本技术属于图像通信领域，尤其涉及一种基于物联网的智能监控方法、系统、介质及程序产品。
背景技术：
1、随着物联网技术的快速发展，基于物联网的智能监控方法在城市管理、公共安全和交通控制等领域得到广泛应用。这种方法主要依赖于固定安装的物联网摄像头网络，通过采集视频数据并进行分析来实现监控目标。然而，传统的智能监控方法存在覆盖范围有限、适应性不足、数据处理效率低下等问题，难以满足日益复杂的城市环境监控需求，尤其是在突发事件或紧急情况下，无法快速调整以适应新的监控要求。
2、为解决上述问题，现有技术提出了基于边缘计算的智能监控系统。该系统在每个物联网摄像头中集成边缘计算模块，使摄像头具备本地数据处理和分析能力。通过将部分计算任务从中央服务器分散到各个摄像头，这种方法显著提高了数据处理效率，减少了网络传输压力，并增强了系统的实时响应能力。同时，边缘计算还使得摄像头能够根据本地环境变化自主调整参数，提升了系统的适应性。
3、然而，现有的基于边缘计算的智能监控系统仍然面临一个关键的技术问题：缺乏有效的跨设备协同机制。虽然每个摄像头都具备了一定的智能处理能力，但它们仍然是相对独立运作的，无法充分利用整个网络的集体智能。特别是在复杂的监控场景中，单个摄像头的视角和信息往往是有限的，难以全面捕捉和理解整个事件的发展过程。
技术实现思路
1、本技术提供了一种基于物联网的智能监控方法、系统、介质及程序产品，用于提高物联网摄像设备获取监控数据的完整性和全面性。
2、第一方面，本技术提供了一种基于物联网的智能监控方法，将监控区域抽象为动态图结构，得到自适应监控场景图，自适应监控场景图中的节点表示预先确定的关键监控点，边表示每个节点之间的逻辑关联关系；
3、在每个节点处融合至少一个物联网摄像头的视频数据以及至少一种其他传感器的数据，形成多模态感知网络，其他传感器包括声音传感器、热力传感器和运动传感器；
4、利用预设特征提取算法对各个节点的多模态传感数据进行分布式特征提取，得到数据特征，并将数据特征压缩为预设维度的低维向量，多模态传感数据为多模态感知网络采集的数据；
5、基于自适应监控场景图及低维向量，构建反映监控区域当前状态的时空知识图谱；
6、根据时空知识图谱在预设数量的空间尺度上分别执行异常检测算法；
7、在根据异常检测算法确定存在异常事件的情况下，根据异常事件的类型和程度在预设调节方案中匹配对应的调整方式，并根据调整方式调整自适应监控场景图中对应的节点和边的数值权重，得到调整后的自适应监控场景图；
8、根据调整后的自适应监控场景图和节点对应的数值权重，同步调整所有物联网摄像头和其他传感器的工作参数，物联网摄像头的工作参数包括角度、焦距和采样率，其他传感器的工作参数包括采样频率。
9、通过采用上述技术方案，将监控区域抽象为动态图结构，实现了自适应监控场景图的构建。这种图结构使得系统能够灵活地表示和管理复杂的监控环境，有效捕捉关键监控点之间的逻辑关联关系。通过在每个节点融合多种传感器数据，形成多模态感知网络，系统获得了更全面、更丰富的环境信息，提高了监控的准确性和可靠性。分布式特征提取和低维向量压缩技术使得系统能够高效处理大量多模态数据，提高了计算和存储的效率。基于自适应监控场景图和低维向量构建的时空知识图谱，为异常检测提供了丰富的上下文信息，增强了系统对复杂事件的理解能力。多尺度异常检测算法的应用提高了系统对不同类型和规模异常事件的识别能力。根据异常事件动态调整监控场景图和传感器参数的机制，使系统能够实时适应环境变化，优化资源分配，提高监控效率。该技术方案提高了物联网摄像设备获取监控数据的完整性和全面性。
10、结合第一方面的一些实施例，在一些实施例中，在每个节点处融合至少一个物联网摄像头的视频数据以及至少一种其他传感器的数据，形成多模态感知网络，具体包括：
