CN110334669B - 一种形态特征识别的方法和设备 - Google Patents
一种形态特征识别的方法和设备 Download PDFInfo
- Publication number
- CN110334669B CN110334669B CN201910620253.1A CN201910620253A CN110334669B CN 110334669 B CN110334669 B CN 110334669B CN 201910620253 A CN201910620253 A CN 201910620253A CN 110334669 B CN110334669 B CN 110334669B
- Authority
- CN
- China
- Prior art keywords
- data
- monitored
- emotion
- morphological
- preset
- 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.)
- Active
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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
- Image Processing (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明实施例提出了一种形态特征识别的方法和设备,其中,该方法包括:获取待监测对象的预设形态特征以及所在环境的环境数据;基于所述形态特征确定所述待监测对象的情绪所对应的情绪数据;基于所述情绪数据与所在环境数据预估所述待监测对象的下一步行为的危险程度的危险数据;当所述危险数据符合预设条件时,执行预设的与所述危险数据对应的预防流程。通过对待监控对象进行形态特征识别以及环境数据进行数据采集以及基于形态特征进行情绪数据识别的方式,预估待监控对象下一步行为危险程度的方式来对待监控对象进行自动化识别,提升了处理的效率,降低了人工成本,且能实现全天24小时不间断的监控,避免了监控的盲区。
Description
技术领域
本发明涉及形态特征识别领域,特别涉及一种形态特征识别的方法和设备。
背景技术
目前,随着社会的不断发展,人口的流动性越来越大,由此造成很多治安问题,而现在的应对方式是采用摄像头进行监控,设置有保卫人员在监控室集中查看各个摄像头所上报的视频数据,再以人眼的方式仔细查看的方式来进行监控与预警,但是这种方式需要消耗大量的人力,效率低下,而人的精力有限,无法实现全天24小时监控,且对监控人员的要求比较高,无法应对目前越来越大的监控需要。
由此,目前需要一种效率更高的可以实现全程监控的方案。
发明内容
针对现有技术中的缺陷,本发明提出了一种形态特征识别的方法和设备。通过对待监控对象进行形态特征识别以及环境数据进行数据采集以及基于形态特征进行情绪数据识别的方式,预估待监控对象下一步行为危险程度的方式来对待监控对象进行自动化识别,提升了处理的效率,降低了人工成本,且能实现全天24小时不间断的监控,避免了监控的盲区。
具体的,本发明提出了以下具体的实施例:
本发明实施例还提出了一种形态特征识别的方法,包括:
获取待监测对象的预设形态特征以及所在环境的环境数据;
基于所述形态特征确定所述待监测对象的情绪所对应的情绪数据;
基于所述情绪数据与所在环境数据预估所述待监测对象的下一步行为的危险程度的危险数据;
当所述危险数据符合预设条件时,执行预设的与所述危险数据对应的预防流程。
在一个具体的实施例中,所述形态特征包括:面部表情特征和/或身体姿态特征。
在一个具体的实施例中,所述“基于所述形态特征确定所述待监测对象的情绪所对应的情绪数据”,包括:
将所述形态特征的数据导入预设的形态特征模型,以获取所述待监测对象的情绪所对应的情绪数据;其中,所述形态特征模型是通过深度学习数量超过一定数量的形态特征标本数据得到;所述形态特征标本数据为标注有情绪数据的形态特征的数据。
在一个具体的实施例中,所述“获取待监测对象的预设形态特征以及所在环境的环境数据”,包括:
当获取到包含有待监测对象的图像标识的触发信息时,基于所述触发信息启动预设摄像头进行拍摄,以获取图像数据;
