一种预警方法、系统、电子设备及存储介质技术方案

本申请实施例提供了一种预警方法、系统、电子设备及存储介质，电子设备可以获取当前场景的监控图像以及当前环境信息；将监控图像以及当前环境信息输入预先训练的深度学习模型，获得深度学习模型输出的监控图像中的警戒区域，其中，深度学习模型为预先根据图像样本、图像样本对应的当前环境信息样本以及警戒区域标签训练得到的；基于警戒区域对当前场景进行预警。由于深度学习模型学习有当前环境信息对警戒区域的影响，因此可以根据当前环境信息对警戒区域进行动态化自适应调整。由于警戒区域是根据当前环境信息确定，因此适配于当前场景。这样，电子设备便可以基于警戒区域对当前场景进行预警，进而可以对当前场景进行精准预警，提高预警效果。提高预警效果。提高预警效果。

【技术实现步骤摘要】
一种预警方法、系统、电子设备及存储介质


[0001]本申请涉及监控预警
，特别是涉及一种预警方法、系统、电子设备及存储介质。

技术介绍

[0002]在可能发生人员或物品安全问题的场景中，可以设置警戒区域，进而通过监控警戒区域进行预警。例如，如果人员在海滩上距离海洋水位线较近的位置活动，可能发生人员被海水卷入海中的情况。为了避免上述情况的发生，可以在海边设置警戒区域。这样，在监控到有人员处于警戒区域时可以发出警报以进行预警，防止危险发生。
[0003]在目前的预警方式中，警戒区域和预警时间等均是预先确定好的，预警效果与当前情况可能并不适应。例如，如果海水退潮，海水水位线距离警戒区域较远，人员进入警戒区域依然会触发警报。因此，目前的预警方式并不能进行精准预警，预警效果较差。

技术实现思路

[0004]本申请实施例的目的在于提供一种预警方法、系统、电子设备及存储介质，以提高预警方式的精准度，提高预警效果。具体技术方案如下：
[0005]第一方面，本申请实施例提供了一种预警方法，所述方法包括：
[0006]获取当前场景的监控图像以及当前环境信息；
[0007]将所述监控图像以及所述当前环境信息输入预先训练的深度学习模型，获得所述深度学习模型输出的所述监控图像中的警戒区域，其中，所述深度学习模型为预先根据图像样本、所述图像样本对应的当前环境信息样本以及警戒区域标签训练得到的；
[0008]基于所述警戒区域对所述当前场景进行预警。
[0009]可选的，所述将所述监控图像以及所述当前环境信息输入预先训练的深度学习模型，获得所述深度学习模型输出的所述监控图像中的警戒区域的步骤，包括：
[0010]将所述监控图像以及所述当前环境信息输入预先训练的深度学习模型，以使所述深度学习模型基于已训练的模型参数，对所述监控图像以及所述当前环境信息进行处理，从所述监控图像中动态化自适应调整警戒区域，并输出所述监控图像中的警戒区域；
[0011]获得所述深度学习模型输出的所述警戒区域。
[0012]可选的，所述深度学习模型的训练方式，包括：
[0013]获取当前场景对应的多个图像样本、所述每个图像样本对应的当前环境信息样本以及警戒区域标签；
[0014]将所述每个图像样本以及对应的当前环境信息样本输入初始深度学习模型，获取所述初始深度学习模型基于所述图像样本的图像特征以及当前环境信息样本确定的预估警戒区域；
[0015]根据所述每个图像样本对应的警戒区域标签与预估警戒区域之间的差异，调整所述初始深度学习模型的参数，直到所述初始深度学习模型满足收敛条件，得到所述深度学
习模型。
[0016]可选的，所述将所述监控图像以及所述当前环境信息输入预先训练的深度学习模型，以使所述深度学习模型基于已训练的模型参数，对所述监控图像以及所述当前环境信息进行处理，从所述监控图像中动态化自适应调整警戒区域，并输出所述监控图像中的警戒区域的步骤，包括：
[0017]将所述监控图像和所述当前环境信息输入预先训练的深度学习模型，以使所述深度学习模型提取所述监控图像的图像特征，并基于所述图像特征和预先训练学习到的图像样本中的图像特征之间的关系，以及所述当前环境信息和预先训练学习到的所述当前环境信息样本之间的关系，从监控图像中动态化自适应调整警戒区域，并输出所述监控图像中的警戒区域。
[0018]可选的，所述当前场景为临水预警场景，所述当前环境信息为当前天气信息；
[0019]所述基于所述图像特征和预先训练学习到的图像样本中的图像特征之间的关系，以及所述当前环境信息和预先训练学习到的所述当前环境信息样本之间的关系，从监控图像中动态化自适应调整警戒区域，并输出所述监控图像中的警戒区域的步骤，包括：
[0020]基于所述图像特征和预先训练学习到的图像样本中的水域特征之间的关系，确定当前水域范围；
[0021]基于所述当前天气信息和预先训练学习到的图像样本对应的天气信息之间的关系以及所述当前水域范围，输出警戒区域。
[0022]可选的，所述当前场景为防滑预警场景，所述当前环境信息包括当前天气信息和当前时间；
[0023]所述基于所述图像特征和预先训练学习到的图像样本中的图像特征之间的关系，以及所述当前环境信息和预先训练学习到的所述当前环境信息样本之间的关系，从监控图像中动态化自适应调整警戒区域，并输出所述监控图像中的警戒区域的步骤，包括：
[0024]基于所述图像特征与预先训练学习到的图像样本中的地面湿滑特征之间的关系，确定所述监控图像中是否存在湿滑区域；
[0025]基于所述当前天气信息与预先训练学习到的图像样本对应的天气信息之间的关系，以及所述当前时间与预先训练学习到的图像样本对应的需要预警时间之间的关系，在确定需要进行预警的情况下，输出警戒区域。
[0026]可选的，所述需要进行预警的情况包括以下至少一种：
[0027]所述监控图像中存在湿滑区域，所述警戒区域包括所述湿滑区域；
[0028]所述当前天气信息与预先训练学习到的图像样本对应的天气信息之间的关系表征所述当前天气信息对应的天气状况为需要进行防滑预警的天气；
[0029]所述当前时间与预先训练学习到的图像样本对应的需要预警时间之间的关系表征所述当前时间为需要进行防滑预警的时间。
[0030]可选的，所述当前场景为防踩踏预警场景，所述当前环境信息包括当前场景对应的人流密度阈值；
[0031]所述基于所述图像特征和预先训练学习到的图像样本中的图像特征之间的关系，以及所述当前环境信息和预先训练学习到的所述当前环境信息样本之间的关系，从监控图像中动态化自适应调整警戒区域，并输出所述监控图像中的警戒区域的步骤，包括：
[0032]基于所述图像特征和预先训练学习到的图像样本中的人员特征之间的关系，确定所述监控图像对应的人流密度；
[0033]基于预先训练学习得到的图像样本的人流密度与所述当前场景对应的人流密度阈值之间的大小关系与是否输出警戒区域之间的关系，在确定所述人流密度达到所述人流密度阈值的情况下，输出警戒区域。
[0034]第二方面，本申请实施例提供了一种预警系统，所述系统包括图像采集设备和处理设备，其中：
[0035]所述图像采集设备，用于采集当前场景的监控图像；
[0036]所述处理设备，用于获取所述监控图像以及当前环境信息；将所述监控图像以及所述当前环境信息输入预先训练的深度学习模型，获得所述深度学习模型输出的所述监控图像中的警戒区域，其中，所述深度学习模型为预先根据图像样本、所述图像样本对应的当前环境信息样本以及警戒区域标签训练得到的；基于所述警戒区域对所述当前场景进行预警。
[0037]可选的，所述处理设备，具体用于将所述监控图像以及所述当前环境信息输入预先训练的深度学习模型，以使所述深度学习模型基于已训练的模型参数，对所述监控图像以及所述当前环境信息进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预警方法，其特征在于，所述方法包括：获取当前场景的监控图像以及当前环境信息；将所述监控图像以及所述当前环境信息输入预先训练的深度学习模型，获得所述深度学习模型输出的所述监控图像中的警戒区域，其中，所述深度学习模型为预先根据图像样本、所述图像样本对应的当前环境信息样本以及警戒区域标签训练得到的；基于所述警戒区域对所述当前场景进行预警。2.根据权利要求1所述的方法，其特征在于，所述将所述监控图像以及所述当前环境信息输入预先训练的深度学习模型，获得所述深度学习模型输出的所述监控图像中的警戒区域的步骤，包括：将所述监控图像以及所述当前环境信息输入预先训练的深度学习模型，以使所述深度学习模型基于已训练的模型参数，对所述监控图像以及所述当前环境信息进行处理，从所述监控图像中动态化自适应调整警戒区域，并输出所述监控图像中的警戒区域；获得所述深度学习模型输出的所述警戒区域。3.根据权利要求1或2所述的方法，其特征在于，所述深度学习模型的训练方式，包括：获取当前场景对应的多个图像样本、所述每个图像样本对应的当前环境信息样本以及警戒区域标签；将所述每个图像样本以及对应的当前环境信息样本输入初始深度学习模型，获取所述初始深度学习模型基于所述图像样本的图像特征以及当前环境信息样本确定的预估警戒区域；根据所述每个图像样本对应的警戒区域标签与预估警戒区域之间的差异，调整所述初始深度学习模型的参数，直到所述初始深度学习模型满足收敛条件，得到所述深度学习模型。4.根据权利要求2所述的方法，其特征在于，所述将所述监控图像以及所述当前环境信息输入预先训练的深度学习模型，以使所述深度学习模型基于已训练的模型参数，对所述监控图像以及所述当前环境信息进行处理，从所述监控图像中动态化自适应调整警戒区域，并输出所述监控图像中的警戒区域的步骤，包括：将所述监控图像和所述当前环境信息输入预先训练的深度学习模型，以使所述深度学习模型提取所述监控图像的图像特征，并基于所述图像特征和预先训练学习到的图像样本中的图像特征之间的关系，以及所述当前环境信息和预先训练学习到的所述当前环境信息样本之间的关系，从监控图像中动态化自适应调整警戒区域，并输出所述监控图像中的警戒区域。5.根据权利要求4所述的方法，其特征在于，所述当前场景为临水预警场景，所述当前环境信息为当前天气信息；所述基于所述图像特征和预先训练学习到的图像样本中的图像特征之间的关系，以及所述当前环境信息和预先训练学习到的所述当前环境信息样本之间的关系，从监控图像中动态化自适应调整警戒区域，并输出所述监控图像中的警戒区域的步骤，包括：基于所述图像特征和预先训练学习到的图像样本中的水域特征之间的关系，确定当前水域范围；基于所述当前天气信息和预先训练学习到的图像样本对应的天气信息之间的关系以
及所述当前水域范围，输出警戒区域。6.根据权利要求4所述的方法，其特征在于，所述当前场景为防滑预警场景，所述当前环境信息包括当前天气信息和当前时间；所述基于所述图像特征和预先训练学习到的图像样本中的图像特征之间的关系，以及所述当前环境信息和预先训练学习到的所述当前环境信息样本之间的关系，从监控图像中动态化自适应调整警戒区域，并输出所述监控图像中的警戒区域的步骤，包括：基于所述图像特征与预先训练学习到的图像样本中的地面湿滑特征之间的关系，确定所述监控图像中是否存在湿滑区域；基于所述当前天气信息与预先训练学习到的图像样本对应的天气信息之间的关系，以及所述当前时间与预先训练学习到的图像样本对应的需要预警时间之间的关系，在确定需要进行预警的情况下，输出警戒区域。7.根据权利要求6所述的方法，其特征在于，所述需要进行预警的情况包括以下至少一种：所述监控图像中存在湿滑区域，所述警戒区域包括所述湿滑区域；所述当前天气信息与预先训练学习到的图像样本对应的天气信息之间的关系表征所述当前天气信息对应的天气状况为需要进行防滑预警的天气；所述当前时间与预先训练学习到的图像样本对应的需要预警时间之间的关系表征所述当前时间为需要进行防滑预警的时间。8.根据权利要求4所述的方法，其特征在于，所述当前场景为防踩踏预警场景，所述当前环境信息包括当前场景对应的人流密度阈值；所述基于所述图像特征和预先训练学习到的图像样本中的图像特征之间的关系，以及所述当前环境信息和预先训练学习到的所述当前环境信息...

【专利技术属性】
技术研发人员：徐方舟，
申请(专利权)人：杭州萤石软件有限公司，
类型：发明
国别省市：