CN111523362A - 一种基于电子围网的数据分析方法、装置及电子设备 - Google Patents
一种基于电子围网的数据分析方法、装置及电子设备 Download PDFInfo
- Publication number
- CN111523362A CN111523362A CN201911370596.3A CN201911370596A CN111523362A CN 111523362 A CN111523362 A CN 111523362A CN 201911370596 A CN201911370596 A CN 201911370596A CN 111523362 A CN111523362 A CN 111523362A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring data
- monitoring
- classification result
- result
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000007405 data analysis Methods 0.000 title claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 122
- 238000001514 detection method Methods 0.000 claims description 73
- 230000015654 memory Effects 0.000 claims description 20
- 230000007123 defense Effects 0.000 claims description 12
- 230000008520 organization Effects 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 6
- 231100000279 safety data Toxicity 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 3
- 238000000638 solvent extraction Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及人工智能技术领域，具体涉及一种基于电子围网的数据分析方法、装置及电子设备。获取电子围网内的监控数据；其中监控数据包括：海上船只数据、行人数据以及车辆数据；基于监控数据进行数据分类和判断监控数据的安全类别；把数据分类结果和判断结果发送给待处理中心；待处理中心接收到数据分类结果和判断结果，执行相应操作并对距离监控数据最近的资源进行配置。通过对电子围网内的监控数据进行识别与分类，并把分类结果和安全类别结果发送给待处理中心，待处理中心发送对应的操作指令给距离监控数据最近的资源进配置，以保证能够在电子围网的监控范围内及时根据视频监控做出反馈及资源调度，提高电子围网以及海域巡防的执行效率。
Description
技术领域
本发明涉及人工智能技术领域，具体涉及一种基于电子围网的数据分析方法、装置及电子设备。
背景技术
电子围网是指在没有物理围网的情况下，综合应用各种信息化技术手段，及时发现未获得授权的人、交通工具及其他物体进入控制区域的行为并进行干预，达到对控制区域进行有效管控的一种非可视、非可触、非可感的基于电子信息技术的围网监控体系。
而在现今的电子围网中大都使用的是单一的视频监控，虽能进行实时监控，但若是识别到有非法进入的车辆、人员及船只进入电子围网的监控范围内时，却只能进行画面监控，不能及时做出反馈及资源调度，严重影响电子围网的执行效率。
发明内容
有鉴于此，本发明实施例提供了一种基于电子围网的数据分析方法、装置及电子设备，以解决现有电子围网不能及时根据视频监控做出反馈及资源调度，影响电子围网的执行效率的问题。
根据第一方面，本发明实施例提供了一种基于电子围网的数据分析方法，包括：
获取电子围网内的监控数据；其中所述监控数据包括：海上船只数据、行人数据以及车辆数据；
基于所述监控数据进行数据分类和判断监控数据的安全类别；
把所述数据分类结果和判断结果发送给待处理中心；所述待处理中心接收到所述数据分类结果和判断结果，执行相应操作并对距离监控数据最近的资源进行配置。
通过对电子围网内的监控数据进行识别与分类，在对识别结果和分类结果进行判断区分安全类别，并把分类结果和安全类别结果发送给待处理中心，待处理中心对所接收的结果信息，发送对应的操作指令给距离监控数据最近的资源进配置，以保证能够在电子围网的监控范围内及时根据视频监控做出反馈及资源调度，提高电子围网以及海域巡防的执行效率。
结合第一方面，在第一方面第一实施方式中，基于所述监控数据进行数据分类和意图决策，包括：
利用所述获取的监控数据进行目标检测，输出目标检测结果；其中所述目标检测结果包括：船只识别数据、行人识别数据和车辆识别数据；
基于所述获取的目标检测结果按船只、行人及车辆进行同类数据划分，输出监控数据同类划分结果。
通过对监控数据进行目标检测，能够确保后续安全类别的分类，简化后续的识别流程，从而可以快速准确的获得对监控数据的目标检测，保证执行效率。把监控数据进行分类有利于进行简化目标检测，保证目标检测的精准。
结合第一方面，在第一方面第二实施方式中，利用所述获取的监控数据进行目标检测，包括：
基于所述获取的监控数据，构建监控数据集；
利用所述监控数据集和目标检测算法，构建目标检测模型；
根据所述目标检测模型对所述监控数据进行目标检测。
利用监控数据组合成为监控数据集，帮助建立应用于该场景下的目标检测模型，使其输出的检测结果更适应于电子网内的检测环境，利用目标检测算法能够精准快速的对电子围网的监控数据进行识别。从而保证所构建的检测模型的执行效率而且，还能提升整个电子围网范围内的目标检测效率。
结合第一方面，在第一方面第三实施方式中，目标检测算法，包括： Fast R-CNN、Faster R-CNN、R-FCN、YOLO、SSD和RetinaNet检测算法。
利用现有的目标检测算法进行目标检测，从而保证电子围网的目标检测效率，进而改善电子围网的执行效率。
结合第一方面，在第一方面第四实施方式中，基于所述获取的目标检测结果按船只、行人及车辆进行同类数据划分包括：利用分类器按船只、行人、车辆3种类别进行数据归类，输出三种分类结果。
把目标检测结果分为船只、行人及车辆进行分类，能够减少目标检测的复杂性，增加目标检测的检测速度，且对目标检测结果进行分类能够直观的观察电子围网内的各个监控数据的情况，有利于海防人员对电子围网内的检测数据进行分析预测。保证电子围网内的安全。
结合第一方面，在第一方面第五实施方式中，判断监控数据的安全类别，包括：
获取所述分类结果，把所述分类结果与预设数据进比较；其中，预设数据为指定的行人、船只及车辆数据；
若预设数据与分类结果相同，则分类结果中存在危险性，并从分类结果中确定出危险数据；所述危险数据为由海防机构，和/或，国家安全机构提供的限制出入境的人员、船只及车辆数据；
若预设数据与分类结果不相同，则分类结果属于安全数据。
通过判断监控数据的安全数据类别，保证电子围网的安全，并给能够及时做出预警，及时有效的阻止危险情况的发生。保证电子围网的执行效率，给及时根据视频监控做出反馈及资源调度，做出预先判断。
结合第一方面，在第一方面第六实施方式中，把所述数据分类结果和判断结果发送给待处理中心；所述待处理中心接收到所述数据分类结果和判断结果，执行相应操作并对距离监控数据最近的资源进行配置，包括：
基于所述分类结果中的安全数据进行保存标记；其中所述标记为记录安全数据的出现位置信息；
基于所述分类结果中的危险数据对距离危险数据的周边资源进行配置，所述对距离危险数据的周边资源进行配置包括：调度海防人员，增设巡查关卡；其中，执行相应操作还包括把所述分类结果和判断结果显示在显示设备上。
通过对安全数据进行标记保存从而保证对安全数据进行后续跟踪，以保证安全数据的安全，同时也可以是通过标记安全数据，有利于海防人员对在电子围网内船只，行人，及车辆进行调度管控。从而提高电子围网的智能化，提高电子围网的执行效率，而通过对危险数据进行监控并通过调用其危险数据周边资源数据，从而能够及时有效的防止危险事件发生，从而提高电子围网内的安全性以及智能化。
根据第二方面，本发明实施例提供了一种一种基于电子围网的数据分析装置，包括：
获取模块，用于获取电子围网内的监控数据；其中所述监控数据包括：海上船只数据、行人数据以及车辆数据；
决策模块，用于基于所述监控数据进行数据分类和判断监控数据的安全类别；
执行模块，把所述数据分类结果和判断结果发送给待处理中心；所述待处理中心接收到所述数据分类结果和判断结果，执行相应操作并对距离监控数据最近的资源进行配置。
利用获取模块获取监控数据，决策模块对所获取的监控数据进目标检测、分类及监控数据的安全类别划分，保证在电子围网内通过视频监控能够做出及时反馈及资源调度，从而提升电子围网的执行效率。
根据第三方面，本发明实施例提供了一种电子设备/移动终端/服务器，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面或者第一方面的任意一种实施方式中所述的基于电子围网的数据分析方法。
根据第四方面，本发明实施例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存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的基于电子围网的数据分析方法。
附图说明
通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
图1是根据本发明实施例的一种基于电子围网的数据分析方法的流程图；
图2是根据本发明实施例的一种基于电子围网的数据分析方法的目标检测流程图；
图3是根据本发明实施例的一种基于电子围网的数据分析装置的结构示意图；
图4是根据本发明实施例的一种电子设备的结构示意图；
附图标记
获取模块-31；决策模块-32；执行模块-33；
处理器-51；存储器-42；总线-43。
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，下面将结合本发明实施例中的附图，对本发明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，本领域技术人员在没有作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。
根据本发明实施例所提供的一种基于电子围网的数据分析方法，如图1 所示，包括：
S10，获取电子围网内的监控数据；其中所述监控数据包括：海上船只数据、行人数据以及车辆数据；通过电子监控设备获取电子围网内的监控数据，其中电子围网的监控设备可以是无人机，可以是监控摄像头、可以是监控探头等，利用监控设备采集电子围网内的车辆、行人以及海上船只的监控画面信息通过无线或有线传输使其监控数据进行传输和采集，并发送到处理设备上，处理设备可以是电脑、控制器等智能硬件。
S11，基于所述监控数据进行数据分类和判断监控数据的安全类别；对所获取的监控数据进行数据分类可以是按照电子围网内出现的物体种类进行分类，也可以是按照船、人、车进行分类，并把经过分类并对所分类的数据逐一进行安全类别判断，从而能够保证电子围网内的安全。且把监控数据进行分类有利于进行简化目标检测，保证目标检测的精准。
S12，把所述数据分类结果和判断结果发送给待处理中心；所述待处理中心接收到所述数据分类结果和判断结果，执行相应操作并对距离监控数据最近的资源进行配置。其中，处理中心用于获取监控数据的分类结果和判断结果并在显示中心显示监控数据的分类结果，以及判断结果，如果存在危险数据，则需要处理中心需要对危险数据进行广播，并调用危险数据周围的资源对危险数据进行处理。本发明中的危险数据可以是人、车以及船只数据。
通过对电子围网内的监控数据进行识别与分类，在对识别结果和分类结果进行判断区分安全类别，并把分类结果和安全类别结果发送给待处理中心，待处理中心对所接收的结果信息，发送对应的操作指令给距离监控数据最近的资源进配置，以保证能够在电子围网的监控范围内及时根据视频监控做出反馈及资源调度，提高电子围网以及海域巡防的执行效率。
本发明实施例所提供的一种基于电子围网的数据分析方法，还可以包括：
步骤1：利用所述获取的监控数据进行目标检测，输出目标检测结果；其中所述目标检测结果包括：船只识别数据、行人识别数据和车辆识别数据；电子围网内的监控设备通过无线或有线传输，把所拍摄到的监控画面传输给控制设备，控制设备对所拍摄到的监控画面进行处理，并利用目标检测算法进目标检测，提取出目标数据，其中，目标数据是所检测到的行人、船只以及车辆。而需要进行对拍摄到监控画面进行处理是需要所采集到的视频画面分解为图片数据，并对图片数据进目标检测。这样能够快速实现目标检测，提高电子围网的执行效率。
其中，目标检测可以是，如图2所示，
S20，基于所述获取的监控数据，构建监控数据集；其中构建监控数据集是通过采集电子围网的图片信息，其中，所采集到的图片信息，不仅仅是只有人、船及车辆，可能还存在树、山、海等一些背景信息。
S21，利用所述监控数据集和目标检测算法，构建目标检测模型；
可选的，目标检测算法可以包括：Fast R-CNN、Faster R-CNN、R-FCN、 YOLO、SSD和RetinaNet检测算法。
通过目标检测算法需要对目标进行提取，就需要利用现有的算法和所获得的部分监控图像，训练适合在电子围网内使用的目标检测模型，由于目标检测网络的精度与其检测有关系，因此优选的使用训练数据为电子围网的监控数据。
S22，根据所述目标检测模型对所述监控数据进行目标检测。
通过训练数据模型，获得符合电子围网需求的目标检测模型，能够精确识别出所检测的目标。
步骤2：基于所述获取的目标检测结果按船只、行人及车辆进行同类数据划分，输出监控数据同类划分结果。
可选的，利用分类器按船只、行人、车辆3种类别进行数据归类，输出三种分类结果。
把目标检测结果分为船只、行人及车辆进行分类，能够减少目标检测的复杂性，增加目标检测的检测速度，且对目标检测结果进行分类能够直观的观察电子围网内的各个监控数据的情况，有利于海防人员对电子围网内的检测数据进行分析预测。保证电子围网内的安全。
可选的，所输出监控数据同类划分结果其类型+数量的模式，也可以是直接图片输出的方式，具体的输出形式由所使用的算法以及输入条件决定。
步骤3：获取所述分类结果，把所述分类结果与预设数据进比较；预设数据可以是预设出入境禁止人员、船只、车辆的数据图片，也可以是临时加入人员、船只、车辆的数据图片。通过对比判断分类结果的危险性从而保证电子围网的数据安全，同时电子围网内的找资源相互配合调用，用以保证高效完成海防任务。
若预设数据与分类结果相同，则分类结果中存在危险性，并从分类结果中确定出危险数据；所述危险数据为由海防机构，和/或，国家安全机构提供的限制出入境的人员、船只及车辆数据；例如：危险数据对与人来熟可以是：失信人的图片及资料。
若预设数据与分类结果不相同，则分类结果属于安全数据。
可选的，预设数据为指定的行人、船只及车辆数据；
步骤4：把所述数据分类结果和判断结果发送给待处理中心；所述待处理中心接收到所述数据分类结果和判断结果，执行相应操作并对距离监控数据最近的资源进行配置；具体的，执行相应操作并对距离监控数据最近的资源进行配置，包括：
基于所述分类结果中的安全数据进行保存标记；其中所述标记为记录安全数据的出现位置信息；通过对安全数据进行登记保存及标记，能够为海防人员在进行船只、行人、车辆追踪监控时提供参考数据。
基于所述分类结果中的危险数据对距离危险数据的周边资源进行配置，所述对距离危险数据的周边资源进行配置包括：调度海防人员，增设巡查关卡；其中，执行相应操作还包括把所述分类结果和判断结果显示在显示设备上。例如：当监控数据通过目标检测算法检测出目标数据，在进过对目标数据的安全类别进行确定，确定其目标数据为危险数据，其中处理中心对电子围网内的所有海防人员及***进行电子广播，进行电子预警，并发出指令让距离危险数据(船/人/车)的最近的资源(海防人员/机器人) 进行排查，以防止危险事件的发生。保证电子围网内的安全，同时通过对监控数据的实施监控识别，联合预处理中心进行灵活调度，以保证能够在电子围网的监控范围内及时根据视频监控做出反馈及资源调度，提高电子围网以及海域巡防的执行效率。
根据本发明实施例所提供的一种基于电子围网的数据分析装置，如图3 所示，包括：
获取模块31，用于获取电子围网内的监控数据；其中所述监控数据包括：海上船只数据、行人数据以及车辆数据；获取模块31获取监控设备发送的监控数据。
决策模块32，用于基于所述监控数据进行数据分类和判断监控数据的安全类别；决策模块32获取获取模块31发送的监控数据，并对监控数据进分类判断已确定数据安全性。
执行模块33，把所述数据分类结果和判断结果发送给待处理中心；所述待处理中心接收到所述数据分类结果和判断结果，执行相应操作并对距离监控数据最近的资源进行配置。执行模块33，接收决策模块32发出的决策信息，进行动作，使其监控数据周围的资源能够灵活调度。
利用获取模块获取监控数据，决策模块对所获取的监控数据进目标检测、分类及监控数据的安全类别划分，保证在电子围网内通过视频监控能够做出及时反馈及资源调度，从而提升电子围网的执行效率。
本发明实施例还提供了一种电子设备，如图4所示，该电子设备可以包括处理器41和存储器42，其中处理器41和存储器42可以通过总线43 或者其他方式连接，图4中以通过总线43连接为例。
处理器41可以为中央处理器(Central Processing Unit，CPU)。处理器41还可以为其他通用处理器、数字信号处理器(Digital Signal Processor， DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
存储器42作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如本发明实施例中的车载显示装置按键屏蔽方法对应的程序指令/模块(例如，图3所示的获取模块31、决策模块32和执行模块33)。处理器41通过运行存储在存储器42中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的基于电子围网的数据分析方法。
存储器42可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储处理器 41所创建的数据等。此外，存储器42可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器42可选包括相对于处理器41 远程设置的存储器，这些远程存储器可以通过网络连接至处理器41。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器42中，当被所述处理器41 执行时，执行如图1-3所示实施例中的基于电子围网的数据分析方法。
上述电子设备的具体细节可以对应参阅图1至图2所示的实施例中对应的相关描述和效果进行理解，此处不再赘述。
本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)、随机存储记忆体(Random AccessMemory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种基于电子围网的数据分析方法，其特征在于，包括：
获取电子围网内的监控数据；其中所述监控数据包括：海上船只数据、行人数据以及车辆数据；
基于所述监控数据进行数据分类和判断监控数据的安全类别；
把所述数据分类结果和判断结果发送给待处理中心；所述待处理中心接收到所述数据分类结果和判断结果，执行相应操作并对距离监控数据最近的资源进行配置。
2.根据权利要求1所述的方法，其特征在于，所述基于所述监控数据进行数据分类包括：
利用所述获取的监控数据进行目标检测，输出目标检测结果；其中所述目标检测结果包括：船只识别数据、行人识别数据和车辆识别数据；
基于所述获取的目标检测结果按船只、行人及车辆进行同类数据划分，输出监控数据同类划分结果。
3.根据权利要求2所述的方法，其特征在于，所述利用所述获取的监控数据进行目标检测，包括：
基于所述获取的监控数据，构建监控数据集；
利用所述监控数据集和目标检测算法，构建目标检测模型；
根据所述目标检测模型对所述监控数据进行目标检测。
4.根据权利要求3所述的方法，其特征在于，所述目标检测算法，包括：Fast R-CNN、Faster R-CNN、R-FCN、YOLO、SSD和RetinaNet检测算法。
5.根据权利要求2所述的方法，其特征在于，所述基于所述获取的目标检测结果按船只、行人及车辆进行同类数据划分包括：利用分类器按船只、行人、车辆3种类别进行数据归类，输出三种分类结果。
6.根据权利要求1所述的方法，其特征在于，所述判断监控数据的安全类别，包括：
获取所述分类结果，把所述分类结果与预设数据进比较；其中，预设数据为指定的行人、船只及车辆数据；
若预设数据与分类结果相同，则分类结果中存在危险性，并从分类结果中确定出危险数据；所述危险数据为由海防机构，和/或，国家安全机构提供的限制出入境的人员、船只及车辆数据；
若预设数据与分类结果不相同，则分类结果属于安全数据。
7.根据权利要求6所述的方法，其特征在于，所述把所述数据分类结果和判断结果发送给待处理中心；所述待处理中心接收到所述数据分类结果和判断结果，执行相应操作并对距离监控数据最近的资源进行配置，包括：
基于所述分类结果中的安全数据进行保存标记；其中所述标记为记录安全数据的出现位置信息；
基于所述分类结果中的危险数据对距离危险数据的周边资源进行配置，所述对距离危险数据的周边资源进行配置包括：调度海防人员，增设巡查关卡；其中，执行相应操作还包括把所述分类结果和判断结果显示在显示设备上。
8.一种基于电子围网的数据分析装置，其特征在于，包括：
获取模块，用于获取电子围网内的监控数据；其中所述监控数据包括：海上船只数据、行人数据以及车辆数据；
决策模块，用于基于所述监控数据进行数据分类和判断监控数据的安全类别；
执行模块，把所述数据分类结果和判断结果发送给待处理中心；所述待处理中心接收到所述数据分类结果和判断结果，执行相应操作并对距离监控数据最近的资源进行配置。
9.一种电子设备，其特征在于，包括：
存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-7中任一项所述的基于电子围网的数据分析方法。
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存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的基于电子围网的数据分析方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911370596.3A CN111523362A (zh) | 2019-12-26 | 2019-12-26 | 一种基于电子围网的数据分析方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911370596.3A CN111523362A (zh) | 2019-12-26 | 2019-12-26 | 一种基于电子围网的数据分析方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111523362A true CN111523362A (zh) | 2020-08-11 |
Family
ID=71900892
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911370596.3A Pending CN111523362A (zh) | 2019-12-26 | 2019-12-26 | 一种基于电子围网的数据分析方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111523362A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111818313A (zh) * | 2020-08-28 | 2020-10-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于监控视频的车辆实时追踪方法及装置 |
| CN112232295A (zh) * | 2020-11-09 | 2021-01-15 | 珠海大横琴科技发展有限公司 | 一种新增目标船只的确认方法、装置及电子设备 |
| CN113095161A (zh) * | 2021-03-23 | 2021-07-09 | 深圳力维智联技术有限公司 | 危险行为的识别方法、装置、终端设备及计算机存储介质 |
| CN113257040A (zh) * | 2021-05-14 | 2021-08-13 | 广州嘉航通信科技有限公司 | 内河交通安全标志监控方法、***、计算机设备及存储介质 |
| CN115604425A (zh) * | 2022-09-09 | 2023-01-13 | 中国铁塔股份有限公司浙江省分公司（Cn） | 应用于耕地智保场景的铁塔视联*** |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109559008A (zh) * | 2018-09-19 | 2019-04-02 | 中建科技有限公司深圳分公司 | 施工监控方法、装置及*** |
| CN109784525A (zh) * | 2018-11-13 | 2019-05-21 | 北京码牛科技有限公司 | 基于天空地一体化数据的预警方法及装置 |
| CN110491179A (zh) * | 2019-09-02 | 2019-11-22 | 孔吉 | 一种具有动态虚拟电子围栏的机场场面监控*** |
-
2019
- 2019-12-26 CN CN201911370596.3A patent/CN111523362A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109559008A (zh) * | 2018-09-19 | 2019-04-02 | 中建科技有限公司深圳分公司 | 施工监控方法、装置及*** |
| CN109784525A (zh) * | 2018-11-13 | 2019-05-21 | 北京码牛科技有限公司 | 基于天空地一体化数据的预警方法及装置 |
| CN110491179A (zh) * | 2019-09-02 | 2019-11-22 | 孔吉 | 一种具有动态虚拟电子围栏的机场场面监控*** |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111818313A (zh) * | 2020-08-28 | 2020-10-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于监控视频的车辆实时追踪方法及装置 |
| CN112232295A (zh) * | 2020-11-09 | 2021-01-15 | 珠海大横琴科技发展有限公司 | 一种新增目标船只的确认方法、装置及电子设备 |
| CN112232295B (zh) * | 2020-11-09 | 2021-10-15 | 珠海大横琴科技发展有限公司 | 一种新增目标船只的确认方法、装置及电子设备 |
| CN113095161A (zh) * | 2021-03-23 | 2021-07-09 | 深圳力维智联技术有限公司 | 危险行为的识别方法、装置、终端设备及计算机存储介质 |
| CN113095161B (zh) * | 2021-03-23 | 2024-05-31 | 深圳力维智联技术有限公司 | 危险行为的识别方法、装置、终端设备及计算机存储介质 |
| CN113257040A (zh) * | 2021-05-14 | 2021-08-13 | 广州嘉航通信科技有限公司 | 内河交通安全标志监控方法、***、计算机设备及存储介质 |
| CN113257040B (zh) * | 2021-05-14 | 2022-12-30 | 广州嘉航通信科技有限公司 | 内河交通安全标志监控方法、***、计算机设备及存储介质 |
| CN115604425A (zh) * | 2022-09-09 | 2023-01-13 | 中国铁塔股份有限公司浙江省分公司（Cn） | 应用于耕地智保场景的铁塔视联*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111523362A (zh) | 一种基于电子围网的数据分析方法、装置及电子设备 | |
| US10699125B2 (en) | Systems and methods for object tracking and classification | |
| Jiao et al. | A yolov3-based learning strategy for real-time uav-based forest fire detection | |
| CN109360362A (zh) | 一种铁路视频监控识别方法、***和计算机可读介质 | |
| CN111680535A (zh) | 在视频监控中实时预测一个或多个潜在威胁的方法和*** | |
| CN110991385A (zh) | 一种识别船只行驶轨迹的方法、装置及电子设备 | |
| CN110969213A (zh) | 一种基于Faster RCNN的船只检测方法、装置及电子设备 | |
| CN115620208A (zh) | 电网安全预警方法、装置、计算机设备和存储介质 | |
| CN110414375A (zh) | 低空目标的识别方法、装置、存储介质及电子设备 | |
| Sharma et al. | SharkSpotter: Shark detection with drones for human safety and environmental protection | |
| Slyusar et al. | Improving the model of object detection on aerial photographs and video in unmanned aerial systems | |
| Sirisha et al. | Nam-yolov7: An improved yolov7 based on attention model for animal death detection | |
| CN113673399A (zh) | 区域监测的方法、装置、电子设备及可读存储介质 | |
| Shah et al. | Use of Deep Learning Applications for Drone Technology | |
| CN112925805A (zh) | 基于网络安全的大数据智能分析应用方法 | |
| CN117237935A (zh) | 一种空间物体的识别方法、装置、电子设备及存储介质 | |
| CN117649741A (zh) | 基于深度学习的变电站周围高危动物实时监测***及方法 | |
| CN113593256B (zh) | 基于城市管理的无人机智能驱离控制方法、***及云平台 | |
| CN111145558B (zh) | 一种基于高点视频监控的违法行为识别方法 | |
| CN110471056B (zh) | 一种虚警信息判断方法、装置及终端设备 | |
| CN112861711A (zh) | 区域入侵检测方法、装置、电子设备及存储介质 | |
| CN113420631A (zh) | 一种基于图像识别的安全报警方法及装置 | |
| CN110581979B (zh) | 一种图像采集***、方法及装置 | |
| CN113536847A (zh) | 一种基于深度学习的工业场景视频分析***及其方法 | |
| Diop et al. | Detection of lateral road obstacles based on the haar cascade classification method in video surveillance |
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: 20200811 |