CN116993265A - 一种基于物联网的智能仓储安全管理*** - Google Patents
一种基于物联网的智能仓储安全管理*** Download PDFInfo
- Publication number
- CN116993265A CN116993265A CN202310947442.6A CN202310947442A CN116993265A CN 116993265 A CN116993265 A CN 116993265A CN 202310947442 A CN202310947442 A CN 202310947442A CN 116993265 A CN116993265 A CN 116993265A
- Authority
- CN
- China
- Prior art keywords
- management system
- algorithm
- things
- internet
- video
- 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
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 230000009471 action Effects 0.000 claims abstract description 12
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 230000006399 behavior Effects 0.000 claims description 37
- 238000012544 monitoring process Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 238000012800 visualization Methods 0.000 claims description 8
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000000034 method Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims description 3
- 239000000779 smoke Substances 0.000 claims description 3
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 32
- 238000007689 inspection Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- 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
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于物联网的智能仓储安全管理***，涉及智能化管理***技术领域，本发明采用目标检测算法，基于差分的YOLO检测算法能够实时准确地检测仓储环境中的目标物体，并提供其位置信息，结合Camshift混合跟踪算法，可以在后续的视频帧中实现目标的连续跟踪，提高目标的追踪效果和稳定性，结合了目标检测与跟踪的结果和人体姿态信息，提取人体骨骼序列并识别人体动作，使得***能够更准确地识别不安全行为，从而提高仓储安全管理的效果和及时性，基于物联网的智能仓储安全管理***能够实时监测和识别仓储环境中的目标和行为，并通过物联网传输数据进行实时预警和管理，提高仓储安全管理的效率，减少人工干预和错误判断的风险。
Description
技术领域
本发明涉及智能化管理***技术领域，具体为一种基于物联网的智能仓储安全管理***。
背景技术
仓储安全管理是指对仓库和仓储设施进行安全管理和保护的一系列措施和规范。它旨在确保仓库内物品的安全性和完整性，防止盗窃、损毁、灾害等不良事件的发生，并提供安全的工作环境。
仓储安全管理包括以下方面，仓库安全设施，确保仓库内外的安全设施完善，例如安全门禁***、闭路电视监控***、防火设施、安全报警***等、仓库布局和标识，合理规划仓库的布局，确保货物的有序储存和快速取放，同时设置明确的标识和指示标识，方便员工和访客识别和遵循安全规范、仓库访问控制，采取措施限制仓库内的人员进出，例如通过门禁***、身份验证和访客登记等方式，确保只有授权人员才能进入仓库、库存管理，建立有效的库存管理***，包括清点、记录、分类、标记等，以及对特殊或有价值的货物进行安全保护和监控、员工培训和安全意识，对仓库员工进行安全培训，使其了解和掌握仓储安全管理的基本要求，以及如何应对紧急情况和灾害事故、安全检查和巡逻，定期进行仓库的安全检查和巡逻，确保安全设施的正常运行和发现潜在安全隐患、防火和灾害管理，采取措施防止火灾和其他灾害事故的发生，如合理的火灾预防措施、紧急疏散计划、灭火器的配备和培训等、物品追踪和防盗措施，使用技术手段如条码、RFID等对货物进行追踪，同时采取防盗措施，如安装监控摄像头、设立安全检查站。
然而传统***通常依靠人工巡检或定期检查来监测仓储环境和安全状况，这种方式无法提供实时的监测和预警能力，导致对潜在风险的感知滞后，并增加了事故的发生风险，同时缺乏目标检测和跟踪的技术支持，无法实时识别和报警异常情况，如盗窃、未授权人员进入等。这增加了安全风险，并延迟了对潜在威胁的应对，因此亟须一种实时监控反馈的基于物联网的智能仓储安全管理***来解决此类问题。
发明内容
本发明的目的是为了解决现有技术中存在的无法提供实时的监测和预警能力，缺乏目标检测和跟踪的技术支持，无法实时识别和报警异常情况的问题。
为实现上述目的，本发明提供了如下技术方案：
本发明提供了一种基于物联网的智能仓储安全管理***，其特征在于，该***包括：
传感器***，用于监测仓储区域内部和周边区域的仓储环境，以及视频数据实时捕捉；
中央管理***，用于接收、存储和分析传感器数据；
可视化与报警模块，对识别结果进行可视化展示，同时根据不安全行为触发相应的报警机制，包括声音警报和短信通知。
本发明进一步地设置为：所述传感器***包括视频监控***和传感器网络，
所述视频监控***，安装摄像头和视频监控设备覆盖仓储区域的关键区域；
所述传感器网络包括温度传感器、湿度传感器、烟雾传感器、门磁传感器，用于实时监测环境参数和仓储设备状态，传感器通过物联网连接到中央管理***；
本发明进一步地设置为：所述中央管理***包括视频流处理模块、基于差分的YOLO检测算法模块、Camshift混合跟踪算法模块、OpenPose算法模块、不安全行为识别模块、数据传输与存储模块，
所述视频流处理模块对摄像头捕获的视频流进行实时处理；
所述基于差分的YOLO检测算法模块，基于YOLO网络结构和差分技术，实现目标的实时检测和定位；
所述Camshift混合跟踪算法模块，根据目标的位置信息，对视频帧进行处理，实现目标的连续跟踪；
本发明进一步地设置为：所述OpenPose算法模块，提取视频帧中的人体姿态信息，并进行人体动作识别；
所述不安全行为识别模块，结合目标检测与跟踪算法的结果和OpenPose算法提取的人体动作信息，识别不安全行为；
所述数据传输与存储模块，通过物联网传输识别结果和其他环境参数，并将数据存储在云服务器中；
本发明进一步地设置为：所述目标检测与跟踪具体算法如下，
基于差分的YOLO检测算法，输入：视频帧序列；
输出：目标检测结果（目标位置和类别）
a.对视频帧序列进行差分运算，得到前后帧之间的差分图像；
b.利用YOLO网络结构对差分图像进行目标检测，得到目标位置和类别；
c.将检测到的目标位置和类别信息用于初始化目标跟踪窗口；
Camshift混合跟踪算法，输入：视频帧序列，初始目标位置
输出：每帧更新的目标位置
a.对初始目标位置应用Camshift算法进行目标跟踪；
b.对于后续的视频帧，根据当前帧的目标位置，更新跟踪窗口；
c.重复步骤a和b，直到视频序列结束；
本发明进一步地设置为：所述不安全行为识别具体算法如下，
使用OpenPose算法提取人体骨骼序列，输入：视频帧序列
输出：人体骨骼序列
a.对视频帧序列应用OpenPose算法，提取每个帧中人体的关节点信息；
b.根据关节点信息，构建人体骨骼序列；
不安全行为识别，输入：人体骨骼序列
输出：不安全行为识别结果
a.对人体骨骼序列进行预处理，包括归一化和滤波处理；
b.根据特定的不安全行为类型，设计相应的特征，特定的不安全行为根据实际仓储高危动作进行确定，对应特征包括关节角度和运动速度；
c.使用训练数据集，训练一个分类器来对不安全行为进行分类；
d.对提取的特征应用训练好的分类器，进行不安全行为的识别；
本发明进一步地设置为：所述可视化与报警模块，当传感器或视频监控***检测到异常事件时，异常事件包括异常行为和传感器超阈值，中央管理***通过声音警报、短信方式发送警报通知相关人员，同时报警事件也会被记录和存储在中央管理***中。
采用本发明提供的技术方案，与已知的公有技术相比，具有如下有益效果：
本发明使用基于传统图像处理的目标检测算法，基于差分的YOLO检测算法能够实时准确地检测仓储环境中的目标物体，并提供其位置信息，结合Camshift混合跟踪算法，可以在后续的视频帧中实现目标的连续跟踪，提高目标的追踪效果和稳定性，同时基于目标检测与跟踪算法和OpenPose算法，结合了目标检测与跟踪的结果和人体姿态信息，提取人体骨骼序列并识别人体动作，使得***能够更准确地识别不安全行为，如人员摔倒、不当操作等，从而提高仓储安全管理的效果和及时性，基于物联网的智能仓储安全管理***能够实时监测和识别仓储环境中的目标和行为，并通过物联网传输数据进行实时预警和管理，提高仓储安全管理的效率，减少人工干预和错误判断的风险，解决了现有技术中存在的无法提供实时的监测和预警能力，缺乏目标检测和跟踪的技术支持，无法实时识别和报警异常情况的问题。
