CN112333431A - 场景监测方法、装置、电子设备及存储介质 - Google Patents
场景监测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112333431A CN112333431A CN202011190695.6A CN202011190695A CN112333431A CN 112333431 A CN112333431 A CN 112333431A CN 202011190695 A CN202011190695 A CN 202011190695A CN 112333431 A CN112333431 A CN 112333431A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- people
- time period
- preset time
- event
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- 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
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种场景监测方法、装置、电子设备及存储介质,该方法包括:获取设置于至少一个监控点位的监控设备采集的监控视频;基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件;在所述至少一个监控点位对应的监测区域发生监测事件的情况下,获取预设时间段内与所述监测事件匹配的人数监测数据;基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据。
Description
技术领域
本公开涉及计算机视觉技术领域,具体而言,涉及一种场景监测方法、装置、电子设备及存储介质。
背景技术
随着人们生活水平的提高,越来越多的大型活动在各地、各场所内举办。由于举办大型活动时,人流较为密集,使得举办大型活动的地方、场所容易发生事故,比如,***件、拥堵事件等。故为了保证各地、各场所的安全程度,对人流的有效监测越来越重要。
发明内容
有鉴于此,本公开至少提供一种场景监测方法、装置、电子设备及存储介质。
第一方面,本公开提供了一种场景监测方法,包括:
获取设置于至少一个监控点位的监控设备采集的监控视频;
基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件;
在所述至少一个监控点位对应的监测区域发生监测事件的情况下,获取预设时间段内与所述监测事件匹配的人数监测数据;
基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据。
上述方法中,通过获取监控设备采集的监控视频,在基于采集的监控视频,检测到至少一个监控点位对应的监测区域发生监测事件时,获取预设时间段内与监测时间匹配的人数监测数据,并基于预设时间段内与监测事件匹配的人数监测数据,确定至少一个监控设备的人流状态数据,通过确定的人流状态数据表征监测事件的状态,实现对监控视频的监测,比如,人流状态数据可以为总进人流数量,在总进人流数量较大时,表征监测事件的发生较为频繁。
一种可能的实施方式中,在确定所述至少一个监控设备的人流状态数据之后,还包括:
在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息。
这里,在确定的人流状态数据满足告警条件时,生成人流状态告警信息,基于生成的人流状态告警信息,可以对目标监控区域进行调控,避免安全事故的发生,保证目标监控区域下人流的安全性。
一种可能的实施方式中,在所述监测事件为跨线事件的情况下,基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件,包括:
基于所述监控视频确定所述至少一个监控点位对应的监测区域内,是否存在跨越与预先绘制的进出界线匹配的目标位置的目标对象;
若存在,则确定所述至少一个监控点位对应的监测区域发生跨线事件。
上述实施方式中,在基于监控视频确定至少一个监控点位对应的监测区域内,存在跨越与进出界线匹配的目标位置的目标对象时,确定至少一个监控点位对应的监测区域发生跨线事件,实现了对跨线事件的实时监测,提高跨线事件监测的准确性。
一种可能的实施方式中,在所述监测事件为跨线事件的情况下,获取预设时间段内与所述监测事件匹配的人数监测数据,包括:
获取预设时间段内不同采集时间点的进人流数量和出人流数量,其中,所述不同采集时间点的进人流数量是指在不同采集时间点,沿预先绘制的进方向跨越预先绘制的进出界线的人数;所述不同采集时间点的出人流数量是指在不同采集时间点,沿预先绘制的出方向跨越预先绘制的进出界线的人数。
上述方法中,在监测事件为跨线事件时,可以获取预设时间段内不同采集时间点的进人流数量和出人流数量,为后续确定跨线事件对应的人流状态数据提供了数据支持。
一种可能的实施方式中,在所述监控点位为一个的情况下,基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据,包括:
基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定所述监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量;
在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息,包括:
在确定所述预设时间段内的总进人流数量大于设置的第一人流阈值,和/或在确定所述预设时间段内的总出人流数量大于设置的第二人流阈值的情况下,生成人流状态告警信息。
这里,在监控点位为一个时,基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量。在预设时间段内的总进人流数量大于设置的第一人流阈值,和/或在预设时间段内的总出人流数量大于设置的第二人流阈值的情况下,生成人流状态告警信息,实现了对该监控视频的进人流数量和出人流数量的预警,以便基于生成的人流状态告警信息进行人流的疏导,避免短时间内进人流数量较多,或者出人流数量较多造成的安全事故的发生。
一种可能的实施方式中,在所述监控点位为一个的情况下,基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据,包括:
基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定所述监控点位对应的监测区域中的进人流速度和出人流速度。
上述方法中,可以基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定监控点位对应的监测区域中的进人流速度和出人流速度,实现对进人流速度和出人流速度的监测,避免进人流速度较大,或者出人流速度较大造成的安全事故的发生。
一种可能的实施方式中,在所述监控点位为多个的情况下,基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据,包括:
针对每个所述监控点位,基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定所述监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量;
基于所述预设时间段内目标监控区域的历史人数,以及多个所述监控点位分别对应的所述预设时间段内的总进人流数量和总出人流数量,确定所述目标监控区域内的人员净存量;
在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息,包括:
在确定所述目标监控区域内的人员净存量大于设置的净存量阈值的情况下,生成人流状态告警信息。
这里,在确定每个监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量之后,可以基于预设时间段内目标监控区域的历史人数,以及多个监控点位分别对应的预设时间段内的总进人流数量和总出人流数量,确定目标监控区域内的人员净存量,并在目标监控区域内的人员净存量大于设置的净存量阈值的情况下,生成人流状态告警信息,实现了对目标监控区域中的人员净存量的预警,以便在人员净存量较多时,基于生成的人流状态告警信息进行人员的疏导,避免目标监控区域中人员较多时造成安全事故的发生。
一种可能的实施方式中,在所述监测事件为过密事件的情况下,基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件,包括:
基于所述监控视频,确定所述至少一个监控点位对应的监测区域内的目标对象个数是否超过过密阈值;
若是,则确定所述至少一个监控点位对应的监测区域发生过密事件。
上述方法中,在基于监控视频,确定至少一个监控点位对应的监测区域内的目标对象个数超过过密阈值时,确定至少一个监控点位对应的监测区域发生过密事件,实现了对过密事件的实时监测,提高过密事件监测的准确性。
一种可能的实施方式中,在所述监测事件为过密事件的情况下,获取预设时间段内与所述监测事件匹配的人数监测数据,包括:
统计预设时间段内不同采集时间点的所述目标对象的个数。
上述方法中,在监测事件为过密事件时,可以统计预设时间段内不同采集时间点的所述目标对象的个数,为后续确定过密事件对应的人流状态数据提供了数据支持。
一种可能的实施方式中,在所述监控点位为一个的情况下,基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据,包括:
基于预设时间段内不同采集时间点的所述目标对象的个数,确定所述监控点位对应的监测区域在所述预设时间段内的平均人数;
在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息,包括:
在确定所述监控点位对应的监测区域在所述预设时间段内的平均人数大于设置的第一人数阈值的情况下,生成人流状态告警信息。
上述方法中,在监控点位为一个时,基于预设时间段内不同采集时间点的目标对象的个数,确定监控点位对应的监测区域在预设时间段内的平均人数;并在监控点位对应的监测区域在预设时间段内的平均人数大于设置的第一人数阈值的情况下,生成人流状态告警信息,实现了对该监控视频的检测区域中的平均人数的监控,以便基于生成的人流状态告警信息对检测区域进行人流疏导,避免检测区域内的人员较为密集时,造成的安全事故的发生。
一种可能的实施方式中,在所述监控点位为多个的情况下,基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据,包括:
针对每个所述监控点位,基于预设时间段内不同采集时间点的所述目标对象的个数,确定所述监控点位对应的监测区域在所述预设时间段内的平均人数;
基于多个所述监控点位分别对应的所述平均人数,确定目标监控区域中的总实时人数;
在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息,包括:
在确定所述目标监控区域中的总实时人数大于设置的第二人数阈值的情况下,生成人流状态告警信息。
上述方法中,在确定了每个监控点位对应的监测区域在预设时间段内的平均人数之后,可以基于多个所述监控点位分别对应的平均人数,确定目标监控区域中的总实时人数;并在确定目标监控区域中的总实时人数大于设置的第二人数阈值的情况下,生成人流状态告警信息,实现了对目标监控区域中的总实时人数的预警,以便在总实时人数较多时,基于生成的人流状态告警信息对目标监控区域中的人员进行疏导,避免目标监控区域中总实时人数较多时造成安全事故的发生。
一种可能的实施方式中,所述方法还包括:
