CN116347045A - 基于通信及卫星技术的监控方法、装置、设备及存储介质 - Google Patents

基于通信及卫星技术的监控方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116347045A
CN116347045A CN202310626299.0A CN202310626299A CN116347045A CN 116347045 A CN116347045 A CN 116347045A CN 202310626299 A CN202310626299 A CN 202310626299A CN 116347045 A CN116347045 A CN 116347045A
Authority
CN
China
Prior art keywords
monitoring
frame
weighted
semantics
address data
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
Application number
CN202310626299.0A
Other languages
English (en)
Other versions
CN116347045B (zh
Inventor
张冠峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Tianlong Century Technology Development Co ltd
Original Assignee
Shenzhen Tianlong Century Technology Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Tianlong Century Technology Development Co ltd filed Critical Shenzhen Tianlong Century Technology Development Co ltd
Priority to CN202310626299.0A priority Critical patent/CN116347045B/zh
Publication of CN116347045A publication Critical patent/CN116347045A/zh
Application granted granted Critical
Publication of CN116347045B publication Critical patent/CN116347045B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/54—Extraction of image or video features relating to texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
    • 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
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • 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
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B7/00—Radio transmission systems, i.e. using radiation field
    • H04B7/14—Relay systems
    • H04B7/15—Active relay systems
    • H04B7/185—Space-based or airborne stations; Stations for satellite systems
    • H04B7/1851—Systems using a satellite or space-based relay
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明涉及远程监控技术，揭露了一种基于通信及卫星技术的监控方法和装置，该方法包括：利用监控设备与目标移动设备建立通信连接，获取监控设备的环境视频，从环境视频中提取出加权监控语义；获取监控设备的历史卫星数据，对历史卫星数据加权映射和场所匹配，得到加权定位场所集；提取出加权定位场所集的加权定位语义，根据加权监控语义和加权定位语义生成融合场所语义，并从筛选出融合场所语义对应的标准地址数据；根据环境视频和标准地址数据生成标准监控视频，将标准监控视频滤波转码成传输转码，并将传输转码发送至目标移动设备。本发明还提出一种基于通信及卫星技术的设备以及存储介质。本发明可以提高进行远程监控时定位的精确度。

Description

基于通信及卫星技术的监控方法、装置、设备及存储介质
技术领域
本发明涉及远程监控技术领域，尤其涉及一种基于通信及卫星技术的监控方法、装置、设备及存储介质。
背景技术
随着物联网和移动通信技术的发展，设备之间的远程通信也越来越频繁，人们可以通过移动通信实现千里之外的监控设备的访问，进行设备的远程监控，然而，在远程通信的过程中往往需要借助卫星定位技术确定设备的位置信息，以方便后续的设备追回或监管。
现有的远程监控技术多为基于简单地卫星定位的远程监控，例如，通过卫星定位获取监控设备的位置信息，并根据所述位置信息进行实时监控，实际应用中，卫星定位得到的数据往往存在定位误差，且在地下室等环境中的定位效果较差，可能导致进行远程监控时的定位精确度较低。
发明内容
本发明提供一种基于通信及卫星技术的监控方法、装置、设备及存储介质，其主要目的在于解决进行远程监控时的定位精确度较低的问题。
为实现上述目的，本发明提供的一种基于通信及卫星技术的监控方法，包括：
利用监控设备获取目标移动设备的通信请求，根据所述通信请求与所述目标移动设备建立通信连接，获取通信连接后的所述目标移动设备的命令请求，从所述命令请求中提取出监控请求和定位请求；
利用所述监控设备根据所述监控请求获取环境视频，从所述环境视频中分层取样出监控环境图集，对所述监控环境图集进行语义识别，得到加权监控语义，其中，所述从所述环境视频中分层取样出监控环境图集，包括：将所述环境视频拆分成环境帧图集，逐个选取所述环境帧图集中两个连续的帧图片组成对比帧图集；利用如下的画面变动值算法计算出所述对比帧图集中的两个帧图片之间的变动值：
Figure SMS_1
其中，S是指所述变动值，m是指所述环境帧图集中每个帧图片的像素长度，n是指所述环境帧图集中每个帧图片的像素宽度，/>
Figure SMS_2
是指所述对比帧图集中的第一个帧图片中像素的最大灰度值，/>
Figure SMS_3
是指所述对比帧图集中的第一个帧图片中像素的最小灰度值，/>
Figure SMS_4
是指所述对比帧图集中的第二个帧图片中像素的最大灰度值，/>
Figure SMS_5
是指所述对比帧图集中的第二个帧图片中像素的最小灰度值，i是指第i个，j是指第j个，/>
Figure SMS_6
是指所述对比帧图集中的第一个帧图片中；
根据所述变动值从所述环境帧图集中筛选出变动帧图集；按照时序对所述环境帧图集进行分层，得到多个时序帧图集；从每个所述时序帧图集中筛选出若干个帧图片组成关键帧图集，并将所述关键帧图集和所述变动帧图集汇集成监控环境图集；
根据所述定位请求获取历史卫星数据，对所述历史卫星数据进行地址匹配，得到地址数据集，对所述地址数据集进行融合聚类，得到地址数据类集，对所述地址数据类进行加权映射，得到加权中心地址集，利用预设的地图库对所述加权中心地址集进行场所匹配，得到加权定位场所集；
提取出所述加权定位场所集的加权定位语义，根据所述加权监控语义和所述加权定位语义生成融合场所语义，并从所述地址数据集中筛选出所述融合场所语义对应的地址数据作为标准地址数据；
根据所述环境视频和所述标准地址数据生成标准监控视频，对所述标准监控视频进行分块转码，得到监控转码，对所述监控转码进行滤波加密，得到传输转码，并将所述传输转码发送至所述目标移动设备。
可选地，所述按照时序对所述环境帧图集进行分层，得到多个时序帧图集，包括：
按照时序对所述环境帧图集中的环境帧图片进行排序，得到环境帧图序列；
将所述环境帧图序列折中均分成两个分段帧图序列，判断所述分段帧图序列的序列长度是否大于预设的长度阈值；
若是，则利用时序较远的所述分段帧图序列生成时序帧图集，利用时序较近的所述分段帧图序列更新所述环境帧图序列，并返回所述将所述环境帧图序列折中均成两个分段帧图序列的步骤；
若否，则利用时序较远的所述分段帧图序列生成时序帧图集，结束分层。
可选地，所述对所述监控环境图集进行语义识别，得到加权监控语义，包括：
逐个选取所述监控环境图集中的帧图片作为目标帧图片，从所述目标帧图片中提取出色彩特征；
对所述目标帧图片进行灰度化操作，得到目标灰度帧图片，对所述目标灰度帧图片进行多级下采样，得到纹理特征；
将所述色彩特征和所述纹理特征汇集成监控特征，对所述监控特征进行语义匹配，得到目标监控语义；
将所有的目标监控语义进行加权融合，得到加权监控语义。
可选地，所述对所述目标灰度帧图片进行多级下采样，得到纹理特征，包括：
利用预设的残差块对所述目标灰度图片进行逐层卷积，得到上级纹理特征、中级纹理特征以及下级纹理特征；
将所述下级纹理特征上采样成下级采样特征，将所述下级采样特征和所述中级纹理特征拼接成中级融合特征；
将所述中级融合特征上采样成上级采样特征，将所述上级采样特征和所述上级纹理特征拼接成上级融合特征；
将所述下级纹理特征、所述中级融合特征和所述上级融合特征汇集成纹理特征。
可选地，所述对所述监控特征进行语义匹配，得到目标监控语义，包括：
对所述监控特征进行池化操作，得到标准监控特征；
逐个选取所述标准监控特征中的特征作为目标监控特征，利用如下的语义匹配度算法计算出所述目标监控特征与预设的场所特征库中各个场所特征的匹配度：
Figure SMS_7
其中，K是指所述匹配度，q是指第q维特征向量，Q是所述目标监控特征的特征向量的总维度数量，且所述目标监控特征的特征向量的总维度等于所述场所特征的向量总维度数量，Aq是指所述目标监控特征中的第q维特征向量，Bq是指所述场所特征中的第q维特征向量；
选取与所述目标监控特征的匹配度最大所述场所特征作为目标场所特征，并将所述目标场所特征对应的场所语义作为所述目标监控特征的监控语义，并将所有的监控语义汇集成目标监控语义。
可选地，所述对所述地址数据集进行融合聚类，得到地址数据类集，包括：
将所述地址数据集分为多个地址数据组，随机选取各所述地址数据组的初级中心地址，并计算所述地址数据集中各个地址数据到各所述初级中心地址的地址距离；
根据所述地址距离对所述地址数据集中的各地址数据进行分组，得到多个标准地址组；
计算出各个所述标准地址组的次级中心地址，计算出各个所述次级中心地址与对应的所述初级中心地址之间的中心距离，并将所有的中心距离的平均值作为平均中心距离；
根据所述平均中心距离将各所述标准地址组更新成地址数据类，并将所有的地址数据类汇集成地址数据类集。
可选地，所述对所述标准监控视频进行分块转码，得到监控转码，包括：
将所述标准监控视频拆分为多个标准监控帧图片；
对每个所述标准监控帧图片进行多类型树拆分，得到多个标准监控图块；
对每个所述标准监控图块进行帧间转码，得到多个标准帧间编码；
对所有的标准帧间编码进行量化，得到监控编码。
为了解决上述问题，本发明还提供一种基于通信及卫星技术的监控装置，所述装置包括：
监控请求模块，用于利用监控设备获取目标移动设备的通信请求，根据所述通信请求与所述目标移动设备建立通信连接，获取通信连接后的所述目标移动设备的命令请求，从所述命令请求中提取出监控请求和定位请求；
监控语义模块，用于利用所述监控设备根据所述监控请求获取环境视频，从所述环境视频中分层取样出监控环境图集，对所述监控环境图集进行语义识别，得到加权监控语义，其中，所述从所述环境视频中分层取样出监控环境图集，包括：将所述环境视频拆分成环境帧图集，逐个选取所述环境帧图集中两个连续的帧图片组成对比帧图集；利用如下的画面变动值算法计算出所述对比帧图集中的两个帧图片之间的变动值：
Figure SMS_8
其中，S是指所述变动值，m是指所述环境帧图集中每个帧图片的像素长度，n是指所述环境帧图集中每个帧图片的像素宽度，/>
Figure SMS_9
是指所述对比帧图集中的第一个帧图片中像素的最大灰度值，/>
Figure SMS_10
是指所述对比帧图集中的第一个帧图片中像素的最小灰度值，/>
Figure SMS_11
是指所述对比帧图集中的第二个帧图片中像素的最大灰度值，/>
Figure SMS_12
是指所述对比帧图集中的第二个帧图片中像素的最小灰度值，i是指第i个，j是指第j个，/>
Figure SMS_13
是指所述对比帧图集中的第一个帧图片中；根据所述变动值从所述环境帧图集中筛选出变动帧图集；按照时序对所述环境帧图集进行分层，得到多个时序帧图集；从每个所述时序帧图集中筛选出若干个帧图片组成关键帧图集，并将所述关键帧图集和所述变动帧图集汇集成监控环境图集；
加权地址模块，用于根据所述定位请求获取历史卫星数据，对所述历史卫星数据进行地址匹配，得到地址数据集，对所述地址数据集进行融合聚类，得到地址数据类集，对所述地址数据类进行加权映射，得到加权中心地址集，利用预设的地图库对所述加权中心地址集进行场所匹配，得到加权定位场所集；
地址融合模块，用于提取出所述加权定位场所集的加权定位语义，根据所述加权监控语义和所述加权定位语义生成融合场所语义，并从所述地址数据集中筛选出所述融合场所语义对应的地址数据作为标准地址数据；
转码传输模块，用于根据所述环境视频和所述标准地址数据生成标准监控视频，对所述标准监控视频进行分块转码，得到监控转码，对所述监控转码进行滤波加密，得到传输转码，并将所述传输转码发送至所述目标移动设备。
为了解决上述问题，本发明还提供一种设备，所述设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于通信及卫星技术的监控方法。
为了解决上述问题，本发明还提供一种存储介质，所述存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被设备中的处理器执行以实现上述所述的基于通信及卫星技术的监控方法。
本发明实施例通过根据所述通信请求与所述目标移动设备建立通信连接，获取通信连接后的所述目标移动设备的命令请求，从所述命令请求中提取出监控请求和定位请求，可以实现在移动设备上实现远程监控，也方便后续采集监控地点的位置信息，通过从所述环境视频中分层取样出监控环境图集，可以按照监控时序的远近对环境视频进行加权取样，从而提高监控环境图集的时效性，通过对所述监控环境图集进行语义识别，得到加权监控语义，能够得到具有时效的监控区域的环境场所语义，从而提升后续定位的准确性，通过对所述地址数据集进行融合聚类，得到地址数据类集，对所述地址数据类进行加权映射，得到加权中心地址集，利用预设的地图库对所述加权中心地址集进行场所匹配，得到加权定位场所集，可以按照定位的中各个地址的频率确定最有可能的场所地址，从而进一步提高卫星定位数据的精度；
通过提取出所述加权定位场所集的加权定位语义，根据所述加权监控语义和所述加权定位语义生成融合场所语义，并从所述地址数据集中筛选出所述融合场所语义对应的地址数据作为标准地址数据，可以结合监控画面中的场所特征和卫星定位的场所特征确定最有可能的监控场所，提高了定位的准确性，通过对所述标准监控视频进行分块转码，得到监控转码，可以压缩所述标准监控视频的容量大小，从而提高传输效率，通过对所述监控转码进行滤波加密，得到传输转码，可以实现数据加密，从而提高监控数据的安全性，保护用户隐私。因此本发明提出的基于通信及卫星技术的监控方法、装置、设备及存储介质，可以解决进行远程监控时的定位精确度较低的问题。
附图说明
图1为本发明一实施例提供的基于通信及卫星技术的监控方法的流程示意图；
图2为本发明一实施例提供的分层取样出监控环境图集的流程示意图；
图3为本发明一实施例提供的生成加权监控语义的流程示意图；
图4为本发明一实施例提供的基于通信及卫星技术的监控装置的功能模块图；
图5为本发明一实施例提供的实现所述基于通信及卫星技术的监控方法的设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于通信及卫星技术的监控方法。所述基于通信及卫星技术的监控方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的设备中的至少一种。换言之，所述基于通信及卫星技术的监控方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于通信及卫星技术的监控方法的流程示意图。在本实施例中，所述基于通信及卫星技术的监控方法包括：
S1、利用监控设备获取目标移动设备的通信请求，根据所述通信请求与所述目标移动设备建立通信连接，获取通信连接后的所述目标移动设备的命令请求，从所述命令请求中提取出监控请求和定位请求。
本发明实施例中，所述监控设备是指能够进行视频监控与移动通信的设备，可以是网络摄像头或网络监视器，所述目标移动设备可以是智能手机或者是平板电脑等设备。
详细地，所述通信请求可以是基于TCP/IP或HTTP协议的通信请求，所述根据所述通信请求与所述目标移动设备建立通信连接是指根据所述通信请求与所述目标移动设备之间进行握手连接。
具体地，所述命令请求是指包含控制命令的请求信息，所述监控请求是用于控制所述监控设备进行监控操作的请求，所述定位请求是指用于控制所述监控设备进行卫星定位操作的请求。
本发明实施例中，通过根据所述通信请求与所述目标移动设备建立通信连接，获取通信连接后的所述目标移动设备的命令请求，从所述命令请求中提取出监控请求和定位请求，可以实现在移动设备上实现远程监控，也方便后续采集监控地点的位置信息。
S2、利用所述监控设备根据所述监控请求获取环境视频，从所述环境视频中分层取样出监控环境图集，对所述监控环境图集进行语义识别，得到加权监控语义。
本发明实施例中，所述环境视频是指所述监控设备拍摄的外界环境的视频，所述利用所述监控设备根据所述监控请求获取环境视频是指根据所述监控请求控制所述监控设备对周围外界的环境进行拍摄，得到环境视频。
详细地，所述监控环境图集中包含多个不同时间段的监控环境图片，所述监控环境图片是所述环境视频中的帧图片。
本发明实施例中，参照图2所示，所述从所述环境视频中分层取样出监控环境图集，包括：
S21、将所述环境视频拆分成环境帧图集，逐个选取所述环境帧图集中两个连续的帧图片组成对比帧图集；
S22、利用如下的画面变动值算法计算出所述对比帧图集中的两个帧图片之间的变动值：
Figure SMS_14
其中，S是指所述变动值，m是指所述环境帧图集中每个帧图片的像素长度，n是指所述环境帧图集中每个帧图片的像素宽度，/>
Figure SMS_15
是指所述对比帧图集中的第一个帧图片中像素的最大灰度值，/>
Figure SMS_16
是指所述对比帧图集中的第一个帧图片中像素的最小灰度值，/>
Figure SMS_17
是指所述对比帧图集中的第二个帧图片中像素的最大灰度值，/>
Figure SMS_18
是指所述对比帧图集中的第二个帧图片中像素的最小灰度值，i是指第i个，j是指第j个，/>
Figure SMS_19
是指所述对比帧图集中的第一个帧图片中；
S23、根据所述变动值从所述环境帧图集中筛选出变动帧图集；
S23、按照时序对所述环境帧图集进行分层，得到多个时序帧图集；
S25、从每个所述时序帧图集中筛选出若干个帧图片组成关键帧图集，并将所述关键帧图集和所述变动帧图集汇集成监控环境图集。
具体地，可以利用python的ffmpfg函数以抽取视频帧的方式将所述环境视频拆分成环境帧图集。
详细地，所述根据所述变动值从所述环境帧图集中筛选出变动帧图集是指将变动值大于预设的变动值阈值的所对应的两个连续的帧图片作为目标帧图片，并将所述目标帧图片添加到变动帧图集中。
详细地，所述按照时序对所述环境帧图集进行分层，得到多个时序帧图集，包括：
按照时序对所述环境帧图集中的环境帧图片进行排序，得到环境帧图序列；
将所述环境帧图序列折中均分成两个分段帧图序列，判断所述分段帧图序列的序列长度是否大于预设的长度阈值；
若是，则利用时序较远的所述分段帧图序列生成时序帧图集，利用时序较近的所述分段帧图序列更新所述环境帧图序列，并返回所述将所述环境帧图序列折中均成两个分段帧图序列的步骤；
若否，则利用时序较远的所述分段帧图序列生成时序帧图集，结束分层。
具体地，所述将所述环境帧图序列折中均分成两个分段帧图序列是指将所述环境帧图序列对半进行拆分，得到两个长度相等的分段帧图序列，其中，当所述环境帧图序列长度为奇数时，需要将所述环境帧图序列的居中位置的帧图片删去后进行拆分，所述长度阈值是预设的能够满足多层采样的数字。
详细地，所述时序帧图集的大小呈现等比分布关系，所述从每个所述时序帧图集中筛选出若干个帧图片组成关键帧图集是指对每个所述时序帧图集进行均匀采样，得到若干个帧图片，其中，每个所述时序帧图集采样出的帧图片的数量大小一致。
本发明实施例中，参照图3所示，所述对所述监控环境图集进行语义识别，得到加权监控语义，包括：
S31、逐个选取所述监控环境图集中的帧图片作为目标帧图片，从所述目标帧图片中提取出色彩特征；
S32、对所述目标帧图片进行灰度化操作，得到目标灰度帧图片，对所述目标灰度帧图片进行多级下采样，得到纹理特征；
S33、将所述色彩特征和所述纹理特征汇集成监控特征，对所述监控特征进行语义匹配，得到目标监控语义；
S34、将所有的目标监控语义进行加权融合，得到加权监控语义。
详细地，所述色彩特征是指图片中每种颜色的占比特征以及色彩风格；可以利用浮点运算法对所述目标帧图片进行灰度化操作，得到目标灰度帧图片。
详细地，所述从所述目标帧图片中提取出色彩特征，是指统计出所述目标帧图片中各类颜色所占像素数量的比值，并根据所述比值确定所述目标帧图片对应的色彩风格，并将所述色彩分割和所述比值作为所述目标帧图片的色彩特征。
具体地，所述对所述目标灰度帧图片进行多级下采样，得到纹理特征，包括：
利用预设的残差块对所述目标灰度图片进行逐层卷积，得到上级纹理特征、中级纹理特征以及下级纹理特征；
将所述下级纹理特征上采样成下级采样特征，将所述下级采样特征和所述中级纹理特征拼接成中级融合特征；
将所述中级融合特征上采样成上级采样特征，将所述上级采样特征和所述上级纹理特征拼接成上级融合特征；
将所述下级纹理特征、所述中级融合特征和所述上级融合特征汇集成纹理特征。
详细地，所述利用预设的残差块对所述目标灰度图片进行逐层卷积，得到上级纹理特征、中级纹理特征以及下级纹理特征是指利用含有不同尺寸的卷积核的残差块对所述目标灰度图片进行卷积，得到大小尺寸不相同的纹理特征。
具体地，所述对所述监控特征进行语义匹配，得到目标监控语义，包括：
对所述监控特征进行池化操作，得到标准监控特征；
逐个选取所述标准监控特征中的特征作为目标监控特征，利用如下的语义匹配度算法计算出所述目标监控特征与预设的场所特征库中各个场所特征的匹配度：
Figure SMS_20
其中，K是指所述匹配度，q是指第q维特征向量，Q是所述目标监控特征的特征向量的总维度数量，且所述目标监控特征的特征向量的总维度等于所述场所特征的向量总维度数量，Aq是指所述目标监控特征中的第q维特征向量，Bq是指所述场所特征中的第q维特征向量；
选取与所述目标监控特征的匹配度最大所述场所特征作为目标场所特征，并将所述目标场所特征对应的场所语义作为所述目标监控特征的监控语义，并将所有的监控语义汇集成目标监控语义。
详细地，通过利用所述语义匹配度算法计算出所述目标监控特征与预设的场所特征库中各个场所特征的匹配度，可以将所述目标监控特征和所述场所特征在不同向量维度向的进行对比，从而提高语义匹配的精确度。
详细地，所述将所有的目标监控语义进行加权融合，得到加权监控语义是指统计所有的目标监控语义中的各项语义的个数，并将每种语义的个数作为该项语义的权重。
本发明实施例中，通过从所述环境视频中分层取样出监控环境图集，可以按照监控时序的远近对环境视频进行加权取样，从而提高监控环境图集的时效性，通过对所述监控环境图集进行语义识别，得到加权监控语义，能够得到具有时效的监控区域的环境场所语义，从而提升后续定位的准确性。
S3、根据所述定位请求获取历史卫星数据，对所述历史卫星数据进行地址匹配，得到地址数据集，对所述地址数据集进行融合聚类，得到地址数据类集，对所述地址数据类进行加权映射，得到加权中心地址集，利用预设的地图库对所述加权中心地址集进行场所匹配，得到加权定位场所集。
本发明实施例中，所述历史卫星数据是指所述监控设备过去时间段内的卫星定位数据，所述地址数据集是指所述卫星定位数据对应的具体地址的数据集。
详细地，所述对所述历史卫星数据进行地址匹配，得到地址数据集是指逐一查询所述历史卫星数据中的卫星数据所对应的地址，并将所有的地址汇集成地址数据集，例如，卫星数据北纬39度54分26.92秒，东经116度23分26.93秒对应的地址是北京故宫。
本发明实施例中，所述对所述地址数据集进行融合聚类，得到地址数据类集，包括：
将所述地址数据集分为多个地址数据组，随机选取各所述地址数据组的初级中心地址，并计算所述地址数据集中各个地址数据到各所述初级中心地址的地址距离；
根据所述地址距离对所述地址数据集中的各地址数据进行分组，得到多个标准地址组；
计算出各个所述标准地址组的次级中心地址，计算出各个所述次级中心地址与对应的所述初级中心地址之间的中心距离，并将所有的中心距离的平均值作为平均中心距离；
根据所述平均中心距离将各所述标准地址组更新成地址数据类，并将所有的地址数据类汇集成地址数据类集。
具体地，所述随机选取各所述地址数据组的初级中心地址是指为每个地址数据组随机选取一个地址数据作为所述地址数据组对应的初级中心地址；可以利用欧式距离算法计算所述地址数据集中各个地址数据到各所述初级中心地址的地址距离，所述根据所述地址距离对所述地址数据集中的各地址数据进行分组，得到多个标准地址组是指按照就近原则将各地址数据分配到地址距离最近的地址数据组中；所述计算出各个所述标准地址组的次级中心地址是指计算所所述标准地址组的中心地址，并将所述中心地址作为次级中心地址。
具体地，所述根据所述平均中心距离将各所述标准地址组更新成地址数据类，包括：
判断所述平均中心距离是否大于预设的距离阈值；
当所述平均中心距离大于所述距离阈值时，利用所述次级中心地址更新所述初级中心地址，返回所述计算所述地址数据集中各个地址数据到各所述初级中心地址的地址距离的步骤；
当所述平均中心距离小于或等于所述距离阈值时，将所述标准地址组作为地址数据类。
详细地，所述对所述地址数据类进行加权映射，得到加权中心地址集是指将所述地址数据类对应的次级中心地址作为目标中心地址，将所述目标中心地址所在地质数据类的地址数据个数作为该目标中心地址对应的权重。
具体地，所述利用预设的地图库对所述加权中心地址集进行场所匹配，得到加权定位场所集是指逐个选取所述加权中心地址集中的加权中心地址，在预设的地图库上对所述加权中心地址进行场所匹配，得到该加权中心地址对应的中心定位场所，将所述加权中心地址的权重作为中心定位场所的权重，将所有的所述中心定位场所汇集成加权定位场所集。
本发明实施例中，通过对所述地址数据集进行融合聚类，得到地址数据类集，对所述地址数据类进行加权映射，得到加权中心地址集，利用预设的地图库对所述加权中心地址集进行场所匹配，得到加权定位场所集，可以按照定位的中各个地址的频率确定最有可能的场所地址，从而进一步提高卫星定位数据的精度。
S4、提取出所述加权定位场所集的加权定位语义，根据所述加权监控语义和所述加权定位语义生成融合场所语义，并从所述地址数据集中筛选出所述融合场所语义对应的地址数据作为标准地址数据。
本发明实施例中，所述加权定位语义是指具有权重的定位语义，例如，红绿灯的权重为11，商店的权重为3。
本发明实施例中，所述提取出所述加权定位场所集的加权定位语义，包括：逐个选取所述加权定位场所集中的加权定位场所作为目标加权定位场所，从预设的地图库中提取出所述目标加权定位场所的场所语义作为目标场所语义；将所述目标加权定位场所的权重作为所述目标场所语义的权重，将所有的目标场所语义汇集成加权定位语义。
具体地，所述根据所述加权监控语义和所述加权定位语义生成融合场所语义是指将所述加权监控语义和所述加权定位语义中的各个场所语义按照种类进行融合，并将同种场所语义的权重相加，得到融合场所语义，例如，所述加权监控语义中场所语义“商店”的权重为2，所述加权定位语义中场所语义“商店”的权重为4，则所述融合场所语义中场所语义“商店”的权重为6。
详细地，所述从所述地址数据集中筛选出所述融合场所语义对应的地址数据作为标准地址数据是指将所述融合场所语义中权重最大的几个场所语义与所述地址数据集进行匹配，得到标准地址数据。
本发明实施例中，通过提取出所述加权定位场所集的加权定位语义，根据所述加权监控语义和所述加权定位语义生成融合场所语义，并从所述地址数据集中筛选出所述融合场所语义对应的地址数据作为标准地址数据，可以结合监控画面中的场所特征和卫星定位的场所特征确定最有可能的监控场所，提高了定位的准确性。
S5、根据所述环境视频和所述标准地址数据生成标准监控视频，对所述标准监控视频进行分块转码，得到监控转码，对所述监控转码进行滤波加密，得到传输转码，并将所述传输转码发送至所述目标移动设备。
本发明实施例中，所述标准监控视频是指包含环境画面与地址信息的视频，通过生成标准监控视频，可以在监控视频中添加更多的地址信息，方便查找与定位。
本发明实施例中，所述对所述标准监控视频进行分块转码，得到监控转码，包括：
将所述标准监控视频拆分为多个标准监控帧图片；
对每个所述标准监控帧图片进行多类型树拆分，得到多个标准监控图块；
对每个所述标准监控图块进行帧间转码，得到多个标准帧间编码；
对所有的标准帧间编码进行量化，得到监控编码。
具体地，所述将所述标准监控视频拆分为多个标准监控帧图片的方法与上述步骤S2中的所述将所述环境视频拆分成环境帧图集的方法一致，这里不再赘述。
具体地，可以利用H.265编码方法对每个所述标准监控图块进行帧间转码，得到多个标准帧间编码；可以利用分数傅里叶变换方法对所述监控转码进行滤波加密，得到传输转码。
本发明实施例中，通过对所述标准监控视频进行分块转码，得到监控转码，可以压缩所述标准监控视频的容量大小，从而提高传输效率，通过对所述监控转码进行滤波加密，得到传输转码，可以实现数据加密，从而提高监控数据的安全性，保护用户隐私。
本发明实施例通过根据所述通信请求与所述目标移动设备建立通信连接，获取通信连接后的所述目标移动设备的命令请求，从所述命令请求中提取出监控请求和定位请求，可以实现在移动设备上实现远程监控，也方便后续采集监控地点的位置信息，通过从所述环境视频中分层取样出监控环境图集，可以按照监控时序的远近对环境视频进行加权取样，从而提高监控环境图集的时效性，通过对所述监控环境图集进行语义识别，得到加权监控语义，能够得到具有时效的监控区域的环境场所语义，从而提升后续定位的准确性，通过对所述地址数据集进行融合聚类，得到地址数据类集，对所述地址数据类进行加权映射，得到加权中心地址集，利用预设的地图库对所述加权中心地址集进行场所匹配，得到加权定位场所集，可以按照定位的中各个地址的频率确定最有可能的场所地址，从而进一步提高卫星定位数据的精度；
通过提取出所述加权定位场所集的加权定位语义，根据所述加权监控语义和所述加权定位语义生成融合场所语义，并从所述地址数据集中筛选出所述融合场所语义对应的地址数据作为标准地址数据，可以结合监控画面中的场所特征和卫星定位的场所特征确定最有可能的监控场所，提高了定位的准确性，通过对所述标准监控视频进行分块转码，得到监控转码，可以压缩所述标准监控视频的容量大小，从而提高传输效率，通过对所述监控转码进行滤波加密，得到传输转码，可以实现数据加密，从而提高监控数据的安全性，保护用户隐私。因此本发明提出的基于通信及卫星技术的监控方法，可以解决进行远程监控时的定位精确度较低的问题。
如图4所示，是本发明一实施例提供的基于通信及卫星技术的监控装置的功能模块图。
本发明所述基于通信及卫星技术的监控装置100可以安装于设备中。根据实现的功能，所述基于通信及卫星技术的监控装置100可以包括监控请求模块101、监控语义模块102、加权地址模块103、地址融合模块104及转码传输模块105。本发明所述模块也可以称之为单元，是指一种能够被设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述监控请求模块101，用于利用监控设备获取目标移动设备的通信请求，根据所述通信请求与所述目标移动设备建立通信连接，获取通信连接后的所述目标移动设备的命令请求，从所述命令请求中提取出监控请求和定位请求；
所述监控语义模块102，用于利用所述监控设备根据所述监控请求获取环境视频，从所述环境视频中分层取样出监控环境图集，对所述监控环境图集进行语义识别，得到加权监控语义，其中，所述从所述环境视频中分层取样出监控环境图集，包括：将所述环境视频拆分成环境帧图集，逐个选取所述环境帧图集中两个连续的帧图片组成对比帧图集；利用如下的画面变动值算法计算出所述对比帧图集中的两个帧图片之间的变动值：
Figure SMS_21
其中，S是指所述变动值，m是指所述环境帧图集中每个帧图片的像素长度，n是指所述环境帧图集中每个帧图片的像素宽度，/>
Figure SMS_22
是指所述对比帧图集中的第一个帧图片中像素的最大灰度值，/>
Figure SMS_23
是指所述对比帧图集中的第一个帧图片中像素的最小灰度值，/>
Figure SMS_24
是指所述对比帧图集中的第二个帧图片中像素的最大灰度值，/>
Figure SMS_25
是指所述对比帧图集中的第二个帧图片中像素的最小灰度值，i是指第i个，j是指第j个，/>
Figure SMS_26
是指所述对比帧图集中的第一个帧图片中；根据所述变动值从所述环境帧图集中筛选出变动帧图集；按照时序对所述环境帧图集进行分层，得到多个时序帧图集；从每个所述时序帧图集中筛选出若干个帧图片组成关键帧图集，并将所述关键帧图集和所述变动帧图集汇集成监控环境图集；
所述加权地址模块103，用于根据所述定位请求获取历史卫星数据，对所述历史卫星数据进行地址匹配，得到地址数据集，对所述地址数据集进行融合聚类，得到地址数据类集，对所述地址数据类进行加权映射，得到加权中心地址集，利用预设的地图库对所述加权中心地址集进行场所匹配，得到加权定位场所集；
所述地址融合模块104，用于提取出所述加权定位场所集的加权定位语义，根据所述加权监控语义和所述加权定位语义生成融合场所语义，并从所述地址数据集中筛选出所述融合场所语义对应的地址数据作为标准地址数据；
所述转码传输模块105，用于根据所述环境视频和所述标准地址数据生成标准监控视频，对所述标准监控视频进行分块转码，得到监控转码，对所述监控转码进行滤波加密，得到传输转码，并将所述传输转码发送至所述目标移动设备。
详细地，本发明实施例中所述基于通信及卫星技术的监控装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于通信及卫星技术的监控方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图5所示，是本发明一实施例提供的实现基于通信及卫星技术的监控方法的设备的结构示意图。
所述设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于通信及卫星技术的监控程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（Central Processing unit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述设备的控制核心（Control Unit），利用各种接口和线路连接整个设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行基于通信及卫星技术的监控程序等），以及调用存储在所述存储器11内的数据，以执行设备的各种功能和处理数据。
所述存储器11至少包括一种类型的存储介质，所述存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是设备的内部存储单元，例如该设备的移动硬盘。所述存储器11在另一些实施例中也可以是设备的外部存储设备，例如设备上配备的插接式移动硬盘、智能存储卡（Smart Media Card， SMC）、安全数字（Secure Digital， SD）卡、闪存卡（Flash Card）等。进一步地，所述存储器11还可以既包括设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于设备的应用软件及各类数据，例如基于通信及卫星技术的监控程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准（peripheral componentinterconnect，简称PCI）总线或扩展工业标准结构（extended industry standardarchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI-FI接口、蓝牙接口等），通常用于在该设备与其他设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在设备中处理的信息以及用于显示可视化的用户界面。
图中仅示出了具有部件的设备，本领域技术人员可以理解的是，图中示出的结构并不构成对所述设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述设备还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述设备1中的所述存储器11存储的基于通信及卫星技术的监控程序是多个指令的组合，在所述处理器10中运行时，可以实现：
利用监控设备获取目标移动设备的通信请求，根据所述通信请求与所述目标移动设备建立通信连接，获取通信连接后的所述目标移动设备的命令请求，从所述命令请求中提取出监控请求和定位请求；
利用所述监控设备根据所述监控请求获取环境视频，从所述环境视频中分层取样出监控环境图集，对所述监控环境图集进行语义识别，得到加权监控语义，其中，所述从所述环境视频中分层取样出监控环境图集，包括：将所述环境视频拆分成环境帧图集，逐个选取所述环境帧图集中两个连续的帧图片组成对比帧图集；利用如下的画面变动值算法计算出所述对比帧图集中的两个帧图片之间的变动值：
Figure SMS_27
其中，S是指所述变动值，m是指所述环境帧图集中每个帧图片的像素长度，n是指所述环境帧图集中每个帧图片的像素宽度，/>
Figure SMS_28
是指所述对比帧图集中的第一个帧图片中像素的最大灰度值，/>
Figure SMS_29
是指所述对比帧图集中的第一个帧图片中像素的最小灰度值，/>
Figure SMS_30
是指所述对比帧图集中的第二个帧图片中像素的最大灰度值，/>
Figure SMS_31
是指所述对比帧图集中的第二个帧图片中像素的最小灰度值，i是指第i个，j是指第j个，/>
Figure SMS_32
是指所述对比帧图集中的第一个帧图片中；根据所述变动值从所述环境帧图集中筛选出变动帧图集；按照时序对所述环境帧图集进行分层，得到多个时序帧图集；从每个所述时序帧图集中筛选出若干个帧图片组成关键帧图集，并将所述关键帧图集和所述变动帧图集汇集成监控环境图集；
根据所述定位请求获取历史卫星数据，对所述历史卫星数据进行地址匹配，得到地址数据集，对所述地址数据集进行融合聚类，得到地址数据类集，对所述地址数据类进行加权映射，得到加权中心地址集，利用预设的地图库对所述加权中心地址集进行场所匹配，得到加权定位场所集；
提取出所述加权定位场所集的加权定位语义，根据所述加权监控语义和所述加权定位语义生成融合场所语义，并从所述地址数据集中筛选出所述融合场所语义对应的地址数据作为标准地址数据；
根据所述环境视频和所述标准地址数据生成标准监控视频，对所述标准监控视频进行分块转码，得到监控转码，对所述监控转码进行滤波加密，得到传输转码，并将所述传输转码发送至所述目标移动设备。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个存储介质中。所述存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）。
本发明还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序在被设备的处理器所执行时，可以实现：
利用监控设备获取目标移动设备的通信请求，根据所述通信请求与所述目标移动设备建立通信连接，获取通信连接后的所述目标移动设备的命令请求，从所述命令请求中提取出监控请求和定位请求；
利用所述监控设备根据所述监控请求获取环境视频，从所述环境视频中分层取样出监控环境图集，对所述监控环境图集进行语义识别，得到加权监控语义，其中，所述从所述环境视频中分层取样出监控环境图集，包括：将所述环境视频拆分成环境帧图集，逐个选取所述环境帧图集中两个连续的帧图片组成对比帧图集；利用如下的画面变动值算法计算出所述对比帧图集中的两个帧图片之间的变动值：
Figure SMS_33
其中，S是指所述变动值，m是指所述环境帧图集中每个帧图片的像素长度，n是指所述环境帧图集中每个帧图片的像素宽度，/>
Figure SMS_34
是指所述对比帧图集中的第一个帧图片中像素的最大灰度值，/>
Figure SMS_35
是指所述对比帧图集中的第一个帧图片中像素的最小灰度值，/>
Figure SMS_36
是指所述对比帧图集中的第二个帧图片中像素的最大灰度值，/>
Figure SMS_37
是指所述对比帧图集中的第二个帧图片中像素的最小灰度值，i是指第i个，j是指第j个，/>
Figure SMS_38
是指所述对比帧图集中的第一个帧图片中；根据所述变动值从所述环境帧图集中筛选出变动帧图集；按照时序对所述环境帧图集进行分层，得到多个时序帧图集；从每个所述时序帧图集中筛选出若干个帧图片组成关键帧图集，并将所述关键帧图集和所述变动帧图集汇集成监控环境图集；
根据所述定位请求获取历史卫星数据，对所述历史卫星数据进行地址匹配，得到地址数据集，对所述地址数据集进行融合聚类，得到地址数据类集，对所述地址数据类进行加权映射，得到加权中心地址集，利用预设的地图库对所述加权中心地址集进行场所匹配，得到加权定位场所集；
提取出所述加权定位场所集的加权定位语义，根据所述加权监控语义和所述加权定位语义生成融合场所语义，并从所述地址数据集中筛选出所述融合场所语义对应的地址数据作为标准地址数据；
根据所述环境视频和所述标准地址数据生成标准监控视频，对所述标准监控视频进行分块转码，得到监控转码，对所述监控转码进行滤波加密，得到传输转码，并将所述传输转码发送至所述目标移动设备。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统实施例中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
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限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于通信及卫星技术的监控方法，其特征在于，所述方法包括：
S1：利用监控设备获取目标移动设备的通信请求，根据所述通信请求与所述目标移动设备建立通信连接，获取通信连接后的所述目标移动设备的命令请求，从所述命令请求中提取出监控请求和定位请求；
S2：利用所述监控设备根据所述监控请求获取环境视频，从所述环境视频中分层取样出监控环境图集，对所述监控环境图集进行语义识别，得到加权监控语义，其中，所述从所述环境视频中分层取样出监控环境图集，包括：
S21：将所述环境视频拆分成环境帧图集，逐个选取所述环境帧图集中两个连续的帧图片组成对比帧图集；
S22：利用如下的画面变动值算法计算出所述对比帧图集中的两个帧图片之间的变动值：
Figure QLYQS_1
其中，S是指所述变动值，m是指所述环境帧图集中每个帧图片的像素长度，n是指所述环境帧图集中每个帧图片的像素宽度，/>
Figure QLYQS_2
是指所述对比帧图集中的第一个帧图片中像素的最大灰度值，/>
Figure QLYQS_3
是指所述对比帧图集中的第一个帧图片中像素的最小灰度值，/>
Figure QLYQS_4
是指所述对比帧图集中的第二个帧图片中像素的最大灰度值，/>
Figure QLYQS_5
是指所述对比帧图集中的第二个帧图片中像素的最小灰度值，i是指第i个，j是指第j个，/>
Figure QLYQS_6
是指所述对比帧图集中的第一个帧图片中；
S23：根据所述变动值从所述环境帧图集中筛选出变动帧图集；
S24：按照时序对所述环境帧图集进行分层，得到多个时序帧图集；
S25：从每个所述时序帧图集中筛选出若干个帧图片组成关键帧图集，并将所述关键帧图集和所述变动帧图集汇集成监控环境图集；
S3：根据所述定位请求获取历史卫星数据，对所述历史卫星数据进行地址匹配，得到地址数据集，对所述地址数据集进行融合聚类，得到地址数据类集，对所述地址数据类进行加权映射，得到加权中心地址集，利用预设的地图库对所述加权中心地址集进行场所匹配，得到加权定位场所集；
S4：提取出所述加权定位场所集的加权定位语义，根据所述加权监控语义和所述加权定位语义生成融合场所语义，并从所述地址数据集中筛选出所述融合场所语义对应的地址数据作为标准地址数据；
S5：根据所述环境视频和所述标准地址数据生成标准监控视频，对所述标准监控视频进行分块转码，得到监控转码，对所述监控转码进行滤波加密，得到传输转码，并将所述传输转码发送至所述目标移动设备。
2.如权利要求1所述的基于通信及卫星技术的监控方法，其特征在于，所述按照时序对所述环境帧图集进行分层，得到多个时序帧图集，包括：
按照时序对所述环境帧图集中的环境帧图片进行排序，得到环境帧图序列；
将所述环境帧图序列折中均分成两个分段帧图序列，判断所述分段帧图序列的序列长度是否大于预设的长度阈值；
若是，则利用时序较远的所述分段帧图序列生成时序帧图集，利用时序较近的所述分段帧图序列更新所述环境帧图序列，并返回所述将所述环境帧图序列折中均成两个分段帧图序列的步骤；
若否，则利用时序较远的所述分段帧图序列生成时序帧图集，结束分层。
3.如权利要求1所述的基于通信及卫星技术的监控方法，其特征在于，所述对所述监控环境图集进行语义识别，得到加权监控语义，包括：
逐个选取所述监控环境图集中的帧图片作为目标帧图片，从所述目标帧图片中提取出色彩特征；
对所述目标帧图片进行灰度化操作，得到目标灰度帧图片，对所述目标灰度帧图片进行多级下采样，得到纹理特征；
将所述色彩特征和所述纹理特征汇集成监控特征，对所述监控特征进行语义匹配，得到目标监控语义；
将所有的目标监控语义进行加权融合，得到加权监控语义。
4.如权利要求3所述的基于通信及卫星技术的监控方法，其特征在于，所述对所述目标灰度帧图片进行多级下采样，得到纹理特征，包括：
利用预设的残差块对所述目标灰度图片进行逐层卷积，得到上级纹理特征、中级纹理特征以及下级纹理特征；
将所述下级纹理特征上采样成下级采样特征，将所述下级采样特征和所述中级纹理特征拼接成中级融合特征；
将所述中级融合特征上采样成上级采样特征，将所述上级采样特征和所述上级纹理特征拼接成上级融合特征；
将所述下级纹理特征、所述中级融合特征和所述上级融合特征汇集成纹理特征。
5.如权利要求3所述的基于通信及卫星技术的监控方法，其特征在于，所述对所述监控特征进行语义匹配，得到目标监控语义，包括：
对所述监控特征进行池化操作，得到标准监控特征；
逐个选取所述标准监控特征中的特征作为目标监控特征，利用如下的语义匹配度算法计算出所述目标监控特征与预设的场所特征库中各个场所特征的匹配度：
Figure QLYQS_7
其中，K是指所述匹配度，q是指第q维特征向量，Q是所述目标监控特征的特征向量的总维度数量，且所述目标监控特征的特征向量的总维度等于所述场所特征的向量总维度数量，Aq是指所述目标监控特征中的第q维特征向量，Bq是指所述场所特征中的第q维特征向量；
选取与所述目标监控特征的匹配度最大所述场所特征作为目标场所特征，并将所述目标场所特征对应的场所语义作为所述目标监控特征的监控语义，并将所有的监控语义汇集成目标监控语义。
6.如权利要求1所述的基于通信及卫星技术的监控方法，其特征在于，所述对所述地址数据集进行融合聚类，得到地址数据类集，包括：
将所述地址数据集分为多个地址数据组，随机选取各所述地址数据组的初级中心地址，并计算所述地址数据集中各个地址数据到各所述初级中心地址的地址距离；
根据所述地址距离对所述地址数据集中的各地址数据进行分组，得到多个标准地址组；
计算出各个所述标准地址组的次级中心地址，计算出各个所述次级中心地址与对应的所述初级中心地址之间的中心距离，并将所有的中心距离的平均值作为平均中心距离；
根据所述平均中心距离将各所述标准地址组更新成地址数据类，并将所有的地址数据类汇集成地址数据类集。
7.如权利要求1所述的基于通信及卫星技术的监控方法，其特征在于，所述对所述标准监控视频进行分块转码，得到监控转码，包括：
将所述标准监控视频拆分为多个标准监控帧图片；
对每个所述标准监控帧图片进行多类型树拆分，得到多个标准监控图块；
对每个所述标准监控图块进行帧间转码，得到多个标准帧间编码；
对所有的标准帧间编码进行量化，得到监控编码。
8.一种基于通信及卫星技术的监控装置，其特征在于，所述装置包括：
监控请求模块，用于利用监控设备获取目标移动设备的通信请求，根据所述通信请求与所述目标移动设备建立通信连接，获取通信连接后的所述目标移动设备的命令请求，从所述命令请求中提取出监控请求和定位请求；
监控语义模块，用于利用所述监控设备根据所述监控请求获取环境视频，从所述环境视频中分层取样出监控环境图集，对所述监控环境图集进行语义识别，得到加权监控语义，其中，所述从所述环境视频中分层取样出监控环境图集，包括：将所述环境视频拆分成环境帧图集，逐个选取所述环境帧图集中两个连续的帧图片组成对比帧图集；利用如下的画面变动值算法计算出所述对比帧图集中的两个帧图片之间的变动值：
Figure QLYQS_8
其中，S是指所述变动值，m是指所述环境帧图集中每个帧图片的像素长度，n是指所述环境帧图集中每个帧图片的像素宽度，/>
Figure QLYQS_9
是指所述对比帧图集中的第一个帧图片中像素的最大灰度值，/>
Figure QLYQS_10
是指所述对比帧图集中的第一个帧图片中像素的最小灰度值，/>
Figure QLYQS_11
是指所述对比帧图集中的第二个帧图片中像素的最大灰度值，/>
Figure QLYQS_12
是指所述对比帧图集中的第二个帧图片中像素的最小灰度值，i是指第i个，j是指第j个，/>
Figure QLYQS_13
是指所述对比帧图集中的第一个帧图片中；根据所述变动值从所述环境帧图集中筛选出变动帧图集；按照时序对所述环境帧图集进行分层，得到多个时序帧图集；从每个所述时序帧图集中筛选出若干个帧图片组成关键帧图集，并将所述关键帧图集和所述变动帧图集汇集成监控环境图集；
加权地址模块，用于根据所述定位请求获取历史卫星数据，对所述历史卫星数据进行地址匹配，得到地址数据集，对所述地址数据集进行融合聚类，得到地址数据类集，对所述地址数据类进行加权映射，得到加权中心地址集，利用预设的地图库对所述加权中心地址集进行场所匹配，得到加权定位场所集；
地址融合模块，用于提取出所述加权定位场所集的加权定位语义，根据所述加权监控语义和所述加权定位语义生成融合场所语义，并从所述地址数据集中筛选出所述融合场所语义对应的地址数据作为标准地址数据；
转码传输模块，用于根据所述环境视频和所述标准地址数据生成标准监控视频，对所述标准监控视频进行分块转码，得到监控转码，对所述监控转码进行滤波加密，得到传输转码，并将所述传输转码发送至所述目标移动设备。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的基于通信及卫星技术的监控方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于通信及卫星技术的监控方法。
CN202310626299.0A 2023-05-31 2023-05-31 基于通信及卫星技术的监控方法、装置、设备及存储介质 Active CN116347045B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310626299.0A CN116347045B (zh) 2023-05-31 2023-05-31 基于通信及卫星技术的监控方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310626299.0A CN116347045B (zh) 2023-05-31 2023-05-31 基于通信及卫星技术的监控方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN116347045A true CN116347045A (zh) 2023-06-27
CN116347045B CN116347045B (zh) 2023-08-15

Family

ID=86876360

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310626299.0A Active CN116347045B (zh) 2023-05-31 2023-05-31 基于通信及卫星技术的监控方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116347045B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116594041A (zh) * 2023-07-17 2023-08-15 深圳市天龙世纪科技发展有限公司 一种基于双频组合的低功耗定位方法、系统和存储介质
CN116963156A (zh) * 2023-07-12 2023-10-27 深圳市华检检测技术有限公司 一种无线信号传输能力检测方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6721454B1 (en) * 1998-10-09 2004-04-13 Sharp Laboratories Of America, Inc. Method for automatic extraction of semantically significant events from video
CN102821272A (zh) * 2012-08-16 2012-12-12 安徽中科智能高技术有限责任公司 一种清除电梯无效请求信号的视频监控系统
CN109040681A (zh) * 2018-08-16 2018-12-18 王登磊 基于视频分析的配电室智能运维终端
CN112212852A (zh) * 2019-07-12 2021-01-12 阿里巴巴集团控股有限公司 定位方法、移动设备及存储介质
CN114299321A (zh) * 2021-08-04 2022-04-08 腾讯科技（深圳）有限公司 视频分类方法、装置、设备及可读存储介质
CN114844792A (zh) * 2022-04-26 2022-08-02 深圳云创数安科技有限公司 基于lua语言的动态监控方法、装置、设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6721454B1 (en) * 1998-10-09 2004-04-13 Sharp Laboratories Of America, Inc. Method for automatic extraction of semantically significant events from video
CN102821272A (zh) * 2012-08-16 2012-12-12 安徽中科智能高技术有限责任公司 一种清除电梯无效请求信号的视频监控系统
CN109040681A (zh) * 2018-08-16 2018-12-18 王登磊 基于视频分析的配电室智能运维终端
CN112212852A (zh) * 2019-07-12 2021-01-12 阿里巴巴集团控股有限公司 定位方法、移动设备及存储介质
CN114299321A (zh) * 2021-08-04 2022-04-08 腾讯科技（深圳）有限公司 视频分类方法、装置、设备及可读存储介质
CN114844792A (zh) * 2022-04-26 2022-08-02 深圳云创数安科技有限公司 基于lua语言的动态监控方法、装置、设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116963156A (zh) * 2023-07-12 2023-10-27 深圳市华检检测技术有限公司 一种无线信号传输能力检测方法和装置
CN116963156B (zh) * 2023-07-12 2024-04-16 深圳市华检检测技术有限公司 一种无线信号传输能力检测方法和装置
CN116594041A (zh) * 2023-07-17 2023-08-15 深圳市天龙世纪科技发展有限公司 一种基于双频组合的低功耗定位方法、系统和存储介质
CN116594041B (zh) * 2023-07-17 2023-09-19 深圳市天龙世纪科技发展有限公司 一种基于双频组合的低功耗定位方法、系统和存储介质

Also Published As

Publication number Publication date
CN116347045B (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
CN116347045B (zh) 基于通信及卫星技术的监控方法、装置、设备及存储介质
CN112424769A (zh) 用于地理位置预测的系统和方法
CN110659391A (zh) 一种视频侦查方法及装置
CN110941978B (zh) 一种未识别身份人员的人脸聚类方法、装置及存储介质
CN112650875A (zh) 房产图片验证方法、装置、计算机设备及存储介质
CN112200081A (zh) 异常行为识别方法、装置、电子设备及存储介质
CN112233428B (zh) 车流量预测方法、装置、存储介质及设备
CN109871749A (zh) 一种基于深度哈希的行人重识别方法和装置、计算机系统
CN111881777B (zh) 一种视频处理方法和装置
CN114550053A (zh) 一种交通事故定责方法、装置、计算机设备及存储介质
CN114241338A (zh) 基于影像识别的建筑物测量方法、装置、设备及存储介质
CN111274937B (zh) 摔倒检测方法、装置、电子设备及计算机可读存储介质
CN115265545A (zh) 基于决策分析的地图匹配导航方法、装置、设备及存储介质
CN114049568A (zh) 基于图像比对的标的物形变检测方法、装置、设备及介质
CN114022841A (zh) 人员监控识别方法、装置、电子设备及可读存储介质
WO2018210039A1 (zh) 数据处理方法、数据处理装置及存储介质
CN112329666A (zh) 人脸识别方法、装置、电子设备及存储介质
CN115690615B (zh) 一种面向视频流的深度学习目标识别方法及系统
CN116630712A (zh) 基于模态组合的信息分类方法、装置、电子设备及介质
CN113255456B (zh) 非主动活体检测方法、装置、电子设备及存储介质
CN112906671B (zh) 面审虚假图片识别方法、装置、电子设备及存储介质
CN113190701A (zh) 图像检索方法、装置、设备、存储介质以及计算机程序产品
CN115359390A (zh) 一种图像处理方法及装置
CN114550076A (zh) 区域异常行为监控方法、装置、设备及存储介质
CN113887384A (zh) 基于多轨迹融合的行人轨迹分析方法、装置、设备及介质

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