CN117789112A - 一种基于监控截图的故障处理方法及相关设备 - Google Patents
一种基于监控截图的故障处理方法及相关设备 Download PDFInfo
- Publication number
- CN117789112A CN117789112A CN202311550172.1A CN202311550172A CN117789112A CN 117789112 A CN117789112 A CN 117789112A CN 202311550172 A CN202311550172 A CN 202311550172A CN 117789112 A CN117789112 A CN 117789112A
- Authority
- CN
- China
- Prior art keywords
- target image
- camera
- fault
- analysis
- video stream
- 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 57
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims abstract description 86
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000003247 decreasing effect Effects 0.000 claims description 20
- 238000010191 image analysis Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000013500 data storage Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于监控截图的故障处理方法及相关设备，所述方法包括：获取摄像头的视频流，若获取视频流成功，则对所述视频流进行解析得到目标图像；根据预先设置的分析类型和分析规则对所述目标图像进行分析和打分，得到一个或者多个分析类型对应的打分结果；将不同摄像头的每一张目标图像的分析数据保存至数据库，所述分析数据包括摄像头ID和对应的打分结果；根据所述打分结果确定出现故障的摄像头ID，将出现故障的摄像头ID通知给指定人员，以通知所述指定人员对出现故障的摄像头进行调整。本发明通过视频流的分析可以快速、准确检测并定位出故障的摄像头和故障原因，从而提醒指定人员及时进行摄像头调整。
Description
技术领域
本发明涉及视频处理技术领域，尤其涉及一种基于监控截图的故障处理方法、系统、终端及计算机可读存储介质。
背景技术
随着科技的进步，监控应用的领域越来越多，伴随着监控数量的增长，排查问题监控的需求变得越来越迫切，当监控数量较少时，人工检测廉价且高效快捷，但监控数量到达千、万量级时，人工排查效率低下，准确度低，且人工排查成本高。
因此，现有技术还有待于改进和发展。
发明内容
本发明的主要目的在于提供一种基于监控截图的故障处理方法、系统、终端及计算机可读存储介质，旨在解决现有技术中在面对数据量很大时无法快速、准确定位故障摄像头，从而无法定位问题原因的问题。
为实现上述目的，本发明提供一种基于监控截图的故障处理方法，所述基于监控截图的故障处理方法包括如下步骤：
获取摄像头的视频流，若获取视频流成功，则对所述视频流进行解析得到目标图像；
根据预先设置的分析类型和分析规则对所述目标图像进行分析和打分，得到一个或者多个分析类型对应的打分结果；
将不同摄像头的每一张目标图像的分析数据保存至数据库，所述分析数据包括摄像头ID和对应的打分结果；
根据所述打分结果确定出现故障的摄像头ID，将出现故障的摄像头ID通知给指定人员，以通知所述指定人员对出现故障的摄像头进行调整。
可选地，所述的基于监控截图的故障处理方法，其中，所述获取摄像头的视频流，之后还包括：
若获取视频流失败，则在所述数据库中记录错误信息，所述错误信息包括视频流获取失败的摄像头ID和原因。
可选地，所述的基于监控截图的故障处理方法，其中，所述对所述视频流进行解析得到目标图像具体为：在成功获取所述视频流间隔预设时间后进行解析得到目标图像。
可选地，所述的基于监控截图的故障处理方法，其中，所述分析类型包括是否黑屏、是否花屏、是否无视频信号、是否颜色偏差和是否过亮或者过暗；
所述分析规则为若所述目标图像进行分析后确认为黑屏，则不再进行其他分型类型的分析。
可选地，所述的基于监控截图的故障处理方法，其中，所述根据预先设置的分析类型和分析规则对所述目标图像进行分析和打分，得到一个或者多个分析类型对应的打分结果，具体包括：
分析所述目标图像是否黑屏，若为黑屏则打分结果为0分；
若不为黑屏，则分析所述目标图像是否花屏，若为花屏，则所述打分结果的分数根据花屏程度加大而递减；
分析所述目标图像是否无视频信号，若无视频信号则打分结果为0分，若有视频信号则打分结果为100分；
分析所述目标图像是否颜色偏差，若存在颜色偏差，则所述打分结果的分数根据偏差程度加大而递减；
分析所述目标图像是否过亮或者过暗，若存在过亮或者过暗，则所述打分结果的分数根据亮度过亮且加大而递减，或者则所述打分结果的分数根据亮度过暗且降低而递减。
可选地，所述的基于监控截图的故障处理方法，其中，所述是否黑屏通过图像的RGB平均值进行判断；
所述是否花屏通过图像的二阶矩和三阶矩进行判断；
所述是否无视频信号通过模板匹配的方法进行判断；
所述是否颜色偏差通过等效圆理论进行判断；
所述是否过亮或者过暗通过图像的对比度的值进行判断。
可选地，所述的基于监控截图的故障处理方法，其中，所述基于监控截图的故障处理方法还包括：
若对于单个摄像头，将出现故障的次数大于预设次数的摄像头ID、摄像头名称、故障问题和故障次数保存在所述数据库中，并进行可视化呈现。
此外，为实现上述目的，本发明还提供一种基于监控截图的故障处理系统，其中，所述基于监控截图的故障处理系统包括：
图像获取解析模块，用于获取摄像头的视频流，若获取视频流成功，则对所述视频流进行解析得到目标图像；
图像分析打分模块，用于根据预先设置的分析类型和分析规则对所述目标图像进行分析和打分，得到一个或者多个分析类型对应的打分结果；
分析数据保存模块，用于将不同摄像头的每一张目标图像的分析数据保存至数据库，所述分析数据包括摄像头ID和对应的打分结果；
故障记录通知模块，用于根据所述打分结果确定出现故障的摄像头ID，将出现故障的摄像头ID通知给指定人员，以通知所述指定人员对出现故障的摄像头进行调整。
此外，为实现上述目的，本发明还提供一种终端，其中，所述终端包括：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基于监控截图的故障处理程序，所述基于监控截图的故障处理程序被所述处理器执行时实现如上所述的基于监控截图的故障处理方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于监控截图的故障处理程序，所述基于监控截图的故障处理程序被处理器执行时实现如上所述的基于监控截图的故障处理方法的步骤。
本发明中，获取摄像头的视频流，若获取视频流成功，则对所述视频流进行解析得到目标图像；根据预先设置的分析类型和分析规则对所述目标图像进行分析和打分，得到一个或者多个分析类型对应的打分结果；将不同摄像头的每一张目标图像的分析数据保存至数据库，所述分析数据包括摄像头ID和对应的打分结果；根据所述打分结果确定出现故障的摄像头ID，将出现故障的摄像头ID通知给指定人员，以通知所述指定人员对出现故障的摄像头进行调整。本发明通过视频流的分析可以快速、准确检测并定位出故障的摄像头和故障原因，从而提醒指定人员及时进行摄像头调整。
附图说明
图1是本发明基于监控截图的故障处理方法的较佳实施例的流程图；
图2是本发明基于监控截图的故障处理方法的较佳实施例中基于监控截图的故障分析和排查示意图；
图3是本发明基于监控截图的故障处理系统的较佳实施例的原理示意图；
图4为本发明终端的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。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。
本发明选用合适的开发环境工具(即程序执行的系统，编译工具)，在Windows下使VS code进行开发，需要使用到opencv4.5.3库，Linux下开发使用VS code远程连接linux开发环境，使用centos7进行开发，同样需要准备opencv4.5.3库，VS code作为一个强大的工具，能够提高工作效率；opencv作为英特尔公司开发出的一个计算机视觉库，提供了许多图像处理相关的函数，比如图像增强、边缘检测、霍夫曼变换等。
其中，使用到的图像分析算法(使用opencv计算机视觉库，别图片花屏、黑屏、模糊等)具备准确、高效、鲁棒和普适的特性。
为实现准确的特性，需要结合大量实际采集到的图像进行分析(通过opencv库接口，得到分析结果)，根据不同环境进行特化(每个图片有特别的变化，不同的场景分析出来的分数不一样，需要达到一定的分数才能判断是否花屏，黑屏，模糊等)，动态调整算法变量(opencv接口传递不同的参数)，并通过有效的测试方法验证(通过大量的不同场景的图片进行测试)。
为实现高效的特性，使用了C++版本的opencv库，在进行分析(分析图片的质量)的时候，相比其他版本有所提升，另外，使用开源库opencv避免了重复“造轮子”(opencv已经实现的识别功能，不需要再实现了)，提高了开发效率，同时减少了代码的维护量。
为了实现鲁棒的特性，需要对算法运行过程中可能出现的异常(图片的不同的分辨率，或者一些地方本来就是花的等)进行处理，提前做好异常处理，避免程序运行过程中出现崩溃的问题。
为了是实现普适的特性，在保证算法的精确性和稳定性的前提下，调整算法(opencv接口不同的参数)和逻辑结构(opencv不同的接口逻辑)，使算法适配多种天气、多种场景、多种时间段。
