一种基于模块化视频智能分析引擎的治理系统的制作方法

1.本技术属于物联网技术领域，具体涉及一种基于模块化视频智能分析引擎的治理系统。


背景技术：

2.随着城市发展进程的不断加快，城市的智能化监测和管理也面临着越来越大的挑战。
3.目前，在城市管理中通过对违规事件信息进行实时采集和违规事件的识别，以及对违规事件的图像进行截取，用于提供图像证据供管理部门查询，并没有结合管理业务流程进行违规事件信息的及时发送和报警，消耗了大量执法人员的人力，且并不能保证管理效率。因此，获取违规事件信息不及时，人力成本大，导致城市管理中的人力短缺，城市运行效率低，是本领域技术人员亟待解决的技术问题。


技术实现要素：

4.本技术实施例的目的是提供的一种模块化视频智能分析引擎网格治理装置，能够解决违规事件信息获取不及时，人力资源消耗大等问题，提高了城市管理效率。
5.第一方面，本技术实施例提供了一种基于模块化视频智能分析引擎的治理系统，其特征在于，所述系统包括模块化视频智能分析引擎、管理模块、报警模块和深度学习模块，所述模块化智能分析引擎包括：
6.图像获取单元，用于获取图像采集设备所采集的图像；
7.图像识别单元，用于对所述图像进行关键要素识别；
8.图像处理单元，用于对所述图像进行结构化和半结构化处理；
9.智能引擎单元，用于创建数据库并对所述关键要素进行保存；
10.控制单元，用于若所述图像识别单元识别到关键要素，则生成索引指令发送至所述智能引擎单元；
11.所述智能引擎单元，还用于接收所述索引指令，根据所述索引指令检索所述关键要素所属的业务类型，并进行融合分析；
12.所述管理模块包括：
13.数据库管理单元，用于对数据库进行管理，其中，包括对静态库及静态库中特殊要素图片进行管理，以及，对场景模型进行分类管理；
14.所述深度学习模块，用于基于所述智能引擎单元中所述关键要素及所述业务类型进行深度学习；
15.所述报警模块，用于响应融合分析结果并报警；
16.所述深度学习模块，还用于接收报警信息，并基于所述报警信息进行深度学习。
17.进一步的，所述图像识别单元，具体用于：
18.根据场景模型和业务类型对关键要素进行特定的识别，并确定所述采集设备的识
别能力。
19.进一步的，所述图像处理单元，具体用于：
20.利用深度学习、计算机视觉、图像处理等技术对历史图像中的关键要素进行处理；
21.将不同场景的关键要素进行组合，构建场景模型。
22.进一步的，所述控制单元，具体用于：
23.若所述图像识别模块识别到关键要素，判断所述关键要素所在的场景和类型；
24.根据所述关键要素所在的场景或类型生成索引指令，发送至所述智能引擎单元。
25.进一步的，所述装置还包括：
26.设备配置模块，用于针对不同的规则为所述采集设备配置能力集，所述能力集包括人脸识别能力和车辆速度识别能力的集合；
27.数据备份模块，与所述设备配置模块连接，对所述采集设备的配置信息进行备份，所述配置信息包含所述能力集。
28.进一步的，所述配置信息包括设备别名信息、设备信息、设备设置的能力集。
29.第二方面，本技术实施例提供了一种基于模块化视频智能分析方法，其特征在于，所述方法包括：
30.通过图像获取单元，获取图像采集设备所采集的图像；
31.通过图像识别单元，对所述图像进行结构化和半结构化处理；
32.通过图像处理单元，对所述图像进行关键要素识别；
33.通过智能引擎单元，创建数据库并对所述关键要素进行保存；
34.若所述图像识别模块识别到关键要素，则生成索引指令发送至所述智能引擎模块；
35.又通过所述能力引擎单元，接收所述索引指令，根据所述索引指令检索所述关键要素所属的业务类型，并进行融合分析；
36.通过数据库管理单元，对数据库进行管理，其中，包括对静态库及静态库中特殊要素图片进行管理，以及，对场景模型进行分类管理；
37.通过深度学习模块，基于所述智能引擎模块中所述关键要素及所述业务类型进行深度学习；
38.通过报警模块，响应融合分析结果并报警；
39.又通过深度学习模块，接收报警信息，并基于所述报警信息进行深度学习。
40.第三方面，本技术实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第二方面的方法的步骤。
41.第四方面，本技术实施例提供了一种可读存储介质，可读存储介质上存储程序或指令，程序或指令被处理器执行时实现如第二方面的方法的步骤。
42.第五方面，本技术实施例提供了一种芯片，芯片包括处理器和通信接口，通信接口和处理器耦合，处理器用于运行程序或指令，实现如第一方面的方法。
43.在本技术实施例中，通过图像获取单元，获取图像信息；通过图像识别单元，对图像进行关键要素识别；通过图像处理单元，对图像进行处理；通过智能引擎单元，创建数据库并对关键要素进行保存，并接收索引指令，根据索引指令检索关键要素所属的业务类型，
并进行融合分析；管理模块包括：通过数据库管理单元，对数据库进行管理；通过深度学习模块，基于智能引擎单元中关键要素及业务类型和报警信息进行深度学习；通过报警模块，响应融合分析结果并报警。本技术方案，结合管理业务流程进行违规事件信息的及时发送和报警，提高城管理效率。
附图说明
44.图1是本技术实施例一提供的基于模块化视频智能分析引擎的治理系统的结构示意图；
45.图2是本技术实施例一提供的基于模块化视频智能分析引擎的治理系统的结构示意图；
46.图3是本技术实施例二提供的基于模块化视频智能分析方法的流程示意图；
47.图4是本技术实施例三提供的电子设备的结构示意图。
具体实施方式
48.为了使本技术的目的、技术方案和优点更加清楚，下面结合附图对本技术具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本技术，而非对本技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本技术相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
49.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本技术保护的范围。
50.本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
51.下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的基于模块化视频智能分析引擎的治理系统、方法、电子设备及存储介质进行详细地说明。
52.实施例一：
53.图1是本技术实施例一提供的基于模块化视频智能分析引擎的治理系统的结构示意图；
54.本技术实施例提供的基于模块化视频智能分析引擎的治理系统可以执行基于模块化视频智能分析方法，该基于模块化视频智能分析引擎的治理系统可以通过硬件和/或软件的方式实现，并集成在计算机设备中。如图1所示，该系统包括：模块化视频智能分析引
擎11、管理模块12、报警模块13和深度学习模块14，所述模块化智能分析引擎11包括：
55.图像获取单元111，用于获取图像采集设备所采集的图像；
56.图像识别单元112，用于对所述图像进行关键要素识别；
57.图像处理单元113，用于对所述图像进行结构化和半结构化处理；
58.智能引擎单元114，用于创建数据库并对所述关键要素进行保存；
59.控制单元115，用于若所述图像识别单元112识别到关键要素，则生成索引指令发送至所述智能引擎单元；
60.所述智能引擎单元114，还用于接收所述索引指令，根据所述索引指令检索所述关键要素所属的业务类型，并进行融合分析；
61.所述管理模块12包括：
62.数据库管理单元121，用于对数据库进行管理，其中，包括对静态库及静态库中特殊要素图片进行管理，以及，对场景模型进行分类管理；
63.所述深度学习模块13，用于基于所述智能引擎单元114中所述关键要素及所述业务类型进行深度学习；
64.所述报警模块14，用于响应融合分析结果并报警；
65.所述深度学习模块13，还用于接收报警信息，并基于所述报警信息进行深度学习。
66.本方案的使用场景系统管理人员通过智能终端所安装的模块化视频智能分析引擎的治理系统识别违规事件，并将违规事件信息发送至相关管理部门。具体的，管理部门可以通过在智能终端上安装专用应用程序接收模块化视频智能分析引擎治理系统发送的违规事件信息，并在智能终端的屏幕上进行显示。智能终端设备可以是手机、电脑等。
67.下述以系统作为执行主体为例，进行描述。
68.所述违规事件可以是机动车违停、乱设广告牌、占道经营以及违规设置横幅等。管理部门可以是城市管理部门、交通管理部门以及社区安防部门等。
69.本实施例中，图像可以是道路图像、社区内部图像、公共场所图像以及生产车间图像等。图像采集设备可以是摄像头或相机等。图像采集设备可安装于城市道路上方、社区内以及公告场所内等，也可以是随身携带的相机等图像采集设备。获取图像的方式可以是将采集设备与系统通过网络连接，将实时采集的图像发送至系统，也可以通过网页或应用软件接收来自群众举报的图像。
70.关键要素可以是人、车、物，也可以是人的行为、车的状态、物的状态等。关键要素识别可以通过人脸识别、物体识别、行为识别、场景识别以及字符识别等方式进行识别。
71.结构化处理可以是根据一定的规则对视频进行拆分，提取存在违规事件的一段视频，并对该段视频进行分类，其中，可以依据不同管理部门的要求进行分类，可以分为城市管理类、社区安防类、交通管理类以及安全生产类等。管理部门的要求可以是交通管理部门对机动车闯红灯的行为的要求、城市管理部门对乱堆杂物的行为以及乱设广告牌的行为的要求等。示例性的，若系统所获取到的道路图像时长为20分钟，其中存在机动车闯红灯的违规事件，该违规事件的图像时长为10秒，在对图像进行结构化处理时，只截取机动车闯红灯时的10秒视频即可，并将该段视频保存在交通管理部门类。
72.半结构化视频也可以是对图像进行拆分的过程，但在本实施例中是对于一些无法清晰分类的关键元素进行单独处理。示例性的，当通过摄像头人脸识别或体型识别等方式
寻找特殊人群时，需要对采集图像中的所有人进行采集和分析，通过半结构化处理只能将所有出现人的画面进行提取，无法根据人的行为等进行具体图像片段的提取。
73.具体的，基于上述图像识别单元112所识别的关键要素创建数据库，并进行分类保存。分类保存的方式可以是依据关键要素中的人和人的行为，车和车的状态，物和物的状态进行划分。
74.索引指令可以大大加快数据的检索速度，在实施例中索引指令可以是关键要素指令，可以把包括人的指令、车的指令、人车组合指令以及人物组合指令等。索引指令还可以是场景指令和业务指令。场景指令可以包括机动车逆行场景指令和违规晾晒场景指令等；业务指令可以包括交通管理业务指令和城市管理业务指令等。业务类型可以包括城市管理类、社区安防类、安全生产类以及交通管理类等。融合分析可以是根据检索到的关键要素和关键要素所属的业务类型进行分析。示例性的，若接收到的索引指令为车的指令，根据车的指令在数据库中检索其所属业务类型为交通管理类，进而结合车的状态、车的位置以及车的速度等进行分析。如车的位置是否占用消防车道、车的速度是否超速以及车辆的车况是否存在安全隐患等情况。
75.静态库可以用于存储关键要素和关键要素所属的业务类型或关键要素的特征等。关键要素的特征可以是车辆的车牌号，人的身高等。特殊要素图片可以是特殊人群的图片，特殊车辆的图片等，如在逃嫌疑人的照片，肇事逃逸车辆的图片等。
76.对数据库进行管理的方式可以是对数据库中给关键要素和关键要素所属的数据类型进行增删改等操作。示例性的，当肇事逃逸车辆已经被抓获，不需要该车辆信息继续保存在数据库，避免占用数据库资源，则可将该车辆信息从数据库中删除。
77.场景模型可以是基于人的行为、车的状态以及物的状态构建的模型。可以是违规晾晒场景、乱设广告牌场景、占道经营场景、乱堆杂物场景以及机动车违停场景等。在本实施例中，场景模型可以是基于历史图像数据构建的模型。分类管理可以将一种场景划分多种类型，如可以将乱堆杂物场景划分为城市管理业务类型和社区安防业务类型。
78.深度学习是基于关键要素、场景模型以及业务类型而进行的学习。本实施例中，对大量历史图像进行结构化和半结构化处理，将处理后的视频、图片以及字符进行管理，并进行深度学习，提高算法的精确度。
79.融合分析结果可以是存在违规行为或不存在违规行为。示例性的，若机动车辆停在消防车道，则融合分析结果为存在违规行为；若机动车正常停在车位内，则融合分析结果为不存在违规行为。当响应于上述融合分析结果为存在违规行为时，立刻进行报警。报警的方式可以是通过在管理部门智能终端屏幕上以弹窗的形式显示违规事件信息，也可以结合弹窗中的事件信息通过语音的形式报警。违规事件信息可以是违规事件发生的时间和地点以及所涉及的关键要素等。
80.报警信息可以是报警的时间和报警的违规事件信息，并对报警信息进行深度学习。具体的，基于大量历史报警信息，深度学习报警的时间和违规事件的发生时间、地点以及涉及的关键要素。有利于掌握报警的及时性，也便于了解各种违规事件在各个时间和地点发生的概率。将在相同时间或地点发生的概率大的违规事件进行标注，便于提高后续工作的实施效率。
81.在本技术实施例中，通过图像获取单元，获取图像信息；通过图像识别单元，对图
像进行关键要素识别；通过图像处理单元，对图像进行处理；有利于节约识别时间，提高识别效率；通过智能引擎单元，创建数据库并对关键要素进行保存，并接收索引指令，根据索引指令检索关键要素所属的业务类型，并进行融合分析，有利于确定关键要素与业务类型的所属关系，节约业务类型的分配时间；通过数据库管理单元，对数据库进行管理，避免占用数据库资源，保证数据的获取速度；通过深度学习模块，基于智能引擎单元中关键要素及业务类型和报警信息进行深度学习；通过报警模块，响应融合分析结果并报警，有利于对违规事件的及时发现和处理，提高城管理效率。
82.在上述各技术方案中，所述图像识别单元112，具体用于：
83.根据场景模型和业务类型对关键要素进行特定的识别，并确定所述采集设备的识别能力。
84.特定的识别可以是按照一点的需求对某一特定的人、车、物以及特定的行为的识别，如车辆的车牌的识别、人的相貌的识别以及场景的识别等。采集设备的识别能力可以是人脸识别能力、车辆速度识别能力、物体识别能力等。
85.示例性的，在社区图像中相同位置多次出现堆放杂物场景，需要对杂物的位置进行特定的识别，判断杂物的位置是否为正常杂物堆放处，则可确定该采集设备的识别能力为物体位置识别能力。另一个可能的实施例，基于城市管理业务的需求需要对某一位置加强占道经营的管理，则可确定该位置的采集设备能力为占道经营场景识别能力。
86.本技术方案中，通过图像识别单元根据场景模型和业务类型对关键要素进行特定的识别，并确定所述采集设备的识别能力，可对城市各区域进行针对性的管理，提高识别的准确性和管理的及时性。
87.在上述各技术方案中，所述图像处理单元113，具体用于：
88.利用深度学习、计算机视觉、图像处理技术对历史图像中的关键要素进行处理；
89.将不同场景的关键要素进行组合，构建场景模型。
90.计算机视觉可以是利用采集设备代替人眼对目标进行识别、跟踪和测量等的机器视觉，如测量速度、距离和人数等。图像处理技术可以是利用计算机对图像信息进行处理的技术，可以包括图像分割、图像复原、图像增强以及图像数据编码等。
91.示例性的，对历史图像中的车辆进行识别，并利用计算机视觉对车辆的速度进行检测，判断是否符合限速规定。若不符合限速规定，则可对该超速车辆的图像进行技术处理。
92.在本实施例中，场景模型还可以是系统管理人员根据不同的人、车、物等关键要素进行组合应用操作而构建的模型，如人在驾驶过程中打电话的场景，人骑车驾驶多人的场景等。
93.本技术方案中，通过利用深度学习、计算机视觉、图像处理技术对历史图像中的关键要素进行处理，有利于提高违规事件识别的准确性，也便于管理人员对违规事件及时处理；通过将不同场景的关键要素进行组合，构建场景模型，有利于提高场景模型的构建速度，也便于灵活调整用于判断违规事件的关键因素。
94.在上述各技术方案中，所述控制单元115，具体用于：
95.若所述图像识别单元112识别到关键要素，判断所述关键要素所属的场景模型和业务类型；
96.根据所述关键要素所属的场景模型或业务类型生成索引指令，发送至所述智能引擎单元114。
97.示例性的，若图像识别单元112所识别的关键要素为人在违规晾晒的行为，则可根据管理部门管理规则判断该违规晾晒的行为属于违规晾晒场景和城市管理业务类型，进而生成城市管理指令或违规晾晒场景指令。其中通过关键要素指令所属的场景模型即可判断关键要素指令所属的业务类型，因此根据关键要素所属的场景模型生成场景指令或业务指令中的其中一个指令即可，并将所生成的索引指令发送至智能引擎单元114。
98.本技术方案中，通过图像识别单元112识别到关键要素，判断关键要素所属的场景模型和业务类型并相应的生成索引指令，有利于根据检索指令快速确定关键要素所属的业务类型，进一步提高了管理部门获取违规事件信息的效率。
99.图2是本技术实施例一提供的基于模块化视频智能分析引擎的治理系统的结构示意图，参考图2，所述装置包括：
100.设备配置模块15，用于针对不同的规则为所述采集设备配置能力集，所述能力集包括人脸识别能力和车辆速度识别能力的集合；
101.数据备份模块16，与所述设备配置模块15连接，对所述采集设备的配置信息进行备份，所述配置信息包含所述能力集。
102.本实施例中可以是根据不同管理部门的不同要求制定不同规则，也可根据不同的时间、地点制定不同规则。如，交通管理部门根据路况规定车辆的行驶速度，如限速80千米/小时。能力集可以是根据管理部门的规则为每个采集设备配置不同的能力的集合，可以包括两种能力或两种以上能力的集合。能力集可以包括字符识别能力和车速识别能力的集合、行为识别能力与人脸识别能力的集合等。本实施例中，可选的，能力集包括人脸识别能力和车辆速度识别能力的集合。
103.示例性的，交通管理部门可根据路况对一些路段制定限速80千米/小时的规定，因此对限速路段的采集设备配置字符识别能力和车速识别能力的集合，用于对限速路段上的车速和车牌号进行识别。
104.采集设备的配置信息可以包括电子围栏信息、预置点信息以及能力集参数等。电子围栏信息可以是用于表示采集设备的采集范围，可以是20-30米。预置点信息也可以用于表示采集设备的采集范围，但相对于电子围栏信息所采集的范围较小，可以是5-10米。能力集参考是指关键要素的具体参数，如车辆的速度、车辆的高度以及人的身高等参数。在本方案中，可选的，配置信息包括设备别名信息、设备信息、设备设置的能力集。设备别名信息可以是指设别的代码，如001。设置设备别名是为了便于设别的管理，可以将相同功能或相同区域的设备进行统一管理。示例性的，可以将配置为人脸识别能力的采集设备起别名为a1、a2等，将配置为场景识别能力的采集设备起别名为b1、b2等。设备信息可以包括采集设备的位置信息、精度信息以及亮度信息等。本实施例中，对上述采集设备的配置信息进行备份，保证采集设备的配置信息的安全性，也便于信息丢失时能够快速恢复信息，为城市管理提供保障。
105.本技术方案中，通过设备配置模块，针对不同的规则为所述采集设备配置能力集，在保证采集能力的同时，减少采集设备的使用，节约城市管理的成本；通过数据备份模块，对所述采集设备的配置信息进行备份。有利于对采集设备的统一管理，为城市管理提供保
障。
106.实施例二：
107.图3是本技术实施例二提供的基于模块化视频智能分析方法的流程示意图，参考图3，所述方法包括：
108.s301、通过图像获取单元，获取图像采集设备所采集的图像；
109.s302、通过图像识别单元，对所述图像进行关键要素识别；
110.s303、通过图像处理单元，对所述图像进行结构化和半结构化处理；s304、通过智能引擎单元，创建数据库并对所述关键要素进行保存；
111.s305、若所述图像识别模块识别到关键要素，则生成索引指令发送至所述智能引擎模块；
112.s306、通过所述能力引擎单元，接收所述索引指令，根据所述索引指令检索所述关键要素所属的业务类型，并进行融合分析；
113.s307、通过数据库管理单元，对数据库进行管理，其中，包括对静态库及静态库中特殊要素图片进行管理，以及，对场景模型进行分类管理；
114.s308、通过深度学习模块，基于所述智能引擎模块中所述关键要素及所述业务类型进行深度学习；
115.s309、通过报警模块，响应融合分析结果并报警；
116.s310、通过深度学习模块，接收报警信息，并基于所述报警信息进行深度学习。
117.可选的，通过图像识别单元根据场景模型和业务类型对关键要素进行特定的识别，并确定所述采集设备的识别能力。
118.可选的，通过图像处理单元，利用深度学习、计算机视觉、图像处理技术对历史图像中的关键要素进行处理；
119.将不同场景的关键要素进行组合，构建场景模型。
120.可选的，若所述图像识别单元识别到关键要素，判断所述关键要素所属的场景模型和业务类型；
121.根据所述关键要素所在的场景模型或业务类型生成索引指令，发送至所述智能引擎单元。
122.可选的，通过设备配置模块，针对不同的规则为所述采集设备配置能力集，所述能力集包括人脸识别能力和车辆速度识别能力的集合；
123.数据备份模块，与所述设备配置模块连接，对所述采集设备的配置信息进行备份，所述配置信息包含所述能力集。
124.可选的，所述配置信息包括设备别名信息、设备信息、设备设置的能力集。
125.在本技术实施例中，通过图像获取单元，获取图像信息；通过图像处理单元，对图像进行处理；通过图像识别单元，对图像进行关键要素识别，有利于节约识别时间，提高识别效率；通过智能引擎单元，创建数据库并对关键要素进行保存，并接收索引指令，根据索引指令检索关键要素所属的业务类型，并进行融合分析，有利于确定关键要素与业务类型的所属关系，节约业务类型的分配时间；通过数据库管理单元，对数据库进行管理，避免占用数据库资源，保证数据的获取速度；通过深度学习模块，基于智能引擎单元中关键要素及业务类型和报警信息进行深度学习；通过报警模块，响应融合分析结果并报警，有利于对违
规事件的及时发现和处理，提高城管理效率。
126.实施例三：
127.图4是本技术实施例提供的电子设备的结构示意图。
128.本技术实施例还提供了一种计算机设备，该计算机设备可集成本技术实施例提供的基于模块化视频智能分析引擎的治理系统。图4是本技术实施例提供的一种计算机设备的结构示意图。参考图4，该计算机设备包括：输入装置43、输出装置44、存储器42以及一个或多个处理器41；所述存储器42，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器41执行，使得所述一个或多个处理器41实现如上述实施例基于模块化视频智能分析方法。其中输入装置43、输出装置44、存储器42和处理器41可以通过总线或者其他方式连接，图4中以通过总线连接为例。
129.存储器42作为一种计算设备可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本技术任意实施例所述的基于模块化视频智能分析引擎的治理系统。存储器42可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器42可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器42可进一步包括相对于处理器41远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
130.输入装置43可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置44可包括显示屏等显示设备。
131.处理器41通过运行存储在存储器42中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的基于模块化视频智能分析引擎的治理系统。
132.上述提供的基于模块化视频智能分析引擎的治理系统和计算机可用于执行上述任意实施例基于模块化视频智能分析方法，具备相应的功能和有益效果。
133.实施例四：
134.本技术实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的基于模块化视频智能分析引擎的治理系统，该基于模块化视频智能分析引擎的治理系统包括：通过图像获取单元，获取图像信息；通过图像识别单元，对图像进行关键要素识别；通过图像处理单元，对图像进行处理；通过智能引擎单元，创建数据库并对关键要素进行保存，并接收索引指令，根据索引指令检索关键要素所属的业务类型，并进行融合分析；通过数据库管理单元，对数据库进行管理；通过深度学习模块，基于智能引擎单元中关键要素及业务类型和报警信息进行深度学习；通过报警模块，响应融合分析结果并报警。本技术方案，结合管理业务流程进行违规事件信息的及时发送和报警，提高城管理效率。
135.存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如cd-rom、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如dram、ddr ram、sram、edo ram，兰巴斯(rambus)ram等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，
或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
136.当然，本技术实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的基于模块化视频智能分析方法，还可以执行本技术任意实施例所提供的基于模块化视频智能分析方法中的相关操作。
137.上述实施例中提供的基于模块化视频智能分析引擎的治理系统、设备及存储介质可执行本技术任意实施例所提供的基于模块化视频智能分析方法，未在上述实施例中详尽描述的技术细节，可参见本技术任意实施例所提供的基于模块化视频智能分析方法。
138.上述仅为本技术的较佳实施例及所运用的技术原理。本技术不限于这里所述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本技术的保护范围。因此，虽然通过以上实施例对本技术进行了较为详细的说明，但是本技术不仅仅限于以上实施例，在不脱离本技术构思的情况下，还可以包括更多其他等效实施例，而本技术的范围由权利要求的范围决定。