CN111698473A - 一种值班人员的检测方法及装置 - Google Patents
一种值班人员的检测方法及装置 Download PDFInfo
- Publication number
- CN111698473A CN111698473A CN202010524136.8A CN202010524136A CN111698473A CN 111698473 A CN111698473 A CN 111698473A CN 202010524136 A CN202010524136 A CN 202010524136A CN 111698473 A CN111698473 A CN 111698473A
- Authority
- CN
- China
- Prior art keywords
- picture
- duty
- rule
- frame
- judgment
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种值班人员的检测方法及装置,所述方法包括:获取值班视频监控装置的视频数据以及所述值班视频监控装置的区域信息;对所述视频数据进行视频解码并提取多帧图片;根据每帧图片以及图片分析模型,获得每帧图片的属性信息;其中,所述图片分析模型是预设的;根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果;其中,所述判断规则是预设的。所述装置用于执行上述方法。本发明实施例提供的值班人员的检测方法及装置,提高了对值班人员的检测效率。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种值班人员的检测方法及装置。
背景技术
在各行各业中,有许多场所需要安排值班人员,例如安排值班人员定时巡检物流仓库、银行金库、核心机房等。
为规范值班人员行为,会制定相应的行为准则,如双人在岗、进出人员核验等。但行为准则是否被严格遵守,缺乏有效、客观的检测手段,存在人为作假的风险,如双人到岗签到后,不按规定持续在岗值班,中途可能只有一人在岗;再如进出人员核验时,值班人员违规带领非授权人员进出重要场所。现有技术中,安防监控***可以通过摄像头监控值班人员,将视频图像实时输出到监控中心大屏或者存储起来用于事后调阅。但是,无论是实时查看还是事后调阅,视频图像都依赖于人工查看,效率低且容易漏检。
发明内容
针对现有技术中的问题,本发明实施例提供一种值班人员的检测方法及装置,能够至少部分地解决现有技术中存在的问题。
一方面,本发明提出一种值班人员的检测方法,包括:
获取值班视频监控装置的视频数据以及所述值班视频监控装置的区域信息;
对所述视频数据进行视频解码并提取多帧图片;
根据每帧图片以及图片分析模型,获得每帧图片的属性信息;其中,所述图片分析模型是预设的;
根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果;其中,所述判断规则是预设的。
另一方面,本发明提供一种值班人员的检测装置,包括:
获取单元,用于获取值班视频监控装置的视频数据以及所述值班视频监控装置的区域信息;
提取单元,用于对所述视频数据进行视频解码并提取多帧图片;
获得单元,用于根据每帧图片以及图片分析模型,获得每帧图片的属性信息;其中,所述图片分析模型是预设的;
检测单元,用于根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果;其中,所述判断规则是预设的。
再一方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述任一实施例所述值班人员的检测方法的步骤。
又一方面,本发明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上述任一实施例所述值班人员的检测方法的步骤。
本发明实施例提供的值班人员的检测方法及装置,能够获取值班视频监控装置的视频数据以及值班视频监控装置的区域信息,对视频数据进行视频解码并提取多帧图片,根据每帧图片以及图片分析模型,获得每帧图片的属性信息,根据每帧图片的属性信息以及区域信息对应的判断规则,获得每帧图片的检测结果,可以通过每帧图片的属性信息和对应的判断规则,快速获得每帧图片的检测结果,提高了对值班人员的检测效率。
附图说明
为了更清楚地说明本发明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简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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。在附图中:
图1是本发明一实施例提供的值班人员的检测方法的流程示意图。
图2是本发明另一实施例提供的值班人员的检测方法的流程示意图。
图3是本发明一实施例提供的值班人员的检测***的结构示意图。
图4是本发明一实施例提供的云端配置管理装置的结构示意图。
图5是本发明一实施例提供的配置数据处理的流程示意图。
图6是本发明又一实施例提供的值班人员的检测方法的流程示意图。
图7是本发明一实施例提供的值班人员的检测装置的结构示意图。
图8是本发明另一实施例提供的值班人员的检测装置的结构示意图。
图9是本发明一实施例提供的电子设备的实体结构示意图。
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明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