将最近多个历史日期内同一采集时间点的人流状态数据求平均,得到每个采集时间点对应的预测人流状态数据;
各个采集时间点分别对应的预测人流状态数据,构成人流状态数据在未来日期内的预测数据;其中,所述预测数据用于生成人流疏导计划。
以下装置、电子设备等的效果描述参见上述方法的说明,这里不再赘述。
第二方面,本公开提供了一种场景监测装置,包括:
第一获取模块,用于获取设置于至少一个监控点位的监控设备采集的监控视频;
检测模块,用于基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件;
第二获取模块,用于在所述至少一个监控点位对应的监测区域发生监测事件的情况下,获取预设时间段内与所述监测事件匹配的人数监测数据;
确定模块,用于基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据。
第三方面,本公开提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述第一方面或任一实施方式所述的场景监测方法的步骤。
第四方面,本公开提供一种计算机可读存储介质,该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运行时执行如上述第一方面或任一实施方式所述的场景监测方法的步骤。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本公开实施例所提供的一种场景监测方法的流程示意图;
图2a示出了本公开实施例所提供的一种展示绘制有监测标识的视频画面截图的界面示意图的界面示意图;
图2b示出了本公开实施例所提供的一种展示绘制有监测标识的视频画面截图的界面示意图的界面示意图;
图3示出了本公开实施例所提供的一种展示人流状态告警的详细信息的界面示意图;
图4a示出了本公开实施例所提供的一种展示人流状态告警的详细信息的界面示意图;
图4b示出了本公开实施例所提供的另一种展示人流状态告警的详细信息的界面示意图;
图4c示出了本公开实施例所提供的一种展示告警详情的界面示意图;
图5示出了本公开实施例所提供的一种展示人流状态告警的详细信息的界面示意图;
图6a示出了本公开实施例所提供的一种展示人流状态告警的详细信息的界面示意图;
图6b示出了本公开实施例所提供的一种展示告警详情的界面示意图;
图7示出了本公开实施例所提供的一种场景监测装置的架构示意图;
图8示出了本公开实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开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公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
随着人们生活水平的提高,越来越多的大型活动在各地、各场所内举办。由于举办大型活动时,人流较为密集,使得举办大型活动的地方、场所容易发生事故,比如,***件、拥堵事件等。故为了保证各地、各场所的安全程度,对人流的有效监测越来越重要。为了解决上述问题,提高地方、场所的安全度,本公开实施例提供了一种场景监测方法、装置、电子设备及存储介质。
为便于对本公开实施例进行理解,首先对本公开实施例所公开的一种场景检测方法进行详细介绍。本公开实施例所提供的场景监测方法的执行主体一般为具有一定计算能力的计算机设备,该计算机设备例如包括:终端设备或服务器或其它处理设备,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该场景监测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
参见图1所示,为本公开实施例所提供的一种场景监测方法的流程示意图,该方法包括S101-S104,具体的:
S101,获取设置于至少一个监控点位的监控设备采集的监控视频。
S102,基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件。
S103,在所述至少一个监控点位对应的监测区域发生监测事件的情况下,获取预设时间段内与所述监测事件匹配的人数监测数据。
S104,基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据。
上述方法中,通过获取监控设备采集的监控视频,在基于采集的监控视频,检测到至少一个监控点位对应的监测区域发生监测事件时,获取预设时间段内与监测时间匹配的人数监测数据,并基于预设时间段内与监测事件匹配的人数监测数据,确定至少一个监控设备的人流状态数据,通过确定的人流状态数据表征监测事件的状态,实现对监控视频的监测,比如,人流状态数据可以为总进人流数量,在总进人流数量较大时,表征监测事件的发生较为频繁。
下述对S101-S104进行具体说明。
针对S101:
具体实施时,可以使用该方法对目标监控区域进行检测,该目标监控区域可以为现实场景中的任一区域,比如,该目标监控区域可以为商场、沙滩、公园、地铁站等。
示例性的,可以在目标监控区域处设置多个监控点位,在每个监控点位处安装一个监控设备,以便监控设备可以对对应的监测区域进行监测,实现对目标监控区域的监测。其中,监控点位的设置可以根据实际需要进行确定,比如,在目标监控区域为商场时,可以在商场的每个门处设置一个监控点位、和/或在每个电梯口处设置一个监控点位等。
具体实施时,监控设备可以为监控摄像头等设备。通过在每个监控点位处设置一个监控设备,通过监控设备采集对应监测区域内的监控视频,以便可以获取每个监控设备采集的监控视频,即获取设置于至少一个监控点位的监控设备采集的监控视频。
针对S102:
这里,可以针对每个监控设备采集的监控视频,基于该监控视频,确定该监控点位对应的监测区域是否发生监测事件,进而可以确定至少一个监控点位中每个监控点位对应的监测区域是否发生监测事件。其中,监测事件可以包括过密事件和/或跨线事件;过密事件是指区域内的人数密度大于设置的值,即区域内的人员密度较大;跨线是指区域内有行人跨越了设置的基准线。
结合具体的场景对跨线事件和过密事件进行说明,比如,针对跨线事件,在地铁站内,可以在站台上,距离地铁预设距离(例如1米)的位置处设置一条基准线,监测是否有人跨越该基准线(即是否有人跨越基准线进入地铁或出地铁),若是,则发生了跨越事件。比如,针对过密事件,在沙滩上,可以设置一个目标监控区域,在该目标监控区域内的人数大于设置的人数值时,确定发生了过密事件。
在另一可选实施方式中,还可以针对每个监控视频,设置功能按钮,通过功能按钮的触发,确定对监控点位的监测区域进行监测事件的监测。比如,可以设置跨线事件对应的第一功能按钮(针对单个监控视频进行跨线事件的监测),在监控视频A对应的第一功能按钮被触发后,则确定对监控视频A进行跨线事件的监测;或者,还可以设置跨线事件对应的第二功能按钮(针对监控视频组进行跨线事件的监测),在监控视频A、监控视频B等构成的监控视频组A对应的第二功能按钮被触发后,则确定对该监控视频组A进行跨线事件监测。
再比如,还可以设置过密事件对应的第三功能按钮(针对单个监控视频进行过密事件的监测),在监控视频A对应的第三功能按钮被触发后,则确定对监控视频A进行过密事件的监测;或者,还可以设置过密事件对应的第四功能按钮(针对监控视频组进行过密事件的监测),在监控视频A、监控视频B等构成的监控视频组A对应的第四功能按钮被触发后,则确定对该监控视频组A进行过密事件监测。
在具体实施时,在基于监控视频,确定至少一个监控点位对应的监测区域是否发生监测事件之前,可以绘制该监控视频对应的监测标识。针对跨线事件,该监测标识可以为预先绘制的进出界线、进方向和出方向;针对过密事件,该监测标识可以为预先绘制的任一多边形,或者,针对过密事件,可以不设置对应的监测标识。其中,不同监控视频对应的监测标识不同,即可以针对每个监控视频,为该监控视频绘制对应的监测标识(跨线事件对应的监测标识和/或过密事件对应的监测标识)。
具体实施时,针对每个监控视频,可以从该监控视频中采集一帧视频画面截图,展示该视频画面截图,使得用户可以根据实际需要在视频画面截图上绘制监测标识。再可以通过获取预先绘制有监测标识的视频画面截图,确定视频画面截图中的监测标识在视频画面截图中的位置信息,其中,该位置信息可以为监测标识在视频画面截图对应的像素坐标系下的坐标集合,比如,可以为进出界线的位置信息等。进而,可以在该监控视频的视频画面中确定与监测标识匹配的目标位置信息。其中,在监控设备的位置、朝向等安装信息不发生改变时,监测标识在视频画面截图中的位置信息,可以为监测标识在监控视频的视频画面中的目标位置信息。进而,可以基于针对该监控设备采集的监控视频和确定的目标位置信息,确定该监控点位对应的监测区域是否发生监测事件。
示例性的,在监测标识包括跨线事件对应的监测标识时,参见图2a所示的一种展示绘制有监测标识的视频画面截图的界面示意图,该图2a中包括预先绘制的监测标识21,监测标识包括绘制的进出界线和指示进出方向的箭头标识。在绘制监测标识时,还可以在显示的界面上设置入人流阈值(即第一人流阈值)和/或出人流阈值(即第二人流阈值),以便基于设置的入人流阈值和/或出人流阈值,对监控视频进行监测。该图中还包括位于视频画面截图上方的越线事件设置的提示信息,以便用户根据显示的越线事件设置的提示信息,绘制监测标识。在绘制监测标识时,还可以触发“重新绘制”的按钮,将已绘制的监测标识删除,重新绘制新的监测标识。
在监测标识包括过密事件的监测标识时,参见图2b所示的一种绘制有监测标识的视频画面截图的界面示意图,该图中包括预先绘制的监测标识21,监测标识包括指示检测区域的多边形,其中,检测区域的数量可以为多个。在绘制监测标识时,还可以在显示的界面上设置分级预警人数,即一般风险对应的预警人数、较大风险对应的预警人数、和重大风险对应的预警人数,以便基于设置的分级预警人数,对监控视频进行监测。该图中还包括位于视频画面截图上方的过密事件设置的提示信息,以便用户根据显示的越线事件设置的提示信息,绘制指示检测区域的监测标识。在绘制监测标识时,还可以触发“重新绘制”的按钮,将已绘制的监测标识删除,重新绘制新的监测标识。在绘制了监控视频对应的监测标识后,可以将绘制的监测标识存储在复用区域内,以便下次确定监测标识时,可以直接触发复用区域的功能按钮,实现监测标识的再次利用。
图2b中的人体标注的功能按钮,用于展示人体标注的设置信息。考虑到,监控视频画面中人体的面积大小、与监控设备的高度和角度有关,且同一人体与监控设备的距离不同,在监控视频画面中的面积大小不同,即与监控设备的距离较近时,人体的面积较大,故人体标注是跨线事件、过密事件的基础设置。
具体的,可以在视频画面截图中,从位于不同深度位置处标记多个行人的人体框,估计每个行人的人体框的面积和所处的深度信息;便于算法(比如,用于识别人体的图像识别算法)利用人体标注结果,对不同情况下的不同监控设备进行人体识别,提高识别精度,其中,人体框越多,精度越高,具体实施时,标记的行人框的数量可以根据需要进行设置,比如,可以设置标记的行人框的数量范围为3-10个。进而可以利用多个行人的人体框的面积以及每个行人所处的深度信息,对监控视频中每秒视频画面的检测区域中包括的实时人数进行检测。
在过密事件中,当绘制了检测区域(监测标识)后,可以基于人体标注中标记的人体样本,计算出绘制区域在现实场景中的预测面积,并在图2b下方的“区域面积预估”处显示预测面积,并可以在后续的点位过密告警、视频组过密告警等中,计算出检测区域内的人员密度。以及,该图2b中还包括“更正面积”的功能按钮,可以在触发了“更正面积”的功能按钮后,对区域面积预估处显示的预测面积进行更正。
一种可选实施方式中,在监测事件为跨线事件的情况下,基于监控视频确定至少一个监控点位对应的监测区域是否发生监测事件,包括:
基于所述监控视频确定所述至少一个监控点位对应的监测区域内,是否存在跨越与预先绘制的进出界线匹配的目标位置的目标对象;
