CN109558785A - 安防监控***及应用其的无人便利店 - Google Patents

安防监控***及应用其的无人便利店 Download PDF

Info

Publication number
CN109558785A
CN109558785A CN201811113968.XA CN201811113968A CN109558785A CN 109558785 A CN109558785 A CN 109558785A CN 201811113968 A CN201811113968 A CN 201811113968A CN 109558785 A CN109558785 A CN 109558785A
Authority
CN
China
Prior art keywords
video
user
action
monitoring system
safety defense
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
CN201811113968.XA
Other languages
English (en)
Inventor
陈子林
王良旗
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.)
Beijing Bangle Network Technology Co Ltd
Original Assignee
Beijing Bangle Network Technology 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 Beijing Bangle Network Technology Co Ltd filed Critical Beijing Bangle Network Technology Co Ltd
Publication of CN109558785A publication Critical patent/CN109558785A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Alarm Systems (AREA)

Abstract

本申请公开了一种安防监控***，安防监控***包括：视频获取单元，用于获取待监控区域的视频信息；动作识别单元，与视频获取单元电连接，动作识别单元用于识别视频获取单元获取的视频信息；显示单元，与视频单元和/或动作识别单元电连接，显示单元用于显示视频获取单元获取的视频信息和/或动作识别单元输出的信息。本申请还公开了应用上述安防监控***的无人便利店。

Description

安防监控***及应用其的无人便利店
技术领域
本申请涉及一种安防监控***，属于防盗安防领域。
背景技术
目前监控装置只是简单的将抓取目标的图片和视频，只做最简单的记录工作，一些稍微复杂的功能也仅限于移动物体检测、人体检测等。
申请现有技术无人值守便利店的防盗过程中，常采用图像识别，对顾客可能的盗取行为进行识别，容易造成识别误差，比如由于拍摄角度问题，获取图像中顾客身体关键部位如果与商品重叠，监控人员容易对其行为产生误判为偷盗、进食、破坏等；单一摄像头覆盖范围有限，存在视觉死角，无法监控到顾客在店中所有位置的行为；多摄像头获取的图像不存在信息关联性，顾客在便利店中的行为被多个角度的摄像头捕获，监控人员需要逐个浏览所有摄像头的视频，才能对图像中顾客的行为作出判断。
这些误判会影响顾客的购物体验，影响无人便利店的防盗效果。
发明内容
根据本申请的一个方面，提供了一种安防监控***，极大提高了无人零售场景下监控安防的效率，把实时监控变为特定行为动作侦测监控。实际场景中一个安防人员最多只能监视5个无人零售店且工作强度极大，使用本方案后同样一个安防人员能轻松监视40个无人零售店，效率有8倍提升。
本申请将深度学习和安防监控结合，根据业务需求训练识别一些特定的行为动作，结合软件***很好解决监控效率问题，并尝试更复杂动作行为的识别。
该安防监控***包括：
视频获取单元，用于获取待监控区域的视频信息；
动作识别单元，与所述视频获取单元电连接，所述动作识别单元用于识别所述视频获取单元获取的视频信息；
显示单元，与所述视频获取单元和/或所述动作识别单元电连接，所述显示单元用于显示所述视频获取单元获取的视频信息和/或所述动作识别单元输出的信息。
可选地，所述动作识别单元运行基于神经网络的深度学习处理***；
所述基于神经网络的深度学习处理***包括根据预设的结构模式构建第一神经网络；
所述预设的结构模式包括：输入层、至少两个卷积层、至少两个池化层和输出层。
可选地，所述第一神经网络包括依次连接的输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层和输出层。
可选地，所述视频获取单元包括：监控摄像头，所述监控摄像头获取待监控区域的动作视频数据；
采用所述动作视频数据训练所述第一神经网络，得到第二神经网络。
可选地，所述视频获取单元包括：多个监控摄像头，多个所述监控摄像头获取待监控区域的动作视频数据，并按对监控区域内无死角监控方式设置；
采用所述动作视频数据训练所述第一神经网络，得到第二神经网络。
在便利店顶面上和四周，间隔安装多个摄像头，以从多个角度对顾客进行图像采集，实现无监控死角。各摄像头均对顾客从进入店内到离开店内的所有动作进行视频拍摄记录。
可选地，所述采用所述动作视频数据训练所述第一神经网络，得到第二神经网络的步骤包括：
获得所述监控摄像头在所述待监控区域内收集到的第一动作视频数据集；
对所述第一动作视频数据集中的每个视频数据标注为指定行为，得到第一标注视频数据集；
将所述第一标注视频数据集输入所述第一神经网络，逐级前向传播或后向传播，得到第二神经网络。
可选地，所述安防监控***工作步骤包括：
所述视频获取单元获取待监控区域的动作视频，将所述动作视频发送至所述动作识别单元；
所述动作识别单元采用所述第二神经网络识别所述视频获取单元获得的所述动作视频中是否含有指定行为，如果识别到所述指定行为，则将含有所述指定行为的动作视频和动作标记数据发送至所述显示单元；
所述显示单元显示含有所述指定行为的动作视频以及动作标注数据。
可选地，所述动作识别单元为本地计算机或远程服务器；所述将所述动作视频和动作标记数据发送至所述动作识别单元的步骤，包括：
所述视频获取单元获取待监控区域的动作视频，将所述动作视频发送至位于远程服务器上的所述动作识别单元；和/或
所述视频获取单元获取待监控区域的动作视频，将所述动作视频发送至位于本地计算机的所述动作识别单元。
可选地，所述动作识别单元包括骨架姿态识别模块，所述骨架姿态识别模块：用于对第e个角度设置的监控摄像头所获取的第i用户在第j时刻以及前j-n时间段的多帧图像序列分别进行骨架特征提取，得到多幅骨架特征图，按视频拍摄的时间顺序，将所述骨架特征图排列后，获取第i用户全身所有骨架关节点的运动轨迹作为第i用户骨架姿态信息；
所述骨架姿态识别模块与所述视频获取单元数据连接。
此处的n是指获取多帧图像序列的总时长。
检测出获取图像中的多个用户，并对每个用户身体上关节点位置识别定位。实现在空间维度和时间维度上同时对视频中多个人体骨架运动姿态进行检测和跟踪。保证运动姿态的时间连续性，避免帧间无规律跳变的问题。人体运动姿态信息为在时间序列上连续、仅包含用户骨骼关节运动轨迹的图像信息。
骨架运动姿态识别模块，不仅检测出监控视频中的多个用户，同时定位每个用户的关节点位置，从而可以跟踪用户双手、嘴巴的运动轨迹，能够准确识别用户手中所拿物品的图像或者进食商品图像。避免摄像头角度问题造成的货架商品与用户重叠造成的干扰问题，提高对用户对商品操作行为判断的准确性。
骨架运动姿态识别模块，解决以往视频目标检测中只对单帧图像做检测，无法获取视频序列间目标运动姿态的轨迹变化信息，供监控人员进行参考。
可选地，所述动作识别单元包括用户行为分析模块和报警监控模块，用户行为分析模块：用于检测获取各视频中包含第i用户的图像，将包含第i用户的图像归集为第i身份图像集，由第i身份图像集生成第i用户行为序列图谱，并对第i用户行为序列图谱和所述骨架姿态信息进行行为分析，根据所述行为分析结果，所述报警监控模块在所述显示单元中显示所述第i用户行为序列图谱和所述骨架姿态信息，及行为分析结果；
所述用户行为分析模块分别与所述骨架姿态识别模块、所述报警监控模块数据连接，所述报警监控模块与所述显示单元数据连接。
用户在便利店逗留期间，行为复杂多变，很多行为定性不能通过一张视频图像或者一段视频作出判断(如偷盗行为，包括从店中拿取商品，无结算行为且发生出门行为，才有可能构成偷盗行为)，本申请中通过获取、分析各场景中同一用户从入门到出门期间在便利店中，多个角度摄像头全程跟踪视频，获取该用户的连续运动画像和行为序列图谱，对用户的行为做出综合分析和判断。以对用户的行为做出较正确的判断。
可选地，所述行为分析包括：判断第i用户是否为拿取商品，如果判断结果为是，则判断第i用户是否在服务台结算，如果判断结果为否则判断第i用户是否出门，如果判断结果为是，则在显示第i用户的行为序列图谱和所述骨架姿态及报警信息，如果判断结果为否，则不显示；
或
所述行为分析包括：判断第i用户是否拿取商品，如果判断结果为是，则判断第i用户是否在服务台结算并出门，如果判断结果为是，则停止对第i用户的所述行为分析。
通过骨架姿态识别模块和用户行为分析模块绘制用户在店内的用户行为轨迹图像，并重点关注用户在货架、结算台和出入口处之间的行为序列图谱。例如：当检测到用户在货架拿取商品后，直接去门口，没有结账动作或靠近结账台则判定其存在较大盗窃风险，此时将所获取的图像传输给监控室，并发出报警，弹出该监控画面，以便监控人员对具体行为进行判断，如果判断结果为盗窃，则启动防偷盗流程。解决监控人员花费大量时间去浏览正常购物行为用户的视频，提高监控效率。
此处的报警监控模块包括显示模块，设置于监控室内，可根据判断结果在显示模块中显示需要人工判断的图像序列。
本申请中安防监控***的监控方法包括以下步骤：
视频获取单元获取待监控区域的动作视频；
动作识别单于提取动作视频中第i用户的骨架姿态信息，检测提取所述动作视频中包含第i用户的图像，并归集为第i身份图像集，由第i身份图像集生成第i用户行为序列图谱，并对第i用户行为序列图谱和所述骨骼姿态信息进行行为分析；
所述行为分析包括对第i用户的运动轨迹和骨架姿态信息进行分析判断，根据判断结果在报警监控模块中显示第i用户的运动轨迹和骨架姿态及报警信息；
所述行为分析包括：判断第i用户是否拿取商品，如果判断结果为是，则判断第i用户是否在服务台结算，如果判断结果为否则判断第i用户是否出门，如果判断结果为是，则显示第i用户的行为序列图谱和所述骨架姿态及报警信息，如果判断结果为否，则不显示；
或
所述行为分析包括：判断第i用户是否拿取商品，如果判断结果为是，则判断第i用户是否在服务台结算并出门，如果判断结果为是，则停止对第i用户的所述行为分析。
根据本申请的又一个方面，提供了一种无人便利店，包含上述安防监控***中的至少一种，所述安防监控***的待监控区域包括所述无人便利店的入口处、出口处、货架、服务台、外部中的至少一个区域。
可选地，所述安防监控***的动作识别单元用于识别尾随进入行为、携带宠物进入行为、异常拿取行为、店内吃/喝行为、静止行为、在所述无人便利店外部持续走动行为中的至少一种行为。
可选地，所述安防监控***应用于所述无人便利店以实现以下至少一项应用：
(A)防尾随：具备识别尾随的能力，提醒用户、停止开门和/或报警；
(B)宠物识别：识别到携带宠物进入或宠物误入，提醒或报警；
(C)内部异常动作监控；
(D)外部异常动作监控。
本申请能产生的有益效果包括：
本申请提供的安防监控***，极大地提高了无人零售场景下监控安防的效率，把实时监控变为特定行为动作侦测监控。实际场景中一个安防人员最多只能监视5个无人零售店且工作强度极大，使用本方案后同样一个安防人员能轻松监视40个无人零售店，效率有8倍提升。
附图说明
图1是本申请优选实施例1中的一安防监控***结构示意图；
图2是本申请优选实施例1中的又安防监控***结构示意图；
图3是本申请优选实施例1中的再安防监控***结构示意图；
图4是本申请优选实施例3中的安防监控***结构示意图。
具体实施方式
下面结合实施例详述本申请，但本申请并不局限于这些实施例。
如无特别说明，本申请的实施例中的元器件和设备均通过商业途径购买。
实施例1
作为本申请的一个具体的实施方案，本申请提供的安防监控***包括：视频获取单元2、动作识别单元4和显示单元6。
具体而言，视频获取单元2用于获取待监控区域的视频信息。
动作识别单元4与视频获取单元2电连接，动作识别单元4用于识别视频获取单元2获取的视频信息。
参见图1～3，显示单元6与视频获取单元2和/或动作识别单元4电连接。
参见图2，作为一个可选的实施方式，视频获取单元2分别与动作识别单元4和显示单元6电连接，动作识别单元4和显示单元6电连接。
显示单元6用于显示视频获取单元2获取的视频信息和/或动作识别单元4输出的信息。
作为一个可选的实施方式，动作识别单元4运行基于神经网络的深度学习处理***；
基于神经网络的深度学习处理***包括：根据预设的结构模式构建第一神经网络；
预设的结构模式包括：输入层、至少两个卷积层、至少两个池化层和输出层。
作为一个可选的实施方式，第一神经网络包括依次连接的输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层和输出层。本申请中至少使用两个卷积层对所获取的图像进行处理，提取所需特征。
作为一个可选的实施方式，视频获取单元2包括监控摄像头。监控摄像头获取待监控区域的动作视频数据；
采用动作视频数据训练第一神经网络，得到第二神经网络。
作为一个可选的实施方式，采用动作视频数据训练第一神经网络，得到第二神经网络包括：
获得监控摄像头在真实环境内收集到的第一动作视频数据集；
对第一动作视频数据集中的每个视频数据标注为指定行为，得到第一标注视频数据集；
将第一标注视频数据集输入第一神经网络，逐级前向传播或后向传播，得到第二神经网络。
作为一个可选的实施方式，安防监控***工作步骤包括：
视频获取单元2获取待监控区域的动作视频，将动作视频发送至动作识别单元4；
动作识别单元4采用第二神经网络识别视频获取单元2获得的动作视频中是否含有指定行为，当识别到指定行为时，将含有指定行为的动作视频和动作标记数据发送至显示单元6；
显示单元6显示含有指定行为的动作视频和动作标记数据。
作为一个可选的实施方式，动作识别单元4为本地计算机或远程服务器；将动作视频发送至动作识别单元4，包括：
视频获取单元2获取待监控区域的动作视频，将动作视频发送至位于远程服务器的动作识别单元4；和/或
视频获取单元2获取待监控区域的动作视频，将动作视频发送至位于本地计算机的动作识别单元4。
实施例2
作为本申请的一个具体的实施方案，本申请提供的无人便利店，包含实施例1中的安防监控***中的至少一种实施方式，安防监控***的待监控区域包括无人便利店的入口处、出口处、货架、服务台、外部中的至少一个区域。
作为一个可选的实施方式，安防监控***的动作识别单元4用于识别尾随进入行为、携带宠物进入行为、异常拿取行为、吃/喝行为、静止行为、在无人便利店外部持续走动行为中的至少一种行为。
作为一个可选的实施方式，安防监控***应用于无人便利店以实现以下至少一项应用：
(A)防尾随：具备识别尾随的能力，提醒用户、停止开门和/或报警；
(B)宠物识别：识别到携带宠物进入或宠物误入，提醒或报警；
(C)内部异常动作监控；
(D)外部异常动作监控。
实施例3
作为本申请的一个具体的实施方案，本申请提供的安防监控***包括：监控摄像头21、骨架姿态识别模块41、用户行为分析模块42和显示单元6。
参见图4，多个监控摄像头21，全方位覆盖待监控区域各个角落，实现无死角监控布置。各监控摄像头21分别与各骨架姿态识别模块41数据连接。骨架姿态识别模块41获取监控摄像头21拍摄的视频后，对视频中所有包含用户的图像进行骨架特征提取，得到多幅骨架特征图，按视频拍摄的时间顺序，将骨架特征图进行排列后，获取用户全身所有骨架关节点的运动轨迹作为用户骨架姿态信息。
骨架姿态识别模块41与用户行为分析模块42数据连接；骨架姿态识别模块41输出用户骨架姿态信息至用户行为分析模块42。同时用户行为分析模块42对各监控摄像头21所获取的视频图像进行处理：检测获取各视频中包含第i用户图像，将包含第i用户图像归集为第i身份图像集，由第i身份图像集生成第i用户行为序列图谱，并对第i用户行为序列图谱和骨架姿态信息进行行为分析，根据行为分析结果，报警监控模块43在显示单元6中显示第i用户行为序列图谱和骨架姿态及报警信息；
用户行为分析模块42分别与骨架姿态识别模块41、报警监控模块43数据连接，报警监控模块43与显示单元6数据连接。
行为分析包括：判断第i用户是否拿取商品，如果判断结果为是，则判断第i用户是否在服务台结算，如果判断结果为否则判断第i用户是否出门，如果判断结果为是，则显示第i用户的行为序列图谱和所述骨架姿态及报警信息，如果判断结果为否，则不显示；显示是由报警监控模块43将数据传输至显示单元6中显示。
或
所述行为分析包括：判断第i用户是否拿取商品，如果判断结果为是，则判断第i用户是否在服务台结算并出门，如果判断结果为是，则停止对第i用户的所述行为分析。
以上所述，仅是本申请的几个实施例，并非对本申请做任何形式的限制，虽然本申请以较佳实施例揭示如上，然而并非用以限制本申请，任何熟悉本专业的技术人员，在不脱离本申请技术方案的范围内，利用上述揭示的技术内容做出些许的变动或修饰均等同于等效实施案例，均属于技术方案范围内。

Claims (10)

1.一种安防监控***，其特征在于，所述安防监控***包括：
视频获取单元，用于获取待监控区域的视频信息；
动作识别单元，与所述视频获取单元电连接，所述动作识别单元用于识别所述视频获取单元获取的视频信息；
显示单元，与所述视频获取单元和/或所述动作识别单元电连接，所述显示单元用于显示所述视频获取单元获取的视频信息和/或所述动作识别单元输出的信息。
2.根据权利要求1所述的安防监控***，其特征在于，所述动作识别单元运行基于神经网络的深度学习处理***；
所述基于神经网络的深度学习处理***包括根据预设的结构模式构建第一神经网络；
所述预设的结构模式包括：输入层、至少两个卷积层、至少两个池化层和输出层。
3.根据权利要求2所述的安防监控***，其特征在于，所述第一神经网络包括依次连接的输入层、第一卷积层、第一池化层、第二卷积层、第二池化层、全连接层和输出层。
4.根据权利要求2所述的安防监控***，其特征在于，所述视频获取单元包括：多个监控摄像头，多个所述监控摄像头获取待监控区域的动作视频数据，并按对监控区域内无死角监控方式设置；
采用所述动作视频数据训练所述第一神经网络，得到第二神经网络。
5.根据权利要求4所述的安防监控***，其特征在于，所述采用所述动作视频数据训练所述第一神经网络，得到第二神经网络的步骤包括：
获得所述监控摄像头在所述待监控区域内收集到的第一动作视频数据集；
对所述第一动作视频数据集中的每个视频数据标注为指定行为，得到第一标注视频数据集；
将所述第一标注视频数据集输入所述第一神经网络，逐级前向传播或后向传播，得到第二神经网络。
6.根据权利要求5所述的安防监控***，其特征在于，所述安防监控***工作步骤包括：
所述视频获取单元获取待监控区域的动作视频，将所述动作视频发送至所述动作识别单元；
所述动作识别单元采用所述第二神经网络识别所述视频获取单元获得的所述动作视频中是否含有指定行为，如果识别到所述指定行为，则将含有所述指定行为的动作视频和动作标记数据发送至所述显示单元；
所述显示单元显示含有所述指定行为的动作视频以及动作标注数据。
7.根据权利要求1所述的安防监控***，其特征在于，所述动作识别单元包括骨架姿态识别模块，所述骨架姿态识别模块：用于对第e个角度设置的监控摄像头所获取的第i用户在第j时刻以及前j-n时间段的多帧图像序列分别进行骨架特征提取，得到多幅骨架特征图，按视频拍摄的时间顺序，将所述骨架特征图排列后，获取第i用户全身所有骨架关节点的运动轨迹作为第i用户骨架姿态信息；
所述骨架姿态识别模块与所述视频获取单元数据连接。
8.根据权利要求7所述的安防监控***，其特征在于，所述动作识别单元包括用户行为分析模块和报警监控模块，用户行为分析模块：用于检测获取各视频中包含第i用户的图像，将包含第i用户的图像归集为第i身份图像集，由第i身份图像集生成第i用户行为序列图谱，并对第i用户行为序列图谱和所述骨架姿态信息进行行为分析，根据所述行为分析结果，所述报警监控模块在所述显示单元中显示所述第i用户行为序列图谱和所述骨架姿态信息，及行为分析结果；
所述用户行为分析模块分别与所述骨架姿态识别模块、所述报警监控模块数据连接，所述报警监控模块与所述显示单元数据连接。
9.根据权利要求8所述的安防监控***，其特征在于，所述行为分析包括：判断第i用户是否拿取商品，如果判断结果为是，则判断第i用户是否在服务台结算，如果判断结果为否则判断第i用户是否出门，如果判断结果为是，则在显示第i用户的行为序列图谱和所述骨架姿态及报警信息，如果判断结果为否，则不显示；
或
所述行为分析包括：判断第i用户是否拿取商品，如果判断结果为是，则判断第i用户是否在服务台结算并出门，如果判断结果为是，则停止对第i用户的所述行为分析。
10.一种无人便利店，其特征在于，包含权利要求1至9任一项所述的安防监控***，所述安防监控***的待监控区域包括所述无人便利店的入口处、出口处、货架、服务台、外部中的至少一个区域。
CN201811113968.XA 2017-09-25 2018-09-25 安防监控***及应用其的无人便利店 Pending CN109558785A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710875634 2017-09-25
CN2017108756345 2017-09-25

Publications (1)

Publication Number Publication Date
CN109558785A true CN109558785A (zh) 2019-04-02

Family

ID=65864745

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811113968.XA Pending CN109558785A (zh) 2017-09-25 2018-09-25 安防监控***及应用其的无人便利店

Country Status (1)

Country Link
CN (1) CN109558785A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110379108A (zh) * 2019-08-19 2019-10-25 铂纳思(东莞)高新科技投资有限公司 一种无人店防盗监控的方法及其***
CN110705505A (zh) * 2019-10-14 2020-01-17 国网山东省电力公司泰安供电公司 一种电力营业厅服务规范智能识别装置、方法及***
CN111046848A (zh) * 2019-12-30 2020-04-21 广东省实验动物监测所 一种基于动物跑台的步态监测方法及***
CN111476202A (zh) * 2020-04-30 2020-07-31 杨九妹 金融机构安防***的用户行为分析方法、***及机器人
CN111553192A (zh) * 2020-03-30 2020-08-18 深圳壹账通智能科技有限公司 分级权限解锁方法、装置及存储介质
CN112837471A (zh) * 2019-11-22 2021-05-25 上海弘视通信技术有限公司 网约房安全监控方法和装置
CN113378709A (zh) * 2021-06-10 2021-09-10 嘉联支付有限公司 一种智能监控方法、装置及相关设备
CN113392675A (zh) * 2020-03-12 2021-09-14 平湖莱顿光学仪器制造有限公司 一种呈现显微视频信息的方法与设备
CN113591807A (zh) * 2021-09-28 2021-11-02 山东天河科技股份有限公司 一种精确的人员识别装置及使用方法
CN116471383A (zh) * 2023-06-20 2023-07-21 深圳市泽威信息科技有限公司 无人值守商店监控界面的显示方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011020641A1 (de) * 2009-08-18 2011-02-24 Robert Bosch Gmbh Vorrichtung zur erkennung einer objektschlange, verfahren sowie computerprogramm
CN104850846A (zh) * 2015-06-02 2015-08-19 深圳大学 一种基于深度神经网络的人体行为识别方法及识别***
CN105160310A (zh) * 2015-08-25 2015-12-16 西安电子科技大学 基于3d卷积神经网络的人体行为识别方法
CN105872477A (zh) * 2016-05-27 2016-08-17 北京旷视科技有限公司 视频监控方法和视频监控***
CN205726177U (zh) * 2016-07-01 2016-11-23 浪潮集团有限公司 一种基于卷积神经网络芯片的安防监控***
CN106203283A (zh) * 2016-06-30 2016-12-07 重庆理工大学 基于三维卷积深度神经网络和深度视频的动作识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011020641A1 (de) * 2009-08-18 2011-02-24 Robert Bosch Gmbh Vorrichtung zur erkennung einer objektschlange, verfahren sowie computerprogramm
CN104850846A (zh) * 2015-06-02 2015-08-19 深圳大学 一种基于深度神经网络的人体行为识别方法及识别***
CN105160310A (zh) * 2015-08-25 2015-12-16 西安电子科技大学 基于3d卷积神经网络的人体行为识别方法
CN105872477A (zh) * 2016-05-27 2016-08-17 北京旷视科技有限公司 视频监控方法和视频监控***
CN106203283A (zh) * 2016-06-30 2016-12-07 重庆理工大学 基于三维卷积深度神经网络和深度视频的动作识别方法
CN205726177U (zh) * 2016-07-01 2016-11-23 浪潮集团有限公司 一种基于卷积神经网络芯片的安防监控***

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110379108A (zh) * 2019-08-19 2019-10-25 铂纳思(东莞)高新科技投资有限公司 一种无人店防盗监控的方法及其***
CN110705505A (zh) * 2019-10-14 2020-01-17 国网山东省电力公司泰安供电公司 一种电力营业厅服务规范智能识别装置、方法及***
CN112837471A (zh) * 2019-11-22 2021-05-25 上海弘视通信技术有限公司 网约房安全监控方法和装置
CN111046848A (zh) * 2019-12-30 2020-04-21 广东省实验动物监测所 一种基于动物跑台的步态监测方法及***
CN113392675A (zh) * 2020-03-12 2021-09-14 平湖莱顿光学仪器制造有限公司 一种呈现显微视频信息的方法与设备
CN111553192A (zh) * 2020-03-30 2020-08-18 深圳壹账通智能科技有限公司 分级权限解锁方法、装置及存储介质
CN111476202A (zh) * 2020-04-30 2020-07-31 杨九妹 金融机构安防***的用户行为分析方法、***及机器人
CN113378709A (zh) * 2021-06-10 2021-09-10 嘉联支付有限公司 一种智能监控方法、装置及相关设备
CN113591807A (zh) * 2021-09-28 2021-11-02 山东天河科技股份有限公司 一种精确的人员识别装置及使用方法
CN113591807B (zh) * 2021-09-28 2021-12-17 山东天河科技股份有限公司 一种精确的人员识别装置及使用方法
CN116471383A (zh) * 2023-06-20 2023-07-21 深圳市泽威信息科技有限公司 无人值守商店监控界面的显示方法及装置
CN116471383B (zh) * 2023-06-20 2023-11-03 深圳市泽威信息科技有限公司 无人值守商店监控界面的显示方法及装置

Similar Documents

Publication Publication Date Title
CN109558785A (zh) 安防监控***及应用其的无人便利店
AU2018102235A4 (en) Goods sensing system and method for goods sensing based on image monitoring
JP6707724B1 (ja) 自律店舗追跡システム
CN102521578B (zh) 一种入侵检测和识别方法
US9665777B2 (en) System and method for object and event identification using multiple cameras
CN105913559B (zh) 一种基于体感技术的银行atm机智能监控方法
EP3671529A1 (en) Purchase settlement method, device, and system
US20200143172A1 (en) Constructing shopper carts using video surveillance
US20030058341A1 (en) Video based detection of fall-down and other events
WO2008039401A2 (en) Video analytics for banking business process monitoring
CA3014365C (en) System and method for gathering data related to quality of service in a customer service environment
US11935297B2 (en) Item monitoring for doorbell cameras
Ezzahout et al. Conception and development of a video surveillance system for detecting, tracking and profile analysis of a person
D'Orazio et al. A survey of automatic event detection in multi-camera third generation surveillance systems
CN110689389A (zh) 基于计算机视觉的购物清单自动维护方法及装置、存储介质、终端
CN109831634A (zh) 目标对象的密度信息确定方法及装置
Pramerdorfer et al. Fall detection based on depth-data in practice
CN116419059A (zh) 基于行为标签的自动监控方法、装置、设备及介质
CN114266804A (zh) 跨感测器的物体属性分析方法与***
Park et al. A track-based human movement analysis and privacy protection system adaptive to environmental contexts
Khan et al. Video analytic for fall detection from shape features and motion gradients
Shivthare et al. Suspicious activity detection network for video surveillance using machine learning
US20220335725A1 (en) Monitoring presence or absence of an object using local region matching
Arivazhagan Versatile loitering detection based on non-verbal cues using dense trajectory descriptors
CN111461104B (zh) 视觉识别方法、装置、设备及存储介质

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190402

RJ01 Rejection of invention patent application after publication