CN115223076A - 行为告警方法、装置、设备及存储介质 - Google Patents
行为告警方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115223076A CN115223076A CN202210709398.0A CN202210709398A CN115223076A CN 115223076 A CN115223076 A CN 115223076A CN 202210709398 A CN202210709398 A CN 202210709398A CN 115223076 A CN115223076 A CN 115223076A
- Authority
- CN
- China
- Prior art keywords
- behavior
- video
- processed
- behavior detection
- scene
- 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- Withdrawn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
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000001514 detection method Methods 0.000 claims abstract description 348
- 230000004044 response Effects 0.000 claims abstract description 38
- 230000006399 behavior Effects 0.000 claims description 522
- 238000001816 cooling Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 19
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000003542 behavioural effect Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 39
- 206010000117 Abnormal behaviour Diseases 0.000 description 21
- 238000012806 monitoring device Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/48—Matching video sequences
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本申请实施例公开了一种行为告警方法、装置、设备及存储介质,所述方法包括:确定待处理视频对应的场景标签;响应于针对所述场景标签的行为选择操作,确定所述待处理视频对应的行为检测任务和所述行为检测任务在所述待处理视频中的行为检测区域;根据所述行为检测任务对应的行为检测类型,对所述待处理视频中的所述行为检测区域进行行为识别;响应于在所述行为检测区域中识别到与所述行为检测类型对应的行为,生成行为告警信息;输出所述行为告警信息。
Description
技术领域
本申请涉及但不限于计算机技术领域,尤其涉及一种行为告警方法、装置、设备及存储介质。
背景技术
随着基于深度学习的异常行为识别算法的精度不断提高,使得通过解析监控视频,来对监控到的行为事件进行输出告警成为可能。
但是,不同的视频源配置的异常行为识别参数可能不一致,使得相关技术无法对视频源统一配置行为识别算法,且对异常行为告警发生的区域场景很难快速进行定位。
发明内容
本申请实施例至少提供一种行为告警方法、装置、设备及存储介质。
本申请实施例的技术方案是这样实现的:
本申请实施例提供一种行为告警方法,所述方法包括:
确定待处理视频对应的场景标签;
响应于针对所述场景标签的行为选择操作,确定所述待处理视频对应的行为检测任务和所述行为检测任务在所述待处理视频中的行为检测区域;
根据所述行为检测任务对应的行为检测类型,对所述待处理视频中的所述行为检测区域进行行为识别;
响应于在所述行为检测区域中识别到与所述行为检测类型对应的行为,生成行为告警信息;
输出所述行为告警信息。
本申请实施例提供一种行为告警装置,所述装置包括:
第一确定模块,用于确定待处理视频对应的场景标签;
第二确定模块,用于响应于针对所述场景标签的行为选择操作,确定所述待处理视频对应的行为检测任务和所述行为检测任务在所述待处理视频中的行为检测区域;
行为识别模块,用于根据所述行为检测任务对应的行为检测类型,对所述待处理视频中的所述行为检测区域进行行为识别;
生成模块,用于响应于在所述行为检测区域中识别到与所述行为检测类型对应的行为,生成行为告警信息;
输出模块,用于输出所述行为告警信息。
本申请实施例提供一种行为告警设备,包括处理器和存储器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述行为告警方法。
本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述行为告警方法。
本申请实施例提供一种计算机程序产品,所述计算机程序产品包括可执行指令,所述可执行指令存储在计算机可读存储介质中;当行为告警设备的处理器从所述计算机可读存储介质读取所述可执行指令,并执行所述可执行指令时,实现上述行为告警方法。
本申请实施例提供的行为告警方法、装置、设备及存储介质,首先,通过确定待处理视频对应的场景标签,能够确定出待处理视频对应场景位置,使得后续能够快速定位出行为发生的位置,提高行为告警处理的效率;其次,响应于针对场景标签的行为选择操作,确定出待处理视频的场景标签、场景标签对应的行为检测任务和行为检测任务在所述待处理视频中的行为检测区域,使得本申请实施例可以对针对具有特定场景标签的待处理视频设置行为检测任务,能够统一对待处理视频配置行为检测任务,提高了配置行为检测任务的效率,同时,本申请实施例确定出行为检测任务对应的行为检测区域,使得在选定的行为检测区域运行对应的行为检测任务,避免对待处理视频对应的全部区域进行行为检测,减少了服务器的计算量;最后,根据行为检测任务对应的行为检测类型,对待处理视频中的行为检测区域进行行为识别,当行为检测区域中识别到与所述行为检测类型对应的行为时,根据识别到的行为,生成行为告警信息并输出,使得本申请实施例提供的行为告警方法能够根据选择的行为检测任务对应的行为检测类型,对待处理视频进行行为检测并告警,提高了检测效率和行为告警方法的通用性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本申请的实施例,并与说明书一起用于说明本申请的技术方案。
图1是本申请实施例提供的行为告警方法的应用场景示意图;
图2是本申请实施例提供的一种行为告警方法的实现流程示意图;
图3是本申请实施例提供的一种行为告警方法的实现流程示意图;
图4是本申请实施例提供的一种行为告警方法的实现流程示意图;
图5是本申请实施例提供的一种行为告警方法的实现流程示意图;
图6是本申请实施例提供的场景标签及行为检测算法参数设置界面示意图;
图7是本申请实施例提供的视频源配置场景标签的展示界面示意图;
图8是本申请实施例提供的告警信息展示界面示意图;
图9是本申请实施例提供的一种行为告警装置示意图;
图10是本申请实施例提供的一种行为告警设备的硬件实体示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述,所描述的实施例不应视为对本申请的限制,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它实施例,都属于本申请保护的范围。
在以下的描述中,涉及到“一些实施例”,其描述了所有可能实施例的子集,但是可以理解,“一些实施例”可以是所有可能实施例的相同子集或不同子集,并且可以在不冲突的情况下相互结合。
在以下的描述中,所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序,以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的,不是旨在限制本申请。
在日常工作中,许多行为是需要进行干预并处理的,随着深度学习的行为识别算法的精度不断提高,使得通过解析监控视频,来对监控到的行为事件进行输出告警成为可能。
但是,相关技术中的行为检测方法只能直接为单个视频源配置行为检测任务,每个视频源配置的行为检测的参数设置可能不一致,因此,统一对视频源配置行为检测算法较难实现。此外,相关技术没有通过区域场景标签对视频源分类,需要查看告警信息的详情才能获取行为事件对应的视频源的点位信息,难以对行为告警发生的区域场景进行统一管理。相关技术没有对特定事件进行识别的精度较高的算法,且相关技术中在显示检测到的行为事件时,没有出现以应用单元场景为分类标准,对行为事件进行分类并显示的方法,也没有出现对某场景下的行为检测算法类型选项、行为检测算法参数设置和行为检测算法的时段进行统一管理的方法。
基于相关技术中存在的问题,本申请实施例提供一种行为告警方法,首先,通过确定待处理视频对应的场景标签,能够确定出待处理视频对应场景位置,使得后续能够快速定位出异常行为发生的位置,提高告警处理效率;其次,响应于针对场景标签的行为选择操作,确定出待处理视频对应的行为检测任务和行为检测任务在所述待处理视频中的行为检测区域,使得本申请实施例可以对针对具有特定场景标签的待处理视频设置行为检测任务,对待处理视频配置的行为检测任务进行统一管理,提高了配置行为检测任务的效率,同时,本申请实施例确定出行为检测任务对应的行为检测区域,使得在选定的行为检测区域运行对应的行为检测任务,避免对待处理视频对应的全部区域进行行为检测,减少了服务器的计算量;最后,根据行为检测任务对应的行为检测类型,对待处理视频中的行为检测区域进行行为识别,当行为检测区域中识别到与所述行为检测类型对应的行为时,根据识别到的行为,生成行为告警信息并输出,使得本申请实施例提供的行为告警方法能够根据选择的行为检测任务对应的行为检测类型,对待处理视频进行行为检测并告警,提高了检测效率和行为告警方法的通用性。
本申请实施例提供的行为告警方法可以由行为告警设备等电子设备执行,其中电子设备可以是笔记本电脑,平板电脑,台式计算机,机顶盒,移动设备(例如,移动电话,便携式音乐播放器,个人数字助理,专用消息设备,便携式游戏设备)等各种类型的终端,也可以实施为服务器。服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式***,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
下面,将说明行为告警设备实施为服务器时的示例性应用,将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
图1是本申请实施例提供的行为告警方法的应用场景示意图。本申请实施例提供的行为告警***10中包括监测设备101、处置设备102、网络200和服务器300,在进行行为告警时,服务器300可以采用本申请实施例提供的行为告警方法,通过网络200获取监测设备101采集的待处理视频,确定待处理视频对应的场景标签,服务器300响应于处置设备102(也可以是其他设备)针对场景标签的行为选择操作,确定待处理视频对应的行为检测任务和行为检测任务在待处理视频中的行为检测区域,根据行为检测任务对应的行为检测类型,对待处理视频中的所述行为检测区域进行行为识别,响应于在行为检测区域中识别到与行为检测类型对应的行为,生成行为告警信息,并将告警信息输出至处置设备102,并显示告警信息于处置设备102的显示界面102-1。
图2是本申请实施例提供的一种行为告警方法的实现流程示意图,如图2所示,该方法通过步骤S201至步骤S205实现:
步骤S201、确定待处理视频对应的场景标签。
在一些实施例中,对于待处理视频的视频采集区域,可以在视频采集区域的不同位置设置有多个监测设备,待处理视频可以是视频采集区域中的监测设备采集到的视频数据。这里,待处理视频可以是多个监测设备对应采集的多个视频数据,用于对整个采集区域进行行为检测;待处理视频也可以是选定区域的监测设备采集的视频数据,用于对视频采集区域中的选定区域(例如部分人员密集区域)进采集对象员行为检测。
这里,确定待处理视频的采集来源,可以是采集区域对应的人员通过终端的展示界面选择监测设备得到的,响应于针对展示界面中监测设备的检测选择操作,可以确定出进行行为检测告警的至少一个监测设备,根据至少一个监测设备采集的数据,确定出至少一个待处理视频进行目标检测。这里,展示界面可以显示在任意合适的具有界面交互功能的电子设备上,该电子设备与执行该行为告警方法的设备可以是相同的,也可以是不同的,这里并不限定。例如,执行该行为告警方法的电子设备可以为笔记本电脑,显示第一界面的电子设备也可以为该笔记本电脑,第一界面可以为该笔记本电脑上运行的客户端的交互界面,也可以是该笔记本电脑上运行的浏览器中显示的网页。在本申请实施例中,当执行该行为告警方法的计算机设备为服务器时,显示第一界面的电子设备可以为笔记本电脑,第一界面可以为该笔记本电脑上运行的客户端的交互界面,也可以是该笔记本电脑上运行的浏览器中显示的网页,该笔记本电脑可以通过该客户端或者浏览器访问该服务器。
在本申请实施例中,场景标签可以是根据行为事件视频监智能分析***技术规范确定的。本申请实施例确定待处理视频的场景标签可以通过步骤S2011至步骤S2013来实现:
步骤S2011、获取待处理视频。
这里,待处理视频可以是视频采集区域采集到的的多个监控视频,也可以是视频采集区域中选定区域对应的一个监控视频。
步骤S2012、对所述待处理视频进行场景识别,得到所述待处理视频对应的场景信息。
在一些实施例中,对待处理视频进行场景识别时,可以是对待处理视频中的选定的具有场景信息的视频帧进行场景识别,得到该视频帧的场景信息,即为待处理视频的场景信息。这里,可以通过预先训练好的场景识别神经网络对视频帧进行场景识别,来确定视频帧对应的场景信息;也可以是对视频帧进行图像识别,确定视频帧中的特征物品和不同特征物品之间的位置关系,例如,对视频帧进行识别时,确定出视频帧中具有围墙和与围墙相连接的大门等特殊物品,这些特征物品和不同特征物品之间的位置关系,即为视频帧对应的场景信息。本申请实施例对场景识别的方式不做限制。
步骤S2013、从预设标签库中,将与所述场景信息匹配的标签确定为所述待处理视频的场景标签;其中,所述预设标签库中包括至少一个标签。
这里,预设标签库中包含视频采集区域的全部场景信息对应的至少一个标签,每一标签对应一个场景的全部场景信息,例如,预设标签库中的第一场所标签对应的场景信息可以是一堵围墙,围墙两侧的一侧为采集区域,另一侧为外部草地或其他建筑。当待处理视频的对应的场景信息为待处理视频中具有围墙,围墙两侧的一侧为采集区域,另一侧为外部草地时,预设标签库中与待处理视频匹配的标签为第一场所标签,即待处理视频帧的场景标签为第一场所。
在本申请实施例中,可以确定一个待处理视频对应的场景标签,也可以为具有相同场景信息的多个待处理视频一起确定场景标签,例如,多个监测设备采集的待处理视频帧对应的场景信息均为待处理视频中具有围墙,围墙两侧的一侧为视频采集区域,另一侧为外部草地时,可以确定这多个待处理视频的标签为第一场所,即可以将这多个待处理视频的场景标签统一设置为第一场所。
在一些实施例中,根据待处理视频的场景信息,可以在预设标签库中匹配出至少一个与场景信息匹配的标签,即待处理视频对应的场景标签可以为至少一个。
步骤S202、响应于针对所述场景标签的行为选择操作,确定所述待处理视频对应的行为检测任务和所述行为检测任务在所述待处理视频中的行为检测区域。
这里,行为选择操作可以来自视频采集区域对应的人员,人员通过终端的展示界面选择针对待处理视频的场景标签,再确定出与场景标签对应的行为检测任务。这里,预设标签库中的每一标签可以预先设置每一标签对应的行为检测任务。
在一些实施例中,一个标签可以预设多个不同类型的行为检测任务,每一行为检测任务可以对应一行为检测区域,在每一行为检测区域运行该区域对应的行为检测任务,这里,行为检测区域是指待检测视频所显示的区域中与行为检测任务对应的部分区域或全部区域。
在一些实施例中,可以预先为每一行为检测任务设置任务运行时间段,例如,第一行为检测任务的运行时间段为全天;还可以预先为每一行为检测任务设置事件等级,例如,低级风险或中级风险;还可以预先为每一行为检测任务设置预设时长,例如,预设时长为5分钟,当第一行为超过5分钟时,确定触发第一行为检测任务;还可以预先为每一行为检测任务设置抓拍冷却时间。
在一些实施例中,当确定出待处理视频的场景标签为第一场所时,可以根据第一场所预设的多个行为检测任务确定出每一行为检测任务对应的行为检测区域,例如,第一行为和第二行为检测任务对应的行为检测区域为第一场所围墙的外侧,第三行为检测任务对应的行为检测区域为第一场所围墙的内侧。
在一些实施例中,行为选择操作可以包括但不限于选中操作、确定操作翻页操作、滚动操作、滑动操作、下拉操作、选中操作、绘制图案操作和输入操作等。选择操作可以是用户通过输入组件或设备在当前展示界面中输入或选择的指令。其中,输入组件或设备可以包括但不限于键盘、鼠标、触控屏、触控板或音频输入器等。例如,用户在当前展示界面的配置组件中选择待处理视频对应的行为检测任务和行为检测任务在所述待处理视频中的行为检测区域等信息。本申请实施例对选择操作的实施方式不作限定。
步骤S203、根据所述行为检测任务对应的行为检测类型,对所述待处理视频中的所述行为检测区域进行行为识别。
这里,行为检测任务对应的行为检测类型是指行为检测任务运行时识别的异常行为对应的行为类型,例如,第一行为检测任务对应的异常行为是第一行为。
在一些实施例中,响应于针对场景标签的行为选择操作,确定出行为检测任务对应的行为检测区域之后,根据每一行为检测任务的行为检测类型,对该行为检测任务对应的行为检测区域进行行为识别。
本申请实施例对行为检测区域进行行为识别可以是指,对行为检测区域中出现的采集对象的行为进行识别。本申请实施例可以通过行为识别神经网络对行为检测区域中出现的采集对象进行目标检测,确定采集对象的行为和行为持续时间等信息。本申请实施例对行为识别方法不做限制。
步骤S204、响应于在所述行为检测区域中识别到与所述行为检测类型对应的行为,生成行为告警信息。
步骤S205、输出所述行为告警信息。
在本申请实施例中,每一行为检测类型对应一预设时长。在行为检测区域中,当行为符合行为检测区域对应的行为检测类型,且行为持续时长满足预设时长时,可以根据该行为所在的待处理视频对应的场景标签,生成告警信息并输出。例如,在围墙的外侧识别到采集对象的停留时间超过五分钟时,对该行为进行抓拍得到多张抓拍照片,或者获取该采集对象停留的视频片段,根据抓拍照片和视频片段生成告警信息,并根据抓拍照片和视频片段对应的场景标签展示该告警信息。
本申请实施例通过确定待处理视频对应的场景标签,能够确定出待处理视频对应场景位置,使得后续能够快速定位出异常行为发生的位置,提高告警处理效率;其次,响应于针对场景标签的行为选择操作,确定出待处理视频对应的行为检测任务和行为检测任务在所述待处理视频中的行为检测区域,使得本申请实施例可以对针对具有特定场景标签的待处理视频设置行为检测任务,对待处理视频配置的行为检测任务进行统一管理,提高了配置行为检测任务的效率,同时,本申请实施例确定出行为检测任务对应的行为检测区域,使得在选定的行为检测区域运行对应的行为检测任务,避免对待处理视频对应的全部区域进行行为检测,减少了服务器的计算量;最后,根据行为检测任务对应的行为检测类型,对待处理视频中的行为检测区域进行行为识别,当行为检测区域中识别到与所述行为检测类型对应的行为时,根据识别到的行为,生成行为告警信息并输出,使得本申请实施例提供的行为告警方法能够根据选择的行为检测任务对应的行为检测类型,对待处理视频进行行为检测并告警,提高了检测效率和行为告警方法的通用性。