附图说明
图1为本发明的一种基于物联网的智能仓储安全管理***的流程图；
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，所描述的实施条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他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：一种基于物联网的智能仓储安全管理***，其特征在于，该***包括：
1、传感器***，用于监测仓储区域内部和周边区域的仓储环境，以及视频数据实时捕捉。
传感器***包括视频监控***和传感器网络，视频监控***，安装摄像头和视频监控设备覆盖仓储区域的关键区域，视频监控***可以通过物联网连接到中央管理***，并提供实时视频流和录像回放功能，同时，可以使用图像识别和行为分析算法来检测异常事件，传感器网络包括温度传感器、湿度传感器、烟雾传感器、门磁传感器，用于实时监测环境参数和仓储设备状态，传感器通过物联网连接到中央管理***。
2、中央管理***，用于接收、存储和分析传感器数据。
中央管理***包括视频流处理模块、基于差分的YOLO检测算法模块、Camshift混合跟踪算法模块、OpenPose算法模块、不安全行为识别模块、数据传输与存储模块，视频流处理模块对摄像头捕获的视频流进行实时处理，基于差分的YOLO检测算法模块，基于YOLO网络结构和差分技术，实现目标的实时检测和定位，Camshift混合跟踪算法模块，根据目标的位置信息，对后续视频帧进行处理，实现目标的连续跟踪，OpenPose算法模块，提取视频帧中的人体姿态信息，并进行人体动作识别，不安全行为识别模块，结合目标检测与跟踪算法的结果和OpenPose算法提取的人体动作信息，识别不安全行为，数据传输与存储模块，通过物联网传输识别结果和其他环境参数，并将数据存储在云服务器中。
基于差分的YOLO检测算法和Camshift混合跟踪算法：
a. YOLO检测算法，
输入：视频帧序列
输出：检测结果表示每帧中检测到的目标边界框
步骤：初始化YOLO网络，并加载预训练权重。
对于每帧使用YOLO网络进行目标检测，得到边界框集合/>。根据置信度和非极大值抑制筛选出最终的目标边界框集合Bt。
返回目标边界框集合
b. Camshift混合跟踪算法，
输入：初始目标边界框，视频帧序列/>
输出：目标边界框序列，表示每帧中跟踪到的目标边界框
步骤：初始化Camshift算法，将初始目标边界框作为跟踪窗口。
对于每帧，计算跟踪窗口的直方图。
使用Camshift算法对直方图进行更新和均衡化。
根据更新后的直方图，计算新的跟踪窗口位置和大小。
返回目标边界框序列，结合目标检测与跟踪算法和OpenPose算法进行不安全行为识别：
a. OpenPose算法，
输入：视频帧序列
输出：人体关节坐标序列表示每帧中提取到的人体关节坐标
步骤：初始化OpenPose模型，并加载预训练权重。
对于每帧，使用OpenPose模型提取人体关节坐标，得到关节坐标集合/>。返回人体关节坐标序列/>
b.不安全行为识别算法，
输入：目标边界框序列人体关节坐标序列/>输出：不安全行为识别结果序列/>表示每帧中识别到的不安全行为
步骤：根据目标边界框序列和人体关节坐标序列，将目标边界框和关节坐标对应起来。
对于每帧，根据关节坐标进行不安全行为判断和分类，得到不安全行为标签/>。返回不安全行为识别结果序列/>
3、可视化与报警模块，对识别结果进行可视化展示，同时根据不安全行为触发相应的报警机制，包括声音警报和短信通知。
可视化与报警模块，当传感器或视频监控***检测到异常事件时，中央管理***通过声音警报、短信方式发送警报通知相关人员，同时报警事件也会被记录和存储在中央管理***中。
区别传统的仓储安全管理***，使用基于传统图像处理的目标检测算法，基于差分的YOLO检测算法能够实时准确地检测仓储环境中的目标物体，并提供其位置信息，结合Camshift混合跟踪算法，可以在后续的视频帧中实现目标的连续跟踪，提高目标的追踪效果和稳定性，同时基于目标检测与跟踪算法和OpenPose算法，结合了目标检测与跟踪的结果和人体姿态信息，提取人体骨骼序列并识别人体动作，使得***能够更准确地识别不安全行为，如人员摔倒、不当操作等，从而提高仓储安全管理的效果和及时性，基于物联网的智能仓储安全管理***能够实时监测和识别仓储环境中的目标和行为，并通过物联网传输数据进行实时预警和管理，提高仓储安全管理的效率，减少人工干预和错误判断的风险。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，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，均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于物联网的智能仓储安全管理***，其特征在于，该***包括：
传感器***，用于监测仓储区域内部和周边区域的仓储环境，以及视频数据实时捕捉；
中央管理***，用于接收、存储和分析传感器数据；
可视化与报警模块，对识别结果进行可视化展示，同时根据不安全行为触发相应的报警机制，包括声音警报和短信通知。
2.根据权利要求1所述的一种基于物联网的智能仓储安全管理***，其特征在于，所述传感器***包括视频监控***和传感器网络，
所述视频监控***，安装摄像头和视频监控设备覆盖仓储区域的关键区域；
所述传感器网络包括温度传感器、湿度传感器、烟雾传感器、门磁传感器，用于实时监测环境参数和仓储设备状态，传感器通过物联网连接到中央管理***。
3.根据权利要求1所述的一种基于物联网的智能仓储安全管理***，其特征在于，所述中央管理***包括视频流处理模块、基于差分的YOLO检测算法模块、Camshift混合跟踪算法模块、OpenPose算法模块、不安全行为识别模块、数据传输与存储模块，
所述视频流处理模块对摄像头捕获的视频流进行实时处理；
所述基于差分的YOLO检测算法模块，基于YOLO网络结构和差分技术，实现目标的实时检测和定位；
所述Camshift混合跟踪算法模块，根据目标的位置信息，对视频帧进行处理，实现目标的连续跟踪。
4.根据权利要求1所述的一种基于物联网的智能仓储安全管理***，其特征在于，
所述OpenPose算法模块，提取视频帧中的人体姿态信息，并进行人体动作识别；
所述不安全行为识别模块，结合目标检测与跟踪算法的结果和OpenPose算法提取的人体动作信息，识别不安全行为；
所述数据传输与存储模块，通过物联网传输识别结果和其他环境参数，并将数据存储在云服务器中。
5.根据权利要求4所述的一种基于物联网的智能仓储安全管理***，其特征在于，所述目标检测与跟踪具体算法如下，
基于差分的YOLO检测算法，输入：视频帧序列；
输出：目标检测结果（目标位置和类别）
a.对视频帧序列进行差分运算，得到前后帧之间的差分图像；
b.利用YOLO网络结构对差分图像进行目标检测，得到目标位置和类别；
c.将检测到的目标位置和类别信息用于初始化目标跟踪窗口；
Camshift混合跟踪算法，输入：视频帧序列，初始目标位置
输出：每帧更新的目标位置
a.对初始目标位置应用Camshift算法进行目标跟踪；
b.对于后续的视频帧，根据当前帧的目标位置，更新跟踪窗口；
c.重复步骤a和b，直到视频序列结束。
6.根据权利要求4所述的一种基于物联网的智能仓储安全管理***，其特征在于，所述不安全行为识别具体算法如下，
使用OpenPose算法提取人体骨骼序列，输入：视频帧序列
输出：人体骨骼序列
a.对视频帧序列应用OpenPose算法，提取每个帧中人体的关节点信息；
b.根据关节点信息，构建人体骨骼序列；
不安全行为识别，输入：人体骨骼序列
输出：不安全行为识别结果
a.对人体骨骼序列进行预处理，包括归一化和滤波处理；
b.根据特定的不安全行为类型，设计相应的特征，特定的不安全行为根据实际仓储高危动作进行确定，对应特征包括关节角度和运动速度；
c.使用训练数据集，训练一个分类器来对不安全行为进行分类；
d.对提取的特征应用训练好的分类器，进行不安全行为的识别。
7.根据权利要求1所述的一种基于物联网的智能仓储安全管理***，其特征在于，所述可视化与报警模块，当传感器或视频监控***检测到异常事件时，异常事件包括异常行为和传感器超阈值，中央管理***通过声音警报、短信方式发送警报通知相关人员，同时报警事件也会被记录和存储在中央管理***中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310947442.6A CN116993265A (zh) | 2023-07-31 | 2023-07-31 | 一种基于物联网的智能仓储安全管理*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310947442.6A CN116993265A (zh) | 2023-07-31 | 2023-07-31 | 一种基于物联网的智能仓储安全管理*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116993265A true CN116993265A (zh) | 2023-11-03 |
Family
ID=88520912
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310947442.6A Pending CN116993265A (zh) | 2023-07-31 | 2023-07-31 | 一种基于物联网的智能仓储安全管理*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116993265A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117351405A (zh) * | 2023-12-06 | 2024-01-05 | 江西珉轩智能科技有限公司 | 一种人群行为分析***及方法 |
-
2023
- 2023-07-31 CN CN202310947442.6A patent/CN116993265A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117351405A (zh) * | 2023-12-06 | 2024-01-05 | 江西珉轩智能科技有限公司 | 一种人群行为分析***及方法 |
| CN117351405B (zh) * | 2023-12-06 | 2024-02-13 | 江西珉轩智能科技有限公司 | 一种人群行为分析***及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102622818A (zh) | 一种银行atm机全方位智能监控方法 | |
| CN110490126B (zh) | 一种基于人工智能的保险柜安全管控*** | |
| CN108009488A (zh) | 基于行为分析的街道安全联防*** | |
| KR102149832B1 (ko) | 딥러닝 기반의 자동 폭력 감지 시스템 | |
| CN110867046A (zh) | 一种基于云计算的智能洗车机视频监控预警*** | |
| CN114973140A (zh) | 基于机器视觉的危险区域人员闯入监测方法及*** | |
| CN116993265A (zh) | 一种基于物联网的智能仓储安全管理*** | |
| CN113223046A (zh) | 一种监狱人员行为识别的方法和*** | |
| CN113963301A (zh) | 一种时空特征融合的视频火灾烟雾探测方法及*** | |
| CN109410497A (zh) | 一种基于深度学习的桥洞空间安全监测与报警*** | |
| CN110674761A (zh) | 一种区域行为预警方法及*** | |
| Patil et al. | Suspicious movement detection and tracking based on color histogram | |
| CN111553305B (zh) | 一种违章视频识别***和方法 | |
| CN112885013A (zh) | 监控预警方法、装置和可读存储介质 | |
| CN112926925A (zh) | 一种产品监管方法、装置、电子设备及存储介质 | |
| CN116704411A (zh) | 一种基于物联网的安防管控方法、***及存储介质 | |
| CN112580470A (zh) | 城市视觉感知方法、装置、电子设备和存储介质 | |
| CN113792665B (zh) | 一种针对不同角色权限的违禁区域侵入检测方法 | |
| CN115311735A (zh) | 一种异常行为智能识别预警方法 | |
| CN104052975B (zh) | 一种带客流量计数的店铺联网视频报警器 | |
| Nandyal et al. | Recognition of suspicious human activities using klt and kalman filter for atm surveillance system | |
| Rahangdale et al. | Event detection using background subtraction for surveillance systems | |
| KR102647139B1 (ko) | 딥러닝 기반 영상분석을 통한 이상행동 탐지 장치 및 방법 | |
| CN115346170A (zh) | 一种燃气设施区域的智能监控方法及装置 | |
| CN115767017A (zh) | 一种智慧哨兵监控*** |
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 |