一种人员滞留检测方法、装置、服务器及系统与流程

本发明涉及监控技术领域，尤其涉及一种人员滞留检测方法、装置、服务器及系统。

背景技术：

随着社会的发展，社会安全成为了人们关注的焦点，特别是公共场所。例如车站、机场、商场等人口密集的场所，存在很大的安全隐患，需要进行实时监测。视频监控行业的快速发展，通过人工进行视频监控的入侵防范成为了安防管理的一种重要手段，但随着视频监控部署规模的快速增加，人工的视频监看产生了新的问题。例如：人工视频监看额外增加了人员的工作内容，也加大了视频监控人员的工作强度。当监控人员换班、离岗或疲劳时，很大可能会漏检，且当部署较多数量的监控视频时，待监视的视频无法全部被实时查看，导致无法在事发时第一时间触发警报。

技术实现要素：

本发明实施例所要解决的技术问题在于，提供一种人员滞留检测方法、装置、服务器及系统，能够

本发明能够实时对人员滞留行为进行判断并及时触发警报，克服了人为监看和分析滞留行为的遗漏可能，提高了人员滞留检测的可靠性和实时性。

为了解决上述技术问题，本发明实施例提供了一种人员滞留检测方法，包括如下步骤：

接收客户端发送的布控任务，并根据所述布控任务配置图像采集系统；

获取所述图像采集系统的视频信息，并利用深度学习算法解析所述视频信息，得到预设监控区域的运动对象的轮廓信息；

当根据所述轮廓信息，识别所述运动对象不包括人时，过滤所述运动对象；

当根据所述轮廓信息，识别所述运动对象为人时，实时检测所述运动对象的位置信息；

当根据所述位置信息，判断所述运动对象处于预设区域时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间；

当所述滞留时间大于或等于第一预设时间，或所述目标对象在第二预设时间内的滞留时间总和大于或等于第一预设时间时，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以使所述前端告警终端根据所述告警信息触发警报。

进一步地，所述当根据所述轮廓信息，识别所述运动对象为人时，实时检测所述运动对象的位置信息，具体为:

根据相似度算法，将所述轮廓信息与图像数据库中的预存的物体轮廓信息进行比对，识别出所述运动对象为人时，将所述运动对象锁定为目标对象；

实时检测所述运动对象的位置信息。

进一步地，所述当根据所述位置信息，并判断所述运动对象处于预设区域时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间，具体为：

当根据所述位置信息判断所述运动对象与预设区域边界最短距离为零或负数时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间；其中，以所述运动对象与所述预设的禁入区域边界最短距离的边界点为零界点，所述临界点指向无穷远为正方向。

进一步地，所述告警信息包括所述目标对象的视频信息和用于触发所述前端告警终端展示所述目标对象的视频信息和警报的指令；所述警报包括声光警报。

进一步地，所述深度学习算法包括自适应学习算法、卷积神经网络、循环神经网络和递归神经网络。

进一步地，所述布控任务包括监控区域、监控时长和监控周期；所述图像采集系统包括至少一个摄像头和与所述摄像头对应的交换机。

本发明实施例还提供了一种人员滞留检测装置，包括：

布控单元，用于接收客户端发送的布控任务，并根据所述布控任务配置图像采集系统；

视频信息解析单元，用于获取所述图像采集系统的视频信息，并利用深度学习算法解析所述视频信息，得到预设监控区域的运动对象的轮廓信息；

识别单元，用于当根据所述轮廓信息，识别所述运动对象不包括人时，过滤所述运动对象；当根据所述轮廓信息，识别所述运动对象为人时，实时检测所述运动对象的位置信息；

目标对象锁定单元，用于当根据所述位置信息，判断所述运动对象处于预设区域时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间；

滞留判断单元，用于判断所述滞留时间是否大于或等于第一预设时间，或所述目标对象在第二预设时间内的滞留时间总和是否大于或等于第一预设时间；

告警单元，用于当所述滞留时间大于或等于第一预设时间，或所述目标对象在第二预设时间内的滞留时间总和大于或等于第一预设时间时，根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以使所述前端告警终端根据所述告警信息触发警报。

