CN110213530A - 预警方法、装置及可读存储介质 - Google Patents
预警方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN110213530A CN110213530A CN201910346540.8A CN201910346540A CN110213530A CN 110213530 A CN110213530 A CN 110213530A CN 201910346540 A CN201910346540 A CN 201910346540A CN 110213530 A CN110213530 A CN 110213530A
- Authority
- CN
- China
- Prior art keywords
- target
- image data
- type
- object detector
- analyzed
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例提供了一种预警方法、装置及可读存储介质。本发明实施例提供的预警方法,包括:根据收集的图像数据样本集和目标检测神经网络模型,对所述目标检测神经网络模型进行训练,得到目标检测器,接收视联网监控终端发送的图像数据,通过所述目标检测器对所述图像数据对应的目标的数量进行统计,当统计的所述目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。通过对图像数据中目标数量的统计,实时监测目标的聚集状况,对监控区域内人员聚集等突发情况进行预警,使后台人员可以根据预警信息应对突发情况,做出快速反应,满足实时性需求。
Description
技术领域
本发明涉及视联网技术领域,特别是涉及一种预警方法、装置及可读存储介质。
背景技术
视联网是网络发展的重要里程碑,是互联网的更高级形态,是一个实时网络,能够实现目前全网高清视频实时传输。当前视联网监控平台可通过视联网终端获取广场等公共场所的图像数据,并通过视联网传输到服务器。
但现有的基于视联网的视频监控,在获取得到大型公共场所的图像数据后,并未经过相关处理,无法及时应对人员聚集引起的安全隐患等突发状况。
发明内容
鉴于上述问题,提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种预警方法、装置及可读存储介质。
为了解决上述问题,本发明实施例第一方面,提供了一种预警方法,所述方法应用于视联网中,包括:
根据收集的图像数据样本集和目标检测神经网络模型,对所述目标检测神经网络模型进行训练,得到目标检测器;
接收视联网监控终端发送的图像数据;
通过所述目标检测器对所述图像数据对应的目标的数量进行统计,当统计的所述目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。
本发明实施例第二方面,提供了一种预警装置,所述装置应用于视联网中,包括:
训练模块,用于根据收集的图像数据样本集和目标检测神经网络模型,对所述目标检测神经网络模型进行训练,得到目标检测器;
接收模块,用于接收视联网监控终端发送的图像数据;
报警模块,用于通过所述目标检测器对所述图像数据对应的目标的数量进行统计,当统计的所述目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。
本发明实施例第三方面,提供了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现上述所述的预警方法的步骤。
本发明实施例第四方面,提供了一种预警装置,包括:
包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述所述的预警方法的步骤。
本发明实施例包括以下优点:
本发明实施例中,根据收集的图像数据样本集和目标检测神经网络模型,对目标检测神经网络模型进行训练,得到目标检测器,接收视联网监控终端发送的图像数据,通过目标检测器对图像数据对应的目标的数量进行统计,当统计的目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。在基于视联网的视频监控过程中,可以通过对图像数据中目标数量的统计,实时监测目标区域内的目标的聚集状况,对监控区域内人员聚集等突发情况进行预警,使后台人员可以根据预警信息应对突发情况,做出快速反应,满足实时性需求。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
图1为本发明的一种视联网的组网示意图;
图2为本发明的一种节点服务器的硬件结构示意图;
图3为本发明的一种接入交换机的硬件结构示意图;
图4为本发明的一种以太网协转网关的硬件结构示意图;
图5为本发明实施例所提供的一种预警***的结构示意图;
图6为本发明实施例所提供的一种预警方法流程图;
图7为本发明实施例所提供的另一种预警方法流程图;
图8为本发明实施例所提供的一种预警装置的结构框图;
图9为本发明实施例所提供的另一种预警装置的结构框图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
