CN102073844A - 智能监控系统和方法 - Google Patents
智能监控系统和方法 Download PDFInfo
- Publication number
- CN102073844A CN102073844A CN 201010539329 CN201010539329A CN102073844A CN 102073844 A CN102073844 A CN 102073844A CN 201010539329 CN201010539329 CN 201010539329 CN 201010539329 A CN201010539329 A CN 201010539329A CN 102073844 A CN102073844 A CN 102073844A
- Authority
- CN
- China
- Prior art keywords
- level
- unit
- moving target
- alert event
- target
- 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
Landscapes
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种智能监控系统,其包括现场级单元,采集图像并对所述图像进行运动检测以判定是否存在运动;目标级单元,在存在运动时跟踪检测所述图像中的运动目标;事件级单元,对所述运动目标进行事件分析以确定所述运动目标是否触发报警事件;行为级单元,在所述运动目标触发报警事件时,对所述运动目标进行行为分析;识别级单元,对所述运动目标的特征进行识别。
Description
【技术领域】
本发明涉及智能监控领域,特别是涉及一种智能监控系统和方法。
【背景技术】
随着信息技术的发展,越来越成熟的智能监控技术应用于越来越多的领域,如银行、医院、交通和居民区等。尤其在安全城市的结构中所述智能监控技术起到了前所未有的作用。智能监控系统通过若干个安装在居民区中不同地方的摄像头来获取相关视频图像
一般的智能监控系统是将安装在不同场景中的摄像头获取的数据集中到一台服务器上进行处理,这样无疑是给服务器增加了负担。尤其是需要监控的场景比较多时,由于获取的监控数据非常大,对服务器的处理性能要求非常高。
因此有必要提出一种新的技术方案来解决上述问题。
【发明内容】
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
本发明的目的在于提供一种智能监控系统和方法,其将监控场景设置不同的等级,高级别的单元根据低级别的信息处理相应数据,从而减少了服务器的计算量。
根据本发明的一方面,本发明提供一种智能监控系统,其包括:现场级单元,采集图像并对所述图像进行运动检测以判定是否存在运动;目标级单元,在存在运动时跟踪检测所述图像中的运动目标;事件级单元,对所述运动目标进行事件分析以确定所述运动目标是否触发报警事件;行为级单元,在所述运动目标触发报警事件时,对所述运动目标进行行为分析;识别级单元,对所述运动目标的特征进行识别。
进一步的,所述现场级单元包括图像采集模块和运动检测模块,其中所述图像采集模块采集图像,所述运动检测模块对所述采集到的图像进行运动检测。
进一步的,所述目标级单元包括运动目标跟踪检测模块和抓拍模块,其中所述运动目标跟踪检测模块用于跟踪检测所述图像中的运动目标,所述抓拍模块在运动目标产生触发报警事件时对所述图像进行抓拍以获得一张或多张高分辨率静态图像。
进一步的,所述事件级单元包括报警事件触发模块和报警事件分析模块,其中所述报警事件触发模块对所述运动目标进行事件分析以确定所述运动目标是否触发报警事件,所述报警事件分析模块用于确定所述报警事件是否为人员触发。
更进一步的,所述行为级单元包括人员行为分析模块和非人员行为分析模块,所述人员行为分析模块在人为触发报警事件时对触发报警事件中的运动目标进行人员行为分析以确定是否为可疑人员,所述非人员行为分析模块在非人为触发报警事件时,对触发报警事件中的运动目标进行物体行为分析以确定是否为可疑物体。