若存在,则确定所述至少一个监控点位对应的监测区域发生跨线事件。
在监测事件为跨线事件时,针对每个监控点位采集的监控视频,可以基于监控视频,确定该监控点位对应的监测区域内,是否存在跨越与进出界线匹配的目标位置的目标对象,比如在监控视频中检测是否有行人跨越了绘制的进出界线,若存在,则确定该监控点位对应的监测区域发生跨线事件;若不存在,则确定该监控点位对应的监测区域未发生跨线事件。
其中,监控点位对应的监测区域可以为该监控点位处设置的监控设备可以监控的检测区域;监控点位对应的监测区域与监控设备的安装位置、安装角度有关,不同的安装位置和/安装角度对应不同的监测区域。
上述实施方式中,在基于监控视频确定至少一个监控点位对应的监测区域内,存在跨越与进出界线匹配的目标位置的目标对象时,确定至少一个监控点位对应的监测区域发生跨线事件,实现了对跨线事件的实时监测,提高跨线事件监测的准确性。
一种可选实施方式中,在监测事件为过密事件的情况下,基于监控视频确定至少一个监控点位对应的监测区域是否发生监测事件,包括:
基于所述监控视频,确定所述至少一个监控点位对应的监测区域内的目标对象个数是否超过过密阈值;
若是,则确定所述至少一个监控点位对应的监测区域发生过密事件。
在监测事件为过密事件时,针对每个监控点位采集的监控视频,可以基于监控视频,确定该监控点位对应的监测区域内目标对象的数量是否超过过密阈值,比如在监控视频中确定监测区域内的人类数量,判断该人类数量是否大于社会组的过密阈值,若是,则确定该监控点位对应的监测区域发生过密事件;若否,则确定该监控点位对应的监测区域未发生过密事件。这里,在监测事件为过密事件时,监控点位对应的监测区域可以为与绘制的多边形匹配的检测区域;在未绘制监测标识时,则监控点位对应的监测区域为该监控点位处设置的监控设备可以监控的检测区域(即监控视频的监控界面对应的区域均为监测区域)。
上述方法中,在基于监控视频,确定至少一个监控点位对应的监测区域内的目标对象个数超过过密阈值时,确定至少一个监控点位对应的监测区域发生过密事件,实现了对过密事件的实时监测,提高过密事件监测的准确性。
针对S103和S104:
这里,在确定至少一个监控点位对应的监测区域发生监测事件时,可以获取预设时间段内与监测事件匹配的人数监测数据;人数监测数据包括跨线事件对应的人数监测数据和/或过密事件对应的人数监测数据。进而,基于预设时间段内与监测事件匹配的人数监测数据,确定至少一个监控设备的人流状态数据;人流状态数据包括跨线事件对应的人流状态数据和/或过密事件对应的人流状态数据。其中,预设时间段可以根据需要进行设置,比如,预设时间段可以为在确定发生监测事件的时刻开始至一个小时后的时间段,若确定发生监测事件的时刻为13时10分00秒,则预设时间段为从13时10分00秒至14时10分00秒内的时间段。比如,预设时间段可以为在确定发生监测事件的时刻开始至一分钟后的时间段,若确定发生监测事件的时刻为13时10分00秒,则预设时间段为从13时10分00秒至13时11分00秒内的时间段。
针对跨线事件,可以获取预设时间段内与跨线事件匹配的人数监测数据;并基于预设时间段内与跨线事件匹配的人数监测数据,确定至少一个监控设备的、与跨线事件匹配的人流状态数据。
针对过密事件,可以获取预设时间段内与过密事件匹配的人数监测数据;并基于预设时间段内与过密事件匹配的人数监测数据,确定至少一个监控设备的、与过密事件匹配的人流状态数据。
一种可选实施方式中,在确定至少一个监控设备的人流状态数据之后,还包括:在确定至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息。
这里,判断至少一个监控设备的人流状态数据是否满足告警条件,若满足,则生成人流状态告警信息,以便用户可以基于人流状态告警信息,生成疏导计划,避免目标监控区域发***、拥堵等事件。
这里,在确定的人流状态数据满足告警条件时,生成人流状态告警信息,基于生成的人流状态告警信息,可以对目标监控区域进行调控,避免安全事故的发生,保证目标监控区域下人流的安全性。
下述分别对跨线事件的告警过程和过密事件的告警过程进行详细说明。
首先对跨线事件的告警过程进行说明。
在监测事件为跨线事件的情况下,获取预设时间段内与监测事件匹配的人数监测数据,包括:
获取预设时间段内不同采集时间点的进人流数量和出人流数量,其中,所述不同采集时间点的进人流数量是指在不同采集时间点,沿预先绘制的进方向跨越预先绘制的进出界线的人数;所述不同采集时间点的出人流数量是指在不同采集时间点,沿预先绘制的出方向跨越预先绘制的进出界线的人数。
这里,跨线事件对应的监测标识中可以包括预先设置的进出界线和进出方向(进方向和/或出方向,出方向为进方向的反方向),进出界线可以将监控视频对应的监测区域划分为进区域和出区域,进出方向中的进方向可以为从出区域进入进区域的方向,进出方向中的出方向可以为从进区域进入出区域的方向。
进而可以基于设置的进出界线、进出方向和监控视频,确定监控视频中预设时间段内每个采集时间点的进人流数量(即入人流数量)和出人流数量,不同采集时间点的进人流数量是指在不同采集时间点,沿进方向跨越进出界线的人数;不同采集时间点的出人流数量是指在不同采集时间点,沿出方向跨越进出界线的人数。
示例性的,可以利用训练好的目标追踪算法,基于设置的监测标识对监控视频进行检测,在预设时间段内,每间隔预设时间输出一次检测结果,预设时间段内的多次检测结果可以为预设时间段内不同采集时间点的进人流数量和出人流数量,每个检测结果关联有输出时间(该输出时间为采集时间点),进而可以获取预设时间段内不同采集时间点的进人流数量和出人流数量。
上述方法中,在监测事件为跨线事件时,可以获取预设时间段内不同采集时间点的进人流数量和出人流数量,为后续确定跨线事件对应的人流状态数据提供了数据支持。
一种可选实施方式中,在监控点位为一个的情况下,基于预设时间段内与监测事件匹配的人数监测数据,确定至少一个监控设备的人流状态数据,包括:基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定所述监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量。
在确定至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息,包括:在确定预设时间段内的总进人流数量大于设置的第一人流阈值,和/或在确定预设时间段内的总出人流数量大于设置的第二人流阈值的情况下,生成人流状态告警信息。
在获取了预设时间段内与监测事件(跨线事件)匹配的人数监测数据之后,即针对跨线事件,在获取了预设时间段内不同采集时间点的进人流数量和出人流数量之后,可以基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定该监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量。
承接上述实施例继续说明,训练好的目标追踪算法可以每3秒输出一次检测结果(每3秒确定一个采集时间点),该检测结果可以为该3秒内的进人流数量和出人流数量,例如,检测结果可以为:08时10分01秒-08时10分03秒(包括10分01秒和10分03秒)之间的进人流数量为20、出人流数量为50,关联的输出时间(采集时间点)为08时10分03秒;进而可以得到预设时间段内的多次检测结果,即得到预设时间段内不同采集时间点的进人流数量和出人流数量。
在得到了预设时间段内不同采集时间点的进人流数量和出人流数量之后,可以将不同采集时间点的进人流数量进行相加,得到预设时间段内的总进人流数量;以及可以将不同采集时间点的出人流数量进行相加,得到预设时间段内的总出人流数量。
这里,第一人流阈值、第二人流阈值为预先设置的,第一人流阈值和第二人流阈值可以根据实际需要进行设置。在得到预设时间段内的总进人流数量和总出人流数量之后,可以判断该预设时间段内的总进人流数量是否大于设置的第一人流阈值,和/或,判断该预设时间段内的总出人流数量是否大于设置的第二人流阈值。
在判断该预设时间段内的总进人流数量是否大于设置的第一人流阈值,以及判断该预设时间段内的总出人流数量是否大于设置的第二人流阈值的情况下,若预设时间段内的总进人流数量大于设置的第一人流阈值,和/或,若在预设时间段内的总出人流数量大于设置的第二人流阈值时,生成人流状态告警信息。生成的人流状态告警信息可以为文字、语音、视频等格式的信息,比如,生成的人流状态告警信息可以为“注意,进人流数量较大”。这种情况下,人流状态告警信息的告警事件类型为:点位越线告警。
进一步的,可以在触发生成的人流状态告警信息之后,可以显示该人流状态告警的详细信息,详细信息包括但不限于告警点位(即告警的监控设备的名称等)、告警时间、告警事件类型,在告警事件类型为点位越线告警时,详细信息还包括该单位时间内的进人流数量、出人流数量等。
这里,在监控点位为一个时,基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量。在预设时间段内的总进人流数量大于设置的第一人流阈值,和/或在预设时间段内的总出人流数量大于设置的第二人流阈值的情况下,生成人流状态告警信息,实现了对该监控视频的进人流数量和出人流数量的预警,以便基于生成的人流状态告警信息进行人流的疏导,避免短时间内进人流数量较多,或者出人流数量较多造成的安全事故的发生。
一种可选实施方式中,在监控点位为一个的情况下,基于预设时间段内与监测事件匹配的人数监测数据,确定至少一个监控设备的人流状态数据,包括:基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定监控点位对应的监测区域中的进人流速度和出人流速度。
这里,还可以基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定监控点位对应的监测区域中的进人流速度和出人流速度。
具体实施时,在得到了预设时间段内不同采集时间点的进人流数量和出人流数量之后,可以对多次检测结果按照输出时间(采集时间点)进行归类、并整合,得到单位时间内(比如一分钟)的进人流数量和出人流数量,进而可以得到进人流速度和出人流速度。
比如,可以将输出时间为08时10分00秒至08时11分00秒(不包括08时10分00秒、包括08时11分00秒)之内的输出结果进行归类并整合,即将输出时间为08时10分03秒、08时10分06秒、……、08时10分57秒、08时11分00秒得到的输出结果划分为一类,并将该类内的检测结果进行整合,得到08时10分00秒-08时11分00秒之间的1分钟内(单位时间内)的进人流数量和出人流数量,即得到了08时10分对应的进人流速度(单位:人/分)和出人流速度(单位:人/分)。
上述方法中,可以基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定监控点位对应的监测区域中的进人流速度和出人流速度,实现对进人流速度和出人流速度的监测,避免进人流速度较大,或者出人流速度较大造成的安全事故的发生。
参见图3所示的一种展示人流状态告警的详细信息的界面示意图,该图中包括告警详情、当天跨线事件时段统计,告警详情包括告警点位、事件类型、告警时间、持续时长(跨线事件持续的时间)、入流峰值、出流峰值等,当前跨线事件时段统计包括从当天的零点至统计的当前时间之间的越线事件告警。该图中还包括视频画面截图,该视频画面截图上显示有当前时刻对应的出人流信息(出人流数量和出人流速度)和入人流信息(入人流数量和入人流速度);视频画面截图下方显示有多帧告警图片,其中,告警图片的数量与告警的持续时长相关,比如,跨线事件的持续时长为17分钟时,可以每间隔一分钟提取一帧告警图片,作为告警记录,即可以在视频画面截图下方显示17帧告警图片。