图1是本发明一实施例提供的值班人员的检测方法的流程示意图,如图1所示,本发明实施例提供的值班人员的检测方法,包括:
S101、获取值班视频监控装置的视频数据以及所述值班视频监控装置的区域信息;
具体地,值班视频监控装置会实时监控目标区域,并通过局域网将视频数据实时输出到监控中心显示和/或发送到数据库储存,检测装置可以获取所述视频数据。每个值班视频监控装置可以根据监控的目标区域配置唯一的区域信息,所述区域信息可以采用编号、位置坐标或者名称,根据实际需要进行设置,本发明实施例不做限定。所述检测装置可以获取到所述值班视频监控装置的区域信息。其中,所述检测装置包括但不限于服务器、台式机、笔记本电脑等。所述值班视频监控装置包括但不限于枪式摄像机、半球摄像机、笔筒式摄像机等。
S102、对所述视频数据进行视频解码并提取多帧图片;
具体地,所述检测装置在获得所述视频数据之后,会对所述视频进行解码,并从解码后的视频数据中提取出多帧图片,例如每秒提取1帧图片,根据实际需要进行设置,本发明实施例不做限定。
S103、根据每帧图片以及图片分析模型,获得每帧图片的属性信息;
具体地,所述检测装置在获得多帧图片之后,通过图片分析模型对每帧图片进行分析,可以获得每帧图片的属性信息。其中,所述属性信息可以包括人员数量、人员属性和监控时间,根据实际需要进行设置,本发明实施例不做限定。所述图片分分析模型是预设的,通过计算机视觉算法实现。其中,所述人员属性可以包括性别和年龄。
例如,对于图片中人员数量的检测,可以采用Faster RCNN、YOLO v4等算法实现;对于图片中人员属性的检测可以基于现有技术中的性别识别算法和年龄段估计算法实现;所述监控时间即所述值班视频监控装置获取当前图片的时间。
S104、根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果;其中,所述判断规则是预设的。
具体地,所述检测装置在获得每帧图片的属性信息之后,可以根据所述区域信息获取所述区域信息对应的判断规则,然后根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果。所述检测结果可以包括正常和异常,如果图片的属性信息满足对应的判断规则,那么所述检测结果为正常;如果所述图片的属性信息不满足对应的判断规则,那么所述检测结果为异常,即值班人员出现异常行为,可以将异常的检测结果通过手机短信或者***消息等方式发送给管理人员。其中,所述判断规则是预设的,与所述区域信息对应。可理解的是,监控不同目标区域的值班视频监控装置,对应的判断规则可以不同。
本发明实施例提供的值班人员的检测方法,能够获取值班视频监控装置的视频数据以及值班视频监控装置的区域信息,对视频数据进行视频解码并提取多帧图片,根据每帧图片以及图片分析模型,获得每帧图片的属性信息,根据每帧图片的属性信息以及区域信息对应的判断规则,获得每帧图片的检测结果,可以通过每帧图片的属性信息和对应的判断规则,快速获得每帧图片的检测结果,提高了对值班人员的检测效率。
在上述各实施例的基础上,进一步地,所述属性信息包括人员数量、人员属性和监控时间中的至少一个。
具体地,所述属性信息可以包括人员数量、人员属性和监控时间中的至少一个,即所述属性信息可以包括人员数量、人员属性或者监控时间,所述属性信息可以包括人员数量、人员属性和监控时间中的任意两个,所述属性信息可以包括人员数量、人员属性和监控时间。
在上述各实施例的基础上,进一步地,所述根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果包括:
根据所述图片的人员数量和监控时间以及在岗人数类判断子规则,确定值班人员是否存在人数异常;其中,所述判断规则包括在岗人数类判断子规则。
具体地,所述检测装置可以根据所述图片的人员数量和监控时间以及所述在岗人数类判断子规则,判断所述图片的人员数量是否满足在岗人数类判断子规则,如果所述图片的人员数量满足在岗人数类判断子规则,那么值班人员不存在人数异常,如果所述图片的人员数量不满足在岗人数类判断子规则,那么值班人员不存在人数异常。其中,所述在岗人数类判断子规则是预设的,根据实际情况进行设置,本发明实施例不做限定。
例如,对于某个值班岗位,在一天的不同时间段,对值班人数的要求不同。预设的在岗人数类判断子规则为在8:00-12:00之间,在岗人数为2人,在12:00-13:00之间,在岗人数为1人或者2人,在13:00-18:00之间,在岗人数为2人,在18:00-次日8:00之间,在岗人数为1人。所述检测装置根据所述图片的监控时间以及上述在岗人数类判断子规则的各个时间段,可以确定监控时间属于哪个时间段,将监控时间所属时间段的在岗人数,作为监控时间对应的在岗人数,然后将监控时间对应的在岗人数与所述图片的人员数量进行比较,如果监控时间对应的在岗人数与所述图片的人员数量一致,那么值班人员不存在人数异常,如果监控时间对应的在岗人数与所述图片的人员数量不一致,那么值班人员存在人数异常。
在上述各实施例的基础上,进一步地,所述根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果包括:
根据所述图片的人员属性以及人员属性类判断子规则,确定值班人员是否存在人员异常;其中,所述判断规则包括人员属性类判断子规则。
