本发明专利技术公开了一种基于CGAN的环境监控方法，包括：对CGAN模型进行预训练，在检测到CGAN模型预训练完成后，接收终端上传的正常状态图像；将正常状态图像输入预训练完成后的CGAN模型，生成终端对应的异常状态图像组，并结合正常状态图像和异常状态图像组，得到终端对应的识别状态图像组；将识别状态图像组返回给终端，以供终端将采集到的环境图像和识别状态图像组进行匹配，得到对应的匹配结果；接收终端上传的匹配结果，并根据匹配结果执行对应的预设监控动作。本发明专利技术还公开了一种基于CGAN的环境监控装置、系统及存储介质。本发明专利技术在环境监控前期对模型进行训练时，不需要单个终端各自采集大量的异常状态图像，大幅度降低模型训练所需要终端采集异常状态图像的数据量要求。所需要终端采集异常状态图像的数据量要求。所需要终端采集异常状态图像的数据量要求。
【技术实现步骤摘要】
基于CGAN的环境监控方法、装置、系统及存储介质
[0001]本专利技术涉及机器学习
，尤其涉及基于CGAN的环境监控方法、装置、系统及存储介质。
技术介绍
[0002]随着智慧城市的高速发展，各种各样的基础设施不断涌现，使得人们的生活质量得到了大幅度的提升。而基础设施的规模呈现指数级的增长态势，使得对各种基础设施的功能、性能的保证工作变得越来越复杂。
[0003]现有的多数环境监控方法是通过特定终端采集监控环境中的多种异常状态图像来训练出特定的模型，然后针对模型中特定的异常状态对环境进行检测，这种方法需要每个终端收集大量的异常状态图像作为训练数据来训练模型，对终端采集异常状态图像的数据量要求较高。
技术实现思路
[0004]本专利技术的主要目的在于提出一种基于CGAN的环境监控方法、装置、系统及存储介质，旨在大幅度降低终端采集异常状态图像的数据量要求。
[0005]为实现上述目的，本专利技术提供一种基于CGAN的环境监控方法，所述方法包括如下步骤：
[0006]对CGAN模型进行预训练，在检测到所述CGAN模型预训练完成后，接收终端上传的正常状态图像；
[0007]将所述正常状态图像输入预训练完成后的CGAN模型，生成所述终端对应的异常状态图像组，并结合所述正常状态图像和所述异常状态图像组，得到所述终端对应的识别状态图像组；
[0008]将所述识别状态图像组返回给所述终端，以供所述终端将采集到的环境图像和所述识别状态图像组进行匹配，得到对应的匹配结果；<br/>[0009]接收所述终端上传的匹配结果，并根据所述匹配结果执行对应的预设监控动作。
[0010]优选地，所述预训练完成后的CGAN模型包括噪声生成器，所述将所述正常状态图像输入预训练完成后的CGAN模型，生成所述终端对应的异常状态图像组的步骤包括：
[0011]获取所述噪声生成器产生的噪声序列；
[0012]将所述噪声序列和所述正常状态图像输入预训练完成后的CGAN模型，生成多张异常状态图像，得到所述终端对应的异常状态图像组。
[0013]优选地，所述根据所述匹配结果执行对应的预设监控动作的步骤包括：
[0014]若所述匹配结果为未匹配，则通知用户对所述环境图像进行状态判决，接收用户针对所述环境图像输入的状态界定指令；
[0015]根据所述状态界定指令，确定所述环境图像的状态信息，并根据所述状态信息和所述环境图像，执行对应的更新流程。
[0016]优选地，所述根据所述状态信息和所述环境图像，执行对应的更新流程的步骤包括：
[0017]若确定所述环境图像属于正常状态的图像，则将所述环境图像输入当前的CGAN模型中，生成所述终端对应的新异常状态图像组；
[0018]结合所述环境图像和所述新异常状态图像组形成新识别状态图像组，将所述终端的识别状态图像组更新为新识别状态图像组。
[0019]优选地，所述根据所述状态信息和所述环境图像，执行对应的更新流程的步骤包括：
[0020]若确定所述环境图像属于异常状态的图像，则获取所述终端对应的正常状态图像，并根据所述环境图像和所述正常状态图像，对当前的CGAN模型进行更新。
[0021]优选地，所述根据所述匹配结果执行对应的预设监控动作的步骤包括：
[0022]若所述匹配结果为匹配，则判断所述环境图像是否为异常状态的图像；
[0023]若是，则执行预设告警动作，以告知用户所述环境图像对应的监控场景中出现异常。
[0024]优选地，所述对CGAN模型进行预训练的步骤包括：
[0025]获取预采集的目标正常状态图像和对应的目标异常状态图像组，并根据所述目标正常状态图像和所述目标异常状态图像组，得到对应的训练数据组；
[0026]基于所述训练数据组对CGAN模型进行预训练。
[0027]此外，为实现上述目的，本专利技术还提供一种基于CGAN的环境监控装置，所述基于CGAN的环境监控装置包括：
[0028]训练接收模块，用于对CGAN模型进行预训练，在检测到所述CGAN模型预训练完成后，接收终端上传的正常状态图像；
[0029]图像处理模块，用于将所述正常状态图像输入预训练完成后的CGAN模型，生成所述终端对应的异常状态图像组，并结合所述正常状态图像和所述异常状态图像组，得到所述终端对应的识别状态图像组；
[0030]终端匹配模块，用于将所述识别状态图像组返回给所述终端，以供所述终端将采集到的环境图像和所述识别状态图像组进行匹配，得到对应的匹配结果；
[0031]执行动作模块，用于接收所述终端上传的匹配结果，并根据所述匹配结果执行对应的预设监控动作。
[0032]优选地，所述预训练完成后的CGAN模型包括噪声生成器，所述图像处理模块还用于：
[0033]获取所述噪声生成器产生的噪声序列；
[0034]将所述噪声序列和所述正常状态图像输入预训练完成后的CGAN模型，生成多张异常状态图像，得到所述终端对应的异常状态图像组。
[0035]优选地，所述执行动作模块还用于：
[0036]若所述匹配结果为未匹配，通知用户对所述环境图像进行状态判决，接收用户针对所述环境图像输入的状态界定指令；
[0037]根据所述状态界定指令，确定所述环境图像的状态信息，并根据所述状态信息和所述环境图像，执行对应的更新流程。
[0038]优选地，所述执行动作模块还包括模型更新单元，所述模型更新单元用于：
[0039]若确定所述环境图像属于正常状态的图像，则将所述环境图像输入当前的CGAN模型中，生成所述终端对应的新异常状态图像组；
[0040]结合所述环境图像和所述新异常状态图像组形成新识别状态图像组，将所述终端的识别状态图像组更新为新识别状态图像组。
[0041]优选地，所述模型更新单元还用于：
[0042]若确定所述环境图像属于异常状态的图像，则获取所述终端对应的正常状态图像，并根据所述环境图像和所述正常状态图像，对当前的CGAN模型进行更新。
[0043]优选地，所述执行动作模块还用于：
[0044]若所述匹配结果为匹配，则判断所述环境图像是否为异常状态的图像；
[0045]若是，则执行预设告警动作，以告知用户所述环境图像对应的监控场景中出现异常。
[0046]优选地，所述基于CGAN的环境监控装置还包括模型训练模块，所述模型训练模块用于：
[0047]获取预采集的目标正常状态图像和对应的目标异常状态图像组，并根据所述目标正常状态图像和所述目标异常状态图像组，得到对应的训练数据组；
[0048]基于所述训练数据组对CGAN模型进行预训练。
[0049]此外，为实现上述目的，本专利技术还提供一种基于CGAN的环境监控系统，所述基于CGAN的环境监控系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于CGAN的环境监本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于CGAN条件生成对抗网络的环境监控方法，其特征在于，所述方法包括如下步骤：对CGAN模型进行预训练，在检测到所述CGAN模型预训练完成后，接收终端上传的正常状态图像；将所述正常状态图像输入预训练完成后的CGAN模型，生成所述终端对应的异常状态图像组，并结合所述正常状态图像和所述异常状态图像组，得到所述终端对应的识别状态图像组；将所述识别状态图像组返回给所述终端，以供所述终端将采集到的环境图像和所述识别状态图像组进行匹配，得到对应的匹配结果；接收所述终端上传的匹配结果，并根据所述匹配结果执行对应的预设监控动作。2.如权利要求1所述的基于CGAN的环境监控方法，其特征在于，所述预训练完成后的CGAN模型包括噪声生成器，所述将所述正常状态图像输入预训练完成后的CGAN模型，生成所述终端对应的异常状态图像组的步骤包括：获取所述噪声生成器产生的噪声序列；将所述噪声序列和所述正常状态图像输入预训练完成后的CGAN模型，生成多张异常状态图像，得到所述终端对应的异常状态图像组。3.如权利要求1所述的基于CGAN的环境监控方法，其特征在于，所述根据所述匹配结果执行对应的预设监控动作的步骤包括：若所述匹配结果为未匹配，则通知用户对所述环境图像进行状态判决，接收用户针对所述环境图像输入的状态界定指令；根据所述状态界定指令，确定所述环境图像的状态信息，并根据所述状态信息和所述环境图像，执行对应的更新流程。4.如权利要求3所述的基于CGAN的环境监控方法，其特征在于，所述根据所述状态信息和所述环境图像，执行对应的更新流程的步骤包括：若确定所述环境图像属于正常状态的图像，则将所述环境图像输入当前的CGAN模型中，生成所述终端对应的新异常状态图像组；结合所述环境图像和所述新异常状态图像组形成新识别状态图像组，将所述终端的识别状态图像组更新为新识别状态图像组。5.如权利要求3所述的基于CGAN的环境监控方法，其特征在于，所述根据所述状态信息和所述环境图像，执行对应的更新流程的步骤包括：若确定所述环境图像属于异常状态的图像，则获取所述终端对应...
【专利技术属性】
技术研发人员：裴卫斌，徐高峰，
申请(专利权)人：南京中兴力维软件有限公司，
类型：发明
国别省市：
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。