本发明较佳实施例所述的基于监控截图的故障处理方法，如图1和图2所示，所述基于监控截图的故障处理方法包括以下步骤：
步骤S10、获取摄像头的视频流，若获取视频流成功，则对所述视频流进行解析得到目标图像。
具体地，使用软件(获取视频流数据即可)获取摄像头的视频，需要确定是否获取到视频流，如果获取不到视频流，直接在数据库中记录错误，包括cameraid(视频流获取失败的摄像头ID，从摄像头采集图片都会自动生成一个ID)和原因，例如：{cameraid:123456，reason:’no video stream’；}；如果获取视频流成功，则使用ffmpeg(是一套可以用来记录、转换数字音频、视频，并能将其转化为流的开源计算机程序)对所述视频流进行解析得到目标图像，在获取视频流2秒(即预设时间)后解析视频流获取一张由视频流解析出的图片(即目标图像)，如果过早解析将会获得一张模糊或者有缺陷的图片。
步骤S20、根据预先设置的分析类型和分析规则对所述目标图像进行分析和打分，得到一个或者多个分析类型对应的打分结果。
具体地，所述分析类型(即故障类型)包括是否黑屏、是否花屏、是否无视频信号、是否颜色偏差和是否过亮或者过暗；所述分析规则为若所述目标图像进行分析后确认为黑屏，则不再进行其他分型类型的分析。
例如，使用自研算法或第三方提供的算法对该图片进行分析，对每一项进行打分，满分为100，根据实际情况打分，分析项如下所示：
(1)分析所述目标图像是否黑屏(通过图像的RGB平均值进行判断，opecv会最终出现一个分数值，根据一个分数值判断)，若为黑屏则打分结果为0分，如果为黑屏，后续判断都不需要进行。
(2)若不为黑屏，则分析所述目标图像是否花屏(通过图像的二阶矩和三阶矩进行判断，图像算法，主要是opecv的实现过程)，若为花屏，则所述打分结果的分数根据花屏程度加大而递减。
(3)分析所述目标图像是否无视频信号(通过模板匹配的方法进行判断，根据opencv的计算分值判断)，若无视频信号则打分结果为0分，若有视频信号则打分结果为100分。
(4)分析所述目标图像是否颜色偏差(通过等效圆理论进行判断，根据opencv的计算分值判断)，若存在颜色偏差，则所述打分结果的分数根据偏差程度加大而递减。
(5)分析所述目标图像是否过亮或者过暗(通过图像的对比度的值进行判断，根据opencv的计算分值判断)，若存在过亮或者过暗，则所述打分结果的分数根据亮度过亮且加大而递减，或者则所述打分结果的分数根据亮度过暗且降低而递减。
步骤S30、将不同摄像头的每一张目标图像的分析数据保存至数据库，所述分析数据包括摄像头ID和对应的打分结果。
具体地，对每一张图像的分析数据(即打分结果和故障类型)都保存到数据库中，包括cameraid和各项的分数。
步骤S40、根据所述打分结果确定出现故障的摄像头ID，将出现故障的摄像头ID通知给指定人员，以通知所述指定人员对出现故障的摄像头进行调整。
具体地，根据不同故障类型的打分结果可以确定出现故障的摄像头ID，将出现故障的摄像头ID通知给指定人员(例如后台维护人员)，以通知所述指定人员对出现故障(例如因为外力的作用下导致摄像头方位发生改变，需要及时调整)的摄像头进行调整(例如修复故障或者或更换摄像头)。即对有故障的摄像头，通过邮件或短信发送给指定人员，进行特定的处理。
进一步地，如图2所示，对于单个摄像头，经过了步骤S10-S40完成三次及以上执行后。每一次检测任务完成后，将连续出现问题3次及以上的摄像头列出来，使用cameraid、摄像头名称、问题、次数的格式生成数据保存到数据库中，可视化Grafana呈现出来，管理员登录Grafana客户端即可有效的判断哪些摄像头需要调整(每一次巡检，每一个摄像头只会被检测一次)。
如图3所示，基于上述基于监控截图的故障处理方法，本发明还相应提供了一种基于监控截图的故障处理系统，其中，所述基于监控截图的故障处理系统包括：
图像获取解析模块51，用于获取摄像头的视频流，若获取视频流成功，则对所述视频流进行解析得到目标图像；
图像分析打分模块52，用于根据预先设置的分析类型和分析规则对所述目标图像进行分析和打分，得到一个或者多个分析类型对应的打分结果；
分析数据保存模块53，用于将不同摄像头的每一张目标图像的分析数据保存至数据库，所述分析数据包括摄像头ID和对应的打分结果；
故障记录通知模块54，用于根据所述打分结果确定出现故障的摄像头ID，将出现故障的摄像头ID通知给指定人员，以通知所述指定人员对出现故障的摄像头进行调整。
进一步地，如图4所示，基于上述基于监控截图的故障处理方法和系统，本发明还相应提供了一种终端，所述终端包括处理器10、存储器20及显示器30。图4仅示出了终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据，例如所述安装终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有基于监控截图的故障处理程序40，该基于监控截图的故障处理程序40可被处理器10所执行，从而实现本申请中基于监控截图的故障处理方法。