在一些实施例中,待处理视频对应的场景标签的数量可以是至少一个,响应于行为选择操作,可以从至少一个场景标签中选择出待处理视频对应的目标场景标签,目标场景标签对应的每一行为检测任务可以对应一个行为检测区域。基于上述实施例,图3是本申请实施例提供的一种行为告警方法的实现流程示意图,如图3所示,步骤S202可以通过步骤S301至步骤S303实现:
步骤S301、响应于针对所述场景标签的行为选择操作,确定所述目标场景标签。
这里,在确定待处理视频之后,根据待处理视频的场景信息,确定出待处理视频对应的至少一个场景标签,通过展示界面进行显示。根据获取到的针对至少一个场景标签的行为选择操作,确定待处理视频对应的目标场景标签。例如,当待处理视频的场景信息为待处理视频中具有围墙,围墙两侧的一侧为视频采集区域,另一侧为外部草地时,展示界面进行显示该待处理视频对应的场景标签为第一场所和运动场围墙,响应于针对至少一个场景标签的行为选择操作,确定待处理视频对应的目标场景标签为第一场所。
步骤S302、确定所述目标场景标签对应的至少一个行为检测任务;每一所述行为检测任务对应一种行为检测类型。
步骤S303、根据每一所述行为检测任务的行为检测类型,在所述待处理视频中确定每一所述行为检测任务的行为检测区域。
在一些实施例中,预设标签库中的每一标签都预先设置了对应的行为检测任务,每一行为检测任务对应一种行为检测类型。例如,预先为第一场所标签设置的行为检测任务可以是第一行为、第二行为和第三行为等行为检测任务。这里,在确定出目标场景标签之后,确定出目标场景标签预设的至少一个行为检测任务。
在本申请实施例中,确定每一所述行为检测任务的行为检测区域可以是响应于针对每一行为检测类型的区域选择操作得到的,根据区域选择操作确定的行为检测区域可以是规则的区域,例如,正方形或长方形;也可以是绘制的不规则的图形,此时的区域选择操作可以是区域绘制操作。
响应于针对每一行为检测类型的区域选择操作,确定每一行为检测任务对应的行为检测区域,例如,第一行为和第二行为检测任务对应的行为检测区域为第一场所围墙的外侧,第三行为检测任务对应的行为检测区域为第一场所围墙的内侧。
在一些实施例中,响应于行为选择操作,可以从至少一个场景标签中选择出待处理视频对应的目标场景标签,目标场景标签对应的全部行为检测任务可以在同一行为检测区域进行。基于上述实施例,步骤S202还可以通过步骤S304至步骤S306实现:
步骤S304、响应于针对所述场景标签的行为选择操作,确定所述目标场景标签和在所述待处理视频中所选中的检测区域。
步骤S305、确定所述目标场景标签对应的至少一个行为检测任务。
步骤S306、将所述检测区域确定为每一行为检测任务在所述待处理视频中的行为检测区域。
在一些实施例中,在响应于针对所述场景标签的行为选择操作时,不仅可以确定待处理视频的目标场景标签,还可以确定在待处理视频中所选中的检测区域。这里,在获取行为选择操作时,获取目标场景标签对应的全部行为检测任务对应的检测区域,是指目标场景标签对应的所有行为检测任务在同一检测区域进行行为检测,也就是说,将根据行为选择操作获取的检测区域确定为每一行为检测任务在待处理视频中的行为检测区域。
本申请实施例为预设标签库中的每一标签预设了相应的行为检测任务,在进行行为告警时,只需选择待处理视频的目标场景标签,即可得到相应的行为检测任务,无需对每一待处理视频进行行为检测任务的选择,减少了行为告警方法的步骤,提升了工作效率;同时,本申请实施例可以为每一行为检测任务设置对应的行为检测区域,使得在选定的行为检测区域运行对应的行为检测任务,避免对待处理视频对应的全部区域进行行为检测,减少了服务器的计算量。
在一些实施例中,每一行为检测任务具有一预设时长,当与行为检测类型匹配的行为持续时长超过预设时长时,触发该行为检测任务,生成告警信息。基于前述实施例,图4是本申请实施例提供的一种行为告警方法的实现流程示意图,如图4所示,步骤S204可以通过步骤S401至步骤S403实现:
步骤S401、在所述行为检测区域中,确定所述行为检测类型对应的行为的持续时长。
在本申请实施例中,在进行行为告警时,可以通过对监测设备实时采集的待处理视频进行目标检测,也可以通过跳帧检测的方式(即以相同时间为间隔进行抓拍图片的方式)来进行行为检测和告警,此时,根据续抓拍的图片或者实时采集的待处理视频,确定行为检测类型对应的行为的持续时长。
这里,通过抓拍的图片确定持续时长,可以是指从第一张抓拍到该行为的图片起计时,直至最后一张抓拍到该行为的图片为止,两张图片之间间隔的时长即为持续时长。通过实时采集的待处理视频确定持续时长,是指从待处理视频中该行为出现的第一帧视频帧开始,直至该采集对象离开该区域为止的视频帧,两视频帧之间间隔的时长确定为持续时长。
步骤S402、响应于所述持续时长大于预设时长,将具有所述行为检测类型对应的行为的视频帧确定为目标视频帧。
在本申请实施例中,预设时长是指预先为每一行为检测类型设置的时长,用于判断监测到的行为是否与该行为检测类型匹配。例如,预先设置当采集对象在一个区域的停留时间大于五分钟时,确定该采集对象的行为为第一行为。
这里,目标视频帧是指待处理视频中具有行为检测类型对应的行为的视频帧,可以是实时采集的待处理视频中的一个视频片段,也可以是连续抓拍的多张图片。
步骤S403、根据所述目标视频帧和所述持续时长,生成行为告警信息。
在本申请实施例中,告警冷却时长是指一个告警信息对应的视频片段时长,或者,当通过图片抓拍的方式进行行为检测和告警时,以第一张目标告警对象抓拍起计时,告警冷却时长以内的同一设备所有抓拍图片均归入同一条告警信息中。告警冷却时长可以是基于视频采集区域的人员通过终端的展示界面进行选择得到的。响应于针对展示界面的行为选择操作,可以根据需求为行为检测任务设置相应的告警冷却时长。例如,响应于检测选择操作,设置告警冷却时长为1分钟。
在一些实施例中,告警冷却时长可以大于或小于预设时长。
在本申请实施例中,根据目标视频帧的持续时长和告警冷却时长之间的关系,可以确定出要输出几条告警信息。
在一些实施例中,步骤S403可以通过步骤S4031至步骤S4032实现:
步骤S4031、响应于所述持续时长大于告警冷却时长,以所述告警冷却时长为时间间隔,对所述目标视频帧进行划分,得到至少两个视频片段和每一所述视频片段对应的分段时长。
步骤S4032、根据所述至少两个视频片段和每一所述视频片段对应的分段时长,生成至少两个告警信息。
在本申请实施例中,响应于目标视频帧的持续时长大于告警冷却时长,以告警冷却时长为时间间隔,对目标视频帧进行划分,得到至少两个视频片段和每一视频片段对应的分段时长,其中,每一视频片段的分段时长小于或等于告警冷却时长。根据至少两个视频片段和对应的分段时长,对应生成每一视频片段对应的告警信息。例如,当告警冷却时长为1分钟,目标视频帧的持续时长为2分30秒时,以一分钟为时间间隔,对目标视频帧进行划分,得到三个视频片段,每一视频片段的时长分别是1分钟、1分钟和30秒,根据每一视频片段和对应的分段时长,对应生成每一视频片段对应的告警信息。
在一些实施例中,当目标视频帧的持续时长小于告警冷却时长时,可以根据目标视频帧和目标视频帧的持续时长形成一个告警信息。
本申请实施例可以根据管理需求设置告警冷却时长,并根据告警冷却时长对目标视频帧进行划分,形成至少一个视频片段,根据每一视频片段生成对应的告警信息进行推送,使得本申请实施例可以按照需求设置行为检测参数,根据设定的行为检测参数进行告警信息推送,使得本申请实施例提供的行为告警方法能够根据实际业务进行参数设置,提高了行为告警方法对当前实际业务的适配性,增强了方法的通用性。
在一些实施例中,由于本申请实施例为预设标签库中的每一标签预先设置了行为检测任务,因此,对待处理视频的目标场景标签进行替换之后,待处理视频对应的行为检测任务也随之替换。基于前述实施例,图5是本申请实施例提供的一种行为告警方法的实现流程示意图,如图5所示,本申请实施例还可以具有步骤S501至步骤S505:
步骤S501、响应于针对所述待处理视频的标签替换操作,将所述待处理视频对应的场景标签替换为当前场景标签。
步骤S502、获取所述当前场景标签中预设的当前行为检测任务。
步骤S503、根据所述当前行为检测任务的行为检测类型,确定所述当前行为检测任务在所述待处理视频中的当前检测区域。
步骤S504、根据所述行为检测类型,对所述待处理视频中的所述当前检测区域进行行为识别。
步骤S505、响应于在所述当前检测区域中识别到与所述行为检测类型对应的行为,生成行为告警信息。
在一些实施例中,在确定出待处理视频的目标场景标签之后,可以根据不同的行为检测需求,对待处理视频的目标场景标签进行替换或删除等操作。这里,标签替换操作是指对待处理视频的目标场景标签进行替换的操作。响应于针对待处理视频的标签替换操作,将待处理视频对应的目标场景标签替换为当前场景标签。
本申请实施例在将待处理视频对应的目标场景标签替换为当前场景标签之后,获取当前场景标签预设的当前行为检测任务,根据当前行为检测任务的行为检测类型,确定当前行为检测任务在所述待处理视频中的当前检测区域,并在当前检测区域运行当前行为检测任务,进行行为识别,当在当前检测区域中识别到与行为检测类型对应的行为,生成行为告警信息。如此,本申请实施例可以直接通过调整待处理视频的场景标签来改变待处理视频的行为检测任务,能够快速对待处理视频配置行为检测任务,通过标签替换操作可以动态调整单个或批量待处理视频正在使用的行为检测任务,提升了任务配置的效率。
在一些实施例中,为了避免在对告警信息进行处置时,需要查看告警信息的详情后才能获取告警行为的位置的问题,本申请实施例通过场景标签对告警信息进行分类,输出对应不同场景标签的告警信息,以对行为告警发生的区域场景查看进行统一管理。基于上述实施例,本申请实施例提供的行为告警方法还可以包括步骤S601至步骤S602:
步骤S601、确定所述行为告警信息对应的待处理视频的场景标签。
步骤S602、在所述场景标签对应的展示界面输出所述行为告警信息。
在本申请实施例中,告警信息是通过目标视频帧得到的,目标视频帧来源于具有场景标签的待处理视频,因此,根据告警信息可以获取告警信息对应的场景标签。根据每一告警信息的场景标签对全部告警信息进行分类,将具有相同场景标签的告警信息聚合在一起,并在每一场景标签对应的展示界面展示该场景标签对应的全部告警信息。
在一些实施例中,每一场景标签对应一处置节点,该处置节点对应的处置对象对该场景标签产生的全部告警信息进行处置。可以将告警信息推送至该场景标签对应的处置节点,以进行行为告警和处置。如此,本申请实施例通过场景标签对行为告警信息进行分类,使得本申请实施例提供的行为告警方法,能够快速定位行为发生的区域,提高了告警处置的效率。
本申请实施例再提供一种行为告警方法在实际场景中的应用。
在一些实施例中,可以为视频源(即待处理视频)进行添加、编辑或删除场景标签的操作,可以预先在场景标签内选择开启、关闭或设置多个异常行为算法(即行为检测任务)的参数,参数至少包括事件状态、事件等级、判定为异常事件的触发时长和抓拍冷却时间等。可以通过为视频源配置场景标签,以快速为视频源配置多个行为检测算法。图6是本申请实施例提供的场景标签及行为检测算法参数设置界面示意图,如图6所示,场景标签及行为检测算法参数设置界面包括场景标签展示组件601和算法参数设置组件602。
其中,场景标签展示组件601包括按照SF/T0051视频采集区域异常事件视频监智能分析***技术规范设置的第一场所、第二场所和第三场所等场景标签。在一些实施例中,自定义场景标签支持新增最多30个。自定义场景标签支持添加、编辑、重命名和删除等操作。支持在场景标签内设置行为检测算法通用参数。
算法参数设置组件602展示了每一场景标签预设的行为检测算法,如图6所示,第一场所标签包含多个行为检测算法,每一子组件6021对应一个行为检测算法,可以对行为检测算法进行自定义添加、删除和编辑等操作,可以设置算法的名称、告警等级、徘徊时长(即持续时长)和抓拍冷却时间(即告警冷却时间)等参数。例如,第一行为组件6021展示了第一行为行为检测算法的告警等级为中度风险,采集对象徘徊时长为5分钟,抓拍冷却时长为一分钟。
在一些实施例中,行为检测算法可以包括第一行为、第二行为、第三行为和第四行为等异常检测算法。在本申请实施例中,可以一个场景标签内设置保存多种异常行为算法的通用参数。以第一行为算法为例,可以为第一行为算法设置的算法参数包括:事件状态、事件等级、滞留时长、抓拍冷却时间等。
本申请实施例提供的行为告警方法,首先可以为视频源(待处理视频)配置场景标签,包括在未配置场景标签的视频源列表中,为单个视频源或批量视频源配置场景标签。当为视频源选择选择某个场景标签之后,则相应为该类视频源自动预设场景标签内多种异常行为算法的参数。其次,在视频源配置场景标签后,需要设置视频源对应的每种异常行为算法检测区域(即行为检测区域)以及相应算法运行时间段运行时间,然后该视频源配置的行为检测任务即可快速启动任务。
在一些实施例中,可以对视频源进行替换或删除场景标签,在替换或删除场景标签后,原场景标签内置的异常行为算法参数对该视频源不再生效,替换为该视频源最新设置的场景标签内的算法参数。
在一些实施例中,可以按场景标签对告警信息进行分栏展示,将具有相同场景标签的告警信息,移入同一场景标签分栏展示。
图7是本申请实施例提供的视频源配置场景标签的展示界面示意图,如图7所示,展示界面包括场景标签展示组件701和检测区域选择组件702,场景标签展示组件701用于展示为视频源的场景选择的行为检测算法,例如,第一行为和第二行为。检测区域选择组件702用于确定每一行为检测算法对应的检测区域,如图所示,可以通过绘制闭合的凸多边形区域来确定每一行为检测算法对应的检测区域。
图8是本申请实施例提供的告警信息展示界面示意图,如图8所示,展示界面包括场景标签展示组件801和告警信息展示组件802,场景标签展示组件701用于具有告警信息的场景标签,例如,第一场所、第二场所和第三场所等。告警信息展示组件702用于展示每一场景标签下全部的告警信息,如图所示,告警信息展示组件802展示了第一场所下的全部告警信息,每一子组件8021用于展示每一告警信息,其中,子组件8021中区域8021-1为选择的行为检测区域,区域8021-2为识别到第一行为的具***置。
在一些实施例中,用户可自定义添加场景标签,在场景标签中选择需运行的异常行为事件,并设置相应的事件参数并保存。例如,设置第一场所标签,在该标签内配置第一行为的算法参数。然后可以直接对单个/批量视频源配置第一场所标签,快速配置相应的异常行为事件参数。
在一些实施例中,可以查看场景标签对应的告警信息,例如,用户为某区域(例如第一场所)所有视频源配置“第一场所场景标签”,则可以快速的直接对该类视频源下发第一场所场景标签对应的全部异常行为侦测任务。如果该类视频源检测到异常行为,则在第一场所标签下推送异常行为告警信息,方便定位告警发生位置。
本申请实施例根据***中设置的场景标签,对视频源配置算法情况进行统一管理,一定程度上提高***的易用性;根据预先在场景标签中设置的异常行为事件参数,再将场景标签配置给视频源启用行为检测任务,方便动态调整单个/批量视频源正在使用的异常行为算法检测参数,提升任务配置的效率;根据应用单元场景标签对多个异常行为告警的分类呈现,方便定位告警产生的源区域,便于快速检索异常行为产生的告警信息。
基于上述实施例,本申请实施例提供一种行为告警装置,图9是本申请实施例提供的一种行为告警装置示意图,如图9所示,所述装置90包括目第一确定模块901、第二确定模块902、行为识别模块903、生成模块904和输出模块905。
第一确定模块,用于确定待处理视频对应的场景标签;
第二确定模块,用于响应于针对所述场景标签的行为选择操作,确定所述待处理视频对应的行为检测任务和所述行为检测任务在所述待处理视频中的行为检测区域;
行为识别模块,用于根据所述行为检测任务对应的行为检测类型,对所述待处理视频中的所述行为检测区域进行行为识别;
生成模块,用于响应于在所述行为检测区域中识别到与所述行为检测类型对应的行为,生成行为告警信息;
输出模块,用于输出所述行为告警信息。
在一些实施例中,所述待处理视频对应的场景标签的数量为至少一个,所述行为选择操作用于从至少一个场景标签中选择出目标场景标签;第二确定模块,还用于响应于针对所述场景标签的行为选择操作,确定所述目标场景标签;确定所述目标场景标签对应的至少一个行为检测任务;每一所述行为检测任务对应一种行为检测类型;根据每一所述行为检测任务的行为检测类型,在所述待处理视频中确定每一所述行为检测任务的行为检测区域。
在一些实施例中,所述待处理视频对应的场景标签的数量为至少一个,所述行为选择操作用于从至少一个场景标签中选择出目标场景标签,且从所述待处理视频中选中检测区域;第二确定模块,还用于响应于针对所述场景标签的行为选择操作,确定所述目标场景标签和在所述待处理视频中所选中的检测区域;确定所述目标场景标签对应的至少一个行为检测任务;将所述检测区域确定为每一行为检测任务在所述待处理视频中的行为检测区域。
在一些实施例中,生成模块还用于在所述行为检测区域中,确定所述行为检测类型对应的行为的持续时长;响应于所述持续时长大于预设时长,将具有所述行为检测类型对应的行为的视频帧确定为目标视频帧;根据所述目标视频帧和所述持续时长,生成行为告警信息。
在一些实施例中,生成模块还用于响应于所述持续时长大于告警冷却时长,以所述告警冷却时长为时间间隔,对所述目标视频帧进行划分,得到至少两个视频片段和每一所述视频片段对应的分段时长;根据所述至少两个视频片段和每一所述视频片段对应的分段时长,生成至少两个告警信息。
在一些实施例中,所述装置还包括:替换模块,用于响应于针对所述待处理视频的标签替换操作,将所述待处理视频对应的场景标签替换为当前场景标签;获取模块,用于获取所述当前场景标签中预设的当前行为检测任务;第三确定模块用于根据所述当前行为检测任务的行为检测类型,确定所述当前行为检测任务在所述待处理视频中的当前检测区域;第一行为识别模块,用于根据所述行为检测类型,对所述待处理视频中的所述当前检测区域进行行为识别;第一生成模块,用于响应于在所述当前检测区域中识别到与所述行为检测类型对应的行为,生成行为告警信息。
在一些实施例中,输出模块还用于确定所述行为告警信息对应的待处理视频的场景标签;在所述场景标签对应的展示界面输出所述行为告警信息。
在一些实施例中,第一确定模块还用于获取待处理视频;对所述待处理视频进行场景识别,得到所述待处理视频对应的场景信息;从预设标签库中,将与所述场景信息匹配的标签确定为所述待处理视频的场景标签;其中,所述预设标签库中包括至少一个标签。
以上装置实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
若本申请技术方案涉及个人信息,应用本申请技术方案的产品在处理个人信息前,已明确告知个人信息处理规则,并取得个人自主同意。若本申请技术方案涉及敏感个人信息,应用本申请技术方案的产品在处理敏感个人信息前,已取得个人单独同意,并且同时满足“明示同意”的要求。例如,在摄像头等个人信息采集装置处,设置明确显著的标识告知已进入个人信息采集范围,将会对个人信息进行采集,若个人自愿进入采集范围即视为同意对其个人信息进行采集;或者在个人信息处理的装置上,利用明显的标识/信息告知个人信息处理规则的情况下,通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权;其中,个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式、处理的个人信息种类等信息。
需要说明的是,本申请实施例中,如果以软件功能模块的形式实现上述行为告警方法,并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来,该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电子设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样,本申请实施例不限制于任何特定的硬件和软件结合。
本申请实施例提供一种电子设备,包括存储器和处理器,所述存储器存储有可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述行为告警方法。
本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述行为告警方法。所述计算机可读存储介质可以是瞬时性的,也可以是非瞬时性的。
本申请实施例提供一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序被计算机读取并执行时,实现上述方法中的部分或全部步骤。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software DevelopmentKit,SDK)等等。
需要说明的是,图10是本申请实施例提供的一种行为告警设备的硬件实体示意图,如图10所示,该电子设备的硬件实体包括:处理器11、通信接口12和存储器13,其中:
处理器11通常控制电子设备的总体操作。
通信接口12可以使电子设备通过网络与其他终端或服务器通信。
存储器13配置为存储由处理器11可执行的指令和应用,还可以缓存待处理器11以及电子设备中各模块待处理或已经处理的数据(例如,图像数据、音频数据、语音通信数据和视频通信数据),可以通过闪存(FLASH)或随机访问存储器(Random Access Memory,RAM)实现。处理器11、通信接口12和存储器13之间可以通过总线14进行数据传输。
这里需要指出的是:以上存储介质和设备实施例的描述,与上述方法实施例的描述是类似的,具有同方法实施例相似的有益效果。对于本申请存储介质和设备实施例中未披露的技术细节,请参照本申请方法实施例的描述而理解。
应理解,说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此,在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外,这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备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,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本申请实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(Read Only Memory,ROM)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对相关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中,包括若干指令用以使得一台电子设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的实施方式,但本申请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申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (11)
1.一种行为告警方法,其特征在于,所述方法包括:
确定待处理视频对应的场景标签;
响应于针对所述场景标签的行为选择操作,确定所述待处理视频对应的行为检测任务和所述行为检测任务在所述待处理视频中的行为检测区域;
根据所述行为检测任务对应的行为检测类型,对所述待处理视频中的所述行为检测区域进行行为识别;
响应于在所述行为检测区域中识别到与所述行为检测类型对应的行为,生成行为告警信息;
输出所述行为告警信息。
2.根据权利要求1所述的方法,其特征在于,所述待处理视频对应的场景标签的数量为至少一个,所述行为选择操作用于从至少一个场景标签中选择出目标场景标签;
所述响应于针对所述场景标签的行为选择操作,确定所述待处理视频对应的行为检测任务和所述行为检测任务在所述待处理视频中的行为检测区域,包括:
响应于针对所述场景标签的行为选择操作,确定所述目标场景标签;
确定所述目标场景标签对应的至少一个行为检测任务;每一所述行为检测任务对应一种行为检测类型;
根据每一所述行为检测任务的行为检测类型,在所述待处理视频中确定每一所述行为检测任务的行为检测区域。
3.根据权利要求1所述的方法,其特征在于,所述待处理视频对应的场景标签的数量为至少一个,所述行为选择操作用于从至少一个场景标签中选择出目标场景标签,且从所述待处理视频中选中检测区域;
所述响应于针对所述场景标签的行为选择操作,确定所述待处理视频对应的行为检测任务和所述行为检测任务在所述待处理视频中的行为检测区域,包括:
响应于针对所述场景标签的行为选择操作,确定所述目标场景标签和在所述待处理视频中所选中的检测区域;
确定所述目标场景标签对应的至少一个行为检测任务;
将所述检测区域确定为每一行为检测任务在所述待处理视频中的行为检测区域。
4.根据权利要求1所述的方法,其特征在于,所述响应于在所述行为检测区域中识别到与所述行为检测类型对应的行为,生成行为告警信息,包括:
在所述行为检测区域中,确定所述行为检测类型对应的行为的持续时长;
响应于所述持续时长大于预设时长,将具有所述行为检测类型对应的行为的视频帧确定为目标视频帧;
根据所述目标视频帧和所述持续时长,生成行为告警信息。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标视频帧和所述持续时长,生成行为告警信息,包括:
响应于所述持续时长大于告警冷却时长,以所述告警冷却时长为时间间隔,对所述目标视频帧进行划分,得到至少两个视频片段和每一所述视频片段对应的分段时长;
根据所述至少两个视频片段和每一所述视频片段对应的分段时长,生成至少两个告警信息。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于针对所述待处理视频的标签替换操作,将所述待处理视频对应的场景标签替换为当前场景标签;
获取所述当前场景标签中预设的当前行为检测任务;
根据所述当前行为检测任务的行为检测类型,确定所述当前行为检测任务在所述待处理视频中的当前检测区域;
根据所述行为检测类型,对所述待处理视频中的所述当前检测区域进行行为识别;
响应于在所述当前检测区域中识别到与所述行为检测类型对应的行为,生成行为告警信息。
7.根据权利要求1所述的方法,其特征在于,所述输出所述行为告警信息,包括:
确定所述行为告警信息对应的待处理视频的场景标签;
在所述场景标签对应的展示界面输出所述行为告警信息。
8.根据权利要求1所述的方法,其特征在于,所述确定待处理视频对应的场景标签,包括:
