[发明专利]监控系统及自动执行安全功能的方法及生成合成训练数据集的系统和方法

说明书

一种用于自动执行监控系统的安全功能的方法，该监控系统用于基于由至少一个传感器设备生成的用于环境感知的空间分辨传感器数据关于至少一个特别是用户定义的感兴趣对象地、监控待监控环境，所述方法包括：接收由所述至少一个传感器设备生成的空间分辨传感器数据；访问用于关于所述至少一个感兴趣对象地、监控要监控的环境的经训练的机器学习计算机视觉模型，其中对于所述监控，针对所述至少一个感兴趣对象处理和评估空间分辨传感器数据，由此确定至少一个监控参数，其中所述机器学习计算机视觉模型包括设置为作为基于合成训练数据集的训练过程的结果而学习的值的参数的集合；根据所述至少一个监控参数执行所述安全功能。

技术领域

本发明涉及一种用于监控待监控环境的监控系统和一种用于自动执行监控系统的安全功能的方法，该监控系统用于监控关于至少一个感兴趣对象的要监控的环境，这基于由至少一个用于对待监控环境的至少一部分进行环境感知的传感器设备生成的、用于环境感知的空间分辨传感器数据。

本发明还涉及一种用于生成用于训练机器学习计算机视觉模型的合成训练数据集的系统和方法，以用于借助至少一个感兴趣对象、特别是用户定义的感兴趣对象监控要监控的环境，其中对于监控(特别是用于由机器学习计算机视觉模型执行的监控任务)，空间分辨传感器数据针对至少一个对象被处理和评估。

背景技术

安全和监控是几乎所有商业、公共甚至私人物业都需要的事务。建立这种安全和监控系统不仅耗时，而且可能会变得昂贵。通常监控系统的建立几乎总是需要增加人的监控。人坐在摄像头后面，观察摄像头系统拍摄到的活动。由于它是由人控制的，因此有可能出现错误或监控人员总是需要持续关注。这表明了安全风险，增加更多的安全人员来避免事件也意味着每个人的监控成本增加，这变得复杂和昂贵。

如果物业内有入侵者，他们也可能知道摄像头正在记录他们的情况，但当这些记录被分析后并且入侵者已经遮住了他们的脸时，大多为时已晚。要使这类系统自动化，需要大量数据。如果完全由传感器和机器人取代，则需要建立一个监控环境并监控活动，即使用摄像头进行监控，然后使用这些数据和经过训练的神经网络来识别潜在威胁并进行监控。需要对人、车辆、房间、环境等进行数小时的真实记录，这也是相当大的努力和精力。

视频监控即服务(来自https://www.vsaas.com/)是这一领域的最新趋势，机器学习和人工智能正在帮助监控和安全。然而，大多数组织仍然依赖人力安全和监控。大多数地区仍然通过控制室进行控制，控制室的人员坐在监控区后面，从安装在现场的摄像头接收视频流。

像VaaS(视频监控即服务Video Surveillance as A Service)这样的已知解决方案是手动生成照片或手动收集现场视频流，以及手动进行时间密集标记，以用于训练神经网络，用于部分检测或用于检测不寻常的活动或事件发生。编写一个神经网络也是耗费时间和精力的。为了有效地利用数据，还需要计算机视觉和神经网络方面的知识和经验。手动拍摄500张照片或从直播视频中提取每一帧需要几个小时，然后手动标记几天。训练过程包括神经网络的创建将是另一个星期的工作时间，这是大量的时间和精力需要花费在整个过程中。有一些工具可以帮助标记过程，但这仍然需要人工工作来识别图像中的对象，这并没有减少很多所需的时间。

另一方面，人工区域安全监控也是成本和时间密集的。它要求安全人员、大多是一个以上的人员同时坐在控制室里。此外，这包括无法长期监控单独房间。有些人或办公室可能害怕让房间被监控或被另一个人始终监控。

避免成本和人工监控的最简单的过程是用收集的大量数据训练人工智能，编写一个神经网络，然后将这些标记数据传递给人工智能。这耗费了大量的时间和精力。像VaaS这样的服务(来自https://www.vsaas.com/)是一种更现代的解决方案，可以减少安全和监控中的人员交互。但即使是这种方法，数据收集和人工标签依然是必要的。