CN114882251A - 一种物联网大数据智能视频安防监控方法及装置 - Google Patents
一种物联网大数据智能视频安防监控方法及装置 Download PDFInfo
- Publication number
- CN114882251A CN114882251A CN202210506120.3A CN202210506120A CN114882251A CN 114882251 A CN114882251 A CN 114882251A CN 202210506120 A CN202210506120 A CN 202210506120A CN 114882251 A CN114882251 A CN 114882251A
- Authority
- CN
- China
- Prior art keywords
- video frame
- abnormal behavior
- monitoring video
- monitoring
- similar
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Security & Cryptography (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及视频监控技术领域,揭露了一种物联网大数据智能视频安防监控方法,包括:提取异常行为模板图像及实时监控视频帧集,利用异常行为模板图像,根据相似程度测度公式,检测得到相似监控视频帧,判断相似值是否小于相似阈值,若小于,则未发生异常行为,若大于或等于,则提取人物特征,利用人物特征提取目标监控视频帧集,根据所目标监控视频帧集,锁定历史活动轨迹,根据相似监控视频帧,确定异常行为发生地点,利用发生地点附近的监控设备捕获当前活动轨迹。发明还提出一种物联网大数据智能视频安防监控装置、电子设备以及计算机可读存储介质。本发明可以解决当前的安防监控存在缺乏智能数据分析及联动报警的问题。
Description
技术领域
本发明涉及监控视频技术领域,尤其涉及一种物联网大数据智能视频安防监控方法及装置。
背景技术
随着大数据及物联网(Internet of Things,简称IoT)技术的快速发展,大数据及物联网技术开始被应用于安防监控领域。
传统的安防监控主要以人工巡逻为主,利用人工巡视管理区域或监视监控视频的方法来排查违法违规行为,当发现存在违法违规行为后,需要人为报警,因此,当前的安防监控存在缺乏智能数据分析及联动报警的现象。
发明内容
本发明提供一种物联网大数据智能视频安防监控方法及装置,其主要目的在于解决当前的安防监控存在缺乏智能数据分析及联动报警的问题。
为实现上述目的,本发明提供的一种物联网大数据智能视频安防监控方法,包括:
根据预设的异常行为构建异常行为模板图像集,在所述异常行为模板图像集中依次提取异常行为模板图像,获取实时监控视频帧集;
利用所述异常行为模板图像,根据预构建的相似程度测度公式,在所述实时监控视频帧集中进行相似性检测,得到相似监控视频帧,其中,所述相似程度测度公式如下所示:
其中,X(i,j)指参考点坐标位置为(i,j)的图像块与所述异常行为模板图像的相似程度测度,qi,j(m,n)表示参考点坐标位置为(i,j)的图像块在坐标点(m,n)的像素值,M(m,n)表示所述异常行为模板图像在坐标点(m,n)的像素值;
判断所述相似监控视频帧与所述异常行为模板图像的相似值是否小于预设的相似阈值;
若所述相似监控视频帧与所述异常行为模板图像的相似值小于所述相似阈值,则判定未发生异常行为;
若所述相似监控视频帧与所述异常行为模板图像的相似值大于或等于所述相似阈值,则提取所述相似监控视频帧中行为人的人物特征;
利用所述人物特征在预存储的大数据监控视频帧集中提取摄录有所述行为人的监控视频帧,得到目标监控视频帧集;
根据所述目标监控视频帧集,锁定所述行为人的历史活动轨迹,根据所述相似监控视频帧,确定异常行为发生地点;
利用预构建的物联网技术,调用所述异常行为发生地点附近的监控设备,根据所述人物特征,利用所述监控设备捕获所述行为人的当前活动轨迹,完成所述异常行为的安防监控。
可选地,所述根据预设的异常行为构建异常行为模板图像集,包括:
按照预定的异常行为监控准则,拍摄包含所述异常行为监控准则中异常行为的图像,得到异常行为图像集;
按照预定的模板规格,对所述异常行为图像集中的每一张异常行为图像进行标准化裁剪,得到所述异常行为模板图像集。
可选地,所述利用所述异常行为模板图像,根据预构建的相似程度测度公式,在所述实时监控视频帧集中进行相似性检测,得到相似监控视频帧,包括:
在所述实时监控视频帧集中依次提取实时监控视频帧;
按照顺序在所述实时监控视频帧中依次提取像素点,将所述像素点作为参考点;
利用所述异常行为模板图像及所述相似程度测度公式,根据所述参考点,在所述实时监控视频帧中进行相似度匹配,得到不同的所述参考点对应的相似程度测度;
提取最小的所述相似程度测度对应的参考点;
将最小的所述相似程度测度对应的参考点所在的实时监控视频帧作为所述相似监控视频帧。