所述处理器10在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)，微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述基于监控截图的故障处理方法等。
所述显示器30在一些实施例中可以是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。所述显示器30用于显示在所述终端的信息以及用于显示可视化的用户界面。所述终端的部件10-30通过系统总线相互通信。
在一实施例中，当处理器10执行所述存储器20中基于监控截图的故障处理程序40时实现以下步骤：
获取摄像头的视频流，若获取视频流成功，则对所述视频流进行解析得到目标图像；
根据预先设置的分析类型和分析规则对所述目标图像进行分析和打分，得到一个或者多个分析类型对应的打分结果；
将不同摄像头的每一张目标图像的分析数据保存至数据库，所述分析数据包括摄像头ID和对应的打分结果；
根据所述打分结果确定出现故障的摄像头ID，将出现故障的摄像头ID通知给指定人员，以通知所述指定人员对出现故障的摄像头进行调整。
其中，所述获取摄像头的视频流，之后还包括：
若获取视频流失败，则在所述数据库中记录错误信息，所述错误信息包括视频流获取失败的摄像头ID和原因。
其中，所述对所述视频流进行解析得到目标图像具体为：在成功获取所述视频流间隔预设时间后进行解析得到目标图像。
其中，所述分析类型包括是否黑屏、是否花屏、是否无视频信号、是否颜色偏差和是否过亮或者过暗；
所述分析规则为若所述目标图像进行分析后确认为黑屏，则不再进行其他分型类型的分析。
其中，所述根据预先设置的分析类型和分析规则对所述目标图像进行分析和打分，得到一个或者多个分析类型对应的打分结果，具体包括：
分析所述目标图像是否黑屏，若为黑屏则打分结果为0分；
若不为黑屏，则分析所述目标图像是否花屏，若为花屏，则所述打分结果的分数根据花屏程度加大而递减；
分析所述目标图像是否无视频信号，若无视频信号则打分结果为0分，若有视频信号则打分结果为100分；
分析所述目标图像是否颜色偏差，若存在颜色偏差，则所述打分结果的分数根据偏差程度加大而递减；
分析所述目标图像是否过亮或者过暗，若存在过亮或者过暗，则所述打分结果的分数根据亮度过亮且加大而递减，或者则所述打分结果的分数根据亮度过暗且降低而递减。
其中，所述是否黑屏通过图像的RGB平均值进行判断；
所述是否花屏通过图像的二阶矩和三阶矩进行判断；
所述是否无视频信号通过模板匹配的方法进行判断；
所述是否颜色偏差通过等效圆理论进行判断；
所述是否过亮或者过暗通过图像的对比度的值进行判断。
其中，若对于单个摄像头，将出现故障的次数大于预设次数的摄像头ID、摄像头名称、故障问题和故障次数保存在所述数据库中，并进行可视化呈现。
本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有基于监控截图的故障处理程序，所述基于监控截图的故障处理程序被处理器执行时实现如上所述的基于监控截图的故障处理方法的步骤。
综上所述，本发明提供一种基于监控截图的故障处理方法及相关设备，所述方法包括：获取摄像头的视频流，若获取视频流成功，则对所述视频流进行解析得到目标图像；根据预先设置的分析类型和分析规则对所述目标图像进行分析和打分，得到一个或者多个分析类型对应的打分结果；将不同摄像头的每一张目标图像的分析数据保存至数据库，所述分析数据包括摄像头ID和对应的打分结果；根据所述打分结果确定出现故障的摄像头ID，将出现故障的摄像头ID通知给指定人员，以通知所述指定人员对出现故障的摄像头进行调整。本发明通过视频流的分析可以快速、准确检测并定位出故障的摄像头和故障原因，从而提醒指定人员及时进行摄像头调整。
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、物品或者终端不仅包括那些要素，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、物品或者终端所固有的要素。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、物品或者终端中还存在另外的相同要素。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的计算机可读存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于监控截图的故障处理方法，其特征在于，所述基于监控截图的故障处理方法包括：
获取摄像头的视频流，若获取视频流成功，则对所述视频流进行解析得到目标图像；
根据预先设置的分析类型和分析规则对所述目标图像进行分析和打分，得到一个或者多个分析类型对应的打分结果；
