CN116939164A - 一种安防监控方法及系统 - Google Patents
一种安防监控方法及系统 Download PDFInfo
- Publication number
- CN116939164A CN116939164A CN202310912977.XA CN202310912977A CN116939164A CN 116939164 A CN116939164 A CN 116939164A CN 202310912977 A CN202310912977 A CN 202310912977A CN 116939164 A CN116939164 A CN 116939164A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- acquisition
- video image
- video
- abnormal
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 114
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000002159 abnormal effect Effects 0.000 claims abstract description 70
- 230000006835 compression Effects 0.000 claims abstract description 70
- 238000007906 compression Methods 0.000 claims abstract description 70
- 230000002265 prevention Effects 0.000 claims abstract description 49
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000005540 biological transmission Effects 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 13
- 206010000117 Abnormal behaviour Diseases 0.000 abstract description 8
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000013500 data storage Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种安防监控方法及系统，涉及安防监控技术领域。该方法包括：获取并根据监控区域信息构建监控采集框架，该监控采集框架包括至少一个视频采集设备及对应的视频数据采集方式；基于监控采集框架实时采集对应的视频图像，并对实时采集的视频图像进行预处理，以得到目标视频图像；将目标视频图像导入预置的异常防控识别模型中，生成并发送异常防控识别信息给对应的监管人员；对目标视频图像进行压缩编码，并基于RTP/RTCP协议将压缩编码结果发送给对应的监管终端。本发明可进行针对性的数据采集和精准的异常目标及异常行为分析，实现高精度高效率的安防监控效果。
Description
技术领域
本发明涉及安防监控技术领域，具体而言，涉及一种安防监控方法及系统。
背景技术
随着社会的发展，安防问题也随之增大，越来越多的地方和场景需要进行合理有效的安防监控。安防监控的原理是利用摄像机获取视频图像，然后对视频图像进行处理，识别视频图像中的异常目标，然后进行报警提示，进而起到安防监控的效果。
但现有的安防监控技术一般是需要人工进行配合，通过摄像机获取到视频图像后，大部分异常目标识别工作需要人为进行操作，人工成本高且安防效果不高。而且，虽然现有的安防监控也具备一定的智能分析能力，但是其仅仅是基于基础摄像设备的简单视频图像采集后进行的简单分析，采集的数据量庞大，后续进行数据分析时需要消耗极大的计算资源，且容易出现错误，导致无法起到很好的安防监控效果。
发明内容
为了克服上述问题或者至少部分地解决上述问题，本发明提供一种安防监控方法及系统，可进行针对性的数据采集和精准的异常目标及异常行为分析，实现高精度高效率的安防监控效果。
为解决上述技术问题，本发明采用的技术方案为：
第一方面，本发明提供一种安防监控方法，包括以下步骤：
获取并根据监控区域信息构建监控采集框架，该监控采集框架包括至少一个视频采集设备及对应的视频数据采集方式；
基于监控采集框架实时采集对应的视频图像，并对实时采集的视频图像进行预处理，以得到目标视频图像；
将目标视频图像导入预置的异常防控识别模型中，生成异常防控识别信息；
