本发明属于监控装置,尤其涉及一种基于人工智能的监控装置分层处理方法。
背景技术:
1、在电力企业中存在大量的监控设备,上述监控设备在电力企业中的安监、基建、设备等领域得到了大规模的应用,但是与此同时,由于监控设备的数量较多,如何基于统一视频平台实现对监控设备的动态图像分析和管理成为亟待解决的技术问题。
2、为了解决上述技术问题,现有技术方案例如发明专利cn202011579152.3、cn202010408818.2均给出了类似的统一视频管理平台,具体的在cn202010408818.2《一种电力视频监控视联网平台》中利用视频数据数字化处理模块对接入的视频数据进行编解码、搜索和播放,实现了对接入视频数据的统一监管,但是却存在以下问题:
3、1、现有技术方案中忽视了基于监控装置的离在线、超时等状态跟踪结果对监控装置进行分层管理,由于不同的监控装置在历史中的离在线、超时连接数据等状态存在差异,因此其监控可靠性也存在差异,因此若不能结合上述因素对监控装置进行分层管理,则无法保证监控装置的监控运行的可靠性。
4、2、对于不同的监控装置,其监控管理的对象存在较大的差异,因此通过监控装置的监控图像进行分析处理,不同类型的监控图像的分析解析算法存在一定程度的差异,若不能根据监控装置的监控管理的对象进行分层分类管理,则无法保证监控装置的解析处理的实时性。
5、针对上述技术问题,本发明提供了一种基于人工智能的监控装置分层处理方法。
技术实现思路
1、为实现本发明目的,本发明采用如下技术方案:
2、根据本发明的一个方面,提供了一种基于人工智能的监控装置分层处理方法。
3、一种基于人工智能的监控装置分层处理方法,其特征在于,具体包括:
4、将视频统一监管平台的统一接入管理的监控装置作为待处理监控装置,通过历史离线数据和网络连接数据进行所述待处理监控装置的连接稳定性的确定,并将连接稳定性不满足要求的待处理监控装置的层级划分至第一层级;
5、通过监控管理对象进行所述待处理监控装置的图像质量指标的确定,并将所述待处理监控装置的历史监控图像中不满足图像质量指标的问题监控图像作为输入集,采用基于神经网络算法的评估模型确定所述待处理监控装置的图像质量评测值,并将图像质量评测值不满足要求的待处理监控装置的层级划分至第二层级;
6、将不属于第一层次以及第二层级的待处理监控装置作为待划分监控装置,并根据监控管理对象进行所述待划分监控装置的层级的划分得到初始划分层级,基于相同的初始划分层级的待划分监控装置的图像质量评测值、连接稳定性以及所在位置进行二次划分得到所述待划分监控装置的层级;
7、基于待处理监控装置的层级进行所述待处理监控装置的解析顺序和监控数据的存储位置的确定。
8、本发明的有益效果在于:
9、1、通过进行待处理监控装置的连接稳定性的确定,并将连接稳定性不满足要求的待处理监控装置的层级划分至第一层级,从而实现了对网络连接状态不稳定的待处理监控装置的筛选,也为进一步加强对网络连接状态不稳定的待处理监控装置的监控管理奠定了基础。
10、2、通过进行待处理监控装置的图像质量评测值的评估,并将图像质量评测值不满足要求的待处理监控装置的层级划分至第二层级,从而实现了从待处理监控装置的图像质量的角度实现了对待处理监控装置的筛选,也为进一步加强监控图像的图像质量不高的待处理监控装置的监控管理奠定了基础。
11、3、通过基于相同的初始划分层级的待划分监控装置的图像质量评测值、连接稳定性以及所在位置进行二次划分得到待划分监控装置的层级,不仅考虑到不同的待划分监控装置的图像质量以及网络连接状态,同时也考虑到所在位置的差异导致的待划分监控装置的关联性的差异,也为较快的实现对不同地区的故障问题的挖掘奠定了基础。
12、进一步的技术方案在于,所述历史离线数据包括所述待处理监控装置的历史离线次数以及不同的历史离线次数的离线时长。
13、进一步的技术方案在于,所述网络连接数据通过所述视频统一监管平台获取所述待处理监控装置的监控数据时的连接时长进行确定,具体的所述网络连接数据包括平均连接时长以及连接时长大于预设时长的连接次数。
14、进一步的技术方案在于,基于待处理监控装置的层级进行所述待处理监控装置的解析顺序和监控数据的存储位置的确定,具体包括:
15、基于所述待处理监控装置的层级确定所述待处理监控装置的图像解析顺序,并将相同层级的待处理监控装置的监控数据的存储位置设置于同一个服务器。
16、另一方面,本发明提供了一种计算机系统,包括:通信连接的存储器和处理器,以及存储在所述存储器上并能够在所述处理器上运行的计算机程序,其特征在于:所述处理器运行所述计算机程序时执行上述的一种基于人工智能的监控装置分层处理方法。
17、另一方面,本申请实施例中提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的一种基于人工智能的监控装置分层处理方法。
18、其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
19、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。
1.一种基于人工智能的监控装置分层处理方法,其特征在于,具体包括:
2.如权利要求1所述的一种基于人工智能的监控装置分层处理方法,其特征在于,所述历史离线数据包括所述待处理监控装置的历史离线次数以及不同的历史离线次数的离线时长。
3.如权利要求1所述的一种基于人工智能的监控装置分层处理方法,其特征在于,所述待处理监控装置的连接稳定性的确定的方法为:
4.如权利要求1所述的一种基于人工智能的监控装置分层处理方法,其特征在于,将连接稳定性不满足要求的待处理监控装置的层级划分至第一层级,具体包括:
5.如权利要求1所述的一种基于人工智能的监控装置分层处理方法,其特征在于,所述待处理监控装置的图像质量指标包括雪花识别结果、图像清晰度以及图像亮度。
6.如权利要求1所述的一种基于人工智能的监控装置分层处理方法,其特征在于,所述待处理监控装置的图像质量评测值的确定的方法为:
7.如权利要求1所述的一种基于人工智能的监控装置分层处理方法,其特征在于,根据监控管理对象进行所述待划分监控装置的层级的划分得到初始划分层级,具体包括:
8.如权利要求1所述的一种基于人工智能的监控装置分层处理方法,其特征在于,所述待划分监控装置的层级确定的方法为:
9.如权利要求1所述的一种基于人工智能的监控装置分层处理方法,其特征在于,基于待处理监控装置的层级进行所述待处理监控装置的解析顺序和监控数据的存储位置的确定,具体包括:
10.一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-9任一项所述的一种基于人工智能的监控装置分层处理方法。