多场景视频监测方法及装置

摘要

本申请提供一种多场景视频监测方法及装置，该方法应用于通过M路监测路数的分析监测模块监测N个场景的监测装置，其中，N>M；该方法包括：获取N个场景的视频流数据；接收N个场景中可能同时存在预定目标的场景数量最大值Y；每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片，形成第一图片流；通过X路分析监测模块判断第一图片流中的图片是否存在预定目标；其中，X路的路数不大于M与Y的差值；当第一图片流中的图片存在预定目标，对存在预定目标的图片对应的场景的视频流数据进行分析监测。该方法无需对每个视频通道一直保持分析开启的状态，能够节约资源，并大大提高智能分析性能。

权利要求

1.一种多场景视频监测方法，其特征在于，所述方法应用于通过M路监测路数的分析监测模块监测N个场景的监测装置，其中，N>M；所述方法包括：获取所述N个场景的视频流数据；

接收所述N个场景中可能同时存在预定目标的场景数量最大值Y；

每间隔第一预定时长从每个所述场景的视频流数据中抽取一帧图片，形成第一图片流，且每间隔所述第一预设时长则形成一新的第一图片流；

通过所述M路分析监测模块中的X路分析监测模块判断所述第一图片流中的图片是否存在所述预定目标；其中，所述X路的路数不大于M与Y的差值；

当所述第一图片流中的图片存在所述预定目标时，对存在所述预定目标的图片对应的所述场景的视频流数据进行分析监测。

2.根据权利要求1所述的多场景视频监测方法，其特征在于，所述每间隔第一预定时长从每个所述场景的视频流数据中抽取一帧图片，形成第一图片流的步骤具体包括：配置第一预定时长；

判断所述第一预定时长是否小于I帧间隔时长；

当所述第一预定时长小于所述I帧间隔时长时，则对每个所述场景的视频流数据进行解码并每间隔所述第一预定时长抽取一帧YUV图片，形成第一图片流；

当所述第一预定时长不小于所述I帧间隔时长时，则每间隔所述第一预定时长抽取每个所述场景的视频流数据中的I帧进行解码并转YUV图片，形成第一图片流。

3.根据权利要求1所述的多场景视频监测方法，其特征在于，进一步包括：当所述第一图片流中的图片不存在所述预定目标时，不对多个所述场景的视频流数据进行分析监测并返回获取所述N个场景的视频流数据的步骤。

4.根据权利要求1所述的多场景视频监测方法，其特征在于，进一步包括：所述每间隔第一预定时长从每个所述场景的视频流数据中抽取一帧图片，形成第一图片流的步骤的同时，对每个所述场景的视频流数据进行缓存处理；其中，每个所述视频流数据的缓存大小为所述第一预定时长与所述视频流数据的帧率的乘积；

所述当所述第一图片流中的图片存在所述预定目标时，对存在所述预定目标的图片对应的所述场景的视频流数据进行分析监测的步骤进一步包括：当所述第一图片流中的图片存在所述预定目标时，对已经缓存的存在所述预定目标的图片对应的所述场景的视频流数据进行分析监测。

5.根据权利要求4所述的多场景视频监测方法，其特征在于，当所述第一图片流中的图片存在所述预定目标时，对已经缓存的存在所述预定目标的图片对应的所述场景的视频流数据进行分析监测的步骤进一步包括：获取所述第一图片流中的图片存在所述预定目标的第一图片的数量Y’；

判断所述第一图片流中的图片存在所述预定目标的第一图片的数量Y’是否大于M‑X；

若所述第一图片流中的图片存在所述预定目标的第一图片的数量Y’大于M‑X，则发送异常提醒；若所述第一图片流中的图片存在所述预定目标的第一图片的数量Y’不大于M‑X，则对已经缓存的存在所述预定目标的图片对应的所述场景的视频流数据进行分析监测。

6.根据权利要求4所述的多场景视频监测方法，其特征在于，所述当所述第一图片流中的图片存在所述预定目标时，对已经缓存的存在所述预定目标的图片对应的所述场景的视频流数据进行分析监测的步骤进一步包括：判断已经缓存的存在所述预定目标的图片对应的所述场景的视频流数据是否已经在进行分析监测；

若已经缓存的存在所述预定目标的图片对应的所述场景的视频流数据已经在进行分析监测，继续对已经缓存的存在所述预定目标的图片对应的所述场景的视频流数据进行分析监测；

若已经缓存的存在所述预定目标的图片对应的所述场景的视频流数据尚未进行分析监测，对所述存在预定目标的图片对应的场景的视频流数据进行切换并开始分析监测已经缓存的存在所述预定目标的图片对应的所述场景的视频流数据。

7.根据权利要求4所述的多场景视频监测方法，其特征在于，所述对已经缓存的存在所述预定目标的图片对应的所述场景的视频流数据进行分析监测的步骤进一步包括：对已经缓存的存在所述预定目标的图片对应的所述场景的视频流数据进行解码，并每间隔第二预定时长抽取一帧图片，形成已经缓存的存在所述预定目标的图片对应的所述场景的视频流数据对应的第二图片流；其中，所述第二预定时长小于所述第一预定时长；

对所述第二图片流进行分析监测并判断每个场景的视频流数据中的图片是否存在异常；

当所述每个场景的视频流数据中的图片不存在异常时，则继续分析监测已经缓存的所述场景的视频流数据；

当所述每个场景的视频流数据中的图片存在所述异常时，则发送异常报告。

8.根据权利要求4所述的多场景视频监测方法，其特征在于，所述对已经缓存的存在所述预定目标的图片对应的所述场景的视频流数据进行分析监测的步骤进一步包括：判断所述场景中对应的所述预定目标是否消失；

当所述场景中对应的所述预定目标消失时，关闭所述预定目标消失的场景的视频流数据对应的分析监测模块。

9.一种多场景视频监测装置，其特征在于，所述装置具有M路监测路数；所述装置包括：视频获取模块，用于获取N个场景的视频流数据；其中，N>M；

接收模块，用于接收所述N个场景中可能同时存在预定目标的场景数量最大值Y；

第一图片流生成模块，用于每间隔第一预定时长从每个所述场景的视频流数据中抽取一帧图片，形成第一图片流，且每间隔所述第一预设时长则形成一新的第一图片流；

M路分析监测模块，用于对图片流或视频流进行分析监测；

控制模块，用于控制所述视频获取模块获取N个场景的视频流数据；控制所述接收模块接收所述N个场景中存在预定目标的场景数量Y；控制所述第一图片流生成模块每间隔第一预定时长从每个所述场景的视频流数据中抽取一帧图片，形成第一图片流；控制所述M路分析监测模块中的X路分析监测模块判断所述第一图片流中的图片是否存在所述预定目标；

其中，所述X路的路数不大于M与Y的差值；当所述第一图片流中的图片存在所述预定目标时，对存在所述预定目标的图片对应的所述场景的视频流数据进行分析监测。

10.根据权利要求9所述的多场景视频监测装置，其特征在于，所述X路分析监测模块包括目标识别单元，所述目标识别单元用于判断所述第一图片流中的图片是否存在所述预定目标。

11.根据权利要求10所述的多场景视频监测装置，其特征在于，所述装置还包括切换模块，所述切换模块用于当所述第一图片流中的图片存在所述预定目标时，判断存在所述预定目标的图片对应的所述场景的视频流数据是否已经在进行分析监测，并当存在所述预定目标的图片对应的所述场景的视频流数据尚未进行分析监测时，对所述存在预定目标的图片对应的场景的视频流数据进行切换。

12.根据权利要求11所述的多场景视频监测装置，其特征在于，所述装置还包括缓存模块，用于在所述第一图片流生成模块每间隔第一预定时长从每个所述场景的视频流数据中抽取一帧图片形成第一图片流的同时对每个所述场景的视频流数据进行缓存处理。

说明书

多场景视频监测方法及装置

技术领域

[0001] 本发明涉及智能视频监控技术领域，尤其涉及一种多场景视频监测方法及装置。

背景技术

[0002] 随着视频监控业务的广泛应用，经常会利用视频监控业务对一些场景中的异常事件进行监测。

[0003] 目前，为了对一些场景中的异常事件进行监测，一般是通过在这些场景中设置多个摄像机以采集对应场景中的实时视频，然后对几个相互独立的实时视频通道分别进行监
测分析；具体的，利用视频通道中前后帧中目标的跟踪关系，来识别每个实时视频通道的图
像画面是否有违反既定规则的异常事件。

[0004] 然而，现有方法需要对每个视频通道一直保持分析开启的状态，这样对于某些目标出现频率较低的视频通道或没有出现目标的视频通道，将造成资源浪费。

发明内容

[0005] 本申请提供的多场景视频监测方法及装置，能够解决现有技术中需要对每个视频通道一直保持分析开启的状态，进而对于某些目标出现频率较低的视频通道或没有出现目
标的视频通道，造成资源浪费的问题。

[0006] 为解决上述技术问题，本申请采用的第一个技术方案是：提供一种多场景视频监测方法，该方法应用于通过M路监测路数的分析监测模块监测N个场景的监测装置，其中，N>
M；该方法包括：获取N个场景的视频流数据；接收N个场景中可能同时存在预定目标的场景
数量最大值Y；每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片，形成第一图
片流；通过X路分析监测模块判断第一图片流中的图片是否存在预定目标；其中，X路的路数
不大于M与Y的差值；当第一图片流中的图片存在预定目标，对存在预定目标的图片对应的
场景的视频流数据进行分析监测。

[0007] 为解决上述技术问题，本申请采用的第二个技术方案是：提供一种多场景视频监测装置，该装置具有M路监测路数；该装置包括视频获取模块、接收模块、第一图片流生成模
块、M路分析监测模块以及控制模块；其中，视频获取模块用于获取N个场景的视频流数据；
其中，N>M；接收模块用于接收N个场景中可能同时存在预定目标的场景数量最大值Y；第一
图片流生成模块用于每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片，形成
第一图片流；M路分析监测模块用于对图片流或视频流进行分析监测；控制模块用于控制视
频获取模块获取N个场景的视频流数据；控制接收模块接收N个场景中存在预定目标的场景
数量Y；控制第一图片流生成模块每间隔第一预定时长从每个场景的视频流数据中抽取一
帧图片，形成第一图片流；控制M路分析监测模块中的X路分析监测模块判断第一图片流中
的图片是否存在预定目标；其中，X路的路数不大于M与Y的差值；当第一图片流中的图片存
在预定目标，对存在预定目标的图片对应的场景的视频流数据进行分析监测。

[0008] 本申请提供的多场景视频监测方法及装置，该方法应用于通过M路监测路数的分析监测模块监测N个场景的监测装置，其中，N>M；该方法通过获取N个场景的视频流数据并
接收N个场景中可能同时存在预定目标的场景数量最大值Y；然后每间隔第一预定时长从每
个场景的视频流数据中抽取一帧图片，形成第一图片流；之后用X路分析监测模块判断第一
图片流中的图片是否存在预定目标；当第一图片流中的图片存在预定目标，对存在预定目
标的图片对应的场景的视频流数据进行分析监测；从而不仅能够对多个场景中的异常情况
进行监测，且由于该方法是通过从每个场景中抽取一帧图片形成图片流，并仅对存在预定
目标的图片流中的图片对应的视频流进行分析监测，能够实现仅有M路监测能力的情况下，
同时对N路视频流数据进行实时监测；且相比于现有技术中需要使用N路监测路数对N路视
频流数据分别进行实时监测的方法，无需对每个视频通道一直保持分析开启的状态，能够
节约资源，并大大提高智能分析性能。

附图说明

[0009] 为了更清楚地说明本申请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单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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。

[0010] 图1为本申请第一实施例提供的多场景视频监测方法的流程图；

[0011] 图2为图1中步骤S13的子流程图；

[0012] 图3为图2中步骤S134的子流程图；

[0013] 图4为图1中步骤S15的子流程图；

[0014] 图5为本申请第二实施例提供的多场景视频监测方法的流程图；

[0015] 图6为本申请第三实施例提供的多场景视频监测方法的流程图；

[0016] 图7为图6中步骤S36的子流程图；

[0017] 图8为本申请第四实施例提供的多场景视频监测方法的流程图；

[0018] 图9为本申请第五实施例提供的多场景视频监测方法的流程图；

[0019] 图10为本申请第六实施例提供的多场景视频监测方法的流程图；

[0020] 图11为本申请第七实施例提供的多场景视频监测方法的流程图；

[0021] 图12为本申请第八实施例提供的多场景视频监测方法的流程图；

[0022] 图13为本申请一实施例提供的多场景视频监测装置的结构示意图；

[0023] 图14为本申请另一实施例提供的多场景视频监测装置的结构示意图。

具体实施方式

[0024] 下面结合附图和实施例，对本申请作进一步的详细描述。特别指出的是，以下实施例仅用于说明本申请，但不对本申请的范围进行限定。同样的，以下实施例仅为本申请的部
分实施例而非全部实施例，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，都属于本申请保护的范围。

[0025] 本申请中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第
三”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中，“多个”的含义是至
少两个，例如两个，三个等，除非另有明确具体的限定。本申请实施例中所有方向性指示(诸
如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相
对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改
变。本申请实施例中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包
含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步
骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方
法、产品或设备固有的其它步骤或组件。

[0026] 在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同
的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和
隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。下面结合附图和实施例
对本申请进行详细的说明。

[0027] 请参阅图1，图1为本申请第一实施例提供的多场景视频监测方法的流程图；在本实施例中，提供一种多场景视频监测方法，该方法应用于通过M路监测路数的分析监测模块
监测N个场景的监测装置且N个场景中存在预定目标的场景数量最大值Y已知的情况，其中，
N>M；在一具体实施方式中，N远大于M；比如，N可为300，M可为15。例如，通过N个场景的监测
装置对预定数量Y的无人送货车进行监测，此时N个场景中存在预定目标的场景数量Y为可
能同时配送出去的送货车数量的最大值。

[0028] 具体的，该方法包括：

[0029] 步骤S11：获取N个场景的视频流数据。

[0030] 具体的，通过视频获取模块获取N个场景的视频流数据；其中，视频获取模块具体包括若干个视频获取单元，视频获取单元与每个场景一一对应，即，每个场景中设置有一视
频获取单元，以通过每个场景中对应的视频获取单元获取每个场景的视频流数据，进而通
过视频获取模块中的N个视频获取单元获取N个场景的视频流数据；其中，视频获取单元具
体可为摄像头。

[0031] 步骤S12：接收N个场景中可能同时存在预定目标的场景数量最大值Y。

[0032] 需要说明的是，在该实施例中，Y为预设值。

[0033] 步骤S13：每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片，形成第一图片流。

[0034] 具体的，参见图2，图2为图1中步骤S13的子流程图；步骤S13具体包括：

[0035] 步骤S131：配置第一预定时长。

[0036] 具体的，在配置第一预定时长的过程中，同时对配置的第一预定时长进行校验，以保证第一预定时长远大于视频流的帧间隔时长，进而起到性能优化的作用；其中，视频流的
帧间隔时长是指视频流中相邻两帧的间隔时长；在具体实施过程中，第一预定时长为经验
值，具体可根据实际场景进行配置，如1‑5秒；在一个实施例中，第一预定时长为2秒。

[0037] S132：判断第一预定时长是否小于I帧间隔时长。

[0038] 具体的，若第一预定时长小于I帧间隔时长，则进入步骤S133；若第一预定时长大于或等于I帧间隔时长，则进入步骤S134。

[0039] S133：对每个场景的视频流数据进行解码并每间隔第一预定时长抽取一帧YUV图片，形成第一图片流。

[0040] S134：每间隔第一预定时长抽取每个场景的视频流数据中的I帧进行解码并转YUV图片，形成第一图片流。

[0041] 具体的，在步骤S134中，仅对I帧进行解码，相比于直接对每个视频流进行解码，更加节省资源。

[0042] 具体的，参见图3，图3为图2中步骤S134的子流程图；步骤S134进一步包括：

[0043] 步骤S1341：判断第一预定时长内视频流数据中是否仅包括一个I帧。

[0044] 具体的，若第一预定时长内视频流数据中仅包括一个I帧，则进入步骤S1342；若第一预定时长内视频流数据中包括多个I帧，则进入步骤S1343。

[0045] 步骤S1342：直接使用当前I帧进行解码并转YUV图片，形成第一图片流。

[0046] 步骤S1343：从多个I帧中抽取其中一个I帧进行解码并转YUV图片，形成第一图片流。

[0047] 需要说明的是，上述所涉及的I帧间隔时长具体是指视频流数据中相邻两个I帧的间隔时长。

[0048] 可以理解的是，上述第一图片流是通过在每个场景的视频流数据中抽取一帧图片汇聚而成的；且每间隔第一预定时长则形成一新的第一图片流。

[0049] 步骤S14：通过X路分析监测模块判断第一图片流中的图片是否存在预定目标。

[0050] 具体的，利用X路分析监测模块中的目标识别单元对第一图片流中的图片进行目标识别，并判断第一图片流中的图片是否存在预定目标。若第一图片流中的图片存在预定
目标，则执行步骤S15；若第一图片流中的图片不存在预定目标，则不对多个场景的视频流
数据进行分析并返回执行步骤S11。

[0051] 具体的，在该实施例中，将第一图片流设置为X路。其中，X路的路数具体可根据第一图片流、第一预定时长、每一路的具体硬件处理能力和目标识别单元的能力进行选择；在
具体实施过程中，X路的路数不大于M与Y的差值。可以理解，N越大，第一图片流越大，需要的
路数也越大。本实施例中，X小于等于3。

[0052] 步骤S15：对存在预定目标的图片对应的场景的视频流数据进行分析监测。

[0053] 进一步地，在一具体实施例中，当第一图片流中的图片存在预定目标时，进一步包括获取第一图片流中的图片存在预定目标的第一图片的数量Y’；然后判断第一图片流中的
图片存在预定目标的第一图片的数量Y’是否大于M‑X；若第一图片流中的图片存在预定目
标的第一图片的数量Y’大于M‑X，则发送异常提醒；若第一图片流中的图片存在预定目标的
第一图片的数量Y’不大于M‑X，则执行上述步骤S15；具体的，通过Y’路分析监测模块对存在
预定目标的Y’张第一图片对应的场景的视频流数据进行分析监测。

[0054] 具体的，参见图4，图4为图1中步骤S15的子流程图；步骤S15具体包括：

[0055] 步骤S151：对存在预定目标的图片对应的场景的视频流数据进行解码，并每间隔第二预定时长抽取一帧图片，形成存在预定目标的图片对应的场景的视频流数据对应的第
二图片流。

[0056] 其中，第二预定时长小于第一预定时长。

[0057] 比如，当存在预定目标的图片对应的场景有Y个时，通过分析监测模块中的解码抽帧单元对每个场景的视频流数据进行解码，并从每个场景的视频流数据中每间隔第二预定
时长抽取一帧图片，形成当前场景的视频流数据对应的第二图片流；可以理解的是，第二图
片流是通过在一个场景的视频流数据中每间隔第二预定时长抽取一帧图片汇聚而成的，Y
个存在预定目标的图片所对应的场景对应Y个第二图片流。

[0058] 在一具体实施方式中，步骤S151还包括对第二图片流的路数进行校验，以保证同时可处于异常监测的视频流路数不大于M‑X，当处于异常监测的视频流路数大于M‑X时，说
明超出该装置的监测能力，则抛出异常信息。

[0059] 步骤S152：对第二图片流进行分析监测并判断每个场景的视频流数据中的图片是否存在异常。

[0060] 具体的，通过分析监测单元对第二图片流进行分析监测并判断每个场景的视频流数据中的图片是否存在异常；当每个场景的视频流数据中的图片不存在异常时，则执行步
骤S153；当每个场景的视频流数据中的图片存在异常时，则执行步骤S154。

[0061] 具体的，可通过目标识别判断第二图片流中的图片中的预定目标是否存在异常，进而判断每个场景的视频流数据中的图片是否存在异常；其中，预定目标是否存在异常具
体是指预定目标的行为是否存在异常，比如，预定目标是否存在打架斗殴等异常行为。

[0062] 步骤S153：返回执行获取N个场景的视频流数据。

[0063] 步骤S154：发送异常报告。

[0064] 具体的，异常报告可以是报警信号。

[0065] 进一步地，在一具体实施例中，步骤S15还包括判断场景中对应的预定目标是否消失；当场景中对应的预定目标消失时，关闭预定目标消失的场景的视频流数据对应的分析
监测模块。

[0066] 本实施例提供的多场景视频监测方法，该方法应用于通过M路监测路数的分析监测模块监测N个场景的监测装置且N个场景中存在预定目标的场景数量Y已知的情况，其中，
N>M。具体的，该方法通过获取N个场景的视频流数据并接收N个场景中可能同时存在预定目
标的场景数量最大值Y；然后每间隔第一预定时长从每个场景的视频流数据中抽取一帧图
片，形成第一图片流；之后用X路分析监测模块判断第一图片流中的图片是否存在预定目
标；当第一图片流中的图片存在预定目标，对存在预定目标的图片对应的场景的视频流数
据进行分析监测；从而不仅能够对多个场景中的异常情况进行监测，且由于该方法是通过
从每个场景中抽取一帧图片形成图片流，并仅对存在预定目标的图片流中的图片对应的视
频流进行分析监测，能够实现仅有M路监测能力的情况下，同时对N路视频流数据进行实时
监测；且相比于现有技术中需要使用N路监测路数对N路视频流数据分别进行实时监测的方
法，无需对每个视频通道一直保持分析开启的状态，能够节约资源，并大大提高智能分析性
能。

[0067] 请参阅图5，图5为本申请第二实施例提供的多场景视频监测方法的流程图；在本实施例中，提供一种多场景视频监测方法，该方法同样是基于预先知道Y的情况下，通过Y+X
＝M路监测路数的分析监测模块监测N个场景；其中，N>M；具体的，该方法包括：

[0068] 步骤S21：获取N个场景的视频流数据。

[0069] 步骤S22：接收N个场景中可能同时存在预定目标的场景数量最大值Y。

[0070] 步骤S23：每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片，形成第一图片流。

[0071] 步骤S24：通过X路分析监测模块判断第一图片流中的图片是否存在预定目标。

[0072] 具体的，若第一图片流中的图片存在预定目标，则X路分析监测模块中的目标识别单元将有预定目标出现的图片所在的通道ID通知给切换模块，并执行步骤S25；若第一图片
流中的图片不存在预定目标，则不对多个场景的视频流数据进行分析并返回执行步骤S21。

[0073] 具体的，上述步骤S21至步骤S24的具体实施过程与上述第一实施例提供的多场景视频监测方法中的步骤S11至步骤S14的具体实施过程相同或相似，且可实现相同或相似的
技术效果，具体可参见上述相关文字描述，在此不再赘述。

[0074] 步骤S25：判断存在预定目标的图片对应的场景的视频流数据是否已经在进行分析监测。

[0075] 具体的，通过切换模块执行步骤S25；具体的，切换模块接收到目标识别单元发送的有预定目标的图片所在的通道ID通知后，执行步骤S25；具体的，若存在预定目标的图片
对应的场景的视频流数据已经在进行分析监测，则执行步骤S26；若存在预定目标的图片对
应的场景的视频流数据尚未进行分析监测，则执行步骤S27。

[0076] 步骤S26：继续对存在预定目标的图片对应的场景的视频流数据进行分析监测。

[0077] 步骤S27：对存在预定目标的图片对应的场景的视频流数据进行切换并开始分析监测存在预定目标的图片对应的场景的视频流数据。

[0078] 具体的，利用切换模块将存在预定目标的图片对应的场景的视频流数据切换至空闲分析通道路数(即，闲置的分析通道路数)，并开始分析监测存在预定目标的图片对应的
场景的视频流数据。

[0079] 具体的，上述对存在预定目标的图片对应的场景的视频流数据进行分析监测的具体实施过程可参见上述第一实施例提供的多场景视频监测方法中的步骤S15的具体实施过
程相同或相似，且可实现相同或相似的技术效果，具体可参见上述相关文字描述，在此不再
赘述。

[0080] 本实施例提供的多场景视频监测方法，相比于上述第一实施例提供的多场景视频监测方法，进一步根据通知对视频流进行切换，从而能够直接对存在预定目标的图片对应
的场景的视频流数据进行分析监测，进而能够进一步节省资源，提高智能分析性能，并在优
化性能的前提下，仍保持正常的异常事件检出率。

[0081] 请参阅图6，图6为本申请第三实施例提供的多场景视频监测方法的流程图；需要说明的是，在对图片进行目标识别的过程中，尽管图片识别目标的耗时较短，速度较快，但
仍有耗时存在，且图片之间存在间隔，因此，本实施例提供的多场景视频监测方法，为了保
证首张监测到预定目标的图片之前，若预定目标已经出现，能够被记录下来用于行为监测，
同时利用缓存模块对视频流数据进行缓存处理。

[0082] 具体的，在本实施例中，该多场景视频监测方法具体包括：

[0083] 步骤S31：获取N个场景的视频流数据。

[0084] 步骤S32：接收N个场景中可能同时存在预定目标的场景数量最大值Y。

[0085] 步骤S33：每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片，形成第一图片流。

[0086] 步骤S34：通过X路分析监测模块判断第一图片流中的图片是否存在预定目标。

[0087] 具体的，若第一图片流中的图片存在预定目标，则执行步骤S36；若第一图片流中的图片不存在预定目标，则不对多个场景的视频流数据进行分析并返回执行步骤S31。

[0088] 具体的，上述步骤S31至步骤S34的具体实施过程与上述第一实施例提供的多场景视频监测方法中的步骤S11至步骤S14的具体实施过程相同或相似，且可实现相同或相似的
技术效果，具体可参见上述相关文字描述，在此不再赘述。

[0089] 具体的，上述在执行步骤S32至步骤S34的同时还执行步骤S35，步骤S35：对每个场景的视频流数据进行缓存处理。

[0090] 具体的，建立N路视频帧缓存队列进行存放；其中，每个视频流数据的缓存大小为第一预定时长与视频流数据的帧率的乘积；比如，第一预定时长为2秒，缓存队列大小则为2
乘以当前视频帧率。

[0091] 步骤S36：对已经缓存的存在预定目标的图片对应的场景的视频流数据进行分析监测。

[0092] 具体的，在一具体实施例中，当第一图片流中的图片存在预定目标时，进一步包括获取第一图片流中的图片存在预定目标的第一图片的数量Y’；然后判断第一图片流中的图
片存在预定目标的第一图片的数量Y’是否大于M‑X；若第一图片流中的图片存在预定目标
的第一图片的数量Y’大于M‑X，则发送异常提醒；若第一图片流中的图片存在预定目标的第
一图片的数量Y’不大于M‑X，则执行上述步骤S36。

[0093] 具体的，参见图7，图7为图6中步骤S36的子流程图；步骤S36具体包括：

[0094] 步骤S361：对已经缓存的存在预定目标的图片对应的场景的视频流数据进行解码，并每间隔第二预定时长抽取一帧图片，形成已经缓存的存在预定目标的图片对应的场
景的视频流数据对应的第二图片流。

[0095] 其中，第二预定时长同样小于第一预定时长。

[0096] 步骤S362：对第二图片流进行分析监测并判断每个场景的视频流数据中的图片是否存在异常。

[0097] 具体的，若每个场景的视频流数据中的图片不存在异常时，则执行步骤S363；当每个场景的视频流数据中的图片存在异常时，则执行步骤S364。

[0098] 步骤S363：返回执行获取N个场景的视频流数据。

[0099] 步骤S364：发送异常报告。

[0100] 具体的，步骤S36及其子步骤的其它具体实施过程可参见上述第一实施例提供的多场景视频监测方法中的步骤S15及其子步骤的具体实施过程，且可实现相同或相似的技
术效果，具体可参见上述相关文字描述，在此不再赘述。

[0101] 本实施例提供的多场景视频监测方法，相比于上述第一实施例提供的多场景视频监测方法，进一步通过使用视频缓存的方法，以在第一图片流中的图片存在预定目标，对已
经缓存的存在预定目标的图片对应的场景的视频流数据进行分析监测，从而在优化性能的
前提下，仍能够保证正常的异常事件检出率；同时能够保证首张监测到预定目标的图片之
前，若预定目标已经出现，能够被记录下来用于行为监测。

[0102] 请参阅图8，图8为本申请第四实施例提供的多场景视频监测方法的流程图；在本实施例中，提供一种多场景视频监测方法，该方法具体包括：

[0103] 步骤S41：获取N个场景的视频流数据。

[0104] 步骤S42：接收N个场景中可能同时存在预定目标的场景数量最大值Y。

[0105] 步骤S43：每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片，形成第一图片流。

[0106] 步骤S44：通过X路分析监测模块判断第一图片流中的图片是否存在预定目标。

[0107] 具体的，若第一图片流中的图片存在预定目标，则目标识别单元将有预定目标出现的图片所在的通道ID通知给切换模块，并执行步骤S46；若第一图片流中的图片不存在预
定目标，则不对多个场景的视频流数据进行分析并返回执行步骤S41。

[0108] 具体的，步骤S41之后，在执行步骤S42至步骤S44的同时执行步骤S45。

[0109] 步骤S45：对每个场景的视频流数据进行缓存处理。

[0110] 具体的，上述步骤S41至步骤S45的其它具体实施过程与上述第三实施例提供的多场景视频监测方法中的步骤S31至步骤S35的具体实施过程相同或相似，且可实现相同或相
似的技术效果，具体可参见上述相关文字描述，在此不再赘述。

[0111] 步骤S46：判断已经缓存的存在预定目标的图片对应的场景的视频流数据是否已经在进行分析监测。

[0112] 具体的，若已经缓存的存在预定目标的图片对应的场景的视频流数据已经在进行分析监测，则执行步骤S47；若已经缓存的存在预定目标的图片对应的场景的视频流数据尚
未进行分析监测，则执行步骤S48。

[0113] 步骤S47：继续对已经缓存的存在预定目标的图片对应的场景的视频流数据进行分析监测。

[0114] 步骤S48：对存在预定目标的图片对应的场景的视频流数据进行切换并开始分析监测已经缓存的存在预定目标的图片对应的场景的视频流数据。

[0115] 具体的，上述步骤S47至步骤S48的具体实施过程与上述第二实施例提供的多场景视频监测方法中的步骤S26至步骤S27的具体实施过程相同或相似，且可实现相同或相似的
技术效果，具体可参见上述相关文字描述，在此不再赘述。

[0116] 本实施例提供的多场景视频检测方法，相比于上述第二实施例提供的多场景视频监测方法，通过使用视频缓存的方法，在优化性能的前提下，仍能够保证正常的异常事件检
出率；同时能够保证首张监测到预定目标的图片之前，若预定目标已经出现，能够被记录下
来用于行为监测；相比于上述第三实施例提供的多场景视频监测方法，进一步根据通知对
视频流进行切换，从而能够直接对存在预定目标的图片对应的场景的视频流数据进行分析
监测，进而能够进一步节省资源，提高智能分析性能。

[0117] 可以理解，上述实施例所涉及的多场景视频监测方法，均适用于预先知道Y的情况下，通过Y+X＝M路监测路数监测N个场景。上述方法在目标出现频率较低或没有出现目标
时，能够做到远超当前硬件能力的分析通道数，大大降低成本；同时，使用图片流与视频流
相结合的技术，提高智能分析性能。即，使用性能占用小的技术对大量分析需求做过滤，把
有限资源让给性能占用高的技术上；另外，使用视频缓存和根据通知进行切换的方法，在优
化性能的前提下，仍能够保证正常的异常事件检出率。

[0118] 请参阅图9，图9为本申请第五实施例提供的多场景视频监测方法的流程图；在本实施例中，提供一种多场景视频监测方法，该方法具体应用于具有M路监测路数的分析监测
模块监测N个场景的监测装置且N个场景中可能同时存在预定目标的场景数量Y未知的情
况，其中N>M。例如，通过N个场景的监测装置对ATM取款机的人物进行监测，此时无需提前预
知有几个人物出现在ATM取款机附近。该方法具体包括：

[0119] 步骤S51：获取N个场景的视频流数据。

[0120] 步骤S52：每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片，形成第一图片流。

[0121] 具体的，步骤S51至步骤S52的具体实施过程可参见上述第一实施例提供的多场景视频监测方法中的步骤S11和步骤S13的具体实施过程，且可实现相同或相似的技术效果，
在此不再赘述。

[0122] 步骤S53：通过X路分析监测模块判断第一图片流中的图片是否存在预定目标。

[0123] 具体的，当第一图片流中的图片存在预定目标，执行步骤S54；当第一图片流中的图片不存在预定目标，则返回执行步骤S51。

[0124] 其中，分析监测模块的路数X远小于场景个数，以在限定的资源条件下，提升智能分析路数；且分析监测模块的路数X可根据第一预定时长、具体硬件能力和目标识别单元的
能力进行选择，其不受Y和M的限制。

[0125] 具体的，步骤S53的其它具体实施过程可参见上述第一实施例提供的多场景视频监测方法中的步骤S14的具体实施过程。

[0126] 步骤S54：获取第一图片流中的图片存在预定目标的第一图片的数量Y'。

[0127] 具体的，在一实施例中，步骤S54还包括判断Y'是否大于M‑X；当Y'大于M‑X，即超过当前装置的分析监测能力，则发送异常提醒；当Y'小于或等于大于M‑X时，则执行步骤S55。

[0128] 步骤S55：通过Y'路分析监测模块分别对存在预定目标的Y'张第一图片对应的Y'个场景的视频流数据进行分析监测。

[0129] 比如，若第一图片流中存在预定目标的第一图片的数量为10，则通过10路分析监测模块分别对存在预定目标的10张第一图片对应的10个场景的视频流数据进行分析监测。

[0130] 具体的，步骤S55的具体实施过程可参见上述第一实施例中提供的多场景视频监测方法中步骤S15的具体实施过程，且可实现相同或相似的技术效果，具体可参见上述相关
文字描述，在此不再赘述。

[0131] 本实施例提供的多场景视频监测方法，不仅能够对多个场景中的异常情况进行监测，且由于该方法是通过从每个场景的视频流数据中抽取一帧图片形成图片流，并仅对存
在预定目标的图片流中的图片对应的视频流进行分析监测，无需对每个视频通道一直保持
分析开启的状态，能够节约资源，并大大提高智能分析性能；同时，该方法无需预设Y值，相
比于上述任一实施例提供的多场景视频监测方法，自动化程度更高。

[0132] 请参阅图10，图10为本申请第六实施例提供的多场景视频监测方法的流程图；在本实施例中，提供一种多场景视频监测方法，该方法具体应用于具有M路监测路数的分析监
测模块监测N个场景的监测装置，其中，N>M。该方法具体包括：

[0133] 步骤S61：获取N个场景的视频流数据。

[0134] 步骤S62：每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片，形成第一图片流。

[0135] 步骤S63：通过X路分析监测模块判断第一图片流中的图片是否存在预定目标。

[0136] 具体的，当第一图片流中的图片存在预定目标，则执行步骤S64；当第一图片流中的图片不存在预定目标，则返回执行步骤S61。

[0137] 具体的，步骤S61至步骤S63的具体实施过程可参见上述第五实施例提供的多场景视频监测方法中的步骤S51至步骤S53的具体实施过程，且可实现相同或相似的技术效果，
具体可参见上述相关文字描述，在此不再赘述。

[0138] 步骤S64：获取第一图片流中的图片存在预定目标的第一图片的数量Y'。

[0139] 具体的，步骤S64的具体实施过程可参见上述第五实施例提供的多场景视频监测方法中的步骤S54的具体实施过程，且可实现相同或相似的技术效果，具体可参见上述相关
文字描述，在此不再赘述。

[0140] 步骤S65：判断第一图片流中的图片中存在预定目标的第一图片的数量Y'是否发生变化。

[0141] 具体的，判断第一图片流中的图片中存在预定目标的第一图片的数量Y'是否发生变化具体是指本次第一图片流中中存在预定目标的第一图片的数量Y'相比于上一次形成
的第一图片流中存在预定目标的第一图片的数量Y'是否发生变化，即，数量Y'是否增加、减
少或不变。

[0142] 具体的，当第一图片流中的图片中存在预定目标的第一图片的数量Y'没有发生变化时，即，数量Y'不变时，则直接执行步骤S69；当第一图片流中的图片中存在预定目标的第
一图片的数量Y'发生变化时，则执行步骤S66。

[0143] 步骤S66：判断第一图片流中的图片中存在预定目标的第一图片的数量Y'是否增加。

[0144] 具体的，当第一图片流中的图片中存在预定目标的第一图片的数量Y'增加时，执行步骤S67；当第一图片流中的图片中存在预定目标的第一图片的数量Y'减少时，则执行步
骤S68。

[0145] 步骤S67：开启新的分析检测模块。

[0146] 具体的，步骤S67具体是指开启一路新的监测路数。

[0147] 步骤S68：关闭对减少的存在预定目标的第一图片对应的场景的视频流数据进行分析的分析监测模块。

[0148] 步骤S69：通过Y'路分析监测模块分别对存在预定目标的Y'张第一图片对应的Y'个场景的视频流数据进行分析监测。

[0149] 具体的，步骤S69的具体实施过程可参见上述第五实施例提供的多场景视频监测方法中的步骤S55的具体实施过程。

[0150] 需要说明的是，当首次监测到第一图片流中的图片中存在预定目标时，不存在本次对应的数量Y'值与上一次监测对应的Y'值的比较，因此，在步骤S64之后直接进入步骤
S69，无需执行步骤S65至步骤S68。

[0151] 本实施例提供的多场景视频监测方法，相比于上述第五实施例提供的方法，进一步根据第一图片流中的图片中存在预定目标的第一图片的数量Y'的变化随时调整开启或
关闭相应的分析监测模块，从而能够进一步节约资源，并进一步提高自动化程度。

[0152] 在一实施例中，参见图11，图11为本申请第七实施例提供的多场景视频监测方法的流程图；在本实施例中，与上述第六实施例不同的是，步骤S69之后进一步还包括步骤S70
和步骤S71。

[0153] 步骤S70：判断Y'个场景的视频流数据中的预定目标是否消失。

[0154] 具体的，当Y'个场景的视频流数据中的预定目标消失时，执行步骤S71；当Y'个场景的视频流数据中的预定目标没有消失时，则返回执行步骤S61。

[0155] 步骤S71：关闭预定目标消失的场景的视频流数据对应的分析监测模块。

[0156] 上述方法能够在预定目标消失后及时关闭相应的分析监测模块，从而能够进一步节约资源。

[0157] 在一实施例中，参见图12，图12为本申请第八实施例提供的多场景视频监测方法的流程图；在本实施例中，提供一种多场景视频监测方法，该方法包括：

[0158] 步骤S81：获取N个场景的视频流数据。

[0159] 步骤S82：每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片，形成第一图片流。

[0160] 步骤S83：通过X路分析监测模块判断第一图片流中的图片是否存在预定目标。

[0161] 具体的，若第一图片流中的图片存在预定目标，则执行步骤S85；若第一图片流中的图片不存在预定目标，则不对多个场景的视频流数据进行分析监测并返回执行步骤S81。

[0162] 具体的，上述在执行步骤S82和步骤S83的同时还执行步骤S84，步骤S84：对每个场景的视频流数据进行缓存处理。

[0163] 具体的，步骤S84的具体实施过程可参见上述第三实施例中的步骤S35的具体实施过程。

[0164] 步骤S85：获取第一图片流中的图片存在预定目标的第一图片的数量Y'。

[0165] 步骤S86：通过Y'路分析监测模块对已经缓存的存在预定目标的图片对应的场景的视频流数据进行分析监测。

[0166] 可以理解的是，首次监测到预定目标后，直接执行步骤S85和步骤S86；而在第二次或之后的每次监测到预定目标后，在执行完步骤S81至步骤S83之后进一步还执行步骤S87。

[0167] 具体的，步骤S86的具体实施过程可参见上述第五实施例中的步骤S55的具体实施过程。

[0168] 步骤S87：判断新缓存的存在预定目标的图片对应的场景的视频流数据是否已经在进行分析监测。

[0169] 具体的，通过切换模块执行步骤S87；具体的，目标识别单元在监测到预定目标后，将有预定目标出现的图片所在的通道ID通知给切换模块，切换模块接收到目标识别单元发
送的有预定目标的图片所在的通道ID通知后开始执行步骤S87；具体的，若已经缓存的存在
预定目标的图片对应的场景的视频流数据已经在进行分析监测，则继续执行步骤S86；若已
经缓存的存在预定目标的图片对应的场景的视频流数据尚未进行分析监测，则执行步骤
S88。

[0170] 步骤S88：对已经缓存的存在预定目标的图片对应的场景的视频流数据进行切换并通过Y'路分析监测模块对新缓存的存在预定目标的图片对应的场景的视频流数据进行
分析监测。

[0171] 具体的，通过切换模块将存在预定目标的图片对应的场景的视频流数据切换至空闲通道路数以进行后续步骤。

[0172] 其中，通过Y'路分析监测模块对已经缓存的存在预定目标的图片对应的场景的视频流数据进行分析监测可参见步骤S86的具体实施过程。

[0173] 需要说明的是，在该实施例中，在每次监测过程中，执行完步骤S85之后还可进一步包括判断Y'是否大于M‑X的步骤，以及上述第六实施例所涉及的步骤S65至步骤S68的步
骤，以及在步骤S88之后进一步还可包括上述第七实施例中的步骤S70至步骤S71的相关内
容，具体可参见上述相关文字记载，在此不再赘述。

[0174] 本实施例提供的多场景视频监测方法，相比于上述第七实施例提供的多场景视频监测方法，进一步通过使用视频缓存的方法，以在第一图片流中的图片存在预定目标，对新
缓存的存在预定目标的图片对应的场景的视频流数据进行分析监测，从而在优化性能的前
提下，仍能够保证正常的异常事件检出率；同时能够保证首张监测到预定目标的图片之前，
若预定目标已经出现，能够被记录下来用于行为监测；同时，在后续监测过程中，进一步根
据通知对视频流进行切换，从而能够直接对存在预定目标的图片对应的场景的视频流数据
进行分析监测，进而能够进一步节省资源，提高智能分析性能。

[0175] 可以理解，上述第五实施例至第八实施例提供的多场景视频监测方法，适用于预先不知道Y的情况，通过从M路监测路数中选择Y’路监测N个场景。相比于上述第一实施例提
供的多场景视频监测方法，本实施例提供的多场景视频监测方法，不仅在目标出现频率较
低时，能够做到远超当前硬件能力的分析通道数，大大降低成本；同时，利用图片流与视频
流相结合的技术，提高智能分析性能。即，使用性能占用小的技术对大量分析需求做过滤，
把有限资源让给性能占用高的技术上；另外，使用视频缓存和根据通知进行切换的方法，在
优化性能的前提下，仍能够保证正常的异常事件检出率；此外，在第一图片流中的图片中存
在预定目标的第一图片的数量Y'增加或减少时，能够自动开启新的分析监测模块或关闭对
应的分析监测模块，从而不仅能够更加节约资源，大大提高智能分析性能，且自动化程度较
高。

[0176] 请参阅图13，图13为本申请一实施例提供的多场景视频监测装置的结构示意图；在本实施例中，提供一种多场景视频监测装置300，该装置300具有M路监测路数，用于执行
上述第一实施例至第四实施例提供的多场景视频监测方法；具体的，该装置300包括视频获
取模块301、接收模块302、第一图片流生成模块303、M路分析监测模块304以及控制模块
305。

[0177] 其中，视频获取模块301用于获取N个场景的视频流数据；其中，N>M，且N个场景中的Y个场景中可能同时存在预定目标；具体的，视频获取模块301具体包括若干个视频获取
单元，视频获取单元与每个场景一一对应，即，每个场景中设置有一视频获取单元，以通过
每个场景中对应的视频获取单元获取每个场景的视频流数据，进而通过视频获取模块301
中的N个视频获取单元获取N个场景的视频流数据；其中，视频获取单元具体可为摄像头。

[0178] 其中，接收模块302用于接收N个场景中可能同时存在预定目标的场景数量最大值Y。

[0179] 其中，第一图片流生成模块303用于每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片，形成第一图片流。

[0180] 具体的，第一图片流生成模块303具体用于配置第一预定时长，并对配置的第一预定时长进行校验，以保证第一预定时长远大于视频流的帧间隔时长，进而起到性能优化的
作用；之后判断第一预定时长是否小于I帧间隔时长；若第一预定时长小于I帧间隔时长，则
对每个场景的视频流数据进行解码并每间隔第一预定时长抽取一帧YUV图片，形成第一图
片流；若第一预定时长大于或等于I帧间隔时长，则每间隔第一预定时长直接抽取每个场景
的视频流数据中的一I帧进行解码并转YUV图片，以形成第一图片流，相比于直接对视频流
进行解码，更加节省资源。

[0181] 进一步地，第一图片流生成模块303还用于当第一预定时长大于或等于I帧间隔时长时，判断第一预定时长内视频流数据中是否仅包括一个I帧，若第一预定时长内视频流数
据中仅包括一个I帧，则直接使用当前I帧进行解码并转YUV图片，形成第一图片流；若第一
预定时长内视频流数据中包括多个I帧，则从多个I帧中抽取其中一个I帧进行解码并转YUV
图片，形成第一图片流。

[0182] 其中，M路分析监测模块304用于对图片流或视频流进行分析监测；具体的，M路分析监测模块304中的X路分析监测模块304用于判断第一图片流中的图片是否存在预定目
标；其中，X路的路数不大于M与Y的差值；并当第一图片流中的图片存在预定目标时，用于对
存在预定目标的图片对应的场景的视频流数据进行分析监测。

[0183] 在一实施例中，X路分析监测模块304包括目标识别单元，用于对第一图片流中的图片进行目标识别，并判断第一图片流中的图片是否存在预定目标。

[0184] 在一实施例中，该多场景视频监测装置300还包括切换模块，切换模块用于在第一图片流中的图片存在预定目标，接收目标识别单元发送的有预定目标的图片所在的通道ID
通知，并判断存在预定目标的图片对应的场景的视频流数据是否已经在进行分析监测，同
时当存在预定目标的图片对应的场景的视频流数据尚未进行分析监测时对存在预定目标
的图片对应的场景的视频流数据进行切换，即，将存在预定目标的图片对应的场景的视频
流数据切换至空闲通道路数进行后期的分析监测。

[0185] 在另一实施例中，上述多场景视频监测装置300还包括缓存模块，用于在第一图片流生成模块303每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片形成第一图
片流的同时对每个场景的视频流数据进行缓存处理。具体的，在该实施例中，切换模块用于
在第一图片流中的图片存在预定目标，接收目标识别单元发送的有预定目标的图片所在的
通道ID通知，并判断已经缓存的存在预定目标的图片对应的场景的视频流数据是否已经在
进行分析监测，同时当已经缓存的存在预定目标的图片对应的场景的视频流数据尚未进行
分析监测时对已经缓存的存在预定目标的图片对应的场景的视频流数据进行切换，即，将
已经缓存的存在预定目标的图片对应的场景的视频流数据切换至空闲通道路数进行后期
的分析监测。

[0186] 其中，分析监测模块304进一步还包括解码抽帧单元和分析监测单元；其中，解码抽帧单元用于对存在预定目标的图片对应的场景的视频流数据进行解码，并每间隔第二预
定时长抽取一帧图片，形成存在预定目标的图片对应的场景的视频流数据对应的第二图片
流；分析监测单元用于判断第二图片流中的图片是否存在异常；若第二图片流中的图片不
存在异常，则返回执行获取N个场景的视频流数据；若第二图片流中的图片存在异常，则发
送异常报告。

[0187] 其中，控制模块305用于控制视频获取模块301获取N个场景的视频流数据；控制接收模块302接收N个场景中存在预定目标的场景数量Y；控制第一图片流生成模块303每间隔
第一预定时长从每个场景的视频流数据中抽取一帧图片，形成第一图片流；控制M路分析监
测模块304中的X路分析监测模块304判断第一图片流中的图片是否存在预定目标；其中，X
路的路数不大于M与Y的差值；当第一图片流中的图片存在预定目标，控制M路分析监测模块
304对存在预定目标的图片对应的场景的视频流数据进行分析监测。

[0188] 请参阅图14，图14为本申请另一实施例提供的多场景视频监测装置的结构示意图；在本实施例中，提供另一种多场景视频监测装置400，该装置400具有M路监测路数，且监
测路数M远小于场景的个数N，用于执行上述第五实施例至第八实施例提供的多场景视频监
测方法；具体的，该装置400包括视频获取模块401、第一图片流生成模块402、M路分析监测
模块403以及控制模块404。

[0189] 其中，视频获取模块401用于获取N个场景的视频流数据；第一图片流生成模块402用于每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片，形成至少一路第一图
片流；其中，第一图片流的路数小于场景的个数；具体的，视频获取模块401和第一图片流生
成模块402的结构与功能与上述实施例提供的多场景视频监测装置300中的视频获取模块
301和第一图片流生成模块303的结构和功能相同或相似，且可实现相同或相似的技术效
果，具体可参见上述相关文字记载，在此不再赘述。

[0190] 其中，M路分析监测模块403用于对图片流或视频流进行分析监测。

[0191] 在一实施例中，X路分析监测模块403包括目标识别单元和获取单元；其中，目标识别单元用于判断第一图片流中的图片是否存在预定目标；获取单元用于当第一图片流中的
图片存在预定目标时，获取第一图片流中的图片存在预定目标的第一图片的数量Y'。

[0192] 在一具体实施例中，获取单元进一步用于判断第一图片流中的图片中存在预定目标的第一图片的数量Y'是否发生变化；当第一图片流中的图片中存在预定目标的第一图片
的数量Y'发生变化时，判断第一图片流中的图片中存在预定目标的第一图片的数量Y'是否
增加；当第一图片流中的图片中存在预定目标的第一图片的数量Y'增加时，开启一路新的
分析监测模块403；当第一图片流中的图片中存在预定目标的第一图片的数量Y'减少时，关
闭对减少的存在预定目标的第一图片对应的场景的视频流数据进行分析的分析监测模块
403，以进一步提高自动化程度。

[0193] 在另一实施例中，该多场景视频监测装置400还包括切换模块，切换模块用于当第一图片流中的图片存在预定目标时，判断存在预定目标的图片对应的场景的视频流数据是
否已经在进行分析监测，并当存在预定目标的图片对应的场景的视频流数据尚未进行分析
监测时，对存在预定目标的图片对应的场景的视频流数据进行切换。

[0194] 在一实施例中，该多场景视频监测装置400还包括缓存模块；缓存模块用于在第一图片流生成模块402每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片形成第
一图片流的同时，对每个场景的视频流数据进行缓存处理。

[0195] 在该实施例中，切换模块具体用于判断新缓存的存在预定目标的Y'张第一图片对应的Y'个场景的视频流数据是否已经在进行分析监测，并当新缓存的存在预定目标的图片
对应的场景的视频流数据尚未进行分析监测时，对新缓存的存在预定目标的图片对应的场
景的视频流数据进行切换。

[0196] 其中，Y'路分析监测模块403进一步用于通过其中的解码抽帧单元对已经缓存的存在预定目标的Y'张第一图片对应的Y'个场景的视频流数据进行解码，并每间隔第二预定
时长抽取一帧图片，形成已经缓存的存在预定目标的Y'张第一图片对应的Y'个场景的视频
流数据对应的第二图片流，通过其中的分析监测单元判断第二图片流中的图片是否存在异
常；若第二图片流中的图片不存在异常，则继续分析监测已经缓存的场景的视频流数据；若
第二图片流中的图片存在异常，则发送异常报告。

[0197] 其中，控制模块404用于控制视频获取模块401获取N个场景的视频流数据；控制第一图片流生成模块402每间隔第一预定时长从每个场景的视频流数据中抽取一帧图片，形
成第一图片流；控制M路分析监测模块403中的X路分析监测模块403判断第一图片流中的图
片是否存在预定目标；当第一图片流中的图片存在预定目标，获取第一图片流中的图片存
在预定目标的第一图片的数量Y'，并控制M路分析监测模块403中的Y'路分析监测模块403
分别对存在预定目标的Y'张第一图片对应的Y'个场景的视频流数据进行分析监测。

[0198] 具体的，需要说明的是，上述所涉及的M路分析监测模块具体是指M路监测路数的分析监测模块；X路分析监测模块具体是指X路监测路数的分析监测模块；Y'路分析监测模
块均是指Y'路监测路数的分析监测模块。

[0199] 本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实
施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机
可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形
式。

[0200] 本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流
程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序
指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产
生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实
现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0201] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指
令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或
多个方框中指定的功能。

[0202] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或
其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一
个方框或多个方框中指定的功能的步骤。

[0203] 以上仅为本申请的部分实施例，并非因此限制本申请的保护范围，凡是利用本申请说明书及附图内容所作的等效装置或等效流程变换，或直接或间接运用在其他相关的技
术领域，均同理包括在本申请的专利保护范围内。