[發明專利]智能監控方法、裝置、電子設備及計算機可讀存儲介質

在審

• 申請號: 202210219727.3
• 申請日: 2022-03-08
• 公開（公告）號: CN114756425A
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 蔣召;黃澤元;楊戰波
• 申請（專利權）人: 深圳集智數字科技有限公司
• 主分類號: G06F11/30
• 分類號: G06F11/30;G06N3/04;G06N3/08
• 代理公司: 北京嘉科知識產權代理事務所(特殊普通合伙) 11687
• 代理人: 張艷

本公開涉及人工智能技術領域，提供了一種智能監控方法、裝置、電子設備及計算機可讀存儲介質。該方法包括：構建多粒度空間注意力網絡和高層次信息補償網絡；以目標檢測模型為基礎，將殘差網絡作為目標檢測模型的特征提取網絡，利用高層次信息補償網絡替代目標檢測模型的特征處理網絡，在殘差網絡和高層次信息補償網絡之間增加多粒度空間注意力網絡，以構建智能監控模型；將經過訓練的智能監控模型部署在云端，在接收到目標用戶的監控請求時，利用部署在云端的智能監控模型為目標用戶提供監控服務。

技術領域

本公開涉及人工智能技術領域，尤其涉及一種智能監控方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

傳統方式下，安防必須高度依賴人工，人力只能定時巡查，無法實時發現異常情況。而今年來隨著機器學習算法的發展，可以將機器學習算法應用到安防領域，獲得一個智能的監控系統。然而，目前基于機器學習算法的智能監控模型存在精度低、漏檢和誤檢等問題。

在實現本公開構思的過程中，發明人發現相關技術中至少存在如下技術問題：基于機器學習算法的智能監控模型存在精度低、漏檢和誤檢等問題。

發明內容

有鑒于此，本公開實施例提供了一種智能監控方法、裝置、電子設備及計算機可讀存儲介質，以解決現有技術中，基于機器學習算法的智能監控模型存在精度低、漏檢和誤檢等問題。

本公開實施例的第一方面，提供了一種智能監控方法，包括：構建多粒度空間注意力網絡和高層次信息補償網絡；以目標檢測模型為基礎，將殘差網絡作為目標檢測模型的特征提取網絡，利用高層次信息補償網絡替代目標檢測模型的特征處理網絡，在殘差網絡和高層次信息補償網絡之間增加多粒度空間注意力網絡，以構建智能監控模型；將經過訓練的智能監控模型部署在云端，在接收到目標用戶的監控請求時，利用部署在云端的智能監控模型為目標用戶提供監控服務。

本公開實施例的第二方面，提供了一種智能監控裝置，包括：第一構建模塊，被配置為構建多粒度空間注意力網絡和高層次信息補償網絡；第二構建模塊，被配置為以目標檢測模型為基礎，將殘差網絡作為目標檢測模型的特征提取網絡，利用高層次信息補償網絡替代目標檢測模型的特征處理網絡，在殘差網絡和高層次信息補償網絡之間增加多粒度空間注意力網絡，以構建智能監控模型；監控模塊，被配置為將經過訓練的智能監控模型部署在云端，在接收到目標用戶的監控請求時，利用部署在云端的智能監控模型為目標用戶提供監控服務。

本公開實施例的第三方面，提供了一種電子設備，包括存儲器、處理器以及存儲在存儲器中并且可在處理器上運行的計算機程序，該處理器執行計算機程序時實現上述方法的步驟。

本公開實施例的第四方面，提供了一種計算機可讀存儲介質，該計算機可讀存儲介質存儲有計算機程序，該計算機程序被處理器執行時實現上述方法的步驟。

本公開實施例與現有技術相比存在的有益效果是：因為本公開實施例構建多粒度空間注意力網絡和高層次信息補償網絡；以目標檢測模型為基礎，將殘差網絡作為目標檢測模型的特征提取網絡，利用高層次信息補償網絡替代目標檢測模型的特征處理網絡，在殘差網絡和高層次信息補償網絡之間增加多粒度空間注意力網絡，以構建智能監控模型；將經過訓練的智能監控模型部署在云端，在接收到目標用戶的監控請求時，利用部署在云端的智能監控模型為目標用戶提供監控服務，因此，采用上述技術手段，可以解決現有技術中，基于機器學習算法的智能監控模型存在精度低、漏檢和誤檢等問題，進而提高智能監控模型的精度，減少漏檢和誤檢的幾率。

附圖說明

為了更清楚地說明本公開實施例中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本公開的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其它的附圖。

圖1是本公開實施例的應用場景的場景示意圖；

圖2是本公開實施例提供的一種智能監控方法的流程示意圖；