CN115802013B - 基于智能照明的视频监控方法、装置、设备及存储介质 - Google Patents
基于智能照明的视频监控方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115802013B CN115802013B CN202310085123.9A CN202310085123A CN115802013B CN 115802013 B CN115802013 B CN 115802013B CN 202310085123 A CN202310085123 A CN 202310085123A CN 115802013 B CN115802013 B CN 115802013B
- Authority
- CN
- China
- Prior art keywords
- path
- inspection
- routing inspection
- video
- marking point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及物联网技术领域,公开了一种基于智能照明的视频监控方法、装置、设备及存储介质,用于实现智能化的视频监控并提高视频监控的准确率。方法包括:分别对第一标记点位和第二标记点位周围预设距离范围进行智能照明和扫描监控,得到多个监控视频数据包;分别将多个监控视频数据包输入预置的异常检测模型进行视频异常检测,得到至少一个异常标记点位,并根据第一标记点位、至少一个异常标记点位和第二标记点位的位置信息,构建至少一个重点巡检区域;根据至少一个重点巡检区域生成多个二次巡检路径,并对多个二次巡检路径进行路径连通,生成最短巡检路径;对最短巡检路径进行重点区域监控视频采集,确定目标巡检视频。
Description
技术领域
本发明涉及物联网技术领域,尤其涉及一种基于智能照明的视频监控方法、装置、设备及存储介质。
背景技术
随着视频监控技术的高速发展,近年兴起的巡检机器人,如无人机、地面巡检机器人等,有效缓解了巡检业务的人员需求。然而,目前巡检机器人相关技术还在发展之中,巡检机器人通过无线通信技术与集中控制***进行交互。
但是现有方案通常是有人工控制巡检机器人进行检测,人工控制缺乏智能性,并且现有的巡检机器人在夜间工作是不能很好的自主分析采集到的视频,导致现有方案的视频监控准确率低。
发明内容
本发明提供了一种基于智能照明的视频监控方法、装置、设备及存储介质,用于实现智能化的视频监控并提高视频监控的准确率。
本发明第一方面提供了一种基于智能照明的视频监控方法,所述基于智能照明的视频监控方法包括:
从预置的大数据平台中获取目标巡检区域的夜间巡检信息,其中,所述夜间巡检信息包括:起点位置坐标以及终点位置坐标;
根据所述起点位置坐标确定第一标记点位,并根据所述终点位置坐标确定第二标记点位;
分别对所述第一标记点位和所述第二标记点位周围预设距离范围进行智能照明和扫描监控,得到多个监控视频数据包;
分别将所述多个监控视频数据包输入预置的异常检测模型进行视频异常检测,得到至少一个异常标记点位,并根据所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位的位置信息,构建至少一个重点巡检区域;
根据所述至少一个重点巡检区域生成多个二次巡检路径,并对所述多个二次巡检路径进行路径连通,生成最短巡检路径;
对所述最短巡检路径进行重点区域监控视频采集,确定所述最短巡检路径对应的目标巡检视频。
结合第一方面,在本发明第一方面的第一实施方式中,所述分别对所述第一标记点位和所述第二标记点位周围预设距离范围进行智能照明和扫描监控,得到多个监控视频数据包,包括:
分别确定所述第一标记点位对应的第一预设距离范围以及所述第二标记点位对应的第二预设距离范围;
根据所述第一预设距离范围和所述第一标记点位进行智能照明和扫描监控,确定多个第一视频数据包;
根据所述第二预设距离范围和所述第二标记点位进行智能照明和扫描监控,确定多个第二视频数据包;
将所述多个第一视频数据包和所述多个第二视频数据包作为所述多个监控视频数据包。
结合第一方面,在本发明第一方面的第二实施方式中,所述分别将所述多个监控视频数据包输入预置的异常检测模型进行视频异常检测,得到至少一个异常标记点位,并根据所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位的位置信息,构建至少一个重点巡检区域,包括:
分别对所述多个监控视频数据包进行分帧,得到每个监控视频数据包对应的多个视频帧;
将每个监控视频数据包对应的多个视频帧输入预置的异常检测模型进行视频异常检测,得到至少一个异常标识信息;
根据所述至少一个异常标识信息确定对应的异常标记点位;
根据所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位的位置信息,构建至少一个重点巡检区域。
结合第一方面,在本发明第一方面的第三实施方式中,所述根据所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位的位置信息,构建至少一个重点巡检区域,包括:
