[發明專利]攝像頭檢測方法、裝置、電子設備及系統

在審

• 申請號: 202010224980.9
• 申請日: 2020-03-26
• 公開（公告）號: CN111476124A
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 胡仁偉;季華;金麗娟
• 申請（專利權）人: 杭州鴻泉物聯網技術股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 白淑君

本發明實施例公開了一種攝像頭檢測方法、裝置、電子設備及存儲介質，該攝像頭檢測方法包括：獲取攝像頭監控到的視頻數據；根據所述視頻數據和預先構建的攝像頭深度學習模型，檢測是否出現攝像頭模糊事件和/或攝像頭遮擋事件；若檢測結果包括所述攝像頭模糊事件和/或所述攝像頭遮擋事件，則輸出所述檢測結果和/或所述檢測結果的提示信息。因此，本發明實施例實現了基于深度學習檢測攝像頭模糊事件和/或攝像頭遮擋事件，提高了攝像頭檢測的效率和準確性，還有效填補了實時監控并給出提示的這一空白，并確保了攝像頭能夠穩定、清晰地收集視頻數據。

技術領域

本發明涉及物聯網技術領域，具體涉及一種攝像頭檢測方法、裝置、電子設備及系統。

背景技術

攝像頭是一種常用的視頻輸入設備，而且在物聯技術網領域應用越來越廣泛。目前，現有的攝像頭一般是將采集的視頻數據轉成數字信號傳輸給其他電子設備。但是，針對攝像頭模糊或者攝像頭遮擋，需要人工排查，發現較困難，降低了攝像頭的清晰性。

發明內容

由于現有方法存在上述問題，本發明實施例提出一種攝像頭檢測方法、裝置、電子設備及系統。

第一方面，本發明實施例提出一種攝像頭檢測方法，包括：

獲取攝像頭監控到的視頻數據；

根據所述視頻數據和預先構建的攝像頭深度學習模型，檢測是否出現攝像頭模糊事件和/或攝像頭遮擋事件；

若檢測結果包括所述攝像頭模糊事件和/或所述攝像頭遮擋事件，則輸出所述檢測結果和/或所述檢測結果的提示信息。

可選地，所述獲取攝像頭采集到的視頻數據，包括：

確定獲取所述視頻數據的指定時間間隔；

按照所述指定時間間隔，獲取指定時間長度的視頻數據。

可選地，還包括：

獲取用于模型訓練的訓練數據集，所述訓練數據集中包括模糊圖片、遮擋圖片和正常圖片；

將所述模糊圖片、遮擋圖片和正常圖片作為訓練使用的輸入數據，采用深度學習方式進行訓練，得到用于檢測是否出現攝像頭模糊事件和/或攝像頭遮擋事件的攝像頭深度學習模型；

其中，所述采用深度學習方式進行訓練包括：采用指定語言和指定框架，對所述模糊圖片、遮擋圖片和正常圖片進行分類訓練，得到對應的權重。

可選地，所述根據所述視頻數據和預先構建的攝像頭深度學習模型，檢測是否出現攝像頭模糊事件和/或攝像頭遮擋事件，包括：

將所述視頻數據轉換為待檢測圖片；

將所述待檢測圖片輸入到所述攝像頭深度學習模型中，并根據輸出結果確定是否出現攝像頭模糊事件和/或攝像頭遮擋事件。

可選地，還包括：

對所述攝像頭深度學習模型進行縮小和加密，得到對應的網絡文件和權重文件，所述網絡文件和權重文件用于檢測是否出現攝像頭模糊事件和/或攝像頭遮擋事件。

可選地，所述根據所述視頻數據和預先構建的攝像頭深度學習模型，檢測是否出現攝像頭模糊事件和/或攝像頭遮擋事件，包括：

通過可執行程序和動態鏈接庫，將所述視頻數據轉換為待檢測圖片；

調用所述網絡文件和所述權重文件，得到所述待檢測圖片對應的圖片類別、圖片類別的置信度和圖片判斷的時間；

根據所述待檢測圖片對應的圖片類別、圖片類別的置信度和圖片判斷的時間，確定是否出現攝像頭模糊事件和/或攝像頭遮擋事件。

可選地，所述輸出所述檢測結果和/或所述檢測結果的提示信息，包括：