图像监控的方法、装置、设备和计算机可读介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种图像监控的方法、装置、设备和计算机可读介质。


背景技术：

2.目前，计算机视觉技术已经在传统的安防领域广泛应用。通常的做法是根据不同的业务场景，采集特定场景的数据，依据不同的算法，训练不同的模型，实现不同的业务。
3.在实现本发明过程中，发明人发现现有技术中至少存在如下问题：根据具体的业务场景，完成计算机模型的训练，无法解耦模型与业务场景。


技术实现要素：

4.有鉴于此，本发明实施例提供一种图像监控的方法、装置、设备和计算机可读介质，能够解耦模型与业务场景，迅速实现多种业务场景的图像监控。
5.为实现上述目的，根据本发明实施例的一个方面，提供了一种图像监控的方法，包括：
6.按照监控对象，构建计算机视觉组件库，所述计算机视觉组件库包括多个组件，所述组件用于针对所述监控对象执行预设操作；
7.根据业务场景的监控条件，确定监控引擎库；
8.结合图像中的监控对象和监控对象的实际业务场景，在所述监控引擎库中成功匹配到实际监控条件；
9.基于所述实际监控条件，在所述计算机视觉组件库中，筛选出执行组件；
10.依据所述实际监控条件和所述执行组件，监视图像中的监控对象。
11.所述按照监控对象，构建计算机视觉组件库，包括：
12.按照监控对象，构建运动对象检测组件、运动对象跟踪组件和运动对象计数组件；
13.将所述运动对象检测组件、所述运动对象跟踪组件和所述运动对象计数组件，增加到所述计算机视觉组件库中。
14.所述监控对象包括人体和/或物体。
15.所述按照监控对象，构建运动对象检测组件、运动对象跟踪组件和运动对象计数组件，包括：
16.按照所述监控对象的体态特征，构建所述运动对象检测组件；
17.根据所述监控对象的运动特征，构建所述运动对象跟踪组件；
18.基于所述运动对象检测组件和所述运动对象跟踪组件，构建所述运动对象计数组件。
19.所述按照所述监控对象的体态特征，构建所述运动对象检测组件，包括：
20.依次采用低通滤波去噪、背景差分、形态学图像处理和区域连通性分析，建立图像提取子组件，以在图像提取所述监控对象；
21.基于所述监控对象的体态特征，建立图像识别子组件以识别提取后的监控对象；
22.由所述图像提取子组件和所述图像识别子组件，组建所述运动对象检测组件。
23.所述根据所述监控对象的运动特征，构建所述运动对象跟踪组件，包括：
24.封装camshift算法和/或卡尔曼滤波算法，结合所述监控对象的运动特征，构建所述运动对象跟踪组件。
25.所述由所述图像提取子组件和所述图像识别子组件，组成所述运动对象检测组件，包括：
26.所述图像提取子组件的输出接口与所述图像识别子组件的输入接口连接，组成所述运动对象检测组件。
27.所述业务场景包括以下一种：人员滞留识别预警、人员聚集行为识别、人员在岗和/或离岗行为识别、金库作业合规监督和防护舱多人提醒。
28.所述根据业务场景的监控条件，确定监控引擎库，包括：
29.根据业务场景获知所述业务场景的监控条件；
30.将所述业务场景的监控条件，拆分为多个监控子条件，以确定所述监控引擎库。
31.所述业务场景的监控条件包括：监控时间条件、监控区域条件和监控对象数量条件中的一种或多种。
32.所述将所述业务场景的监控条件，拆分为多个监控子条件，包括：
33.将所述业务场景的监控条件，按照逻辑关系拆分为多个监控子条件。
34.所述将所述业务场景的监控条件，拆分为多个监控子条件，包括：
35.将所述业务场景的监控条件，按照组件的功能拆分为多个监控子条件。
36.所述结合图像监控中的监控对象和监控对象的实际业务场景，在所述监控引擎库中成功匹配到实际监控条件，包括：
37.识别所述监控对象的实际业务场景；
38.结合图像监控中的监控对象和监控对象的实际业务场景，在所述监控引擎库中成功匹配到实际监控条件。
39.所述识别所述监控对象的实际业务场景，包括：
40.通过业务场景识别模型或业务场景指令，识别所述监控对象的实际业务场景。
41.所述业务场景包括以下一种，手机拍屏、人员倒地和违规放置。
42.所述基于所述实际监控条件，在所述计算机视觉组件库中，筛选出执行组件，包括：
43.将所述实际监控条件，拆分为一个或多个实际监控子条件；
44.在所述计算机视觉组件库中，按照所述实际监控子条件，筛选出执行组件。
45.所述依据所述实际监控条件和所述执行组件，监视图像中的监控对象，包括：
46.依据所述实际监控条件，确定所述执行组件的执行顺序；
47.按照所述执行组件的执行顺序，处理所述监视图像，以实时监视所述监控对象。
48.根据本发明实施例的第二方面，提供了一种图像监控的装置，包括：
49.构建模块，用于按照监控对象，构建计算机视觉组件库，所述计算机视觉组件库包括多个组件，所述组件用于针对所述监控对象执行预设操作；
50.确定模块，用于根据业务场景的监控条件，确定监控引擎库；
51.匹配模块，用于结合图像中的监控对象和监控对象的实际业务场景，在所述监控引擎库中成功匹配到实际监控条件；
52.筛选模块，用于基于所述实际监控条件，在所述计算机视觉组件库中，筛选出执行组件；
53.监视模块，用于依据所述实际监控条件和所述执行组件，监视图像中的监控对象。
54.根据本发明实施例的第三方面，提供了一种图像监控的电子设备，包括：
55.一个或多个处理器；
56.存储装置，用于存储一个或多个程序，
57.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的方法。
58.根据本发明实施例的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述的方法。
59.上述发明中的一个实施例具有如下优点或有益效果：按照监控对象，构建计算机视觉组件库，所述计算机视觉组件库包括多个组件，所述组件用于针对所述监控对象执行预设操作；根据业务场景的监控条件，确定监控引擎库；结合图像中的监控对象和监控对象的实际业务场景，在所述监控引擎库中成功匹配到实际监控条件；基于所述实际监控条件，在所述计算机视觉组件库中，筛选出执行组件；依据所述实际监控条件和所述执行组件，监视图像中的监控对象。在计算机视觉组件库中确定组件，在监控引擎库中匹配实际监控条件，从而能够解耦模型与业务场景，迅速实现多种业务场景的图像监控。
60.上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
61.附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
62.图1是根据本发明实施例的图像监控的方法的主要流程的示意图；
63.图2是根据本发明实施例的构建计算机视觉组件库的流程示意图；
64.图3是根据本发明实施例的构建运动对象检测组件、运动对象跟踪组件和运动对象计数组件的流程示意图；
65.图4是根据本发明实施例的构建运动对象检测组件的流程示意图；
66.图5是根据本发明实施例的确定监控引擎库的流程示意图；
67.图6是根据本发明实施例的在监控引擎库中成功匹配到实际监控条件的流程示意图；
68.图7是根据本发明实施例的筛选出执行组件的流程示意图；
69.图8是根据本发明实施例的监视图像中的监控对象的流程示意图；
70.图9是根据本发明实施例的图像监控的装置的主要结构的示意图；
71.图10是本发明实施例可以应用于其中的示例性系统架构图；
72.图11是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
73.以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
74.传统的图像监控是将数据采集、算法选择和模型训练以及业务场景紧密绑定，生成特定业务场景的计算机视觉模型，实现人数统计。如：主要根据运动人体检测、运动人体跟踪、人员统计以及阈值设定和场景响应四个主要环节，应对业务场景的需求，具体地：
75.运动人体检测：获取运动区域信息，提取较为完整的运动区域的信息，确定每个运动区域在图像中的位置信息，采用不同的分割方法分割出每个运动人体，进而计算图像中所能容纳的人体数量。
76.运动人体跟踪：保证待跟踪目标信息的完整性，采用分块色彩分布模型代表每个运动人体,构建运动人体跟踪模型。
77.人员统计：根据每一帧的检测及跟踪结果,关联每个运动人体的轨迹和有效轨迹判断方法。实现了人数精准统计。
78.阈值设定和场景响应：对特定区域内的人员进行数量统计，可统计特定时间，或特定区域内。如：自助设备客户区、网点高柜区、金库库区或守库区域的人数。当人数多于或少于阈值时，联动报警和提示。
79.上述解决方案是一个完整的过程，根据具体的场景完成全部的计算机视觉的统计步骤，无法将模型与业务场景解耦。业务场景发生变更后，均需要再次开发模型，使得模型开发成本较高。因此，存在无法解耦模型与业务场景的技术问题。
80.为了解决解耦模型与业务场景，可以采用以下本发明实施例中的技术方案。
81.参见图1，图1是根据本发明实施例的图像监控的方法主要流程的示意图，通过计算机视觉组件库和监控引擎库，匹配实际监控条件和筛选执行组件，进而实现监视图像中的监控对象。如图1所示，具体包括以下步骤：
82.s101、按照监控对象，构建计算机视觉组件库，计算机视觉组件库包括多个组件，组件用于针对监控对象执行预设操作。
83.在本发明实施例中，通过图像实现监视监控对象。图像可以是通过摄像设备采集的图像，或是从其他设备获取的图像。监控对象是指图像中的对象。作为一个示例，监控对象包括人体和/或物体。
84.可以理解的是，由于监控对象的多样性，本发明实施例中的技术方案不仅适用于监控人出现的各种应用场景，而且还是适用于各种动物出现的应用场景，如：动物园和自然环境，适用于各种植物出现的应用场景，如：植物园，以及各种物体出现的业务场景，如：珠宝店和展览馆。
85.考虑到不同的监控对象尤其自身独有的特征，因此需要按照监控对象，构建计算机视觉组件库。计算机视觉组件库中包括多个组件。组件是对数据和方法的简单封装。具体来说，组件用于针对监控对象执行预设操作。作为一个示例，预设操作包括检测、跟踪和统计数量。
86.参见图2，图2是根据本发明实施例的构建计算机视觉组件库的流程示意图，具体
包括以下步骤：
87.s201、按照监控对象，构建运动对象检测组件、运动对象跟踪组件和运动对象计数组件。
88.构建计算机视觉组件库的目的是：提供不同功能的计算机视觉能力，以解耦不同的计算机视觉技术，进而提供不同的计算机视觉功能，同时也满足不同视觉功能的耦合。
89.针对监控对象构建组件，按照检测、跟踪和计数的计算机视觉技术，具体构建运动对象检测组件、运动对象跟踪组件和运动对象计数组件。
90.参见图3，图3是根据本发明实施例的构建运动对象检测组件、运动对象跟踪组件和运动对象计数组件的流程示意图，具体包括以下步骤：
91.s301、按照监控对象的体态特征，构建运动对象检测组件。
92.对于不同的监控对象来说，体态特征是不同的。作为一个示例，监控对象是人，则体态特征包括两条腿，两只手和一个头部。作为另一个示例，监控对象是兔子，则体态特征包括四条腿、一个头部和两只耳朵。
93.参见图4，图4是根据本发明实施例的构建运动对象检测组件的流程示意图，具体包括：
94.s401、依次采用低通滤波去噪、背景差分、形态学图像处理和区域连通性分析，建立图像提取子组件，以在图像提取监控对象。
95.为了构建运动对象检测组件，需要先建立图像提取子组件，再建立图像识别子组件。图像提取子组件用于在图像中提取监控对象。图像识别子组件用于识别监控对象。
96.在具体实现时，依次采用低通滤波去噪、背景差分、形态学图像处理和区域连通性分析，建立图像提取子组件。需要说的是，上述操作的执行顺序可以基于实际情况调整。
97.s402、基于监控对象的体态特征，建立图像识别子组件以识别提取后的监控对象。
98.在图像中提取监控对象后，则识别监控对象的体态特征，继而建立图像识别子组件。其中，监控对象的运动特征可以通过预设模型识别。
99.s403、由图像提取子组件和图像识别子组件，组成运动对象检测组件。
100.图像提取子组件和图像识别子组件建立后，就可以组成运动对象检测组件。
101.具体来说，图像提取子组件的输出接口与图像识别子组件的输入接口连接，组成运动对象检测组件。也就是说，将图像提取子组件的输出结果，作为图像识别子组件的输入信息，以图像识别子组件的输出结果作为运动对象检测组件的输出结果。
102.在图4的实施例中，基于监控对象的体态特征，分别建立图像提取子组件和图像识别子组件，以构建运动对象检测组件。
103.s302、根据监控对象的运动特征，构建运动对象跟踪组件。
104.具体来说，封装camshift算法和/或卡尔曼滤波算法，构建运动对象跟踪组件。利用camshift算法和/或卡尔曼滤波算法实现自动跟踪监控对象，进而构建运动对象跟踪组件。
105.s303、基于运动对象检测组件和运动对象跟踪组件，构建运动对象计数组件。
106.运动对象检测组件用于获知运动对象。运动对象跟踪组件用于跟踪运动对象。结合运动对象检测组件的输出结果，以及运动对象跟踪组件的输出结果，构建运动对象计数组件。
107.在图3的实施例中，针对监控对象，构建运动对象检测组件、运动对象跟踪组件和运动对象计数组件。
108.s202、将运动对象检测组件、运动对象跟踪组件和运动对象计数组件，增加到计算机视觉组件库中。
109.运动对象检测组件、运动对象跟踪组件和运动对象计数组件均建立之后，可以将运动对象检测组件、运动对象跟踪组件和运动对象计数组件，增加到计算机视觉组件库中。
110.在图2的实施例中，针对不同的监控对象，构建该监控对应的计算机视觉组件库，从实现多种监控对象的图像监控。
111.s102、根据业务场景的监控条件，确定监控引擎库。
112.业务场景是实施图像监控的应用场景。作为一个示例，业务场景包括以下一种：人员滞留识别预警、人员聚集行为识别、人员在岗和/或离岗行为识别、金库作业合规监督和防护舱多人提醒。需要说明的是，业务场景还可以涉及动物、植物或其他物品。
113.对于每个业务场景来说，均有对应的监控条件，即：在图像中监控对象满足监控条件下，则发送报警信息或其他信息。可以根据业务场景的监控条件，确定监控引擎库。
114.参见图5，图5是根据本发明实施例的确定监控引擎库的流程示意图，具体包括以下步骤：
115.s501、根据业务场景获知业务场景的监控条件。
116.每个业务场景均有对应的业务场景的监控条件。业务场景的监控条件是指在该业务场景中，发送报警信息或其他信息的条件。
117.在本发明的一个实施例中，业务场景的监控条件包括：监控时间条件、监控区域条件和监控对象数量条件中的一种或多种。作为一个示例，监控时间条件包括早晨9点至下午5点。监控区域条件包括取款机前方一米内区域。监控对象数量条件包括监控对象的数量小于2。
118.s502、将业务场景的监控条件，拆分为多个监控子条件，以确定监控引擎库。
119.考虑到在图像监控过程中，一个业务场景的监控条件需要采用多个组件。那么，可以将业务场景的监控条件，拆分为多个监控子条件，每个监控子条件由一个组件执行。将多个监控子条件存储在监控引擎库中。也就是说，监控引擎库中包括多个监控子条件。
120.作为一个示例，监控子条件包括：监控子条件1：人员数量统计；监控子条件2：特定区域人员停留；监控子条件3：特定时间段；监控子条件4：无人检测；监控子条件5：双人复核。其中，业务场景为：人员离岗行为识别，对应的监控子条件3和监控子条件4。
121.在本发明的一个实施例中，将业务场景的监控条件，按照逻辑关系拆分为多个监控子条件。作为一个示例，逻辑关系包括时间关系，以时间顺序，将业务场景的监控条件拆分为多个监控子条件。如：在零点至早晨9点之前，对应监控子条件1；早晨9点至下午6点，对应监控子条件2；下午6点至晚上12点，对应监控子条件3。
122.在本发明的一个实施例中，将业务场景的监控条件，按照组件的功能拆分为多个监控子条件。在实际图像监控的过程中，需要采用组件实现监控子条件，那么，可以按照组件的功能将业务场景的监控条件，拆分为多个监控子条件，从而便于执行组件。
123.在图5的实施例中，将业务场景的监控条件，拆分为多个监控子条件，便于实施图像监控。
124.s103、结合图像中的监控对象和监控对象的实际业务场景，在监控引擎库中成功匹配到实际监控条件。
125.计算机视觉组件库和监控引擎库建立后，就可以结合图像中的监控对象和监控对象的实际业务场景，在监控引擎库中成功匹配到实际监控条件。
126.参见图6，图6是根据本发明实施例的在监控引擎库中成功匹配到实际监控条件的流程示意图，具体包括以下步骤：
127.s601、识别监控对象的实际业务场景。
128.获取图像后，首先识别监控对象的实际业务场景。作为一个示例，通过业务场景识别模型或业务场景指令，识别监控对象的实际业务场景。如：将图像输入业务场景识别模型中，继而识别出监控对象的实际业务场景。作为另一个示例，接收业务场景指令，业务场景指令包括实际业务场景，则通过业务场景指令识别监控对象的实际业务场景。
129.在本发明的实施例中，实际业务场景包括以下一种，手机拍屏、人员倒地和违规放置。
130.手机拍屏的监控对象包括手机、人体和屏幕。其中，手机拍屏即人体和手机，位于屏幕之前的业务场景。
131.人员倒地的监控对象包括人体。其中，人体在预设时间间隔内的姿态发生改变的业务场景即人员倒地。
132.违规放置的监控对象包括物体。其中，物体放置于监控区域的业务场景即违规放置。
133.s602、结合图像监控中的监控对象和监控对象的实际业务场景，在监控引擎库中成功匹配到实际监控条件。
134.结合图像监控中的监控对象和监控对象的实际业务场景，能够在监控引擎库中成功匹配到实际监控条件。
135.在图6的实施例中，针对监控对象和实际业务场景，成功匹配到实际监控条件。
136.s104、基于实际监控条件，在计算机视觉组件库中，筛选出执行组件。
137.按照实际监控条件，可以在计算机视觉组件库中，筛选出执行组件，以实现监视图像。
138.参见图7，图7是根据本发明实施例的筛选出执行组件的流程示意图，具体包括以下步骤：
139.s701、将实际监控条件，拆分为一个或多个实际监控子条件。
140.将实际监控条件，按照组件的功能和/或逻辑关系，拆分为一个或多个实际监控子条件。
141.s702、在计算机视觉组件库中，按照实际监控子条件，筛选出执行组件。
142.计算机视觉组件库中包括多个组件，按照实际监控子条件，筛选出组件，将筛选出的组件作为执行组件。
143.在图7的实施例中，在计算机视觉组件库中，筛选出用于监视图像的执行组件。
144.s105、依据实际监控条件和执行组件，监视图像中的监控对象。
145.按照实际监控条件，实时执行组件，进而实现监视图像中的监控对象。在满足实际监控条件的情况下，发送报警信息或其他信息。
146.参见图8，图8是根据本发明实施例的监视图像中的监控对象的流程示意图，具体包括以下步骤：
147.s801、依据实际监控条件，确定执行组件的执行顺序。
148.以实际监控条件为依据，确定执行组件的执行顺序。
149.s802、按照执行组件的执行顺序，处理监视图像，以实时监视监控对象。
150.执行组件的执行顺序的确定后，就可以按照执行组件的执行顺序，处理监视图像，以实时监视监控对象。
151.在图8的实施例中，确定执行组件的执行顺序后，就可以实时监视图像中的监控对象。
152.在上述实施例中，按照监控对象，构建计算机视觉组件库，所述计算机视觉组件库包括多个组件，所述组件用于针对所述监控对象执行预设操作；根据业务场景的监控条件，确定监控引擎库；结合图像中的监控对象和监控对象的实际业务场景，在所述监控引擎库中成功匹配到实际监控条件；基于所述实际监控条件，在所述计算机视觉组件库中，筛选出执行组件；依据所述实际监控条件和所述执行组件，监视图像中的监控对象。在计算机视觉组件库中确定组件，在监控引擎库中匹配实际监控条件，从而能够解耦模型与业务场景，迅速实现多种业务场景的图像监控。
153.参见图9，图9是根据本发明实施例的图像监控的装置的主要结构的示意图，图像监控的装置可以实现图像监控的方法，如图9所示，图像监控的装置具体包括：
154.构建模块901，用于按照监控对象，构建计算机视觉组件库，所述计算机视觉组件库包括多个组件，所述组件用于针对所述监控对象执行预设操作；
155.确定模块902，用于根据业务场景的监控条件，确定监控引擎库；
156.匹配模块903，用于结合图像中的监控对象和监控对象的实际业务场景，在所述监控引擎库中成功匹配到实际监控条件；
157.筛选模块904，用于基于所述实际监控条件，在所述计算机视觉组件库中，筛选出执行组件；
158.监视模块905，用于依据所述实际监控条件和所述执行组件，监视图像中的监控对象。
159.在本发明的一个实施例中，构建模块901，具体用于按照监控对象，构建运动对象检测组件、运动对象跟踪组件和运动对象计数组件；
160.将所述运动对象检测组件、所述运动对象跟踪组件和所述运动对象计数组件，增加到所述计算机视觉组件库中。
161.在本发明的一个实施例中，所述监控对象包括人体和/或物体。
162.在本发明的一个实施例中，构建模块901，具体用于
163.按照所述监控对象的体态特征，构建所述运动对象检测组件；
164.根据所述监控对象的运动特征，构建所述运动对象跟踪组件；
165.基于所述运动对象检测组件和所述运动对象跟踪组件，构建所述运动对象计数组件。
166.在本发明的一个实施例中，构建模块901，具体用于依次采用低通滤波去噪、背景差分、形态学图像处理和区域连通性分析，建立图像提取子组件，以在图像提取所述监控对
象；
167.基于所述监控对象的体态特征，建立图像识别子组件以识别提取后的监控对象；
168.由所述图像提取子组件和所述图像识别子组件，组建所述运动对象检测组件。
169.在本发明的一个实施例中，构建模块901，具体用于封装camshift算法和/或卡尔曼滤波算法，结合所述监控对象的运动特征，构建所述运动对象跟踪组件。
170.在本发明的一个实施例中，构建模块901，具体用于所述图像提取子组件的输出接口与所述图像识别子组件的输入接口连接，组成所述运动对象检测组件。
171.在本发明的一个实施例中，所述业务场景包括以下一种：人员滞留识别预警、人员聚集行为识别、人员在岗和/或离岗行为识别、金库作业合规监督和防护舱多人提醒。
172.在本发明的一个实施例中，确定模块902，具体用于根据业务场景获知所述业务场景的监控条件；
173.将所述业务场景的监控条件，拆分为多个监控子条件，以确定所述监控引擎库。
174.在本发明的一个实施例中，所述业务场景的监控条件包括：监控时间条件、监控区域条件和监控对象数量条件中的一种或多种。
175.在本发明的一个实施例中，确定模块902，具体用于将所述业务场景的监控条件，按照逻辑关系拆分为多个监控子条件。
176.在本发明的一个实施例中，确定模块902，具体用于将所述业务场景的监控条件，按照组件的功能拆分为多个监控子条件。
177.在本发明的一个实施例中，匹配模块903，具体用于识别所述监控对象的实际业务场景；
178.结合图像监控中的监控对象和监控对象的实际业务场景，在所述监控引擎库中成功匹配到实际监控条件。
179.在本发明的一个实施例中，匹配模块903，具体用于通过业务场景识别模型或业务场景指令，识别所述监控对象的实际业务场景。
180.在本发明的一个实施例中，所述业务场景包括以下一种，手机拍屏、人员倒地和违规放置。
181.在本发明的一个实施例中，筛选模块904，具体用于将所述实际监控条件，拆分为一个或多个实际监控子条件；
182.在所述计算机视觉组件库中，按照所述实际监控子条件，筛选出执行组件。
183.在本发明的一个实施例中，监视模块905，具体用于依据所述实际监控条件，确定所述执行组件的执行顺序；
184.按照所述执行组件的执行顺序，处理所述监视图像，以实时监视所述监控对象。
185.图10示出了可以应用本发明实施例的图像监控的方法或图像监控的装置的示例性系统架构1000。
186.如图10所示，系统架构1000可以包括终端设备1001、1002、1003，网络1004和服务器1005。网络1004用以在终端设备1001、1002、1003和服务器1005之间提供通信链路的介质。网络1004可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
187.用户可以使用终端设备1001、1002、1003通过网络1004与服务器1005交互，以接收或发送消息等。终端设备1001、1002、1003上可以安装有各种通讯客户端应用，例如购物类
应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
188.终端设备1001、1002、1003可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
189.服务器1005可以是提供各种服务的服务器，例如对用户利用终端设备1001、1002、1003所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息
‑‑
仅为示例)反馈给终端设备。
190.需要说明的是，本发明实施例所提供的图像监控的方法一般由服务器1005执行，相应地，图像监控的装置一般设置于服务器1005中。
191.应该理解，图10中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
192.下面参考图11，其示出了适于用来实现本发明实施例的终端设备的计算机系统1100的结构示意图。图11示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
193.如图11所示，计算机系统1100包括中央处理单元(cpu)1101，其可以根据存储在只读存储器(rom)1102中的程序或者从存储部分1108加载到随机访问存储器(ram)1103中的程序而执行各种适当的动作和处理。在ram 1103中，还存储有系统1100操作所需的各种程序和数据。cpu 1101、rom 1102以及ram 1103通过总线1104彼此相连。输入/输出(i/o)接口1105也连接至总线1104。
194.以下部件连接至i/o接口1105：包括键盘、鼠标等的输入部分1106；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分1107；包括硬盘等的存储部分1108；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至i/o接口1105。可拆卸介质1111，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1110上，以便于从其上读出的计算机程序根据需要被安装入存储部分1108。
195.特别地，根据本发明公开的实施例，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，本发明公开的实施例包括一种计算机程序产品，其包括承载在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部分1109从网络上被下载和安装，和/或从可拆卸介质1111被安装。在该计算机程序被中央处理单元(cpu)1101执行时，执行本发明的系统中限定的上述功能。
196.需要说明的是，本发明所示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。在本发明中，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。而在本发明中，计算机可读的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。计算机可读的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：无线、电线、光缆、rf等等，或者上述的任意合适的组合。
197.附图中的流程图和框图，图示了按照本发明各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。
198.描述于本发明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。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括构建模块、确定模块、匹配模块、筛选模块和监视模块。其中，这些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，构建模块还可以被描述为“用于按照监控对象，构建计算机视觉组件库”。
199.作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：
200.按照监控对象，构建计算机视觉组件库，所述计算机视觉组件库包括多个组件，所述组件用于针对所述监控对象执行预设操作；
201.根据业务场景的监控条件，确定监控引擎库；
202.结合图像中的监控对象和监控对象的实际业务场景，在所述监控引擎库中成功匹配到实际监控条件；
203.基于所述实际监控条件，在所述计算机视觉组件库中，筛选出执行组件；
204.依据所述实际监控条件和所述执行组件，监视图像中的监控对象。
205.根据本发明实施例的技术方案，按照监控对象，构建计算机视觉组件库，所述计算机视觉组件库包括多个组件，所述组件用于针对所述监控对象执行预设操作；根据业务场景的监控条件，确定监控引擎库；结合图像中的监控对象和监控对象的实际业务场景，在所述监控引擎库中成功匹配到实际监控条件；基于所述实际监控条件，在所述计算机视觉组件库中，筛选出执行组件；依据所述实际监控条件和所述执行组件，监视图像中的监控对象。在计算机视觉组件库中确定组件，在监控引擎库中匹配实际监控条件，从而能够解耦模
型与业务场景，迅速实现多种业务场景的图像监控。
206.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。