一种用于监测管廊异常的方法和装置

技术领域

本发明涉及管廊监测领域，具体涉及一种用于监测管廊异常的方法和装置。

背景技术

地下综合管廊是通过将电力、通信、给水、供热、制冷、中水、燃气、垃圾真空管等两种以上的管线集中设置到道路以下的同一地下空间而形成的一种现代化、科学化、集约化的城市基础设施，其对各种管线设施实施统一规划、统一设计、统一建设和管理，是保障城市运行的重要基础设施和“生命线”。地下综合管廊系统不仅减缓城市交通拥堵问题，还极大方便了电力、通信、燃气、供排水等市政设施的维护和检修，可以实现节省城市用地、延长管线使用寿命、改善城市环境、降低管线维护成本的目的，并且统一信息系统和智慧管理，增强城市防灾抗灾能力。

地下综合管廊是城市的超级大动脉，它将给城市带来从内到外的活力，而地下管线建设规模不足、管理水平不高等问题亦日益凸显。管线的日常维护公共工作长期依赖人力检修，费时费力且存在不稳定性。一些城市相继发生大雨内涝、管线泄漏爆炸、路面塌陷、设施被盗等事件，严重影响了人民群众生命财产安全和城市运行秩序。综合管廊属于地下封闭空间，一旦发生火灾，会迅速消耗掉管廊内部氧气并产生大量有害气体，当甲烷、一氧化碳等危险气体达到一定浓度时，还可引起爆炸。更严重的是，发生灾害时管廊内部环境十分恶劣，抢修难度很大，对抢修人员也将造成人身安全威胁。例如2009-2013年，全国因地下管线事故而产生死伤的事故共27起，死亡人数达117人)。此外，因无法监测，漏水漏气问题严重，每年造成巨大的直接经济损失。

当前常见的管廊信息采集与管理的软硬件系统在各方面比较老旧，往往仅是原始数据的采集上报，以及简单的阈值告警，缺乏智能化的决策辅助预判。并且在当前管廊的运维流程中，仍然需要依赖运维人员长时间在监控室内进行人工监控，并定期进入管廊进行人工巡检。由于人工的不稳定性，这套流程天然地存在风险，可能会有意无意地忽略一些已存在的问题。同时运维的人力成本也居高不下，不利于运营，需要提升整体管理系统的智能化程度，减少对人员的依赖，实现降本增效。

现有的异常检测技术基本都是针对某一项异常来专门检测，对不同类型的异常使用不同的设备和方法，例如使用如静力水准仪等专用设备来检测管廊沉降和变形(如CN201711329815.4等)，静力水准仪采用连通器原理，在一条路线上连续布置监控终端，若某处发生沉降，则连通器内的液位发生变化，可通过终端读取感知。

有鉴于此，建立一种用于监测管廊异常的方法和装置是非常具有意义的。

发明内容

针对上述提到现有技术中管廊内部采用人工巡检存在人力成本高、效率低、不稳定，现有检测手段复杂、设备昂贵、检测目标单一等问题。本申请的实施例的目的在于提出了一种用于监测管廊异常的方法和装置来解决以上背景技术部分提到的技术问题。

第一方面，本申请的实施例提供了一种用于监测管廊异常的方法，包括以下步骤：

行人检测步骤，获取管廊内部在固定视角下的图像，通过行人检测算法检测图像中是否包含人员，若是，则通过人脸识别算法识别人员的身份，否则进行以下步骤；

图像缩小步骤，对图像的边长进行缩小；

通道转换步骤，判断图像是否为彩色，若是则提取红色通道，并将图像转换为黑白图像；

特征提取步骤，对图像提取LBP特征；

比对步骤，在初始状态下的图像通过以上步骤提取LBP特征后作为基准样本，当前状态下的图像通过以上步骤提取LBP特征后作为当前状态样本，将当前状态样本与基准样本进行比对，根据比对结果判断管廊内部是否出现差异聚集，若是则输出告警信息，并通过人工巡检进行判断是否出现异常，若未出现异常则将当前状态样本作为基准样本进行更新；以及

循环步骤，循环以上步骤对管廊内部异常情况进行监测。

在一些实施例中，行人检测步骤中通过人脸识别算法识别人员的身份，若人员为已登记的内部人员，则放弃图像，若不是已登记的内部人员，则输出告警信息。通过行人检测算法排除有人员的图像，反向检测管廊内部的异常，对有人员的图像通过人脸识别算法进行识别进一步判断该人员是否为异常人员入侵。

在一些实施例中，行人检测算法采用基于背景建模或基于深度学习的方法。行人检测算法可以排除管廊内部人员入廊所带来的图像变化情况，对固定机位所拍摄的不存在人员的图像进行检测比对。

在一些实施例中，LBP特征为3x3 LBP特征。提取3x3 LBP特征可以消除由于曝光量带来的细微差异，有效消除光照强度对图像的影响，从而提取图像中的结构信息。

在一些实施例中，比对步骤具体包括：

将当前状态样本的图像与基准样本的图像做异或运算，得到比对结果热度图；

采用尺寸为w*w的滑动窗口，将滑动窗口内的热度图的值求和，高于阈值则表示管廊内出现异常，输出告警信息。

因此可以有效提高异常检测的准确度。

第二方面，本申请的实施例提出了一种用于监测管廊异常的装置，包括：

行人检测模块，被配置为获取管廊内部在固定视角下的图像，通过行人检测算法检测图像中是否包含人员，若是，则通过人脸识别算法识别人员的身份，否则执行以下模块；

图像缩小模块，被配置为对图像的边长进行缩小；

通道转换模块，被配置为判断图像是否为彩色，若是则提取红色通道，并将图像转换为黑白图像；

特征提取模块，被配置为对图像提取LBP特征；

比对模块，被配置为在初始状态下的图像通过以上模块提取LBP特征后作为基准样本，当前状态下的图像通过以上模块提取LBP特征后作为当前状态样本，将当前状态样本与基准样本进行比对，根据比对结果判断管廊内部是否出现差异聚集，若是则输出告警信息，并通过人工巡检进行判断是否出现异常，若未出现异常则将当前状态样本作为基准样本进行更新；以及

循环模块，被配置为循环执行以上模块对管廊内部异常情况进行监测。

在一些实施例中，行人检测模块中通过人脸识别算法识别人员的身份，若人员为已登记的内部人员，则放弃图像，若不是已登记的内部人员，则输出告警信息。

在一些实施例中，行人检测算法采用基于背景建模或基于深度学习的方法。

在一些实施例中，LBP特征为3x3 LBP特征。

在一些实施例中，比对模块具体包括：

将当前状态样本的图像与基准样本的图像做异或运算，得到比对结果热度图；

采用尺寸为w*w的滑动窗口，将滑动窗口内的热度图的值求和，高于阈值则表示管廊内出现异常，输出告警信息。

第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本发明提出了一种基于人脸识别的人员与案件关联关系分析方法和装置，通过获取管廊内部在固定视角下的图像，通过行人检测算法检测图像中是否包含人员，若是，则通过人脸识别算法识别人员的身份，否则进行以下步骤；对图像的边长进行缩小；判断图像是否为彩色，若是则提取红色通道，并将图像转换为黑白图像；对图像提取LBP特征；在初始状态下的图像通过以上步骤提取LBP特征后作为基准样本，当前状态下的图像通过以上步骤提取LBP特征后作为当前状态样本，将当前状态样本与基准样本进行比对，根据比对结果判断管廊内部是否出现差异聚集，若是则输出告警信息，并通过人工巡检进行判断是否出现异常，若未出现异常则将当前状态样本作为基准样本进行更新，循环以上步骤对管廊内部异常情况进行监测。本发明可以高效利用综合管廊原本就配备的廊内监控摄像机，实现了多种异常一次检测，在少量费用的基础上大大增强了安全性，并且降低了日常巡检场景下会出现的误检情况，达到为运维工作降本增效的目的。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，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是本申请的一个实施例可以应用于其中的示例性装置架构图；

图2为本发明的实施例一的用于监测管廊异常的方法的流程示意图；

图3为本发明的实施例一的用于监测管廊异常的方法的步骤S4中提取LBP特征的流程示意图；

图4为本发明的实施例一的用于监测管廊异常的方法的步骤S5的流程示意图；

图5为本发明的实施例的用于监测管廊异常的装置的示意图；

图6是适于用来实现本申请实施例的电子设备的计算机装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

图1示出了可以应用本申请实施例的用于监测管廊异常的方法或用于监测管廊异常的装置的示例性装置架构100。

如图1所示，装置架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如数据处理类应用、文件处理类应用等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的文件或数据进行处理的后台数据处理服务器。后台数据处理服务器可以对获取的文件或数据进行处理，生成处理结果。

需要说明的是，本申请实施例所提供的用于监测管廊异常的方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，用于监测管廊异常的装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在所处理的数据不需要从远程获取的情况下，上述装置架构可以不包括网络，而只需服务器或终端设备。

由于管廊内部的活动部件较少，往往会长时间不动而处于固定的形状。如果出现外观或形状变化，则往往意味着出现了问题。廊内会导致出现外观变化的情况主要有廊体变形、支架变形、渗漏积水、设备掉落、线路起火、光照变化、人员入廊等，其中光照变化和人员入廊在大多数情况下都是正常情况，其他则意味着出现异常，由此可以采用摄像头加人工智能判断的方式，一次性检测管廊内的多种异常情况。

实施例一

图2示出了本申请的实施例公开了一种用于监测管廊异常的方法，包括以下步骤：

S1，获取管廊内部在固定视角下的图像，通过行人检测算法检测图像中是否包含人员，若是，则通过人脸识别算法识别人员的身份，否则进行步骤S2-S4。

由于综合管廊内部环境较为稳定，正常情况下各种固定部件不会发生移动，故可以采用摄像机采集图像、提取特征并与标准样本比对的方式，来检测廊内是否发生了异常情况。但是由于图像传感器存在多种噪声，故需要对采集的图像做一些处理，提取关键数据以减少误判。同时，由于管廊内常见有人员入廊的情况，虽然会带来图像变化但不视为异常，应采用技术手段将其排除，不进行检测比对。

在具体的实施例中，本发明主要由前端摄像机和后端计算平台组成。前端摄像头固定在管廊内部，以固定视角拍摄目标方向，初次拍摄时，在确保廊内环境正常的情况下，可以打开廊内灯光增强照明，在此条件下拍摄图像。

在具体的实施例中，行人检测算法主要有传统机器学习特征检测和较新的神经网络检测算法，以及两者相结合的融合算法。由于管廊内的人员通道没有阻挡，各种行人检测算法均可得到较高的准确率，故可根据实际需要进行选择。在优选的实施例中，行人检测算法采用基于背景建模或基于深度学习的方法。

行人检测步骤中通过人脸识别算法识别人员的身份，若人员为已登记的内部人员，则放弃图像，若不是已登记的内部人员，则输出告警信息。通过行人检测算法排除有人员的图像，反向检测管廊内部的异常，对有人员的图像通过人脸识别算法进行识别进一步判断该人员是否为异常人员入侵。通过行人检测算法确认图像内是否包含人员，如果有则调用人脸识别算法判断是否是已登记的内部人员，没有则将初始拍摄的图像经过图像处理提取特征后作为基准样本。

S2，对图像的边长进行缩小。

在具体的实施例中，将图像的边长缩小至1/4，在减少计算量的同时也可以减少像素级随机噪声，提高信噪比。

S3，判断图像是否为彩色，若是则提取红色通道，并将图像转换为黑白图像。

在具体的实施例中，若图像为彩色，则提取红色通道并将图形转换为黑白图像，因为廊内的异常情况主要会反馈在红色通道，对其提取可加强信息有效性。

S4，对图像提取LBP特征。

在具体的实施例中，LBP特征为3x3 LBP特征。LBP特征是一种图像的局部编码，在3x3的LBP特征提取过程中，需要分别将外围的8个像素与中心像素进行大小比对，大于记为1，否则记为0,将8个标记按顺序连接起来则得到中心像素的LBP特征编码。LBP特征可以消除由于曝光量带来的细微差异，有效消除光照强度对图像的影响，从而提取图像中的结构信息。具体过程如图3所示。

S5，在初始状态下的图像通过以上步骤提取LBP特征后作为基准样本，当前状态下的图像通过以上步骤提取LBP特征后作为当前状态样本，将当前状态样本与基准样本进行比对，根据比对结果判断管廊内部是否出现差异聚集，若是则输出告警信息，并通过人工巡检进行判断是否出现异常，若未出现异常则将当前状态样本作为基准样本进行更新。

在具体的实施例中，如图4所示，步骤S5具体包括：

S51：将当前状态样本的图像与基准样本的图像做异或运算，得到比对结果热度图；

S52：采用尺寸为w*w的滑动窗口，将滑动窗口内的热度图的值求和，高于阈值则表示管廊内出现异常，输出告警信息。

在具体的实施例中，图像做异或运算，值相同时得0，值不同时得1，得到比对结构热度图。根据实际情况设置滑动窗口边长w和阈值t，。如果在一定范围内发现大量差异聚集，则应认为该处发生了异常，有可能是形变、火灾或积水等，应立刻报警并推送该图像，由运维人员进一步确认情况，若确实没有异常，则应该以当前状态更新基准样本。基准样本最好尽量保持原有的图像，防止逐渐变化，以免存在一些速度很慢的小幅度变化会影响检测，如果一直更新的话基准也会慢慢变化。在出现误报的时候更新基准样本可以有效提高异常检测的准确度。

S6，循环以上步骤对管廊内部异常情况进行监测。

实施例二

在本申请的实施例中公开的一种用于监测管廊异常的方法中步骤S2和S3的顺序进行对换，其他步骤的顺序保持不变，同样也可以用于检测管廊异常，带来比较好的检测效果，能够做到通过视频监控对管廊内部的异常进行准确的实施监测。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于监测管廊异常的装置的一个实施例，该装置实施例与图2所示的方法实施例一相对应，该装置具体可以应用于各种电子设备中。

本申请的实施例提出的一种用于监测管廊异常的装置包括：

行人检测模块1，被配置为获取管廊内部在固定视角下的图像，通过行人检测算法检测图像中是否包含人员，若是，则通过人脸识别算法识别人员的身份，否则执行以下模块；

在具体的实施例中，行人检测算法主要有传统机器学习特征检测和较新的神经网络检测算法，以及两者相结合的融合算法。由于管廊内的人员通道没有阻挡，各种行人检测算法均可得到较高的准确率，故可根据实际需要进行选择。在优选的实施例中，行人检测算法采用基于背景建模或基于深度学习的方法。

在具体的实施例中，行人检测模块1中通过人脸识别算法识别人员的身份，若人员为已登记的内部人员，则放弃图像，若不是已登记的内部人员，则输出告警信息。通过行人检测算法排除有人员的图像，反向检测管廊内部的异常，对有人员的图像通过人脸识别算法进行识别进一步判断该人员是否为异常人员入侵。通过行人检测算法确认图像内是否包含人员，如果有则调用人脸识别算法判断是否是已登记的内部人员，没有则将初始拍摄的图像经过图像处理提取特征后作为基准样本。

图像缩小模块2，被配置为对图像的边长进行缩小。

在具体的实施例中，图像缩小模块2将图像的边长缩小至1/4，在减少计算量的同时也可以减少像素级随机噪声，提高信噪比。

通道转换模块3，被配置为判断图像是否为彩色，若是则提取红色通道，并将图像转换为黑白图像。

在具体的实施例中，若图像为彩色，则提取红色通道并将图形转换为黑白图像，因为廊内的异常情况主要会反馈在红色通道，对其提取可加强信息有效性。

特征提取模块4，被配置为对图像提取LBP特征。

在具体的实施例中，LBP特征为3x3 LBP特征。LBP特征是一种图像的局部编码，在3x3的LBP特征提取过程中，需要分别将外围的8个像素与中心像素进行大小比对，大于记为1，否则记为0,将8个标记按顺序连接起来则得到中心像素的LBP特征编码。LBP特征可以消除由于曝光量带来的细微差异，有效消除光照强度对图像的影响，从而提取图像中的结构信息。

比对模块5，被配置为在初始状态下的图像通过以上模块提取LBP特征后作为基准样本，当前状态下的图像通过以上模块提取LBP特征后作为当前状态样本，将当前状态样本与基准样本进行比对，根据比对结果判断管廊内部是否出现差异聚集，若是则输出告警信息，并通过人工巡检进行判断是否出现异常，若未出现异常则将当前状态样本作为基准样本进行更新。

在具体的实施例中，比对模块5具体包括：

将当前状态样本的图像与基准样本的图像做异或运算，得到比对结果热度图；

采用尺寸为w*w的滑动窗口，将滑动窗口内的热度图的值求和，高于阈值则表示管廊内出现异常，输出告警信息。

在具体的实施例中，图像做异或运算，值相同时得0，值不同时得1，得到比对结构热度图。根据实际情况设置滑动窗口边长w和阈值t，。如果在一定范围内发现大量差异聚集，则应认为该处发生了异常，有可能是形变、火灾或积水等，应立刻报警并推送该图像，由运维人员进一步确认情况，若确实没有异常，则应该以当前状态更新基准样本。基准样本最好尽量保持原有的图像，防止逐渐变化，以免存在一些速度很慢的小幅度变化会影响检测，如果一直更新的话基准也会慢慢变化。在出现误报的时候更新基准样本可以有效提高异常检测的准确度。

循环模块6，被配置为循环执行以上模块对管廊内部异常情况进行监测。

对应于本申请的另一个实施例公开的一种用于监测管廊异常的装置中图像缩小模块2和通道转换模块3的顺序进行对换，其他模块的连接顺序保持不变，同样也可以用于检测管廊异常，并且带来比较好的检测效果，能够做到通过视频监控对管廊内部的异常进行准确的实施监测。

本发明提出了一种基于人脸识别的人员与案件关联关系分析方法和装置，通过获取管廊内部在固定视角下的图像，通过行人检测算法检测图像中是否包含人员，若是，则通过人脸识别算法识别人员的身份，否则进行以下步骤；对图像的边长进行缩小；判断图像是否为彩色，若是则提取红色通道，并将图像转换为黑白图像；对图像提取LBP特征；在初始状态下的图像通过以上步骤提取LBP特征后作为基准样本，当前状态下的图像通过以上步骤提取LBP特征后作为当前状态样本，将当前状态样本与基准样本进行比对，根据比对结果判断管廊内部是否出现差异聚集，若是则输出告警信息，并通过人工巡检进行判断是否出现异常，若未出现异常则将当前状态样本作为基准样本进行更新，循环以上步骤对管廊内部异常情况进行监测。本发明可以高效利用综合管廊原本就配备的廊内监控摄像机，实现了多种异常一次检测，在少量费用的基础上大大增强了安全性，并且降低了日常巡检场景下会出现的误检情况，达到为运维工作降本增效的目的。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器或终端设备)的计算机装置600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机装置600包括中央处理单元(CPU)601和图形处理器(GPU)602，其可以根据存储在只读存储器(ROM)603中的程序或者从存储部分609加载到随机访问存储器(RAM)604中的程序而执行各种适当的动作和处理。在RAM 604中，还存储有装置600操作所需的各种程序和数据。CPU 601、GPU602、ROM 603以及RAM 604通过总线605彼此相连。输入/输出(I/O)接口606也连接至总线605。

以下部件连接至I/O接口606：包括键盘、鼠标等的输入部分607；包括诸如、液晶显示器(LCD)等以及扬声器等的输出部分608；包括硬盘等的存储部分609；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分610。通信部分610经由诸如因特网的网络执行通信处理。驱动器611也可以根据需要连接至I/O接口606。可拆卸介质612，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器611上，以便于从其上读出的计算机程序根据需要被安装入存储部分609。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分610从网络上被下载和安装，和/或从可拆卸介质612被安装。在该计算机程序被中央处理单元(CPU)601和图形处理器(GPU)602执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的装置、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行装置、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的装置来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取管廊内部在固定视角下的图像，通过行人检测算法检测图像中是否包含人员，若是，则通过人脸识别算法识别人员的身份，否则进行以下步骤；对图像的边长进行缩小；判断图像是否为彩色，若是则提取红色通道，并将图像转换为黑白图像；对图像提取LBP特征；在初始状态下的图像通过以上步骤提取LBP特征后作为基准样本，当前状态下的图像通过以上步骤提取LBP特征后作为当前状态样本，将当前状态样本与基准样本进行比对，根据比对结果判断管廊内部是否出现差异聚集，若是则输出告警信息，并通过人工巡检进行判断是否出现异常，若未出现异常则将当前状态样本作为基准样本进行更新，循环以上步骤对管廊内部异常情况进行监测。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。