在具体实施时,还可以将监控设备的名称、安装位置、采集的监控视频等点位信息、以及单位时间内的出人流数量、进人流数量等信息持久化存储在搜索服务器(比如,elasticsearch)中,以便后续搜索查询。
一种可选实施方式中,在监控点位为多个的情况下,基于预设时间段内与监测事件匹配的人数监测数据,确定至少一个监控设备的人流状态数据,包括:
步骤一、针对每个所述监控点位,基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量。
步骤二、基于预设时间段内目标监控区域的历史人数,以及多个监控点位分别对应的预设时间段内的总进人流数量和总出人流数量,确定目标监控区域内的人员净存量。
在确定至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息,包括:在确定目标监控区域内的人员净存量大于设置的净存量阈值的情况下,生成人流状态告警信息。
这里,考虑到一个场地或场所可能设置多个监控设备,故可以对多个监控设备分别采集的监控视频进行人流分析,得到多个监控视频的人流状态数据。其中,多个监控设备分别采集的监控视频构成了视频组,即可以对视频组进行人流分析,得到该视频组对应的人流状态数据。在具体实施时,可以通过触发展示界面上设置的视频组对应的跨线事件的开启按钮,开启视频组内每个监控视频的跨线分析功能。同时,还可以在展示界面上设置人流总存量分级预警的具体信息,比如,填写存量趋多对应的一级预警人数、存量警示对应的二级预警人数、和存量过热对应的三级预警人数。
步骤一中,针对每个监控点位,在获取了该监控点位对应的预设时间段内不同采集时间点的进人流数量和出人流数量之后,可以将不同采集时间点的进人流数量相加,得到该监控点位对应的预设时间段内的总进人流数量;以及可以将不同采集时间点的出人流数量相加,得到该监控点位对应的预设时间段内的总出人流数量。进而可以得到各个监控点位分别对应的预设时间段内的总进人流数量和总出人流数量。
比如,可以得到每个监控设备对应的08时11分00秒的时间点至08时12分00秒的时间点内的总进人流数量和总出人流数量,08时11分00秒的时间点至08时12分00秒的时间点之间的时间段即为预设时间段。
进而,基于预设时间段内目标监控区域的历史人数,以及多个监控点位分别对应的预设时间段内的总进人流数量和总出人流数量,确定目标监控区域内的人员净存量。比如,针对视频组内的每个监控视频,可以将该监控视频分别对应的预设时间段的总进人流数量与总出人流数量相减,得到该监控视频在该预设时间段内的人流变化量,将各个监控视频分别对应的预设时间段内的人流变化量相加,得到视频组对应的总人流变化量(即视频组对应的场地或场所对应的总人流变化量),再将视频组对应的总人流变化量与预设时间段内目标监控区域的历史人数相加,得到目标监控区域内的人员净存量(即得到视频组对应的场地或场所对应的当前时间点的当前人数)。
比如,预设时间段可以为08时11分00秒的时间点至08时12分00秒的时间点之间的时间段,再可以得到08时11分00秒的时间点对应的当前人数(即预设时间段内目标监控区域的历史人数),并可以得到视频组内每个监控视频对应的08时11分00秒至08时12分00秒(预设时间段)内的总进人流数量和总出人流数量,在基于预设时间段内目标监控区域的历史人数(即得到的08时11分00秒的时间点的人员净存量)、以及视频组内每个监控视频对应的08时11分00秒至08时12分00秒内的总进人流数量和总出人流数量,确定目标监控区域中08时12分00秒的人员净存量。
在得到目标监控区域内的人员净存量之后,可以对目标监控区域内的人员净存量进行监测,在监测到目标监控区域内的人员净存量大于预先设置的净存量阈值的时,生成人流状态告警信息。比如,生成的人流状态告警信息可以为“注意,当前时间xx场地人员净存量较多”。这种情况下,人流状态告警信息的告警事件类型为:视频组跨线告警。
具体实施时,针对视频组跨线告警,可以设置多级告警风险,比如,多级告警风险包括:存量趋多、存量警示、存量过热,针对不同的告风险设置不同的净存量阈值,例如,存量趋多对应的净存量阈值可以为100,存量警示对应的净存量阈值可以为200,存量过热对应的净存量阈值可以为500。针对不同的告警风险,可以设置不同的人流状态告警信息。比如,存量趋多对应的人流状态告警信息可以为:文字格式的告警信息;存量警示对应的人流状态告警信息可以为:语音格式的告警信息;存量过热对应的人流状态告警信息可以为:视频格式的告警信息。
进一步的,可以在触发生成的人流状态告警信息之后,可以显示该人流状态告警的详细信息,详细信息包括但不限于告警点位(即告警的监控设备的名称等)、告警时间、告警事件类型,在告警时间类型为视频组跨线告警时,详细信息还可以包括:当前时间点的人员净存量。
这里,在确定每个监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量之后,可以基于预设时间段内目标监控区域的历史人数,以及多个监控点位分别对应的预设时间段内的总进人流数量和总出人流数量,确定目标监控区域内的人员净存量,并在目标监控区域内的人员净存量大于设置的净存量阈值的情况下,生成人流状态告警信息,实现了对目标监控区域中的人员净存量的预警,以便在人员净存量较多时,基于生成的人流状态告警信息进行人员的疏导,避免目标监控区域中人员较多时造成安全事故的发生。
参见图4a所示的一种展示人流状态告警的详细信息的界面示意图,图4a中以地图模式展示了人流状态告警的详细信息;以及参见图4b所示的另一种展示人流状态告警的详细信息的界面示意图,图4b中以列表模式展示了人流状态告警的详细信息,其中,图4b中展示的列表中包括过密事件和越线事件。具体的,在触发图4a中显示的越线事件的信息之后,或者,在触发图4b中显示的越线事件的信息之后,可以展示图4c中显示的告警详情,图4c中显示的告警详情包括分组名称(即视频组对应的名称)、事件类型、告警时间、持续时长、人流总存量峰值、当天人流总存量统计。
其次,可以对过密事件的告警过程进行详细说明。
一种可选实施方式中,在监测事件为过密事件的情况下,获取预设时间段内与监测事件匹配的人数监测数据,包括:统计预设时间段内不同采集时间点的目标对象的个数。
这里,在监控视频中存在过密事件对应的监测标识时,可以基于过密事件对应的监测标识和监控视频,对监测标识对应的检测区域中的目标对象(人类)进行检测,得到各个采集时间点时检测区域内的目标对象的数量。在监控视频中不存在过密时间对应的监测标识时,则认为监控视频的整个监控画面均为检测区域,可以对监控视频进行检测,得到各个采集时间点时检测区域中的目标对象的数量。
具体实施时,可以利用训练好的用于识别目标对象的深度学习算法,对监控视频中的检测区域进行检测,实时的输出检测结果,检测结果可以为监控视频中每个采集时间点时检测区域内的人数。其中,深度学习算法可以周期性的输出检测结果,比如,深度学习算法可以每秒输出一次检测结果,或者,还可以每两秒输出一次检测结果等。比如,检测结果可以为:08时10分00秒(采集时间点)时检测区域内的人数为50;08时10分01秒时检测区域内的人数为54等。
进而可以统计预设时间段内不同采集时间点的目标对象的个数,比如,预设时间段为08时10分00秒至08时11分00秒,将预设时间点内的每秒时间点作为一次采集时间点,即可以统计08时10分00秒(采集时间点1)的目标对象的个数、08时10分01秒(采集时间点2)的目标对象的个数、…、08时10分59秒(采集时间点60)的目标对象的个数等。
上述方法中,在监测事件为过密事件时,可以统计预设时间段内不同采集时间点的所述目标对象的个数,为后续确定过密事件对应的人流状态数据提供了数据支持。
一种可选实施方式中,在监控点位为一个的情况下,基于预设时间段内与监测事件匹配的人数监测数据,确定至少一个监控设备的人流状态数据,包括:基于预设时间段内不同采集时间点的目标对象的个数,确定监控点位对应的监测区域在预设时间段内的平均人数。
在确定至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息,包括:在确定监控点位对应的监测区域在预设时间段内的平均人数大于设置的第一人数阈值的情况下,生成人流状态告警信息。
这里,可以将预设时间段内不同采集时间点的目标对象的个数求平均,得到监控点位对应的监测区域在预设时间段内的平均人数。并将该预设时间段内的平均人数进行监测,在该平均人数大于设置的第一人数阈值时,生成人流状态告警信息。其中,预设时间段的长度可以根据需要进行设置,比如,预设时间段的长度可以为5秒、10秒、60秒、5分钟等。跨线事件对应的预设时间段与过密事件对应的预设时间段的长度可以相同,也可以不同。
比如,预设时间段内不同采集时间点的所述目标对象的个数包括:08时10分01秒时目标对象的个数为50、08时10分02秒时目标对象的个数为53、08时10分03秒时目标对象的个数为52、08时10分04秒时目标对象的个数为51、08时10分05秒时目标对象的个数为54,则可以将5次检测结果取平均值,得到平均值为52,确定08时10分01秒至08时10分05秒内,监控点位对应的监测区域的平均人数为52。
进而,可以对该监控点位对应的监测区域在预设时间段内的平均人数进行监测,在该平均人数大于设置的第一人数阈值时,生成人流状态告警信息。比如,生成的人流状态告警信息可以为“注意,当前时间xx区域人数较多”。这种情况下,人流状态告警信息的告警事件类型为:点位过密告警。
进一步的,可以在触发生成的人流状态告警信息之后,可以显示该人流状态告警的详细信息,详细信息包括但不限于告警点位(即告警的监控设备的名称等)、告警时间、告警事件类型,在告警事件类型为点位过密告警时,详细信息还可以包括:当前时间点的检测区域内的实时人数。
参见图5所示的一种展示人流状态告警的详细信息的界面示意图,该图中包括告警详情、当天过密事件时段统计,告警详情包括告警点位、事件类型、告警时间、过密时长、人数峰值、密度峰值等,当前过密事件时段统计包括从当天的零点至统计的当前时间之间的过密事件告警。该图中还包括视频画面截图,以及在视频画面截图下方显示有多帧告警图片,其中,告警图片的数量与过密事件的持续时长相关,比如,过密事件的持续时长为17分钟时,可以每间隔一分钟提取一帧告警图片,作为告警记录,即可以在视频画面截图下方显示17帧告警图片。
在具体实施时,还可以将监控设备的名称、安装位置、采集的监控视频等点位信息、以及该监控设备每分钟内的实时人数、实时人数的最大值、实时人数的最小值等信息持久化关联存储在搜索服务器(比如,elasticsearch)中,以便后续搜索查询。
上述方法中,在监控点位为一个时,基于预设时间段内不同采集时间点的目标对象的个数,确定监控点位对应的监测区域在预设时间段内的平均人数;并在监控点位对应的监测区域在预设时间段内的平均人数大于设置的第一人数阈值的情况下,生成人流状态告警信息,实现了对该监控视频的检测区域中的平均人数的监控,以便基于生成的人流状态告警信息对检测区域进行人流疏导,避免检测区域内的人员较为密集时,造成的安全事故的发生。
一种可选实施方式中,在监控点位为多个的情况下,基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据,包括:
步骤一、针对每个监控点位,基于预设时间段内不同采集时间点的所述目标对象的个数,确定所述监控点位对应的监测区域在所述预设时间段内的平均人数。
步骤二、基于多个所述监控点位分别对应的所述平均人数,确定目标监控区域中的总实时人数。
在确定至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息,包括:在确定目标监控区域中的总实时人数大于设置的第二人数阈值的情况下,生成人流状态告警信息。
这里,针对每个监控点位,可以基于预设时间段内不同采集时间点的目标对象的个数,确定该监控点位对应的监测区域在预设时间段内的平均人数;再可以将多个监控点位分别对应的平均人数相加,确定目标监控区域中的总实时人数。