具体地,所述检测装置可以根据所述图片的人员属性以及人员属性类判断子规则,判断所述图片的人员属性是否满足人员属性类判断子规则,如果所述图片的人员属性满足所述人员属性类判断子规则,那么值班人员不存在人员异常,如果所述图片的人员属性不满足所述人员属性类判断子规则,那么值班人员存在人员异常。其中,所述人员属性类判断子规则是预设的,根据实际情况进行设置,本发明实施例不做限定。
例如,对于某个值班岗位,值班人员为50岁的男性。预设的人员属性类判断子规则为值班人员的性别为男性,年龄段为45-55岁。所述检测装置获取图片A的人员属性的性别和年龄,然后判断图片A的人员属性的性别与上述人员属性类判断子规则中的性别是否相同,并判断图片A的人员属性的年龄是否在上述人员属性类判断子规则中的年龄段的范围内,如果图片A的人员属性的性别与上述人员属性类判断子规则中的性别相同,并且图片A的人员属性的年龄在上述人员属性类判断子规则中的年龄段的范围内,那么图片A的人员属性满足上述人员属性类判断子规则,图片A中的值班人员不存在人员异常。如果图片A的人员属性的性别与上述人员属性类判断子规则中的性别不相同,或者图片A的人员属性的年龄不在上述人员属性类判断子规则中的年龄段的范围内,那么图片A的人员属性不满足上述人员属性类判断子规则,图片A中的值班人员存在人员异常。
在上述各实施例的基础上,进一步地,所述根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果包括:
根据所述图片的人员数量和监控时间以及巡查时间判断子规则,确定值班人员是否存在巡查异常;其中,所述判断规则包括所述巡查时间判断子规则。
具体地,所述检测装置根据所述图片的人员数量和监控时间以及所述巡查时间判断子规则,判断所述图片的人员数量和监控时间是否满足巡查时间判断子规则,如果所述图片的人员数量和监控时间满足所述巡查时间判断子规则,那么值班人员不存在巡查异常。如果所述图片的人员数量和监控时间不满足所述巡查时间判断子规则,那么值班人员存在巡查异常。
例如,某个值班岗位,要求值班人员定时对仓库进行巡查,在仓库的入口设置了值班视频监控装置。预设的巡查时间判断子规则为巡查时间段6:00-6:30,巡查人员1人;巡查时间段21:00-21:30,巡查人员1人;巡查时间段2:00-2:30,巡查人员1人。所述检测装置根据图片B的监控时间,确定图片B的监控时间是否在上述巡查时间判断子规则的巡查时间段内,如果监控时间在上述巡查时间段内,判断图片B的人员数量是否为1人,如果是1人,那么图片B的人员数量和监控时间满足所述巡查时间判断子规则,值班人员不存在巡查异常;如果监控时间在上述巡查时间段内,但图片B的人员数量为0人或者超过1人,那么图片B的人员数量和监控时间不满足所述巡查时间判断子规则,值班人员存在巡查异常。
可理解的是,所述区域信息对应的判断规则可以包括所述在岗人数类判断子规则、所述人员属性类判断子规则和所述巡查时间判断子规则中的一个或者多个,根据实际需要进行设置,本发明实施例不做限定。所述判断规则包括的任何一个子规则判断出异常,那么检测结果即为异常。所述判断规则包括的所有子规则都没有判断出异常,那么检测结果为正常。
图2是本发明另一实施例提供的值班人员的检测方法的流程示意图,如图2所示,在上述各实施例的基础上,进一步地,本发明实施例提供的值班人员的检测方法还包括:
S105、若获知所述图片的检测结果为异常,则根据所述判断规则对应的异常等级处理所述检测结果。
具体地,所述检测装置在获得所述图片的检测结果之后,获知所述图片的检测结果为异常,会根据所述判断规则对应的异常等级处理所述检测结果。其中,所述判断规则对应的异常等级是预设的。
例如,所述异常等级分为一般和严重,当检测结果为异常时,如果所述判断规则对应的异常等级为一般,那么所述检测装置可以将异常的检测结果发送给管理人员。当检测结果为异常时,所述判断规则对应的异常等级为严重,那么所述检测装置可以将异常的检测结果发送给管理人员同时触发告警装置发出声光报警信号。
例如,如果所述判断规则包括多个子规则,可以为每个子规则设置对应的异常等级,比如所述判断规则包括在岗人数类判断子规则和巡查时间判断子规则,可以设置在岗人数类判断子规则对应的异常等级为一般,设置巡查时间判断子规则对应的异常等级为严重。
图3是本发明一实施例提供的值班人员的检测***的结构示意图,如图3所示,本发明实施例提供的值班人员的检测***包括值班视频监控装置1、检测装置2、云端配置管理装置3和告警装置4,其中:
值班视频监控装置1与检测装置2通过局域网通信连接,检测装置2与云端配置管理装置3通过互联网或者专线通信连接,检测装置2与告警装置4通过本地局域网通信连接。
值班视频监控装置1用于对目标区域进行监控,获得所述目标区域的监控视频,具体部署位置根据实际需要进行设置,本发明实施例不做限定。检测装置2用于执行本发明实施例提供的值班人员的检测方法,检测装置2可以对值班视频监控装置1提供的视频数据进行实时检测,也可以对存储的视频数据进行检测,检测装置2可以部署在仓库、金库或者本地机房等,根据实际需要进行部署,本发明实施例不做限定。云端配置管理装置3用于管理图片分析模型以及判断规则,将图片分析模型以及判断规则下发到检测装置2。告警装置4用于根据检测装置2发送的告警指令发出声光报警信号,告警装置4的安装位置根据实际需要进行设置,本发明实施例不做限定。其中,云端配置管理装置3可以采用服务器实现。
图4是本发明一实施例提供的云端配置管理装置的结构示意图,如图4所示,本发明实施例提供的云端配置管理装置3可以包括主控模块31、判断规则管理模块32、图片分析模型管理模块33和通信模块34,其中:
主控模块31分别与判断规则管理模块32、图片分析模型管理模块33和通信模块34相连,通信模块34与检测装置2通信连接。
主控模块31用于发起云端配置管理装置3与检测装置2的数据传输。判断规则管理模块32用于定期获取检测装置2的判断规则的版本信息,然后同步最新的判断规则;管理人员可以基于值班信息通过判断规则管理模块32对判断规则进行增加、删除和修改。图片分析模型管理模块33用于定期获取检测装置2的图片分析模型的版本信息,然后同步最新的图片分析模型。通信模块34用于建立云端配置管理装置3与检测装置2的通信通道,对于判断规则的同步提供HTTPS传输通道,对于图片分析模型的同步提供SFTP传输通道。
图5是本发明一实施例提供的配置数据处理的流程示意图,如图5所示,云端配置管理装置3向检测装置2下发判断规则和图片分析模型的流程如下:
第一步、模块初始化。云端配置管理装置3的控制模块31进行初始化。
第二步、建立通信连接。云端配置管理装置3的通信模块34与检测装置2建立通信连接。
第三步、判断是否建立连接。通信模块34判断与检测装置2的通信连接是否成功建立,如果没有成功建立通信连接,那么进入到第四步。如果成功建立通信连接,那么进入到第五步。
第四步、重新连接。通信模块34在上传连接失败之后,等待预设时间重新与检测装置2建立连接。其中,所述预设时间根据实际需要进行设置,例如设置为5s,本发明实施例不做限定。
第五步、获取判断规则和模型版本信息。云端配置管理装置3的控制模块31定期通过通信模块34从检测装置2获取图片分析模型的版本信息和判断规则的版本信息。
第六步、判断规则是否为最新版。控制模块31将从检测装置2获取判断规则的版本信息与本地判断规则的版本信息进行比较,如果两个版本信息相同,那么判断规则是最新版本,回到第五步。如果两个版本信息不相同,说明需要对检测装置2的判断规则进行更新,进入到第七步。
第七步、建立HTTPS连接。通信模块34与检测装置2建立HTTPS连接。
第八步、推送最新判断规则。控制模块31向检测装置2推送最新的判断规则。
第九步、模型是否为最新版。控制模块31将从检测装置2获取图片分析模型的版本信息与本地图片分析模型的版本信息进行比较,如果两个版本信息相同,那么图片分析模型是最新版本,回到第五步。如果两个版本信息不相同,说明需要对检测装置2的图片分析模型进行更新,进入到第十步。
第十步、建立SFTP连接。通信模块34与检测装置2建立SFTP连接。
第十一步、推送最新模型。控制模块31向检测装置2推送最新的图片分析模型。
图6是本发明又一实施例提供的值班人员的检测方法的流程示意图,如图6所示,在上述各实施例的基础上,进一步地,本发明实施例提供的值班人员的检测方法的实现流程如下:
第一步、建立通信连接。检测装置通过局域网与值班视频监控装置建立通信连接。
第二步、获取视频数据。所述检测装置从所述值班视频监控装置实时获取视频数据,并且还可以获取到所述值班视频监控装置的区域信息。
第三步、进行视频解码。所述检测装置对视频数据进行解码。
第四步、提取图片。所述检测装置从解码后的视频数据提取图片,每秒钟提取1帧图片。
第五步、解析属性信息。所述检测装置通过图片分析模型对每帧图片进行解析,获得每帧图片的属性信息。
第六步、获得检测结果。所述检测装置获取所述区域信息对应的判断规则,根据每帧图片的属性信息以及上述判断规则,获得每帧图片的检测结果。
第七步、判断有无异常。所述检测装置在获得每帧图片的检测结果之后,如果所述检测结果为正常,那么进入到第十一步;如果所述检测结果为异常,那么进入到第八步。
第八步、判断异常等级。所述检测装置根据上述判断规则对应的异常等级,确定所述检测结果的异常等级。如果上述判断规则对应的异常等级为一般,那么进入到第九步;如果上述判断规则对应的异常等级为严重,那么进入到第十步。
第九步、发送提示信息。所述检测装置可以通过***信息、手机短信、企业微信等方式向管理人员提示值班人员出现一般异常,同时可以将检测结果登记到告警***。
第十步、发送提示信息且触发告警装置告警。所述检测装置可以通过***信息、手机短信、企业微信等方式向管理人员提示值班人员出现严重异常,并触发告警装置发出声光告警信号。
第十一步、判断是否继续检测。在第七步或者第十步结束之后,所述检测装置会判断是否需要继续检测,例如判断有没有收到停止检测指令,如果没有收到停止检测指令,那么就继续检测,回到第二步;如果接收到停止检测指令,那么会停止检测,流程结束。
本发明实施例提供的值班人员的检测方法,融合边缘计算、计算机视觉等技术,充分利用现有监控***的视频数据,检测值班人员行为是否符合规范并提供实时告警等功能。
首先,提高了安防监控的客观性,防止人为造假。通过实时判断值班人员行为,提供了一种对值班人员客观的监测手段,减少人为造假带来的安全风险。
其次,提高可安防监控的检测效率,降低人工成本。传统安防监控***,需要人工查看视频画面,判断值班人员是否有异常行为,该方式效率极低且容易漏检。本发明实施例提供的值班人员的检测方法通过计算机视觉技术,全自动实时通过视频数据分析和判断值班人员行为,大大降低人工监控成本。
再有,降低了数据传输成本及响应时间。基于边缘计算技术,在本地部署检测装置,视频数据无需发送到云端进行分析,在本地使用轻量级算法模型完成计算机视觉分析,得到告警信息后立即触发告警装置,无需由云端后台***触发,既降低数据传输成本,也提高告警响应时效。
图7是本发明一实施例提供的值班人员的检测装置的结构示意图,如图7所示,本发明实施例提供的值班人员的检测装置包括获取单元701、提取单元702、获得单元703和检测单元704,其中:
获取单元701用于获取值班视频监控装置的视频数据以及所述值班视频监控装置的区域信息;提取单元702用于对所述视频数据进行视频解码并提取多帧图片;获得单元703用于根据每帧图片以及图片分析模型,获得每帧图片的属性信息;其中,所述图片分析模型是预设的;检测单元704用于根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果;其中,所述判断规则是预设的。
具体地,值班视频监控装置会实时监控目标区域,并通过局域网将视频数据实时输出到监控中心显示和/或发送到数据库储存,获取单元701可以获取所述视频数据。每个值班视频监控装置可以根据监控的目标区域配置唯一的区域信息,所述区域信息可以采用编号、位置坐标或者名称,根据实际需要进行设置,本发明实施例不做限定。获取单元701可以获取到所述值班视频监控装置的区域信息。
在获得所述视频数据之后,提取单元702会对所述视频进行解码,并从解码后的视频数据中提取出多帧图片,例如每秒提取1帧图片,根据实际需要进行设置,本发明实施例不做限定。
在获得多帧图片之后,获得单元703通过图片分析模型对每帧图片进行分析,可以获得每帧图片的属性信息。其中,所述属性信息可以包括人员数量、人员属性和监控时间,根据实际需要进行设置,本发明实施例不做限定。所述图片分分析模型是预设的,通过计算机视觉算法实现。其中,所述人员属性可以包括性别和年龄。
在获得每帧图片的属性信息之后,检测单元704可以根据所述区域信息获取所述区域信息对应的判断规则,然后根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果。所述检测结果可以包括正常和异常,如果图片的属性信息满足对应的判断规则,那么所述检测结果为正常;如果所述图片的属性信息不满足对应的判断规则,那么所述检测结果为异常,即值班人员出现异常行为,可以将异常的检测结果通过手机短信或者***消息等方式发送给管理人员。其中,所述判断规则是预设的,与所述区域信息对应。可理解的是,监控不同目标区域的值班视频监控装置,对应的判断规则可以不同。
本发明实施例提供的值班人员的检测装置,能够获取值班视频监控装置的视频数据以及值班视频监控装置的区域信息,对视频数据进行视频解码并提取多帧图片,根据每帧图片以及图片分析模型,获得每帧图片的属性信息,根据每帧图片的属性信息以及区域信息对应的判断规则,获得每帧图片的检测结果,可以通过每帧图片的属性信息和对应的判断规则,快速获得每帧图片的检测结果,提高了对值班人员的检测效率。
在上述各实施例的基础上,进一步地,所述属性信息包括人员数量、人员属性和监控时间中的至少一个。
具体地,所述属性信息可以包括人员数量、人员属性和监控时间中的至少一个,即所述属性信息可以包括人员数量、人员属性或者监控时间,所述属性信息可以包括人员数量、人员属性和监控时间中的任意两个,所述属性信息可以包括人员数量、人员属性和监控时间。
在上述各实施例的基础上,进一步地,检测单元704具体用于:
根据所述图片的人员数量和监控时间以及在岗人数类判断子规则,确定值班人员是否存在人数异常;其中,所述判断规则包括所述在岗人数类判断子规则。
具体地,检测单元704可以根据所述图片的人员数量和监控时间以及所述在岗人数类判断子规则,判断所述图片的人员数量是否满足在岗人数类判断子规则,如果所述图片的人员数量满足在岗人数类判断子规则,那么值班人员不存在人数异常,如果所述图片的人员数量不满足在岗人数类判断子规则,那么值班人员不存在人数异常。其中,所述在岗人数类判断子规则是预设的,根据实际情况进行设置,本发明实施例不做限定。
在上述各实施例的基础上,进一步地,检测单元704具体用于:
根据所述图片的人员属性以及人员属性类判断子规则,确定值班人员是否存在人员异常;其中,所述判断规则包括所述人员属性类判断子规则。
具体地,检测单元704可以根据所述图片的人员属性以及人员属性类判断子规则,判断所述图片的人员属性是否满足人员属性类判断子规则,如果所述图片的人员属性满足所述人员属性类判断子规则,那么值班人员不存在人员异常,如果所述图片的人员属性不满足所述人员属性类判断子规则,那么值班人员存在人员异常。其中,所述人员属性类判断子规则是预设的,根据实际情况进行设置,本发明实施例不做限定。
在上述各实施例的基础上,进一步地,检测单元704具体用于:
根据所述图片的人员数量和监控时间以及巡查时间判断子规则,确定值班人员是否存在巡查异常;其中,所述判断规则包括所述巡查时间判断子规则。
具体地,检测单元704根据所述图片的人员数量和监控时间以及所述巡查时间判断子规则,判断所述图片的人员数量和监控时间是否满足巡查时间判断子规则,如果所述图片的人员数量和监控时间满足所述巡查时间判断子规则,那么值班人员不存在巡查异常。如果所述图片的人员数量和监控时间不满足所述巡查时间判断子规则,那么值班人员存在巡查异常。
图8是本发明另一实施例提供的值班人员的检测装置的结构示意图,如图8所示,在上述各实施例的基础上,进一步地,本发明实施例提供的值班人员的检测装置还包括:
处理单元705用于若获知所述图片的检测结果为异常,则根据所述判断规则对应的异常等级处理所述检测结果。
具体地,在获得所述图片的检测结果之后,处理单元705获知所述图片的检测结果为异常,会根据所述判断规则对应的异常等级处理所述检测结果。其中,所述判断规则对应的异常等级是预设的。
本发明实施例提供的装置的实施例具体可以用于执行上述各方法实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