对目标视频图像进行压缩编码，并基于RTP/RTCP协议将压缩编码结果和异常防控识别信息发送给对应的监管终端。
本方法结合实际的监控场景构建一个针对性的监控采集框架，确定好具体的视频采集设备及其位置分布、对应的采集方式等，以便后续进行高效数据采集；基于监控采集框架实时采集对应区域范围内的视频图像，并对采集的视频图像进行预处理，删除冗余，以得到更为有效的目标视频图像，减少后续的计算资源；然后，结合预置的异常防控识别模型进行异常目标及异常行为等多种异常指标识别，以得到对应异常防控识别信息；最后，对目标视频图像进行压缩编码，并基于RTP/RTCP协议将压缩编码结果和异常防控识别信息发送给对应的监管终端，以便起到更为有效的安防监控效果；同时节约数据存储和传输资源。
基于第一方面，进一步地，上述根据监控区域信息构建监控采集框架的方法包括以下步骤：
提取并根据监控区域信息中的区域范围确定视频采集设备数量和视频采集设备位置分布；
根据视频采集设备数量和视频采集设备位置分布设定数据采集节点；
基于数据采集节点、视频采集设备数量、视频采集设备位置分布以及预设的视频数据采集方式构建监控采集框架。
基于第一方面，进一步地，上述该安防监控方法还包括以下步骤：
获取并根据实时区域监控要求对监控采集框架进行优化调整。
基于第一方面，进一步地，上述对实时采集的视频图像进行预处理，以得到目标视频图像的方法包括以下步骤：
对实时采集的视频图像进行冗余过滤处理，以得到过滤视频图像；
对过滤视频图像进行显著性检测，以筛选得到初始视频图像；
对初始视频图像进行超分辨率重建，以得到目标视频图像。
基于第一方面，进一步地，该安防监控方法还包括以下步骤：
获取并根据安防异常指标参数构建初始安防异常识别模型；
获取并根据历史安防监控视频图像样本对初始安防异常识别模型进行训练，以构建异常防控识别模型。
基于第一方面，进一步地，上述将目标视频图像导入预置的异常防控识别模型中，生成异常防控识别信息的方法包括以下步骤：
将目标视频图像导入预置的异常防控识别模型中；
基于异常防控识别模型对目标视频图像中的异常指标进行识别标记，以得到异常防控识别信息。
基于第一方面，进一步地，上述对目标视频图像进行压缩编码的方法包括以下步骤：
分别采用多种压缩方法对目标视频图像中的各帧图像进行压缩，以得到对应图像的多个压缩结果；
将对应图像的多个压缩结果进行比对，以输出对应图像的最优压缩结果；
对最优压缩结果进行编码，以得到最终的压缩编码结果。
第二方面，本发明提供一种安防监控系统，包括采集框架构建模块、实时采集模块、异常识别模块以及数据传输模块，其中：
采集框架构建模块，用于获取并根据监控区域信息构建监控采集框架，该监控采集框架包括至少一个视频采集设备及对应的视频数据采集方式；
实时采集模块，用于基于监控采集框架实时采集对应的视频图像，并对实时采集的视频图像进行预处理，以得到目标视频图像；
异常识别模块，用于将目标视频图像导入预置的异常防控识别模型中，生成异常防控识别信息；
数据传输模块，用于对目标视频图像进行压缩编码，并基于RTP/RTCP协议将压缩编码结果和异常防控识别信息发送给对应的监管终端。
本系统通过采集框架构建模块、实时采集模块、异常识别模块以及数据传输模块等多个模块的配合，结合实际的监控场景构建一个针对性的监控采集框架，确定好具体的视频采集设备及其位置分布、对应的采集方式等，以便后续进行高效数据采集；基于监控采集框架实时采集对应区域范围内的视频图像，并对采集的视频图像进行预处理，删除冗余，以得到更为有效的目标视频图像，减少后续的计算资源；然后，结合预置的异常防控识别模型进行异常目标及异常行为等多种异常指标识别，以得到对应异常防控识别信息；最后，对目标视频图像进行压缩编码，并基于RTP/RTCP协议将压缩编码结果和异常防控识别信息发送给对应的监管终端，以便起到更为有效的安防监控效果；同时节约数据存储和传输资源。
第三方面，本申请提供一种电子设备，其包括存储器，用于存储一个或多个程序；处理器；当一个或多个程序被处理器执行时，实现如上述第一方面中任一项的方法。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。
本发明至少具有如下优点或有益效果：
1、结合实际的监控场景，根据区域范围确定合理的视频采集设备数量和视频采集设备位置分布，然后结合网络设备节点的处理能力，设定对应的数据采集节点，以便进行后续数据的记录，根据数据采集节点、视频采集设备数量、视频采集设备位置分布以及预设的视频数据采集方式构建一个合理的针对性的监控采集框架，以便后续进行高效数据采集；
2、对采集的视频图像进行预处理，删除冗余，以得到更为有效的目标视频图像，减少后续的计算资源；并进行显著性检测，以确定更为清晰的初始视频图像，并对其进行超分辨率重建，得到更为清晰的目标视频图像，以提高后续视频图像的处理效率和识别精度；