在确定了目标监控区域中的总实时人数之后,可以对该总实时人数进行监测,在确定目标监控区域中的总实时人数大于设置的第二人数阈值时,生成人流状态告警信息。
在具体实施时,可以通过触发展示界面上设置的视频组对应的过密事件的开启按钮,开启视频组内每个监控视频的人流过密分析功能。同时,还可以在展示界面上设置实时总人数分级预警的具体信息,比如,填写一般风险对应的一级预警人数、较大风险对应的二级预警人数、和重大风险对应的三级预警人数。
这里,在监控设备包括多个时,多个监控设备分别采集的监控视频构成了视频组。针对每个监控设备采集的监控视频(即针对视频组内的每个监控视频),可以利用训练好的用于识别目标对象的深度学***均人数。
在得到视频组内每个监控视频对应的平均人数之后,可以将视频组内包括的各个监控视频对应的平均人数相加,确定目标监控区域中的总实时人数。进而可以对目标监控区域中的总实时人数进行监测,在目标监控区域中的总实时人数大于设置的第二人数阈值的情况下,生成人流状态告警信息。比如,生成的人流状态告警信息可以为“注意,当前时间xx场景总人数较多”。这种情况下,人流状态告警信息的告警事件类型为:视频组过密告警。
具体实施时,针对视频组过密告警,可以设置多级告警风险,比如,多级告警风险包括:一级风险、较大风险、重大风险,针对不同的告警风险设置不同的第二人数阈值,例如,一级风险对应的第二人数阈值可以为100,二级风险对应的第二人数阈值可以为200,重大风险对应的第二人数阈值可以为500。针对不同的告警风险,可以设置不同的人流状态告警信息。比如,一级风险对应的人流状态告警信息可以为:文字格式的告警信息;二级风险对应的人流状态告警信息可以为:语音格式的告警信息;三级风险对应的人流状态告警信息可以为:视频格式的告警信息。
进一步的,可以在触发生成的人流状态告警信息之后,可以显示该人流状态告警的详细信息,详细信息包括但不限于告警点位(即告警的监控设备的名称等)、告警时间、告警事件类型,在告警事件类型为视频组过密告警时,详细信息还可以包括:现实场景的总实时人数。
参见图6a所示的一种展示人流状态告警的详细信息的界面示意图,图6a中以地图模式展示了人流状态告警的详细信息;以及参见图4b所示的另一种展示人流状态告警的详细信息的界面示意图,图4b中以列表模式展示了人流状态告警的详细信息,其中,图4b中展示的列表中包括过密事件和越线事件。具体的,在触发图6a中显示的过密事件的信息之后,或者,在触发图4b中显示的过密事件的信息之后,可以展示图6b中显示的告警详情,图6b中显示的告警详情包括分组名称(即视频组对应的名称)、事件类型、告警时间、持续时长、人数峰值、密度峰值、当天实时总人数统计、视频源统计。
这里,在基于至少一个监控设备采集的监控视频,以及预先绘制的与视频画面中的目标位置匹配的监测标识,确定现实场景中的人流状态数据之后,还可以生成人流状态数据随着时间的变化示意图,以便对当天的人流状态数据进行直观展示。具体的,人流状态数据随时间的变化示意图包括实时总人数随时间的第一变化示意图,第一变化示意图中包括人数峰值随时间的变化关系、和人数谷值随时间的变化关系;和/或,人流总存量随时间的第二变化示意图;第二变化示意图中包括出总人流随时间的变化关系、入总人流随时间的变化关系、和人流总存量随时间的变化关系。其中,第一变化图、第二变化图设置的时间间隔可以为5分钟、10分钟、30分钟、1小时等。
上述方法中,在确定了每个监控点位对应的监测区域在预设时间段内的平均人数之后,可以基于多个所述监控点位分别对应的平均人数,确定目标监控区域中的总实时人数;并在确定目标监控区域中的总实时人数大于设置的第二人数阈值的情况下,生成人流状态告警信息,实现了对目标监控区域中的总实时人数的预警,以便在总实时人数较多时,基于生成的人流状态告警信息对目标监控区域中的人员进行疏导,避免目标监控区域中总实时人数较多时造成安全事故的发生。
一种可选实施方式,所述方法还包括:将最近多个历史日期内同一采集时间点的人流状态数据求平均,得到每个采集时间点对应的预测人流状态数据;各个采集时间点分别对应的预测人流状态数据,构成人流状态数据在未来日期内的预测数据;其中,预测数据用于生成人流疏导计划。
这里,多个历史周期可以根据需要进行设置,比如,多个历史周期可以为最近7天(一个历史周期对应一天)内的人流状态数据,即在10月8日00点00分时,可以获取10月1日至10月7日(7个历史周期)的人流状态数据,将最近7个历史日期内同一采集时间点的人流状态数据求平均,得到每个采集时间点对应的预测人流状态数据;各个采集时间点分别对应的预测人流状态数据,构成人流状态数据在未来日期内的预测数据。
比如,生成总进人流数量在未来日期(未来一天)内的预测数据、生成总出人流数量在未来日期(未来一天)内的预测数据、和生成人员净存量在未来日期(未来一天)内的预测数据。
进而可以基于人流状态数据在未来日期内的预测数据,生成人流疏导计划,比如,若在预测数据中可知,15点时总实时人数最多,则可以在15点时控制进入目标监控区域的人流数量。
在实际的应用场景中,该方法可以应用于商场、大厅等场景中。下述以商场为例分别对一个监控视频的越线事件和视频组的越线事件进行说明,假设商场有两个门,则可以在每个门口位置处(监控点位)设置一个监控设备,即监控设备一(监控点位一处设置的监控设备一)采集大门A的监控视频,监控设备二(监控点位二处设置的监控设备二)采集大门B的监控视频,该监控设备一、监控设备二可以对该进出该门的行人进行监测。
具体实施时,可以获取监控设备一采集的监控视频一,以及获取监控设备二采集的监控视频二。针对监控视频一,在监控视频一的视频画面截图上绘制进出界线和进出方向,确定监控视频一中监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量;进而在预设时间段内的总进人流数量大于设置的第一人流阈值,和/或预设时间段内的总出人流数量大于设置的第二人流阈值的情况下,生成人流状态告警信息。以及针对监控视频二,在监控视频二的视频画面截图上设置进出界线和进出方向,确定监控视频二中监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量。进而在预设时间段内的总进人流数量大于设置的第一人流阈值,和/或在预设时间段内的总出人流数量大于设置的第二人流阈值的情况下,生成人流状态告警信息。
同时,监控视频一和监控视频二构成了视频组,可以对视频组进行分析,确定监控设备一和监控设备二对应的目标监控区域中的人流状态数据。具体实施时,针对监控视频一,确定监控点位一对应的监测区域中预设时间段内的总进人流数量和总出人流数量;针对监控视频二,确定监控点位二对应的监测区域中预设时间段内的总进人流数量和总出人流数量。进而,基于预设时间段内目标监控区域的历史人数,以及多个监控点位分别对应的预设时间段内的总进人流数量和总出人流数量,确定目标监控区域内的人员净存量。即确定了该商场内的人员净存量。在人员净存量大于设置的净存量阈值的情况下,生成人流状态告警信息,以便在接收到人流状态告警信息之后,可以对商场中的行人进行调控,避免拥堵事件的发生。
下述以大厅为例分别对一个监控视频的过密事件和视频组的过密事件进行说明。假设在大厅的四个角落(四个监控点位)分别设置有监控设备,即在四个监控设备对大厅的四个检测区域进行检测,四个监控设备中各个监控设备采集的监控视频构成了视频组。
具体实施时,针对视频组中的每个监控视频,基于预设时间段内不同采集时间点的目标对象的个数,确定监控点位对应的监测区域在预设时间段内的平均人数,在该监控视频对应的平均人数大于设置的第一人数阈值时,生成该监控视频对应的人流状态告警信息。即实现了针对视频组中每个监控视频的过密事件监测。
同时,可以在视频画面截图上绘制监测标识,即监测标识对应的区域为检测区域;也可以不在视频画面截图上绘制监测标识,即监控视频不存在对应的基准面标识,此时,默认整个视频画面均为检测区域。
同时,可以对视频组进行过密事件监测,确定视频组对应的目标监控区域中的总实时人数。具体实施时,针对视频组内的每个监控视频,确定监控点位对应的监测区域在预设时间段内的平均人数;并基于四个监控点位分别对应的平均人数,确定目标监控区域中的总实时人数。即确定了该大厅内的多个检测区域的总实时人数。在目标监控区域中的总实时人数大于设置的第二人数阈值的情况下,生成人流状态告警信息,以便在接收到人流状态告警信息之后,可以对大厅中的密集区域进行疏导,避免人员密集造成的事故发生。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于相同的构思,本公开实施例还提供了一种场景监测装置,参见图7所示,为本公开实施例提供的场景监测装置的架构示意图,包括第一获取模块701、检测模块702、第二获取模块703、确定模块704,具体的:
第一获取模块701,用于获取设置于至少一个监控点位的监控设备采集的监控视频;
检测模块702,用于基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件;
第二获取模块703,用于在所述至少一个监控点位对应的监测区域发生监测事件的情况下,获取预设时间段内与所述监测事件匹配的人数监测数据;
确定模块704,用于基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据。
一种可能的实施方式中,在确定所述至少一个监控设备的人流状态数据之后,还包括:告警模块705,用于:
在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息。
一种可能的实施方式中,在所述监测事件为跨线事件的情况下,所述检测模块702,在基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件时,用于:
基于所述监控视频确定所述至少一个监控点位对应的监测区域内,是否存在跨越与预先绘制的进出界线匹配的目标位置的目标对象;
若存在,则确定所述至少一个监控点位对应的监测区域发生跨线事件。
一种可能的实施方式中,在所述监测事件为跨线事件的情况下,所述第二获取模块703,在获取预设时间段内与所述监测事件匹配的人数监测数据时,用于:
获取预设时间段内不同采集时间点的进人流数量和出人流数量,其中,所述不同采集时间点的进人流数量是指在不同采集时间点,沿预先绘制的进方向跨越预先绘制的进出界线的人数;所述不同采集时间点的出人流数量是指在不同采集时间点,沿预先绘制的出方向跨越预先绘制的进出界线的人数。
一种可能的实施方式中,在所述监控点位为一个的情况下,所述确定模块704,在基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据时,用于:
基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定所述监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量;
所述告警模块705,在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息时,用于:
在确定所述预设时间段内的总进人流数量大于设置的第一人流阈值,和/或在确定所述预设时间段内的总出人流数量大于设置的第二人流阈值的情况下,生成人流状态告警信息。
一种可能的实施方式中,在所述监控点位为一个的情况下,所述确定模块704,在基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据时,用于:
基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定所述监控点位对应的监测区域中的进人流速度和出人流速度。
一种可能的实施方式中,在所述监控点位为多个的情况下,所述确定模块704,在基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据时,用于:
