CN113903001A - 一种基于环境监测的对象流量预测方法及*** - Google Patents
一种基于环境监测的对象流量预测方法及*** Download PDFInfo
- Publication number
- CN113903001A CN113903001A CN202111185914.6A CN202111185914A CN113903001A CN 113903001 A CN113903001 A CN 113903001A CN 202111185914 A CN202111185914 A CN 202111185914A CN 113903001 A CN113903001 A CN 113903001A
- Authority
- CN
- China
- Prior art keywords
- time period
- target
- historical time
- environment monitoring
- statistic
- 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.)
- Withdrawn
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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供的一种基于环境监测的对象流量预测方法及***,涉及环境监测技术领域。在本发明中,对多个环境监测视频进行去重筛选处理,得到对应的至少一个目标环境监测视频;在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,针对每一个历史时间段,基于该历史时间段对应的至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息;基于每一个历史时间段对应的对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。基于上述方法,可以改善现有技术中对于对象流量的预测过程中存在较大的计算量的问题。
Description
技术领域
本发明涉及环境监测技术领域,具体而言,涉及一种基于环境监测的对象流量预测方法及***。
背景技术
环境监测技术在诸多领域中都有应用,如安全保障、事故追溯、事故预测等。因此,在现有技术中,在一些较为重要的区域,如商场、交通路口等,都会设置较多的监控摄像头,以进行图像监控。
在现有技术中,对于监控摄像头采集得到的监控视频帧一般会直接进行处理,例如,直接用于进行流量统计等。但是,经发明人研究发现,监控摄像头的图像采集频率一般较高,因而,得到的监控视频一般会包括较多的无用监控视频帧,如此,如直接基于得到的监控视频进行对象流量统计以实现对象流量预测时,会出现计算量较大的问题。
发明内容
有鉴于此,本发明的目的在于提供一种基于环境监测的对象流量预测方法及***,以改善现有技术中对于对象流量的预测过程中存在较大的计算量的问题。
为实现上述目的,本发明实施例采用如下技术方案:
一种基于环境监测的对象流量预测方法,应用于环境监测后台服务器,所述环境监测后台服务器通信连接有多个环境监测设备,所述基于环境监测的对象流量预测方法包括:
基于获取的所述多个环境监测设备发送的多个环境监测视频对应的对象识别结果,对所述多个环境监测视频进行去重筛选处理,得到对应的至少一个目标环境监测视频,其中,每一个所述环境监测设备分别设置于目标监控区域的不同位置,每一个所述环境监测设备用于对所述目标监控区域的至少部分位置进行对象监测,得到对应的环境监测视频,每一个所述目标环境监测视频包括至少一帧环境监测视频帧,且所述至少一帧环境监测视频帧中的每一帧环境监测视频帧具有的监控对象相同;
在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息;
基于每一个所述历史时间段对应的对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。
在一些优选的实施例中,在上述基于环境监测的对象流量预测方法中,所述在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息的步骤,包括:
在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,通过所述多个历史时间段的数量,得到对应的时间段统计数量,并确定所述时间段统计数量与预先设置的第一时间段统计数量阈值之间的相对大小关系;
若所述时间段统计数量小于所述第一时间段统计数量阈值,则执行等待操作,直到当前确定的多个历史时间段的数量大于或等于所述第一时间段统计数量阈值;
若所述时间段统计数量大于或等于所述第一时间段统计数量阈值,则针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息。
在一些优选的实施例中,在上述基于环境监测的对象流量预测方法中,所述在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息的步骤,还包括:
计算所述多个历史时间段对应的所述对象流量统计信息的平均值,得到对应的对象流量统计均值信息,并基于所述对象流量统计均值信息计算所述多个历史时间段对应的所述对象流量统计信息的离散值,得到对应的对象流量统计离散值信息;
确定所述对象流量统计离散值信息与预先设置的对象流量统计离散值阈值信息之间的相对大小关系;
若所述对象流量统计离散值信息小于或等于所述对象流量统计离散值阈值信息,则确定能够基于所述多个历史时间段中的每一个所述历史时间段对应的对象流量统计信息对目标对象流量统计信息进行预测,若所述对象流量统计离散值信息大于所述对象流量统计离散值阈值信息,则确定所述时间段统计数量与预先设置的第二时间段统计数量阈值之间的相对大小关系,所述第二时间段统计数量阈值大于所述第一时间段统计数量阈值;
若所述时间段统计数量大于或等于所述第二时间段统计数量阈值,则确定能够基于所述多个历史时间段中的每一个所述历史时间段对应的对象流量统计信息对目标对象流量统计信息进行预测;
若所述时间段统计数量小于所述第二时间段统计数量阈值,则确定不能够基于所述多个历史时间段中的每一个所述历史时间段对应的对象流量统计信息对目标对象流量统计信息进行预测,并进行等待操作,直到当前得到的时间段统计数量大于或等于所述第二时间段统计数量阈值,或当前得到的对象流量统计离散值信息小于或等于所述对象流量统计离散值阈值信息,以确定能够基于所述多个历史时间段中的每一个所述历史时间段对应的对象流量统计信息对目标对象流量统计信息进行预测。
在一些优选的实施例中,在上述基于环境监测的对象流量预测方法中,所述基于每一个所述历史时间段对应的对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息的步骤,包括:
针对所述多个历史时间段中的每一个历史时间段,确定该历史时间段与待预测的目标时间段之间的时间关联程度信息;
基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。
在一些优选的实施例中,在上述基于环境监测的对象流量预测方法中,所述基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息的步骤,包括:
在所述多个历史时间段中的每一个历史时间段对应的时间关联程度信息中,确定出具有最大值的时间关联程度信息,并将所述具有最大值的时间关联程度信息对应的历史时间段确定为目标历史时间段;
基于所述目标历史时间段对应的所述对象流量统计信息,预测得到所述目标时间段对应的目标对象流量统计信息。
在一些优选的实施例中,在上述基于环境监测的对象流量预测方法中,所述基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息的步骤,包括:
计算每一个历史时间段对应的所述时间关联程度信息的和值,得到对应的时间关联程度总值,并基于所述时间关联程度总值对每一个历史时间段对应的所述时间关联程度信息进行归一化处理,得到每一个历史时间段对应的时间关联程度归一化值;
基于每一个历史时间段对应的所述时间关联程度归一化值,对每一个所述历史时间段对应的所述对象流量统计信息进行加权求和处理,得到所述目标时间段对应的目标对象流量统计信息。
在一些优选的实施例中,在上述基于环境监测的对象流量预测方法中,所述基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息的步骤,包括:
在所述多个历史时间段对应的所述时间关联程度信息中确定出大于或等于预先设置的时间关联程度阈值信息的时间关联程度信息,作为目标时间关联程度信息,并计算每一个所述目标时间关联程度信息的和值,得到对应的时间关联程度总值;
基于所述时间关联程度总值对每一个所述目标时间关联程度信息进行归一化处理,得到对应的时间关联程度归一化值,并基于所述时间关联程度归一化值,对每一个对应的所述对象流量统计信息进行加权求和处理,得到所述目标时间段对应的目标对象流量统计信息。
本发明实施例还提供一种基于环境监测的对象流量预测***,应用于环境监测后台服务器,所述环境监测后台服务器通信连接有多个环境监测设备,所述基于环境监测的对象流量预测***包括:
监测视频去重筛选模块,用于基于获取的所述多个环境监测设备发送的多个环境监测视频对应的对象识别结果,对所述多个环境监测视频进行去重筛选处理,得到对应的至少一个目标环境监测视频,其中,每一个所述环境监测设备分别设置于目标监控区域的不同位置,每一个所述环境监测设备用于对所述目标监控区域的至少部分位置进行对象监测,得到对应的环境监测视频,每一个所述目标环境监测视频包括至少一帧环境监测视频帧,且所述至少一帧环境监测视频帧中的每一帧环境监测视频帧具有的监控对象相同;
流量统计信息确定模块,用于在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息;
流量统计信息预测模块,用于基于每一个所述历史时间段对应的对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。
在一些优选的实施例中,在上述基于环境监测的对象流量预测***中,所述流量统计信息确定模块具体用于:
在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,通过所述多个历史时间段的数量,得到对应的时间段统计数量,并确定所述时间段统计数量与预先设置的第一时间段统计数量阈值之间的相对大小关系;
若所述时间段统计数量小于所述第一时间段统计数量阈值,则执行等待操作,直到当前确定的多个历史时间段的数量大于或等于所述第一时间段统计数量阈值;
若所述时间段统计数量大于或等于所述第一时间段统计数量阈值,则针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息。
在一些优选的实施例中,在上述基于环境监测的对象流量预测***中,所述流量统计信息预测模块具体用于:
针对所述多个历史时间段中的每一个历史时间段,确定该历史时间段与待预测的目标时间段之间的时间关联程度信息;
基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。
本发明实施例提供的一种基于环境监测的对象流量预测方法及***,在获取到多个环境监测视频之后,可以先对多个环境监测视频进行去重筛选处理得到对应的至少一个目标环境监测视频,如此,使得在得到多个历史时间段中的每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,可以基于每一个历史时间段对应的目标环境监测视频确定对应的对象流量统计信息,然后,基于每一个历史时间段对应的对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息,基于此,由于经过去重筛选处理,可以降低视频的数据量,因而,可以改善现有技术中对于对象流量的预测过程中存在较大的计算量的问题。
为使本发明的上述目的、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
图1为本发明实施例提供的环境监测后台服务器的结构框图。
图2为本发明实施例提供的基于环境监测的对象流量预测方法包括的各步骤的流程示意图。
图3为本发明实施例提供的基于环境监测的对象流量预测***包括的各功能模块的示意图。
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,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,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明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发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
如图1所示,本发明实施例提供了一种环境监测后台服务器。其中,所述环境监测后台服务器可以包括存储器和处理器。
详细地,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例(如后文所述)提供的基于环境监测的对象流量预测方法。
可选地,在一些可能的实现方式中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。
可选地,在一些可能的实现方式中,所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上***(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(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。
可选地,在一些可能的实现方式中,,图1所示的结构仅为示意,所述环境监测后台服务器还可包括比图1中所示更多或者更少的组件,或具有与图1所示不同的配置,例如,可以包括用于与其它设备(如用于进行对象监测的环境监测设备,如摄像头等)进行信息交互的通信单元。
结合图2,本发明实施例还提供一种基于环境监测的对象流量预测方法,可应用于上述环境监测后台服务器。其中,所述基于环境监测的对象流量预测方法有关的流程所定义的方法步骤,可以由所述环境监测后台服务器实现,所述环境监测后台服务器通信连接有多个环境监测设备。
下面将对图2所示的具体流程,进行详细阐述。
步骤S100,基于获取的所述多个环境监测设备发送的多个环境监测视频对应的对象识别结果,对所述多个环境监测视频进行去重筛选处理,得到对应的至少一个目标环境监测视频。
在本发明实施例中,所述环境监测后台服务器可以基于获取的所述多个环境监测设备发送的多个环境监测视频对应的对象识别结果,对所述多个环境监测视频进行去重筛选处理,得到对应的至少一个目标环境监测视频。其中,每一个所述环境监测设备分别设置于目标监控区域的不同位置,每一个所述环境监测设备用于对所述目标监控区域的至少部分位置进行对象监测,得到对应的环境监测视频,每一个所述目标环境监测视频包括至少一帧环境监测视频帧,且所述至少一帧环境监测视频帧中的每一帧环境监测视频帧具有的监控对象相同。
步骤S300,针对每一个所述历史时间段,基于该历史时间段对应的至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息。
在本发明实施例中,所述环境监测后台服务器可以在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,针对每一个所述历史时间段,基于该历史时间段对应的至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息。
步骤S500,基于每一个所述历史时间段对应的对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。
在本发明实施例中,所述环境监测后台服务器可以基于确定的每一个所述历史时间段对应的对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。
基于上述的基于环境监测的对象流量预测方法,在获取到多个环境监测视频之后,可以先对多个环境监测视频进行去重筛选处理得到对应的至少一个目标环境监测视频,如此,使得在得到多个历史时间段中的每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,可以基于每一个历史时间段对应的目标环境监测视频确定对应的对象流量统计信息,然后,基于每一个历史时间段对应的对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息,基于此,由于经过去重筛选处理,可以降低视频的数据量,因而,可以改善现有技术中对于对象流量的预测过程中存在较大的计算量的问题。
可选地,在一些可能的实现方式中,步骤S100可以包括以下的步骤S110、步骤S130和步骤S150,具体内容可以参照下文。
步骤S110,获取所述多个环境监测设备分别发送的环境监测视频,得到对应的多个环境监测视频。
在本发明实施例中,所述环境监测后台服务器可以获取所述多个环境监测设备分别发送的环境监测视频,得到对应的多个环境监测视频。其中,每一个所述环境监测设备分别设置于目标监控区域的不同位置,每一个所述环境监测设备用于对所述目标监控区域的至少部分位置进行对象监测,得到对应的环境监测视频。
步骤S130,对所述多个环境监测视频中的每一个所述环境监测视频进行对象识别,得到每一个所述环境监测视频对应的对象识别结果。
在本发明实施例中,所述环境监测后台服务器可以对获取到的所述多个环境监测视频中的每一个所述环境监测视频进行对象识别,得到每一个所述环境监测视频对应的对象识别结果。
步骤S150,基于每一个所述环境监测视频对应的所述对象识别结果对所述多个环境监测视频进行去重筛选处理,得到对应的至少一个目标环境监测视频。
在本发明实施例中,所述环境监测后台服务器可以基于识别得到的每一个所述环境监测视频对应的所述对象识别结果,对所述多个环境监测视频进行去重筛选处理,得到对应的至少一个目标环境监测视频。
基于上述的基于环境监测的对象流量预测方法,在获取到多个环境监测设备发送的多个环境监测视频之后,可以先对每一个环境监测视频进行对象识别得到每一个环境监测视频对应的对象识别结果,然后,基于每一个环境监测视频对应的对象识别结果对多个环境监测视频进行去重筛选处理,得到对应的至少一个目标环境监测视频,如此,在保障数据可靠度的基础上,还可以降低需要处理和保存的监控视频的数据量,从而改善现有的环境监测技术中容易出现的资源浪费的问题。
可选地,在一些可能的实现方式中,步骤S110可以包括以下步骤:
首先,判断是否接收到用于指示对所述目标监控区域进行对象监测的对象监测请求信息,并在接收到用于指示对所述目标监控区域进行对象监测的对象监测请求信息时,生成对应的对象监测通知信息;
其次,将所述对象监测通知信息同步发送至所述多个环境监测设备中的每一个所述环境监测设备,其中,每一个所述环境监测设备用于在接收到所述对象监测通知信息之后,基于所述对象监测通知信息对所述目标监控区域的至少部分位置进行对象监测,得到对应的环境监测视频;
然后,分别获取所述多个环境监测设备分别基于所述对象监测通知信息发送的环境监测视频,得到对应的多个环境监测视频。
可选地,在一些可能的实现方式中,所述判断是否接收到用于指示对所述目标监控区域进行对象监测的对象监测请求信息,并在接收到用于指示对所述目标监控区域进行对象监测的对象监测请求信息时,生成对应的对象监测通知信息的步骤,可以包括以下步骤:
首先,判断是否接收到用于指示对所述目标监控区域进行对象监测的对象监测请求信息,并在接收到用于指示对所述目标监控区域进行对象监测的对象监测请求信息时,对所述对象监测请求信息进行解析处理,得到对应的用于请求开始进行对象监测的目标时间信息;
其次,基于所述目标时间信息生成对应的对象监测通知信息,其中,所述对象监测通知信息在所述目标时间信息之前发送至所述所述多个环境监测设备中的每一个所述环境监测设备,且每一个所述环境监测设备在接收到所述对象监测通知信息之后,在所述目标时间信息开始对所述目标监控区域的至少部分位置进行对象监测,得到对应的环境监测视频。
可选地,在一些可能的实现方式中,步骤S130可以包括以下步骤:
首先,针对所述多个环境监测视频中的每一个所述环境监测视频中的每一帧环境监测视频帧,确定该环境监测视频帧是否包括多个监测对象;
其次,针对所述多个环境监测视频中的每一个所述环境监测视频中的每一帧环境监测视频帧,在该环境监测视频帧包括多个监测对象时,将该环境监测视频帧确定为待处理环境监测视频帧;
然后,针对每一帧所述待处理环境监测视频帧,基于该待处理环境监测视频帧包括的监控对象的数量对该待处理环境监测视频帧进行分解处理,得到对应的多帧环境监测子视频帧,其中,所述多帧环境监测子视频帧的帧数与对应的所述待处理环境监测视频帧包括的监控对象的数量相同,且一帧所述环境监测子视频帧中包括一个监测对象;
之后,针对所述多个环境监测视频中的每一个所述环境监测视频,若该环境监测视频包括所述待处理环境监测视频帧,则将该待处理环境监测视频帧对应的所述多帧环境监测子视频帧作为多帧新的环境监测视频帧,以替换该待处理环境监测视频帧,实现对该环境监测视频的更新;
最后,针对每一个所述环境监测视频,对该环境监测视频包括的每一帧环境监测视频帧进行对象识别(如可以基于训练得到的识别模型进行识别),得到该环境监测视频对应的对象识别结果。
可选地,在一些可能的实现方式中,所述针对每一个所述环境监测视频,对该环境监测视频包括的每一帧环境监测视频帧进行对象识别,得到该环境监测视频对应的对象识别结果的步骤,可以包括以下步骤:
首先,针对每一个所述环境监测视频,基于预先训练得到的对象识别模型对该环境监测视频包括的每两帧环境监测视频帧进行对象识别处理,得到每两帧环境监测视频帧之间的监测对象是否相同的识别结果(其中,所述对象识别模型可以是预先训练得到的神经网络模型,且可以是二分类的神经网络模型,以确定两帧环境监测视频帧之间的监测对象是否相同);
其次,针对每一个所述环境监测视频,基于该环境监测视频包括的每两帧环境监测视频帧之间的监测对象是否相同的识别结果,对该环境监测视频包括的每一帧环境监测视频帧具有的监测对象进行编号,得到该环境监测视频包括的每一帧环境监测视频帧对应的监测对象编号信息,并将所述监测对象编号信息作为对应的对象识别结果(如对应的监控对象相同,可以用相同的对象编号信息标识,如对应的监控对象不相同,可以用不相同的对象编号信息标识)。
可选地,在一些可能的实现方式中,步骤S150可以包括以下步骤:
首先,针对每一个所述环境监测视频,基于该环境监测视频对应的所述对象识别结果,对该环境监测视频包括的多帧环境监测视频帧进行去重筛选处理,得到该环境监测视频对应的环境监测筛选视频;
其次,对每一个所述环境监测视频对应的所述环境监测筛选视频进行去重筛除处理,得到对应的至少一个目标环境监测视频。
可选地,在一些可能的实现方式中,所述针对每一个所述环境监测视频,基于该环境监测视频对应的所述对象识别结果,对该环境监测视频包括的多帧环境监测视频帧进行去重筛选处理,得到该环境监测视频对应的环境监测筛选视频的步骤,可以包括以下步骤:
首先,针对每一个所述环境监测视频,基于该环境监测视频对应的所述对象识别结果,对该环境监测视频包括的多帧环境监测视频帧进行目标去重筛选处理,得到该环境监测视频对应的环境监测筛选视频;
其中,所述目标去重筛选处理包括:
针对所述环境监测视频中的每一帧所述环境监测视频帧,基于该环境监测视频帧具有的监控对象对该环境监测视频帧进行图像分割,得到对应的多帧环境监测子视频帧,并将所述多帧环境监测子视频帧构建形成该环境监测视频帧对应的子视频帧集合,其中,每一帧所述环境监测子视频帧包括对应的所述环境监测视频帧具有的监控对象的部分图像信息,且一个所述子视频帧集合包括的各所述环境监测子视频帧包括的部分图像信息构建得到对应的所述环境监测视频帧具有的监控对象的全部图像信息;
所述环境监测视频帧对应的所述对应的子视频帧集合对所基于所述环境监测视频中的每一帧述环境监测视频包括的各所述环境监测视频帧进行筛选,得到所述环境监测视频对应的环境监测筛选视频。
可选地,在一些可能的实现方式中,所述针对所述环境监测视频中的每一帧所述环境监测视频帧,基于该环境监测视频帧具有的监控对象对该环境监测视频帧进行图像分割,得到对应的多帧环境监测子视频帧,并将所述多帧环境监测子视频帧构建形成该环境监测视频帧对应的子视频帧集合的步骤,可以包括以下步骤:
首先,针对所述环境监测视频中的每一帧所述环境监测视频帧,基于该环境监测视频帧具有的监控对象包括的各个对象部位(如头颈部位、躯干部位、左手部位、右手部位、左脚部位、右脚部位)对该环境监测视频帧进行图像分割得到对应的多帧环境监测子视频帧,其中,每一帧所述环境监测子视频帧包括所述监控对象的一个对象部位的图像信息,且不同所述环境监测子视频帧包括所述监控对象的对象部位不同;
其次,针对所述环境监测视频中的每一帧所述环境监测视频帧,将该环境监测视频帧对应的所述多帧环境监测子视频帧,构建形成该环境监测视频帧对应的子视频帧集合。
可选地,在一些可能的实现方式中,所述基于所述环境监测视频中的每一帧所述环境监测视频帧对应的所述对应的子视频帧集合对所述环境监测视频包括的各所述环境监测视频帧进行筛选,得到所述环境监测视频对应的环境监测筛选视频的步骤,可以包括以下步骤:
第一步,针对所述环境监测视频中的每一帧所述环境监测视频帧,在该环境监测视频帧对应的所述子视频帧集合内的每一帧所述环境监测子视频帧与该环境监测视频帧之间分别建立对应的索引关系;
第二步,对所述环境监测视频包括的每一帧所述环境监测视频帧对应的所述环境监测子视频帧进行分类处理,得到至少一种视频帧分类,其中,每一种所述视频帧分类包括的环境监测子视频帧具有的监控图像的部分图像信息相同,不同种的所述视频帧分类包括的环境监测子视频帧具有的监控图像的部分图像信息不相同;
第三步,针对每一种环境监测子视频帧,基于所述索引关系,确定该种环境监测子视频帧对应的每一帧所述环境监测视频帧,得到该种环境监测子视频帧对应的环境监测视频帧集合;
第四步,针对每一种环境监测子视频帧,将该种环境监测子视频帧对应的所述环境监测视频帧集合中采集时间最早的一帧所述环境监测视频帧作为第一环境监测视频帧,并将所述第一环境监测视频帧添加到预先构建的第一视频帧集合中;
第五步,遍历所述环境监测视频帧集合中的每一帧所述环境监测视频帧,并基于当前遍历到的所述环境监测视频帧与所述第一视频帧集合中的环境监测视频帧之间对应的所述对象识别结果,确定当前遍历到的所述环境监测视频帧与所述第一视频帧集合中的环境监测视频帧之间具有的监控对象是否相同;
第六步,若当前遍历到的所述环境监测视频帧与所述第一视频帧集合中的环境监测视频帧之间具有的监控对象不相同,则将当前遍历到的所述环境监测视频帧添加至所述第一视频帧集合中,并遍历所述环境监测视频帧集合中的下一帧所述环境监测视频帧,若当前遍历到的所述环境监测视频帧与所述第一视频帧集合中的环境监测视频帧之间具有的监控对象相同,则确定当前遍历到的所述环境监测视频帧的采集时间与所述第一视频帧集合中的环境监测视频帧的采集时间之间的时间差值是否大于或等于预先设置的时间差值阈值;
第七步,若当前遍历到的所述环境监测视频帧的采集时间与所述第一视频帧集合中的环境监测视频帧的采集时间之间的时间差值大于或等于所述时间差值阈值,则将当前遍历到的所述环境监测视频帧添加至所述第一视频帧集合中,并遍历所述环境监测视频帧集合中的下一帧所述环境监测视频帧,若当前遍历到的所述环境监测视频帧的采集时间与所述第一视频帧集合中的环境监测视频帧的采集时间之间的时间差值小于所述时间差值阈值,则遍历所述环境监测视频帧集合中的下一帧所述环境监测视频帧;
第八步,在遍历完所述环境监测视频帧集合内的所有环境监测视频帧之后,将每一种所述环境监测子视频帧对应的所述第一视频帧集合的并集,作为所述环境监测视频对应的环境监测筛选视频。
可选地,在一些可能的实现方式中,所述对每一个所述环境监测视频对应的所述环境监测筛选视频进行去重筛除处理,得到对应的至少一个目标环境监测视频的步骤,可以包括以下步骤:
首先,针对每一个所述环境监测视频对应的所述环境监测筛选视频,基于包括的监控对象是否相同对该环境监测筛选视频包括的每一帧环境监测视频帧进行分类处理,得到该环境监测筛选视频对应的至少一个环境监测视频帧分类集合,并针对每一个所述环境监测视频帧分类集合,基于该环境监测视频帧分类集合包括的每一帧所述环境监测视频帧的采集时间的先后关系,对环境监测视频帧分类集合包括的每一帧所述环境监测视频帧进行排序,形成对应的新的环境监测筛选视频,以替换对应的环境监测筛选视频(即保存新的环境监测筛选视频,筛除对应的环境监测筛选视频);
其次,对当前的每一个所述环境监测筛选视频进行去重筛除处理,得到对应的至少一个目标环境监测视频。
可选地,在一些可能的实现方式中,所述对当前的每一个所述环境监测筛选视频进行去重筛除处理,得到对应的至少一个目标环境监测视频的步骤,可以包括以下步骤:
首先,基于包括的监控对象是否相同,对当前的每一个所述环境监测筛选视频进行分类,得到对应的至少一个筛选视频分类集合,并分别判断每一个所述筛选视频分类集合包括的所述环境监测筛选视频是否为多个;
其次,针对每一个所述筛选视频分类集合,若该筛选视频分类集合包括的所述环境监测筛选视频不为多个(即一个),则将该筛选视频分类集合包括的所述环境监测筛选视频确定为目标环境监测视频;
然后,针对每一个所述筛选视频分类集合,若该筛选视频分类集合包括的所述环境监测筛选视频为多个,则分别对该筛选视频分类集合包括的每一个所述环境监测筛选视频的监控对象进行动作特征提取处理(可以基于预先训练得到的动作识别模型进行提取),得到该筛选视频分类集合包括的每一个所述环境监测筛选视频对应的动作特征信息,并将对应的所述动作特征信息相同的多个所述环境监测筛选视频中的部分筛除(如仅保留其中一个,可以是任意一个,或对应的视频帧最多的一个),以及,将未被筛除的每一个所述环境监测筛选视频确定为目标环境监测视频。
可选地,在一些可能的实现方式中,步骤S300可以包括以下步骤:
首先,在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,通过所述多个历史时间段的数量,得到对应的时间段统计数量,并确定所述时间段统计数量与预先设置的第一时间段统计数量阈值之间的相对大小关系;
其次,若所述时间段统计数量小于所述第一时间段统计数量阈值,则执行等待操作,直到当前确定的多个历史时间段的数量大于或等于所述第一时间段统计数量阈值;
然后,若所述时间段统计数量大于或等于所述第一时间段统计数量阈值,则针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息。
可选地,在一些可能的实现方式中,步骤S300还可以包括以下步骤:
首先,计算所述多个历史时间段对应的所述对象流量统计信息的平均值,得到对应的对象流量统计均值信息,并基于所述对象流量统计均值信息计算所述多个历史时间段对应的所述对象流量统计信息的离散值,得到对应的对象流量统计离散值信息;
其次,确定所述对象流量统计离散值信息与预先设置的对象流量统计离散值阈值信息之间的相对大小关系;
然后,若所述对象流量统计离散值信息小于或等于所述对象流量统计离散值阈值信息,则确定能够基于所述多个历史时间段中的每一个所述历史时间段对应的对象流量统计信息对目标对象流量统计信息进行预测(即不能执行步骤S500),若所述对象流量统计离散值信息大于所述对象流量统计离散值阈值信息,则确定所述时间段统计数量与预先设置的第二时间段统计数量阈值之间的相对大小关系,所述第二时间段统计数量阈值大于所述第一时间段统计数量阈值;
之后,若所述时间段统计数量大于或等于所述第二时间段统计数量阈值,则确定能够基于所述多个历史时间段中的每一个所述历史时间段对应的对象流量统计信息对目标对象流量统计信息进行预测;
最后,若所述时间段统计数量小于所述第二时间段统计数量阈值,则确定不能够基于所述多个历史时间段中的每一个所述历史时间段对应的对象流量统计信息对目标对象流量统计信息进行预测,并进行等待操作,直到当前得到的时间段统计数量大于或等于所述第二时间段统计数量阈值,或当前得到的对象流量统计离散值信息小于或等于所述对象流量统计离散值阈值信息,以确定能够基于所述多个历史时间段中的每一个所述历史时间段对应的对象流量统计信息对目标对象流量统计信息进行预测。
可选地,在一些可能的实现方式中,步骤S500可以包括以下步骤:
首先,针对所述多个历史时间段中的每一个历史时间段,确定该历史时间段与待预测的目标时间段之间的时间关联程度信息(可以基于两个维度综合计算得到,一个维度是所述目标时间段与所述历史时间段之间的差值,该差值越小对应的关联程度越高,另一个维度是所述目标时间段所属的时段与所述历史时间段所属的时段之间的差值,该差值越小对应的关联程度越高,其中,一天可以划分为12、24等数量的时段);
其次,基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。
可选地,在一些可能的实现方式中,所述基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息的步骤,可以包括以下步骤:
首先,在所述多个历史时间段中的每一个历史时间段对应的时间关联程度信息中,确定出具有最大值的时间关联程度信息,并将所述具有最大值的时间关联程度信息对应的历史时间段确定为目标历史时间段;
其次,基于所述目标历史时间段对应的所述对象流量统计信息,预测得到所述目标时间段对应的目标对象流量统计信息(如直接将所述目标历史时间段对应的所述对象流量统计信息确定为所述目标时间段对应的目标对象流量统计信息)。
可选地,在另一些可能的实现方式中,所述基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息的步骤,可以包括以下步骤:
首先,计算每一个历史时间段对应的所述时间关联程度信息的和值,得到对应的时间关联程度总值,并基于所述时间关联程度总值对每一个历史时间段对应的所述时间关联程度信息进行归一化处理(后者除以前者),得到每一个历史时间段对应的时间关联程度归一化值;
其次,基于每一个历史时间段对应的所述时间关联程度归一化值,对每一个所述历史时间段对应的所述对象流量统计信息进行加权求和处理,得到所述目标时间段对应的目标对象流量统计信息。
可选地,在另一些可能的实现方式中,所述基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息的步骤,可以包括以下步骤:
首先,在所述多个历史时间段对应的所述时间关联程度信息中确定出大于或等于预先设置的时间关联程度阈值信息的时间关联程度信息,作为目标时间关联程度信息,并计算每一个所述目标时间关联程度信息的和值,得到对应的时间关联程度总值;
其次,基于所述时间关联程度总值对每一个所述目标时间关联程度信息进行归一化处理,得到对应的时间关联程度归一化值,并基于所述时间关联程度归一化值,对每一个对应的所述对象流量统计信息进行加权求和处理,得到所述目标时间段对应的目标对象流量统计信息。
结合图3,本发明实施例还提供一种基于环境监测的对象流量预测***,可应用于上述环境监测后台服务器。其中,所述基于环境监测的对象流量预测***可以包括以下各功能模块:
监测视频去重筛选模块,用于基于获取的所述多个环境监测设备发送的多个环境监测视频对应的对象识别结果,对所述多个环境监测视频进行去重筛选处理,得到对应的至少一个目标环境监测视频,其中,每一个所述环境监测设备分别设置于目标监控区域的不同位置,每一个所述环境监测设备用于对所述目标监控区域的至少部分位置进行对象监测,得到对应的环境监测视频,每一个所述目标环境监测视频包括至少一帧环境监测视频帧,且所述至少一帧环境监测视频帧中的每一帧环境监测视频帧具有的监控对象相同;
流量统计信息确定模块,用于在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息;
流量统计信息预测模块,用于基于每一个所述历史时间段对应的对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。
可选地,在一些可能的实现方式中,所述流量统计信息确定模块具体用于:在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,通过所述多个历史时间段的数量,得到对应的时间段统计数量,并确定所述时间段统计数量与预先设置的第一时间段统计数量阈值之间的相对大小关系;若所述时间段统计数量小于所述第一时间段统计数量阈值,则执行等待操作,直到当前确定的多个历史时间段的数量大于或等于所述第一时间段统计数量阈值;若所述时间段统计数量大于或等于所述第一时间段统计数量阈值,则针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息。
可选地,在一些可能的实现方式中,所述流量统计信息预测模块具体用于:针对所述多个历史时间段中的每一个历史时间段,确定该历史时间段与待预测的目标时间段之间的时间关联程度信息;基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。
综上所述,本发明提供的一种基于环境监测的对象流量预测方法及***,在获取到多个环境监测视频之后,可以先对多个环境监测视频进行去重筛选处理得到对应的至少一个目标环境监测视频,如此,使得在得到多个历史时间段中的每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,可以基于每一个历史时间段对应的目标环境监测视频确定对应的对象流量统计信息,然后,基于每一个历史时间段对应的对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息,基于此,由于经过去重筛选处理,可以降低视频的数据量,因而,可以改善现有技术中对于对象流量的预测过程中存在较大的计算量的问题。
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。凡在本发明的精神和原则之内,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)