图9是本发明一实施例提供的电子设备的实体结构示意图,如图9所示,该电子设备可以包括:处理器(processor)901、通信接口(Communications Interface)902、存储器(memory)903和通信总线904,其中,处理器901,通信接口902,存储器903通过通信总线904完成相互间的通信。处理器901可以调用存储器903中的逻辑指令,以执行如下方法:获取值班视频监控装置的视频数据以及所述值班视频监控装置的区域信息;对所述视频数据进行视频解码并提取多帧图片;根据每帧图片以及图片分析模型,获得每帧图片的属性信息;其中,所述图片分析模型是预设的;根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果;其中,所述判断规则是预设的。
此外,上述的存储器903中的逻辑指令可以通过软件功能单元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,本发明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)执行本发明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 Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取值班视频监控装置的视频数据以及所述值班视频监控装置的区域信息;对所述视频数据进行视频解码并提取多帧图片;根据每帧图片以及图片分析模型,获得每帧图片的属性信息;其中,所述图片分析模型是预设的;根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果;其中,所述判断规则是预设的。
本实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,所述计算机程序使所述计算机执行上述各方法实施例所提供的方法,例如包括:获取值班视频监控装置的视频数据以及所述值班视频监控装置的区域信息;对所述视频数据进行视频解码并提取多帧图片;根据每帧图片以及图片分析模型,获得每帧图片的属性信息;其中,所述图片分析模型是预设的;根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果;其中,所述判断规则是预设的。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明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。
本发明是参照根据本发明实施例的方法、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设备上,使得在计算机或其他可编程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。
在本说明书的描述中,参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (14)
1.一种值班人员的检测方法,其特征在于,包括:
获取值班视频监控装置的视频数据以及所述值班视频监控装置的区域信息;
对所述视频数据进行视频解码并提取多帧图片;
根据每帧图片以及图片分析模型,获得每帧图片的属性信息;其中,所述图片分析模型是预设的;
根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果;其中,所述判断规则是预设的。
2.根据权利要求1所述的方法,其特征在于,所述属性信息包括人员数量、人员属性和监控时间中的至少一个。
3.根据权利要求2所述的方法,其特征在于,所述根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果包括:
根据所述图片的人员数量和监控时间以及在岗人数类判断子规则,确定值班人员是否存在人数异常;其中,所述判断规则包括所述在岗人数类判断子规则。
4.根据权利要求2所述的方法,其特征在于,所述根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果包括:
根据所述图片的人员属性以及人员属性类判断子规则,确定值班人员是否存在人员异常;其中,所述判断规则包括所述人员属性类判断子规则。
5.根据权利要求2所述的方法,其特征在于,所述根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果包括:
根据所述图片的人员数量和监控时间以及巡查时间判断子规则,确定值班人员是否存在巡查异常;其中,所述判断规则包括所述巡查时间判断子规则。
6.根据权利要求1至5任一项所述的方法,其特征在于,还包括:
若获知所述图片的检测结果为异常,则根据所述判断规则对应的异常等级处理所述检测结果。
7.一种值班人员的检测装置,其特征在于,包括:
获取单元,用于获取值班视频监控装置的视频数据以及所述值班视频监控装置的区域信息;
提取单元,用于对所述视频数据进行视频解码并提取多帧图片;
获得单元,用于根据每帧图片以及图片分析模型,获得每帧图片的属性信息;其中,所述图片分析模型是预设的;
检测单元,用于根据每帧图片的属性信息以及所述区域信息对应的判断规则,获得每帧图片的检测结果;其中,所述判断规则是预设的。
8.根据权利要求7所述的装置,其特征在于,所述属性信息包括人员数量、人员属性和监控时间中的至少一个。
9.根据权利要求8所述的装置,其特征在于,所述检测单元具体用于:
根据所述图片的人员数量和监控时间以及在岗人数类判断子规则,确定值班人员是否存在人数异常;其中,所述判断规则包括所述在岗人数类判断子规则。
10.根据权利要求8所述的装置,其特征在于,所述检测单元具体用于:
根据所述图片的人员属性以及人员属性类判断子规则,确定值班人员是否存在人员异常;其中,所述判断规则包括所述人员属性类判断子规则。
11.根据权利要求8所述的装置,其特征在于,所述检测单元具体用于:
根据所述图片的人员数量和监控时间以及巡查时间判断子规则,确定值班人员是否存在巡查异常;其中,所述判断规则包括所述巡查时间判断子规则。
12.根据权利要求7至11任一项所述的装置,其特征在于,还包括:
处理单元,用于若获知所述图片的检测结果为异常,则根据所述判断规则对应的异常等级处理所述检测结果。
13.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任一项所述方法的步骤。
14.一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,所述计算机程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010524136.8A CN111698473A (zh) | 2020-06-10 | 2020-06-10 | 一种值班人员的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010524136.8A CN111698473A (zh) | 2020-06-10 | 2020-06-10 | 一种值班人员的检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111698473A true CN111698473A (zh) | 2020-09-22 |
Family
ID=72480101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010524136.8A Pending CN111698473A (zh) | 2020-06-10 | 2020-06-10 | 一种值班人员的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111698473A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112153341A (zh) * | 2020-09-24 | 2020-12-29 | 杭州海康威视数字技术股份有限公司 | 一种任务监督方法、装置、***、电子设备及存储介质 |
CN112541661A (zh) * | 2020-12-01 | 2021-03-23 | 中国工商银行股份有限公司 | 一种网点人员行为及环境规范检测方法和装置 |
CN112750222A (zh) * | 2020-12-29 | 2021-05-04 | 杭州拓深科技有限公司 | 一种基于智能算法的消防值班室人员在岗识别方法 |
CN112887678A (zh) * | 2021-01-28 | 2021-06-01 | 泰豪信息技术有限公司 | 一种监所值班人员监管方法、***、存储介质及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106454250A (zh) * | 2016-11-02 | 2017-02-22 | 北京弘恒科技有限公司 | 智能识别及预警处理的信息平台 |
US20180055376A1 (en) * | 2010-09-30 | 2018-03-01 | Fitbit, Inc. | Portable monitoring devices and methods of operating same |
CN109657564A (zh) * | 2018-11-28 | 2019-04-19 | 深圳市中电数通智慧安全科技股份有限公司 | 一种人员在岗检测方法、装置、存储介质及终端设备 |
CN110110575A (zh) * | 2018-02-01 | 2019-08-09 | 广州弘度信息科技有限公司 | 一种人员脱岗检测方法及装置 |
CN110123272A (zh) * | 2019-04-24 | 2019-08-16 | 佛山市宝瑞通光电科技有限公司 | 基于人体感知的人员监测方法及装置 |
CN110222640A (zh) * | 2019-06-05 | 2019-09-10 | 浙江大华技术股份有限公司 | 监控场所中嫌疑人的识别方法、装置、方法和存储介质 |
CN111178241A (zh) * | 2019-12-27 | 2020-05-19 | 航天信息股份有限公司 | 一种基于视频分析的智能监控***及方法 |
-
2020
- 2020-06-10 CN CN202010524136.8A patent/CN111698473A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180055376A1 (en) * | 2010-09-30 | 2018-03-01 | Fitbit, Inc. | Portable monitoring devices and methods of operating same |
CN106454250A (zh) * | 2016-11-02 | 2017-02-22 | 北京弘恒科技有限公司 | 智能识别及预警处理的信息平台 |
CN110110575A (zh) * | 2018-02-01 | 2019-08-09 | 广州弘度信息科技有限公司 | 一种人员脱岗检测方法及装置 |
CN109657564A (zh) * | 2018-11-28 | 2019-04-19 | 深圳市中电数通智慧安全科技股份有限公司 | 一种人员在岗检测方法、装置、存储介质及终端设备 |
CN110123272A (zh) * | 2019-04-24 | 2019-08-16 | 佛山市宝瑞通光电科技有限公司 | 基于人体感知的人员监测方法及装置 |
CN110222640A (zh) * | 2019-06-05 | 2019-09-10 | 浙江大华技术股份有限公司 | 监控场所中嫌疑人的识别方法、装置、方法和存储介质 |
CN111178241A (zh) * | 2019-12-27 | 2020-05-19 | 航天信息股份有限公司 | 一种基于视频分析的智能监控***及方法 |
Non-Patent Citations (1)
Title |
---|
李露: "《基于物联网技术的智慧照明LED设计与应用》", 31 January 2019 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112153341A (zh) * | 2020-09-24 | 2020-12-29 | 杭州海康威视数字技术股份有限公司 | 一种任务监督方法、装置、***、电子设备及存储介质 |
CN112541661A (zh) * | 2020-12-01 | 2021-03-23 | 中国工商银行股份有限公司 | 一种网点人员行为及环境规范检测方法和装置 |
CN112750222A (zh) * | 2020-12-29 | 2021-05-04 | 杭州拓深科技有限公司 | 一种基于智能算法的消防值班室人员在岗识别方法 |
CN112887678A (zh) * | 2021-01-28 | 2021-06-01 | 泰豪信息技术有限公司 | 一种监所值班人员监管方法、***、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111698473A (zh) | 一种值班人员的检测方法及装置 | |
CN109064698B (zh) | 居民安防预警方法和居民安防预警*** | |
US8368754B2 (en) | Video pattern recognition for automating emergency service incident awareness and response | |
CN110245630A (zh) | 监控数据处理方法、装置及可读存储介质 | |
CN109872482A (zh) | 智慧安防监管方法、***以及存储介质 | |
CN105847769A (zh) | 一种建筑现场行为分析***及分析方法 | |
CN104821060A (zh) | 一种抢劫预警方法及装置 | |
CN111178668A (zh) | 一种基于物联网的社区运营管理***及管理方法 | |
CN111507574B (zh) | 安保人员部署方法、装置、计算机设备和存储介质 | |
CN111191507A (zh) | 智慧社区的安全预警分析方法及*** | |
CN109861856A (zh) | ***故障信息的通知方法、装置、存储介质及计算机设备 | |
US10650651B1 (en) | Automated geospatial security event grouping | |
CN109889776A (zh) | 视频处理方法、装置、计算机装置及计算机可读存储介质 | |
CN115273369A (zh) | 智能家居安防监管装置及其监管方法 | |
CN112489393A (zh) | 一种安全生产管理方法、装置及*** | |
CN114173094A (zh) | 视频监控方法、装置、计算机设备和存储介质 | |
CN117579788B (zh) | 一种基于ai的加油站卸油监控方法、***和存储介质 | |
CN111310612A (zh) | 行为督导方法和装置 | |
CN113112744A (zh) | 安防管理方法及装置、电子设备、存储介质 | |
CN109460714A (zh) | 识别对象的方法、***和装置 | |
CN212933554U (zh) | 车间管控*** | |
CN115240277A (zh) | 安检行为的监控方法、装置、电子设备及存储介质 | |
GB2515070A (en) | Car park monitoring system and method | |
CN114281656A (zh) | 一种智能中控*** | |
CN112750274A (zh) | 一种基于面部特征识别的聚集预警***、方法及设备 |
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 |
Application publication date: 20200922 |
|
RJ01 | Rejection of invention patent application after publication |