CN115171361A - 一种基于计算机视觉的危险行为智能检测预警方法 - Google Patents
一种基于计算机视觉的危险行为智能检测预警方法 Download PDFInfo
- Publication number
- CN115171361A CN115171361A CN202211068726.XA CN202211068726A CN115171361A CN 115171361 A CN115171361 A CN 115171361A CN 202211068726 A CN202211068726 A CN 202211068726A CN 115171361 A CN115171361 A CN 115171361A
- Authority
- CN
- China
- Prior art keywords
- detected
- early warning
- frame
- contour map
- module
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于计算机视觉的危险行为智能检测预警方法,属于计算机视觉领域,用于解决危险行为很难做到提前检测,且预警精准性较差的问题,方法包括以下具体步骤:物体框定模块对进入场所的所有物体进行选定;行为分析模块对物体待检框的若干个物体热成像图进行分析,得到物体待检框的既定轮廓图发送至轮廓判定模块;轮廓判定模块对物体待检框的既定轮廓图进行判定;区域设定模块对当前场所的范围区域进行设定得到若干个警示区域,并将警示区域以及警示区域的实时位置发送至智能预警模块;智能预警模块对物体待检框靠近警示区域时进行智能预警,本发明基于计算机视觉对危险行为做到提前检测和精准预警。
Description
技术领域
本发明属于计算机视觉领域,涉及危险行为检测预警技术,具体是一种基于计算机视觉的危险行为智能检测预警方法。
背景技术
计算机视觉是一门研究如何使机器“看”的科学,更进一步地说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取‘信息’的人工智能***。这里所指的信息指Shannon定义的,可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息,所以计算机视觉也可以看作是研究如何使人工***从图像或多维数据中“感知”的科学。
现有技术中,危险行为的发生很难做到提前检测和提前预警,当下虽然存在一些行为分析方法,但也很难对危险行为做到精准预警,为此,我们提出一种基于计算机视觉的危险行为智能检测预警方法。
发明内容
针对现有技术存在的不足,本发明目的是提供一种基于计算机视觉的危险行为智能检测预警方法。
本发明所要解决的技术问题为:
如何基于计算机视觉对危险行为做到提前检测和精准预警。
本发明的目的可以通过以下技术方案实现:
一种基于计算机视觉的危险行为智能检测预警方法,方法包括以下具体步骤:
步骤S101,物体框定模块对进入场所的所有物体进行选定,得到所有物体的物体待检框并反馈至服务器;
步骤S102,数据采集模块采集物体待检框的若干个物体热成像图发送至行为分析模块;
步骤S103,行为分析模块对物体待检框的若干个物体热成像图进行分析,得到物体待检框的既定轮廓图发送至轮廓判定模块;
步骤S104,轮廓判定模块对物体待检框的既定轮廓图进行判定,得到判定排列表反馈至服务器,服务器依据判定排列表得到既定轮廓图对应的预设轮廓图,若为异常行为轮廓图生成智能预警指令加载至智能预警模块;
步骤S105,区域设定模块对当前场所的范围区域进行设定得到若干个警示区域,并将警示区域以及警示区域的实时位置发送至智能预警模块;
步骤S106,智能预警模块对物体待检框靠近警示区域时进行智能预警,生成立即预警信号或预警监视信号,若为预警监视信号则对物体待检框进行预警监视,若为立即预警信号则对生成警报指令加载至警报终端进行警报。
进一步地,所述服务器连接有数据采集模块、警报终端、智能预警模块、数据库、轮廓判定模块、行为分析模块、区域设定模块和物体框定模块,所述物体框定模块用于对进入场所的所有物体进行选定,得到所有物体的物体待检框并反馈至服务器;
所述数据采集模块用于采集物体待检框的若干个物体热成像图并发送至服务器,所述服务器将物体待检框的若干个物体热成像发送至行为分析模块;
所述行为分析模块用于对物体待检框的若干个物体热成像图进行分析,分析得到物体待检框的既定轮廓图发送至服务器,所述服务器将物体待检框的既定轮廓图发送至轮廓判定模块;
所述数据库用于存储不同物体的预设轮廓图;
所述轮廓判定模块用于对物体待检框的既定轮廓图进行判定,得到既定轮廓图与预设轮廓图的判定排列表反馈至服务器,服务器依据判定排列表得到既定轮廓图对应的预设轮廓图;
若对应的预设轮廓图为异常行为轮廓图,则生成智能预警指令加载至智能预警模块;若对应的预设轮廓图为正常行为轮廓图,则不进行任何操作;
所述区域设定模块用于对当前场所的范围区域进行设定得到若干个警示区域,并将警示区域以及警示区域的实时位置发送至服务器,所述服务器将警示区域以及警示区域的实时位置发送至智能预警模块;
所述智能预警模块用于对物体待检框靠近警示区域时进行智能预警,生成的立即预警信号或预警监视信号。
进一步地,所述行为分析模块的分析工程具体如下:
步骤一:获取物体待检框的物体热成像图中所有颜色的像素点,统计不同颜色像素点的数量;
步骤二:依据颜色得到物体待检框若干个物体热成像图中不同颜色像素点对应的分析值;
步骤三:将物体待检框若干个物体热成像图中超过分析阈值的像素点标定为待检像素点,记录物体待检框若干个物体热成像图中待检像素点的位置坐标;
步骤四:统计物体待检框的若干个物体热成像图中待检像素点的分析值,并将物体热成像图中所有待检像素点的分析值相加求和得到物体待检框的物体热成像图的待检分析值;
步骤五:遍历比对后得到物体待检框的物体热成像图的待检分析上限值;
步骤六:将待检分析上限值对应的物体热成像图标定为物体待检框的既定物体热成像图;
步骤七:依据位置坐标将既定物体热成像图中的待检像素点进行一一连接得到物体待检框的既定轮廓图。
进一步地,预设轮廓图包含异常行为轮廓图和正常行为轮廓图。
进一步地,所述轮廓判定模块的判定过程具体如下:
步骤S1:将物体待检框的既定轮廓图和数据库中存储的不同物体的预设轮廓图;
步骤S2:将既定轮廓图与预设轮廓图进行重叠放置,得到既定轮廓图与预设轮廓图的交叉区域和交叉点;
步骤S3:统计既定轮廓图与预设轮廓图的交叉点的数量,得到既定轮廓图原图与社会轮廓图的交叉数JSu,u=1,2,……,z,z为正整数,u代表预设轮廓图的编号;
步骤S4:统计既定轮廓图与预设轮廓图的交叉区域的面积,得到既定轮廓图原图与社会轮廓图的交叉面积JMu;
步骤S5:采用公式LPu=JSu×a1+JMu×a2计算得到既定轮廓图与预设轮廓图的轮廓偏差值LPu;式中,a1和a2均为固定数值的权重系数,且a1和a2的取值均大于零;
步骤S6:按照数值大小将轮廓偏差值进行升序排列得到既定轮廓图与预设轮廓图的判定排列表。
进一步地,所述智能预警模块的智能预警过程具体如下:
获取物体待检框和警示区域的实时位置;
若物体待检框与警示区域的实时位置相重合,统计物体待检框与警示区域的重合时长;
若重合时长超过设定的时长阈值,则生成立即预警信号;
若重合时长未超过设定的时长阈值,则不进行任何操作;
若物体待检框与警示区域的实时位置不重合,计算物体待检框与警示区域的实时间距;
若实时间距超过设定的间距阈值,则生成预警监视信号;
若实时间距未超过设定的间距阈值,则不进行任何操作。
进一步地,所述智能预警模块将立即预警信号或预警监视信号反馈至服务器;
若服务器接收到预警监视信号,则对物体待检框进行预警监视;
若服务器接收到立即预警信号,则对生成警报指令加载至警报终端,警报终端接收到警报指令后发出警报声。
与现有技术相比,本发明的有益效果是:
本发明通过物体框定模块对进入场所的所有物体进行选定,得到所有物体的物体待检框,利用行为分析模块对物体待检框的若干个物体热成像图进行分析,得到物体待检框的既定轮廓图发送至轮廓判定模块,结合轮廓判定模块对物体待检框的既定轮廓图进行判定,得到判定排列表反馈至服务器,服务器依据判定排列表得到既定轮廓图对应的预设轮廓图,若为异常行为轮廓图生成智能预警指令加载至智能预警模块,同时区域设定模块还对当前场所的范围区域进行设定得到若干个警示区域,并将警示区域以及警示区域的实时位置发送至智能预警模块,最后智能预警模块对物体待检框靠近警示区域时进行智能预警,生成立即预警信号或预警监视信号,若为预警监视信号则对物体待检框进行预警监视,若为立即预警信号则对生成警报指令加载至警报终端进行警报,本发明基于计算机视觉对危险行为做到提前检测和精准预警。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的工作流程图;
图2为本发明的整体***框图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
在一实施例中,请参阅图1所示,提出一种基于计算机视觉的危险行为智能检测预警方法,方法包括以下具体步骤:
步骤S101,物体框定模块对进入场所的所有物体进行选定,得到所有物体的物体待检框并反馈至服务器;
步骤S102,数据采集模块采集物体待检框的若干个物体热成像图,并将物体待检框的若干个物体热成像图发送至服务器,服务器将物体待检框的若干个物体热成像发送至行为分析模块;
步骤S103,行为分析模块对物体待检框的若干个物体热成像图进行分析,获取物体待检框的物体热成像图中所有颜色的像素点,统计不同颜色像素点的数量,依据颜色得到物体待检框若干个物体热成像图中不同颜色像素点对应的分析值,将物体待检框若干个物体热成像图中超过分析阈值的像素点标定为待检像素点,记录物体待检框若干个物体热成像图中待检像素点的位置坐标,统计物体待检框的若干个物体热成像图中待检像素点的分析值,并将物体热成像图中所有待检像素点的分析值相加求和得到物体待检框的物体热成像图的待检分析值,遍历比对后得到物体待检框的物体热成像图的待检分析上限值,将待检分析上限值对应的物体热成像图标定为物体待检框的既定物体热成像图,依据位置坐标将既定物体热成像图中的待检像素点进行一一连接得到物体待检框的既定轮廓图,行为分析模块将物体待检框的既定轮廓图发送至服务器,服务器将物体待检框的既定轮廓图发送至轮廓判定模块;
步骤S104,轮廓判定模块对物体待检框的既定轮廓图进行判定,将物体待检框的既定轮廓图和数据库中存储的不同物体的预设轮廓图,将既定轮廓图与预设轮廓图进行重叠放置,得到既定轮廓图与预设轮廓图的交叉区域和交叉点,统计既定轮廓图与预设轮廓图的交叉点的数量,得到既定轮廓图原图与社会轮廓图的交叉数JSu,统计既定轮廓图与预设轮廓图的交叉区域的面积,得到既定轮廓图原图与社会轮廓图的交叉面积JMu,采用公式LPu=JSu×a1+JMu×a2计算得到既定轮廓图与预设轮廓图的轮廓偏差值LPu,按照数值大小将轮廓偏差值进行升序排列得到既定轮廓图与预设轮廓图的判定排列表,轮廓判定模块将既定轮廓图与预设轮廓图的判定排列表反馈至服务器,服务器依据判定排列表得到既定轮廓图对应的预设轮廓图,若对应的预设轮廓图为异常行为轮廓图,则生成智能预警指令加载至智能预警模块,若对应的预设轮廓图为正常行为轮廓图,则不进行任何操作;
步骤S105,区域设定模块对当前场所的范围区域进行设定得到若干个警示区域,并警示区域以及警示区域的实时位置发送至服务器,服务器将警示区域以及警示区域的实时位置发送至智能预警模块;
步骤S106,智能预警模块对物体待检框靠近警示区域时进行智能预警,获取物体待检框和警示区域的实时位置,若物体待检框与警示区域的实时位置相重合,统计物体待检框与警示区域的重合时长,若重合时长超过设定的时长阈值,则生成立即预警信号,若重合时长未超过设定的时长阈值,则不进行任何操作,若物体待检框与警示区域的实时位置不重合,计算物体待检框与警示区域的实时间距,若实时间距超过设定的间距阈值,则生成预警监视信号,若实时间距未超过设定的间距阈值,则不进行任何操作,智能预警模块将生成的立即预警信号或预警监视信号反馈至服务器,若服务器接收到预警监视信号,则对物体待检框进行预警监视,若服务器接收到立即预警信号,则对生成警报指令加载至警报终端,警报终端接收到警报指令后发出警报声;
在本实施例中,请参阅图2所示,服务器连接有数据采集模块、警报终端、智能预警模块、数据库、轮廓判定模块、行为分析模块、区域设定模块和物体框定模块;
物体框定模块用于对进入场所的所有物体进行选定,得到所有物体的物体待检框并反馈至服务器;
在具体实施时,物体框定模块具体为设置在场所进口的摄影机和电脑等采集设备;
数据采集模块用于采集物体待检框的若干个物体热成像图,并将物体待检框的若干个物体热成像图发送至服务器,数据采集模块具体为可以红外成像仪;
服务器将物体待检框的若干个物体热成像发送至行为分析模块,行为分析模块用于对物体待检框的若干个物体热成像图进行分析,分析工程具体如下:
步骤一:获取物体待检框的物体热成像图中所有颜色的像素点,统计不同颜色像素点的数量;
步骤二:依据颜色得到物体待检框若干个物体热成像图中不同颜色像素点对应的分析值;
例如:红色为对应分析值为5,黄色对应分析值为4,浅黄色对应分析值为3,因此,不同颜色像素点对应的分析值需要事先设定;
步骤三:将物体待检框若干个物体热成像图中超过分析阈值的像素点标定为待检像素点,记录物体待检框若干个物体热成像图中待检像素点的位置坐标;
步骤四:统计物体待检框的若干个物体热成像图中待检像素点的分析值,并将物体热成像图中所有待检像素点的分析值相加求和得到物体待检框的物体热成像图的待检分析值;
步骤五:遍历比对后得到物体待检框的物体热成像图的待检分析上限值;
步骤六:将待检分析上限值对应的物体热成像图标定为物体待检框的既定物体热成像图;
步骤七:依据位置坐标将既定物体热成像图中的待检像素点进行一一连接得到物体待检框的既定轮廓图;
行为分析模块将物体待检框的既定轮廓图发送至服务器,服务器将物体待检框的既定轮廓图发送至轮廓判定模块;
数据库用于存储不同物体的预设轮廓图;其中,预设轮廓图包含异常行为轮廓图和正常行为轮廓图;
轮廓判定模块用于对物体待检框的既定轮廓图进行判定,判定过程具体如下:
步骤S1:将物体待检框的既定轮廓图和数据库中存储的不同物体的预设轮廓图;
步骤S2:将既定轮廓图与预设轮廓图进行重叠放置,得到既定轮廓图与预设轮廓图的交叉区域和交叉点;
步骤S3:统计既定轮廓图与预设轮廓图的交叉点的数量,得到既定轮廓图原图与社会轮廓图的交叉数JSu,u=1,2,……,z,z为正整数,u代表预设轮廓图的编号;
步骤S4:统计既定轮廓图与预设轮廓图的交叉区域的面积,得到既定轮廓图原图与社会轮廓图的交叉面积JMu;
步骤S5:采用公式LPu=JSu×a1+JMu×a2计算得到既定轮廓图与预设轮廓图的轮廓偏差值LPu;式中,a1和a2均为固定数值的权重系数,且a1和a2的取值均大于零;
步骤S6:按照数值大小将轮廓偏差值进行升序排列得到既定轮廓图与预设轮廓图的判定排列表;
轮廓判定模块将既定轮廓图与预设轮廓图的判定排列表反馈至服务器,服务器依据判定排列表得到既定轮廓图对应的预设轮廓图;
若对应的预设轮廓图为异常行为轮廓图,则生成智能预警指令加载至智能预警模块;
若对应的预设轮廓图为正常行为轮廓图,则不进行任何操作;
区域设定模块用于对当前场所的范围区域进行设定得到若干个警示区域,并警示区域以及警示区域的实时位置发送至服务器,服务器将警示区域以及警示区域的实时位置发送至智能预警模块;
其中,警示区域可以为当前场所的人员密集区域、收银台区域等,在此不做具体限定;
智能预警模块用于对物体待检框靠近警示区域时进行智能预警,智能预警过程具体如下:
获取物体待检框和警示区域的实时位置;
若物体待检框与警示区域的实时位置相重合,统计物体待检框与警示区域的重合时长;
若重合时长超过设定的时长阈值,则生成立即预警信号;
若重合时长未超过设定的时长阈值,则不进行任何操作;
若物体待检框与警示区域的实时位置不重合,计算物体待检框与警示区域的实时间距;
若实时间距超过设定的间距阈值,则生成预警监视信号;
若实时间距未超过设定的间距阈值,则不进行任何操作;
智能预警模块将生成的立即预警信号或预警监视信号反馈至服务器;
若服务器接收到预警监视信号,则对物体待检框进行预警监视;
若服务器接收到立即预警信号,则对生成警报指令加载至警报终端,警报终端接收到警报指令后发出警报声;
在具体实施时,警报终端可以安装在每个警示区域;
与现有技术相比,本发明的有益效果是:
本发明通过物体框定模块对进入场所的所有物体进行选定,得到所有物体的物体待检框,利用行为分析模块对物体待检框的若干个物体热成像图进行分析,得到物体待检框的既定轮廓图发送至轮廓判定模块,结合轮廓判定模块对物体待检框的既定轮廓图进行判定,得到判定排列表反馈至服务器,服务器依据判定排列表得到既定轮廓图对应的预设轮廓图,若为异常行为轮廓图生成智能预警指令加载至智能预警模块,同时区域设定模块还对当前场所的范围区域进行设定得到若干个警示区域,并将警示区域以及警示区域的实时位置发送至智能预警模块,最后智能预警模块对物体待检框靠近警示区域时进行智能预警,生成立即预警信号或预警监视信号,若为预警监视信号则对物体待检框进行预警监视,若为立即预警信号则对生成警报指令加载至警报终端进行警报,本发明基于计算机视觉对危险行为做到提前检测和精准预警。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置,比例系数和权重系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于比例系数和权重系数的大小,只要不影响参数与量化后数值的比例关系即可。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (7)
1.一种基于计算机视觉的危险行为智能检测预警方法,其特征在于,方法包括以下具体步骤:
步骤S101,物体框定模块对进入场所的所有物体进行选定,得到所有物体的物体待检框并反馈至服务器;
步骤S102,数据采集模块采集物体待检框的若干个物体热成像图发送至行为分析模块;
步骤S103,行为分析模块对物体待检框的若干个物体热成像图进行分析,得到物体待检框的既定轮廓图发送至轮廓判定模块;
步骤S104,轮廓判定模块对物体待检框的既定轮廓图进行判定,得到判定排列表反馈至服务器,服务器依据判定排列表得到既定轮廓图对应的预设轮廓图,若为异常行为轮廓图生成智能预警指令加载至智能预警模块;
步骤S105,区域设定模块对当前场所的范围区域进行设定得到若干个警示区域,并将警示区域以及警示区域的实时位置发送至智能预警模块;
步骤S106,智能预警模块对物体待检框靠近警示区域时进行智能预警,生成立即预警信号或预警监视信号,若为预警监视信号则对物体待检框进行预警监视,若为立即预警信号则对生成警报指令加载至警报终端进行警报。
2.根据权利要求1所述的一种基于计算机视觉的危险行为智能检测预警方法,其特征在于,所述服务器连接有数据采集模块、警报终端、智能预警模块、数据库、轮廓判定模块、行为分析模块、区域设定模块和物体框定模块,所述物体框定模块用于对进入场所的所有物体进行选定,得到所有物体的物体待检框并反馈至服务器;
所述数据采集模块用于采集物体待检框的若干个物体热成像图并发送至服务器,所述服务器将物体待检框的若干个物体热成像发送至行为分析模块;
所述行为分析模块用于对物体待检框的若干个物体热成像图进行分析,分析得到物体待检框的既定轮廓图发送至服务器,所述服务器将物体待检框的既定轮廓图发送至轮廓判定模块;
所述数据库用于存储不同物体的预设轮廓图;
所述轮廓判定模块用于对物体待检框的既定轮廓图进行判定,得到既定轮廓图与预设轮廓图的判定排列表反馈至服务器,服务器依据判定排列表得到既定轮廓图对应的预设轮廓图;
若对应的预设轮廓图为异常行为轮廓图,则生成智能预警指令加载至智能预警模块;若对应的预设轮廓图为正常行为轮廓图,则不进行任何操作;
所述区域设定模块用于对当前场所的范围区域进行设定得到若干个警示区域,并将警示区域以及警示区域的实时位置发送至服务器,所述服务器将警示区域以及警示区域的实时位置发送至智能预警模块;
所述智能预警模块用于对物体待检框靠近警示区域时进行智能预警,生成的立即预警信号或预警监视信号。
3.根据权利要求2所述的一种基于计算机视觉的危险行为智能检测预警方法,其特征在于,所述行为分析模块的分析工程具体如下:
步骤一:获取物体待检框的物体热成像图中所有颜色的像素点,统计不同颜色像素点的数量;
步骤二:依据颜色得到物体待检框若干个物体热成像图中不同颜色像素点对应的分析值;
步骤三:将物体待检框若干个物体热成像图中超过分析阈值的像素点标定为待检像素点,记录物体待检框若干个物体热成像图中待检像素点的位置坐标;
步骤四:统计物体待检框的若干个物体热成像图中待检像素点的分析值,并将物体热成像图中所有待检像素点的分析值相加求和得到物体待检框的物体热成像图的待检分析值;
步骤五:遍历比对后得到物体待检框的物体热成像图的待检分析上限值;
步骤六:将待检分析上限值对应的物体热成像图标定为物体待检框的既定物体热成像图;
步骤七:依据位置坐标将既定物体热成像图中的待检像素点进行一一连接得到物体待检框的既定轮廓图。
4.根据权利要求2所述的一种基于计算机视觉的危险行为智能检测预警方法,其特征在于,预设轮廓图包含异常行为轮廓图和正常行为轮廓图。
5.根据权利要求2所述的一种基于计算机视觉的危险行为智能检测预警方法,其特征在于,所述轮廓判定模块的判定过程具体如下:
将物体待检框的既定轮廓图和数据库中存储的不同物体的预设轮廓图;
将既定轮廓图与预设轮廓图进行重叠放置,得到既定轮廓图与预设轮廓图的交叉区域和交叉点;
统计既定轮廓图与预设轮廓图的交叉点的数量,得到既定轮廓图原图与社会轮廓图的交叉数;
统计既定轮廓图与预设轮廓图的交叉区域的面积,得到既定轮廓图原图与社会轮廓图的交叉面积;
计算既定轮廓图与预设轮廓图的轮廓偏差值;
按照数值大小将轮廓偏差值进行升序排列得到既定轮廓图与预设轮廓图的判定排列表。
6.根据权利要求2所述的一种基于计算机视觉的危险行为智能检测预警方法,其特征在于,所述智能预警模块的智能预警过程具体如下:
获取物体待检框和警示区域的实时位置;
若物体待检框与警示区域的实时位置相重合,统计物体待检框与警示区域的重合时长;
若重合时长超过设定的时长阈值,则生成立即预警信号;
若重合时长未超过设定的时长阈值,则不进行任何操作;
若物体待检框与警示区域的实时位置不重合,计算物体待检框与警示区域的实时间距;
若实时间距超过设定的间距阈值,则生成预警监视信号;
若实时间距未超过设定的间距阈值,则不进行任何操作。
7.根据权利要求2所述的一种基于计算机视觉的危险行为智能检测预警方法,其特征在于,所述智能预警模块将立即预警信号或预警监视信号反馈至服务器;
若服务器接收到预警监视信号,则对物体待检框进行预警监视;
若服务器接收到立即预警信号,则对生成警报指令加载至警报终端,警报终端接收到警报指令后发出警报声。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211068726.XA CN115171361B (zh) | 2022-09-02 | 2022-09-02 | 一种基于计算机视觉的危险行为智能检测预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211068726.XA CN115171361B (zh) | 2022-09-02 | 2022-09-02 | 一种基于计算机视觉的危险行为智能检测预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115171361A true CN115171361A (zh) | 2022-10-11 |
CN115171361B CN115171361B (zh) | 2022-12-02 |
Family
ID=83481405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211068726.XA Active CN115171361B (zh) | 2022-09-02 | 2022-09-02 | 一种基于计算机视觉的危险行为智能检测预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115171361B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115866210A (zh) * | 2023-02-16 | 2023-03-28 | 肯特智能技术(深圳)股份有限公司 | 一种基于物联网的安防监控设备用分析控制*** |
CN116039663A (zh) * | 2023-04-03 | 2023-05-02 | 深圳智者行天下科技有限公司 | 一种基于人工智能的车联网商用车ai预警*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013066016A (ja) * | 2011-09-16 | 2013-04-11 | Univ Of Electro-Communications | 輪郭抽出システム、輪郭抽出装置及び輪郭抽出プログラム |
CN111062414A (zh) * | 2019-11-11 | 2020-04-24 | 北京京邦达贸易有限公司 | 目标识别方法和装置 |
US20210035437A1 (en) * | 2019-08-01 | 2021-02-04 | Fuji Xerox Co., Ltd. | System and method for event prevention and prediction |
CN112422909A (zh) * | 2020-11-09 | 2021-02-26 | 安徽数据堂科技有限公司 | 一种基于人工智能的视频行为分析管理*** |
CN113313899A (zh) * | 2021-02-24 | 2021-08-27 | 温州洪启信息科技有限公司 | 一种基于大数据的安防监控分析处理方法 |
CN114202830A (zh) * | 2021-11-24 | 2022-03-18 | 湖南湘商智能科技有限公司 | 一种车库门用智能升降*** |
-
2022
- 2022-09-02 CN CN202211068726.XA patent/CN115171361B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013066016A (ja) * | 2011-09-16 | 2013-04-11 | Univ Of Electro-Communications | 輪郭抽出システム、輪郭抽出装置及び輪郭抽出プログラム |
US20210035437A1 (en) * | 2019-08-01 | 2021-02-04 | Fuji Xerox Co., Ltd. | System and method for event prevention and prediction |
CN111062414A (zh) * | 2019-11-11 | 2020-04-24 | 北京京邦达贸易有限公司 | 目标识别方法和装置 |
CN112422909A (zh) * | 2020-11-09 | 2021-02-26 | 安徽数据堂科技有限公司 | 一种基于人工智能的视频行为分析管理*** |
CN113313899A (zh) * | 2021-02-24 | 2021-08-27 | 温州洪启信息科技有限公司 | 一种基于大数据的安防监控分析处理方法 |
CN114202830A (zh) * | 2021-11-24 | 2022-03-18 | 湖南湘商智能科技有限公司 | 一种车库门用智能升降*** |
Non-Patent Citations (1)
Title |
---|
刘毓等: "图像轮廓提取技术在ATM监控***中的应用", 《计算机工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115866210A (zh) * | 2023-02-16 | 2023-03-28 | 肯特智能技术(深圳)股份有限公司 | 一种基于物联网的安防监控设备用分析控制*** |
CN116039663A (zh) * | 2023-04-03 | 2023-05-02 | 深圳智者行天下科技有限公司 | 一种基于人工智能的车联网商用车ai预警*** |
Also Published As
Publication number | Publication date |
---|---|
CN115171361B (zh) | 2022-12-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115171361B (zh) | 一种基于计算机视觉的危险行为智能检测预警方法 | |
CN110850723B (zh) | 一种基于变电站巡检机器人***的故障诊断及定位方法 | |
CN112235537A (zh) | 一种变电站现场作业安全预警方法 | |
CN111062303A (zh) | 图像处理方法、***及计算机存储介质 | |
CN111896549A (zh) | 一种基于机器学习的建筑物裂缝监测***和方法 | |
CN113808087A (zh) | 钢板表面的缺陷管控方法、装置及计算机可读存储介质 | |
CN114972177A (zh) | 道路病害识别管理方法、装置及智能终端 | |
CN114462646B (zh) | 一种基于接触网安全巡检的杆号牌识别方法及*** | |
CN116797977A (zh) | 巡检机器人动态目标识别与测温方法、装置和存储介质 | |
CN111444837A (zh) | 在极端环境下提升人脸检测可用性的测温方法及测温*** | |
CN114821497A (zh) | 目标物位置的确定方法、装置、设备及存储介质 | |
CN116821409B (zh) | 基于图像数据处理的生产安全管理方法及*** | |
CN117664480A (zh) | 桥梁健康监测***及方法 | |
CN112446304A (zh) | 一种火焰检测方法及其*** | |
CN115719464A (zh) | 一种基于机器视觉的水表耐久性装置漏水监测方法 | |
CN116311034A (zh) | 一种基于对比检测的机器人巡检*** | |
JP3888528B2 (ja) | 液面認識処理装置及び液面監視システム | |
CN115631169A (zh) | 产品检测方法、装置、电子设备及存储介质 | |
CN115456984A (zh) | 基于二维码高速识别图像识别缺陷检测*** | |
CN111583336B (zh) | 一种机器人及其巡检方法和装置 | |
CN113869407A (zh) | 一种基于单目视觉的车长测量方法和装置 | |
CN110930362B (zh) | 一种螺钉安全检测方法、装置及*** | |
CN113408396A (zh) | 一种基于云计算的桥梁智能感知*** | |
CN110717466A (zh) | 一种基于人脸检测框回归安全帽位置的方法 | |
CN117253176B (zh) | 基于视频分析与计算机视觉的安全生产Al智能检测方法 |
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 |