视联网是网络发展的重要里程碑,是一个实时网络,能够实现高清视频实时传输,将众多互联网应用推向高清视频化,高清面对面。
视联网采用实时高清视频交换技术,可以在一个网络平台上将所需的服务,如高清视频会议、视频监控、智能化监控分析、应急指挥、数字广播电视、延时电视、网络教学、现场直播、VOD点播、电视邮件、个性录制(PVR)、内网(自办)频道、智能化视频播控、信息发布等数十种视频、语音、图片、文字、通讯、数据等服务全部整合在一个***平台,通过电视或电脑实现高清品质视频播放。
为使本领域技术人员更好地理解本发明实施例,以下对视联网进行介绍:
视联网所应用的部分技术如下所述:
网络技术(Network Technology)
视联网的网络技术创新改良了传统以太网(Ethernet),以面对网络上潜在的巨大图像数据量。不同于单纯的网络分组包交换(Packet Switching)或网络电路交换(CircuitSwitching),视联网技术采用Packet Switching满足Streaming需求。视联网技术具备分组交换的灵活、简单和低价,同时具备电路交换的品质和安全保证,实现了全网交换式虚拟电路,以及数据格式的无缝连接。
交换技术(Switching Technology)
视联网采用以太网的异步和包交换两个优点,在全兼容的前提下消除了以太网缺陷,具备全网端到端无缝连接,直通用户终端,直接承载IP数据包。用户数据在全网范围内不需任何格式转换。视联网是以太网的更高级形态,是一个实时交换平台,能够实现目前互联网无法实现的全网大规模高清视频实时传输,将众多网络视频应用推向高清化、统一化。
服务器技术(Server Technology)
视联网和统一视频平台上的服务器技术不同于传统意义上的服务器,它的流媒体传输是建立在面向连接的基础上,其数据处理能力与流量、通讯时间无关,单个网络层就能够包含信令及数据传输。对于语音和视频业务来说,视联网和统一视频平台流媒体处理的复杂度比数据处理简单许多,效率比传统服务器大大提高了百倍以上。
储存器技术(Storage Technology)
统一视频平台的超高速储存器技术为了适应超大容量和超大流量的媒体内容而采用了最先进的实时操作***,将服务器指令中的节目信息映射到具体的硬盘空间,媒体内容不再经过服务器,瞬间直接送达到用户终端,用户等待一般时间小于0.2秒。最优化的扇区分布大大减少了硬盘磁头寻道的机械运动,资源消耗仅占同等级IP互联网的20%,但产生大于传统硬盘阵列3倍的并发流量,综合效率提升10倍以上。
网络安全技术(Network Security Technology)
视联网的结构性设计通过每次服务单独许可制、设备与用户数据完全隔离等方式从结构上彻底根除了困扰互联网的网络安全问题,一般不需要杀毒程序、防火墙,杜绝了黑客与病毒的攻击,为用户提供结构性的无忧安全网络。
服务创新技术(Service Innovation Technology)
统一视频平台将业务与传输融合在一起,不论是单个用户、私网用户还是一个网络的总合,都不过是一次自动连接。用户终端、机顶盒或PC直接连到统一视频平台,获得丰富多彩的各种形态的多媒体视频服务。统一视频平台采用“菜谱式”配表模式来替代传统的复杂应用编程,可以使用非常少的代码即可实现复杂的应用,实现“无限量”的新业务创新。
视联网的组网如下所述:
视联网是一种集中控制的网络结构,该网络可以是树型网、星型网、环状网等等类型,但在此基础上网络中需要有集中控制节点来控制整个网络。
如图1所示,视联网分为接入网和城域网两部分。
接入网部分的设备主要可以分为3类:节点服务器,接入交换机,终端(包括各种机顶盒、编码板、存储器等)。节点服务器与接入交换机相连,接入交换机可以与多个终端相连,并可以连接以太网。
其中,节点服务器是接入网中起集中控制功能的节点,可控制接入交换机和终端。节点服务器可直接与接入交换机相连,也可以直接与终端相连。
类似的,城域网部分的设备也可以分为3类:城域服务器,节点交换机,节点服务器。城域服务器与节点交换机相连,节点交换机可以与多个节点服务器相连。
其中,节点服务器即为接入网部分的节点服务器,即节点服务器既属于接入网部分,又属于城域网部分。
城域服务器是城域网中起集中控制功能的节点,可控制节点交换机和节点服务器。城域服务器可直接连接节点交换机,也可直接连接节点服务器。
由此可见,整个视联网络是一种分层集中控制的网络结构,而节点服务器和城域服务器下控制的网络可以是树型、星型、环状等各种结构。
形象地称,接入网部分可以组成统一视频平台(虚线圈中部分),多个统一视频平台可以组成视联网;每个统一视频平台可以通过城域以及广域视联网互联互通。
视联网设备分类
1.1本发明实施例的视联网中的设备主要可以分为3类:服务器,交换机(包括以太网网关),终端(包括各种机顶盒,编码板,存储器等)。视联网整体上可以分为城域网(或者国家网、全球网等)和接入网。
1.2其中接入网部分的设备主要可以分为3类:节点服务器,接入交换机(包括以太网网关),终端(包括各种机顶盒,编码板,存储器等)。
各接入网设备的具体硬件结构为:
节点服务器:
如图2所示,主要包括网络接口模块201、交换引擎模块202、CPU模块203、磁盘阵列模块204;
