视频图像处理方法、装置及监控设备与流程

本发明涉及安防技术领域，特别涉及一种视频图像处理方法、装置及监控设备。

背景技术：

目前，为了提高财产和人身安全，很多公共区域或私人区域都设置了监控设备。通过监控设备对人们的活动区域进行监控，以在发生盗窃抢劫等劣性事件时，及时调取监控视频，获取相关信息，找到犯罪嫌疑人，并将用户丢失的物品追回，减少经济损失。

但是上述监控方式，不仅需要花费大量的人力和物力，甚至可能无法追回用户的物品，造成用户经济损失。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种视频图像处理方法，该方法通过对采集的视频图像进行智能分析，实现了对可能出现的异常情况进行事先预警，提醒用户预先采取措施，保证用户的人身财产安全，减少了人力和物力的消耗，提升了用户体验。

本发明的第二个目的在于提出一种视频图像处理装置。

本发明的第三个目的在于提出一种监控设备。

本发明的第四个目的在于提出一种存储介质。

为达上述目的，根据本发明第一方面实施例提出一种视频图像处理方法，包括以下步骤：

对获取的视频图像进行图像识别，确定监控目标；

获取预设时间段内和/或在预设位置范围内、且包含所述监控目标的视频图像集；

对所述视频图像集进行解析，确定所述监控目标是否异常。

本实施例提供的视频图像处理方法，通过对获取的视频图像进行图像识别，确定出监控目标，并获取预设时间段和/或在预设范围内、且包含监控目标的视频图像集，然后对视频图像进行解析，以确定监控目标是否异常。由此，通过对采集的视频图像进行智能分析，实现了对可能出现的异常情况进行事先预警，提醒用户预先采取措施，保证用户的人身财产安全，减少了人力和物力的消耗，提升了用户体验。

另外，本发明上述实施例提出的视频图像处理方法还可以具有如下附加的技术特征：

在本发明的一个实施例中，所述对获取的视频图像进行图像识别，确定监控目标，包括：

对获取的视频图像进行图像识别，确定所述视频图像中处于移动状态的物体为监控目标。

在本发明的一个实施例中，所述获取预设时间段内和/或在预设位置范围内、且包含所述监控目标的视频图像集，包括：

根据所述监控目标的类型，从所述视频图像中提取所述监控目标的特征；

从视频图像库中，提取预设时间段内和/或在预设位置范围内，且与所述监控目标的特征对应的视频图像集。

进一步地，在本发明的一个实施例中，所述获取预设时间段内和/或在预设位置范围内、且包含所述监控目标的视频图像集之前，还包括：

确定所述视频图像的获取时间及位置信息；

根据所述视频图像的获取时间，确定所述预设时间段范围；

根据所述位置信息，确定所述预设位置范围。

在本发明的一个实施例中，所述对所述视频图像集进行解析，确定所述监控目标是否异常，包括：

对所述视频图像集进行解析，确定所述监控目标的行为规律；

判断所述监控目标的行为规律，与预设的规则库的匹配程度是否满足预设的条件；

若满足，则确定所述监控目标异常。

在本发明的一个实施例中，所述对所述视频图像集进行解析，确定所述监控目标是否异常，包括：

对所述视频图像集进行解析，确定所述监控目标的行为规律及所处的场景；

对与所述场景对应的历史视频图像进行自适应分析，确定与所述场景对应的异常行为特征；

判断所述监控目标的行为规律，是否与所述异常行为特征匹配；

若是，则确定所述监控目标异常。

为达上述目的，本发明第二面实施例提出了一种视频图像处理装置，包括：

第一确定模块，用于对获取的视频图像进行图像识别，确定监控目标；

获取模块，用于获取预设时间段内和/或在预设位置范围内、且包含所述监控目标的视频图像集；

第二确定模块，用于对所述视频图像集进行解析，确定所述监控目标是否异常。

本实施例提供的视频图像处理装置中，通过对获取的视频图像进行图像识别，确定出监控目标，并获取预设时间段和/或在预设范围内、且包含监控目标的视频图像集，然后对视频图像进行解析，以确定监控目标是否异常。由此，通过对采集的视频图像进行智能分析，实现了对可能出现的异常情况进行事先预警，提醒用户预先采取措施，保证用户的人身财产安全，减少了人力和物力的消耗，提升了用户体验。

另外，本发明上述实施例提出的视频图像处理装置还可以具有如下附加的技术特征：

在本发明的一个实施例中，所述第一确定模块具体包括：

对获取的视频图像进行图像识别，确定所述视频图像中处于移动状态的物体为监控目标。

在本发明的一个实施例中，所述获取模块，包括：

第一提取单元，用于根据所述监控目标的类型，从所述视频图像中提取所述监控目标的特征；

第二提取单元，用于从视频图像库中，提取预设时间段内和/或在预设位置范围内，且与所述监控目标的特征对应的视频图像集。

在本发明的一个实施例中，在所述获取模块之前，还包括：

第三确定模块，用于确定所述视频图像的获取时间及位置信息；

第四确定模块，用于根据所述视频图像的获取时间，确定所述预设时间段范围；

第五确定模块，用于根据所述位置信息，确定所述预设位置范围。

在本发明的一个实施例中，所述第二确定模块，还包括：

第一解析确定单元，用于对所述视频图像集进行解析，确定所述监控目标的行为规律；

第一判断单元，用于判断所述监控目标的行为规律，与预设的规则库的匹配程度是否满足预设的条件；

第一确定单元，用于若满足，则确定所述监控目标异常。

在本发明的一个实施例中，所述第二确定模块，还包括：

第二解析确定单元，用于对所述视频图像集进行解析，确定所述监控目标的行为规律及所处的场景；

分析确定单元，用于对与所述场景对应的历史视频图像进行自适应分析，确定与所述场景对应的异常行为特征；

第二判断单元，用于判断所述监控目标的行为规律，是否与所述异常行为特征匹配；

第二确定单元，用于若是，则确定所述监控目标异常。

为达上述目的，本发明第三面实施例提出了一种监控设备，包括任一所述的视频图像处理装置。

本实施例提供的监控设备中，通过对获取的视频图像进行图像识别，确定出监控目标，并获取预设时间段和/或在预设范围内、且包含监控目标的视频图像集，然后对视频图像进行解析，以确定监控目标是否异常。由此，通过对采集的视频图像进行智能分析，实现了对可能出现的异常情况进行事先预警，提醒用户预先采取措施，保证用户的人身财产安全，减少了人力和物力的消耗，提升了用户体验。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明的一个实施例的视频图像处理方法的流程图；

图2为本发明的另一个实施例的视频图像处理方法的流程图；

图3为本发明的一个实施例的视频图像采集时间及位置信息的显示位置示意图；

图4为本发明的再一个实施例的视频图像处理方法的流程图；

图5为本发明的一个实施例的视频图像处理装置的结构示意图；

图6为本发明的另一个实施例的视频图像处理装置的结构示意图；

图7为本发明的一个实施例的监控设备的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

本发明主要针对现有技术中，在发生盗窃抢劫等劣性事件时，通过调取监控视频，获取相关信息，以找回用户丢失的物品，需要花费大量的人力和物力，甚至可能无法追回用户丢失的物品，造成经济损失的问题，提出一种视频图像处理方法。

本发明提出的视频图像处理方法，通过对获取的视频图像进行图像识别，以确定视频图像中的监控目标，并基于监控目标，获取在预设时间段内和/或在预设的位置范围内，包含上述监控目标的视频图像集，然后对获取到的视频图像集进行解析，以确定监控目标是否存在异常。由此，通过对获取的视频图像进行智能分析，实现了对可能出现异常的监控目标进行事先预警，提醒用户预先采取措施，从而保证了用户的人身财产安全，减少了经济损失，提升了用户体验。

下面结合附图对本发明实施例提出的视频图像处理方法进行详细描述。

图1为本发明的一个实施例的视频图像处理方法的流程图。

如图1所示，该视频图像处理方法可包括以下步骤：

s101,对获取的视频图像进行图像识别，确定监控目标。

具体的，本实施例提供的视频图像处理方法，可以由本发明提供的视频图像处理装置执行，该装置可以被配置在监控设备中，以实现对采集到的视频图像进行智能分析，以确定监控目标是否出现异常。

其中，在本实施例中，监控设备可以是任意具有摄像功能的电子设备，比如彩色枪式摄像机、红外摄像机、移动终端等，本实施例对此不做具体限制。

具体实现时，可通过多种方式确定获取的视频图像中的监控目标。举例说明如下：

示例一，通过数字图像识别技术；

具体实现时，可先获取监控设备采集到的视频图像，然后对该视频图像进行预处理得到特征数据，并将上述特征数据输入相应的识别模型中进行识别，以确定出该视频图像中的监控目标。

其中，对视频图像进行预处理，是指对视频图像进行二值化、反色以及图像转化等处理。识别模型则是根据特征数据，不断进行训练得到的。

可以理解的是，在训练识别模型时，采用的特征数据数量越多，则得到的识别模型准确率就越高。

示例二，基于单帧的识别方法；

具体的，将获取的视频图像进行截帧，然后基于图像粒度(单帧)的进行深度学习，以确定出该视频图像中的监控目标。

示例三，基于卷积神经网络(convolutionalneuralnetwork，简称为：cnn)扩展网络的识别方法等，本实施例对此不做限定。

需要说明的是，通过对视频图像进行图像识别，确定的监控目标可能是该视频图像中的静态的物体，也可能是该视频图像中处于移动状态的物体。例如，马路上行驶的车辆，或行走的路人等。

若监控目标为处于移动状态的物体，那么本实施例中还可通过光流法、帧间差分法、背景差分法等，来确定监控目标。

s102,获取预设时间段内和/或在预设位置范围内、且包含监控目标的视频图像集。

需要说明的是，在实际使用过程中，监控设备全天二十四小时处于工作状态，实时采集监控区域的视频图像，并且将采集到的视频图像以流媒体方式写入存储设备，从而便于回放工作站以流媒体方式来读取已存储的视频图像，以获取想要的视频图像信息。

因此，基于上述s101确定的监控目标，可在监控设备对应的存储设备中，获取预设时间段内和/或在预设位置范围内、且包含监控目标的视频图像集，并根据获取的视频图像集进行分析操作。

具体实现时，可根据监控目标的类型，从视频图像中提取监控目标的特征；从视频图像库中，提取预设时间段内和/或在预设位置范围内，且与监控目标的特征对应的视频图像集。

其中，监控目标的类型可能是车辆，也可能是行人等，而对于不同类型的监控目标而言，其对应的特征也不相同。因此本实施例中，需要根据监控目标的类型，提取监控目标的特征。

举例说明，若本实施例中，监控目标的类型为行人，则可以从视频图像中可提取出行人的人脸特征，衣服颜色，发型、身高、走路姿势等特征，然后根据上述特征在视频图像库中，提取预设时间段内和/或在预设位置范围内，与上述特征对应的视频图像集。其中，视频图像库中有监控设备采集到的所有视频图像。

需要说明的是，根据提取的特征，提取与该特征对应的视频图像集时，可从视频图像中提取预设时间段内，且与监控目标的特征对应的视频图像集；或者，也可以从视频图像中提取预设范围内，且与监控目标的特征对应的视频图像集；或者，也可以从视频图像中提取预设时间段内、且在预设范围内，与监控目标的特征对应的视频图像集。

其中，预设时间段可根据实际使用需要任意设置，本实施例对此不做具体限定。例如，1小时(h)、1.5h等。

预设位置范围可为监控设备监控区域中的任意范围，本实施例对此不做具体限定。

举例说明，若监控设备有一个摄像头，且该摄像头的监控区域为10米(m)，那么预设位置范围可以为小于等于10m的任意区域。若监控设备有多个摄像头，且每个摄像头的监控区域为10m，那么预设位置范围可以是任意两个，甚至两个以上摄像头监控区域中的任意区域。

其中，监控设备的监控区域，可根据监控设备的摄像头大小决定。例如，当监控设备的摄像头大小为4毫米(mm)，那么监控区域为6m内；当监控设备摄像头大小为6mm，那么监控区域为10m左右。

也就是说，监控设备的摄像头数值越大，监控区域也相应越大。

s103,对视频图像集进行解析，确定监控目标是否异常。

具体实现时，可根据预先设置的分析规则，对视频图像集中的监控目标进行分析，以确定监控目标是否出现异常。

又或者，还可根据获取的视频图像集进行实时分析，以确定出视频图像集中监控目标是否出现异常。

可以理解的是，视频图像处理装置，在确定了监控目标是否异常后，即可根据确定的结果，执行对应的操作。例如，当确定监控目标出现异常，则向用户发出预警提示，以提醒用户提前做好防范，以免出现物品被盗等情况发生；又例如，当确定出监控目标没有出现异常，则监控设备不做任何处理，继续对监控区域的所有情况进行采集，并发送至存储设备进行存储。

本实施例提供的视频图像处理方法，通过对获取的视频图像进行图像识别，确定出监控目标，并获取预设时间段和/或在预设范围内、且包含监控目标的视频图像集，然后对视频图像进行解析，以确定监控目标是否异常。由此，通过对采集的视频图像进行智能分析，实现了对可能出现的异常情况进行事先预警，提醒用户预先采取措施，保证用户的人身财产安全，减少了人力和物力的消耗，提升了用户体验。

通过上述分析可知，通过对获取的视频图像进行图像识别，确定出监控目标之后，再对包含该监控目标的视频图像集进行分析，即可确定出监控目标是否异常。在一种可能的实现形式中，获取的包含监控目标的视频图像集，可能是由多个不同的监控设备采集的，下面结合图2，对上述情况进行进一步说明。

图2本发明的另一个实施例的视频图像处理方法的流程图。

如图2所示，本发明实施例的视频图像处理方法，可以包括以下步骤：

s201，对获取的视频图像进行图像识别，确定监控目标。

s202，确定视频图像的获取时间及位置信息。

需要说明的是，在实际使用过程中，为了安防需求，监控设备的布置密度极大，而大多的监控设备采集的视频图像中并未包括监控目标，因此若从所有监控设备获取的监控视频图像中，获取包含有监控目标的视频图像集，就需要花费大量时间，并且效率低。

因此，为了避免上述情况的发生，本实施例在确定出监控目标后，首先对确定出监控目标的视频图像进行分析操作，以确定该视频图像的获取时间及位置信息，并根据确定的获取时间及位置信息，确定待筛选的视频图像的时间范围及位置范围。

具体的，可通过多种方式，确定视频图像的获取时间及位置信息。

比如，在视频图像界面上预设位置处获取采集时间及位置信息。

例如，若视频图像左上角，设置有视频图像的获取时间及位置信息，具体如图3所示。图3为本发明一个实施例的视频图像采集时间及位置信息的显示位置示意图。其中，当前视频图像的采集时间为2014年7月4日，下午15点14分41秒，位置信息为通道01。

又或者，还可先在视频图像界面上预设位置处获取采集时间，然后根据采集该视频图像的监控设备确定位置信息。

需要说明的是，每个监控设备的监控区域是一定的，且每个监控设备与监控位置互相对应，因此可根据监控设备的标识确定出视频图像的位置信息。

s203，根据视频图像的获取时间，确定预设时间段范围。

s204，根据位置信息，确定预设位置范围。

具体的，由于监控目标的活动在时间上具有连续性，因此，为了对监控目标进行追踪分析，可在确定了当前视频图像的获取时间t后，再对t时刻之前的一个时间段内，比如2个小时内的视频图像进行分析，以确定监控目标是否异常；或者，再对包含该t时刻的3个小时内的视频图像进行分析，以确定监控目标是否异常，等等。

即可以根据需要，预先设置一个时间范围指标，进而根据设置的时间范围指标及当前视频图像的获取时间，确定预设的时间段范围。

举例来说，若视频图像采集的时间为14点35分43秒，且预设的时间范围指标为视频图像的获取时间之前的2个小时，那么根据当前视频图像的采集时间，即可确定此次的预设时间段范围为：12点35分43秒-14点35分43秒。

并且，由于监控目标的活动在空间上具有连续性，因此，为了对监控目标进行追踪分析，可在确定了当前视频图像的位置信息为1号监控区域后，再对1号监控区域相邻的一个监控区域，比如2个监控区域的视频图像进行分析，以确定监控目标是否异常；或者，再对包含该1号监控区域的3个监控区域的视频图像进行分析，以确定监控目标是否异常，等等。

即可以根据需要，预先设置一个位置范围指标，进而根据设置的位置范围指标及当前视频图像的位置信息，确定预设位置范围。

举例来说，若视频图像位置信息为1号监控区域，且预设位置范围指标为视频图像的位置信息相邻的一个监控区域，那么根据当前视频图像的位置信息，即可确定此次的预设位置范围为：1号监控区域-2号监控区域。

s205，获取预设时间段内和/或在预设位置范围内、且包含监控目标的视频图像集。

s206，对视频图像集进行解析，确定监控目标的行为规律。

具体的，可基于监控目标的特征对视频图像集进行解析，以确定监控目标的行为规律。

举例说明，本实施例中，监控目标为行人a、提取的特征为人脸特征、获取的视频图像集为5月12日12点23分00秒-5月20日16点23分00秒，1号监控区域-3号监控区域时，那么基于人脸特征可对该视频图像集中，行人a的行为进行分析。如行人a在5月12日12点25分34秒时，从1号监控区域的路口d进入2号监控区域，在2号监控区域徘徊3分钟，不断望向商铺b，然后从3号监控区域的路口e离开；经过三个小时，行人a又再一次从1号监控区域的路口d进入2号监控区域，并且徘徊的时间更长,不断望向商铺b，之后从3号监控区域的路口e离开；三日后，行人a又再次从1号监控区域的路口d进入2号监控区域，并进入商铺b，在商铺b中停留几分钟，且一直环顾四周然后走出商铺b，从3号监控区域的路口e离开；在接下来的五天内，有三天都同样的出现在2号监控区域，且驻足停留5分钟以上，然后从3号监控区域离开。基于上述行为，就可确定行人a经常从1号监控区域进入2号监控区域，并停留一段时间，之后从3号监控区域离开。

s207，判断监控目标的行为规律，与预设的规则库的匹配程度是否满足预设的条件，若满足，则执行s208，否则，执行s201。

具体的，在确定监控目标的行为规律之后，可将监控目标的行为与预设的规则库中的行为进行比对，以确定监控目标的行为是否超过预设阈值。如果判断监控目标的行为规律超过预设阈值，则可确定监控目标出现异常；如果判断监控目标的行为没有超过预设阈值，则可确定监控目标行为正常，没有出现异常。

其中，预设阈值可根据实际需要任意设置，本实施例对此不作具体限定。例如，监控目标在预设时间范围

举例来说，预设的规则库中，设定行人在监控区域中三天内出现的次数不得超过10次，且停留的时间不得超过7min，那么当确定行人a，在上述监控区域三天内出现的次数超过10次，且每次停留的时间不止7min，则可确定行人a的行为满足预设的条件。

s208,确定监控目标异常，向用户进行预警提示。

具体的，可向用户进行语音提醒，或者警报提醒等，本实施例对此不做具体限制。

本实施例提供的视频图像处理方法，通过视频图像集进行解析，以确定监控目标的行为规律，并判断监控目标的行为规律是否与预设规则库中的规则匹配，进而根据匹配结果判断出监控目标是否出现异常。由此，实现了对出现的异常情况进行事先预警，提醒用户预先采取措施，保证用户的人身财产安全，减少了人力和物力的消耗，提升了用户体验。

通过上述实施例可知，通过对获取的视频图像进行图像识别，确定出监控目标之后再对包含该监控目标的视频图像集进行分析，即可确定出监控目标是否异常。下面结合图4，以自适应分析为例，对视频图像处理方法做进一步说明。

图4本发明的再一个实施例的视频图像处理方法的流程图。

如图4所示，本发明实施例的视频图像处理方法，可以包括以下步骤：

s401，对获取的视频图像进行图像识别，确定监控目标。

s402，确定视频图像的获取时间及位置信息。

s403，根据视频图像的获取时间，确定预设时间段范围。

s404，根据位置信息，确定预设位置范围。

s405，获取预设时间段内和/或在预设位置范围内、且包含监控目标的视频图像集。

s406，对视频图像集进行解析，确定监控目标的行为规律。

s407，在确定监控目标的行为规律，与预设的规则库的匹配程度满足预设的条件时，确定监控目标异常。

需要说明的是，由于预设的规则库中可能包括多种场景下，不同目标的异常行为特征，因此为了进一步提高对视频图像中监控目标的判断精度，本实施例还可基于上述通过预设规则库确定监控目标异常的基础上，还可以进一步利用自适应分析进一步对监控目标是否异常进行进一步确定。

具体实现时，本实施例的视频图像处理方法，还包括：

s408，对获取的视频图像集进行解析，确定监控目标的所处的场景。

其中，监控目标所处的场景可以是监控目标所处位置。例如，大街，商铺店门前，商铺里面，人行道等等。

s409，对与场景对应的历史视频图像进行自适应分析，确定与场景对应的异常行为特征。

s410，判断监控目标的行为规律，是否与异常行为特征匹配，若是，则执行s411，否则，执行s401。

具体的，可通过不同的自适应算法实现对与场景对应的历时视频图像进行自适应分析。例如，迫零算法，最陡下降算法，最小均方算法(leastmeansquare，简称为：lms)，递归最小二次方算法(recursiveleastsquare，简称为：rls)以及各种盲均衡算法等。

需要说明的是，在本实施例中，通过自适应分析来确定监控目标是否出现异常的处理，可以在不同阶段进行。举例说明如下：

一种可能的情形，预先对监控设备摄像头采集的视频图像，按不同的场景进行自适应分析，并将分析结果以不同的场景为依据，分别存放在预设规则中。从而在对当前的视频图像进行分析时，即可根据监控目标所处的场景，确定对应的规则库，进而将监控目标当前的行为规律与规则库进行匹配，以确定出监控目标是否出现异常。

另一种可能的情形，对当前包括监控目标的视频图像集进行自适应分析，以确定视频图像集中所有对象的行为规律，然后将监控目标的行为规律与其它对象的行为规律不一致，或者差异较大，则可监控目标出现异常。

可以理解的是，本实施例中，首先按照预设的规则库，确定监控目标行为异常，进而再通过对视频图像集进行自适用分析，以进一步验证监控目标的行为是否异常，从而提高了分析结果的准确性和可靠性。

s411，确定监控目标异常，向用户进行预警提示。

本实施例提供的视频图像处理方法，通过对视频图像集进行解析，确定出监控目标的行为规律及所处的场景，并对确定的场景对应的历时视频图像进行自适应分析，以确定异常行为特征，然后将监控目标的行为规律与异常行为特征进行比对，以确定监控目标是否异常。由此，实现了对出现的异常情况进行事先预警，提醒用户预先采取措施，保证用户的人身财产安全，减少了人力和物力的消耗，提升了用户体验。

下面参照附图描述本发明实施例提出的视频图像处理装置。

图5为本发明的一个实施例的视频图像处理装置的结构示意图。

参照图5，该视频图像处理装置包括：第一确定模块10、获取模块20以及第二确定模块30。

其中，第一确定模块10用于对获取的视频图像进行图像识别，确定监控目标；

获取模块20用于获取预设时间段内和/或在预设位置范围内、且包含所述监控目标的视频图像集；

第二确定模块30用于对所述视频图像集进行解析，确定所述监控目标是否异常。

需要说明的是，本实施例的视频图像处理装置的实施过程和技术原理参见前述对视频图像处理方法实施例的解释说明，此处不再赘述。

本实施例提供的视频图像处理装置中，通过对获取的视频图像进行图像识别，确定出监控目标，并获取预设时间段和/或在预设范围内、且包含监控目标的视频图像集，然后对视频图像进行解析，以确定监控目标是否异常。由此，通过对采集的视频图像进行智能分析，实现了对可能出现的异常情况进行事先预警，提醒用户预先采取措施，保证用户的人身财产安全，减少了人力和物力的消耗，提升了用户体验。

图6为本发明的另一个实施例的视频图像处理装置的结构示意图。

如图6所示，图6所示的视频图像处理装置还包括：第三确定模块40、第四确定模块50以及第五确定模块60。

其中，第三确定模块40用于确定所述视频图像的获取时间及位置信息；

第四确定模块50用于根据所述视频图像的获取时间，确定所述预设时间段范围；

第五确定模块60用于根据所述位置信息，确定所述预设位置范围。

本实施例提供的视频图像处理装置中，通过对获取的视频图像进行图像识别，确定出监控目标，并获取预设时间段和/或在预设范围内、且包含监控目标的视频图像集，然后对视频图像进行解析，以确定监控目标是否异常。由此，通过对采集的视频图像进行智能分析，实现了对可能出现的异常情况进行事先预警，提醒用户预先采取措施，保证用户的人身财产安全，减少了人力和物力的消耗，提升了用户体验。

为了实现上述实施例，本发明还提出了一种监控设备。

图7是本发明实施例的监控设备的结构示意图。

如图7所示，该监控设备100，包括视频图像处理装置11。

需要说明的是，前述对视频图像处理方法实施例的解释说明也适用于该实施例的监控设备，其实现原理类似，此处不再赘述。

本实施例提供的监控设备中，通过对获取的视频图像进行图像识别，确定出监控目标，并获取预设时间段和/或在预设范围内、且包含监控目标的视频图像集，然后对视频图像进行解析，以确定监控目标是否异常。由此，通过对采集的视频图像进行智能分析，实现了对可能出现的异常情况进行事先预警，提醒用户预先采取措施，保证用户的人身财产安全，减少了人力和物力的消耗，提升了用户体验。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。