一种基于图像识别的监控视频智慧管控方法技术

本发明专利技术公开了一种基于图像识别的监控视频智慧管控方法，属于视频图像识别技术领域。本发明专利技术的基于图像识别的监控视频智慧管控方法基于深度卷积神经网络CNN特征进行目标检测，对实时监控视频进行特征对象识别处理，针对不同业务场景识别特征数据，触发预警信息并派发预警工单，由安全保障人员对预警工单进行处理。该发明专利技术的基于图像识别的监控视频智慧管控方法能够降低安全事故的发生率，提升监控视频异常情况甄别效率，降低安保人员工作量，进一步节约企业成本，具有很好的推广应用价值。

【技术实现步骤摘要】
一种基于图像识别的监控视频智慧管控方法
本专利技术涉及视频图像识别
，具体提供一种基于图像识别的监控视频智慧管控方法。
技术介绍
随着监控摄像头的覆盖及大量视频数据的积累，人工检查的方式已经不能够满足广泛视频监管的需要，利用深度学习的智能视频监控技术成为了视频信息解读及利用的新方案。人工智能和深度学习技术能够有效降低人为错误和误报，并大幅减少影响搜寻时间，对工业制造、医疗、交通等产业产生极大的影响。目前业界普遍采用基于深度卷积神经网络CNN特征对监控视频中的视频帧进行目标检测，具体方法为：针对某个单一场景设定对应的预置位，然后启动监控摄像头开始巡航，当摄像头在预置位上时，抓取视频流传入服务器，服务端调用深度学习算法进行检测，根据检测结果判断是否有异常，如有异常则推送报警，随后摄像头继续巡航。这种方法可以克服传统图像技术检测精度低、检测速度慢的不足，但是这种方法也有明显的不足，即一个摄像头只能绑定一种算法处理单一场景，存在应对场景单一、资源利用率低的问题。
技术实现思路
本专利技术的技术任务是针对上述存在的问题，提供一种能够降低安全事故的发生率，提升监控视频异常情况甄别效率，降低安保人员工作量，进一步节约企业成本的基于图像识别的监控视频智慧管控方法。为实现上述目的，本专利技术提供了如下技术方案：一种基于图像识别的监控视频智慧管控方法，该方法基于深度卷积神经网络CNN特征进行目标检测，对实时监控视频进行特征对象识别处理，针对不同业务场景识别特征数据，触发预警信息并派发预警工单，由安全保障人员对预警工单进行处理。作为优选，该基于图像识别的监控视频智慧管控方法具体包括以下步骤：S1、视频管理功能模块接入监控摄像头实时视频流，并存储到服务器；S2、图像识别功能模块对实时视频进行解析，并调用对应的特征模型对视频进行处理；S3、通过预警管理功能模块分析检测结果，如无异常，直接返回正常，否则触发预警，生成预警信息，并进行声音提醒；S4、预警信息生成后，监控人员向安全保障人员派发预警处置工单；S5、安全保障人员使用预警工单处理APP接收预警处置工单，查看预警处置工单的基本信息；S6、安全保障人员对预警事件进行处置，处置完成后关闭预警处置工单。作为优选，步骤S1中，视频管理功能模块接入基于RTSP协议的实时监控视频流，并进行实时视频呈现、摄像头镜头拉伸和历史监控影像存储。作为优选，步骤S2中，图像识别功能模块将实时监控视频流按照设定的帧频转码成base64格式的视频帧，同时调用特征模型对视频进行处理，判断是否存在指定的监测目标。作为优选，步骤S3中，预警管理功能模块对图像识别功能模块监测出来的异常视频帧，自动生成预警信息。作为优选，所述预警信息包括预警发生点位、预警发生时间、预警相关图像/视频。作为优选，步骤S4中，工单管理模块用于对预警管理功能模块产生的异常预警进行派单处理，其中工单管理模块包括待办列表、已办列表和工单查询。作为优选，步骤S5中，工单处理APP对工单管理模块派发的预警处置工单进行详情查看、工单处理操作。作为优选，所述预警处置工单的基本信息包括摄像头位置、预警图像/短视频、预警发生时间。作为优选，步骤S6中，预警工单处理APP根据预警工单详情中的经纬度坐标对预警产生地址位置进行自动定位，选择地图导航功能后，预警工单处理APP打开导航地图并高亮显示导航路径。与现有技术相比，本专利技术的基于图像识别的监控视频智慧管控方法具有以下突出的有益效果：所述基于图像识别的监控视频智慧管控方法使用基于RTSP协议的视频流接入方式，实现了跨厂家的视频接入，便于企业对监控视频进行管理；使用基于深度学习的图像识别算法，对多场景进行特征识别，一个摄像头配置多个识别算法，实现了一头多用，提高了企业资产利用率，降低了企业设备投资成本；预警管理功能模块，可以对异常监控视频进行自动预警处理，不再需要监控人员实时的查看摄像头视频，仅需要对系统自动产生的预警进行处理，降低了监控人员工作量，节约了企业人工投资成本；使用工单管理模块，实现了预警发生-工单派发-工单处理-预警清除的管理闭环，提高了企业安全生产运行质量；同时系统还提供了工单处理APP，企业安全保障人员可以快速了解预警信息，并对待办工单进行查看、定位、处理操作，提高了企业安全保障事件的处理效率，提高了企业安全生产运行质量，保障企业安全生产平稳运行，具有良好的推广应用价值。附图说明图1是本专利技术所述基于图像识别的监控视频智慧管控方法的流程图。具体实施方式下面将结合附图和实施例，对本专利技术的基于图像识别的监控视频智慧管控方法作进一步详细说明。实施例如图1所示，本专利技术的基于图像识别的监控视频智慧管控方法基于深度卷积神经网络CNN特征进行目标检测，对实时监控视频进行特征对象识别处理，针对不同业务场景识别特征数据，触发预警信息并派发预警工单，由安全保障人员对预警工单进行处理。作为优选，该基于图像识别的监控视频智慧管控方法具体包括以下步骤：S1、视频管理功能模块接入监控摄像头实时视频流，并存储到服务器。视频管理功能模块接入基于RTSP协议的实时监控视频流，并进行实时视频呈现、摄像头镜头拉伸和历史监控影像存储。视频管理功能模块包含摄像头管理功能、摄像头预置点位管理、电子围栏管理、算法绑定管理，用户可以根据需要去配置摄像头的相关配置信息。通过采用RTSP标准视频流接入方式，避免了跨厂家摄像头配置的复杂操作，提高了企业监控人员的工作效率。S2、图像识别功能模块对实时视频进行解析，并调用对应的特征模型对视频进行处理。图像识别功能模块将实时监控视频流按照设定的帧频转码成base64格式的视频帧，同时调用特征模型对视频进行处理，判断是否存在指定的监测目标。图像识别功能模块提供了基于深度学习的视频图像自动识别算法，支持多场景的算法识别，例如人、车、物等检测对象，同时一个摄像头可以配置多个算法，同时检测多种特征对象，实现了一头多用，降低了企业投资成本。S3、通过预警管理功能模块分析检测结果，如无异常，直接返回正常，否则触发预警，生成预警信息，并进行声音提醒。预警管理功能模块对图像识别功能模块监测出来的异常视频帧，自动生成预警信息。预警信息包括预警发生点位、预警发生时间、预警相关图像/视频。预警管理功能模块根据算法识别结果是否异常，判断是否需要生成预警信息，包括预警查看、预警清除、预计派单功能。通过此种方式，企业视频监控人员不再需要对监控进行实时监控，只需要对系统自动产生的预警进行查看即可，降低了企业监控人员工作量，提高了企业监控人员工作效率。S4、预警信息生成后，监控人员向安全保障人员派发预警处置工单。工单管理模块用于对预警管理功能模块产生的异常预警进行派单处理，其中工单管理模块包括待办列表、已办列表和工单查询。工单管理模块智慧监管平台具备预警派发工单功本文档来自技高网...

