基于图像处理的安全监控方法、系统及存储介质技术方案

一种基于图像处理的安全监控方法、系统及存储介质，其获取由摄像头采集的电梯内监控图像；通过基于人工智能的图像分析和处理技术对电梯内监控图像进行处理，以对电梯内吸烟行为进行自动检测，并在检测到有人在电梯内吸烟时及时发出警示信号，提示乘客禁止吸烟。提示乘客禁止吸烟。提示乘客禁止吸烟。

【技术实现步骤摘要】
基于图像处理的安全监控方法、系统及存储介质


[0001]本申请涉及图像识别
，并且更具体地，涉及一种基于图像处理的安全监控方法、系统及存储介质。

技术介绍

[0002]近年来，为了保障电梯安全，在电梯中安装了监控摄像头。摄像头能够采集电梯内人员的图像信息，通过对摄像头获取的图像进行处理，为电梯内人员进行抽烟监控提供了技术支持。
[0003]图像处理技术已日渐成熟，如申请号为201611146898.9的中国专利公开了一种图像识别协处理器、图像识别系统及方法，包括：第一数据获取模块，用于获取数据类型为单精度浮点型的原始待处理图像数据；第一转换模块，用于将原始待处理图像数据的数据类型由单精度浮点型转换成整型，得到转换后的待处理图像数据；数据处理模块，用于利用预设的图像识别算法，对转换后的待处理图像数据进行相应的计算处理，得到数据类型为整型的初始图像识别结果；第二转换模块，用于将初始图像识别结果的数据类型由整型转换成单精度浮点型，得到最终的图像识别结果，该技术方案有利于提高图像识别效果。
[0004]再者，如申请号为201710429700.6的中国专利公开了一种图像识别方法及装置，该方法包括获取定点化机制，定点化机制用于将浮点数进行定点化处理，得到定点数，定点化机制中携带定点数的数值属性；在通过已训练好的深度神经网络对待识别图像进行识别时，利用定点化机制对第一属性数据进行定点化处理，第一属性数据包括：第一输出数据和/或深度神经网络中各层的权重，第一输出数据包括：深度神经网络在进行识别时输入层的输出数据和中间层的输出数据；基于定点化处理之后的第一属性数据确定深度神经网络中输出层输出的第一结果，并根据第一结果确定待识别图像的种类。该专利技术缓解了现有的图像识别方法在进行图像识别时效率低、功耗高的技术问题。
[0005]但是类似上述的图像识别和处理技术应用到电梯内采集的图像识别出抽烟图像时，由于电梯内的监控摄像头有可能拍摄到电梯门、墙壁、地面等背景信息，并且这些信息对于后续的特征提取和分类会产生干扰，因此需要对图像识别和处理技术进行进行一步改进。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于图像处理的安全监控方法、系统及存储介质，其获取由摄像头采集的电梯内监控图像；通过基于人工智能的图像分析和处理技术对电梯内监控图像进行处理，以对电梯内吸烟行为进行自动检测，并在检测到有人在电梯内吸烟时及时发出警示信号，提示乘客禁止吸烟。
[0007]第一方面，提供了一种基于图像处理的安全监控方法，其包括：获取由摄像头采集的电梯内监控图像；将所述电梯内监控图像进行预处理以得到预处理后电梯内监控图像；
将所述预处理后电梯内监控图像通过作为浅层特征提取器的第一卷积神经网络模型以得到浅层特征图；将所述浅层特征图通过作为深层特征提取器的第二卷积神经网络模型以得到深层特征图；融合所述浅层特征图和所述深层特征图以得到监控特征图；对所述监控特征图进行特征值一致性强化以得到优化监控特征图；将所述优化监控特征图通过分类器以得到分类结果，分类结果用于表示电梯内是否存在因抽烟而产生的烟雾；以及基于所述分类结果，产生提示信号。
[0008]在上述基于图像处理的安全监控方法中，将所述电梯内监控图像进行预处理以得到预处理后电梯内监控图像，包括：对所述电梯内监控图像进行图像裁剪以得到裁剪后监控图像；对所述裁剪后监控图像进行灰度化处理以得到灰度裁剪后监控图像；和，对所述灰度裁剪后监控图像进行直方图均衡化以得到所述预处理后电梯内监控图像。
[0009]在上述基于图像处理的安全监控方法中，将所述预处理后电梯内监控图像通过作为浅层特征提取器的第一卷积神经网络模型以得到浅层特征图，包括：使用所述作为浅层特征提取器的第一卷积神经网络模型的各层在层的正向传递中分别对所述预处理后电梯内监控图像进行卷积处理、池化处理和非线性激活处理以从所述第一卷积神经网络模型的浅层提取所述浅层特征图。
[0010]在上述基于图像处理的安全监控方法中，将所述浅层特征图通过作为深层特征提取器的第二卷积神经网络模型以得到深层特征图，包括：使用所述作为深层特征提取器的第二卷积神经网络模型的各层在层的正向传递中分别对所述浅层特征图进行卷积处理、池化处理和非线性激活处理以从所述第二卷积神经网络模型的深层提取所述深层特征图。
[0011]在上述基于图像处理的安全监控方法中，融合所述浅层特征图和所述深层特征图以得到监控特征图，包括：以如下融合公式来融合所述浅层特征图和所述深层特征图以得到监控特征图；其中，所述融合公式为：
[0012]其中，表示所述浅层特征图和所述深层特征图，表示级联函数，表示所述监控特征图。
[0013]在上述基于图像处理的安全监控方法中，对所述监控特征图进行特征值一致性强化以得到优化监控特征图，包括：以如下优化公式对所述监控特征图进行特征值一致性强化以得到优化监控特征图；其中，所述优化公式为：
[0014]其中，表示所述监控特征图，和是所述监控特征图中所有位置的特征值集合的均值和标准差，是所述监控特征图的第位置的特征值，是所述优化监控特征图的第位置的特征值，表示最大值函数。
[0015]在上述基于图像处理的安全监控方法中，将所述优化监控特征图通过分类器以得到分类结果，分类结果用于表示电梯内是否存在因抽烟而产生的烟雾，包括：将所述优化监控特征图按照行向量或列向量展开为分类特征向量；使用所述分类器的多个全连接层对所
述分类特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0016]第二方面，提供了一种基于图像处理的安全监控系统，其包括：图像获取模块，用于获取由摄像头采集的电梯内监控图像；预处理模块，用于将所述电梯内监控图像进行预处理以得到预处理后电梯内监控图像；浅层提取模块，用于将所述预处理后电梯内监控图像通过作为浅层特征提取器的第一卷积神经网络模型以得到浅层特征图；深层提取模块，用于将所述浅层特征图通过作为深层特征提取器的第二卷积神经网络模型以得到深层特征图；融合模块，用于融合所述浅层特征图和所述深层特征图以得到监控特征图；优化模块，用于对所述监控特征图进行特征值一致性强化以得到优化监控特征图；烟雾监控结果生成模块，用于将所述优化监控特征图通过分类器以得到分类结果，分类结果用于表示电梯内是否存在因抽烟而产生的烟雾；以及提示信号生成模块，用于基于所述分类结果，产生提示信号。
[0017]在上述基于图像处理的安全监控系统中，所述预处理模块，包括：图像裁剪单元，用于对所述电梯内监控图像进行图像裁剪以得到裁剪后监控图像；灰度化处理单元，用于对所述裁剪后监控图像进行灰度化处理以得到灰度裁剪后监控图像；和，直方图均衡化单元，用于对所述灰度裁剪后监控图像进行直方图均衡化以得到所述预处理后电梯内监控图像。
[0018]第三方面，提供了一种存储介质，其上存储有计算机程序指令本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的安全监控方法，其特征在于，包括：获取由摄像头采集的电梯内监控图像；将所述电梯内监控图像进行预处理以得到预处理后电梯内监控图像；将所述预处理后电梯内监控图像通过作为浅层特征提取器的第一卷积神经网络模型以得到浅层特征图；将所述浅层特征图通过作为深层特征提取器的第二卷积神经网络模型以得到深层特征图；融合所述浅层特征图和所述深层特征图以得到监控特征图；对所述监控特征图进行特征值一致性强化以得到优化监控特征图；将所述优化监控特征图通过分类器以得到分类结果，分类结果用于表示电梯内是否存在因抽烟而产生的烟雾；以及基于所述分类结果，产生提示信号。2.根据权利要求1所述的基于图像处理的安全监控方法，其特征在于，将所述电梯内监控图像进行预处理以得到预处理后电梯内监控图像，包括：对所述电梯内监控图像进行图像裁剪以得到裁剪后监控图像；对所述裁剪后监控图像进行灰度化处理以得到灰度裁剪后监控图像；和对所述灰度裁剪后监控图像进行直方图均衡化以得到所述预处理后电梯内监控图像。3.根据权利要求2所述的基于图像处理的安全监控方法，其特征在于，将所述预处理后电梯内监控图像通过作为浅层特征提取器的第一卷积神经网络模型以得到浅层特征图，包括：使用所述作为浅层特征提取器的第一卷积神经网络模型的各层在层的正向传递中分别对所述预处理后电梯内监控图像进行卷积处理、池化处理和非线性激活处理以从所述第一卷积神经网络模型的浅层提取所述浅层特征图。4.根据权利要求3所述的基于图像处理的安全监控方法，其特征在于，将所述浅层特征图通过作为深层特征提取器的第二卷积神经网络模型以得到深层特征图，包括：使用所述作为深层特征提取器的第二卷积神经网络模型的各层在层的正向传递中分别对所述浅层特征图进行卷积处理、池化处理和非线性激活处理以从所述第二卷积神经网络模型的深层提取所述深层特征图。5.根据权利要求4所述的基于图像处理的安全监控方法，其特征在于，融合所述浅层特征图和所述深层特征图以得到监控特征图，包括：以如下融合公式来融合所述浅层特征图和所述深层特征图以得到监控特征图；其中，所述融合公式为：；其中，表示所述浅层特征图和所述深层特征图，表示级联函数，表示所述监控特征图。6.根据权利要求5所述的基于图像处理的安全监控方法，其特征在于...

【专利技术属性】
技术研发人员：黄渠洪，伍强，邓清凤，
申请(专利权)人：成都睿瞳科技有限责任公司，
类型：发明
国别省市：