区域异常行为监控方法、装置、设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种区域异常行为监控方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.随着智慧城市等项目的开展，目前区域的监控设备越来越普遍，人们越来越常见地对监控设备捕获的视频进行异常行为的识别。
3.然而，目前在利用所述监控设备捕获的视频进行异常行为的识别时，通常采用人工识别方式。这种依靠人工方式主要有以下三点弊端：第一、视频量庞大，需要大量的人力开展日常化的人工核对工作；第二、经常需要回放才能确认异常行为是否有效，工作效率低；第三、要依赖相关工作人员的个人能力和经验，存在因人为因素导致识别不准确。
4.综上所述，当前区域监控对于异常行为分析的准确率和效率低。


技术实现要素：

5.本发明提供一种区域异常行为监控方法、装置及计算机可读存储介质，其主要目的在于解决区域监控对于异常行为分析的准确率和效率低的问题。
6.为实现上述目的，本发明提供的一种区域异常行为监控方法，包括：
7.获取实时监控视频流，并对所述视频流进行解帧得到监控图像；
8.根据预设场景对所述监控图像进行分类，得到场景监控图像；
9.从所述场景监控图像中识别出无效场景图像，并删除所述无效场景图像，得到目标场景监控图像；
10.利用预先训练的异常事件识别模型判断所述目标场景监控图像中存在异常事件时，将对应的目标场景监控图像标记为异常取证图片，从所述异常取证图片中提取所述异常事件的标识信息及标注框位置信息，并将所述异常事件对应的异常取证图片、标识信息及标注框位置信息存储到预设的缓存中；
11.根据所述标识信息、所述标注框位置信息，利用预设的规则，删除所述缓存中重复异常事件对应的异常取证图片、标识信息及标注框位置信息，得到保留的异常事件对应的异常取证图片、标识信息及标注框位置信息；
12.将所述保留的异常事件对应的异常取证图片、标识信息及标注框位置信息存入预设的异常库，并将所述异常事件对应的异常取证图片、标识信息及标注框位置信息发送给预设的处理人。
13.可选地，所述根据预设场景对所述监控图像进行分类，得到场景监控图像；
14.对所述监控图像进行灰度化及归一化处理，得到标准化监控图像；
15.对所述标准化监控图像在多个尺度上进行卷积运算、最大池化、全连接操作，提取所述标准化监控图像的特征；
16.通过预构建的分类模型，按照预设场景对所述特征进行分类，得到场景监控图像。
17.可选地，所述从所述场景监控图像中识别出无效场景图像，并删除所述无效场景图像，得到目标场景监控图像，包括：
18.提取所述场景监控图像的图像特征；
19.利用不同场景类型对应的预设的无效场景规则，与所述图像特征进行匹配，得到匹配相似度；
20.根据所述匹配相似度，从所述场景监控图像中筛选出无效场景图像，并删除所述无效场景图像，得到目标场景监控图像。
21.可选地，所述利用预先训练的异常事件识别模型判断所述目标场景监控图像中存在异常事件时之前，所述方法还包括：
22.提取所述目标场景监控图像的初始特征图；
23.利用预设的注意力机制模块对所述初始特征图进行权重调整，得到注意力特征图；
24.对所述注意力特征图进行卷积、平均池化操作，得到所述目标场景监控图像的图像特征；
25.利用预设的激活函数计算所述目标场景监控图像的图像特征属于预设的异常事件的概率值；
26.根据所述概率值，判断所述目标场景监控图像是否存在异常事件。
27.可选地，所述根据所述标识信息、所述标注框位置信息，利用预设的规则删除所述缓存中重复异常事件对应的异常取证图片、标识信息及标注框位置信息，得到保留的异常事件对应的异常取证图片、标识信息及标注框位置信息，包括：
28.根据所述标识信息查询所述缓存，判断所述缓存中是否存在与所述标识信息相同的目标异常事件；
29.当所述缓存中不存在与所述标识信息相同的目标异常事件时，则保留所述标识信息对应的异常事件对应的异常取证图片、标识信息及标注框位置信息；
30.当所述缓存中存在与所述标识信息相同的目标异常事件时，则基于所述注框位置信息与所述目标异常事件对应标注框位置信息，判断所述异常事件是否与目标异常事件重复；
31.当所述异常事件与目标异常事件重复时，则删除所述缓存中重复异常事件对应的异常取证图片、标识信息及标注框位置信息；
32.当所述异常事件与目标异常事件不重复时，则保留所述异常事件对应的异常取证图片、标识信息及标注框位置信息。
33.可选地，所述根据所述标识信息查询所述缓存，判断所述缓存中是否存在与所述标识信息相同的目标异常事件，所述方法还包括：