对所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位进行三维坐标映射,得到第一三维坐标信息、至少一个异常三维坐标信息和第二三维坐标信息;
根据所述第一三维坐标信息、所述至少一个异常三维坐标信息和所述第二三维坐标信息构建至少一个连通区域;
对所述至少一个连通区域进行区域分割和重点区域筛选,生成至少一个重点巡检区域。
结合第一方面,在本发明第一方面的第四实施方式中,所述根据所述至少一个重点巡检区域生成多个二次巡检路径,并对所述多个二次巡检路径进行路径连通,生成最短巡检路径,包括:
对所述至少一个重点巡检区域进行路径规划,生成多个二次巡检路径;
对所述多个二次巡检路径进行巡检时间计算,得到每个二次巡检路径的标准巡检时间;
根据每个二次巡检路径的标准巡检时间,对所述多个二次巡检路径进行路径连通,生成最短巡检路径。
结合第一方面,在本发明第一方面的第五实施方式中,所述根据每个二次巡检路径的标准巡检时间,对所述多个二次巡检路径进行路径连通,生成最短巡检路径,包括:
根据每个二次巡检路径的标准巡检时间设置所述每个二次巡检路径的权重数据;
根据每个二次巡检路径的标准巡检时间以及权重数据,计算每个二次巡检路径的连通优先级;
根据每个二次巡检路径的连通优先级,对所述多个二次巡检路径进行路径连通,生成最短巡检路径。
结合第一方面,在本发明第一方面的第六实施方式中,所述对所述最短巡检路径进行重点区域监控视频采集,确定所述最短巡检路径对应的目标巡检视频,包括:
对所述最短巡检路径进行重点区域监控视频采集,得到二次巡检视频;
将所述二次巡检视频输入所述异常检测模型进行视频异常检测,得到所述二次巡检视频的异常检测结果;
对所述异常检测结果和所述至少一个异常标记点位进行结果校验,得到校验结果;
根据所述校验结果对所述二次巡检视频进行异常信息标注,生成所述最短巡检路径对应的目标巡检视频。
本发明第二方面提供了一种基于智能照明的视频监控装置,所述基于智能照明的视频监控装置包括:
获取模块,用于从预置的大数据平台中获取目标巡检区域的夜间巡检信息,其中,所述夜间巡检信息包括:起点位置坐标以及终点位置坐标;
处理模块,用于根据所述起点位置坐标确定第一标记点位,并根据所述终点位置坐标确定第二标记点位;
扫描模块,用于分别对所述第一标记点位和所述第二标记点位周围预设距离范围进行智能照明和扫描监控,得到多个监控视频数据包;
检测模块,用于分别将所述多个监控视频数据包输入预置的异常检测模型进行视频异常检测,得到至少一个异常标记点位,并根据所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位的位置信息,构建至少一个重点巡检区域;
生成模块,用于根据所述至少一个重点巡检区域生成多个二次巡检路径,并对所述多个二次巡检路径进行路径连通,生成最短巡检路径;
输出模块,用于对所述最短巡检路径进行重点区域监控视频采集,确定所述最短巡检路径对应的目标巡检视频。
本发明第三方面提供了一种基于智能照明的视频监控设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于智能照明的视频监控设备执行上述的基于智能照明的视频监控方法。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的基于智能照明的视频监控方法。
本发明提供的技术方案中,分别对第一标记点位和第二标记点位周围预设距离范围进行智能照明和扫描监控,得到多个监控视频数据包;分别将多个监控视频数据包输入预置的异常检测模型进行视频异常检测,得到至少一个异常标记点位,并根据第一标记点位、至少一个异常标记点位和第二标记点位的位置信息,构建至少一个重点巡检区域;根据至少一个重点巡检区域生成多个二次巡检路径,并对多个二次巡检路径进行路径连通,生成最短巡检路径;对最短巡检路径进行重点区域监控视频采集,确定目标巡检视频,本发明通过对夜间巡检的过程进行智能照明,提升了视频采集的效果,然后通过初步的扫描监控实现对异常点位进行初步的排查,再通过二次巡检的方式实现对重点区域进行智能排查,进而实现了智能化的视频监控并提高了视频监控的准确率。
附图说明
图1为本发明实施例中基于智能照明的视频监控方法的一个实施例示意图;
图2为本发明实施例中视频异常检测的流程图;
图3为本发明实施例中构建至少一个重点巡检区域的流程图;
图4为本发明实施例中生成最短巡检路径的流程图;
图5为本发明实施例中基于智能照明的视频监控装置的一个实施例示意图。
具体实施方式
本发明实施例提供了一种基于智能照明的视频监控方法、装置、设备及存储介质,用于实现智能化的视频监控并提高视频监控的准确率。本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中基于智能照明的视频监控方法的一个实施例包括:
S101、从预置的大数据平台中获取目标巡检区域的夜间巡检信息,其中,夜间巡检信息包括:起点位置坐标以及终点位置坐标;
