一种危险预警方法、装置、系统及视频采集设备制造方法及图纸

本发明专利技术实施例提供了一种危险预警方法、装置、系统及视频采集设备，所述方法应用于视频采集设备，所述方法包括：接收各传感器发送的监测数据；其中，各监测数据中携带有采集该监测数据的传感器的标识信息；根据每个监测数据中携带的传感器的标识信息，将每个监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到所有的监测数据对应的危险系数；其中，本地保存的每个传感器所对应的参考数据是根据该传感器采集的正常历史数据，通过神经网络自学习算法对所述正常历史数据进行处理后得到的；根据所述危险系数，确定是否进行报警。本发明专利技术实施例能够有效地对监控场景进行危险预警。

A Method, Device, System and Video Acquisition Equipment for Danger Early Warning

The embodiment of the present invention provides a danger early warning method, device, system and video acquisition device, which is applied to video acquisition equipment. The method includes receiving monitoring data sent by each sensor, carrying identification information of the sensor collecting the monitoring data, and carrying identification information of the sensor according to each monitoring data. By comparing each monitoring data with the reference data of the sensor which collects the monitoring data locally, the corresponding risk coefficients of all the monitoring data are obtained. The reference data of each sensor locally saved are processed according to the normal historical data collected by the sensor through the self-learning algorithm of the neural network. According to the danger coefficient, whether to give an alarm or not is determined. The embodiment of the invention can effectively carry out danger early warning for monitoring scenes.

【技术实现步骤摘要】
一种危险预警方法、装置、系统及视频采集设备
本专利技术涉及视频监控
，特别是涉及一种危险预警方法、装置、系统及视频采集设备。
技术介绍
随着视频监控技术的不断发展，平安城市、智能小区、智能交通等建设的日益普遍，视频监控应用越来越广泛。然而，在一些监控场景中，仅仅采集监控视频还不能满足实际应用需求，往往还需要进行危险检测，并且，在存在危险时进行报警。如，在一些对人的行为进行监控的场景(如养老院、医疗中心等)中，当存在潜在的危险时，需要及时进行危险预警，否则可能会造成人员伤亡等严重的后果；或者，在对动物或环境进行监测的场景(如空气质量监测、森林防火、野生动物保护等)中，当环境状况不佳时，也可能影响动植物的正常生存。因此，在进行视频监控的同时，如何对监控场景进行危险预警，成为一个亟待解决的问题。
技术实现思路
本专利技术实施例的目的在于提供一种危险预警方法、装置、系统及视频采集设备，以对监控场景进行危险预警。具体技术方案如下：第一方面，本专利技术实施例提供了一种危险预警方法，应用于视频采集设备，所述方法包括：接收各传感器发送的监测数据；其中，各监测数据中携带有采集该监测数据的传感器的标识信息；根据每个监测数据中携带的传感器的标识信息，将每个监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到所有的监测数据对应的危险系数；其中，本地保存的每个传感器所对应的参考数据是根据该传感器采集的正常历史数据，通过神经网络自学习算法对所述正常历史数据进行处理后得到的；根据所述危险系数，确定是否进行报警。可选的，所述根据每个监测数据中携带的传感器的标识信息，将每个监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到所有的监测数据对应的危险系数的步骤包括：针对每个监测数据，根据该监测数据中携带的传感器的标识信息，将该监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到该监测数据对应的第一危险系数；根据各监测数据对应的第一危险系数，以及预设的各监测数据对应的权重，计算所有的监测数据对应的危险系数。可选的，所述监测数据包括生物数据和非生物数据；所述根据每个监测数据中携带的传感器的标识信息，将每个监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到所有的监测数据对应的危险系数的步骤包括：根据每个监测数据中携带的传感器的标识信息，以及本地保存的各传感器标识信息和数据类别的对应关系，识别每个监测数据为生物数据或非生物数据；根据每个生物数据中携带的传感器的标识信息，将每个生物数据与本地保存的采集该生物数据的传感器所对应的参考数据进行对比，得到所有的生物数据综合对应的行为危险系数；根据每个非生物数据中携带的传感器的标识信息，将每个非生物数据与本地保存的采集该非生物数据的传感器所对应的参考数据进行对比，得到所有的非生物数据综合对应的环境危险系数；将所述行为危险系数和/或所述环境危险系数作为所有的监测数据对应的危险系数。可选的，所述根据每个生物数据中携带的传感器的标识信息，将每个生物数据与本地保存的采集该生物数据的传感器所对应的参考数据进行对比，得到所有的生物数据综合对应的行为危险系数的步骤包括：根据每个生物数据中携带的传感器的标识信息，将每个生物数据与本地保存的采集该生物数据的传感器所对应的参考数据进行对比，得到该生物数据对应的第二危险系数，并根据各生物数据对应的第二危险系数，以及预设的各生物数据对应的权重，计算所有的生物数据综合对应的行为危险系数；所述根据每个非生物数据中携带的传感器的标识信息，将每个非生物数据与本地保存的采集该非生物数据的传感器所对应的参考数据进行对比，得到所有的非生物数据综合对应的环境危险系数的步骤包括：根据每个非生物数据中携带的传感器的标识信息，将每个非生物数据与本地保存的采集该非生物数据的传感器所对应的参考数据进行对比，得到该非生物数据对应的第三危险系数，并根据各非生物数据对应的第三危险系数，以及预设的各非生物数据对应的权重，计算所有的非生物数据综合对应的环境危险系数。可选的，所述得到各生物数据对应的第二危险系数和各非生物数据对应的第三危险系数后，所述方法还包括：识别第二危险系数大于第一预设阈值的生物数据，以及第三危险系数大于第二预设阈值的非生物数据；将所识别出的生物数据和非生物数据上传至服务器。可选的，当所述监测数据包括生物数据时，所述得到所有的监测数据对应的危险系数之后，所述方法还包括：判断所述危险系数是否大于第三预设阈值；如果是，控制自身的云台对产生所述生物数据的目标对象进行跟踪监控。可选的，所述根据所述危险系数，确定是否进行报警之后，所述方法还包括：当确定不进行报警时，将所述各传感器发送的监测数据分别作为各传感器对应的正常历史数据，并通过神经网络自学习算法对本地保存的各传感器对应的参考数据进行更新。第二方面，本专利技术实施例提供了一种危险预警装置，应用于视频采集设备，所述装置包括：接收模块，用于接收各传感器发送的监测数据；其中，各监测数据中携带有采集该监测数据的传感器的标识信息；处理模块，用于根据每个监测数据中携带的传感器的标识信息，将每个监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到所有的监测数据对应的危险系数；其中，本地保存的每个传感器所对应的参考数据是根据该传感器采集的正常历史数据，通过神经网络自学习算法对所述正常历史数据进行处理后得到的；报警模块，用于根据所述危险系数，确定是否进行报警。可选的，所述处理模块包括：第一处理子模块，用于针对每个监测数据，根据该监测数据中携带的传感器的标识信息，将该监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到该监测数据对应的第一危险系数；计算子模块，用于根据各监测数据对应的第一危险系数，以及预设的各监测数据对应的权重，计算所有的监测数据对应的危险系数。可选的，所述监测数据包括生物数据和非生物数据；所述处理模块包括：识别子模块，用于根据每个监测数据中携带的传感器的标识信息，以及本地保存的各传感器标识信息和数据类别的对应关系，识别每个监测数据为生物数据或非生物数据；第二处理子模块，用于根据每个生物数据中携带的传感器的标识信息，将每个生物数据与本地保存的采集该生物数据的传感器所对应的参考数据进行对比，得到所有的生物数据综合对应的行为危险系数；第三处理子模块，用于根据每个非生物数据中携带的传感器的标识信息，将每个非生物数据与本地保存的采集该非生物数据的传感器所对应的参考数据进行对比，得到所有的非生物数据综合对应的环境危险系数；确定子模块，用于将所述行为危险系数和/或所述环境危险系数作为所有的监测数据对应的危险系数。可选的，所述第二处理子模块，具体用于根据每个生物数据中携带的传感器的标识信息，将每个生物数据与本地保存的采集该生物数据的传感器所对应的参考数据进行对比，得到该生物数据对应的第二危险系数，并根据各生物数据对应的第二危险系数，以及预设的各生物数据对应的权重，计算所有的生物数据综合对应的行为危险系数；所述第三处理子模块，具体用于根据每个非生物数据中携带的传感器的标识信息，将每个非生物数据与本地保存的采集该非生物数据的传感器所对应的参考数据进行对比本文档来自技高网...

【技术保护点】
1.一种危险预警方法，其特征在于，应用于视频采集设备，所述方法包括：接收各传感器发送的监测数据；其中，各监测数据中携带有采集该监测数据的传感器的标识信息；根据每个监测数据中携带的传感器的标识信息，将每个监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到所有的监测数据对应的危险系数；其中，本地保存的每个传感器所对应的参考数据是根据该传感器采集的正常历史数据，通过神经网络自学习算法对所述正常历史数据进行处理后得到的；根据所述危险系数，确定是否进行报警。

【技术特征摘要】
1.一种危险预警方法，其特征在于，应用于视频采集设备，所述方法包括：接收各传感器发送的监测数据；其中，各监测数据中携带有采集该监测数据的传感器的标识信息；根据每个监测数据中携带的传感器的标识信息，将每个监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到所有的监测数据对应的危险系数；其中，本地保存的每个传感器所对应的参考数据是根据该传感器采集的正常历史数据，通过神经网络自学习算法对所述正常历史数据进行处理后得到的；根据所述危险系数，确定是否进行报警。2.根据权利要求1所述的方法，其特征在于，所述根据每个监测数据中携带的传感器的标识信息，将每个监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到所有的监测数据对应的危险系数的步骤包括：针对每个监测数据，根据该监测数据中携带的传感器的标识信息，将该监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到该监测数据对应的第一危险系数；根据各监测数据对应的第一危险系数，以及预设的各监测数据对应的权重，计算所有的监测数据对应的危险系数。3.根据权利要求1所述的方法，其特征在于，所述监测数据包括生物数据和非生物数据；所述根据每个监测数据中携带的传感器的标识信息，将每个监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到所有的监测数据对应的危险系数的步骤包括：根据每个监测数据中携带的传感器的标识信息，以及本地保存的各传感器标识信息和数据类别的对应关系，识别每个监测数据为生物数据或非生物数据；根据每个生物数据中携带的传感器的标识信息，将每个生物数据与本地保存的采集该生物数据的传感器所对应的参考数据进行对比，得到所有的生物数据综合对应的行为危险系数；根据每个非生物数据中携带的传感器的标识信息，将每个非生物数据与本地保存的采集该非生物数据的传感器所对应的参考数据进行对比，得到所有的非生物数据综合对应的环境危险系数；将所述行为危险系数和/或所述环境危险系数作为所有的监测数据对应的危险系数。4.根据权利要求3所述的方法，其特征在于，所述根据每个生物数据中携带的传感器的标识信息，将每个生物数据与本地保存的采集该生物数据的传感器所对应的参考数据进行对比，得到所有的生物数据综合对应的行为危险系数的步骤包括：根据每个生物数据中携带的传感器的标识信息，将每个生物数据与本地保存的采集该生物数据的传感器所对应的参考数据进行对比，得到该生物数据对应的第二危险系数，并根据各生物数据对应的第二危险系数，以及预设的各生物数据对应的权重，计算所有的生物数据综合对应的行为危险系数；所述根据每个非生物数据中携带的传感器的标识信息，将每个非生物数据与本地保存的采集该非生物数据的传感器所对应的参考数据进行对比，得到所有的非生物数据综合对应的环境危险系数的步骤包括：根据每个非生物数据中携带的传感器的标识信息，将每个非生物数据与本地保存的采集该非生物数据的传感器所对应的参考数据进行对比，得到该非生物数据对应的第三危险系数，并根据各非生物数据对应的第三危险系数，以及预设的各非生物数据对应的权重，计算所有的非生物数据综合对应的环境危险系数。5.根据权利要求4所述的方法，其特征在于，所述得到各生物数据对应的第二危险系数和各非生物数据对应的第三危险系数后，所述方法还包括：识别第二危险系数大于第一预设阈值的生物数据，以及第三危险系数大于第二预设阈值的非生物数据；将所识别出的生物数据和非生物数据上传至服务器。6.根据权利要求1-5任一项所述的方法，其特征在于，当所述监测数据包括生物数据时，所述得到所有的监测数据对应的危险系数之后，所述方法还包括：判断所述危险系数是否大于第三预设阈值；如果是，控制自身的云台对产生所述生物数据的目标对象进行跟踪监控。7.根据权利要求1-5任一项所述的方法，其特征在于，所述根据所述危险系数，确定是否进行报警之后，所述方法还包括：当确定不进行报警时，将所述各传感器发送的监测数据分别作为各传感器对应的正常历史数据，并通过神经网络自学习算法对本地保存的各传感器对应的参考数据进行更新。8.一种危险预警装置，其特征在于，应用于视频采集设备，所述装置包括：接收模块，用于接收各传感器发送的监测数据；其中，各监测数据中携带有采集该监测数据的传感器的标识信息；处理模块，用于根据每个监测数据中携带的传感器的标识信息，将每个监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到所有的监测数据对应的危险系数；其中，本地保存的每个传感器所对应的参考数据是根据该传感器采集的正常历史数据，通过神经网络自学习算法对所述正常历史数据进行处理后得到的；报警模块，用于根据所述危险系数，确定是否进行报警。9.根据权利要求8所述的装置，其特征在于，所述处理模块包括：第一处理子模块，用于针对每个监测数据，根据该监测数据中携带的传感器的标识信息，将该监测数据与本地保存的采集该监测数据的传感器所对应的参考数据进行对比，得到该监测数据对应的第一危险系数；计算子模块，用于根据各监测数据对应的第一危险系数，以及预设的各监测数据对应的权重，计算所有的监测数据对应的危险系数。10.根据权利要求8所述的装置，其特征在于，所述监测数据包括生物数据和非生物数据；所述处理模块包括：识别子模块，用于根据每个监测数据中携带的传感器的标识信息，以及本地保存的各传感器标识信息和数据类别的对应关系，识别每个监测数据为生物数据或非生物数据；第二处理子模块，用于根据每个生物数据中携带的传感器的标识信息，将每个生物数据与本地保存的采集该生物数据的传感器所对应的参考数据进行对比，得到所有的生物数据综合对应的行为危险系数；第三处理子模块，用于根据每个非生物数据中携带的传感器的标识信息，将...

【专利技术属性】
技术研发人员：练斌，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：浙江,33