1.一种基于环境监测的对象流量预测方法,其特征在于,应用于环境监测后台服务器,所述环境监测后台服务器通信连接有多个环境监测设备,所述基于环境监测的对象流量预测方法包括:
基于获取的所述多个环境监测设备发送的多个环境监测视频对应的对象识别结果,对所述多个环境监测视频进行去重筛选处理,得到对应的至少一个目标环境监测视频,其中,每一个所述环境监测设备分别设置于目标监控区域的不同位置,每一个所述环境监测设备用于对所述目标监控区域的至少部分位置进行对象监测,得到对应的环境监测视频,每一个所述目标环境监测视频包括至少一帧环境监测视频帧,且所述至少一帧环境监测视频帧中的每一帧环境监测视频帧具有的监控对象相同;
在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息;
基于每一个所述历史时间段对应的对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。
2.如权利要求1所述的基于环境监测的对象流量预测方法,其特征在于,所述在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息的步骤,包括:
在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,通过所述多个历史时间段的数量,得到对应的时间段统计数量,并确定所述时间段统计数量与预先设置的第一时间段统计数量阈值之间的相对大小关系;
若所述时间段统计数量小于所述第一时间段统计数量阈值,则执行等待操作,直到当前确定的多个历史时间段的数量大于或等于所述第一时间段统计数量阈值;
若所述时间段统计数量大于或等于所述第一时间段统计数量阈值,则针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息。
3.如权利要求2所述的基于环境监测的对象流量预测方法,其特征在于,所述在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息的步骤,还包括:
计算所述多个历史时间段对应的所述对象流量统计信息的平均值,得到对应的对象流量统计均值信息,并基于所述对象流量统计均值信息计算所述多个历史时间段对应的所述对象流量统计信息的离散值,得到对应的对象流量统计离散值信息;
确定所述对象流量统计离散值信息与预先设置的对象流量统计离散值阈值信息之间的相对大小关系;
若所述对象流量统计离散值信息小于或等于所述对象流量统计离散值阈值信息,则确定能够基于所述多个历史时间段中的每一个所述历史时间段对应的对象流量统计信息对目标对象流量统计信息进行预测,若所述对象流量统计离散值信息大于所述对象流量统计离散值阈值信息,则确定所述时间段统计数量与预先设置的第二时间段统计数量阈值之间的相对大小关系,所述第二时间段统计数量阈值大于所述第一时间段统计数量阈值;
若所述时间段统计数量大于或等于所述第二时间段统计数量阈值,则确定能够基于所述多个历史时间段中的每一个所述历史时间段对应的对象流量统计信息对目标对象流量统计信息进行预测;
若所述时间段统计数量小于所述第二时间段统计数量阈值,则确定不能够基于所述多个历史时间段中的每一个所述历史时间段对应的对象流量统计信息对目标对象流量统计信息进行预测,并进行等待操作,直到当前得到的时间段统计数量大于或等于所述第二时间段统计数量阈值,或当前得到的对象流量统计离散值信息小于或等于所述对象流量统计离散值阈值信息,以确定能够基于所述多个历史时间段中的每一个所述历史时间段对应的对象流量统计信息对目标对象流量统计信息进行预测。
4.如权利要求1-3任意一项所述的基于环境监测的对象流量预测方法,其特征在于,所述基于每一个所述历史时间段对应的对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息的步骤,包括:
针对所述多个历史时间段中的每一个历史时间段,确定该历史时间段与待预测的目标时间段之间的时间关联程度信息;
基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。
5.如权利要求4所述的基于环境监测的对象流量预测方法,其特征在于,所述基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息的步骤,包括:
在所述多个历史时间段中的每一个历史时间段对应的时间关联程度信息中,确定出具有最大值的时间关联程度信息,并将所述具有最大值的时间关联程度信息对应的历史时间段确定为目标历史时间段;
基于所述目标历史时间段对应的所述对象流量统计信息,预测得到所述目标时间段对应的目标对象流量统计信息。
6.如权利要求4所述的基于环境监测的对象流量预测方法,其特征在于,所述基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息的步骤,包括:
计算每一个历史时间段对应的所述时间关联程度信息的和值,得到对应的时间关联程度总值,并基于所述时间关联程度总值对每一个历史时间段对应的所述时间关联程度信息进行归一化处理,得到每一个历史时间段对应的时间关联程度归一化值;
基于每一个历史时间段对应的所述时间关联程度归一化值,对每一个所述历史时间段对应的所述对象流量统计信息进行加权求和处理,得到所述目标时间段对应的目标对象流量统计信息。
7.如权利要求4所述的基于环境监测的对象流量预测方法,其特征在于,所述基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息的步骤,包括:
在所述多个历史时间段对应的所述时间关联程度信息中确定出大于或等于预先设置的时间关联程度阈值信息的时间关联程度信息,作为目标时间关联程度信息,并计算每一个所述目标时间关联程度信息的和值,得到对应的时间关联程度总值;
基于所述时间关联程度总值对每一个所述目标时间关联程度信息进行归一化处理,得到对应的时间关联程度归一化值,并基于所述时间关联程度归一化值,对每一个对应的所述对象流量统计信息进行加权求和处理,得到所述目标时间段对应的目标对象流量统计信息。
8.一种基于环境监测的对象流量预测***,其特征在于,应用于环境监测后台服务器,所述环境监测后台服务器通信连接有多个环境监测设备,所述基于环境监测的对象流量预测***包括:
监测视频去重筛选模块,用于基于获取的所述多个环境监测设备发送的多个环境监测视频对应的对象识别结果,对所述多个环境监测视频进行去重筛选处理,得到对应的至少一个目标环境监测视频,其中,每一个所述环境监测设备分别设置于目标监控区域的不同位置,每一个所述环境监测设备用于对所述目标监控区域的至少部分位置进行对象监测,得到对应的环境监测视频,每一个所述目标环境监测视频包括至少一帧环境监测视频帧,且所述至少一帧环境监测视频帧中的每一帧环境监测视频帧具有的监控对象相同;
流量统计信息确定模块,用于在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息;
流量统计信息预测模块,用于基于每一个所述历史时间段对应的对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。
9.如权利要求8所述的基于环境监测的对象流量预测***,其特征在于,所述流量统计信息确定模块具体用于:
在得到多个历史时间段中每一个历史时间段对应的多个环境监测视频对应的至少一个目标环境监测视频之后,通过所述多个历史时间段的数量,得到对应的时间段统计数量,并确定所述时间段统计数量与预先设置的第一时间段统计数量阈值之间的相对大小关系;
若所述时间段统计数量小于所述第一时间段统计数量阈值,则执行等待操作,直到当前确定的多个历史时间段的数量大于或等于所述第一时间段统计数量阈值;
若所述时间段统计数量大于或等于所述第一时间段统计数量阈值,则针对每一个所述历史时间段,基于该历史时间段对应的所述至少一个目标环境监测视频,确定该历史时间段对应的对象流量统计信息。
10.如权利要求8所述的基于环境监测的对象流量预测***,其特征在于,所述流量统计信息预测模块具体用于:
针对所述多个历史时间段中的每一个历史时间段,确定该历史时间段与待预测的目标时间段之间的时间关联程度信息;
基于所述时间关联程度信息和每一个所述历史时间段对应的所述对象流量统计信息,预测得到目标时间段对应的目标对象流量统计信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111185914.6A CN113903001A (zh) | 2021-10-12 | 2021-10-12 | 一种基于环境监测的对象流量预测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111185914.6A CN113903001A (zh) | 2021-10-12 | 2021-10-12 | 一种基于环境监测的对象流量预测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113903001A true CN113903001A (zh) | 2022-01-07 |
Family
ID=79191611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111185914.6A Withdrawn CN113903001A (zh) | 2021-10-12 | 2021-10-12 | 一种基于环境监测的对象流量预测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113903001A (zh) |
-
2021
- 2021-10-12 CN CN202111185914.6A patent/CN113903001A/zh not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114140713A (zh) | 一种图像识别***、图像识别方法 | |
CN113902993A (zh) | 一种基于环境监测的环境状态分析方法及*** | |
CN114140712A (zh) | 一种自动图像识别分发***及方法 | |
CN114724215A (zh) | 一种敏感图像识别方法及*** | |
CN114139016A (zh) | 一种智慧小区的数据处理方法及*** | |
CN114189535A (zh) | 一种基于智慧城市数据的业务请求方法及*** | |
CN113612645A (zh) | 一种物联网数据处理方法及*** | |
CN113868471A (zh) | 一种基于监控设备关系的数据匹配方法及*** | |
CN113949881A (zh) | 一种基于智慧城市数据的业务处理方法及*** | |
CN113902412A (zh) | 一种基于数据处理的环境监测方法 | |
CN111178347B (zh) | 证件图像的模糊度检测方法、装置、设备及存储介质 | |
CN115620243B (zh) | 基于人工智能的污染源监测方法、***及云平台 | |
CN113903001A (zh) | 一种基于环境监测的对象流量预测方法及*** | |
CN115457467A (zh) | 一种基于数据挖掘的建筑质量隐患定位方法及*** | |
CN115375886A (zh) | 一种基于云计算服务的数据采集方法及*** | |
CN115424193A (zh) | 一种训练图像信息处理的方法及*** | |
CN113537087A (zh) | 一种智慧交通信息处理方法、装置及服务器 | |
CN113808088A (zh) | 一种污染检测方法及*** | |
CN115147752A (zh) | 一种视频分析方法、装置及计算机设备 | |
CN114677615A (zh) | 一种环境检测方法和检测*** | |
CN114896653A (zh) | 一种基于bim的建筑物数据监测方法及其*** | |
CN113780126A (zh) | 一种基于rfid识别的安全保护方法及装置 | |
CN113672443A (zh) | 一种基于芯片检测的用户行为分析方法及*** | |
CN113673430A (zh) | 一种基于物联网的用户行为分析方法 | |
CN113407750A (zh) | 一种图像分布式存储方法及*** |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220107 |
|
WW01 | Invention patent application withdrawn after publication |