将不同摄像头的每一张目标图像的分析数据保存至数据库，所述分析数据包括摄像头ID和对应的打分结果；
根据所述打分结果确定出现故障的摄像头ID，将出现故障的摄像头ID通知给指定人员，以通知所述指定人员对出现故障的摄像头进行调整。
2.根据权利要求1所述的基于监控截图的故障处理方法，其特征在于，所述获取摄像头的视频流，之后还包括：
若获取视频流失败，则在所述数据库中记录错误信息，所述错误信息包括视频流获取失败的摄像头ID和原因。
3.根据权利要求1所述的基于监控截图的故障处理方法，其特征在于，所述对所述视频流进行解析得到目标图像具体为：在成功获取所述视频流间隔预设时间后进行解析得到目标图像。
4.根据权利要求1所述的基于监控截图的故障处理方法，其特征在于，所述分析类型包括是否黑屏、是否花屏、是否无视频信号、是否颜色偏差和是否过亮或者过暗；
所述分析规则为若所述目标图像进行分析后确认为黑屏，则不再进行其他分型类型的分析。
5.根据权利要求4所述的基于监控截图的故障处理方法，其特征在于，所述根据预先设置的分析类型和分析规则对所述目标图像进行分析和打分，得到一个或者多个分析类型对应的打分结果，具体包括：
分析所述目标图像是否黑屏，若为黑屏则打分结果为0分；
若不为黑屏，则分析所述目标图像是否花屏，若为花屏，则所述打分结果的分数根据花屏程度加大而递减；
分析所述目标图像是否无视频信号，若无视频信号则打分结果为0分，若有视频信号则打分结果为100分；
分析所述目标图像是否颜色偏差，若存在颜色偏差，则所述打分结果的分数根据偏差程度加大而递减；
分析所述目标图像是否过亮或者过暗，若存在过亮或者过暗，则所述打分结果的分数根据亮度过亮且加大而递减，或者则所述打分结果的分数根据亮度过暗且降低而递减。
6.根据权利要求5所述的基于监控截图的故障处理方法，其特征在于，所述是否黑屏通过图像的RGB平均值进行判断；
所述是否花屏通过图像的二阶矩和三阶矩进行判断；
所述是否无视频信号通过模板匹配的方法进行判断；
所述是否颜色偏差通过等效圆理论进行判断；
所述是否过亮或者过暗通过图像的对比度的值进行判断。
7.根据权利要求1-6任一项所述的基于监控截图的故障处理方法，其特征在于，所述基于监控截图的故障处理方法还包括：
若对于单个摄像头，将出现故障的次数大于预设次数的摄像头ID、摄像头名称、故障问题和故障次数保存在所述数据库中，并进行可视化呈现。
8.一种基于监控截图的故障处理系统，其特征在于，所述基于监控截图的故障处理系统包括：
图像获取解析模块，用于获取摄像头的视频流，若获取视频流成功，则对所述视频流进行解析得到目标图像；
图像分析打分模块，用于根据预先设置的分析类型和分析规则对所述目标图像进行分析和打分，得到一个或者多个分析类型对应的打分结果；
分析数据保存模块，用于将不同摄像头的每一张目标图像的分析数据保存至数据库，所述分析数据包括摄像头ID和对应的打分结果；
故障记录通知模块，用于根据所述打分结果确定出现故障的摄像头ID，将出现故障的摄像头ID通知给指定人员，以通知所述指定人员对出现故障的摄像头进行调整。
9.一种终端，其特征在于，所述终端包括：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基于监控截图的故障处理程序，所述基于监控截图的故障处理程序被所述处理器执行时实现如权利要求1-7任一项所述的基于监控截图的故障处理方法的步骤。
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存储有基于监控截图的故障处理程序，所述基于监控截图的故障处理程序被处理器执行时实现如权利要求1-7任一项所述的基于监控截图的故障处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311550172.1A CN117789112A (zh) | 2023-11-20 | 2023-11-20 | 一种基于监控截图的故障处理方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311550172.1A CN117789112A (zh) | 2023-11-20 | 2023-11-20 | 一种基于监控截图的故障处理方法及相关设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117789112A true CN117789112A (zh) | 2024-03-29 |
Family
ID=90378757
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311550172.1A Pending CN117789112A (zh) | 2023-11-20 | 2023-11-20 | 一种基于监控截图的故障处理方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117789112A (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105072428A (zh) * | 2015-07-29 | 2015-11-18 | 深圳华侨城文化旅游科技股份有限公司 | 一种投影仪的自动色彩校正方法 |
| CN106658172A (zh) * | 2016-12-30 | 2017-05-10 | 广州虎牙信息科技有限公司 | 视频画面异常判断、装置及终端设备 |
| CN107272637A (zh) * | 2017-06-06 | 2017-10-20 | 武汉瑞科兴业科技有限公司 | 一种视频监控系统故障自检自恢复控制系统及方法 |
| KR20180089249A (ko) * | 2017-01-31 | 2018-08-08 | 한화에어로스페이스 주식회사 | 카메라의 자가 고장진단 방법 |
| CN110572637A (zh) * | 2019-09-18 | 2019-12-13 | 普联技术有限公司 | 图像异常的检测方法、终端设备及存储介质 |
| CN113691801A (zh) * | 2021-08-17 | 2021-11-23 | 国网安徽省电力有限公司检修分公司 | 基于视频图像分析的视频监控设备故障监测方法及系统 |
| CN113808107A (zh) * | 2021-09-17 | 2021-12-17 | 广东电网有限责任公司 | 图像推荐方法、装置、电子设备和存储介质 |
| CN114648462A (zh) * | 2022-03-29 | 2022-06-21 | 南京师范大学 | 一种基于图像质量的监控运行监测方法 |
| CN114973087A (zh) * | 2022-05-25 | 2022-08-30 | 深圳市震有软件科技有限公司 | 一种摄像头视频信号状态的检测方法及装置 |
| CN115278217A (zh) * | 2022-07-21 | 2022-11-01 | 深圳市震有软件科技有限公司 | 图像画面检测方法、装置、电子设备及存储介质 |
| CN115496668A (zh) * | 2021-06-18 | 2022-12-20 | 武汉Tcl集团工业研究院有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN115802001A (zh) * | 2022-09-20 | 2023-03-14 | 西安震有信通科技有限公司 | 一种摄像头图像数据处理方法、装置及终端 |
| CN116456075A (zh) * | 2023-04-27 | 2023-07-18 | 成都双流国际机场股份有限公司 | 监控视频质量自动巡检系统 |
| CN116534038A (zh) * | 2023-06-21 | 2023-08-04 | 中国第一汽车股份有限公司 | 车辆运行状态的切换方法、装置、电子设备及存储介质 |
-
2023
- 2023-11-20 CN CN202311550172.1A patent/CN117789112A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105072428A (zh) * | 2015-07-29 | 2015-11-18 | 深圳华侨城文化旅游科技股份有限公司 | 一种投影仪的自动色彩校正方法 |
| CN106658172A (zh) * | 2016-12-30 | 2017-05-10 | 广州虎牙信息科技有限公司 | 视频画面异常判断、装置及终端设备 |
| KR20180089249A (ko) * | 2017-01-31 | 2018-08-08 | 한화에어로스페이스 주식회사 | 카메라의 자가 고장진단 방법 |
| CN107272637A (zh) * | 2017-06-06 | 2017-10-20 | 武汉瑞科兴业科技有限公司 | 一种视频监控系统故障自检自恢复控制系统及方法 |
| CN110572637A (zh) * | 2019-09-18 | 2019-12-13 | 普联技术有限公司 | 图像异常的检测方法、终端设备及存储介质 |
| CN115496668A (zh) * | 2021-06-18 | 2022-12-20 | 武汉Tcl集团工业研究院有限公司 | 图像处理方法、装置、电子设备及存储介质 |
| CN113691801A (zh) * | 2021-08-17 | 2021-11-23 | 国网安徽省电力有限公司检修分公司 | 基于视频图像分析的视频监控设备故障监测方法及系统 |
| CN113808107A (zh) * | 2021-09-17 | 2021-12-17 | 广东电网有限责任公司 | 图像推荐方法、装置、电子设备和存储介质 |
| CN114648462A (zh) * | 2022-03-29 | 2022-06-21 | 南京师范大学 | 一种基于图像质量的监控运行监测方法 |
| CN114973087A (zh) * | 2022-05-25 | 2022-08-30 | 深圳市震有软件科技有限公司 | 一种摄像头视频信号状态的检测方法及装置 |
| CN115278217A (zh) * | 2022-07-21 | 2022-11-01 | 深圳市震有软件科技有限公司 | 图像画面检测方法、装置、电子设备及存储介质 |
| CN115802001A (zh) * | 2022-09-20 | 2023-03-14 | 西安震有信通科技有限公司 | 一种摄像头图像数据处理方法、装置及终端 |
| CN116456075A (zh) * | 2023-04-27 | 2023-07-18 | 成都双流国际机场股份有限公司 | 监控视频质量自动巡检系统 |
| CN116534038A (zh) * | 2023-06-21 | 2023-08-04 | 中国第一汽车股份有限公司 | 车辆运行状态的切换方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 顾长海;: "浅谈视频质量诊断技术及系统", 中国安防, no. 06, 1 June 2018 (2018-06-01) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11587219B2 (en) | Method and apparatus for detecting pixel defect of optical module, and device | |
| KR102022496B1 (ko) | 비전 이미지 검출을 이용한 공정 관리 및 모니터링 시스템 및 그 방법 | |
| US11449980B2 (en) | System and method for combined automatic and manual inspection | |
| CN110309033B (zh) | 故障监控方法、装置和系统 | |
| CN108830180B (zh) | 电子考勤方法、装置及电子设备 | |
| US8867848B2 (en) | Display test device, display test method, and storage medium | |
| US11947345B2 (en) | System and method for intelligently monitoring a production line | |
| CN107784649B (zh) | 基于图像识别的芯棒测试远程报警系统及方法 | |
| EP3211500A1 (en) | Monitoring system based on image analysis of photographs | |
| EP3428848A1 (en) | Car damage image angle correction method, electronic device and readable storage medium | |
| KR20190120958A (ko) | 영상기반 시스템조명 고장 신고 및 자동 분류 방법 및 시스템 | |
| CN102789405A (zh) | 主板自动化测试方法及系统 | |
| CN110601894A (zh) | 告警处理方法和装置、以及电子设备和可读存储介质 | |
| CN116071311A (zh) | 一种基于图像识别的设备清洁检测方法、系统及存储介质 | |
| CN112822440A (zh) | 生物样本制备监控方法、应用服务器、系统及存储介质 | |
| CN111488846A (zh) | 一种识别水位的方法及设备 | |
| JP2023047003A (ja) | 機械学習システム、学習データ収集方法及び学習データ収集プログラム | |
| CN114020432A (zh) | 任务异常处理方法、装置及任务异常处理系统 | |
| CN117789112A (zh) | 一种基于监控截图的故障处理方法及相关设备 | |
| CN113138916A (zh) | 基于标注样本的图片结构化算法的自动测试方法及系统 | |
| CN116823608A (zh) | 一种页面图像的拼接方法、装置、计算机设备及存储介质 | |
| CN114816670A (zh) | 一种虚拟机的检测方法、装置、电子设备和存储介质 | |
| CN112559340A (zh) | 一种画面测试方法、装置、设备及存储介质 | |
| CN1670767A (zh) | 图像文件修复方法 | |
| CN116824515B (zh) | 一种基于图形故障诊断方法、装置、电子设备和存储介质 |
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 |