【技术实现步骤摘要】
一种用于无人监控的系统及方法
[0001]本专利技术属于监控
,具体涉及一种用于无人监控的系统及方法。
技术介绍
[0002]现有的公共领域通常装配有摄像头采集待监控区域实时图像,由安保人员对监控区域实时图像进行人工监控,判断待监控区域是否发生异常。这种传统的视频监控方式需要专门的人员对视频内容进行识别,需要耗费大量的人力,同时,单一人员在进行长时间视频识别时,由于疲劳等原因,会产生识别错误的情况。
技术实现思路
[0003]为了克服上述现有技术存在的不足,本专利技术提供了一种用于无人监控的系统及方法。
[0004]为了实现上述目的,本专利技术提供如下技术方案:
[0005]一种用于无人监控的系统,包括:
[0006]采集模块,用于在不同时间段从多个角度采集待监控区域的环境图像和监控实时图像;
[0007]分类模块,与所述采集模块通信连接,用于按照角度将采集到的环境图像和监控实时图像划分为多组处理图像;
[0008]多个预测模块,分别与所述第一分类模块通信连接,多 ...
【技术保护点】
【技术特征摘要】
1.一种用于无人监控的系统,其特征在于,包括:采集模块,用于在不同时间段从多个角度采集待监控区域的环境图像和监控实时图像;分类模块,与所述采集模块通信连接,用于按照角度将采集到的环境图像和监控实时图像划分为多组处理图像;多个预测模块,分别与所述第一分类模块通信连接,多个预测模块分别对组处理图像中的监控实时图像进行预测判断,得到多个首次预测结果,多个预测模块分别对组处理图像中的环境图像进行预测判断,得到多个第一标准结果;综合模块,与多个所述预测模块通信连接,用于组合多个首次预测结果得到多个组合预测结果,用于组合多个第一标准结果得到多个最终标准结果;比较模块,与所述综合模块通信连接,用于将组合预测结果与最终标准结果进行对比,判断待监控区域是否发生异常。2.根据权利要求1所述的用于无人监控的系统,其特征在于,每个所述预测模块为卷积神经网络。3.根据权利要求2所述的用于无人监控的系统,其特征在于,所述卷积神经网络包括:卷积层,与所述分类模块通信连接;池化层,与所述卷积层通信连接;全连通层,与所述池化层通信连接。4.根据权利要求1所述的用于无人监控的系统,其特征在于,还包括,告警模块,所述告警模块包括:语音告警模块,与所述比较模块通信连接;灯光告警模块,与所述比较模块通信连接。5.一种用于无人监控的监控方法,其特征在于,包括以下步骤:在不同时间段从多个角度采集待监控区域的环境图像和监控实时图像;按照角度将采集到的环境图像和监控实时图像划分为多组处理图像;利用多组处理图像中的多个环境图像分别对多个预测模块进行训练,得到多组第一特征图,从多组第一特征图中分别提取到多组第一标准结果;组合每组第一标准结果得到最终标准结果;将多组处理图像中的监控实时图像按组别输入预测模块,得到多组第二特征图,从多组第一特征图中分别提取到多个首次预测结果;组合多...
【专利技术属性】
技术研发人员:江林喜,韩婷,项禹铭,
申请(专利权)人:陕西奥创网络科技有限公司,
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。