CN115564733A - 设备工作状态的检测方法、装置、存储介质和电子装置 - Google Patents
设备工作状态的检测方法、装置、存储介质和电子装置 Download PDFInfo
- Publication number
- CN115564733A CN115564733A CN202211223008.5A CN202211223008A CN115564733A CN 115564733 A CN115564733 A CN 115564733A CN 202211223008 A CN202211223008 A CN 202211223008A CN 115564733 A CN115564733 A CN 115564733A
- Authority
- CN
- China
- Prior art keywords
- extraction
- state
- determining
- motion state
- motion
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种设备工作状态的检测方法、装置、存储介质和电子装置,其中,该方法包括:获取监测对象的检测视频,其中,监测对象包括资源抽取设备以及资源抽取设备上的抽取部件,资源抽取设备通过抽取部件的运动抽取资源;检测检测视频中每个视频帧上的抽取部件的运动状态,得到运动状态序列;根据运动状态序列确定资源抽取设备的工作状态。通过本发明,解决了相关技术中存在的设备工作状态的检测的准确率较低的问题,进而达到了提高设备工作状态的检测的准确率的效果。
Description
技术领域
本发明实施例涉及视频监控技术领域,具体而言,涉及一种设备工作状态的检测方法、装置、存储介质和电子装置。
背景技术
随着工业化的发展,机械设备开采资源已经成为重要的手段,其中,石油被称为“工业的血液”,其大多储存在地壳上层部分,需要使用特定的机械设备进行开采,其中,以游梁式抽油机为例,作为一种常见的石油开采设备,常常位于比较偏远的山区或者大漠之中,如果设备出现故障等问题,很难第一时间得知设备现场的实际情况。对于设备的维护人员来说,如果能够通过远程视频监控来实时的上报设备的运行状态,可以在第一时间对设备运行状态进行判断,大大节省了设备维护的时间和成本。
目前,对游梁式抽油机工作状态的判断主要是通过在抽油机上安装一个对应的压力传感器或声音传感器,来检测驴头的运行情况,其中,压力传感器往往只能够起到采集数据的作用,但并没有对应的智能分析,只是实时回传现场参数,难以大规模应用;声音传感器仅仅通过音频对抽油机的工作状态进行检测,容易受到外部噪声(风声)等干扰,同时无法实时获取抽油机状态的现场情况,监测效率比较低,且结果并不准确。
针对相关技术中存在的设备工作状态的检测的准确率较低的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种设备工作状态的检测方法、装置、存储介质和电子装置,以至少解决相关技术中存在的设备工作状态的检测的准确率较低的问题。
根据本发明的一个实施例,提供了一种设备工作状态的检测方法,包括:获取监测对象的检测视频,其中,所述监测对象包括资源抽取设备以及资源抽取设备上的抽取部件,所述资源抽取设备通过所述抽取部件的运动抽取资源;
检测所述检测视频中每个视频帧上的所述抽取部件的运动状态,得到运动状态序列;
根据所述运动状态序列确定所述资源抽取设备的工作状态。
在一个示例性实施例中,所述检测所述检测视频中每个视频帧上的所述抽取部件的运动状态,得到运动状态序列,包括:
检测所述视频帧中所述抽取部件的跟踪信息;
根据所述跟踪信息确定所述抽取部件的运动状态,得到所述运动状态序列。
在一个示例性实施例中,所述根据所述跟踪信息确定所述抽取部件的运动状态,包括:
在所述跟踪信息用于指示所述抽取部件静止的情况下,确定所述抽取部件在所述视频帧中的运动状态为静止状态;
在所述跟踪信息用于指示所述抽取部件正在运动的情况下,根据所述抽取部件上的运动目标的参数确定所述抽取部件在所述视频帧中的运动状态。
在一个示例性实施例中,所述根据所述抽取部件上的运动目标的参数确定所述抽取部件在所述视频帧中的运动状态,包括:
将所述视频帧输入运动目标检测模型,得到所述运动目标检测模型输出的所述资源抽取设备上的前景点;
确定所述前景点中位于所述抽取部件上的目标前景点的数量作为所述所述抽取部件上的运动目标的参数;
在所述数量大于或者等于目标阈值的情况下,确定所述抽取部件在所述视频帧中的运动状态为运动状态;和/或,在所述数量小于目标阈值的情况下,确定所述抽取部件在所述视频帧中的运动状态为静止状态。
在一个示例性实施例中,所述根据所述运动状态序列确定所述资源抽取设备的工作状态,包括:
在按照所述运动状态序列的顺序检测到所述抽取部件处于静止状态的情况下,开始计时;
在计时超过目标时间阈值且所述抽取部件均处于静止状态的情况下,确定所述资源抽取设备的工作状态为停止工作状态。
在一个示例性实施例中,所述根据所述运动时长和所述目标时间阈值确定所述资源抽取设备的工作状态,包括:
在所述运动时长未超过已计算时长且所述抽取部件从运动状态转换回静止状态的情况下,从目标时长继续计时,其中,所述目标时长为所述已计算时长与所述运动时长的差值;
在计时超过所述目标时间阈值且所述抽取部件均处于静止状态的情况下,确定所述资源抽取设备的工作状态为停止工作状态。
根据本发明的又一个实施例,还提供了一种设备工作状态的检测装置,包括:
获取模块,用于获取监测对象的检测视频,其中,所述监测对象包括资源抽取设备以及资源抽取设备上的抽取部件,所述资源抽取设备通过所述抽取部件的运动抽取资源;
检测模块,用于检测所述检测视频中每个视频帧上的所述抽取部件的运动状态,得到运动状态序列;
第一确定模块,用于根据所述运动状态序列确定所述资源抽取设备的工作状态。
根据本发明的又一个实施例,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中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,通过获取监测对象的检测视频,其中,监测对象包括资源抽取设备以及资源抽取设备上的抽取部件,资源抽取设备通过抽取部件的运动抽取资源;检测检测视频中每个视频帧上的抽取部件的运动状态,得到运动状态序列;根据运动状态序列确定资源抽取设备的工作状态,即,首先获取资源抽取设备以及资源抽取设备上的抽取部件的检测视频,然后检测每个视频帧上的抽取部件的运动状态,得到运动状态序列,由于资源抽取设备通过抽取部件的运动抽取资源,因此最后可以根据运动状态序列确定资源抽取设备的工作状态,也就是说,采用视屏的方式,避免了外部因素的干扰,增加了检测的可靠性,同时可以对采集到的运动状态序列进行智能分析,进而得到更加精准的资源抽取设备的工作状态,因此,解决了相关技术中存在的设备工作状态的检测的准确率较低的问题,达到了提高设备工作状态的检测的准确率的效果。
附图说明
图1是本发明实施例的设备工作状态的检测方法的移动终端硬件结构框图;
图2是根据本发明实施例的设备工作状态的检测方法的流程图;
图3是根据本发明实施例的资源抽取设备和抽取部件的示意图;
图4是根据本申请实施例的一种设备工作状态的检测方法的示意图;
图5是根据本申请实施例的一种设备工作状态的检测装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的设备工作状态的检测方法的移动终端硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的设备工作状态的检测方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种设备工作状态的检测方法,图2是根据本发明实施例的设备工作状态的检测方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取监测对象的检测视频,其中,所述监测对象包括资源抽取设备以及资源抽取设备上的抽取部件,所述资源抽取设备通过所述抽取部件的运动抽取资源;
步骤S204,检测所述检测视频中每个视频帧上的所述抽取部件的运动状态,得到运动状态序列;
步骤S206,根据所述运动状态序列确定所述资源抽取设备的工作状态。
通过上述步骤,首先获取资源抽取设备以及资源抽取设备上的抽取部件的检测视频,然后检测每个视频帧上的抽取部件的运动状态,得到运动状态序列,由于资源抽取设备通过抽取部件的运动抽取资源,因此最后可以根据运动状态序列确定资源抽取设备的工作状态,也就是说,采用视屏的方式,避免了外部因素的干扰,增加了检测的可靠性,同时可以对采集到的运动状态序列进行智能分析,进而得到更加精准的资源抽取设备的工作状态,采用上述技术方案,解决了相关技术中存在的设备工作状态的检测的准确率较低的问题,进而达到了提高设备工作状态的检测的准确率的效果。
需要说明的是,本发明实施例涉及一种设备工作状态的检测方法,可以应用于任何需要对设备工作状态进行检测的场景中,例如:工厂场景,仓库场景,资源开采场景等等,以下实施例以资源开采场景中的石油开采为例,设备以游梁式抽油机为例进行说明,可以但不限于上述场景和设备。
在上述步骤S202提供的技术方案中,以游梁式抽油机作为资源抽取设备为例,图3是根据本发明实施例的资源抽取设备和抽取部件的示意图,如图3所示,游梁式抽油机通过驴头的往复运动抽取石油,因此监测对象可以但不限于包括游梁式抽油机和驴头。
可选地,在本实施例中,检测视频可以但不限于通过视频采集模块实时采集可见光相机的监控画面,可见光相机可以全天候监控户外的抽油机,可见光相机可以为带云台监控设备,或不支持在运行过程中转动的枪型监控设备。
在上述步骤S204提供的技术方案中,检测视频由一系列视频帧组成,通过分析每个视频帧上的所述抽取部件(驴头)的运动状态,可以得到运动状态序列。
可选地,在本实施例中,检测运动状态的方式可以但不限于通过目标检测模型的方式进行检测,可以将每个视频帧输入预先训练好的目标检测模型,实时检测视频帧中的游梁式抽油机的整体目标(x1,y1,w1,h1)和驴头目标(x2,y2,w2,h2)。其中(x1,y1)和(x2,y2)为检测目标的中心点,(w1,h1)和(w2,h2)为检测目标的宽高。其中,目标检测模型可以为深度神经网络模型,可以但不限于包括RCNN(Region Convolutional Neural Network)系列,SSD(Single Shot MultiBox Detector),YOLO(You Only Look Once)系列等。
在一个示例性实施例中,可以但不限于通过以下方式检测所述检测视频中每个视频帧上的所述抽取部件的运动状态,得到运动状态序列:检测所述视频帧中所述抽取部件的跟踪信息;根据所述跟踪信息确定所述抽取部件的运动状态,得到所述运动状态序列。
可选地,在本实施例中,检测所述视频帧中驴头的跟踪信息,其中,跟踪信息的获取方式可以但但不限于将驴头目标的视频帧输入预先调参的多目标跟踪算法,对视频帧中的驴头目标附加跟踪信息及目标编号id,从而绑定不同图像帧之间的相同目标,输出每一帧的跟踪信息队列(object_track_queue),其中,object_track_queue包含编号为id的驴头目标在历史帧中的目标检测结果(x2,y2,w2,h2),多目标跟踪算法可以但不限于包括SORT(Simple Online and Realtime Tracking)算法、Deep SORT算法等。
在一个示例性实施例中,可以但不限于通过以下方式根据所述跟踪信息确定所述抽取部件的运动状态:在所述跟踪信息用于指示所述抽取部件静止的情况下,确定所述抽取部件在所述视频帧中的运动状态为静止状态;在所述跟踪信息用于指示所述抽取部件正在运动的情况下,根据所述抽取部件上的运动目标的参数确定所述抽取部件在所述视频帧中的运动状态。
可选地,在本实施例中,在所述跟踪信息用于指示所述抽取部件静止的情况下,确定所述抽取部件在所述视频帧中的运动状态为静止状态,例如:在视频帧为第i帧的情况下,驴头目标的检测框为(x2,y2,w2,h2),获取的游梁式抽油机整体区域所有前景点Y,如果驴头的跟踪结果为静止状态,则判断第i帧时,驴头目标为静止。
可选地,在本实施例中,如果跟踪信息指示驴头正在运动,则统计驴头区域内的前景点数目M,当M大于阈值F时,判断第i帧时,驴头目标处于运动状态,当M小于或者等于阈值F时,该驴头目标处于静止状态。
可选地,在本实施例中,上述机制可以视为增加了驴头判断模块,驴头判断模块可以将检测到的抽油机整体区域进行运动检测,输出该区域所有的检测结果,再统计驴头检测区域的前景结果,进而判断驴头的状态,可以有效的降低大风对监控相机扰动以及光照变化带来的误判。即,当驴头静止时,大风和光照变化可能会导致监控摄像机的抖动进而导致视频画面中的抽油机出现抖动或者光照明暗变化,整个驴头区域可能会出现较多的前景点,但是对驴头的检测结果并不会产生影响,因此通过对驴头目标框跟踪的结果进行前后帧位置判断变化变可以得出驴头处于静止状态,因此即使驴头区域内有足够的前景点,但是由于驴头跟踪结果为静止状态,因此驴头仍然为静止状态,可以降低误判。
在一个示例性实施例中,可以但不限于通过以下方式根据所述抽取部件上的运动目标的参数确定所述抽取部件在所述视频帧中的运动状态:将所述视频帧输入运动目标检测模型,得到所述运动目标检测模型输出的所述资源抽取设备上的前景点;确定所述前景点中位于所述抽取部件上的目标前景点的数量作为所述所述抽取部件上的运动目标的参数;在所述数量大于或者等于目标阈值的情况下,确定所述抽取部件在所述视频帧中的运动状态为运动状态;和/或,在所述数量小于目标阈值的情况下,确定所述抽取部件在所述视频帧中的运动状态为静止状态。
可选地,在本实施例中,将所述视频帧输入运动目标检测模型,得到所述运动目标检测模型输出的所述资源抽取设备上的前景点,也就是说,首先对游梁式抽油机整体区域进行运动检测,如果该游梁式抽油机有部件运动,则会在对应的区域生成相关的前景点。
可选地,在本实施例中,驴头为游梁式抽油机的一个部件,当驴头运动的时候,驴头跟踪结果为运动状态,同时驴头跟踪框内会生成相应的全景点M,当其大于阈值F时,判断该驴头为运动,当其小于阈值F时,判断其为静止。当驴头静止时,驴头跟踪结果为静止,无需对驴头区域的前景点做判断,直接判断为静止。
在上述步骤S206提供的技术方案中,资源抽取设备(游梁式抽油机)的工作状态判断的关键点在于(抽取部件)驴头是处于运动状态还是静止状态,即,资源抽取设备的工作状态可以包括正常工作状态和停止工作状态,其中,在驴头上下摆动时,游梁式抽油机进行石油的抽取,为正常工作状态;当驴头静止,游梁式抽油机未进行石油的抽取,为停止工作状态。
在一个示例性实施例中,可以但不限于通过以下方式根据所述运动状态序列确定所述资源抽取设备的工作状态:在按照所述运动状态序列的顺序检测到所述抽取部件处于静止状态的情况下,开始计时;在计时超过目标时间阈值且所述抽取部件均处于静止状态的情况下,确定所述资源抽取设备的工作状态为停止工作状态。
可选地,在本实施例中,在按照所述运动状态序列的顺序检测到所述抽取部件处于静止状态的情况下,开始计时,即,当驴头处于静止状态时,time_num开始计时,time_num=still_num/fps,其中,still_num为驴头处于静止状态的帧数,fps为输入视频的帧率,time_num单位为秒。
可选地,在本实施例中,计时超过目标时间阈值的情况可以但不限于为time_num>Alarm_time时,即可以判断此时该游梁式抽油机此时处于停止工作状态,否则为正常工作状态,Alarm_time为可设置的停留时间阈值(驴头运动较慢,避免误判)。
在一个示例性实施例中,在按照所述运动状态序列的顺序检测到所述抽取部件处于静止状态的情况下,开始计时之后,可以但不限于还包括以下方式:在计时未超过所述目标时间阈值但所述抽取部件处于运动状态的情况下,记录所述抽取部件处于运动状态的运动时长;根据所述运动时长和所述目标时间阈值确定所述资源抽取设备的工作状态。
可选地,在本实施例中,在计时未超过所述目标时间阈值但所述抽取部件处于运动状态的情况可以但不限于是指当驴头在静止计时过程中且未到达设定的停留时间阈值时,驴头开始移动的情况。
在一个示例性实施例中,可以但不限于通过以下方式根据所述运动时长和所述目标时间阈值确定所述资源抽取设备的工作状态:在所述运动时长未超过已计算时长且所述抽取部件从运动状态转换回静止状态的情况下,从目标时长继续计时,其中,所述目标时长为所述已计算时长与所述运动时长的差值;在计时超过所述目标时间阈值且所述抽取部件均处于静止状态的情况下,确定所述资源抽取设备的工作状态为停止工作状态。
可选地,在本实施例中,所述目标时长为所述已计算时长与所述运动时长的差值,即,time_num减去运动时长,time_num需要大于0:time_num=MAX(time_num-mov_num/fps,0),其中mov_num为驴头处于运动状态的帧数,当驴头状态再次为静止时,time_num开始累加新的静止帧数still_num计时,直到time_num≥Alarm_time时,游梁式抽油机处于停止工作状态。
为了更好的理解上述设备工作状态的检测的过程,以下再结合可选实施例对上述设备工作状态的检测流程进行说明,但不用于限定本申请实施例的技术方案。
在本实施例中提供了一种设备工作状态的检测方法,图4是根据本申请实施例的一种设备工作状态的检测方法的示意图,如图4所示,主要包括如下步骤:
步骤S401:将可见光相机拍摄的可见光监控视屏输入至检测模型,对游梁式抽油机的整体和驴头进行检测;
步骤S402:对驴头进行多目标跟踪;
步骤S403:在驴头的跟踪结果为静止的情况下,进入静止开始计时;
步骤S404:在驴头的跟踪结果为运动的情况下,对游梁式抽油机的整体进行运动检测,对驴头区域的前景点进行统计;
步骤S405:在前景点大于驴头阈值F的情况下,判定游梁式抽油机为正常工作状态;在前景点小于或者等于驴头阈值F的情况下,进入静止开始计时;
步骤S406:在计时时间大于阈值A的情况下,判定游梁式抽油机为停止工作状态,在计时时间小于或者等于阈值A的情况下,判定游梁式抽油机为正常工作状态。
通过以上的实施方式,提供了一种全天候的游梁式抽油机工作状态监测方法,主要包括游梁式抽油机检测跟踪模块,驴头静止运动判断模块,游梁式抽油机工作状态判断模块,通过对驴头的检测加对抽油机整体进行运动检测相结合的方式,可以有效排除大风光线变化带来的误判,实现对抽油机的工作状态进行实时监测上报。
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根据上述实施例的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,本申请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)执行本申请各个实施例的方法。
图5是根据本申请实施例的一种设备工作状态的检测装置的结构框图;如图5所示,包括:
获取模块502,用于获取监测对象的检测视频,其中,所述监测对象包括资源抽取设备以及资源抽取设备上的抽取部件,所述资源抽取设备通过所述抽取部件的运动抽取资源;
检测模块504,用于检测所述检测视频中每个视频帧上的所述抽取部件的运动状态,得到运动状态序列;
第一确定模块506,用于根据所述运动状态序列确定所述资源抽取设备的工作状态。
通过上述实施例,首先获取资源抽取设备以及资源抽取设备上的抽取部件的检测视频,然后检测每个视频帧上的抽取部件的运动状态,得到运动状态序列,由于资源抽取设备通过抽取部件的运动抽取资源,因此最后可以根据运动状态序列确定资源抽取设备的工作状态,也就是说,采用视屏的方式,避免了外部因素的干扰,增加了检测的可靠性,同时可以对采集到的运动状态序列进行智能分析,进而得到更加精准的资源抽取设备的工作状态。采用上述技术方案,解决了相关技术中存在的设备工作状态的检测的准确率较低的问题,达到了提高设备工作状态的检测的准确率的效果。
在一个示例性实施例中,所述检测模块,包括:
检测单元,用于检测所述视频帧中所述抽取部件的跟踪信息;
第一确定单元,用于根据所述跟踪信息确定所述抽取部件的运动状态,得到所述运动状态序列。
在一个示例性实施例中,所述第一确定单元,还用于:
在所述跟踪信息用于指示所述抽取部件静止的情况下,确定所述抽取部件在所述视频帧中的运动状态为静止状态;
在所述跟踪信息用于指示所述抽取部件正在运动的情况下,根据所述抽取部件上的运动目标的参数确定所述抽取部件在所述视频帧中的运动状态。
在一个示例性实施例中,所述第一确定单元,还用于:
将所述视频帧输入运动目标检测模型,得到所述运动目标检测模型输出的所述资源抽取设备上的前景点;
确定所述前景点中位于所述抽取部件上的目标前景点的数量作为所述所述抽取部件上的运动目标的参数;
在所述数量大于或者等于目标阈值的情况下,确定所述抽取部件在所述视频帧中的运动状态为运动状态;和/或,在所述数量小于目标阈值的情况下,确定所述抽取部件在所述视频帧中的运动状态为静止状态。
在一个示例性实施例中,所述第一确定模块,包括:
第一计时单元,用于在按照所述运动状态序列的顺序检测到所述抽取部件处于静止状态的情况下,开始计时;
第二确定单元,用于在计时超过目标时间阈值且所述抽取部件均处于静止状态的情况下,确定所述资源抽取设备的工作状态为停止工作状态。
在一个示例性实施例中,所述装置还包括:
记录模块,用于在所述在按照所述运动状态序列的顺序检测到所述抽取部件处于静止状态的情况下,开始计时之后,在计时未超过所述目标时间阈值但所述抽取部件处于运动状态的情况下,记录所述抽取部件处于运动状态的运动时长;
第二确定模块,用于根据所述运动时长和所述目标时间阈值确定所述资源抽取设备的工作状态。
在一个示例性实施例中,所述第二确定模块,包括:
第二计时单元,用于在所述运动时长未超过已计算时长且所述抽取部件从运动状态转换回静止状态的情况下,从目标时长继续计时,其中,所述目标时长为所述已计算时长与所述运动时长的差值;
第三确定单元,用于在计时超过所述目标时间阈值且所述抽取部件均处于静止状态的情况下,确定所述资源抽取设备的工作状态为停止工作状态。
本申请的实施例还提供了一种存储介质,该存储介质包括存储的程序,其中,上述程序运行时执行上述任一项的方法。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的程序代码:
S1,获取监测对象的检测视频,其中,所述监测对象包括资源抽取设备以及资源抽取设备上的抽取部件,所述资源抽取设备通过所述抽取部件的运动抽取资源;
S2,检测所述检测视频中每个视频帧上的所述抽取部件的运动状态,得到运动状态序列;
S3,根据所述运动状态序列确定所述资源抽取设备的工作状态。
本申请的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取监测对象的检测视频,其中,所述监测对象包括资源抽取设备以及资源抽取设备上的抽取部件,所述资源抽取设备通过所述抽取部件的运动抽取资源;
S2,检测所述检测视频中每个视频帧上的所述抽取部件的运动状态,得到运动状态序列;
S3,根据所述运动状态序列确定所述资源抽取设备的工作状态。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本申请的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本申请不限制于任何特定的硬件和软件结合。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种设备工作状态的检测方法,其特征在于,包括:
获取监测对象的检测视频,其中,所述监测对象包括资源抽取设备以及资源抽取设备上的抽取部件,所述资源抽取设备通过所述抽取部件的运动抽取资源;
检测所述检测视频中每个视频帧上的所述抽取部件的运动状态,得到运动状态序列;
根据所述运动状态序列确定所述资源抽取设备的工作状态。
2.根据权利要求1所述的方法,其特征在于,所述检测所述检测视频中每个视频帧上的所述抽取部件的运动状态,得到运动状态序列,包括:
检测所述视频帧中所述抽取部件的跟踪信息;
根据所述跟踪信息确定所述抽取部件的运动状态,得到所述运动状态序列。
3.根据权利要求2所述的方法,其特征在于,所述根据所述跟踪信息确定所述抽取部件的运动状态,包括:
在所述跟踪信息用于指示所述抽取部件静止的情况下,确定所述抽取部件在所述视频帧中的运动状态为静止状态;
在所述跟踪信息用于指示所述抽取部件正在运动的情况下,根据所述抽取部件上的运动目标的参数确定所述抽取部件在所述视频帧中的运动状态。
4.根据权利要求3所述的方法,其特征在于,所述根据所述抽取部件上的运动目标的参数确定所述抽取部件在所述视频帧中的运动状态,包括:
将所述视频帧输入运动目标检测模型,得到所述运动目标检测模型输出的所述资源抽取设备上的前景点;
确定所述前景点中位于所述抽取部件上的目标前景点的数量作为所述所述抽取部件上的运动目标的参数;
在所述数量大于或者等于目标阈值的情况下,确定所述抽取部件在所述视频帧中的运动状态为运动状态;和/或,在所述数量小于目标阈值的情况下,确定所述抽取部件在所述视频帧中的运动状态为静止状态。
5.根据权利要求1所述的方法,其特征在于,所述根据所述运动状态序列确定所述资源抽取设备的工作状态,包括:
在按照所述运动状态序列的顺序检测到所述抽取部件处于静止状态的情况下,开始计时;
在计时超过目标时间阈值且所述抽取部件均处于静止状态的情况下,确定所述资源抽取设备的工作状态为停止工作状态。
6.根据权利要求5所述的方法,其特征在于,在所述在按照所述运动状态序列的顺序检测到所述抽取部件处于静止状态的情况下,开始计时之后,所述方法还包括:
在计时未超过所述目标时间阈值但所述抽取部件处于运动状态的情况下,记录所述抽取部件处于运动状态的运动时长;
根据所述运动时长和所述目标时间阈值确定所述资源抽取设备的工作状态。
7.根据权利要求6所述的方法,其特征在于,所述根据所述运动时长和所述目标时间阈值确定所述资源抽取设备的工作状态,包括:
在所述运动时长未超过已计算时长且所述抽取部件从运动状态转换回静止状态的情况下,从目标时长继续计时,其中,所述目标时长为所述已计算时长与所述运动时长的差值;
在计时超过所述目标时间阈值且所述抽取部件均处于静止状态的情况下,确定所述资源抽取设备的工作状态为停止工作状态。
8.一种设备工作状态的检测装置,其特征在于,包括:
获取模块,用于获取监测对象的检测视频,其中,所述监测对象包括资源抽取设备以及资源抽取设备上的抽取部件,所述资源抽取设备通过所述抽取部件的运动抽取资源;
检测模块,用于检测所述检测视频中每个视频帧上的所述抽取部件的运动状态,得到运动状态序列;
第一确定模块,用于根据所述运动状态序列确定所述资源抽取设备的工作状态。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现所述权利要求1至7任一项中所述的方法的步骤。
10.一种电子装置,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现所述权利要求1至7任一项中所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211223008.5A CN115564733A (zh) | 2022-10-08 | 2022-10-08 | 设备工作状态的检测方法、装置、存储介质和电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211223008.5A CN115564733A (zh) | 2022-10-08 | 2022-10-08 | 设备工作状态的检测方法、装置、存储介质和电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115564733A true CN115564733A (zh) | 2023-01-03 |
Family
ID=84744983
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211223008.5A Pending CN115564733A (zh) | 2022-10-08 | 2022-10-08 | 设备工作状态的检测方法、装置、存储介质和电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115564733A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853986A (zh) * | 2024-03-06 | 2024-04-09 | 西安众望能源科技有限公司 | 一种基于油井设备的视频监控系统及方法 |
-
2022
- 2022-10-08 CN CN202211223008.5A patent/CN115564733A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853986A (zh) * | 2024-03-06 | 2024-04-09 | 西安众望能源科技有限公司 | 一种基于油井设备的视频监控系统及方法 |
CN117853986B (zh) * | 2024-03-06 | 2024-05-28 | 西安众望能源科技有限公司 | 一种基于油井设备的视频监控系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105376335B (zh) | 一种采集数据上传方法和装置 | |
US9521377B2 (en) | Motion detection method and device using the same | |
CN103839308B (zh) | 人数获取方法、装置及系统 | |
CN109299703B (zh) | 对鼠情进行统计的方法、装置以及图像采集设备 | |
US11893796B2 (en) | Methods and systems for detection of anomalous motion in a video stream and for creating a video summary | |
CN110969215A (zh) | 聚类处理方法和装置、存储介质及电子装置 | |
CN109960969B (zh) | 移动路线生成的方法、装置及系统 | |
CN110610610B (zh) | 一种车辆出入管理方法、装置以及存储介质 | |
CN111010547A (zh) | 目标对象的追踪方法及装置、存储介质、电子装置 | |
CN113992893A (zh) | 园区巡检方法、装置、存储介质及电子装置 | |
CN112291520A (zh) | 异常事件识别方法、装置、存储介质及电子装置 | |
CN115564733A (zh) | 设备工作状态的检测方法、装置、存储介质和电子装置 | |
CN109410278A (zh) | 一种目标定位方法、装置及系统 | |
CN111770309B (zh) | 一种视频上传方法、装置、电子设备及存储介质 | |
CN110868568A (zh) | 空管外台站的视频监控方法及装置 | |
CN114697618A (zh) | 一种基于移动终端的楼宇控制方法及系统 | |
CN106781167A (zh) | 监测物体运动状态的方法及设备 | |
CN114359828A (zh) | 目标行为的记录方法、装置、存储介质及电子装置 | |
KR20240017696A (ko) | 작물 생장 관리를 위한 시계열 추적 데이터 생성 방법 및 시스템 | |
US20140023343A1 (en) | Video processing system and video processing method, video processing apparatus, control method of the apparatus, and storage medium storing control program of the apparatus | |
CN116112636A (zh) | 视频采集方法、装置、系统、电子设备及存储介质 | |
Van Den Hengel et al. | Finding camera overlap in large surveillance networks | |
CN112995650B (zh) | 用于检测摄像头的视频连续性的方法和装置 | |
CN109960995B (zh) | 一种运动数据确定系统、方法及装置 | |
CN111988563A (zh) | 多场景视频监测方法及装置 |
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 |