基于视频的异常事件告警方法及其系统、设备、存储介质与流程

1.本申请涉及视频处理技术领域，特别是涉及一种基于视频的异常事件告警方法及其系统、设备、存储介质。


背景技术：

2.为了提高重要区域的安全性，通常会在重要区域部署摄像头等图像获取设备来对重要区域进行监控。一般地，摄像头等图像获取设备获取视频数据后，需要人利用眼睛判断视频数据中是否存在异常，从而需要耗费较多人力。


技术实现要素：

3.本申请主要解决的技术问题是提供一种基于视频的异常事件告警方法及其系统、设备、存储介质，可实现智能化告警。
4.为了解决上述问题，本申请第一方面提供了一种基于视频的异常事件告警方法，所述方法包括：获取视频数据；利用基于人工智能的自动图像识别算法提取所述视频数据中目标对象的特征信息；判断所述特征信息是否满足异常事件判定条件；若是，则生成包括异常事件的告警结果，发出告警。
5.其中，所述特征信息包括人脸识别信息，所述利用基于人工智能的自动图像识别算法提取所述视频数据中目标对象的特征信息，包括：利用基于人工智能的自动图像识别算法提取所述视频数据中目标对象的所述人脸识别信息；所述判断所述特征信息是否满足异常事件判定条件，包括：检测到所述人脸识别信息不存在于人脸数据库，或者对所述人脸识别信息进行图像特征比对，检测到所述人脸识别信息中的预设位置未被遮挡，则判定所述特征信息满足异常事件判定条件。
6.其中，所述特征信息还包括所述目标对象的至少部分轨迹信息；所述利用基于人工智能的自动图像识别算法提取所述视频数据中目标对象的特征信息，还包括：从所述视频数据中获取所述目标对象的至少部分轨迹信息和所述视频数据的告警区域；所述判断所述特征信息是否满足异常事件判定条件，还包括：基于所述轨迹信息，计算所述目标对象在所述告警区域的停留时间；检测到所述停留时间超过预设停留时间，则判定所述特征信息满足异常事件判定条件。
7.其中，所述发出告警之后，所述方法还包括：上传所述告警结果至管理服务器，以使所述管理服务器调度人员对所述异常事件进行处理；其中，告警结果包括发出告警的异常事件告警设备、包括异常事件的视频数据、异常事件起始时间、异常事件的类型的至少一种。
8.其中，在所述告警结果包括所述包括异常事件的视频数据的情况下，将所述包括异常事件的视频数据上传至所述管理服务器之前，所述方法还包括：判断所述包括异常事件的视频数据的容量是否超过预设最大容量；若是，对所述包括异常事件的视频数据做压缩处理，或者，按照预设规则抽取容量小于或等于所述预设最大容量的所述视频数据作为
所述告警结果。
9.其中，在所述告警结果包括所述包括异常事件的视频数据的情况下，将所述包括异常事件的视频数据上传至所述管理服务器之前，所述方法还包括：放大包括所述目标对象或所述告警区域的预设放大框内的视频画面。
10.为解决上述问题，本申请第二方面提供了一种基于视频的异常事件告警系统，该系统包括至少一个异常事件告警设备、管理服务器和至少一个异常事件处理设备；所述异常事件告警设备，用于实现上述第一方面的基于视频的异常事件告警方法，并上传所述告警结果至所述管理服务器；所述管理服务器用于基于所述告警结果生成并发送调度指令至所述至少一个异常事件处理设备，以使使用所述异常事件处理设备的调度人员对异常事件进行处理。
11.其中，所述管理服务器还用于执行以下至少一种功能：调整所述异常事件告警设备的视频数据获取角度；定位所述告警结果中的发出告警的异常事件告警设备的位置信息，将所述调度指令发送至在所述位置信息的预设距离范围的所述异常事件处理设备。
12.为解决上述问题，本申请第三方面提供了一种异常事件告警设备，该异常事件告警设备包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现上述第一方面的基于视频的异常事件告警方法。
13.为解决上述问题，本申请第四方面提供了一种计算机可读存储介质，其上存储有能够被处理器运行的程序指令，所述程序指令被处理器执行时实现上述第一方面的基于视频的异常事件告警方法。
14.上述方案中，获取视频数据后，利用基于人工智能的自动图像识别算法提取所述视频数据中目标对象的特征信息，从而在判断所述特征信息满足异常事件判定条件时，生成包括异常事件的告警结果，发出告警，无需人为监控视频数据判定告警，一方面，实现智能化告警，另一方面可节省人力。
附图说明
15.图1是本申请基于视频的异常事件告警方法一实施例的流程示意图；
16.图2是本申请基于视频的异常事件告警方法另一实施例的流程示意图；
17.图3是本申请基于视频的异常事件告警方法再一实施例的流程示意图；
18.图4是本申请基于视频的异常事件告警系统一实施例的框架示意图；
19.图5是本申请异常事件告警设备一实施例的框架示意图；
20.图6是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
21.下面结合说明书附图，对本申请实施例的方案进行详细说明。
22.下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。本文中术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。本文中术语“和/或”，
仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。
23.请参阅图1，图1是本申请基于视频的异常事件告警方法一实施例的流程示意图。具体而言，本实施例方法包括以下步骤：
24.步骤s11：获取视频数据。
25.视频数据可以是图像设备获取的原数据，也可以是经过图像去噪、图像变换、图像压缩、图像增强等处理后的数据。视频数据可以是至少一个图像获取设备实时获取的，以便进行异常事件的实时告警。视频数据可以是至少一帧视频画面组成的，且视频画面可以是可见光图像、红外光图像等。
26.步骤s12：利用基于人工智能的自动图像识别算法提取视频数据中目标对象的特征信息。
27.目标对象包括但不限于人、动物等。目标对象的特征信息包括但不限于目标对象的人脸识别信息、目标对象的至少部分轨迹信息，或者其他标识目标对象的生物特征信息等，在此不作具体限定。
28.步骤s13：判断特征信息是否满足异常事件判定条件。
29.为了识别出异常事件，可以预先设置特征信息对应的异常事件判定条件。不同特征信息所对应的异常事件判定条件可以相同或不同，且同一特征信息可以与至少一个异常事件判定条件对应。判断特征信息是否满足异常事件判定条件；若是，则执行步骤s14生成包括异常事件的告警结果，发出告警；若否，则忽略异常事件，禁止发出告警，以继续监控后续视频数据。
30.步骤s14：生成包括异常事件的告警结果，发出告警。
31.与以往需要人坐在视频数据面前用人眼识别异常事件不同的是，利用基于人工智能的自动图像识别算法提取视频数据中目标对象的特征信息，并判断特征信息满足异常事件判定条件的情况下，可智能化地生成告警结果，发出告警。告警结果可以是表明存在异常事件的任意自定义信息，在此不作具体限定。
32.在一实施例中，发出告警之后，还可以上传告警结果至管理服务器，以使管理服务器调度人员对异常事件进行处理。告警结果可以表明存在异常事件的任意自定义信息，例如，告警结果包括发出告警的异常事件告警设备、包括异常事件的视频数据、异常事件起始时间、异常事件的类型的至少一种。发出告警的异常事件告警设备可以是设备号等唯一标识异常事件告警设备的信息。异常事件起始时间包括异常事件的开始时间、持续时间和结束时间等。包括异常事件的视频数据可以是异常事件开始时间至结束时间对应视频数据的全部或部分。异常事件的类型可以是根据不同特征信息划分的，例如，人脸识别信息对应的异常事件、轨迹信息对应的异常事件。异常事件的类型也可以是根据异常事件所出现的时间段划分的，例如，白天对应的异常事件、晚上对应的异常事件，且时间段划分可自定义设置。
33.在告警结果包括异常事件的视频数据的情况下，为了加快告警结果的传输速度，进而提高异常事件的处理速度，可以在将包括异常事件的视频数据上传至管理服务器之前，判断包括异常事件的视频数据的容量是否超过预设最大容量；若是，对包括异常事件的
视频数据做压缩处理，或者，按照预设规则抽取容量小于或等于预设最大容量的视频数据作为告警结果。其中，预设规则可以是等差数列等任意规则，在此不作具体限定。因此，通过对包括异常事件的视频数据做后续压缩、抽帧等处理，使得包括异常事件的视频数据占用空间变小，从而提高告警结果的传输速度，进而提高异常事件的处理速度。
34.通过上述方式，获取视频数据后，利用基于人工智能的自动图像识别算法提取视频数据中目标对象的特征信息，从而在判断特征信息满足异常事件判定条件时，生成包括异常事件的告警结果，发出告警，无需人为监控视频数据判定告警，一方面，实现智能化告警，另一方面可节省人力。
35.请参阅图2，图2是本申请基于视频的异常事件告警方法另一实施例的流程示意图。具体而言，本实施例方法包括以下步骤：
36.步骤s21：获取视频数据。
37.本实施例中，视频数据的至少一帧视频画面包括目标对象及其人脸识别信息，其他有关本步骤s21的说明可参阅上图1所示的步骤s11的具体描述，在此不做赘述。
38.步骤s22：利用基于人工智能的自动图像识别算法提取视频数据中目标对象的人脸识别信息。
39.本实施例中，目标对象的特征信息是目标对象的人脸识别信息，因此，利用基于人工智能的自动图像识别算法提取视频数据中目标对象的特征信息时，利用基于人工智能的自动图像识别算法提取视频数据中目标对象的人脸识别信息。人脸识别信息是利用基于人工智能的自动图像识别算法提取的，其中，自动图像识别算法不作具体限定。
40.步骤s23：检测到人脸识别信息不存在于人脸数据库，则判定人脸识别信息满足异常事件判定条件。
41.在利用基于人工智能的自动图像识别算法提取视频数据中目标对象的人脸识别信息之后，判断特征信息是否满足异常事件判定条件时，若检测到人脸识别信息不存在于人脸数据库，则判定特征信息满足异常事件判定条件。人脸数据库可以自定义设置。例如一应用场景中，将小区的所有经过身份认证的人员的人脸识别信息预存在人脸数据库中，若陌生人员进入视频数据的监控范围内，则会因为陌生人员的人脸识别数据未在人脸数据库中而判定为异常事件，进而发出告警。
42.在一实施例中，特征信息仍为人脸识别信息，在利用基于人工智能的自动图像识别算法提取视频数据中目标对象的特征信息时，可以利用基于人工智能的自动图像识别算法提取视频数据中目标对象的人脸识别信息，并在判断特征信息是否满足异常事件判定条件时，对人脸识别信息进行图像特征比对，检测到人脸识别信息中的预设位置未被遮挡，则判定特征信息满足异常事件判定条件。人脸识别信息中的预设位置可以是人脸识别信息中的任意预设区域。例如一应用场景中，为了识别出入门禁的人员是否佩戴口罩并在检测到人员未佩戴口罩时发出告警，可将人脸识别信息中的预设位置设置为口罩佩戴区域，基于此，异常事件的告警过程为：首先，获取门禁出入口的视频数据；接着，利用基于人工智能的自动图像识别算法提取视频数据中目标对象的人脸识别信息；然后，对人脸识别信息进行图像特征比对，检测到人脸识别信息中的预设位置未被遮挡，则判定特征信息满足异常事件判定条件；最后，生成包括异常事件的告警结果，发出告警。
43.在一实施例中，特征信息也可以为目标对象的轮廓和矩阵特征信息。例如一应用
场景中，首先，利用视频数据进行高斯背景建模，提取视频数据中的目标对象，接着提取前景中目标对象的轮廓和矩阵特征信息，然后将前景中目标对象的轮廓和矩阵特征信息与异常动作特征库进行匹配，以判断目标对象是否存在异常事件，从而在判定目标对象存在异常事件时，生成包括异常事件的告警结果，发出告警。其中，异常动作特征库是提取并分析不同人做同一异常事件的不同视角的图像得到的。
44.步骤s24：生成包括异常事件的告警结果，发出告警。
45.判定人脸识别信息满足异常事件判定条件后，即可生成包括异常事件的告警结果，发出告警，因此可对异常人员进行告警。
46.在一实施例中，发出告警之后，还可以上传告警结果至管理服务器，以使管理服务器调度人员对异常事件进行处理。告警结果可以表明存在异常事件的任意自定义信息，例如，告警结果包括发出告警的异常事件告警设备、包括异常事件的视频数据、异常事件起始时间、异常事件的类型的至少一种。在告警结果包括上述包括异常事件的视频数据的情况下，为了突出显示目标对象，可以放大包括目标对象的预设放大框内的视频画面。具体地，根据目标对象的轨迹信息对目标对象进行定位，以目标对象为中心放置预设放大框，对预设放大框内的视频画面进行放大处理，并在目标对象移动改变轨迹信息后，持续执行对目标对象进行定位，以目标对象为中心放置预设放大框，对预设放大框内的视频画面进行放大处理，从而对视频数据中的包括目标对象的预设放大框内的视频画面进行放大。
47.通过上述方式，可以利用人脸识别信息对视频数据中的异常事件进行告警。
48.请参阅图3，图3是本申请基于视频的异常事件告警方法再一实施例的流程示意图。具体而言，本实施例方法包括以下步骤：
49.步骤s31：获取视频数据。
50.本实施例中，视频数据的至少一帧视频画面包括目标对象及其轨迹信息，其他有关本步骤s31的说明可参阅上图1所示的步骤s11的具体描述，在此不做赘述。
51.步骤s32：从视频数据中获取目标对象的至少部分轨迹信息和视频数据的告警区域。
52.本实施例中，特征信息为目标对象的至少部分轨迹信息，在利用基于人工智能的自动图像识别算法提取视频数据中目标对象的特征信息时，可以从视频数据中获取目标对象的至少部分轨迹信息和视频数据的告警区域。检测到目标对象出现在视频数据中后，可以持续监控目标对象直至目标对象未在视频数据中，从而检测到目标对象出现在视频数据中的开始时间至结束时间的所有视频数据，进而目标对象的轨迹信息可以是开始时间至结束时间对应轨迹信息的全部或者部分。视频数据的告警区域可以是视频界面的任意位置、任意大小和形状，例如，视频数据的告警区域是视频界面的中心、左上角等位置的正方形区域；又例如，视频数据的告警区域是小区门禁出入口等特定区域。
53.步骤s33：基于轨迹信息，计算目标对象在告警区域的停留时间；检测到停留时间超过预设停留时间，则判定特征信息满足异常事件判定条件。
54.本实施例中，在判断特征信息是否满足异常事件判定条件时，可以基于轨迹信息，计算目标对象在告警区域的停留时间，并检测到停留时间超过预设停留时间，则判定特征信息满足异常事件判定条件，因此，可以检测到在告警区域停留时间异常的目标对象，及时发出告警。
55.在一实施例中，在判断特征信息是否满足异常事件判定条件时，可以基于轨迹信息，计算目标对象在告警区域的离开时间，并检测到离开时间超过预设离开时间，则判定特征信息满足异常事件判定条件。例如一应用场景中，目标对象为保安，视频数据的告警区域为保安亭，若检测到保安离开保安亭的时间超过预设离开时间，表明保安离岗时间较久，属于异常事件，可以发出告警，从而帮助管理人员实现离岗人员的监督。
56.在一实施例中，告警区域可以用于人流数据统计，因此与上述实施例目标对象为特定对象不同，本实施例中目标对象是任意存在于告警区域的人，识别视频数据中目标对象，进行人流数据统计，从而在判断特征信息是否满足异常事件判定条件时，若人流数据统计超过预设人流数量，则判定特征信息满足异常事件判定条件。例如一应用场景中，目标对象为任意存在于告警区域的人，若人流数据统计超过预设人流数量，表明存在人群聚集事件，属于异常事件，可以发出告警，从而实时监测人群聚集事件。
57.为了提高告警的精准度，在判断特征信息满足异常事件判定条件后、发出告警之前，还可以对异常事件进行验证，若验证通过，则发出告警，若验证不通过，则忽略异常事件，禁止发出告警。异常事件的验证方式可以是利用目标对象的其他特征信息对异常事件进行验证，例如，在利用人脸识别信息判断人脸识别信息满足异常事件判定条件后，再利用目标对象的至少部分轨迹信息进一步对异常事件判定条件进行验证。异常事件的验证方式还可以是监控异常事件的持续时间，检测到持续时间超过预设持续时间则表明验证成功。
58.步骤s34：生成包括异常事件的告警结果，发出告警。
59.检测到停留时间超过预设停留时间，表明视频数据存在异常事件，判定特征信息满足异常事件判定条件，从而生成包括异常事件的告警结果，发出告警。
60.在一实施例中，发出告警之后，还可以上传告警结果至管理服务器，以使管理服务器调度人员对异常事件进行处理。告警结果可以表明存在异常事件的任意自定义信息，例如，告警结果包括发出告警的异常事件告警设备、包括异常事件的视频数据、异常事件起始时间、异常事件的类型的至少一种。在告警结果包括上述包括异常事件的视频数据的情况下，为了突出显示告警区域，可以放大包括告警区域的预设放大框内的视频画面。具体地，以告警区域为中心放置预设放大框，对预设放大框内的视频画面进行放大处理，持续对每帧视频画面中告警区域的预设放大框内的视频画面进行放大处理。
61.通过上述方式，可以利用目标对象的轨迹信息对视频数据中的异常事件进行告警。
62.请参阅图4，图4是本申请基于视频的异常事件告警系统40一实施例的框架示意图。基于视频的异常事件告警系统40包括至少一个异常事件告警设备41、管理服务器42和至少一个异常事件处理设备43。异常事件告警设备41用于实现上述任一实施例的基于视频的异常事件告警方法，并上传告警结果至管理服务器42。管理服务器42用于基于告警结果生成并发送调度指令至至少一个异常事件处理设备43，以使使用异常事件处理设备43的调度人员对异常事件进行处理。异常事件处理设备43包括但不限于智能手机、pc(personal computer,个人计算机)、pda(personal digital assistant，个人数字助理或平板电脑)等移动终端，以及佩戴于肢体或者嵌入于衣物、首饰、配件中的具有通讯功能的可穿戴设备。
63.在一应用场景中，为了实现对物业小区的智能化告警，上述异常事件告警设备41可以为部署于小区不同位置的摄像头等图像获取设备，上述管理服务器42可以为安防指挥
调度岗归属的物业运营中心的服务器，而异常事件处理设备43可以为小区物业工作人员使用的手机。部署于小区不同位置的任意一摄像头执行上述任一实施例的基于视频的异常事件告警方法，发出告警，并上传告警结果至物业运营中心的服务器，从而物业运营中心的服务器基于告警结果生成并发送调度指令至至少一个小区物业工作人员使用的手机，以使该小区物业工作人员对异常事件进行处理。通过摄像头判读异常事件，并将异常事件相关的告警信息发送给物业运营中心的安防指挥调度岗，以实现异常事件的前置预判，并通过物业运营中心的安防指挥调度岗代替现有的人工现场巡视工作，可有计划地对小区各区域进行巡视，以便异常事件发生时，能够及时与小区物业工作人员联动处理，实现对现场异常事件的有效防范。
64.在一实施例中，管理服务器42还用于调整异常事件告警设备41的视频数据获取角度，从而在确定异常事件后，远程控制异常事件告警设备41对目标对象进行持续跟踪。
65.在一实施例中，管理服务器42还用于定位告警结果中的发出告警的异常事件告警设备41的位置信息，将调度指令发送至在位置信息的预设距离范围的异常事件处理设备43，从而可以快速定位异常事件的位置，作出安防指挥调度判断，下发调度指令给该物业小区工作人员，选择最接近异常事件位置的物业小区工作人员对异常事件进行处理。
66.通过上述方式，部署于小区不同位置的摄像头进行视频数据自动识别，形成告警结果并提示反馈到物业运营中心的服务器，从而物业运营中心的工作人员即可进行安防指挥调度判断，并下发调度指令，方便小区物业工作人员及时对异常事件进行处理。
67.本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
68.请参阅图5，图5是本申请异常事件告警设备50一实施例的框架示意图。异常事件告警设备50包括相互耦接的存储器51和处理器52，处理器52用于执行存储器51中存储的程序指令，以实现上述基于视频的异常事件告警方法的步骤。在一个具体的实施场景中，异常事件告警设备50可以包括但不限于：微型计算机、服务器，此外，异常事件告警设备50还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。
69.具体而言，处理器52用于控制其自身以及存储器51以实现上述基于视频的异常事件告警方法的步骤。处理器52还可以称为cpu(central processing unit，中央处理单元)。处理器52可能是一种集成电路芯片，具有信号的处理能力。处理器52还可以是通用处理器、数字信号处理器(digital signal processor,dsp)、专用集成电路(application specific integrated circuit,asic)、现场可编程门阵列(field
‑
programmable gate array,fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器52可以由集成电路芯片共同实现。
70.请参阅图6，图6是本申请计算机可读存储介质60一实施例的框架示意图。计算机可读存储介质60存储有能够被处理器运行的程序指令601，程序指令601用于实现上述基于视频的异常事件告警方法的步骤。
71.在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这
里不再赘述。
72.上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
73.在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
74.另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
75.集成的单元如果以软件功能单元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，本申请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全部或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(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式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
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。

技术特征：
1.一种基于视频的异常事件告警方法，其特征在于，所述方法包括：获取视频数据；利用基于人工智能的自动图像识别算法提取所述视频数据中目标对象的特征信息；判断所述特征信息是否满足异常事件判定条件；若是，则生成包括异常事件的告警结果，发出告警。2.根据权利要求1所述的方法，其特征在于，所述特征信息包括人脸识别信息，所述利用基于人工智能的自动图像识别算法提取所述视频数据中目标对象的特征信息，包括：利用基于人工智能的自动图像识别算法提取所述视频数据中目标对象的所述人脸识别信息；所述判断所述特征信息是否满足异常事件判定条件，包括：检测到所述人脸识别信息不存在于人脸数据库，或者对所述人脸识别信息进行图像特征比对，检测到所述人脸识别信息中的预设位置未被遮挡，则判定所述特征信息满足异常事件判定条件。3.根据权利要求2所述的方法，其特征在于，所述特征信息还包括所述目标对象的至少部分轨迹信息；所述利用基于人工智能的自动图像识别算法提取所述视频数据中目标对象的特征信息，还包括：从所述视频数据中获取所述目标对象的至少部分轨迹信息和所述视频数据的告警区域；所述判断所述特征信息是否满足异常事件判定条件，还包括：基于所述轨迹信息，计算所述目标对象在所述告警区域的停留时间；检测到所述停留时间超过预设停留时间，则判定所述特征信息满足异常事件判定条件。4.根据权利要求3所述的方法，其特征在于，所述发出告警之后，所述方法还包括：上传所述告警结果至管理服务器，以使所述管理服务器调度人员对所述异常事件进行处理；其中，告警结果包括发出告警的异常事件告警设备、包括异常事件的视频数据、异常事件起始时间、异常事件的类型的至少一种。5.根据权利要求4所述的方法，其特征在于，在所述告警结果包括所述包括异常事件的视频数据的情况下，将所述包括异常事件的视频数据上传至所述管理服务器之前，所述方法还包括：判断所述包括异常事件的视频数据的容量是否超过预设最大容量；若是，对所述包括异常事件的视频数据做压缩处理，或者，按照预设规则抽取容量小于或等于所述预设最大容量的所述视频数据作为所述告警结果。6.根据权利要求4所述的方法，其特征在于，在所述告警结果包括所述包括异常事件的视频数据的情况下，将所述包括异常事件的视频数据上传至所述管理服务器之前，所述方法还包括：放大包括所述目标对象或所述告警区域的预设放大框内的视频画面。7.一种基于视频的异常事件告警系统，其特征在于，包括至少一个异常事件告警设备、
管理服务器和至少一个异常事件处理设备；所述异常事件告警设备，用于实现权利要求1至6任一项所述的基于视频的异常事件告警方法，并上传所述告警结果至所述管理服务器；所述管理服务器用于基于所述告警结果生成并发送调度指令至所述至少一个异常事件处理设备，以使使用所述异常事件处理设备的调度人员对异常事件进行处理。8.根据权利要求7所述的系统，其特征在于，所述管理服务器还用于执行以下至少一种功能：调整所述异常事件告警设备的视频数据获取角度；定位所述告警结果中的发出告警的异常事件告警设备的位置信息，将所述调度指令发送至在所述位置信息的预设距离范围的所述异常事件处理设备。9.一种异常事件告警设备，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至6任一项所述的基于视频的异常事件告警方法。10.一种计算机可读存储介质，其上存储有能够被处理器运行的程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至6任一项所述的基于视频的异常事件告警方法。
技术总结
本申请公开了一种基于视频的异常事件告警方法及其系统、设备、存储介质。其中，基于视频的异常事件告警方法包括：获取视频数据；利用基于人工智能的自动图像识别算法提取视频数据中目标对象的特征信息；判断特征信息是否满足异常事件判定条件；若是，则生成包括异常事件的告警结果，发出告警。上述方案，能够实现智能化告警。智能化告警。智能化告警。


技术研发人员：杨鸥 周健龙 郑与天 陈炳枝 林瑞鹏 龙俊成
受保护的技术使用者：深圳市兴海物联科技有限公司
技术研发日：2021.03.10
技术公布日：2021/6/24