CN112291520B - 异常事件识别方法、装置、存储介质及电子装置 - Google Patents
异常事件识别方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN112291520B CN112291520B CN202011158988.6A CN202011158988A CN112291520B CN 112291520 B CN112291520 B CN 112291520B CN 202011158988 A CN202011158988 A CN 202011158988A CN 112291520 B CN112291520 B CN 112291520B
- Authority
- CN
- China
- Prior art keywords
- target
- video stream
- detection
- determining
- acquiring
- 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.)
- Active
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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例提供了一种异常事件识别方法、装置、存储介质及电子装置,其中,该方法包括:获取目标检测设备所发送的检测信号,其中,检测信号用于指示目标检测设备检测到目标区域中出现目标对象;获取目标摄像设备采集的目标视频流,其中,目标摄像设备用于对目标区域中的图像进行拍摄以得到目标视频流;分析目标视频流,以识别目标区域中的异常事件。通过本发明,解决了相关技术中存在的异常事件识别资源利用不合理的问题,达到了充分利用异常事件识别资源效果。
Description
技术领域
本发明实施例涉及通信领域,具体而言,涉及一种异常事件识别方法、装置、存储介质及电子装置。
背景技术
在相关技术中,实时视频异常事件智能警戒***,是对几个相互独立的实时视频通道分别进行检测分析。利用视频通道中前后帧中目标的跟踪关系,来识别每个实时视频通道的图像画面是否有违反既定规则的异常事件。为了保证目标一出现就开始跟踪,现有的检测方法对于某个视频通道一直保持分析开启的状态。但是对于某些目标出现频率较低的视频通道而言,对资源是一种浪费。其中,相关技术中的异常事件识别流程图可参见附图1。
由此可知,相关技术中存在异常事件识别资源利用不合理的问题。
针对相关技术中存在的上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种异常事件识别方法、装置、存储介质及电子装置,以至少解决相关技术中存在的异常事件识别资源利用不合理的问题。
根据本发明的一个实施例,提供了一种异常事件识别方法,包括:获取目标检测设备所发送的检测信号,其中,所述检测信号用于指示所述目标检测设备检测到目标区域中出现目标对象;获取目标摄像设备采集的目标视频流,其中,所述目标摄像设备用于对所述目标区域中的图像进行拍摄以得到所述目标视频流;分析所述目标视频流,以识别所述目标区域中的异常事件。
根据本发明的另一个实施例,提供了一种异常事件识别装置,包括:第一获取模块,用于获取目标检测设备所发送的检测信号,其中,所述检测信号用于指示所述目标检测设备检测到目标区域中出现目标对象;第二获取模块,用于获取目标摄像设备采集的目标视频流,其中,所述目标摄像设备用于对所述目标区域中的图像进行拍摄以得到所述目标视频流;识别模块,用于分析所述目标视频流,以识别所述目标区域中的异常事件。
根据本发明的又一个实施例,还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中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述方法实施例中的步骤。
通过本发明,在获取目标检测设备所发送的用于指示目标检测设备检测到目标区域出现目标对象的检测信号后,获取目标摄像设备采集的目标视频流,并对目标视频流进行分析,以识别目标区域中的异常事件,由于是在检测设备检测到目标区域中出现目标对象后,再分析获取到的目标区域的目标视频流,充分利用异常事件识别资源,因此,可以解决相关技术中存在的异常事件识别资源利用不合理的问题,达到了充分利用异常事件识别资源效果。
附图说明
图1是本发明相关技术中的异常事件识别流程图;
图2是本发明实施例的一种异常事件识别方法的移动终端的硬件结构框图;
图3是根据本发明实施例的异常事件识别方法的流程图;
