CN114863621A - 基于视觉感知的翻越行为监测方法、***、存储器和处理器 - Google Patents
基于视觉感知的翻越行为监测方法、***、存储器和处理器 Download PDFInfo
- Publication number
- CN114863621A CN114863621A CN202210457039.0A CN202210457039A CN114863621A CN 114863621 A CN114863621 A CN 114863621A CN 202210457039 A CN202210457039 A CN 202210457039A CN 114863621 A CN114863621 A CN 114863621A
- Authority
- CN
- China
- Prior art keywords
- crossing
- boundary
- video
- human body
- acquiring
- 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 65
- 230000006399 behavior Effects 0.000 title claims abstract description 41
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 230000016776 visual perception Effects 0.000 title claims abstract description 24
- 230000002618 waking effect Effects 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 13
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000005574 cross-species transmission Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G08B13/19—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 infrared-radiation detection systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
- G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
-
- 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
- G08B13/19639—Details of the system layout
- G08B13/19645—Multiple cameras, each having view on one of a plurality of scenes, e.g. multiple cameras for multi-room surveillance or for tracking an object by view hand-over
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种基于视觉感知的翻越行为监测方法、***、存储器和处理器,获取多个红外传感器对应传来的多个第一红外信号,所述多个红外传感器沿待监测的翻越区域边界处间隔设置;判断所述多个第一红外信号中是否有活动物体;获取所述第一红外信号中有活动物体的第一红外信号对应的红外传感器的位置,唤醒第一摄像机进行拍摄并获得所述第一摄像机传来的第一视频,所述第一摄像机为设置在与所述位置距离最近的摄像机;若所述第一视频中有人体,判断是否存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿;若存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿,判断存在翻越行为并发出报警。通过上述方法,实现了对封控区域内人员翻越行为的自动化监测。
Description
技术领域
本申请涉及翻越行为监测,特别是涉及一种基于视觉感知的翻越行为监测方法和***。
背景技术
现有的封控设施主要以各类型护栏、围墙为主。执行封控措施,对人力物力的考验较大。
现有方法主要以人力巡检或人眼观察监控画面为主。长期巡视之后,监管人员会不可避免地出现疲劳,从而导致封控区域内的人员外溢而不知晓。
发明内容
本申请实施例提供了一种基于视觉感知的翻越行为监测方法、***、存储器和处理器,以至少解决对封控区域内人员翻越行为的自动化监测的问题。
根据本申请的一个方面,提供一种基于视觉感知的翻越行为监测方法,
获取多个红外传感器对应传来的多个第一红外信号,所述多个红外传感器沿待监测的翻越区域边界处间隔设置,所述第一红外信号采集的是所述待监测的翻越区域边界附近内侧的信号;
判断所述多个第一红外信号中是否有活动物体;
获取所述第一红外信号中有活动物体的第一红外信号对应的红外传感器的位置,唤醒第一摄像机进行拍摄并获得所述第一摄像机传来的第一视频,所述第一摄像机为设置在与所述位置距离最近的摄像机,所述摄像机具有多个且沿待监测的翻越区域边界处间隔设置;
判断所述第一视频中是否有人体;
若所述第一视频中有人体,判断是否存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿;
若存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿,判断存在翻越行为并发出报警。
进一步的,在本发明中,所述判断是否存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿,包括:
获取所述第一视频中的视频帧作为第一图片;
获取所述第一图片中所述翻越区域边界的上沿轮廓线的像素链的离散像素点,将所述第一图片中人体的中心位置与所述的离散像素点进行对比;
若所述第一图片中所述人体的中心位置高于所述任意一个离散像素点,判断存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿。
进一步的,在本发明中,判断存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿之后,包括:
获取第二图片,所述第二图片为所述第一图片中所有满足所述人体的中心位置高于所述任意一个离散像素点的图片;
获取所有所述第二图片中所述人体的中心位置按照所在的第二图片的时间序列顺序排序后形成的轨迹;
判断所述轨迹与所述翻越区域边界的内外关系的相对变化情况;
若所述轨迹在最后的一张第二图片中显示位于所述翻越区域边界的外侧,唤醒设置于与所述位置处最近的第二摄像机的镜头对准所述位置处并以所述人体为感兴趣目标进行跟踪拍摄,所述第二摄像机具有多个且均设置于所述翻越区域外侧。
进一步的,在本发明中,所述判断所述轨迹与所述翻越区域边界的内外关系的相对变化情况,包括:
若所述轨迹在预定时间内满足大于预定数量的第二图片中显示均位于所述翻越区域边界上,发出救援信号,所述救援信号包括所述位置。
进一步的,在本发明中,所述获取第二图片后,还包括:
利用预先训练好的机器学习模型识别所述第二图片中的人体对应的人员信息。
进一步的,在本发明中,所述判断所述轨迹与所述翻越区域边界的内外关系的相对变化情况之后,还包括:
根据所述轨迹与所述翻越区域边界的内外关系的相对变化情况给所述轨迹打分;
将所述轨迹与对应的所述人员信息关联,累积同一所述人员信息下的所有轨迹的分数获得第一得分;
按照所述第一得分对人员进行分类管理。
本申请的第二个方面,提供一种基于视觉感知的翻越行为监测装置,包括:
红外信号获取模块,用于获取多个红外传感器对应传来的多个第一红外信号,所述多个红外传感器沿待监测的翻越区域边界处间隔设置,所述第一红外信号采集的是所述待监测的翻越区域边界附近内侧的信号;
第一判断模块,用于判断所述多个第一红外信号中是否有活动物体;
第一拍摄模块,用于获取所述第一红外信号中有活动物体的第一红外信号对应的红外传感器的位置,唤醒第一摄像机进行拍摄并获得所述第一摄像机传来的第一视频,所述第一摄像机为设置在与所述位置距离最近的摄像机,所述摄像机具有多个且沿待监测的翻越区域边界处间隔设置;
第二判断模块,用于判断所述第一视频中是否有人体;
第三判断模块,用于若所述第一视频中有人体,判断是否存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿;
第四判断模块,用于若存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿,判断存在翻越行为并发出报警。
本申请的第三个方面,提供一种基于视觉感知的翻越行为监测***,包括:
软件,用于执行本申请第一个方面所述的方法;
多个红外传感器,沿待监测的翻越区域边界处间隔设置,用于采集所述待监测的翻越区域边界附近内侧的信号;
多个摄像机,沿待监测的翻越区域边界处间隔设置,用于拍摄第一视频。
本申请的第三个方面,提供一种存储器,用于存储软件,所述软件用于执行本申请第一个方面所述的方法。
本申请的第三个方面,提供一种处理器,用于执行软件,所述软件用于执行本申请第一个方面所述的方法。
本发明提供一种基于视觉感知的翻越行为监测方法,通过获取多个红外传感器对应传来的多个第一红外信号,所述多个红外传感器沿待监测的翻越区域边界处间隔设置,所述第一红外信号采集的是所述待监测的翻越区域边界附近内侧的信号;判断所述多个第一红外信号中是否有活动物体;获取所述第一红外信号中有活动物体的第一红外信号对应的红外传感器的位置,唤醒第一摄像机进行拍摄并获得所述第一摄像机传来的第一视频,所述第一摄像机为设置在与所述位置距离最近的摄像机,所述摄像机具有多个且沿待监测的翻越区域边界处间隔设置;判断所述第一视频中是否有人体;若所述第一视频中有人体,判断是否存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿;若存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿,判断存在翻越行为并发出报警。通过上述方法,实现了对封控区域内人员翻越行为的自动化监测。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的基于视觉感知的翻越行为监测方法的流程图。
图2是根据本申请实施例的基于视觉感知的翻越行为监测方法对应的装置的结构示意图;
图3是根据本申请实施例的基于视觉感知的翻越行为监测方法的一种翻越行为示意图;
图4是根据本申请实施例的基于视觉感知的翻越行为监测方法的一种翻越行为示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
如图1所示为本实施例提供的一种基于视觉感知的翻越行为监测方法的流程图,从图中可知,本实施例包括以下步骤:
步骤S102、获取多个红外传感器对应传来的多个第一红外信号,所述多个红外传感器沿待监测的翻越区域边界处间隔设置,所述第一红外信号采集的是所述待监测的翻越区域边界附近内侧的信号;
步骤S104、判断所述多个第一红外信号中是否有活动物体;
步骤S106、获取所述第一红外信号中有活动物体的第一红外信号对应的红外传感器的位置,唤醒第一摄像机进行拍摄并获得所述第一摄像机传来的第一视频,所述第一摄像机为设置在与所述位置距离最近的摄像机,所述摄像机具有多个且沿待监测的翻越区域边界处间隔设置;
步骤S108、判断所述第一视频中是否有人体;
步骤S110、若所述第一视频中有人体,判断是否存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿;
步骤S112、若存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿,判断存在翻越行为并发出报警。
上述实施例提供了一种基于具有多种感应装置采集信号后实现对翻越行为的监测。该方法中,活动物体感知通过红外信号获得,进而唤醒摄像机获得视频信号实现人体感知,如此,摄像机可以在不需要工作时处于待机状态,对电量和存储的要求较低,拍摄的视频针对性强,便于后续进一步对视频信号进行调用、查看甚至处理。进一步通过视频信号检测人员是否翻越边界,视频记录和判断同时实现,准确地识别出人员的翻越情况,并作为证据进行保留。上述方法,代替人工实现实时监督,且无论白天或黑夜均可不间断工作,占用资源小,判断准确度高。
在本实施例中,为了准确地判断是否存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿,需要对人体和翻越区域边界上沿之间进行位置计算,核心思想是检测到人体的位置高于上沿,则基本可以判断人员出现了翻越行为,因此,该方法具体包括:
获取所述第一视频中的视频帧作为第一图片;
获取所述第一图片中所述翻越区域边界的上沿轮廓线的像素链的离散像素点,将所述第一图片中人体的中心位置与所述的离散像素点进行对比;
若所述第一图片中所述人体的中心位置高于所述任意一个离散像素点,判断存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿。
具体的,上述人体的中心位置(x,y)采用下式计算:
其中,(x*,y*)代表第一图片中以人体为感兴趣区域形成的检测框的左上角图像坐标;width和height分别代表检测框的图像宽度和图像高度。
上述判断过程随着第一视频实时进行,作为某些可选的实施例,所述将所述第一图片中人体的中心位置与所述的离散像素点进行对比前,还包括:
判断所述第一图片汇总人体的中心位置位置按照所在的第二图片的时间序列顺序排序后是否满足逐渐变高并与所述的离散像素点之间的高度差距小于预设的距离。
通过上述过程,判断符合该条件的这类人员处在内侧翻越过程中但尚未翻越到边界上沿。在这些优选实施例中,翻越区域边界为高度可调节式,将对应位置处的翻越区域的高度调高,以增加人员翻越难度,减少其翻越成功的可能性。
在本实施例中,触发报警后,有些翻越人员的可能继续翻越行为例如图4中所示,有些可能会折返例如图3中所示,还有的甚至会出现意外情况,因此,需要对后续的行为进行监控以便实施不同的后续措施,具体方法如下:判断存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿之后,包括:
获取第二图片,所述第二图片为所述第一图片中所有满足所述人体的中心位置高于所述任意一个离散像素点的图片;
获取所有所述第二图片中所述人体的中心位置按照所在的第二图片的时间序列顺序排序后形成的轨迹;
判断所述轨迹与所述翻越区域边界的内外关系的相对变化情况;
若所述轨迹在最后的一张第二图片中显示位于所述翻越区域边界的外侧,唤醒设置于与所述位置处最近的第二摄像机的镜头对准所述位置处并以所述人体为感兴趣目标进行跟踪拍摄,所述第二摄像机具有多个且均设置于所述翻越区域外侧。
具体是,所述显示位于所述翻越区域边界的外侧,利用下式进行判断:
对人员翻越成功的判断,也可以通过捕捉到上述ψ2(i)成立时间大于预设时间,表明人员在翻越区域边界外侧有一定的时间,因此基本是翻越成功的表现。该方法目标图片的处理不局限于第二图片,而是包括报警之后的的视频中提取出的图片,因此需要消耗的计算资源较前一种方法更多一些,但可以作为与前一种方法的替代方案。
上述过程,关注的是人***置高于翻越区域上沿的图片中所对应的轨迹,特别是通过判断最后的轨迹在翻越区域外侧的方式判断其翻越成功,这种方式满足上述两个条件的人员一定是翻越成功的,因此,排除了翻越到上沿但并未最终翻越的其他情况,判断方式简单,准确度高,因此,一旦出现该种情况,需要对翻越成功人员的后续行为进行严密监控,因此,启动翻越区域外侧的摄像机进行跟踪拍摄。这里所述的跟踪拍摄为现有技术,通过多个摄像头联动可以实现,在此不做赘述。
在本实施例中,某些意外情况可能是翻越过程中出现人员受伤,因此,需要及时对该类情况提供人工救援,该步骤具体的方法为:所述判断所述轨迹与所述翻越区域边界的内外关系的相对变化情况,包括:
若所述轨迹在预定时间内满足大于预定数量的第二图片中显示均位于所述翻越区域边界上,发出救援信号,所述救援信号包括所述位置。
上述方法仍然以第二图片为基础,判断轨迹长时间停留在翻越区域边界上,通常表明翻越人员出现意外,例如受伤等情况,此时,发出救援信号,该信号不同于报警信号,更多用于提示需要救援人员立即到现场进行查看,避免发生人身伤害。
为了充分地利用该方法在执行过程中获得的数据,以便于更好地对人员进行分类管理,在本实施例中,所述获取第二图片后,还包括:
利用预先训练好的机器学习模型识别所述第二图片中的人体对应的人员信息。
在本实施例中,所述判断所述轨迹与所述翻越区域边界的内外关系的相对变化情况之后,还包括:
根据所述轨迹与所述翻越区域边界的内外关系的相对变化情况给所述轨迹打分;
将所述轨迹与对应的所述人员信息关联,累积同一所述人员信息下的所有轨迹的分数获得第一得分;
按照所述第一得分对人员进行分类管理。
由此,获得翻越人员信息,方便对翻越成功的人员进行跟踪调查,或者对未翻越人员进行分级管理。对不同的轨迹可以反应出翻越人员的心理状态,通过打分以及累积的方式,能够量化人员的翻越倾向,使得人员管理更加精准。
在本实施例中,还提供一种基于视觉感知的翻越行为监测装置,包括:
红外信号获取模块,用于获取多个红外传感器对应传来的多个第一红外信号,所述多个红外传感器沿待监测的翻越区域边界处间隔设置,所述第一红外信号采集的是所述待监测的翻越区域边界附近内侧的信号;
第一判断模块,用于判断所述多个第一红外信号中是否有活动物体;
第一拍摄模块,用于获取所述第一红外信号中有活动物体的第一红外信号对应的红外传感器的位置,唤醒第一摄像机进行拍摄并获得所述第一摄像机传来的第一视频,所述第一摄像机为设置在与所述位置距离最近的摄像机,所述摄像机具有多个且沿待监测的翻越区域边界处间隔设置;
第二判断模块,用于判断所述第一视频中是否有人体;
第三判断模块,用于若所述第一视频中有人体,判断是否存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿;
第四判断模块,用于若存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿,判断存在翻越行为并发出报警。
在本实施例中,基于视觉感知的翻越行为监测***,如图2所示,包括:
软件,用于执行一种基于视觉感知的翻越行为监测方法;
多个红外传感器,沿待监测的翻越区域边界处间隔设置,用于采集所述待监测的翻越区域边界附近内侧的信号;
多个摄像机,沿待监测的翻越区域边界处间隔设置,用于拍摄第一视频。
在本实施例中,还提供一种存储器,用于存储软件,所述软件用于执行一种基于视觉感知的翻越行为监测方法。
在本实施例中,还提供一种处理器,用于执行软件,所述软件用于执行一种基于视觉感知的翻越行为监测方法。
需要说明的是,上述软件执行的一种基于视觉感知的翻越行为监测方法与前面的介绍的一种基于视觉感知的翻越行为监测方法相同,在此不再赘述。
如图2所示,上述存储器和处理器主要设置在监控室内,报警装置主要设置在待监测的翻越区域现场和监控室内,方便对翻越人员进行提醒以及对监控人员进行提示。
这些计算机程序也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤,对应与不同的步骤可以通过不同的模块来实现。
上述程序可以运行在处理器中,或者也可以存储在存储器中(或称为计算机可读介质),计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.基于视觉感知的翻越行为监测方法,其特征在于:
获取多个红外传感器对应传来的多个第一红外信号,所述多个红外传感器沿待监测的翻越区域边界处间隔设置,所述第一红外信号采集的是所述待监测的翻越区域边界附近内侧的信号;判断所述多个第一红外信号中是否有活动物体;
获取所述第一红外信号中有活动物体的第一红外信号对应的红外传感器的位置,唤醒第一摄像机进行拍摄并获得所述第一摄像机传来的第一视频,所述第一摄像机为设置在与所述位置距离最近的摄像机,所述摄像机具有多个且沿待监测的翻越区域边界处间隔设置;
判断所述第一视频中是否有人体;
若所述第一视频中有人体,判断是否存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿;
若存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿,判断存在翻越行为并发出报警。
2.根据权利要求1所述的方法,其特征在于:所述判断是否存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿,包括:
获取所述第一视频中的视频帧作为第一图片;
获取所述第一图片中所述翻越区域边界的上沿轮廓线的像素链的离散像素点,将所述第一图片中人体的中心位置与所述的离散像素点进行对比;
若所述第一图片中所述人体的中心位置高于所述任意一个离散像素点,判断存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿。
3.根据权利要求2所述的方法,其特征在于:判断存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿之后,包括:
获取第二图片,所述第二图片为所述第一图片中所有满足所述人体的中心位置高于所述任意一个离散像素点的图片;
获取所有所述第二图片中所述人体的中心位置按照所在的第二图片的时间序列顺序排序后形成的轨迹;
判断所述轨迹与所述翻越区域边界的内外关系的相对变化情况;
若所述轨迹在最后的一张第二图片中显示位于所述翻越区域边界的外侧,唤醒设置于与所述位置处最近的第二摄像机的镜头对准所述位置处并以所述人体为感兴趣目标进行跟踪拍摄,所述第二摄像机具有多个且均设置于所述翻越区域外侧。
4.根据权利要求3所述的方法,其特征在于:所述判断所述轨迹与所述翻越区域边界的内外关系的相对变化情况,包括:
若所述轨迹在预定时间内满足大于预定数量的第二图片中显示均位于所述翻越区域边界上,发出救援信号,所述救援信号包括所述位置。
5.根据权利要求3所述的方法,其特征在于:所述获取第二图片后,还包括:
利用预先训练好的机器学习模型识别所述第二图片中的人体对应的人员信息。
6.根据权利要求3所述的方法,其特征在于:所述判断所述轨迹与所述翻越区域边界的内外关系的相对变化情况之后,还包括:
根据所述轨迹与所述翻越区域边界的内外关系的相对变化情况给所述轨迹打分;
将所述轨迹与对应的所述人员信息关联,累积同一所述人员信息下的所有轨迹的分数获得第一得分;
按照所述第一得分对人员进行分类管理。
7.基于视觉感知的翻越行为监测装置,其特征在于:包括:
红外信号获取模块,用于获取多个红外传感器对应传来的多个第一红外信号,所述多个红外传感器沿待监测的翻越区域边界处间隔设置,所述第一红外信号采集的是所述待监测的翻越区域边界附近内侧的信号;
第一判断模块,用于判断所述多个第一红外信号中是否有活动物体;
第一拍摄模块,用于获取所述第一红外信号中有活动物体的第一红外信号对应的红外传感器的位置,唤醒第一摄像机进行拍摄并获得所述第一摄像机传来的第一视频,所述第一摄像机为设置在与所述位置距离最近的摄像机,所述摄像机具有多个且沿待监测的翻越区域边界处间隔设置;
第二判断模块,用于判断所述第一视频中是否有人体;
第三判断模块,用于若所述第一视频中有人体,判断是否存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿;
第四判断模块,用于若存在所述第一视频中的人体的中心位置高于所述翻越区域边界的上沿,判断存在翻越行为并发出报警。
8.基于视觉感知的翻越行为监测***,其特征在于:包括:
软件,用于执行权利要求1-6中任意一项所述的方法;
多个红外传感器,沿待监测的翻越区域边界处间隔设置,用于采集所述待监测的翻越区域边界附近内侧的信号;
多个摄像机,沿待监测的翻越区域边界处间隔设置,用于拍摄第一视频。
9.一种存储器,其特征在于:用于存储软件,所述软件用于执行权利要求1-6中任意一项所述的方法。
10.一种处理器,其特征在于:用于执行软件,所述软件用于执行权利要求1-6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210457039.0A CN114863621A (zh) | 2022-04-27 | 2022-04-27 | 基于视觉感知的翻越行为监测方法、***、存储器和处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210457039.0A CN114863621A (zh) | 2022-04-27 | 2022-04-27 | 基于视觉感知的翻越行为监测方法、***、存储器和处理器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114863621A true CN114863621A (zh) | 2022-08-05 |
Family
ID=82633551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210457039.0A Pending CN114863621A (zh) | 2022-04-27 | 2022-04-27 | 基于视觉感知的翻越行为监测方法、***、存储器和处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114863621A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115588265A (zh) * | 2022-12-12 | 2023-01-10 | 华能酒泉风电有限责任公司 | 一种风电场的智能监视*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107542317A (zh) * | 2016-06-23 | 2018-01-05 | 姜浙伟 | 一种防盗防攀爬的围墙 |
