一种基于物联网的视频监控安全管理方法及系统技术方案

本发明专利技术涉及物联网技术领域，公开了一种基于物联网的视频监控安全管理方法及系统，通过视频监控设备进行监控内容采集，得到第一视频监控数据，并将第一视频监控数据存储至IP

【技术实现步骤摘要】
一种基于物联网的视频监控安全管理方法及系统


[0001]本专利技术涉及物联网
，具体涉及一种基于物联网的视频监控安全管理方法及系统。

技术介绍

[0002]随着科技的发展，视频监控发挥着重要作用，极大地提高了生活环境的安全性，但目前的视频监控安全性和传输效率较低，为此，我们提出一种基于物联网的视频监控安全管理方法及系统。

技术实现思路

[0003]本专利技术的目的是为了解决上述问题，设计了一种基于物联网的视频监控安全管理方法及设备。
[0004]本专利技术第一方面提供一种基于物联网的视频监控安全管理方法，所述基于物联网的视频监控安全管理方法包括以下步骤：通过视频监控设备进行监控内容采集，得到第一视频监控数据，并将所述第一视频监控数据存储至IP
‑
SAN中；读取IP
‑
SAN中的所述第一视频监控数据，并将所述第一视频监控数据传输至物联网平台，并对所述第一视频监控数据进行数据预处理，得到第二视频监控数据；确定当前视频监控的应用场景，构建对应的监控处理模型，将所述第二视频监控数据输入所述监控处理模型中，通过所述监控处理模型输出监控分析结果；对所述监控分析结果进行整合，生成目标视频监控内容及对应的安全预警信息，基于所述安全预警信息对所述目标视频监控内容加密传输至用户终端。
[0005]可选的，在本专利技术第一方面的第一种实现方式中，对所述第一视频监控数据进行数据预处理，得到第二视频监控数据，包括：获取所述第一视频监控数据中的图像数据，确定两个3
>×
3矩阵算子分别用于所述第一视频监控数据横纵方向的图像数据；利用纵横方向上的矩阵算子与图像上的像素点进行一阶卷积运算，得到纵横方向上的一阶梯度导数；将纵横方向上的一阶梯度导数相加并求均方根，得到横纵方向的梯度数据；将所述横纵方向的梯度数据结合，与设置的门限阈值进行对比，确定输出的每个像素位置的数据为全黑或者全白，并输出第一图像数据。
[0006]可选的，在本专利技术第一方面的第二种实现方式中，所述将所述横纵方向的梯度数据结合，与设置的门限阈值进行对比，确定输出的每个像素位置的数据为全黑或者全白，并输出第一图像数据之后，还包括：获取所述第一图像数据，提取所述第一图像数据各个频段对应的子带，得到高频段子带和低频段子带；
对所述高频段子带和低频段子带进行分块，并基于偏微分方程计算图像噪声数据；根据所述图像噪声数据对所述第一图像数据进行降低维数处理，将所述图像噪声数据中各个分块区域的噪声奇异点连接呈线性结构；获取降维后第一图像数据的重构数据，得到第一图像数据，并采用小波变换和数学形态学方法对所述第一图像数据进行图像增强，得到第二图像数据；对所述第二图像数据进行整合，得到第二视频监控数据。
[0007]可选的，在本专利技术第一方面的第三种实现方式中，所述确定当前视频监控的应用场景，构建对应的监控处理模型，包括：获取视频监应用场景的历史监控图像，并形成训练集，将所述训练集输入YOLOv4网络结构中；采取逐级通道卷积的方式，在二维平面内，卷积核与通道数量一一对应，一个卷积核处理一个通道，所述训练集中的历史监控图像经过处理后可生成3个特征图；经过深度卷积后的特征映射数量与输入层通道值一致，并采用逐点卷积进行特征组合得到新的特征映射；采用入稀疏训练和剪枝技术进行模型调整，得到监控处理模型。
[0008]可选的，在本专利技术第一方面的第四种实现方式中，所述采用入稀疏训练和剪枝技术进行模型调整，得到监控处理模型，包括：将每个正则化模块作为一个整体进行剪枝，并按照正则化模块的权重均值的由底到高额顺序剪枝，在一次剪枝过程中按照正则化模块二分之一的比率进行剪枝；结合模型微调进行补偿，并持续开展循环迭代，得到层剪枝后的网络结构；根据剪枝参数与正则化模块的缩放稀疏，确定全局减值率对应的通道剪枝阈值，根据通道保护阈值参数，确定每个神经网络层的保护阈值；当大于剪枝阈值和小于通道保护阈值同时成立时，对所述层剪枝后的网络结构进行通道剪枝。
[0009]可选的，在本专利技术第一方面的第五种实现方式中，对所述监控分析结果进行整合，生成目标视频监控内容及对应的安全预警信息，包括：获取所述第二视频监控数据的视频流，从所述视频流中获取视频帧图像，采用除法模型对所述视频帧图像进行矫正；对矫正后的视频帧图像进行归一化处理，将归一后的视频帧图像作为Deeplabv3+模型的输入，经过编码网络逐层抽取特征，获取图片的特征编码；通过解码网络对特征编码进行上采样，获得与模型输入的图像分辨率相同的分割掩码图；基于所述分割掩码图进行视频拼接融合，得到目标视频监控内容，并根据所述监控分析结果得到安全预警信息。
[0010]可选的，在本专利技术第一方面的第六种实现方式中，所述基于所述安全预警信息对所述目标视频监控内容加密传输至用户终端，包括：接收所述目标视频监控，提取所述目标视频监控的原视频数据包的头部字段和内容字段；
分别对所述头部字段和内容字段进行哈希运算，得到相应的哈希值字段；将所述原视频数据包对应的哈希值字段与所述原视频数据包的内容字段组成新视频数据包；根据所述新视频数据包得到所述目标视频监控的新数据流，并采用交叉混沌算法对目标视频监控的新数据流进行加密。
[0011]本专利技术第二方面提供了一种基于图像处理的陡坡表面坡度检测设备，所述基于物联网的视频监控安全管理系统包括内容采集模块、数据预处理模块、监控分析模块和加密传输模块，其中，内容采集模块，用于通过视频监控设备进行监控内容采集，得到第一视频监控数据，并将所述第一视频监控数据存储至IP
‑
SAN中；数据预处理模块，用于读取IP
‑
SAN中的所述第一视频监控数据，并将所述第一视频监控数据传输至物联网平台，并对所述第一视频监控数据进行数据预处理，得到第二视频监控数据；监控分析模块，用于确定当前视频监控的应用场景，构建对应的监控处理模型，将所述第二视频监控数据输入所述监控处理模型中，通过所述监控处理模型输出监控分析结果；加密传输模块，用于对所述监控分析结果进行整合，生成目标视频监控内容及对应的安全预警信息，基于所述安全预警信息对所述目标视频监控内容加密传输至用户终端。
[0012]可选的，在本专利技术第一方面的第六种实现方式中，所述内容采集模块包括获取子模块、卷积运算子模块、计算子模块和数据结合子模块，其中，获取子模块，用于获取所述第一视频监控数据中的图像数据，确定两个3
×
3矩阵算子分别用于所述第一视频监控数据横纵方向的图像数据；卷积运算子模块，用于利用纵横方向上的矩阵算子与图像上的像素点进行一阶卷积运算，得到纵横方向上的一阶梯度导数；计算子模块，用于将纵横方向上的一阶梯度导数相加并求均方根，得到横纵方向的梯度数据；数据结合子模块，用于将所述横纵方向的梯度数据结合，与设置的门限阈值进行对比，确定输出的每个像素位置的数据为全黑或者全白，并输出第一图像数据。