34.计算所述标识信息与所述缓存中的标识信息的相似度；
35.根据所述相似度判断所述缓存中是否存在与所述标识信息相同的目标异常事件。
36.可选地，所述基于所述注框位置信息与所述目标异常事件对应标注框位置信息，判断所述异常事件是否与目标异常事件重复，包括：
37.匹配所述注框位置信息与所述目标异常事件对应标注框位置信息，得到所述注框位置信息与所述目标异常事件对应标注框位置信息的重叠率；
38.根据所述重叠率，判断所述异常事件是否与目标异常事件重复。
39.为了解决上述问题，本发明还提供一种区域异常行为监控装置，所述装置包括：
40.监控图像获取模块，用于获取实时监控视频流，并对所述视频流进行解帧得到监控图像；
41.无效场景删除模块，用于根据预设场景对所述监控图像进行分类，得到场景监控图像；从所述场景监控图像中识别出无效场景图像，并删除所述无效场景图像，得到目标场景监控图像；
42.异常事件判断模块，用于利用预先训练的异常事件识别模型判断所述目标场景监控图像中存在异常事件时，将对应的目标场景监控图像标记为异常取证图片，从所述异常取证图片中提取所述异常事件的标识信息及标注框位置信息，并将所述异常事件对应的异常取证图片、标识信息及标注框位置信息存储到预设的缓存中；
43.异常事件去重模块，用于根据所述标识信息、所述标注框位置信息，利用预设的规则，删除所述缓存中重复异常事件对应的异常取证图片、标识信息及标注框位置信息，得到保留的异常事件对应的异常取证图片、标识信息及标注框位置信息；
44.异常事件处理模块，用于将所述保留的异常事件对应的异常取证图片、标识信息及标注框位置信息存入预设的异常库，并将所述异常事件对应的异常取证图片、标识信息及标注框位置信息发送给预设的处理人。
45.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
46.至少一个处理器；以及，
47.与所述至少一个处理器通信连接的存储器；其中，
48.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的区域异常行为监控方法。
49.为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的区域异常行为监控方法。
50.本发明实施例通过根据预设场景对监控图像进行分类并删除无效场景得到目标场景监控图像，针对不同场景进行分类有利于提高异常行为的识别准确率，删除无效场景减少异常事件识别的图像，提升异常事件识别效率；利用预先训练的异常事件识别模型判断所述目标场景监控图像中是否存在异常事件，提升异常事件识别模型的特征提取能力，从而提升异常事件识别的准确率；用预设的规则删除所述缓存中重复异常事件对应的异常取证图片、标识信息及标注框位置信息，减少异常事件量，减少异常事件的存储压力，提升了对于异常行为分析效率。因此本发明提出的区域异常行为监控方法、装置、电子设备及计算机可读存储介质，可以解决区域监控对于异常行为分析的准确率和效率低的问题。
附图说明
51.图1为本发明一实施例提供的区域异常行为监控方法的流程示意图；
52.图2为图1所示区域异常行为监控方法中其中一个步骤的详细实施流程示意图；
53.图3为图1所示区域异常行为监控方法中其中一个步骤的详细实施流程示意图；
54.图4为图1所示区域异常行为监控方法中其中一个步骤的详细实施流程示意图；
55.图5为本发明一实施例提供的区域异常行为监控装置的功能模块图；
56.图6为本发明一实施例提供的实现所述区域异常行为监控方法的电子设备的结构示意图。
57.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
58.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
59.本技术实施例提供一种区域异常行为监控方法。所述区域异常行为监控方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述区域异常行为监控方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
60.参照图1所示，为本发明一实施例提供的区域异常行为监控方法的流程示意图。在本实施例中，所述区域异常行为监控方法包括：
61.s1、获取实时监控视频流，并对所述视频流进行解帧得到监控图像；
62.本发明实施例中，所述监控视频流可以通过待监控区域内，如xx两旁灯柱上、xxxx口、市x、小x关键区域等安装的摄像头、录像机等具有监控抓拍功能的设备获取。
63.本发明其中一个实施例中，可以利用目前常用的解帧软件，例如：利用动画gif制作软件、剪映等所述视频流进行解帧。
64.s2、根据预设场景对所述监控图像进行分类，得到场景监控图像；
65.本发明其中一个实施例中，所述预设场景包括消xxx、马x、社xxx、市x等场景。
66.本发明实施例中，可采用具有图像特征提取功能的卷积神经网络构建分类模型，利用所述分类模型对所述监控图像进行分类。其中，所述卷积神经网络包括，但不限于，alexnet网络、zfnet网络、vggnet网络、resnet50 及网络googlenet等。
67.本发明其中一个实施例中，所述分类模型采用googlenet网络构建，所述googlenet网络可以由卷积层、池化层、全连接层组成。
68.详细地，参阅图2所示，所述s2，包括：
69.s21、对所述监控图像进行灰度化及归一化处理，得到标准化监控图像；
70.本发明实施例通过对所述监控图像进行灰度化及归一化处理，可以得到大小相等且灰度值相同的标准化监控图像。其中，所述灰度值的优选值为0～1 之间。所述标准化监控图像，可以减少在卷积计算过程中的大量计算，提高监控图像的分类效率。
71.s22、对所述标准化监控图像在多个尺度上进行卷积运算、最大池化、全连接操作，提取所述标准化监控图像的特征；
72.本发明其中一个实施例，利用1
×
1卷积、3
×
3卷积及5
×
5卷积从多个尺度上提取所述标准化监控图像的特征，得到的特征更为丰富，在分类判断时更加准确。
73.s23、通过预构建的分类模型，按照预设场景对所述特征进行分类，得到场景监控图像。
74.由于所述监控图像包含多种场景，每种场景的异常行为不尽相同，根据预设场景对所述监控图像进行分类，有利于提高异常行为的识别准确率。
75.s3、从所述场景监控图像中识别出无效场景图像，并删除所述无效场景图像，得到目标场景监控图像；
76.本发明实施例中所述无效场景包括：不包含消xxx、不包含道x、不包含店x、不包含到市x不允许摆放xx的地点等的场景监控图像。
77.详细地，参阅图3所示，所述s3，包括：
78.s31、提取所述场景监控图像的图像特征；
79.s32、利用不同场景类型对应的预设的无效场景规则，与所述图像特征进行匹配，得到匹配相似度；
80.s33、根据所述匹配相似度，从所述场景监控图像中筛选出无效场景图像，并删除所述无效场景图像，得到目标场景监控图像。
81.本发明实施例中，所述无效场景规则为各种无效场景对应的规则，例如所述图像特征中，没有出现消xxx、消xxx操作场地等图像特征。
82.具体地，本发明实施例中，当所述匹配相似度大于等于预设的第一相似度阈值时，对应的场景监控图像作为目标场景监控图像执行保留操作；当所述匹配相似度小于所述预设的第一相似度阈值时，则对应的场景监控图像作为无效场景监控图像执行删除操作。
83.本发明实施例中删除无效场景图像，得到目标场景监控图像，可以减少异常事件识别的图像，提升异常事件识别效率。
84.s4、利用预先训练的异常事件识别模型判断所述目标场景监控图像中是否存在异常事件；
85.本发明实施例中所述异常事件包括，但不限于占用消xxx、占用消xxx 操作场地、马xxx、社xxx出店xx、市xxxxx。
86.本发明其中一个实施例中，所述异常事件识别模型可以为在密集连接的卷积神经网络(densenet)的各个区块之间的卷积层(convolution)加上注意力机制模块的模型，所述注意力机制模块的模型包含通道注意力模块及空间注意力模块。
87.详细地，所述利用预先训练的异常事件识别模型判断所述目标场景监控图像中是否存在异常事件，包括：
88.提取所述目标场景监控图像的初始特征图；
89.利用预设的注意力机制模块对所述初始特征图进行权重调整，得到注意力特征图；
90.对所述注意力特征图进行卷积、平均池化操作，得到所述目标场景监控图像的图像特征；
91.利用预设的激活函数计算所述目标场景监控图像的图像特征属于预设的异常事件的概率值；
92.根据所述概率值，判断所述目标场景监控图像是否存在异常事件。
93.具体地，当所述概率值大于等于预设的概率阈值时，判断所述目标场景监控图像
存在异常事件；当所述概率值小于所述预设的概率阈值时，判断所述目标场景监控图像不存在异常事件。
94.优选地，本发明其中一个实施例，所述异常事件识别模型的卷积层的核大小为7
×
7，步长为2；平均池化层的核大小为3
×
3，步长为2。这样设置能够不过早合并深度信息，而且还可以减少网络结构的参数数量和增强网络结构的鲁棒性。
95.本发明实施例，利用所述注意力机制模块对所述异常事件识别模型进行调整优化，提升异常事件识别模型的特征提取能力，从而提升异常事件识别的准确率。
96.当所述目标场景监控图像中不存在异常事件时，返回所述s1步骤；
97.当所述目标场景监控图像中存在异常事件时，s5、将对应的目标场景监控图像标记为异常取证图片，从所述异常取证图片中提取所述异常事件的标识信息及标注框位置信息，并将所述异常事件对应的异常取证图片、标识信息及标注框位置信息存储到预设的缓存中；
98.本发明其中一个实施例中，所述异常事件的标识信息用于标识某一监控点位的某一预置点下的某种异常事件，可以为：点位编号、预置点、异常事件编号，其中所述点位编号用于标识监控点位；其中所述预置点用于标识监控点欸的监控区域；所述异常事件编号用于标识一种异常事件。
99.本发明其中一个实施例中，所述标注框位置信息标识所述异常取证图片具体异常行为对应的标注框的位置信息。
100.s6、根据所述标识信息、所述标注框位置信息，利用预设的规则，删除所述缓存中重复异常事件对应的异常取证图片、标识信息及标注框位置信息，得到保留的异常事件对应的异常取证图片、标识信息及标注框位置信息；
101.详细地，参阅图4所示，所述s6，包括：
102.s61、根据所述标识信息查询所述缓存，判断所述缓存中是否存在与所述标识信息相同的目标异常事件；
103.当所述缓存中不存在与所述标识信息相同的目标异常事件时，则执行s62、保留所述标识信息对应的异常事件对应的异常取证图片、标识信息及标注框位置信息；
104.当所述缓存中存在与所述标识信息相同的目标异常事件时，则执行s63、基于所述注框位置信息与所述目标异常事件对应标注框位置信息，判断所述异常事件是否与目标异常事件重复；
105.当所述异常事件与目标异常事件重复时，则执行s64、删除所述缓存中重复异常事件对应的异常取证图片、标识信息及标注框位置信息；
106.当所述异常事件与目标异常事件不重复时，则执行s65、保留所述异常事件对应的异常取证图片、标识信息及标注框位置信息。
107.详细地，所述根据所述标识信息查询所述缓存，判断所述缓存中是否存在与所述标识信息相同的目标异常事件，包括：
108.计算所述标识信息与所述缓存中的标识信息的相似度；
109.根据所述相似度判断所述缓存中是否存在与所述标识信息相同的目标异常事件。
110.具体地，当所述标识信息的相似度大于等于所述预设的第二相似度阈值时，判断所述缓存中存在与所述标识信息相同的目标异常事件；当所述标识信息的相似度小于所述
预设的第二相似度阈值时，所述缓存中不存在与所述标识信息相同的目标异常事件。
111.进一步地，所述基于所述注框位置信息与所述目标异常事件对应标注框位置信息，判断所述异常事件是否与目标异常事件重复，包括：
112.匹配所述注框位置信息与所述目标异常事件对应标注框位置信息，得到所述注框位置信息与所述目标异常事件对应标注框位置信息的重叠率；
113.根据所述重叠率，判断所述异常事件是否与目标异常事件重复。
114.具体地，当所述重叠率大于等于所述预设的重叠率阈值时，判断所述异常事件与目标异常事件重复；当所述重叠率小于所述预设的重叠率阈值时，判断所述异常事件与目标异常事件不重复。
115.异常事件是个持续性的过程，本发明实施例根据所述标识信息、所述标注框位置信息删除所述缓存中重复地异常事件对应的异常取证图片、标识信息及标注框位置信息，减少异常事件的存储压力，减少异常事件量，提升了对于异常行为分析效率。
116.s7、将所述保留的异常事件对应的异常取证图片、标识信息及标注框位置信息存入预设的异常库，并将所述异常事件对应的异常取证图片、标识信息及标注框位置信息发送给预设的处理人。
117.本发明实施例中，所述管理人员可以为智慧xx的xx系统中的管理员或者其他相关管理员。
118.本发明实施例中将所述保留的异常事件对应的异常取证图片、标识信息及标注框位置信息存入预设的异常库，有利于后续对异常事件进行查询、求证及分析。
119.本发明其中一个实施，在s7中所述将所述异常事件对应的异常取证图片、标识信息及标注框位置信息发送给预设的处理人之后，当发送时间与当前时间的时间差大于第一时间阈值，所述管理人员未处理，则本发明实施例可以再次向所述管理人员发送所述异常事件对应的异常取证图片、标识信息及标注框位置信息，提示所述管理人员进行处理，防止管理人员错过信息，进一步地，当发送时间与当前时间的时间差大于第二时间阈值，所述管理人员仍未处理，则本发明实施例可以向其他管理人员发送所述异常事件对应的异常取证图片、标识信息及标注框位置信息，确保至少一个管理人员收到并处理，有利于对异常行为采取相应的措施。
120.如图5所示，是本发明一实施例提供的区域异常行为监控装置的功能模块图。
121.本发明所述区域异常行为监控装置100可以安装于电子设备中。根据实现的功能，所述区域异常行为监控装置100可以包括监控图像获取模块101、无效场景删除模块102、异常事件判断模块103、异常事件去重模块104及异常事件处理模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
122.在本实施例中，关于各模块/单元的功能如下：
123.所述监控图像获取模块101，用于获取实时监控视频流，并对所述视频流进行解帧得到监控图像；
124.所述无效场景删除模块102，用于根据预设场景对所述监控图像进行分类，得到场景监控图像；从所述场景监控图像中识别出无效场景图像，并删除所述无效场景图像，得到目标场景监控图像；
125.所述异常事件判断模块103，用于利用预先训练的异常事件识别模型判断所述目标场景监控图像中存在异常事件时，将对应的目标场景监控图像标记为异常取证图片，从所述异常取证图片中提取所述异常事件的标识信息及标注框位置信息，并将所述异常事件对应的异常取证图片、标识信息及标注框位置信息存储到预设的缓存中；
126.所述异常事件去重模块104，用于根据所述标识信息、所述标注框位置信息，利用预设的规则，删除所述缓存中重复异常事件对应的异常取证图片、标识信息及标注框位置信息，得到保留的异常事件对应的异常取证图片、标识信息及标注框位置信息；
127.所述异常事件处理模块105，用于将所述保留的异常事件对应的异常取证图片、标识信息及标注框位置信息存入预设的异常库，并将所述异常事件对应的异常取证图片、标识信息及标注框位置信息发送给预设的处理人。
128.详细地，本发明实施例中所述区域异常行为监控装置100中所述的各模块在使用时采用与上述图1至图4中所述的区域异常行为监控方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
129.如图6所示，是本发明一实施例提供的实现区域异常行为监控方法的电子设备的结构示意图。
130.所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如区域异常行为监控程序。
131.其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(central processing unit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(control unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行区域异常行为监控程序等)，以及调用存储在所述存储器11 内的数据，以执行电子设备的各种功能和处理数据。
132.所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd) 卡、闪存卡(flash card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如区域异常行为监控程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
133.所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect，简称pci)总线或扩展工业标准结构(extended industry standardarchitecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
134.所述通信接口13用于上述电子设备与其他设备之间的通信，包括网络接口和用户
接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如 wi-fi接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(display)、输入单元(比如键盘 (keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organic light-emitting diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
135.图6仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图6 示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
136.例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。
137.应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
138.所述电子设备1中的所述存储器11存储的区域异常行为监控程序是多个指令的组合，在所述处理器10中运行时，可以实现：
139.获取实时监控视频流，并对所述视频流进行解帧得到监控图像；
140.根据预设场景对所述监控图像进行分类，得到场景监控图像；
141.从所述场景监控图像中识别出无效场景图像，并删除所述无效场景图像，得到目标场景监控图像；
142.利用预先训练的异常事件识别模型判断所述目标场景监控图像中存在异常事件时，将对应的目标场景监控图像标记为异常取证图片，从所述异常取证图片中提取所述异常事件的标识信息及标注框位置信息，并将所述异常事件对应的异常取证图片、标识信息及标注框位置信息存储到预设的缓存中；
143.根据所述标识信息、所述标注框位置信息，利用预设的规则，删除所述缓存中重复异常事件对应的异常取证图片、标识信息及标注框位置信息，得到保留的异常事件对应的异常取证图片、标识信息及标注框位置信息；
144.将所述保留的异常事件对应的异常取证图片、标识信息及标注框位置信息存入预设的异常库，并将所述异常事件对应的异常取证图片、标识信息及标注框位置信息发送给预设的处理人。
145.具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
146.进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机
存储器、只读存储器(rom，read-only memory)。
147.本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
148.获取实时监控视频流，并对所述视频流进行解帧得到监控图像；
149.根据预设场景对所述监控图像进行分类，得到场景监控图像；
150.从所述场景监控图像中识别出无效场景图像，并删除所述无效场景图像，得到目标场景监控图像；
151.利用预先训练的异常事件识别模型判断所述目标场景监控图像中存在异常事件时，将对应的目标场景监控图像标记为异常取证图片，从所述异常取证图片中提取所述异常事件的标识信息及标注框位置信息，并将所述异常事件对应的异常取证图片、标识信息及标注框位置信息存储到预设的缓存中；
152.根据所述标识信息、所述标注框位置信息，利用预设的规则，删除所述缓存中重复异常事件对应的异常取证图片、标识信息及标注框位置信息，得到保留的异常事件对应的异常取证图片、标识信息及标注框位置信息；
153.将所述保留的异常事件对应的异常取证图片、标识信息及标注框位置信息存入预设的异常库，并将所述异常事件对应的异常取证图片、标识信息及标注框位置信息发送给预设的处理人。
154.在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
155.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
156.另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
157.对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
158.因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
159.本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
160.本技术实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工
智能(artificial intelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
161.此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
162.最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。