更进一步的,所述识别级单元包括生物特征识别模块和物体特征识别模块,其中所述生物特征识别模块在发现可疑人员时,对触发报警事件中的运动目标进行生物特征识别,所述物体特征识别模块在发现可疑物体时,对触发报警事件中的运动目标进行物体特征识别。
更进一步的,所述现场级单元、目标级单元、事件级单元、行为级单元和识别级单元的等级依次增加,低等级单元的处理信息触发高等级单元的处理。
进一步的,所述现场级单元、目标级单元、事件级单元、行为级单元和识别级单元中相邻的等级中的处理合并。
进一步的,所述级别低的单元采用低分辨率图像进行处理,级别高的单元根据级别低的处理单元所产生的信息以获取需要处理区域的高分辨率图像进行处理。
根据本发明的另一方面,本发明提供一种智能监控方法,其包括:在现场级中采集图像并对所述图像进行运动检测以判定是否存在运动;在目标级中对存在运动的图像中的运动目标进行检测和跟踪;在事件级中对所述运动目标进行事件分析以确定所述运动目标是否触发报警事件;在行为级中在所述运动目标触发报警事件时,对所述运动目标进行行为分析;在识别级中对所述运动目标的特征进行识别。
进一步的,所述现场级、目标级、事件级、行为级和识别级的等级依次增加,低等级单元的处理信息触发高等级单元的处理。
更进一步的,所述现场级、目标级、事件级、行为级和识别级中相邻的等级中的处理能够合并。
更进一步的,所述低级别采用低分辨率图像进行处理,高级别根据低级别处理产生的信息获取需要处理区域的高分辨率图像进行处理。
与现有技术相比,本发明智能监控系统将监控场景设置不同的等级,每个等级的服务器具有不同的处理功能,等级低的单元其服务器处理能力较低,等级高的单元其服务器处理能力较高,由等级低的单元处理后产生的信息触发等级高的单元的处理。从而将不同程度的处理信息布置在不同的服务器上进行处理,大大地减轻了服务器处理数据时的计算量。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。其中:
图1为本发明中的智能监控系统在一个实施例中的结构示意图;
图2A为本发明中智能监控系统中的现场级单元在一个实施例中的结构示意图;
图2B为本发明中的智能监控系统中的目标级单元在一个实施例中的结构示意图;
图2C为本发明中的智能监控系统中的事件级单元在一个实施例中的结构示意图;
图2D为本发明中的智能监控系统中的行为级单元在一个实施例中的结构示意图;
图2E为本发明中的智能监控系统中的识别级单元在一个实施例中的结构示意图;
图3为本发明中的智能监控系统在一个实施例中的安装布置示意图;和
图4为本发明中的智能监控方法在一个实施例中的流程图。
【具体实施方式】
本发明的详细描述主要通过程序、步骤、逻辑块、过程或其他象征性的描述来直接或间接地模拟本发明技术方案的运作。为透彻的理解本发明,在接下来的描述中陈述了很多特定细节。而在没有这些特定细节时,本发明则可能仍可实现。所属领域内的技术人员使用此处的这些描述和陈述向所属领域内的其他技术人员有效的介绍他们的工作本质。换句话说,为避免混淆本发明的目的,由于熟知的方法和程序已经容易理解,因此它们并未被详细描述。
此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。此外,表示一个或多个实施例的方法、流程图或功能框图中的模块顺序并非固定的指代任何特定顺序,也不构成对本发明的限制。
本发明提供一种智能监控系统,其将监控系统的各个单元分为不同的等级,低级别的单元对图像分析处理后获得的信息传送到高级别的单元,由低级别的单元获得的信息触发高级别的单元的处理,,低级别的单元采用较低的分辨率的图像进行处理,高级别的单元根据低级别单元获得的信息获取需要处理区域的高分辨率图像进行处理。所述智能监控系统具体实施方式的结构可参见图1和图2A-2E所示。
图1为本发明的智能监控系统在一个实施例中的结构示意图。如图1所示,智能监控系统100包括现场级单元110、目标级单元120、事件级单元130、行为级单元140和识别级单元150,其中,各个单元的结构可参见图2A-2E所示,图2A-2E为本发明中智能监控系统的各个单元在一个实施例中的结构示意图。如此,智能监控系统100的各个单元按照等级由低到高顺序依次分为现场级、目标级、事件级、行为级和识别级等不同的等级。