可以理解的是,本发明的执行主体可以为基于智能照明的视频监控装置,还可以是终端或者服务器,具体此处不做限定。本发明实施例以服务器为执行主体为例进行说明。
具体的,服务器从预置的大数据平台中获取目标巡检区域的夜间巡检信息,需要说明的是,该夜间巡检信息主要包括夜间巡检路径及与该夜间巡检路径对应的起始点位置坐标。
S102、根据起点位置坐标确定第一标记点位,并根据终点位置坐标确定第二标记点位;
具体的,服务器通过该起点位置坐标在预置的位置坐标系中对该起点进行位置标记,确定对应的第一标记点位,并根据终点位置坐标在位置坐标系中进行第二次位置标记,确定第二标记点位。
S103、分别对第一标记点位和第二标记点位周围预设距离范围进行智能照明和扫描监控,得到多个监控视频数据包;
需要说明的是,服务器对该第一标记点位按预设第一预设距离范围进行监控区域分析,确定与该第一标记点对应的监控区域,进而服务器对该第二标记点位按预设第二预设距离范围进行监控区域分析,确定与该第二标记点对应的监控区域,进一步的,服务器通过与该第一标记点对应的监控区域及与该第二标记点对应的监控区域进行智能照明和扫描监控,得到多个监控视频数据包。
S104、分别将多个监控视频数据包输入预置的异常检测模型进行视频异常检测,得到至少一个异常标记点位,并根据第一标记点位、至少一个异常标记点位和第二标记点位的位置信息,构建至少一个重点巡检区域;
具体的,服务器别将多个监控视频数据包输入预置的异常检测模型进行视频异常检测,其中,服务器通过异常检测模型对每个监控视频数据包中进行视频分帧处理,确定多个视频帧,进而服务器对该多个视频帧进行视频异常检测,得到至少一个异常标记点位,并根据第一标记点位、至少一个异常标记点位和第二标记点位的位置信息,构建至少一个重点巡检区域。
S105、根据至少一个重点巡检区域生成多个二次巡检路径,并对多个二次巡检路径进行路径连通,生成最短巡检路径;
具体的,服务器根据至少一个重点巡检区域生成多个二次巡检路径,具体的,服务器对该至少一个重点巡检区域进行路径规划,其中,服务器对该至少一个重点巡检区域进行路径节点分析,确定多个路径节点,进一步,服务器根据该多个路径节点生成多个二次巡检路径,进而服务器对多个二次巡检路径进行路径连通,生成最短巡检路径。
S106、对最短巡检路径进行重点区域监控视频采集,确定最短巡检路径对应的目标巡检视频。
具体的,对最短巡检路径进行重点区域监控视频采集,确定最短巡检路径对应的目标巡检视频,其中,服务器通过该最短巡检路径进行重点区域视频采集,确定二次巡检视频,进而服务器将该二次巡检视频输入异常检测模型进行异常检测,确定异常检测结果,进一步的,服务器根据该异常检测结果对该二次巡检视频进行标注处理,确定与该最短巡检路径对应的目标巡检视频。
本发明实施例中,分别对第一标记点位和第二标记点位周围预设距离范围进行智能照明和扫描监控,得到多个监控视频数据包;分别将多个监控视频数据包输入预置的异常检测模型进行视频异常检测,得到至少一个异常标记点位,并根据第一标记点位、至少一个异常标记点位和第二标记点位的位置信息,构建至少一个重点巡检区域;根据至少一个重点巡检区域生成多个二次巡检路径,并对多个二次巡检路径进行路径连通,生成最短巡检路径;对最短巡检路径进行重点区域监控视频采集,确定目标巡检视频,本发明通过对夜间巡检的过程进行智能照明,提升了视频采集的效果,然后通过初步的扫描监控实现对异常点位进行初步的排查,再通过二次巡检的方式实现对重点区域进行智能排查,进而实现了智能化的视频监控并提高了视频监控的准确率。
在一具体实施例中,执行步骤S103的过程可以具体包括如下步骤:
(1)分别确定第一标记点位对应的第一预设距离范围以及第二标记点位对应的第二预设距离范围;
(2)根据第一预设距离范围和第一标记点位进行智能照明和扫描监控,确定多个第一视频数据包;
(3)根据第二预设距离范围和第二标记点位进行智能照明和扫描监控,确定多个第二视频数据包;
(4)将多个第一视频数据包和多个第二视频数据包作为多个监控视频数据包。
具体的,服务器分别确定第一标记点位对应的第一预设距离范围以及第二标记点位对应的第二预设距离范围,根据第一预设距离范围和第一标记点位进行智能照明和扫描监控,确定多个第一视频数据包,需要说明的是,该第一预设距离范围及第二预设距离范围为预先人为确定的,进一步对,服务器根据第二预设距离范围和第二标记点位进行智能照明和扫描监控,确定多个第二视频数据包,最终,服务器将多个第一视频数据包和多个第二视频数据包作为多个监控视频数据包。
在一具体实施例中,如图2所示,执行步骤S104的过程可以具体包括如下步骤:
S201、分别对多个监控视频数据包进行分帧,得到每个监控视频数据包对应的多个视频帧;
S202、将每个监控视频数据包对应的多个视频帧输入预置的异常检测模型进行视频异常检测,得到至少一个异常标识信息;
S203、根据至少一个异常标识信息确定对应的异常标记点位;
S204、根据第一标记点位、至少一个异常标记点位和第二标记点位的位置信息,构建至少一个重点巡检区域。