针对每个所述监控点位,基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定所述监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量;
基于所述预设时间段内目标监控区域的历史人数,以及多个所述监控点位分别对应的所述预设时间段内的总进人流数量和总出人流数量,确定所述目标监控区域内的人员净存量;
所述告警模块705,在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息时,用于:
在确定所述目标监控区域内的人员净存量大于设置的净存量阈值的情况下,生成人流状态告警信息。
一种可能的实施方式中,在所述监测事件为过密事件的情况下,所述检测模块702,在基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件时,用于:
基于所述监控视频,确定所述至少一个监控点位对应的监测区域内的目标对象个数是否超过过密阈值;
若是,则确定所述至少一个监控点位对应的监测区域发生过密事件。
一种可能的实施方式中,在所述监测事件为过密事件的情况下,所述第二获取模块703,在获取预设时间段内与所述监测事件匹配的人数监测数据时,用于:
统计预设时间段内不同采集时间点的所述目标对象的个数。
一种可能的实施方式中,在所述监控点位为一个的情况下,所述确定模块704,在基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据时,用于:
基于预设时间段内不同采集时间点的所述目标对象的个数,确定所述监控点位对应的监测区域在所述预设时间段内的平均人数;
所述告警模块705,在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息时,用于:
在确定所述监控点位对应的监测区域在所述预设时间段内的平均人数大于设置的第一人数阈值的情况下,生成人流状态告警信息。
一种可能的实施方式中,在所述监控点位为多个的情况下,所述确定模块704,在基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据时,用于:
针对每个所述监控点位,基于预设时间段内不同采集时间点的所述目标对象的个数,确定所述监控点位对应的监测区域在所述预设时间段内的平均人数;
基于多个所述监控点位分别对应的所述平均人数,确定目标监控区域中的总实时人数;
所述告警模块705,在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息时,用于:
在确定所述目标监控区域中的总实时人数大于设置的第二人数阈值的情况下,生成人流状态告警信息。
一种可能的实施方式中,所述装置还包括:预警模块706,用于:
将最近多个历史日期内同一采集时间点的人流状态数据求平均,得到每个采集时间点对应的预测人流状态数据;
各个采集时间点分别对应的预测人流状态数据,构成人流状态数据在未来日期内的预测数据;其中,所述预测数据用于生成人流疏导计划。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模板可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
基于同一技术构思,本公开实施例还提供了一种电子设备。参照图8所示,为本公开实施例提供的电子设备的结构示意图,包括处理器801、存储器802、和总线803。其中,存储器802用于存储执行指令,包括内存8021和外部存储器8022;这里的内存8021也称内存储器,用于暂时存放处理器801中的运算数据,以及与硬盘等外部存储器8022交换的数据,处理器801通过内存8021与外部存储器8022进行数据交换,当电子设备800运行时,处理器801与存储器802之间通过总线803通信,使得处理器801在执行以下指令:
获取设置于至少一个监控点位的监控设备采集的监控视频;
基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件;
在所述至少一个监控点位对应的监测区域发生监测事件的情况下,获取预设时间段内与所述监测事件匹配的人数监测数据;
基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据。
此外,本公开实施例还提供一种计算机可读存储介质,该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运行时执行上述方法实施例中所述的场景监测方法的步骤。
本公开实施例所提供的场景监测方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行上述方法实施例中所述的场景监测方法的步骤,具体可参见上述方法实施例,在此不再赘述。
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***和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的***、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开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)执行本公开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(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (15)
1.一种场景监测方法,其特征在于,包括:
获取设置于至少一个监控点位的监控设备采集的监控视频;
基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件;
在所述至少一个监控点位对应的监测区域发生监测事件的情况下,获取预设时间段内与所述监测事件匹配的人数监测数据;
基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据。
2.根据权利要求1所述的方法,其特征在于,在确定所述至少一个监控设备的人流状态数据之后,还包括:
在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息。
3.根据权利要求1或2所述的方法,其特征在于,在所述监测事件为跨线事件的情况下,基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件,包括:
基于所述监控视频确定所述至少一个监控点位对应的监测区域内,是否存在跨越与预先绘制的进出界线匹配的目标位置的目标对象;
若存在,则确定所述至少一个监控点位对应的监测区域发生跨线事件。
4.根据权利要求2所述的方法,其特征在于,在所述监测事件为跨线事件的情况下,获取预设时间段内与所述监测事件匹配的人数监测数据,包括:
获取预设时间段内不同采集时间点的进人流数量和出人流数量,其中,所述不同采集时间点的进人流数量是指在不同采集时间点,沿预先绘制的进方向跨越预先绘制的进出界线的人数;所述不同采集时间点的出人流数量是指在不同采集时间点,沿预先绘制的出方向跨越预先绘制的进出界线的人数。
5.根据权利要求4所述的方法,其特征在于,在所述监控点位为一个的情况下,基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据,包括:
基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定所述监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量;
在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息,包括:
在确定所述预设时间段内的总进人流数量大于设置的第一人流阈值,和/或在确定所述预设时间段内的总出人流数量大于设置的第二人流阈值的情况下,生成人流状态告警信息。
6.根据权利要求4所述的方法,其特征在于,在所述监控点位为一个的情况下,基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据,包括:
基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定所述监控点位对应的监测区域中的进人流速度和出人流速度。
7.根据权利要求4所述的方法,其特征在于,在所述监控点位为多个的情况下,基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据,包括:
针对每个所述监控点位,基于预设时间段内不同采集时间点的进人流数量和出人流数量,确定所述监控点位对应的监测区域中预设时间段内的总进人流数量和总出人流数量;
基于所述预设时间段内目标监控区域的历史人数,以及多个所述监控点位分别对应的所述预设时间段内的总进人流数量和总出人流数量,确定所述目标监控区域内的人员净存量;
在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息,包括:
在确定所述目标监控区域内的人员净存量大于设置的净存量阈值的情况下,生成人流状态告警信息。
8.根据权利要求1或2所述的方法,其特征在于,在所述监测事件为过密事件的情况下,基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件,包括:
基于所述监控视频,确定所述至少一个监控点位对应的监测区域内的目标对象个数是否超过过密阈值;
若是,则确定所述至少一个监控点位对应的监测区域发生过密事件。
9.根据权利要求2所述的方法,其特征在于,在所述监测事件为过密事件的情况下,获取预设时间段内与所述监测事件匹配的人数监测数据,包括:
统计预设时间段内不同采集时间点的所述目标对象的个数。
10.根据权利要求9所述的方法,其特征在于,在所述监控点位为一个的情况下,基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据,包括:
基于预设时间段内不同采集时间点的所述目标对象的个数,确定所述监控点位对应的监测区域在所述预设时间段内的平均人数;
在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息,包括:
在确定所述监控点位对应的监测区域在所述预设时间段内的平均人数大于设置的第一人数阈值的情况下,生成人流状态告警信息。
11.根据权利要求9所述的方法,其特征在于,在所述监控点位为多个的情况下,基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据,包括:
针对每个所述监控点位,基于预设时间段内不同采集时间点的所述目标对象的个数,确定所述监控点位对应的监测区域在所述预设时间段内的平均人数;
基于多个所述监控点位分别对应的所述平均人数,确定目标监控区域中的总实时人数;
在确定所述至少一个监控设备的人流状态数据满足告警条件的情况下,生成人流状态告警信息,包括:
在确定所述目标监控区域中的总实时人数大于设置的第二人数阈值的情况下,生成人流状态告警信息。
12.根据权利要求1~11任一所述的方法,其特征在于,所述方法还包括:
将最近多个历史日期内同一采集时间点的人流状态数据求平均,得到每个采集时间点对应的预测人流状态数据;
各个采集时间点分别对应的预测人流状态数据,构成人流状态数据在未来日期内的预测数据;其中,所述预测数据用于生成人流疏导计划。
13.一种场景监测装置,其特征在于,包括:
第一获取模块,用于获取设置于至少一个监控点位的监控设备采集的监控视频;
检测模块,用于基于所述监控视频确定所述至少一个监控点位对应的监测区域是否发生监测事件;
第二获取模块,用于在所述至少一个监控点位对应的监测区域发生监测事件的情况下,获取预设时间段内与所述监测事件匹配的人数监测数据;
确定模块,用于基于预设时间段内与所述监测事件匹配的人数监测数据,确定所述至少一个监控设备的人流状态数据。
14.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至12任一所述的场景监测方法的步骤。
15.一种计算机可读存储介质,其特征在于,该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运行时执行如权利要求1至12任一所述的场景监测方法的步骤。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011190695.6A CN112333431B (zh) | 2020-10-30 | 2020-10-30 | 场景监测方法、装置、电子设备及存储介质 |
CN202210655667.XA CN114900669A (zh) | 2020-10-30 | 2020-10-30 | 场景监测方法、装置、电子设备及存储介质 |
JP2021576933A JP7305808B2 (ja) | 2020-10-30 | 2021-05-19 | 現場監視方法及び装置、電子機器、記憶媒体並びにプログラム |
PCT/CN2021/094699 WO2022088653A1 (zh) | 2020-10-30 | 2021-05-19 | 场景监测方法、装置、电子设备、存储介质及程序 |
KR1020217042832A KR20220058859A (ko) | 2020-10-30 | 2021-05-19 | 시나리오 모니터링 방법, 장치, 전자 기기, 저장 매체 및 프로그램 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011190695.6A CN112333431B (zh) | 2020-10-30 | 2020-10-30 | 场景监测方法、装置、电子设备及存储介质 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210655667.XA Division CN114900669A (zh) | 2020-10-30 | 2020-10-30 | 场景监测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112333431A true CN112333431A (zh) | 2021-02-05 |
CN112333431B CN112333431B (zh) | 2022-06-07 |
Family
ID=74297411
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011190695.6A Active CN112333431B (zh) | 2020-10-30 | 2020-10-30 | 场景监测方法、装置、电子设备及存储介质 |
CN202210655667.XA Pending CN114900669A (zh) | 2020-10-30 | 2020-10-30 | 场景监测方法、装置、电子设备及存储介质 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210655667.XA Pending CN114900669A (zh) | 2020-10-30 | 2020-10-30 | 场景监测方法、装置、电子设备及存储介质 |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP7305808B2 (zh) |
KR (1) | KR20220058859A (zh) |
CN (2) | CN112333431B (zh) |
WO (1) | WO2022088653A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113507588A (zh) * | 2021-06-03 | 2021-10-15 | 山西三友和智慧信息技术股份有限公司 | 一种基于人工智能的智慧校园人流量监测*** |
CN113536932A (zh) * | 2021-06-16 | 2021-10-22 | 中科曙光国际信息产业有限公司 | 人群聚集预测方法、装置、计算机设备和存储介质 |
WO2022088653A1 (zh) * | 2020-10-30 | 2022-05-05 | 深圳市商汤科技有限公司 | 场景监测方法、装置、电子设备、存储介质及程序 |
CN114694285A (zh) * | 2022-03-29 | 2022-07-01 | 重庆紫光华山智安科技有限公司 | 人流量告警方法、装置、电子设备和存储介质 |
CN114724360A (zh) * | 2022-03-14 | 2022-07-08 | 江上(上海)软件科技有限公司 | 一种基于智慧城市的应用预警***及预警方法 |
TWI796033B (zh) * | 2021-12-07 | 2023-03-11 | 巨鷗科技股份有限公司 | 人流分析辨識系統 |
WO2023035481A1 (zh) * | 2021-09-09 | 2023-03-16 | 北京市商汤科技开发有限公司 | 人流量统计方法及装置、电子设备和存储介质 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115471978A (zh) * | 2022-08-18 | 2022-12-13 | 北京声智科技有限公司 | 一种游泳场所的监控方法及装置 |
CN116188357A (zh) * | 2022-09-27 | 2023-05-30 | 珠海视熙科技有限公司 | 一种出入口人体检测方法、摄像设备、装置及存储介质 |
CN115474005A (zh) * | 2022-10-28 | 2022-12-13 | 通号通信信息集团有限公司 | 数据处理方法及数据处理装置、电子设备、存储介质 |
CN115909667B (zh) * | 2022-12-07 | 2024-05-17 | 宁波云弧科技有限公司 | 一种油罐区的监控报警*** |
CN116012776B (zh) * | 2022-12-09 | 2024-02-23 | 北京数原数字化城市研究中心 | 一种人数监测方法、装置、电子设备及可读存储介质 |
CN117238092B (zh) * | 2023-11-16 | 2024-01-30 | 建龙西林钢铁有限公司 | 基于倾斜摄影和人车定位的工业厂区风险预警方法 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140132758A1 (en) * | 2012-11-15 | 2014-05-15 | Videoiq, Inc. | Multi-dimensional virtual beam detection for video analytics |
CN104239908A (zh) * | 2014-07-28 | 2014-12-24 | 中国科学院自动化研究所 | 基于自适应阈值的智能乘客流量自动统计方法 |
CN105139425A (zh) * | 2015-08-28 | 2015-12-09 | 浙江宇视科技有限公司 | 一种人数统计方法及装置 |
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 |
CN205354276U (zh) * | 2015-12-24 | 2016-06-29 | 上海市水利工程设计研究院有限公司 | 一种感压式人流密度报警装置 |
CN105763853A (zh) * | 2016-04-14 | 2016-07-13 | 北京中电万联科技股份有限公司 | 一种公共区域拥挤、***件应急预警方法 |
US20160297324A1 (en) * | 2015-04-13 | 2016-10-13 | Verizon Patent And Licensing Inc. | Determining the number of people in a vehicle |
CN106211065A (zh) * | 2016-06-30 | 2016-12-07 | 北京奇虎科技有限公司 | 人员流量数据的监控方法及装置 |
CN106778688A (zh) * | 2017-01-13 | 2017-05-31 | 辽宁工程技术大学 | 一种拥挤场景监控视频中人群流异常事件的检测方法 |
CN107133607A (zh) * | 2017-05-27 | 2017-09-05 | 上海应用技术大学 | 基于视频监控的人群统计方法及*** |
CN107844848A (zh) * | 2016-09-20 | 2018-03-27 | ***通信集团湖北有限公司 | 一种区域人流量预测方法及*** |
US20180091741A1 (en) * | 2015-03-27 | 2018-03-29 | Nec Corporation | Video surveillance system and video surveillance method |
WO2018059408A1 (zh) * | 2016-09-29 | 2018-04-05 | 北京市商汤科技开发有限公司 | 跨线计数方法和神经网络训练方法、装置和电子设备 |
CN107911653A (zh) * | 2017-11-16 | 2018-04-13 | 王磊 | 驻所智能视频监控模组、***、方法以及存储介质 |
CN109428938A (zh) * | 2017-09-04 | 2019-03-05 | 上海仪电(集团)有限公司中央研究院 | 一种基于视频分析的联动控制智能*** |
CN109685009A (zh) * | 2018-12-20 | 2019-04-26 | 天和防务技术(北京)有限公司 | 一种区域人群密度视频检测的方法 |
CN110708518A (zh) * | 2019-11-05 | 2020-01-17 | 北京深测科技有限公司 | 一种人流分析预警疏导方法及*** |
CN111274340A (zh) * | 2020-01-15 | 2020-06-12 | 中国联合网络通信集团有限公司 | 人流密度的监控处理方法、设备及存储介质 |
CN111652161A (zh) * | 2020-06-08 | 2020-09-11 | 上海商汤智能科技有限公司 | 人群过密预测方法、装置、电子设备及存储介质 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007243342A (ja) * | 2006-03-06 | 2007-09-20 | Yokogawa Electric Corp | 画像監視装置及び画像監視システム |
WO2014174737A1 (ja) * | 2013-04-26 | 2014-10-30 | 日本電気株式会社 | 監視装置、監視方法および監視用プログラム |
WO2017122258A1 (ja) * | 2016-01-12 | 2017-07-20 | 株式会社日立国際電気 | 混雑状況監視システム |
