[发明专利]一种基于人工智能的监控方法和系统

权利要求书

1.一种基于人工智能的监控方法，其特征在于，所述方法包括：

建立与路段工程库的连接通道，读取路段的建筑数据，根据所述建筑数据生成场景模型；

实时获取天气预测信息，基于所述天气预测信息确定图像获取参数，基于所述图像获取模式获取含有拍摄时间的路况图像，得到路况图像库；

对所述路况图像库进行内容识别，根据内容识别结果确定事件区域；

基于所述事件区域在所述场景模型中确定检测路径，并将所述检测路径向移动检测端发送。

2.根据权利要求1所述的基于人工智能的监控方法，其特征在于，所述建立与路段工程库的连接通道，读取路段的建筑数据，根据所述建筑数据生成场景模型的步骤包括：

建立与路段工程库的连接通道，读取路段的BIM模型，并根据所述BIM模型得到三维场景；

读取路段的分层工程图纸，根据所述分层工程图纸得到至少一个俯视角度的二维场景；

根据所述二维场景生成插入所述三维场景，得到场景模型；

获取路段的图像信息，根据车间的图像信息定时更新场景模型。

3.根据权利要求2所述的基于人工智能的监控方法，其特征在于，所述获取路段的图像信息，根据车间的图像信息定时更新场景模型的步骤包括：

根据路段建筑数据确定数据采集高度，生成并显示参考航线；

接收用户的选取信息，确定采集路径；

基于一个垂直和四个倾斜的五个不同视角同步采集图像信息，根据所述图像信息定时更新场景模型。

4.根据权利要求1所述的基于人工智能的监控方法，其特征在于，所述对所述路况图像库进行内容识别，根据内容识别结果确定事件区域的步骤包括：

对所述路段图像进行轮廓识别，根据所述轮廓识别结果确定运动轮廓；

随机提取至少两张间隔时间已知的含有运动轮廓的路段图像，计算各运动轮廓的偏移像素；

将所述偏移像素和所述间隔时间输入训练好的运动分析模型，得到各运动轮廓的运动参数；

根据所述运动参数确定事件区域。

5.根据权利要求4所述的基于人工智能的监控方法，其特征在于，所述根据所述运动参数确定事件区域的步骤包括：

将所述运动参数与预设的参数阈值进行比对，根据比对结果确定待检区域；

对所述待检区域进行特征识别，根据所述特征识别结果生成聚集度；

当所述聚集度达到预设的聚集度阈值时，将所述待检区域标记为事件区域。

6.根据权利要求5所述的基于人工智能的监控方法，其特征在于，所述对所述待检区域进行特征识别，根据所述特征识别结果生成聚集度的步骤包括：

将所述路段图像转换为灰度图像，计算所述灰度图像的灰度平均值；

遍历所述待检区域的像素点，判断所述待检区域像素点的灰度值与所述灰度平均值的大小，若所述待检区域像素点的灰度值大于所述灰度平均值，则置一，若所述待检区域像素点的灰度值小于所述灰度平均值，则置零，最终生成含有特征数值的单值区域；

根据预设的转换公式将所述单值区域中的数值转换为聚集度。

7.根据权利要求6所述的基于人工智能的监控方法，其特征在于，所述基于所述事件区域在所述场景模型中确定检测路径，并将所述检测路径向移动检测端发送的步骤包括：

根据预设的比例尺在所述场景模型中标记所述事件区域对应的目标区域；

获取移动检测端的位置数据，在所述场景模型中生成与所述位置数据对应的动态框；其中，所述动态框的长度与所述移动检测端的最大长度之间的映射关系由预设的比例尺确定，所述动态框的宽度与所述移动检测端的最大宽度之间的映射关系由预设的比例尺确定；

基于所述动态框对所述目标区域进行切分，并确定切分后的目标区域中子区域的中心点；

根据所述中心点确定检测路径，并将所述检测路径向移动检测端发送。