具体的,服务器分别对多个监控视频数据包进行分帧,得到每个监控视频数据包对应的多个视频帧,具体的,服务器获取多个监控视频数据,对多个监控视频数据进行图像分帧得到多个视频帧,进一步的,服务器对各个视频帧进行关键点识别,基于图像语义分割模型对各个视频帧进行语义分割处理,生成带有分割子图像的待处理分帧图像,进而服务器通过异常检测模型进行视频异常检测,得到至少一个异常标识信息,根据至少一个异常标识信息确定对应的异常标记点位,根据第一标记点位、至少一个异常标记点位和第二标记点位的位置信息,构建至少一个重点巡检区域。
在一具体实施例中,如图3所示,执行步骤S204的过程可以具体包括如下步骤:
S301、对第一标记点位、至少一个异常标记点位和第二标记点位进行三维坐标映射,得到第一三维坐标信息、至少一个异常三维坐标信息和第二三维坐标信息;
S302、根据第一三维坐标信息、至少一个异常三维坐标信息和第二三维坐标信息构建至少一个连通区域;
S303、对至少一个连通区域进行区域分割和重点区域筛选,生成至少一个重点巡检区域。
具体的,服务器对第一标记点位、至少一个异常标记点位和第二标记点位进行三维坐标映射,得到第一三维坐标信息、至少一个异常三维坐标信息和第二三维坐标信息,根据第一三维坐标信息、至少一个异常三维坐标信息和第二三维坐标信息构建至少一个连通区域,进一步的,服务器对该至少一个连通区域进行区域连通,其中,服务器对该至少一个连通区域进行质心分析,确定与该至少一个连通区域对应的质心特征,需要说明的是,该质心坐标的特征包括两部分:一是以该质心坐标为中心,其所在的连通区域的形状上下文,该形状上下文描述了该连通区域的形状特征,因而称其为形状描述子,二是该质心坐标相对于该连通区域所在图像内其他连通区域质心坐标的形状上下文,该形状上下文描述了该质心坐标及其所在的连通区域在整幅图像中的相对位置,因而称其为相对位置描述子。进一步的,当完成对该至少一个连通区域的区域连通处理后,服务器对至少一个连通区域进行区域分割和重点区域筛选,生成至少一个重点巡检区域。
在一具体实施例中,如图4所示,执行步骤S105的过程可以具体包括如下步骤:
S401、对至少一个重点巡检区域进行路径规划,生成多个二次巡检路径;
S402、对多个二次巡检路径进行巡检时间计算,得到每个二次巡检路径的标准巡检时间;
S403、根据每个二次巡检路径的标准巡检时间,对多个二次巡检路径进行路径连通,生成最短巡检路径。
具体的,服务器对至少一个重点巡检区域进行路径规划,生成多个二次巡检路径,其中,服务器对该至少一个重点巡检区域进行路径节点分析,确定多个路径节点,进一步,服务器根据该多个路径节点生成多个二次巡检路径,述路径节点包括节点集合中的各个节点对所分别对应的位置信息和需求信息,根据路径节点,对节点集合中的各个节点进行划分,获得至少一个簇,其中,任一簇中分别包括多个节点,任一簇所包含的多个节点中存在一个核心节点,并且任意两个簇之间不存在相同的节点,根据各个核心节点所对应的路径节点,生成多个二次巡检路径,进一步的,服务器对多个二次巡检路径进行巡检时间计算,得到每个二次巡检路径的标准巡检时间,根据每个二次巡检路径的标准巡检时间,对多个二次巡检路径进行路径连通,生成最短巡检路径。
在一具体实施例中,执行步骤S403的过程可以具体包括如下步骤:
(1)根据每个二次巡检路径的标准巡检时间设置每个二次巡检路径的权重数据;
(2)根据每个二次巡检路径的标准巡检时间以及权重数据,计算每个二次巡检路径的连通优先级;
(3)根据每个二次巡检路径的连通优先级,对多个二次巡检路径进行路径连通,生成最短巡检路径。
具体的,根据每个二次巡检路径的标准巡检时间设置每个二次巡检路径的权重数据,其中,在设置权重数据时,服务器构建判断矩阵,对判断矩阵进行一致性检验,得到一致性检验结果,对一致性检验结果满足预设条件的判断矩阵进行层次单排序,得到每个二次巡检路径的标准巡检时间对应的权重,记为单层指标权重,进而服务器对单层指标权重进行层次总排序,得到总指标权重矩阵,最终服务器根据总指标权重矩阵设置每个二次巡检路径的权重数据,根据每个二次巡检路径的标准巡检时间以及权重数据,计算每个二次巡检路径的连通优先级,根据每个二次巡检路径的连通优先级,对多个二次巡检路径进行路径连通,生成最短巡检路径。
在一具体实施例中,执行步骤S106的过程可以具体包括如下步骤:
(1)对最短巡检路径进行重点区域监控视频采集,得到二次巡检视频;
(2)将二次巡检视频输入异常检测模型进行视频异常检测,得到二次巡检视频的异常检测结果;
(3)对异常检测结果和至少一个异常标记点位进行结果校验,得到校验结果;
(4)根据校验结果对二次巡检视频进行异常信息标注,生成最短巡检路径对应的目标巡检视频。
具体的,对最短巡检路径进行重点区域监控视频采集,得到二次巡检视频,将二次巡检视频输入异常检测模型进行视频异常检测,得到二次巡检视频的异常检测结果,其中,服务器即将二次巡检视频分段,首帧检测特征点,后续只需进行跟踪,具体的,在一段二次巡检视频结束后,再重新检测特征点,得到每一个二次巡检视频段的特征点后,提取特征点的图像信息,进而服务器根据该特征点的图像信息确定二次巡检视频的异常检测结果,进一步的,服务器通过该异常检测结果及特征点的图像特征点的图像信息对至少一个异常标记点位进行结果校验,得到校验结果,根据校验结果对二次巡检视频进行异常信息标注,生成最短巡检路径对应的目标巡检视频。
