基于迁移学习的监控智能处理方法技术

本申请涉及一种基于迁移学习的监控智能处理方法

【技术实现步骤摘要】
基于迁移学习的监控智能处理方法、装置、设备及介质


[0001]本申请涉及物联网
，尤其涉及一种基于迁移学习的监控智能处理方法
、
装置
、
设备及介质
。

技术介绍

[0002]随着物联网的发展以及企业私域的普及，越来越多的路口，工作场所，学校，仓库都布上了很多监控设备，并同时会将视频同步到云端
。
安装监控的目的是为了更好的保护好我们的财产安全以及出现纠纷时提供一个视频举证还原现场
。
监控系统在生产和生活中起着越来越大的作用，成为了人们生活中不可或缺的一道安全屏障
。
银行
、
超市
、
商场
、
店面
、
工厂
、
学校
、
小区
、
网吧
、
公共交通等
(
后统称为视频保存方
)
公共区域对视频监控的需要不言而喻，各地公安机关依靠视频监控的辅助破案率也是急速地飙升，随着平安城市的建设，监控系统愈将融入我们的生活发挥着它的作用
。
[0003]随着这种场景越来越多，监控视频也越来越多，而现有的行为识别方法大多需要在监控视频上进行复杂的图像处理和计算，导致计算量大
、
精度低
、
响应速度慢，不能满足实时监控的要求
。
另一方面需要存放的视频越来越多，视频保存方要么是只能保存7天内的视频，要么需要花费更多成本租赁更大容量的云资源甚至购买硬件进行转储
。
在这种成本高或者无法保存足够时间前资源的情况下，对视频进行分场景化处理是一种良好的处理方式，这种方法不仅可以降低储存成本，也可以优化模型学习的数据集，加快管理人员查找异常的速度，并且能辅助告警系统加强风险保障能力
。

技术实现思路

[0004]本申请实施例的目的在于提出一种基于迁移学习的监控智能处理方法
、
装置
、
设备及介质，以提高监控智能处理的智能性和高效性，从而满足实时监控的要求和降低了监控视频存储的成本
。
[0005]为了解决上述技术问题，本申请实施例提供一种基于迁移学习的监控智能处理方法，包括：
[0006]通过物联网通信下连监控设备获取监控数据，并对所述监控数据进行预处理，得到初始监控数据；
[0007]对所述初始监控数据进行数据分析，以获取具有标签的业务片段和非业务片段；
[0008]基于所述业务片段生成决策方案，并当决策方案被触发时，执行所述决策方案，且按照预设时间间隔将所述业务片段和所述非业务片段发送到集约智能监控处理中心；
[0009]基于所述业务片段和所述非业务片段对集约模型进行训练，得到目标集约模型和目标监控特征数据；
[0010]基于所述目标监控特征数据进行迁移学习，生成多个目标轻量化模型，并将多个所述目标轻量化模型部署到下联设备中
。
[0011]为了解决上述技术问题，本申请实施例提供一种基于迁移学习的监控智能处理装
置，包括：
[0012]监控数据获取单元，用于通过物联网通信下连监控设备获取监控数据，并对所述监控数据进行预处理，得到初始监控数据；
[0013]数据分析单元，用于对所述初始监控数据进行数据分析，以获取具有标签的业务片段和非业务片段；
[0014]决策方案执行单元，用于基于所述业务片段生成决策方案，并当决策方案被触发时，执行所述决策方案，且按照预设时间间隔将所述业务片段和所述非业务片段发送到集约智能监控处理中心；
[0015]集约模型训练单元，用于基于所述业务片段和所述非业务片段对集约模型进行训练，得到目标集约模型和目标监控特征数据；
[0016]轻量化模型部署单元，用于基于所述目标监控特征数据进行迁移学习，生成多个目标轻量化模型，并将多个所述目标轻量化模型部署到下联设备中
。
[0017]为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种电子设备，包括，一个或多个处理器；存储器，用于存储一个或多个程序，使得一个或多个处理器实现上述任意一项所述的基于迁移学习的监控智能处理方法
。
[0018]为解决上述技术问题，本专利技术采用的一个技术方案是：一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的基于迁移学习的监控智能处理方法
。
[0019]本专利技术实施例提供了一种基于迁移学习的监控智能处理方法
、
装置
、
设备及介质
。
其中，方法包括：通过物联网通信下连监控设备获取监控数据，并对所述监控数据进行预处理，得到初始监控数据；对所述初始监控数据进行数据分析，以获取具有标签的业务片段和非业务片段；基于所述业务片段生成决策方案，并当决策方案被触发时，执行所述决策方案，且按照预设时间间隔将所述业务片段和所述非业务片段发送到集约智能监控处理中心；基于所述业务片段和所述非业务片段对集约模型进行训练，得到目标集约模型和目标监控特征数据；基于所述目标监控特征数据进行迁移学习，生成多个目标轻量化模型，并将多个所述目标轻量化模型部署到下联设备中
。
本专利技术实施例通过对监控数据进行数据分析，并生成决策方案，以便实时处理监控数据，同时通过对集约模型的训练以及进行迁移学习，生成多个目标轻量化模型，且将其部署到下联设备，实现了群体智能的能力，从而提高监控智能处理的智能性和高效性，从而满足实时监控的要求和降低了监控视频存储的成本
。
附图说明
[0020]为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0021]图1是本申请实施例提供的基于迁移学习的监控智能处理方法流程的实现流程图；
[0022]图2是本申请实施例提供的基于迁移学习的监控智能处理方法中子流程的实现流程图；
[0023]图3是本申请实施例提供的基于迁移学习的监控智能处理方法中子流程的实现流程图；
[0024]图4是本申请实施例提供的基于迁移学习的监控智能处理方法中子流程的实现流程图；
[0025]图5是本申请实施例提供的基于迁移学习的监控智能处理方法中子流程的实现流程图；
[0026]图6是本申请实施例提供的基于迁移学习的监控智能处理方法中子流程的实现流程图；
[0027]图7是本申请实施例提供的基于迁移学习的监控智能处理装置示意图；
[0028]图8是本申请实施例提供的电子设备的示意图
。
具体实施方式
[0029]除非另有定义，本文本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于迁移学习的监控智能处理方法，其特征在于，包括：通过物联网通信下连监控设备获取监控数据，并对所述监控数据进行预处理，得到初始监控数据；对所述初始监控数据进行数据分析，以获取具有标签的业务片段和非业务片段；基于所述业务片段生成决策方案，并当决策方案被触发时，执行所述决策方案，且按照预设时间间隔将所述业务片段和所述非业务片段发送到集约智能监控处理中心；基于所述业务片段和所述非业务片段对集约模型进行训练，得到目标集约模型和目标监控特征数据；基于所述目标监控特征数据进行迁移学习，生成多个目标轻量化模型，并将多个所述目标轻量化模型部署到下联设备中
。2.
根据权利要求1所述的基于迁移学习的监控智能处理方法，其特征在于，所述基于所述业务片段和所述非业务片段对集约模型进行训练，得到目标集约模型和目标监控特征数据，包括：将所述业务片段和所述非业务片段进行合并，得到包括不同类别视频的数据集，其中，所述数据集中每个视频标记有对应的类别标签；将所述视频集中每一视频进行分帧处理，得到分帧后视频数据；对所述分帧后视频数据进行裁剪，得到裁剪后视频数据，并将所述裁剪后视频数据进行归一化处理，得到训练数据；基于所述训练数据对所述集约模型进行训练，得到所述目标集约模型和所述目标监控特征数据
。3.
根据权利要求2所述的基于迁移学习的监控智能处理方法，其特征在于，所述基于所述训练数据对所述集约模型进行训练，得到所述目标集约模型和所述目标监控特征数据，包括：采用光流法提取所述训练数据中帧之间的运动向量信息；将所述运动向量信息和所述训练数据中的图像帧作为目标训练数据，并将所述目标训练数据输入
VGG
模型中进行模型训练，得到所述目标集约模型；基于所述非业务片段生成测试数据集，通过所述测试数据集对所述目标集约模型进行模型评估，当所述目标集约模型评估达标后，获取当前迭代的目标训练数据，并将所述当前迭代的目标训练数据作为所述目标监控特征数据
。4.
根据权利要求1所述的基于迁移学习的监控智能处理方法，其特征在于，所述基于所述目标监控特征数据进行迁移学习，生成多个目标轻量化模型，并将多个所述目标轻量化模型部署到下联设备中，包括：将所述目标监控特征数据中任选一个类别作为目标类别，将其余类别合并为非目标类别；获取所述目标类别对应的目标监控特征数据作为目标类别数据，以及获取所述非目标类别对应的目标监控数据作为非目标类别数据；将所述目标集约模型进行模型修改，得到初始目标集约模型；将所述目标类别数据和所述非目标类别数据对所述初始目标集约模型进行微调，并对所述微调后的初始目标集约模型进行评估，得到多个目标轻量化模型；
...

【专利技术属性】
技术研发人员：刘阳，郑柏川，
申请(专利权)人：天翼物联科技有限公司，
类型：发明
国别省市：