[发明专利]通道监测方法、装置、电子设备及介质

权利要求书

1.一种通道监测方法，其特征在于，所述方法包括：

将摄像头采集的目标通道的当前帧图像输入通道占用模型，得到所述当前帧图像的特征向量，其中，所述通道占用模型为预先基于目标通道未被占用时采集的样本图像以及被占用时采集的样本图像训练得到的深度学习模型；

判断第一特征库中是否存在与所述当前帧图像的特征向量距离小于基准阈值的特征向量，其中，所述第一特征库存储有预设时间段内采集的第一参考图像的特征向量，所述第一参考图像为目标通道未被占用时的图像；

若存在，则判定所述目标通道未被占用，并将所述当前帧图像的特征向量更新到所述第一特征库中；

若不存在，则判定所述当前帧图像满足预设异常条件，缩短采样间隔采集下一帧图像；

若连续M帧图像均满足所述预设异常条件，则将所述M帧图像的特征向量与第二特征库中的各特征向量进行比对，若距离均大于第一参考阈值，则判定所述目标通道被占用，上报通道占用事件以及所述M帧图像，其中，所述第二特征库中存储有多个第二参考图像的特征向量，所述多个第二参考图像包括在多种外界环境下采集的目标通道未被占用时的图像。

2.根据权利要求1所述的方法，其特征在于，所述将所述M帧图像的特征向量与第二特征库中的各特征向量进行比对，还包括：

若所述M帧图像中，存在与所述第二特征库中任意一特征向量之间距离小于或等于第一参考阈值的图像，则判定所述目标通道未被占用。

3.根据权利要求1所述的方法，其特征在于，所述将所述M帧图像的特征向量与第二特征库中的各特征向量进行比对，还包括：

若所述M帧图像中，存在与所述第二特征库中任意一特征向量之间距离大于第二参考阈值且小于或等于第一参考阈值的图像，则将该图像的特征向量添加到所述第二特征库中，并将该图像添加到与所述第二特征库对应的图像库中，其中，所述第二参考阈值大于所述基准阈值。

4.根据权利要求1所述的方法，其特征在于，所述通道占用模型通过以下步骤训练得到：

获取训练数据，所述训练数据包括多个在所述目标通道未被占用时采集的第一样本图像，以及多个在所述目标通道被占用时采集的第二样本图像；

基于所述训练数据，对预先构建的深度学习模型进行训练，得到所述通道占用模型，所述通道占用模型用于输出目标通道的图像的特征向量。

5.根据权利要求4所述的方法，其特征在于，所述对预先构建的深度学习模型进行训练之前，还包括：

获取所述目标通道的样本图像，基于所述样本图像对预先构建的空间变换网络进行训练，得到前置空间变换子模型；

将所述前置空间变换子模型插入预先构建的神经网络模型，得到所述深度学习模型。

6.根据权利要求4所述的方法，其特征在于，所述深度学习模型的损失函数基于预设的ArcFace损失函数、CosFace损失函数、SphereFace损失函数、类内损失函数以及类间损失函数确定。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：按照预设触发条件执行以下特征库更新步骤：

对所述第二特征库中的各特征向量进行聚类，得到多个特征向量簇，每个特征向量簇中包括至少一个特征向量；

针对每个特征向量簇，将除所述特征向量簇的中心点之外的特征向量，和/或，距离所述中心点预设半径范围之内的特征向量确定为冗余特征向量；

将所述冗余特征向量从所述第二特征库中剔除。