摄像头故障智能寻因方法、装置和摄像头与流程

本发明涉及安防技术领域，具体而言，涉及一种摄像头故障智能寻因方法、装置、摄像头和计算机存储介质。

背景技术

随着安防技术的不断发展以及普及，监控摄像头已经遍布了城市的每一个角落。但是位于安防前端的监控摄像头往往是整个视频监控系统中最为薄弱的环节，摄像头容易受天气、供电以及人为破坏的影响，一旦出现异常或故障，相关区域的安防监控就如虚设。

目前，对于监控摄像头故障的检修，都是通过连接监控摄像头的管理中心，获取摄像头的状态信息，当发现有异常的状态信息时，则派出维护人员进行设备现场的维护及维修。

由于通过管理中心只能获取摄像头异常的状态信息，例如温度过高等，并不能查明产生异常的故障原因，因此需要大量的维护工作人员对异常状态的摄像头现场逐一进行检查，导致工作效率非常低，并且使维护摄像头的工作人员工作量非常大。

技术实现要素：

鉴于上述问题，本发明提供了一种摄像头故障智能寻因方法、装置、摄像头和计算机存储介质，以使摄像头可以智能定位故障原因，减少维护人员的工作量。

为了实现上述目的，本发明采用如下的技术方案：

一种摄像头故障智能寻因方法，包括：

根据确定的多个故障的故障原因以及相应故障的摄像头状态序列信息建立故障寻因模型；

在检测到故障时，利用与该故障相关的摄像头状态序列信息以及所述故障寻因模型确定故障原因。

优选地，所述相应故障的摄像头状态序列信息包括发生故障之前的第一预定时间内的第一摄像头状态序列信息以及发生故障之后的第二预定时间内的第二摄像头状态序列信息。

优选地，所述与该故障相关的摄像头状态序列信息包括检测到故障之前的第三预定时间内的摄像头状态序列信息以及检测到故障之后的第四预定时间内的摄像头状态序列信息。

优选地，所述第一预定时间等于所述第三预定时间，所述第二预定时间等于所述第四预定时间。

优选地，所述状态信息包括电压、温度、湿度、气压、风扇工作状态、加热器工作状态和图像效果中的至少一种信息。

优选地，所述故障寻因模型为lstm模型。

优选地，在建立所述故障寻因模型后，还利用所述相应故障的摄像头状态序列信息作为输入，确定的所述故障原因作为输出对所述故障寻因模型进行训练。

本发明还提供一种摄像头故障智能寻因装置，包括：

模型建立模块，用于根据确定的多个故障的故障原因以及相应故障的摄像头状态序列信息建立故障寻因模型；

故障寻因模块，用于在检测到故障时，利用与该故障相关的摄像头状态序列信息以及所述故障寻因模型确定故障原因。

本发明还提供一种摄像头，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述摄像头执行所述的摄像头故障智能寻因方法。

一种计算机存储介质，其存储有所述的摄像头中所使用的计算机程序。

本发明提供一种摄像头故障智能寻因方法，该方法包括：根据确定的多个故障的故障原因以及相应故障的摄像头状态序列信息建立故障寻因模型；在检测到故障时，利用与该故障相关的摄像头状态序列信息以及所述故障寻因模型确定故障原因。本发明的摄像头故障智能寻因方法，能使摄像头通过生成的故障寻因模型对故障时的状态信息进行分析，从而智能定位故障原因，减少摄像头维护人员的工作量。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明范围的限定。

图1是本发明实施例提供的一种摄像头的结构框图；

图2是本发明实施例1提供的一种摄像头故障智能寻因方法的流程图；

图3是本发明实施例2提供的一种摄像头故障智能寻因方法的流程图；

图4是本发明实施例3提供的一种摄像头故障智能寻因装置的结构图。

具体实施方式

下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。

下述各实施例均可应用于如图1所示的摄像头中，图1示出了该摄像头的结构框图，该摄像头100包括：以太网接口110、存储器120、传感器130、音频电路140、无线保真(wirelessfidelity，wifi)模块150、处理器160、以及电源170等部件。本领域技术人员可以理解，图1中示出的摄像头100结构并不构成对摄像头的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

实施例1

图2是本发明实施例1提供的一种摄像头故障智能寻因方法的流程图，该方法包括如下步骤：

步骤s21：根据确定的多个故障的故障原因以及相应故障的摄像头状态序列信息建立故障寻因模型。

本发明实施例中，该故障寻因模型为双向深度学习模型，也即，该故障寻因模型具有两个深度学习单元以及一个输出端，例如，该故障寻因模型设置有第一深度学习单元及第二深度学习单元，用于接收不同时间段的摄像头的状态信息。其中，上述故障寻因模型可以使用算法以及软件来进行建立，例如，可以使用算法构建两个lstm(longshort-termmemory，长短期记忆网络)学习单元，并连接到一个输出端中，进而构成一个故障寻因模型。

其中，上述第一深度学习单元及第二深度学习单元可以为lstm单元，该故障寻因模型为lstm模型。并且，第一深度学习单元及第二深度学习单元还可以为gru(gatedrecurrentunits，门循环单元)单元、ntm(neuralturingmachines，神经图灵机)单元、bilstm(bidirectionallongshorttermmemorynetworks，双向长短期记忆网络)单元或bigru(bidirectionalgatedrecurrentunits，双向门循环单元)单元。上述第一深度学习单元及第二学习单元可以不同，例如第一深度学习单元为lstm单元，第二深度学习单元为gru单元，这里不做限定。

本发明实施例中，摄像头发生故障后产生的状态序列信息可以使用传感器来采集，例如，可以使用温度传感器采集摄像头的核心温度以及组件温度，并且可以设定一个温度阈值，当温度超过该阈值时可以产生故障提示，以提示维修人员进行维修。其中，上述摄像头中可以使用算法或软件实时监测各种状态信息，当发生故障后则使用算法或应用程序提取故障前后各一段时间的状态信息，生成状态序列信息进行存储，以便维修人员进行分析，以及作为故障寻因模型的建立样本。

其中，上述相应故障的摄像头状态序列信息包括发生故障之前的第一预定时间内的第一摄像头状态序列信息以及发生故障之后的第二预定时间内的第二摄像头状态序列信息。例如，摄像头发生故障后，可以使用算法以每五秒的间隔提取故障发生时刻前后五分钟的状态信息，为第一摄像头状态序列及第二摄像头状态序列。该前后五分钟的状态信息应为动态变化的状态信息，因此可以生成时间-状态信息图，便于存储以及进行故障寻因模型的建立及训练。其中，第一预定时间与第二预定时间可以不同，例如第一预定时间为五分钟，第二预定时间为十秒钟。

并且，第一摄像头状态序列信息与第二摄像头状态序列信息的采集间隔也可以不同，例如第一摄像头状态序列信息使用每隔两秒采集的方式，第二摄像头状态序列信息可以使用每隔五秒采集方式，从而达到重点构建故障寻因模型对于故障前段时间状态信息进行分析的能力。采集的时间间隔越小以及采集的时间长度越长，生成的故障寻因模型质量就越高，相对地，在故障寻因模型进行训练时占用的计算资源也就越多，因此可以通过多次试验找出适宜的采集时间间隔以及采集时间长度，这里不做限定。

其中，该状态序列信息包括电压、温度、湿度、气压、风扇工作状态、加热器工作状态和图像效果中的至少一种信息。该电压的监测包括摄像头的输入电压以及各种关键电路的电压，该温度的监测包括摄像头的核心温度以及各种关键组件的温度，该湿度的监测包括摄像头的核心湿度以及各种关键组件的湿度，该气压的监测包括摄像头的核心气压以及各种关键组件的气压。

本实施例中，故障原因可由维修人员进行采集，例如工作人员可以在摄像头故障时存储的状态序列信息上附加故障原因标签，摄像头接收故障原因标签并与相应的状态信息进行存储，作为建立故障寻因模型的样本。

步骤s22：在检测到故障时，利用与该故障相关的摄像头状态序列信息以及故障寻因模型确定故障原因。

本发明实施例中，在建立故障寻因模型过程中，可以将状态序列信息输入第一深度学习单元及第二深度学习单元产生的数据信息与相应的故障原因标签进行联系，产生回归函数，进行故障原因判断拟合，以便摄像头可以使用状态信息自主判断故障原因，例如上述产生的数据信息可以与故障标签可以进行softmax回归算法处理，以使建立后的故障寻因模型利用softmax回归算法进一步准确判断故障原因。其中，上述故障寻因模型的建立过程中可以使用大量不同时间发生，以及不同故障原因的建立样本，使生成的故障寻因模型对故障原因的判断更加精确。

其中，该与该故障相关的摄像头状态序列信息包括检测到故障之前的第三预定时间内的摄像头状态序列信息以及检测到故障之后的第四预定时间内的摄像头状态序列信息。例如，摄像头发生故障后，可以使用算法以每五秒的间隔提取故障发生时刻前后五分钟的状态信息，生成第三预定时间以及第四预定时间内的两个状态序列信息。

其中，第三预定时间与第四预定时间可以不同，例如第三预定时间为五分钟，第四预定时间为十秒钟。并且，上述两个状态序列信息采集间隔也可以不同，例如第三预定时间内的采集过程使用每隔两秒采集的方式，第四预定时间内的采集过程可以使用每隔五秒采集方式，从而使用该故障寻因模型达到重点分析故障前状态信息的目的。采集的时间间隔越小以及采集的时间长度越长，生成的状态序列信息质量就越高，相对地，在故障寻因模型进行故障寻因时占用的计算资源也就越多，因此可以通过多次试验找出适宜的采集时间间隔以及采集时间长度，这里不做限定。

并且，本实施例中，该第一预定时间等于第三预定时间，该第二预定时间等于第四预定时间。也即，建立故障寻因模型的状态序列信息与发生故障时采集的状态序列信息长度一致，采集间隔也一致，以保证故障寻因模型可以正常进行故障原因判断工作。

实施例2

图3是本发明实施例2提供的一种摄像头故障智能寻因方法的流程图，该方法包括如下步骤：

步骤s31：根据确定的多个故障的故障原因以及相应故障的摄像头状态序列信息建立故障寻因模型。

此步骤与上述步骤s21一致，这里不再赘述。

步骤s32：在建立故障寻因模型后，还利用相应故障的摄像头状态序列信息作为输入，确定的故障原因作为输出对故障寻因模型进行训练。

步骤s33：在检测到故障时，利用与该故障相关的摄像头状态序列信息以及故障寻因模型确定故障原因。

此步骤与上述步骤s22一致，这里不再赘述。

本发明实施例中，当建立故障寻因模型后，还可以使用多个故障的状态序列信息以及相应的故障原因对该故障寻因模型进行训练。其中，该状态序列信息以及相应的故障原因作为训练样本，可以由工作人员输入提供，以快速加强摄像头故障寻因模型自主分析故障原因的能力，该故障寻因模型使用越多不同的训练样本进行训练，其判断故障原因的精确度越高。

因此，本实施例的摄像头故障智能寻因方法，能使摄像头通过生成的故障智能寻因模型对故障时的状态信息进行分析，从而智能定位故障原因，减少摄像头维护人员的工作量。

其中，获得的故障原因还可以发送至管理平台，例如发送至管理服务器中，以实现对大量摄像头进行同时监控的目的。并且在管理平台中还可以远程操控摄像头，解决一部分可远程修复的故障，减少维修人员的维护，提高工作效率。

实施例3

图4是本发明实施例3提供的一种摄像头故障智能寻因装置的结构图。该摄像头故障智能寻因装置400包括：

模型建立模块410，用于根据确定的多个故障的故障原因以及相应故障的摄像头状态序列信息建立故障寻因模型；

故障寻因模块420，用于在检测到故障时，利用与该故障相关的摄像头状态序列信息以及故障寻因模型确定故障原因。

本发明实施例中各模块更加详细的功能描述可以参考前述实施例中相应的部分，这里不再赘述。

此外，本发明还提供了一种摄像头，该摄像头包括存储器和处理器，存储器可用于存储计算机程序，处理器通过运行所述计算机程序，从而使摄像头执行上述方法或者上述摄像头故障智能寻因装置中的各个模块的功能。

存储器可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等；存储数据区可存储根据摄像头的使用所创建的数据等。此外，存储器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、或其他易失性固态存储器件。

本实施例还提供了一种计算机存储介质，用于储存上述摄像头中使用的计算机程序。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、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，所述模块、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，在作为替换的实现方式中，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，两个连续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，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动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。

另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。