[发明专利]摄像机生命周期的监控方法、装置、设备和介质

权利要求书

1.一种摄像机生命周期的监控方法，包括：

获取预定时间段内的与目标摄像机相关的数据组集合；

对所述数据组集合进行数据融合处理，得到融合数据；

将所述融合数据输入至预先训练的态势感知模型，得到所述融合数据对应的监控结果；

基于所述监控结果，确定所述目标摄像机的工作状态。

2.根据权利要求1所述的方法，其中，所述数据组集合中的数据组包括视频质量数据、故障数据和环境温度数据；以及

所述方法还包括：

基于所述数据组集合和可视化技术，生成数据时间态势图像，其中，所述数据时间态势图像表征视频质量数据、故障数据和环境温度数据的态势。

3.根据权利要求2所述的方法，其中，所述工作状态包括工作正常和工作异常；以及

所述方法还包括：

响应于所述工作状态为工作异常，确定所述数据时间态势图像中的视频质量数据、故障数据和环境温度数据的态势是否达到预设阈值；

响应于所述数据时间态势图像中的视频质量数据、故障数据和环境温度数据的态势达到预设阈值，生成目标摄像机生命终止时间和所述目标摄像机的运维周期的关键性数据。

4.根据权利要求3所述的方法，其中，所述方法还包括：

将所述目标摄像机生命终止时间和所述目标摄像机的运维周期的关键性数据发送至客户端以便对所述客户端进行摄像机更换预警。

5.根据权利要求4所述的方法，其中，所述预先训练的态势感知模型包括第一全连接层和第二全连接层；以及

所述将所述融合数据输入至预先训练的态势感知模型，得到所述融合数据对应的监控结果，包括：

将所述融合数据输入所述第一全连接层，生成特征数据；

将所述特征数据输入所述第二全连接层，生成降维数据；

基于所述降维数据，生成所述融合数据对应的监控结果。

6.根据权利要求5所述的方法，其中，所述预先训练的态势感知模型使用的激活函数是线性整流函数。

7.根据权利要求6所述的方法，其中，所述预先训练的态势感知模型是通过如下步骤得到的：

确定初始神经网络的网络结构以及初始化所述初始神经网络的网络参数；

获取训练样本集，其中，训练样本包括样本数据和对应于所述样本数据的样本类别；

从所述样本集中选取样本，以及执行以下训练步骤：

将选取的样本的样本数据输入至初始神经网络，得到所述选取的样本的类别；

将所述选取的样本的类别与对应的样本类别进行比较；

根据比较结果确定所述初始神经网络是否达到预设的优化目标；

响应于确定所述初始神经网络达到所述优化目标，将所述初始神经网络作为训练完成的所述预先训练的态势感知模型；

响应于确定初始神经网络未训练完成，调整初始神经网络中的相关参数，以及从所述样本集中重新选取样本，使用调整后的初始神经网络作为初始神经网络，再次执行所述训练步骤。

8.一种摄像机生命周期的监控装置，包括：

获取单元，被配置成获取预定时间段内的与目标摄像机相关的数据组集合；

数据融合处理单元，被配置成对所述数据组集合进行数据融合处理，得到融合数据；

输入单元，被配置成将所述融合数据输入至预先训练的态势感知模型，得到所述融合数据对应的监控结果；

确定单元，被配置成基于所述监控结果，确定所述目标摄像机的工作状态。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。