CN108022256A - 一种视频智能分析仪 - Google Patents

一种视频智能分析仪 Download PDF

Info

Publication number
CN108022256A
CN108022256A CN201711415991.XA CN201711415991A CN108022256A CN 108022256 A CN108022256 A CN 108022256A CN 201711415991 A CN201711415991 A CN 201711415991A CN 108022256 A CN108022256 A CN 108022256A
Authority
CN
China
Prior art keywords
intelligent analyzer
video intelligent
master control
video
analyzer according
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201711415991.XA
Other languages
English (en)
Inventor
李振
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hong De Science And Technology (hangzhou) Co Ltd
Original Assignee
Hong De Science And Technology (hangzhou) Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hong De Science And Technology (hangzhou) Co Ltd filed Critical Hong De Science And Technology (hangzhou) Co Ltd
Priority to CN201711415991.XA priority Critical patent/CN108022256A/zh
Publication of CN108022256A publication Critical patent/CN108022256A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05K—PRINTED CIRCUITS; CASINGS OR CONSTRUCTIONAL DETAILS OF ELECTRIC APPARATUS; MANUFACTURE OF ASSEMBLAGES OF ELECTRICAL COMPONENTS
    • H05K7/00—Constructional details common to different types of electric apparatus
    • H05K7/20—Modifications to facilitate cooling, ventilating, or heating
    • H05K7/2039—Modifications to facilitate cooling, ventilating, or heating characterised by the heat transfer by conduction from the heat generating element to a dissipating body
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Thermal Sciences (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Software Systems (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种视频智能分析仪，包括设有CPU和GPU的主控板，主控板上连接有视频流采集单元、网络传输单元和供电单元；还包括带输入输出接口、网络接口、电源接口和电源开关的接口背板；主控板、视频流采集单元、网络传输单元和供电单元均连接至接口背板。本发明可以高效稳定的用于正确检测出运动目标,区分出人与背景物体，很好地满足了目标检测的需要。

Description

一种视频智能分析仪
技术领域
本发明涉及一种智能分析仪，特别是一种视频智能分析仪。
背景技术
随着监控设备的普及，越来越多的人行通道开始安装监控设备。监控设备一般通过摄像头将监控信号传输至视频智能分析仪，经过视频智能分析仪将数据分析判断后在将相应的数据传输至控制中心。
目前行业中传统监控在事件记录仪视频多点及单点的情况下无法一次性监看、管理所有图像，对监控效率、质量做了提高，降低了突发、异常事件及早发现及时处理的效率。为了提高处理效果，很多分析仪在软件上集成了更多功能，但是这导致***对CPU的占用率大大提高，反而有拖慢了分析效率，降低了使用寿命。
发明内容
本发明的目的在于，提供一种视频智能分析仪。本发明可以高效稳定的用于正确检测出运动目标,区分出人与背景物体，很好地满足了目标检测的需要。
本发明的技术方案：一种视频智能分析仪，其特点是：包括设有CPU和GPU的主控板，主控板上连接有视频流采集单元、网络传输单元和供电单元；还包括带输入输出接口、网络接口、电源接口和电源开关的接口背板；主控板、视频流采集单元、网络传输单元和供电单元均连接至接口背板。
上述的视频智能分析仪中，所述主控板对视频分析的具体包括以下步骤：
①在视频流采集单元采集的输入图像中设定一个区域或多个区域为警戒区；
②在警戒区内搜索目标物体；
③如果搜索到目标物体的图像满足警戒要求，保存画面，并发出异常指令。
前述的视频智能分析仪中，所述步骤②中搜索目标物体的方法是：
首先，利用样本(大约几百幅样本图片)的harr特征进行分类器训练，得到一个级联的boosted分类器；
分类器训练完以后，应用于输入图像中检测与与训练样本相同尺寸的目标物体，检测到目标物体分类器输出为1，否则输出为0。
前述的视频智能分析仪中，所述训练样本分为正例样本和反例样本，其中正例样本是指待检目标样本，反例样本指其它任意图片，所有的样本图片都被归一化为同样的尺寸大小。
前述的视频智能分析仪中，为了检测整副图像，可以在图像中利用移动搜索窗口，检测每一个位置来确定可能的目标；通过分离器尺寸改变，对不同大小的目标物体进行搜索，避免通过改变图像的尺寸大小的实施方式。(为了在图像中检测未知大小的目标物体，扫描程序通常需要用不同比例大小的搜索窗口对图像进行多次扫描)。
前述的视频智能分析仪中，所述分由多个简单分类器级联组成；在图像检测中，被检窗口依次通过每一级分类器，这样在前面几层的检测中大部分的候选区域就被排除了，全部通过每一级分类器检测的区域即为目标区域。(目前支持这种分类器的boosting技术有四种：Discrete Adaboost,Real Adaboost,Gentle Adaboost and Logitboost。"boosted"即指级联分类器的每一层都可以从中选取一个boosting算法(权重投票)，并利用基础分类器的自我训练得到。基础分类器是至少有两个叶结点的决策树分类器。)分类器前期通过大量的训练样本(正例和反例样本)以生成最小分类器(后期通过挖掘CPU和GPU运算能力(CPU/GPU)与代码反复优化),最终达到能够以足够小的***开销实现对运动目标物体的准确快速识别。
前述的视频智能分析仪中，所述主控板设置在底盒内，主控板上的CPU和GPU表面分别通过第一导热胶与第一热管相连，第一热管外侧设有散热翅片，第一热管上方通过第二导热胶与第二热管相连，第二热管上方固定在金属顶板的金属导热座内，所述第二热管上开设有环形槽，环形槽内设有定子线圈，定子线圈外设有带永磁体的外转子，外转子外侧均匀分布有散热叶片。
前述的视频智能分析仪中，所述底盒内上设有安装柱，金属顶板通过螺钉固定在安装柱上。
前述的视频智能分析仪中，所述金属顶板和安装柱之间设有套设在螺钉上的压缩弹簧。
前述的视频智能分析仪中，所述金属顶板上设有环绕金属导热座分布的通风孔。
与现有技术相比，本发明可以正确检测出运动目标,区分出人与背景物体，误判率低，效率高，很好地满足了目标检测的需要，且对***占用率低，可以提高分析仪整体运行稳定性与运行寿命。
另外，本发明通过二级热管的设置，可以将主控板的芯片热量传递给(壳体)金属顶板，以提高整体散热效果，以便于分析仪向小型化发展；而且，本发明的结构安装极为方便快捷，同时还可以起到缓冲散热风扇的振动，降低噪音。
附图说明
图1为本发明的硬件结构示意图；
图2为本发明的散热结构示意图。
附图中的标记为：1-底盒，2-主控板，3-CPU，4-第一热管，5-散热翅片，6-第一导热胶，7-第二导热胶，8-第二热管，9-金属导热座，10-金属顶板，11-定子线圈，12-外转子，13-散热叶片，14-通风孔，15-螺钉，16-压缩弹簧，17-安装柱。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。
实施例。一种视频智能分析仪，如图1所示：包括设有CPU和GPU的主控板，主控板上连接有视频流采集单元、网络传输单元和供电单元；还包括带输入输出接口、网络接口、电源接口和电源开关的接口背板；主控板、视频流采集单元、网络传输单元和供电单元均连接至接口背板。
主控板对视频分析的具体包括以下步骤：
①在视频流采集单元采集的输入图像中设定一个区域或多个区域为警戒区；
②在警戒区内搜索目标物体；
③如果搜索到目标物体的图像满足警戒要求，保存画面，并发出异常指令。
所述步骤②中搜索目标物体的方法是：
首先，利用样本的harr特征进行分类器训练，得到一个级联的boosted分类器；
分类器训练完以后，应用于输入图像中检测与与训练样本相同尺寸的目标物体，检测到目标物体分类器输出为1，否则输出为0。
所述训练样本分为正例样本和反例样本，其中正例样本是指待检目标样本，反例样本指其它任意图片，所有的样本图片都被归一化为同样的尺寸大小。
为了检测整副图像，可以在图像中利用移动搜索窗口，检测每一个位置来确定可能的目标；通过分离器尺寸改变，对不同大小的目标物体进行搜索，避免通过改变图像的尺寸大小的实施方式。
所述分由多个简单分类器级联组成；在图像检测中，被检窗口依次通过每一级分类器，这样在前面几层的检测中大部分的候选区域就被排除了，全部通过每一级分类器检测的区域即为目标区域。
前述的视频智能分析仪中，具体散热结构如图2所示：所述主控板2设置在底盒1内，主控板2上的CPU3和GPU表面分别通过第一导热胶6与第一热管4相连，第一热管4外侧设有散热翅片5，第一热管4上方通过第二导热胶7与第二热管8相连，第二热管8上方固定在金属顶板10的金属导热座9内，所述第二热管8上开设有环形槽，环形槽内设有定子线圈11，定子线圈11外设有带永磁体的外转子12，外转子12外侧均匀分布有散热叶片13。所述底盒1内上设有安装柱17，金属顶板10通过螺钉15固定在安装柱17上。所述金属顶板10和安装柱17之间设有套设在螺钉15上的压缩弹簧16。所述金属顶板10上设有环绕金属导热座9分布的通风孔14。
安装时，只需先在第一热管4上发涂覆导热胶，然后将安装好第二热管8的金属顶板10扣合在底盒1上，在使用螺钉15对金属顶板10进行紧固即可。

Claims (10)

1.一种视频智能分析仪，其特征在于：包括设有CPU和GPU的主控板，主控板上连接有视频流采集单元、网络传输单元和供电单元；还包括带输入输出接口、网络接口、电源接口和电源开关的接口背板；主控板、视频流采集单元、网络传输单元和供电单元均连接至接口背板。
2.根据权利要求1所述的视频智能分析仪，其特征在于，所述主控板对视频分析的具体包括以下步骤：
①在视频流采集单元采集的输入图像中设定一个区域或多个区域为警戒区；
②在警戒区内搜索目标物体；
③如果搜索到目标物体的图像满足警戒要求，保存画面，并发出异常指令。
3.根据权利要求2所述的视频智能分析仪，其特征在于，所述步骤②中搜索目标物体的方法是：
首先，利用样本的harr特征进行分类器训练，得到一个级联的boosted分类器；
分类器训练完以后，应用于输入图像中检测与与训练样本相同尺寸的目标物体，检测到目标物体分类器输出为1，否则输出为0。
4.根据权利要求3所述的视频智能分析仪，其特征在于：所述训练样本分为正例样本和反例样本，其中正例样本是指待检目标样本，反例样本指其它任意图片，所有的样本图片都被归一化为同样的尺寸大小。
5.根据权利要求3所述的视频智能分析仪，其特征在于：为了检测整副图像，可以在图像中利用移动搜索窗口，检测每一个位置来确定可能的目标；通过分离器尺寸改变，对不同大小的目标物体进行搜索，避免通过改变图像的尺寸大小的实施方式。
6.根据权利要求3所述的视频智能分析仪，其特征在于：所述分由多个简单分类器级联组成；在图像检测中，被检窗口依次通过每一级分类器，这样在前面几层的检测中大部分的候选区域就被排除了，全部通过每一级分类器检测的区域即为目标区域。
7.根据权利要求1所述的视频智能分析仪，其特征在于：所述主控板设置在底盒内，主控板上的CPU和GPU表面分别通过第一导热胶与第一热管相连，第一热管外侧设有散热翅片，第一热管上方通过第二导热胶与第二热管相连，第二热管上方固定在金属顶板的金属导热座内，所述第二热管上开设有环形槽，环形槽内设有定子线圈，定子线圈外设有带永磁体的外转子，外转子外侧均匀分布有散热叶片。
8.根据权利要求7所述的视频智能分析仪，其特征在于：所述底盒内上设有安装柱，金属顶板通过螺钉固定在安装柱上。
9.根据权利要求8所述的视频智能分析仪，其特征在于：所述金属顶板和安装柱之间设有套设在螺钉上的压缩弹簧。
10.根据权利要求7所述的视频智能分析仪，其特征在于：所述金属顶板上设有环绕金属导热座分布的通风孔。
CN201711415991.XA 2017-12-25 2017-12-25 一种视频智能分析仪 Pending CN108022256A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711415991.XA CN108022256A (zh) 2017-12-25 2017-12-25 一种视频智能分析仪

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711415991.XA CN108022256A (zh) 2017-12-25 2017-12-25 一种视频智能分析仪

Publications (1)

Publication Number Publication Date
CN108022256A true CN108022256A (zh) 2018-05-11

Family

ID=62074700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711415991.XA Pending CN108022256A (zh) 2017-12-25 2017-12-25 一种视频智能分析仪

Country Status (1)

Country Link
CN (1) CN108022256A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101493979A (zh) * 2008-12-03 2009-07-29 郑长春 智能网络视觉目标检测分析方法及仪器
US20090296985A1 (en) * 2007-11-29 2009-12-03 Nec Laboratories America, Inc. Efficient Multi-Hypothesis Multi-Human 3D Tracking in Crowded Scenes
CN101599207A (zh) * 2009-05-06 2009-12-09 深圳市汉华安道科技有限责任公司 一种疲劳驾驶检测装置及汽车
CN102496001A (zh) * 2011-11-15 2012-06-13 无锡港湾网络科技有限公司 一种视频监控目标自动检测的方法和***
CN102628956A (zh) * 2011-04-08 2012-08-08 中国科学院地质与地球物理研究所 Gpu/cpu协同方式可控震源数据相关处理设备及方法
CN202798912U (zh) * 2012-07-13 2013-03-13 成都槟果科技有限公司 移动视频信号实时采集智能动态处理装置
CN103297751A (zh) * 2013-04-23 2013-09-11 四川天翼网络服务有限公司 智慧天网视频行为分析***
US20140177946A1 (en) * 2012-12-21 2014-06-26 Electronics and Telecommunicatidons Research Institute Human detection apparatus and method
CN105768415A (zh) * 2016-04-19 2016-07-20 重庆蓝岸通讯技术有限公司 智能手杖
CN106210636A (zh) * 2016-07-18 2016-12-07 四川君逸数码科技股份有限公司 基于智能视频技术的智慧金睛人和物行为识别仪
CN106530623A (zh) * 2016-12-30 2017-03-22 南京理工大学 一种疲劳驾驶检测装置及检测方法
CN207732885U (zh) * 2017-12-25 2018-08-14 虹德科技（杭州）有限公司 基于视频智能分析的调度仪

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090296985A1 (en) * 2007-11-29 2009-12-03 Nec Laboratories America, Inc. Efficient Multi-Hypothesis Multi-Human 3D Tracking in Crowded Scenes
CN101493979A (zh) * 2008-12-03 2009-07-29 郑长春 智能网络视觉目标检测分析方法及仪器
CN101599207A (zh) * 2009-05-06 2009-12-09 深圳市汉华安道科技有限责任公司 一种疲劳驾驶检测装置及汽车
CN102628956A (zh) * 2011-04-08 2012-08-08 中国科学院地质与地球物理研究所 Gpu/cpu协同方式可控震源数据相关处理设备及方法
CN102496001A (zh) * 2011-11-15 2012-06-13 无锡港湾网络科技有限公司 一种视频监控目标自动检测的方法和***
CN202798912U (zh) * 2012-07-13 2013-03-13 成都槟果科技有限公司 移动视频信号实时采集智能动态处理装置
US20140177946A1 (en) * 2012-12-21 2014-06-26 Electronics and Telecommunicatidons Research Institute Human detection apparatus and method
CN103297751A (zh) * 2013-04-23 2013-09-11 四川天翼网络服务有限公司 智慧天网视频行为分析***
CN105768415A (zh) * 2016-04-19 2016-07-20 重庆蓝岸通讯技术有限公司 智能手杖
CN106210636A (zh) * 2016-07-18 2016-12-07 四川君逸数码科技股份有限公司 基于智能视频技术的智慧金睛人和物行为识别仪
CN106530623A (zh) * 2016-12-30 2017-03-22 南京理工大学 一种疲劳驾驶检测装置及检测方法
CN207732885U (zh) * 2017-12-25 2018-08-14 虹德科技（杭州）有限公司 基于视频智能分析的调度仪

Similar Documents

Publication Publication Date Title
Maraaba et al. Convolutional neural network-based inter-turn fault diagnosis in LSPMSMs
CN104520875B (zh) 优选用于搜索和检索目的的从视频内容提取描述符的方法和装置
CN109117836A (zh) 一种基于焦点损失函数的自然场景下文字检测定位方法和装置
KR20200014129A (ko) 딥러닝을 이용한 변압기 진단 방법
Maria et al. A drone-based image processing system for car detection in a smart transport infrastructure
US20140244838A1 (en) Device management in machine to machine network
KR101647691B1 (ko) 하이브리드 기반의 영상 클러스터링 방법 및 이를 운용하는 서버
Civelek et al. Automated moving object classification in wireless multimedia sensor networks
Tschentscher et al. Scalable real-time parking lot classification: An evaluation of image features and supervised learning algorithms
WO2023024670A1 (zh) 设备聚类方法、装置、计算机设备及存储介质
Liu et al. Related HOG features for human detection using cascaded adaboost and SVM classifiers
Szczodrak et al. Behavior analysis and dynamic crowd management in video surveillance system
Salma et al. Smart parking guidance system using 360o camera and haar-cascade classifier on iot system
Tan et al. PA-RetinaNet: Path augmented RetinaNet for dense object detection
CN108022256A (zh) 一种视频智能分析仪
CN114125806B (zh) 基于无线网络流量的云存储模式的无线摄像头检测方法
KR101214858B1 (ko) 클러스터링 기법을 이용한 이동물체 검출장치 및 방법
Caballo et al. YOLO-based Tricycle Detection from Traffic Video
CN109660392A (zh) 一种Linux***下硬件统一化自适应管理部署方法及***
CN112449025B (zh) 一种基于自注意力机制的ip场景预测方法
WO2022001821A1 (zh) 基于毫米波安检设备的查验方法和***以及服务器
Fan et al. WinSet: the first multi-modal window dataset for heterogeneous window states
Yuan et al. Smart street light towards energy saving and neighborhood security
CN111539395A (zh) 一种基于光流法和支持向量机的挖掘机实时检测方法
Jöchl et al. Deep Learning Image Age Approximation-What is More Relevant: Image Content or Age Information?

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination