CN112668357A - 一种监控方法及装置 - Google Patents
一种监控方法及装置 Download PDFInfo
- Publication number
- CN112668357A CN112668357A CN201910944704.7A CN201910944704A CN112668357A CN 112668357 A CN112668357 A CN 112668357A CN 201910944704 A CN201910944704 A CN 201910944704A CN 112668357 A CN112668357 A CN 112668357A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- target
- preset
- features
- video
- 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
Landscapes
- Closed-Circuit Television Systems (AREA)
Abstract
本申请提供了一种监控方法及装置,属于视频监控技术领域。所述方法包括:获取多个监控设备采集到的监控视频;针对每个监控视频,识别该监控视频所包含的检测对象的监控特征;在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征;根据所述目标监控特征、以及预设的所述目标监控特征对应的权重,计算该监控视频对应的监控有效值;根据各所述监控视频的监控有效值,确定各所述监控视频对应的显示优先级,以使显示设备根据各所述监控视频对应的显示优先级对各所述监控视频进行显示。采用本申请可以提高确定目标人员的效果。
Description
技术领域
本申请涉及视频监控技术领域,尤其涉及一种监控方法及装置。
背景技术
随着电子信息技术的发展,视频监控的应用越来越广泛,为实现目标人员的监控提供了很大帮助。由于目标人员具有较大的移动性,以及周围人群的干扰,因此,通常需要在监控区域中设置多个监控设备,每个监控设备分别采集监控视频,从而通过多路视频进行同时监控。
在通过多路视频进行同时监控时,用户的监控终端通常会同时显示多路监控视频,用户需要同时关注多路监控视频,并观察其中是否存在目标人员,容易产生漏查、误查的情况,导致确定目标人员的效果较低。
发明内容
本申请实施例的目的在于提供一种监控方法及装置,以提高确定目标人员的效果。具体技术方案如下:
第一方面,提供了一种监控方法,所述方法包括:
获取多个监控设备采集到的监控视频;
针对每个监控视频,识别该监控视频所包含的检测对象的监控特征;
在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征;
根据所述目标监控特征、以及预设的所述目标监控特征对应的权重,计算该监控视频对应的监控有效值;
根据各所述监控视频的监控有效值,确定各所述监控视频对应的显示优先级,以使显示设备根据各所述监控视频对应的显示优先级对各所述监控视频进行显示。
可选的,所述监控特征至少包括人脸特征和外部特征,所述外部特征至少包括衣着特征、配饰特征、行为特征中的一种或多种。
可选的,所述针对每个监控视频,识别该监控视频所包含的检测对象的监控特征,包括:
针对每个监控视频,提取预设时长内该监控视频所包含的监控图像;
针对每个监控图像,通过预设的对象检测算法,从该监控图像中提取检测对象的人像图片,并通过预设的人脸检测算法,提取所述检测对象的人脸图片;
从所述人像图片中,提取所述检测对象的外部特征,并从所述人脸图片中,提取所述检测对象的人脸特征。
可选的,所述在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征,包括:
计算识别出的各人脸特征与预设的目标监控对象的人脸特征的相似度,将相似度大于预设阈值的人脸特征作为目标人脸特征;
在识别出的各外部特征中,确定与预设的目标监控对象的外部特征相同的目标外部特征。
可选的,所述根据所述目标监控特征、以及预设的所述目标监控特征对应的权重,计算该监控视频对应的监控有效值,包括:
根据所述目标人脸特征、所述目标人脸特征对应的相似度,以及每种外部特征的权重、每种外部特征对应的目标外部特征的数量,计算该监控视频对应的监控有效值。
可选的,所述该监控视频对应的监控有效值的计算公式为:
其中,H为监控有效值,Qj为人脸特征的权重,Yj为目标人脸特征j对应的相似度,x为预设常数,N为目标人脸特征的数目,wi为外部特征i的权重,ki为外部特征i对应的目标外部特征的数量,M为外部特征的种类总数。
第二方面,提供了一种监控装置,所述装置包括:
获取模块,用于获取多个监控设备采集到的监控视频;
识别模块,用于针对每个监控视频,识别该监控视频所包含的检测对象的监控特征;
第一确定模块,用于在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征;
计算模块,用于根据所述目标监控特征、以及预设的所述目标监控特征对应的权重,计算该监控视频对应的监控有效值;
第二确定模块,用于根据各所述监控视频的监控有效值,确定各所述监控视频对应的显示优先级,以使显示设备根据各所述监控视频对应的显示优先级对各所述监控视频进行显示。
可选的,所述监控特征至少包括人脸特征和外部特征,所述外部特征至少包括衣着特征、配饰特征、行为特征中的一种或多种。
可选的,所述识别模块,具体用于:
针对每个监控视频,提取预设时长内该监控视频所包含的监控图像;
针对每个监控图像,通过预设的对象检测算法,从该监控图像中提取检测对象的人像图片,并通过预设的人脸检测算法,提取所述检测对象的人脸图片;
从所述人像图片中,提取所述检测对象的外部特征,并从所述人脸图片中,提取所述检测对象的人脸特征。
可选的,所述第一确定模块,具体用于:
计算识别出的各人脸特征与预设的目标监控对象的人脸特征的相似度,将相似度大于预设阈值的人脸特征作为目标人脸特征;
在识别出的各外部特征中,确定与预设的目标监控对象的外部特征相同的目标外部特征。
可选的,所述计算模块,具体用于:
根据所述目标人脸特征、所述目标人脸特征对应的相似度,以及每种外部特征的权重、每种外部特征对应的目标外部特征的数量,计算该监控视频对应的监控有效值。
可选的,所述该监控视频对应的监控有效值的计算公式为:
其中,H为监控有效值,Qj为人脸特征的权重,Yj为目标人脸特征j对应的相似度,x为预设常数,N为目标人脸特征的数目,wi为外部特征i的权重,ki为外部特征i对应的目标外部特征的数量,M为外部特征的种类总数。
第三方面,提供了一种服务器,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面任一所述的方法步骤。
第四方面,提供了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内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面任一所述的方法步骤。
第五方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的监控方法。
本申请实施例有益效果:
本申请实施例提供了一种监控方法及装置。其中,可以获取多个监控设备采集到的监控视频。针对每个监控视频,识别该监控视频所包含的检测对象的监控特征,然后在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征,进而根据目标监控特征、以及预设的目标监控特征对应的权重,计算该监控视频对应的监控有效值,从而得到各监控视频的监控有效值,进而根据各监控视频的监控有效值,确定各监控视频对应的显示优先级,以使显示设备根据各监控视频对应的显示优先级对各监控视频进行显示,从而实现对多个监控视频的分级显示。这样,用户仅需关注显示优先级高的监控视频,就能够看到确定目标人员的效果,无需关注全部监控视频,从而提高了确定目标人员的效果。并且,在监控视频数目过多、超出可显示的监控数量时,也可以根据显示优先级,优先显示重要的监控视频(即拍摄到目标监控对象)的监控视频,从而实现实时监控目标监控对象。
当然,实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种监控方法的流程图;
图2a为本申请实施例提供的一种观看界面的示意图;
图2b为本申请实施例提供的另一种观看界面的示意图;
图3为本申请实施例提供的一种监控装置的结构示意图;
图4为本申请实施例提供的一种服务器的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例提供了一种监控方法,可以应用于服务器中,其中,该服务器可以是监控***中的后台服务器。该服务器可以与各监控设备连接,并接收各监控设备发送的监控视频。该服务器还可以与用户的监控终端连接,以便于向用户的监控终端推送监控视频。
下面将结合具体实施方式,对本申请实施例提供的一种监控方法进行详细的说明,如图1所示,具体步骤如下:
步骤101,获取多个监控设备采集到的监控视频。
本申请实施例中,可以在需要监控的地区设置多个监控设备,不同的监控设备可以分别对不同的监控区域进行监控。监控设备运行后,可以实时采集所属监控区域的监控视频,从而实现多路视频同时监控。监控设备采集到监控视频后,可以将监控视频发送给后台的服务器,服务器则可以接收各监控设备发送的监控视频。
步骤102,针对每个监控视频,识别该监控视频所包含的检测对象的监控特征。
本申请实施例中,服务器中可以预先存储有用于识别检测对象的监控特征的算法。其中,监控特征至少包括人脸特征和外部特征,外部特征至少包括衣着特征(比如衣服颜色、款式等)、配饰特征(比如是否穿戴帽子、是否背包等)、行为特征(比如是否发生预设动作)中的一种或多种。外部特征还可以包括其他特征,具体可以由用户进行设置,本申请实施例不做限定。
服务器接收到监控视频后,针对每个监控视频,可以根据该监控视频包含的监控图像和预设的识别算法,识别该监控视频所包含的检测对象、以及各检测对象的监控特征。其中,针对不同类型的监控特征,可以采用不同的识别算法进行识别,后续会进行详细说明。
可选的,识别过程具体可以包括以下步骤。
步骤一、针对每个监控视频,提取预设时长内该监控视频所包含的监控图像。
本申请实施例中,服务器可以周期性的计算各监控视频的显示优先级,相应的,针对每个监控视频,服务器在接收到该监控视频的监控图像后,可以提取预设时长内该监控视频所包含的监控图像,以进行本次计算。在本次显示优先级计算结束后,当达到下一周期时,重新进行计算,以使显示设备可以及时调整监控视频的显示方式。其中,服务器可以通过OPENCV从监控视频中提取监控图像。
步骤二、针对每个监控图像,通过预设的对象检测算法,从该监控图像中提取检测对象的人像图片,并通过预设的人脸检测算法,提取检测对象的人脸图片。
本申请实施例中,服务器获取某一监控视频(可称为目标监控视频)在预设时长内的监控图像后,针对每个监控图像,可以通过预设的对象检测算法,识别该监控图像中包含的检测对象的轮廓,然后根据该检测对象的轮廓确定检测对象对应的候选区域框,进而提取该候选区域框所包含的图像,得到该检测对象的人像图片,该人像图片为包含整个检测对象的图片。其中,对象检测算法可以是现有的任意具有人像检测功能的算法,比如YOLOv3框架算法、深度学习神经网络等,该深度学习神经网络具体可以是Faster-RCNN(FasterRegion-based Convolutional Neural Network,基于高速区域提议的卷积神经网络)、RCNN等。
服务器识别出人像图片后,可以通过预设的人脸检测算法,从人像图片中进一步提取检测对象的人脸图片。其中,人脸检测算法可以是现有的任意具有人脸检测功能的算法,比如SSD(single shot multibox detector,单发多盒探测器)算法、机器学习算法、深度学习神经网络等,该深度学习神经网络具体可以是Faster-RCNN、RCNN等。并且,服务器可以为属于同一检测对象的人像图片和人脸图片分配同一标识,该标识可以作为检测对象的对象标识。
另外,服务器提取出人像图片和人脸图片后,可以对这些图片做进一步的筛选。具体的,针对每张图片,服务器可以判断该图片是否满足预设清晰度条件、以及该图片的置信度是否大于预设阈值。如果该图片满足预设清晰度条件、且该图片的置信度大于或等于预设阈值,则说明该图片为可用图片,保存该图片。如果该图片不满足预设清晰度条件、或者该图片的置信度小于预设阈值,则说明该图片为不可用图片,丢弃该图片。
可选的,为了分担服务器压力,监控***中还可以设置有用于进行边缘计算的智能终端(比如智能盒子),该智能终端可以分别与监控设备和服务器连接。在该场景下,步骤一~步骤二的处理可以由智能终端完成,智能终端可以将筛选后的人像图片、人脸图片以及对象标识上报给服务器,以使服务器进行后续处理。服务器则可以通过与智能终端的接口、或者智能终端发送的各监控视频的标识,确定接收到的人像图片、人脸图片和对象标识属于哪一路监控视频,从而得到人像图片、人脸图片、对象标识与监控视频的对应关系。
步骤三、从人像图片中,提取检测对象的外部特征,并从人脸图片中,提取检测对象的人脸特征。
本申请实施例中,服务器可以通过预设的外部特征提取算法,从人像图片中提取检测对象的外部特征。其中,外部特征提取算法可以为ResNet50网络模型,也可以为机器学习算法、深度学习神经网络等,该深度学习神经网络可以是Faster-RCNN、RCNN等,本申请实施例不做限定。
服务器还可以通过预设的人脸特征提取算法,从人像图片中提取检测对象的外部特征。其中,人脸特征提取算法可以为MobileFaceNet算法,也可以为机器学习算法、深度学习神经网络等,该深度学习神经网络可以是Faster-RCNN、RCNN等,本申请实施例不做限定。
步骤103,在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征。
本申请实施例中,用户可以预先设置需要监控的目标监控对象的监控特征。例如,用户可以通过用户终端上传目标监控对象的图片,用户终端则可以向服务器发送监控对象设置指令,该监控对象设置指令可以携带目标监控对象的图片。服务器接收到监控对象设置指令后,可以通过对目标监控对象的图片进行识别,得到目标监控对象的人脸特征和外部特征。或者,用户可以手动设置目标监控对象的外部特征,服务器则会对接收到的目标监控对象的外部特征进行存储。
由于针对每个监控视频,服务器可以对该监控视频包含的多张监控图像进行识别,得到多个检测对象的监控特征。针对每个监控特征,服务器可以计算该监控特征与目标监控对象的监控特征的相似度,进而判断二者是否满足预设相似度条件。如果满足,则将该监控特征确定为目标监控特征,否则,丢弃该监控特征。
可选的,服务器在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征的具体过程为:计算识别出的各人脸特征与预设的目标监控对象的人脸特征的相似度,将相似度大于预设阈值的人脸特征作为目标人脸特征;在识别出的各外部特征中,确定与预设的目标监控对象的外部特征相同的目标外部特征。
本申请实施例中,对于识别出的每个人脸特征,服务器计算该人脸特征与目标监控对象的人脸特征的相似度,然后,将相似度大于预设阈值的人脸特征作为目标人脸特征。类似的,对于识别出的每个外部特征,服务器可以判断该外部特征与目标监控对象的外部特征是否相同,如果相同,则将该外部特征确定为目标外部特征;如果不相同,则该外部特征不是目标外部特征。其中,现有技术中任意计算人脸相似度的算法均可以应用于本申请实施例中,本申请实施例不做限定。
步骤104,根据目标监控特征、以及预设的目标监控特征对应的权重,计算该监控视频对应的监控有效值。
本申请实施例中,服务器中可以预先存储有各监控特征对应的权重。其中,外部特征可以有多种,则每种外部特征的权重可以不相同。服务器确定出目标监控特征后,可以分别获取每种目标监控特征对应的权重,然后根据目标人脸特征、目标人脸特征对应的相似度,以及每种外部特征的权重、每种外部特征对应的目标外部特征的数量,计算该监控视频对应的监控有效值。该监控有效值可以反映监控视频包含的内容与目标监控对象的相关度。监控有效值越高,监控视频包含的内容与目标监控对象的相关度越高,越可能包含目标监控对象;反之,监控有效值越低,监控视频包含的内容与目标监控对象的相关度越低,包含目标监控对象的可能性越小。
具体的,该监控视频对应的监控有效值的计算公式为:
其中,H为监控有效值,Qj为人脸特征的权重,Yj为目标人脸特征j对应的相似度,x为预设常数,N为目标人脸特征的数目,wi为外部特征i的权重,ki为外部特征i对应的目标外部特征的数量,M为外部特征的种类总数。
步骤105,根据各监控视频的监控有效值,确定各监控视频对应的显示优先级,以使显示设备根据各监控视频对应的显示优先级对各监控视频进行显示。
本申请实施例中,监控有效值可以用于对监控视频进行排序。比如,可以按照监控有效值由高到低的顺序,对监控视频进行排序,得到视频序列。其中,视频序列越靠前的监控视频,显示优先级越高。在一种实现方式中,服务器可以直接将监控有效值作为显示优先级发送给显示设备(比如用户终端),由显示设备根据监控有效值对接收到的各监控视频进行排序,并对排序后的监控视频进行显示。在另一种实现方式中,也可以由服务器进行排序,将监控视频在视频序列中的顺序作为显示优先级,并将各监控视频对应的显示优先级发送给显示设备,以使显示设备根据各监控视频对应的显示优先级对各监控视频进行显示。
其中,显示设备可以根据各监控视频对应的显示优先级,确定各监控视频对应的显示位置。对于显示优先级高的监控视频,显示设备可以将其显示在便于用户观看的显示位置处,比如显示屏幕的中间位置,或者在用户指定的位置处显示,或者,也可以按照显示优先级由高到低的顺序,以列表的形式显示监控视频,本申请实施例对具体显示方式不做限定。另外,当显示设备接收到各监控视频对应的新的显示优先级后,可以对各监控视频的显示位置进行更新,以保证重要的监控视频始终显示在便于用户观看的显示位置处。
本申请实施例中,可以获取多个监控设备采集到的监控视频。针对每个监控视频,识别该监控视频所包含的检测对象的监控特征,然后在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征,进而根据目标监控特征、以及预设的目标监控特征对应的权重,计算该监控视频对应的监控有效值,从而得到各监控视频的监控有效值,进而根据各监控视频的监控有效值,确定各监控视频对应的显示优先级,以使显示设备根据各监控视频对应的显示优先级对各监控视频进行显示,从而实现对多个监控视频的分级显示。这样,用户仅需关注显示优先级高的监控视频,就能够看到确定目标人员的效果,无需关注全部监控视频,从而提高了确定目标人员的效果。并且,在监控视频数目过多、超出可显示的监控数量时,也可以根据显示优先级,优先显示重要的监控视频(即拍摄到目标监控对象)的监控视频,从而实现实时监控目标监控对象。
本申请实施例还提供了一种监控方法的示例,具体内容如下。在某区域的不同位置处,布置16路监控设备C1~C16进行监控,同时,开启智能盒子提取行人图片和人脸图片,并上传给服务器。此时,目标监控对象A、B、C分别在监控设备C1,C2,C3上出现,并朝监控设备C8处移动汇合。用户通过显示设备同时对16路视频进行监控。
其中,从C1在10秒内的监控图像中,提取出3张人脸图片,与目标监控对象进行比对,得到最大相似度分别为0.72、0.71和0.75;
从C2在10秒内的监控图像中,提取出3张人脸图片和3张人像图片,与目标监控对象进行比对,得到最大相似度分别为0.72、0.71和0.73,以及3次相同颜色上衣的结果;
从C3在10秒内的监控图像中,提取出2张人脸图片和3张人像图片,与目标监控对象进行比对,得到最大相似度分别为相似度在0.72、0.71,以及3次相同穿戴帽子的结果。
假设人脸特征的权重为0.8,衣着特征的权重为0.15,配饰特征的权重为0.05。可以计算各监控设备的监控视频的监控有效值。其中,
C1的监控有效值H1=0.8*(1+0.72)+0.8*(1+0.71)+0.8*(1+0.75)=4.144;
C2的监控有效值H2=0.8*(1+0.72)+0.8*(1+0.71)+0.8*(1+0.73)+0.15*3=4.578;
C3的监控有效值H3=0.8*(1+0.72)+0.8*(1+0.71)+0.05*3=2.894;
其他监控视频对应的监控有效值为0。
可以在观看界面中,将C2,C1,C3放在中心位置进行显示,如图2a所示,为本申请实施例提供的一种观看界面的示意图。
当目标监控对象在C8汇合时,从C8在10秒内的监控图像中提取9张人脸图片和9张人像图片,与目标监控对象进行比对,得到最大相似度为0.72、0.71、0.75、0.84、0.86、0.73、0.74、0.71、0.76,以及3次相同颜色上衣结果和3次相同穿戴帽子的结果,计算出C8的排序值为D8=0.8*(9+0.72+0.71+0.75+0.84+0.86+0.73+0.74+0.71+0.76)+0.15*3+0.05*3=13.256。其他监控视频对应的监控有效值为0。
则可以在观看界面中,将C8置为最优显示位置,如图2b所示,为本申请实施例提供的另一种观看界面的示意图。
基于相同的技术构思,本申请实施例还提供了一种监控装置,如图3所示,该装置包括:
获取模块310,用于获取多个监控设备采集到的监控视频;
识别模块320,用于针对每个监控视频,识别该监控视频所包含的检测对象的监控特征;
第一确定模块330,用于在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征;
计算模块340,用于根据目标监控特征、以及预设的目标监控特征对应的权重,计算该监控视频对应的监控有效值;
第二确定模块350,用于根据各监控视频的监控有效值,确定各监控视频对应的显示优先级,以使显示设备根据各监控视频对应的显示优先级对各监控视频进行显示。
可选的,监控特征至少包括人脸特征和外部特征,外部特征至少包括衣着特征、配饰特征、行为特征中的一种或多种。
可选的,识别模块320,具体用于:
针对每个监控视频,提取预设时长内该监控视频所包含的监控图像;
针对每个监控图像,通过预设的对象检测算法,从该监控图像中提取检测对象的人像图片,并通过预设的人脸检测算法,提取检测对象的人脸图片;
从人像图片中,提取检测对象的外部特征,并从人脸图片中,提取检测对象的人脸特征。
可选的,第一确定模块330,具体用于:
计算识别出的各人脸特征与预设的目标监控对象的人脸特征的相似度,将相似度大于预设阈值的人脸特征作为目标人脸特征;
在识别出的各外部特征中,确定与预设的目标监控对象的外部特征相同的目标外部特征。
可选的,计算模块340,具体用于:
根据目标人脸特征、目标人脸特征对应的相似度,以及每种外部特征的权重、每种外部特征对应的目标外部特征的数量,计算该监控视频对应的监控有效值。
可选的,该监控视频对应的监控有效值的计算公式为:
其中,H为监控有效值,Qj为人脸特征的权重,Yj为目标人脸特征j对应的相似度,x为预设常数,N为目标人脸特征的数目,wi为外部特征i的权重,ki为外部特征i对应的目标外部特征的数量,M为外部特征的种类总数。
本申请实施例中,可以获取多个监控设备采集到的监控视频。针对每个监控视频,识别该监控视频所包含的检测对象的监控特征,然后在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征,进而根据目标监控特征、以及预设的目标监控特征对应的权重,计算该监控视频对应的监控有效值,从而得到各监控视频的监控有效值,进而根据各监控视频的监控有效值,确定各监控视频对应的显示优先级,以使显示设备根据各监控视频对应的显示优先级对各监控视频进行显示,从而实现对多个监控视频的分级显示。这样,用户仅需关注显示优先级高的监控视频,就能够看到确定目标人员的效果,无需关注全部监控视频,从而提高了确定目标人员的效果。并且,在监控视频数目过多、超出可显示的监控数量时,也可以根据显示优先级,优先显示重要的监控视频(即拍摄到目标监控对象)的监控视频,从而实现实时监控目标监控对象。
基于相同的技术构思,本发明实施例还提供了一种服务器,如图4所示,包括处理器401、通信接口402、存储器403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信,
存储器403,用于存放计算机程序;
处理器401,用于执行存储器403上所存放的程序时,实现如下步骤:
获取多个监控设备采集到的监控视频;
针对每个监控视频,识别该监控视频所包含的检测对象的监控特征;
在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征;
根据所述目标监控特征、以及预设的所述目标监控特征对应的权重,计算该监控视频对应的监控有效值;
根据各所述监控视频的监控有效值,确定各所述监控视频对应的显示优先级,以使显示设备根据各所述监控视频对应的显示优先级对各所述监控视频进行显示。
可选的,所述监控特征至少包括人脸特征和外部特征,所述外部特征至少包括衣着特征、配饰特征、行为特征中的一种或多种。
可选的,所述针对每个监控视频,识别该监控视频所包含的检测对象的监控特征,包括:
针对每个监控视频,提取预设时长内该监控视频所包含的监控图像;
针对每个监控图像,通过预设的对象检测算法,从该监控图像中提取检测对象的人像图片,并通过预设的人脸检测算法,提取所述检测对象的人脸图片;
从所述人像图片中,提取所述检测对象的外部特征,并从所述人脸图片中,提取所述检测对象的人脸特征。
可选的,所述在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征,包括:
计算识别出的各人脸特征与预设的目标监控对象的人脸特征的相似度,将相似度大于预设阈值的人脸特征作为目标人脸特征;
在识别出的各外部特征中,确定与预设的目标监控对象的外部特征相同的目标外部特征。
可选的,所述根据所述目标监控特征、以及预设的所述目标监控特征对应的权重,计算该监控视频对应的监控有效值,包括:
根据所述目标人脸特征、所述目标人脸特征对应的相似度,以及每种外部特征的权重、每种外部特征对应的目标外部特征的数量,计算该监控视频对应的监控有效值。
可选的,所述该监控视频对应的监控有效值的计算公式为:
其中,H为监控有效值,Qj为人脸特征的权重,Yj为目标人脸特征j对应的相似度,x为预设常数,N为目标人脸特征的数目,wi为外部特征i的权重,ki为外部特征i对应的目标外部特征的数量,M为外部特征的种类总数。
上述服务器提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述服务器与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,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内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一监控方法的步骤。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一监控方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
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、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种监控方法,其特征在于,所述方法包括:
获取多个监控设备采集到的监控视频;
针对每个监控视频,识别该监控视频所包含的检测对象的监控特征;
在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征;
根据所述目标监控特征、以及预设的所述目标监控特征对应的权重,计算该监控视频对应的监控有效值;
根据各所述监控视频的监控有效值,确定各所述监控视频对应的显示优先级,以使显示设备根据各所述监控视频对应的显示优先级对各所述监控视频进行显示。
2.根据权利要求1所述的方法,其特征在于,所述监控特征至少包括人脸特征和外部特征,所述外部特征至少包括衣着特征、配饰特征、行为特征中的一种或多种。
3.根据权利要求1或2所述的方法,其特征在于,所述针对每个监控视频,识别该监控视频所包含的检测对象的监控特征,包括:
针对每个监控视频,提取预设时长内该监控视频所包含的监控图像;
针对每个监控图像,通过预设的对象检测算法,从该监控图像中提取检测对象的人像图片,并通过预设的人脸检测算法,提取所述检测对象的人脸图片;
从所述人像图片中,提取所述检测对象的外部特征,并从所述人脸图片中,提取所述检测对象的人脸特征。
4.根据权利要求2所述的方法,其特征在于,所述在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征,包括:
计算识别出的各人脸特征与预设的目标监控对象的人脸特征的相似度,将相似度大于预设阈值的人脸特征作为目标人脸特征;
在识别出的各外部特征中,确定与预设的目标监控对象的外部特征相同的目标外部特征。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标监控特征、以及预设的所述目标监控特征对应的权重,计算该监控视频对应的监控有效值,包括:
根据所述目标人脸特征、所述目标人脸特征对应的相似度,以及每种外部特征的权重、每种外部特征对应的目标外部特征的数量,计算该监控视频对应的监控有效值。
7.一种监控装置,其特征在于,所述装置包括:
获取模块,用于获取多个监控设备采集到的监控视频;
识别模块,用于针对每个监控视频,识别该监控视频所包含的检测对象的监控特征;
第一确定模块,用于在识别出的各监控特征中,确定与预设的目标监控对象的监控特征相比,满足预设相似度条件的目标监控特征;
计算模块,用于根据所述目标监控特征、以及预设的所述目标监控特征对应的权重,计算该监控视频对应的监控有效值;
第二确定模块,用于根据各所述监控视频的监控有效值,确定各所述监控视频对应的显示优先级,以使显示设备根据各所述监控视频对应的显示优先级对各所述监控视频进行显示。
8.根据权利要求7所述的装置,其特征在于,所述识别模块,具体用于:
针对每个监控视频,提取预设时长内该监控视频所包含的监控图像;
针对每个监控图像,通过预设的对象检测算法,从该监控图像中提取检测对象的人像图片,并通过预设的人脸检测算法,提取所述检测对象的人脸图片;
从所述人像图片中,提取所述检测对象的外部特征,并从所述人脸图片中,提取所述检测对象的人脸特征。
9.一种服务器,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-6任一所述的方法步骤。
10.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910944704.7A CN112668357A (zh) | 2019-09-30 | 2019-09-30 | 一种监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910944704.7A CN112668357A (zh) | 2019-09-30 | 2019-09-30 | 一种监控方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112668357A true CN112668357A (zh) | 2021-04-16 |