所述现场级单元110采集图像并对所述图像进行运动检测以判定所述图像是否存在有运动。请参阅图2A,所述现场级单元110包括图像采集模块1101和运动检测模块1102,其中所述图像采集模块1101采集监控场景中的图像,所述运动检测模块1102对所述图像采集模块1101采集到的图像进行运动检测,即检测所述图像采集模块1101采集到的图像中是否有物体运动或是否有变化,如开关灯时图像的亮度差别、物体的移动等。在实际应用中,现场级单元110所需实时性最强,可靠性高,同时运算相对简单。所以智能监控系统100的现场级部分即现场级单元110一般采用计算能力有限但稳定性较高的处理系统。
所述目标级单元120在现场级单元110所采集到的图像存在运动时跟踪检测所述图像中的运动目标。请参阅图2B,所述目标级单元120包括运动目标跟踪检测模块1201和抓拍模块1202,当所述现场级单元110检测到图像中有物体运动时,则所述运动目标跟踪检测模块1201对所述图像进行运动目标的跟踪检测。抓拍模块1202用于对场景进行抓拍以获得高分辨率的静态图像。由此可知,所述目标级单元120对图像的处理是由等级较低的现场级单元110触发后进行的,即目标级单元120对图像所作的运动跟踪或检测是由现场级单元110在对图形进行处理分析后获得图像中存在运动这一信息触发的。
所述事件级单元130对所述运动目标进行事件分析以确定是否发生报警事件,并可以进一步分析所述报警事件是否由人员触发。请参阅图2C,所述事件级单元130包括报警事件触发模块1301、报警事件分析模块1302。其中所述报警事件触发模块1301根据预先设定的报警事件触发规则对所述运动目标进行事件分析以确定是否发生报警事件。所述报警事件分析模块1302确定所述报警事件是否为人员触发,其根据生物识别技术对图像的运动目标区域进行人体、人头和/或人脸的检测,进而判断触发报警事件的运动目标是否为人员。如报警事件触发模块1301通过预先设定的报警事件触发规则来判断运动目标是否触发报警事件,如所述报警事件触发规则可以为:在图像中设置不同的报警区域,当运动目标的外接矩形与其中的报警区域发生了交叉,则可认定为产生报警事件。而当有报警事件产生时,还需进一步确定是否为人员触发了该报警事件,此时报警事件分析模块1302利用生物识别技术对运动目标区域进行人体、人头和人脸的检测,如此,分析所述报警事件是否由人员触发。由此可知,所述事件级单元130的事件分析由目标级单元120在确定图像中的运动目标后触发。
在一个优选的实施例中,所述事件级单元130分析出图像产生报警事件后也可以发送触发抓拍的信息给所述目标级单元120,所述目标级单元120中的抓拍模块1202根据所述触发抓拍的信息对场景进行抓拍以获取一张或多张的高分辨率静态图像,其有利于报警事件中对人员或非人员的分析。
所述行为级单元140在所述运动目标触发报警事件时,对运动目标的行为进行分析。进一步地,所述行为级单元140在人为触发报警事件时对触发报警事件中的运动目标进行人员行为分析以确定是否为可疑人员,在非人为触发报警事件时,对触发报警事件中的运动目标进行物体行为分析以确定是否为可疑物体。请参阅图2D,所述识别级单元140包括人员行为分析模块1401和非人员行为分析模块1402。在事件级单元130中分析出人为触发报警事件时,人员行为分析模块1401进一步对触发报警事件中的运动目标为人员的图像进行姿态的识别和行为的判断。如,人员行为分析模块1401根据人员的姿态识别和行为的判定,可以知道所述人员是否为可疑人员。而在事件级单元130中分析出非人为触发报警事件时,非人员行为分析模块1402对运动目标进行物体行为分析,如对车辆的移动进行分析等。所述行为级单元140处理时可以离线进行或检索时进行。例如,当警察需要获取某一个时段的图像时,其可以在离线状态下调查相关数据,并通过该行为级单元140进行人员姿态的识别。
所述识别级单元150对触发报警事件中的运动目标进行特征识别。进一步地,当行为级单元140在触发报警事件的运动目标中发现可疑人员时,所述识别级单元150对触发报警事件中的运动目标进行生物特征识别;当行为级单元140在触发报警事件的运动目标中发现可疑物体时,所述识别级单元150对触发报警事件中的运动目标进行物体特征识别。请参阅图2E,所述识别级单元150包括生物特征识别模块1501和物体特征识别模块1502。根据所述行为级单元140获取的信息,在发现可疑人员时,所述生物特征识别模块1501则需要进一步对触发报警事件中的运动目标进行进一步的识别,如行为级单元140判定为可疑人员触发报警时则生物特征识别模块1501对人员的步态特征、人脸和耳廓等特征进行识别。若行为级单元140判定的运动目标为非人员触发报警时,所述物体特征识别模块1502则对相应物体进行物体类型识别,如车辆的车牌识别等。
所述现场级单元110、目标级单元120、事件级单元130、行为级单元140和识别级单元150的等级依次增高。其通常安装布置图可参见图3所示,图3为本发明中智能监控系统在一个实施例中的安装布置示意图。由图中可以看出:一般,将级别低的单元处理后的数据发送给级别高的单元以进行进一步的处理,也就是说,级别低的单元触发级别高的单元;且每一个级别高的单元通常会接收多个级别低的单元传送来的数据。通常情况下,级别低的处理单元采用较低的分辨率进行处理,其计算量比较小,高级别的处理单元根据低级别处理后的信息获取需要处理区域的高分辨率图像进行处理,相应的,其计算量也相应增加。但由于分级处理,使得每个处理单元的计算量都比现有技术中在同一个处理单元中进行处理的单元中的计算量要小得多。当然,在实际应用中,相邻级别的处理可以合并以减少处理单元,如行为级和识别级中处理过程合并在一个级别中进行,但这样会增加相应处理单元的计算量。
在一个具体的实施例中,以安全城市的结构来对系统的布置进行说明。通常,所述现场级单元110安装在监控现场,能稳定适应各种恶劣的现场环境,并且通过数量可以弥补容易被人为破坏的缺陷;目标级单元120安装在靠近现场的机柜中,在城市监控中通常在现场附近的室内建筑中,如小区的单元中;所述事件级单元130需要根据目标触发的事件进行报警,通常可以放在小区物业的保安室中,该单元可以对多栋单元的目标单元结果进行处理;所述行为级单元140和所述识别级单元150则由于计算复杂度更高,成本更高,通常分别布置在社区保安室和派出所中,前者判断是否为危险行为,后者则进一步通过生物识别技术判断目标主体的身份是否和所管辖范围成员或关注的危险分子相匹配,另外也是对这些身份特征的隐私性的保护。
综上所述,本发明提供的智能监控系统将各个具有不同处理功能的单元进行分级,级别低的处理触发级别高的处理,并将低级别的处理信息传送到高级别的处理单元,从而实现了监控系统的分布式布置,大大减少各个处理器的工作量。
图4为本发明中智能监控方法在一个实施例中的流程图,所述智能监控方法分别在现场级、目标级、事件级、行为级和识别级中进行,其中按照等级由低到高顺序依次为现场级、目标级、事件级、行为级和识别级。所述分级处理的智能监控方法的具体过程包括:
步骤410,采集图像并进行运动检测。
该步骤在现场级中进行,因为在现场级中实时性最强,所以一般采用计算能力有限的处理单元以保证该级的稳定性。这里的运动检测即为对所采集到的图像进行运动检测以获取所述图像是否产生运动或变化,包括物体的移动或灯光亮灭时的变化等。
步骤420,对图像进行运动目标跟踪检测。
如在步骤410中检测到图像含有运动或变化,则进行运动目标的跟踪检测。该步骤在目标级中进行,即在现场级对图像分析后产生运动或变化时则触发目标级对运动目标的跟踪检测。
步骤430,对运动目标进行触发报警事件的分析。
该步骤在事件级中进行,首先根据图像中预先设定的报警设置以对检测到的运动目标进行报警事件的分析。在一个实施例中,对图像中设定若干个报警区域,当检测到的运动目标的外接矩形与所述报警区域产生交集时,则说明所述运动目标触发了报警事件。而当运动目标触发报警事件时,则进一步判读所述触发报警事件分析的运动目标是否为人员,即对所述运动目标进行人员、人头和人脸的分析。
步骤440,对运动目标进行人员姿态识别和行为判断。
对所述触发报警事件的运动目标进行姿态识别和行为判断,如触发报警事件的运动目标为人员的图像时进行人员姿态的识别和行为判断,以确定所述人员是否为可疑人员,其行为是否可疑;如触发报警事件的运动目标为非人员,如车辆等,则对其进行物体姿态(包括颜色、型号等特征)的识别和行为判断,以判定物体是否发生了可疑行为,该步骤在行为级中进行。通常,所述行为级的处理可以是离线进行或检索时进行。如,在警察调查案件时,需要查看当时的记录,则可以将其对应数据提取出来,并进行可疑人员的可疑行为的判别。
步骤450,对运动目标进行特征识别。
根据上述级别获取的信息,对需要进一步判断的运动目标进行进一步的识别,当所述运动目标为可疑人员时则对所述可疑人员进行步态特征、人脸或耳廓等识别,该步骤在识别级中进行。当然,如果不存在可疑人员,而是其他可疑物体,如车辆等,此时可以对其他物体进行识别,如车牌识别。此步骤在识别级进行。
所述各个不同级别中进行不同的处理,当然,在实际应用中,在相邻级别中处理也可以进行合并。如行为级和识别级中处理过程合并在一个级别中进行。且在各个不同的级别进行处理的图像或区域的分辨率是不同的,一般的,低级别中处理的图像或区域分辨率比较低,而高级别中处理的图像或区域分辨率则相对较高。
综上所述,本发明提供的智能监控系统将各个具有不同处理功能的单元进行分级,级别低的处理触发级别高的处理,并将低级别的信息传送到高级别的处理单元,从而实现了监控系统的分布式布置,大大减少处理器的工作量。
上述说明已经充分揭露了本发明的具体实施方式。需要指出的是,熟悉该领域的技术人员对本发明的具体实施方式所做的任何改动均不脱离本发明的权利要求书的范围。相应地,本发明的权利要求的范围也并不仅仅局限于前述具体实施方式。
Claims (13)
1.一种智能监控系统,其特征在于,其包括:
现场级单元,采集图像并对所述图像进行运动检测以判定是否存在运动;
目标级单元,在存在运动时跟踪检测所述图像中的运动目标;
事件级单元,对所述运动目标进行事件分析以确定所述运动目标是否触发报警事件;
行为级单元,在所述运动目标触发报警事件时,对所述运动目标进行行为分析;和
识别级单元,对所述运动目标的特征进行识别。
2.根据权利要求1所述智能监控系统,其特征在于:所述现场级单元包括图像采集模块和运动检测模块,其中所述图像采集模块采集图像,所述运动检测模块对所述采集到的图像进行运动检测。
3.根据权利要求1所述智能监控系统,其特征在于:所述目标级单元包括运动目标跟踪检测模块和抓拍模块,其中所述运动目标跟踪检测模块用于跟踪检测所述图像中的运动目标,所述抓拍模块在运动目标产生触发报警事件时对所述图像进行抓拍以获得一张或多张高分辨率静态图像。
4.根据权利要求1所述智能监控系统,其特征在于:所述事件级单元包括报警事件触发模块和报警事件分析模块,其中所述报警事件触发模块对所述运动目标进行事件分析以确定所述运动目标是否触发报警事件,所述报警事件分析模块用于确定所述报警事件是否为人员触发。
5.根据权利要求4所述智能监控系统,其特征在于:所述行为级单元包括人员行为分析模块和非人员行为分析模块,所述人员行为分析模块在人为触发报警事件时对触发报警事件中的运动目标进行人员行为分析以确定是否为可疑人员,所述非人员行为分析模块在非人为触发报警事件时,对触发报警事件中的运动目标进行物体行为分析以确定是否为可疑物体。
6.根据权利要求5所述智能监控系统,其特征在于:所述识别级单元包括生物特征识别模块和物体特征识别模块,其中所述生物特征识别模块在发现可疑人员时,对触发报警事件中的运动目标进行生物特征识别,所述物体特征识别模块在发现可疑物体时,对触发报警事件中的运动目标进行物体特征识别。
7.根据权利要求1至6中任一项所述智能监控系统,其特征在于:所述现场级单元、目标级单元、事件级单元、行为级单元和识别级单元的等级依次增加,低等级单元的处理信息触发高等级单元的处理。
8.根据权利要求7所述智能监控系统,其特征在于:所述现场级单元、目标级单元、事件级单元、行为级单元和识别级单元中相邻的等级中的处理合并。
9.根据权利要求7所述智能监控系统,其特征在于:所述级别低的单元采用低分辨率图像进行处理,级别高的单元根据级别低的处理单元所产生的信息以获取需要处理区域的高分辨率图像进行处理。
10.一种智能监控方法,其特征在于,其包括:
在现场级中采集图像并对所述图像进行运动检测以判定是否存在运动;
在目标级中对存在运动的图像中的运动目标进行检测和跟踪;
在事件级中对所述运动目标进行事件分析以确定所述运动目标是否触发报警事件;
在行为级中在所述运动目标触发报警事件时,对所述运动目标进行行为分析;和
在识别级中对所述运动目标的特征进行识别。
11.根据权利要求10所述智能监控方法,其特征在于:所述现场级、目标级、事件级、行为级和识别级的等级依次增加,低等级单元的处理信息触发高等级单元的处理。
12.根据权利要求11所述智能监控方法,其特征在于:所述现场级、目标级、事件级、行为级和识别级中相邻的等级中的处理能够合并。
13.根据权利要求12所述智能监控方法,其特征在于:所述低级别采用低分辨率图像进行处理,高级别根据低级别处理产生的信息获取需要处理区域的高分辨率图像进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010539329 CN102073844A (zh) | 2010-11-10 | 2010-11-10 | 智能监控系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010539329 CN102073844A (zh) | 2010-11-10 | 2010-11-10 | 智能监控系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102073844A true CN102073844A (zh) | 2011-05-25 |
Family
ID=44032378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010539329 Pending CN102073844A (zh) | 2010-11-10 | 2010-11-10 | 智能监控系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102073844A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102307297A (zh) * | 2011-09-14 | 2012-01-04 | 镇江江大科茂信息系统有限责任公司 | 一种多方位视频目标跟踪检测的智能监控系统 |
CN105259772A (zh) * | 2015-10-30 | 2016-01-20 | 东莞酷派软件技术有限公司 | 智能家居的预警提示方法和智能家居的预警提示系统 |
CN105657372A (zh) * | 2016-02-04 | 2016-06-08 | 韩贵杰 | 实现执勤哨位视频智能侦测预警的方法及系统 |
CN107644190A (zh) * | 2016-07-20 | 2018-01-30 | 北京旷视科技有限公司 | 行人监控方法和装置 |
CN107689971A (zh) * | 2016-08-04 | 2018-02-13 | 惠州学院 | 一种多摄像机下的人体行为快速识别系统 |
CN107688766A (zh) * | 2016-08-04 | 2018-02-13 | 惠州学院 | 一种基于人体模型行为识别的系统 |
CN107846578A (zh) * | 2017-10-30 | 2018-03-27 | 北京小米移动软件有限公司 | 信息订阅方法及装置 |
CN108307120A (zh) * | 2018-05-11 | 2018-07-20 | 优视科技有限公司 | 图像拍摄方法、装置及电子终端 |
CN108961287A (zh) * | 2018-07-03 | 2018-12-07 | 百度在线网络技术(北京)有限公司 | 智能货架触发方法、智能货架系统、存储介质及电子设备 |
CN110458198A (zh) * | 2019-07-10 | 2019-11-15 | 哈尔滨工业大学(深圳) | 多分辨率目标识别方法及装置 |
CN110691222A (zh) * | 2019-10-25 | 2020-01-14 | 北京国信桥通信工程有限公司 | 入侵监控方法及系统 |
CN110784679A (zh) * | 2019-03-12 | 2020-02-11 | 宋彤云 | 通信负载大数据调节方法及存储介质 |
CN113536878A (zh) * | 2020-04-14 | 2021-10-22 | 杭州海康威视数字技术股份有限公司 | 智能分析系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079171A (zh) * | 2007-06-01 | 2007-11-28 | 北京汇大通业科技有限公司 | 银行自助设备智能视频监控系统 |
CN101266710A (zh) * | 2007-03-14 | 2008-09-17 | 中国科学院自动化研究所 | 一种基于规则的全天候智能视频分析监控方法 |
CN101465033A (zh) * | 2008-05-28 | 2009-06-24 | 丁国锋 | 一种自动追踪识别系统及方法 |
CN101854516A (zh) * | 2009-04-02 | 2010-10-06 | 北京中星微电子有限公司 | 视频监控系统、视频监控服务器及视频监控方法 |
-
2010
- 2010-11-10 CN CN 201010539329 patent/CN102073844A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101266710A (zh) * | 2007-03-14 | 2008-09-17 | 中国科学院自动化研究所 | 一种基于规则的全天候智能视频分析监控方法 |
CN101079171A (zh) * | 2007-06-01 | 2007-11-28 | 北京汇大通业科技有限公司 | 银行自助设备智能视频监控系统 |
CN101465033A (zh) * | 2008-05-28 | 2009-06-24 | 丁国锋 | 一种自动追踪识别系统及方法 |
CN101854516A (zh) * | 2009-04-02 | 2010-10-06 | 北京中星微电子有限公司 | 视频监控系统、视频监控服务器及视频监控方法 |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102307297A (zh) * | 2011-09-14 | 2012-01-04 | 镇江江大科茂信息系统有限责任公司 | 一种多方位视频目标跟踪检测的智能监控系统 |
CN105259772A (zh) * | 2015-10-30 | 2016-01-20 | 东莞酷派软件技术有限公司 | 智能家居的预警提示方法和智能家居的预警提示系统 |
CN105259772B (zh) * | 2015-10-30 | 2019-05-14 | 东莞酷派软件技术有限公司 | 智能家居的预警提示方法和智能家居的预警提示系统 |
CN105657372A (zh) * | 2016-02-04 | 2016-06-08 | 韩贵杰 | 实现执勤哨位视频智能侦测预警的方法及系统 |
CN107644190A (zh) * | 2016-07-20 | 2018-01-30 | 北京旷视科技有限公司 | 行人监控方法和装置 |
CN107689971A (zh) * | 2016-08-04 | 2018-02-13 | 惠州学院 | 一种多摄像机下的人体行为快速识别系统 |
CN107688766A (zh) * | 2016-08-04 | 2018-02-13 | 惠州学院 | 一种基于人体模型行为识别的系统 |
CN107846578A (zh) * | 2017-10-30 | 2018-03-27 | 北京小米移动软件有限公司 | 信息订阅方法及装置 |
CN108307120B (zh) * | 2018-05-11 | 2020-07-17 | 阿里巴巴(中国)有限公司 | 图像拍摄方法、装置及电子终端 |
CN108307120A (zh) * | 2018-05-11 | 2018-07-20 | 优视科技有限公司 | 图像拍摄方法、装置及电子终端 |
CN108961287A (zh) * | 2018-07-03 | 2018-12-07 | 百度在线网络技术(北京)有限公司 | 智能货架触发方法、智能货架系统、存储介质及电子设备 |
CN108961287B (zh) * | 2018-07-03 | 2021-09-28 | 百度在线网络技术(北京)有限公司 | 智能货架触发方法、智能货架系统、存储介质及电子设备 |
CN110784679A (zh) * | 2019-03-12 | 2020-02-11 | 宋彤云 | 通信负载大数据调节方法及存储介质 |
CN110784679B (zh) * | 2019-03-12 | 2020-10-16 | 王虎 | 通信负载大数据调节方法及存储介质 |
CN110458198A (zh) * | 2019-07-10 | 2019-11-15 | 哈尔滨工业大学(深圳) | 多分辨率目标识别方法及装置 |
CN110458198B (zh) * | 2019-07-10 | 2022-03-29 | 哈尔滨工业大学(深圳) | 多分辨率目标识别方法及装置 |
CN110691222A (zh) * | 2019-10-25 | 2020-01-14 | 北京国信桥通信工程有限公司 | 入侵监控方法及系统 |
CN113536878A (zh) * | 2020-04-14 | 2021-10-22 | 杭州海康威视数字技术股份有限公司 | 智能分析系统及方法 |
CN113536878B (zh) * | 2020-04-14 | 2024-03-08 | 杭州海康威视数字技术股份有限公司 | 智能分析系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102073844A (zh) | 智能监控系统和方法 | |
CN102811343B (zh) | 一种基于行为识别的智能视频监控系统 | |
CN109858365A (zh) | 一种特殊人群聚集行为分析方法、装置及电子设备 | |
CN110321780B (zh) | 基于时空运动特性的异常摔倒行为检测方法 | |
CN105426820B (zh) | 基于安防监控视频数据的多人异常行为检测方法 | |
CN113256924A (zh) | 一种轨道列车的监控系统,监控方法及监控装置 | |
Swathi et al. | Crowd behavior analysis: A survey | |
Zabłocki et al. | Intelligent video surveillance systems for public spaces–a survey | |
CN103517042A (zh) | 一种养老院老人危险行为监测方法 | |
CN102164270A (zh) | 具有异常事件发掘功能的智能视频监控方法及系统 | |
CN109377697A (zh) | 一种密集摄像机头环境下快速报警处置方法 | |
CN110659391A (zh) | 一种视频侦查方法及装置 | |
KR20060031832A (ko) | 실시간 행위분석 및 상황인지 기반 스마트 영상 보안시스템 | |
KR20200103194A (ko) | 영상 기반 비정상 상황 모니터링 방법 및 시스템 | |
CN111047824B (zh) | 一种室内儿童看护联动控制预警方法及系统 | |
Wang et al. | Experiential sampling for video surveillance | |
CN112270253A (zh) | 一种高空抛物的检测方法及装置 | |
CN109117771B (zh) | 一种基于锚节点的图像中暴力事件检测系统及方法 | |
CN108073858A (zh) | 基于深度摄像机的人群聚集监控识别系统 | |
CN110188617A (zh) | 一种机房智能监控方法及系统 | |
CN109831634A (zh) | 目标对象的密度信息确定方法及装置 | |
CN114359976A (zh) | 一种基于人物识别的智能安防方法与装置 | |
Wang et al. | Traffic camera anomaly detection | |
KR20160093253A (ko) | 영상 기반 이상 흐름 감지 방법 및 그 시스템 | |
CN105931429A (zh) | 一种智慧金睛识别夜间接近报警方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110525 |