本發明涉及智能監控領域，尤其涉及一種基于上下文感知的智能監控分析方法、裝置、設備及介質。
背景技術：
1、為了平衡有限的邊緣設備算力與復雜的視頻分析需求，現有技術普遍采用多級級聯檢測方案。該方案的典型工作流程如下：設備上常駐一個或多個初級算法，如“移動偵測”算法，用于實時檢測畫面中的運動變化；當初級算法檢測到運動目標時，會觸發一個或多個中級算法，如“人形檢測”算法，用于過濾掉樹葉、光影或動物等非目標的干擾；如果中級算法確認了有效目標（如人形），則會進一步觸發高級算法，如“人臉識別”或“行為分析”等，進行深度分析。整個流程是一個固定的、線性的觸發鏈，像一個多級過濾器，逐級篩選，最終完成分析任務。
2、上述方案雖然在一定程度上節約了算力，但其固有的架構帶來了以下顯著缺點：第一，級聯方案是預設的、固定的流水線（例如，移動-人形-人臉）。它無法根據實際場景的復雜情況（如時間、天氣、光照和區域重要性）進行靈活調整。例如，在深夜光照極差的情況下，它依然會機械地觸發人臉識別算法，不僅成功率極低，而且浪費了寶貴的算力資源。第二，由于缺乏對上下文的理解，系統經常加載并運行不必要的算法。每一次觸發都會啟動一個固定的分析鏈條，而不管當前場景是否需要鏈條上的所有環節。這導致了算力的“平均分配”，而非“按需精準分配”。第三，初級算法（如移動偵測）非常敏感，容易因環境變化（光影或樹葉搖晃）而產生大量誤報。這些誤報會無意義地觸發后續復雜的分析流程，不僅消耗資源，也可能產生無效的告警，降低系統的整體可靠性。第四，若要增加新的分析功能或修改分析邏輯，通常需要重新設計和部署整個級聯流程，不夠靈活，難以應對快速變化的應用需求。
技術實現思路
1、本發明提供了一種基于上下文感知的智能監控分析方法、裝置、設備及介質，能夠提高監控分析算法的資源利用率和場景適配性。
2、本發明實施例提供了一種基于上下文感知的智能監控分析方法，包括：
3、獲取監控場景的視頻數據，并行提取所述視頻數據的時間屬性信息、空間屬性信息、對象屬性信息及環境屬性信息，以構建上下文信息；
4、將所述上下文信息作為查詢條件，在預置的規則庫中進行匹配，得到對應的算法調度規則；
5、根據所述算法調度規則，從預置的算法庫中選取多個監控分析算法，并根據所述算法調度規則對應的工作流模板，將各所述監控分析算法進行實例化，以生成分析工作流；
6、調度計算資源執行所述分析工作流，輸出所述分析工作流對所述視頻數據進行處理后得到的監控分析結果。
7、本發明實施例通過獲取并提取時間、空間、對象及環境多維屬性以構建上下文信息，能夠全面感知監控場景的實時狀態，為后續智能決策提供依據；通過將上下文信息與預置規則庫匹配以得到算法調度規則，能夠將場景理解轉化為分析指令；通過根據調度規則選取算法并依照對應的工作流模板實例化以生成分析工作流，能夠根據場景需求動態地組裝分析工作流，實現算法資源的精準匹配與組合；通過調度資源執行分析工作流并輸出處理結果，能夠確保分析工作流被高效執行，并最終產出監控分析結果。相比于現有技術中存在的決策僵化、資源浪費和誤報率高等問題，本技術能夠提高監控分析算法的資源利用率和場景適配性。
8、進一步地，所述獲取監控場景的視頻數據，并行提取所述視頻數據的時間屬性信息、空間屬性信息、對象屬性信息及環境屬性信息，以構建上下文信息，包括：
9、將視頻數據輸入至分發器，以使所述分發器將所述視頻數據推送至時間屬性分析器、空間屬性分析器、對象屬性分析器和環境屬性分析器；
10、通過所述時間屬性分析器、空間屬性分析器、對象屬性分析器和環境屬性分析器分別提取所述視頻數據的時間屬性信息、空間屬性信息、對象屬性信息及環境屬性信息；
11、通過上下文聚合器將所述時間屬性信息、空間屬性信息、對象屬性信息及環境屬性信息進行聚合，得到上下文信息。
12、本發明實施例通過采用分發器并行推送至各專用屬性分析器并由聚合器進行信息聚合，能夠實現多維度上下文信息的高效提取與統一構建，提升感知過程的處理效率。
13、進一步地，所述將所述上下文信息作為查詢條件，在預置的規則庫中進行匹配，得到對應的算法調度規則，包括：
14、將所述上下文信息與規則庫中預定義的各條規則進行條件匹配，并將匹配結果滿足預設匹配條件的規則確定為算法調度規則。
15、本發明實施例通過將上下文信息與預置規則進行條件匹配并確定滿足條件的規則，能夠實現精準的規則觸發，確保調度決策與當前場景高度相關。
16、進一步地，所述根據所述算法調度規則，從預置的算法庫中選取多個監控分析算法，包括：
17、根據所述算法調度規則中所指示的算法標識，從算法庫中選取對應的多個監控分析算法。
18、本發明實施例通過根據算法調度規則中指示的標識選取算法，能夠實現算法資源的準確調用，保障動態編排過程中組件調用的精確性。
19、進一步地，所述根據所述算法調度規則對應的工作流模板，將各所述監控分析算法進行實例化，以生成分析工作流，包括：
20、根據所述算法調度規則，調用對應的工作流模板；
21、根據所述工作流模板中預定義的算法組合邏輯，將各所述監控分析算法進行實例化并按照所述算法組合邏輯定義的算法依賴關系進行連接，得到分析工作流；其中，所述分析工作流在內存中表示為有向無環圖。
22、本發明實施例通過調用工作流模板并根據其預定義的組合邏輯將算法實例化并按依賴關系連接為有向無環圖，能夠實現分析流程的結構化定義，為后續的智能調度奠定基礎。
23、進一步地，所述調度計算資源執行所述分析工作流，輸出所述分析工作流對所述視頻數據進行處理后得到的監控分析結果，包括：
24、將所述分析工作流加載至計算單元，并對所述有向無環圖進行拓撲排序，得到各算法實例的執行序列；
25、由所述計算單元，按照所述執行序列依次執行各所述算法實例對應的監控分析算法；
26、獲取所述執行序列中末級算法實例輸出的處理結果，并將所述處理結果作為監控分析結果進行輸出。
27、本發明實施例通過對有向無環圖進行拓撲排序以確定并依序執行節點序列，能夠解析并處理算法間的依賴關系，確保分析工作流被高效地執行。
28、進一步地，在所述調度計算資源執行所述分析工作流，輸出所述分析工作流對所述視頻數據進行處理后得到的監控分析結果之后，還包括：
29、實時更新所述上下文信息，當所述上下文信息滿足預設條件時，卸載所述分析工作流并釋放計算資源。
30、本發明實施例通過根據更新的上下文信息在滿足條件時卸載工作流并釋放資源，能夠避免資源閑置浪費，提升整體資源利用率。
31、本發明另一實施例還提供了一種基于上下文感知的智能監控分析裝置，包括：上下文信息模塊、算法調度規則模塊、分析工作流模塊和監控分析結果模塊；
32、所述上下文信息模塊，用于獲取監控場景的視頻數據，并行提取所述視頻數據的時間屬性信息、空間屬性信息、對象屬性信息及環境屬性信息，以構建上下文信息；
33、所述算法調度規則模塊，用于將所述上下文信息作為查詢條件，在預置的規則庫中進行匹配，得到對應的算法調度規則；
34、所述分析工作流模塊，用于根據所述算法調度規則，從預置的算法庫中選取多個監控分析算法，并根據所述算法調度規則對應的工作流模板，將各所述監控分析算法進行實例化，以生成分析工作流；
35、所述監控分析結果模塊，用于調度計算資源執行所述分析工作流，輸出所述分析工作流對所述視頻數據進行處理后得到的監控分析結果。
36、本發明另一實施例還提供了一種終端設備，包括：處理器、存儲器以及存儲在所述存儲器中且被配置為由所述處理器執行的計算機程序，處理器執行所述計算機程序時，實現如本發明的一種基于上下文感知的智能監控分析方法的步驟。
37、本發明另一實施例還提供了一種計算機可讀存儲介質項，包括：存儲的計算機程序，在計算機程序運行時，控制計算機可讀存儲介質所在的設備執行如本發明的一種基于上下文感知的智能監控分析方法的步驟。