获取待处理视频;
对所述待处理视频进行场景识别,得到所述待处理视频对应的场景信息;
从预设标签库中,将与所述场景信息匹配的标签确定为所述待处理视频的场景标签;其中,所述预设标签库中包括至少一个标签。
9.一种行为告警装置,其特征在于,所述装置包括:
第一确定模块,用于确定待处理视频对应的场景标签;
第二确定模块,用于响应于针对所述场景标签的行为选择操作,确定所述待处理视频对应的行为检测任务和所述行为检测任务在所述待处理视频中的行为检测区域;
行为识别模块,用于根据所述行为检测任务对应的行为检测类型,对所述待处理视频中的所述行为检测区域进行行为识别;
生成模块,用于响应于在所述行为检测区域中识别到与所述行为检测类型对应的行为,生成行为告警信息;
输出模块,用于输出所述行为告警信息。
10.一种行为告警设备,包括处理器和存储器,所述存储器存储有可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8任一项所述方法。
11.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,该计算机程序被处理器执行时实现权利要求1至8中任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210709398.0A CN115223076A (zh) | 2022-06-21 | 2022-06-21 | 行为告警方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210709398.0A CN115223076A (zh) | 2022-06-21 | 2022-06-21 | 行为告警方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115223076A true CN115223076A (zh) | 2022-10-21 |
Family
ID=83607070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210709398.0A Withdrawn CN115223076A (zh) | 2022-06-21 | 2022-06-21 | 行为告警方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115223076A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351684A (zh) * | 2023-12-04 | 2024-01-05 | 成都蜀诚通信技术有限公司 | 智能安全帽的预警方法及智能安全帽 |
-
2022
- 2022-06-21 CN CN202210709398.0A patent/CN115223076A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351684A (zh) * | 2023-12-04 | 2024-01-05 | 成都蜀诚通信技术有限公司 | 智能安全帽的预警方法及智能安全帽 |
CN117351684B (zh) * | 2023-12-04 | 2024-02-13 | 成都蜀诚通信技术有限公司 | 智能安全帽的预警方法及智能安全帽 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3125135B1 (en) | Picture processing method and device | |
US10956753B2 (en) | Image processing system and image processing method | |
CN108228792B (zh) | 图片检索方法、电子设备及存储介质 | |
US20210382933A1 (en) | Method and device for archive application, and storage medium | |
JP2020515983A (ja) | 対象人物の検索方法および装置、機器、プログラム製品ならびに媒体 | |
CN108961157B (zh) | 图片处理方法、图片处理装置及终端设备 | |
JP6683275B2 (ja) | 解析装置、解析方法及びプログラム | |
CN111222373A (zh) | 一种人员行为分析方法、装置和电子设备 | |
CN112597858A (zh) | 一种监控方法、装置及可读存储介质 | |
CN108073858A (zh) | 基于深度摄像机的人群聚集监控识别*** | |
CN107122743A (zh) | 安防监控方法、装置和电子设备 | |
CN111401239A (zh) | 一种视频分析方法、装置、***、设备及存储介质 | |
CN115273231A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN115223076A (zh) | 行为告警方法、装置、设备及存储介质 | |
CN110716803A (zh) | 电脑***、资源分配方法及其影像辨识方法 | |
CN110505438B (zh) | 一种排队数据的获取方法和摄像机 | |
US11830286B2 (en) | Data processing apparatus, data processing method, and non-transitory storage medium | |
CN113850065A (zh) | 报告生成方法、装置、计算机设备和存储介质 | |
WO2022142017A1 (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN112732961A (zh) | 图像分类方法及装置 | |
US20200312375A1 (en) | Information processing method and electronic device | |
CN113012006A (zh) | 一种智能侦查研判方法、***、计算机设备及存储介质 | |
CN111753756A (zh) | 基于对象识别的布控报警方法、装置及存储介质 | |
CN113343013A (zh) | 目标对象的确定方法、装置及电子设备 | |
CN110795178A (zh) | 应用签到方法、装置及电子设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221021 |