本申請(qǐng)涉及人工智能，尤其涉及監(jiān)控?cái)?shù)據(jù)的處理方法、設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、在安防領(lǐng)域中，在攝像機(jī)采集圖像數(shù)據(jù)后，通過(guò)人工智能（ai，artificialintelligence）技術(shù)進(jìn)行異常行為識(shí)別，然后在識(shí)別到異常行為后觸發(fā)預(yù)警。但是，由于在復(fù)雜監(jiān)控環(huán)境中，人工智能對(duì)異常行為的識(shí)別結(jié)果，容易因?yàn)閳D像數(shù)據(jù)中的遮擋或者與遮擋相似干擾的影響，而無(wú)法準(zhǔn)確地識(shí)別出異常行為，進(jìn)而導(dǎo)致出現(xiàn)錯(cuò)誤預(yù)警。在相關(guān)技術(shù)中，為了避免錯(cuò)誤預(yù)警產(chǎn)生不必要的恐慌，一般在ai識(shí)別出異常行為后，先將異常行為對(duì)應(yīng)的片段發(fā)送至人工端，通過(guò)人工復(fù)核是否存在異常行為。這樣導(dǎo)致安防系統(tǒng)的危險(xiǎn)預(yù)警存在嚴(yán)重的滯后性。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)的主要目的在于提供一種監(jiān)控?cái)?shù)據(jù)的處理方法、設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)，旨在解決基于人工智能的預(yù)警系統(tǒng)中預(yù)警準(zhǔn)確性不足的技術(shù)問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本申請(qǐng)實(shí)施例提供一種監(jiān)控?cái)?shù)據(jù)的處理方法，所述方法包括：

3、獲取視頻分析模塊輸出的異常行為檢測(cè)結(jié)果，其中，所述異常行為檢測(cè)結(jié)果包括異常行為描述以及所述異常行為描述對(duì)應(yīng)的監(jiān)控?cái)?shù)據(jù)；

4、根據(jù)所述異常行為描述，生成大模型輸入指令；

5、將所述大模型輸入指令和所述監(jiān)控?cái)?shù)據(jù)輸入至大模型中，獲取所述異常行為檢測(cè)結(jié)果的復(fù)核結(jié)果；

6、若所述復(fù)核結(jié)果通過(guò)，則發(fā)出告警信號(hào)。

7、在一實(shí)施例中，所述獲取視頻分析模塊輸出的異常行為檢測(cè)結(jié)果，其中，所述異常行為檢測(cè)結(jié)果包括異常行為描述以及所述異常行為描述對(duì)應(yīng)的監(jiān)控?cái)?shù)據(jù)的步驟之前，包括：

8、對(duì)視頻文件進(jìn)行幀分割，提取出所述視頻文件的視頻幀；

9、對(duì)所述視頻幀進(jìn)行目標(biāo)檢測(cè)，識(shí)別所述視頻幀中的目標(biāo)對(duì)象，并提取所述目標(biāo)對(duì)象的特征參數(shù)；

10、將所述特征參數(shù)與特征模板進(jìn)行比較，確定所述目標(biāo)對(duì)象是否存在異常行為；

11、根據(jù)比較結(jié)果，生成異常行為描述以及所述異常行為描述對(duì)應(yīng)的監(jiān)控?cái)?shù)據(jù)。

12、在一實(shí)施例中，所述將所述特征參數(shù)與特征模板進(jìn)行比較，確定所述目標(biāo)對(duì)象是否存在異常行為的步驟包括：

13、定義所述目標(biāo)對(duì)象的異常行為特征集；

14、將所述目標(biāo)對(duì)象的特征參數(shù)與所述異常行為特征集中所述目標(biāo)對(duì)象對(duì)應(yīng)的特征模板進(jìn)行比較，確定所述特征參數(shù)與所述特征模板的匹配度；

15、若所述匹配度達(dá)到或超過(guò)預(yù)設(shè)閾值，則標(biāo)記所述目標(biāo)對(duì)象為存在異常行為。

16、在一實(shí)施例中，所述根據(jù)所述異常行為描述，生成大模型輸入指令的步驟之前，包括：

17、根據(jù)所述異常行為描述，識(shí)別異常行為并確定所述異常行為的類別；

18、基于所述類別，確定所述異常行為檢測(cè)結(jié)果的優(yōu)先級(jí)和準(zhǔn)確性要求；

19、若所述異常行為檢測(cè)結(jié)果的優(yōu)先級(jí)高，則對(duì)所述異常行為檢測(cè)結(jié)果進(jìn)行大模型復(fù)核；

20、若所述異常行為檢測(cè)結(jié)果的優(yōu)先級(jí)低，且所述準(zhǔn)確性要求高，則對(duì)所述異常行為檢測(cè)結(jié)果進(jìn)行大模型和人工雙重復(fù)核；

21、若所述大模型處于忙碌狀態(tài)，則根據(jù)所述優(yōu)先級(jí)排序?qū)λ霎惓Ｐ袨闄z測(cè)結(jié)果進(jìn)行復(fù)核。

22、在一實(shí)施例中，所述根據(jù)所述異常行為描述，生成大模型輸入指令的步驟包括：

23、根據(jù)所述異常行為描述，提取指令參數(shù)，所述指令參數(shù)包括目標(biāo)對(duì)象、所述目標(biāo)對(duì)象的異常行為，以及所述異常行為的發(fā)生時(shí)間和地點(diǎn)；

24、根據(jù)所述異常行為的類別，從預(yù)設(shè)指令模板中選擇對(duì)應(yīng)的指令模板；

25、將所述指令參數(shù)填充至所述指令模板中，生成所述大模型輸入指令。

26、在一實(shí)施例中，所述將所述大模型輸入指令和所述監(jiān)控?cái)?shù)據(jù)輸入至大模型中，獲取所述異常行為檢測(cè)結(jié)果的復(fù)核結(jié)果的步驟之前，包括：

27、采集歷史監(jiān)控?cái)?shù)據(jù)，并對(duì)所述歷史監(jiān)控?cái)?shù)據(jù)中的異常行為進(jìn)行標(biāo)注，形成帶有標(biāo)簽的訓(xùn)練數(shù)據(jù)集；

28、將所述訓(xùn)練數(shù)據(jù)集輸入大模型中，對(duì)所述大模型進(jìn)行訓(xùn)練，并得到所述訓(xùn)練數(shù)據(jù)集的異常行為預(yù)測(cè)結(jié)果；

29、比較所述異常行為預(yù)測(cè)結(jié)果與對(duì)應(yīng)的所述標(biāo)簽，計(jì)算損失函數(shù)；

30、基于所述損失函數(shù)，對(duì)所述大模型的學(xué)習(xí)參數(shù)進(jìn)行調(diào)整。

31、在一實(shí)施例中，所述將所述大模型輸入指令和所述監(jiān)控?cái)?shù)據(jù)輸入至大模型中，獲取所述異常行為檢測(cè)結(jié)果的復(fù)核結(jié)果的步驟包括：

32、將所述大模型輸入指令和所述監(jiān)控?cái)?shù)據(jù)通過(guò)api接口發(fā)送至大模型中；

33、接收大模型返回的復(fù)核結(jié)果，所述復(fù)核結(jié)果用于指示所述異常行為檢測(cè)結(jié)果是否正確；

34、對(duì)所述復(fù)核結(jié)果進(jìn)行驗(yàn)證，若驗(yàn)證結(jié)果表明所述復(fù)核結(jié)果不通過(guò)，則根據(jù)所述驗(yàn)證結(jié)果調(diào)整所述大模型輸入指令的生成參數(shù)。

35、在一實(shí)施例中，所述若所述復(fù)核結(jié)果通過(guò)，則發(fā)出告警信號(hào)的步驟，還包括：

36、對(duì)所述復(fù)核結(jié)果進(jìn)行驗(yàn)證，若驗(yàn)證結(jié)果表明所述復(fù)核結(jié)果通過(guò)，則基于所述異常行為檢測(cè)結(jié)果確定預(yù)警等級(jí)；

37、根據(jù)所述預(yù)警等級(jí)，發(fā)送對(duì)應(yīng)的告警信號(hào)。

38、本申請(qǐng)實(shí)施例還提供一種監(jiān)控?cái)?shù)據(jù)的處理設(shè)備，所述監(jiān)控?cái)?shù)據(jù)的處理設(shè)備包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序配置為實(shí)現(xiàn)如上文所述的監(jiān)控?cái)?shù)據(jù)的處理方法的步驟。

39、本申請(qǐng)實(shí)施例還提供一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)為計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上文所述的監(jiān)控?cái)?shù)據(jù)的處理方法的步驟。

40、本申請(qǐng)實(shí)施例公開了一種監(jiān)控?cái)?shù)據(jù)的處理方法，通過(guò)獲取視頻分析模塊輸出的異常行為檢測(cè)結(jié)果，其中，所述異常行為檢測(cè)結(jié)果包括異常行為描述以及所述異常行為描述對(duì)應(yīng)的監(jiān)控?cái)?shù)據(jù)；根據(jù)所述異常行為描述，生成大模型輸入指令；將所述大模型輸入指令和所述監(jiān)控?cái)?shù)據(jù)輸入至大模型中，獲取所述異常行為檢測(cè)結(jié)果的復(fù)核結(jié)果；若所述復(fù)核結(jié)果通過(guò)，則發(fā)出告警信號(hào)。本申請(qǐng)通過(guò)大模型對(duì)視頻分析模塊的異常行為檢測(cè)結(jié)果進(jìn)行復(fù)核，提高了預(yù)警的準(zhǔn)確性，確保只有真正需要關(guān)注的事件才會(huì)觸發(fā)預(yù)警。

技術(shù)特征：

1.一種監(jiān)控?cái)?shù)據(jù)的處理方法，其特征在于，所述監(jiān)控?cái)?shù)據(jù)的處理方法包括：

2.如權(quán)利要求1所述的監(jiān)控?cái)?shù)據(jù)的處理方法，其特征在于，所述獲取視頻分析模塊輸出的異常行為檢測(cè)結(jié)果，其中，所述異常行為檢測(cè)結(jié)果包括異常行為描述以及所述異常行為描述對(duì)應(yīng)的監(jiān)控?cái)?shù)據(jù)的步驟之前，包括：

3.如權(quán)利要求2所述的監(jiān)控?cái)?shù)據(jù)的處理方法，其特征在于，所述將所述特征參數(shù)與特征模板進(jìn)行比較，確定所述目標(biāo)對(duì)象是否存在異常行為的步驟包括：

4.如權(quán)利要求1所述的監(jiān)控?cái)?shù)據(jù)的處理方法，其特征在于，所述根據(jù)所述異常行為描述，生成大模型輸入指令的步驟之前，包括：

5.如權(quán)利要求1所述的監(jiān)控?cái)?shù)據(jù)的處理方法，其特征在于，所述根據(jù)所述異常行為描述，生成大模型輸入指令的步驟包括：

6.如權(quán)利要求1所述的監(jiān)控?cái)?shù)據(jù)的處理方法，其特征在于，所述將所述大模型輸入指令和所述監(jiān)控?cái)?shù)據(jù)輸入至大模型中，獲取所述異常行為檢測(cè)結(jié)果的復(fù)核結(jié)果的步驟之前，包括：

7.如權(quán)利要求1所述的監(jiān)控?cái)?shù)據(jù)的處理方法，其特征在于，所述將所述大模型輸入指令和所述監(jiān)控?cái)?shù)據(jù)輸入至大模型中，獲取所述異常行為檢測(cè)結(jié)果的復(fù)核結(jié)果的步驟包括：

8.如權(quán)利要求1所述的監(jiān)控?cái)?shù)據(jù)的處理方法，其特征在于，所述若所述復(fù)核結(jié)果通過(guò)，則發(fā)出告警信號(hào)的步驟，還包括：

9.一種監(jiān)控?cái)?shù)據(jù)的處理設(shè)備，其特征在于，所述監(jiān)控?cái)?shù)據(jù)的處理設(shè)備包括：存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序配置為實(shí)現(xiàn)如權(quán)利要求1至8中任一項(xiàng)所述的監(jiān)控?cái)?shù)據(jù)的處理方法的步驟。

10.一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)為計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至8中任一項(xiàng)所述的監(jiān)控?cái)?shù)據(jù)的處理方法的步驟。

技術(shù)總結(jié)
本申請(qǐng)公開了一種監(jiān)控?cái)?shù)據(jù)的處理方法、設(shè)備及計(jì)算機(jī)存儲(chǔ)介質(zhì)，涉及人工智能技術(shù)領(lǐng)域，該方法包括：獲取視頻分析模塊輸出的異常行為檢測(cè)結(jié)果，其中，所述異常行為檢測(cè)結(jié)果包括異常行為描述以及所述異常行為描述對(duì)應(yīng)的監(jiān)控?cái)?shù)據(jù)；根據(jù)所述異常行為描述，生成大模型輸入指令；將所述大模型輸入指令和所述監(jiān)控?cái)?shù)據(jù)輸入至大模型中，獲取所述異常行為檢測(cè)結(jié)果的復(fù)核結(jié)果；若所述復(fù)核結(jié)果通過(guò)，則發(fā)出告警信號(hào)。本申請(qǐng)通過(guò)大模型對(duì)視頻分析模塊的異常行為檢測(cè)結(jié)果進(jìn)行復(fù)核，提高了預(yù)警的準(zhǔn)確性，確保只有真正需要關(guān)注的事件才會(huì)觸發(fā)預(yù)警。

技術(shù)研發(fā)人員：唐昶榮,吳超杰,喇建國(guó),陳志才,胡小輝
受保護(hù)的技術(shù)使用者：深圳星網(wǎng)信通科技股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23