CN116958909A - 基于网格化管控的视频监控***及监控方法 - Google Patents
基于网格化管控的视频监控***及监控方法 Download PDFInfo
- Publication number
- CN116958909A CN116958909A CN202311217955.8A CN202311217955A CN116958909A CN 116958909 A CN116958909 A CN 116958909A CN 202311217955 A CN202311217955 A CN 202311217955A CN 116958909 A CN116958909 A CN 116958909A
- Authority
- CN
- China
- Prior art keywords
- image
- monitoring
- images
- difference
- gridding
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012806 monitoring device Methods 0.000 claims abstract description 43
- 230000009466 transformation Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/16—Image acquisition using multiple overlapping images; Image stitching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- 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)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及基于网格化管控的视频监控***及监控方法;获取同一网格区域内的各图像监控设备的当前时刻图像;进而得到差异最大的差异图像;分别获取目标图像与所有邻接图像的重复区域图像;基于每个重复区域图像与差异图像,得到重叠图像,并计算各重叠图像的重要程度;基于重叠图像的重要程度以图像的清晰度,确定最佳监控信息。即本发明的方案能够快速地获取到画质质量好、清晰度高的图像信息,从而提高了监控的安全性以及可靠性。
Description
技术领域
本发明一般地涉及图像处理技术领域。更具体地,本发明涉及基于网格化管控的视频监控***及监控方法。
背景技术
在现代工业生产中,设备监控***被广泛应用于各个行业,如生产车间、企业内部、金融领域(营业大厅监控、金库的监控、自动提款机及自助银行监控等)、电信/电力领域(交换机房、无线机房、动力机房等的远程监控、变电站、电厂等的远程无人值守监控)、交通领域、社区物业管理(住宅小区、办公室的安全防范、智能大厦、停车场的无人监控等)以及军事安防领域等等,成为提升生产效率和安全性的重要工具。
设备监控***通过实时监测、数据分析和预警功能,为企业提供了全面的设备状态信息和运行情况,帮助企业及时发现问题、预防故障,并优化生产流程。因此,如何能够实时、快速地获取清晰、画质好的图像信息是尤为重要的。
目前的视频监控***,由于不断增加视频监控的数量,重点管控点已经实现视频监控的全面覆盖。但是,随之而来的问题也产生了,即存在由于监控的视图数量过大,在查阅时如果过量呈现,则会出现占用资源过大且无法精选视图的问题,以及存在多个联动图像的点位可能重复观测同一位置,进而使得图像信息重复的问题。
发明内容
为解决上述一个或多个技术问题,本发明提出通过设置视频监控***,实现全面覆盖的安全监控,并对监控的图像进行分析,进行最佳监控信息优先级的设定,以实现精选视图,避免多个联动图像存在重复呈现的问题。为此,本发明在如下的多个方面中提供方案。
在一个方面中,本发明提供的基于网格化管控的视频监控方法,包括以下步骤:
获取同一网格区域内的各图像监控设备的当前时刻图像;
利用帧差法,得到各当前时刻图像与上一时刻图像的差异,得到差异最大的差异图像;
将所述差异图像对应的当前时刻图像作为目标图像,其他剩余的当前时刻图像作为邻接图像,并分别获取所述目标图像与所有邻接图像的重复区域图像;
基于每个重复区域图像与所述差异图像,得到重叠图像,并计算各重叠图像的重要程度;
响应于各重要程度均小于设定阈值时,将所述目标图像作为最佳监控信息;
响应于仅存在一个重要程度大于设定阈值时,将该重要程度对应的重复区域图像的邻接图像作为疑似最佳监控图像;比较所述目标图像与所述疑似最佳监控图像的清晰度大小,选取清晰度较大的图像作为最佳监控信息;
响应于至少两个重要程度大于设定阈值时,将各重要程度对应的当前时刻图像进行图像拼接,得到新的图像;比较新的图像与目标图像的清晰度大小,选取清晰度较大的图像作为最佳监控信息。
可选地,在获取各图像监控设备对应的同一网格区域的图像之前,还包括对多个图像监控设备进行网格划分,得到多个网格区域内的图像监控设备,其中每个网格区域均对应多个图像监控设备。
可选地,所述清晰度的获取方法包括Tenengrad梯度方法、Laplacian梯度方法或方差方法。
可选地,所述重复区域图像的获取过程为:
随机选取任意一张邻接图像,分别提取目标图像与该任意一张邻接图像的特征点;
将目标图像与该任意一张邻接图像的特征点进行匹配,得到匹配特征点;
基于得到的匹配特征点,计算透视变换矩阵,利用透视变换矩阵提取目标图像与该任意一张邻接图像的重叠区域,将所述重叠区域作为重叠区域图像。
可选地,所述重要程度为:重叠图像的面积与差异图像的面积的比值,或重叠图像的像素值之和与差异图像的像素值之和的比值。
可选地,所述重叠图像为所述重复区域图像与差异图像的交集。
在另一方面中,一种基于网格化管控的视频监控***,包括:
处理器;以及存储器,其存储有用于基于网格化管控的视频监控的计算机指令,当所述计算机指令由所述处理器运行时,使得设备执行上述的基于网格化管控的视频监控方法。
本发明的有益效果为:
本发明的方案,在进行现场监控时,能够通过对多个不同图像监控设备的图像进行联动观看,进而能够获取同一网格区域内的同一目标的不同角度方向的图像信息,并对当前图像的调取的优先级进行设置,即优先呈现变化较大的区域且较清晰的图像,以供工作人员查阅,能够及时、关注该变化较大区域的具体变化情况,提高安全性,避免了无法精选视图的问题,以及存在多个联动图像的点位可能重复观测同一位置的问题。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,并且相同或对应的标号表示相同或对应的部分,其中:
图1示意性示出了本实施例中的视频监控***的结构框图;
图2示意性示出了本实施例中的基于网格化管控的视频监控方法的步骤流程示意图;
图3示意性示出了本实施例中的基于网格化管控的视频监控***的结构示意图。
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、完整地描述,显然,所描述的实施例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。
下面结合附图来详细描述本发明的具体实施方式。
以对电力输变电现场环境的监控为例,对本发明的基于网格化管控的视频监控方法进行具体介绍。
由于在复杂地形条件下建设的电网越来越多,使得电力***安全维护更加困难,因此,在对电力输变电现场环境的实时智能监测的基础上,如何更快速地为工作人员所需求的清晰的图像信息,是尤为重要的,因此,本发明提出了一种基于网格化管控的视频监控方法,以获取所需监控目标的清晰的监测信息,实现电力***设备的现场监控。
图1示意性示出了本实施例中的视频监控***的结构框图;图2示意性示出了本实施例中的基于网格化管控的视频监控方法的步骤流程示意图。
如图1所示,本实施例中的视频监控***,包括:监控***平台以及多个图像监控设备。其中,多个图像监控设备包括第一图像监控设备、第二图像监控设备、…第m图像监控设备;每个图像监控设备为摄像头,如布控球等。
其中的布控球是一种支持高清视频采集、无线视频图传、中心调度对讲、实时定位监控和远程云台控制等高集成度的产品,其球体内装有高清摄像头、传感器和处理器等设备,通过无线网络连接至上层平台。由于布控球为现有技术,此处不再赘述。
本实施例中的图像监控设备还设置有无线传输模块,支持5G/4G无线传输,并内置电池供电。
监控***平台,用于接收所述图像数据,并进行图像数据分析、处理,以获取最佳监控信息。在一个实施例中,监控***平台可以是设置在监控终端处的服务器,用以实时监测监控区域的现场情况。
其中,本实施例中的监控***平台与图像监控设备之间的通信,通过设置无线通信模块实现,如5G、WiFi等;也可以通过Mesh组网,将图像监控设备采集到的图像数据或者处理后的数据信息上传至监控***平台。由于Mesh组网技术为本领域技术人员所熟知的现有技术,在此不再赘述。
需要说明的是,当工作人员不能及时通过监控***平台进行监控区域的查看时,其还可以通过终端设备(如智能手机、平板)接入监控***平台所在区域的骨干网络,获取监控***平台的最佳监控信息。
本实施例中获取的最佳监控信息是为了能够在监控区域的实时监测过程中,当发生预警或险情时,能够精选出清晰的图像,且不过量呈现,使得相关人员能够迅速掌握哪个区域出现了何种异常。
具体地,如图2所示,本实施例中的基于网格化管控的视频监控方法,包括以下步骤:
在步骤S1中,获取同一网格区域内的各图像监控设备的当前时刻图像。本实施例中是基于监控区域内的多个图像监控设备,建立每个图像监控设备的多个的预置位(即图像监控设备通过旋转视角、缩放到指定大小来观测关键位置的图像);每个图像监控设备的不同预置位对应图像监控设备的不同光轴参数,即预置位包括旋转角度、俯仰角度和焦段变倍三个参数;因此一个预置位对应一幅图像。
需要说明的是,视频是由一系列静止图像帧组成。这些帧以一定的帧率连续播放,创造出动态效果;本实施例获取的是某个监控位置对应视频中的图像信息。
本实施例中的图像监控设备的网格化管理,是将监控区域划分成网格区域,并对每个网格区域进行编号,同时进行每个网格区域对应的各图像监控设备的预置位的登记,进而在观察某一区域时,能够得到联动观看的位置,也即每个网格区域对应多个图像监控设备,每个图像监控设备对应多个预置位的图像,从而基于网格化对海量的监控图像进行管理。
示例性的,对于1号网格区域,对应图像监控设备A、图像监控设备B和图像监控设备C;2号网格区域,对应图像监控设备D、图像监控设备E和图像监控设备F;其中每个图像监控设备均对应多个预置位的图像信息。因此,在进行1号网格区域的监控时,可以迅速调用图像监控设备A、图像监控设备B和图像监控设备C对应的所有图像信息。
本实施例中,能够通过前期的预置位标定和网格信息的登记,建立网格化数据库,实现基于网格区域的图像监控设备的联动调用,即对于同一网格区域,可以同时获取该网格区域的多个图像监控设备在不同预置位时的图像信息,获取速度快,还避免了获取过量、无用的图像信息。
在步骤S2中,利用帧差法,得到各当前时刻图像与上一时刻图像的差异,得到差异最大的差异图像。
具体地,以电力***中的变电站为例,变电站包括一次设备、二次设备以及相应的线路;由于需要对变电站进行全覆盖监控,因此,不同的设备或者线路均需要设置多个图像监控设备进行监控,如当断路器保护装置开始出现变化时,可以通过当前时刻图像与上一时刻图像的变化进行确定。
因此,通过采用帧差法,获取当前时刻图像与上一时刻图像的所有像素点的差异值之和,当差异值之和越大,则说明当前图像监控设备监测的断路器保护装置表面发生了变化,属于重点关注区域,如线路老化、表面腐蚀严重、发生险情(火灾)等等。
作为其他实施方式,上述中的差异还可以是对差异图像的像素点灰度值进行均值的计算,当均值越大,则证明当前图像监控设备监测的设备表面发生了明显变化,就需要相关人员通过监控***平台及时查看发生了何种情况,并作及时处理。
在步骤S3中,将所述差异图像对应的当前时刻图像作为目标图像,其他剩余的当前时刻图像作为邻接图像,并分别获取所述目标图像与所有邻接图像的重复区域图像。
在一个实施例中,重复区域图像的获取过程为:
首先,随机选取任意一张邻接图像,分别提取目标图像与该任意一张邻接图像的特征点。特征点的提取方法有SIFT算法,也可以采用SURF方法、ORB方法。
其次,将目标图像与该任意一张邻接图像的特征点进行匹配,得到匹配特征点。
然后,基于得到的匹配特征点,计算透视变换矩阵,利用透视变换矩阵提取目标图像与该任意一张邻接图像的重叠区域,将所述重叠区域作为重叠区域图像。由于上述中的重叠区域的提取为现有技术,此处不再过多赘述。
在步骤S4中,基于每个重复区域图像与所述差异图像,得到重叠图像,并计算各重叠图像的重要程度。具体地,重叠图像为重复区域图像与差异图像的交集。由于重复区域图像与差异图像均处于同一视角,同一坐标系下,因此直接进行两图像的交集,即可得到重叠图像。
在一个实施例中,计算所述重叠图像重要程度,具体为:重叠图像的面积与差异图像的面积的比值,或重叠图像的像素值之和与差异图像的像素值之和的比值;两种方法均是为了能够确定重叠图像的信息中存在多少差异图像的信息,为后续中确定最佳监控信息提供了数据支撑。
在步骤S5中,响应于各重要程度均小于设定阈值时,将所述目标图像作为最佳监控信息;响应于仅存在一个重要程度大于设定阈值时,将该重要程度对应的重复区域图像的邻接图像作为疑似最佳监控图像;比较所述目标图像与所述疑似最佳监控图像的清晰度大小,选取清晰度较大的图像作为最佳监控信息;响应于至少两个重要程度大于设定阈值时,将各重要程度对应的当前时刻图像进行图像拼接,得到新的图像;比较新的图像与目标图像的清晰度大小,选取清晰度较大的图像作为最佳监控信息。
上述中设定阈值为0.6,只有当重叠图像中的信息大于差异图像的一半以上时,才考虑重叠图像存在有用的监控信息。
本实施例中通过确定重叠图像的信息中存在差异图像的信息的多少,来筛选哪个当前时刻图像优先进行呈现,以供工作人员优先查阅;即当重叠图像重要程度小于设定阈值,则认为其他视角的图像监控设备监控的信息,不能够反应当前时刻的险情或者故障的地方,因此,选取目标图像(即差异图像的当前时刻图像)作为最佳监控信息。
当只有一个比值大于设定阈值,则说明此时对应的其他图像监控设备监控的信息,能够反应当前时刻的险情或者故障的地方,因此,此时的其他图像监控设备监控的信息与当前图像监控设备的信息均能够表征,此时需要对两幅图像进行筛选,本实施例中通过比较清晰度大小,来进行图像筛选,以保证调用图像的画质质量较好。
当存在至少两个比值大于设定阈值,那么说明有多个视角的图像均能够满足工作人员查看的需求,此时为了降低图像展示的数量,需要将满足需求的当前时刻图像进行图像拼接,以获取更完整的新的图像;将其与当前图像监控设备的信息进行比较,优先调用更清晰的图像。
上述中清晰度的获取,可以采用Tenengrad梯度方法、Laplacian梯度方法或方差方法。由于清晰度为现有技术,此处不再过多赘述。
本实施例侧重明的是对于全面覆盖的监控区域,一旦监控的图像发生变化,在进行视频查阅时,对当前图像的调取的优先级进行设置,即优先呈现变化较大的区域且较清晰的图像,以供工作人员查阅,能够及时、关注该变化较大区域的具体变化情况,提高安全性。
本发明的方案,能够在监控的视图数量过大的情况下,能够获取精选视图,以及在不同时段各个预置位画面可能因为照明、逆光、脏污、飞虫等因素存在拍摄的图像画面质量不高的问题时,通过对调用的图像进行清晰程度评价,从而优先选用足够清晰的图像。
图3示意性示出了本实施例中的基于网格化管控的视频监控***的结构示意图。
本发明还提供了基于网格化管控的视频监控***。如图3所示,所述视频监控***包括处理器和存储器,所述存储器存储有计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据本发明第一方面所述的基于网格化管控的视频监控方法。
所述视频监控***还包括通信总线和通信接口等本领域技术人员熟知的其他组件,其设置和功能为本领域中已知,因此在此不再赘述。
在本发明中,前述的存储器可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。例如,计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质,比如,阻变式存储器RRAM(Resistive RandomAccess Memory)、动态随机存取存储器DRAM(Dynamic Random Access Memory)、静态随机存取存储器SRAM(Static Random-Access Memory)、增强动态随机存取存储器EDRAM(Enhanced Dynamic Random Access Memory)、高带宽内存HBM(High-Bandwidth Memory)、混合存储立方HMC(Hybrid Memory Cube)等等,或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。本发明描述的任何应用或模块可以使用可以由这样的计算机可读介质存储或以其他方式保持的计算机可读/可执行指令来实现。
需要说明的是,本说明书中所使用的术语“第一”或“第二”等用于指代编号或序数的术语仅用于描述目的,而不能理解为明示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”或“第二”的特征可以明示或者隐含地包括至少一个该特征。在本说明书的描述中,“若干”、“多个”的含义是至少两个,例如两个,三个或更多个等,除非另有明确具体的限定。
虽然本说明书已经示出和描述了本发明的多个实施例,但对于本领域技术人员显而易见的是,这样的实施例只是以示例的方式提供的。本领域技术人员会在不偏离本发明思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本发明的过程中,可以采用对本文所描述的本发明实施例的各种替代方案。
Claims (7)
1.基于网格化管控的视频监控方法,其特征在于,包括以下步骤:
获取同一网格区域内的各图像监控设备的当前时刻图像;
利用帧差法,得到各当前时刻图像与上一时刻图像的差异,得到差异最大的差异图像;
将所述差异图像对应的当前时刻图像作为目标图像,其他剩余的当前时刻图像作为邻接图像,并分别获取所述目标图像与所有邻接图像的重复区域图像;
基于每个重复区域图像与所述差异图像,得到重叠图像,并计算各重叠图像的重要程度;
响应于各重要程度均小于设定阈值时,将所述目标图像作为最佳监控信息;
响应于仅存在一个重要程度大于设定阈值时,将该重要程度对应的重复区域图像的邻接图像作为疑似最佳监控图像;比较所述目标图像与所述疑似最佳监控图像的清晰度大小,选取清晰度较大的图像作为最佳监控信息;
响应于至少两个重要程度大于设定阈值时,将各重要程度对应的当前时刻图像进行图像拼接,得到新的图像;比较新的图像与目标图像的清晰度大小,选取清晰度较大的图像作为最佳监控信息。
2.根据权利要求1所述的基于网格化管控的视频监控方法,其特征在于,在获取各图像监控设备对应的同一网格区域的图像之前,还包括对多个图像监控设备进行网格划分,得到多个网格区域内的图像监控设备,其中每个网格区域均对应多个图像监控设备。
3.根据权利要求1所述的基于网格化管控的视频监控方法,其特征在于,所述清晰度的获取方法包括Tenengrad梯度方法、Laplacian梯度方法或方差方法。
4.根据权利要求3所述的基于网格化管控的视频监控方法,其特征在于,所述重复区域图像的获取过程为:
随机选取任意一张邻接图像,分别提取目标图像与该任意一张邻接图像的特征点;
将目标图像与该任意一张邻接图像的特征点进行匹配,得到匹配特征点;
基于得到的匹配特征点,计算透视变换矩阵,利用透视变换矩阵提取目标图像与该任意一张邻接图像的重叠区域,将所述重叠区域作为重叠区域图像。
5.根据权利要求4所述的基于网格化管控的视频监控方法,其特征在于,所述重要程度为:重叠图像的面积与差异图像的面积的比值,或重叠图像的像素值之和与差异图像的像素值之和的比值。
6.根据权利要求5所述的基于网格化管控的视频监控方法,其特征在于,所述重叠图像为所述重复区域图像与差异图像的交集。
7.一种基于网格化管控的视频监控***,其特征在于,包括:
处理器;以及
存储器,其存储有用于基于网格化管控的视频监控的计算机指令,当所述计算机指令由所述处理器运行时,使得设备执行根据权利要求1-6的任意一项所述的基于网格化管控的视频监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311217955.8A CN116958909B (zh) | 2023-09-20 | 2023-09-20 | 基于网格化管控的视频监控***及监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311217955.8A CN116958909B (zh) | 2023-09-20 | 2023-09-20 | 基于网格化管控的视频监控***及监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116958909A true CN116958909A (zh) | 2023-10-27 |
CN116958909B CN116958909B (zh) | 2023-12-22 |
Family
ID=88460520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311217955.8A Active CN116958909B (zh) | 2023-09-20 | 2023-09-20 | 基于网格化管控的视频监控***及监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116958909B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118038332A (zh) * | 2024-03-06 | 2024-05-14 | 南京和电科技有限公司 | 一种基于视频智能识别的区域警示方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004096457A (ja) * | 2002-08-30 | 2004-03-25 | Sumitomo Osaka Cement Co Ltd | 領域監視装置 |
US20120242787A1 (en) * | 2011-03-25 | 2012-09-27 | Samsung Techwin Co., Ltd. | Monitoring camera for generating 3-dimensional image and method of generating 3-dimensional image using the same |
CN107153160A (zh) * | 2017-04-14 | 2017-09-12 | 特斯联(北京)科技有限公司 | 一种风力发电机组全方位安全监控*** |
CN113660465A (zh) * | 2021-08-16 | 2021-11-16 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、可读介质及电子设备 |
CN114140724A (zh) * | 2021-12-02 | 2022-03-04 | 四川华蓥山广能集团四方电力有限责任公司 | 一种用于变电站的视频监控***及方法 |
CN114363585A (zh) * | 2022-03-21 | 2022-04-15 | 南通阳鸿石化储运有限公司 | 基于网格化管控的智能视频安全监控方法及*** |
CN114390248A (zh) * | 2021-12-06 | 2022-04-22 | 深圳供电局有限公司 | 图像采集设备的布点方法、装置、计算机设备和存储介质 |
CN114782479A (zh) * | 2022-06-17 | 2022-07-22 | 江苏乐尔环境科技股份有限公司 | 一种工业设备状态监控管理方法 |
-
2023
- 2023-09-20 CN CN202311217955.8A patent/CN116958909B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004096457A (ja) * | 2002-08-30 | 2004-03-25 | Sumitomo Osaka Cement Co Ltd | 領域監視装置 |
US20120242787A1 (en) * | 2011-03-25 | 2012-09-27 | Samsung Techwin Co., Ltd. | Monitoring camera for generating 3-dimensional image and method of generating 3-dimensional image using the same |
CN107153160A (zh) * | 2017-04-14 | 2017-09-12 | 特斯联(北京)科技有限公司 | 一种风力发电机组全方位安全监控*** |
CN113660465A (zh) * | 2021-08-16 | 2021-11-16 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、可读介质及电子设备 |
CN114140724A (zh) * | 2021-12-02 | 2022-03-04 | 四川华蓥山广能集团四方电力有限责任公司 | 一种用于变电站的视频监控***及方法 |
CN114390248A (zh) * | 2021-12-06 | 2022-04-22 | 深圳供电局有限公司 | 图像采集设备的布点方法、装置、计算机设备和存储介质 |
CN114363585A (zh) * | 2022-03-21 | 2022-04-15 | 南通阳鸿石化储运有限公司 | 基于网格化管控的智能视频安全监控方法及*** |
CN114782479A (zh) * | 2022-06-17 | 2022-07-22 | 江苏乐尔环境科技股份有限公司 | 一种工业设备状态监控管理方法 |
Non-Patent Citations (3)
Title |
---|
XINYU YANG 等: ""Analysis of Pipeline Leakage Monitoring Based on Inter-Frame Difference Method"", 《IEEE》 * |
李亮;罗毅;: "帧间差分法在视频监控中的应用研究", 四川理工学院学报(自然科学版), no. 06 * |
苗立刚;: "视频监控中的图像拼接与合成算法研究", 仪器仪表学报, no. 04 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118038332A (zh) * | 2024-03-06 | 2024-05-14 | 南京和电科技有限公司 | 一种基于视频智能识别的区域警示方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116958909B (zh) | 2023-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116958909B (zh) | 基于网格化管控的视频监控***及监控方法 | |
CN103856774B (zh) | 一种视频监控智能检测***及方法 | |
CN107222660B (zh) | 一种分布式网络视觉监控*** | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
CN111586351A (zh) | 场馆三维视频融合可视化监控***及方法 | |
CN113099242B (zh) | 一种输电线路视频监测数据处理方法及*** | |
CN113869231B (zh) | 一种用于获取目标对象的实时图像信息的方法与设备 | |
CN112449147A (zh) | 光伏电站视频集群监控***及其图像处理方法 | |
CN115604433A (zh) | 一种虚实结合的三维可视化*** | |
CN114360064B (zh) | 基于深度学习的办公场所人员行为轻量级目标检测方法 | |
CN114065969A (zh) | 基于Lora前端感知终端的全息感知故障分析诊断方法及*** | |
CN107547867A (zh) | 一种变电站室外视频监控***和监控方法 | |
CN107396054B (zh) | 一种监控视频的显示方法 | |
CN111465045B (zh) | 一种ap的监控方法、监控服务器和监控*** | |
CN108427935B (zh) | 街景比对图像的生成方法和装置 | |
CN116316233A (zh) | 一种变电站智能巡检***、方法、设备及存储介质 | |
CN116320778A (zh) | 一种监控管理方法、设备及介质 | |
CN113286119A (zh) | 基于Unity3D的仓库数字孪生***,方法及设备 | |
KR101095650B1 (ko) | 맵 표시 제어 장치 및 이를 이용한 맵 표시 제어 방법 | |
CN109190555B (zh) | 一种基于图片对比的智能巡店*** | |
CN105704459A (zh) | 应急指挥中控*** | |
CN112153464A (zh) | 一种智慧城市管理*** | |
CN117255180B (zh) | 一种智能安全监控设备及监控方法 | |
CN112991808A (zh) | 一种停车区域的车位显示方法、装置及电子设备 | |
CN111079642A (zh) | 线路可移动监控方法及装置及计算机可读介质 |
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 |