本申请提供了一种监控方法、装置、服务器及计算机可读存储介质，属于监控技术领域。所述方法包括：获取目标监控设备采集到的监控图像；通过预先训练的多任务检测模型对所述监控图像进行检测，得到多个检测任务对应的检测结果，其中，所述多任务检测模型通过多任务训练样本集训练得到，用于执行所述多个检测任务；将所述多个检测任务对应的检测结果作为所述监控图像对应的监控信息，发送给预设用户终端。以提高检测效率。以提高检测效率。以提高检测效率。
【技术实现步骤摘要】
监控方法、装置、服务器及计算机可读存储介质
[0001]本申请涉及监控
，尤其涉及一种监控方法、装置、服务器及计算机可读存储介质。
技术介绍
[0002]随着电子信息技术的发展，视频监控的应用越来越广泛，为实现目标人员的监控提供了很大帮助。在监控过程中，可以通过监控设备采集监控区域内的监控视频，然后对监控视频进行图像分析，从而得到判断是否存在目标监控对象。
[0003]相关技术中，监控设备将采集到的监控视频发送给服务器，服务器则通过预先训练的检测模型对监控视频的图像进行检测，以得到该图像对应的监控信息，比如衣服颜色和配饰类型等人物特征、或人脸特征等。具体的，针对不同检测需求，采用的检测模型也不相同。例如，需要进行行人检测、人脸检测和人物特征提取，则需要通过行人检测模型、人脸检测模型和人物特征提取模型分别对图像进行检测，以识别图像中的行人、人脸特征和人物特征。
[0004]基于上述方案，服务器需要将图像分别输入至多个模型中进行检测，才能得到多个检测结果，导致检测效率较低。
技术实现思路
[0005]本申请实施例的目的在于提供一种监控方法、装置、服务器及计算机可读存储介质，以解决检测效率较低的问题。具体技术方案如下：
[0006]第一方面，提供了一种监控方法，所述方法包括：
[0007]获取目标监控设备采集到的监控图像；
[0008]通过预先训练的多任务检测模型对所述监控图像进行检测，得到多个检测任务对应的检测结果，其中，所述多任务检测模型通过多任务训练样本集训练得到，用于执行所述多个检测任务；
[0009]将所述多个检测任务对应的检测结果作为所述监控图像对应的监控信息，发送给预设用户终端。
[0010]可选的，所述方法还包括：
[0011]获取多任务训练样本集，所述多任务训练样本集包含多个样本图像，每个样本图像包含所述多个检测任务对应的标注信息；
[0012]将所述样本图像输入至初始模型，得到针对所述样本图像的所述多个检测任务的样本检测结果；
[0013]通过反向传播算法，利用所述样本检测结果，对所述初始模型中的参数进行调整，得到所述多任务检测模型。
[0014]可选的，所述通过反向传播算法，利用所述样本检测结果，对所述初始模型中的参数进行调整，得到所述多任务检测模型，包括：
[0015]针对每种检测任务，根据该检测任务对应的样本检测结果、以及与该样本检测结果对应的样本图像中该检测任务对应的标注信息，计算该检测任务对应的损失函数；
[0016]计算各检测任务对应的损失函数的和值，作为多任务损失函数；
[0017]根据所述多任务损失函数和反向传播算法，对所述初始模型中的参数进行调整，得到所述多任务检测模型。
[0018]可选的，所述根据该检测任务对应的样本检测结果、以及与该样本检测结果对应的样本图像中该检测任务对应的标注信息，计算该检测任务对应的损失函数，包括：
[0019]根据预设的任务类型和损失函数的计算规则的对应关系，确定该检测任务的任务类型对应的目标计算规则；
[0020]根据该检测任务对应的样本检测结果、与该样本检测结果对应的样本图像中该检测任务对应的标注信息、以及所述目标计算规则，计算该检测任务对应的损失函数。
[0021]可选的，任务类型包括分类检测类型和边框检测类型，
[0022]当该检测任务的任务类型为分类检测类型时，该检测任务对应的损失函数通过以下公式计算：
[0023][0024]其中，P
i
为样本图像x
i
的样本分类概率，y
icls
为样本图像x
i
的分类标签；
[0025]当该检测任务的任务类型为边框检测类型时，该检测任务对应的损失函数通过以下公式计算：
[0026][0027]其中，为样本图像x
i
的样本检测边框的坐标向量，为样本图像x
i
中的标注边框的坐标向量。
[0028]可选的，所述检测任务包含行人检测、人物特征提取、人脸检测、人脸特征提取中的至少两种。
[0029]第二方面，提供了一种监控装置，所述装置包括：
[0030]第一获取模块，用于获取目标监控设备采集到的监控图像；
[0031]检测模块，用于通过预先训练的多任务检测模型对所述监控图像进行检测，得到多个检测任务对应的检测结果，其中，所述多任务检测模型通过多任务训练样本集训练得到，用于执行所述多个检测任务；
[0032]发送模块，用于将所述多个检测任务对应的检测结果作为所述监控图像对应的监控信息，发送给预设用户终端。
[0033]可选的，所述装置还包括：
[0034]第二获取模块，用于获取多任务训练样本集，所述多任务训练样本集包含多个样本图像，每个样本图像包含所述多个检测任务对应的标注信息；
[0035]输入模块，用于将所述样本图像输入至初始模型，得到针对所述样本图像的所述多个检测任务的样本检测结果；
[0036]调整模块，用于通过反向传播算法，利用所述样本检测结果，对所述初始模型中的
参数进行调整，得到所述多任务检测模型。
[0037]可选的，所述调整模块，具体用于：
[0038]针对每种检测任务，根据该检测任务对应的样本检测结果、以及与该样本检测结果对应的样本图像中该检测任务对应的标注信息，计算该检测任务对应的损失函数；
[0039]计算各检测任务对应的损失函数的和值，作为多任务损失函数；
[0040]根据所述多任务损失函数和反向传播算法，对所述初始模型中的参数进行调整，得到所述多任务检测模型。
[0041]可选的，所述调整模块，具体用于：
[0042]根据预设的任务类型和损失函数的计算规则的对应关系，确定该检测任务的任务类型对应的目标计算规则；
[0043]根据该检测任务对应的样本检测结果、与该样本检测结果对应的样本图像中该检测任务对应的标注信息、以及所述目标计算规则，计算该检测任务对应的损失函数。
[0044]可选的，任务类型包括分类检测类型和边框检测类型，
[0045]当该检测任务的任务类型为分类检测类型时，该检测任务对应的损失函数通过以下公式计算：
[0046][0047]其中，P
i
为样本图像x
i
的样本分类概率，y
icls
为样本图像x
i
的分类标签；
[0048]当该检测任务的任务类型为边框检测类型时，该检测任务对应的损失函数通过以下公式计算：
[0049][0050]其中，为样本图像x
i
的样本检测边框的坐标向量，为样本图像x
i
中的标注边框的坐标向量。
[0051]可选的，所述检测任务包含行人检测、人物特征提取、人脸检测、人脸特征提取中的至少两种。...
【技术保护点】
【技术特征摘要】
1.一种监控方法，其特征在于，所述方法包括：获取目标监控设备采集到的监控图像；通过预先训练的多任务检测模型对所述监控图像进行检测，得到多个检测任务对应的检测结果，其中，所述多任务检测模型通过多任务训练样本集训练得到，用于执行所述多个检测任务；将所述多个检测任务对应的检测结果作为所述监控图像对应的监控信息，发送给预设用户终端。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取多任务训练样本集，所述多任务训练样本集包含多个样本图像，每个样本图像包含所述多个检测任务对应的标注信息；将所述样本图像输入至初始模型，得到针对所述样本图像的所述多个检测任务的样本检测结果；通过反向传播算法，利用所述样本检测结果，对所述初始模型中的参数进行调整，得到所述多任务检测模型。3.根据权利要求2所述的方法，其特征在于，所述通过反向传播算法，利用所述样本检测结果，对所述初始模型中的参数进行调整，得到所述多任务检测模型，包括：针对每种检测任务，根据该检测任务对应的样本检测结果、以及与该样本检测结果对应的样本图像中该检测任务对应的标注信息，计算该检测任务对应的损失函数；计算各检测任务对应的损失函数的和值，作为多任务损失函数；根据所述多任务损失函数和反向传播算法，对所述初始模型中的参数进行调整，得到所述多任务检测模型。4.根据权利要求3所述的方法，其特征在于，所述根据该检测任务对应的样本检测结果、以及与该样本检测结果对应的样本图像中该检测任务对应的标注信息，计算该检测任务对应的损失函数，包括：根据预设的任务类型和损失函数的计算规则的对应关系，确定该检测任务的任务类型对应的目标计算规则；根据该检测任务对应的样本检测结果、与该样本检测结果对应的样本图像中该检测任务对应的标注信息、以及所述目标计算规则，计算该检测任务对应的损失函数。5.根据权利要求4所述的方法，其特征在于，任务类型包括分类检测类型和边框检测类型，当该检测任务的任务类型为分类检测类型时，该检测任务对应的损失函数通过以下公式计算：其中，P...
【专利技术属性】
技术研发人员：杨涛，王杰，
申请(专利权)人：广州慧睿思通人工智能技术有限公司，
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。