[發明專利]一種判斷攝像頭是否異常的方法和系統

有效

• 申請號: 202210057359.7
• 申請日: 2022-01-19
• 公開（公告）號: CN114095725B
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 盧國鳴
• 申請（專利權）人: 上海興容信息技術有限公司
• 主分類號: H04N17/00
• 分類號: H04N17/00
• 代理公司: 成都七星天知識產權代理有限公司 51253
• 代理人: 楊永梅

1.一種判斷攝像頭是否異常的方法，所述方法包括：

獲取多個攝像頭的基礎特征以及所述多個攝像頭之間的關聯關系，其中，所述多個攝像頭的基礎特征包括攝像頭流量變化、攝像頭角度數據、攝像頭縮放數據和攝像頭白平衡數據中的至少一種，所述攝像頭之間的關聯關系包括所述攝像頭之間的相對角度和所述攝像頭之間的距離中的至少一種；

將所述多個攝像頭的基礎特征以及所述多個攝像頭之間的關聯關系輸入判斷模型，其中，所述判斷模型為GNN模型，所述GNN模型基于所述多個攝像頭以及所述多個攝像頭之間的關聯關系構建圖，以所述多個攝像頭作為所述圖的節點，以所述多個攝像頭之間的關聯關系作為所述圖的邊，所述GNN模型的節點特征為所述多個攝像頭的基礎特征，所述GNN模型的邊特征為所述多個攝像頭之間的關聯關系；

以及基于所述判斷模型的輸出結果，確定所述多個攝像頭是否異常。

2.如權利要求1所述的方法，獲取所述攝像頭流量變化包括：

獲取所述多個攝像頭在N個歷史時間段的特征序列，所述特征序列包括視頻特征序列和/或碼流特征序列；

基于序列編碼或循環神經網絡模型對所述特征序列進行處理，確定所述攝像頭流量變化。

3.如權利要求2所述的方法，所述特征序列包括視頻特征序列，其中，所述獲取所述多個攝像頭在N個歷史時間段的特征序列包括：

獲取所述多個攝像頭在N個歷史時間段的視頻數據；

基于特征提取模型對所述N個歷史時間段的視頻數據進行處理，確定所述N個歷史時間段的視頻特征序列。

4.如權利要求1所述的方法，所述判斷模型通過訓練過程獲取，所述訓練過程包括：

獲取多個樣本攝像頭的多個訓練數據及其標簽，所述多個訓練數據包括樣本基礎特征和樣本關聯關系，所述標簽代表所述多個樣本攝像頭是否異常，所述標簽通過隨機設置故障攝像頭獲取；

以及基于所述多個訓練數據訓練初始判斷模型，得到所述判斷模型。

5.一種判斷攝像頭是否異常的系統，所述系統包括：

獲取模塊，用于獲取多個攝像頭的基礎特征以及所述多個攝像頭之間的關聯關系，其中，所述多個攝像頭的基礎特征包括攝像頭流量變化、攝像頭角度數據、攝像頭縮放數據和攝像頭白平衡數據中的至少一種，所述攝像頭之間的關聯關系包括所述攝像頭之間的相對角度和所述攝像頭之間的距離中的至少一種；

判斷模塊，用于將所述多個攝像頭的基礎特征以及所述多個攝像頭之間的關聯關系輸入判斷模型，其中，所述判斷模型為GNN模型，所述GNN模型基于所述多個攝像頭以及所述多個攝像頭之間的關聯關系構建圖，以所述多個攝像頭作為所述圖的節點，以所述多個攝像頭之間的關聯關系作為所述圖的邊，所述GNN模型的節點特征為所述多個攝像頭的基礎特征，所述GNN模型的邊特征為所述多個攝像頭之間的關聯關系；

確定模塊，用于基于所述判斷模型的輸出結果，確定所述多個攝像頭是否異常。

6.如權利要求5所述的系統，所述獲取模塊進一步用于：

獲取所述多個攝像頭在N個歷史時間段的特征序列，所述特征序列包括視頻特征序列和/或碼流特征序列；

基于序列編碼或循環神經網絡模型對所述特征序列進行處理，確定所述攝像頭流量變化。

7.如權利要求6所述的系統，所述獲取模塊進一步用于：

獲取所述多個攝像頭在N個歷史時間段的視頻數據；

基于特征提取模型對所述N個歷史時間段的視頻數據進行處理，確定所述N個歷史時間段的視頻特征序列。

8.如權利要求5所述的系統，所述判斷模塊進一步用于：

獲取多個樣本攝像頭的多個訓練數據及其標簽，所述多個訓練數據包括樣本基礎特征和樣本關聯關系，所述標簽代表所述多個樣本攝像頭是否異常，所述標簽通過隨機設置故障攝像頭獲取；

以及基于所述多個訓練數據訓練初始判斷模型，得到所述判斷模型。