可选地,所述判断所述相似监控视频帧与所述异常行为模板图像的相似值是否小于预设的相似阈值,包括:
根据最小的所述相似程度测度对应的参考点及所述异常行为模板图像的模板规格,对所述相似监控视频帧进行裁剪,得到相似监控图像帧;
根据预设的相似相关函数,计算所述相似监控图像帧与所述异常行为模板图像的相似值;
判断所述相似值是否小于所述相似阈值。
可选地,所述相似相关函数如下所示:
其中,P(i,j)表示所述相似监控图像帧与所述异常行为模板图像的相似值,qi,j(m,n)表示参考点坐标位置为(i,j)的图像块在坐标点(m,n)的像素值,M(m,n)表示所述异常行为模板图像在坐标点M(m,n)的像素值。
可选地,所述提取所述相似监控视频帧中行为人的人物特征,包括:
按照预定的帧前数目提取所述相似监控视频帧之前的视频帧,得到相似帧前视频帧集;
利用预构建的多帧累加求平均值的算法,根据所述相似帧前视频帧集,计算所述相似监控视频帧的背景图像;
根据预构建的背景差分法,利用所述相似监控视频帧中的像素值对应减去所述背景图像中的像素值,得到行为人影像区域;
提取所述行为人影像区域的颜色值,根据所述颜色值构建颜色特征向量;
将所述颜色特征向量作为所述行为人的人物特征。
可选地,所述利用所述人物特征在预存储的大数据监控视频帧集中提取摄录有所述行为人的监控视频帧,得到目标监控视频帧集,包括:
识别所述相似监控视频帧的摄录位置;
按照预定的搜索范围,根据所述相似监控视频帧的摄录位置确定大数据搜索摄录范围;
在所述大数据监控视频帧集中,提取所述大数据搜索摄录范围内的监控视频帧集;
利用所述人物特征在所述大数据搜索摄录范围内的监控视频帧集中进行特征匹配,得到所述目标监控视频帧集。
可选地,所述根据所述目标监控视频帧集,锁定所述行为人的历史活动轨迹,包括:
识别所述目标监控视频帧集中每一张视频帧的摄录位置,得到历史活动位置集;
根据所述目标监控视频帧集中每一张视频帧的摄录时间,对所述历史活动位置集中的每一个历史活动位置进行排序,得到所述历史活动轨迹。
可选地,所述根据所述人物特征,利用所述监控设备捕获所述行为人的当前活动轨迹,包括:
获取所述监控设备的所有当前摄录视频帧集;
利用所述人物特征,在所述当前摄录视频帧集中提取包含所述人物特征的视频帧,得到当前活动视频帧集;
识别所述当前活动视频帧集中每一张视频帧的位置,得到当前活动位置集;
按照所述当前活动位置集中每一个位置的产生顺序构建所述当前活动轨迹。
为了解决上述问题,本发明还提供一种物联网大数据智能视频安防监控装置,所述装置包括:
相似监控视频帧检测模块,用于根据预设的异常行为构建异常行为模板图像集,在所述异常行为模板图像集中依次提取异常行为模板图像,获取实时监控视频帧集;利用所述异常行为模板图像,根据预构建的相似程度测度公式,在所述实时监控视频帧集中进行相似性检测,得到相似监控视频帧;
人物特征提取模块,用于判断所述相似监控视频帧与所述异常行为模板图像的相似值是否小于预设的相似阈值;若所述相似监控视频帧与所述异常行为模板图像的相似值小于所述相似阈值,则判定未发生异常行为;若所述相似监控视频帧与所述异常行为模板图像的相似值大于或等于所述相似阈值,则提取所述相似监控视频帧中行为人的人物特征;
目标监控视频帧集提取模块,用于利用所述人物特征在预存储的大数据监控视频帧集中提取摄录有所述行为人的监控视频帧,得到目标监控视频帧集;
历史活动轨迹及异常行为发生地点获取模块,用于根据所述目标监控视频帧集,锁定所述行为人的历史活动轨迹,根据所述相似监控视频帧,确定异常行为发生地点;
当前活动轨迹捕获模块,用于利用预构建的物联网技术,调用所述异常行为发生地点附近的监控设备,根据所述人物特征,利用所述监控设备捕获所述行为人的当前活动轨迹。
相比于背景技术所述:当前的安防监控存在缺乏智能数据分析及联动报警的现象,本发明实施例通过异常行为构建异常行为模板图像集,利用所述异常行为模板图像集中的异常行为模板图像在所述实时监控视频帧集中进行相似性检测,利用所述相似程度测度公式,检测出相似监控视频帧,由于所述相似监控视频帧可能存在误判为异常行为的情况,依次需要利用所述相似阈值对所述相似监控视频帧进行筛选,当所述相似监控视频帧与所述异常行为模板图像的相似值小于所述相似阈值,则判定未发生异常行为,若所述相似监控视频帧与所述异常行为模板图像的相似值大于或等于所述相似阈值,则提取所述相似监控视频帧中行为人的人物特征,再利用所述人物特征在所述大数据监控视频帧集中提取摄录有所述行为人的监控视频帧,得到目标监控视频帧集,根据所述目标监控视频帧集,锁定所述行为人的历史活动轨迹,同时可以根据相似监控视频帧,确定异常行为发生地点,从而可以对行为人的行动路径进行预判或捕捉,利用所述物联网技术调用所述异常行为发生地点附近的监控设备,完成所述异常行为的安防监控。因此本发明提出的物联网大数据智能视频安防监控方法及装置,可以解决当前的安防监控存在缺乏智能数据分析及联动报警的问题。
附图说明
图1为本发明一实施例提供的一种物联网大数据智能视频安防监控方法的流程示意图;
图2为图1中其中一个步骤的详细实施流程示意图;
图3为图1中另一个步骤的详细实施流程示意图;
图4为本发明一实施例提供的物联网大数据智能视频安防监控装置的功能模块图;
图5为本发明一实施例提供的实现所述物联网大数据智能视频安防监控方法的电子设备的结构示意图。
本发明目的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种物联网大数据智能视频安防监控方法。所述物联网大数据智能视频安防监控方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述物联网大数据智能视频安防监控方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
参照图1所示,为本发明一实施例提供的一种物联网大数据智能视频安防监控方法的流程示意图。在本实施例中,所述物联网大数据智能视频安防监控方法包括:
S1、根据预设的异常行为构建异常行为模板图像集,在所述异常行为模板图像集中依次提取异常行为模板图像,获取实时监控视频帧集。
可解释的,所述异常行为可以为打架斗殴、攀越围墙、入室盗窃以及抢劫等违法违规行为。所述异常行为模板图像集指根据所述异常行为的动作特征拍摄的固定规格大小的异常行为图像集合,例如:当所述异常行为为攀越围墙时,可以让测试员在确认安全的情况下攀爬围墙,并拍摄相关照片,得到所述异常行为模板图像。需要注意的是,所述异常行为模板图像需要具备一定的普适性,从而提高检测能力。所述实时监控视频帧集指摄像头实时拍摄到的视频帧集。
本发明实施例中,所述根据预设的异常行为构建异常行为模板图像集,包括:
按照预定的异常行为监控准则,拍摄包含所述异常行为监控准则中异常行为的图像,得到异常行为图像集;
按照预定的模板规格,对所述异常行为图像集中的每一张异常行为图像进行标准化裁剪,得到所述异常行为模板图像集。
详细地,所述异常行为监控准则规定了异常行为的主要类型,例如:打架斗殴、攀越围墙、入室盗窃以及抢劫等违法违规行为。
可理解的,由于所述异常行为图像集中可能存在大量无关的背景,所以需要按照预定的模板规格,提取包含所述违法行为的区域图像,得到所述异常行为模板图像集。
S2、利用所述异常行为模板图像,根据预构建的相似程度测度公式,在所述实时监控视频帧集中进行相似性检测,得到相似监控视频帧。
详细地,所述相似程度测度公式如下所示:
其中,X(i,j)指参考点坐标位置为(i,j)的图像块与所述异常行为模板图像的相似程度测度,qi,j(m,n)表示参考点坐标位置为(i,j)的图像块在坐标点(m,n)的像素值,M(m,n)表示所述异常行为模板图像在坐标点(m,n)的像素值。
可解释的,所述异常行为模板图像可以为像素尺寸为m×m的参考图像,所述实时监控视频帧可以为像素尺寸为n×n的图像,m<n,所述异常行为模板图像在所述实时监控视频帧上平移,所述异常行为模板图像下覆盖的图像称为子图q(i,j),(i,j)是所述子图的左上角点在所述实时监控视频帧中的坐标,称为所述参考点。
本发明实施例中,所述利用所述异常行为模板图像,根据预构建的相似程度测度公式,在所述实时监控视频帧集中进行相似性检测,得到相似监控视频帧,包括:
在所述实时监控视频帧集中依次提取实时监控视频帧;
按照顺序在所述实时监控视频帧中依次提取像素点,将所述像素点作为参考点;
利用所述异常行为模板图像及所述相似程度测度公式,根据所述参考点,在所述实时监控视频帧中进行相似度匹配,得到不同的所述参考点对应的相似程度测度;
提取最小的所述相似程度测度对应的参考点;
将最小的所述相似程度测度对应的参考点所在的实时监控视频帧作为所述相似监控视频帧。
可解释的,可使用序贯相似检测算法(简称SSDA)进行所述相似度匹配,将所述异常行为模板图像放在所述实时监控视频帧中可能出现异常行为的区域进行一一匹配,相似性最大的实时监控视频帧可以作为异常行为的候选图像。
S3、判断所述相似监控视频帧与所述异常行为模板图像的相似值是否小于预设的相似阈值。
所述相似阈值指衡量所述相似监控视频帧是否存在异常行为的值,由于所述相似监控视频帧可能存在与所述异常行为模板图像具有一定相似度,但不存在异常行为的可能性,所以可以设置所述相似阈值进行筛选,所述相似阈值可以利用大量的样本图片进行测试,实验出最佳的数值作为所述相似阈值。
本发明实施例中,所述判断所述相似监控视频帧与所述异常行为模板图像的相似值是否小于预设的相似阈值,包括:
根据最小的所述相似程度测度对应的参考点及所述异常行为模板图像的模板规格,对所述相似监控视频帧进行裁剪,得到相似监控图像帧;
根据预设的相似相关函数,计算所述相似监控图像帧与所述异常行为模板图像的相似值;
判断所述相似值是否小于所述相似阈值。
本发明实施例中,所述相似相关函数如下所示:
其中,P(i,j)表示所述相似监控图像帧与所述异常行为模板图像的相似值,qi,j(m,n)表示参考点坐标位置为(i,j)的图像块在坐标点(m,n)的像素值,M(m,n)表示所述异常行为模板图像在坐标点(m,n)的像素值。
可理解的,根据柯西不等式可知P(i,j)的取值范围为(0,1],P(i,j)越大,表示所述相似监控图像帧与所述异常行为模板图像越相似。序贯相似检测算法具有很高的准确度,可匹配安防监控区域中大量的、连续的视频图像,实现异常行为的准确判定。
若所述相似监控视频帧与所述异常行为模板图像的相似值小于所述相似阈值,则执行S4、判定未发生异常行为。
本发明实施例中,若所述相似监控视频帧与所述异常行为模板图像的相似值小于所述相似阈值,则表示所述相似监控视频帧存在与异常行为近似的行为,但该行为不是异常行为,所以可以排除,进而判定未发生所述异常行为。
若所述相似监控视频帧与所述异常行为模板图像的相似值大于或等于所述相似阈值,则执行S5、提取所述相似监控视频帧中行为人的人物特征。
本发明实施例中,所述提取所述相似监控视频帧中行为人的人物特征,包括:
按照预定的帧前数目提取所述相似监控视频帧之前的视频帧,得到相似帧前视频帧集;
利用预构建的多帧累加求平均值的算法,根据所述相似帧前视频帧集,计算所述相似监控视频帧的背景图像;
根据预构建的背景差分法,利用所述相似监控视频帧中的像素值对应减去所述背景图像中的像素值,得到行为人影像区域;
提取所述行为人影像区域的颜色值,根据所述颜色值构建颜色特征向量;
将所述颜色特征向量作为所述行为人的人物特征。
可理解的,所述帧前数目可以为100,可以用所述背景差分法进行目标的检测,首先根据所述相似帧前视频帧集,利用所述多帧累加求平均值的算法计算出所述背景图像,然后利用所述相似监控视频帧中的像素值对应减去所述背景图像中的像素值,得到所述行为人影像区域,所述背景图像要实现动态更新,以满足视频的即时性。得到所述行为人影像区域后,可以分别统计每个所述行为人影像区域的颜色值作为特征向量,可采用RGB颜色的均值,避免人物身高体型不同的影响。其中所述多帧累加求平均值以及背景差分法为已有技术,在此不再赘述。
S6、利用所述人物特征在预存储的大数据监控视频帧集中提取摄录有所述行为人的监控视频帧,得到目标监控视频帧集。
可解释的,所述大数据监控视频帧集指各个区域以及各个时间监控摄像头拍摄的监控视频帧集合。所述大数据监控视频帧集可以存储于大数据存储单元中。
详细地,参阅图2所示,所述利用所述人物特征在预存储的大数据监控视频帧集中提取摄录有所述行为人的监控视频帧,得到目标监控视频帧集,包括:
S61、识别所述相似监控视频帧的摄录位置;
S62、按照预定的搜索范围,根据所述相似监控视频帧的摄录位置确定大数据搜索摄录范围;
S63、在所述大数据监控视频帧集中,提取所述大数据搜索摄录范围内的监控视频帧集;
S64、利用所述人物特征在所述大数据搜索摄录范围内的监控视频帧集中进行特征匹配,得到所述目标监控视频帧集。
可理解的,所述搜索范围可以为10km。通过所述人物特征可以在10km范围内的监控视频中,查询到所述人物特征的相关信息。
S7、根据所述目标监控视频帧集,锁定所述行为人的历史活动轨迹,根据所述相似监控视频帧,确定异常行为发生地点。
本发明实施例中,所述根据所述目标监控视频帧集,锁定所述行为人的历史活动轨迹,包括:
识别所述目标监控视频帧集中每一张视频帧的摄录位置,得到历史活动位置集;
根据所述目标监控视频帧集中每一张视频帧的摄录时间,对所述历史活动位置集中的每一个历史活动位置进行排序,得到所述历史活动轨迹。
可理解的,可以根据所述目标监控视频帧集中每一帧图像的摄录时间及地点,得到所述行为人作出所述异常行为之前的活动轨迹。
S8、利用预构建的物联网技术,调用所述异常行为发生地点附近的监控设备,根据所述人物特征,利用所述监控设备捕获所述行为人的当前活动轨迹,完成所述异常行为的安防监控。
可解释的,所述物联网技术(Internet of Things,简称IOT)是指将事物与互联网相连,实现信息交互的技术。因此,可以利用摄像装置捕获所述异常行为的发生地点,在得到所述发生地点后,可以上传到互联网分析管理中心,在所述互联网分析管理中心,分析出所述发生地点附近的监控探头,并调用附近的监控探头对所述行为人的可能逃窜路线进行捕捉。其中,所述摄像装置可以为感知层,互联网分析管理中心为网络及管理层,最后通过应用层调用附近的监控探头。
详细地,参阅图3所示,所述根据所述人物特征,利用所述监控设备捕获所述行为人的当前活动轨迹,包括:
S81、获取所述监控设备的所有当前摄录视频帧集;
S82、利用所述人物特征,在所述当前摄录视频帧集中提取包含所述人物特征的视频帧,得到当前活动视频帧集;
S83、识别所述当前活动视频帧集中每一张视频帧的位置,得到当前活动位置集;
S84、按照所述当前活动位置集中每一个位置的产生顺序构建所述当前活动轨迹。
应明白的,当得到所述人物特征后,可以在所述异常行为发生地附近的所有监控视频中识别包含所述人物特征的视频帧,当得到相应的视频帧时,可以根据该视频帧的摄录时间及地点,显示所述行为人的逃窜路线。
相比于背景技术所述:当前的安防监控存在缺乏智能数据分析及联动报警的现象,本发明实施例通过异常行为构建异常行为模板图像集,利用所述异常行为模板图像集中的异常行为模板图像在所述实时监控视频帧集中进行相似性检测,利用所述相似程度测度公式,检测出相似监控视频帧,由于所述相似监控视频帧可能存在误判为异常行为的情况,依次需要利用所述相似阈值对所述相似监控视频帧进行筛选,当所述相似监控视频帧与所述异常行为模板图像的相似值小于所述相似阈值,则判定未发生异常行为,若所述相似监控视频帧与所述异常行为模板图像的相似值大于或等于所述相似阈值,则提取所述相似监控视频帧中行为人的人物特征,再利用所述人物特征在所述大数据监控视频帧集中提取摄录有所述行为人的监控视频帧,得到目标监控视频帧集,根据所述目标监控视频帧集,锁定所述行为人的历史活动轨迹,同时可以根据相似监控视频帧,确定异常行为发生地点,从而可以对行为人的行动路径进行预判或捕捉,利用所述物联网技术调用所述异常行为发生地点附近的监控设备,完成所述异常行为的安防监控。因此本发明提出的物联网大数据智能视频安防监控方法、装置、电子设备及计算机可读存储介质,可以解决当前的安防监控存在缺乏智能数据分析及联动报警的问题。
实施例2:
如图4所示,是本发明一实施例提供的物联网大数据智能视频安防监控装置的功能模块图。
本发明所述物联网大数据智能视频安防监控装置100可以安装于电子设备中。根据实现的功能,所述物联网大数据智能视频安防监控装置100可以包括相似监控视频帧检测模块101、人物特征提取模块102、目标监控视频帧集提取模块103、历史活动轨迹及异常行为发生地点获取模块104及当前活动轨迹捕获模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
所述相似监控视频帧检测模块101,用于根据预设的异常行为构建异常行为模板图像集,在所述异常行为模板图像集中依次提取异常行为模板图像,获取实时监控视频帧集;利用所述异常行为模板图像,根据预构建的相似程度测度公式,在所述实时监控视频帧集中进行相似性检测,得到相似监控视频帧;
所述人物特征提取模块102,用于判断所述相似监控视频帧与所述异常行为模板图像的相似值是否小于预设的相似阈值;若所述相似监控视频帧与所述异常行为模板图像的相似值小于所述相似阈值,则判定未发生异常行为;若所述相似监控视频帧与所述异常行为模板图像的相似值大于或等于所述相似阈值,则提取所述相似监控视频帧中行为人的人物特征;
所述目标监控视频帧集提取模块103,用于利用所述人物特征在预存储的大数据监控视频帧集中提取摄录有所述行为人的监控视频帧,得到目标监控视频帧集;
所述历史活动轨迹及异常行为发生地点获取模块104,用于根据所述目标监控视频帧集,锁定所述行为人的历史活动轨迹,根据所述相似监控视频帧,确定异常行为发生地点;
所述当前活动轨迹捕获模块105,用于利用预构建的物联网技术,调用所述异常行为发生地点附近的监控设备,根据所述人物特征,利用所述监控设备捕获所述行为人的当前活动轨迹。
详细地,本发明实施例中所述物联网大数据智能视频安防监控装置100中的所述各模块在使用时采用与上述的图1中所述的物联网大数据智能视频安防监控方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
实施例3:
如图5所示,是本发明一实施例提供的实现物联网大数据智能视频安防监控方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、总线12和通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如物联网大数据智能视频安防监控程序。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如物联网大数据智能视频安防监控程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如物联网大数据智能视频安防监控程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口,可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的物联网大数据智能视频安防监控程序是多个指令的组合,在所述处理器10中运行时,可以实现:
根据预设的异常行为构建异常行为模板图像集,在所述异常行为模板图像集中依次提取异常行为模板图像,获取实时监控视频帧集;
利用所述异常行为模板图像,根据预构建的相似程度测度公式,在所述实时监控视频帧集中进行相似性检测,得到相似监控视频帧,其中,所述相似程度测度公式如下所示:
其中,X(i,j)指参考点坐标位置为(i,j)的图像块与所述异常行为模板图像的相似程度测度,qi,j(m,n)表示参考点坐标位置为(i,j)的图像块在坐标点(m,n)的像素值,M(m,n)表示所述异常行为模板图像在坐标点(m,n)的像素值;
判断所述相似监控视频帧与所述异常行为模板图像的相似值是否小于预设的相似阈值;
若所述相似监控视频帧与所述异常行为模板图像的相似值小于所述相似阈值,则判定未发生异常行为;
若所述相似监控视频帧与所述异常行为模板图像的相似值大于或等于所述相似阈值,则提取所述相似监控视频帧中行为人的人物特征;
利用所述人物特征在预存储的大数据监控视频帧集中提取摄录有所述行为人的监控视频帧,得到目标监控视频帧集;
根据所述目标监控视频帧集,锁定所述行为人的历史活动轨迹,根据所述相似监控视频帧,确定异常行为发生地点;
利用预构建的物联网技术,调用所述异常行为发生地点附近的监控设备,根据所述人物特征,利用所述监控设备捕获所述行为人的当前活动轨迹,完成所述异常行为的安防监控。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图4对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,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)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
根据预设的异常行为构建异常行为模板图像集,在所述异常行为模板图像集中依次提取异常行为模板图像,获取实时监控视频帧集;
利用所述异常行为模板图像,根据预构建的相似程度测度公式,在所述实时监控视频帧集中进行相似性检测,得到相似监控视频帧,其中,所述相似程度测度公式如下所示:
其中,X(i,j)指参考点坐标位置为(i,j)的图像块与所述异常行为模板图像的相似程度测度,qi,j(m,n)表示参考点坐标位置为(i,j)的图像块在坐标点(m,n)的像素值,M(m,n)表示所述异常行为模板图像在坐标点(m,n)的像素值;
判断所述相似监控视频帧与所述异常行为模板图像的相似值是否小于预设的相似阈值;
若所述相似监控视频帧与所述异常行为模板图像的相似值小于所述相似阈值,则判定未发生异常行为;
若所述相似监控视频帧与所述异常行为模板图像的相似值大于或等于所述相似阈值,则提取所述相似监控视频帧中行为人的人物特征;
利用所述人物特征在预存储的大数据监控视频帧集中提取摄录有所述行为人的监控视频帧,得到目标监控视频帧集;
根据所述目标监控视频帧集,锁定所述行为人的历史活动轨迹,根据所述相似监控视频帧,确定异常行为发生地点;
利用预构建的物联网技术,调用所述异常行为发生地点附近的监控设备,根据所述人物特征,利用所述监控设备捕获所述行为人的当前活动轨迹,完成所述异常行为的安防监控。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种物联网大数据智能视频安防监控方法,其特征在于,所述方法包括:
根据预设的异常行为构建异常行为模板图像集,在所述异常行为模板图像集中依次提取异常行为模板图像,获取实时监控视频帧集;
利用所述异常行为模板图像,根据预构建的相似程度测度公式,在所述实时监控视频帧集中进行相似性检测,得到相似监控视频帧,其中,所述相似程度测度公式如下所示:
其中,X(i,j)指参考点坐标位置为(i,j)的图像块与所述异常行为模板图像的相似程度测度,qi,j(m,n)表示参考点坐标位置为(i,j)的图像块在坐标点(m,n)的像素值,M(m,n)表示所述异常行为模板图像在坐标点(m,n)的像素值;
判断所述相似监控视频帧与所述异常行为模板图像的相似值是否小于预设的相似阈值;
若所述相似监控视频帧与所述异常行为模板图像的相似值小于所述相似阈值,则判定未发生异常行为;
若所述相似监控视频帧与所述异常行为模板图像的相似值大于或等于所述相似阈值,则提取所述相似监控视频帧中行为人的人物特征;
利用所述人物特征在预存储的大数据监控视频帧集中提取摄录有所述行为人的监控视频帧,得到目标监控视频帧集;
根据所述目标监控视频帧集,锁定所述行为人的历史活动轨迹,根据所述相似监控视频帧,确定异常行为发生地点;
利用预构建的物联网技术,调用所述异常行为发生地点附近的监控设备,根据所述人物特征,利用所述监控设备捕获所述行为人的当前活动轨迹,完成所述异常行为的安防监控。
2.如权利要求1所述的物联网大数据智能视频安防监控方法,其特征在于,所述根据预设的异常行为构建异常行为模板图像集,包括:
按照预定的异常行为监控准则,拍摄包含所述异常行为监控准则中异常行为的图像,得到异常行为图像集;
按照预定的模板规格,对所述异常行为图像集中的每一张异常行为图像进行标准化裁剪,得到所述异常行为模板图像集。
3.如权利要求1所述的物联网大数据智能视频安防监控方法,其特征在于,所述利用所述异常行为模板图像,根据预构建的相似程度测度公式,在所述实时监控视频帧集中进行相似性检测,得到相似监控视频帧,包括:
在所述实时监控视频帧集中依次提取实时监控视频帧;
按照顺序在所述实时监控视频帧中依次提取像素点,将所述像素点作为参考点;
利用所述异常行为模板图像及所述相似程度测度公式,根据所述参考点,在所述实时监控视频帧中进行相似度匹配,得到不同的所述参考点对应的相似程度测度;
提取最小的所述相似程度测度对应的参考点;
将最小的所述相似程度测度对应的参考点所在的实时监控视频帧作为所述相似监控视频帧。
4.如权利要求3所述的物联网大数据智能视频安防监控方法,其特征在于,所述判断所述相似监控视频帧与所述异常行为模板图像的相似值是否小于预设的相似阈值,包括:
根据最小的所述相似程度测度对应的参考点及所述异常行为模板图像的模板规格,对所述相似监控视频帧进行裁剪,得到相似监控图像帧;
根据预设的相似相关函数,计算所述相似监控图像帧与所述异常行为模板图像的相似值;
判断所述相似值是否小于所述相似阈值。
6.如权利要求3所述的物联网大数据智能视频安防监控方法,其特征在于,所述提取所述相似监控视频帧中行为人的人物特征,包括:
按照预定的帧前数目提取所述相似监控视频帧之前的视频帧,得到相似帧前视频帧集;
利用预构建的多帧累加求平均值的算法,根据所述相似帧前视频帧集,计算所述相似监控视频帧的背景图像;
根据预构建的背景差分法,利用所述相似监控视频帧中的像素值对应减去所述背景图像中的像素值,得到行为人影像区域;
提取所述行为人影像区域的颜色值,根据所述颜色值构建颜色特征向量;
将所述颜色特征向量作为所述行为人的人物特征。
7.如权利要求6所述的物联网大数据智能视频安防监控方法,其特征在于,所述利用所述人物特征在预存储的大数据监控视频帧集中提取摄录有所述行为人的监控视频帧,得到目标监控视频帧集,包括:
识别所述相似监控视频帧的摄录位置;
按照预定的搜索范围,根据所述相似监控视频帧的摄录位置确定大数据搜索摄录范围;
在所述大数据监控视频帧集中,提取所述大数据搜索摄录范围内的监控视频帧集;
利用所述人物特征在所述大数据搜索摄录范围内的监控视频帧集中进行特征匹配,得到所述目标监控视频帧集。
8.如权利要求7所述的物联网大数据智能视频安防监控方法,其特征在于,所述根据所述目标监控视频帧集,锁定所述行为人的历史活动轨迹,包括:
识别所述目标监控视频帧集中每一张视频帧的摄录位置,得到历史活动位置集;
根据所述目标监控视频帧集中每一张视频帧的摄录时间,对所述历史活动位置集中的每一个历史活动位置进行排序,得到所述历史活动轨迹。
9.如权利要求8所述的物联网大数据智能视频安防监控方法,其特征在于,所述根据所述人物特征,利用所述监控设备捕获所述行为人的当前活动轨迹,包括:
获取所述监控设备的所有当前摄录视频帧集;
利用所述人物特征,在所述当前摄录视频帧集中提取包含所述人物特征的视频帧,得到当前活动视频帧集;
识别所述当前活动视频帧集中每一张视频帧的位置,得到当前活动位置集;
按照所述当前活动位置集中每一个位置的产生顺序构建所述当前活动轨迹。
10.一种物联网大数据智能视频安防监控装置,其特征在于,所述装置包括:
相似监控视频帧检测模块,用于根据预设的异常行为构建异常行为模板图像集,在所述异常行为模板图像集中依次提取异常行为模板图像,获取实时监控视频帧集;利用所述异常行为模板图像,根据预构建的相似程度测度公式,在所述实时监控视频帧集中进行相似性检测,得到相似监控视频帧;
人物特征提取模块,用于判断所述相似监控视频帧与所述异常行为模板图像的相似值是否小于预设的相似阈值;若所述相似监控视频帧与所述异常行为模板图像的相似值小于所述相似阈值,则判定未发生异常行为;若所述相似监控视频帧与所述异常行为模板图像的相似值大于或等于所述相似阈值,则提取所述相似监控视频帧中行为人的人物特征;
目标监控视频帧集提取模块,用于利用所述人物特征在预存储的大数据监控视频帧集中提取摄录有所述行为人的监控视频帧,得到目标监控视频帧集;
历史活动轨迹及异常行为发生地点获取模块,用于根据所述目标监控视频帧集,锁定所述行为人的历史活动轨迹,根据所述相似监控视频帧,确定异常行为发生地点;
当前活动轨迹捕获模块,用于利用预构建的物联网技术,调用所述异常行为发生地点附近的监控设备,根据所述人物特征,利用所述监控设备捕获所述行为人的当前活动轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210506120.3A CN114882251A (zh) | 2022-05-09 | 2022-05-09 | 一种物联网大数据智能视频安防监控方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210506120.3A CN114882251A (zh) | 2022-05-09 | 2022-05-09 | 一种物联网大数据智能视频安防监控方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114882251A true CN114882251A (zh) | 2022-08-09 |
Family
ID=82675309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210506120.3A Pending CN114882251A (zh) | 2022-05-09 | 2022-05-09 | 一种物联网大数据智能视频安防监控方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114882251A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115393798A (zh) * | 2022-09-01 | 2022-11-25 | 深圳市冠标科技发展有限公司 | 预警方法、装置、电子设备及存储介质 |
CN117455744A (zh) * | 2023-12-22 | 2024-01-26 | 安盛信达科技股份公司 | 一种智慧社区物联网数据处理方法及*** |
CN117911930A (zh) * | 2024-03-15 | 2024-04-19 | 释普信息科技(上海)有限公司 | 一种基于智能视频监控的数据安全预警方法及装置 |
-
2022
- 2022-05-09 CN CN202210506120.3A patent/CN114882251A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115393798A (zh) * | 2022-09-01 | 2022-11-25 | 深圳市冠标科技发展有限公司 | 预警方法、装置、电子设备及存储介质 |
CN115393798B (zh) * | 2022-09-01 | 2024-04-09 | 深圳市冠标科技发展有限公司 | 预警方法、装置、电子设备及存储介质 |
CN117455744A (zh) * | 2023-12-22 | 2024-01-26 | 安盛信达科技股份公司 | 一种智慧社区物联网数据处理方法及*** |
CN117455744B (zh) * | 2023-12-22 | 2024-03-22 | 安盛信达科技股份公司 | 一种智慧社区物联网数据处理方法及*** |
CN117911930A (zh) * | 2024-03-15 | 2024-04-19 | 释普信息科技(上海)有限公司 | 一种基于智能视频监控的数据安全预警方法及装置 |
CN117911930B (zh) * | 2024-03-15 | 2024-06-04 | 释普信息科技(上海)有限公司 | 一种基于智能视频监控的数据安全预警方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114882251A (zh) | 一种物联网大数据智能视频安防监控方法及装置 | |
CN110929584A (zh) | 网络训练方法、监控方法、***、存储介质和计算机设备 | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
CN114565882B (zh) | 基于多视频摄像头智能联动的异常行为分析方法及装置 | |
CN110659391A (zh) | 一种视频侦查方法及装置 | |
CN103810696B (zh) | 一种目标对象图像检测方法及装置 | |
CN111079621B (zh) | 检测对象的方法、装置、电子设备和存储介质 | |
CN112597877A (zh) | 一种基于深度学习的厂区人员异常行为检测方法 | |
CN113343779B (zh) | 环境异常检测方法、装置、计算机设备和存储介质 | |
CN113554008B (zh) | 静态物体区域内检测方法、装置、电子设备及存储介质 | |
CN109446926A (zh) | 一种交通监控方法及装置、电子设备和存储介质 | |
CN113011280A (zh) | 人员接触距离的检测方法、装置、计算机设备和存储介质 | |
CN111723656B (zh) | 一种基于YOLO v3与自优化的烟雾检测方法及装置 | |
CN114663390A (zh) | 自动门智能防夹方法、装置、设备及存储介质 | |
CN115965913A (zh) | 安防监控的方法、装置、***及计算机可读存储介质 | |
CN115100732A (zh) | 钓鱼检测方法、装置、计算机设备及存储介质 | |
CN111652314A (zh) | 温度检测方法、装置、计算机设备和存储介质 | |
CN113869115A (zh) | 一种人脸图像处理的方法及*** | |
CN114049658A (zh) | 基于人脸识别的流动人口管理方法、装置、计算机设备和存储介质 | |
CN113435353A (zh) | 基于多模态的活体检测方法、装置、电子设备及存储介质 | |
CN111597889B (zh) | 一种视频中目标移动的检测方法、装置及*** | |
CN112528825A (zh) | 一种基于图像识别的车站乘客招援服务方法 | |
CN110910379B (zh) | 一种残缺检测方法及装置 | |
CN101916380A (zh) | 基于视频的烟检测装置和方法 | |
CN114140751B (zh) | 一种考场监控方法及*** |
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 |