[发明专利]监控设备故障识别方法、装置、设备及存储介质

权利要求书

1.一种监控设备故障识别方法，其特征在于，所述监控设备故障识别方法包括：

获取所述监控设备的IP地址和预置检测端口，并读取所述监控设备采集到的目标视频数据；

通过所述监控设备的IP地址和预置检测端口对所述监控设备进行心跳检测，得到所述监控设备的心跳检测反馈结果，其中，所述心跳检测反馈结果包括所述监控设备的运行状态信息和故障码；

基于所述心跳检测反馈结果，判断所述监控设备是否正常运行；

若所述监控设备正常运行，则通过预设筛选规则，从所述目标视频数据中筛选出目标帧图像；

通过预置图像特征提取模型，确定所述目标帧图像两两之间的相似度，并基于所述目标帧图像两两之间的相似度，确定所述监控设备的摄像头是否发生故障。

2.根据权利要求1所述的监控设备故障识别方法，其特征在于，在所述获取所述监控设备的IP地址和预置检测端口，并通过所述监控设备对目标区域进行拍摄，得到所述监控设备采集到的目标视频数据之前，还包括：

接收针对所述目标区域的拍摄指令；

基于所述拍摄指令对所述目标区域进行拍摄，得到所述目标区域的目标视频数据。

3.根据权利要求1所述的监控设备故障识别方法，其特征在于，所述通过预设筛选规则，从所述目标视频数据中筛选出目标帧图像包括：

根据所述目标区域的历史视频数据获取所述目标区域的场景变化参数，其中，所述场景变化参数用于指示所述目标区域的稳定度；

根据所述目标区域的场景变化参数和预设时间间隔，从所述目标视频中选择图像，且每次一帧图像，将选择的图像作为所述目标帧图像。

4.根据权利要求1所述的监控设备故障识别方法，其特征在于，所述通过预置图像特征提取模型，确定所述目标帧图像两两之间的相似度，并基于所述目标帧图像两两之间的相似度，确定所述监控设备的摄像头是否发生故障包括：

将所述目标帧图像输入预置图像特征提取模型，得到输出神经元作为特征的各层上所述目标帧图像的特征向量；

对所述各层分别计算所述目标帧图像的特征向量两两之间的相似度；

根据所述目标帧图像的特征向量两两之间的相似度，通过回归算法计算所述目标帧图像两两之间的相似度，其中，所述各层上计算得到的所述特征向量两两之间的相似度对应取不同的权重；

基于所述目标帧图像两两之间的相似度，确定所述监控设备的摄像头是否发生故障。

5.根据权利要求1所述的监控设备故障识别方法，其特征在于，在所述通过预置图像特征提取模型，确定所述目标帧图像两两之间的相似度，并基于所述目标帧图像两两之间的相似度，确定所述监控设备的摄像头是否发生故障之前，还包括：

选取深度卷积神经网络模型，其中，所述深度卷积神经网络模型包括M层卷积层和N层全连接层；

在M+N层中选取指定的K层做特征提取，以所述K层的神经元输出作为特征向量；

获取历史视频数据，并通过所述历史视频数据读取历史图像数据；

将所述历史图像数据作为训练集输入所述深度卷积神经网络模型，基于反向传播算法训练所述深度卷积神经网络模型，得到具有K个特征向量的图像特征提取模型。

6.根据权利要求1-5所述的监控设备故障识别方法，其特征在于，在所述通过所述监控设备的IP地址和预置检测端口对所述监控设备进行心跳检测，得到所述监控设备的心跳检测反馈结果之后，还包括：

若超过预设时间阈值仍未收到所述监控设备返回的心跳检测反馈结果，则对所述目标帧图像进行识别，确定所述监控设备是否掉线；

若所述监控设备掉线，则基于所述IP地址，将所述监控设备标识为目标故障设备并重启；

若所述目标故障设备重启失败，则获取所述目标故障设备的GPS位置信息；

通过所述目标故障设备的GPS位置信息，向监测中心发送告警信息，并对所述目标故障监控设备进行干预。