(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 202211182743.6 (22)申请日 2022.09.27 (71)申请人 未石互动科技股份有限公司 地址 201800 上海市嘉定区沪宜公路1 101 号11幢A座10 3室 (72)发明人 李林　 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06T 17/00(2006.01) (54)发明名称 一种基于人工智能的监控方法和系统 (57)摘要 本发明涉及交通监测技术领域， 具体公开了 一种基于 人工智能的监控 方法和系统， 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。 本发明技术方案通过获取路况图像， 对路况图像进行内容识别， 确定事件区域， 进而 通过移动检测端获取事件区域的细 节图像， 从而 对异常情况进行第一时间的获取， 极大地提高了 处理效率。 权利要求书2页 说明书8页 附图4页 CN 115439792 A 2022.12.06 CN 115439792 A 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 所述灰度平均值的权　利　要　求　书 1/2 页 2 CN 115439792 A 2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。 8.一种基于人工智能的监控系统， 其特 征在于， 所述系统包括： 模型建立模块， 用于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； 图像库获取模块， 用于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； 区域确定模块， 用于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； 路径确定模块， 用于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。 9.根据权利要求8所述的基于人工智能的监控系统， 其特征在于， 所述 区域确定模块包 括： 轮廓识别单元， 用于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； 偏移计算单元， 用于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； 参数分析单元， 用于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； 结果生成单元， 用于根据所述 运动参数确定事 件区域。 10.根据权利要求9所述的基于人工智能的监控系统， 其特征在于， 所述结果生成单元 包括： 比对子单元， 用于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； 聚集度计算子单元， 用于根据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； 标记子单元， 用于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。权　利　要　求　书 2/2 页 3 CN 115439792 A 3