图4是根据本发明示例性实施例的确定目标检测设备与目标摄像设备的关联关系流程图;
图5是根据本发明具体实施方式的异常事件识别方法流程图;
图6是根据本发明具体实施例的异常事件识别方法对应的模块图;
图7是根据本发明实施例的异常事件识别装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图2是本发明实施例的一种异常事件识别方法的移动终端的硬件结构框图。如图2所示,移动终端可以包括一个或多个(图2中仅示出一个)处理器202(处理器202可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器204,其中,上述移动终端还可以包括用于通信功能的传输设备206以及输入输出设备208。本领域普通技术人员可以理解,图2所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。
存储器204可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的异常事件识别方法对应的计算机程序,处理器202通过运行存储在存储器204内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器204可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器204可进一步包括相对于处理器202远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备206用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输设备206包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备206可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种异常事件识别方法,图3是根据本发明实施例的异常事件识别方法的流程图,如图3所示,该流程包括如下步骤:
步骤S302,获取目标检测设备所发送的检测信号,其中,所述检测信号用于指示所述目标检测设备检测到目标区域中出现目标对象;
步骤S304,获取目标摄像设备采集的目标视频流,其中,所述目标摄像设备用于对所述目标区域中的图像进行拍摄以得到所述目标视频流;
步骤S306,分析所述目标视频流,以识别所述目标区域中的异常事件。
在上述实施例中,目标检测设备可以是传感器等,例如,用于检测门的开关状态的传感器、雷达传感器、红外线传感器、声音传感器、光敏传感器、烟雾传感器等,目标摄像设备可以是对目标区域进行拍摄的摄像设备,例如,监控摄像头等。目标对象可以是人、动物、物品、车辆等。
在上述实施例中,目标检测设备的检测信号可以指示目标区域中是否出现目标对象,即,可以根据检测信号的大小等判断目标区域是否存在目标对象,为了提高判断的准确性,可以对目标检测设备做滤抖处理。当目标检测设备为传感器时,可以针对不同的传感器,做不同的滤抖策略,例如,过滤抖动,阈值过滤等。当目标检测设备为声音传感器时,可以设置分贝阈值,当检测到的声音信号超过分贝阈值时,确定目标区域存在目标对象。当目标检测设备为光敏传感器时,可以设备光照强度阈值,当光照强度超过光照强度阈值时,确定目标区域存在目标对象。同理,还可以设置烟雾浓度阈值等。当目标检测设备为雷达传感器、红外线传感器等时,可以对信号进行抖动过滤,以提高判断目标对象存在的准确性。
示例性的,上述步骤的执行主体可以是异常行为检测***、处理器,或者其他的具备类似处理能力的设备,还可以是至少集成有音频获取设备以及数据处理设备的机器,其中,音频获取设备可以包括麦克风等音频采集模块,数据处理设备可以包括计算机、手机等终端,但不限于此。
在上述实施例中,假设当前的异常行为检测***有M路的实时视频检测能力,而接收到的待分析的N(N远大于M)路视频流中,同一时刻仅有Y(Y远小于N,Y小于等于M)路有目标对象出现,利用外部低成本传感器(对应于上述目标检测设备,例如,用于检测门的开关状态的传感器、雷达传感器、红外线传感器、声音传感器、光敏传感器、烟雾传感器等),当传感器感知到声音、移动物体时,开始对传感器所在视域的视频流进行前后帧跟踪关联的异常行为检测。从而实现仅有M路能力的情况下,同时对N(N远大于M)路视频进行实时检测。
通过本发明,在获取目标检测设备所发送的用于指示目标检测设备检测到目标区域出现目标对象的检测信号后,获取目标摄像设备采集的目标视频流,并对目标视频流进行分析,以识别目标区域中的异常事件,由于是在检测设备检测到目标区域中出现目标对象后,再分析获取到的目标区域的目标视频流,充分利用异常事件识别资源,因此,可以解决相关技术中存在的异常事件识别资源利用不合理的问题,达到了充分利用异常事件识别资源效果。
在一个示例性实施例中,获取目标摄像设备采集的目标视频流包括:基于预先确定的关联关系确定与所述目标检测设备关联的所述目标摄像设备,其中,所述关联关系用于记录检测设备和一个或多个摄像设备的关联关系;获取与所述目标检测设备关联的所述目标摄像设备所采集的所述目标视频流。在本实施例中,可以根据预先确定的关联关系确定与目标检测设备相关联的目标摄像设备,再获取目标摄像设备所采集的目标视频流。其中,关联关系可以是目标检测设备和目标摄像设备的对应关系,可以是一对一、一对多或多对多。当目标检测设备为传感器,目标摄像设备为摄像机时,关联关系可以为传感器和摄像机的对应关系,可以是一个传感器对应一个摄像机,也可以是一个传感器对应多个摄像机,还可以是多个传感器对应多个摄像机。
在一个示例性实施例中,在基于预先确定的关联关系确定与所述目标检测设备关联的所述目标摄像设备之前,所述方法还包括:通过以下方式至少之一确定所述关联关系:获取输入的所述关联关系;基于输入的设备分布图确定所述关联关系,其中,所述设备分布图中记录有检测设备和摄像设备的分布信息;存储所述关联关系。在本实施例中,目标检测设备和目标摄像设备之间的关联关系可以是用户输入的关联关系,即,在识别异常事件之前,用户将目标检测设备与目标摄像设备之间的关联关系设备完成后,将关联关系输入至检测***。目标检测设备和目标摄像设备之间的关联关系还可以是根据输入的设备分布图确定的,即,可以先获取目标检测设备和目标摄像设备的位置分布图,根据位置分布图确定目标检测设备和目标摄像设备之间的关联关系。
在一个示例性实施例中,存储所述关联关系包括:校验所述关联关系是否合法;在检验出所述关联关系合法的情况下,存储所述关联关系。在本实施例中,在确定目标检测设备和目标摄像设备的关联关系后,还可以检测关联关系是否合法,在确定关联关系合法的情况下,将关联关系进行存储。其中,检验关联关系的合法性包括检验摄像机ID合法性等。
在一个示例性实施例中,在校验所述关联关系是否合法之后,所述方法还包括:在校验出所述关联关系不合法的情况下,反馈第一告警信息。在本实施例中,在检验出目标检测设备和目标摄像设备的关联关系不合法时,反馈第一告警信息,以提示用户该关联关系不合法,对关联关系进行调整。其中,当目标检测设备为传感器、目标摄像设备为摄像机时,确定目标检测设备与目标摄像设备的关联关系流程图可参见附图4,如图4所示,该流程包括:
步骤S402,用户配置传感器和摄像机的关联关系;
步骤S404,判断关联关系是否合法,在判断结果为是时,执行步骤S406,在判断结果为否时,执行步骤S408。
步骤S406,将配置数据进行存储,即存储上述关联关系。
步骤S408,返回错误码给用户,即将第一告警信息返回给用户。
步骤S410,结束。
在一个示例性实施例中,获取目标摄像设备采集的目标视频流包括:从预先缓存的多路视频流中确定出与所述目标摄像设备所对应的视频流;将与所述目标摄像设备所对应的视频流中包括的处于目标时间段内的视频流确定为所述目标视频流。在本实施例中,在获取检测信号后,从预先缓存的多路视频中确定出与目标摄像设备对应的视频流,并将该视频流中处于目标时间段内的视频流确定为目标视频流。由于从目标检测设备发送检测信号到获取检测设备发送的检测信号之间,会存在一定的延迟,因此,可以将目标摄像设备采集的视频流进行缓存,弥补从目标对象真正出现到传感器信号(对应于上述检测信号)发送到切换模块之间的延迟,即目标时间段内的视频流可以包括获取到目标检测设备发送的检测信号之前一段时间内的视频帧,还可以包括获取到目标检测设备发送的检测信号之后一段时间内的视频帧。可以建立N路视频帧缓存队列进行存放,其中,缓存的缓存队列的大小取决于延迟的大小,当延迟大时,缓存队列的存储空间则较大,当延迟小时,缓存队列的存储空间则较小,其中,缓存队列的大小时可以自行设定,缓存队列可以用于缓存相同帧数的视频帧,由于不同摄像设备在相同时间内采集的视频帧数不同,因此,针对不同的摄像设备可以设置不同的目标时间段。
在一个示例性实施例中,分析所述目标视频流包括:判断所述目标视频流所对应的目标通道的状态;在确定所述目标通道处于空闲状态的情况下,将所述目标通道切换至视频分析模式。在本实施例中,在获取到检测信号后,可以判断与该检修信号所关联的摄像设备对应的通道是否处于分析状态。处于分析状态时,则丢弃检测信号。未处于分析状态时,对目标视频流所在通道切换至视频分析模式,识别目标视频流中的事件异常情况。在识别出异常事件后,可以发出告警信息,以提示用户发生异常,也可以将目标视频流以及目标视频流的标识信息进行保存,以方便调取异常事件。其中,目标视频流的标识信息可以包括异常事假的类型、目标摄像设备采集目标视频流的时间、地点等。其中,在对目标视频流进行分析时,可以对目标视频流进行解码,获得小间隔的YUV图片流,然后对图片流进行检测,确定异常事件。
在一个示例性实施例中,在分析所述目标视频流之前,所述方法还包括:获取处于所述视频分析模式的通道的第一数量以及所述目标视频流的第二数量;在所述第一数量小于第二数量的情况下,反馈第二告警信息。在本实施例中,在对目标视频流进行分析之前,还可以获取当前处于视频分析模式的通道的第一数量,目标视频流的第二数量,在第一数量大于或等于第二数量时,可以对目标视频流进行识别,当第一数量小于第二数量时,则发出告警信息,以提示用户当前没有空闲的视频分析通道。即,在对目标视频流进行分析之前,可以对处于视频分析模式的通道进行校验,保证同时可处于异常检测的视频流路数不大于M,当超出能力时抛出异常信息,其中,M为允许同时进行视频分析的通道的最大数量。
下面结合具体实施方式对异常事件识别方法进行说明:
图5是根据本发明具体实施方式的异常事件识别方法流程图,如图5所示,该流程包括:
步骤S502,外部传感器(对应于上述目标检测设备)采集检测信号。
步骤S504,接入传感器信号(对应于上述检测信号),并根据用户配置,进行通道关联。
步骤S506,判断是否有异常,当判断结果为是时,执行步骤S512,当判断结果为否时,执行步骤S518。
步骤S508,接入N路前端摄像机。
步骤S510,对N路视频流做缓冲处理。
步骤S512,把Y路有目标的视频流切换至视频分析状态。需要说明的是,在之前步骤S512之前,需要执行步骤S508-S510,即,步骤S508-S510与步骤S502-S506可以是并行的。
步骤S514,进行视频解码。
步骤S516,对解码后得到的YUV图片流进行异常检测。
步骤S518,结束。
图6是根据本发明具体实施例的异常事件识别方法对应的模块图,如图6所示,该模块包括:
用户端602,用户将传感器关联关系发送给可视化用户交互客户端604,其中,传感器关联关系可以包括传感器与摄像机的关联关系、类型、传感器的信号阈值等。当传感器的检测信号超过该阈值时,确定传感器所在区域出现目标对象。
可视化用户交互客户端604,用于接收用户端602发送的传感器关联关系,并将该信息发送给传感器关联模块。
传感器关联模块606,用于接收交互客户端604发送的传感器关联关系,对配置的关联关系进行存储,以及,接收外部传感器608发送的检测信息,并将目标通知(对应于上述检测信号)发送给视频缓冲切换模块610,即当收到传感器信号后,根据关联关系发送异常通知至视频切换模块610。
外部传感器608,用于检测信息,当确定目标区域存在目标对象时,将检测信号发送至传感器关联模块606。
视频缓冲切换模块610,用于接收摄像机612发送的实时视频,并在接收到目标通知时,将目标视频流发送至异常行为检测模块614。
摄像机612,用于实时采集视频。
异常行为检测模块614,用于接收目标视频流,并检测视频流是否存在异常,并将异常事件发送给可视化用户交互客户端604。
在前述实施例中,将传感器与视频流行为分析相结合,使用成本小的技术对大量分析需求做过滤,把有限资源让给性能占用高的技术上,实现远超当前硬件能力的分析通道数,大大降低成本。此外,使用视频缓冲和根据通知进行切换的方法,在优化性能的前提下,仍保证正常的异常事件检出率。
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根据上述实施例的方法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,但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,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的方法。
在本实施例中还提供了一种异常事件识别装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图7是根据本发明实施例的异常事件识别装置的结构框图,如图7所示,该装置包括:
第一获取模块72,用于获取目标检测设备所发送的检测信号,其中,所述检测信号用于指示所述目标检测设备检测到目标区域中出现目标对象;
第一获取模块74,用于获取目标摄像设备采集的目标视频流,其中,所述目标摄像设备用于对所述目标区域中的图像进行拍摄以得到所述目标视频流;
识别模块76,用于分析所述目标视频流,以识别所述目标区域中的异常事件。
其中,所述第一获取模块72对应于上述传感器关联模块,所述第二获取模块74对应于上述视频缓冲切换模块,所述识别模块76对应于上述异常行为检测模块。
在一个示例性实施例中,第二获取模块74可以通过如下方式实现获取目标摄像设备采集的目标视频流:基于预先确定的关联关系确定与所述目标检测设备关联的所述目标摄像设备,其中,所述关联关系用于记录检测设备和一个或多个摄像设备的关联关系;获取与所述目标检测设备关联的所述目标摄像设备所采集的所述目标视频流。
在一个示例性实施例中,所述装置可以用于在基于预先确定的关联关系确定与所述目标检测设备关联的所述目标摄像设备之前,通过以下方式至少之一确定所述关联关系:获取输入的所述关联关系;基于输入的设备分布图确定所述关联关系,其中,所述设备分布图中记录有检测设备和摄像设备的分布信息;存储所述关联关系。
在一个示例性实施例中,所述装置可以通过如下方式实现存储所述关联关系:校验所述关联关系是否合法;在检验出所述关联关系合法的情况下,存储所述关联关系。
在一个示例性实施例中,所述装置还可以用于在校验所述关联关系是否合法之后,在校验出所述关联关系不合法的情况下,反馈第一告警信息。
在一个示例性实施例中,所述第二获取模块74可以通过如下方式实现获取目标摄像设备采集的目标视频流:从预先缓存的多路视频流中确定出与所述目标摄像设备所对应的视频流;将与所述目标摄像设备所对应的视频流中包括的处于目标时间段内的视频流确定为所述目标视频流。
在一个示例性实施例中,所述识别模块76可以通过如下方式实现分析所述目标视频流:判断所述目标视频流所对应的目标通道的状态;在确定所述目标通道处于空闲状态的情况下,将所述目标通道切换至视频分析模式。
在一个示例性实施例中,所述装置还可以用于在分析所述目标视频流之前,获取处于所述视频分析模式的通道的第一数量以及所述目标视频流的第二数量;在所述第一数量小于第二数量的情况下,反馈第二告警信息。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种异常事件识别方法,其特征在于,包括:
获取目标检测设备所发送的检测信号,其中,所述检测信号用于指示所述目标检测设备检测到目标区域中出现目标对象;
获取目标摄像设备采集的目标视频流,其中,所述目标摄像设备用于对所述目标区域中的图像进行拍摄以得到所述目标视频流;
分析所述目标视频流,以识别所述目标区域中的异常事件;
获取目标摄像设备采集的目标视频流包括:从预先缓存的多路视频流中确定出与所述目标摄像设备所对应的视频流;将与所述目标摄像设备所对应的视频流中包括的处于目标时间段内的视频流确定为所述目标视频流,其中,所述多路视频流存储在缓存队列中,所述缓存队列的存储空间是通过如下方式确定的:确定所述目标检测设备发送所述检测信号到获取到所述目标检测设备发送的检测信号之间的延迟;基于所述延迟确定所述缓存队列的存储空间。
2.根据权利要求1所述的方法,其特征在于,获取目标摄像设备采集的目标视频流包括:
基于预先确定的关联关系确定与所述目标检测设备关联的所述目标摄像设备,其中,所述关联关系用于记录检测设备和一个或多个摄像设备的关联关系;
获取与所述目标检测设备关联的所述目标摄像设备所采集的所述目标视频流。
3.根据权利要求2所述的方法,其特征在于,在基于预先确定的关联关系确定与所述目标检测设备关联的所述目标摄像设备之前,所述方法还包括:
通过以下方式至少之一确定所述关联关系:获取输入的所述关联关系;基于输入的设备分布图确定所述关联关系,其中,所述设备分布图中记录有检测设备和摄像设备的分布信息;
存储所述关联关系。
4.根据权利要求3所述的方法,其特征在于,存储所述关联关系包括:
校验所述关联关系是否合法;
在检验出所述关联关系合法的情况下,存储所述关联关系。
5.根据权利要求4所述的方法,其特征在于,在校验所述关联关系是否合法之后,所述方法还包括:
在校验出所述关联关系不合法的情况下,反馈第一告警信息。
6.根据权利要求1所述的方法,其特征在于,分析所述目标视频流包括:
判断所述目标视频流所对应的目标通道的状态;
在确定所述目标通道处于空闲状态的情况下,将所述目标通道切换至视频分析模式。
7.根据权利要求1所述的方法,其特征在于,在分析所述目标视频流之前,所述方法还包括:
获取处于视频分析模式的通道的第一数量以及所述目标视频流的第二数量;
在所述第一数量小于第二数量的情况下,反馈第二告警信息。
8.一种异常事件识别装置,其特征在于,包括:
第一获取模块,用于获取目标检测设备所发送的检测信号,其中,所述检测信号用于指示所述目标检测设备检测到目标区域中出现目标对象;
第二获取模块,用于获取目标摄像设备采集的目标视频流,其中,所述目标摄像设备用于对所述目标区域中的图像进行拍摄以得到所述目标视频流;
识别模块,用于分析所述目标视频流,以识别所述目标区域中的异常事件;
所述第二获取模块通过如下方式实现获取目标摄像设备采集的目标视频流:从预先缓存的多路视频流中确定出与所述目标摄像设备所对应的视频流;将与所述目标摄像设备所对应的视频流中包括的处于目标时间段内的视频流确定为所述目标视频流,其中,所述多路视频流存储在缓存队列中,所述缓存队列的存储空间是通过如下方式确定的:确定所述目标检测设备发送所述检测信号到获取到所述目标检测设备发送的检测信号之间的延迟;基于所述延迟确定所述缓存队列的存储空间。
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中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至7任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011158988.6A CN112291520B (zh) | 2020-10-26 | 2020-10-26 | 异常事件识别方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011158988.6A CN112291520B (zh) | 2020-10-26 | 2020-10-26 | 异常事件识别方法、装置、存储介质及电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112291520A CN112291520A (zh) | 2021-01-29 |
CN112291520B true CN112291520B (zh) | 2022-12-06 |
Family
ID=74373182
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011158988.6A Active CN112291520B (zh) | 2020-10-26 | 2020-10-26 | 异常事件识别方法、装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112291520B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913663A (zh) * | 2021-02-08 | 2022-08-16 | 腾讯科技(深圳)有限公司 | 异常检测方法、装置、计算机设备和存储介质 |
CN113450125A (zh) * | 2021-07-06 | 2021-09-28 | 北京市商汤科技开发有限公司 | 可溯源生产数据的生成方法、装置、电子设备及存储介质 |
CN113762105A (zh) * | 2021-08-23 | 2021-12-07 | 浙江大华技术股份有限公司 | 监控视频智能分析方法、装置、电子装置和存储介质 |
CN113869201A (zh) * | 2021-09-27 | 2021-12-31 | 杭州海康威视***技术有限公司 | 一种图像识别方法及电子设备 |
CN113992893A (zh) * | 2021-10-26 | 2022-01-28 | 福建云知声智能科技有限公司 | 园区巡检方法、装置、存储介质及电子装置 |
CN114708542B (zh) * | 2022-06-06 | 2022-09-02 | 阿里巴巴达摩院(杭州)科技有限公司 | 图像处理方法、装置及计算机可读存储介质 |
CN115086621B (zh) * | 2022-08-22 | 2022-12-09 | 上海意静信息科技有限公司 | 一种消防异常信息确定方法、装置、设备及介质 |
CN117313019B (zh) * | 2023-11-29 | 2024-03-22 | 广州汇通国信科技有限公司 | 一种基于深度强化学习的数据异常检测方法 |
CN117649642B (zh) * | 2024-01-29 | 2024-04-05 | 深圳市瀚晖威视科技有限公司 | 基于多视频摄像头的异常行为分析方法及*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2407943B1 (en) * | 2010-07-16 | 2016-09-28 | Axis AB | Method for event initiated video capturing and a video camera for capture event initiated video |
AU2015249884B2 (en) * | 2014-04-21 | 2019-07-18 | Blast Motion Inc. | Motion event recognition and video synchronization system and method |
CN110062198B (zh) * | 2018-01-18 | 2022-04-05 | 杭州海康威视数字技术股份有限公司 | 一种监控取证方法、装置、***、电子设备及存储介质 |
CN110118973B (zh) * | 2019-05-27 | 2020-12-18 | 杭州亚美利嘉科技有限公司 | 仓库智能感知识别方法、装置及电子设备 |
CN111080963A (zh) * | 2019-12-18 | 2020-04-28 | 广州穗能通能源科技有限责任公司 | 施工现场告警方法、装置、计算机设备和存储介质 |
CN111260895A (zh) * | 2020-02-24 | 2020-06-09 | 上海明略人工智能(集团)有限公司 | 报警信息的发送方法及装置、存储介质和电子装置 |
-
2020
- 2020-10-26 CN CN202011158988.6A patent/CN112291520B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112291520A (zh) | 2021-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112291520B (zh) | 异常事件识别方法、装置、存储介质及电子装置 | |
US10691949B2 (en) | Action recognition in a video sequence | |
US20140043480A1 (en) | Video monitoring system and method | |
US11893796B2 (en) | Methods and systems for detection of anomalous motion in a video stream and for creating a video summary | |
KR101794005B1 (ko) | 네트워크 카메라 에러 검출 시스템 | |
CN110769175B (zh) | 一种智能分析***、方法及装置 | |
WO2021121264A1 (zh) | 抓拍图片的传输方法、装置、***、摄像机及存储设备 | |
CN110798653A (zh) | 一种基于多机协作的图像处理方法和视频监控*** | |
CN111770309B (zh) | 一种视频上传方法、装置、电子设备及存储介质 | |
CN111753743B (zh) | 一种基于网闸的人脸识别方法及*** | |
CN111628905B (zh) | 数据包的抓取方法、装置及设备 | |
CN110855947B (zh) | 一种图像抓拍处理方法及装置 | |
EP3629577B1 (en) | Data transmission method, camera and electronic device | |
CN109120896B (zh) | 安防视频监控卫士*** | |
CN114359828A (zh) | 目标行为的记录方法、装置、存储介质及电子装置 | |
CN113438286B (zh) | 信息推送方法及装置、电子设备和存储介质 | |
CN113762105A (zh) | 监控视频智能分析方法、装置、电子装置和存储介质 | |
CN114422776A (zh) | 摄像设备的检测方法及装置、存储介质、电子装置 | |
CN110139063B (zh) | 一种确定设备支持视频流路数的方法、装置及设备 | |
WO2013173994A1 (en) | Embedded system board, method, front device, backend server and system for video surveillance | |
KR102527133B1 (ko) | 영상 분석 대상 판별 서버 및 그 제어방법 | |
CN112017323B (zh) | 一种巡检报警方法、装置、可读存储介质及终端设备 | |
CN115941480A (zh) | 码流分析方法、装置、存储介质及电子装置 | |
CN116112531A (zh) | 数据汇集方法、装置、设备及介质 | |
CN117528022A (zh) | 告警事件的处理方法、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |