CN118015528A - 异常目标的检测方法、计算设备及计算机存储介质 - Google Patents

Abstract

本申请实施例提供一种异常目标检测方法、系统、计算设备及计算机存储介质。其中，异常目标检测方法包括：获取视频监控数据，其中，视频监控数据通过对第一区域进行实时监控得到；从视频监控数据中提取异常目标的特征数据；在通过视频监控数据确定异常目标离开第一区域的情况下，将特征数据发送至无人机，以便无人机基于特征数据在第一区域外对异常目标进行追踪。本申请实施例提供的技术方案实现了一种地空一体的异常目标检测方法，在异常目标离开监控摄像机监控的第一区域后，可以由无人机对异常目标进行持续的追踪和监控。

Description

异常目标的检测方法、计算设备及计算机存储介质

技术领域

本申请实施例涉及安防技术领域，尤其涉及一种异常目标的检测方法、计算设备及计算机存储介质。

背景技术

在当前的安防领域，一种常见的做法是使用固定安装的摄像头进行监控工作。这些摄像头被广泛用于各种场所，如公共区域、商业建筑、住宅社区以及工业场所等。通过布置在关键位置的摄像头，能够实时观察和记录周围环境的变化，从而提高安全性和防范潜在风险。

发明人在实现本发明构思的过程中发现，在使用固定安装的摄像头进行监控时，有效的监控范围仅局限在摄像头的固定的采集视野内，若可疑目标移动出摄像头的采集视野，则无法继续对可疑目标进行监控。

发明内容

本申请实施例提供一种异常目标的检测方法、装置、计算设备及计算机存储介质。

第一方面，本申请实施例中提供了一种异常目标的检测方法，包括：

获取视频监控数据，其中，所述视频监控数据通过对第一区域进行实时监控得到；

从所述视频监控数据中提取异常目标的特征数据；

在通过所述视频监控数据确定所述异常目标离开所述第一区域的情况下，将所述特征数据发送至无人机，以便所述无人机基于所述特征数据在所述第一区域外对所述异常目标进行追踪。

第二方面，本申请实施例中提供了一种异常目标检测系统，包括：

监控摄像机，用于对第一区域进行实时监控，生成视频监控数据，并将所述视频监控数据发送至服务端；

服务端，用于获取所述视频监控数据，从所述视频监控数据中获取异常目标的特征数据，并在通过所述视频监控数据确定所述异常目标离开所述第一区域的情况下，将所述特征数据发送至无人机；

无人机，用于接收所述服务端发送的特征数据，以及基于所述特征数据在所述第一区域外对所述异常目标进行追踪。

第三方面，本申请实施例中提供了一种异常目标检测装置，包括：

数据获取模块，用于获取视频监控数据，其中，所述视频监控数据通过对第一区域进行实时监控得到；

特征提取模块，用于从所述视频监控数据中提取异常目标的特征数据；

追踪模块，用于在通过所述视频监控数据确定所述异常目标离开所述第一区域的情况下，将所述特征数据发送至无人机，以便所述无人机基于所述特征数据在所述第一区域外对所述异常目标进行追踪。

第三方面，本申请实施例中提供了一种计算设备，包括处理组件以及存储组件；

所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现本申请实施例提供的异常目标检测方法

第四方面，本申请实施例中提供了一种计算机存储介质，存储有计算机程序，所述计算机程序被计算机执行时，实现本申请实施例提供的异常目标检测方法

在本发明的实施例中，通过采用获取视频监控数据，其中，所述视频监控数据通过对第一区域进行实时监控得到；从所述视频监控数据中提取异常目标的特征数据；在通过所述视频监控数据确定所述异常目标离开所述第一区域的情况下，将所述特征数据发送至无人机，以便所述无人机基于所述特征数据在所述第一区域外对所述异常目标进行追踪的技术方案，实现了一种地空一体的异常目标检测方法，在异常目标离开监控摄像机监控的第一区域后，可以由无人机对异常目标进行持续的追踪和监控。

本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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示意性示出了本发明一个实施例提供的一种异常目标检测方法的流程图；

图2示意性示出了本发明一个实施例提供的一种异常目标检测系统的框图；

图3示意性示出了本发明一个实施例提供的一种异常目标检测装置的框图；

图4示意性示出了本发明一个实施例提供的一种计算设备的框图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

在本申请的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。

需要说明的是，本申请文件中提供、获取、使用的数据均来源于合法途径，且其获取和使用均符合相关法律法规和道德标准。

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域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，都属于本申请保护的范围。

图1示意性示出了本发明一个实施例提供的一种异常目标检测方法的流程图，如图1所示，该异常目标检测方法可以包括以下步骤：

101，获取视频监控数据，其中，视频监控数据通过对第一区域进行实时监控得到；

102，从视频监控数据中提取异常目标的特征数据；

103，在通过视频监控数据确定异常目标离开第一区域的情况下，将特征数据发送至无人机，以便无人机基于特征数据在第一区域外对异常目标进行追踪。

根据本发明的一个实施例，异常目标检测方法可以由监控摄像机执行。可以由监控摄像机在对第一区域进行实时监控生成视频监控数据后，进行特征数据的提取。

根据本发明的另一实施例，异常目标检测方法可以由服务端执行。在异常目标检测方法由服务端执行的情况下，服务端可以和监控摄像机通信连接。视频监控数据可以由监控摄像机对第一区域进行实时监控生成，并在生成视频监控数据后，通过预先建立的通信连接发送至服务端。服务端接收到视频监控数据后，在服务端侧从视频监控数据中提取异常目标的特征数据。

根据本发明的实施例，特征数据可以用于标识异常目标，例如可以包括人脸特征数据、体态特征数据、性别特征数据、衣着特征数据、年龄特征数据等。

根据本发明的实施例，服务端和监控摄像机例如可以通过有线连接、网络连接等方式连接。

根据本发明的实施例，第一区域可以包括监控摄像机的视野范围所能覆盖的区域。监控摄像机可以对第一区域进行实时监控，采集视频监控数据。

根据本发明的实施例，在获取到视频监控数据后，首先可以从视频监控数据中确定异常目标，然后可以获取异常目标的特征数据。

在本发明的实施例中，可以通过目标检测算法，在视频监控数据的视频帧中定位和识别出异常目标。目标检测算法例如包括基于深度学习的方法，如YOLO(You Only LookOnce)和Faster R-CNN。

在从视频监控数据中检测到异常目标后，可以使用特征描述算法提取异常目标的特征数据。例如，使用局部二进制模式(Local Binary Patterns)或方向梯度直方图(Histogram of Oriented Gradients)等方法来描述目标的外观和纹理特征。

根据本发明的实施例，异常目标可以包括不被期望出现在第一区域的对象。例如在家庭安防的场景中，异常目标可以为除家庭成员以外的人员。

根据本发明的实施例，监控摄像机可以包括固定安装的摄像机，由于监控摄像机被固定安装，导致监控摄像机的有效监控范围是有限的，例如有效监控范围仅为第一区域。

根据本发明的实施例，在异常目标在第一区域内活动的情况下，可以通过监控摄像机对异常目标的影像进行采集。然而，若异常目标移动到第一区域以外，依靠监控摄像机就无法再对异常目标进行监控。

根据本发明的实施例，由此，可以将提取到的异常目标的特征数据发送给无人机，无人机在接收到特征数据后，可以起飞并基于特征数据锁定并追踪异常目标。

根据本发明的实施例，无人机在接收到特征数据后，可以使用内置的图像处理和分析算法对特征数据进行处理。这些算法可以于目标检测和追踪算法相结合，以锁定并追踪目标。

根据本发明的实施例，无人机上可以配备视觉传感器，例如摄像头，从而可以利用视觉传感器对周围环境进行实时检测，并与接收到的特征数据进行匹配。当无人机识别出与特征数据相匹配的目标时，可以自动跟踪并记录异常目标的位置和行为。

根据本发明的实施例，无人机记录的异常目标的位置和行为可以实时的反馈至服务端。

在本发明的实施例中，通过采用获取视频监控数据，其中，视频监控数据通过对第一区域进行实时监控得到；从视频监控数据中提取异常目标的特征数据；在通过视频监控数据确定异常目标离开第一区域的情况下，将特征数据发送至无人机，以便无人机基于特征数据在第一区域外对异常目标进行追踪的技术方案，实现了一种地空一体的异常目标检测方法，在异常目标离开监控摄像机监控的第一区域后，可以由无人机对异常目标进行持续的追踪和监控。

根据本发明的实施例，异常目标检测方法还包括：

基于特征数据生成告警信息；

输出告警信息。

根据本发明的实施例，告警信息可以用于告知用户第一区域内存在异常目标，以及将异常目标展示给用户。

告警信息中可以包括异常目标的一种或多种特征数据。还可以包括包含异常目标的视频监控数据或者从视频监控数据中街区的图像帧。

根据本发明的实施例，告警信息可以输出至用户的电子设备上，以对用户进行通知。还可以通过用户提前预留的联系方式将告警信息发送给用户。

根据本发明的实施例，异常目标检测方法还包括：

获取无人机对异常目标进行追踪获得的第一位置信息，第一位置信息表征异常目标的当前位置；

在第一区域周边预设范围内，确定目标用户的第二位置信息；

基于第一位置信息和第二位置信息，生成路径信息，其中，路径信息指示从第二位置到达第一位置的路径；

将路径信息发送至目标用户。

根据本发明的实施例，通常无人机仅能对异常目标进行追踪，而无法实现对异常目标的处理。

根据本发明的实施例，目标用户例如可以包括对异常目标具备处理能力的用户，例如安保人员等。

根据本发明的实施例，可以在第一区域周边的预设范围内，查找距离第一区域最近的目标用户，并确定目标用户的第二位置信息。

根据本发明的实施例，在获取到无人机返回的异常目标的第一位置信息后，即可以根据第一位置信息和第二位置信息，确定出可以由第二位置前往第一位置的移动路径，该移动路径可以指示目标用户延移动路径抵达异常目标的所在位置，以对异常目标进行处理。

根据本发明的实施例，在确定移动路径时，可以以第二位置信息作为起点，以第一位置信息作为终点，采用路径规划算法，计算出一条从目标用户当前位置到异常目标当前位置的移动路径。

根据本发明的实施例，可以将计算得到的移动路径以可视化的方式呈现给目标用户。例如，可以通过在目标用户的设备上显示地图，并在地图上标注出最佳路径，或者通过语音、文字提示告知目标用户应该如何移动。

为了帮助目标用户延着移动路径前往异常目标的所在位置，可以利用导航系统提供实时的位置指示和引导。

根据本发明的实施例，从视频监控数据中提取异常目标的特征数据包括：

在视频监控数据中存在目标的情况下，判断目标是否为异常目标；

在目标为异常目标的情况下，获取异常目标的特征数据。

根据本发明的实施例，通常监控摄像机对第一区域进行实时监控，然而并非所有处在第一区域的目标均为异常目标，即无需对第一区域出现的所有目标进行特征提取和追踪。例如，在家庭安防领域中，家庭成员通常经常出现在第一区域，在此情况下，家庭成员不是异常目标，无需对家庭成员进行追踪。

根据本发明的实施例，判断目标是否为异常目标包括：

获取目标的第一特征数据；

将第一特征数据与预先存储的至少一个样本数据进行匹配；

在第一特征数据与至少一个样本数据均不匹配的情况下，将目标确定为异常目标。

根据本发明的实施例，可以预先设置白名单，白名单中可以包括允许出现在第一区域中的目标的样本特征数据。

在监测到视频监控中出现目标后，即可以将视频监控中出现的目标的特征数据与白名单中的样本特征数据进行比对。若比对成功，白名单中预先写入了目标的特征数据，那么该目标并非异常目标；若比对失败，白名单中不存在目标的特征数据，那么可以将该目标确定为异常目标。

在本发明的另一实施例中，还可以设定黑名单，黑名单中预先存储有至少一个黑名单目标的黑名单特征数据。在监测到视频监控中出现目标后，即可以将视频监控中出现的目标的特征数据与黑名单中的黑名单特征数据进行比对。若比对成功，黑名单中预先写入了目标的特征数据，那么该目标为异常目标；若比对失败，黑名单中不存在目标的特征数据，那么可以确定该目标并非异常目标。

根据本发明的实施例，无人机预先部署在第一区域。

根据本发明的实施例，为了及时对离开第一区域的异常目标进行追踪，可以预先将无人机部署在第一区域。

根据本发明的实施例，在通过视频监控数据确定异常目标离开第一区域的情况下，将特征数据发送至无人机包括：

基于视频监控数据确定异常目标的运动趋势；

在通过运动趋势确定异常目标处于远离第一区域的运动趋势的情况下，将特征数据发送至无人机。

根据本发明的实施例，可以使用计算机视觉和图像处理技术对视频监控数据进行分析，以确定异常目标的运动轨迹和当前位置。可以使用目标跟踪算法(如卡尔曼滤波、粒子滤波等)对目标进行跟踪，预测其未来位置。根据异常目标的运动轨迹和当前位置，可以判断其运动趋势是否向远离第一区域的方向移动。如果判断异常目标正在向远离第一区域的方向移动，则可以向无人机发送起飞指令，以便及时对离开第一区域的异常目标进行追踪。

图2示意性示出了本发明一个实施例提供的一种异常目标检测系统，如图2所示，异常目标检测系统200可以包括：

监控摄像机201，用于对第一区域进行实时监控，生成视频监控数据，并将视频监控数据发送至服务端；

服务端202，用于获取视频监控数据，从视频监控数据中获取异常目标的特征数据，并在通过视频监控数据确定异常目标离开第一区域的情况下，将特征数据发送至无人机；

无人机203，用于接收服务端发送的特征数据，以及基于特征数据在第一区域外对异常目标进行追踪。

图3示意性示出了本发明一个实施例提供的一种异常目标检测装置的框图，如图3所示，该异常目标检测装置可以包括：

数据获取模块301，用于获取视频监控数据，其中，视频监控数据通过对第一区域进行实时监控得到；

特征提取模块302，用于从视频监控数据中提取异常目标的特征数据；

追踪模块303，用于在通过视频监控数据确定异常目标离开第一区域的情况下，将特征数据发送至无人机，以便无人机基于特征数据在第一区域外对异常目标进行追踪。

根据本发明的实施例，异常目标检测装置还包括：

告警信息生成模块，用于基于特征数据生成告警信息；

告警信息输出模块，用于输出告警信息。

根据本发明的实施例，异常目标检测装置还包括：

第一位置获取模块，用于获取无人机对异常目标进行追踪获得的第一位置信息，第一位置信息表征异常目标的当前位置；

第二位置获取模块，用于在第一区域周边预设范围内，确定目标用户的第二位置信息；

路径生成模块，用于基于第一位置信息和第二位置信息，生成路径信息，其中，路径信息指示从第二位置到达第一位置的路径；

路径发送模块，用于将路径信息发送至目标用户。

根据本发明的实施例，特征提取模块302包括：

异常判别子模块，用于在视频监控数据中存在目标的情况下，判断目标是否为异常目标；

特征提取子模块，用于在目标为异常目标的情况下，获取异常目标的特征数据。

根据本发明的实施例，异常判别子模块包括：

第一特征获取单元，用于获取目标的第一特征数据；

匹配单元，用于将第一特征数据与预先存储的至少一个样本数据进行匹配；

异常确定单元，用于在第一特征数据与至少一个样本数据均不匹配的情况下，将目标确定为异常目标。

根据本发明的实施例，无人机预先部署在第一区域。

根据本发明的实施例，追踪模块303包括：

趋势确定单元，用于基于视频监控数据确定异常目标的运动趋势；

数据发送单元，用于在通过运动趋势确定异常目标处于远离第一区域的运动趋势的情况下，将特征数据发送至无人机。

图3所述的异常目标检测装置可以执行图1所示实施例所述的异常目标检测方法，其实现原理和技术效果不再赘述。对于上述实施例中的异常目标检测装置其中各个模块、单元执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

在一个可能的设计中，本发明实施例提供的异常目标检测装置可以实现为计算设备，如图4所示，该计算设备可以包括存储组件401以及处理组件402；

存储组件401存储一条或多条计算机指令，其中，所述一条或多条计算机指令供所述处理组件402调用执行，用以实现本发明实施例提供的异常目标检测方法。

当然，计算设备必然还可以包括其他部件，例如输入/输出接口、通信组件等。输入/输出接口为处理组件和外围接口模块之间提供接口，上述外围接口模块可以是输出设备、输入设备等。通信组件被配置为便于计算设备和其他设备之间有线或无线方式的通信等。

其中，该计算设备可以为物理设备或者云计算平台提供的弹性计算主机等，此时计算设备即可以是指云服务器，上述处理组件、存储组件等可以是从云计算平台租用或购买的基础服务器资源。

当计算设备为物理设备时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。

实际应用中，该计算设备可以具体部署消息队列系统中的节点，实现为消息队列系统中的生产者、消费者、中转服务端或命名服务端等。

本发明实施例还提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被计算机执行时可以实现本发明实施例提供的异常目标检测方法。

本发明实施例还提供了一种计算机程序产品，包括计算机程序，所述计算机程序被计算机执行时可以实现本发明实施例提供的异常目标检测方法。

其中，前文相应实施例中的处理组件可以包括一个或多个处理器来执行计算机指令，以完成上述的方法中的全部或部分步骤。当然处理组件也可以为一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

存储组件被配置为存储各种类型的数据以支持在设备中操作。存储组件可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置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。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分所述的方法。

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，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种异常目标检测方法，其特征在于，包括：

获取视频监控数据，其中，所述视频监控数据通过对第一区域进行实时监控得到；

从所述视频监控数据中提取异常目标的特征数据；

在通过所述视频监控数据确定所述异常目标离开所述第一区域的情况下，将所述特征数据发送至无人机，以便所述无人机基于所述特征数据在所述第一区域外对所述异常目标进行追踪。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述特征数据生成告警信息；

输出所述告警信息。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述无人机对所述异常目标进行追踪获得的第一位置信息，所述第一位置信息表征所述异常目标的当前位置；

在所述第一区域周边预设范围内，确定目标用户的第二位置信息；

基于所述第一位置信息和所述第二位置信息，生成路径信息，其中，所述路径信息指示从所述第二位置到达所述第一位置的路径；

将所述路径信息发送至所述目标用户。

4.根据权利要求1所述的方法，其特征在于，所述从所述视频监控数据中提取异常目标的特征数据包括：

在所述视频监控数据中存在目标的情况下，判断所述目标是否为异常目标；

在所述目标为异常目标的情况下，获取所述异常目标的特征数据。

5.根据权利要求4所述的方法，其特征在于，所述判断所述目标是否为异常目标包括：

获取所述目标的第一特征数据；

将所述第一特征数据与预先存储的至少一个样本数据进行匹配；

在所述第一特征数据与所述至少一个样本数据均不匹配的情况下，将所述目标确定为异常目标。

6.根据权利要求1所述的方法，其特征在于，所述无人机预先部署在所述第一区域。

7.根据权利要求1所述的方法，其特征在于，所述在通过所述视频监控数据确定所述异常目标离开所述第一区域的情况下，将所述特征数据发送至无人机包括：

基于所述视频监控数据确定所述异常目标的运动趋势；

在通过所述运动趋势确定所述异常目标处于远离所述第一区域的运动趋势的情况下，将所述特征数据发送至所述无人机。

8.一种异常目标检测系统，其特征在于，包括：

监控摄像机，用于对第一区域进行实时监控，生成视频监控数据，并将所述视频监控数据发送至服务端；

服务端，用于获取所述视频监控数据，从所述视频监控数据中获取异常目标的特征数据，并在通过所述视频监控数据确定所述异常目标离开所述第一区域的情况下，将所述特征数据发送至无人机；

无人机，用于接收所述服务端发送的特征数据，以及基于所述特征数据在所述第一区域外对所述异常目标进行追踪。

9.一种计算设备，其特征在于，包括处理组件以及存储组件；

所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如权利要求1至7任一项所述的异常目标检测方法。

10.一种计算机存储介质，其特征在于，存储有计算机程序，所述计算机程序被计算机执行时，实现如权利要求1至7任一项所述的异常目标检测方法。