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]以上方案对于物流行业场景适应性不足，存在的问题在于，当监控区域为拍摄货物转运的地面区域时，由于货物的移动，画面中无法确定稳定的参照物或模板，从而导致无法有效检测。因此，如何解决物流场地监控偏移的自动化检测是一个亟待解决的问题。

技术实现思路

[0005]本专利技术提供一种监控偏移识别方法、装置、设备及存储介质，用以解决现有技术中的由于物流场地存在货物的移动，使得监控画面中无法确定稳定的参照物或模板，导致无法识别监控是否偏移的问题。
[0006]为了解决上述技术问题，第一方面，本专利技术提供一种监控偏移识别方法，该方法包括：
[0007]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；
[0008]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。
[0009]可选地，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：
[0010]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；
[0011]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；
[0012]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；
[0013]根据各融合特征进行分类处理，得到偏移识别结果。
[0014]可选地，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：
[0015]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；
[0016]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，将所述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。
[0017]可选地，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：
[0018]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。
[0019]可选地，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和各组空间特征进行特征融合，得到若干融合特征步骤包括：
[0020]利用所述第一多头自注意力模块，对与当前区域对应的时间特征进行序列关系特征提取，得到第一隐藏特征，并融合该时间特征与所述第一隐藏特征，得到第一中间特征；
[0021]利用所述第二多头自注意力模块，对与当前区域对应的一组空间特征进行序列关系特征提取，得到第二隐藏特征，并融合该组空间特征与所述第二隐藏特征，得到第二中间特征；
[0022]利用所述第一多层感知机，对所述第二中间特征进行通道映射，得到映射特征；
[0023]利用所述第二多层感知机，对所述映射特征和所述第一中间特征进行通道映射，得到与当前区域对应的融合特征。
[0024]可选地，所述监控偏移识别模型包括分类层；所述根据各融合特征进行分类处理，得到偏移识别结果步骤包括：
[0025]利用所述分类层，对各融合特征分别进行分类处理，并综合各分类处理的结果，得到偏移识别结果；其中，所述偏移识别结果包括未偏移和偏移。
[0026]可选地，根据样本数据训练融合深度信息的分类模型获得所述监控偏移识别模型包括：
[0027]获取未偏移的监控视频数据和偏移的监控视频数据并进行抽帧处理，得到若干样本图像数据组；
[0028]对各样本图像数据组标注对应的类别标签，获得样本数据；其中，所述类别标签包括未偏移和偏移；
[0029]根据所述样本数据，以各样本图像数据组为输入，以标注的类别标签作为目标输出，训练预构建的融合深度信息的分类模型，得到所述监控偏移识别模型。
[0030]第二方面，本专利技术提供一种监控偏移识别装置，包括：
[0031]获取模块，用于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；
[0032]识别模块，用于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。
[0033]第三方面，本专利技术提供一种计算机设备，包括存储器和处理器，其中：
[0034]所述存储器用于存储计算机程序；
[0035]所述处理器用于读取所述存储器中的程序并执行如上述第一方面提供的监控偏移识别方法的步骤。
[0036]第四方面，本专利技术提供一种计算机可读存储介质，其上存储有可读的计算机程序，该程序被处理器执行时实现如上述第一方面提供的监控偏移识别方法的步骤。
[0037]与现有技术相比，本专利技术提供的一种监控偏移识别方法、装置、设备及存储介质，具有以下有益效果：
[0038]通过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；本专利技术结合深度信息和分类模型对监控视频进行识别，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的问题。
附图说明...

【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：