Family
ID=75399846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910944704.7A Pending CN112668357A (zh) | 2019-09-30 | 2019-09-30 | 一种监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112668357A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116962598A (zh) * | 2023-09-20 | 2023-10-27 | 福建恒智信息技术有限公司 | 一种监控视频信息融合方法及*** |
-
2019
- 2019-09-30 CN CN201910944704.7A patent/CN112668357A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116962598A (zh) * | 2023-09-20 | 2023-10-27 | 福建恒智信息技术有限公司 | 一种监控视频信息融合方法及*** |
CN116962598B (zh) * | 2023-09-20 | 2023-11-24 | 福建恒智信息技术有限公司 | 一种监控视频信息融合方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9141184B2 (en) | Person detection system | |
CN109871815B (zh) | 一种查询监控信息的方法及装置 | |
CN109299658B (zh) | 脸部检测方法、脸部图像渲染方法、装置及存储介质 | |
CN109426785B (zh) | 一种人体目标身份识别方法及装置 | |
CN110390229B (zh) | 一种人脸图片筛选方法、装置、电子设备及存储介质 | |
CN114937232B (zh) | 医废处理人员防护用具穿戴检测方法、***和设备 | |
CN108154086A (zh) | 一种图像提取方法、装置及电子设备 | |
WO2019007020A1 (zh) | 一种视频摘要的生成方法及装置 | |
CN109815902B (zh) | 一种行人属性区域信息获取方法、装置及设备 | |
CN111444555B (zh) | 一种测温信息显示方法、装置及终端设备 | |
CN112036209A (zh) | 一种人像照片处理方法及终端 | |
US20190014071A1 (en) | Network information identification method and apparatus | |
CN113470013A (zh) | 一种搬移物品的检测方法及装置 | |
CN112689120A (zh) | 一种监控方法及装置 | |
CN113869115A (zh) | 一种人脸图像处理的方法及*** | |
CN108024148B (zh) | 基于行为特征的多媒体文件识别方法、处理方法及装置 | |
CN112668357A (zh) | 一种监控方法及装置 | |
CN109190495B (zh) | 性别识别方法、装置及电子设备 | |
CN111093059A (zh) | 监控方法及相关设备 | |
CN112101479B (zh) | 一种发型识别方法及装置 | |
CN112069357B (zh) | 视频资源处理方法、装置、电子设备及存储介质 | |
CN112232113B (zh) | 人员识别方法、人员识别装置、存储介质与电子设备 | |
CN111565300A (zh) | 基于对象的视频文件处理方法、设备及*** | |
CN112395922A (zh) | 面部动作检测方法、装置及*** | |
CN110751034A (zh) | 行人行为识别方法及终端设备 |
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 |