CN110650316A - 智能巡逻及预警处理方法、装置、电子设备及存储介质 - Google Patents
智能巡逻及预警处理方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110650316A CN110650316A CN201910929865.9A CN201910929865A CN110650316A CN 110650316 A CN110650316 A CN 110650316A CN 201910929865 A CN201910929865 A CN 201910929865A CN 110650316 A CN110650316 A CN 110650316A
- Authority
- CN
- China
- Prior art keywords
- patrol
- image
- video monitoring
- monitoring
- monitoring area
- 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
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本申请提供了一种智能巡逻及预警处理方法、装置、电子设备及存储介质,该方法包括:在巡逻时间到达时,获取多条巡逻路线的视频监控图像以执行预设巡逻计划;根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况;若存在异常情况,则输出预警提示,并获取发生异常情况的监控区域的位置信息与各第一目标对象的位置信息之间的距离;向所述距离小于指定阈值的第一目标对象派发异常处理任务。本申请实施例在减小人力成本开销的同时,有利于提高巡逻和异常情况处理的效率。
Description
技术领域
本申请涉及智能巡逻技术领域,尤其涉及一种智能巡逻及预警处理方法、装置、电子设备及存储介质。
背景技术
随着物联网技术在园区建设中的应用,我国智慧园区建设的进程也被大大加快,智慧园区建设是实现园区管理智慧化、现代化的重要途径,通过建设智慧园区,可以优化配置和整合利用各类资源,改善整个园区经济、产业和生态结构。安全防御***一直是智慧园区中不可或缺的组成部分,目前,大部分园区的安全防御是由物业负责,而物业采用的是人工巡逻的方式,在园区内设置固定的巡更点,巡逻人员按照内部编排的巡逻计划定时、定路线去实地巡逻,使用巡逻棒感应作为巡逻凭证。人工巡逻的方式使得园区内每条路线均需安排一定人数的巡逻人员,在带来巨大的人力成本开销的同时,巡逻效率也相对较低。
发明内容
针对上述技术问题,本申请提供了一种智能巡逻及预警处理方法、装置、电子设备及存储介质,在减少人力成本开销的同时,有利于提高巡逻和异常情况处理的效率。
为实现上述目的,本申请实施例第一方面提供了一种智能巡逻及预警处理方法,包括:
在巡逻时间到达时,获取多条巡逻路线的视频监控图像以执行预设巡逻计划;
根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况;
若存在异常情况,则进行异常情况报警操作,并获取发生异常情况的监控区域的位置信息与各第一目标对象的位置信息之间的距离;
向所述距离小于指定阈值的第一目标对象派发异常处理任务。
结合第一方面,在一种可能的实施方式中,所述多条巡逻路线中的每条巡逻路线均设置有多个监控设备,所述多个监控设备中每个监控设备负责对指定监控区域进行监控;所述获取多条巡逻路线的视频监控图像以执行预设巡逻计划,包括:
读取所述预设巡逻计划,所述预设巡逻计划包括所述多条巡逻路线的巡逻顺序;
按照所述多条巡逻路线的巡逻顺序获取所述多条巡逻路线中每条巡逻路线的每个监控区域的视频监控图像以执行预设巡逻计划。
结合第一方面,在一种可能的实施方式中,所述根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况,包括:
采用尺度不变特征转换算法对所述每个监控区域的视频监控图像及预先存储的比对图像进行关键点检测,并获取对应的向量表达,所述比对图像为所述每个监控区域未出现异常情况的图像;
针对所述每个监控区域的视频监控图像的每个关键点,从所述比对图像中选取向量表达相似度最高的两个关键点形成候选关键点匹配对;
对所述候选关键点匹配对进行筛选,得到预设数量个目标关键点匹配对,基于该预设数量个目标关键点匹配对对所述每个监控区域的视频监控图像及所述比对图像进行仿射变换;
对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行边缘检测和颜色检测,得到边缘检测结果和颜色检测结果,若所述每个监控区域的视频监控图像中任一视频监控图像出现边缘检测异常或颜色检测异常,则认为存在异常情况,否则不认为存在异常情况。
结合第一方面,在一种可能的实施方式中,所述对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行边缘检测,得到边缘检测结果,包括:
将所述每个监控区域的视频监控图像及所述比对图像分别划分为M*M像素的图像块;
针对所述M*M像素的图像块中的每一图像块,进行N个方向的边缘检测,并计算每个图像块的边缘分布直方图,得到一个N维直方图向量;
计算所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的直方图向量距离;
若所述每个监控区域的视频监控图像中的任一视频监控图像存在该距离大于第一阈值的图像块,则认为该视频监控图像边缘检测异常;
所述对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行颜色检测,得到颜色检测结果,包括:
针对所述M*M像素的图像块中的每一图像块,计算该每一图像块在RGB颜色空间下的颜色均值;
计算所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的颜色距离;
若所述每个监控区域的视频监控图像中的任一视频监控图像存在该颜色距离大于第二阈值的图像块,则认为该视频监控图像颜色检测异常。
结合第一方面,在一种可能的实施方式中,所述方法还包括:
执行巡逻计划的过程中,在当前巡逻路线的多个监控设备对应的视频监控图像显示界面随机弹出巡逻签到窗口,使得第二目标对象进行线上签到,生成巡逻记录。
结合第一方面,在一种可能的实施方式中,所述进行异常情况报警操作,包括:
截取存在异常情况的监控区域的视频监控图像的当前图像帧、预设时长的视频监控图像;
将所述当前图像帧、所述预设时长的视频监控图像、当前的时间信息及存在异常情况的监控区域的位置信息上报到预设告警中心以进行报警。
结合第一方面,在一种可能的实施方式中,所述方法还包括:
接收所述第一目标对象的终端在预设时间间隔到达时上报的位置信息。
本申请实施例第二方面提供了一种智能巡逻及预警处理装置,包括:
获取模块,用于在巡逻时间到达时,获取多条巡逻路线的视频监控图像以执行预设巡逻计划;
判断模块,用于根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况;
处理模块,用于若存在异常情况,则进行异常情况报警操作,并获取发生异常情况的监控区域的位置信息与各第一目标对象的位置信息之间的距离;
所述处理模块,还用于向所述距离小于指定阈值的第一目标对象派发异常处理任务。
本申请实施例第三方面提供了一种电子设备,所述电子设备包括:处理器、存储器及存储在所述存储器上并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的智能巡逻及预警处理方法中的步骤。
本申请实施例第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述的智能巡逻及预警处理方法中的步骤。
本申请的上述方案至少包括以下有益效果:通过在巡逻时间到达时,获取多条巡逻路线的视频监控图像以执行预设巡逻计划;根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况;若存在异常情况,则进行异常情况报警操作,并获取发生异常情况的监控区域的位置信息与各第一目标对象的位置信息之间的距离;向所述距离小于指定阈值的第一目标对象派发异常处理任务,从而在安防监控中心实现云端智能巡逻,减少了因需众多人力参与巡逻和预警处理所带来的巨大成本开销,有利于提高园区巡逻和异常情况处理的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请的一些实施例,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为本申请实施例提供的一种智能巡逻及预警处理***的结构示意图;
图2为本申请实施例提供的一种智能巡逻及预警处理方法的流程示意图;
图3为本申请实施例提供的一种视频监控图像的展示界面的示例图;
图4为本申请实施例提供的一种巡逻签到的示例图;
图5为本申请实施例提供的一种根据视频监控图像判断对应监控区域是否存在异常状况的流程示意图;
图6为本申请实施例提供的一种对应图像块的示例图;
图7为本申请实施例提供的一种智能巡逻及预警处理装置的结构示意图;
图8为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
本申请说明书、权利要求书和附图中出现的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,术语“第一”、“第二”和“第三”等是用于区别不同的对象,而并非用于描述特定的顺序。
首先结合相关附图来举例介绍下本申请实施例的方案可能应用到的网络***架构。请参见图1,图1为本申请实施例提供的一种智能巡逻及预警处理***的结构示意图,如图1所示,该智能巡逻及预警处理***由园区空间和园区安防监控中心组成,各个组成部分通过有线或无线网络进行通信。园区空间中设置了多个监控设备,每个监控设备有对应的监控区域,例如:园区大门闸机通道处的监控设备、园区停车场的监控设备等,园区安防监控中心IOC(Intelligent Operation Center)接入VCN(Video Cloud Node,视频云节点)视频管理服务,可轻松获取整个园区空间的视频监控图像,在设定的巡逻时间到达时,服务器按照预先设定的巡逻计划执行巡逻任务,获取巡逻计划中的巡逻路线上每一监控区域的视频监控图像,巡逻的同时,园区安防监控中心的视频监控图像显示界面提供有签到功能,巡逻工作人员可在出现签到提示的显示界面进行线上签到,服务器记录签到人员的身份标识、签到时间、巡逻区域等信息,生成巡逻记录保存在数据库中,以便后续调取或查验。当发现园区任一监控区域出现异常情况时,例如,路面塌陷、火情、栏杆腐坏、墙面脱落等,通过预设报警功能将异常情况上报至告警中心,上报时至少携带有出现异常情况的监控区域的位置信息,例如:编号为TCC001的监控设备负责的监控区域TCC-A出现异常情况,服务器至少应将该TCC-A上报至告警中心。另外,园区内的安保人员均配备有指定终端,例如:智能保务通,安保人员可在终端中设置允许该终端获取实时位置信息,那么,终端就会按照预设位置信息上报计划,向园区安防监控中心上报安保人员的位置信息,例如:该位置信息上报计划可以是实时上报或按照预设间隔时间上报。告警中心接收到异常情况报警时,可通过计算获取到距异常情况监控区域最近的安保人员,并通过该安保人员的终端向该安保人员派发异常处理任务,安保人员接收到异常处理任务后前往存在异常情况的监控区域现场进行异常处理,处理完成后,该安保人员可在终端上进行相应操作以结束本次异常处理任务,例如:上传现场处理视频、填写处理方法等,整个***形成“自动巡逻—异常情况发现—告警—异常处理任务派发—通知—安保人员现场处理—异常处理结束”的闭环逻辑。具体的,本申请实施例的执行主体为园区安防监控中心的服务器,该服务器可以是本地服务器,也可以是云端服务器,还可以是服务器集群,此处不作任何限定。
基于上述描述,请参见图2,图2为本申请实施例提供的一种智能巡逻及预警处理方法的流程示意图,如图2所示,该智能巡逻及预警处理方法包括以下步骤:步骤S21-S24:
S21,在巡逻时间到达时,获取多条巡逻路线的视频监控图像以执行预设巡逻计划。
本申请具体实施例中,巡逻时间即指预设巡逻计划的执行时间,为保障园区安防,该巡逻时间通常设定为24小时,即全天候执行巡逻计划,当然,为了降低服务器等硬件损耗,也可将该巡逻时间设定为每隔预设时间巡逻一次。巡逻计划即对园区各区域进行巡逻的任务,多条巡逻路线构成一个巡逻计划,例如:园区东门-西门、园区南门-西门、园区南门-北门三条巡逻路线构成一个巡逻计划。巡逻计划中每条巡逻路线的视频监控图像在园区安防监控中心的显示界面呈现,服务器通过获取多条巡逻路线的视频监控图像执行巡逻计划。
具体的,所述多条巡逻路线中的每条巡逻路线均设置有多个监控设备,所述多个监控设备中每个监控设备负责对指定监控区域进行监控;所述获取多条巡逻路线的视频监控图像以执行预设巡逻计划,包括:
读取所述预设巡逻计划,所述预设巡逻计划包括所述多条巡逻路线的巡逻顺序;
按照所述多条巡逻路线的巡逻顺序获取所述多条巡逻路线中每条巡逻路线的每个监控区域的视频监控图像以执行预设巡逻计划。
如图3所示,预先设定的巡逻计划中包括四条巡逻路线,分别为:巡逻路线A、巡逻路线B、巡逻路线C、巡逻路线D,每条巡逻路线上安装有四个监控设备,每个监控设备负责实时采集对应的监控区域的视频监控图像,在园区安防监控中心的展示界面,第一行表示巡逻路线A的四个监控区域的视频监控图像,第二行表示巡逻路线B的四个监控区域的视频监控图像,第三行表示巡逻路线C的四个监控区域的视频监控图像,第四行表示巡逻路线D的四个监控区域的视频监控图像,若用户为服务器设定的巡逻顺序是:巡逻路线A-巡逻路线B-巡逻路线C-巡逻路线D,那么,服务器将会按照此顺序,先获取巡逻路线A的四个监控区域的视频监控图像,对巡逻路线A进行巡逻,巡逻路线A的四个监控区域巡逻完毕后,自动获取巡逻路线B的四个视频监控图像进行巡逻,直至完成巡逻路线D的巡逻。对于某些安保级别较高的监控区域,例如:园区机电房,可设定相应较长的巡逻时间,服务器将会获取到比其他监控区域更长的视频监控图像。需要说明的是,在执行巡逻计划期间,各视频监控图像的展示界面会随机出现签到提示,如图4所示,巡逻路线A的第1个监控区域弹出签到窗口,巡逻工作人员输入相应信息提交后便完成巡逻签到,当然,图4仅仅是一种示例,对本申请实施例并不造成任何限定,本申请实施例还可采用人脸识别、指纹识别等生物特征信息进行巡逻签到,采用随机巡逻签到的方式,有利于防止巡逻工作人员签到作弊。
S22,根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况。
本申请具体实施例中,异常情况可以是出现嫌疑人、火情、路面塌陷等各种情况,具体可采用人工判断和机器判断相结合的方式确定多条巡逻路线中任一条巡逻路线的监控区域内是否出现异常状况,巡逻工作人员若发现异常情况,可触发一键报警功能向告警中心发出预警。服务器可对获取到的视频监控图像进行识别和分析,采用相关图像处理算法确定多条巡逻路线中任一条巡逻路线的监控区域内是否出现异常状况,例如:将巡逻路线A的第1个监控区域的视频监控图像输入预训练的卷积神经网络,经过卷积、池化等处理,最后输出该第1个监控区域的视频监控图像中是否出现异常情况的概率,或者采用尺度不变特征转换算法结合边缘检测、颜色检测确定该第1个监控区域的视频监控图像中是否包括异常情况,或者还可以目标检测算法,将该第1个监控区域的视频监控图像输入目标检测模型,检测该视频监控图像中是否包括异常目标,若能检测出预设异常目标,输出异常目标的边界框,确定该第1个监控区域存在异常状况,服务器自动向告警中心报警。
在一种可能的实施方式中,如图5所示,所述根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况,包括步骤S2201-S2204:
S2201,采用尺度不变特征转换算法对所述每个监控区域的视频监控图像及预先存储的比对图像进行关键点检测,并获取对应的向量表达,所述比对图像为所述每个监控区域未出现异常情况的图像;
本申请具体实施例中,对所述每个监控区域的视频监控图像进行关键点检测时,是对获取到的视频监控图像的每一帧图像进行关键点检测,关键点即指特征点,比对图像即用来与巡逻过程中获取的视频监控图像进行比对以判断出对应监控区域是否存在异常情况的图像,例如:采集巡逻路线A中第1个监控区域正常情况下的图像作为巡逻路线A中第1个监控区域的视频监控图像的比对图像,同一监控区域可能存在多个比对图像。通过构建尺度空间,然后进行极值检测,通过高斯微分函数来识别潜在的对于尺度和旋转不变的兴趣点,即关键点,对关键点进行定位,为关键点分配方向,最后生成关键点描述子,得到关键点的向量表达。
S2202,针对所述每个监控区域的视频监控图像的每个关键点,从所述比对图像中选取向量表达相似度最高的两个关键点形成候选关键点匹配对;
本申请具体实施例中,采用暴力匹配算法从所述比对图像中获得与该每个关键点g的向量表达最接近的K个候选关键点,选取该K个候选关键点中最为相似的前两个候选关键点k1、k2形成候选关键点匹配对。
S2203,对所述候选关键点匹配对进行筛选,得到预设数量个目标关键点匹配对,基于该预设数量个目标关键点匹配对对所述每个监控区域的视频监控图像及所述比对图像进行仿射变换;
本申请具体实施例中,计算该每个关键点g的向量表达与两个候选关键点k1、k2的向量表达的距离d(g,k1)、d(g,k2),并选定一阈值R,若d(g,k1)/d(g,k2)<R,则保留该候选关键点k1、k2,否则丢弃该关键点k1、k2,其中,阈值R的一个较佳取值为0.8。在进行初步筛选之后,所述每个监控区域的视频监控图像在对应的比对图像中存在多个候选关键点匹配对,从该多个候选关键点匹配对中选取三个目标关键点匹配对,基于该三个目标关键点匹配对计算一仿射变换矩阵,然后对所述每个监控区域的视频监控图像及所述比对图像进行仿射变换。
S2204,对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行边缘检测和颜色检测,得到边缘检测结果和颜色检测结果,若所述每个监控区域的视频监控图像中任一视频监控图像出现边缘检测异常或颜色检测异常,则认为存在异常情况,否则不认为存在异常情况。
本申请具体实施例中,所述对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行边缘检测和颜色检测,得到边缘检测结果和颜色检测结果,包括:
将所述每个监控区域的视频监控图像及所述比对图像分别划分为M*M像素的图像块;
针对所述M*M像素的图像块中的每一图像块,进行N个方向的边缘检测,并计算每个图像块的边缘分布直方图,得到一个N维直方图向量;
计算所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的直方图向量距离;
若所述每个监控区域的视频监控图像中的任一视频监控图像存在该距离大于第一阈值的图像块,则认为该视频监控图像边缘检测异常。
本申请具体实施例中,如图6所示,对应图像块即指两个图像中相同位置上的图像块,将每个监控区域的视频监控图像及所述比对图像分别划分为16*16像素的图像块,每个图像块划分为4*4像素的子图像块,对每个子图像块进行8个方向的边缘检测,每45°取一个方向,检测值超过一阈值T则认为该方向存在边,将该方向的边进行累加,得到每个图像块的边缘分布直方图,同时得到一个8维直方图向量。本申请实施例中的第一阈值可根据实际情况确定,例如:20、100等,计算所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的直方图向量距离具体采用如下公式:
其中,D1表示所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的直方图向量距离,q1(s)表示所述每个监控区域的视频监控图像的每一图像块直方图向量的第s分量,q2(s)表示所述比对图像中与所述每个监控区域的视频监控图像的每一图像块对应的图像块直方图向量的第s分量。
所述对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行颜色检测,得到颜色检测结果,包括:
针对所述M*M像素的图像块中的每一图像块,计算该每一图像块在RGB颜色空间下的颜色均值;
计算所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的颜色距离;
若所述每个监控区域的视频监控图像中的任一视频监控图像存在该颜色距离大于第二阈值的图像块,则认为该视频监控图像颜色检测异常。
本申请实施例中,颜色距离即表示颜色的相似度,第二阈值可根据实际情况设定,例如:250或4000等。计算所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的颜色距离具体采用如下公式:
其中,D2表示所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的颜色距离,C1,R表示所述每个监控区域的视频监控图像的每一图像块在R通道的颜色均值,C2,R表示所述比对图像中对应图像块在R通道的颜色均值,C1,G表示所述每个监控区域的视频监控图像的每一图像块在G通道的颜色均值,C2,G表示所述比对图像中对应图像块在G通道的颜色均值,C1,B表示所述每个监控区域的视频监控图像的每一图像块在B通道的颜色均值,C2,B表示所述比对图像中对应图像块在B通道的颜色均值。
S23,若存在异常情况,则进行异常情况报警操作,并获取发生异常情况的监控区域的位置信息与各第一目标对象的位置信息之间的距离。
S24,向所述距离小于指定阈值的第一目标对象派发异常处理任务。
本申请具体实施例中,第一目标对象即指园区内的安保人员或执勤人员,服务器在检测到任一条巡逻路线的任一监控区域存在异常情况时,向告警中心上报异常情况进行报警,具体的,服务器截取存在异常情况的监控区域的视频监控图像的当前图像帧、预设时长的视频监控图像,将所述当前图像帧、所述预设时长的视频监控图像、当前的时间信息及存在异常情况的监控区域的位置信息上报到预设告警中心。由于第一目标对象的终端安装有特定应用程序app(application),例如:云城app,该app会按照预设位置信息上报计划向园区安防监控中心上报第一目标对象的位置信息,告警中心在接收到报警后获取第一目标对象的终端距当前时间最近一次上报的位置信息,然后计算第一目标对象与存在异常情况的监控区域的位置信息之间的距离,并向距离小于指定阈值或距离最短的第一目标对象派发异常处理任务。具体可向距离小于指定阈值的第一目标对象派发异常处理工单,该工单中至少应包括存在异常情况的监控区域的位置信息,例如:TCC-A(表示停车场A区),收到工单的第一目标对象前往现场进行异常情况确认和处理,处理完成可在终端的应用程序上直接关闭本次工单,或上传相关视频、照片,填写相关备注说明后再关闭本次工单。
可以看出,本申请实施例通过在巡逻时间到达时,获取多条巡逻路线的视频监控图像以执行预设巡逻计划;根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况;若存在异常情况,则进行异常情况报警操作,并获取发生异常情况的监控区域的位置信息与各第一目标对象的位置信息之间的距离;向所述距离小于指定阈值的第一目标对象派发异常处理任务,从而在安防监控中心实现云端智能巡逻,减少了因需众多人力参与巡逻和预警处理所带来的巨大成本开销,有利于提高园区巡逻和异常情况处理的效率。
基于上述描述,请参见图7,图7为本申请实施例提供的一种智能巡逻及预警处理装置的结构示意图,如图7所示,该装置包括:
获取模块71,用于在巡逻时间到达时,获取多条巡逻路线的视频监控图像以执行预设巡逻计划;
判断模块72,用于根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况;
处理模块73,用于若存在异常情况,则进行异常情况报警操作,并获取发生异常情况的监控区域的位置信息与各第一目标对象的位置信息之间的距离;
所述处理模块73,还用于向所述距离小于指定阈值的第一目标对象派发异常处理任务。
在一种可能的实施方式中,所述多条巡逻路线中的每条巡逻路线均设置有多个监控设备,所述多个监控设备中每个监控设备负责对指定监控区域进行监控;所述获取模块71在获取多条巡逻路线的视频监控图像以执行预设巡逻计划方面,具体用于:
读取所述预设巡逻计划,所述预设巡逻计划包括所述多条巡逻路线的巡逻顺序;
按照所述多条巡逻路线的巡逻顺序获取所述多条巡逻路线中每条巡逻路线的每个监控区域的视频监控图像以执行预设巡逻计划。
在一种可能的实施方式中,所述判断模块72在根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况方面,具体用于:
采用尺度不变特征转换算法对所述每个监控区域的视频监控图像及预先存储的比对图像进行关键点检测,并获取对应的向量表达,所述比对图像为所述每个监控区域未出现异常情况的图像;
针对所述每个监控区域的视频监控图像的每个关键点,从所述比对图像中选取向量表达相似度最高的两个关键点形成候选关键点匹配对;
对所述候选关键点匹配对进行筛选,得到预设数量个目标关键点匹配对,基于该预设数量个目标关键点匹配对对所述每个监控区域的视频监控图像及所述比对图像进行仿射变换;
对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行边缘检测和颜色检测,得到边缘检测结果和颜色检测结果,若所述每个监控区域的视频监控图像中任一视频监控图像出现边缘检测异常或颜色检测异常,则认为存在异常情况,否则不认为存在异常情况。
在一种可能的实施方式中,所述判断模块72在对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行边缘检测,得到边缘检测结果方面,具体用于:
将所述每个监控区域的视频监控图像及所述比对图像分别划分为M*M像素的图像块;
针对所述M*M像素的图像块中的每一图像块,进行N个方向的边缘检测,并计算每个图像块的边缘分布直方图,得到一个N维直方图向量;
计算所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的直方图向量距离;
若所述每个监控区域的视频监控图像中的任一视频监控图像存在该距离大于第一阈值的图像块,则认为该视频监控图像边缘检测异常;
所述判断模块72在对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行颜色检测,得到颜色检测结果方面,具体用于:
针对所述M*M像素的图像块中的每一图像块,计算该每一图像块在RGB颜色空间下的颜色均值;
计算所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的颜色距离;
若所述每个监控区域的视频监控图像中的任一视频监控图像存在该颜色距离大于第二阈值的图像块,则认为该视频监控图像颜色检测异常。
在一种可能的实施方式中,所述处理模块73还用于:执行巡逻计划的过程中,在当前巡逻路线的多个监控设备对应的视频监控图像显示界面随机弹出巡逻签到窗口,使得第二目标对象进行线上签到,生成巡逻记录。
在一种可能的实施方式中,所述处理模块73在进行异常情况报警操作方面,具体用于:
截取存在异常情况的监控区域的视频监控图像的当前图像帧、预设时长的视频监控图像;
将所述当前图像帧、所述预设时长的视频监控图像、当前的时间信息及存在异常情况的监控区域的位置信息上报到预设告警中心以进行报警。
在一种可能的实施方式中,所述处理模块73还用于:接收所述第一目标对象的终端在预设时间间隔到达时上报的位置信息。
本申请实施例通过在巡逻时间到达时,获取多条巡逻路线的视频监控图像以执行预设巡逻计划;根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况;若存在异常情况,则进行异常情况报警操作,并获取发生异常情况的监控区域的位置信息与各第一目标对象的位置信息之间的距离;向所述距离小于指定阈值的第一目标对象派发异常处理任务,从而在安防监控中心实现云端智能巡逻,减少了因需众多人力参与巡逻和预警处理所带来的巨大成本开销,有利于提高园区巡逻和异常情况处理的效率。
需要说明的是,本申请实施例提供的智能巡逻及预警处理装置能够实现图2所示的智能巡逻及预警处理方法中的步骤,且能达到相同或相似的有益效果,该装置可以应用于实际智能巡逻场景中。
请参见图8,图8为本申请实施例提供的一种电子设备的结构示意图,如图8所示,包括:存储器81,用于存储计算机程序;处理器82,用于调用存储器81存储的计算机程序实现上述智能巡逻及预警处理方法的实施例中的步骤;至少一个输出接口83,用于进行输出;至少一个输入接口84,用于进行输入;各个组件连接在至少一个总线上以实现通信。
其中,处理器82具体用于调用计算机程序执行以下步骤:
在巡逻时间到达时,获取多条巡逻路线的视频监控图像以执行预设巡逻计划;
根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况;
若存在异常情况,则进行异常情况报警操作,并获取发生异常情况的监控区域的位置信息与各第一目标对象的位置信息之间的距离;
向所述距离小于指定阈值的第一目标对象派发异常处理任务。
可选的,所述多条巡逻路线中的每条巡逻路线均设置有多个监控设备,所述多个监控设备中每个监控设备负责对指定监控区域进行监控;所述处理器82执行所述获取多条巡逻路线的视频监控图像以执行预设巡逻计划,包括:
读取所述预设巡逻计划,所述预设巡逻计划包括所述多条巡逻路线的巡逻顺序;
按照所述多条巡逻路线的巡逻顺序获取所述多条巡逻路线中每条巡逻路线的每个监控区域的视频监控图像以执行预设巡逻计划。
可选的,所述处理器82执行所述根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况,包括:
采用尺度不变特征转换算法对所述每个监控区域的视频监控图像及预先存储的比对图像进行关键点检测,并获取对应的向量表达,所述比对图像为所述每个监控区域未出现异常情况的图像;
针对所述每个监控区域的视频监控图像的每个关键点,从所述比对图像中选取向量表达相似度最高的两个关键点形成候选关键点匹配对;
对所述候选关键点匹配对进行筛选,得到预设数量个目标关键点匹配对,基于该预设数量个目标关键点匹配对对所述每个监控区域的视频监控图像及所述比对图像进行仿射变换;
对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行边缘检测和颜色检测,得到边缘检测结果和颜色检测结果,若所述每个监控区域的视频监控图像中任一视频监控图像出现边缘检测异常或颜色检测异常,则认为存在异常情况,否则不认为存在异常情况。
可选的,所述处理器82执行所述对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行边缘检测,得到边缘检测结果,包括:
将所述每个监控区域的视频监控图像及所述比对图像分别划分为M*M像素的图像块;
针对所述M*M像素的图像块中的每一图像块,进行N个方向的边缘检测,并计算每个图像块的边缘分布直方图,得到一个N维直方图向量;
计算所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的直方图向量距离;
若所述每个监控区域的视频监控图像中的任一视频监控图像存在该距离大于第一阈值的图像块,则认为该视频监控图像边缘检测异常;
处理器82执行所述对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行颜色检测,得到颜色检测结果,包括:
针对所述M*M像素的图像块中的每一图像块,计算该每一图像块在RGB颜色空间下的颜色均值;
计算所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的颜色距离;
若所述每个监控区域的视频监控图像中的任一视频监控图像存在该颜色距离大于第二阈值的图像块,则认为该视频监控图像颜色检测异常。
可选的,所述处理器82还用于:在当前巡逻路线的多个监控设备对应的视频监控图像显示界面随机弹出巡逻签到窗口,使得第二目标对象进行线上签到,生成巡逻记录。
可选的,所述处理器82执行所述进行异常情况报警操作,包括:
截取存在异常情况的监控区域的视频监控图像的当前图像帧、预设时长的视频监控图像;
将所述当前图像帧、所述预设时长的视频监控图像、当前的时间信息及存在异常情况的监控区域的位置信息上报到预设告警中心以进行报警。
可选的,所述处理器82还用于:
接收所述第一目标对象的终端在预设时间间隔到达时上报的位置信息。
本申请实施例通过在巡逻时间到达时,获取多条巡逻路线的视频监控图像以执行预设巡逻计划;根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况;若存在异常情况,则进行异常情况报警操作,并获取发生异常情况的监控区域的位置信息与各第一目标对象的位置信息之间的距离;向所述距离小于指定阈值的第一目标对象派发异常处理任务,从而在安防监控中心实现云端智能巡逻,减少了因需众多人力参与巡逻和预警处理所带来的巨大成本开销,有利于提高园区巡逻和异常情况处理的效率。
示例性的,上述电子设备可以是计算机、笔记本电脑、平板电脑、掌上电脑、服务器、云端服务器等。电子设备可包括但不仅限于处理器82、存储器81、输入输出接口83、总线84。本领域技术人员可以理解,所述示意图仅仅是电子设备的示例,并不构成对电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件。
需要说明的是,由于电子设备的处理器82执行计算机程序时实现上述的智能巡逻及预警处理方法中的步骤,因此上述智能巡逻及预警处理方法的实施例或实施方式均适用于该电子设备,且均能达到相同或相似的有益效果。
本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述的智能巡逻及预警处理方法中的步骤。
示例性的,计算机可读存储介质的计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,由于计算机可读存储介质的计算机程序被处理器执行时实现上述的智能巡逻及预警处理方法中的步骤,因此上述智能巡逻及预警处理方法的所有实施例或实施方式均适用于该计算机可读存储介质,且均能达到相同或相似的有益效果。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种智能巡逻及预警处理方法,其特征在于,所述方法包括:
在巡逻时间到达时,获取多条巡逻路线的视频监控图像以执行预设巡逻计划;
根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况;
若存在异常情况,则进行异常情况报警操作,并获取发生异常情况的监控区域的位置信息与各第一目标对象的位置信息之间的距离;
向所述距离小于指定阈值的第一目标对象派发异常处理任务。
2.根据权利要求1所述的方法,其特征在于,所述多条巡逻路线中的每条巡逻路线均设置有多个监控设备,所述多个监控设备中每个监控设备负责对指定监控区域进行监控;所述获取多条巡逻路线的视频监控图像以执行预设巡逻计划,包括:
读取所述预设巡逻计划,所述预设巡逻计划包括所述多条巡逻路线的巡逻顺序;
按照所述多条巡逻路线的巡逻顺序获取所述多条巡逻路线中每条巡逻路线的每个监控区域的视频监控图像以执行预设巡逻计划。
3.根据权利要求2所述的方法,其特征在于,所述根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况,包括:
采用尺度不变特征转换算法对所述每个监控区域的视频监控图像及预先存储的比对图像进行关键点检测,并获取对应的向量表达,所述比对图像为所述每个监控区域未出现异常情况的图像;
针对所述每个监控区域的视频监控图像的每个关键点,从所述比对图像中选取向量表达相似度最高的两个关键点形成候选关键点匹配对;
对所述候选关键点匹配对进行筛选,得到预设数量个目标关键点匹配对,基于该预设数量个目标关键点匹配对对所述每个监控区域的视频监控图像及所述比对图像进行仿射变换;
对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行边缘检测和颜色检测,得到边缘检测结果和颜色检测结果,若所述每个监控区域的视频监控图像中任一视频监控图像出现边缘检测异常或颜色检测异常,则认为存在异常情况,否则不认为存在异常情况。
4.根据权利要求3所述的方法,其特征在于,所述对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行边缘检测,得到边缘检测结果,包括:
将所述每个监控区域的视频监控图像及所述比对图像分别划分为M*M像素的图像块;
针对所述M*M像素的图像块中的每一图像块,进行N个方向的边缘检测,并计算每个图像块的边缘分布直方图,得到一个N维直方图向量;
计算所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的直方图向量距离;
若所述每个监控区域的视频监控图像中的任一视频监控图像存在该距离大于第一阈值的图像块,则认为该视频监控图像边缘检测异常;
所述对经过仿射变换的所述每个监控区域的视频监控图像及所述比对图像进行颜色检测,得到颜色检测结果,包括:
针对所述M*M像素的图像块中的每一图像块,计算该每一图像块在RGB颜色空间下的颜色均值;
计算所述每个监控区域的视频监控图像的每一图像块和所述比对图像中对应图像块的颜色距离;
若所述每个监控区域的视频监控图像中的任一视频监控图像存在该颜色距离大于第二阈值的图像块,则认为该视频监控图像颜色检测异常。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
执行巡逻计划的过程中,在当前巡逻路线的多个监控设备对应的视频监控图像显示界面随机弹出巡逻签到窗口,使得第二目标对象进行线上签到,生成巡逻记录。
6.根据权利要求1中所述的方法,其特征在于,所述进行异常情况报警操作,包括:
截取存在异常情况的监控区域的视频监控图像的当前图像帧、预设时长的视频监控图像;
将所述当前图像帧、所述预设时长的视频监控图像、当前的时间信息及存在异常情况的监控区域的位置信息上报到预设告警中心以进行报警。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收所述第一目标对象的终端在预设时间间隔到达时上报的位置信息。
8.一种智能巡逻及预警处理装置,其特征在于,所述装置包括:
获取模块,用于在巡逻时间到达时,获取多条巡逻路线的视频监控图像以执行预设巡逻计划;
判断模块,用于根据所述视频监控图像判断所述多条巡逻路线中任一条巡逻路线的监控区域内是否存在异常情况;
处理模块,用于若存在异常情况,则进行异常情况报警操作,并获取发生异常情况的监控区域的位置信息与各第一目标对象的位置信息之间的距离;
所述处理模块,还用于向所述距离小于指定阈值的第一目标对象派发异常处理任务。
9.一种电子设备,其特征在于,所述电子设备包括处理器、存储器及存储在所述存储器上并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如权利要求1至7中任一项所述的智能巡逻及预警处理方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的智能巡逻及预警处理方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910929865.9A CN110650316A (zh) | 2019-09-27 | 2019-09-27 | 智能巡逻及预警处理方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910929865.9A CN110650316A (zh) | 2019-09-27 | 2019-09-27 | 智能巡逻及预警处理方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110650316A true CN110650316A (zh) | 2020-01-03 |
Family
ID=69011843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910929865.9A Pending CN110650316A (zh) | 2019-09-27 | 2019-09-27 | 智能巡逻及预警处理方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110650316A (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111539862A (zh) * | 2020-03-24 | 2020-08-14 | 深圳奇迹智慧网络有限公司 | 基于单兵派遣的应急处理方法、装置和计算机设备 |
CN112348457A (zh) * | 2020-10-17 | 2021-02-09 | 中建一局集团第一建筑有限公司 | 大厦巡更路径规划方法、***以及储存介质 |
CN112422909A (zh) * | 2020-11-09 | 2021-02-26 | 安徽数据堂科技有限公司 | 一种基于人工智能的视频行为分析管理*** |
CN112528854A (zh) * | 2020-12-12 | 2021-03-19 | 南方电网调峰调频发电有限公司 | 振动对象监测方法、装置、计算机设备和存储介质 |
CN112560776A (zh) * | 2020-12-25 | 2021-03-26 | 福建海电运维科技有限责任公司 | 一种基于图像识别的智能风机定检方法及*** |
CN112907777A (zh) * | 2021-01-18 | 2021-06-04 | 厦门熵基科技有限公司 | 一种基于视频的巡逻方法、装置及设备 |
CN113365219A (zh) * | 2020-03-04 | 2021-09-07 | 上海瀚泽信息科技有限公司 | 监控信息管理方法、***、终端及可读存储介质 |
CN113487906A (zh) * | 2021-07-21 | 2021-10-08 | 深圳市纵停科技有限公司 | 一种停车场管理*** |
CN113487907A (zh) * | 2021-07-21 | 2021-10-08 | 深圳市纵停科技有限公司 | 一种具有快速异常处理功能的停车场管理*** |
CN113807636A (zh) * | 2021-04-12 | 2021-12-17 | 河北广电传智信息技术有限公司 | 区域监管方法、装置、电子设备及计算机存储介质 |
CN113992893A (zh) * | 2021-10-26 | 2022-01-28 | 福建云知声智能科技有限公司 | 园区巡检方法、装置、存储介质及电子装置 |
CN114022967A (zh) * | 2021-11-05 | 2022-02-08 | 沈阳世纪高通科技有限公司 | 利用空间轨迹与路网的数据的车辆考勤算法 |
CN114120185A (zh) * | 2021-11-16 | 2022-03-01 | 东莞先知大数据有限公司 | 一种三鸟档清笼确定方法、电子设备和存储介质 |
CN114449228A (zh) * | 2022-04-07 | 2022-05-06 | 深圳市亚联讯网络科技有限公司 | 小区访客的安全监控方法、监控服务器及存储介质 |
CN114584746A (zh) * | 2022-04-29 | 2022-06-03 | 深圳市边海物联科技有限公司 | 一种安防监控***及安防监控方法 |
CN114969167A (zh) * | 2022-04-07 | 2022-08-30 | 江苏尚蓝信息技术有限公司 | 基于数据化的智能电网监控综合管理***及方法 |
CN115273459A (zh) * | 2022-06-25 | 2022-11-01 | 河南机电职业学院 | 一种无人驾驶的安全巡逻车 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070179737A1 (en) * | 2005-09-13 | 2007-08-02 | David Kalokitis | Apparatus and method for monitoring and controlling detection of stray voltage anomalies |
CN105788020A (zh) * | 2016-04-22 | 2016-07-20 | 吴乾 | 一种基于物联网的巡防人员监控***与方法 |
CN105957082A (zh) * | 2016-05-04 | 2016-09-21 | 广东锐视智能检测有限公司 | 一种基于面阵相机的印刷质量在线监测方法 |
CN106205143A (zh) * | 2016-08-29 | 2016-12-07 | 苏州金螳螂怡和科技有限公司 | 智能卡口联网*** |
CN106303376A (zh) * | 2015-05-20 | 2017-01-04 | 杭州海康威视***技术有限公司 | 用于变电站的监控方法、装置和*** |
CN107862502A (zh) * | 2017-11-23 | 2018-03-30 | 武汉湖滨电器有限公司 | 基于b/s与c/s架构的仓库安全管理*** |
CN109712290A (zh) * | 2018-12-26 | 2019-05-03 | 广东中安金狮科创有限公司 | 安防*** |
CN109727330A (zh) * | 2018-12-21 | 2019-05-07 | 深圳市兴海物联科技有限公司 | 一种巡检方法、装置、计算机设备及存储介质 |
-
2019
- 2019-09-27 CN CN201910929865.9A patent/CN110650316A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070179737A1 (en) * | 2005-09-13 | 2007-08-02 | David Kalokitis | Apparatus and method for monitoring and controlling detection of stray voltage anomalies |
CN106303376A (zh) * | 2015-05-20 | 2017-01-04 | 杭州海康威视***技术有限公司 | 用于变电站的监控方法、装置和*** |
CN105788020A (zh) * | 2016-04-22 | 2016-07-20 | 吴乾 | 一种基于物联网的巡防人员监控***与方法 |
CN105957082A (zh) * | 2016-05-04 | 2016-09-21 | 广东锐视智能检测有限公司 | 一种基于面阵相机的印刷质量在线监测方法 |
CN106205143A (zh) * | 2016-08-29 | 2016-12-07 | 苏州金螳螂怡和科技有限公司 | 智能卡口联网*** |
CN107862502A (zh) * | 2017-11-23 | 2018-03-30 | 武汉湖滨电器有限公司 | 基于b/s与c/s架构的仓库安全管理*** |
CN109727330A (zh) * | 2018-12-21 | 2019-05-07 | 深圳市兴海物联科技有限公司 | 一种巡检方法、装置、计算机设备及存储介质 |
CN109712290A (zh) * | 2018-12-26 | 2019-05-03 | 广东中安金狮科创有限公司 | 安防*** |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113365219A (zh) * | 2020-03-04 | 2021-09-07 | 上海瀚泽信息科技有限公司 | 监控信息管理方法、***、终端及可读存储介质 |
CN111539862A (zh) * | 2020-03-24 | 2020-08-14 | 深圳奇迹智慧网络有限公司 | 基于单兵派遣的应急处理方法、装置和计算机设备 |
CN111539862B (zh) * | 2020-03-24 | 2023-08-18 | 深圳奇迹智慧网络有限公司 | 基于单兵派遣的应急处理方法、装置和计算机设备 |
CN112348457A (zh) * | 2020-10-17 | 2021-02-09 | 中建一局集团第一建筑有限公司 | 大厦巡更路径规划方法、***以及储存介质 |
CN112348457B (zh) * | 2020-10-17 | 2024-03-29 | 中建一局集团第一建筑有限公司 | 大厦巡更路径规划方法、***以及储存介质 |
CN112422909A (zh) * | 2020-11-09 | 2021-02-26 | 安徽数据堂科技有限公司 | 一种基于人工智能的视频行为分析管理*** |
CN112422909B (zh) * | 2020-11-09 | 2022-10-14 | 安徽数据堂科技有限公司 | 一种基于人工智能的视频行为分析管理*** |
CN112528854A (zh) * | 2020-12-12 | 2021-03-19 | 南方电网调峰调频发电有限公司 | 振动对象监测方法、装置、计算机设备和存储介质 |
CN112528854B (zh) * | 2020-12-12 | 2023-07-25 | 南方电网调峰调频发电有限公司 | 振动对象监测方法、装置、计算机设备和存储介质 |
US11972557B2 (en) | 2020-12-12 | 2024-04-30 | Csg Power Generation Co., Ltd. | Vibration object monitoring method and apparatus, computer device and storage medium |
CN112560776A (zh) * | 2020-12-25 | 2021-03-26 | 福建海电运维科技有限责任公司 | 一种基于图像识别的智能风机定检方法及*** |
CN112907777A (zh) * | 2021-01-18 | 2021-06-04 | 厦门熵基科技有限公司 | 一种基于视频的巡逻方法、装置及设备 |
CN113807636A (zh) * | 2021-04-12 | 2021-12-17 | 河北广电传智信息技术有限公司 | 区域监管方法、装置、电子设备及计算机存储介质 |
CN113807636B (zh) * | 2021-04-12 | 2024-04-09 | 河北广电传智信息技术有限公司 | 区域监管方法、装置、电子设备及计算机存储介质 |
CN113487907A (zh) * | 2021-07-21 | 2021-10-08 | 深圳市纵停科技有限公司 | 一种具有快速异常处理功能的停车场管理*** |
CN113487906A (zh) * | 2021-07-21 | 2021-10-08 | 深圳市纵停科技有限公司 | 一种停车场管理*** |
CN113992893A (zh) * | 2021-10-26 | 2022-01-28 | 福建云知声智能科技有限公司 | 园区巡检方法、装置、存储介质及电子装置 |
CN114022967A (zh) * | 2021-11-05 | 2022-02-08 | 沈阳世纪高通科技有限公司 | 利用空间轨迹与路网的数据的车辆考勤算法 |
CN114120185A (zh) * | 2021-11-16 | 2022-03-01 | 东莞先知大数据有限公司 | 一种三鸟档清笼确定方法、电子设备和存储介质 |
CN114120185B (zh) * | 2021-11-16 | 2022-08-09 | 东莞先知大数据有限公司 | 一种三鸟档清笼确定方法、电子设备和存储介质 |
CN114969167A (zh) * | 2022-04-07 | 2022-08-30 | 江苏尚蓝信息技术有限公司 | 基于数据化的智能电网监控综合管理***及方法 |
CN114969167B (zh) * | 2022-04-07 | 2024-02-06 | 江苏尚蓝信息技术有限公司 | 基于数据化的智能电网监控综合管理***及方法 |
CN114449228A (zh) * | 2022-04-07 | 2022-05-06 | 深圳市亚联讯网络科技有限公司 | 小区访客的安全监控方法、监控服务器及存储介质 |
CN114584746A (zh) * | 2022-04-29 | 2022-06-03 | 深圳市边海物联科技有限公司 | 一种安防监控***及安防监控方法 |
CN115273459A (zh) * | 2022-06-25 | 2022-11-01 | 河南机电职业学院 | 一种无人驾驶的安全巡逻车 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
CN110610150B (zh) | 一种目标运动物体的跟踪方法、装置、计算设备和介质 | |
CN103927762B (zh) | 一种目标车辆自动跟踪方法及装置 | |
CN111008961B (zh) | 一种输电线路设备缺陷检测方法及其***、设备、介质 | |
KR101788225B1 (ko) | 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템 | |
US20230005176A1 (en) | Throwing position acquisition method and apparatus, computer device and storage medium | |
CN111898486B (zh) | 监控画面异常的检测方法、装置及存储介质 | |
CN106851229B (zh) | 一种基于图像识别的安防智能决策的方法与*** | |
CN102254394A (zh) | 一种基于视频差异分析的输电线路杆塔防盗监控方法 | |
CN111144337B (zh) | 火灾检测方法、装置及终端设备 | |
CN111079621B (zh) | 检测对象的方法、装置、电子设备和存储介质 | |
CN113299073A (zh) | 识别车辆违章停车的方法、装置、设备和存储介质 | |
US10599946B2 (en) | System and method for detecting change using ontology based saliency | |
CN110781735A (zh) | 一种用于识别人员在岗状态的报警方法及*** | |
CN108629310B (zh) | 一种工程管理监督方法及装置 | |
JP6831396B2 (ja) | 映像監視装置 | |
Chen et al. | Automatic head detection for passenger flow analysis in bus surveillance videos | |
CN113869163B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN113762115B (zh) | 一种基于关键点检测的配网作业人员行为检测方法 | |
CN112819859B (zh) | 一种应用于智慧安防的多目标跟踪方法及装置 | |
CN114708544A (zh) | 一种基于边缘计算的违规行为智能监测头盔及其监测方法 | |
CN115719469A (zh) | 目标识别方法及装置、设备、存储介质 | |
CN109740518A (zh) | 一种视频中对象的确定方法及装置 | |
CN117218162B (zh) | 一种基于ai的全景追踪控视*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200103 |