CN112911156B - 一种基于计算机视觉的巡逻机器人和安防*** - Google Patents
一种基于计算机视觉的巡逻机器人和安防*** Download PDFInfo
- Publication number
- CN112911156B CN112911156B CN202110223215.XA CN202110223215A CN112911156B CN 112911156 B CN112911156 B CN 112911156B CN 202110223215 A CN202110223215 A CN 202110223215A CN 112911156 B CN112911156 B CN 112911156B
- Authority
- CN
- China
- Prior art keywords
- portrait
- patrol
- monitoring
- patrol robot
- security server
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/64—Computer-aided capture of images, e.g. transfer from script file into camera, check of taken image quality, advice or proposal for image composition or decision on when to take image
-
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- 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
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
- H04N7/185—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source from a mobile camera, e.g. for remote control
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种基于计算机视觉的巡逻机器人和安防***,旨在提高园区安防的严密性。所述机器人包括:处理模块、通信模块、拍摄模块以及驱动模块;所述处理模块用于控制所述驱动模块,使所述驱动模块将所述巡逻机器人行驶至园区的监控摄像头的监控盲区;所述处理模块还用于通过所述通信模块接收所述园区的安防服务器所发送的第一拍摄指令,所述第一拍摄指令是在以下情况下生成的:所述安防服务器判断出所述巡逻机器人行驶出所述监控摄像头的监控范围后,所述安防服务器生成所述第一拍摄指令;所述处理模块响应于所述第一拍摄指令,控制所述拍摄模块开始拍摄巡逻视频,并控制所述通信模块将所述巡逻视频传输给所述安防服务器。
Description
技术领域
本发明涉及安防技术领域,特别是涉及一种基于计算机视觉的巡逻机器人和安防***。
背景技术
随着社会迅速发展,我们的生活环境在不断发生变化,相继带来的不安全因素越来越多。诸如校园、社区等园区的包里事件屡屡发生,另外,由于幼儿年龄特点所决定,幼儿们通常缺乏生活经验,往往对陌生人的危险属性缺乏判断能力,因此幼儿园是最容易发生幼儿危害的场所。
因此,对于幼儿园而言,如何确保园内幼儿的安全,特别是防范陌生人对幼儿的拐骗、伤害等,是幼儿园的首要任务。为了提高幼儿园的安全性,通常会在园内布置多个监控摄像头,以对幼儿园进行安全监控。但是这些监控摄像头不可避免地会出现一个或多个监控盲区,这些监控盲区对幼儿园的安防形成威胁,并造成安全漏洞。
发明内容
本发明实施例的目的在于提供一种基于计算机视觉的巡逻机器人和安防***,旨在提高幼儿园安防的严密性,从而提升园区安全性。具体技术方案如下:
在本发明实施例的第一方面,提供一种基于计算机视觉的巡逻机器人,所述机器人包括:处理模块、通信模块、拍摄模块、驱动模块以及告警模块;
当所述巡逻机器人处于巡逻状态期间,所述处理模块用于控制所述驱动模块,使所述驱动模块将所述巡逻机器人行驶至园区的监控摄像头的监控盲区;
所述处理模块还用于通过所述通信模块接收所述园区的安防服务器所发送的第一拍摄指令,所述第一拍摄指令是在以下情况下生成的:所述安防服务器判断出所述巡逻机器人行驶出所述监控摄像头的监控范围后,所述安防服务器生成所述第一拍摄指令;
所述处理模块响应于所述第一拍摄指令,控制所述拍摄模块开始拍摄巡逻视频,并控制所述通信模块将所述巡逻视频传输给所述安防服务器;
