【技术实现步骤摘要】
目标对象的监控方法、装置及系统
本专利技术涉及通信领域，具体而言，涉及一种目标对象的监控方法、装置及系统。
技术介绍
目前，相关技术中的目标对象的监控方法，可以采用监控设备辅助监控目标场所内的目标对象。对于上述方式，需要将监控设备拍摄的视频数据上传给目标服务器，由目标服务器进行目标对象识别。然而，对于无网络或者网络不稳定的场所，现有的目标对象的监控方法无法稳定执行，并且目标对象的识别效率较低。针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
本专利技术实施例提供了一种目标对象的监控方法、装置及系统，以至少解决相关技术中的目标对象的监控方法无法稳定执行，以及目标对象的识别效率较低的问题。根据本专利技术的一个实施例，提供了一种目标对象的监控方法，包括：本地服务器接收到目标监控设备通过局域网网络发送的目标图像，其中，所述目标图像为所述目标监控设备在检测到所述目标监控设备的监控画面发生变化的情况下拍摄的图像；所述本地服务器对所述目标图像进行目标对象识别；在识别出所述目标图像中包含有所述目标对象的情况下，所述本地服务器确定出目标识别结果，其中，所述目标识别结果用于表示...
【技术保护点】
1.一种目标对象的监控方法，其特征在于，包括：本地服务器接收到目标监控设备通过局域网网络发送的目标图像，其中，所述目标图像为所述目标监控设备在检测到所述目标监控设备的监控画面发生变化的情况下拍摄的图像；所述本地服务器对所述目标图像进行目标对象识别；在识别出所述目标图像中包含有所述目标对象的情况下，所述本地服务器确定出目标识别结果，其中，所述目标识别结果用于表示在所述目标监控设备的监控区域内出现所述目标对象。
【技术特征摘要】
1.一种目标对象的监控方法，其特征在于，包括：本地服务器接收到目标监控设备通过局域网网络发送的目标图像，其中，所述目标图像为所述目标监控设备在检测到所述目标监控设备的监控画面发生变化的情况下拍摄的图像；所述本地服务器对所述目标图像进行目标对象识别；在识别出所述目标图像中包含有所述目标对象的情况下，所述本地服务器确定出目标识别结果，其中，所述目标识别结果用于表示在所述目标监控设备的监控区域内出现所述目标对象。2.根据权利要求1所述的方法，其特征在于，在所述本地服务器确定出所述目标识别结果之后，所述方法还包括：所述本地服务器获取包含所述目标图像的目标视频，其中，所述目标视频包含所述目标监控设备在目标时间段内拍摄的视频数据，所述目标时间段为第一时刻至第二时刻的时间段，所述第一时刻为所述目标监控设备检测到所述监控画面开始变化的时刻，所述第二时刻为所述目标监控设备检测到所述监控画面结束变化的时刻。3.根据权利要求2所述的方法，其特征在于，所述本地服务器接收到所述目标监控设备通过所述局域网网络发送的所述目标图像包括：所述本地服务器接收到所述目标监控设备通过所述局域网网络在所述目标时间段内每隔目标时间间隔发送的所述目标图像；所述本地服务器获取包含所述目标图像的所述目标视频包括：在超过所述目标时间间隔的时间未接收到所述目标监控设备发送的所述目标图像的情况下，所述本地服务器获取包含所述目标图像的所述目标视频。4.根据权利要求2所述的方法，其特征在于，所述本地服务器获取包含所述目标图像的所述目标视频包括：所述本地服务器向所述目标监控设备发送请求消息，其中，所述请求消息用于请求包含所述目标图像的视频；接收所述目标监控设备响应所述请求消息发送的所述目标视频；或者，所述本地服务器从所述本地服务器保存的视频数据集中调取所述目标视频，其中，所述视频数据集包含所述目标监控设备上传的所述目标监控设备拍摄的视频。5.根据权利要求2所述的方法，其特征在于，在所述本地服务器获取包含所述目标图像的所述目标视频之后，所述方法还包括：所述本地服务器向输出端发送告警信息，其中，所述告警信息用于对所述目标监控设备的监控区域内出现所述目标对象进行告警，所述告警信息包括以下至少之一：所述目标图像，所述目标视频。6.根据权利要求5所述的方法，其特征在于，在所述本地服务器向所述输出端发送所述告警信息之前，所述方法还包括：所述本地服务器根据所述目标视频确定出与所述目标视频对应的目标信息，其中，所述目标信息包括以下至少之一：所述目标对象在所述监控区域内的行进路径，所述目标对象进入所述监控区域的入侵点，所述目标对象在所述监控区域内的藏匿点，所述目标对象在所述监控区域内的活动时间，所述目标对象的对象特征，所述告警信息还包括：所述目标信息。7.根据权利要求6所述的方法，其特征在于，在所述本地服务器根据所述目标视频确定出所述目标信息之后，所述方法还包括：所述本地服务器在所述目标视频中标记出所述目标对象以及与所述目标视频对应的所述目标信息，其中，在所述目标信息包含所述目标对象在所述监控区域内的行进路径的情况下，所述行进路径通过在所述目标对象在所述监控区域内的移动轨迹上的一串具有数字的标点标示，所述标点上的数字沿所述目标对象的移动方向依次增大。8.根据权利要求6所述的方法，其特征在于，在所述本地服务器根据所述目标视频确定出与所述目标视频对应的目标信息之后，所述方法还包括：在所述目标信息包含所述目标对象在所述监控区域内的行进路径的情况下，所述本地服务器根据所述行进路径生成提示信息，其中，所述提示信息用于提示消除所述目标对象的方式，所述告警信息还包括所述提示信息。9.根据权利要求6所述的方法，其特征在于，在所述本地服务器向所述输出端发送所述告警信息之前，所述方法还包括：所述本地服务器获取多个监控视频的目标结果，其中，所述多个监控视频为目标区域内的多个监控设备上传的监控视频，所述多个监控设备包括所述目标监控设备，所述目标结果为与所述多个监控视频对应的所述目标信息；所述本地服务器根据获取的所述目标结果，确定出所述目标区域内的一个或多个位置信息，其中，所述一个或多个位置信息包括以下至少之一：所述目标对象进入所述目标区域的入侵点，所述目标对象在所述目标区域内的藏匿点，所述目标对象在所述目标区域内出现次数超过目标次数阈值和/或出现时间超过目标时间阈值的位置点。10.根据权利要求1所述的方法，其特征在于，所述本地服务器对所述目标图像进行目标对象识别包括：在所述目标图像为多个目标视频帧图像的情况下，对每个所述目标视频帧图像进行目标对象检测，得到每个所述目标视频帧图像的图像特征，其中，每个所述目标视频帧图像用于指示在所述监控区域中存在运动的对象，所述图像特征用于在所述存在运动的对象中，与所述目标对象之间的相似度大于第一阈值的对象所在的目标图像区域；根据每个所述目标视频帧图像的图像特征确定出运动特征，其中，所述运动特征用于表示所述多个目标视频帧图像中所述存在运动的对象的运动速度和运动方向；根据所述运动特征和每个所述目标视频帧图像的图像特征，确定所述多个目标视频帧图像中是否出现有所述目标对象。11.根据权利要求10所述的方法，其特征在于，在对每个所述目标视频帧图像进行目标对象检测，得到每个所述目标视频帧图像的所述图像特征之前，所述方法还包括：获取所述目标监控设备对所述监控区域拍摄得到的视频文件；对所述视频文件进行抽帧采样，得到一组视频帧图像；根据所述一组视频帧图像中的像素点的像素值在所述一组视频帧图像中确定出多个所述目标视频帧图像。12.根据权利要求11所述的方法，其特征在于，根据每个所述目标视频帧图像的所述图像特征确定出所述运动特征包括：获取与每个所述目标视频帧图像的图像特征所表示的目标图像区域对应的目标矢量，得到多个目标矢量，其中，每个所述目标矢量用于表示对应的一个所述目标视频帧图像中所述存在运动的对象在经过所述目标图像区域时的运动速度和运动方向；将所述多个目标矢量按照每个所述目标视频帧图像在所述视频文件中的时间顺序组成第一目标向量，其中，所述运动特征包括所述第一目标向量；或者，获取与每个所述目标视频帧图像的图像特征所表示的目标图像区域对应的二维光流图，得到多个二维光流图，其中，每个所述二维光流图包括对应的一个所述目标视频帧图像中所述存在运动的对象在经过所述目标图像区域时的运动速度和运动方向；将所述多个二维光流图按照每个所述目标视频帧图像在所述视频文件中的时间顺序组成三维第二目标向量，其中，所述运动特征包括所述三维第二目标向量。13.根据权利要求10所述的方法，其特征在于，根据所述运动特征和每个所述目标视频帧图像的所述图像特征，确定所述多个目标视频帧图像中是否出现有所述目标对象包括：将所述运动特征和每个所述目标视频帧图像的图像特征输入到预先训练好的神经网络模型中，得到对象识别结果，其中，所述对象识别结果用于表示所述多个目标视频帧图像中是否出现有所述目标对象。14.根据权利要求13所述的方法，其特征在于，将所述运动特征和每个所述目标视频帧图像的图像特征输入到预先训练好的神经网络模型中，得到对象识别结果包括：将每个所述图像特征经过包括卷积层、正则化层和激活函数层的神经网络层结构，得到多个第一特征向量；将所述多个第一特征向量与所述运动特征进行融合，得到第二特征向量；将所述第二特征向量输入到全连接层进行分类，得到第一分类结果，其中，所述神经网络模型包括所述神经网络层结构和所述全连接层，所述对象识别结果包括所述第一分类结果，所述第一分类结果用于表示所述多个目标视频帧图像中是否出现有所述目标对象；或者，将每个所述图像特征经过包括卷积层、正则化层和激活函数层的第一神经网络层结构，得到多个第一特征向量；将所述运动特征经过包括卷积层、正则化层、激活函数层的第二神经网络层结构，得到第二特征向量；将所述多个第一特征向量与所述第二特征向量进行融合，得到第三特征向量；将所述第三特征向量输入到全连接层进行分类，得到第二分类结果，其中，所述神经网络模型包括所述第一神经网络层结构、所述第二神经网络层结构和所述全连接层，所述对象识别结果包括所述第二分类结果，所述第...
【专利技术属性】
技术研发人员：臧云波，支建壮，鲁邹尧，吴明辉，
申请(专利权)人：北京明略软件系统有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。