CN109214316B - 周界防护方法及装置 - Google Patents
周界防护方法及装置 Download PDFInfo
- Publication number
- CN109214316B CN109214316B CN201810957756.3A CN201810957756A CN109214316B CN 109214316 B CN109214316 B CN 109214316B CN 201810957756 A CN201810957756 A CN 201810957756A CN 109214316 B CN109214316 B CN 109214316B
- Authority
- CN
- China
- Prior art keywords
- target
- image
- perimeter
- prompt
- interest
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
- G06V20/47—Detecting features for summarising video content
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种周界防护方法及装置,所述方法包括:接收图像采集设备发送的包含感兴趣目标的目标小图及目标小图在其所在的图像帧中的图像位置;基于所述图像位置及图像采集设备的设备标识确定所述目标小图中的感兴趣目标的当前位置;若所述感兴趣目标的当前位置位于预设周界防护区域内,识别所述目标小图,得到所述感兴趣目标的属性类别;按照与所述属性类别对应的提示方案发出感兴趣目标侵入周界防护区域的周界入侵提示,达到了仅对进入感兴趣区域的感兴趣目标进行报警,对不感兴趣目标不做响应,降低误报率,对感兴趣目标进行针对性报警,极大的降低误报率的技术效果。
Description
技术领域
本发明涉及计算机技术领域,尤其是涉及一种周界防护方法及装置。
背景技术
大多数场所为了防止非法的入侵和各种破坏活动,都只是在外墙周围设置屏障(如铁栅栏、篱笆网、围墙等)或阻挡物,安排人员加强巡逻。在目前,犯罪分子利用先进的科学技术,犯罪手段更加复杂化、智能化的情况下,传统的防范手段已难以适应要害部门、重点单位安全保卫的工作的需要。人力防范往往受人员、地域、人员素质和经历的影响,亦难免出现漏洞和失误。因此,随着市场需求进一步扩大,科学技术的发展推动,各种周界探测技术不断出现,各种入侵探测报警***融入到安防领域,成为安防领域的重要组成部分——“周界防范”。
但是传统基于计算机视觉的周界防范设备由于计算能力受限,大都基于动目标检测的方法识别闯入目标,但是该方法有其局限性,动目标检测对于猫、狗等动物,镜头前飘落的树叶和飞过的蝴蝶等都会产生误报,远处摇曳的树影和光照条件的变化等都会引起误报,导致误报率太高,影响使用效果。
发明内容
有鉴于此,本发明的目的在于提供一种周界防护方法及装置,以缓解现有技术中动目标检测的方法识别闯入目标存在的误报率高的技术问题。
第一方面,本发明实施例提供了一种周界防护方法,包括:
接收图像采集设备发送的包含感兴趣目标的目标小图及目标小图在其所在的图像帧中的图像位置;
基于所述图像位置及图像采集设备的设备标识确定所述目标小图中的感兴趣目标的当前位置;
若所述感兴趣目标的当前位置位于预设周界防护区域内,识别所述目标小图,得到所述感兴趣目标的属性类别;
按照与所述属性类别对应的提示方案发出感兴趣目标侵入周界防护区域的周界入侵提示。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述基于所述图像位置及图像采集设备的设备标识确定所述目标小图中的感兴趣目标的当前位置,包括:
获取与所述图像采集设备的设备标识对应设备位置信息;
根据所述设备位置信息确定所述目标小图对应的位置区域;
在所述位置区域中,根据所述图像位置确定所述感兴趣目标的当前位置。
结合第一方面,本发明实施例提供了第一方面的第二可能的实施方式,其中,确定所述感兴趣目标的当前位置是否位于预设周界防护区域内,包括:
将所述当前位置的横向位置坐标与所述预设周界防护区域的防护边界的多个横向边界坐标比较;
将所述当前位置的纵向位置坐标与所述预设周界防护区域的多个纵向边界坐标比较;
若所述当前位置的横向位置坐标大于多个边界坐标中的最小横向边界坐标、横向位置坐标小于最大横向边界坐标、纵向位置坐标大于多个边界坐标中的最小纵向边界坐标且纵向位置坐标小于最大纵向边界坐标,则确定所述感兴趣目标的当前位置位于所述预设周界防护区域内。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,确定所述预设周界防护区域,包括:
接收用户输入的边界设置操作;
将用户通过边界设置操作设置的多个边界坐标构成的防护边界内的区域确定为周界防护区域,所述边界坐标包括:横向边界坐标及纵向边界坐标。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述识别所述目标小图,得到所述感兴趣目标的属性类别,包括:
将所述目标小图输入预设属性分类神经网络中,得到目标小图中的属性特征;
根据所述属性特征确定所述感兴趣目标的属性类别。
结合第一方面,本发明实施例提供了第一方面的第五种可能的实施方式,其中,所述按照与所述属性类别对应的提示方案发出感兴趣目标侵入周界防护区域的周界入侵提示,包括:
根据预设的属性类别和提示方案之间的对应关系,确定与所述属性类别对应的提示方案,所述提示方案中包含提示终端标识及提示方式;
向所述提示终端标识对应的提示终端按照所述提示方式发送周界入侵提示。
结合第一方面,本发明实施例提供了第一方面的第六种可能的实施方式,其中,所述方法还包括:
存储包含所述感兴趣目标的目标小图、所述感兴趣目标的属性类别、所述感兴趣目标的当前位置、所述图像采集设备的设备标识。
第二方面,本发明实施例还提供一种周界防护装置,包括:
接收模块,用于接收图像采集设备发送的包含感兴趣目标的目标小图及目标小图在其所在的图像帧中的图像位置;
位置确定模块,用于基于所述图像位置及图像采集设备的设备标识确定所述目标小图中的感兴趣目标的当前位置;
属性类别识别模块,用于若所述感兴趣目标的当前位置位于预设周界防护区域内,识别所述目标小图,得到所述感兴趣目标的属性类别;
入侵提示模块,用于按照与所述属性类别对应的提示方案发出感兴趣目标侵入周界防护区域的周界入侵提示。
第三方面,本发明实施例还提供一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述第一方面所述的方法的步骤。
第四方面,本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行第一方面所述的方法。
本发明实施例带来了以下有益效果:本发明实施例通过首先接收图像采集设备发送的包含感兴趣目标的目标小图及目标小图在其所在的图像帧中的图像位置;然后基于所述图像位置及图像采集设备的设备标识确定所述目标小图中的感兴趣目标的当前位置;若所述感兴趣目标的当前位置位于预设周界防护区域内,再识别所述目标小图,得到所述感兴趣目标的属性类别;最后可以按照与所述属性类别对应的提示方案发出感兴趣目标侵入周界防护区域的周界入侵提示。
本发明实施例能够确定所述目标小图中的感兴趣目标的当前位置,当且仅当感兴趣目标出现在特定区域时,才识别所述目标小图,并得到所述感兴趣目标的属性类别,并且能够按照与属性类别对应的提示方案发出周界入侵提示,仅对进入感兴趣区域的感兴趣目标进行报警,对不感兴趣目标不做响应,降低误报率,对感兴趣目标进行针对性报警,极大的降低误报率。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,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。
图1为本发明实施例提供的一种周界防护方法的流程图;
图2为图1中步骤S102的流程图;
图3为图1中步骤S103的流程图;
图4为本发明实施例提供的一种周界防护装置的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都属于本发明保护的范围。
目前,基于计算机视觉的周界防范设备由于计算能力受限,大都基于动目标检测的方法识别闯入目标,但是该方法有其局限性,动目标检测对于猫、狗等动物,镜头前飘落的树叶和飞过的蝴蝶等都会产生误报,远处摇曳的树影和光照条件的变化等都会引起误报,导致误报率太高,影响使用效果,基于此,本发明实施例提供的一种周界防护方法及装置,可以确定所述目标小图中的感兴趣目标的当前位置,当且仅当感兴趣目标出现在特定区域时,才识别所述目标小图,并得到所述感兴趣目标的属性类别,并且能够按照与属性类别对应的提示方案发出周界入侵提示,仅对进入感兴趣区域的感兴趣目标进行报警,对不感兴趣目标不做响应,降低误报率,对感兴趣目标进行针对性报警,极大的降低误报率。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种周界防护方法进行详细介绍,所述周界防护方法可以应用于服务器中,如图1所示,所述方法可以包括以下步骤:
步骤S101,接收图像采集设备发送的包含感兴趣目标的目标小图及目标小图在其所在的图像帧中的图像位置;
在本发明实施例中,图像采集设备可以对采集到的视频流进行初步的视频结构化处理,所述多帧图像是指在图像采集设备端经过处理的最优图像,在实际应用中,图像采集设备在监控视频中检测感兴趣目标,例如非机动车、机动车、行人及人脸等,所有的摄像头都是同时进行检测感兴趣目标,在目标进入预设周界防护区域之前就开始检测,目标检测算法主要用的是基于卷积神经网络的目标检测算法,比如SSD神经网络、RFCN神经网络或者FasterRCNN神经网络等;
再对每个感兴趣目标进行跟踪,得到每个感兴趣目标所对应的图像集合,跟踪算法主要采用的是基于检测的跟踪算法,在检测结果上做关联,降低跟踪算法的计算量,提高实时性;
再对每个感兴趣目标集合中的多张图像进行择优,即对感兴趣目标进行质量评价,综合考量包括但不限于目标尺寸、是否被遮挡、图像是否清晰及角度是否合适等因素,采用量化指标的方式进行质量评分,得到打分结果;最后再对每个感兴趣目标进行去重,根据择优过程中对感兴趣目标在时间序列中的打分结果,选择时间序列中得分最高的图像作为该感兴趣目标的目标小图传输至服务器端。
示例性的,若感兴趣目标为行人,某智慧园区内的一个图像采集设备在2秒内对拍摄区域范围内对出现的一个行人以及一个开车经过的人抓拍了50帧图像,且行人出现在第1帧到第50帧,开车经过的人出现在第20帧到第40帧,则分别对第1帧到第50帧图像出现的行人以及第20帧到第40帧图像出现的开车经过的人进行打分,若行人和开车经过的人的最高的质量分数均出现在第30帧图像中,则将第30帧图像作为质量最佳的目标小图传输至服务器端,只传输质量最佳的目标小图给服务器,可以节省网络资源。
目标小图在其所在的图像帧中的图像位置可以指目标小图在图像帧中的像素坐标等,示例性的,图像位置可以包括目标小图左下角的像素坐标及右上角的像素坐标等。
步骤S102,基于所述图像位置及图像采集设备的设备标识确定所述目标小图中的感兴趣目标的当前位置;
示例性的,图像采集设备的设备标识可以为001,002等等,服务器中可以预先存储每个图像采集设备的设备标识与图像采集设备的设备位置信息之间的对应关系,示例性的,图像采集设备的设备标识与图像采集设备的设备位置信息之间的对应关系可以如表1所示。
表1
设备标识 | 设备位置信息 |
001 | A位置区域 |
002 | B位置区域 |
003 | C位置区域 |
004 | D位置区域 |
如图2所示,所述步骤S102可以包括以下步骤:
步骤S201,获取与所述图像采集设备的设备标识对应设备位置信息;
步骤S202,根据所述设备位置信息确定所述目标小图对应的位置区域;
在该步骤中,可以将设备位置信息确定为所述目标小图对应的位置区域,示例性的,若设备标识为002,则可以将B位置确定为设备标识为002的图像采集设备发送的目标小图对应的位置区域。
步骤S203,在所述位置区域中,根据所述图像位置确定所述感兴趣目标的当前位置。
在本发明的一种实施方式中,服务器中可以预先存储每个图像采集设备的分辨率,例如:1080P(1920*1080),将图像采集设备采集的图像划分成预设数量个子图像区域,并根据图像采集设备的安装位置及摄像头倾斜角度为每个子图像区域分别确定对应的实际位置坐标,根据目标小图的左下角的像素坐标及右上角的像素坐标确定目标小图位于哪一个子图像区域中,然后将该自图像区域的实际位置坐标确定为目标小图中感兴趣目标的当前位置,通过该种方式确定感兴趣目标的当前位置更加准确。
步骤S103,若所述感兴趣目标的当前位置位于预设周界防护区域内,识别所述目标小图,得到所述感兴趣目标的属性类别;
如图3所示,步骤S103中的确定所述感兴趣目标的当前位置是否位于预设周界防护区域内可以包括以下步骤:
步骤S301,将所述当前位置的横向位置坐标与所述预设周界防护区域的防护边界的多个横向边界坐标比较;
步骤S302,将所述当前位置的纵向位置坐标与所述预设周界防护区域的多个纵向边界坐标比较;
可以通过以下方式确定所述预设周界防护区域:接收用户输入的边界设置操作;将用户通过边界设置操作设置的多个边界坐标构成的防护边界内的区域确定为周界防护区域,所述边界坐标包括:横向边界坐标及纵向边界坐标。
步骤S303,若所述当前位置的横向位置坐标大于多个边界坐标中的最小横向边界坐标、横向位置坐标小于最大横向边界坐标、纵向位置坐标大于多个边界坐标中的最小纵向边界坐标且纵向位置坐标小于最大纵向边界坐标,则确定所述感兴趣目标的当前位置位于所述预设周界防护区域内。
所述步骤S103中的识别所述目标小图,得到所述感兴趣目标的属性类别可以包括以下步骤:
服务器利用视频结构化处理技术,将所述目标小图输入预设属性分类神经网络中,得到目标小图中的属性特征;根据所述属性特征确定所述感兴趣目标的属性类别。
若目标小图中感兴趣目标为车辆,车辆的属性特征包括:车辆颜色、品牌型号年款、年检标数量、车牌号码、车辆类型等车辆的固有属性;主驾驶人员未系安全带、开车打电话、副驾驶人员未系安全带、主副驾驶人员的人脸等驾驶员和乘客信息;同时为了克服假牌车和***对车辆识别的影响,给每辆车赋予唯一标识,还会识别车辆年检标、遮阳板、挂坠、摆件、纸巾盒、天窗、行李架、备胎、撞损痕等车辆的个性化信息,以及用于跨境头追踪、以图搜图、行驶轨迹复现的重认证特征码等;示例性的,属性类别可以为车辆,也可以为副驾驶人员未系安全带的车辆,还可以为开车打电话的车辆等等。
若目标小图中感兴趣目标为行人,行人属性包括:性别(男、女)、年龄段(小孩、青年、中年、老年)、发型、发色、胡须等样貌特征,上下身着装的颜色、纹理、款式、类型等着装信息,是否戴眼镜、口罩、帽子等装饰品,是否打雨伞、抱小孩、拉行李箱、背包、拎包等随身物品信息,用于跨境头追踪、以图搜图、行驶轨迹复现的重认证特征码等,示例性的,属性类别可以为穿蓝色外套的男士,也可以为穿红色连衣裙的女士等等。
步骤S104,按照与所述属性类别对应的提示方案发出感兴趣目标侵入周界防护区域的周界入侵提示。
在该步骤中,根据预设的属性类别和提示方案之间的对应关系,确定与所述属性类别对应的提示方案,所述提示方案中包含提示终端标识及提示方式;向所述提示终端标识对应的提示终端按照所述提示方式发送周界入侵提示。
服务器中可以预先存储有属性类别和提示方案之间的对应关系,例如,若属性类别为副驾驶人员未系安全带的车辆,则提示方案中提示终端标识可以为巡逻图像采集装置所在区域的工作人员的移动终端的标识,提示方式为向该工作人员的移动终端发送短信等。
在步骤S104之后,还可以存储包含所述感兴趣目标的目标小图、所述感兴趣目标的属性类别、所述感兴趣目标的当前位置、所述图像采集设备的设备标识,以供后期调查取证使用。
本发明实施例通过首先接收图像采集设备发送的包含感兴趣目标的目标小图及目标小图在其所在的图像帧中的图像位置;然后基于所述图像位置及图像采集设备的设备标识确定所述目标小图中的感兴趣目标的当前位置;若所述感兴趣目标的当前位置位于预设周界防护区域内,再识别所述目标小图,得到所述感兴趣目标的属性类别;最后可以按照与所述属性类别对应的提示方案发出感兴趣目标侵入周界防护区域的周界入侵提示。
本发明实施例能够确定所述目标小图中的感兴趣目标的当前位置,当且仅当感兴趣目标出现在特定区域时,才识别所述目标小图,并得到所述感兴趣目标的属性类别,并且能够按照与属性类别对应的提示方案发出周界入侵提示,仅对进入感兴趣区域的感兴趣目标进行报警,对不感兴趣目标不做响应,降低误报率,对感兴趣目标进行针对性报警,极大的降低误报率。
在本发明的又一实施例中,如图4所示,还提供一种周界防护装置,所述装置包括:
接收模块11,用于接收图像采集设备发送的包含感兴趣目标的目标小图及目标小图在其所在的图像帧中的图像位置;
位置确定模块12,用于基于所述图像位置及图像采集设备的设备标识确定所述目标小图中的感兴趣目标的当前位置;
属性类别识别模块13,用于若所述感兴趣目标的当前位置位于预设周界防护区域内,识别所述目标小图,得到所述感兴趣目标的属性类别;
入侵提示模块14,用于按照与所述属性类别对应的提示方案发出感兴趣目标侵入周界防护区域的周界入侵提示。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
在本发明的又一实施例中,所述位置确定模块12,包括:
获取单元,用于获取与所述图像采集设备的设备标识对应设备位置信息;
第一确定单元,用于根据所述设备位置信息确定所述目标小图对应的位置区域;
第二确定单元,用于在所述位置区域中,根据所述图像位置确定所述感兴趣目标的当前位置。
在本发明的又一实施例中,所述属性类别识别模块13,还用于确定所述感兴趣目标的当前位置是否位于预设周界防护区域内,具体的:
将所述当前位置的横向位置坐标与所述预设周界防护区域的防护边界的多个横向边界坐标比较;将所述当前位置的纵向位置坐标与所述预设周界防护区域的多个纵向边界坐标比较;若所述当前位置的横向位置坐标大于多个边界坐标中的最小横向边界坐标、横向位置坐标小于最大横向边界坐标、纵向位置坐标大于多个边界坐标中的最小纵向边界坐标且纵向位置坐标小于最大纵向边界坐标,则确定所述感兴趣目标的当前位置位于所述预设周界防护区域内。
在本发明的又一实施例中,所述属性类别识别模块13,还用于确定所述预设周界防护区域,包括:
接收用户输入的边界设置操作;将用户通过边界设置操作设置的多个边界坐标构成的防护边界内的区域确定为周界防护区域,所述边界坐标包括:横向边界坐标及纵向边界坐标。
在本发明的又一实施例中,所述属性类别识别模块13,还用于识别所述目标小图,得到所述感兴趣目标的属性类别,具体的:
将所述目标小图输入预设属性分类神经网络中,得到目标小图中的属性特征;根据所述属性特征确定所述感兴趣目标的属性类别。
在本发明的又一实施例中,所述入侵提示模块14,包括:
根据预设的属性类别和提示方案之间的对应关系,确定与所述属性类别对应的提示方案,所述提示方案中包含提示终端标识及提示方式;
向所述提示终端标识对应的提示终端按照所述提示方式发送周界入侵提示。
在本发明的又一实施例中,所述装置还包括:
存储模块,用于存储包含所述感兴趣目标的目标小图、所述感兴趣目标的属性类别、所述感兴趣目标的当前位置、所述图像采集设备的设备标识。
在本发明的又一实施例中,还提供一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法实施例所述的方法的步骤。
在本发明的又一实施例中,还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行所述方法实施例所述的方法。
附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
本发明实施例所提供的周界防护方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,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。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种周界防护方法,其特征在于,包括:
接收图像采集设备发送的包含感兴趣目标的目标小图及目标小图在其所在的图像帧中的图像位置;
基于所述图像位置及图像采集设备的设备标识确定所述目标小图中的感兴趣目标的当前位置;
若所述感兴趣目标的当前位置位于预设周界防护区域内,识别所述目标小图,得到所述感兴趣目标的属性类别;
按照与所述属性类别对应的提示方案发出感兴趣目标侵入周界防护区域的周界入侵提示;
所述基于所述图像位置及图像采集设备的设备标识确定所述目标小图中的感兴趣目标的当前位置,包括:
获取与所述图像采集设备的设备标识对应的设备位置信息;
根据所述设备位置信息确定所述目标小图对应的位置区域;
在所述位置区域中,根据所述图像位置确定所述感兴趣目标的当前位置。
2.根据权利要求1所述的周界防护方法,其特征在于,在确定所述感兴趣目标的当前位置之后,方法还包括:确定所述感兴趣目标的当前位置是否位于预设周界防护区域内;
所述确定所述感兴趣目标的当前位置是否位于预设周界防护区域内,包括:
将所述当前位置的横向位置坐标与所述预设周界防护区域的防护边界的多个横向边界坐标比较;
将所述当前位置的纵向位置坐标与所述预设周界防护区域的多个纵向边界坐标比较;
若所述当前位置的横向位置坐标大于多个边界坐标中的最小横向边界坐标、横向位置坐标小于最大横向边界坐标、纵向位置坐标大于多个边界坐标中的最小纵向边界坐标且纵向位置坐标小于最大纵向边界坐标,则确定所述感兴趣目标的当前位置位于所述预设周界防护区域内。
3.根据权利要求2所述的周界防护方法,其特征在于,在确定所述感兴趣目标的当前位置是否位于预设周界防护区域内之前,方法还包括:确定所述预设周界防护区域;
所述确定所述预设周界防护区域,包括:
接收用户输入的边界设置操作;
将用户通过边界设置操作设置的多个边界坐标构成的防护边界内的区域确定为周界防护区域,所述边界坐标包括:横向边界坐标及纵向边界坐标。
4.根据权利要求1所述的周界防护方法,其特征在于,所述识别所述目标小图,得到所述感兴趣目标的属性类别,包括:
将所述目标小图输入预设属性分类神经网络中,得到目标小图中的属性特征;
根据所述属性特征确定所述感兴趣目标的属性类别。
5.根据权利要求1所述的周界防护方法,其特征在于,所述按照与所述属性类别对应的提示方案发出感兴趣目标侵入周界防护区域的周界入侵提示,包括:
根据预设的属性类别和提示方案之间的对应关系,确定与所述属性类别对应的提示方案,所述提示方案中包含提示终端标识及提示方式;
向所述提示终端标识对应的提示终端按照所述提示方式发送周界入侵提示。
6.根据权利要求1所述的周界防护方法,其特征在于,所述方法还包括:
存储包含所述感兴趣目标的目标小图、所述感兴趣目标的属性类别、所述感兴趣目标的当前位置、所述图像采集设备的设备标识。
7.一种周界防护装置,其特征在于,包括:
接收模块,用于接收图像采集设备发送的包含感兴趣目标的目标小图及目标小图在其所在的图像帧中的图像位置;
位置确定模块,用于基于所述图像位置及图像采集设备的设备标识确定所述目标小图中的感兴趣目标的当前位置;
属性类别识别模块,用于若所述感兴趣目标的当前位置位于预设周界防护区域内,识别所述目标小图,得到所述感兴趣目标的属性类别;
入侵提示模块,用于按照与所述属性类别对应的提示方案发出感兴趣目标侵入周界防护区域的周界入侵提示;
所述位置确定模块,包括:
获取单元,用于获取与所述图像采集设备的设备标识对应设备位置信息;
第一确定单元,用于根据所述设备位置信息确定所述目标小图对应的位置区域;
第二确定单元,用于在所述位置区域中,根据所述图像位置确定所述感兴趣目标的当前位置。
8.一种电子设备,包括存储器、处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法的步骤。
9.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码被所述处理器执行时实现所述权利要求1-6任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810957756.3A CN109214316B (zh) | 2018-08-21 | 2018-08-21 | 周界防护方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810957756.3A CN109214316B (zh) | 2018-08-21 | 2018-08-21 | 周界防护方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109214316A CN109214316A (zh) | 2019-01-15 |
CN109214316B true CN109214316B (zh) | 2020-08-25 |
Family
ID=64988838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810957756.3A Expired - Fee Related CN109214316B (zh) | 2018-08-21 | 2018-08-21 | 周界防护方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109214316B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022098305A1 (en) * | 2020-11-04 | 2022-05-12 | Astoria Solutions Pte Ltd. | Autonomous safety violation detection system through virtual fencing |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113673399A (zh) * | 2021-08-12 | 2021-11-19 | 新疆爱华盈通信息技术有限公司 | 区域监测的方法、装置、电子设备及可读存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354422A (zh) * | 2011-10-19 | 2012-02-15 | 湖南德顺电子科技有限公司 | 一种面向周界防护的可疑目标监测方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9295224B2 (en) * | 2007-03-01 | 2016-03-29 | Ardenx Llc | Freestanding force protection system |
WO2013087974A1 (en) * | 2011-12-16 | 2013-06-20 | Nokia Corporation | Method and apparatus for image capture targeting |
CN105575027B (zh) * | 2014-10-09 | 2019-02-05 | 北京君正集成电路股份有限公司 | 一种入侵与周界防范方法及装置 |
US10424341B2 (en) * | 2014-11-12 | 2019-09-24 | Massachusetts Institute Of Technology | Dynamic video summarization |
CN104866827B (zh) * | 2015-05-19 | 2018-10-30 | 天津大学 | 基于视频监控平台的人员翻越行为的检测方法 |
CN104994334A (zh) * | 2015-06-09 | 2015-10-21 | 海南电网有限责任公司 | 基于实时视频的变电站自动监控方法 |
CN105427439A (zh) * | 2015-12-22 | 2016-03-23 | 德胜(苏州)洋楼有限公司 | 小区栏杆机管理*** |
CN106408833A (zh) * | 2016-11-02 | 2017-02-15 | 北京弘恒科技有限公司 | 周界入侵检测方法及*** |
CN107316024B (zh) * | 2017-06-28 | 2021-06-29 | 北京博睿视科技有限责任公司 | 基于深度学习的周界报警算法 |
CN107331097A (zh) * | 2017-08-01 | 2017-11-07 | 中科融通物联科技无锡有限公司 | 基于目标位置信息融合的周界防入侵装置与方法 |
CN108389343B (zh) * | 2018-02-05 | 2020-01-07 | 长飞光纤光缆股份有限公司 | 一种可提示入侵轨迹的防区型光纤入侵监测*** |
-
2018
- 2018-08-21 CN CN201810957756.3A patent/CN109214316B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102354422A (zh) * | 2011-10-19 | 2012-02-15 | 湖南德顺电子科技有限公司 | 一种面向周界防护的可疑目标监测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022098305A1 (en) * | 2020-11-04 | 2022-05-12 | Astoria Solutions Pte Ltd. | Autonomous safety violation detection system through virtual fencing |
Also Published As
Publication number | Publication date |
---|---|
CN109214316A (zh) | 2019-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108062349B (zh) | 基于视频结构化数据及深度学习的视频监控方法和*** | |
CN108053427B (zh) | 一种基于KCF与Kalman的改进型多目标跟踪方法、***及装置 | |
CN108009473B (zh) | 基于目标行为属性视频结构化处理方法、***及存储装置 | |
CN108052859B (zh) | 一种基于聚类光流特征的异常行为检测方法、***及装置 | |
CN105844128B (zh) | 身份识别方法和装置 | |
JP4569190B2 (ja) | 不審者対策システム及び不審者検出装置 | |
US8744125B2 (en) | Clustering-based object classification | |
CN110826370B (zh) | 车内人员的身份识别方法、装置、车辆及存储介质 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
Artan et al. | Passenger compartment violation detection in HOV/HOT lanes | |
CN103434484A (zh) | 车载识别认证装置、移动终端、智能车钥控制***及方法 | |
CN113676702B (zh) | 基于视频流的目标追踪监测方法、***、装置及存储介质 | |
CN109035658B (zh) | 一种文物安全防护方法及装置 | |
KR101337554B1 (ko) | 차량용 블랙박스의 영상인식을 이용한 수배자 및 실종자 추적 장치 및 그 방법 | |
CN109615733A (zh) | 一种基于人脸识别的农牧场防盗方法、装置及存储介质 | |
CN109214316B (zh) | 周界防护方法及装置 | |
KR100948382B1 (ko) | 방범 서비스 방법 및 시스템 | |
CN114267144A (zh) | 一种车辆报警方法、装置、汽车及存储介质 | |
CN113971821A (zh) | 驾驶员信息确定方法、装置、终端设备及存储介质 | |
CN114219829A (zh) | 车辆跟踪方法、计算机设备及存储装置 | |
CN104239847A (zh) | 行车警示方法及车用电子装置 | |
Bhojane et al. | Face recognition based car ignition and security system | |
Suryawanshi et al. | Driver drowsiness detection system based on lbp and haar algorithm | |
Roy | Unsupervised sparse, nonnegative, low rank dictionary learning for detection of driver cell phone usage | |
CN109800640A (zh) | 一种基于二维曲面拟合的吸烟检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200825 |
|
CF01 | Termination of patent right due to non-payment of annual fee |