型为预先设定的集合,例如:正常路过这一行为类型就对应目标在视频信息中是移动状态,可以将这一行为类型对应的行为动作定义为目标在视频帧的某一侧出现,在另一侧消失。
需要说明的是,所述行为动作集为行为动作的集合,根据分析目标的行为动作生成关键词,所述动作行为集中的动作就是又上述关键词生成。例如:通行这一行为对应的关键词为:行走。
在具体实施中,获取目标的行为信息,根据所述行为信息生成动作描述关键词,将所述关键词在动作集中进行遍历,获取对应的行为,根据匹配到的行为确定行为类型。
进一步地,为了提高对目标对象行为信息判断的准确性,所述获取所述目标对象的行为信息,在行为动作集中确定所述行为信息对应的行为类型包括:在所述视频信息中的初始帧定位所述目标对象的特征点;根据所述目标对象的特征点在所述视频信息中的运动轨迹确定所述目标对象的行为信息;将所述行为信息与动作集中的行为动作类型进行匹配以确定所述行为信息对应的行为类型。
步骤S40:在行为类型满足预设预警条件时,执行预警条件对应的预警策略。
进一步地,为了,在所述行为类型满足预警条件时,获取所述预警条件对应的预警策略,所述预警策略包括:通知最近的巡线人员、在预警值班室进行提醒、启动所述目标管网区域的蜂鸣器、将所述视频信息发送至后天监控人员的终端以及从在线实时线路图中进行警示;获取当前时刻,根据当前时刻判断是启动无人预警或者巡检预警;根据判定结果执行预警策略。
本实施例通过获取目标管网区域的视频信息,利用静物过滤处理和轮廓识别在视频信息中确定目标对象;根据对目标对象的行为进行分析,确定目标对象的行为类型;在行为类型满足预警条件时,执行预警条件对应的预警策略;通过对视频信息来确认目标对象,结合对目标对象的行为进行分析来判定是否符合需要进行预警的条件,在满足预警条件时,根据不同的情况执行不同的预警策略。避免了需要人工实时对官网区域进行监控的情况,进一步地实现了通过图像识别技术对管网进行实时预警的技术效果。
参考图3,图3为本发明管网异常预警方法第二实施例的流程示意图。
基于上述第一实施例,本实施例管网异常预警方法的所述步骤S20,包括:
步骤S201:在视频信息中进行轮廓识别获取视频信息中的物体信息。
在具体实施中,在视频信息中进行轮廓识别获取视频信息中的物体信息是指将视频信息转化为视频帧,在每张视频帧中进行轮廓识别,获取视频帧中的所有目标信息。若在初始视频帧中识别到的目标在最后一帧视频帧没有识别到,则默认目标已经转移到目标管网区域之外,对此不需要进行处理。
步骤S202根据静物过滤处理对物体信息进行筛选以获得当前活动对象信息。
在具体实施中,根据静物过滤处理对物体信息进行筛选以获得当前活动对象信息是指通过静物过滤处理技术,将识别出轮廓的目标进行筛选,通过对比在不同视频帧中同一目标的位置距离判断所述目标是否进行了移动,对静态不动的目标采取过滤技术。
进一步地,为了降低计算机资源的消耗,减少后续对视频分析的资源占用,所述根据静物过滤处理对所述物体信息进行筛选以获得当前活动对象信息包括:根据所述视频信息生成视频帧集合;在所述视频帧集合的初始帧和第预设帧数的对照帧中获取所述物体信息的位置;若同一物体在所述初始帧中的位置与其在所述对照帧中的位置一致,则可判定该物体为静止物体;在所述物体信息中除去所述静止物体以获得当前活动对象信息
需要说明的是,所述第预设帧数根据实际情况具体设定最低设置数量为预设第二帧的视频帧,即所述初始帧的下一帧。设置的帧数与初始帧越近,则判定的精准程度越低。
在具体实施中,为了精准地判定哪些目标是移动,哪些目标是静态,也可以采用多段式抽取视频帧的方式,例如抽取初始帧与结束帧,以及再抽取两者之间某一视频帧,以上三段式的抽取方法会帮助判定更加精确。
步骤S203:在当前活动对象信息中获取满足预设条件的对象作为目标管网区域中的目标对象。
需要说明的是,即便筛选出了有过移动现象的当前活动对象,此当前活动对象包括人或者物,但是在同一场景下,数量依旧很多,计算机处理的资源消耗很大。因此,需要根据预设条件将当前活动对象进行再一步筛选,减少计算的负担,针对重点的对象进行重点分析。
进一步地,为了排除在管网预警过程中的干扰因素,所述在所述当前活动对象信息中获取满足预设条件的对象作为所述目标管网区域中的目标对象包括:根据人物集合对所述当前活动对象信息进行分类;根据分类结果将属于潜在干扰集合中的对象作为目标管网区域中的目标对象
本实施例通过在视频信息中进行轮廓识别获取视频信息中的物体信息,通过静物过滤处理对物体信息进行筛选以获得当前活动对象信息;在判定当前活动信息满足预设条件时,将当前活动对象作为目标管网区域中的目标对象。由于在视频信息中对目标对象的数量做了两次削减,一次是通过静物过滤处理,另外一次是通过预设条件的匹配机制,以此减少了需要分析的目标对象的数量,进一步减少了计算资源的消耗,提高了对管网预警的处理速度。
参考图4,图4为本发明管网异常预警方法第三实施例的流程示意图。
基于上述第一实施例,本实施例管网异常预警方法的所述步骤S40之后,还包括:
步骤S401:接收预警策略回复消息,获取预警策略回复消息中对应的消息真实字节。
需要说明的是,预警策略回复消息包括对应的预警信息是否正确的回复,回复的内容隐藏在消息真实字节中,若所述消息真实字节为真,则对应的预警信息正确,若为假,则判定预警信息错误。通过接受反馈消息可以及时得知预警信息的正确性。若预警信息不正确,则需要做技术调整,从视频信息中找出错误判定的原因,修正系统判定的尺度。
在具体实施中,接受预警策略回复消息是同一由假设在云端的服务器统一发送,对于去到现场的巡检人员将现场是否有异常情况的消息通过其终端发送至云端服务器,再通过服务器进行反馈。
步骤S402:若所述消息真实字节的内容为真,则将所述预警策略回复消息对应的视频信息进行解析。
在具体实施中,对视频信息进行解析是指,获取对应的视频信息以及对视频信息进行轮廓处理和静物过滤处理的结果。对于目标对象出现的视频帧位置定位到相应的时刻。
步骤S403:在解析结果中获取所述目标对象出现的时刻以及对应的目标管网区域位置以生成预警报告。
在具体实施中,通过收集到的目标对象出现时刻以及对应的目标管网区域的位置信息发送至巡线人员,巡线人员的工作安排中会有一个模块是属于对有过异常情况的目标区域进行同时间段的巡检,进一步减少了管网运行的风险。
步骤S404:将预警报告发送至目标巡线人员终端。
本实施例通过接受预警策略回复消息,获取在预警策略回复消息中的消息真实字节对预警分析的判断结果进行判定,若所述消息真实字节为真,则可判定对应的预警成功,即对预警策略回复消息对应的视频信息进行解析,在解析结果中获取所述目标对象出现的额时刻以及对应的目标管网区域位置来生成预警报告并发送至对应的目标巡线人员终端,对于管道可能收到二次伤害的情况进行了防范,进一步保护了管道的正常运行。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有管网异常预警的程序,所述管网异常预警的程序被处理器执行时实现如上文所述的管网异常预警的方法的步骤。
参照图5,图5为本发明管网异常预警装置第一实施例的结构框图。
如图5所示,本发明实施例提出的管网异常预警的装置包括:
视频获取模块10,用于获取目标管网区域的视频信息。
目标获取模块20,通过静物过滤处理和轮廓识别在所述视频信息中确认所述目标管网区域中的目标对象。
行为分析模块30,用于获取所述目标对象的行为信息,在行为动作集中确定所述行为信息对应的行为类型。
策略执行模块40,用于在所述行为类型满足预设预警条件时,执行所述预警条件对应的预警策略。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
本实施例通过获取目标管网区域的视频信息,利用静物过滤处理和轮廓识别在视频信息中确定目标对象;根据对目标对象的行为进行分析,确定目标对象的行为类型;在行为类型满足预警条件时,执行预警条件对应的预警策略;通过对视频信息来确认目标对象,结合对目标对象的行为进行分析来判定是否符合需要进行预警的条件,在满足预警条件时,根据不同的情况执行不同的预警策略。避免了需要人工实时对官网区域进行监控的情况,进一步地实现了通过图像识别技术对管网进行实时预警的技术效果。
在一实施例中,所述目标获取模块20,还用于在所述视频信息中进行轮廓识别获取所述视频信息中的物体信息;根据静物过滤处理对所述物体信息进行筛选以获得当前活动对象信息;在所述当前活动对象信息中获取满足预设条件的对象作为所述目标管网区域中的目标对象。
在一实施例中,所述目标获取模块20,还用于根据所述视频信息生成视频帧集合;在所述视频帧集合的初始帧和第预设帧数的对照帧中获取所述物体信息的位置;若同一物体在所述初始帧中的位置与其在所述对照帧中的位置一致,则可判定该物体为静止物体;在所述物体信息中除去所述静止物体以获得当前活动对象信息。
在一实施例中,所述行为分析模块20,还用于根据人物集合对所述当前活动对象信息进行分类;根据分类结果将属于潜在干扰集合中的对象作为目标管网区域中的目标对象。
在一实施例中,所述行为分析模块30,还用于在所述视频信息中的初始帧定位所述目标对象的特征点;根据所述目标对象的特征点在所述视频信息中的运动轨迹确定所述目标对象的行为信息;将所述行为信息与动作集中的行为动作类型进行匹配以确定所述行为信息对应的行为类型。
在一实施例中,所述策略执行模块40,还用于在所述行为类型满足预警条件时,获取所述预警条件对应的预警策略,所述预警策略包括:通知最近的巡线人员、在预警值班室进行提醒、启动所述目标管网区域的蜂鸣器、将所述视频信息发送至后天监控人员的终端以及从在线实时线路图中进行警示;获取当前时刻,根据当前时刻判断是启动无人预警或者巡检预警;根据判定结果执行预警策略。
在一实施例中,所述策略执行模块40,还用于接收预警策略回复消息,获取所述预警策略回复消息中对应的消息真实字节;若所述消息真实字节的内容为真,则将所述预警策略回复消息对应的视频信息进行解析;在解析结果中获取所述目标对象出现的时刻以及对应的目标管网区域位置以生成预警报告;将所述预警报告发送至目标巡线人员终端。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的管网异常预警的方法,此处不再赘述。
此外,需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种管网异常预警方法,其特征在于,包括:
获取目标管网区域的视频信息;
通过静物过滤处理和轮廓识别在所述视频信息中确认所述目标管网区域中的目标对象;
获取所述目标对象的行为信息,在行为动作集中确定所述行为信息对应的行为类型;
在所述行为类型满足预设预警条件时,执行所述预警条件对应的预警策略。
2.根据权利要求1所述的管网异常预警方法,其特征在于,所述通过静物过滤处理和轮廓识别在所述视频信息中确认所述目标管网区域中的目标对象包括:
在所述视频信息中进行轮廓识别获取所述视频信息中的物体信息;
根据静物过滤处理对所述物体信息进行筛选以获得当前活动对象信息;
在所述当前活动对象信息中获取满足预设条件的对象作为所述目标管网区域中的目标对象。
3.根据权利要求2所述的管网异常预警方法,其特征在于,所述根据静物过滤处理对所述物体信息进行筛选以获得当前活动对象信息包括:
根据所述视频信息生成视频帧集合;
在所述视频帧集合的初始帧和第预设帧数的对照帧中获取所述物体信息的位置;
若同一物体在所述初始帧中的位置与其在所述对照帧中的位置一致,则可判定该物体为静止物体;
在所述物体信息中除去所述静止物体以获得当前活动对象信息。
4.根据权利要求2所述的管网异常预警方法,其特征在于,所述在所述当前活动对象信息中获取满足预设条件的对象作为所述目标管网区域中的目标对象包括:
根据人物集合对所述当前活动对象信息进行分类;
根据分类结果将属于潜在干扰集合中的对象作为目标管网区域中的目标对象。
5.根据权利要求1所述的管网异常预警方法,其特征在于,所述获取所述目标对象的行为信息,在行为动作集中确定所述行为信息对应的行为类型包括:
在所述视频信息中的初始帧定位所述目标对象的特征点;
根据所述目标对象的特征点在所述视频信息中的运动轨迹确定所述目标对象的行为信息;
将所述行为信息与动作集中的行为动作类型进行匹配以确定所述行为信息对应的行为类型。
6.根据权利要求1所述的管网异常预警方法,其特征在于,所述在所述行为类型满足预设预警条件时,执行所述预警条件对应的预警策略包括:
在所述行为类型满足预警条件时,获取所述预警条件对应的预警策略,所述预警策略包括:通知最近的巡线人员、在预警值班室进行提醒、启动所述目标管网区域的蜂鸣器、将所述视频信息发送至后天监控人员的终端以及从在线实时线路图中进行警示;
获取当前时刻,根据当前时刻判断是启动无人预警或者巡检预警;
根据判定结果执行预警策略。
7.根据权利要求1所述的管网异常预警方法,其特征在于,所述在所述行为类型满足预设预警条件时,执行所述预警条件对应的预警策略之后,还包括:
接收预警策略回复消息,获取所述预警策略回复消息中对应的消息真实字节;
若所述消息真实字节的内容为真,则将所述预警策略回复消息对应的视频信息进行解析;
在解析结果中获取所述目标对象出现的时刻以及对应的目标管网区域位置以生成预警报告;
将所述预警报告发送至目标巡线人员终端。
8.一种管网异常预警装置,其特征在于,所述管网异常预警装置包括:
视频获取模块,用于获取目标管网区域的视频信息;
目标获取模块,通过静物过滤处理和轮廓识别在所述视频信息中确认所述目标管网区域中的目标对象;
行为分析模块,用于获取所述目标对象的行为信息,在行为动作集中确定所述行为信息对应的行为类型;
策略执行模块,用于在所述行为类型满足预设预警条件时,执行所述预警条件对应的预警策略。
9.一种管网异常预警设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的管网异常预警程序,所述管网异常预警程序配置为实现如权利要求1至7中任一项所述的管网异常预警方法。
10.一种存储介质,其特征在于,所述存储介质上存储有管网异常预警程序,所述管网异常预警程序被处理器执行时实现如权利要求1至7任一项所述的管网异常预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211015248.6A CN115471972A (zh) | 2022-08-23 | 2022-08-23 | 管网异常预警方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211015248.6A CN115471972A (zh) | 2022-08-23 | 2022-08-23 | 管网异常预警方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115471972A true CN115471972A (zh) | 2022-12-13 |
Family
ID=84366631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211015248.6A Pending CN115471972A (zh) | 2022-08-23 | 2022-08-23 | 管网异常预警方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115471972A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251274A (zh) * | 2016-09-05 | 2016-12-21 | 苏州光格设备有限公司 | 一种城市综合管廊监控报警与运维管理系统 |
CN109410496A (zh) * | 2018-10-25 | 2019-03-01 | 北京交通大学 | 入侵预警方法、装置及电子设备 |
CN112449308A (zh) * | 2019-09-03 | 2021-03-05 | 中国石油天然气股份有限公司 | 基于手机信号的活动人员的活动预警方法及装置 |
CN113688713A (zh) * | 2021-08-18 | 2021-11-23 | 广东电网有限责任公司 | 基于危险行为识别的线缆保护方法、装置、系统和介质 |
CN114529813A (zh) * | 2022-01-07 | 2022-05-24 | 南方电网深圳数字电网研究院有限公司 | 基于视频监控数据的电网设备巡检方法及装置 |
CN114581827A (zh) * | 2022-03-01 | 2022-06-03 | 西安西古光通信有限公司 | 一种异常行为预警系统、方法、设备及介质 |
-
2022
- 2022-08-23 CN CN202211015248.6A patent/CN115471972A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106251274A (zh) * | 2016-09-05 | 2016-12-21 | 苏州光格设备有限公司 | 一种城市综合管廊监控报警与运维管理系统 |
CN109410496A (zh) * | 2018-10-25 | 2019-03-01 | 北京交通大学 | 入侵预警方法、装置及电子设备 |
CN112449308A (zh) * | 2019-09-03 | 2021-03-05 | 中国石油天然气股份有限公司 | 基于手机信号的活动人员的活动预警方法及装置 |
CN113688713A (zh) * | 2021-08-18 | 2021-11-23 | 广东电网有限责任公司 | 基于危险行为识别的线缆保护方法、装置、系统和介质 |
CN114529813A (zh) * | 2022-01-07 | 2022-05-24 | 南方电网深圳数字电网研究院有限公司 | 基于视频监控数据的电网设备巡检方法及装置 |
CN114581827A (zh) * | 2022-03-01 | 2022-06-03 | 西安西古光通信有限公司 | 一种异常行为预警系统、方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443109A (zh) | 异常行为监控处理方法、装置、计算机设备和存储介质 | |
CN112990870B (zh) | 基于核电设备的巡检文件生成方法、装置和计算机设备 | |
WO2022160413A1 (zh) | 电力生产异常监控方法、装置、计算机设备和存储介质 | |
CN113095132B (zh) | 基于神经网络燃气现场识别方法、系统、终端及存储介质 | |
CN113343779B (zh) | 环境异常检测方法、装置、计算机设备和存储介质 | |
CN108921840A (zh) | 显示屏外围电路检测方法、装置、电子设备及存储介质 | |
CN114155614A (zh) | 一种作业现场反违章行为识别方法及系统 | |
CN114968959A (zh) | 日志处理方法、日志处理装置及存储介质 | |
CN113591751A (zh) | 变电站异常情况告警方法、装置、计算机设备及存储介质 | |
CN115471972A (zh) | 管网异常预警方法、装置、设备及存储介质 | |
CN113837138B (zh) | 一种着装监控方法、系统、介质及电子终端 | |
CN111179343B (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
CN111401291B (zh) | 陌生人的识别方法和装置 | |
CN113723355A (zh) | 一种目标监控方法和装置、存储介质及电子装置 | |
CN114241400A (zh) | 电网系统的监控方法及其装置、计算机可读存储介质 | |
CN114332695A (zh) | 电梯开关门的识别方法、设备及存储介质 | |
CN114119531A (zh) | 应用于校园智慧平台的火灾检测方法、装置及计算机设备 | |
CN112508207A (zh) | 故障检测方法、装置、设备及存储介质 | |
CN115376275B (zh) | 一种基于图像处理的施工安全告警方法及系统 | |
CN116484428B (zh) | 数据安全性检测系统、方法、装置及相关设备 | |
CN117119434B (zh) | 人员识别的方法、装置、设备及存储介质 | |
CN112612882B (zh) | 检阅报告生成方法、装置、设备和存储介质 | |
CN117456601A (zh) | 一种塔吊安全状态预警方法及系统 | |
CN115995060A (zh) | 人员调度方法、装置、计算机设备和存储介质 | |
JP2022080133A (ja) | 情報処理システム、情報処理装置、情報処理方法及び学習モデルの生成方法 |
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 |