11、对每个节点的物联网摄像头视频数据进行预处理，得到预处理视频数据，预处理包括去噪处理、图像稳定化和分辨率标准化；
12、将其他传感器的数据转换为与预处理视频数据时间同步的时间序列数据；
13、采用多模态融合算法将预处理视频数据和时间序列数据整合为统一的多模态特征表示，形成多模态感知网络。
14、通过采用上述技术方案，对物联网摄像头视频数据的预处理、其他传感器数据的时间同步转换以及多模态融合算法的应用，实现了高质量的多模态数据整合。视频数据预处理步骤中的去噪处理、图像稳定化和分辨率标准化，提高了视频数据的质量和一致性，减少了环境因素对后续分析的干扰。将其他传感器数据转换为与视频数据时间同步的时间序列，提高了不同类型数据在时间维度上的一致性。时间同步的实现使得系统能够精确对齐不同传感器的数据，从而更好地理解和解释监控区域内发生的事件。多模态融合算法的应用，将不同类型的数据整合为统一的特征表示，充分利用了各种传感器数据的互补性，提高了系统对环境的感知能力。这种融合方法不仅能够捕捉到单一传感器难以识别的复杂事件，还能够减少单一传感器可能带来的误判，提高了监控系统的准确性和可靠性。
15、结合第一方面的一些实施例，在一些实施例中，利用预设特征提取算法对各个节点的多模态传感数据进行分布式特征提取，具体包括：
16、提取多模态传感数据中的视频数据的空间特征信息；
17、提取多模态传感数据中的时间序列数据的时序特征信息；
18、将空间特征信息及时序特征信息整合为数据特征。
19、通过采用上述技术方案，分布式特征提取方法利用了不同类型数据的特性，提高了特征提取的准确性和效率。通过将空间特征和时序特征整合，系统获得了一个全面的、多维度的数据特征表示，这种表示既包含了空间信息，又包含了时间信息，能够更好地反映监控环境的复杂性和动态性。提高了处理效率，增强了系统的可扩展性，能够更好地应对大规模监控场景。
20、结合第一方面的一些实施例，在一些实施例中，在根据调整后的自适应监控场景图和节点对应的数值权重，同步调整所有物联网摄像头和其他传感器的工作参数之后，方法还包括：
21、结合时空知识图谱和异常事件，生成包含事件语义描述、影响范围界定和潜在演变趋势分析的结构化情境感知事件描述；
22、基于情境感知事件描述，利用预设图表示学习模型和时序预测模型，预测异常事件在预定时间窗口内的发展路径，并生成对应的前瞻性响应策略；
23、利用在线学习算法，持续学习新产生的异常事件和对应的前瞻性响应策略，更新自适应监控场景图的结构及异常检测算法的参数。
24、通过采用上述技术方案，利用预设图表示学习模型和时序预测模型预测异常事件的发展路径，使系统具备了预测功能，能够提前预判事态的发展，从而制定更加有效的应对策略。生成前瞻性响应策略，使系统能够主动应对潜在的风险，而不是被动反应，提高了系统的预防和处置能力。通过在线学习算法持续学习新产生的异常事件和对应的前瞻性响应策略，系统能够不断更新和优化自身的知识库和决策模型，使系统能够随时间推移变得更加智能和高效，能够更好地应对新出现的异常情况。更新自适应监控场景图的结构及异常检测算法的参数，提高了系统的灵活性和准确性。这种动态更新机制使系统能够适应监控环境的变化，保持高效的监控性能。
25、结合第一方面的一些实施例，在一些实施例中，结合时空知识图谱和异常事件，生成包含事件语义描述、影响范围界定和潜在演变趋势分析的结构化情境感知事件描述，具体包括：
26、解析时空知识图谱中的实体和关系，得到事件语义描述；
27、基于异常检测算法的结果，确定异常事件的影响范围和严重程度等级，得到影响范围界定；
28、利用预设因果推理模型，分析异常事件的潜在原因和演变趋势，得到潜在演变趋势分析；
29、将事件语义描述、影响范围界定及潜在演变趋势分析整合，得到结构化情境感知事件描述。
30、通过采用上述技术方案，基于异常检测算法结果确定的影响范围和严重程度等级，使系统能够更加精准地评估异常事件的实际影响。利用预设因果推理模型分析异常事件的潜在原因和演变趋势，增强了系统的预测能力。将事件语义描述、影响范围界定及潜在演变趋势分析整合为结构化情境感知事件描述，包含了事件的静态特征，还包括了动态发展信息，提高了事件处理的针对性和有效性。
31、结合第一方面的一些实施例，在一些实施例中，在利用在线学习算法，持续学习新产生的异常事件和对应的前瞻性响应策略，更新自适应监控场景图的结构及异常检测算法的参数之后，方法还包括：
32、构建异常事件知识库，将历史异常事件及对应的历史前瞻性响应策略存储至异常事件知识库中；
33、使用聚类算法对历史异常事件进行分类，得到常见异常事件类型，常见异常事件类型为数量大于预设阈值的历史异常事件对应的类型；
34、对每种常见异常事件类型，统计分析对应的历史前瞻性响应策略的成功率；
35、将成功率最大的历史前瞻性响应策略确定为最佳响应策略，并建立最佳响应策略与对应的常见异常事件类型的映射关系；
36、基于映射关系，自动生成异常事件处理建议。
37、通过采用上述技术方案，构建异常事件知识库、聚类分析、统计分析和建立映射关系，实现了对异常事件处理策略的持续优化和自动化建议生成。使用聚类算法对历史异常事件进行分类，得到常见异常事件类型，有助于系统识别和归纳常见问题，提高了异常事件处理的效率和准确性。对每种常见异常事件类型，统计分析对应的历史前瞻性响应策略的成功率，使系统能够量化评估不同策略的效果，为选择最佳策略提供了客观依据。将成功率最高的历史前瞻性响应策略确定为最佳响应策略，并建立与常见异常事件类型的映射关系，实现了策略选择的优化和自动化，提高了异常事件处理的效率，能够持续优化处理策略，使系统随着使用时间的增加而变得更加智能和高效。
38、结合第一方面的一些实施例，在一些实施例中，基于映射关系，自动生成异常事件处理建议，具体包括：
39、建立异常事件处理建议模板，异常事件处理建议模板包含事件描述、可能原因、推荐响应策略和预期效果；
40、当检测到新异常事件的情况下，在常见异常事件类型中查找与新异常事件相似度最高的类型，得到对应的映射关系；
41、根据映射关系，确定对应的最佳响应策略；
42、将新异常事件的具体信息和获取的最佳响应策略填充到异常事件处理建议模板中，得到异常事件处理建议。
43、通过采用上述技术方案，建立处理建议模板、相似度匹配和信息填充，实现了异常事件处理建议的快速生成和个性化定制。建立异常事件处理建议模板，包含事件描述、可能原因、推荐响应策略和预期效果等关键信息，为处理建议提供了结构化的框架，确保了生成的建议内容全面且条理清晰，提高了异常事件响应的速度、质量和一致性。
44、第二方面，本技术实施例提供了一种基于物联网的智能监控系统，该基于物联网的智能监控系统包括：一个或多个处理器和存储器；存储器与一个或多个处理器耦合，存储器用于存储计算机程序代码，计算机程序代码包括计算机指令，一个或多个处理器调用计算机指令以使得系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
45、第三方面，本技术实施例提供一种计算机可读存储介质，包括指令，当上述指令在系统上运行时，使得上述系统执行如第一方面以及第一方面中任一可能的实现方式描述的方法。
46、第四方面，本技术实施例提供一种计算机程序产品，其特征在于，当计算机程序产品在系统上运行时，使得系统执行如第一方面中任一可能的实现方式描述的方法。
47、本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
48、1、本技术提供了一种基于物联网的智能监控方法，将监控区域抽象为动态图结构，实现了自适应监控场景图的构建。这种图结构使得系统能够灵活地表示和管理复杂的监控环境，有效捕捉关键监控点之间的逻辑关联关系。通过在每个节点融合多种传感器数据，形成多模态感知网络，系统获得了更全面、更丰富的环境信息，提高了监控的准确性和可靠性。分布式特征提取和低维向量压缩技术使得系统能够高效处理大量多模态数据，提高了计算和存储的效率。基于自适应监控场景图和低维向量构建的时空知识图谱，为异常检测提供了丰富的上下文信息，增强了系统对复杂事件的理解能力。多尺度异常检测算法的应用提高了系统对不同类型和规模异常事件的识别能力。根据异常事件动态调整监控场景图和传感器参数的机制，使系统能够实时适应环境变化，优化资源分配，提高监控效率。该技术方案提高了物联网摄像设备获取监控数据的完整性和全面性。
49、2、本技术提供了一种基于物联网的智能监控方法，利用预设图表示学习模型和时序预测模型预测异常事件的发展路径，使系统具备了预测功能，能够提前预判事态的发展，从而制定更加有效的应对策略。生成前瞻性响应策略，使系统能够主动应对潜在的风险，而不是被动反应，提高了系统的预防和处置能力。通过在线学习算法持续学习新产生的异常事件和对应的前瞻性响应策略，系统能够不断更新和优化自身的知识库和决策模型，使系统能够随时间推移变得更加智能和高效，能够更好地应对新出现的异常情况。更新自适应监控场景图的结构及异常检测算法的参数，提高了系统的灵活性和准确性。这种动态更新机制使系统能够适应监控环境的变化，保持高效的监控性能。
50、3、本技术提供了一种基于物联网的智能监控方法，基于异常检测算法结果确定的影响范围和严重程度等级，使系统能够更加精准地评估异常事件的实际影响。利用预设因果推理模型分析异常事件的潜在原因和演变趋势，增强了系统的预测能力。将事件语义描述、影响范围界定及潜在演变趋势分析整合为结构化情境感知事件描述，包含了事件的静态特征，还包括了动态发展信息，提高了事件处理的针对性和有效性。
1.一种基于物联网的智能监控方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述在每个所述节点处融合至少一个物联网摄像头的视频数据以及至少一种其他传感器的数据，形成多模态感知网络，具体包括：
3.根据权利要求1或2所述的方法，其特征在于，所述利用预设特征提取算法对各个所述节点的多模态传感数据进行分布式特征提取，具体包括：
4.根据权利要求1所述的方法，其特征在于，在所述根据所述调整后的自适应监控场景图和所述节点对应的数值权重，同步调整所有所述物联网摄像头和所述其他传感器的工作参数之后，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，所述结合所述时空知识图谱和所述异常事件，生成包含事件语义描述、影响范围界定和潜在演变趋势分析的结构化情境感知事件描述，具体包括：
6.根据权利要求4或5所述的方法，其特征在于，在所述利用在线学习算法，持续学习新产生的异常事件和对应的前瞻性响应策略，更新所述自适应监控场景图的结构及所述异常检测算法的参数之后，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述基于所述映射关系，自动生成异常事件处理建议，具体包括：
8.一种基于物联网的智能监控系统，其特征在于，所述系统包括：
9.一种计算机可读存储介质，包括指令，其特征在于，当所述指令在系统上运行时，使得所述系统执行如权利要求1-7中任一项所述的方法。
10.一种计算机程序产品，其特征在于，当所述计算机程序产品在系统上运行时，使得所述系统执行如权利要求1-7中任一项所述的方法。
