[发明专利]摄像机的工作状态检测方法及相关设备、系统

说明书

本申请涉及一种摄像机的工作状态检测方法及相关设备、系统，摄像机的工作状态检测方法包括：按照预设时间间隔，获取待检测的摄像机拍摄的图片；基于预先训练好的深度学习算法模型，对图片进行识别，得到识别结果；根据识别结果，确定当前摄像机的工作状态。如此，无需人工逐个进行视频开流轮巡，也无需人工对拍摄的视频结果进行逐一查看并记录查看结果，有效节约了人力资源，节省了工作时间，提高了识别效率，避免了摄像机镜头被长时间遮挡而没有被及时处理的情况发生，保证了摄像机的正常工作。

技术领域

本申请涉及图像检测技术领域，具体涉及一种摄像机的工作状态检测方法及相关设备、系统。

背景技术

对于安装在室外的摄像机设备，其在安装之后，受设置环境的影响，经常会被树叶等障碍物遮挡。因此在摄像机设备工作的过程中，需要对摄像机设备的工作状态进行查看，避免摄像机长时间被障碍物遮挡进而影响其正常工作。

目前针对摄像机镜头被树叶等障碍物遮挡情况的识别，主要是依靠轮巡摄像机开流以及人工对播放画面查看来实现。依靠轮巡摄像机开流需要工作人员逐个进行视频开流轮巡，耗时比较长，识别效率比较低；人工对播放画面进行查看识别也需要消耗大量人力和时间对拍摄的视频进行查看和标记，并不能及时、有效地发现并解决镜头被遮挡的问题。

发明内容

有鉴于此，本申请的目的在于克服现有技术的不足，提供一种摄像机的工作状态检测方法及相关设备、系统。

为实现以上目的，本申请采用如下技术方案：

本申请的第一方面提供一种摄像机的工作状态检测方法，包括：

按照预设时间间隔，获取待检测的摄像机拍摄的图片；

基于预先训练好的深度学习算法模型，对所述图片进行识别，得到识别结果；

根据所述识别结果，确定当前所述摄像机的工作状态。

可选的，所述获取待检测的摄像机拍摄的图片之前，还包括：

获取所述摄像机在多种场景下拍摄的若干样本图片；

对若干所述样本图片进行分类，得到预设种类的样本训练集；

将所述预设种类的样本训练集输入到训练模型中进行训练，构建所述深度学习算法模型。

可选的，所述将所述预设种类的样本训练集输入到训练模型中进行训练，构建所述深度学习算法模型，包括：

配置所述训练模型的参数；

将所述预设种类的样本训练集输入到训练模型中进行训练，得到第一训练结果模型；

计算所述第一训练结果模型的准确率，判断所述准确率是否达到预设阈值；

若所述准确率达到所述预设阈值，则所述第一训练结果模型为所述深度学习算法模型；若所述准确率未达到所述预设阈值，则继续对所述第一训练结果模型进行训练，直至所述准确率达到所述预设阈值。

可选的，所述样本训练集包括：被树叶遮挡的样本训练集、被其他障碍物遮挡的样本训练集和无遮挡的样本训练集。

可选的，所述基于预先训练好的深度学习算法模型，对所述图片进行识别，得到识别结果，包括：

利用所述深度学习算法模型对所述图片进行结构化处理；

对结构化处理后的图片进行特征提取，得到特征值；

将所述特征值与所述深度学习算法模型的样本库中的样本特征值进行比对，得到比对结果；

根据所述比对结果，确定所述识别结果。

可选的，所述确定当前所述摄像机的工作状态之后，所述方法还包括：