CN108062509A - 一种基于机器学习的智能摄像头紧急拨号方法 - Google Patents
一种基于机器学习的智能摄像头紧急拨号方法 Download PDFInfo
- Publication number
- CN108062509A CN108062509A CN201711032604.4A CN201711032604A CN108062509A CN 108062509 A CN108062509 A CN 108062509A CN 201711032604 A CN201711032604 A CN 201711032604A CN 108062509 A CN108062509 A CN 108062509A
- Authority
- CN
- China
- Prior art keywords
- machine learning
- camera head
- prediction model
- video camera
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于机器学习的智能摄像头紧急拨号方法,包括下述步骤:通过摄像头采集情景样本数据,摄像头内置图像处理芯片,针对特定情景样本数据进行数据的异常处理与归一化处理,运用机器学习算法的模型评估,挑选预测模型所需的训练样本与检验样本,并进行数据的硬盘存储;本发明能够有效利用视频监控资源,***自动智能运行,脱离了人为观察和手工操作的阶段,能够满足在安全领域出现的海量视频信息化应用需求;当出现事故时能够及时发现并及时展开救援,提高了救援效率。
Description
技术领域
本发明涉及智能摄像头技术领域,具体涉及一种基于机器学习的智能摄像头紧急拨号方法。
背景技术
安全问题一直是大家在生活中最关注的问题之一,外出旅游、访亲探友本来是件愉悦的事情,但是一些突发事情的出现,总会让人意想不到,在过去通讯不发达的时候对此毫无办法。随着物联网技术的迅猛发展以及智能移动终端产品的深入普及,越来越多的产品更加智能化,真真切切的为人们解决很多之前无法想象的困难。随着高科技的发展,社会进步,智能摄像技术已经广泛的应用在商业、民用、安防等诸多领域,可以说,在现代人类社会,我们身边是“密布眼线”,我们的一举一动,都是智能摄像头在实时监控。同时,随着城市视频监控***规模的不断扩大,视频信息量也在不断上升。但是,目前绝大多数视频监控***仍停留在人为观察和手工操作的阶段,现有的视频监控***已经不能满足在安全领域出现的海量视频信息化应用需求,这在很大程度上限制了视频监控资源的有效利用。同时,针对现有的事故现象,很多时候事故现场并没有及时得到救援,以至于在很大程度上威胁了公众的安全,然而,拨打国家指定紧急电话等待救援在时间上存在一定的延迟,救护车需要派遣和赶来,其救援效率相对于社区内部的警务处来说较低,但用户通常情况下是不知道社区警务处的电话的,且即使知道电话,在紧急拨号时也没有一种方式能够让用户拨打出除国家指定的紧急电话外的其他号码,用户的需求得不到及时响应。因此,虽然现有技术中的智能摄像头在实时监控,但是这些智能摄像头无法实现智能拨打紧急号码的功能,无法实现紧急救援。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于机器学习的智能摄像头紧急拨号方法。
本发明的目的通过下述技术方案实现:
一种基于机器学习的智能摄像头紧急拨号方法,包括下述步骤:
S1,通过摄像头采集情景样本数据,摄像头内置图像处理芯片,针对特定情景样本数据进行数据的异常处理与归一化处理,运用机器学习算法的模型评估,挑选预测模型所需的训练样本与检验样本,并进行数据的硬盘存储;
S2,针对S1中的训练样本,通过机器学习算法建立智能摄像头紧急拨号的预测模型,并应用机器学习算法对预测模型进行评估和优化选择,选择出最佳预测模型;
S3,应用经机器学习算法优化后的智能摄像头紧急拨号预测模型和训练样本继续进行训练,得到智能摄像头紧急拨号最终预测模型;
S4,当摄像头监控并采集到情景图像时,先对该图像进行预处理,用以去除干扰因素,再对图像进行特征提取,将对应的特征数据放入智能摄像头紧急拨号最终预测模型,通过机器学习算法,将输入的特征数据和智能摄像头紧急拨号最终预测模型中的数据进行比对,从而得到预测结果,并通过预测结果来判断情景图像属于哪种情况,同时调用相应的通讯设备,针对已判断出的情况拨出相应的紧急号码,紧急号码根据拨打区域由近到远进行拨号,如果号码得到回应,则停止拨号,随后发送情景图像对应的地址以及原始照片到应答的通讯设备上,以供工作人员验证处理。
优选地,所述S2中对预测模型进行评估的方法具体为过拟合方法或者欠拟合方法。
优选地,所述S1中通过摄像头采集情景样本数据,具体为通过摄像头采集大量的情景样本数据并放入训练样本库中;通过采集大量的情景样本数据,能够提高提高处理结果的准确性,同时也能提高处理效率。
本发明与现有技术相比具有以下的有益效果:
(1)本发明能够有效利用视频监控资源,***自动智能运行,脱离了人为观察和手工操作的阶段,能够满足在安全领域出现的海量视频信息化应用需求;当出现事故时能够及时发现并及时展开救援,提高了救援效率;
(2)本发明通过采集大量的情景样本数据,同时针对已发生的现场的数据进一步处理存入训练库中,进一步的训练模型,可以让模型更加具有针对性,能够提高提高处理结果的准确性,同时也能提高处理效率。
附图说明
图1为本发明的***框图;
图2为本发明的图像处理及识别流程图;
图3为本发明的紧急拨号流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
如图1~3所示,一种基于机器学习的智能摄像头紧急拨号方法,包括下述步骤:
第一步,如图1所示,通过摄像头采集大量的情景样本数据并放入训练样本库中,通过采集大量的情景样本数据,能够提高提高处理结果的准确性,同时也能提高处理效率;摄像头内置图像处理芯片,针对特定情景样本数据进行数据的异常处理与归一化处理,运用机器学习算法的模型评估,挑选预测模型所需的训练样本与检验样本,并进行数据的硬盘存储;
第二步,针对第一步中的训练样本,通过机器学习算法建立智能摄像头紧急拨号的预测模型,同时建立多个预测模型,并应用机器学习算法对多个预测模型进行评估和优化选择,根据实际的情景选择出最佳预测模型,使识别的效果到达最优;其中,所述对预测模型进行评估的方法具体为过拟合方法或者欠拟合方法,过拟合方法是指预测模型把数据学习的太彻底,以至于把噪声数据的特征也学习到了,这样就会导致在后期测试的时候不能够很好地识别数据,即不能正确的分类,模型泛化能力太差;欠拟合方法是指预测模型没有很好地捕捉到数据特征,不能够很好地拟合数据。
第三步,应用经机器学习算法优化后的智能摄像头紧急拨号预测模型和训练样本继续进行训练,得到智能摄像头紧急拨号最终预测模型;
第四步,如图2所示,当摄像头监控并采集到情景图像时,先对该图像进行预处理,用以去除干扰因素,再对图像进行特征提取,将对应的特征数据放入智能摄像头紧急拨号最终预测模型,通过机器学习算法,将输入的特征数据和智能摄像头紧急拨号最终预测模型中的数据进行比对,从而得到预测结果,而预测结果采用匹配值是否超过阈值来确定,其中阈值可以通过参数调优进行获取,以致或者最佳模型对应的阈值;并通过预测结果来判断情景图像属于哪种情况,而情景图像具体可分为火灾、车祸、昏厥这三种情况;同时调用相应的通讯设备,针对已判断出的情况拨出相应的紧急号码,如图3所示,紧急号码根据拨打区域由近到远进行拨号,这样设置以便救援第一时间到达,如果号码得到回应,则停止拨号,随后发送情景图像对应的地址以及原始照片到应答的通讯设备上,以供工作人员验证处理;如果号码得不到回应,则继续循环由近到远进行拨号。
本发明能够有效利用视频监控资源,***自动智能运行,脱离了人为观察和手工操作的阶段,能够满足在安全领域出现的海量视频信息化应用需求;当出现事故时能够及时发现并及时展开救援,提高了救援效率;通过采集大量的情景样本数据,能够提高提高处理结果的准确性,同时也能提高处理效率。
上述为本发明较佳的实施方式,但本发明的实施方式并不受上述内容的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (3)
1.一种基于机器学习的智能摄像头紧急拨号方法,其特征在于,包括下述步骤:
S1,通过摄像头采集情景样本数据,摄像头内置图像处理芯片,针对特定情景样本数据进行数据的异常处理与归一化处理,运用机器学习算法的模型评估,挑选预测模型所需的训练样本与检验样本,并进行数据的硬盘存储;
S2,针对S1中的训练样本,通过机器学习算法建立智能摄像头紧急拨号的预测模型,并应用机器学习算法对预测模型进行评估和优化选择,选择出最佳预测模型;
S3,应用经机器学习算法优化后的智能摄像头紧急拨号预测模型和训练样本继续进行训练,得到智能摄像头紧急拨号最终预测模型;
S4,当摄像头监控并采集到情景图像时,先对该图像进行预处理,用以去除干扰因素,再对图像进行特征提取,将对应的特征数据放入智能摄像头紧急拨号最终预测模型,通过机器学习算法,将输入的特征数据和智能摄像头紧急拨号最终预测模型中的数据进行比对,从而得到预测结果,并通过预测结果来判断情景图像属于哪种情况,同时调用相应的通讯设备,针对已判断出的情况拨出相应的紧急号码,紧急号码根据拨打区域由近到远进行拨号,如果号码得到回应,则停止拨号,随后发送情景图像对应的地址以及原始照片到应答的通讯设备上,以供工作人员验证处理。
2.根据权利要求1所述的,其特征在于,所述S2中对预测模型进行评估的方法具体为过拟合方法或者欠拟合方法。
3.根据权利要求1所述的,其特征在于,所述S1中通过摄像头采集情景样本数据,具体为通过摄像头采集大量的情景样本数据并放入训练样本库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711032604.4A CN108062509A (zh) | 2017-10-30 | 2017-10-30 | 一种基于机器学习的智能摄像头紧急拨号方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711032604.4A CN108062509A (zh) | 2017-10-30 | 2017-10-30 | 一种基于机器学习的智能摄像头紧急拨号方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108062509A true CN108062509A (zh) | 2018-05-22 |
Family
ID=62137958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711032604.4A Pending CN108062509A (zh) | 2017-10-30 | 2017-10-30 | 一种基于机器学习的智能摄像头紧急拨号方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108062509A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106067028A (zh) * | 2015-04-19 | 2016-11-02 | 北京典赞科技有限公司 | 基于gpu的自动化机器学习的建模方法 |
CN206209758U (zh) * | 2016-07-30 | 2017-05-31 | 泉州市东南光电股份有限公司 | 一种小区自带报警功能的监控*** |
CN106878534A (zh) * | 2015-12-14 | 2017-06-20 | 北京奇虎科技有限公司 | 报警方法和装置 |
-
2017
- 2017-10-30 CN CN201711032604.4A patent/CN108062509A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106067028A (zh) * | 2015-04-19 | 2016-11-02 | 北京典赞科技有限公司 | 基于gpu的自动化机器学习的建模方法 |
CN106878534A (zh) * | 2015-12-14 | 2017-06-20 | 北京奇虎科技有限公司 | 报警方法和装置 |
CN206209758U (zh) * | 2016-07-30 | 2017-05-31 | 泉州市东南光电股份有限公司 | 一种小区自带报警功能的监控*** |
Non-Patent Citations (1)
Title |
---|
何丽华: "机器学习在农业物联网决策***中的研究与应用", 《中国优秀硕士学位论文全文数据库农业科技辑(月刊 )》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105303632B (zh) | 一种移动监控签到***及工作方法 | |
CN104636501B (zh) | 一种多媒体网络人工即时翻译***及方法 | |
CN103037311B (zh) | 一种基于社交网络的群发求助和救助方法 | |
CN109670441A (zh) | 一种实现安全帽穿戴识别的方法、***、终端以及计算机可读存储介质 | |
CN110674790B (zh) | 一种视频监控中异常场景处理方法及*** | |
CN107358555A (zh) | 教学监管方法及*** | |
CN112991656A (zh) | 基于姿态估计的全景监控下人体异常行为识别报警***及方法 | |
CN109284733A (zh) | 一种基于yolo和多任务卷积神经网络的导购消极行为监控方法 | |
CN106161209B (zh) | 一种基于深度自学习的垃圾短信过滤方法及*** | |
CN102867020A (zh) | 基于人物性格特征的交友匹配方法 | |
CN110533032A (zh) | 一种获取高纯度低温用钢的方法和装置 | |
CN105590099A (zh) | 一种基于改进卷积神经网络的多人行为识别方法 | |
CN110852222A (zh) | 一种基于目标检测的校园走廊场景智能监控方法 | |
WO2022121498A1 (zh) | 身份识别方法、模型训练方法、装置、设备和存储介质 | |
CN106559645A (zh) | 基于摄像机的监控方法、***和装置 | |
CN104820834A (zh) | 一种斗殴预警方法及装置 | |
CN110070027A (zh) | 基于智能物联网***的行人重识别方法 | |
CN107544387A (zh) | 一种人脸识别家庭安防***及方法 | |
CN107292345A (zh) | 隐私情境检测方法 | |
CN109993124A (zh) | 基于视频反光的活体检测方法、装置及计算机设备 | |
CN114581749A (zh) | 视听特征融合的目标行为识别方法、装置及应用 | |
CN114413409A (zh) | 用于空调故障概率的检测方法及装置、智能空调 | |
CN113628172A (zh) | 一种人员手持武器智能检测算法及智慧城市安防*** | |
CN113705083A (zh) | 一种移动群智感知中参与者可靠性评估和真值推断方法 | |
CN108062509A (zh) | 一种基于机器学习的智能摄像头紧急拨号方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180522 |