CN111931657A - 目标物识别***、方法以及存储介质 - Google Patents
目标物识别***、方法以及存储介质 Download PDFInfo
- Publication number
- CN111931657A CN111931657A CN202010801556.6A CN202010801556A CN111931657A CN 111931657 A CN111931657 A CN 111931657A CN 202010801556 A CN202010801556 A CN 202010801556A CN 111931657 A CN111931657 A CN 111931657A
- Authority
- CN
- China
- Prior art keywords
- sensor
- information
- target object
- processor
- range
- 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 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 81
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 2
- 230000007123 defense Effects 0.000 abstract description 6
- 230000009545 invasion Effects 0.000 abstract description 5
- 239000011824 nuclear material Substances 0.000 abstract description 4
- 230000002349 favourable effect Effects 0.000 abstract 1
- 230000006399 behavior Effects 0.000 description 8
- 239000000523 sample Substances 0.000 description 7
- 230000010365 information processing Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012549 training Methods 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
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明的实施例提出一种目标物识别***,所述***包括:采集设备,采集进入所述目标物识别***能够识别范围内的目标物的信息;处理器,配置成:接收所述采集设备采集的信息;对所述接收的信息进行处理;以及对所述处理后的信息进行判断,以识别所述目标物类型。本发明的实施例还提出一种目标物识别方法以及存储介质。根据本发明实施例的目标物识别***、方法,通过对入侵目标物识别并监控,便于管理人员在监控到入侵物或入侵行为时能够及时采取有利措施;基于简化的***结构,其使用时只需简单架设,提高了实用性,可适用于核材料运输中用于临时布防等更多的场景。
Description
技术领域
本发明涉及入侵探测技术领域,具体涉及一种目标物识别***、方法以及存储介质。
背景技术
得益于近年来人工智能、深度学习、图像识别技术的快速发展,利用传感器感知周围环境、采集信息,根据采集到的信息对周围环境进行检测,以及进一步根据检测结果采取安全措施成为诸如自动驾驶、入侵探测等领域的主要技术手段。
利用探测设备或***对核设施区域内的人员活动等进行探测,通过识别入侵物类型、入侵行为并对其监控,有利于管理人员及时对入侵行为进行处理,从而加强区域保护、减少物力财力损失。然而,现有的实物保护探测装置例如红外对射、微波探测、泄露电缆、张力电缆等虽然能够对通过防区的入侵人员探测,但是其使用时需要固定安装位置并且精心安装调试,在使用后期还需要经常维护,造成使用不方便、耗费人力等问题。
发明内容
本发明实施例提供了涉及目标物识别***、方法和存储介质。在一些实施方式中,本文描述的***、方法通过对入侵目标物识别并监控,便于管理人员在监控到入侵物或入侵行为时能够及时采取有利措施;通过简化的***结构使其使用时便于架设,具有较高实用性,可适用于核材料运输中临时布防等更多的场景。
在一方面,提供了一种目标物识别***,所述***包括:采集设备,采集进入所述目标物识别***能够识别范围内的目标物的信息;处理器,配置成:接收所述采集设备采集的信息;对所述接收的信息进行处理;以及对所述处理后的信息进行判断,以识别所述目标物类型。
