智慧社区实时监管方法技术

本申请涉及人工智能，本申请提供一种智慧社区实时监管方法

【技术实现步骤摘要】
智慧社区实时监管方法、装置、设备及存储介质


[0001]本专利技术涉及图像处理
，尤其涉及一种智慧社区实时监管方法
、
装置
、
设备及计算机可读存储介质
。

技术介绍

[0002]智慧社区是社区管理的一种新理念，是新形势下社会管理创新的一种新模式
。
智慧社区是指充分利用物联网
、
云计算
、
移动互联网等新一代信息技术的集成应用，为社区居民提供安全
、
舒适
、
便利的现代化
、
智慧化的生活环境，从而形成基于信息化
、
智能化社会管理与服务的一种新的管理形态的社区
。
[0003]视频监控是智慧社区重要的组成部分，而传统的视频监控只能进行单向的信息传递，不能够与小区住户产生交互
。

技术实现思路

[0004]本专利技术的主要目的在于提供一种智慧社区实时监管方法
、
装置
、
设备及计算机可读存储介质，旨在解决现有监控无法沟通的技术问题
。
[0005]为实现上述目的，本专利技术提供一种智慧社区实时监管方法，所述智慧社区实时监管方法包括以下步骤：
[0006]通过多个摄像装置实时采集视频流数据，响应于视频处理请求，解析所述视频处理请求中的方法体，得到所述视频处理请求中携带的所有信息，获取预设标签从所述所有信息中获取与所述预设标签对应的信息作为所述处理类型；
>[0007]根据所述处理类型，从模型库中调取目标模型；
[0008]并利用预先训练的解码器对所述视频流数据进行解码，得到目标数据；
[0009]将所述目标数据输入至所述目标模型进行处理，输出处理结果；
[0010]根据所述处理结果，显示对应的提醒信息
。
[0011]在本申请的实施例提供的智慧社区实时监管方法，在利用预先训练的解码器对所述视频流数据进行解码，得到目标数据前，所述方法还包括：采用梯度下降法调整解码器初始模型的参数；
[0012]获取所述解码器的输入数据及输出数据；
[0013]计算所述输出数据相对于所述输入数据的均方差；
[0014]当所述均方差小于或者等于预设阈值时，停止对所述参数的调整，得到所述解码器
。
[0015]在本申请的实施例提供的智慧社区实时监管方法，其特征在于，当所述处理类型为人员判别类型时，所述将所述目标数据输入至所述目标模型进行处理，输出处理结果包括：对所述目标数据进行二值化处理，得到二值化图像；
[0016]对所述二值化图像进行填充，得到填充后的图像；
[0017]从所述填充后的图像中提取轮廓及所述轮廓的位置，得到目标对象；
[0018]对所述目标对象进行面部识别，得到人员类型；
[0019]根据所述人员类型判断所述目标对象的年龄信息
、
性别信息，得到判断结果；
[0020]获取所述目标对象的运动数据；
[0021]根据所述运动数据，利用运动状态评估模型确定所述目标对象的运动状态；
[0022]将所述判断结果及所述运动状态确定为所述处理结果，并输出所述处理结果
。
[0023]在本申请的实施例提供的智慧社区实时监管方法，在利用运动状态评估模型确定所述目标对象的运动状态前，所述方法还包括：获取正样本的运动数据及预设数量的负样本，并将正样本的运动数据进行运动状态标注，以使正样本携带运动状态标签；
[0024]将所述正样本及所述负样本随机分成第一预设比例的训练集和第二预设比例的验证集；
[0025]利用所述训练集训练初始模型，并利用所述验证集验证训练后的初始模型的准确率；
[0026]当所述准确率大于或者等于预设准确率时，停止训练，得到所述运动状态评估模型；或者当所述准确率小于所述预设准确率时，增加正样本的数量及负样本的数量以重新训练所述运动状态评估模型
。
[0027]在本申请的实施例提供的智慧社区实时监管方法，当所述处理类型为目标用户监管类型时，所述将所述目标数据输入至所述目标模型进行处理，输出处理结果包括：对所述目标数据进行人脸识别，得到当前用户；
[0028]当所述当前用户属于所述目标用户时，采用改进的姿态检测模型检测所述当前用户的姿态数据；
[0029]将所述当前用户的姿态数据输入至分类器中进行分类，输出所述当前用户的姿态分类结果作为所述当前用户的姿态检测结果
。
[0030]在本申请的实施例提供的智慧社区实时监管方法，所述根据所述处理结果，显示对应的广告信息，包括：
[0031]根据所述处理结果，在广告牌上显示与处理结果对应的提醒信息，其中，所述提醒信息包括：禁止乱丢垃圾
、
宠物牵绳
、
禁止踩踏草坪
。
[0032]在本申请的实施例提供的智慧社区实时监管方法，当所述处理类型为目标用户监管类型时，所述将所述目标数据输入至所述目标模型进行处理，输出处理结果包括：对所述目标数据进行人脸识别，得到当前用户；
[0033]当所述当前用户属于所述目标用户时，采用改进的姿态检测模型检测所述当前用户的姿态数据；
[0034]将所述当前用户的姿态数据输入至分类器中进行分类，输出所述当前用户的姿态分类结果作为所述当前用户的姿态检测结果；
[0035]所述采用改进的姿态检测模型检测所述当前用户的姿态数据包括：将所述目标数据输入至移动网络模型的神经网络模型中，输出第一特征数据；
[0036]将所述第一特征数据输入至初阶段及精炼阶段，输出特征图；
[0037]将所述特征图输入至
1*1
卷积层，输出关键点热图以及部分亲和字段作为所述当前用户的姿态数据；
[0038]其中，所述神经网络模型
、
所述初阶段及所述精炼阶段采用
1*1
卷积层
、
第一
3*3
卷
积层以及第二
3*3
卷积层构成的级联卷积，且所述第二卷积层是卷积核膨胀为2的空洞卷积
。
[0039]此外，为实现上述目的，本专利技术还提供一种智慧社区实时监管装置，所述智慧社区实时监管装置包括：视频采集模块，用于通过多个摄像装置实时采集视频流数据，响应于视频处理请求，解析所述视频处理请求中的方法体，得到所述视频处理请求中携带的所有信息，获取预设标签从所述所有信息中获取与所述预设标签对应的信息作为所述处理类型；
[0040]处理模块，用于根据所述处理类型，从模型库中调取目标模型；并利用预先训练的解码器对所述视频流数据进行解码，得到目标数据；
[0041]模型处理模块，用于将所述目标数据输入至所述目标模型进行处理，输出处理结果；
[0042]显示模块，用于根据所述处理结果，显示对应的提醒信息...

【技术保护点】

【技术特征摘要】
1.
一种智慧社区实时监管方法，其特征在于，所述智慧社区实时监管方法包括以下步骤：通过多个摄像装置实时采集视频流数据，响应于视频处理请求，解析所述视频处理请求中的方法体，得到所述视频处理请求中携带的所有信息，获取预设标签从所述所有信息中获取与所述预设标签对应的信息作为所述处理类型；根据所述处理类型，从模型库中调取目标模型；并利用预先训练的解码器对所述视频流数据进行解码，得到目标数据；将所述目标数据输入至所述目标模型进行处理，输出处理结果；根据所述处理结果，显示对应的提醒信息
。2.
如权利要求1所述的智慧社区实时监管方法，其特征在于，在利用预先训练的解码器对所述视频流数据进行解码，得到目标数据前，所述方法还包括：采用梯度下降法调整解码器初始模型的参数；获取所述解码器的输入数据及输出数据；计算所述输出数据相对于所述输入数据的均方差；当所述均方差小于或者等于预设阈值时，停止对所述参数的调整，得到所述解码器
。3.
如权利要求1所述的智慧社区实时监管方法，其特征在于，当所述处理类型为人员判别类型时，所述将所述目标数据输入至所述目标模型进行处理，输出处理结果包括：对所述目标数据进行二值化处理，得到二值化图像；对所述二值化图像进行填充，得到填充后的图像；从所述填充后的图像中提取轮廓及所述轮廓的位置，得到目标对象；对所述目标对象进行面部识别，得到人员类型；根据所述人员类型判断所述目标对象的年龄信息
、
性别信息，得到判断结果；获取所述目标对象的运动数据；根据所述运动数据，利用运动状态评估模型确定所述目标对象的运动状态；将所述判断结果及所述运动状态确定为所述处理结果，并输出所述处理结果
。4.
如权利要求3所述的智慧社区实时监管方法，其特征在于，在利用运动状态评估模型确定所述目标对象的运动状态前，所述方法还包括：获取正样本的运动数据及预设数量的负样本，并将正样本的运动数据进行运动状态标注，以使正样本携带运动状态标签；将所述正样本及所述负样本随机分成第一预设比例的训练集和第二预设比例的验证集；利用所述训练集训练初始模型，并利用所述验证集验证训练后的初始模型的准确率；当所述准确率大于或者等于预设准确率时，停止训练，得到所述运动状态评估模型；或者当所述准确率小于所述预设准确率时，增加正样本的数量及负样本的数量以重新训练所述运动状态评估模型
。5.
如权利要求1所述的智慧社区实时监管方法，其特征在于，当所述处理类型为目标用户监管类型时，所述将所述目标数据输入至所述目标模型进行处理，输出处理结果包括：对所述目标数据进行人脸识别，得到当前用户；当所述当前用户属于所述目标用户时，采用改进的姿态检测模型检测所述当前用户的姿态数据；
将所述当前用户的姿态数据输入至分类器中进行分类，输出所述当前用户的姿态分类结果作为所述当前用户的姿态检测结果...

【专利技术属性】
技术研发人员：王德全，王正坤，刘伟，
申请(专利权)人：深圳荣亘科技物业有限公司，
类型：发明
国别省市：