基于视频场景匹配算法的方法、装置、设备及介质与流程

1.本技术涉及视频监控技术领域，特别是涉及一种基于视频场景匹配算法的方法、装置、设备及介质。


背景技术：

2.视频监控包括视频监控装置、控制器、监视器和录像器，其中，视频监控装置通常设置在城市干道、楼宇建筑、河流、商场、家庭等场所，通过摄像模组获取室外特定区域的视频画面并将视频画面传输至视频监控系统的控制器，控制器将视频画面转化为视频信号，并将视频信号分配给监视器和录像器，由监视器呈现视频画面，录像器对视频信号进行存储。
3.然而，传统的视频监控，一方面，需要工作人员对监控的视频画面进行判断，以排除预警；另一方面，即使采用视频监控自带的视频分析功能，也需要工作人员对当前监控画面进行筛选、判断，即需要工作人员具备技术开发能力(检测规则、规则配置、配置效果、代码植入等)，因此，不利于视频监控中智能算法的普及应用。


技术实现要素：

4.鉴于以上所述现有技术的缺点，本技术的目的在于提供一种基于视频场景匹配算法的方法、装置、设备及介质，用于解决现有技术视频监控中，无法根据当前视频监控中场景自动匹配智能算法进行处理的问题。
5.获取当前监控视频的视频画面；
6.提取所述视频画面中的目标，并对所述目标进行识别得到当前画面场景的目标集；
7.获取所述目标集内的每个目标与预设的算法知识库中每个算法之间的关联度以及每个所述算法的成熟度；
8.根据所述关联度与成熟度确定每个目标与每个算法之间的推荐权重；
9.根据当前所述画面场景每个目标所对应的推荐权重选择排名靠前的所述推荐权重所对应的算法作为当前监控视频的匹配算法。
10.在某些实施方式中，还包括：
11.利用目标检测算法提取当前帧所述视频画面中的目标，所述目标至少为一个；
12.提取所述目标所对应目标特征，将提取的所述目标特征在目标样本库内逐一进行比对，得到当前目标的识别结果；
13.以数据集合方式表达当前帧所述视频画面内各个目标所对应的识别结果，形成当前画面场景的目标集。
14.在某些实施方式中，还包括：
15.获取所述目标集内当前目标与预设的算法知识库中当前算法之间的第一匹配次数；
16.获取当前所述目标与所述算法知识库中各个算法的第一匹配总次数；
17.根据所述第一匹配次数与所述第一匹配总次数之间之比，确定当前目标与预设的算法知识库中当前算法之间的关联度；
18.获取当前算法与所述目标集内各个目标之间的第二匹配总次数；
19.获取所述目标集内每个目标与预设的算法知识库中每个算法之间的第三匹配总次数；
20.根据所述第二匹配总次数与所述第三匹配总次数之比，确定当前算法的成熟度。
21.在某些实施方式中，还包括：
22.获取当前目标与预设的算法知识库中当前算法之间的关联度与预设的目标关联系数之间的第一乘积；
23.获取当前算法的成熟度与预设的算法成熟度系数之间的第二乘积；
24.根据所述第一乘积与第二乘积之和，遍历各个算法确定当前目标与预设的算法知识库中每个算法之间的推荐权重。
25.在某些实施方式中，还包括：
26.根据当前目标与预设的算法知识库中每个算法之间的关联度确定目标与算法之间的对应关系；其中，若所述关联度小于预设阈值，则目标与算法之间不存在对应关系；
27.根据所述目标与算法之间的对应关系确定当前所述画面场景每个目标所对应的推荐权重；
28.选择排名靠前的推荐权重所对应的算法，将所述算法作为当前监控视频的匹配算法。
29.在某些实施方式中，还包括：
30.根据当前所述画面场景内目标所对应的匹配算法；将所述目标对应的匹配算法按照算法配置规则同步到算法仓服务，利用所述算法配置规则加载匹配的所述算法，对当前所述画面场景进行智能分析，产生相应的预警信息。
31.在某些实施方式中，还包括：
32.提取所述监控视频的图像帧；
33.分析当前所述图像帧得到目标的目标状态和属性信息，按照所述目标状态、属性信息以及匹配算法生成所述目标在屏显示信息；
34.将包含所述目标在屏显示信息的数据帧嵌入到视频流；
35.解析所述在屏显示数据帧得到所述目标的跟踪框位置、大小、属性信息与匹配算法显示在前端。
36.在本技术的另一目的在于提供一种基于视频场景匹配算法的装置，包括：
37.第一获取模块，用于获取当前监控视频的视频画面；
38.目标集生成模块，用于提取所述视频画面中的目标，并对所述目标进行识别得到当前画面场景的目标集；
39.第二获取模块，用于获取所述目标集内的每个目标与预设的算法知识库中每个算法之间的关联度以及每个所述算法的成熟度；
40.推荐权重确定模块，用于根据所述关联度与成熟度确定每个目标与每个算法之间的推荐权重；
41.算法匹配模块，用于根据当前所述画面场景每个目标所对应的推荐权重选择排名靠前的所述推荐权重所对应的算法作为当前监控视频的匹配算法。
42.在本技术的另一目的在于提供一种电子设备，包括：
43.一个或多个处理装置；
44.存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理装置执行，使得所述一个或多个处理装置执行所述基于视频场景匹配算法的方法。
45.在本技术还有一目的在于提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于使所述计算机执行所述基于视频场景匹配算法的方法。
46.如上所述，本技术的基于视频场景匹配算法的方法、装置、设备及介质，具有以下有益效果：
47.本技术通过获取所述目标集内的每个目标与预设的算法知识库中每个算法之间的关联度以及每个所述算法的成熟度；根据所述关联度与成熟度确定每个目标与每个算法之间的推荐权重；按照当前所述画面场景每个目标所对应的推荐权重选择排名靠前的所述推荐权重所对应的算法作为当前监控视频的匹配算法，能够自动根据当前视频场景所对应的目标进行算法匹配，避免了繁琐的视频画面算法配置，极大减轻了工作人员的工作量，有利于视频监控根据监控画面不同实现自动预警。
附图说明
48.图1显示为本技术提供的一种基于视频场景匹配算法的方法流程图；
49.图2显示为本技术提供的一种基于视频场景匹配算法的方法中关联度确定流程图；
50.图3显示为本技术提供的一种基于视频场景匹配算法的方法中成熟度确定流程图；
51.图4显示为本技术提供的一种基于视频场景匹配算法的方法中推荐权重确定流程图；
52.图5显示为本技术提供的一种基于视频场景匹配算法的装置结构框图；
53.图6显示为本技术提供的一种电子设备结构示意图；
54.图7显示为本技术提供的一种视频算法匹配业务流程图；
55.图8显示为本技术提供的一种算法知识库结构示意图。
具体实施方式
56.以下通过特定的具体实例说明本技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本技术的其他优点与功效。本技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
57.需要说明的是，以下实施例中所提供的图示仅以示意方式说明本技术的基本构想，遂图式中仅显示与本技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也
可能更为复杂。
58.请参阅图1，为本技术提供的一种基于视频场景匹配算法的方法流程图，包括：
59.步骤s101，获取当前监控视频的视频画面；
60.具体地，可通过视频监控装置采集监控画面，也可利用第三数据平台或服务器调用相应的监控视频。
61.步骤s102，提取所述视频画面中的目标，并对所述目标进行识别得到当前画面场景的目标集；
62.具体地，提取的目标可以为一个，也可以为多个；根据画面的目标数量依次对各个目标进行识别，进而识别各个目标的类别，例如，识别的目标包括但不限于人、车、大门、电梯、机动车道、河流等，在此不做限定。
63.步骤s103，获取所述目标集内的每个目标与预设的算法知识库中每个算法之间的关联度以及每个所述算法的成熟度；
64.需要说明的是，算法知识库内的算法每匹配一次；该算法与目标的匹配次数就增加一次，通过不断积累，更新算法知识库中各个算法，可有效提高算法知识库的算法匹配效率。
65.步骤s104，根据所述关联度与成熟度确定每个目标与每个算法之间的推荐权重；
66.具体地，在初始化时，由于无法借鉴目标集内目标与算法知识库各个算法之间的匹配关系，即，关联度较弱，因此，预设的关联度系数会较小，则需要依赖各个算法的成熟度，相反，对应的预设的成熟度系数会较大，且关联度系数与成熟度系数相加之和等于1，随着算法知识库的应用，后续可根据需求重新设置关联度系数与成熟度系数。
67.步骤s105，根据当前所述画面场景每个目标所对应的推荐权重选择排名靠前的所述推荐权重所对应的算法作为当前监控视频的匹配算法。
68.具体地，通过选择推荐的topn算法，选择推荐权重靠前的算法作为当前监控视频当前目标的匹配算法。
69.通过上述方式，通过为用户推荐当前画面场景各个目标所对应的匹配算法，避免了繁琐的视频画面算法配置，极大地减轻了工作人员的工作量，有利于视频监控根据监控画面不同实现自动预警。
70.在某些实施方式中，步骤s102的流程详述如下：
71.利用目标检测算法提取当前帧所述视频画面中的目标，所述目标至少为一个；
72.其中，将获取的监控视频进行解码，获取每帧视频画面，利用目标检测算法分析当前每帧视频画面，得到当前每帧视频画面的目标，而目标检测算法包括但不限于基于卷积神经网络的(单阶段算法，yolo、ssd)与(双阶段算法，rcnn、spp-net、fast
–
rcnn、vgg，googlenet，resnet)。
73.提取所述目标所对应目标特征，将提取的目标特征在目标样本库内逐一进行比对，得到当前目标的识别结果；
74.其中，提取目标所对应的目标特征，将目标特征与对应的目标样本库逐一进行比对，当比对结果达到预设阈值(相似度)时，确定该目标特征的目标识别结果。
75.以数据集合方式表达当前所述视频画面内各个目标所对应的识别结果，形成当前画面场景的目标集。
76.需要说明的是，将画面中多个目标各自对应的目标识别结果按照数据集合的方式进行构成，形成当前画面场景的目标集；例如，{河流、房子、岸边、人}。
77.在某些实施方式中，请参阅图2，本技术提供的一种基于视频场景匹配算法的方法中关联度确定流程图，详述如下：
78.步骤s201，获取所述目标集内当前目标与预设的算法知识库中当前算法之间的第一匹配次数；
79.步骤s202，获取当前所述目标与所述算法知识库中各个算法之间的第一匹配总次数；
80.步骤s203，根据所述第一匹配次数与所述第一匹配总次数之比，确定当前目标与预设的算法知识库中当前算法之间的关联度；
81.请参阅图3，为本技术提供的一种基于视频场景匹配算法的方法中成熟度确定流程图，详述如下：
82.步骤s301，获取当前算法与所述目标集内各个目标之间的第二匹配总次数；
83.步骤s302，获取所述目标集内每个目标与预设的算法知识库中每个算法之间的第三匹配总次数；
84.步骤s303，根据所述第二匹配总次数与所述第三匹配总次数之比，确定当前算法的成熟度。
85.在本实施例中，利用公式(1)获取所述目标集内的每个目标与预设的算法知识库中每个算法之间的关联度；
[0086][0087]
采用公式(2)获取每个算法当前的成熟度；
[0088][0089]
式(1)与式(2)中，w
i,j
为目标算法匹配次数，目标j和算法i的命中匹配次数；s
i,j
为目标算法关联度，表示w
i,j
并同该目标i与其他算法的命中次数的占比，取值范围范为0～1；ti为算法自身成熟度，表示算法i匹配命中次数，并同所有算法命中次数的占比，表示该算法的成熟度，被推荐匹配的次数越多，算法越成熟，取值范围范为0～1。
[0090]
表1中w
i,j
为目标j与算法i之间的历史匹配次数，每匹配一次则匹配次数加1
[0091]
[0092]
通过上述方式，能够精准获取所述目标集内的每个目标与预设的算法知识库中每个算法之间的关联度以及每个所述算法的成熟度。
[0093]
在某些实施方式中，请参阅图4，为本技术提供的一种基于视频场景匹配算法的方法中推荐权重确定流程图，还包括：
[0094]
步骤s401，获取当前目标与预设的算法知识库中当前算法之间的关联度与预设的目标关联系数之间的第一乘积；
[0095]
步骤s402，获取当前算法的成熟度与预设的算法成熟度系数之间的第二乘积；
[0096]
步骤s403，根据所述第一乘积与第二乘积之和，遍历各个算法确定当前目标与预设的算法知识库中每个算法之间的推荐权重。
[0097]
具体地，利用公式(3)目标j和算法i之间的推荐权重；
[0098]vi,j
＝s
i,j
*p ti*q
ꢀꢀ
(3)
[0099]
式(3)中，v
i,j
为目标算法的推荐权重，标明目标j和算法i的推荐权重，权重越高，推荐排名越靠前；p为目标关联系数，表示算法适配该目标的可推荐系数；q为算法成熟系数，表示算法可推荐系数；其中p q＝1。
[0100]
通过推荐权重表明该目标j与算法i的推荐可能性，取值范围范在0～2之间；其中p为目标关联系数，初设置为0.7；q为算法成熟系数，初设置为0.3。
[0101]
表2为目标与算法之间的推荐权重
[0102]
v目标\算法算法1算法2算法3算法4算法5算法6算法i目标j01.11.70.90.60.10
[0103]
目标与算法历史匹配命中次数越多，最有可能作为下次推荐对象，这种情况占比最大(例如：70％)；如果有的算法被高频度使用，说明该算法的成熟度较高，很大程度上会被推荐，但是占比比前者低(例如：30％)，说明该算法的成熟度不高，很大程度上不会被推荐。
[0104]
通过上述方式，按照当前所述画面场景每个目标所对应的推荐权重选择排名靠前的所述推荐权重所对应的算法作为当前监控视频的匹配算法，能够自动根据当前视频场景所对应的目标进行算法匹配，相对于传统方案对视频逐一进行人工配置规则设置，极大减轻了工作人员的工作量，避免了繁琐的视频画面算法配置，逐渐形成达到提供免配的算法推荐手段。
[0105]
在另一些实施例中，步骤s105进一步还包括：
[0106]
根据当前目标与预设的算法知识库中每个算法之间的关联度确定目标与算法之间的对应关系；其中，若所述关联度小于预设阈值，则目标与算法之间不存在对应关系；若所述关联度不小于预设阈值，则目标与算法之间存在对应关系，也可以用连续方式连接该目标与相应的算法。
[0107]
根据所述目标与算法之间的对应关系确定当前所述画面场景每个目标所对应的推荐权重；
[0108]
需要说明的是，若确定目标与算法之间存在对应关系，则确定该目标与算法之间的推荐权重；若确定目标与算法之间不存在对应关系，则无需确定该目标与算法之间的推荐权重；这样，不仅能够有效减少算法匹配处理的工作量，也能提高推荐权重的计算效率。
[0109]
选择排名靠前的推荐权重所对应的算法，将所述算法作为当前监控视频的匹配算
法。
[0110]
利用topn推荐算法选择排名靠前的推荐权重所对应的算法，能够直观有效的展现当前监控视频的匹配算法。
[0111]
具体地，请参阅图8，本技术提供的一种算法知识库结构示意图，该图中包括两个重要因素：连线和权重值；其中，连线，表示此算法可以适用于该目标场景，存在关联；推荐权重v
i,j
》0；连线上的权重值，表示目标和算法两端对象的可推荐权重，数值越大，推荐会越靠前。对应表2可知，目标j可推荐的算法顺序是：算法3，算法2，算法4，算法5，算法6。根据当前的实际场景所对应的目标j，选择推荐权重最靠前的top3进行依次：算法3，算法2，算法4。
[0112]
详见图7，为本技术提供的一种视频算法匹配业务流程图，包括：
[0113]
将摄像头设备按照规范进行安装，确保能够监控到一定的画面场景；码流接入模块从摄像头设备端接入视频流，并经过视频流处理模块进行视频解码，接着进行逐帧画面中的目标检测，获取目标后再对目标进行特征提取；同时，准备一定数量的目标样本库，用于对提取的目标与样本库进行比对，逐一匹配识别出正确的目标。
[0114]
根据当前所述画面场景内目标所对应的匹配算法；将所述目标对应的匹配算法按照算法配置规则同步到算法仓服务，利用所述算法配置规则加载匹配的所述算法，对当前所述画面场景进行智能分析，产生相应的预警信息。
[0115]
针对河道场景的视频画面，经过视频流分析提取水面、岸边、浮标等目标，将目标与样本库比对，可以匹配识别出这些目标。
[0116]
1)针对识别出的”水面”目标：算法知识库内根据权重可以提供一次游泳预警、落水预警、有漂浮物预警等智能算法的推荐，并自动标记水面区域，每推荐一次，则该预警算法对应的匹配次数 1，并更新算法知识库。
[0117]
2)针对识别出的”岸边”目标：算法知识库可提供岸边钓鱼预警、岸边人员活动等智能算法推荐，并标记岸边区域。每推荐一次，则匹配次数 1，并更新算法知识库。
[0118]
3)针对识别出的“水面浮标”目标：算法知识库可提供涨潮预警、退潮预警等智能算法推荐，并标记浮标位置，每推荐一次，则该预警算法对应的匹配次数 1，并更新算法知识库。
[0119]
用户侧便可通过视频画面，针对上述打上标记(叠加视频osd)的目标区域，并伴随有对应算法推荐的提示，进行逐一确认是否启用推荐算法。用户无需关心规则如何配置、如何检测的复杂操作。一旦确认启动，后端即可执行对应算法的分析能力，并提供预警服务。
[0120]
用户的每次匹配操作，都会形成操作记录保存于算法知识库。
[0121]
又例如，针对一个厂房、房间的视频画面，视频流接入后，经过视频流处理模块分析并识别出存在“大门”门框，通过算法知识库可匹配到人员出入预警、人员统计算法的提示推荐；待用户启动此推荐算法后，后端便可执行对应算法分析能力，并提供对应预警服务。
[0122]
在某些实施方式中，详见图7中osd叠加标注，还包括：
[0123]
提取所述监控视频的图像帧；
[0124]
具体地，监控视频可以是公共区域摄像头拍摄到的图像也可以是某个特定场所摄像头采集的图像；截取所述监控视频得到图像帧，预处理该图像帧，例如，按照算法要求的图像尺寸，裁定图像帧的大小，变换所述图像帧的格式及帧率，使其符合算法要求。
[0125]
分析当前所述图像帧得到目标的目标状态和属性信息，按照所述目标状态、属性信息以及匹配算法生成所述目标在屏显示信息；
[0126]
具体地，视频流帧率为视频帧率，该目标可为移动目标，如：人、车、无人机等。
[0127]
将包含所述目标在屏显示信息的数据帧嵌入到视频流；
[0128]
其中，该数据帧结构包括目标所在的场景图、跟踪框及目标属性，将该目标所在的场景图、跟踪框、匹配算法及目标属性封装成一个私有数据帧，通过编码将该数据帧嵌入到视频流(视频码流)，使得该视频流中算法处理后的osd(在屏显示)信息帧率与视频流帧率相同。
[0129]
解析所述在屏显示数据帧得到所述目标的跟踪框位置、大小、属性信息与匹配算法显示在前端(兼容不同的操作系统、浏览器、分辨率的终端)。
[0130]
可选的，当检测到图像处理帧率小于视频流帧率时，利用时间加权滤波对所述目标的在屏显示信息进行插值运算，补齐所述图像帧中目标缺失的在屏显示信息，该在屏显示信息包括目标的跟踪框位置、大小、属性信息以及匹配算法。
[0131]
具体地，根据所述目标前几次的在屏显示信息进行插值运算，预测出所述目标在当前图像帧中的跟踪框位置、大小和属性信息，从而补齐所述图像帧中目标缺失的在屏显示信息。
[0132]
在本实施例中，通过检测到算法帧率小于视频流帧率时，利用时间加权滤波对所述目标的在屏显示信息进行插值运算，补齐所述图像帧中目标缺失的在屏显示信息；提高了在屏显示信息的刷新频率，使其与视频流帧率相同，从而克服了叠加字符(属性信息)与图形(跟踪框)显示时所带来的闪烁和不流畅问题。
[0133]
请参阅图5，为本技术提供的一种基于视频场景匹配算法的装置结构框图；包括：
[0134]
第一获取模块501，用于获取当前监控视频的视频画面；
[0135]
目标集生成模块502，用于提取所述视频画面中的目标，并对所述目标进行识别得到当前画面场景的目标集；
[0136]
其中，利用目标检测算法提取当前帧所述视频画面中的目标，所述目标至少为一个；
[0137]
提取所述目标所对应目标特征，将提取的目标特征在目标样本库内逐一进行比对，得到当前目标的识别结果；
[0138]
以数据集合方式表达当前所述视频画面内各个目标所对应的识别结果，形成当前画面场景的目标集。
[0139]
第二获取模块503，用于获取所述目标集内的每个目标与预设的算法知识库中每个算法之间的关联度以及每个所述算法的成熟度；
[0140]
其中，获取所述目标集内当前目标与预设的算法知识库中当前算法之间的第一匹配次数；
[0141]
获取当前所述目标与所述算法知识库中各个算法之间的第一匹配总次数；
[0142]
根据所述第一匹配次数与所述第一匹配总次数之比，确定当前目标与预设的算法知识库中当前算法之间的关联度；
[0143]
具体地，获取当前算法与所述目标集内各个目标之间的第二匹配总次数；
[0144]
获取所述目标集内每个目标与预设的算法知识库中每个算法之间的第三匹配总
次数；
[0145]
根据所述第二匹配总次数与所述第三匹配总次数之比，确定当前算法的成熟度。
[0146]
推荐权重确定模块504，用于根据所述关联度与成熟度确定每个目标与每个算法之间的推荐权重；
[0147]
其中，获取当前目标与预设的算法知识库中当前算法之间的关联度与预设的目标关联系数之间的第一乘积；
[0148]
获取当前算法的成熟度与预设的算法成熟度系数之间的第二乘积；
[0149]
根据所述第一乘积与第二乘积之和，遍历各个算法确定当前目标与预设的算法知识库中每个算法之间的推荐权重
[0150]
算法匹配模块505，用于根据当前所述画面场景每个目标所对应的推荐权重选择排名靠前的所述推荐权重所对应的算法作为当前监控视频的匹配算法。
[0151]
其中，根据当前目标与预设的算法知识库中每个算法之间的关联度确定目标与算法之间的对应关系；其中，若所述关联度小于预设阈值，则目标与算法之间不存在对应关系；
[0152]
根据所述目标与算法之间的对应关系确定当前所述画面场景每个目标所对应的推荐权重；
[0153]
选择排名靠前的推荐权重所对应的算法，将所述算法作为当前监控视频的匹配算法。
[0154]
在某些实施方式中，还包括：
[0155]
根据当前所述画面场景内目标所对应的匹配算法；将所述目标对应的匹配算法按照算法配置规则同步到算法仓服务，利用所述算法配置规则加载匹配的所述算法，对当前所述画面场景进行智能分析，产生相应的预警信息。
[0156]
在某些实施方式中，还包括：
[0157]
提取所述监控视频的图像帧；
[0158]
分析当前所述图像帧得到目标的目标状态和属性信息，按照所述目标状态、属性信息以及匹配算法生成所述目标在屏显示信息；
[0159]
将包含所述目标在屏显示信息的数据帧嵌入到视频流；
[0160]
解析所述在屏显示数据帧得到所述目标的跟踪框位置、大小、属性信息与匹配算法显示在前端。
[0161]
其中，需要说明的是，基于视频场景匹配算法的装置与基于视频场景匹配算法的方法为一一对应的关系，在此，各个模块与上述流程步骤所涉及的技术细节与技术效果均相同，在此不用一一赘述，请参照上述基于视频场景匹配算法的方法。
[0162]
下面参考图6，其示出了适于用来实现本公开实施例的电子设备(例如终端设备或服务器600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0163]
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)
601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom 602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0164]
通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
[0165]
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装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能
[0166]
需要说明的是，本公开上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存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储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。在本公开中，计算机可读存储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系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、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：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0167]
上述计算机可读介质可以是上述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可以是上述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。
[0168]
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，使得该电子设备执行图1至图3中任一的步骤。
[0169]
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公开的操作的计算机程序代码，上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)。
[0170]
综上所述，本技术通过获取所述目标集内的每个目标与预设的算法知识库中每个算法之间的关联度以及每个所述算法的成熟度；根据所述关联度与成熟度确定每个目标与每个算法之间的推荐权重；按照当前所述画面场景每个目标所对应的推荐权重选择排名靠前的所述推荐权重所对应的算法作为当前监控视频的匹配算法，能够自动根据当前视频场景所对应的目标进行算法匹配，避免了繁琐的视频画面算法配置，极大减轻了工作人员的工作量，有利于视频监控根据监控画面不同实现自动预警。所以，本技术有效克服了现有技术中的种种缺点而具高度产业利用价值。
[0171]
上述实施例仅例示性说明本技术的原理及其功效，而非用于限制本技术。任何熟悉此技术的人士皆可在不违背本技术的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本技术所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本技术的权利要求所涵盖。