本发明实施例还提供了一种人员滞留检测服务器，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的人员滞留检测方法。

本发明实施例还提供了一种人员滞留检测系统，包括：客户端、服务器端、图像采集系统和前端告警终端；

所述客户端，用于发送布控任务至所述服务器端；

所述服务器端，用于根据所述布控任务配置图像采集系统；

所述图像采集系统，用于采集预设监控区域的视频信息；

所述服务器端，还用于获取所述图像采集系统的视频信息，并利用深度学习算法解析所述视频信息，得到预设监控区域的运动对象的轮廓信息；

所述服务器端，还用于当根据所述轮廓信息，识别所述运动对象不包括人时，过滤所述运动对象；当根据所述轮廓信息，识别所述运动对象为人时，实时检测所述运动对象的位置信息；

所述服务器端，还用于当根据所述位置信息，判断所述运动对象处于预设区域时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间；

所述服务器端，还用于当所述滞留时间大于或等于第一预设时间，或所述目标对象在第二预设时间内的滞留时间总和大于或等于第一预设时间时，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端；

所述客户端，还用于根据所述告警信息，展示所述视频信息；

所述前端告警终端，用于根据所述告警信息，展示所述视频信息并触发警报。

进一步地，所述当根据所述位置信息，判断所述运动对象处于预设区域时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间，具体为：

当所述服务器端根据所述位置信息判断所述运动对象与预设区域边界最短距离为零或负数时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间；其中，以所述运动对象与所述预设的禁入区域边界最短距离的边界点为零界点，所述临界点指向无穷远为正方向。

本发明实施例具有以下效果：

本发明公开的一种人员滞留检测方法、装置、服务器及系统，所述方法包括：对图像采集系统进行布控管理；利用深度学习算法解析获取的视频信息，得到预设监控区域的运动对象的轮廓信息；识别所述运动对象不包括人时，过滤所述运动对象；识别所述运动对象为人且判断所述运动对象处于预设区域时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间；当所述滞留时间大于或等于第一预设时间时，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以触发警报。本发明能够实时对人员滞留行为进行判断并及时触发警报，克服了人为监看和分析滞留行为的遗漏可能，提高了人员滞留检测的可靠性和实时性。

附图说明

图1是本发明第一实施例提供的人员滞留检测方法的流程示意图；

图2是本发明第一实施例中安防系统的架构示意图；

图3是本发明第二实施例提供的人员滞留检测装置的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明实施例中的客户端可以是移动终端以及非移动终端，非移动终端包括台式计算机，移动终端包括智能手机(smartphone，如android手机、ios手机等)、智能眼镜、智能手表、智能手环、平板电脑、笔记本电脑、个人数字助理等可以进行无线通信的移动互联网设备。

本发明第一实施例：

请参阅图1，图1是本发明第一实施例提供的人员滞留检测方法的流程示意图。

所述人员滞留检测方法，包括如下步骤：

s101、接收客户端发送的布控任务，并根据所述布控任务配置图像采集系统。

在本实施例中，如图2所示，图2是本发明第一实施例中安防系统的架构示意图。实施所述边界入侵检测方法需要客户端201、服务器端202(所述服务器端包括后台管理服务器2021和视频分析服务器2022)、图像采集系统203和前端告警终端204等装置。其中，所述图像采集系统包括至少一个摄像头2031和与所述摄像头对应的交换机2032。客户端201设定布控任务包括监控区域、监控时长和监控周期；将所述布控任务发送至服务器端202。服务器端202根据所述布控任务获取所述监控区域对应的图像采集系统203，并根据所述监控时长和所述监控周期，通过实时流媒体协议(例如：rtsp协议(realtimestreamingprotocol，实时流传输协议))实时获取所述图像采集系统的视频信息，并利用视频编解码(例如：ffmpeg(一套可以用来记录、转换数字音频、视频，并能将其转化为流的开源计算机程序)编解码代码)获取视频信息中的帧信息。解析所述视频流信息中的帧信息，获取视频帧图片yuv(被欧洲电视系统所采用的一种颜色编码方法)数据，通过转换yuv数据把图片存为rgb(rgb色彩模式是工业界的一种颜色标准)格式。

可以理解的是，所述实时流媒体协议包括但不限于所述rtsp协议。所述视频编解码包括但不限于所述ffmpeg编解码。

可以理解的是，当所述监控区域尚未接入图像采集系统，则接入图像采集系统，以保证布控任务的实施。

s102、获取所述图像采集系统的视频信息，并利用深度学习算法解析所述视频信息，得到预设监控区域的运动对象的轮廓信息。

在本实施例中，所述深度学习算法包括自适应学习算法、卷积神经网络、循环神经网络和递归神经网络。深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如，人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

可以理解的是，本步骤利用深度学习算法，解析视频信息中的图像元素，并计算出预设监控区域的运动对象的轮廓信息。

需要说明的是，本步骤利用训练好的神经网络模型，通过深度学习算法将视频信息中的图像分成不同的区域，并定义每个区域的边界，并根据边界设置相关的阈值进行后续的入侵判断。

s103、当根据所述轮廓信息，识别所述运动对象不包括人时，过滤所述运动对象；当根据所述轮廓信息，识别所述运动对象为人时，实时检测所述运动对象的位置信息。

在本实施例中，根据相似度算法，将所述轮廓信息与图像数据库中的预存的物体轮廓信息进行比对，识别出所述运动对象为人、动物或交通工具。具体地，所述轮廓信息是指待监视目标(人或物)在视觉上被观看时，特定位置一定会显示的内容。如：当目标是人时，人的骨骼轮廓一定会存在的；当目标是树(物)时，树的主干和分支轮廓会存在。需要说明的是，在运动对象识别过程中，需要过滤干扰信息。例如：对视频信息中的整张图像分片进行预设目标识别，过滤掉不相关信息。如：当要识别的运动对象是人时，则人旁边的树、汽车等被认为是不相关信息；当要识别的运动对象还是交通工具时，则其他的不是交通工具的物体是不相关信息。当识别所述运动对象不包括人时，过滤所述运动对象，即忽略所述运动对象。当识别所述运动对象为人时，实时检测所述运动对象的位置信息。

s104、当根据所述位置信息，判断所述运动对象处于预设区域时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间。

在本实施例中，当根据所述位置信息判断所述运动对象与预设区域边界最短距离为零或负数时，将所述运动对象锁定为目标对象并启动计时，以检测所述目标对象在预设区域的滞留时间。其中，以所述运动对象与所述预设的禁入区域边界最短距离的边界点为零界点，所述临界点指向无穷远为正方向。

可以理解的是，所述目标对象与预设的禁入区域边界最短距离为零，是指所述目标对象处于边界线上。所述目标对象与预设的禁入区域边界最短距离或负数，是指所述目标对象处于边界线包围圈内，即预设的禁入区域内。

s105、当所述滞留时间大于或等于第一预设时间，或所述目标对象在第二预设时间内的滞留时间总和大于或等于第一预设时间时，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以使所述前端告警终端根据所述告警信息触发警报。

在本实施例中，当所述目标对象在第二预设时间段内，一直滞留在所述预设区域，则判断所述滞留时间是否大于或等于第一预设时间。若是，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以使所述前端告警终端根据所述告警信息触发警报。

当所述目标对象在第二预设时间段内，多次进出所述预设区域，则统计在第二预设时间段内所述目标对象多次滞留在所述预设区域的滞留时间总和，评判断所述滞留时间总和是否大于或等于第一预设时间。若是，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以使所述前端告警终端根据所述告警信息触发警报。

需要说明的是，所述告警信息包括所述目标对象的视频信息和用于触发所述前端告警终端展示所述目标对象的视频信息和警报的指令；所述警报包括声光警报。可以理解的是，客户端可以实时接收预设监控区域的视频信息并展示，以便管理人员或值班人员能实时监控看监控视频。前端告警终端能根据告警信息，展示所述目标对象当前入侵或企图非法入侵预设的禁入区域的视频信息，并触发警报。

本实施例提供的一种人员滞留检测方法，包括：对图像采集系统进行布控管理；利用深度学习算法解析获取的视频信息，得到预设监控区域的运动对象的轮廓信息；识别所述运动对象不包括人时，过滤所述运动对象；识别所述运动对象为人且判断所述运动对象处于预设区域时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间；当所述滞留时间大于或等于第一预设时间时，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以触发警报。本发明能够实时对人员滞留行为进行判断并及时触发警报，克服了人为监看和分析滞留行为的遗漏可能，提高了人员滞留检测的可靠性和实时性。

本发明第二实施例：

请参阅图3，图3是本发明第二实施例提供的人员滞留检测装置的结构示意图。

所述人员滞留检测装置，包括：

布控单元301，用于接收客户端发送的布控任务，并根据所述布控任务配置图像采集系统。

视频信息解析单元302，用于获取所述图像采集系统的视频信息，并利用深度学习算法解析所述视频信息，得到预设监控区域的运动对象的轮廓信息。

识别单元303，用于当根据所述轮廓信息，识别所述运动对象不包括人时，过滤所述运动对象；当根据所述轮廓信息，识别所述运动对象为人时，实时检测所述运动对象的位置信息。

在本实施例中，根据相似度算法，将所述轮廓信息与图像数据库中的预存的物体轮廓信息进行比对，识别出所述运动对象为人、动物或交通工具。具体地，所述轮廓信息是指待监视目标(人或物)在视觉上被观看时，特定位置一定会显示的内容。如：当目标是人时，人的骨骼轮廓一定会存在的；当目标是树(物)时，树的主干和分支轮廓会存在。需要说明的是，在运动对象识别过程中，需要过滤干扰信息。例如：对视频信息中的整张图像分片进行预设目标识别，过滤掉不相关信息。如：当要识别的运动对象是人时，则人旁边的树、汽车等被认为是不相关信息；当要识别的运动对象还是交通工具时，则其他的不是交通工具的物体是不相关信息。当识别所述运动对象不包括人时，过滤所述运动对象，即忽略所述运动对象。当识别所述运动对象为人时，实时检测所述运动对象的位置信息。

目标对象锁定单元304，用于当根据所述位置信息，判断所述运动对象处于预设区域时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间。

在本实施例中，当根据所述位置信息判断所述运动对象与预设区域边界最短距离为零或负数时，将所述运动对象锁定为目标对象并启动计时，以检测所述目标对象在预设区域的滞留时间。其中，以所述运动对象与所述预设的禁入区域边界最短距离的边界点为零界点，所述临界点指向无穷远为正方向。

可以理解的是，所述目标对象与预设的禁入区域边界最短距离为零，是指所述目标对象处于边界线上。所述目标对象与预设的禁入区域边界最短距离或负数，是指所述目标对象处于边界线包围圈内，即预设的禁入区域内。

滞留判断单元305，用于判断所述滞留时间是否大于或等于第一预设时间，或所述目标对象在第二预设时间内的滞留时间总和是否大于或等于第一预设时间。

告警单元306，用于当所述滞留时间大于或等于第一预设时间，或所述目标对象在第二预设时间内的滞留时间总和大于或等于第一预设时间时，根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以使所述前端告警终端根据所述告警信息触发警报。

在本实施例中，当所述目标对象在第二预设时间段内，一直滞留在所述预设区域，则判断所述滞留时间是否大于或等于第一预设时间。若是，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以使所述前端告警终端根据所述告警信息触发警报。

当所述目标对象在第二预设时间段内，多次进出所述预设区域，则统计在第二预设时间段内所述目标对象多次滞留在所述预设区域的滞留时间总和，评判断所述滞留时间总和是否大于或等于第一预设时间。若是，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以使所述前端告警终端根据所述告警信息触发警报。

需要说明的是，所述告警信息包括所述目标对象的视频信息和用于触发所述前端告警终端展示所述目标对象的视频信息和警报的指令；所述警报包括声光警报。可以理解的是，客户端可以实时接收预设监控区域的视频信息并展示，以便管理人员或值班人员能实时监控看监控视频。前端告警终端能根据告警信息，展示所述目标对象当前入侵或企图非法入侵预设的禁入区域的视频信息，并触发警报。

本实施例提供的一种人员滞留检测装置，对图像采集系统进行布控管理；利用深度学习算法解析获取的视频信息，得到预设监控区域的运动对象的轮廓信息；识别所述运动对象不包括人时，过滤所述运动对象；识别所述运动对象为人且判断所述运动对象处于预设区域时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间；当所述滞留时间大于或等于第一预设时间时，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以触发警报。本发明能够实时对人员滞留行为进行判断并及时触发警报，克服了人为监看和分析滞留行为的遗漏可能，提高了人员滞留检测的可靠性和实时性。

本发明实施例还提供了一种人员滞留检测服务器，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的人员滞留检测方法。

本发明实施例三：

本实施例提供了一种人员滞留检测系统，包括：客户端、服务器端、图像采集系统和前端告警终端；

所述客户端，用于发送布控任务至所述服务器端。

所述服务器端，用于根据所述布控任务配置图像采集系统。

所述图像采集系统，用于采集预设监控区域的视频信息。

在本实施例中，如图2所示，图2是本发明第一实施例中安防系统的架构示意图。实施所述边界入侵检测方法需要客户端201、服务器端202(所述服务器端包括后台管理服务器2021和视频分析服务器2022)、图像采集系统203和前端告警终端204等装置。其中，所述图像采集系统包括至少一个摄像头2031和与所述摄像头对应的交换机2032。客户端201设定布控任务包括监控区域、监控时长和监控周期；将所述布控任务发送至服务器端202。服务器端202根据所述布控任务获取所述监控区域对应的图像采集系统203，并根据所述监控时长和所述监控周期，通过实时流媒体协议(例如：rtsp协议(realtimestreamingprotocol，实时流传输协议))实时获取所述图像采集系统的视频信息，并利用视频编解码(例如：ffmpeg(一套可以用来记录、转换数字音频、视频，并能将其转化为流的开源计算机程序)编解码代码)获取视频信息中的帧信息。解析所述视频流信息中的帧信息，获取视频帧图片yuv(被欧洲电视系统所采用的一种颜色编码方法)数据，通过转换yuv数据把图片存为rgb(rgb色彩模式是工业界的一种颜色标准)格式。

可以理解的是，所述实时流媒体协议包括但不限于所述rtsp协议。所述视频编解码包括但不限于所述ffmpeg编解码。

可以理解的是，当所述监控区域尚未接入图像采集系统，则接入图像采集系统，以保证布控任务的实施。

所述服务器端，还用于获取所述图像采集系统的视频信息，并利用深度学习算法解析所述视频信息，得到预设监控区域的运动对象的轮廓信息。

在本实施例中，所述深度学习算法包括自适应学习算法、卷积神经网络、循环神经网络和递归神经网络。深度学习是机器学习中一种基于对数据进行表征学习的方法。观测值(例如一幅图像)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如，人脸识别或面部表情识别)。深度学习的好处是用非监督式或半监督式的特征学习和分层特征提取高效算法来替代手工获取特征。

可以理解的是，本步骤利用深度学习算法，解析视频信息中的图像元素，并计算出预设监控区域的运动对象的轮廓信息。

需要说明的是，本步骤利用训练好的神经网络模型，通过深度学习算法将视频信息中的图像分成不同的区域，并定义每个区域的边界，并根据边界设置相关的阈值进行后续的入侵判断。

所述服务器端，还用于当根据所述轮廓信息，识别所述运动对象不包括人时，过滤所述运动对象；当根据所述轮廓信息，识别所述运动对象为人时，实时检测所述运动对象的位置信息。

在本实施例中，根据相似度算法，将所述轮廓信息与图像数据库中的预存的物体轮廓信息进行比对，识别出所述运动对象为人、动物或交通工具。具体地，所述轮廓信息是指待监视目标(人或物)在视觉上被观看时，特定位置一定会显示的内容。如：当目标是人时，人的骨骼轮廓一定会存在的；当目标是树(物)时，树的主干和分支轮廓会存在。需要说明的是，在运动对象识别过程中，需要过滤干扰信息。例如：对视频信息中的整张图像分片进行预设目标识别，过滤掉不相关信息。如：当要识别的运动对象是人时，则人旁边的树、汽车等被认为是不相关信息；当要识别的运动对象还是交通工具时，则其他的不是交通工具的物体是不相关信息。当识别所述运动对象不包括人时，过滤所述运动对象，即忽略所述运动对象。当识别所述运动对象为人时，实时检测所述运动对象的位置信息。

所述服务器端，还用于当根据所述位置信息，判断所述运动对象处于预设区域时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间。

在本实施例中，当根据所述位置信息判断所述运动对象与预设区域边界最短距离为零或负数时，将所述运动对象锁定为目标对象并启动计时，以检测所述目标对象在预设区域的滞留时间。其中，以所述运动对象与所述预设的禁入区域边界最短距离的边界点为零界点，所述临界点指向无穷远为正方向。

可以理解的是，所述目标对象与预设的禁入区域边界最短距离为零，是指所述目标对象处于边界线上。所述目标对象与预设的禁入区域边界最短距离或负数，是指所述目标对象处于边界线包围圈内，即预设的禁入区域内。

所述服务器端，还用于当所述滞留时间大于或等于第一预设时间，或所述目标对象在第二预设时间内的滞留时间总和大于或等于第一预设时间时，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端。

所述客户端，还用于根据所述告警信息，展示所述视频信息。

所述前端告警终端，用于根据所述告警信息，展示所述视频信息并触发警报。

在本实施例中，当所述目标对象在第二预设时间段内，一直滞留在所述预设区域，则判断所述滞留时间是否大于或等于第一预设时间。若是，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以使所述前端告警终端根据所述告警信息触发警报。

当所述目标对象在第二预设时间段内，多次进出所述预设区域，则统计在第二预设时间段内所述目标对象多次滞留在所述预设区域的滞留时间总和，评判断所述滞留时间总和是否大于或等于第一预设时间。若是，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以使所述前端告警终端根据所述告警信息触发警报。

需要说明的是，所述告警信息包括所述目标对象的视频信息和用于触发所述前端告警终端展示所述目标对象的视频信息和警报的指令；所述警报包括声光警报。可以理解的是，客户端可以实时接收预设监控区域的视频信息并展示，以便管理人员或值班人员能实时监控看监控视频。前端告警终端能根据告警信息，展示所述目标对象当前入侵或企图非法入侵预设的禁入区域的视频信息，并触发警报。

本实施例提供的一种人员滞留检测系统，对图像采集系统进行布控管理；利用深度学习算法解析获取的视频信息，得到预设监控区域的运动对象的轮廓信息；识别所述运动对象不包括人时，过滤所述运动对象；识别所述运动对象为人且判断所述运动对象处于预设区域时，将所述运动对象锁定为目标对象，并检测所述目标对象滞留时间；当所述滞留时间大于或等于第一预设时间时，则根据所述视频信息生成告警信息并发送至所述客户端和前端告警终端，以触发警报。本发明能够实时对人员滞留行为进行判断并及时触发警报，克服了人为监看和分析滞留行为的遗漏可能，提高了人员滞留检测的可靠性和实时性。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变形，这些改进和变形也视为本发明的保护范围。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)或随机存储记忆体(randomaccessmemory，ram)等。