US10936882B2 (en) * | 2016-08-04 | 2021-03-02 | Nec Corporation | People flow estimation device, display control device, people flow estimation method, and recording medium |
JP2019117425A (ja) * | 2017-12-26 | 2019-07-18 | キヤノンマーケティングジャパン株式会社 | 情報処理装置、及びその制御方法、プログラム |
CN109087478A (zh) * | 2018-08-22 | 2018-12-25 | 徐自远 | 一种智能防拥挤踩踏的预警与导流方法及*** |
CN109272153A (zh) * | 2018-09-10 | 2019-01-25 | 合肥巨清信息科技有限公司 | 一种旅游景区人流预警*** |
CN110929648B (zh) * | 2019-11-22 | 2021-03-16 | 广东睿盟计算机科技有限公司 | 监控数据处理方法、装置、计算机设备以及存储介质 |
CN112333431B (zh) * | 2020-10-30 | 2022-06-07 | 深圳市商汤科技有限公司 | 场景监测方法、装置、电子设备及存储介质 |
-
2020
- 2020-10-30 CN CN202011190695.6A patent/CN112333431B/zh active Active
- 2020-10-30 CN CN202210655667.XA patent/CN114900669A/zh active Pending
-
2021
- 2021-05-19 WO PCT/CN2021/094699 patent/WO2022088653A1/zh active Application Filing
- 2021-05-19 JP JP2021576933A patent/JP7305808B2/ja active Active
- 2021-05-19 KR KR1020217042832A patent/KR20220058859A/ko not_active Application Discontinuation
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140132758A1 (en) * | 2012-11-15 | 2014-05-15 | Videoiq, Inc. | Multi-dimensional virtual beam detection for video analytics |
CN104239908A (zh) * | 2014-07-28 | 2014-12-24 | 中国科学院自动化研究所 | 基于自适应阈值的智能乘客流量自动统计方法 |
US20180091741A1 (en) * | 2015-03-27 | 2018-03-29 | Nec Corporation | Video surveillance system and video surveillance method |
US20160297324A1 (en) * | 2015-04-13 | 2016-10-13 | Verizon Patent And Licensing Inc. | Determining the number of people in a vehicle |
CN105139425A (zh) * | 2015-08-28 | 2015-12-09 | 浙江宇视科技有限公司 | 一种人数统计方法及装置 |
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 |
CN205354276U (zh) * | 2015-12-24 | 2016-06-29 | 上海市水利工程设计研究院有限公司 | 一种感压式人流密度报警装置 |
CN105763853A (zh) * | 2016-04-14 | 2016-07-13 | 北京中电万联科技股份有限公司 | 一种公共区域拥挤、***件应急预警方法 |
CN106211065A (zh) * | 2016-06-30 | 2016-12-07 | 北京奇虎科技有限公司 | 人员流量数据的监控方法及装置 |
CN107844848A (zh) * | 2016-09-20 | 2018-03-27 | ***通信集团湖北有限公司 | 一种区域人流量预测方法及*** |
WO2018059408A1 (zh) * | 2016-09-29 | 2018-04-05 | 北京市商汤科技开发有限公司 | 跨线计数方法和神经网络训练方法、装置和电子设备 |
CN106778688A (zh) * | 2017-01-13 | 2017-05-31 | 辽宁工程技术大学 | 一种拥挤场景监控视频中人群流异常事件的检测方法 |
CN107133607A (zh) * | 2017-05-27 | 2017-09-05 | 上海应用技术大学 | 基于视频监控的人群统计方法及*** |
CN109428938A (zh) * | 2017-09-04 | 2019-03-05 | 上海仪电(集团)有限公司中央研究院 | 一种基于视频分析的联动控制智能*** |
CN107911653A (zh) * | 2017-11-16 | 2018-04-13 | 王磊 | 驻所智能视频监控模组、***、方法以及存储介质 |
CN109685009A (zh) * | 2018-12-20 | 2019-04-26 | 天和防务技术(北京)有限公司 | 一种区域人群密度视频检测的方法 |
CN110708518A (zh) * | 2019-11-05 | 2020-01-17 | 北京深测科技有限公司 | 一种人流分析预警疏导方法及*** |
CN111274340A (zh) * | 2020-01-15 | 2020-06-12 | 中国联合网络通信集团有限公司 | 人流密度的监控处理方法、设备及存储介质 |
CN111652161A (zh) * | 2020-06-08 | 2020-09-11 | 上海商汤智能科技有限公司 | 人群过密预测方法、装置、电子设备及存储介质 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022088653A1 (zh) * | 2020-10-30 | 2022-05-05 | 深圳市商汤科技有限公司 | 场景监测方法、装置、电子设备、存储介质及程序 |
CN113507588A (zh) * | 2021-06-03 | 2021-10-15 | 山西三友和智慧信息技术股份有限公司 | 一种基于人工智能的智慧校园人流量监测*** |
CN113536932A (zh) * | 2021-06-16 | 2021-10-22 | 中科曙光国际信息产业有限公司 | 人群聚集预测方法、装置、计算机设备和存储介质 |
WO2023035481A1 (zh) * | 2021-09-09 | 2023-03-16 | 北京市商汤科技开发有限公司 | 人流量统计方法及装置、电子设备和存储介质 |
TWI796033B (zh) * | 2021-12-07 | 2023-03-11 | 巨鷗科技股份有限公司 | 人流分析辨識系統 |
CN114724360A (zh) * | 2022-03-14 | 2022-07-08 | 江上(上海)软件科技有限公司 | 一种基于智慧城市的应用预警***及预警方法 |
CN114694285A (zh) * | 2022-03-29 | 2022-07-01 | 重庆紫光华山智安科技有限公司 | 人流量告警方法、装置、电子设备和存储介质 |
CN114694285B (zh) * | 2022-03-29 | 2023-09-01 | 重庆紫光华山智安科技有限公司 | 人流量告警方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114900669A (zh) | 2022-08-12 |
CN112333431B (zh) | 2022-06-07 |
JP7305808B2 (ja) | 2023-07-10 |
WO2022088653A1 (zh) | 2022-05-05 |
JP2023502816A (ja) | 2023-01-26 |
KR20220058859A (ko) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112333431B (zh) | 场景监测方法、装置、电子设备及存储介质 | |
Adam et al. | Robust real-time unusual event detection using multiple fixed-location monitors | |
CN108965826B (zh) | 监控方法、装置、处理设备及存储介质 | |
CN111860230B (zh) | 一种基于视频监控人员未佩戴口罩行为的自动检测***及方法 | |
US11752962B2 (en) | Automatic accident detection | |
CN111325954B (zh) | 人员走失预警方法、装置、***及服务器 | |
CN109803127A (zh) | 基于大数据和物联网技术的城市安全工地监控***和方法 | |
CN113011833A (zh) | 施工现场的安全管理方法、装置、计算机设备和存储介质 | |
US11763662B2 (en) | Systems and methods of enforcing dynamic thresholds of social distancing rules | |
CN111985428A (zh) | 一种安全检测方法、装置、电子设备及存储介质 | |
CN110889790A (zh) | 一种基于综合社区信息快速筛查疑似传销用户的*** | |
CN114170272A (zh) | 一种云端环境下基于感知传感器的事故报告、储存方法 | |
CN112699328A (zh) | 网点服务数据处理方法、装置、***、设备及存储介质 | |
JP6621092B1 (ja) | 危険度判別プログラム及びシステム | |
US11893827B2 (en) | Systems and methods of detecting mask usage | |
CN113869220A (zh) | 重大交通事故的监测方法及*** | |
CN113112744A (zh) | 安防管理方法及装置、电子设备、存储介质 | |
CN112330742A (zh) | 公共区域重点人员活动路线记录方法及装置 | |
JP2015056697A (ja) | 監視システムおよびその制御方法 | |
CN111914050A (zh) | 基于特定场所的可视化3d监控平台 | |
CN114067248A (zh) | 行为检测方法、装置、电子设备及存储介质 | |
JP6739119B6 (ja) | 危険度判別プログラム及びシステム | |
CN113747118A (zh) | 社区异常事件报警方法、装置、电子设备及介质 | |
CN112507928A (zh) | 基于人脸识别的访客管理***及方法 | |
CN111611938B (zh) | 一种逆行方向确定方法及装置 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40040125 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |