CN116915953A - 监控设备控制方法、装置、设备、介质及程序 - Google Patents
监控设备控制方法、装置、设备、介质及程序 Download PDFInfo
- Publication number
- CN116915953A CN116915953A CN202310998274.3A CN202310998274A CN116915953A CN 116915953 A CN116915953 A CN 116915953A CN 202310998274 A CN202310998274 A CN 202310998274A CN 116915953 A CN116915953 A CN 116915953A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- monitoring device
- moving object
- motion
- monitoring equipment
- 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 66
- 238000012806 monitoring device Methods 0.000 title claims description 244
- 238000012544 monitoring process Methods 0.000 claims abstract description 215
- 230000033001 locomotion Effects 0.000 claims abstract description 162
- 238000013468 resource allocation Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 16
- 230000005540 biological transmission Effects 0.000 abstract description 12
- 238000007726 management method Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000002950 deficient Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/78—Architectures of resource allocation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/61—Control of cameras or camera modules based on recognised objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/667—Camera operation mode switching, e.g. between still and video, sport and normal or high- and low-resolution modes
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请公开了一种监控设备控制方法、装置、设备、介质及程序,获取目标运动对象的运动信息,目标运动对象为位于第一监控设备的监控区域内的运动对象,运动信息包括运动轨迹和运动速度,根据运动轨迹预测目标运动对象即将经过的第二监控设备,确定第一监控设备与第二监控设备之间的距离,根据距离和运动速度预测目标运动对象经过第二监控设备的时间区间,在时间区间内,优先为第二监控设备分配网络资源。根据本实施例,优先为能够检测到运动对象的监控设备分配网络资源,提高重要监控视频的传输效率,改善网络资源分配不合理的问题,实现网络资源的最大化利用。
Description
技术领域
本申请属于安防技术领域,尤其涉及一种监控设备控制方法、装置、设备、介质及程序。
背景技术
视频监控经历了模拟系统、数字系统到网络化系统的演进,应用领域不断扩展,在各大公司、社区、学校等重要场合都有应用。随着社会信息化程度的不断提高,各行各业对视频监控的要求也日益增高,通过与网络系统相结合,实现对大量监控视频的实时传输,从而达到资源共享。
目前对监控设备网络资源的分配方式通常是平均分配,也即为所有监控设备分配同样的网络资源。而此种分配方式往往存在网络资源分配不合理的问题,比如针对一些网络资源比较匮乏的区域,每个监控设备都只能得到较少网络资源,这就使得即使监控设备没有监控到有用的内容,其也会占用一定的网络资源,造成网络资源的浪费,而针对一些监控到较为重要内容的监控设备,由于其得到的网络资源较少,导致监控视频传输效率慢。
发明内容
本申请实施例提供一种监控设备控制方法、装置、设备、介质及程序,能够改善网络资源分配不合理的问题,实现网络资源的最大化利用。
实现网络资源的合理分配,实现网络资源的最大化利用。
第一方面,本申请实施例提供一种监控设备控制方法,方法包括:
获取目标运动对象的运动信息,目标运动对象为位于第一监控设备的监控区域内的运动对象,运动信息包括运动轨迹和运动速度;
根据运动轨迹预测目标运动对象即将经过的第二监控设备;
确定第一监控设备与第二监控设备之间的距离;
根据距离和运动速度预测目标运动对象经过第二监控设备的时间区间;
在时间区间内,为第二监控设备优先分配网络资源。
第二方面,本申请实施例提供了一种监控设备控制装置,装置包括:
获取模块,用于获取目标运动对象的运动信息,目标运动对象为位于第一监控设备的监控区域内的运动对象,运动信息包括运动轨迹和运动速度;
设备预测模块,用于根据运动轨迹预测目标运动对象即将经过的第二监控设备;
距离确定模块,用于确定第一监控设备与第二监控设备之间的距离;
时间预测模块,用于根据距离和运动速度预测目标运动对象经过第二监控设备的时间区间;
网络资源分配模块,用于在时间区间内,为第二监控设备优先分配网络资源。
第三方面,本申请实施例提供了一种电子设备,设备包括:处理器以及存储有计算机程序指令的存储器;
处理器执行计算机程序指令时实现如第一方面的监控设备控制方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序指令,计算机程序指令被处理器执行时实现如第一方面的监控设备控制方法。
第五方面,本申请实施例提供了一种计算机程序产品,计算机程序产品中的指令由电子设备的处理器执行时,使得电子设备执行如第一方面的监控设备控制方法。
本申请实施例的监控设备控制方法、装置、设备、介质及程序,获取目标运动对象的运动信息,目标运动对象为位于第一监控设备的监控区域内的运动对象,运动信息包括运动轨迹和运动速度,根据运动轨迹预测目标运动对象即将经过的第二监控设备,确定第一监控设备与第二监控设备之间的距离,根据距离和运动速度预测目标运动对象经过第二监控设备的时间区间,在时间区间内,优先为第二监控设备分配网络资源。根据本实施例,优先为能够检测到运动对象的监控设备分配网络资源,提高重要监控视频的传输效率,改善网络资源分配不合理的问题,实现网络资源的最大化利用。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单的介绍,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是本申请实施例提供的监控设备控制方法所适用的系统场景示意图;
图2是本申请实施例提供的监控设备控制方法的流程示意图;
图3是本申请实施例提供的一种监控设备集群示意图;
图4是本申请实施例提供的另一种监控设备集群示意图;
图5是本申请实施例提供的监控设备控制方法的总流程示意图;
图6是本申请实施例提供的监控设备控制装置的结构示意图;
图7是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例,为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及具体实施例,对本申请进行进一步详细描述。应理解,此处所描述的具体实施例仅意在解释本申请,而不是限定本申请。对于本领域技术人员来说,本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
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。在没有更多限制的情况下,由语句“包括……”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要素。
参见图1,为本申请实施例提供的监控设备控制方法所适用的系统场景示意图,为了便于说明,仅示出了与本实施例相关的部分。
如图1所示,系统架构可以包括网络管理设备110、网络120、监控设备130和140。网络120用以在监控设备130、140和网络管理设备110之间提供通信链路的介质。网络管理设备110通过网络120与监控设备130、140交互,以接收或发送数据等。网络管理设备110可以是具有网络分配功能的网络分配器。监控设备130、140可以具有视频采集功能的监控摄像头。
应该理解,图1中的网络管理设备、网络和监控设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的网络管理设备、网络和监控设备。
在本申请实施例中,监控设备130在确定其监控区域内存在目标运动对象的情况下,确定目标运动对象的运动信息,运动信息包括运动轨迹和运动速度,并将运动信息上传至网络管理设备110。网络管理设备110根据接收的运动轨迹预测目标运动对象即将经过的下一个监控设备140,确定监控设备130和140之间的距离,以及根据该距离和目标运动对象的运动速度预测目标运动对象经过监控设备140的时间区间,在该时间区间内,为监控设备140优先分配网络资源。
可以理解的是,在其他实施例中,监控设备130也可以自身根据目标运动对象的运动轨迹预测目标运动对象即将经过的下一个监控设备140,确定自身与监控设备140之间的距离,以及根据距离和运动速度预测目标运动对象经过监控设备140的时间区间,将该时间区间发送至网络管理设备110,由网络管理设备11在该时间区间内,为监控设备140优先分配网络资源。同理,监控设备130中实现的处理步骤也可以适用于该监控设备140。
参考图2,示出了本申请提供的监控设备控制方法的一个实施例的流程。本实施例主要以监控设备控制方法应用于第一监控设备为例,第一监控设备可以为图1中的监控设备130或监控设备140。如图2所示,该监控设备控制方法,可以包括以下步骤S21-S25。
S21.获取目标运动对象的运动信息,目标运动对象为位于第一监控设备的监控区域内的运动对象,运动信息包括运动轨迹和运动速度。
目标运动对象为在第一监控设备的监控区域运动的对象,目标运动对象包括但不限于人、动物、车辆或其他物体。
第一监控设备的监控区域为第一监控设备可以监控到的范围。
运动轨迹指运动对象的某一部分从开始位置到结束为止所经过的路线组成的动作的空间特征,其中包括运动方向。
第一监控设备可以通过图像识别技术对其采集的监控视频进行分析,从而确定出目标运动对象的运动信息。
作为一个示例,第一监控设备可以将采集的监控视频通过本地或云端安装的图像识别软件(例如OpenCV)进行图像识别,识别出目标运动对象的运动信息。
在实际应用中,可以采用图像识别软件中的运动检测算法识别监控视频中目标运动对象的运动信息。
作为一个示例,在识别目标运动对象的运动信息时,可以从监控视频中抽取出多帧图像,按照时间由先到后的顺序,将多帧图像组成视频图像序列,对每帧图像分别进行图像预处理,提取出图像中的目标运动对象对应的区域,对图像进行去噪、平滑等基本处理,通过比较相邻帧之间的像素差异,推算出目标运动对象的像素点的运动量,进而得到目标运动的运动轨迹,根据运动轨迹确定目标运动对象的运动距离,利用运动距离除以运动轨迹对应的时长,得到运动速度,其中运动轨迹对应的时长根据运动轨迹对应的帧图像的时间即可确定。
S22.根据运动轨迹预测目标运动对象即将经过的第二监控设备。
第二监控设备为目标运动对象通过第一监控设备后,将要经过的下一个监控设备。
第一监控设备可以自身根据运动轨迹预测目标运动对象即将经过的第二监控设备。第一监控设备也可以将运动轨迹发送至网络管理设备,以通过网络管理设备根据运动轨迹预测目标运动对象即将经过的第二监控设备。
作为一个示例,第二监控设备为与第一监控设备属于同一安防系统的监控设备,该安防系统中全部监控设备的安装位置已知,且监控设备部署位置对应的路网信息已知。基于此,第一监控设备或网络管理设备可以根据该安防系统中的监控设备与第一监控设备之间的位置关系,来预测目标运动对象按照运动轨迹继续运动可能经过的下一个监控设备,也即第二监控设备。
S23.确定第一监控设备与第二监控设备之间的距离。
第一监控设备可以自身根据第一监控设备和第二监控设备的部署位置,确定第一监控设备与第二监控设备之间的距离,也可以由网络管理设备根据第一监控设备和第二监控设备的部署位置,确定第一监控设备与第二监控设备之间的距离。
安防系统的路网信息中可以包括各监控设备间的路径,以及各路径的相关信息,比如长度、宽度、道路类型(例如高速路、辅路、平坦道路、颠簸道路等)等信息。基于此,第一监控设备或网络管理设备可以根据安防系统中第一监控设备和第二监控设备以及路径信息,确定第一监控设备与第二监控设备之间的距离。具体的,将目标运动对象从第一监控设备到第二监控设备所要经过的路径的长度确定为第一监控设备与第二监控设备之间的距离。
S24.根据距离和运动速度预测目标运动对象经过第二监控设备的时间区间。
其中,时间区间即为目标运动对象从进入第二监控设备的监控区域到离开第二监控设备的监控区域的时间范围。
第一监控设备可以自身根据S23中得到的距离和运动速度预测目标运动对象经过第二监控设备的时间区间。第一监控设备也可以将运动速度发送至网络管理设备,由网络管理设备根据S23中得到的距离和运动速度预测目标运动对象经过第二监控设备的时间区间。
S25.在时间区间内,为第二监控设备优先分配网络资源。
监控设备的主要作用是安防,安防重点关注的是运动的对象,因此需要重点关注监控设备采集到的包含运动对象的监控视频,根据前面的内容可知,在该时间区间内,目标运动对象经过第二监控对象,也即第二监控设备在该时间区间内可以采集到包含运动对象的监控视频,在该时间区间内优先为第二监控设备分配网络资源,可以保证第二监控设备有足够的网络资源支撑在此期间采集到的监控视频的传输,提高监控视频的传输效率。
在时间区间是由第一监控设备确定出的情况下,第一监控设备可以将该时间区间上传至网络管理设备,并请求网络管理设备在该时间区间内,为第二监控设备优先分配网络资源。在该时间区间是由网络管理设备确定出的情况下,网络管理设备自动在时间区间内,为第二监控设备优先分配网络资源。
作为一个示例,网络管理设备可以为其所控制的各监控设备设置优先级,该优先级是决定网络管理设备在为各个监控设备分配网络资源时,监控设备接受网络资源的优先等级的参数,优先级高的先分配,优先级低的后分配。基于此,针对第二监控设备,网络管理设备可以在S24确定出的时间区间内,将第二监控设备的优先级设置为高优先级,如此,可以优先为第二监控设备分配网络资源。
本实施例提供的一种监控设备控制方法,获取目标运动对象的运动信息,目标运动对象为位于第一监控设备的监控区域内的运动对象,运动信息包括运动轨迹和运动速度,根据运动轨迹预测目标运动对象即将经过的第二监控设备,确定第一监控设备与第二监控设备之间的距离,根据距离和运动速度预测目标运动对象经过第二监控设备的时间区间,在时间区间内,优先为第二监控设备分配网络资源。根据本实施例,优先为能够检测到运动对象的监控设备分配网络资源,提高重要监控视频的传输效率,改善网络资源分配不合理的问题,实现网络资源的最大化利用。
此外,本实施例通过优先为监控设备分配网络资源的方式来提高该监控设备所采集的监控视频的传输效率,相比于传统的通过减少监控视频的体积来提高传输效率的方式,其能够传输体积更大的监控视频,相同内容的监控视频,体积越大帧率和/或分辨率越高,观感更好。
在一些实施例中,根据运动轨迹预测目标运动对象即将经过的第二监控设备,可以包括如下步骤:
确定与第一监控设备相邻部署的第三监控设备;
根据运动轨迹预测目标运动对象即将经过的目标路径;
将第三监控设备中,位于目标路径中的监控设备确定为第二监控设备。
监控设备通常是部署在道路上的,因此每个监控设备都有各自对应的路径,而目标运动对象通常也是按照已有道路进行运动,因此,根据已有道路,按照目标运动对象的运动轨迹可以预测出其即将要经过的路径也即目标路径,如此,可以将该路径上与第一监控设备相邻部署的监控设备确定为目标运动对象将要经过的下一个监控设备,也即第二监控设备。
通过上述方式,可以准确的预测出第二监控设备。
在一些实施例中,确定与第一监控设备相邻部署的第三监控设备之前,还可以先执行如下步骤:
构建第一监控设备对应的监控设备集群信息,监控设备集群信息包括第一监控设备与第三监控设备之间的关联关系以及第一监控设备与第三监控设备之间的路径信息。
在本实施例中,根据安防系统中各监控设备的部署位置,确定与第一监控设备相邻部署的第三监控设备,将第一监控设备和第三监控设置组成监控设备集群,将该集群作为第一监控设备对应的监控设备集群,基于该集群构建监控设备集群信息。
在构建监控设备集群信息时,将监控设备集群中第一监控设备与各第三监控设备分别关联,并记录关联关系,该关联关系可以记录为第一监控设备的设备标识与第三监控设备的设备标识之间的对应关系,进一步的,从安防系统的路网信息中确定出第一监控设备与各第三监控设备之间的路径,并对该路径的路径信息进行记录。
相应的,在构建了监控设备集群信息的情况下,确定与第一监控设备相邻部署的第三监控设备,可以包括:
基于监控设备集群信息,将与第一监控设备存在关联关系的监控设备确定为第三监控设备;
根据运动轨迹预测目标运动对象即将经过的目标路径,可以包括:
根据监控设备集群信息中的路径信息和运动轨迹,预测目标运动对象即将经过的目标路径。
其中,可以根据运动轨迹预测第一时间之后预设时长内的运动轨迹,根据第一监控设备和第三监控设备之间的路径信息,确定与预测出的运动轨迹重合的路径,将该路径确定为目标路径。其中,第一时间为获取到目标运动对象的运动信息的时间,预设时长可以根据实际情况设置。运动轨迹预测已有成熟技术,本实施例可以直接采用现有成熟技术进行轨迹预测。
目标路径的长度即为第一监控设备与第二监控设备之间的距离。
作为一个示例,参见图3,为监控二对应的一种监控设备集群的示意图,其中监控一和监控三均是与监控二相邻部署的监控设备,在监控二作为第一监控设备的情况下,如图3所示,当目标运动对象的运动轨迹为沿图中实线箭头运动时,监控三为即将经过的第二监控设备;当目标运动对象的运动轨迹为沿图中虚线箭头运动时,监控一为即将经过的第二监控设备。
作为另一个示例,参见图4,为监控二对应的另一种监控设备集群的示意图,其中监控一、监控三、监控四和监控五均是与监控二相邻部署的监控设备,在监控二作为第一监控设备的情况下,如图4所示,当目标运动对象的运动轨迹为①时,监控四为即将经过的第二监控设备,当目标运动对象的运动轨迹为②时,监控一为即将经过的第二监控设备。
通过上述方式,基于路径能够快速、准确的确定出第二监控设备。
在一些实施例中,根据距离和运动速度预测目标运动对象经过第二监控设备的时间区间,可以包括:
将1与预设的区间系数相加,得到第一系数;
将1与区间系数相减,得到第二系数;
将运动速度与第一系数相乘,得到运动速度上限值;
将运动速度与第二系数相乘,得到运动速度下限值;
将距离与运动速度上限值的商确定为第一时长;
将距离与运动速度下限值的商确定为第二时长;
将第一时间与第一时长相加,得到时间区间的下限值,第一时间为获取到目标运动对象的运动信息的时间;
将第一时间与第二时长相加,得到时间区间的上限值。
其中,区间系数根据实际情况设置的正数。
作为一个示例,时间区间的下限值可以采用如下公式计算:
时间区间的上限值可以采用如下公式计算:
式中,表示时间区间下限值,/>表示时间区间上限值,t表示第一时间,v表示目标运动对象的运动速度,k表示区别系数,s表示第一监控设备与第二监控设备之间的距离。
通过上述方式,可以得到准确的时间区间。
在一些实施例中,在获取目标运动对象的运动信息之后,还可以执行如下步骤:
在确定第一监控设备的监控区域内没有运动对象的情况下,释放为第一监控设备分配的网络资源。
在第一监控设备的监控区域内没有运动对象的情况下,其采集的监控视频中不再包含运动对象,而此类监控视频对安防的意义不大,因此,为了避免网络资源的浪费,此时释放为第一监控设备分配的网路资源,在下次确定第一监控设备的监控区域内有运动对象经过的情况下,再重新为其分配网络资源。
同理,在为第二监控设备分配网络资源后,在第二监控设备的监控区域内没有运动对象的情况下,释放为第二监控设备分配的网络资源。
通过上述方式,可以有效避免网络资源的浪费,实现网络资源的最大化利用。
在一些实施例中,在获取目标运动对象的运动信息之前,可以先执行如下步骤:
对第一监控设备采集的监控视频进行图像识别,确定第一监控设备的监控区域内是否存在目标运动对象。
相应的,在确定第一监控设备的监控区域内存在目标运动对象的情况下,再获取目标运动对象的运动信息。
其中,第一监控设备可以将采集到的监控视频通过本地或云端安装的图像识别软件(例如OpenCV)进行图像识别,确定其监控视频中是否有运动的对象,因为监控视频中包含的是第一监控设备监控区域内的图像,所以若监控视频中有运动的对象,则说明第一监控设备的监控区域内存在运动的对象,将该运动的对象确定为目标运动对象,若监控视频中没有运动的对象,则说明第一监控设备的监控区域内不存在运动的对象,也即不存在目标运动对象。
图像识别软件中通常包含图像处理和计算机视觉方面的很多通用算法,例如OpenCV是一个基于Apache2.0许可(开源)发行的跨平台计算机视觉和机器学习软件库,其提供了Python、Ruby、MATLAB等语言的接口,实现了图像处理和计算机视觉方面的很多通用算法。其中包括但不限于运动检测算法和运动目标检测算法。
在实际应用中,可以采用图像识别软件中的运动目标检测算法识别监控视频中运动的对象。
作为一个示例,可以采用运动目标检测算法中的背景减法识别监控视频中运动的对象,在识别时,获取背景图像,该背景图像为第一监控设备的监控区域内没有运动对象是所采集的图像,从监控视频中抽取多帧图像,针对抽取出的每帧图像,确定该帧图像与背景图像的灰度值,将两者的灰度值进行相减,并取其绝对值,得到差分图像,基于设定阈值对差分图像中的像素点进行二值化处理,在二值化处理时,将灰度值大于设定阈值的像素点的灰度值设定为255,将灰度值小于或等于设定阈值的像素点的灰度值设定为0,得到二值化图像,其中,灰度值为255的点即为运动对象对应的像素点。基于此,如果最终得到的所有二值化图像中都没有灰度值为255的点,则确定不存在目标运动对象,否则确定存在目标运动对象。
通过上述方式,可以准确识别出第一监控涉设备的监控区域内是否存在目标运动对象,在确定存在目标运动对象的情况下,再获取运动信息,可以避免一直进行运动信息获取造成的计算资源浪费。
考虑到现有技术中的监控设备通常只能录制固定帧率、固定分辨率的监控视频,或者手动的调整监控设备的视频分辨率,但是在一些偏远地区,比如位置偏远的郊区、农村等,其网络资源本就比较匮乏,而且人流量较小,监控区域内的大部分时间内并无运动对象经过,若监控设备一直保持高帧率、高分辨率状态下运行,会造成一定量的网络资源浪费,若监控设备一致保持低帧率、低分辨率运行,则容易造成重要监控视频不流畅、不清晰的情况。
鉴于此,在一些实施例中,对监控设备采集的监控视频进行图像识别,确定监控设备的监控区域内是否存在目标运动对象之后,还可以执行如下步骤:
在确定存在目标运动对象的情况下,将第一监控设备的帧率设置为第一帧率和/或将第一监控设备的分辨率设置为第一分辨率;
在确定不存在目标运动对象的情况下,将第一监控设备的帧率设置为第二帧率和/或将第一监控设备的分辨率设置为第二分辨率;
第一帧率大于第二帧率,第一分辨率大于第二分辨率。
其中,第一监控设备的帧率和分辨率可以由自身调节。
作为一个示例,第一监控设备的默认工作状态可以为低帧率和低分辨率,确定第一监控设备的监控区域内有运动对象经过时,将第一监控设备的工作状态调整为高帧率和高分辨率,在运动对象通过第一监控设备后,也即离开第一监控设备的监控区域内没有运动对象后,将第一监控设备的工作状态调整回低帧率和低分辨率。
通过上述方式,实现监控设备的帧率和/或分辨率的自适应调整,实现无运动对象经过时低帧率和/或低分辨率运行,有运动对象经过时自动切换为高帧率和/或高分辨率运行,可大大降低监控设备对网络及硬件存储设备的要求,减少网络资源的浪费,同时保证在有运动对象经过时,可以采集到更加流畅和/或更加清晰的监控视频。
进一步的,集合前面所述的,在有运动对象经过监控设备时,优先为监控设备分配网络资源,可以同时保证监控视频的质量和传输效率,提升用户体验。
下面以将本申请实施例提供的监控设备控制方法应用于默认以低帧率和低分辨率运行的监控设备为例,对本申请实施例提供的监控设备控制方法的总流程进行说明。
参见图5,监控设备控制方法的总流程包括如下步骤:
S51.控制监控设备按照低帧率和低分辨率运行;
S52.采集监控视频;
S53.对监控视频进行图像识别;
S54.确定监控视频中是否存在运动对象,如存在,则执行S55,若不存在,则返回执行S51;
S55.控制监控设备按照高帧率和高分辨率运行,并执行S56和S58;
S56.对监控视频进行图像识别;
S57.确定运动对象是否已经通过,若是,则返回执行S51,若否,则返回执行S55;
S58.确定运动对象的运动轨迹和运动速度;
S59.确定运动对象即将经过的下一个监控设备,和经过下一个监控设备的时间区间;
S510.在时间区间内,为下一个监控设备优先分配网络资源。
基于上述实施例提供的监控设备控制方法,相应地,本申请还提供了监控设备控制装置的具体实现方式。请参见以下实施例。
参见图6,本申请实施例提供的监控设备控制装置包括以下模块:
获取模块601,用于获取目标运动对象的运动信息,目标运动对象为位于第一监控设备的监控区域内的运动对象,运动信息包括运动轨迹和运动速度;
设备预测模块602,用于根据运动轨迹预测目标运动对象即将经过的第二监控设备;
距离确定模块603,用于确定第一监控设备与第二监控设备之间的距离;
时间预测模块604,用于根据距离和运动速度预测目标运动对象经过第二监控设备的时间区间;
网络资源分配模块605,用于在时间区间内,为第二监控设备优先分配网络资源。
本申请实施例的监控设备控制装置,获取目标运动对象的运动信息,目标运动对象为位于第一监控设备的监控区域内的运动对象,运动信息包括运动轨迹和运动速度,根据运动轨迹预测目标运动对象即将经过的第二监控设备,确定第一监控设备与第二监控设备之间的距离,根据距离和运动速度预测目标运动对象经过第二监控设备的时间区间,在时间区间内,优先为第二监控设备分配网络资源。根据本实施例,优先为能够检测到运动对象的监控设备分配网络资源,提高重要监控视频的传输效率,改善网络资源分配不合理的问题,实现网络资源的最大化利用。
在一些实施例中,设备预测模块602,包括:
关联设备确定子模块,用于确定与第一监控设备相邻部署的第三监控设备;
目标路径确定子模块,用于根据运动轨迹预测目标运动对象即将经过的目标路径;
第二设备确定子模块,用于将第三监控设备中,位于目标路径中的监控设备确定为第二监控设备。
在一些实施例中,装置还可以包括:
集群构建模块,用于在确定与第一监控设备相邻部署的第三监控设备之前,构建第一监控设备对应的监控设备集群信息,监控设备集群信息包括第一监控设备与第三监控设备之间的关联关系以及第一监控设备与第三监控设备之间的路径信息;
关联设备确定子模块,用于:
基于监控设备集群信息,将与第一监控设备存在关联关系的监控设备确定为第三监控设备;
目标路径确定子模块,用于:
根据监控设备集群信息中的路径信息和运动轨迹,预测目标运动对象即将经过的目标路径。
在一些实施例中,时间预测模块604,用于:
将1与预设的区间系数相加,得到第一系数;
将1与区间系数相减,得到第二系数;
将运动速度与第一系数相乘,得到运动速度上限值;
将运动速度与第二系数相乘,得到运动速度下限值;
将距离与运动速度上限值的商确定为第一时长;
将距离与运动速度下限值的商确定为第二时长;
将第一时间与第一时长相加,得到时间区间的下限值,第一时间为获取到目标运动对象的运动信息的时间;
将第一时间与第二时长相加,得到时间区间的上限值。
在一些实施例中,装置还包括:
网络资源释放模块,用于在获取目标运动对象的运动信息之后,在确定第一监控设备的监控区域内没有运动对象的情况下,释放为第一监控设备分配的网络资源。
在一些实施例中,装置还包括:
图像识别模块,用于在获取目标运动对象的运动信息之前,对第一监控设备采集的监控视频进行图像识别,确定第一监控设备的监控区域内是否存在目标运动对象;
获取模块601,用于:
在确定存在目标运动对象的情况下,获取目标运动对象的运动信息。
在一些实施例中,装置还包括:
第一调整模块,用于在确定存在目标运动对象的情况下,将第一监控设备的帧率设置为第一帧率和/或将第一监控设备的分辨率设置为第一分辨率;
第二调整模块,用于在确定不存在目标运动对象的情况下,将第一监控设备的帧率设置为第二帧率和/或将第一监控设备的分辨率设置为第二分辨率;
第一帧率大于第二帧率,第一分辨率大于第二分辨率。
本申请实施例提供的监控设备控制装置能够实现监控设备控制方法实施例实现的各个过程,为避免重复,这里不再赘述。
图7示出了本申请实施例提供的电子设备的硬件结构示意图。
电子设备可以包括处理器701以及存储有计算机程序指令的存储器702。
具体地,上述处理器701可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器702可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器702可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器702可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器702可在综合网关容灾设备的内部或外部。在特定实施例中,存储器702是非易失性固态存储器。存储器702可包括只读存储器(ROM),随机存取存储器(RAM),磁盘存储介质设备,光存储介质设备,闪存设备,电气、光学或其他物理/有形的存储器存储设备。因此,通常,存储器702包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如,存储器设备),并且当该软件被执行(例如,由一个或多个处理器)时,其可执行上述实施例中的任意一种监控设备控制方法所描述的操作。
处理器701通过读取并执行存储器702中存储的计算机程序指令,以实现上述实施例中的任意一种监控设备控制方法。
在一个示例中,电子设备还可包括通信接口703和总线710。其中,如图7所示,处理器701、存储器702、通信接口703通过总线710连接并完成相互间的通信。
通信接口703,主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线710包括硬件、软件或两者,将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线710可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线,但本申请考虑任何合适的总线或互连。
另外,结合上述实施例中的监控设备控制方法,本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令;该计算机程序指令被处理器执行时实现上述实施例中的任意一种监控设备控制方法。
需要明确的是,本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本申请的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本申请的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本申请中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本申请不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解,流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器,以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解,框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合,也可以由执行指定的功能或动作的专用硬件来实现,或可由专用硬件和计算机指令的组合来实现。
以上所述,仅为本申请的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (11)
1.一种监控设备控制方法,其特征在于,所述方法包括:
获取目标运动对象的运动信息,所述目标运动对象为位于第一监控设备的监控区域内的运动对象,所述运动信息包括运动轨迹和运动速度;
根据所述运动轨迹预测所述目标运动对象即将经过的第二监控设备;
确定所述第一监控设备与所述第二监控设备之间的距离;
根据所述距离和所述运动速度预测所述目标运动对象经过所述第二监控设备的时间区间;
在所述时间区间内,为所述第二监控设备优先分配网络资源。
2.根据权利要求1所述的方法,其特征在于,所述根据所述运动轨迹预测所述目标运动对象即将经过的第二监控设备,包括:
确定与所述第一监控设备相邻部署的第三监控设备;
根据所述运动轨迹预测所述目标运动对象即将经过的目标路径;
将所述第三监控设备中,位于所述目标路径中的监控设备确定为所述第二监控设备。
3.根据权利要求2所述的方法,其特征在于,所述确定与所述第一监控设备相邻部署的第三监控设备之前,所述方法还包括:
构建所述第一监控设备对应的监控设备集群信息,所述监控设备集群信息包括所述第一监控设备与所述第三监控设备之间的关联关系以及所述第一监控设备与所述第三监控设备之间的路径信息;
所述确定与所述第一监控设备相邻部署的第三监控设备,包括:
基于所述监控设备集群信息,将与所述第一监控设备存在关联关系的监控设备确定为所述第三监控设备;
所述根据所述运动轨迹预测所述目标运动对象即将经过的目标路径,包括:
根据所述监控设备集群信息中的路径信息和所述运动轨迹,预测所述目标运动对象即将经过的目标路径。
4.根据权利要求1所述的方法,其特征在于,所述根据所述距离和所述运动速度预测所述目标运动对象经过所述第二监控设备的时间区间,包括:
将1与预设的区间系数相加,得到第一系数;
将1与所述区间系数相减,得到第二系数;
将所述运动速度与所述第一系数相乘,得到运动速度上限值;
将所述运动速度与所述第二系数相乘,得到运动速度下限值;
将所述距离与所述运动速度上限值的商确定为第一时长;
将所述距离与所述运动速度下限值的商确定为第二时长;
将第一时间与所述第一时长相加,得到所述时间区间的下限值,所述第一时间为获取到所述目标运动对象的运动信息的时间;
将所述第一时间与所述第二时长相加,得到所述时间区间的上限值。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述获取目标运动对象的运动信息之后,所述方法还包括:
在确定所述第一监控设备的监控区域内没有运动对象的情况下,释放为所述第一监控设备分配的网络资源。
6.根据权利要求1-4任一项所述的方法,其特征在于,所述获取目标运动对象的运动信息之前,所述方法还包括:
对所述第一监控设备采集的监控视频进行图像识别,确定所述第一监控设备的监控区域内是否存在目标运动对象;
所述获取目标运动对象的运动信息,包括:
在确定存在所述目标运动对象的情况下,获取所述目标运动对象的运动信息。
7.根据权利要求6所述的方法,其特征在于,所述对所述监控设备采集的监控视频进行图像识别,确定所述监控设备的监控区域内是否存在目标运动对象之后,所述方法还包括:
在确定存在所述目标运动对象的情况下,将所述第一监控设备的帧率设置为第一帧率和/或将所述第一监控设备的分辨率设置为第一分辨率;
在确定不存在所述目标运动对象的情况下,将所述第一监控设备的帧率设置为第二帧率和/或将所述第一监控设备的分辨率设置为第二分辨率;
所述第一帧率大于所述第二帧率,所述第一分辨率大于所述第二分辨率。
8.一种监控设备控制装置,其特征在于,所述装置包括:
获取模块,用于获取目标运动对象的运动信息,所述目标运动对象为位于第一监控设备的监控区域内的运动对象,所述运动信息包括运动轨迹和运动速度;
设备预测模块,用于根据所述运动轨迹预测所述目标运动对象即将经过的第二监控设备;
距离确定模块,用于确定所述第一监控设备与所述第二监控设备之间的距离;
时间预测模块,用于根据所述距离和所述运动速度预测所述目标运动对象经过所述第二监控设备的时间区间;
网络资源分配模块,用于在所述时间区间内,为所述第二监控设备优先分配网络资源。
9.一种电子设备,其特征在于,所述设备包括:处理器以及存储有计算机程序指令的存储器;
所述处理器执行所述计算机程序指令时实现如权利要求1-7任意一项所述的监控设备控制方法。
10.一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上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现如权利要求1-7任意一项所述的监控设备控制方法。
11.一种计算机程序产品,其特征在于,所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行如权利要求1-7任意一项所述的监控设备控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310998274.3A CN116915953A (zh) | 2023-08-09 | 2023-08-09 | 监控设备控制方法、装置、设备、介质及程序 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310998274.3A CN116915953A (zh) | 2023-08-09 | 2023-08-09 | 监控设备控制方法、装置、设备、介质及程序 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116915953A true CN116915953A (zh) | 2023-10-20 |
Family
ID=88362984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310998274.3A Pending CN116915953A (zh) | 2023-08-09 | 2023-08-09 | 监控设备控制方法、装置、设备、介质及程序 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116915953A (zh) |
-
2023
- 2023-08-09 CN CN202310998274.3A patent/CN116915953A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8942913B2 (en) | System and method for on-road traffic density analytics using video stream mining and statistical techniques | |
Alpatov et al. | Vehicle detection and counting system for real-time traffic surveillance | |
Bas et al. | Automatic vehicle counting from video for traffic flow analysis | |
CN103366569B (zh) | 实时抓拍交通违章车辆的方法及系统 | |
US20130265419A1 (en) | System and method for available parking space estimation for multispace on-street parking | |
CN102426785B (zh) | 基于轮廓和局部特征点的交通流信息感知方法及系统 | |
CN105744232A (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
Kulkarni et al. | Real time vehicle detection, tracking and counting using Raspberry-Pi | |
CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
CN104092988A (zh) | 一种公共场合客流管理方法、装置及系统 | |
Pan et al. | Traffic surveillance system for vehicle flow detection | |
CN108960133B (zh) | 乘客流量监控的方法、电子设备、系统以及存储介质 | |
CN112434566B (zh) | 客流统计方法、装置、电子设备及存储介质 | |
Hadiuzzaman et al. | Pixel-based heterogeneous traffic measurement considering shadow and illumination variation | |
CN115909224A (zh) | 轨迹检测方法及轨迹检测系统 | |
CN107590431B (zh) | 一种基于图像识别的数量统计方法及装置 | |
Rao et al. | Dynamic traffic system based on real time detection of traffic congestion | |
CN116915953A (zh) | 监控设备控制方法、装置、设备、介质及程序 | |
Srilekha et al. | A novel approach for detection and tracking of vehicles using Kalman filter | |
Cho et al. | Object recognition network using continuous roadside cameras | |
Parida et al. | Recognition Of Vehicle Number Plate Using MATLAB | |
CN114219970A (zh) | 一种用于交通管理的图像处理方法及系统 | |
CN113850111A (zh) | 基于语义分割和神经网络技术的路况识别方法和系统 | |
CN107358170B (zh) | 一种基于移动机器视觉的车辆违章压线识别方法 | |
Rajib et al. | A proposed system to estimate the velocity of vehicles from traffic video |
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 |