3、根据基础的安防异常指标参数构建一个初始安防异常识别模型，然后结合历史样本数据进行模型训练，进而构建一个可以高效识别异常指标的异常防控识别模型，以便后续识别提供更为有效的支撑；
4、结合预置的异常防控识别模型进行异常目标及异常行为等多种异常指标识别，实现精准高效且全面的异常识别；
5、结合多种压缩方法对各帧图像进行压缩，在多个压缩结果中选择一个压缩比最高的最优压缩结果，大大提高了压缩效果；并基于RTP/RTCP协议将压缩编码结果和异常防控识别信息发送给对应的监管终端，以便起到更为有效的安防监控效果，同时节约数据存储和传输资源；
6、结合实时区域监控要求对监控采集框架进行调整，对启动的视频采集设备数量以及视频采集设备位置分布进行重新分配，进而得到一个更为合理的监控采集框架，更好的进行实时安防监控，满足实时安防监控需求。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明实施例一种安防监控方法的流程图；
图2为本发明实施例一种安防监控方法中构建监控采集框架的流程图；
图3为本发明实施例一种安防监控方法中对视频图像进行预处理的流程图；
图4为本发明实施例一种安防监控系统的原理框图；
图5为本发明实施例提供的一种电子设备的结构框图。
附图标记说明：100、采集框架构建模块；200、实时采集模块；300、异常识别模块；400、数据传输模块；101、存储器；102、处理器；103、通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
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”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“包括一个……”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。
在本发明实施例的描述中，“多个”代表至少2个。
实施例：
如图1-图3所示，第一方面，本发明实施例提供一种安防监控方法，包括以下步骤：
S1、获取并根据监控区域信息构建监控采集框架，该监控采集框架包括至少一个视频采集设备及对应的视频数据采集方式；该视频数据采集方式为基于地址映射的视频数据采集方法，通过mmap()函数将视频采集设备文件映射到进程的地址空间中，进程则可直接读写内容，大大提高数据读取效率；上述监控区域信息包括监控区域范围、监控区域内的各个建筑物布局、监控区域安全性质等。
进一步地，如图2所示，包括：
S11、提取并根据监控区域信息中的区域范围确定视频采集设备数量和视频采集设备位置分布；
S12、根据视频采集设备数量和视频采集设备位置分布设定数据采集节点；
S13、基于数据采集节点、视频采集设备数量、视频采集设备位置分布以及预设的视频数据采集方式构建监控采集框架。
在本发明的一些实施例中，首先根据区域范围确定合理的视频采集设备数量和视频采集设备位置分布，然后结合网络设备节点的处理能力，设定对应的数据采集节点，以便进行后续数据的记录，根据数据采集节点、视频采集设备数量、视频采集设备位置分布以及预设的视频数据采集方式构建一个合理的监控采集框架，各个数据采集节点下关联多个视频采集设备。
S2、基于监控采集框架实时采集对应的视频图像，并对实时采集的视频图像进行预处理，以得到目标视频图像；
进一步地，如图3所示，包括：
S21、对实时采集的视频图像进行冗余过滤处理，以得到过滤视频图像；
S22、对过滤视频图像进行显著性检测，以筛选得到初始视频图像；
S23、对初始视频图像进行超分辨率重建，以得到目标视频图像。
在本发明的一些实施例中，为了提高后续视频图像的处理效率，提高识别精度，同时，减少后续的计算资源浪费，采集到视频图像后对其进行冗余过滤，删除掉部分视频图像；然后进行显著性检测，以确定更为清晰的初始视频图像，并对其进行超分辨率重建，得到更为清晰的目标视频图像。
S3、将目标视频图像导入预置的异常防控识别模型中，生成异常防控识别信息；
上述异常防控识别模型的构建方法包括：获取并根据安防异常指标参数构建初始安防异常识别模型；获取并根据历史安防监控视频图像样本对初始安防异常识别模型进行训练，以构建异常防控识别模型。
进一步地，包括：将目标视频图像导入预置的异常防控识别模型中；基于异常防控识别模型对目标视频图像中的异常指标进行识别标记，以得到异常防控识别信息。
在本发明的一些实施例中，在进行图像识别之前，预先构建一个合理的异常防控识别模型，以便后续进行高效精准的异常指标识别；根据基础的安防异常指标参数构建一个初始安防异常识别模型，然后结合历史样本数据进行模型训练，进而构建一个可以高效识别异常指标的异常防控识别模型，基于该异常防控识别模型对视频图像中的异常指标进行标记，得到精准的异常防控识别信息。上述安防异常指标参数包括异常对象、异常行为等。
S4、对目标视频图像进行压缩编码，并基于RTP/RTCP协议将压缩编码结果和异常防控识别信息发送给对应的监管终端。
进一步地，包括：分别采用多种压缩方法对目标视频图像中的各帧图像进行压缩，以得到对应图像的多个压缩结果；将对应图像的多个压缩结果进行比对，以输出对应图像的最优压缩结果；对最优压缩结果进行编码，以得到最终的压缩编码结果。
在本发明的一些实施例中，为了提高传输效率以及节约资源，对目标视频图像进行压缩编码，为了保证压缩效果，结合多种压缩方法对各帧图像进行压缩，在多个压缩结果中选择一个压缩比最高的最优压缩结果，然后对该最优压缩结果进行编码，输出并传输该最终的压缩编码结果，以便后续监管人员进行数据查看。为了保证压缩效果，还可对最优压缩结果的失真度进行检测，若失真度不高，则将输出为最优压缩结果，若失真度过高则重新进行图像压缩。上述压缩方法可以采用差分编码、RLE、Huffman编码、LZW编码、算术编码等多种无损压缩，可以得到失真率小的压缩结果；还可以采用预测编码、音感编码、分形压缩、小波压缩、JPEG/MPEG等多种有损压缩，可以得到压缩更大的压缩结果。
本方法结合实际的监控场景构建一个针对性的监控采集框架，确定好具体的视频采集设备及其位置分布、对应的采集方式等，以便后续进行高效数据采集；基于监控采集框架实时采集对应区域范围内的视频图像，并对采集的视频图像进行预处理，删除冗余，以得到更为有效的目标视频图像，减少后续的计算资源；然后，结合预置的异常防控识别模型进行异常目标及异常行为等多种异常指标识别，以得到对应异常防控识别信息；最后，对目标视频图像进行压缩编码，并基于RTP/RTCP协议将压缩编码结果和异常防控识别信息发送给对应的监管终端，以便起到更为有效的安防监控效果；同时节约数据存储和传输资源。
基于第一方面，进一步地，上述该安防监控方法还包括以下步骤：
获取并根据实时区域监控要求对监控采集框架进行优化调整。
为了更好的进行实时安防监控，满足实时安防监控需求，结合实时区域监控要求对监控采集框架进行调整，对启动的视频采集设备数量以及视频采集设备位置分布进行重新分配，进而得到一个更为合理的监控采集框架，进行后续的视频图像采集。
如图4所示，第二方面，本发明实施例提供一种安防监控系统，包括采集框架构建模块100、实时采集模块200、异常识别模块300以及数据传输模块400，其中：
采集框架构建模块100，用于获取并根据监控区域信息构建监控采集框架，该监控采集框架包括至少一个视频采集设备及对应的视频数据采集方式；
实时采集模块200，用于基于监控采集框架实时采集对应的视频图像，并对实时采集的视频图像进行预处理，以得到目标视频图像；
异常识别模块300，用于将目标视频图像导入预置的异常防控识别模型中，生成异常防控识别信息；
数据传输模块400，用于对目标视频图像进行压缩编码，并基于RTP/RTCP协议将压缩编码结果和异常防控识别信息发送给对应的监管终端。
本系统通过采集框架构建模块100、实时采集模块200、异常识别模块300以及数据传输模块400等多个模块的配合，结合实际的监控场景构建一个针对性的监控采集框架，确定好具体的视频采集设备及其位置分布、对应的采集方式等，以便后续进行高效数据采集；基于监控采集框架实时采集对应区域范围内的视频图像，并对采集的视频图像进行预处理，删除冗余，以得到更为有效的目标视频图像，减少后续的计算资源；然后，结合预置的异常防控识别模型进行异常目标及异常行为等多种异常指标识别，以得到对应异常防控识别信息；最后，对目标视频图像进行压缩编码，并基于RTP/RTCP协议将压缩编码结果和异常防控识别信息发送给对应的监管终端，以便起到更为有效的安防监控效果；同时节约数据存储和传输资源。
如图5所示，第三方面，本申请实施例提供一种电子设备，其包括存储器101，用于存储一个或多个程序；处理器102。当一个或多个程序被处理器102执行时，实现如上述第一方面中任一项的方法。
还包括通信接口103，该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块，处理器102通过执行存储在存储器101内的软件程序及模块，从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中，存储器101可以是但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。
