CN118279784B 面向云台摄像机的事件动态巡检方法、装置及电子设备 （山东高速集团有限公司）

本发明提供一种面向云台摄像机的事件动台摄像机从当前预置位调整到下一预置位的情的图像分割结果和道路交通标志的图像分割结2在云台摄像机从当前预置位调整到下一预置位的情况下，对所述图像帧进行处理，确定所述第一对象的图像分割结果和所当前视频帧中预测的道路交通标志与历史视频帧中预测的道路交通标志交集和并集的比在所述云台摄像机没有发生移位的情况下，基于道路有效在所述云台摄像机发生移位的情况下，重新确定所述第一所述对所述图像帧进行处理，确定所述第一对象的图像分割结果基于所述车道线的图像分割结果和所述道路交通标志的图像和第二距离，所述第一距离为相邻两个视频帧中同一车道线对应的像素点坐标之间的距在所述第二对象为行人且所述道路有效区域首次出现所述行人的轨迹信息的情况下，在所述第二对象为非机动车，且所述道路有效区域首次在所述第二对象为机动车，且所述道路有效区域中的所述机动3在所述第二对象为机动车，且所述道路有效区域中的所述机动获取模块，用于在云台摄像机从当前预置位调整到下一预置位的一预置位对应的监控区域的视频数据，所述监控区域的视频数据是由所述云台摄像机采第一确定模块，用于对所述图像帧进行处理，确定所述第一的多任务卷积神经网络对所述图像帧进行全景分割，得到所述第一对象的图像分割结果；所述基于改进YOLOPv2的多任务卷积神经网络的头部网络包括道路区域对应的分割头、车第一判断模块，用于基于所述车道线的图像分割结果和所述道路第二判断模块，用于在所述云台摄像机没有发生移位的情况第二确定模块，用于在所述云台摄像机发生移位的情况5.一种电子设备，包括存储器、处理器及程序被处理器执行时实现如权利要求1至3任一项所述面向云台摄像机的事件动态巡检方时实现如权利要求1至3任一项所述面向云4决现有技术中云台摄像机移位过程中导致的图像变化容易5[0013]通过基于改进YOLOPv2的多任务卷积神经网络对所述图像帧进行全景分割，得到[0014]所述基于改进YOLOPv2的多任务卷积神经网络的头部网络包括道路区域对应的分距离，所述第二距离为相邻两个视频帧中同一道路交通标志对应的像素点坐标之间的距[0021]在所述第二对象为行人且所述道路有效区域首次出现所述行人的轨迹信息的情静止的时间超过时间阈值，且所述道路有效区域中的停车数量不超过车辆阈值的情况下，静止的时间超过时间阈值，且所述道路有效区域中的停车数量超过所述车辆阈值的情况6路区域的图像分割结果和所述车道线的图像分机程序被处理器执行时实现如上述任一种所述面向云台摄像机的事件动执行时实现如上述任一种所述面向云台摄像机的7摄像机发生移位之后人工设定的规则失效；(2)云台摄像机动态移位过程中图像变化容易[0045]下面结合图1_图4描述本发明的面向云台摄像机的事件动态巡检方法、装置及电[0047]本发明提供的面向云台摄像机的事件动态巡检方法的执行主体可以是电子设备、务器、网络附属存储器(NetworkAttachedStorage，NAS)、个人计算机(personal8对象进行目标检测和跟踪。从而可以确定第一对象的图像分割结果和第二对象的轨迹信[0062]道路区域的图像分割结果用于自动提取道路有效区域避免无关区域中目标的干[0067]ONVIF协议用于网络摄像机与服务器之间通信，主要为网络视频产品提供标准化[0068]ONVIF协议采用Web服务描述语言(WebServicesDescriptionLanguage，WSDL)和可扩展标记语言(ExtensibleMarkupLanguage，XML)的浏览器/服务器(Browser/通过实时传输协议(Real_timeTransportProtocol，RTP)/实时流协议(RealTime9第一对象的图像分割结果和第二对象的轨迹信息，或者基于云台摄像机不同时刻的PTZ信[0073]通过基于改进YOLOPv2的多任务卷积神经网络对图像帧进行全景分割，得到第一[0074]基于改进YOLOPv2的多任务卷积神经网络的头部网络包括道路区域对应的分割[0075]在实际执行中，可以将视频数据中的每个图像帧输入至基于改进YOLOPv2的多任取的道路有效区域和车道线检测结果是否符合实际道离为相邻两个视频帧中同一道路交通标志对应的比(IntersectionoverUnion，IoU)和平均交并比(MeanIntersectionoverUnion，[0094]IoU可以计算当前视频帧中预测的车道线区域与历史视频帧中预测的车道线区域[0095]也可以计算当前视频帧中预测的道路交通标志与历史视频帧中预测的道路交通法适用于支持ONVIFPTZ相关协议的摄像机[0106]在第二对象为非机动车，且道路有效区域首次出现非机动车的轨迹信息的情况[0111]车辆的轨迹信息保持静止的时间超过时间阈值T，且当前路段停止的车辆数量不[0120]动态巡检模块220，用于通过在巡检计划表中查找与当前预置位信息匹配的下一面向云台摄像机的事件动态巡检装置与上文描述的面向云台摄像机的事件动态巡检方法[0129]图3是本发明提供的面向云台摄像机的事件动态巡检装置的结构示意图。参照图[0132]第一判断模块330，用于基于所述车道线的图像分割结果和所述道路交通标志的道路区域的图像分割结果和所述车道线的图像分第一对象的图像分割结果和第二对象的轨迹信息，或者基于云台摄像机不同时刻的PTZ信[0137]通过基于改进YOLOPv2的多任务卷积神经网络对所述图像帧进行全景分割，得到[0138]所述基于改进YOLOPv2的多任务卷积神经网络的头部网络包括道路区域对应的分距离，所述第二距离为相邻两个视频帧中同一道路交通标志对应的像素点坐标之间的距[0145]在所述第二对象为行人且所述道路有效区域首次出现所述行人的轨迹信息的情静止的时间超过时间阈值，且所述道路有效区域中的停车数量不超过车辆阈值的情况下，静止的时间超过时间阈值，且所述道路有效区域中的停车数量超过所述车辆阈值的情况[0158]此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为发明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部分可以以以