【技术保护点】
1.一种基于图像识别的监控视频智慧管控方法，其特征在于：该方法基于深度卷积神经网络CNN特征进行目标检测，对实时监控视频进行特征对象识别处理，针对不同业务场景识别特征数据，触发预警信息并派发预警工单，由安全保障人员对预警工单进行处理。/n

【技术特征摘要】
1.一种基于图像识别的监控视频智慧管控方法，其特征在于：该方法基于深度卷积神经网络CNN特征进行目标检测，对实时监控视频进行特征对象识别处理，针对不同业务场景识别特征数据，触发预警信息并派发预警工单，由安全保障人员对预警工单进行处理。


2.根据权利要求1所述的基于图像识别的监控视频智慧管控方法，其特征在于：具体包括以下步骤：
S1、视频管理功能模块接入监控摄像头实时视频流，并存储到服务器；
S2、图像识别功能模块对实时视频进行解析，并调用对应的特征模型对视频进行处理；
S3、通过预警管理功能模块分析检测结果，如无异常，直接返回正常，否则触发预警，生成预警信息，并进行声音提醒；
S4、预警信息生成后，监控人员向安全保障人员派发预警处置工单；
S5、安全保障人员使用预警工单处理APP接收预警处置工单，查看预警处置工单的基本信息；
S6、安全保障人员对预警事件进行处置，处置完成后关闭预警处置工单。


3.根据权利要求2所述的基于图像识别的监控视频智慧管控方法，其特征在于：步骤S1中，视频管理功能模块接入基于RTSP协议的实时监控视频流，并进行实时视频呈现、摄像头镜头拉伸和历史监控影像存储。


4.根据权利要求3所述的基于图像识别的监控视频智慧管控方法，其特征在于：步骤S2中，图像识别功能模块将实时监控视频流按照设定的帧频转码成base64...

【专利技术属性】
技术研发人员：吴海涛，许丙健，陆壮，张孟坚，李知澳，
申请(专利权)人：浪潮天元通信信息系统有限公司，
类型：发明
国别省市：山东;37