基于物联网的智能监控方法、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物联网技术领域，公开了一种基于物联网的智能监控方法、装置、设备及存储介质，用于实现物联网摄像头的智能监控并且提高物联网摄像头的设备控制准确率。方法包括：对第一状态异常检测结果和第二状态异常检测结果进行加权融合，生成每个物联网摄像头的目标状态异常检测结果并匹配每个物联网摄像头对应的第一摄像头运行参数补偿集合；构建每个物联网摄像头的第一参数智能优化策略，进行参数组合分析，得到第二参数智能优化策略；根据第二参数智能优化策略，对多个物联网摄像头进行设备参数调整，得到最佳参数组合并对第一摄像头运行参数补偿集合进行参数补偿分析，生成第二摄像头运行参数补偿集合。二摄像头运行参数补偿集合。二摄像头运行参数补偿集合。

【技术实现步骤摘要】
基于物联网的智能监控方法、装置、设备及存储介质


[0001]本专利技术涉及物联网
，尤其涉及一种基于物联网的智能监控方法、装置、设备及存储介质。

技术介绍

[0002]随着物联网技术的发展和普及，物联网摄像头在各种应用领域中得到了广泛的应用，如监控、安防、交通管理等。然而，在实际应用中，物联网摄像头面临着一些挑战，如摄像头状态异常、环境变化导致参数失调等问题，这些问题影响到监控系统的性能和可靠性。
[0003]现有技术只关注单一感知模态，如图像数据或传感器数据。这导致在某些情况下无法获取全面的环境信息，限制了系统对目标区域的准确感知。参数调整通常是基于固定规则或手动调整，无法根据实际场景的变化自动优化参数。这导致系统在不同环境下性能不稳定或不佳。现有的参数优化策略通常缺乏智能性和自适应性，无法根据实时数据和环境变化进行动态调整，限制了系统性能的提升。对于不同感知模态的数据融合通常比较有限，无法充分挖掘多模态数据之间的关系，从而限制了系统的综合分析能力。

技术实现思路

[0004]本专利技术提供了一种基于物联网的智能监控方法、装置、设备及存储介质，用于实现物联网摄像头的智能监控并且提高物联网摄像头的设备控制准确率。
[0005]本专利技术第一方面提供了一种基于物联网的智能监控方法，所述基于物联网的智能监控方法包括：
[0006]采集目标监控区域中每个物联网摄像头的摄像头位置数据和目标多模态数据，并对所述目标多模态数据进行数据融合和数据预处理，得到目标融合数据；
[0007]通过预置的第一时空关联模型对所述摄像头位置数据和目标融合数据进行位置环境和摄像头状态建模，得到第一摄像头分布状态模型，以及通过预置的第二时空关联模型对所述摄像头位置数据和目标融合数据进行位置环境和摄像头状态建模，得到第二摄像头分布状态模型；
[0008]对所述第一摄像头分布状态模型进行特征提取，得到第一状态特征集合，并通过预置的摄像头异常检测模型对所述第一状态特征集合进行异常检测，得到每个物联网摄像头的第一状态异常检测结果，以及对所述第二摄像头分布状态模型进行特征提取，得到第二状态特征集合，并通过所述摄像头异常检测模型对所述第二状态特征集合进行异常检测，得到每个物联网摄像头的第二状态异常检测结果；
[0009]对所述第一状态异常检测结果和所述第二状态异常检测结果进行加权融合，生成每个物联网摄像头的目标状态异常检测结果，并根据所述目标状态异常检测结果匹配每个物联网摄像头对应的第一摄像头运行参数补偿集合；
[0010]构建每个物联网摄像头的第一参数智能优化策略，并通过所述第一参数智能优化策略对多个物联网摄像头进行参数组合分析，得到第二参数智能优化策略；
[0011]根据所述第二参数智能优化策略，对多个所述物联网摄像头进行设备参数调整，得到最佳参数组合，并根据所述最佳参数组合对所述第一摄像头运行参数补偿集合进行参数补偿分析，生成每个物联网摄像头的第二摄像头运行参数补偿集合。
[0012]结合第一方面，在本专利技术第一方面的第一种实现方式中，所述采集目标监控区域中每个物联网摄像头的摄像头位置数据和目标多模态数据，并对所述目标多模态数据进行数据融合和数据预处理，得到目标融合数据，包括：
[0013]对所述目标监控区域中每个物联网摄像头进行摄像头位置标定，得到每个物联网摄像头的摄像头位置数据；
[0014]通过预置的传感器集群对所述目标监控区域进行多模态数据采集，得到目标多模态数据；
[0015]对所述目标多模态数据进行数据分组，得到图像数据集、声音数据集、温度数据集以及压力数据集；
[0016]对所述图像数据集进行像素值映射，得到候选图像数据集，并对所述候选图像数据集进行尺寸修正，得到待融合图像数据集；
[0017]对所述声音数据集进行频谱转换，得到所述声音数据集对应的频谱数据集，并对所述频谱数据集进行标准化处理，得到待融合频谱数据集；
[0018]分别对所述温度数据集以及所述压力数据集进行数据清洗，得到待融合温度数据集以及待融合压力数据集；
[0019]对所述待融合图像数据集、所述待融合频谱数据集、所述待融合温度数据集以及所述待融合压力数据集进行加权融合，得到候选融合数据；
[0020]对所述候选融合数据进行独热编码，得到所述目标融合数据。
[0021]结合第一方面，在本专利技术第一方面的第二种实现方式中，所述通过预置的第一时空关联模型对所述摄像头位置数据和目标融合数据进行位置环境和摄像头状态建模，得到第一摄像头分布状态模型，以及通过预置的第二时空关联模型对所述摄像头位置数据和目标融合数据进行位置环境和摄像头状态建模，得到第二摄像头分布状态模型，包括：
[0022]通过所述第一时空关联模型的第一循环神经网络对所述摄像头位置数据进行基于时序的位置环境提取，得到所述摄像头位置数据对应的第一位置环境特征；
[0023]通过所述第一循环神经网络对所述目标融合数据进行摄像头状态分析，得到第一摄像头状态特征；
[0024]对所述第一位置环境特征以及所述第一摄像头状态特征进行时序特征分析，得到第一时序特征数据；
[0025]通过所述第一时序特征数据对所述摄像头位置数据和所述目标融合数据进行时序传递，得到第一时序关系；
[0026]通过所述第一时序关系进行模型多层结构构建，得到第一多层结构；
[0027]通过所述第一多层结构对所述摄像头位置数据和目标融合数据进行位置环境和摄像头状态建模，得到第一摄像头分布状态模型；
[0028]通过所述第二时空关联模型的第二循环神经网络对所述摄像头位置数据进行基于时序的位置环境提取，得到所述摄像头位置数据对应的第二位置环境特征；
[0029]通过所述第二循环神经网络对所述目标融合数据进行摄像头状态分析，得到第二
摄像头状态特征；
[0030]对所述第二位置环境特征以及所述第二摄像头状态特征进行时序特征分析，得到第二时序特征数据；
[0031]通过所述第二时序特征数据对所述摄像头位置数据和所述目标融合数据进行时序传递，得到第二时序关系；
[0032]通过所述第二时序关系进行模型多层结构构建，得到第二多层结构；
[0033]通过所述第二多层结构对所述摄像头位置数据和目标融合数据进行位置环境和摄像头状态建模，得到第二摄像头分布状态模型。
[0034]结合第一方面，在本专利技术第一方面的第三种实现方式中，所述对所述第一摄像头分布状态模型进行特征提取，得到第一状态特征集合，并通过预置的摄像头异常检测模型对所述第一状态特征集合进行异常检测，得到每个物联网摄像头的第一状态异常检测结果，以及对所述第二摄像头分布状态模型进行特征提取，得到第二状态特征集合，并通过所述摄像头异常检测模型对所述第二状态特征集合进行异常检测，得到每个物联网摄像头的第二状态异常检测结果，包括：
[0035]对所述第一摄像头分布状态模型进行区域划分，得到多个第本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的智能监控方法，其特征在于，所述基于物联网的智能监控方法包括：采集目标监控区域中每个物联网摄像头的摄像头位置数据和目标多模态数据，并对所述目标多模态数据进行数据融合和数据预处理，得到目标融合数据；通过预置的第一时空关联模型对所述摄像头位置数据和目标融合数据进行位置环境和摄像头状态建模，得到第一摄像头分布状态模型，以及通过预置的第二时空关联模型对所述摄像头位置数据和目标融合数据进行位置环境和摄像头状态建模，得到第二摄像头分布状态模型；对所述第一摄像头分布状态模型进行特征提取，得到第一状态特征集合，并通过预置的摄像头异常检测模型对所述第一状态特征集合进行异常检测，得到每个物联网摄像头的第一状态异常检测结果，以及对所述第二摄像头分布状态模型进行特征提取，得到第二状态特征集合，并通过所述摄像头异常检测模型对所述第二状态特征集合进行异常检测，得到每个物联网摄像头的第二状态异常检测结果；对所述第一状态异常检测结果和所述第二状态异常检测结果进行加权融合，生成每个物联网摄像头的目标状态异常检测结果，并根据所述目标状态异常检测结果匹配每个物联网摄像头对应的第一摄像头运行参数补偿集合；构建每个物联网摄像头的第一参数智能优化策略，并通过所述第一参数智能优化策略对多个物联网摄像头进行参数组合分析，得到第二参数智能优化策略；根据所述第二参数智能优化策略，对多个所述物联网摄像头进行设备参数调整，得到最佳参数组合，并根据所述最佳参数组合对所述第一摄像头运行参数补偿集合进行参数补偿分析，生成每个物联网摄像头的第二摄像头运行参数补偿集合。2.根据权利要求1所述的基于物联网的智能监控方法，其特征在于，所述采集目标监控区域中每个物联网摄像头的摄像头位置数据和目标多模态数据，并对所述目标多模态数据进行数据融合和数据预处理，得到目标融合数据，包括：对所述目标监控区域中每个物联网摄像头进行摄像头位置标定，得到每个物联网摄像头的摄像头位置数据；通过预置的传感器集群对所述目标监控区域进行多模态数据采集，得到目标多模态数据；对所述目标多模态数据进行数据分组，得到图像数据集、声音数据集、温度数据集以及压力数据集；对所述图像数据集进行像素值映射，得到候选图像数据集，并对所述候选图像数据集进行尺寸修正，得到待融合图像数据集；对所述声音数据集进行频谱转换，得到所述声音数据集对应的频谱数据集，并对所述频谱数据集进行标准化处理，得到待融合频谱数据集；分别对所述温度数据集以及所述压力数据集进行数据清洗，得到待融合温度数据集以及待融合压力数据集；对所述待融合图像数据集、所述待融合频谱数据集、所述待融合温度数据集以及所述待融合压力数据集进行加权融合，得到候选融合数据；对所述候选融合数据进行独热编码，得到所述目标融合数据。
3.根据权利要求1所述的基于物联网的智能监控方法，其特征在于，所述通过预置的第一时空关联模型对所述摄像头位置数据和目标融合数据进行位置环境和摄像头状态建模，得到第一摄像头分布状态模型，以及通过预置的第二时空关联模型对所述摄像头位置数据和目标融合数据进行位置环境和摄像头状态建模，得到第二摄像头分布状态模型，包括：通过所述第一时空关联模型的第一循环神经网络对所述摄像头位置数据进行基于时序的位置环境提取，得到所述摄像头位置数据对应的第一位置环境特征；通过所述第一循环神经网络对所述目标融合数据进行摄像头状态分析，得到第一摄像头状态特征；对所述第一位置环境特征以及所述第一摄像头状态特征进行时序特征分析，得到第一时序特征数据；通过所述第一时序特征数据对所述摄像头位置数据和所述目标融合数据进行时序传递，得到第一时序关系；通过所述第一时序关系进行模型多层结构构建，得到第一多层结构；通过所述第一多层结构对所述摄像头位置数据和目标融合数据进行位置环境和摄像头状态建模，得到第一摄像头分布状态模型；通过所述第二时空关联模型的第二循环神经网络对所述摄像头位置数据进行基于时序的位置环境提取，得到所述摄像头位置数据对应的第二位置环境特征；通过所述第二循环神经网络对所述目标融合数据进行摄像头状态分析，得到第二摄像头状态特征；对所述第二位置环境特征以及所述第二摄像头状态特征进行时序特征分析，得到第二时序特征数据；通过所述第二时序特征数据对所述摄像头位置数据和所述目标融合数据进行时序传递，得到第二时序关系；通过所述第二时序关系进行模型多层结构构建，得到第二多层结构；通过所述第二多层结构对所述摄像头位置数据和目标融合数据进行位置环境和摄像头状态建模，得到第二摄像头分布状态模型。4.根据权利要求1所述的基于物联网的智能监控方法，其特征在于，所述对所述第一摄像头分布状态模型进行特征提取，得到第一状态特征集合，并通过预置的摄像头异常检测模型对所述第一状态特征集合进行异常检测，得到每个物联网摄像头的第一状态异常检测结果，以及对所述第二摄像头分布状态模型进行特征提取，得到第二状态特征集合，并通过所述摄像头异常检测模型对所述第二状态特征集合进行异常检测，得到每个物联网摄像头的第二状态异常检测结果，包括：对所述第一摄像头分布状态模型进行区域划分，得到多个第一分布区域；分别对每个所述第一分布区域进行颜色空间特征提取，得到第一颜色特征集合；基于所述第一颜色特征集合分别对每个所述第一分布区域进行角点特征提取，得到第一角点特征集合，并将所述第一颜色特征集合以及所述第一角点特征集合合并为所述第一状态特征集合；通过所述摄像头异常检测模型对所述第一状态特征集合进行数据点映射，得到第一数据点集合；
对所述第一数据点集合进行局部离群因子剔除，得到第一目标数据点集合；对所述第一目标数据点集合进行异常因素匹配，得到第一异常因素集，并通过所述第一异常因素集生成每个物联网摄像头的第一状态异常检测结果；对所述第二摄像头分布状态模型进行...

【专利技术属性】
技术研发人员：蔡林霞，陈明秋，周权，韩立丽，
申请(专利权)人：深圳天健电子科技有限公司，
类型：发明
国别省市：