上面对本发明实施例中基于智能照明的视频监控方法进行了描述,下面对本发明实施例中基于智能照明的视频监控装置进行描述,请参阅图5,本发明实施例中基于智能照明的视频监控装置一个实施例包括:
获取模块501,用于从预置的大数据平台中获取目标巡检区域的夜间巡检信息,其中,所述夜间巡检信息包括:起点位置坐标以及终点位置坐标;
处理模块502,用于根据所述起点位置坐标确定第一标记点位,并根据所述终点位置坐标确定第二标记点位;
扫描模块503,用于分别对所述第一标记点位和所述第二标记点位周围预设距离范围进行智能照明和扫描监控,得到多个监控视频数据包;
检测模块504,用于分别将所述多个监控视频数据包输入预置的异常检测模型进行视频异常检测,得到至少一个异常标记点位,并根据所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位的位置信息,构建至少一个重点巡检区域;
生成模块505,用于根据所述至少一个重点巡检区域生成多个二次巡检路径,并对所述多个二次巡检路径进行路径连通,生成最短巡检路径;
输出模块506,用于对所述最短巡检路径进行重点区域监控视频采集,确定所述最短巡检路径对应的目标巡检视频。
通过上述各个组成部分的协同合作,分别对第一标记点位和第二标记点位周围预设距离范围进行智能照明和扫描监控,得到多个监控视频数据包;分别将多个监控视频数据包输入预置的异常检测模型进行视频异常检测,得到至少一个异常标记点位,并根据第一标记点位、至少一个异常标记点位和第二标记点位的位置信息,构建至少一个重点巡检区域;根据至少一个重点巡检区域生成多个二次巡检路径,并对多个二次巡检路径进行路径连通,生成最短巡检路径;对最短巡检路径进行重点区域监控视频采集,确定目标巡检视频,本发明通过对夜间巡检的过程进行智能照明,提升了视频采集的效果,然后通过初步的扫描监控实现对异常点位进行初步的排查,再通过二次巡检的方式实现对重点区域进行智能排查,进而实现了智能化的视频监控并提高了视频监控的准确率。
本发明还提供一种基于智能照明的视频监控设备,所述基于智能照明的视频监控设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述基于智能照明的视频监控方法的步骤。
本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述基于智能照明的视频监控方法的步骤。
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***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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)执行本发明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-only memory,ROM)、随机存取存储器(random acceS memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种基于智能照明的视频监控方法,其特征在于,所述基于智能照明的视频监控方法包括:
从预置的大数据平台中获取目标巡检区域的夜间巡检信息,其中,所述夜间巡检信息包括:起点位置坐标以及终点位置坐标;
根据所述起点位置坐标确定第一标记点位,并根据所述终点位置坐标确定第二标记点位;
分别对所述第一标记点位和所述第二标记点位周围预设距离范围进行智能照明和扫描监控,得到多个监控视频数据包;
分别将所述多个监控视频数据包输入预置的异常检测模型进行视频异常检测,得到至少一个异常标记点位,并根据所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位的位置信息,构建至少一个重点巡检区域;其中,分别对所述多个监控视频数据包进行分帧,得到每个监控视频数据包对应的多个视频帧;将每个监控视频数据包对应的多个视频帧输入预置的异常检测模型进行视频异常检测,得到至少一个异常标识信息;根据所述至少一个异常标识信息确定对应的异常标记点位;根据所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位的位置信息,构建至少一个重点巡检区域;其中,所述根据所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位的位置信息,构建至少一个重点巡检区域,包括:对所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位进行三维坐标映射,得到第一三维坐标信息、至少一个异常三维坐标信息和第二三维坐标信息;根据所述第一三维坐标信息、所述至少一个异常三维坐标信息和所述第二三维坐标信息构建至少一个连通区域;对所述至少一个连通区域进行区域分割和重点区域筛选,生成至少一个重点巡检区域;