当从所述图像数据中获取到与所述图像标识对应的对象时,将所述对象设置为待监控对象,并控制所述摄像头跟踪所述待监测对象进行拍摄,以获取预设时间段内所述待监测对象的预设形态特征以及所在环境的环境数据。
在一个具体的实施例中,
所述情绪数据包括:正常情绪数据、异常情况数据;
所述环境数据包括:单人环境数据、多人环境数据;
所述“基于所述情绪数据与所在环境数据预估所述待监测对象的下一步行为的危险程度的危险数据”,包括:
基于所述情绪数据与所在环境数据输入预设的行为模型,以预估所述待监测对象的下一步行为;其中,所述行为模型是基于深度学习数量超过一定数量的行为标本数据得到;所述行为标本数据为标注有情绪数据与环境数据的行为的数据;
基于所述情绪数据的权重系数与所在环境数据的权重系数进行加权评估,得到评估值;其中,所述正常情绪数据的权重系数低于所述异常情况数据的权重系数;所述单人环境数据的权重系数低于所述多人环境数据的权重系数;
将所述评估值设置为所述待监测对象的下一步行为的危险程度的危险数据。
本发明实施例还提出了一种形态特征识别的设备,包括:
获取模块,用于获取待监测对象的预设形态特征以及所在环境的环境数据;
确定模块,用于基于所述形态特征确定所述待监测对象的情绪所对应的情绪数据;
预估模块,用于基于所述情绪数据与所在环境数据预估所述待监测对象的下一步行为的危险程度的危险数据;
预防模块,用于当所述危险数据符合预设条件时,执行预设的与所述危险数据对应的预防流程。
在一个具体的实施例中,所述形态特征包括:面部表情特征和/或身体姿态特征。
在一个具体的实施例中,所述确定模块,用于
将所述形态特征的数据导入预设的形态特征模型,以获取所述待监测对象的情绪所对应的情绪数据;其中,所述形态特征模型是通过深度学习数量超过一定数量的形态特征标本数据得到;所述形态特征标本数据为标注有情绪数据的形态特征的数据。
在一个具体的实施例中,所述获取模块,用于:
当获取到包含有待监测对象的图像标识的触发信息时,基于所述触发信息启动预设摄像头进行拍摄,以获取图像数据;
当从所述图像数据中获取到与所述图像标识对应的对象时,将所述对象设置为待监控对象,并控制所述摄像头跟踪所述待监测对象进行拍摄,以获取预设时间段内所述待监测对象的预设形态特征以及所在环境的环境数据。
在一个具体的实施例中,
所述情绪数据包括:正常情绪数据、异常情况数据;
所述环境数据包括:单人环境数据、多人环境数据;
所述预估模块,用于:
基于所述情绪数据的权重系数与所在环境数据的权重系数进行加权评估,得到评估值;其中,所述正常情绪数据的权重系数低于所述异常情况数据的权重系数;所述单人环境数据的权重系数低于所述多人环境数据的权重系数;
将所述评估值设置为所述待监测对象的下一步行为的危险程度的危险数据。
以此,本发明实施例还提出了一种形态特征识别的方法和设备,其中,该方法包括:获取待监测对象的预设形态特征以及所在环境的环境数据;基于所述形态特征确定所述待监测对象的情绪所对应的情绪数据;基于所述情绪数据与所在环境数据预估所述待监测对象的下一步行为的危险程度的危险数据;当所述危险数据符合预设条件时,执行预设的与所述危险数据对应的预防流程。通过对待监控对象进行形态特征识别以及环境数据进行数据采集以及基于形态特征进行情绪数据识别的方式,预估待监控对象下一步行为危险程度的方式来对待监控对象进行自动化识别,提升了处理的效率,降低了人工成本,且能实现全天24小时不间断的监控,避免了监控的盲区。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本发明实施例提出的一种形态特征识别的方法的流程示意图;
图2为本发明实施例提出的一种形态特征识别的方法所涉及到的硬件的示意图;
图3为本发明实施例提出的一种形态特征识别的设备的结构示意图。
具体实施方式
在下文中,将更全面地描述本公开的各种实施例。本公开可具有各种实施例,并且可在其中做出调整和改变。然而,应理解:不存在将本公开的各种实施例限于在此公开的特定实施例的意图,而是应将本公开理解为涵盖落入本公开的各种实施例的精神和范围内的所有调整、等同物和/或可选方案。
在本公开的各种实施例中使用的术语仅用于描述特定实施例的目的并且并非意在限制本公开的各种实施例。如在此所使用,单数形式意在也包括复数形式,除非上下文清楚地另有指示。除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本公开的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本公开的各种实施例中被清楚地限定。
实施例1
本发明实施例1公开了一种形态特征识别的方法,如图1所示,包括以下步骤:
步骤101、获取待监测对象的预设形态特征以及所在环境的环境数据;
具体的,所述形态特征包括:面部表情特征和/或身体姿态特征。具体的,面板表情特征可以包括例如开心表情,悲伤表情,愤怒表情等各种不同的表情;此外,所述情绪数据还可以以是否正常进行区别,以此为标志,可以包括:正常情绪数据(例如可以包括开心,安静的表情)、异常情况数据(例如愤怒,伤心表情等);
而所述环境数据可以基于人数来进行区分,可以包括:单人环境数据、多人环境数据;
以此,步骤101中的所述“获取待监测对象的预设形态特征以及所在环境的环境数据”,包括:
当获取到包含有待监测对象的图像标识的触发信息时,基于所述触发信息启动预设摄像头进行拍摄,以获取图像数据;
当从所述图像数据中获取到与所述图像标识对应的对象时,将所述对象设置为待监控对象,并控制所述摄像头跟踪所述待监测对象进行拍摄,以获取预设时间段内所述待监测对象的预设形态特征以及所在环境的环境数据。
具体的,例如当场景为火车站的候车室,可以设置每个人都为待监控对象,也可以根据例如通缉令上的图像来确定待监控对象,具体的,对待监控对象的形态特征与所在环境的监控均是图像识别,具体的可以基于摄像头来进行识别。
具体的,形态特征识别的方法所涉及的硬件可以如图2所示,由摄像头,服务器以及终端组成,摄像头将所拍摄到的图像或视频发送到服务器,在服务器端执行本方案,在得到结果之后将该结果发送到终端,具体的终端例如可以为警务人员的智能手机,或者是警报器等。
在获取到预设形态特征以及所在环境的环境数据之后,则执行下一步。
步骤102、基于所述形态特征确定所述待监测对象的情绪所对应的情绪数据;
具体的,步骤102中的所述“基于所述形态特征确定所述待监测对象的情绪所对应的情绪数据”,包括:
将所述形态特征的数据导入预设的形态特征模型,以获取所述待监测对象的情绪所对应的情绪数据;其中,所述形态特征模型是通过深度学习数量超过一定数量的形态特征标本数据得到;所述形态特征标本数据为标注有情绪数据的形态特征的数据。
具体的,形态特征与情绪是存在对应关系的,该对应关系是通过形态特征模型来进行确定,具体的是通过预设的形态特征模型来进行识别的,而形态特征模型则是基于神经网络以深度学习的方式学习一定数量的形态特征标本数据来生成。
具体的,例如发现某个人的动作幅度很大,且面部表情很扭曲(以一般人眼查看会认为是很愤怒),则可以确定这个人处于愤怒或者暴躁等状态。
步骤103、基于所述情绪数据与所在环境数据预估所述待监测对象的下一步行为的危险程度的危险数据;
在一个具体的实施例中,步骤103中的所述“基于所述情绪数据与所在环境数据预估所述待监测对象的下一步行为的危险程度的危险数据”,包括:
基于所述情绪数据与所在环境数据输入预设的行为模型,以预估所述待监测对象的下一步行为;其中,所述行为模型是基于深度学习数量超过一定数量的行为标本数据得到;所述行为标本数据为标注有情绪数据与环境数据的行为的数据;
基于所述情绪数据的权重系数与所在环境数据的权重系数进行加权评估,得到评估值;其中,所述正常情绪数据的权重系数低于所述异常情况数据的权重系数;所述单人环境数据的权重系数低于所述多人环境数据的权重系数;
将所述评估值设置为所述待监测对象的下一步行为的危险程度的危险数据。
具体的,例如当监测到某人在单人环境中,例如某个店面,但是其表情是很近体小心,且鬼鬼祟祟到处查看,则这个人很可能想要偷窃。
在另一个具体的实施例中,例如当某人在车站候车室,其动作幅度很大,且趋势是接近某人,且可以看出肌肉紧绷,面部很狰狞,则说明该人很可能要伤害所接近的人,且危险程度很高。
步骤104、当所述危险数据符合预设条件时,执行预设的与所述危险数据对应的预防流程。
具体的,例如当确定下一步行为很危险,且危险程度很高,则可以执行报警流程,例如可以启动警报装置。
实施例2
本发明实施例2还公开了一种形态特征识别的设备,如图3所示,包括:
获取模块201,用于获取待监测对象的预设形态特征以及所在环境的环境数据;
确定模块202,用于基于所述形态特征确定所述待监测对象的情绪所对应的情绪数据;
预估模块203,用于基于所述情绪数据与所在环境数据预估所述待监测对象的下一步行为的危险程度的危险数据;
预防模块204,用于当所述危险数据符合预设条件时,执行预设的与所述危险数据对应的预防流程。
在一个具体的实施例中,所述形态特征包括:面部表情特征和/或身体姿态特征。
在一个具体的实施例中,所述确定模块202,用于
将所述形态特征的数据导入预设的形态特征模型,以获取所述待监测对象的情绪所对应的情绪数据;其中,所述形态特征模型是通过深度学习数量超过一定数量的形态特征标本数据得到;所述形态特征标本数据为标注有情绪数据的形态特征的数据。
在一个具体的实施例中,所述获取模块201,用于:
当获取到包含有待监测对象的图像标识的触发信息时,基于所述触发信息启动预设摄像头进行拍摄,以获取图像数据;
当从所述图像数据中获取到与所述图像标识对应的对象时,将所述对象设置为待监控对象,并控制所述摄像头跟踪所述待监测对象进行拍摄,以获取预设时间段内所述待监测对象的预设形态特征以及所在环境的环境数据。
在一个具体的实施例中,
所述情绪数据包括:正常情绪数据、异常情况数据;
所述环境数据包括:单人环境数据、多人环境数据;
所述预估模块203,用于:
基于所述情绪数据的权重系数与所在环境数据的权重系数进行加权评估,得到评估值;其中,所述正常情绪数据的权重系数低于所述异常情况数据的权重系数;所述单人环境数据的权重系数低于所述多人环境数据的权重系数;
将所述评估值设置为所述待监测对象的下一步行为的危险程度的危险数据。
以此,本发明实施例还提出了一种形态特征识别的方法和设备,其中,该方法包括:获取待监测对象的预设形态特征以及所在环境的环境数据;基于所述形态特征确定所述待监测对象的情绪所对应的情绪数据;基于所述情绪数据与所在环境数据预估所述待监测对象的下一步行为的危险程度的危险数据;当所述危险数据符合预设条件时,执行预设的与所述危险数据对应的预防流程。通过对待监控对象进行形态特征识别以及环境数据进行数据采集以及基于形态特征进行情绪数据识别的方式,预估待监控对象下一步行为危险程度的方式来对待监控对象进行自动化识别,提升了处理的效率,降低了人工成本,且能实现全天24小时不间断的监控,避免了监控的盲区。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本发明序号仅仅为了描述,不代表实施场景的优劣。
以上公开的仅为本发明的几个具体实施场景,但是,本发明并非局限于此,任何本领域的技术人员能思之的变化都应落入本发明的保护范围。
Claims (8)
1.一种形态特征识别的方法,其特征在于,包括:
获取待监测对象的预设形态特征以及所在环境的环境数据;
基于所述形态特征确定所述待监测对象的情绪所对应的情绪数据;
基于所述情绪数据与所在环境数据预估所述待监测对象的下一步行为的危险程度的危险数据;
当所述危险数据符合预设条件时,执行预设的与所述危险数据对应的预防流程;
其中,所述情绪数据包括:正常情绪数据、异常情况数据;所述环境数据包括:单人环境数据、多人环境数据;
所述“基于所述情绪数据与所在环境数据预估所述待监测对象的下一步行为的危险程度的危险数据”,包括:基于所述情绪数据与所在环境数据输入预设的行为模型,以预估所述待监测对象的下一步行为;其中,所述行为模型是基于深度学习数量超过一定数量的行为标本数据得到;所述行为标本数据为标注有情绪数据与环境数据的行为的数据;基于所述情绪数据的权重系数与所在环境数据的权重系数进行加权评估,得到评估值;其中,所述正常情绪数据的权重系数低于所述异常情况数据的权重系数;所述单人环境数据的权重系数低于所述多人环境数据的权重系数;将所述评估值设置为所述待监测对象的下一步行为的危险程度的危险数据。
2.如权利要求1所述的一种形态特征识别的方法,其特征在于,所述形态特征包括:面部表情特征和/或身体姿态特征。
3.如权利要求1或2所述的一种形态特征识别的方法,其特征在于,所述“基于所述形态特征确定所述待监测对象的情绪所对应的情绪数据”,包括:
将所述形态特征的数据导入预设的形态特征模型,以获取所述待监测对象的情绪所对应的情绪数据;其中,所述形态特征模型是通过深度学习数量超过一定数量的形态特征标本数据得到;所述形态特征标本数据为标注有情绪数据的形态特征的数据。
4.如权利要求1所述的一种形态特征识别的方法,其特征在于,所述“获取待监测对象的预设形态特征以及所在环境的环境数据”,包括:
当获取到包含有待监测对象的图像标识的触发信息时,基于所述触发信息启动预设摄像头进行拍摄,以获取图像数据;
当从所述图像数据中获取到与所述图像标识对应的对象时,将所述对象设置为待监控对象,并控制所述摄像头跟踪所述待监测对象进行拍摄,以获取预设时间段内所述待监测对象的预设形态特征以及所在环境的环境数据。
5.一种形态特征识别的设备,其特征在于,包括:
获取模块,用于获取待监测对象的预设形态特征以及所在环境的环境数据;
确定模块,用于基于所述形态特征确定所述待监测对象的情绪所对应的情绪数据;
预估模块,用于基于所述情绪数据与所在环境数据预估所述待监测对象的下一步行为的危险程度的危险数据;
预防模块,用于当所述危险数据符合预设条件时,执行预设的与所述危险数据对应的预防流程;
所述情绪数据包括:正常情绪数据、异常情况数据;所述环境数据包括:单人环境数据、多人环境数据;
所述预估模块,用于:基于所述情绪数据的权重系数与所在环境数据的权重系数进行加权评估,得到评估值;其中,所述正常情绪数据的权重系数低于所述异常情况数据的权重系数;所述单人环境数据的权重系数低于所述多人环境数据的权重系数;将所述评估值设置为所述待监测对象的下一步行为的危险程度的危险数据。
6.如权利要求5所述的一种形态特征识别的设备,其特征在于,所述形态特征包括:面部表情特征和/或身体姿态特征。
7.如权利要求5或6所述的一种形态特征识别的设备,其特征在于,所述确定模块,用于
将所述形态特征的数据导入预设的形态特征模型,以获取所述待监测对象的情绪所对应的情绪数据;其中,所述形态特征模型是通过深度学习数量超过一定数量的形态特征标本数据得到;所述形态特征标本数据为标注有情绪数据的形态特征的数据。
8.如权利要求5所述的一种形态特征识别的设备,其特征在于,所述获取模块,用于:
当获取到包含有待监测对象的图像标识的触发信息时,基于所述触发信息启动预设摄像头进行拍摄,以获取图像数据;
当从所述图像数据中获取到与所述图像标识对应的对象时,将所述对象设置为待监控对象,并控制所述摄像头跟踪所述待监测对象进行拍摄,以获取预设时间段内所述待监测对象的预设形态特征以及所在环境的环境数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910620253.1A CN110334669B (zh) | 2019-07-10 | 2019-07-10 | 一种形态特征识别的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910620253.1A CN110334669B (zh) | 2019-07-10 | 2019-07-10 | 一种形态特征识别的方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110334669A CN110334669A (zh) | 2019-10-15 |
CN110334669B true CN110334669B (zh) | 2021-06-08 |
Family
ID=68146151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910620253.1A Active CN110334669B (zh) | 2019-07-10 | 2019-07-10 | 一种形态特征识别的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110334669B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311466B (zh) * | 2020-01-23 | 2024-03-19 | 深圳市大拿科技有限公司 | 安全控制方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331953A (zh) * | 2014-10-29 | 2015-02-04 | 云南大学 | 一种基于物联网技术的汽车行为数据识别与管理方法 |
CN105232064A (zh) * | 2015-10-30 | 2016-01-13 | 科大讯飞股份有限公司 | 一种预测音乐对驾驶员行为影响的***和方法 |
CN105292125A (zh) * | 2015-10-30 | 2016-02-03 | 北京九五智驾信息技术股份有限公司 | 驾驶员状态监测方法 |
CN105347127A (zh) * | 2014-08-19 | 2016-02-24 | 三菱电机上海机电电梯有限公司 | 电梯轿厢内异常情况的监控***及监控方法 |
CN106803423A (zh) * | 2016-12-27 | 2017-06-06 | 智车优行科技(北京)有限公司 | 基于用户情绪状态的人机交互语音控制方法、装置及车辆 |
CN107168538A (zh) * | 2017-06-12 | 2017-09-15 | 华侨大学 | 一种基于肢体动作进行情感运算的3d校园导览方法及*** |
CN107533712A (zh) * | 2015-05-11 | 2018-01-02 | 索尼公司 | 信息处理装置、信息处理方法和程序 |
CN108710821A (zh) * | 2018-03-30 | 2018-10-26 | 斑马网络技术有限公司 | 车辆用户状态识别***及其识别方法 |
CN109189953A (zh) * | 2018-08-27 | 2019-01-11 | 维沃移动通信有限公司 | 一种多媒体文件的选择方法及装置 |
CN109492595A (zh) * | 2018-11-19 | 2019-03-19 | 浙江传媒学院 | 适用于固定群体的行为预测方法和*** |
CN109767261A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101901417B1 (ko) * | 2011-08-29 | 2018-09-27 | 한국전자통신연구원 | 감성기반 안전운전 자동차 서비스 시스템, 안전운전 서비스를 위한 감성인지 처리 장치 및 안전운전 서비스 장치, 감성기반 차량용 안전운전 서비스 방법 |
CN104382593A (zh) * | 2014-12-17 | 2015-03-04 | 上海斐讯数据通信技术有限公司 | 对环境危险度进行监测的装置和方法 |
WO2016120955A1 (ja) * | 2015-01-26 | 2016-08-04 | 株式会社Ubic | 行動予測装置、行動予測装置の制御方法、および行動予測装置の制御プログラム |
-
2019
- 2019-07-10 CN CN201910620253.1A patent/CN110334669B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105347127A (zh) * | 2014-08-19 | 2016-02-24 | 三菱电机上海机电电梯有限公司 | 电梯轿厢内异常情况的监控***及监控方法 |
CN104331953A (zh) * | 2014-10-29 | 2015-02-04 | 云南大学 | 一种基于物联网技术的汽车行为数据识别与管理方法 |
CN107533712A (zh) * | 2015-05-11 | 2018-01-02 | 索尼公司 | 信息处理装置、信息处理方法和程序 |
CN105232064A (zh) * | 2015-10-30 | 2016-01-13 | 科大讯飞股份有限公司 | 一种预测音乐对驾驶员行为影响的***和方法 |
CN105292125A (zh) * | 2015-10-30 | 2016-02-03 | 北京九五智驾信息技术股份有限公司 | 驾驶员状态监测方法 |
CN106803423A (zh) * | 2016-12-27 | 2017-06-06 | 智车优行科技(北京)有限公司 | 基于用户情绪状态的人机交互语音控制方法、装置及车辆 |
CN107168538A (zh) * | 2017-06-12 | 2017-09-15 | 华侨大学 | 一种基于肢体动作进行情感运算的3d校园导览方法及*** |
CN108710821A (zh) * | 2018-03-30 | 2018-10-26 | 斑马网络技术有限公司 | 车辆用户状态识别***及其识别方法 |
CN109189953A (zh) * | 2018-08-27 | 2019-01-11 | 维沃移动通信有限公司 | 一种多媒体文件的选择方法及装置 |
CN109492595A (zh) * | 2018-11-19 | 2019-03-19 | 浙江传媒学院 | 适用于固定群体的行为预测方法和*** |
CN109767261A (zh) * | 2018-12-18 | 2019-05-17 | 深圳壹账通智能科技有限公司 | 产品推荐方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110334669A (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112364696B (zh) | 一种利用家庭监控视频提高家庭安全的方法及*** | |
CN109598885A (zh) | 监控***及其报警方法 | |
AU2009210794A1 (en) | Video sensor and alarm system and method with object and event classification | |
CN109993946A (zh) | 一种监控告警方法、摄像头、终端、服务器及*** | |
CN106503666A (zh) | 一种安全监控方法、装置及电子设备 | |
CN106372572A (zh) | 监控方法和装置 | |
CN107330414A (zh) | 暴力行为监控方法 | |
Toreyin et al. | Wildfire detection using LMS based active learning | |
WO2020116482A1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
JP2010191620A (ja) | 不審人物検出方法、及び不審人物検出システム | |
CN111985428A (zh) | 一种安全检测方法、装置、电子设备及存储介质 | |
Anderez et al. | The rise of technology in crime prevention: Opportunities, challenges and practitioners perspectives | |
KR102182660B1 (ko) | 시공간 특징을 이용한 폭력 감지 시스템, 방법 및 상기 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터 판독 가능한 기록매체 | |
CN110334669B (zh) | 一种形态特征识别的方法和设备 | |
CN113408464A (zh) | 一种行为检测方法、装置、电子设备及存储介质 | |
CN114821422A (zh) | 一种用于预判校园霸凌的智慧校园监测***及方法 | |
CN213042656U (zh) | 信息处理装置 | |
CN113393628A (zh) | 一种智能监控报警方法、***、智能终端以及存储介质 | |
CN112989993A (zh) | 记录方法、记录***以及计算机可读存储介质 | |
CN111908288A (zh) | 一种基于TensorFlow的电梯安全***及方法 | |
CN109460714B (zh) | 识别对象的方法、***和装置 | |
KR20130122409A (ko) | 영상 데이터를 이용하여 독거 노인에 대한 비정상 상황 발생을 감지하는 장치 및 방법 | |
CN109815828A (zh) | 实现主动报警或求助行为检测控制的***及方法 | |
US11019087B1 (en) | Computer vision-based intelligent anomaly detection using synthetic and simulated data-system and method | |
CN108694388B (zh) | 基于智能摄像头的校园监控方法及设备 |
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 |