其中,网络接口模块201,CPU模块203、磁盘阵列模块204进来的包均进入交换引擎模块202;交换引擎模块202对进来的包进行查地址表205的操作,从而获得包的导向信息;并根据包的导向信息把该包存入对应的包缓存器206的队列;如果包缓存器206的队列接近满,则丢弃;交换引擎模202轮询所有包缓存器队列,如果满足以下条件进行转发:1)该端口发送缓存未满;2)该队列包计数器大于零。磁盘阵列模块204主要实现对硬盘的控制,包括对硬盘的初始化、读写等操作;CPU模块203主要负责与接入交换机、终端(图中未示出)之间的协议处理,对地址表205(包括下行协议包地址表、上行协议包地址表、数据包地址表)的配置,以及,对磁盘阵列模块204的配置。
接入交换机:
如图3所示,主要包括网络接口模块(下行网络接口模块301、上行网络接口模块302)、交换引擎模块303和CPU模块304;
其中,下行网络接口模块301进来的包(上行数据)进入包检测模块305;包检测模块305检测包的目地地址(DA)、源地址(SA)、数据包类型及包长度是否符合要求,如果符合,则分配相应的流标识符(stream-id),并进入交换引擎模块303,否则丢弃;上行网络接口模块302进来的包(下行数据)进入交换引擎模块303;CPU模块304进来的数据包进入交换引擎模块303;交换引擎模块303对进来的包进行查地址表306的操作,从而获得包的导向信息;如果进入交换引擎模块303的包是下行网络接口往上行网络接口去的,则结合流标识符(stream-id)把该包存入对应的包缓存器307的队列;如果该包缓存器307的队列接近满,则丢弃;如果进入交换引擎模块303的包不是下行网络接口往上行网络接口去的,则根据包的导向信息,把该数据包存入对应的包缓存器307的队列;如果该包缓存器307的队列接近满,则丢弃。
交换引擎模块303轮询所有包缓存器队列,在本发明实施例中分两种情形:
如果该队列是下行网络接口往上行网络接口去的,则满足以下条件进行转发:1)该端口发送缓存未满;2)该队列包计数器大于零;3)获得码率控制模块产生的令牌;
如果该队列不是下行网络接口往上行网络接口去的,则满足以下条件进行转发:1)该端口发送缓存未满;2)该队列包计数器大于零。
码率控制模块308是由CPU模块304来配置的,在可编程的间隔内对所有下行网络接口往上行网络接口去的包缓存器队列产生令牌,用以控制上行转发的码率。
CPU模块304主要负责与节点服务器之间的协议处理,对地址表306的配置,以及,对码率控制模块308的配置。
以太网协转网关:
如图4所示,主要包括网络接口模块(下行网络接口模块401、上行网络接口模块402)、交换引擎模块403、CPU模块404、包检测模块405、码率控制模块408、地址表406、包缓存器407和MAC添加模块409、MAC删除模块410。
其中,下行网络接口模块401进来的数据包进入包检测模块405;包检测模块405检测数据包的以太网MAC DA、以太网MAC SA、以太网length or frame type、视联网目地地址DA、视联网源地址SA、视联网数据包类型及包长度是否符合要求,如果符合则分配相应的流标识符(stream-id);然后,由MAC删除模块410减去MAC DA、MAC SA、length or frame type(2byte),并进入相应的接收缓存,否则丢弃;
下行网络接口模块401检测该端口的发送缓存,如果有包则根据包的视联网目地地址DA获知对应的终端的以太网MAC DA,添加终端的以太网MAC DA、以太网协转网关的MACSA、以太网length or frame type,并发送。
以太网协转网关中其他模块的功能与接入交换机类似。
终端:
主要包括网络接口模块、业务处理模块和CPU模块;例如,机顶盒主要包括网络接口模块、视音频编解码引擎模块、CPU模块;编码板主要包括网络接口模块、视音频编码引擎模块、CPU模块;存储器主要包括网络接口模块、CPU模块和磁盘阵列模块。
1.3城域网部分的设备主要可以分为2类:节点服务器,节点交换机,城域服务器。其中,节点交换机主要包括网络接口模块、交换引擎模块和CPU模块;城域服务器主要包括网络接口模块、交换引擎模块和CPU模块构成。
2、视联网数据包定义
2.1接入网数据包定义
接入网的数据包主要包括以下几部分:目的地址(DA)、源地址(SA)、保留字节、payload(PDU)、CRC。
如下表所示,接入网的数据包主要包括以下几部分:
DA | SA | Reserved | Payload | CRC |
其中:
目的地址(DA)由8个字节(byte)组成,第一个字节表示数据包的类型(例如各种协议包、组播数据包、单播数据包等),最多有256种可能,第二字节到第六字节为城域网地址,第七、第八字节为接入网地址;
源地址(SA)也是由8个字节(byte)组成,定义与目的地址(DA)相同;
保留字节由2个字节组成;
payload部分根据不同的数据报的类型有不同的长度,如果是各种协议包的话是64个字节,如果是单组播数据包话是32+1024=1056个字节,当然并不仅仅限于以上2种;
CRC有4个字节组成,其计算方法遵循标准的以太网CRC算法。
2.2城域网数据包定义
城域网的拓扑是图型,两个设备之间可能有2种、甚至2种以上的连接,即节点交换机和节点服务器、节点交换机和节点交换机、节点交换机和节点服务器之间都可能超过2种连接。但是,城域网设备的城域网地址却是唯一的,为了精确描述城域网设备之间的连接关系,在本发明实施例中引入参数:标签,来唯一描述一个城域网设备。
本说明书中标签的定义和MPLS(Multi-Protocol Label Switch,多协议标签交换)的标签的定义类似,假设设备A和设备B之间有两个连接,那么数据包从设备A到设备B就有2个标签,数据包从设备B到设备A也有2个标签。标签分入标签、出标签,假设数据包进入设备A的标签(入标签)是0x0000,这个数据包离开设备A时的标签(出标签)可能就变成了0x0001。城域网的入网流程是集中控制下的入网过程,也就意味着城域网的地址分配、标签分配都是由城域服务器主导的,节点交换机、节点服务器都是被动的执行而已,这一点与MPLS的标签分配是不同的,MPLS的标签分配是交换机、服务器互相协商的结果。
如下表所示,城域网的数据包主要包括以下几部分:
DA | SA | Reserved | 标签 | Payload | CRC |
即目的地址(DA)、源地址(SA)、保留字节(Reserved)、标签、payload(PDU)、CRC。其中,标签的格式可以参考如下定义:标签是32bit,其中高16bit保留,只用低16bit,它的位置是在数据包的保留字节和payload之间。
参照图5,图5为本发明实施例所提供的一种预警***的结构示意图,该预警***包括视联网监控终端501、服务器502和视联网客户端503。其中,视联网监控终端501采集图像数据,并将采集到的图像数据通过视联网发送至服务器502。服务器502对视联网监控终端501采集的图像数据进行目标检测,对图像数据中的目标进行分类和统计,当服务器502检测到图像数据中出现人员聚集等情况时,生成报警信息,将报警信息发送至视联网客户端503。
参照图6,图6为本发明实施例所提供的一种预警方法流程图,该方法应用于视联网中,本实施的方法适用于根据对视联网监控终端采集到的图像数据进行分析,以对人员聚集或其他目标聚集等引起的安全隐患进行及时应对的情况。具体可以包括如下步骤:
S601、根据收集的图像数据样本集和目标检测神经网络模型,对目标检测神经网络模型进行训练,得到目标检测器。
本发明实施例中,首先应基于图像数据样本集和目标检测神经网络模型训练得到目标检测器。具体的,首先获取视联网监控终端采集的大量的图像数据数据集,将图像数据样本集预处理转换为训练目标检测神经网络模型所需要的格式。其次,基于Darknet(开源神经网络框架)神经网络和Yolo(You Only Look Once:单个神经网络的目标检测***)目标检测***构建目标检测神经网络模型,通过预先获得的图像数据样本集对构建的目标检测神经网络模型进行训练,得到用于检测图像数据中的目标的目标检测器。其中,目标检测器可以对图像数据进行目标检测,对图像数据中存在的目标进行识别、分类和统计。
S602、接收视联网监控终端发送的图像数据。
本发明实施例中,在得到目标检测器后即可开始对图像数据进行目标检测,其中图像数据可以是视联网监控终端采集发送的视频流,也可以是视联网监控终端采集发送的图片数据,亦或是从采集的视频流中获取得到的图片数据。
S603、通过目标检测器对图像数据对应的目标的数量进行统计,当统计的目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。
本发明实施例中,由视联网监控终端将实时采集的监控场所的图像数据发送至运行目标检测器的服务器中进行目标检测。由目标检测器对图像数据进行特征提取后,获得图像数据中存在的目标,并对检测得到的目标进行统计。其中,目标可以是车辆、动物、人体等目标。目标检测器对检测得到的目标进行统计,当目标的数量等于或大于预设阈值时,发送报警信息至视联网客户端。其中,报警信息可以只包括警示信息,用于提醒视联网客户端发生聚集活动,也可以包括与警示信息相关的其它数据信息,如发生聚集场所的的图像数据,以及发生聚集的地址信息,聚集的目标数量和聚集时间等数据。
本实施例所提供的预警方法,根据收集的图像数据样本集和目标检测神经网络模型,对目标检测神经网络模型进行训练,得到目标检测器,接收视联网监控终端发送的图像数据,通过目标检测器对图像数据对应的目标的数量进行统计,当统计的目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。可以通过对图像数据中目标数量的统计,实时检测监控区域内的目标的聚集状况,对目标区域内人员聚集引起的安全隐患等突发情况进行预警,使后台人员可以根据预警信息应对突发情况,做出快速反应,满足实时性需求。
参照图7,图7为本发明实施例所提供的另一种预警方法流程图,该方法应用于视联网中,具体可以包括如下步骤:
S701、根据收集的图像数据样本集和目标检测神经网络模型,对目标检测神经网络模型进行训练,得到目标检测器。
S702、接收视联网监控终端发送的图像数据。
S703、根据图像数据,确定目标区域。
具体的,根据图像数据,确定目标区域,可以通过以下方式实现:
一种方式为:直接以该图像数据对应的区域范围为目标区域,或者通过该目标检测器对该图像数据进行场景识别,当该图像数据中存在预设场景时,将检测得到的预设场景作为目标区域。实际使用中,视联网监控终端采集的图像数据可以包括多个场景,此时需要预警的区域范围可能只是图像数据中的某个具体的场景对应的范围。如图像数据中既包括广场又包括路口等不同的场景。此时如果需要进行预警的场景是广场,则可以设置广场为预设场景,当目标检测器检测到图像数据中存在广场时,将检测得到的广场作为目标区域。如果需要预警的场景是路口,则设置路口为预设场景,当目标检测器检测到图像数据中存在路口时,则将路口作为目标区域。
本实施例中,视联网监控终端采集的图像数据可能只是针对某个特定的场景,例如视联网监控终端只采集某个房间的图像数据,或者只采集某个路口的图像数据,亦或只采集某个广场的图像数据。此时需要预警的区域就是视联网监控终端采集的图像数据对应的区域,也即将视联网监控终端采集的图像数据对应的区域(预警的区域)作为目标区域,并不需要对图像数据中包括的场景进行识别。
另一种方式为:通过目标检测器对图像数据进行目标检测,获取图像数据中的目标数据,其中该目标数据包括至少一个目标类型和每个目标类型对应的目标所处的目标位置,从目标类型中选择至少一个目标类型作为待分析目标类型,并根据属于该待分析目标类型对应的目标所处的目标位置确定目标区域。
本实施例中,图像数据中的目标类型可能不止一种,如某个公共场所容纳的可以有人体、宠物和车辆等目标类型。而在预警过程中,可以对目标区域内某个或者多个具体的目标类型的聚集情况进行预警,例如需要对人体和宠物进行预警时,可以将人体和宠物都作为待分析目标类型。或者,只需要对目标区域内某一个具体的目标类型的聚集情况进行预警。例如在广场内,只需要对广场内的人体目标类型进行预警,判断是否发生人员聚集的情况;在公路等目标区域,只需对目标区域内的车辆进行统计分析。因此,可以预先设置一个目标类型为待分析目标类型,当图像数据中存在该待分析目标类型时,通过目标检测器对目标区域内存在的待分析目标类型进行统计分析。
实际使用中,目标区域可能并不容易通过图像数据中的场景信息进行划分,而属于同一个目标类型的目标可能是一个或多个,当选择的待分析目标类型包括多个目标时,多个目标可能分别处于不同的位置。此时,可以根据待分析目标类型对应的各个目标的位置,确定目标区域。具体的,当多个目标散落至多处时,可以确定待分析目标类型对应的各个目标所处的目标位置,将待分析目标类型对应的各个目标所处的位置覆盖的区域确定为目标区域。本实施中,通过待分析目标类型对应的各个目标所处的目标位置确定目标区域,可以更灵活准确的确定目标区域,增加了预警的灵活性。
需要说明的是,可以从多个目标类型中选择多个目标类型为待分析目标类型,分析各个待分析目标类型分别对应的目标所处的位置,将各个待分析目标类型分别对应的目标所处的位置覆盖的区域确定为目标区域。
S704、通过目标检测器对图像数据对应的目标的数量进行统计,当统计的目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。
具体的,通过目标检测器对图像数据对应的目标的数量进行统计,当统计的目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息,可以通过以下方式实现。
通过目标检测器对目标区域中的待分析目标类型对应的目标进行统计得到待分析目标类型对应的目标的数量,当待分析目标类型对应的目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。
实际使用时,需要进行预警的可能只是图像数据中的所有目标类型中的一个目标类型或多个目标类型。例如,在广场中只需对广场中存在的宠物类型和人体类型进行预警,在道路中只需对道路中的机动车辆进行预警。所以,当根据待分析目标类型对应的目标所处的目标位置确定目标区域后,对处于该目标区域内的待分析目标类型对应的目标进行统计,统计该目标区域内待分析目标类型对应的目标的数量。当目标区域内的待分析目标类型对应的目标的数量超过预设阈值时,确定发生聚集活动,此时可向视联网客户端发送报警信息。
需要说明的是,当待分析目标类型为一个时,只统计该一个待分析目标类型对应的目标的数量,当统计的待分析目标类型对应的目标的数量大于或等于预设阈值时发送报警信息;当待分析目标类型为多个时,可以统计所有待分析目标类型对应的目标的数量的总和,当所有待分析目标类型对应的目标的数量的总和大于或等于预设阈值时发送报警信息。
本实施例所提供的预警方法,根据收集的图像数据样本集和目标检测神经网络模型,对目标检测神经网络模型进行训练,得到目标检测器,接收视联网监控终端发送的图像数据,根据获取得到的图像数据确定目标区域,通过目标检测器对图像数据中待分析目标类型对应的目标进行统计,当统计的待分析目标类型对应的目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。可以通过对图像数据确定一个目标区域,并对目标区域内的目标数量进行统计,实时监测目标区域内的目标的聚集状况,对目标区域内人员聚集引起的安全隐患等突发情况进行预警,使后台人员可以根据预警信息应对突发情况,做出快速反应,满足实时性需求。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图8,图8为本发明实施例所提供的一种预警装置的结构框图,本实施的预警装置适用于根据对视联网监控终端采集到的图像数据进行分析,以对人员聚集或其他目标聚集等引起的安全隐患进行及时应对的情况。该预警装置通常以硬件和/或软件的方式来实现。该预警装置800包括如下模块:训练模块801、接收模块802和报警模块803。
训练模块801,用于根据收集的图像数据样本集和目标检测神经网络模型,对目标检测神经网络模型进行训练,得到目标检测器;接收模块802,用于接收视联网监控终端发送的图像数据;报警模块803,用于通过目标检测器对图像数据对应的目标的数量进行统计,当统计的目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。
本实施例所提供的预警装置,根据收集的图像数据样本集和目标检测神经网络模型,对目标检测神经网络模型进行训练,得到目标检测器,接收视联网监控终端发送的图像数据,通过目标检测器对图像数据对应的目标的数量进行统计,当统计的目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。可以通过对图像数据中目标数量的统计,实时监测监控区域内的目标的聚集状况,对目标区域内人员聚集引起的安全隐患等突发情况进行预警,使后台人员可以根据预警信息应对突发情况,做出快速反应,满足实时性需求。
可选的,该预警装置800还包括:确定模块,用于根据图像数据,确定目标区域。
可选的,该确定模块还用于,通过目标检测器对图像数据进行目标检测,获取图像数据中的目标数据,其中目标数据包括至少一个目标类型和每个目标类型对应的目标所处的目标位置,从目标类型中选择至少一个目标类型作为待分析目标类型,并根据属于该待分析目标类型对应的目标所处的目标位置确定目标区域。
可选的,该报警模块803还用于,通过目标检测器对目标区域中的待分析目标类型对应的目标进行统计得到待分析目标类型对应的目标的数量,当待分析目标类型对应的目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。
另外,本发明实施例还提供一种预警装置,如图9所示,图9为本发明实施例所提供的另一种预警装置的结构示意图。该预警装置900包括处理器901和存储器902,以及存储在存储器902上并可在处理器901上运行的计算机程序,该计算机程序被处理器901执行时实现上述实施例的预警方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供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,该计算机程序被处理器执行时实现上述的预警方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,的计算机可读存储介质,可以为只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,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、物品或者终端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、物品或者终端设备所固有的要素。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、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种预警方法和一种预警装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种预警方法,其特征在于,所述方法应用于视联网中,包括:
根据收集的图像数据样本集和目标检测神经网络模型,对所述目标检测神经网络模型进行训练,得到目标检测器;
接收视联网监控终端发送的图像数据;
通过所述目标检测器对所述图像数据对应的目标的数量进行统计,当统计的所述目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。
2.根据权利要求1所述的方法,其特征在于,在所述接收视联网监控终端发送的图像数据之后,还包括:
根据所述图像数据,确定目标区域。
3.根据权利要求2所述的方法,其特征在于,所述根据所述图像数据,确定目标区域,包括:
通过所述目标检测器对所述图像数据进行目标检测,获取所述图像数据中的目标数据,其中所述目标数据包括至少一个目标类型和每个目标类型对应的目标所处的目标位置;
从所述目标类型中选择至少一个目标类型作为待分析目标类型,并根据属于所述待分析目标类型对应的目标所处的目标位置确定所述目标区域。
4.根据权利要求3所述的方法,其特征在于,所述通过所述目标检测器对所述图像数据对应的目标的数量进行统计,当统计的所述目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息,包括:
通过所述目标检测器对所述目标区域中的所述待分析目标类型对应的目标进行统计得到所述待分析目标类型对应的目标的数量,当所述待分析目标类型对应的目标的数量大于或等于所述预设阈值时,向所述视联网客户端发送报警信息。
5.一种预警装置,其特征在于,所述装置应用于视联网中,包括:
训练模块,用于根据收集的图像数据样本集和目标检测神经网络模型,对所述目标检测神经网络模型进行训练,得到目标检测器;
接收模块,用于接收视联网监控终端发送的图像数据;
报警模块,用于通过所述目标检测器对所述图像数据对应的目标的数量进行统计,当统计的所述目标的数量大于或等于预设阈值时,向视联网客户端发送报警信息。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括:
确定模块,用于根据所述图像数据,确定目标区域。
7.根据权利要求6所述的装置,其特征在于:所述确定模块还用于,通过所述目标检测器对所述图像数据进行目标检测,获取所述图像数据中的目标数据,其中所述目标数据包括至少一个目标类型和每个目标类型对应的目标所处的目标位置;
从所述目标类型中选择至少一个目标类型作为待分析目标类型,并根据属于所述待分析目标类型对应的目标所处的目标位置确定所述目标区域。
8.根据权利要求7所述的装置,其特征在于:所述报警模块还用于,
通过所述目标检测器对所述目标区域中的所述待分析目标类型对应的目标进行统计得到所述待分析目标类型对应的目标的数量,当所述待分析目标类型对应的目标的数量大于或等于所述预设阈值时,向所述视联网客户端发送报警信息。
9.一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计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的预警方法的步骤。
10.一种预警装置,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910346540.8A CN110213530A (zh) | 2019-04-26 | 2019-04-26 | 预警方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910346540.8A CN110213530A (zh) | 2019-04-26 | 2019-04-26 | 预警方法、装置及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110213530A true CN110213530A (zh) | 2019-09-06 |
Family
ID=67786516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910346540.8A Pending CN110213530A (zh) | 2019-04-26 | 2019-04-26 | 预警方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110213530A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523472A (zh) * | 2020-04-23 | 2020-08-11 | 杭州海康威视***技术有限公司 | 基于机器视觉的活动目标计数方法和设备 |
CN111921880A (zh) * | 2020-08-10 | 2020-11-13 | 南华大学 | 一种分拣线包裹阻塞检测装置、方法及介质 |
CN112149520A (zh) * | 2020-09-03 | 2020-12-29 | 上海趋视信息科技有限公司 | 一种多目标管理方法、***及装置 |
CN113253261A (zh) * | 2021-05-25 | 2021-08-13 | 苏州昆承智能车检测科技有限公司 | 基于雷达摄像头的信息预警方法及*** |
WO2024098174A1 (en) * | 2022-11-07 | 2024-05-16 | Qualcomm Incorporated | Model monitoring using input samples |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447458A (zh) * | 2015-11-17 | 2016-03-30 | 深圳市商汤科技有限公司 | 一种大规模人群视频分析***和方法 |
CN105678267A (zh) * | 2016-01-08 | 2016-06-15 | 浙江宇视科技有限公司 | 一种场景识别方法及装置 |
WO2018141429A1 (en) * | 2017-02-03 | 2018-08-09 | Siemens Aktiengesellschaft | A method and apparatus for detecting objects of interest in images |
CN108875456A (zh) * | 2017-05-12 | 2018-11-23 | 北京旷视科技有限公司 | 目标检测方法、目标检测装置和计算机可读存储介质 |
CN108965826A (zh) * | 2018-08-21 | 2018-12-07 | 北京旷视科技有限公司 | 监控方法、装置、处理设备及存储介质 |
CN109063612A (zh) * | 2018-07-19 | 2018-12-21 | 中智城信息技术有限公司 | 城市智能红线管理方法及机器可读存储介质 |
-
2019