所述处理模块还用于从所述巡逻视频中获取多个视频帧,并针对获取的每个视频帧进行人像检测,以及在检测到人像的情况下,对人像进行人脸识别操作,以判断视频帧中的人像是否属于所述园区的工作人员;
在视频帧中的人像不属于所述园区的工作人员的情况下,所述处理模块控制所述告警模块发出第一类告警,以对不明身份的人员进行驱离。
在本发明实施例的第二方面,提供一种基于计算机视觉的安防***,所述安防***包括:巡逻机器人、安防服务器以及多个监控摄像头;
所述监控摄像头与所述安防服务器通信连接,用于将拍摄的监控视频发送给所述安防服务器;
所述安防服务器针对每个监控摄像头,根据该监控摄像头发送的监控视频,检测该监控视频中是否包含所述巡逻机器人的图像,如果不包含,则确定所述巡逻机器人行驶出该监控摄像头的监控范围;
所述安防服务器判断出所述巡逻机器人行驶出所有监控摄像头的监控范围后,所述安防服务器生成所述第一拍摄指令,并将所述第一拍摄指令发送给所述巡逻机器人;
所述巡逻机器人响应于所述第一拍摄指令,开始拍摄巡逻视频,并将拍摄的巡逻视频发送给所述安防服务器;
所述巡逻机器人还从所述巡逻视频中获取多个视频帧,并针对获取的每个视频帧进行人像检测,以及在检测到人像的情况下,对人像进行人脸识别操作,以判断视频帧中的人像是否属于所述园区的工作人员;
在视频帧中的人像不属于所述园区的工作人员的情况下,所述巡逻机器人发出第一类告警,以对不明身份的人员进行驱离。
本发明中,通过巡逻机器人对园区内的各个监控盲区进行巡逻,巡逻机器人到达监控盲区后,针对监控盲区拍摄巡逻视频,并上传给安防服务器。此外,巡逻机器人还从巡逻视频中获取视频帧,并检测视频帧中的人像,以及对人像进行身份识别。如果人像不属于园区的工作人员,则发出告警,以驱离监控盲区内身份不明的人员。如此,本发明通过巡逻机器人,实现了对监控盲区的有效防范,有利于提高园区安防的严密性,从而提升园区安全性。
此外,本发明中,当安防服务器判断出巡逻机器人行驶出所有监控摄像头的监控范围后,安防服务器向巡逻机器人发出第一拍摄指令。其中,巡逻机器人行驶出所有监控摄像头的监控范围,相当于巡逻机器人驶入了一个监控盲区。换言之,当巡逻机器人进入监控盲区时,才会接收到第一拍摄指令,并开始拍摄。而在非监控盲区,不会拍摄巡逻视频。
可见,本发明在实施期间,可以准确控制巡逻机器人的拍摄时间,从而尽量减少巡逻机器人进行无意义拍摄的情况,提高巡逻机器人的使用效率。
附图说明
为了更清楚地说明本发明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,以下描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员而言,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附图。
图1是本发明一实施例提出的基于计算机视觉的巡逻机器人的示意图;
图2是本发明一实施例提出的基于计算机视觉的安防***的示意图。
具体实施方式
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、完整的描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。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,都属于本发明保护的范围。
相关技术中,为了提高幼儿园的安全性,通常会在园内布置多个监控摄像头,以对幼儿园进行安全监控。但是这些监控摄像头不可避免地会出现一个或多个监控盲区,这些监控盲区对幼儿园的安防形成威胁,并造成安全漏洞。
参考图1,图1是本发明一实施例提出的基于计算机视觉的巡逻机器人的示意图。如图1所示,所述机器人包括:处理模块、通信模块、拍摄模块、驱动模块以及告警模块。
其中,当所述巡逻机器人处于巡逻状态期间,所述处理模块用于控制所述驱动模块,使所述驱动模块将所述巡逻机器人行驶至幼儿园的监控摄像头的监控盲区。
所述处理模块还用于通过所述通信模块接收所述幼儿园的安防服务器所发送的第一拍摄指令,所述第一拍摄指令是在以下情况下生成的:所述安防服务器判断出所述巡逻机器人行驶出所述监控摄像头的监控范围后,所述安防服务器生成所述第一拍摄指令。
所述处理模块响应于所述第一拍摄指令,控制所述拍摄模块开始拍摄巡逻视频,并控制所述通信模块将所述巡逻视频传输给所述安防服务器。
所述处理模块还用于从所述巡逻视频中获取多个视频帧,并针对获取的每个视频帧进行人像检测,以及在检测到人像的情况下,对人像进行人脸识别操作,以判断视频帧中的人像是否属于所述幼儿园的工作人员。
在视频帧中的人像不属于所述幼儿园的工作人员的情况下,所述处理模块控制所述告警模块发出第一类告警,以对不明身份的人员进行驱离。
可选地,在一些具体实施方式中,处理模块中预先配置了多个监控盲区,在所述巡逻机器人处于巡逻状态期间,所述处理模块控制所述驱动模块按照预设顺序,将所述巡逻机器人依次行驶至各个监控盲区,依次对各个监控盲区进行巡逻。
具体实现时,巡逻机器人中预先配置了幼儿园的电子地图,电子地图中标记了每个监控盲区的位置。巡逻机器人通过导航技术,依次前往电子地图中的每个监控盲区。
具体实现时,安防服务器预先训练了一个机器人检测模型,该机器人检测模型专门用于检测图像中的巡逻机器人。该机器人检测模型的训练方式如下:搜集多张包含有巡逻机器人的样本图像,在每张样本图像中标记出巡逻机器人的位置,将每张样本图像和巡逻机器人的位置信息输入预设模型(例如faster rcnn模型)中,从而对预设模型进行训练。最后,将训练完成的预设模型确定为机器人检测模型,专门用于检测图像中的巡逻机器人。
幼儿园的各个监控摄像头持续拍摄监控视频期间,安防服务器每隔预设时间(例如每隔10秒),从各监控摄像头正在显示的监控视频中提取一个视频帧。并将每个视频帧输入机器人检测模型,从而通过机器人检测模型检测每个视频帧中是否包含巡逻机器人。如果每个视频帧均不包含巡逻机器人,则确定巡逻机器人已经行驶出各个监控摄像头的监控范围。响应于此,安防服务器生成第一拍摄指令,并将第一拍摄指令发送给巡逻机器人。
具体实现时,巡逻机器人预先训练了一个人像检测模型,该人像检测模型专门用于检测图像中的人像。该人像检测模型的训练方式如下:搜集多张包含有人像的样本图像,在每张样本图像中标记出人像的位置,将每张样本图像和人像的位置信息输入预设模型(例如faster rcnn模型)中,从而对预设模型进行训练。最后,将训练完成的预设模型确定为人像检测模型,专门用于检测图像中的人像。
巡逻机器人的处理模块在从巡逻视频中获取到每个视频帧后,将视频帧输入预先训练的人像检测模型,从而检测该视频帧中是否包含人像。
具体实现时,巡逻机器人中还预设有人脸识别算法,以及预设了幼儿园各个工作人员的人脸特征向量。巡逻机器人在检测到人像时,可以调用人脸识别算法,计算人像的人脸特征向量。并将计算出的人脸特征向量,与幼儿园各个工作人员的人脸特征向量进行一一比较,从而判断检测到的人像是否属于幼儿园的一个工作人员。
可选地,在一些具体实施方式中,考虑到检测出的人像,不一定直面巡逻机器人的摄像头。换言之,视频帧中没有拍摄到人像的正脸。由于视频帧中没有拍摄到人像的正脸,因此可能导致人脸识别失败。为此,本发明中,在从视频帧中检测到人像,但是每个视频帧中的人像均人脸识别失败的情况下,所述处理模块控制所述告警模块发出第二类告警,以提示监控盲区的人员主动面向所述巡逻机器人,以辅助设所述巡逻机器人进行人脸识别。
可选地,在一些具体实施方式中,所述处理模块还用于通过所述通信模块接收所述安防服务器发送的跟踪指令,所述跟踪指令是在以下情况下生成的:所述幼儿园的任一监控摄像头拍摄到人像,且所述安防服务器确定该人像不属于所述幼儿园的工作人员时,所述安防服务器生成所述跟踪指令,所述跟踪指令携带该监控摄像头的编号和所述人像的特征向量。
所述处理模块响应于所述跟踪指令,从巡逻状态切换为跟踪状态,并根据跟踪指令携带的监控摄像头编号,控制所述驱动模块,将所述巡逻机器人行驶至相应的监控摄像头。所述处理模块通过所述通信模块接收所述安防服务器发送的第二拍摄指令,所述第二拍摄指令是在以下情况下生成的:所述安防服务器判断出所述巡逻机器人行驶至人像所在的监控范围后,所述安防服务器生成所述第二拍摄指令。所述处理模块响应于所述第二拍摄指令,控制所述拍摄模块开始拍摄跟踪视频,并从所述跟踪视频中获取视频帧,以及对获取的视频帧进行人像检测。在检测到人像的情况下,确定人像的特征向量,并将该特征向量与跟踪指令中的特征向量进行相似性对比,如果相似性超过预设阈值,则对该人像进行跟踪。
具体实现时,安防服务器中预设有上述人像检测模型。幼儿园的各个监控摄像头持续拍摄监控视频期间,安防服务器每隔预设时间(例如每隔10秒),从各监控摄像头正在显示的监控视频中提取一个视频帧。并将每个视频帧输入人像检测模型,从而检测视频帧中是否包含人像。
具体实现时,安防服务器中还预设上述人脸识别算法,以及预设了幼儿园各个工作人员的人脸特征向量。安防服务器在检测到人像时,可以调用人脸识别算法,计算人像的人脸特征向量。并将计算出的人脸特征向量,与幼儿园各个工作人员的人脸特征向量进行一一比较,从而判断检测到的人像是否属于幼儿园的一个工作人员。
如果判断出人像不属于幼儿园的工作人员,则安防服务器生成跟踪指令,该跟踪指令包含相应监控摄像头的编号和人像的特征向量。为便于理解,假设安防服务器从编号等于006的监控摄像头的视频帧中检测到人像a,且人像a不属于幼儿园的工作人员。则安防服务器生成跟踪指令,该跟踪指令包含监控摄像头编号006,还包含人像a的特征向量。
具体实现时,如前所述,巡逻机器人中预先配置了幼儿园的电子地图,电子地图中标记了每个监控盲区的位置。电子地图中还标记了每个监控摄像头所对应的监控范围。巡逻机器人的处理模块接收到安防服务器发送的跟踪指令后,从巡逻状态切换至跟踪状态。切换至跟踪状态后的巡逻机器人,将暂时不再对各个监控盲区一一进行巡逻。而是在处理模块的控制下,驱动模块将巡逻机器人行驶至跟踪指令携带的监控摄像头编号所对应的监控范围。
与此同时,如前所述,幼儿园的各个监控摄像头持续拍摄监控视频,安防服务器每隔预设时间(例如每隔10秒),从各监控摄像头正在显示的监控视频中提取一个视频帧。并将每个视频帧输入机器人检测模型,从而通过机器人检测模型检测每个视频帧中是否包含巡逻机器人。如果某一个视频帧中包含巡逻机器人,则安防服务器进一步将该视频帧输入人像检测模型,从而通过人像检测模型检测该视频帧中是否包含人像。如果该视频帧中包含人像,则剪裁出人像所在区域,并对剪裁出的区域进行卷积和池化,从而得到人像的特征向量。最后将得到的特征向量与需要被跟踪的人像的特征向量进行相似性比较,如果两者的相似性达到预设条件,则确定视频帧中的人像为需要被跟踪的人像。从而进一步确定出:巡逻机器人和需要被跟踪的人已经同处于一个监控摄像头的监控范围内。
其中,在比较两个特征向量的相似性时,可以计算两个特征向量之间的向量距离。如果两个特征向量之间的向量距离低于预设阈值,则确定视频帧中的人像为需要被跟踪的人像。
安防服务器在确定出巡逻机器人和需要被跟踪的人已经同处于一个监控摄像头的监控范围内之后,生成第二拍摄指令,并将该第二拍摄指令发送给巡逻机器人。巡逻机器人的处理模块响应于第二拍摄指令,控制拍摄模块开始拍摄跟踪视频。
巡逻机器人拍摄跟踪视频期间,每隔预设时间(例如每隔10秒),从跟踪视频中提取一个视频帧。并将提取的视频帧输入人像检测模型,从而通过人像检测模型检测该视频帧中是否包含人像。如果该视频帧中包含人像,则剪裁出人像所在区域,并对剪裁出的区域进行卷积和池化,从而得到人像的特征向量。最后将得到的特征向量与需要被跟踪的人像的特征向量(也即是跟踪指令中携带的特征向量)进行相似性比较。如果相似性超过预设阈值,则对该人像进行跟踪。
可选地,在一些具体实施方式中,所述处理模块还用于通过所述通信模块接收所述安防服务器发送的状态切换指令,所述状态切换指令是所述安防服务器在以下情况下生成的:所述安防服务器判断出所述被跟踪的人像离开所述幼儿园出口的监控摄像头的监控范围之后,生成所述状态切换指令;所述处理模块响应于所述状态切换指令,从跟踪状态切换为巡逻状态,并针对上一次巡逻状态期间即将巡逻的监控盲区继续进行巡逻。
具体实现时,如前所述,幼儿园的各个监控摄像头持续拍摄监控视频,安防服务器每隔预设时间(例如每隔10秒),从各监控摄像头正在显示的监控视频中提取一个视频帧。安防服务器针对幼儿园出口处的监控摄像头的视频帧,将该视频帧输入人像检测模型,从而通过人像检测模型检测该视频帧中是否包含人像。如果该视频帧中包含人像,则剪裁出人像所在区域,并对剪裁出的区域进行卷积和池化,从而得到人像的特征向量。最后将得到的特征向量与需要被跟踪的人像的特征向量进行相似性比较。如果相似性超过预设阈值,则确定需要被跟踪的人像已经达到了幼儿园的出口处。
此后,安防服务器持续对幼儿园出口处的监控摄像头的监控视频进行检测。如果检测到需要被跟踪的人像从监控视频的预设方向消失,则确定需要被跟踪的人像已经离开幼儿园。其中,所述预设方向是指远离幼儿园的方向。
当安防服务器确定需要被跟踪的人像已经从监控视频的预设方向消失,则生成状态切换指令,并将状态切换指令发送给巡逻机器人。
以上,本发明通过实施例,提出了巡逻机器人。以下,本发明通过另一个实施例,提出安防***。考虑到以下实施例可与以上实施例相互参照,为避免重复和赘述,以下对安防***进行简要介绍。
参考图2,图2是本发明一实施例提出的基于计算机视觉的安防***的示意图。如图2所示,所述安防***包括:巡逻机器人、安防服务器以及多个监控摄像头。
其中,所述监控摄像头与所述安防服务器通信连接,用于将拍摄的监控视频发送给所述安防服务器。
所述安防服务器针对每个监控摄像头,根据该监控摄像头发送的监控视频,检测该监控视频中是否包含所述巡逻机器人的图像,如果不包含,则确定所述巡逻机器人行驶出该监控摄像头的监控范围。
所述安防服务器判断出所述巡逻机器人行驶出所有监控摄像头的监控范围后,所述安防服务器生成所述第一拍摄指令,并将所述第一拍摄指令发送给所述巡逻机器人。
所述巡逻机器人响应于所述第一拍摄指令,开始拍摄巡逻视频,并将拍摄的巡逻视频发送给所述安防服务器。
所述巡逻机器人还从所述巡逻视频中获取多个视频帧,并针对获取的每个视频帧进行人像检测,以及在检测到人像的情况下,对人像进行人脸识别操作,以判断视频帧中的人像是否属于所述幼儿园的工作人员。
在视频帧中的人像不属于所述幼儿园的工作人员的情况下,所述巡逻机器人发出第一类告警,以对不明身份的人员进行驱离。
可选地,在一些具体实施方式中,在从视频帧中检测到人像,但是每个视频帧中的人像均人脸识别失败的情况下,所述巡逻机器人发出第二类告警,以提示监控盲区的人员主动面向所述巡逻机器人,以辅助设所述巡逻机器人进行人脸识别。
可选地,在一些具体实施方式中,所述巡逻机器人中预先配置了多个监控盲区,在所述巡逻机器人处于巡逻状态期间,所述巡逻机器人按照预设顺序,依次行驶至各个监控盲区,依次对各个监控盲区进行巡逻。
可选地,在一些具体实施方式中,在所述幼儿园的任一监控摄像头拍摄到人像,且所述安防服务器确定该人像不属于所述幼儿园的工作人员时,所述安防服务器生成跟踪指令,并将所述跟踪指令发送给所述巡逻机器人,所述跟踪指令携带该监控摄像头的编号和所述人像的特征向量;所述巡逻机器人响应于所述跟踪指令,从巡逻状态切换为跟踪状态,并根据跟踪指令携带的监控摄像头编号,行驶至相应的监控摄像头;所述安防服务器在判断出所述巡逻机器人行驶至人像所在的监控范围后,生成第二拍摄指令,并将所述第二拍摄指令发送给所述巡逻机器人;所述巡逻机器人响应于所述第二拍摄指令,开始拍摄跟踪视频,并从所述跟踪视频中获取视频帧,以及对获取的视频帧进行人像检测;在检测到人像的情况下,确定人像的特征向量,并将该特征向量与跟踪指令中的特征向量进行相似性对比,如果相似性超过预设阈值,则对该人像进行跟踪。
可选地,在一些具体实施方式中,所述安防服务器在判断出所述被跟踪的人像离开所述幼儿园出口的监控摄像头的监控范围之后,生成状态切换指令,并将所述状态切换指令发送给所述巡逻机器人;所述处理模块响应于所述状态切换指令,从跟踪状态切换为巡逻状态,并针对上一次巡逻状态期间即将巡逻的监控盲区继续进行巡逻。
本发明中,通过巡逻机器人对幼儿园内的各个监控盲区进行巡逻,巡逻机器人到达监控盲区后,针对监控盲区拍摄巡逻视频,并上传给安防服务器。此外,巡逻机器人还从巡逻视频中获取视频帧,并检测视频帧中的人像,以及对人像进行身份识别。如果人像不属于幼儿园的工作人员,则发出告警,以驱离监控盲区内身份不明的人员。如此,本发明通过巡逻机器人,实现了对监控盲区的有效防范,有利于提高幼儿园安防的严密性,从而提升幼儿园安全性。
此外,本发明中,当安防服务器判断出巡逻机器人行驶出所有监控摄像头的监控范围后,安防服务器向巡逻机器人发出第一拍摄指令。其中,巡逻机器人行驶出所有监控摄像头的监控范围,相当于巡逻机器人驶入了一个监控盲区。换言之,当巡逻机器人进入监控盲区时,才会接收到第一拍摄指令,并开始拍摄。而在非监控盲区,不会拍摄巡逻视频。
可见,本发明在实施期间,可以准确控制巡逻机器人的拍摄时间,从而尽量减少巡逻机器人进行无意义拍摄的情况,提高巡逻机器人的使用效率。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于***实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (1)
1.一种基于计算机视觉的安防***,其特征在于,所述安防***包括:巡逻机器人、安防服务器以及多个监控摄像头;
所述机器人包括:处理模块、通信模块、拍摄模块、驱动模块以及告警模块;
当所述巡逻机器人处于巡逻状态期间,所述处理模块用于控制所述驱动模块,使所述驱动模块将所述巡逻机器人行驶至幼儿园的监控摄像头的监控盲区;
所述处理模块还用于通过所述通信模块接收所述幼儿园的安防服务器所发送的第一拍摄指令,所述第一拍摄指令是在以下情况下生成的:所述安防服务器判断出所述巡逻机器人行驶出所述监控摄像头的监控范围后,所述安防服务器生成所述第一拍摄指令;
所述处理模块响应于所述第一拍摄指令,控制所述拍摄模块开始拍摄巡逻视频,并控制所述通信模块将所述巡逻视频传输给所述安防服务器;
巡逻机器人中还预设有人脸识别算法,以及预设了幼儿园各个工作人员的人脸特征向量;巡逻机器人在检测到人像时,可以调用人脸识别算法,计算人像的人脸特征向量;并将计算出的人脸特征向量,与幼儿园各个工作人员的人脸特征向量进行一一比较,从而判断检测到的人像是否属于幼儿园的一个工作人员;
所述处理模块还用于从所述巡逻视频中获取多个视频帧,并针对获取的每个视频帧进行人像检测,以及在检测到人像的情况下,对人像进行人脸识别操作,以判断视频帧中的人像是否属于所述幼儿园的工作人员;
在视频帧中的人像不属于所述幼儿园的工作人员的情况下,所述处理模块控制所述告警模块发出第一类告警,以对不明身份的人员进行驱离;
在从视频帧中检测到人像,但是每个视频帧中的人像均人脸识别失败的情况下,所述处理模块控制所述告警模块发出第二类告警,以提示监控盲区的人员主动面向所述巡逻机器人,以辅助所述巡逻机器人进行人脸识别;
所述处理模块中预先配置了多个监控盲区,在所述巡逻机器人处于巡逻状态期间,所述处理模块控制所述驱动模块按照预设顺序,将所述巡逻机器人依次行驶至各个监控盲区,依次对各个监控盲区进行巡逻;巡逻机器人中预先配置了幼儿园的电子地图,电子地图中标记了每个监控盲区的位置;巡逻机器人通过导航技术,依次前往电子地图中的每个监控盲区;
安防服务器预先训练了一个机器人检测模型,该机器人检测模型专门用于检测图像中的巡逻机器人;
该机器人检测模型的训练方式如下:搜集多张包含有巡逻机器人的样本图像,在每张样本图像中标记出巡逻机器人的位置,将每张样本图像和巡逻机器人的位置信息输入预设模型中,从而对预设模型进行训练;最后,将训练完成的预设模型确定为机器人检测模型,专门用于检测图像中的巡逻机器人;巡逻机器人的处理模块在从巡逻视频中获取到每个视频帧后,将视频帧输入预先训练的人像检测模型,从而检测该视频帧中是否包含人像;
所述处理模块还用于通过所述通信模块接收跟踪指令,所述跟踪指令是在以下情况下生成的:所述幼儿园的任一监控摄像头拍摄到人像,且所述安防服务器确定该人像不属于所述幼儿园的工作人员时,所述安防服务器生成所述跟踪指令,所述跟踪指令携带该监控摄像头的编号和所述人像的特征向量;
所述处理模块响应于所述跟踪指令,从巡逻状态切换为跟踪状态,并根据跟踪指令携带的监控摄像头编号,控制所述驱动模块,将所述巡逻机器人行驶至相应的监控摄像头;巡逻机器人的处理模块接收到安防服务器发送的跟踪指令后,从巡逻状态切换至跟踪状态;切换至跟踪状态后的巡逻机器人,将暂时不再对各个监控盲区一一进行巡逻;
与此同时,幼儿园的各个监控摄像头持续拍摄监控视频,安防服务器每隔预设时间,从各监控摄像头正在显示的监控视频中提取一个视频帧;并将每个视频帧输入机器人检测模型,从而通过机器人检测模型检测每个视频帧中是否包含巡逻机器人;如果某一个视频帧中包含巡逻机器人,则安防服务器进一步将该视频帧输入人像检测模型,从而通过人像检测模型检测该视频帧中是否包含人像;如果该视频帧中包含人像,则剪裁出人像所在区域,并对剪裁出的区域进行卷积和池化,从而得到人像的特征向量;最后将得到的特征向量与需要被跟踪的人像的特征向量进行相似性比较,如果两者的相似性达到预设条件,则确定视频帧中的人像为需要被跟踪的人像;从而进一步确定出:巡逻机器人和需要被跟踪的人已经同处于一个监控摄像头的监控范围内;
其中,在比较两个特征向量的相似性时,可以计算两个特征向量之间的向量距离;如果两个特征向量之间的向量距离低于预设阈值,则确定视频帧中的人像为需要被跟踪的人像;
所述处理模块通过所述通信模块接收所述安防服务器发送的第二拍摄指令,所述第二拍摄指令是在以下情况下生成的:所述安防服务器判断出所述巡逻机器人行驶至人像所在的监控范围后,所述安防服务器生成所述第二拍摄指令;
所述处理模块响应于所述第二拍摄指令,控制所述拍摄模块开始拍摄跟踪视频,并从所述跟踪视频中获取视频帧,以及对获取的视频帧进行人像检测;
在检测到人像的情况下,确定人像的特征向量,并将该特征向量与跟踪指令中的特征向量进行相似性对比,如果相似性超过预设阈值,则对该人像进行跟踪;
所述处理模块还用于通过所述通信模块接收所述安防服务器发送的状态切换指令,所述状态切换指令是所述安防服务器在以下情况下生成的:所述安防服务器判断出所述被跟踪的人像离开所述幼儿园出口的监控摄像头的监控范围之后,生成所述状态切换指令;
所述处理模块响应于所述状态切换指令,从跟踪状态切换为巡逻状态,并针对上一次巡逻状态期间即将巡逻的监控盲区继续进行巡逻;
所述监控摄像头与所述安防服务器通信连接,用于将拍摄的监控视频发送给所述安防服务器;
所述安防服务器针对每个监控摄像头,根据该监控摄像头发送的监控视频,检测该监控视频中是否包含所述巡逻机器人的图像,如果不包含,则确定所述巡逻机器人行驶出该监控摄像头的监控范围;
所述安防服务器判断出所述巡逻机器人行驶出所有监控摄像头的监控范围后,所述安防服务器生成所述第一拍摄指令,并将所述第一拍摄指令发送给所述巡逻机器人;
所述巡逻机器人响应于所述第一拍摄指令,开始拍摄巡逻视频,并将拍摄的巡逻视频发送给所述安防服务器;
