一种双目视频监控方法、系统和计算机可读存储介质技术方案

本发明专利技术属于智能监控领域，提供了一种双目视频监控方法、系统和计算机可读存储介质，以提高视频监控中对目标识别的准确度和效率。所述方法包括：双目摄像头采集视频图像并传送至终端设备；终端设备将视频图像输入终端设备上的第一卷积神经网络进行目标的初步识别；若初步识别的结果为视频图像中存在可疑目标，则终端设备将视频图像上传至云服务器；云服务器将视频图像输入云服务器上的第二卷积神经网络进行目标的再次识别；若再次识别的结果为确定视频图像中存在可疑目标，则云服务器将再次识别的结果返回至终端设备，由终端设备做进一步的处理。本发明专利技术提供的技术方案一方面提高了视频监控时识别的效率；另一方面提高了视频监控时识别的准确率。

Binocular video monitoring method, system and computer readable storage medium

The invention belongs to the field of intelligent monitoring, and provides a binocular video monitoring method, a system and a computer readable storage medium, so as to improve the accuracy and efficiency of target identification in video surveillance. The method includes: binocular video camera image acquisition and transmission to the terminal device; the terminal equipment will identify video input first convolutional neural network terminal equipment on the target; if the preliminary results to identify suspicious targets in video image, then the terminal equipment of video will be uploaded to the cloud server cloud server; again to identify second convolutional neural network input to the cloud server video images on the target; if the results to determine the re identification of suspicious targets in video image, then the cloud server will once again return to the recognition results of the terminal equipment, the terminal equipment for further processing. The technical proposal provided by the invention improves the identification efficiency of the video monitoring on the one hand, and improves the accuracy of the identification of the video surveillance.

【技术实现步骤摘要】
一种双目视频监控方法、系统和计算机可读存储介质
本专利技术属于智能监控领域，尤其涉及一种双目视频监控方法、系统和计算机可读存储介质。
技术介绍
视频监控系统通常用于安防领域，能够有效地实现对非法入侵的预警，保护人民的生命财产安全，也是维护治安的重要辅助手段。在视频监控系统的图像识别中，图像的背景复杂、环境光线和设备像素限制对成像效果造成了较大的影响，此外，视频监控系统需要在识别目标受到遮挡的情况下快速、准确地进行识别，客观上使得算法设计的难度加大。毋庸置疑，视频监控的关键在于对待识别目标的特征的提取，因为待识别目标的特征是一个待识别目标区别于另一个待识别目标的重要标识。在目前的视频监控中，对目标的识别，其算法通常依赖于人工选择的特征。然而，视频监控系统涉及的数据往往是海量的，因此，上述方式难以从海量数据中学习得到一个有效的分类器，从而提高对目标识别的准确度和效率。
技术实现思路
本专利技术的目的在于提供一种双目视频监控方法、系统和计算机可读存储介质，以提高视频监控中对目标识别的准确度和效率。本专利技术第一方面提供一种双目视频监控方法，所述方法包括：双目摄像头采集视频图像并传送至终端设备；本文档来自技高网...

【技术保护点】
一种双目视频监控方法，其特征在于，所述方法包括：双目摄像头采集视频图像并传送至终端设备；所述终端设备将所述视频图像输入所述终端设备上的第一卷积神经网络进行目标的初步识别；若所述初步识别的结果为所述视频图像中存在可疑目标，则所述终端设备将所述视频图像上传至云服务器；所述云服务器将所述视频图像输入所述云服务器上的第二卷积神经网络进行目标的再次识别；若所述再次识别的结果为确定所述视频图像中存在可疑目标，则所述云服务器将所述再次识别的结果返回至所述终端设备，由所述终端设备做进一步的处理。

【技术特征摘要】
1.一种双目视频监控方法，其特征在于，所述方法包括：双目摄像头采集视频图像并传送至终端设备；所述终端设备将所述视频图像输入所述终端设备上的第一卷积神经网络进行目标的初步识别；若所述初步识别的结果为所述视频图像中存在可疑目标，则所述终端设备将所述视频图像上传至云服务器；所述云服务器将所述视频图像输入所述云服务器上的第二卷积神经网络进行目标的再次识别；若所述再次识别的结果为确定所述视频图像中存在可疑目标，则所述云服务器将所述再次识别的结果返回至所述终端设备，由所述终端设备做进一步的处理。2.如权利要求1所述的方法，其特征在于，所述第一卷积神经网络为基于TensorFlow的小型卷积神经网络，所述第二卷积神经网络为基于TensorFlow的大型卷积神经网络。3.如权利要求2所述的方法，其特征在于，所述双目摄像头采集视频图像并传送至终端设备之前，所述方法还包括：根据基于TensorFlow的卷积神经网络模型，获取所述基于TensorFlow的小型卷积神经网络和基于TensorFlow的大型卷积神经网络。4.如权利要求3所述的方法，其特征在于，所述根据基于TensorFlow的卷积神经网络模型，获取所述基于TensorFlow的小型卷积神经网络和基于TensorFlow的大型卷积神经网络，包括：搭建基于TensorFlow的卷积神经网络模型，所述基于TensorFlow的卷积神经网络模型包括第一卷积层、第一最大池化层、第一局部响应归一化层、第二卷积层、第二局部响应归一化层、第一基于修正线性激活的全连接层、第二基于修正线性激活的全连接层和softmax_linear；利用云计算的TensorFlow集群服务器对所述基于TensorFlow的卷积神经网络模型进行训练，以获取所述基于TensorFlow的小型卷积神经网络和基于TensorFlow的大型卷积神经网络。5.一种双目视频监控系统，其特征在于，所述系统包括双目摄像头、终端设备和云服务器，所述终端设备包括初步识别模块和上传模块，所述云服务器包括再次识别模块和结果返回模块；所述双目摄像头，用于采集视频图像并传送至终端设备；所述初步识别模块，用于将所述视频图像输入所述终端设备上的第一卷积神经网络进行目标的初步识别；所述上传模块，用于若所述初步识别模块的初步识别的结果为所述视频图像中存在可疑目标，则将所述视频图像上传至云服务器；所述再次识别模块，用于将所述视频图像输入所述云服务器上的第二卷积神经网络进行目标的再次识别；所述结果返回模块，用于若所述再次识别模块的再次识别的结果为确定所述视频图像中存在可疑目标，则将所述再次识别的结果...

【专利技术属性】
技术研发人员：官冠，贺庆，
申请(专利权)人：深圳先进技术研究院，广州中国科学院先进技术研究所，
类型：发明
国别省市：广东,44