根据所述至少一个重点巡检区域生成多个二次巡检路径,并对所述多个二次巡检路径进行路径连通,生成最短巡检路径;其中,对所述至少一个重点巡检区域进行路径规划,生成多个二次巡检路径;对所述多个二次巡检路径进行巡检时间计算,得到每个二次巡检路径的标准巡检时间;根据每个二次巡检路径的标准巡检时间,对所述多个二次巡检路径进行路径连通,生成最短巡检路径;具体的,对至少一个重点巡检区域进行路径节点分析,确定多个路径节点,根据多个路径节点生成多个二次巡检路径,路径节点包括节点集合中的各个节点分别对应的位置信息和需求信息,根据路径节点,对节点集合中的各个节点进行划分,获得至少一个簇,其中,任一簇中分别包括多个节点,任一簇所包含的多个节点中存在一个核心节点,并且任意两个簇之间不存在相同的节点,根据各个核心节点所对应的路径节点,生成多个二次巡检路径;具体的,根据每个二次巡检路径的标准巡检时间设置所述每个二次巡检路径的权重数据;根据每个二次巡检路径的标准巡检时间以及权重数据,计算每个二次巡检路径的连通优先级;根据每个二次巡检路径的连通优先级,对所述多个二次巡检路径进行路径连通,生成最短巡检路径;具体的,根据每个二次巡检路径的标准巡检时间设置每个二次巡检路径的权重数据,其中,在设置权重数据时,构建判断矩阵,对判断矩阵进行一致性检验,得到一致性检验结果,对一致性检验结果满足预设条件的判断矩阵进行层次单排序,得到每个二次巡检路径的标准巡检时间对应的权重,记为单层指标权重,进而对单层指标权重进行层次总排序,得到总指标权重矩阵,根据总指标权重矩阵设置每个二次巡检路径的权重数据,根据每个二次巡检路径的标准巡检时间以及权重数据,计算每个二次巡检路径的连通优先级,根据每个二次巡检路径的连通优先级,对多个二次巡检路径进行路径连通,生成最短巡检路径;
对所述最短巡检路径进行重点区域监控视频采集,确定所述最短巡检路径对应的目标巡检视频。
2.根据权利要求1所述的基于智能照明的视频监控方法,其特征在于,所述分别对所述第一标记点位和所述第二标记点位周围预设距离范围进行智能照明和扫描监控,得到多个监控视频数据包,包括:
分别确定所述第一标记点位对应的第一预设距离范围以及所述第二标记点位对应的第二预设距离范围;
根据所述第一预设距离范围和所述第一标记点位进行智能照明和扫描监控,确定多个第一视频数据包;
根据所述第二预设距离范围和所述第二标记点位进行智能照明和扫描监控,确定多个第二视频数据包;
将所述多个第一视频数据包和所述多个第二视频数据包作为所述多个监控视频数据包。
3.根据权利要求1所述的基于智能照明的视频监控方法,其特征在于,所述对所述最短巡检路径进行重点区域监控视频采集,确定所述最短巡检路径对应的目标巡检视频,包括:
对所述最短巡检路径进行重点区域监控视频采集,得到二次巡检视频;
将所述二次巡检视频输入所述异常检测模型进行视频异常检测,得到所述二次巡检视频的异常检测结果;
对所述异常检测结果和所述至少一个异常标记点位进行结果校验,得到校验结果;
根据所述校验结果对所述二次巡检视频进行异常信息标注,生成所述最短巡检路径对应的目标巡检视频。
4.一种基于智能照明的视频监控装置,其特征在于,所述基于智能照明的视频监控装置包括:
获取模块,用于从预置的大数据平台中获取目标巡检区域的夜间巡检信息,其中,所述夜间巡检信息包括:起点位置坐标以及终点位置坐标;
处理模块,用于根据所述起点位置坐标确定第一标记点位,并根据所述终点位置坐标确定第二标记点位;
扫描模块,用于分别对所述第一标记点位和所述第二标记点位周围预设距离范围进行智能照明和扫描监控,得到多个监控视频数据包;
检测模块,用于分别将所述多个监控视频数据包输入预置的异常检测模型进行视频异常检测,得到至少一个异常标记点位,并根据所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位的位置信息,构建至少一个重点巡检区域;其中,分别对所述多个监控视频数据包进行分帧,得到每个监控视频数据包对应的多个视频帧;将每个监控视频数据包对应的多个视频帧输入预置的异常检测模型进行视频异常检测,得到至少一个异常标识信息;根据所述至少一个异常标识信息确定对应的异常标记点位;根据所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位的位置信息,构建至少一个重点巡检区域;其中,所述根据所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位的位置信息,构建至少一个重点巡检区域,包括:对所述第一标记点位、所述至少一个异常标记点位和所述第二标记点位进行三维坐标映射,得到第一三维坐标信息、至少一个异常三维坐标信息和第二三维坐标信息;根据所述第一三维坐标信息、所述至少一个异常三维坐标信息和所述第二三维坐标信息构建至少一个连通区域;对所述至少一个连通区域进行区域分割和重点区域筛选,生成至少一个重点巡检区域;
