本申請涉及人工智能，尤其涉及監(jiān)控數(shù)據(jù)的處理方法、設備及計算機存儲介質(zhì)。

背景技術：

1、在安防領域中，在攝像機采集圖像數(shù)據(jù)后，通過人工智能（ai，artificialintelligence）技術進行異常行為識別，然后在識別到異常行為后觸發(fā)預警。但是，由于在復雜監(jiān)控環(huán)境中，人工智能對異常行為的識別結果，容易因為圖像數(shù)據(jù)中的遮擋或者與遮擋相似干擾的影響，而無法準確地識別出異常行為，進而導致出現(xiàn)錯誤預警。在相關技術中，為了避免錯誤預警產(chǎn)生不必要的恐慌，一般在ai識別出異常行為后，先將異常行為對應的片段發(fā)送至人工端，通過人工復核是否存在異常行為。這樣導致安防系統(tǒng)的危險預警存在嚴重的滯后性。

技術實現(xiàn)思路

1、本申請的主要目的在于提供一種監(jiān)控數(shù)據(jù)的處理方法、設備及計算機存儲介質(zhì)，旨在解決基于人工智能的預警系統(tǒng)中預警準確性不足的技術問題。

2、為實現(xiàn)上述目的，本申請實施例提供一種監(jiān)控數(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結果，其中，所述異常行為檢測結果包括異常行為描述以及所述異常行為描述對應的監(jiān)控數(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)控數(shù)據(jù)輸入至大模型中，獲取所述異常行為檢測結果的復核結果；

6、若所述復核結果通過，則發(fā)出告警信號。

7、在一實施例中，所述獲取視頻分析模塊輸出的異常行為檢測結果，其中，所述異常行為檢測結果包括異常行為描述以及所述異常行為描述對應的監(jiān)控數(shù)據(jù)的步驟之前，包括：

8、對視頻文件進行幀分割，提取出所述視頻文件的視頻幀；

9、對所述視頻幀進行目標檢測，識別所述視頻幀中的目標對象，并提取所述目標對象的特征參數(shù)；

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

11、根據(jù)比較結果，生成異常行為描述以及所述異常行為描述對應的監(jiān)控數(shù)據(jù)。

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

13、定義所述目標對象的異常行為特征集；

14、將所述目標對象的特征參數(shù)與所述異常行為特征集中所述目標對象對應的特征模板進行比較，確定所述特征參數(shù)與所述特征模板的匹配度；

15、若所述匹配度達到或超過預設閾值，則標記所述目標對象為存在異常行為。

16、在一實施例中，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結果的優(yōu)先級和準確性要求；

19、若所述異常行為檢測結果的優(yōu)先級高，則對所述異常行為檢測結果進行大模型復核；

20、若所述異常行為檢測結果的優(yōu)先級低，且所述準確性要求高，則對所述異常行為檢測結果進行大模型和人工雙重復核；

21、若所述大模型處于忙碌狀態(tài)，則根據(jù)所述優(yōu)先級排序?qū)λ霎惓Ｐ袨闄z測結果進行復核。

22、在一實施例中，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)包括目標對象、所述目標對象的異常行為，以及所述異常行為的發(fā)生時間和地點；

24、根據(jù)所述異常行為的類別，從預設指令模板中選擇對應的指令模板；

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、在一實施例中，所述將所述大模型輸入指令和所述監(jiān)控數(shù)據(jù)輸入至大模型中，獲取所述異常行為檢測結果的復核結果的步驟之前，包括：

27、采集歷史監(jiān)控數(shù)據(jù)，并對所述歷史監(jiān)控數(shù)據(jù)中的異常行為進行標注，形成帶有標簽的訓練數(shù)據(jù)集；

28、將所述訓練數(shù)據(jù)集輸入大模型中，對所述大模型進行訓練，并得到所述訓練數(shù)據(jù)集的異常行為預測結果；

29、比較所述異常行為預測結果與對應的所述標簽，計算損失函數(shù)；

30、基于所述損失函數(shù)，對所述大模型的學習參數(shù)進行調(diào)整。

31、在一實施例中，所述將所述大模型輸入指令和所述監(jiān)控數(shù)據(jù)輸入至大模型中，獲取所述異常行為檢測結果的復核結果的步驟包括：

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

33、接收大模型返回的復核結果，所述復核結果用于指示所述異常行為檢測結果是否正確；

34、對所述復核結果進行驗證，若驗證結果表明所述復核結果不通過，則根據(jù)所述驗證結果調(diào)整所述大模型輸入指令的生成參數(shù)。

35、在一實施例中，所述若所述復核結果通過，則發(fā)出告警信號的步驟，還包括：

36、對所述復核結果進行驗證，若驗證結果表明所述復核結果通過，則基于所述異常行為檢測結果確定預警等級；

37、根據(jù)所述預警等級，發(fā)送對應的告警信號。

38、本申請實施例還提供一種監(jiān)控數(shù)據(jù)的處理設備，所述監(jiān)控數(shù)據(jù)的處理設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現(xiàn)如上文所述的監(jiān)控數(shù)據(jù)的處理方法的步驟。

39、本申請實施例還提供一種計算機存儲介質(zhì)，所述計算機存儲介質(zhì)為計算機可讀存儲介質(zhì)，所述計算機存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上文所述的監(jiān)控數(shù)據(jù)的處理方法的步驟。

40、本申請實施例公開了一種監(jiān)控數(shù)據(jù)的處理方法，通過獲取視頻分析模塊輸出的異常行為檢測結果，其中，所述異常行為檢測結果包括異常行為描述以及所述異常行為描述對應的監(jiān)控數(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)控數(shù)據(jù)輸入至大模型中，獲取所述異常行為檢測結果的復核結果；若所述復核結果通過，則發(fā)出告警信號。本申請通過大模型對視頻分析模塊的異常行為檢測結果進行復核，提高了預警的準確性，確保只有真正需要關注的事件才會觸發(fā)預警。

技術特征：

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

2.如權利要求1所述的監(jiān)控數(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結果，其中，所述異常行為檢測結果包括異常行為描述以及所述異常行為描述對應的監(jiān)控數(shù)據(jù)的步驟之前，包括：

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

4.如權利要求1所述的監(jiān)控數(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.如權利要求1所述的監(jiān)控數(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.如權利要求1所述的監(jiān)控數(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)控數(shù)據(jù)輸入至大模型中，獲取所述異常行為檢測結果的復核結果的步驟之前，包括：

7.如權利要求1所述的監(jiān)控數(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)控數(shù)據(jù)輸入至大模型中，獲取所述異常行為檢測結果的復核結果的步驟包括：

8.如權利要求1所述的監(jiān)控數(shù)據(jù)的處理方法，其特征在于，所述若所述復核結果通過，則發(fā)出告警信號的步驟，還包括：

9.一種監(jiān)控數(shù)據(jù)的處理設備，其特征在于，所述監(jiān)控數(shù)據(jù)的處理設備包括：存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序配置為實現(xiàn)如權利要求1至8中任一項所述的監(jiān)控數(shù)據(jù)的處理方法的步驟。

10.一種計算機存儲介質(zhì)，其特征在于，所述計算機存儲介質(zhì)為計算機可讀存儲介質(zhì)，所述計算機存儲介質(zhì)上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至8中任一項所述的監(jiān)控數(shù)據(jù)的處理方法的步驟。

技術總結
本申請公開了一種監(jiān)控數(shù)據(jù)的處理方法、設備及計算機存儲介質(zhì)，涉及人工智能技術領域，該方法包括：獲取視頻分析模塊輸出的異常行為檢測結果，其中，所述異常行為檢測結果包括異常行為描述以及所述異常行為描述對應的監(jiān)控數(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)控數(shù)據(jù)輸入至大模型中，獲取所述異常行為檢測結果的復核結果；若所述復核結果通過，則發(fā)出告警信號。本申請通過大模型對視頻分析模塊的異常行為檢測結果進行復核，提高了預警的準確性，確保只有真正需要關注的事件才會觸發(fā)預警。

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