CN110766894A (zh) * | 2019-12-25 | 2020-02-07 | 恒大智慧科技有限公司 | 社区围墙翻越预警方法、***、服务器及计算机存储介质 |
CN111275910A (zh) * | 2019-11-05 | 2020-06-12 | 杭州安脉盛智能技术有限公司 | 一种基于高斯混合模型的扶梯越界行为检测方法及*** |
-
2022
- 2022-04-27 CN CN202210457039.0A patent/CN114863621A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107542317A (zh) * | 2016-06-23 | 2018-01-05 | 姜浙伟 | 一种防盗防攀爬的围墙 |
CN111275910A (zh) * | 2019-11-05 | 2020-06-12 | 杭州安脉盛智能技术有限公司 | 一种基于高斯混合模型的扶梯越界行为检测方法及*** |
CN110766894A (zh) * | 2019-12-25 | 2020-02-07 | 恒大智慧科技有限公司 | 社区围墙翻越预警方法、***、服务器及计算机存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115588265A (zh) * | 2022-12-12 | 2023-01-10 | 华能酒泉风电有限责任公司 | 一种风电场的智能监视*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7307652B2 (en) | Method and apparatus for object tracking and detection | |
CN112216049A (zh) | 一种基于图像识别的施工警戒区监测预警***及方法 | |
Sokolova et al. | A fuzzy model for human fall detection in infrared video | |
CN112819068A (zh) | 一种基于深度学习的船舶作业违章行为实时侦测方法 | |
CN108921840A (zh) | 显示屏***电路检测方法、装置、电子设备及存储介质 | |
CN114863621A (zh) | 基于视觉感知的翻越行为监测方法、***、存储器和处理器 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN112184773A (zh) | 一种基于深度学习的安全帽佩戴检测方法及*** | |
KR102540208B1 (ko) | 딥러닝을 이용한 화재감지방법 | |
CN115861915A (zh) | 消防通道监控方法、消防通道监控装置以及存储介质 | |
CN115953719A (zh) | 一种多目标识别的计算机图像处理*** | |
CN117557966B (zh) | 基于监控图像识别的校园异常行为安全检测方法及*** | |
CN114155470A (zh) | 一种河道区域入侵检测方法、***及存储介质 | |
US11176379B2 (en) | Method of acquiring detection zone in image and method of determining zone usage | |
CN117787690A (zh) | 吊装作业安全风险识别方法及识别装置 | |
CN116092198B (zh) | 一种矿用安全帽识别检测方法、装置、设备及介质 | |
KR20190108218A (ko) | 디지털 영상 이미지를 이용한 위급상황 분석장치 및 방법 | |
CN108184098A (zh) | 安全区域的监控方法以及*** | |
US20210034845A1 (en) | Method and apparatus for monitoring working state | |
CN109460077B (zh) | 一种自动跟踪方法、自动跟踪设备及自动跟踪*** | |
CN116071696A (zh) | 一种基于YOLOv7的楼宇楼梯拥挤检测方法及装置 | |
CN111368726B (zh) | 建筑工地作业面人数统计方法、***、存储介质及装置 | |
CN112926407A (zh) | 基于校园欺凌的求救信号检测方法、装置及*** | |
KR20220067271A (ko) | 영상취득장치 및 영상취득방법 | |
CN117315592B (zh) | 一种基于机器人端实时监控摄像的识别预警*** |
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 |