(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221047231 1.2 (22)申请日 2022.04.29 (71)申请人 北京容联易 通信息技 术有限公司 地址 100000 北京市朝阳区广顺北 大街33 号院1号楼13层一单 元1601室 (72)发明人 朱新潮　曾国卿　许志强　孙昌勋　 刘佳宁　杨坤　李威　 (74)专利代理 机构 北京冠和权律师事务所 11399 专利代理师 郑延斌 (51)Int.Cl. G06V 20/52(2022.01) G06N 20/00(2019.01) H04N 7/18(2006.01) (54)发明名称 一种基于深度学习的视频智能监控算法架 构方法和系统 (57)摘要 本发明提供了一种基于深度学习的视频智 能监控算法架构方法和系统， 其方法包括： 基于 预设摄像头获取目标监控区域的视频图像， 并对 所述视频图像进行处理， 确定所述目标监控区域 的实时流图像； 对预设深度学习图像智能分析模 块进行配置， 并基于配置结果对输入的实时流图 像进行处理， 得到分析结果， 根据分析结果， 基于 预设业务逻辑分析规则对所述分析结果进行业 务分析， 并基于业务分析结果进行告警推送， 完 成对视频智能监控算法的架构。 实现对多任务场 景进行有效监控， 且提高了对监控图像的处理效 率， 同时便于根据视频智能监控算法架构实时检 测监控图像中的异常行为 或现象， 并进行相应的 告警操作， 提高了监控力度， 确保了监控区域的 秩序以及安全性。 权利要求书3页 说明书12页 附图2页 CN 114743163 A 2022.07.12 CN 114743163 A 1.一种基于深度学习的视频智能监控算法架构方法， 其特 征在于， 包括： 步骤1： 基于预设摄像头获取目标监控区域的视频流， 并对所述视频流进行处理， 确定 所述目标监控区域的实时流图像； 步骤2： 对预设深度 学习图像智能分析模块进行配置， 并基于配置结果对输入的实时流 图像进行处 理， 得到分析 结果； 步骤3： 基于目标预设业务逻辑分析规则对所述分析结果进行业务分析， 并基于业务分 析结果进行告警推送， 完成对视频智能监控算法的架构。 2.根据权利要求1所述的一种基于深度学习的视频智能监控算法架构方法， 其特征在 于， 步骤1中， 获取目标监控区域的视频流， 包括： 基于预设指令发送方式向服务器发送视频查看请求， 其中， 所述视频查看请求包括待 查看的监控设备编号； 所述服务器基于所述视频查看请求获取监控设备编 号对应的目标监控设备， 确定所述 目标监控设备当前时刻的视频流数据， 并将所述视频图像数据转换为标准视频流； 基于预设封装方法将所述标准视频流进行封装发送给视频查看方终端。 3.根据权利要求1所述的一种基于深度学习的视频智能监控算法架构方法， 其特征在 于， 步骤1中， 对所述视频流进行处 理， 确定所述目标监控区域的实时流图像， 包括： 获取得到的视频流， 并将所述视频流转换为对应的视频帧序列， 其中， 所述视频帧序列 中每一视频帧对应一张帧图像； 确定所述视频帧序列对应的帧图像序列， 并提取 所述帧图像的编码方式； 基于所述编码方式确定解码方案， 并基于所述解码方案从所述帧图像序列中解码出帧 图像， 得到所述目标监控区域的实时流图像。 4.根据权利要求3所述的一种基于深度学习的视频智能监控算法架构方法， 其特征在 于， 得到所述目标监控区域的实时流图像， 包括： 获取得到的目标监控区域的实时流图像， 并基于预设筛选方法判断相邻 视频帧对应的 实时流图像是否相似； 若相似， 将所述相邻视频帧对应的实时流图像归为同类图像集， 并基于预设图像质量 评估模型对所述同类图像集中每张实时流图像进行图像质量评估； 基于评估结果确定同类图像集中的目标代表图像， 并将所述目标代表图像传输至预设 深度学习图像智能分析模块进行分析处 理； 否则， 将每个视频帧对应的实时流图像分别传输至预设深度学习图像智能分析模块进 行分析处 理。 