所述巡逻机器人还从所述巡逻视频中获取多个视频帧,并针对获取的每个视频帧进行人像检测,以及在检测到人像的情况下,对人像进行人脸识别操作,以判断视频帧中的人像是否属于所述幼儿园的工作人员;
在视频帧中的人像不属于所述幼儿园的工作人员的情况下,所述巡逻机器人发出第一类告警,以对不明身份的人员进行驱离;
在从视频帧中检测到人像,但是每个视频帧中的人像均人脸识别失败的情况下,所述巡逻机器人发出第二类告警,以提示监控盲区的人员主动面向所述巡逻机器人,以辅助所述巡逻机器人进行人脸识别;
所述巡逻机器人中预先配置了多个监控盲区,在所述巡逻机器人处于巡逻状态期间,所述巡逻机器人按照预设顺序,依次行驶至各个监控盲区,依次对各个监控盲区进行巡逻;
在所述幼儿园的任一监控摄像头拍摄到人像,且所述安防服务器确定该人像不属于所述幼儿园的工作人员时,所述安防服务器生成跟踪指令,并将所述跟踪指令发送给所述巡逻机器人,所述跟踪指令携带该监控摄像头的编号和所述人像的特征向量;
所述巡逻机器人响应于所述跟踪指令,从巡逻状态切换为跟踪状态,并根据跟踪指令携带的监控摄像头编号,行驶至相应的监控摄像头;
所述安防服务器在判断出所述巡逻机器人行驶至人像所在的监控范围后,生成第二拍摄指令,并将所述第二拍摄指令发送给所述巡逻机器人;
所述巡逻机器人响应于所述第二拍摄指令,开始拍摄跟踪视频,并从所述跟踪视频中获取视频帧,以及对获取的视频帧进行人像检测;
在检测到人像的情况下,确定人像的特征向量,并将该特征向量与跟踪指令中的特征向量进行相似性对比,如果相似性超过预设阈值,则对该人像进行跟踪;
所述安防服务器在判断出所述被跟踪的人像离开所述幼儿园出口的监控摄像头的监控范围之后,生成状态切换指令,并将所述状态切换指令发送给所述巡逻机器人;
所述处理模块响应于所述状态切换指令,从跟踪状态切换为巡逻状态,并针对上一次巡逻状态期间即将巡逻的监控盲区继续进行巡逻;
幼儿园的各个监控摄像头持续拍摄监控视频,安防服务器每隔预设时间,从各监控摄像头正在显示的监控视频中提取一个视频帧;安防服务器针对幼儿园出口处的监控摄像头的视频帧,将该视频帧输入人像检测模型,从而通过人像检测模型检测该视频帧中是否包含人像;如果该视频帧中包含人像,则剪裁出人像所在区域,并对剪裁出的区域进行卷积和池化,从而得到人像的特征向量;最后将得到的特征向量与需要被跟踪的人像的特征向量进行相似性比较;如果相似性超过预设阈值,则确定需要被跟踪的人像已经达到了幼儿园的出口处;
此后,安防服务器持续对幼儿园出口处的监控摄像头的监控视频进行检测;如果检测到需要被跟踪的人像从监控视频的预设方向消失,则确定需要被跟踪的人像已经离开幼儿园;其中,所述预设方向是指远离幼儿园的方向;
当安防服务器确定需要被跟踪的人像已经从监控视频的预设方向消失,则生成状态切换指令,并将状态切换指令发送给巡逻机器人。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110223215.XA CN112911156B (zh) | 2021-03-03 | 2021-03-03 | 一种基于计算机视觉的巡逻机器人和安防*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110223215.XA CN112911156B (zh) | 2021-03-03 | 2021-03-03 | 一种基于计算机视觉的巡逻机器人和安防*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112911156A CN112911156A (zh) | 2021-06-04 |
CN112911156B true CN112911156B (zh) | 2023-01-17 |
Family
ID=76107556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110223215.XA Active CN112911156B (zh) | 2021-03-03 | 2021-03-03 | 一种基于计算机视觉的巡逻机器人和安防*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112911156B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114339168B (zh) * | 2022-03-04 | 2022-06-03 | 北京云迹科技股份有限公司 | 一种区域安全监控方法、装置、电子设备及存储介质 |
CN116095279B (zh) * | 2023-04-11 | 2023-09-22 | 广东广宇科技发展有限公司 | 一种智能安防资源投入方法及*** |
CN116866515A (zh) * | 2023-06-21 | 2023-10-10 | 广东际洲科技股份有限公司 | 一种智慧园区ai监控*** |
CN117196210A (zh) * | 2023-09-08 | 2023-12-08 | 广州方驰信息科技有限公司 | 一种基于数字孪生三维场景的大数据管理控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104853167A (zh) * | 2015-05-15 | 2015-08-19 | 华中科技大学 | 基于飞行器平台的小区智能安防***和小区智能安防方法 |
JP6402219B1 (ja) * | 2017-04-19 | 2018-10-10 | ユニティガードシステム株式会社 | 防犯システム、防犯方法、及びロボット |
-
2021
- 2021-03-03 CN CN202110223215.XA patent/CN112911156B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112911156A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112911156B (zh) | 一种基于计算机视觉的巡逻机器人和安防*** | |
CN110852219B (zh) | 一种多行人跨摄像头在线跟踪*** | |
Vishwakarma et al. | Automatic detection of human fall in video | |
US10762640B2 (en) | Systems and methods for user detection, identification, and localization within a defined space | |
US8754945B2 (en) | Image capturing device and motion tracking method | |
CN110633612B (zh) | 一种巡检机器人的监控方法及*** | |
CN110348348B (zh) | 一种参建人员进场身份快速识别方法及预警*** | |
EP1868158A2 (en) | Face authentication apparatus, face authentication method, and entrance and exit management apparatus | |
CN106341661B (zh) | 巡逻机器人 | |
CN112396658B (zh) | 一种基于视频的室内人员定位方法及定位*** | |
JP2011070576A (ja) | 画像処理装置、及び画像処理方法 | |
CN112530116A (zh) | 一种基于人脸识别的校园越界自动预警方法 | |
CN112634561A (zh) | 基于图像识别的安全报警方法和*** | |
US20180075307A1 (en) | Scan face of video feed | |
JP2006236260A (ja) | 顔認証装置、顔認証方法および入退場管理装置 | |
KR20160074208A (ko) | 비콘신호를 이용한 안전 서비스 제공 시스템 및 방법 | |
CN112949439A (zh) | 一种油罐车重点区域人员入侵监测方法和*** | |
CN111460985A (zh) | 基于跨摄像头人体匹配的现场工人轨迹统计方法和*** | |
CN113887445A (zh) | 一种视频中驻足和徘徊行为识别方法及*** | |
KR20220078893A (ko) | 영상 속 사람의 행동 인식 장치 및 방법 | |
CN112836689A (zh) | 一种基于图像识别的危险区域人员管控***及方法 | |
CN110580708B (zh) | 一种快速移动检测方法、装置及电子设备 | |
CN113044694A (zh) | 基于深度神经网络的工地电梯人数统计***及方法 | |
CN113593162A (zh) | 一种基于视频ai的陌生人通行监控方法及装置 | |
CN111966126A (zh) | 无人机巡逻方法、装置及无人机 |
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 |