智能视觉检测系统及方法

技术领域

本公开涉及智能检测技术领域，尤其涉及一种智能视觉检测系统及方法。

背景技术

随着科技的进步和新型城市化发展水平不断提高，打造现代化基础设施体系、加快数字社会建设的步伐已成为必然趋势。利用边缘算法与机器学习技术，发挥海量数据和丰富应用场景优势，挖掘人工智能等关键数字技术创新在日常生产生活场景中的巨大应用潜力。

目前，一个智能视觉检测设备只能对不同场景下的一类行为进行检测，对于其他场景下的其他类别行为检测则需要设计相应的智能视觉设备，导致智能视觉设备的利用率低，落地成本高，最终使机器视觉模型与实际应用之间存在鸿沟。

发明内容

有鉴于此，本公开的目的在于提出一种解决上述问题的智能视觉检测系统及方法。

基于上述目的，本公开第一方面提供了一种智能视觉检测系统，包括：视觉模型管理平台、智能视觉检测装置和流程定制平台，所述智能视觉监测装置与所述视觉管理平台和所述流程定制平台有线和/或无线连接；其中，

所述视觉模型管理平台，被配置成接收到用户的下载指令，执行第一视觉模型下载操作；

所述智能视觉检测装置，被配置成根据所下载的一个或多个视觉模型，对收集的图像数据进行识别，以得到目标识别图像；响应于确定所述目标识别图像存在目标特征，生成告警提示信息，其中，所述视觉模型与所述目标特征一一对应；

所述流程定制平台，被配置成响应于接收到的用户指令，确定所选择的多个视觉模型的执行顺序，以及响应于确定所选择视觉模型得到的目标识别图像均存在所述目标特征，通过预设记录方式对目标场景进行记录，并将所记录的目标场景信息发送至预设接收端。

进一步地，所述系统还包括：数据云处理平台，所述数据云处理平台与所述智能视觉检测装置有线和/或无线连接，且所述数据云处理平台被配置成接收所述目标识别图像，并通过图形化方式向用户展示；以及

响应于确定所述目标识别图像存在目标特征，生成短信提示、电话提示或即时通讯软件提示并发送至预设客户端。

进一步地，所述智能视觉检测装置包括：中心处理模块、图像传感器、存储模块和无线通讯模块，所述中心处理模块与所述图像传感器、所述存储模块和所述无线通讯模块均有线连接；其中，

所述图像传感器被配置成采集目标场景下的图像数据；

所述中心处理模块被配置成通过所下载的视觉模型，对所述图像数据进行识别，以得到目标识别图像；

所述存储模块被配置成存储所述图像数据和所述下载的视觉模型；

所述无线通讯模块被配置成使所述中心处理模块与所述视觉模型管理平台和所述数据云处理平台之间进行数据传输。

进一步地，所述智能视觉检测装置还包括：告警提示模块，所述告警提示模块与所述中心处理模块有线连接，所述中心处理模块还被配置成响应于确定所述目标识别图像存在所述目标特征，向所述告警提示模块发送所述提示指令；

所述告警提示模块被配置成响应于所述中心处理模块的提示指令，生成声/光告警提示信息。

进一步地，所述智能视觉检测装置还包括：电源模块和保护电路模块，所述电源模块与所述智能视觉检测装置中的其他模块有线连接，所述保护电路模块与所述中心处理模块有线连接；其中，

所述电源模块被配置成为所述智能视觉检测装置中的其他模块供电；

所述保护电路模块被配置成所述中心处理模块在过压、过流情况下，切断相应的供电回路。

进一步地，所述系统还包括接口服务平台，所述接口服务平台与所述智能视觉检测装置无线连接，所述接口服务平台被配置成为所述智能视觉检测装置的用户操作提供对应接口，并通过JWT对所述接口进行鉴权。

进一步地，所述无线通讯模块的传输协议为消息队列遥测传输MQTT协议。

进一步地，所述视觉模型管理平台还被配置成接收到用户的上传指令，执行第二视觉模型上传操作。

基于同一发明构思，本公开第二方面提出了一种智能视觉检测方法，包括：

获取目标场景下的图像数据；

基于一个或多个预设的视觉模型，对所述图像数据进行识别，以得到目标识别图像；

响应于确定所述目标识别图像存在目标特征，输出相应的目标识别图像。

进一步地，当所述目标识别图像存在所述目标特征时，生成告警提示信息。

从上面所述可以看出，本公开提供的智能视觉检测系统及方法，通过视觉模型管理平台动态更新多种动态视觉模型，用户能够根据实际需求下载相应的视觉模型到智能视觉检测装置，使智能视觉检测装置能够对多种目标场景的图像进行识别，并且对于存在目标特征的目标识别图像对用户进行告警提示，提高了智能视觉检测装置的利用率，降低了落地成本。

附图说明

为了更清楚地说明本公开或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本公开实施例的智能视觉检测系统的结构示意图；

图2为本公开实施例的智能视觉检测装置结构示意图；

图3为本公开实施例的智能视觉检测方法流程图。

具体实施方式

为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。

需要说明的是，除非另外定义，本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

如背景技术部分所述，相关技术中的智能视觉检测设备还难以满足需要，一个智能视觉检测设备只能对不同场景下的一类行为进行检测，例如：老人跌倒检测、驾驶员安全带检测、智慧工地安全帽检测、抽烟检测、口罩检测、垃圾桶未盖检测、玩手机检测、手套检测、反光衣检测，一个智能视觉检测设备不能实现两种及两种以上的行为检测，导致智能视觉检测设备的利用率低，增加了智能视觉检测设备的落地成本。

有鉴于此，本公开实施例提供了一种智能视觉检测系统，通过设置视觉模型管理平台，用户能够下载所需的视觉模型，还能够将训练好的视觉模型上传至视觉模型管理平台，供其他用户下载；其次，还设置有智能视觉检测装置，其具有边缘计算能力，不依赖于后台系统便能够进行目标识别；此外，流程定制平台，使用户能够根据实际场景的检测需求选择多个视觉模型执行，例如：进行驾驶员安全带检测后进行玩手机检测，并对目标检测结果发送至用户设定的接收端。

以下，通过具体的实施例来详细说明本公开的技术方案。

参考图1，本公开一个实施例的智能视觉检测系统，包括：视觉模型管理平台103、智能视觉检测装置105和流程定制平台101，所述智能视觉监测装置105与所述视觉管理平台103和所述流程定制平台101有线和/或无线连接。

其中，所述视觉模型管理平台103，被配置成接收到用户的下载指令，执行第一视觉模型下载操作。用户可根据实际检测需求下载相应的视觉模型，使用户应用各种视觉模型更便捷。

所述智能视觉检测装置105，被配置成根据所下载的一个或多个视觉模型，对收集的图像数据进行识别，以得到目标识别图像；响应于确定所述目标识别图像存在目标特征，生成告警提示信息，其中，所述视觉模型与所述目标特征一一对应。智能视觉检测装置105具备边缘计算能力，无需将图像数据回传至其他后台系统进行数据处理，大幅度提升了检测效率。

所述流程定制平台101，被配置成响应于接收到的用户指令，确定所选择的多个视觉模型的执行顺序，以及响应于确定所选择视觉模型得到的目标识别图像均存在所述目标特征，通过预设记录方式对目标场景进行记录，并将所记录的目标场景信息发送至预设接收端。

通过流程定制平台101，用户能够自定义控制智能视觉监测装置105中视觉模型的推理结果，例如，用户使用人脸识别模型、抽烟检测模型，首先执行的是抽烟检测模型，其次执行的是人脸识别模型，当识别到人的抽烟行为后，再通过人脸识别模型识别存在抽烟行为的人脸，然后利用摄像头进行拍照记录后发送至管理员的邮箱，用户可根据接收到的图片数据对抽烟的人进行警告通知或绩效扣除等操作。需要说明的是，记录方式也可选择麦克风录音，或根据实际需求在智能视觉检测装置105上设置其他硬件对目标场景的信息进行记录，并设置相应硬件的数量和记录时间，在此不做具体限定。

可见，用户能够根据实际需求下载相应的视觉模型到智能视觉检测装置105，使智能视觉检测装置105能够对多种目标场景的图像进行识别，并且对于存在目标特征的目标识别图像对用户进行告警提示，提高了智能视觉检测装置105的利用率，降低了落地成本。

在一些实施例中，参考图1，所述智能视觉检测系统还包括：数据云处理平台102，所述数据云处理平台102与所述智能视觉检测装置105无线连接，且所述数据云处理平台102被配置成接收所述目标识别图像，并通过图形化方式向用户展示；以及响应于确定所述目标识别图像存在目标特征，生成短信提示、电话提示或即时通讯软件提示并发送至预设客户端。通过数据云处理平台102，用户能够对视觉模型的推理结果进行二次分析，进一步提高识别的准确性。

在一些实施例中，结合图2，所述智能视觉检测装置包括：中心处理模201、图像传感器203、存储模块202和无线通讯模块204，所述中心处理模块与所述图像传感器、所述存储模块和所述无线通讯模块均有线连接。

其中，所述图像传感器203被配置成采集目标场景下的图像数据，具体的，所述图像传感器203可选择IMX 219，其采用小型芯片，便于小体积设备的应用，该传感器能够精确地完成图像捕捉。

所述中心处理模块201被配置成通过所下载的视觉模型，对所述图像数据进行识别，以得到目标识别图像，具体的，所述中心处理模块201可选择NVIDIA Jetson Nano小型计算机，其能够并行运行多个神经网络模型，同时还能处理多个图像传感器203采集的图像。

所述存储模块202被配置成存储所述图像数据和所述下载的视觉模型，具体的，存储模块202可选择micro-SD 64GB存储卡。

所述无线通讯模块204被配置成使所述中心处理模块201与所述视觉模型管理平台103和所述数据云处理平台102之间进行数据传输，具体的，所述无线通讯模块204可选择5G模组，5G模组的体积小、工作范围广，可以稳定地数据传输。

在一些实施例中，结合图2，所述智能视觉检测装置105还包括：告警提示模205，所述告警提示模块205与所述中心处理模块201有线连接，所述中心处理模块201还被配置成响应于确定所述目标识别图像存在所述目标特征，向所述告警提示模块205发送所述提示指令。

所述告警提示模块205被配置成响应于所述中心处理模块201的提示指令，生成声/光告警提示信息，具体的，所述告警提示模块205可选择LED灯和/或VS1053播放器，VS1053播放器能够支持用户自定义提示音。

当用户选择在智能视觉检测装置105上进行反馈时，告警提示模块205在接收到中心处理模块201的提示指令后，LED灯闪烁同时VS1053播放器播放默认提示音或用户自定义提示应。

在一些实施例中，结合图2，所述智能视觉检测装置105还包括：电源模207和保护电路模块206，所述电源模块207与所述智能视觉检测装置105中的其他模块有线连接，所述保护电路模块与所述中心处理模块有线连接。

其中，所述电源模块207被配置成为所述智能视觉检测装置105中的其他模块供电；所述保护电路模块206被配置成所述中心处理模块201在过压、过流情况下，切断相应的供电回路。

在一些实施例中，结合图1，所述智能视觉检测系统还包括接口服务中104，所述接口服务平台104与所述智能视觉检测装置105无线连接，所述接口服务平台104被配置成为所述智能视觉检测装置105的用户操作提供对应接口，并通过JWT对所述接口进行鉴权。用户操作包括但不限于：注册设备、移除设备和指令下发操作。

在一些实施例中，所述所述无线通讯模块204的传输协议为消息队列遥测传输(Message Queuing Telemetry Transport,MQTT)协议。

MQTT是一个基于客户端-服务器的消息发布/订阅传输协议，适用于受限制的环境中(例如网络信号弱、硬件性能低)，MQTT协议是在TCP/IP协议的基础上提供网络连接的，因此具有较强的兼容性。

在一些实施例中，所述视觉模型管理平台还被配置成接收到用户的上传指令，执行第二视觉模型上传操作。用户将自己训练的视觉模型上传至视觉模型管理平台且对于其他用户的可见权限进行设置。

在一些实施例中，所述智能视觉检测系统包括用户管理平台，所述用户管理平台被配置成响应于用户请求，对用户进行身份认证，并存储用户的账户信息。

需要说明的是，上述对本公开的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

基于同一发明构思，与上述任意实施例系统相对应的，利用上述各个实施例描述的系统执行本公开提出的一种智能视觉检测方法。

参考图3，所述智能视觉检测方法，可包括以下步骤：

步骤S301，获取目标场景下的图像数据。

步骤S302，基于一个或多个预设的视觉模型，对所述图像数据进行识别，以得到目标识别图像。

步骤S303，响应于确定所述目标识别图像存在目标特征，输出相应的目标识别图像。

作为一个可选的实施例，前述步骤S103之后还可以包括：

当所述目标识别图像存在所述目标特征时，生成告警提示信息。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本公开实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本公开实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本公开实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本公开实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本公开实施例。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本公开实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本公开实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。