一种异常事件判定方法及装置与流程

本技术涉及计算机视觉，具体而言，涉及一种异常事件判定方法及装置。

背景技术：

1、目前已有技术采用计算机视觉模型对视频流进行逐帧实时分析，依赖于模型的检测能力、分割能力和分类能力来识别目标或异常情况，一旦检测到，即输出相应的异常事件。然而，由于复杂场景、遮挡或光照变化等因素的影响，模型容易产生误识别，导致频繁上报或误报。

技术实现思路

1、本技术实施例的目的在于提供一种异常事件判定方法及装置，用以解决由于复杂场景、遮挡或光照变化等因素的影响，模型容易产生误识别，导致频繁上报或误报的问题。

2、本技术实施例提供的一种异常事件判定方法，包括：

3、获取摄像头拍摄的视频流数据；

4、对视频流数据中的帧图像进行分析，识别出异常事件；

5、按照预设的上报规则，将异常事件上报；其中，上报规则包括：多次识别出同一异常事件时，进行一次异常事件上报。

6、上述技术方案中，实时获取摄像头拍摄的视频流数据，通过对视频流数据中的帧图像进行分析，实现对视频流数据的自动分析，减轻了人工监控的压力，提高了工作效率，该方法能有效、及时识别出异常事件，以迅速作出反应，减少损失。根据预设的上报规则将识别出的异常事件进行上报，例如多次识别出异常事件时才进行上报，避免误报，又例如在多次识别出同一异常事件时，只上报一次该异常事件，避免频繁上报。

7、在一些可选的实施方式中，对视频流数据中的帧图像进行分析，识别出异常事件，包括：

8、判断当前时间是否在预设时间内；

9、若当前时间在预设时间内，则利用目标检测模型和/或分类检测模型和/或行为识别模型对当前帧图像进行目标检测，确定当前帧图像中存在异常事件的类别和置信度。

10、上述技术方案中，通过在分析前先判断当前时间是否在预设时间内，可以排除在非预设时间段内出现的异常事件，从而减少误报和漏报的可能性。同时，使用模型(目标检测模型和/或分类检测模型和/或行为识别模型)可以对当前帧图像中的异常事件进行更准确、精细的识别，提高识别精度。利用模型可以确定当前帧图像中存在异常事件的类别和置信度，从而能够提供更详细的事件信息，有助于后续的决策和应对。通过预设时间段和检测模型的结合使用，该方法能够适应不同场景和需求，例如在特定时间段内对特定区域进行监控，或者对特定类型的异常事件进行识别和上报。

11、在一些可选的实施方式中，对视频流数据中的帧图像进行分析，识别出异常事件，包括：

12、根据视频流数据中帧图像的帧号，每隔固定帧提取帧图像，组成第一序列的帧图像；

13、对第一序列的帧图像进行目标检测，确定第一序列的帧图像中存在异常事件的类别和置信度。

14、上述技术方案中，根据帧号定时提取帧图像，可以更及时地获取并分析视频流数据中的异常事件。这种方法避免了依赖于视频流数据的连续性和实时性，能够在网络不稳定或者数据传输延迟的情况下，仍然保证异常事件的及时发现和上报。对第一序列的帧图像进行独立的目标检测，可以减轻系统对连续视频流数据的处理负担。这种方法将视频流数据拆分成独立的帧图像进行分析，降低了系统的计算量和内存消耗，提高了系统的稳定性和效率。

15、在一些可选的实施方式中，按照预设的上报规则，将异常事件上报，包括：

16、对第一序列的当前帧图像进行目标检测，得到第一序列的当前帧图像存在的第一异常事件和对应的第一置信度；

17、获取第一异常事件的置信度阈值，判断第一置信度是否大于置信度阈值；

18、若第一置信度大于置信度阈值，则确定第一序列的当前帧图像存在第一异常事件。

19、上述技术方案中，通过对第一异常事件的置信度进行评估和阈值比较，可以更准确地确定第一序列的当前帧图像是否存在第一异常事件。这种方法避免了仅凭置信度高低进行判定，提高了异常事件识别的准确性。通过设置不同的置信度阈值，可以根据实际情况灵活调整判定标准。例如，在需要严格控制异常事件发生的情况下，可以设置较高的置信度阈值，以减少误报的可能性。而在需要广泛监测异常事件的情况下，可以设置较低的置信度阈值，以增加异常事件的发现概率。

20、在一些可选的实施方式中，确定第一序列的当前帧图像存在第一异常事件之后，还包括：

21、获取第一序列中包括当前帧图像的最近的设定n张帧图像，并组成第二序列的帧图像；

22、第二序列的帧图像中确定存在第一异常事件的帧图像的数量为a，判断a/n是否大于比例阈值；

23、若a/n大于比例阈值，则判定当前发生第一异常事件，并进行上报。

24、上述技术方案中，通过在第二序列的帧图像中确定存在第一异常事件的帧图像的数量，并判断其比例是否大于比例阈值，可以更准确地确定第一异常事件是否真正发生。这种方法避免了仅凭单一帧图像的异常检测结果进行判定，提高了异常事件识别的准确性。由于第一异常事件在连续n帧图像中出现的比例被考虑在内，这种方法能够更好地抵抗偶然的异常检测结果和噪声干扰。如果某帧图像中的异常检测结果是由于偶然因素引起的，那么在连续n帧图像中可能只有少数几帧图像出现异常，这种情况下的判定结果就会更加稳定可靠。通过设置不同的比例阈值，可以根据实际情况灵活调整判定标准。例如，在需要严格控制异常事件发生的情况下，可以设置较高的比例阈值，以减少误报的可能性。而在需要广泛监测异常事件的情况下，可以设置较低的比例阈值，以增加异常事件的发现概率。

25、在一些可选的实施方式中，判定当前发生第一异常事件之后，还包括：

26、进入上报冷却时间，在上报冷却时间内，判定当前发生的所有异常事件不再进行上报。

27、上述技术方案中，进入上报冷却时间可以避免在短时间内多次上报相同的异常事件，从而减少误报和冗报的可能性。如果有多次连续的异常事件发生，只有第一次异常事件会被上报，后续的相同异常事件会在上报冷却时间内被忽略。进入上报冷却时间可以避免在短时间内频繁上报异常事件，从而降低了系统的负担和资源消耗。这样可以提高系统的运行效率，同时也可以减少网络传输的开销，避免网络拥堵。进入上报冷却时间可以避免在异常事件发生后系统处于持续高负载状态，从而增强了系统的稳定性。这样可以避免系统过载崩溃，提高了系统的可用性和可靠性。

28、在一些可选的实施方式中，判定当前发生第一异常事件之后，还包括：

29、进入上报冷却时间和去重判定时间；其中，去重判定时间大于上报冷却时间；

30、在上报冷却时间内，判定当前发生的所有异常事件不再进行上报；

31、在上报冷却时间结束，且在去重判定时间内，判定当前发生的第一异常事件不再进行上报，判定当前发生的第二异常事件则进行上报。

32、上述技术方案中，进入上报冷却时间和去重判定时间可以避免在短时间内多次上报相同的异常事件，从而减少冗报的可能性。如果有多次连续的异常事件发生，只有第一次异常事件和与第一次不同的后续异常事件会被上报，相同异常事件会在上报冷却时间和去重判定时间内被忽略。进入上报冷却时间和去重判定时间可以避免在短时间内频繁上报异常事件，从而降低了系统的负担和资源消耗。这样可以提高系统的运行效率，同时也可以减少网络传输的开销，避免网络拥堵。进入上报冷却时间和去重判定时间可以避免在异常事件发生后系统处于持续高负载状态，从而增强了系统的稳定性。这样可以避免系统过载崩溃，提高了系统的可用性和可靠性。

33、本技术实施例提供的一种异常事件判定装置，包括：

34、获取模块，用于获取摄像头拍摄的视频流数据；

35、检测模块，用于对视频流数据中的帧图像进行分析，识别出异常事件；

36、上报模块，用于按照预设的上报规则，将异常事件上报；其中，上报规则包括：多次识别出同一异常事件时，进行一次异常事件上报。

37、在一些可选的实施方式中，检测模块还用于：

38、判断当前时间是否在预设时间内；

39、若当前时间在预设时间内，则利用目标检测模型和/或分类检测模型和/或行为识别模型对当前帧图像进行目标检测，确定当前帧图像中存在异常事件的类别和置信度。

40、在一些可选的实施方式中，检测模块还用于：

41、根据视频流数据中帧图像的帧号，每隔固定帧提取帧图像，组成第一序列的帧图像；

42、对第一序列的帧图像进行目标检测，确定第一序列的帧图像中存在异常事件的类别和置信度。

43、在一些可选的实施方式中，上报模块还用于：

44、对第一序列的当前帧图像进行目标检测，得到第一序列的当前帧图像存在的第一异常事件和对应的第一置信度；

45、获取第一异常事件的置信度阈值，判断第一置信度是否大于置信度阈值；

46、若第一置信度大于置信度阈值，则确定第一序列的当前帧图像存在第一异常事件。

47、在一些可选的实施方式中，上报模块还用于：

48、获取第一序列中包括当前帧图像的最近的设定n张帧图像，并组成第二序列的帧图像；

49、第二序列的帧图像中确定存在第一异常事件的帧图像的数量为a，判断a/n是否大于比例阈值；

50、若a/n大于比例阈值，则判定当前发生第一异常事件，并进行上报。

51、在一些可选的实施方式中，上报模块还用于：

52、进入上报冷却时间，在上报冷却时间内，判定当前发生的所有异常事件不再进行上报。

53、在一些可选的实施方式中，上报模块还用于：

54、进入上报冷却时间和去重判定时间；其中，去重判定时间大于上报冷却时间；

55、在上报冷却时间内，判定当前发生的所有异常事件不再进行上报；

56、在上报冷却时间结束，且在去重判定时间内，判定当前发生的第一异常事件不再进行上报，判定当前发生的第二异常事件则进行上报。

57、本技术实施例提供的一种电子设备，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，所述机器可读指令被所述处理器执行时执行如以上任一所述的方法。

58、本技术实施例提供的一种计算机可读存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如以上任一所述的方法。