[0013]可选的，在本专利技术第一方面的第六种实现方式中，所述加密传输模块包括提取子模块、哈希本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的视频监控安全管理方法，视频监控设备通过物联网与物联网平台进行连接，其特征在于，所述基于物联网的视频监控安全管理方法包括以下步骤：通过视频监控设备进行监控内容采集，得到第一视频监控数据，并将所述第一视频监控数据存储至IP
‑
SAN中；读取IP
‑
SAN中的所述第一视频监控数据，并将所述第一视频监控数据传输至物联网平台，并对所述第一视频监控数据进行数据预处理，得到第二视频监控数据；确定当前视频监控的应用场景，构建对应的监控处理模型，将所述第二视频监控数据输入所述监控处理模型中，通过所述监控处理模型输出监控分析结果；对所述监控分析结果进行整合，生成目标视频监控内容及对应的安全预警信息，基于所述安全预警信息对所述目标视频监控内容加密传输至用户终端。2.如权利要求1所述的一种基于物联网的视频监控安全管理方法，其特征在于，对所述第一视频监控数据进行数据预处理，得到第二视频监控数据，包括：获取所述第一视频监控数据中的图像数据，确定两个3
×
3矩阵算子分别用于所述第一视频监控数据横纵方向的图像数据；利用纵横方向上的矩阵算子与图像上的像素点进行一阶卷积运算，得到纵横方向上的一阶梯度导数；将纵横方向上的一阶梯度导数相加并求均方根，得到横纵方向的梯度数据；将所述横纵方向的梯度数据结合，与设置的门限阈值进行对比，确定输出的每个像素位置的数据为全黑或者全白，并输出第一图像数据。3.如权利要求2所述的一种基于物联网的视频监控安全管理方法，其特征在于，所述将所述横纵方向的梯度数据结合，与设置的门限阈值进行对比，确定输出的每个像素位置的数据为全黑或者全白，并输出第一图像数据之后，还包括：获取所述第一图像数据，提取所述第一图像数据各个频段对应的子带，得到高频段子带和低频段子带；对所述高频段子带和低频段子带进行分块，并基于偏微分方程计算图像噪声数据；根据所述图像噪声数据对所述第一图像数据进行降低维数处理，将所述图像噪声数据中各个分块区域的噪声奇异点连接呈线性结构；获取降维后第一图像数据的重构数据，得到第一图像数据，并采用小波变换和数学形态学方法对所述第一图像数据进行图像增强，得到第二图像数据；对所述第二图像数据进行整合，得到第二视频监控数据。4.如权利要求1所述的一种基于物联网的视频监控安全管理方法，其特征在于，所述确定当前视频监控的应用场景，构建对应的监控处理模型，包括：获取视频监应用场景的历史监控图像，并形成训练集，将所述训练集输入YOLOv4网络结构中；采取逐级通道卷积的方式，在二维平面内，卷积核与通道数量一一对应，一个卷积核处理一个通道，所述训练集中的历史监控图像经过处理后可生成3个特征图；经过深度卷积后的特征映射数量与输入层通道值一致，并采用逐点卷积进行特征组合得到新的特征映射；采用入稀疏训练和剪枝技术进行模型调整，得到监控处理模型。
5.如权利要求4所述的一种基于物联网的视频监控安全管理方法，其特征在于，所述采用入稀疏训练和剪枝技术进行模型调整，得到监控处理模型，包括：将每个正则化模块作为一个整体进行剪枝，并按照正则化模块的权重均值的由底到高额顺序剪枝，在一次剪枝过程中按照正则化模块二分之一的比率进行剪枝；结合模型微调进行补偿，并持续开展循环迭代，得到层剪枝后的网络结构；根据剪枝参数与正则化模块的缩放稀疏，确定全局减值率对应的通道剪枝阈值，根据通道保护阈值参数，确定每个神经网络层的保护阈值；当大于剪枝阈值和小于通道保护阈值同时成立时，对所述层剪枝后的网络结构进行通道剪枝。6.如权利要求1所...

【专利技术属性】
技术研发人员：何姣，
申请(专利权)人：深圳市爱为物联科技有限公司，
类型：发明
国别省市：