本申请公开了一种事件监测方法、装置、电子设备及存储介质，属于图像处理领域。该方法包括：获取第一图像，将第一图像输入到训练好的图像分割模型中进行识别，可得到第一图像中的各个像素的类别概率值，根据该类别概率值，可将第一图像中的各个像素进行分类，从而可确定第一图像的第一分割图像，通过比较第一分割图像中的目标区域的尺寸与预设区域的大小，进而确定监控设备所监控的作业现场是否发生了目标事件，可减少人工监测不全面的问题，采用事件监测系统可实时对监控视频中所监控的作业现场中发生的目标事件进行监测，排查周期较短，因此，通过本申请实施例提供的一种事件监测方法可对目标事件进行全面监测，提高监测效率。率。率。
【技术实现步骤摘要】
事件监测方法、装置、电子设备及存储介质
[0001]本公开涉及图像处理领域，具体涉及一种事件监测方法、装置、电子设备及存储介质。
技术介绍
[0002]化学危险品泄露等事件的发生会导致周围环境甚至人身财产安全存在潜在的危险，因此，需对这类事件进行实时监控，及时反馈。
[0003]现有技术采用人工排查监控视频，以对监控视频中存在的事件发生情况进行预警，然而，在人工排查过程中，由于每组监控视频对应的监控位置不一致，需要对每组监控视频中的图像进行排查，因此，为尽快对事件的发生状态进行反馈，人工排查时会由于身心疲惫等客观因素，从而影响人工判断该组监控视频所监控的作业现场是否发生了该事件，若在事件发生后，由于人工排查不到位，则会存在监测不全面问题，与此同时，在多组监控视频中，人工排查的周期较长，易存在监测不及时的问题。
[0004]因此，人工排查存在监测不全面和监测不及时等问题。
技术实现思路
[0005]本申请实施例提供了一种事件监测方法、装置、电子设备及计算机可读存储介质，能够解决现有技术中存在的监测不全面和监测不及时的问题。
[0006]第一方面，本申请实施例提供了一种事件监测方法，方法包括：
[0007]获取第一图像，所述第一图像为监控设备采集到的作业现场的图像；
[0008]通过训练好的图像分割模型识别所述第一图像，得到所述第一图像中各像素的概率值，所述各像素的概率值用于表征所述各像素的类别；
[0009]根据所述第一图像中各像素的概率值，确定所述第一图像的第一分割图像；
[0010]在所述第一分割图像的图像区域的尺寸大于第一预设尺寸的情况下，确定所述作业现场发生目标事件。
[0011]在一个可能实现的实施例中，所述根据所述第一图像中各像素的概率值，确定所述第一图像的第一分割图像，事件监测方法包括：
[0012]将第一像素的概率值更新为1，第二像素的类别概率值更新为0，其中，所述第一像素为所述第一图像中概率值大于预设值的像素，所述第二像素为所述第一图像中概率值小于或等于预设值的像素；
[0013]对所述第一图像中的各像素，将所述像素的更新后的概率值与所述第一图像对应的像素点积，得到所述第一图像的第一分割图像。
[0014]在一个可能实现的实施例中，所述在所述第一分割图像的图像区域的尺寸大于预设尺寸的情况下，确定所述作业现场发生目标事件之后，事件监测方法还包括：
[0015]计算所述第一分割图像的图像区域的尺寸与第二预设尺寸的差值，得到尺寸差值；
[0016]根据所述尺寸差值，确定所述目标事件的事件严重程度。
[0017]在一个可能实现的实施例中，所述在所述第一分割图像的图像区域的尺寸大于第一预设尺寸的情况下，确定所述作业现场发生目标事件，事件监测方法包括：
[0018]在所述第一分割图像的图像区域的尺寸大于第一预设尺寸的情况下，通过所述训练好的图像分割模型识别第二图像，得到第二图像对应的第二分割图像；所述第二图像为所述监控设备采集到的所述第一图像之后的N帧图像；
[0019]在所述第二分割图像的图像区域的尺寸大于第一预设尺寸的情况下，确定所述作业现场发生目标事件。
[0020]在一个可能实现的实施例中，所述通过图像分割模型识别所述第一图像，得到所述第一图像中各像素的概率值，包括：
[0021]通过所述训练好的图像分割模型中的卷积神经网络识别所述第一图像，得到第一像素的局部特征和全局特征；所述第一像素为所述第一图像中的一个像素；
[0022]将所述第一像素的所述全局特征和所述局部特征进行点积计算，得到第一值；
[0023]计算所述第一像素的第二值；所述第二值为所述第一图像中第一像素的每个全局特征与局部特征点积计算的数值之和；
[0024]根据所述第一值和所述第二值，确定所述第一图像中各像素的概率值。
[0025]在一个可能实现的实施例中，在所述获取第一图像之后，在通过训练好的图像分割模型识别所述第一图像，得到所述第一图像中各像素的概率值之前，事件监测还包括：
[0026]根据周期性学习率迭代策略，训练所述图像分割模型L次，得到L次训练对应的L个权重值；
[0027]采用随机权重平均方法确定目标权重值，所述目标权重值基于所述L个权重值确定；
[0028]根据所述目标权重值，确定所述图像分割模型的模型权重值，得到训练好的图像分割模型。
[0029]在一个可能实现的实施例中，在获取第一图像之后，在通过训练好的图像分割模型识别所述第一图像，得到所述第一图像中各像素的类别概率值之前，事件监测方法还包括：
[0030]根据自数据增强策略，调整第一图像的尺寸大小，得到目标尺寸的第一图像。
[0031]第二方面，本申请实施例提供了一种事件监测装置，事件监测装置包括：
[0032]获取模块，用于获取第一图像，所述第一图像为监控设备采集到的作业现场的图像；
[0033]识别模块，用于通过图像分割模型识别所述第一图像，得到所述第一图像中各像素的概率值，所述各像素的概率值用于表征所述各像素的类别；
[0034]第一确定模块，用于根据所述第一图像中各像素的概率值，确定所述第一图像的第一分割图像；
[0035]第二确定模块，用于在所述第一分割图像的图像区域的尺寸大于第一预设尺寸的情况下，确定所述作业现场发生目标事件。
[0036]第三方面，本申请实施例提供了一种电子设备，该电子设备包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时执行实现
上述事件监测方法。
[0037]第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述事件监测实施例的各个过程。
[0038]第五方面，本申请实施例提供了一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行实现上述事件监测的各个过程。
[0039]本申请实施例提供的一种事件监测方法、装置、电子设备及计算机可读存储介质和计算机程序产品，在获取从监控设备采集到作业现场的第一图像后，将第一图像输入到训练好的图像分割模型中进行识别，可得到第一图像中的各个像素的类别概率值，根据该类别概率值，可将第一图像中的各个像素进行分类，从而划分为第一图像对应的目标区域和背景区域，从而可确定第一图像的第一分割图像，通过比较第一分割图像中的目标区域的尺寸与预设区域的大小，进而确定监控设备所监控的作业现场是否发生了目标事件，可减少人工监测不全面的问题，相对于人工排查的周期长，采用事件监测系统可实时对监控视频中所监控的作业现场中发生的目标事件进行监测，排查周期较短，因此，通过本申请实施例提供的一种事件监测方法可对目标事件进行全面监测，提高监测效率。
附图说明
[0040]为了更清楚地说明本申请实施例的技术方案，下本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种事件监测方法，其特征在于，所述方法包括：获取第一图像，所述第一图像为监控设备采集到的作业现场的图像；通过训练好的图像分割模型识别所述第一图像，得到所述第一图像中各像素的概率值，所述各像素的概率值用于表征所述各像素的类别；根据所述第一图像中各像素的概率值，确定所述第一图像的第一分割图像；在所述第一分割图像的图像区域的尺寸大于第一预设尺寸的情况下，确定所述作业现场发生目标事件。2.根据权利要求1所述的事件监测方法，其特征在于，所述根据所述第一图像中各像素的概率值，确定所述第一图像的第一分割图像，包括：将第一像素的概率值更新为1，第二像素的类别概率值更新为0，其中，所述第一像素为所述第一图像中概率值大于预设值的像素，所述第二像素为所述第一图像中概率值小于或等于预设值的像素；对所述第一图像中的各像素，将所述像素的更新后的概率值与所述第一图像对应的像素点积，得到所述第一图像的第一分割图像。3.根据权利要求1所述的事件监测方法，其特征在于，所述在所述第一分割图像的图像区域的尺寸大于预设尺寸的情况下，确定所述作业现场发生目标事件之后，所述方法还包括：计算所述第一分割图像的图像区域的尺寸与第二预设尺寸的差值，得到尺寸差值；根据所述尺寸差值，确定所述目标事件的事件严重程度。4.根据权利要求1所述的事件监测方法，其特征在于，所述在所述第一分割图像的图像区域的尺寸大于第一预设尺寸的情况下，确定所述作业现场发生目标事件，包括：在所述第一分割图像的图像区域的尺寸大于第一预设尺寸的情况下，通过所述训练好的图像分割模型识别第二图像，得到第二图像对应的第二分割图像；所述第二图像为所述监控设备采集到的所述第一图像之后的N帧图像；在所述第二分割图像的图像区域的尺寸大于第一预设尺寸的情况下，确定所述作业现场发生目标事件。5.根据权利要求1所述的事件监测方法，其特征在于，所述通过图像分割模型识别所述第一图像，得到所述第一图像中各像素的概率值，包括：通过所述训练好的图像分割模型中的卷积神经网络识别所述第一图像，得到第一像素的局部特征和全局特征；所述第一像素为所述第一图像中的一个像素；将所述第一像素的所述全局特征和所述...
【专利技术属性】
技术研发人员：吴新涛，
申请(专利权)人：嘉洋智慧安全科技北京股份有限公司，
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。