技术特征：
1.一种基于ai分析的视频巡查处理方法，其特征在于：其方法包括如下步骤：s1：获取训练视频数据集，对训练视频数据集进行预处理，建立视频检测异常模型；s2：通过监控设备采集视频数据，随后监控设备通过网络总线将视频数据传输至视频处理平台，并将视频数据储存在视频库中；s3：视频处理平台发送截图截流指令，进行视频图片截取，并将截取到的目标图片以及目标视频文件发送给数据处理系统，基于图像识别模型对视频图像数据进行数据处理，确定目标对象以及目标对象的坐标位置信息；s4：根据目标对象的坐标位置信息确定的图像框，确定图像框在视频图像数据对应视频图像中的位置，提取视频图像数据中对应图像框的坐标像素点数据，并标注坐标像素点数据；s5：综合ai视频识别模块和ai图像识别模块对坐标像素点数据进行综合分析，得出识别结果并存储到数据处理系统中，随后显示模块提取分析结果并进行显示；s6：根据视频检测异常模型，检测监控设备采集的视频数据发生异常的可能性，若检测到监控设备采集的视频数据发生异常，进行异常处理。2.根据权利要求1所述的一种基于ai分析的视频巡查处理方法，其特征在于：所述步骤s1中，训练视频数据集为异常场景的视频数据，对异常场景的视频数据进行预处理。3.根据权利要求1所述的一种基于ai分析的视频巡查处理方法，其特征在于：所述步骤s1中，通过卷积算法处理预处理后的视频数据，建立视频检测异常模型。4.根据权利要求1所述的一种基于ai分析的视频巡查处理方法，其特征在于：所述步骤s2中，监控设备为网络摄像机，且网络摄像机内置嵌入式芯片，采用嵌入式实时操作系统，网络摄像机将采集到的模拟视频信号编码压缩成数字信号。5.根据权利要求1所述的一种基于ai分析的视频巡查处理方法，其特征在于：所述步骤s2中，视频库中的视频数据转换为mpeg格式进行储存。6.根据权利要求1所述的一种基于ai分析的视频巡查处理方法，其特征在于：所述步骤s3中，图片截取的频率和视频文件截取的频率根据控制平台的最低支持截流频率，且截流频率分别设置有不同的频率。7.根据权利要求1所述的一种基于ai分析的视频巡查处理方法，其特征在于：所述步骤s3中，通过图像识别模型对视频图像数据进行深度学习计算，得到视频图像数据中对应目标对象的数据，并根据目标对象的数据确定目标对象的坐标位置信息。8.根据权利要求1所述的一种基于ai分析的视频巡查处理方法，其特征在于：所述步骤s5中，ai视频识别模块用于读取监控设备采集回来的视频信息，ai图像识别模块用于读取数据处理系统中的视频图像数据。9.根据权利要求1所述的一种基于ai分析的视频巡查处理方法，其特征在于：所述步骤s5中，数据处理系统用于将ai识别后的数据进行整理，清除过期数据。10.根据权利要求1所述的一种基于ai分析的视频巡查处理方法，其特征在于：所述步骤s6中，若视频数据满足视频检测异常模型，则视频数据为异常视频，若视频数据不满足视频检测异常模型，则视频数据为正常视频。
技术总结
本发明涉及视频处理技术领域，尤其为一种基于AI分析的视频巡查处理方法，其方法包括如下步骤：获取训练视频数据集，对训练视频数据集进行预处理，建立视频检测异常模型，通过监控设备采集视频数据，随后监控设备通过网络总线将视频数据传输至视频处理平台；本发明提出基于AI分析的视频巡查处理方法，具有便于对视频图像数据进行分析识别，且能够及时清除过期数据，有利于检测图像和视频中的异常数据，且能够有效提升视频巡查处理效率的优点，解决了目前视频监控在异常发生时不能做到第一时间处理，导致危险没有得到及时的处理和预警，从而引发安全事故的问题，能够在异常发生时及时通知安防工作人员排除安全隐患。通知安防工作人员排除安全隐患。通知安防工作人员排除安全隐患。
技术研发人员：李杰
受保护的技术使用者：南京和贤电子科技有限公司
技术研发日：2021.06.11
技术公布日：2021/10/18