- 2019-04-26 CN CN201910346540.8A patent/CN110213530A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105447458A (zh) * | 2015-11-17 | 2016-03-30 | 深圳市商汤科技有限公司 | 一种大规模人群视频分析***和方法 |
CN105678267A (zh) * | 2016-01-08 | 2016-06-15 | 浙江宇视科技有限公司 | 一种场景识别方法及装置 |
WO2018141429A1 (en) * | 2017-02-03 | 2018-08-09 | Siemens Aktiengesellschaft | A method and apparatus for detecting objects of interest in images |
CN108875456A (zh) * | 2017-05-12 | 2018-11-23 | 北京旷视科技有限公司 | 目标检测方法、目标检测装置和计算机可读存储介质 |
CN109063612A (zh) * | 2018-07-19 | 2018-12-21 | 中智城信息技术有限公司 | 城市智能红线管理方法及机器可读存储介质 |
CN108965826A (zh) * | 2018-08-21 | 2018-12-07 | 北京旷视科技有限公司 | 监控方法、装置、处理设备及存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111523472A (zh) * | 2020-04-23 | 2020-08-11 | 杭州海康威视***技术有限公司 | 基于机器视觉的活动目标计数方法和设备 |
CN111921880A (zh) * | 2020-08-10 | 2020-11-13 | 南华大学 | 一种分拣线包裹阻塞检测装置、方法及介质 |
CN112149520A (zh) * | 2020-09-03 | 2020-12-29 | 上海趋视信息科技有限公司 | 一种多目标管理方法、***及装置 |
CN113253261A (zh) * | 2021-05-25 | 2021-08-13 | 苏州昆承智能车检测科技有限公司 | 基于雷达摄像头的信息预警方法及*** |
WO2024098174A1 (en) * | 2022-11-07 | 2024-05-16 | Qualcomm Incorporated | Model monitoring using input samples |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110213530A (zh) | 预警方法、装置及可读存储介质 | |
CN108965224A (zh) | 一种视频点播的方法和装置 | |
CN107888401B (zh) | 一种实时监控视联网终端cpu利用率的方法和*** | |
CN108965040A (zh) | 一种视联网的业务监控方法和装置 | |
CN108632559B (zh) | 一种视频数据处理方法及装置 | |
CN109889373A (zh) | 一种告警信息的传输方法、装置和*** | |
CN109617956A (zh) | 一种数据处理方法和装置 | |
CN109818776A (zh) | 微服务模块异常定位方法和装置 | |
CN109996086A (zh) | 一种视联网业务状态查询方法及装置 | |
CN109637164A (zh) | 一种交通灯控制方法和装置 | |
CN109788247A (zh) | 一种监控指令识别的方法和装置 | |
CN109617830A (zh) | 一种视联网中实时演示业务的方法和装置 | |
CN109299612A (zh) | 一种热插拔设备的控制方法和装置 | |
CN110365937A (zh) | 无人机信息展示方法和*** | |
CN109743537A (zh) | 监控报警处理方法和装置 | |
CN110012316A (zh) | 一种视联网业务的处理方法及装置 | |
CN109743555A (zh) | 一种基于视联网的信息处理方法及*** | |
CN108696398B (zh) | 一种通讯网络中的通讯环回故障检测方法和装置 | |
CN110430168A (zh) | 一种数据压缩的方法和装置 | |
CN110351573A (zh) | 虚拟礼物赠送方法、***及装置 | |
CN109361546A (zh) | 一种基于视联网的程序预警方法和装置 | |
CN110493149A (zh) | 一种报文处理的方法和装置 | |
CN110446058A (zh) | 视频获取方法、***、设备和计算机可读存储介质 | |
CN109922302A (zh) | 会议预约信息获取方法、***、设备和机器可读介质 | |
CN109257629A (zh) | 一种数据传输*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190906 |