生成模块,用于根据所述至少一个重点巡检区域生成多个二次巡检路径,并对所述多个二次巡检路径进行路径连通,生成最短巡检路径;其中,对所述至少一个重点巡检区域进行路径规划,生成多个二次巡检路径;对所述多个二次巡检路径进行巡检时间计算,得到每个二次巡检路径的标准巡检时间;根据每个二次巡检路径的标准巡检时间,对所述多个二次巡检路径进行路径连通,生成最短巡检路径;具体的,对至少一个重点巡检区域进行路径节点分析,确定多个路径节点,根据多个路径节点生成多个二次巡检路径,路径节点包括节点集合中的各个节点分别对应的位置信息和需求信息,根据路径节点,对节点集合中的各个节点进行划分,获得至少一个簇,其中,任一簇中分别包括多个节点,任一簇所包含的多个节点中存在一个核心节点,并且任意两个簇之间不存在相同的节点,根据各个核心节点所对应的路径节点,生成多个二次巡检路径;具体的,根据每个二次巡检路径的标准巡检时间设置所述每个二次巡检路径的权重数据;根据每个二次巡检路径的标准巡检时间以及权重数据,计算每个二次巡检路径的连通优先级;根据每个二次巡检路径的连通优先级,对所述多个二次巡检路径进行路径连通,生成最短巡检路径;具体的,根据每个二次巡检路径的标准巡检时间设置每个二次巡检路径的权重数据,其中,在设置权重数据时,构建判断矩阵,对判断矩阵进行一致性检验,得到一致性检验结果,对一致性检验结果满足预设条件的判断矩阵进行层次单排序,得到每个二次巡检路径的标准巡检时间对应的权重,记为单层指标权重,进而对单层指标权重进行层次总排序,得到总指标权重矩阵,根据总指标权重矩阵设置每个二次巡检路径的权重数据,根据每个二次巡检路径的标准巡检时间以及权重数据,计算每个二次巡检路径的连通优先级,根据每个二次巡检路径的连通优先级,对多个二次巡检路径进行路径连通,生成最短巡检路径;
输出模块,用于对所述最短巡检路径进行重点区域监控视频采集,确定所述最短巡检路径对应的目标巡检视频。
5.一种基于智能照明的视频监控设备,其特征在于,所述基于智能照明的视频监控设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述基于智能照明的视频监控设备执行如权利要求1-3中任一项所述的基于智能照明的视频监控方法。
6.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-3中任一项所述的基于智能照明的视频监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310085123.9A CN115802013B (zh) | 2023-02-09 | 2023-02-09 | 基于智能照明的视频监控方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310085123.9A CN115802013B (zh) | 2023-02-09 | 2023-02-09 | 基于智能照明的视频监控方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115802013A CN115802013A (zh) | 2023-03-14 |
CN115802013B true CN115802013B (zh) | 2023-04-18 |
Family
ID=85430565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310085123.9A Active CN115802013B (zh) | 2023-02-09 | 2023-02-09 | 基于智能照明的视频监控方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115802013B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016076148A1 (ja) * | 2014-11-14 | 2016-05-19 | シャープ株式会社 | 自律走行装置 |
CN106525025A (zh) * | 2016-10-28 | 2017-03-22 | 武汉大学 | 一种变电站巡检机器人路线规划导航方法 |
CN111179457A (zh) * | 2018-11-09 | 2020-05-19 | 许文亮 | 一种工业设备的巡检***及巡检方法 |
CN111780761A (zh) * | 2020-06-23 | 2020-10-16 | 张梅 | 一种巡检机器人自主导航方法 |
CN111993415A (zh) * | 2020-07-30 | 2020-11-27 | 广州大学 | 自主巡查机器人及其移动监测方法、装置、自主巡查*** |
CN113635303A (zh) * | 2021-08-10 | 2021-11-12 | 国网上海市电力公司 | 一种提升特高压变电站巡检机器人智能巡检效率的方法 |
CN115246121A (zh) * | 2021-04-26 | 2022-10-28 | 宏华胜精密电子(烟台)有限公司 | 巡逻机器人及巡逻机器人*** |
CN115495540A (zh) * | 2022-11-21 | 2022-12-20 | 深圳聚邦云天科技有限公司 | 一种用于机器人巡检的路线智能识别方法、***及介质 |
-
2023
- 2023-02-09 CN CN202310085123.9A patent/CN115802013B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016076148A1 (ja) * | 2014-11-14 | 2016-05-19 | シャープ株式会社 | 自律走行装置 |
CN106525025A (zh) * | 2016-10-28 | 2017-03-22 | 武汉大学 | 一种变电站巡检机器人路线规划导航方法 |
CN111179457A (zh) * | 2018-11-09 | 2020-05-19 | 许文亮 | 一种工业设备的巡检***及巡检方法 |
CN111780761A (zh) * | 2020-06-23 | 2020-10-16 | 张梅 | 一种巡检机器人自主导航方法 |
CN111993415A (zh) * | 2020-07-30 | 2020-11-27 | 广州大学 | 自主巡查机器人及其移动监测方法、装置、自主巡查*** |
CN115246121A (zh) * | 2021-04-26 | 2022-10-28 | 宏华胜精密电子(烟台)有限公司 | 巡逻机器人及巡逻机器人*** |
CN113635303A (zh) * | 2021-08-10 | 2021-11-12 | 国网上海市电力公司 | 一种提升特高压变电站巡检机器人智能巡检效率的方法 |
CN115495540A (zh) * | 2022-11-21 | 2022-12-20 | 深圳聚邦云天科技有限公司 | 一种用于机器人巡检的路线智能识别方法、***及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115802013A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902640B (zh) | 基于边缘计算和机器学习的视频质量异常检测***及其检测方法 | |
CN112697798B (zh) | 面向红外图像的变电设备电流致热型缺陷的诊断方法和装置 | |
CN115687032B (zh) | 一种服务器运维数据监管方法及*** | |
CN115586749B (zh) | 基于机器视觉的工件加工轨迹控制方法及相关装置 | |
CN114584571A (zh) | 基于空间计算技术的电网场站数字孪生同步通信方法 | |
CN111295666A (zh) | 一种车道线检测方法、装置、控制设备及存储介质 | |
CN113907645A (zh) | 移动机器人的定位方法及装置、存储介质及电子装置 | |
CN111770450B (zh) | 一种车间生产监控服务器、移动终端及应用 | |
CN115151952A (zh) | 一种变电设备高精度识别方法及*** | |
CN116231504A (zh) | 一种升压站远程智能巡检方法、装置及*** | |
CN116433653A (zh) | 一种基于机器视觉的产品生产管理方法及*** | |
CN111368824A (zh) | 一种仪表识别方法、移动设备及存储介质 | |
CN114185651A (zh) | 一种融合多模态信息的移动群智感知任务推荐方法 | |
CN102646312B (zh) | 一种适于分布式并行处理的森林烟火监测识别方法 | |
CN115802013B (zh) | 基于智能照明的视频监控方法、装置、设备及存储介质 | |
CN117313969A (zh) | 变电站机器人巡视路径优化方法及装置 | |
CN106651803A (zh) | 户型数据的识别方法及装置 | |
CN115115919B (zh) | 一种电网设备热缺陷识别方法及装置 | |
CN110378241A (zh) | 作物生长状态监控方法、装置、计算机设备及存储介质 | |
CN115830342A (zh) | 检测框的确定方法、装置、存储介质及电子装置 | |
CN111898462B (zh) | 对象属性的处理方法、装置、存储介质以及电子装置 | |
CN117726959B (zh) | 基于智能图像识别的无人机电力线路安全巡检***及方法 | |
CN117146831B (zh) | 基于机器学习和无人机的果树生长状态评估方法及*** | |
CN117809297B (zh) | 基于三维重建的输电线路危险源智能识别方法 | |
CN113989630B (zh) | 一种基于语义分析的镜头遮挡判别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |