一种摄像头异常检测方法、系统、装置与存储介质与流程

本申请涉及摄像头，尤其是一种摄像头异常检测方法、系统、装置与存储介质。

背景技术：

1、目前视频监控覆盖了我们社会的各个角落，对建设安全社会起到了很好的作用。但是现在大部分人也清楚这个情况了，所以有些人出于某种目的，会在做某些事之前，将摄像头遮挡或者转动一个角度，防止自己被拍到。而目前大规模推广的摄像头不需要人工巡检，也人工巡检不过来，都是到了出事的时候，再调取事发前后的录像、抓拍、智能识别信息。如果到了这时才发现事发前摄像头被遮挡，无法调取关键信息，就会导致无法还原事发过程，也很容易会出现舆情。同样适用于由于网络不稳定、设备故障、大风等其他因素导致摄像头松动较大角度等其他问题。因此，亟需一种新的摄像头异常检测方法。

技术实现思路

1、本申请的目的在于至少一定程度上解决现有技术中存在的技术问题之一。

2、为此，本申请实施例的一个目的在于提供一种摄像头异常检测方法、系统、装置与存储介质，该方法可以提高检测的准确性。

3、为了达到上述技术目的，本申请实施例所采取的技术方案包括：一种摄像头异常检测方法，包括以下步骤：获取摄像头的第一截取图像以及摄像头实时拍摄的第一拍摄图片；所述第一截区图像用于表征摄像头安装完成时拍摄的视频截图；根据所述第一截区图像以及训练好的神经网络模型，得到第二特征向量；根据所述第一拍摄图片以及训练好的神经网络模型，得到第一特征向量；根据所述第一特征向量以及所述第二特征向量，确定摄像头异常。

4、另外，根据本发明中上述实施例的一种摄像头异常检测的方法，还可以有以下附加的技术特征：

5、进一步地，本申请实施例中，所述根据所述第一特征向量以及所述第二特征向量，确定摄像头异常这一步骤，具体包括：将所述第一特征向量与所述第二特征向量作点积运算，得到图片相似度；确定所述相似度小于第一相似度阈值，则所述摄像头存在异常。

6、进一步地，本申请实施例中，还包括：通过若干个不同场景的摄像头拍摄的图片对神经网络进行训练。

7、进一步地，本申请实施例中，所述通过若干个不同场景的摄像头拍摄的图片对神经网络进行训练这一步骤，具体包括：获取若干个摄像头拍摄的图片集合；将所述图片集合输入至神经网络模型，得到训练好的神经网络，其中神经网络的损失函数采用tripletloss函数。

8、进一步地，本申请实施例中，还包括：对干个摄像头拍摄的图片集合进行图片预处理。

9、进一步地，本申请实施例中，所述对干个摄像头拍摄的图片集合进行图片预处理这一步骤，具体包括：采用二次立方缩放算法对所述图片集合进行缩放，得到512*512的彩色图像。

10、进一步地，本申请实施例中，所述神经网络包括vgg神经网络以及resnet神经网络。

11、另一方面，本申请实施例还提供一种摄像头异常检测系统，包括：

12、获取单元，用于获取摄像头的第一截取图像以及摄像头实时拍摄的第一拍摄图片；所述第一截区图像用于表征摄像头安装完成时拍摄的视频截图；

13、第一处理单元，用于根据所述第一截区图像以及训练好的神经网络模型，得到第二特征向量；

14、第二处理单元，用于根据所述第一拍摄图片以及训练好的神经网络模型，得到第一特征向量；

15、第三处理单元，用于根据所述第一特征向量以及所述第二特征向量，确定摄像头异常。

16、另一方面，本申请还提供一种摄像头异常检测装置，包括：

17、至少一个处理器；

18、至少一个存储器，用于存储至少一个程序；

19、当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如
技术实现要素：
中任一项所述一种摄像头异常检测方法。

20、此外，本申请还提供一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行如上述任一项所述一种摄像头异常检测方法。

21、本申请的优点和有益效果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，或通过本申请的实践了解到：

22、本申请可以通过摄像头安装使的的第一截取图像以及摄像头实时拍摄的第一拍摄图片可以判断出摄像头是否存在异常，相比于常用的摄像头异常检测，具有稳定性强，准确率高的特点。

技术特征：

1.一种摄像头异常检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种摄像头异常检测方法，其特征在于，所述根据所述第一特征向量以及所述第二特征向量，确定摄像头异常这一步骤，具体包括：

3.根据权利要求1所述一种摄像头异常检测方法，其特征在于，还包括：通过若干个不同场景的摄像头拍摄的图片对神经网络进行训练。

4.根据权利要求1所述一种摄像头异常检测方法，其特征在于，所述通过若干个不同场景的摄像头拍摄的图片对神经网络进行训练这一步骤，具体包括：

5.根据权利要求4所述一种摄像头异常检测方法，其特征在于，还包括：对干个摄像头拍摄的图片集合进行图片预处理。

6.根据权利要求1所述一种摄像头异常检测方法，其特征在于，所述对干个摄像头拍摄的图片集合进行图片预处理这一步骤，具体包括：

7.根据权利要求4所述一种摄像头异常检测方法，其特征在于，所述神经网络包括vgg神经网络以及resnet神经网络。

8.一种摄像头异常检测系统，其特征在于，包括：

9.一种摄像头异常检测装置，其特征在于包括：

10.一种存储介质，其中存储有处理器可执行的指令，其特征在于，所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7任一项所述一种摄像头异常检测方法。

技术总结
本申请公开了一种摄像头异常检测方法、系统、装置和存储介质，其中方法包括以下步骤：获取摄像头的第一截取图像以及摄像头实时拍摄的第一拍摄图片；所述第一截区图像用于表征摄像头安装完成时拍摄的视频截图；根据所述第一截区图像以及训练好的神经网络模型，得到第二特征向量；根据所述第一拍摄图片以及训练好的神经网络模型，得到第一特征向量；根据所述第一特征向量以及所述第二特征向量，确定摄像头异常。本方法可以根据可以提高检测的准确性。本申请可广泛应用于摄像头技术领域内。

技术研发人员：林载辉,龙裕朝,林瑞杰,王文凯,雷景皓,邢肖宁,张英全,黄勇军
受保护的技术使用者：天翼物联科技有限公司
技术研发日：
技术公布日：2024/1/12