5.根据权利要求1所述的一种基于深度学习的视频智能监控算法架构方法， 其特征在 于， 步骤2中， 对预设深度学习图像智能分析模块进行配置， 并基于配置结果对输入的实时 流图像进行处 理， 得到分析 结果， 包括： 所述预设深度学习图像智能分析模块包括前处理模块、 模型推理模块以及后处理模 块； 基于预设配置方法分别对所述前处理模块、 模型推理模块以及后处理模块进行第 一配 置、 第二配置以及第三配置； 基于配置结果依次将所述实时流图像输入至所述前处理模块、 模型推理模块以及后处权　利　要　求　书 1/3 页 2 CN 114743163 A 2理模块进行处 理， 得到分析 结果。 6.根据权利要求5所述的一种基于深度学习的视频智能监控算法架构方法， 其特征在 于， 对前处 理模块进行第一配置， 包括： 获取预设摄像头的数量以及每个摄像头的任务配置情况， 并基于所述预设摄像头的数 量以及每 个摄像头的任务配置情况确定所述预设摄 像头采集到的实时流图像的图像信息； 基于所述实时流图像的图像信息将所述实时流图像进行分块处理， 得到M个子目标图 像块， 并基于预设处理函数分别对所述M个子目标图像块进 行计算， 确定每个所述子目标图 像块所需的内存容 量； 基于所述内存容 量对采集到的实时流图像设置目标容 量的缓存队列； 基于所述缓存队列将所述预设摄像头采集到的实时流图像进行缓存， 并确定对实时流 图像的预设处 理规则； 确定所述预处理规则的执行逻辑， 并基于所述执行逻辑将所述预设处理规则进行组 合； 基于组合结果 生成对应的配置文件； 确定所述实时流图像的属性信 息， 基于所述属性信 息确定所述实时流图像对应的目标 预设处理规则组合结果， 并基于所述目标预设处理规则组合结果对所述配置文件中的目标 参数进行调整， 得到目标配置文件； 基于所述目标配置文件 对所述实时流图像进行 前处理操作。 7.根据权利要求5所述的一种基于深度学习的视频智能监控算法架构方法， 其特征在 于， 对模型推理模块进行第二配置， 包括： 获取前处理模块对实时流图像处理后得到的第 一图像， 并确定对所述第 一图像的分析 目标， 其中， 所述第一图像至少为 一张； 基于所述分析目标判断所述第一图像对应的模型 是否一致； 若一致， 根据预设配置文件， 确定所述第一图像的推理逻辑， 并基于所述推理逻辑确定 所述第一图像对 模型的调用顺序； 基于所述调用顺序得到模型集 合； 基于所述模型集 合对所述第一图像进行推理， 得到所述第一图像的推理分析 数据； 若不一致， 确定所述第一图像对应的模型， 并分别基于所述模型对所述第一图像进行 推理， 得到所述第一图像的推理分析 数据。 8.根据权利要求5所述的一种基于深度学习的视频智能监控算法架构方法， 其特征在 于， 对后处 理模块进行第三配置， 包括： 获取模型推理模块分析得到的推理分析结果数据， 并基于预设解码方法对所述推理分 析结果数据进行解码 操作， 得到目标原 始数据； 获取所述目标图像的原始图像数据， 并基于所述目标原始数据与所述原始图像数据判 断所述前处 理模块是否对所述实时流图像执 行空间变化操作； 若执行， 确定所述目标图像执行空间变化操作的目标变换规则， 并基于所述目标变换 规则对所述目标原始数据进行逆操作， 得到与所述目标图像中原始空间关系相对应的分析 结果； 否则， 基于所述目标原 始数据确定对所述目标图像的分析 结果。权　利　要　求　书 2/3 页 3 CN 114743163 A 3