处理器102可以是一种集成电路芯片，具有信号处理能力。该处理器102可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请所提供的实施例中，应该理解到，所揭露的方法及系统，也可以通过其它的方式实现。以上所描述的方法及系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法及系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，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，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其它的具体形式实现本申请。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，本申请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囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种安防监控方法，其特征在于，包括以下步骤：
获取并根据监控区域信息构建监控采集框架，该监控采集框架包括至少一个视频采集设备及对应的视频数据采集方式；
基于监控采集框架实时采集对应的视频图像，并对实时采集的视频图像进行预处理，以得到目标视频图像；
将目标视频图像导入预置的异常防控识别模型中，生成异常防控识别信息；
对目标视频图像进行压缩编码，并基于RTP/RTCP协议将压缩编码结果和异常防控识别信息发送给对应的监管终端。
2.根据权利要求1所述的一种安防监控方法，其特征在于，所述根据监控区域信息构建监控采集框架的方法包括以下步骤：
提取并根据监控区域信息中的区域范围确定视频采集设备数量和视频采集设备位置分布；
根据视频采集设备数量和视频采集设备位置分布设定数据采集节点；
基于数据采集节点、视频采集设备数量、视频采集设备位置分布以及预设的视频数据采集方式构建监控采集框架。
3.根据权利要求1所述的一种安防监控方法，其特征在于，还包括以下步骤：
获取并根据实时区域监控要求对监控采集框架进行优化调整。
4.根据权利要求1所述的一种安防监控方法，其特征在于，所述对实时采集的视频图像进行预处理，以得到目标视频图像的方法包括以下步骤：
对实时采集的视频图像进行冗余过滤处理，以得到过滤视频图像；
对过滤视频图像进行显著性检测，以筛选得到初始视频图像；
对初始视频图像进行超分辨率重建，以得到目标视频图像。
5.根据权利要求1所述的一种安防监控方法，其特征在于，还包括以下步骤：
获取并根据安防异常指标参数构建初始安防异常识别模型；
获取并根据历史安防监控视频图像样本对初始安防异常识别模型进行训练，以构建异常防控识别模型。
6.根据权利要求5所述的一种安防监控方法，其特征在于，所述将目标视频图像导入预置的异常防控识别模型中，生成异常防控识别信息的方法包括以下步骤：
将目标视频图像导入预置的异常防控识别模型中；
基于异常防控识别模型对目标视频图像中的异常指标进行识别标记，以得到异常防控识别信息。
7.根据权利要求1所述的一种安防监控方法，其特征在于，所述对目标视频图像进行压缩编码的方法包括以下步骤：
分别采用多种压缩方法对目标视频图像中的各帧图像进行压缩，以得到对应图像的多个压缩结果；
将对应图像的多个压缩结果进行比对，以输出对应图像的最优压缩结果；
对最优压缩结果进行编码，以得到最终的压缩编码结果。
8.一种安防监控系统，其特征在于，包括采集框架构建模块、实时采集模块、异常识别模块以及数据传输模块，其中：
采集框架构建模块，用于获取并根据监控区域信息构建监控采集框架，该监控采集框架包括至少一个视频采集设备及对应的视频数据采集方式；
实时采集模块，用于基于监控采集框架实时采集对应的视频图像，并对实时采集的视频图像进行预处理，以得到目标视频图像；
异常识别模块，用于将目标视频图像导入预置的异常防控识别模型中，生成异常防控识别信息；
数据传输模块，用于对目标视频图像进行压缩编码，并基于RTP/RTCP协议将压缩编码结果和异常防控识别信息发送给对应的监管终端。
9.一种电子设备，其特征在于，包括：
存储器，用于存储一个或多个程序；
处理器；
当所述一个或多个程序被所述处理器执行时，实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310912977.XA CN116939164A (zh) | 2023-07-24 | 2023-07-24 | 一种安防监控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310912977.XA CN116939164A (zh) | 2023-07-24 | 2023-07-24 | 一种安防监控方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116939164A true CN116939164A (zh) | 2023-10-24 |
Family
ID=88390510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310912977.XA Pending CN116939164A (zh) | 2023-07-24 | 2023-07-24 | 一种安防监控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116939164A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117314890A (zh) * | 2023-11-07 | 2023-12-29 | 东莞市富明钮扣有限公司 | 打扣加工的安全控制方法、装置、设备及存储介质 |
-
2023
- 2023-07-24 CN CN202310912977.XA patent/CN116939164A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117314890A (zh) * | 2023-11-07 | 2023-12-29 | 东莞市富明钮扣有限公司 | 打扣加工的安全控制方法、装置、设备及存储介质 |
| CN117314890B (zh) * | 2023-11-07 | 2024-04-23 | 东莞市富明钮扣有限公司 | 打扣加工的安全控制方法、装置、设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111928888B (zh) | 一种水域污染智能监控分析方法及系统 | |
| Li et al. | Trend modeling for traffic time series analysis: An integrated study | |
| CN113052029A (zh) | 基于动作识别的异常行为监管方法、装置及存储介质 | |
| CN116939164A (zh) | 一种安防监控方法及系统 | |
| CN113934720A (zh) | 一种数据清洗方法、设备及计算机存储介质 | |
| CN115103157A (zh) | 基于边云协同的视频分析方法、装置、电子设备及介质 | |
| WO2018037665A1 (ja) | 情報処理装置、情報処理システム、制御方法、及びプログラム | |
| CN114143036A (zh) | 告警方法、装置、设备及计算机存储介质 | |
| CN111144241B (zh) | 基于图像校验的目标识别方法、装置和计算机设备 | |
| CN112529466A (zh) | 一种基于大数据的智慧城管方法及系统 | |
| CN112216374A (zh) | 一种医疗服务监管方法、装置及设备 | |
| CN116777256A (zh) | 一种企业合规管理量化评价系统与方法 | |
| CN116129316A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| CN108073854A (zh) | 一种现场巡检的检测方法及装置 | |
| CN116189109A (zh) | 模型训练方法、道路事件检测方法、装置及相关设备 | |
| CN115147752A (zh) | 一种视频分析方法、装置及计算机设备 | |
| CN115909215B (zh) | 一种基于目标检测的边缘入侵预警方法及系统 | |
| CN109348133A (zh) | 一种安防监控图像处理装置和方法 | |
| CN113626647A (zh) | 一种智慧小区的数据保存方法及系统 | |
| US20210344837A1 (en) | Systems and methods for encoding regions containing an element of interest in a sequence of images with a high resolution | |
| CN112561262B (zh) | 应用于屏障分析的经验反馈数据推送方法和计算机终端 | |
| CN115171328B (zh) | 基于视频压缩编码的烟火识别方法、装置、设备及介质 | |
| CN116506519A (zh) | 一种物联网数据的高效传输方法及系统 | |
| CN116883985A (zh) | 一种车辆识别方法及系统 | |
| CN113556514A (zh) | 一种图像传输方法及系统 |
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 |