监控偏移识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，公开了一种监控偏移识别方法、装置、设备及存储介质，所述方法包括：获取待识别的监控视频数据并进行抽帧处理，得到目标图像数据组；将所述目标图像数据组输入监控偏移识别模型，得到偏移识别结果；其中，所述监控偏移识别模型根据样本数据训练融合深度信息的分类模型获得。利用本发明专利技术公开的方法，可以避免偏移检测中监控画面中由于物体移动导致无法确定稳定的参照物或模板的情况，有效地解决了现有技术中物流场地监控偏移的自动化检测问题。偏移的自动化检测问题。偏移的自动化检测问题。

【技术实现步骤摘要】
监控偏移识别方法、装置、设备及存储介质


[0001]本专利技术涉及人工智能
，具体涉及监控偏移识别方法、装置、设备及存储介质。

技术介绍

[0002]如今，物流场地普遍配备监控摄像头来保障货物安全，避免货物丢失或损坏时无法溯源。监控摄像头在安装时，安装人员都会对其监控视角进行校正，但随着摄像头使用，如货物运输误碰或自然因素导致的紧固件松动等，使得摄像头会产生偏移，从而无法继续监控相应区域。在监控发生偏移后，如果相关场地负责人未能及时察觉，监控则失去了监管作用。因此，物流企业存在自动化检测场地监控摄像头是否偏移的需求。
[0003]现有的基于图像处理技术的摄像头偏移检测方案有：(1)利用预先设置的参照物及模板匹配的方法，定位参照物在画面中是否发生位移来判断摄像头是否偏移；(2)对特定场景，如垂直升降电梯内，先进行语义分割，再结合目标检测，对电梯门的位置进行检测，通过计算门的偏移量判断摄像头是否偏移；(3)识别图像中的直线段作为比对模板，如当前画面中的直线段与模板直线段发生偏移则认为摄像头发生偏移。
[0004]以上方案对于物本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种监控偏移识别方法，其特征在于，包括：获取待识别的监控视频数据并进行抽帧处理，得到目标图像数据组；将所述目标图像数据组输入监控偏移识别模型，得到偏移识别结果；其中，所述监控偏移识别模型根据样本数据训练融合深度信息的分类模型获得。2.根据权利要求1所述的监控偏移识别方法，其特征在于，所述将所述目标图像数据组输入监控偏移识别模型，得到偏移识别结果步骤包括：将所述目标图像数据组输入监控偏移识别模型，提取所述目标图像数据组中各目标图像数据的深度信息，得到深度图像数据组；分别在时间维度和空间维度上对所述深度图像数据组进行特征提取及区域划分，得到与各区域对应的若干时间特征和若干组空间特征；对与同一区域对应的各时间特征和各组空间特征进行特征融合，得到若干融合特征；根据各融合特征进行分类处理，得到偏移识别结果。3.根据权利要求2所述的监控偏移识别方法，其特征在于，所述监控偏移识别模型包括第一编码器和第二编码器；所述分别在时间维度和空间维度上对所述深度图像数据组进行特征提取及区域划分，得到与各区域对应的若干时间特征和若干组空间特征步骤包括：利用所述第一编码器，提取所述深度图像数据组中各深度图像数据的特征信息，获得具有时序性的若干深度特征数据；对各深度特征数据进行不重叠的区域划分，并对所述各深度特征数据中相同区域的特征数据进行累加，得到与各区域对应的若干时间特征；利用所述第二编码器，提取所述深度图像数据组中各深度图像数据的特征信息，获得具有时序性的若干深度特征数据；对各深度特征数据进行不重叠的区域划分，将各深度特征数据中相同区域的特征数据作为一组空间特征，得到与各区域对应的若干组空间特征。4.根据权利要求2所述的监控偏移识别方法，其特征在于，所述监控偏移识别模型包括深度估计层；所述提取所述目标图像数据组中各目标图像数据的深度信息步骤包括：利用所述深度估计层，采用单目深度估计算法，提取所述目标图像数据组中各目标图像数据的深度信息。5.根据权利要求2所述的监控偏移识别方法，其特征在于，所述监控偏移识别模型包括特征融合层；所述特征融合层包括第一多头自注意力模块、第二多头自注意力模块和第一多层感知机以及第二多层感知机；所述对与同一区域对应的各时间特征...

【专利技术属性】
技术研发人员：寇宇，
申请(专利权)人：深圳市跨越新科技有限公司，
类型：发明
国别省市：