在一些实施方式中,所述采集设备包括:至少两个第一传感器,配置成探测到所述目标物进入所述目标物识别***能够识别的范围,以及获取所述目标物的位置和/或运动信息;至少两个第二传感器,配置成获取进入所述目标物识别***能够识别范围的所述目标物的图像信息。
在一些实施方式中,所述第一传感器包括位置传感器、距离传感器和范围传感器。
在一些实施方式中,所述第二传感器包括图像传感器、视觉传感器。
在一些实施方式中,所述目标物识别***能够识别范围包括所述第一传感器和所述第二传感器共同形成的视场角。
在一些实施方式中,所述目标物识别***能够识别范围包括实施保护的对象所在的区域。
在一些实施方式中,对所述接收的信息进行处理包括数据融合。
在一些实施方式中,所述识别基于机器学习算法。
在一些实施方式中,所述识别基于深度学习算法。
在一些实施方式中,所述目标物类型包括人、车辆和无人飞行器。
在一些实施方式中,所述采集设备还包括:传输设备和显示设备;所述传输设备将所述采集设备采集的信息发送至所述处理器,以及将所述处理器生成的信息发送至所述显示设备,所述生成的信息包括所述目标物的图像、视频;所述显示设备配置成对所述目标物监控。
在一些实施方式中,至少一个所述第一传感器与至少一个所述第二传感器用于获取地面范围的第一目标物的信息。
在一些实施方式中,至少一个所述第一传感器与至少一个所述第二传感器用于获取空中范围的第二目标物的信息。
在一些实施方式中,至少一组所述第一传感器与所述第二传感器构成的组合用于获取地面范围的第一目标物的信息;并且至少一组所述第一传感器与所述第二传感器构成的组合用于获取空中范围的第二目标物的信息。
在一些实施方式中,至少一组所述第一传感器与所述第二传感器构成的组合布置成其探测方向平行于水平方向。
在一些实施方式中,至少一组所述第一传感器与所述第二传感器构成的组合布置成其探测方向与水平方向成预定角度。
在另一方面,提供了一种目标物识别方法,所述方法包括:在处理器接收采集设备采集的信息,所述采集设备配置成对进入所述目标物识别***能够识别范围的目标物采集信息;在所述处理器对所述接收的信息进行处理;以及借助于所述处理器对所述处理后的信息进行判断,以识别所述目标物类型。
在一些实施方式中,所述目标物识别方法还包括:在传输设备将所述采集设备采集的信息发送至所述处理器;在所述传输设备将所述处理器生成的信息发送至显示设备,所述生成的信息包含所述目标物的图像、视频;以及在所述显示设备对所述目标物监控。
在一方面,还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据本发明实施例中的目标物识别方法。
附图说明
通过下文中参照附图对本发明所作的描述,本发明的其它目的和优点将显而易见,并可帮助对本发明有全面的理解。
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了根据本发明实施方式的目标物识别***的结构示意图;
图2示出了根据本发明实施方式的探测装置的结构示意图;
图3示出了图2中的探测装置在作业时的俯视图;
图4示出了图2中的探测装置在作业时的侧视图;
图5示出了图2中的探测装置在作业时的布局示意图。
需要说明的是,附图并不一定按比例来绘制,而是仅以不影响读者理解的示意性方式示出。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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,均应当属于本发明保护的范围。
除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
本发明实施例的目标物识别***或者探测装置支持对现有实物保护***提供补充,通过使***或装置的结构简化,以及使多传感器进行合理分布,在实现入侵判别的前提下,提高实用性。
在一些实施方式中,本发明内容提供了使用多个第一传感器(例如,多个相机)与多个第二传感器(例如,多个雷达)相结合,与对入侵目标物采集信息、根据信息对目标物进行识别有关的***、装置和方法。相比利用单个传感器的方法,多个传感器使用可提供多种优点,例如扩大探测范围,或者增强的稳定性和稳健性(例如,如果传感器中的一个出现故障,则多个传感器可以提供冗余)。用于组合来自多个或多类型传感器的数据的传感器融合算法可以不同于用于单个或者单一类型传感器方法的算法。例如,用于多个或多类型传感器的算法可以考虑不同传感器之间的空间关系(例如,相对位置和/或朝向),而这样的空间关系将无法适用于单个传感器方法。
本发明内容的对目标物识别可以采用传统机器视觉检测方法,也可以基于深度学习检测方法。深度学习通过深度神经网络构建算法,对图像特征进行分层提取,并且通过大量数据训练自动学习特征,提取全局特征和上下文信息的能力,更适于在复杂场景中进行快速准确检测。基于深度学习的算法例如包括深度信念网络、去噪自动编码机、三元因子玻尔兹曼机、深度玻尔兹曼机和卷积神经网络等。通过利用深度学习算法优化图像识别,提高对目标物识别准确率。
图1示出了根据本发明实施方式的目标物识别***的结构示意图。该***100包括:采集设备10,采集进入目标物识别***能够识别范围内的目标物的信息;处理器11,配置成:接收采集设备10采集的信息;对接收的信息进行处理;以及对处理后的信息进行判断,以识别目标物类型。
在一些实施方式中,采集设备10由多个不同类型的传感器组合来获取目标物信息。适合于本文公开的实施方式一起使用的示例性传感器包括位置传感器(例如,全球定位***(GPS)传感器、支持位置三角测量法的移动装置发射器)、图像传感器或视觉传感器(例如,能够检测可见光、红外光或紫外光的成像装置,诸如相机)、距离传感器或范围传感器(例如,超声传感器、激光雷达、飞行时间相机或深度相机)。可以使用任何合适数目和组合的传感器,诸如一个、两个、三个、四个、五个或更多个传感器。可选地,可以从不同类型(例如,两种、三种、四种、五种或更多种类型)的传感器接收数据。不同类型的传感器可以测量不同类型的信号或信息(例如,位置、朝向、速度、加速度、距离、图像等)以及/或者利用不同类型的测量技术来获得数据。
在一些实施方式中,通过组合由多个传感器获得的传感器数据(也称为“传感器融合”)来生成检测结果。例如,传感器融合可以用于组合由不同传感器类型获得的感测数据,所述不同传感器类型包括诸如GPS传感器、图像传感器、激光雷达、超声传感器等。又例如,传感器融合可以用于组合不同类型的感测数据,诸如绝对测量数据(例如,相对于全局坐标系提供的数据,诸如GPS数据)和相对测量数据(例如,相对于局部坐标系提供的数据,诸如视觉感测数据、激光雷达数据或超声感测数据)。传感器融合可以用于补偿与单独的传感器类型相关联的限制或不准确性,从而改进最终感测结果的准确性和可靠性。
在使用多个传感器的实施方式中,每个传感器能够以各自的位置和朝向布置。关于多个传感器彼此的空间关系(例如,相对位置和朝向)的信息可以用作融合来自所述多个传感器的数据的基础。多个传感器彼此的空间关系还可以用于布置探测区域范围,以实现更大区域范围的入侵探测或入侵目标物识别。
在一些实施方式中,处理器11可以包括信息接收模块、信息处理模块、传感器融合模块、判断模块等,可以使用硬件部件和软件部件的任何合适的组合来实现各个模块。信息接收模块用于从一个或多个传感器获得传感器采集的信息。在一些实施方式中,可以使用同一数据总线来接收第一传感器信息和第二传感器信息。在其他实施方式中,可以使用不同的数据总线来接收第一传感器信息和第二传感器信息。在使用多个传感器的实施方式中,信息接收模块可以在相同时刻同步地从多个传感器中的每一个接收信息。信息处理模块、传感器融合模块例如可以是组合的模块,或者也可以分开设置。信息处理模块用于处理从信息接收模块接收的信息。在一些实施方式中,信息处理模块实现图像识别算法。判断模块用于根据信息处理模块处理得到的信息,对例如目标物类型识别、对目标物行为判断等。
在一些实施方式中,目标物识别***100还包括传输设备和显示设备;传输设备将采集设备10采集的信息发送至处理器11,以及将处理器11生成的信息发送至显示设备。在一些实施方式中,采集设备10以及处理器11通过交换机12向控制计算机14发送有关目标物检测结果。控制计算机14例如可实现监控显示、报警信息提示、查询显示等功能,可显示有关目标物的图像、视频等,以便管理人员对目标物类型、位置、行为等进行监控。在一些实施方式中,服务器13可对采集的目标物信息进行数据存储131等。
图2示出了根据本发明实施方式的探测装置的结构示意图。如图2所示,探测装置200包括探测单元20,探测单元20用于对进入探测范围的入侵物进行检测,识别入侵物类型、入侵行为等。在一些实施方式中,探测装置200可以包括多个探测单元20,探测单元20的数量可以是四个、三个或者更多或更少。在一些实施方式中,多个探测单元20可以具有相对于彼此的空间关系,多个探测单元20可以在同一水平面布置,或者在不同水平面布置。多个探测单元20的位置和朝向等根据实际需要布置。
在一些实施方式中,每个探测单元20包括第一传感器201、第二传感器202以及AI主板211。第一传感器201与第二传感器202可以是不同类型的传感器。第一传感器201可以是图像传感器或视觉传感器,进一步可以是相机、摄像机或其他成像装置。第二传感器202可以是位置传感器或距离传感器,进一步可以是超声传感器、激光雷达、毫米波雷达。AI主板211例如可以是与第一传感器201以及第二传感器202匹配的嵌入式GPU主板JetsonTX2,AI主板211可以实现基于深度学习的图像识别算法。在其他的实施方式中,每个探测单元20可以包括不同数量的第一传感器201与不同数量的第二传感器202的组合,可以根据传感器能够探测的范围或视场角来确定,本发明实施例对此不作限定。
通过将多个探测单元20组合形成探测装置200,进行入侵探测,该探测装置具有简化的结构,布防方便,只需要在待使用区域架设即可,例如在核材料运输中用于临时布防,可实现安装快捷、检测准确率高的效果。
在一些实施方式中,探测装置200还包括控制计算机(图中未示出),用于显示检测结果、报警情况等,便于管理人员对入侵监控。
在一些实施方式中,探测装置200可用于对地面范围或空中范围的入侵物进行探测。地面范围的入侵可以包括进出防区的人员、车辆活动等,空中范围的入侵可以包括近空的无人机等。探测装置200可以具有较大的探测范围,因而实现对核设施等增强的入侵探测保护。
如图2所示,探测装置200包括四个探测单元20a、20b、20c和20d,其中,探测单元20a和20b设置成对地面区域的入侵目标物进行探测,例如包括对进入探测区域的人员、车辆情况等进行检测。探测单元20c和20d设置成对空中区域的入侵目标物进行探测,例如包括对近空的可移动物体(无人机等)进行探测。通过对地面以及空中范围的入侵目标物探测,可实现较大范围的监控。
在一些实施方式中,探测单元20a和20b布置在第一水平面高度,探测单元20c和20d布置在不同于第一水平面的第二水平面高度。同一水平面高度的探测单元的位置和朝向根据实际需求设置。如图2所示,探测单元20a和20b的探头朝向(探测方向)相互垂直设置,其中,每个探测单元20a或探测单元20b的探头朝向为平行于水平方向,每个探测单元例如包括摄像头201、雷达202和主板211。对于探测单元20a或探测单元20b,摄像头201的水平视场角例如为98度,雷达202的水平视场角例如为大于98度,由此,将探测单元20a和20b的探头朝向设置为相互垂直,可以实现水平视场角不小于180度的探测范围。
如图2所示,探测单元20c和20d设置在高于探测单元20a和20b的水平高度。每个探测单元20c或探测单元20d的探头朝向(探测方向)设置为与水平方向成预定角度。该预定角度可以是45度、44度、43度、42度、41度、40度。该预定角度还可以是任何大于45度或任何小于45度的角度。当预定角度是45度时,可提供有利的对空探测范围,例如无人机进入该探测范围的概率提高。在其他一些实施方式中,探测单元20a和20b之间、探测单元20c和20d之间的位置、朝向等根据实际需要调整,本发明实施例不作限定。
图3示出了探测装置200在作业时的俯视图。探测单元30a和30b例如呈相互垂直布置,其对地面范围进行扫描时,可形成水平视场角不小于180度的探测范围S,能够对进入该探测范围的人员、车辆活动进行准确探测。
每个探测单元30a或30b包括摄像头301、雷达302和主板。在一些实施方式中,探测装置还包括壳体322,壳体322对探测单元进行固定或用于容纳探测单元,从而对探测单元形成保护。
图4示出了探测装置在作业时的侧视图。其中,探测单元40a用于对地面区域探测从而形成地面探测范围S1,探测单元40c用于对空中区域探测从而形成空中探测范围S2。其中,探测单元40a的探头朝向为平行于水平方向,探测单元40c的探头朝向为与水平方向呈预定角度,该预定角度例如为45度。每个探测单元包括摄像头401、雷达402和主板。在一些实施方式中,探测装置还包括壳体422,壳体对探测单元进行固定或用于容纳探测单元,从而对探测单元形成保护。
图5示出了图2中的探测装置在作业时的布局示意图。如图5所示,根据需要布防的范围,可以选择架构的探测装置200的数量。当探测装置200的数量为4个时,每个探测装置200可在水平视场角为180度的范围内进行扫描探测,从而4个探测装置200能够满足对受保护区域内设施、行为等进行360度监控、保护。在一些实施方式中,探测半径d例如可以为20米或者更远,进一步扩大探测范围。
根据本发明实施例的探测装置或者目标物识别***,具有相对于现有技术更简化的结构,占用空间小、结构紧凑,并且在使用时,只需要将其布设在指定位置即可,相比具有固定安装位置的设备具有更灵活、实用性更强的优点,可应用多种场景,例如用于核材料运输中的临时布防,使用方便,为现有的实物保护***提供了补充。
本发明实施例还提供了一种目标物识别方法,其包括:在处理器接收采集设备采集的信息,采集设备配置成对进入目标物识别***能够识别范围的目标物采集信息;在处理器对接收的信息进行处理;以及借助于处理器对处理后的信息进行判断,以识别目标物类型。
在一些实施方式中,目标物识别方法还包括:在传输设备将采集设备采集的信息发送至处理器;在传输设备将所述处理器生成的信息发送至显示设备,生成的信息包含所述目标物的图像、视频;以及在所述显示设备对目标物监控。
在一些实施方式中,采集设备包括多个传感器,其能够对进入探测范围的入侵目标物进行信息采集,以便于处理器根据采集的信息对例如目标物类型、入侵行为等进行判别,实现对入侵物或入侵行为监控、预警等。适合于本文公开的实施方式一起使用的示例性传感器包括位置传感器(例如,全球定位***(GPS)传感器、支持位置三角测量法的移动装置发射器)、图像传感器或视觉传感器(例如,能够检测可见光、红外光或紫外光的成像装置,诸如相机)、距离传感器或范围传感器(例如,超声传感器、激光雷达、飞行时间相机或深度相机)。可以使用任何合适数目和组合的传感器,诸如一个、两个、三个、四个、五个或更多个传感器。可选地,可以从不同类型(例如,两种、三种、四种、五种或更多种类型)的传感器接收数据。不同类型的传感器可以测量不同类型的信号或信息(例如,位置、朝向、速度、加速度、距离、图像等)以及/或者利用不同类型的测量技术来获得数据。
在使用多个传感器的实施方式中,每个传感器能够以各自的位置和朝向布置。关于多个传感器彼此的空间关系(例如,相对位置和朝向)的信息可以用作融合来自所述多个传感器的数据的基础。多个传感器彼此的空间关系还可以用于布置探测区域范围,以实现更大区域范围的入侵探测或入侵目标物识别。
根据本发明实施例的目标物识别方法,在利用探测装置进行探测时,只需要将探测装置布设在指定位置即可,相比具有固定安装位置的设备具有更灵活、实用性更强的优点;通过自动对入侵目标物识别,可节省人力,并且提供高的识别准确率。
本发明实施例还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据本发明实施例中的目标物识别方法。
对于本发明的实施例,还需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合以得到新的实施例。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,本发明的保护范围应以权利要求的保护范围为准。
Claims (19)
1.一种目标物识别***,所述***包括:
采集设备,采集进入所述目标物识别***能够识别范围内的目标物的信息;
处理器,配置成:
接收所述采集设备采集的信息;
对所述接收的信息进行处理;以及
对所述处理后的信息进行判断,以识别所述目标物类型。
2.根据权利要求1所述的***,其中,所述采集设备包括:
至少两个第一传感器,配置成探测到所述目标物进入所述目标物识别***能够识别的范围,以及获取所述目标物的位置和/或运动信息;
至少两个第二传感器,配置成获取进入所述目标物识别***能够识别范围的所述目标物的图像信息。
3.根据权利要求2所述的***,其中,
所述第一传感器包括位置传感器、距离传感器和范围传感器。
4.根据权利要求2所述的***,其中,
所述第二传感器包括图像传感器、视觉传感器。
5.根据权利要求2所述的***,其中,
所述目标物识别***能够识别范围包括所述第一传感器和所述第二传感器共同形成的视场角。
6.根据权利要求1所述的***,其中,
所述目标物识别***能够识别范围包括实施保护的对象所在的区域。
7.根据权利要求2所述的***,其中,
对所述接收的信息进行处理包括数据融合。
8.根据权利要求7所述的***,其中,
所述识别基于机器学习算法。
9.根据权利要求8所述的***,其中,
所述识别基于深度学习算法。
10.根据权利要求1所述的***,其中,
所述目标物类型包括人、车辆和无人飞行器。
11.根据权利要求1所述的***,其中,还包括:
传输设备和显示设备;
所述传输设备将所述采集设备采集的信息发送至所述处理器,以及将所述处理器生成的信息发送至所述显示设备,所述生成的信息包括所述目标物的图像、视频;
所述显示设备配置成对所述目标物监控。
12.根据权利要求2所述的***,其中,
至少一个所述第一传感器与至少一个所述第二传感器用于获取地面范围的第一目标物的信息。
13.根据权利要求2所述的***,其中,
至少一个所述第一传感器与至少一个所述第二传感器用于获取空中范围的第二目标物的信息。
14.根据权利要求2所述的***,其中,
至少一组所述第一传感器与所述第二传感器构成的组合用于获取地面范围的第一目标物的信息;并且
至少一组所述第一传感器与所述第二传感器构成的组合用于获取空中范围的第二目标物的信息。
15.根据权利要求12所述的***,其中,
至少一组所述第一传感器与所述第二传感器构成的组合布置成其探测方向平行于水平方向。
16.根据权利要求13所述的***,其中,
至少一组所述第一传感器与所述第二传感器构成的组合布置成其探测方向与水平方向成预定角度。
17.一种目标物识别方法,所述方法包括:
在处理器接收采集设备采集的信息,所述采集设备配置成对进入所述目标物识别***能够识别范围的目标物采集信息;
在所述处理器对所述接收的信息进行处理;以及
借助于所述处理器对所述处理后的信息进行判断,以识别所述目标物类型。
18.根据权利要求17所述的目标物识别方法,其中,还包括:
在传输设备将所述采集设备采集的信息发送至所述处理器;
在所述传输设备将所述处理器生成的信息发送至显示设备,所述生成的信息包含所述目标物的图像、视频;以及
在所述显示设备对所述目标物监控。
19.一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求17或18所述的目标物识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801556.6A CN111931657A (zh) | 2020-08-11 | 2020-08-11 | 目标物识别***、方法以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801556.6A CN111931657A (zh) | 2020-08-11 | 2020-08-11 | 目标物识别***、方法以及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111931657A true CN111931657A (zh) | 2020-11-13 |
Family
ID=73311140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010801556.6A Pending CN111931657A (zh) | 2020-08-11 | 2020-08-11 | 目标物识别***、方法以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111931657A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114445988A (zh) * | 2021-12-29 | 2022-05-06 | 河南中光学集团有限公司 | 一种能够实现智能管控的无人值守电子哨兵及其工作方法 |
EP4099302A1 (en) * | 2021-06-02 | 2022-12-07 | Arlo Technologies, Inc. | Multisensor security system with aircraft monitoring |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108292141A (zh) * | 2016-03-01 | 2018-07-17 | 深圳市大疆创新科技有限公司 | 用于目标跟踪的方法和*** |
CN108845314A (zh) * | 2018-09-18 | 2018-11-20 | 合肥芯福传感器技术有限公司 | 一种多模式目标探测方法及*** |
-
2020
- 2020-08-11 CN CN202010801556.6A patent/CN111931657A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108292141A (zh) * | 2016-03-01 | 2018-07-17 | 深圳市大疆创新科技有限公司 | 用于目标跟踪的方法和*** |
CN108845314A (zh) * | 2018-09-18 | 2018-11-20 | 合肥芯福传感器技术有限公司 | 一种多模式目标探测方法及*** |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4099302A1 (en) * | 2021-06-02 | 2022-12-07 | Arlo Technologies, Inc. | Multisensor security system with aircraft monitoring |
US20220392322A1 (en) * | 2021-06-02 | 2022-12-08 | Arlo Technologies, Inc. | Multisensor Security System with Aircraft Monitoring |
US12033478B2 (en) * | 2021-06-02 | 2024-07-09 | Arlo Technologies, Inc. | Multisensor security system with aircraft monitoring |
CN114445988A (zh) * | 2021-12-29 | 2022-05-06 | 河南中光学集团有限公司 | 一种能够实现智能管控的无人值守电子哨兵及其工作方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hammer et al. | Lidar-based detection and tracking of small UAVs | |
US9429945B2 (en) | Surveying areas using a radar system and an unmanned aerial vehicle | |
CN112068111A (zh) | 一种基于多传感器信息融合的无人机目标侦测方法 | |
KR101948569B1 (ko) | 라이다 센서 및 팬틸트줌 카메라를 활용한 비행체 식별 시스템 및 그 제어 방법 | |
WO2005125209A1 (en) | Method and system for surveillance of vessels | |
Hammer et al. | Potential of lidar sensors for the detection of UAVs | |
CN104935893A (zh) | 监视方法和装置 | |
CN111931657A (zh) | 目标物识别***、方法以及存储介质 | |
KR102479959B1 (ko) | 인공지능 기반 통합 경계 방법 및 객체 모니터링 장치 | |
US11740315B2 (en) | Mobile body detection device, mobile body detection method, and mobile body detection program | |
CN113219454A (zh) | 基于毫米波雷达的防车辆和人员侵入跑道的***及方法 | |
CN112673377A (zh) | 监测设备以及用于人员落水监测的方法 | |
CN113870509A (zh) | 一种入侵探测*** | |
RU2595532C1 (ru) | Радиолокационная система охраны территорий с малокадровой системой видеонаблюдения и оптимальной численностью сил охраны | |
CN115083088A (zh) | 铁路周界入侵预警方法 | |
CN115035470A (zh) | 一种基于混合视觉的低小慢目标识别与定位方法及*** | |
US11823550B2 (en) | Monitoring device and method for monitoring a man-overboard in a ship section | |
CN112505720A (zh) | 一种基于多线激光雷达的边坡灾害监测***及方法 | |
CN114998846A (zh) | 海上钻井平台智能化***的实现方法、***及相关组件 | |
CN208768193U (zh) | 近空智能监控*** | |
JP3985371B2 (ja) | 監視装置 | |
RU2542873C1 (ru) | Комплекс технического наблюдения за охраняемой территорией | |
CN112802100A (zh) | 一种入侵检测方法、装置、设备和计算机可读存储介质 | |
KR102440169B1 (ko) | 멀티센서 신호 융합과 ai 영상 분석을 통한 유효감지 정확도를 향상시킨 스마트 경계 시스템 | |
González et al. | Vision-based UAV detection for air-to-air neutralization |
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 |