首页 / 智能楼宇监控系统

智能楼宇监控系统有效专利 发明

技术领域

[0001] 本申请涉及监控系统技术领域,具体地,涉及一种智能楼宇监控系统。

相关背景技术

[0002] 随着现代社会的发展,城市化进程不断加快,高楼大厦成为城市的重要组成部分。楼宇安全问题也随之日益凸显,成为人们关注的焦点。为了保障居民和园区业主的生命财产安全,楼宇监控系统应运而生,成为现代智能建筑不可或缺的一部分。楼宇监控系统通过安装在关键位置的摄像头,实现对楼宇内外环境的实时监控,以便及时发现异常情况并采取相应措施。但这些监控画面往往局限于监控室内的显示屏,无法实现远程访问。此外,在将这些监控画面接入外网时,如何确保数据的安全性,防止未授权访问和潜在的安全威胁,成为了一个迫切需要解决的问题。
[0003] 基于此,中国专利CN115840399A 提出了一种基于物联网的智能楼宇监控系统及其监控方法,其能够通过监控设备网络网关,代理所有的监控画面获取消息,并且通过发送鉴权文件来控制合法监控终端接入智能楼宇监控系统,使得一般终端无法直接访问智能楼宇监控系统内的资源,这使得只有获得了鉴权文件的监控终端才能够获取该智能楼宇监控系统中的监控画面,提升了智能楼宇监控系统的安全性。
[0004] 在上述基于物联网的智能楼宇监控系统中,虽然可以确保监控画面和智能楼宇监控系统的安全性,避免了不法分子得到楼宇的监控画面。但是,该基于物联网的智能楼宇监控系统往往只能提供基本的视频录制和回放功能,缺乏对视频内容的智能分析和处理能力。也就是说,在该监控系统中,还是需要依靠依赖人工肉眼进行监控画面的分析和判断,以此来识别判断园区内是否存在异常,这种方式不仅效率低下,而且容易受到人为因素的干扰,如疲劳、注意力不集中等,导致监控效果不理想。此外,随着监控设备数量的增加,人工监控的难度和成本也在不断上升。
[0005] 因此,期望一种优化的智能楼宇监控系统。

具体实施方式

[0022] 下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例,然而应当理解的是,本申请可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是,本申请的附图及实施例仅用于示例性作用,并非用于限制本申请的保护范围。
[0023] 应当理解,本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。
[0024] 本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0025] 需要注意,本申请中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0026] 需要注意,本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
[0027] 本申请实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
[0028] 以下结合附图对本申请的具体实施方式进行详细说明。
[0029] 图1是根据一示例性实施例示出的一种智能楼宇监控系统的框图。图2是根据一示例性实施例示出的一种智能楼宇监控系统的所述监控画面处理器的框图。如图1和图2所示,该智能楼宇监控系统100包括:监控终端1、监控管理平台2、监控设备3和监控设备网络网关4;其中,所述监控终端1用于:响应于接收到显示监控画面信号,发出鉴权请求;所述监控管理平台2接收所述鉴权请求,并基于所述鉴权请求生成鉴权文件,再将所述鉴权文件返回至所述监控终端1;响应于所述监控终端1接收到所述鉴权文件,向所述监控设备网络网关4发送链接请求;响应于成功创建监控设备链接,基于所述监控设备链接向所述监控设备网络网关4和所述监控设备3发送监控画面获取消息;获取由所述监控设备3采集的监控画面,并将所述监控画面进行显示;其中,所述监控终端1,还包括监控画面处理器11,所述监控画面处理器11用于基于所述监控画面对园区进行异常识别以得到识别结果,并基于识别结果确定是否生成异常预警提示;
其中,所述监控画面处理器11,包括:
监控前背景部分分离模块101,用于将所述监控画面输入前景‑背景分离器以得到监控前景部分和监控背景部分;
监控前后背景图像文本语义编码模块102,用于分别对所述监控前景部分和所述监控背景部分进行图像文本语义编码以得到监控前景内容语义编码特征向量和监控背景内容语义编码特征向量;
监控画面前景内容‑背景内容语义协同表示模块103,用于将所述监控前景内容语义编码特征向量和所述监控背景内容语义编码特征向量输入特征值粒度关联掩码可区分注意融合模块以得到监控画面前景内容‑背景内容协同全语义表示向量;
异常监控预警模块104,用于基于所述监控画面前景内容‑背景内容协同全语义表示向量,确定所述识别结果,所述识别结果用于表示是否存在异常,并基于所述识别结果确定是否生成异常预警提示。
[0030] 在上述智能楼宇监控系统中,在所述监控画面处理器中,本申请的技术构思为通过在后端引入基于人工智能和机器视觉的图像处理和分析算法来对于监控画面进行分析,以此来学习并捕获到监控画面中的前景内容语义和背景内容语义,同时提取出监控画面前景内容和背景内容之间的语义协同交互关联信息,从而对园区内异常情况进行识别和检测,并在检测到异常时生成异常预警提示。这样,能够实现更为智能化的楼宇监控,从而减少对人工监控的依赖,增强了智能楼宇的安全性和智能性。
[0031] 具体地,在所述监控画面处理器中,其包括步骤:首先,获取由监控设备采集的监控画面。应可以理解,所述监控画面中既包含了有关于人、车辆或其他动态物体的图像前景语义,也包含着关于建筑物、树木等静态物体和环境特征的图像背景语义。因此,为了能够对于监控画面的图像语义进行更为全面和深入地分析,从而更为充分有效地识别出园区内存在的异常情况,以便进行及时预警来增加楼宇安全性,在本申请的技术方案中,进一步将所述监控画面输入前景‑背景分离器以得到监控前景部分和监控背景部分。通过将监控画面分离为前景部分和背景部分,能够分别对于这两者进行更深入的分析。例如,可以对前景部分进行目标对象行为识别和运动分析,而背景部分则可以用于对监控画面进行更有效的场景性理解或其他上下文信息的补充。
[0032] 然后,为了能够更加深入地理解和分析监控场景中的内容和语义,在本申请的技术方案中,将所述监控前景部分和所述监控背景部分输入包含图像编码器和图像解码器的图像文本语义描述器以得到监控前景内容文本描述和监控背景内容文本描述。具体地,通过图像编码器,可以将监控画面的前景和背景的视觉信息转化为高维特征向量,这些特征向量能够捕捉到图像中对象的形状、颜色、纹理等信息,从而为后续的语义分析打下基础。图像解码器则能够进一步将提取到的对象特征转化为文本描述,这种文本描述不仅提供了图像的基本信息,还能反映出图像中各个对象之间的关系和上下文语义,有助于更为深入地理解图像中整体场景性的含义。因此,通过所述图像文本语义描述器的处理,能够将所述监控前景部分和所述监控背景部分中的图像信息转化为文本描述,从而以自然语言的形式传达图像中的内容和活动,这有助于分别利用图像的前景部分和背景部分的全局语义来更为全面和准确地建立图像中各对象之间的上下文关联,从而为后续的楼宇异常检测提供依据。
[0033] 在本申请的一个实施例中,所述监控前后背景图像文本语义编码模块,用于:将所述监控前景部分和所述监控背景部分输入包含图像编码器和图像解码器的图像文本语义描述器以得到监控前景内容文本描述和监控背景内容文本描述;对所述监控前景内容文本描述和所述监控背景内容文本描述进行语义编码以得到所述监控前景内容语义编码特征向量和所述监控背景内容语义编码特征向量。
[0034] 进一步地,对所述监控前景内容文本描述和所述监控背景内容文本描述进行语义编码,以此来分别提取出监控画面的前景部分和背景部分中所包含的文本描述语义内容特征,从而得到监控前景内容语义编码特征向量和监控背景内容语义编码特征向量。
[0035] 应可以理解,所述监控前景内容语义编码特征向量和所述监控背景内容语义编码特征向量分别提供了关于监控画面中不同的信息维度,具体来说,这两者分别包含了有关于监控画面的前景内容语义特征和背景内容语义特征。因此,为了能够获得更为全面和准确的场景理解,帮助识别楼宇潜在的异常行为,在本申请的技术方案中,进一步将所述监控前景内容语义编码特征向量和所述监控背景内容语义编码特征向量输入特征值粒度关联掩码可区分注意融合模块以得到监控画面前景内容‑背景内容协同全语义表示向量。通过所述特征值粒度关联掩码可区分注意融合模块的处理,能够有效捕捉到监控画面中的前景内容与背景内容之间的语义关联关系和交互内容。这种关系在楼宇异常检测中至关重要,因为异常行为往往与其周围环境密切相关。具体来说,通过关注前景和背景的协同作用,系统可以更准确地判断某一行为是否异常。例如,一个人在正常环境中可能是无害的,但在特定背景下(如封闭区域或夜间)就可能被视为异常。值得一提的是,所述特征值粒度关联掩码可区分注意融合模块能够利用可区分注意机制来根据具体情况动态调整对监控画面的前景和背景部分的关注程度。这意味着系统可以在复杂场景中自适应地选择与异常检测任务最相关的信息和内容语义来进行表达,从而提高对楼宇异常识别的效果。
[0036] 在本申请的一个实施例中,所述监控画面前景内容‑背景内容语义协同表示模块,包括:全域特征值关联矩阵计算单元,用于计算所述监控前景内容语义编码特征向量和所述监控背景内容语义编码特征向量之间的全域特征值关联矩阵以得到监控画面前景内容‑背景内容全域特征值关联矩阵;门控函数计算单元,用于将所述监控画面前景内容‑背景内容全域特征值关联矩阵输入可学习的门控函数以得到监控画面前景内容‑背景内容相关性可区分权重矩阵;矩阵乘积计算单元,用于以所述监控画面前景内容‑背景内容相关性可区分权重矩阵作为融合掩码矩阵,分别计算所述监控前景内容语义编码特征向量和所述监控背景内容语义编码特征向量与所述监控画面前景内容‑背景内容相关性可区分权重矩阵之间的矩阵乘积以得到区分强化监控前景内容语义编码特征向量和区分强化监控背景内容语义编码特征向量;向量融合单元,用于融合所述区分强化监控前景内容语义编码特征向量和所述区分强化监控背景内容语义编码特征向量以得到所述监控画面前景内容‑背景内容协同全语义表示向量。
[0037] 进一步地,在本申请的一个实施例中,所述全域特征值关联矩阵计算单元,用于:计算所述监控前景内容语义编码特征向量的转置向量和所述监控背景内容语义编码特征向量之间的向量乘法以得到所述监控画面前景内容‑背景内容全域特征值关联矩阵。
[0038] 更进一步地,在本申请的一个实施例中,所述门控函数计算单元,用于:以所述监控画面前景内容‑背景内容全域特征值关联矩阵中的各个位置特征值的负数作为指数幂,计算以自然常数e为底的自然指数函数值以得到监控画面前景内容‑背景内容全域特征值关联类支持矩阵;计算所述监控画面前景内容‑背景内容全域特征值关联类支持矩阵中的各个位置特征值与常数1之和的倒数以得到监控画面前景内容‑背景内容全域特征值关联权重矩阵;计算所述监控画面前景内容‑背景内容全域特征值关联权重矩阵和所述监控画面前景内容‑背景内容全域特征值关联矩阵之间的按位置点乘以得到所述监控画面前景内容‑背景内容相关性可区分权重矩阵。
[0039] 更进一步地,在本申请的一个实施例中,所述向量融合单元,用于:将所述区分强化监控前景内容语义编码特征向量和所述区分强化监控背景内容语义编码特征向量进行级联处理以得到所述监控画面前景内容‑背景内容协同全语义表示向量。
[0040] 具体地,将所述监控前景内容语义编码特征向量和所述监控背景内容语义编码特征向量输入所述特征值粒度关联掩码可区分注意融合模块以如下可区分注意融合公式进行处理以得到所述监控画面前景内容‑背景内容协同全语义表示向量;其中,所述可区分注意融合公式为:
其中, 和 分别为所述监控前景内容语义编码特征向量和所述监控背景内容
语义编码特征向量, 为所述监控前景内容语义编码特征向量的转置向量,为监控画面前景内容‑背景内容全域特征值关联矩阵, 为以 为底的指数运算,为监控画面前景内容‑背景内容全域特征值关联权重矩阵, 为监控画面前景内容‑背景内容相关性可区分权重矩阵, 和 分别为区分强化监控前景内容语义编码特征向量和区分强化监控背景内容语义编码特征向量, 为向量的级联操作, 为所述监控画面前景内容‑背景内容协同全语义表示向量。
[0041] 继而,再将所述监控画面前景内容‑背景内容协同全语义表示向量输入基于分类器的异常识别器以得到识别结果,所述识别结果用于表示是否存在异常,也就是说,利用监控画面的前景内容语义和背景内容语义之间的协同关联特征来进行分类处理,以此来识别出楼宇异常情况,进而,响应于所述识别结果为存在异常,生成异常预警提示。这样,能够实现更为智能化的智能楼宇监控,从而减少对人工监控的依赖,增强了智能楼宇的安全性和智能性。
[0042] 在本申请的一个实施例中,所述异常监控预警模块,包括:异常识别单元,用于将所述监控画面前景内容‑背景内容协同全语义表示向量输入基于分类器的异常识别器以得到所述识别结果,所述识别结果用于表示是否存在异常;异常预警单元,用于响应于所述识别结果为存在异常,生成异常预警提示。
[0043] 进一步地,在本申请的一个实施例中,所述异常识别单元,用于:使用所述基于分类器的异常识别器的多个全连接层对所述监控画面前景内容‑背景内容协同全语义表示向量进行全连接编码以得到编码分类特征向量;将所述编码分类特征向量通过所述基于分类器的异常识别器的Softmax分类函数以得到所述识别结果。
[0044] 在一个优选示例中,本申请考虑到所述监控前景内容语义编码特征向量和所述监控背景内容语义编码特征向量分别表达监控画面的监控前景部分和监控背景部分的图像文本语义编码特征,这样,将所述监控前景内容语义编码特征向量和所述监控背景内容语义编码特征向量输入特征值粒度关联掩码可区分注意融合模块时,得到的所述监控画面前景内容‑背景内容协同全语义表示向量也会由于图像文本语义分布差异引起的关联可区分注意力权重差异而引起分布回归模式偏移,导致所述监控画面前景内容‑背景内容协同全语义表示向量输入基于分类器的异常识别器得到的识别结果的溢出,影响其准确性。
[0045] 基于此,将所述监控画面前景内容‑背景内容协同全语义表示向量输入基于分类器的异常识别器以得到识别结果具体包括:将所述监控画面前景内容‑背景内容协同全语义表示向量通过概率化激活函数以获得概率化的监控画面前景内容‑背景内容协同全语义表示向量;
确定所述监控画面前景内容‑背景内容协同全语义表示向量输入基于分类器的异常识别器得到的表示存在异常的异常概率值;
将单位特征向量与所述概率化的监控画面前景内容‑背景内容协同全语义表示向量进行点减后,作为底数计算以所述异常概率值为指数的幂函数,并进一步与所述概率化的监控画面前景内容‑背景内容协同全语义表示向量进行点乘以获得概率化的监控画面前景内容‑背景内容协同全语义收敛限定特征向量;
将所述概率化的监控画面前景内容‑背景内容协同全语义表示向量的每个特征值的绝对值作为底数,计算以所述异常概率值的倒数为指数的幂函数,并对所述概率化的监控画面前景内容‑背景内容协同全语义表示向量的所有特征值求和以获得监控画面前景内容‑背景内容协同全语义收敛偏置特征值;
将所述概率化的监控画面前景内容‑背景内容协同全语义收敛限定特征向量和所述监控画面前景内容‑背景内容协同全语义收敛偏置特征值与作为超参数的权重的乘积进行点加以获得优化的监控画面前景内容‑背景内容协同全语义表示向量;
将所述优化的监控画面前景内容‑背景内容协同全语义表示向量输入基于分类器的异常识别器以得到识别结果。
[0046] 其中,令所述概率化的监控画面前景内容‑背景内容协同全语义表示向量记为 ,所述异常概率值为 ,则优化的监控画面前景内容‑背景内容协同全语义表示向量 表示为:其中,为概率化的监控画面前景内容‑背景内容协同全语义表示向量, 是所述概率化的监控画面前景内容‑背景内容协同全语义表示向量的每个特征值,是异常概率值,是单位特征向量, 是超参数的权重, 是优化的监控画面前景内容‑背景内容协同全语义表示向量, 是按位置减法, 是按位置加法, 是按位置点乘。
[0047] 也就是,对于所述监控画面前景内容‑背景内容协同全语义表示向量,基于柯西‑阿达马形式幂级数概率分布收敛限定,将所述监控画面前景内容‑背景内容协同全语义表示向量的特征集合以基于收敛概率的形式幂级数进行表示,并添加基于所述监控画面前景内容‑背景内容协同全语义表示向量的每个特征值的作为收敛半径表示的集合收敛有界偏置,以在统一的概率收敛限定标准下,避免所述监控画面前景内容‑背景内容协同全语义表示向量在基于分类器的异常识别器的回归过程中,由于模型参数基于收敛概率的梯度传播而引起所述监控画面前景内容‑背景内容协同全语义表示向量的分布模式偏离导致的分类结果的无效溢出,从而提升基于分类器的异常识别器得到的识别结果的准确性。这样,能够对园区内的异常情况进行更为准确地识别和检测,并在检测到异常时生成异常预警提示,以实现更为智能化的楼宇监控,从而减少对人工监控的依赖,增强了智能楼宇的安全性和智能性。
[0048] 综上所述,采用上述方案,通过在后端引入基于人工智能和机器视觉的图像处理和分析算法来对于监控画面进行分析,以此来学习并捕获到监控画面中的前景内容语义和背景内容语义,同时提取出监控画面前景内容和背景内容之间的语义协同交互关联信息,从而对园区内异常情况进行识别和检测,并在检测到异常时生成异常预警提示。这样,能够实现更为智能化的楼宇监控,从而减少对人工监控的依赖,增强了智能楼宇的安全性和智能性。
[0049] 图3是根据一示例性实施例示出的一种智能楼宇监控方法的流程图,如图3所示,该方法包括:步骤S201、将所述监控画面输入前景‑背景分离器以得到监控前景部分和监控背景部分;
步骤S202、分别对所述监控前景部分和所述监控背景部分进行图像文本语义编码以得到监控前景内容语义编码特征向量和监控背景内容语义编码特征向量;
步骤S203、将所述监控前景内容语义编码特征向量和所述监控背景内容语义编码特征向量输入特征值粒度关联掩码可区分注意融合模块以得到监控画面前景内容‑背景内容协同全语义表示向量;
步骤S204、基于所述监控画面前景内容‑背景内容协同全语义表示向量,确定所述识别结果,所述识别结果用于表示是否存在异常,并基于所述识别结果确定是否生成异常预警提示。
[0050] 下面参考图4,其示出了适于用来实现本申请实施例的电子设备600的结构示意图。本申请实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
[0051] 如图4所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中,还存储有电子设备
600操作所需的各种程序和数据。处理装置601、ROM602以及RAM603通过总线604彼此相连。
输入/输出(I/O)接口605也连接至总线604。
[0052] 通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0053] 特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM602被安装。在该计算机程序被处理装置601执行时,执行本申请实施例的方法中限定的上述功能。
[0054] 需要说明的是,本申请上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD‑ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
[0055] 在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
[0056] 上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
[0057] 可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0058] 附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
[0059] 描述于本申请实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,测试参数获取模块还可以被描述为“获取目标设备对应的设备测试参数的模块”。
[0060] 本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
[0061] 在本申请的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD‑ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0062] 图5是根据一示例性实施例示出的一种智能楼宇监控系统的应用场景图。如图5所示,在该应用场景中,首先,获取由所述监控设备采集的监控画面(例如,如图5中所示意的C);然后,将获取的监控画面输入至部署有智能楼宇监控算法的服务器(例如,如图5中所示意的S)中,其中所述服务器能够基于智能楼宇监控算法对所述监控画面进行处理,以确定所述识别结果,所述识别结果用于表示是否存在异常,并基于所述识别结果确定是否生成异常预警提示。
[0063] 以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
[0064] 此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本申请的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
[0065] 尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。

当前第1页 第1页 第2页 第3页