CN102647580A - 一种视频监控方法及系统 - Google Patents
一种视频监控方法及系统 Download PDFInfo
- Publication number
- CN102647580A CN102647580A CN2012101285127A CN201210128512A CN102647580A CN 102647580 A CN102647580 A CN 102647580A CN 2012101285127 A CN2012101285127 A CN 2012101285127A CN 201210128512 A CN201210128512 A CN 201210128512A CN 102647580 A CN102647580 A CN 102647580A
- Authority
- CN
- China
- Prior art keywords
- face
- detected object
- face image
- deflection
- information
- 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)
- Image Processing (AREA)
Abstract
本发明公开一种视频监控方法和系统,该方法包括:实时采集被检测对象的脸部图像,将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对,确定所述被检测对象的脸部图像偏转信息,判断被检测对象的脸部图像偏转信息是否符合预设报警条件,如果是,则触发报警,该方法应用于视频监控系统中,有效的提高了监控的准确率。
Description
技术领域
本发明涉及监控领域,特别是一种视频监控方法及系统。
背景技术
岗位值班,遍布国防及民用各个行业和领域,是几乎所有不论大小的安全保卫系统的核心环节,值班员的值班行为是否正常,很多时候整个安全保卫系统能否可靠运行,值班员的有效工作极为重要。但是,值班人员每天承受这艰巨而又单调重复的工作,非常容易产生应激疲劳,注意力下降,从而无法及时发现和处理突发事故。
但是,现有技术中,有一种监控值班员是否正常工作的方法,监控准确率较差。
发明内容
本发明提供一种视频监控方法及系统,以解决现有技术中在岗状态监控产品监控的准确率差的问题。
具体方案如下:
一种视频监控方法,步骤包括:
实时采集被检测对象的脸部图像;
将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对,确定所述被检测对象的脸部图像偏转信息,判断被检测对象的脸部图像偏转信息是否符合预设报警条件,如果是,则触发报警。
优选地,所述确定被检测对象的脸部偏转信息包括:脸部偏转角度。
优选地,所述与预设的脸部信息库中的多个参考脸部图像进行比对包括:
将所述被检测对象的脸部图像中的偏转角度与预设的脸部信息库中的多个参考脸部图像的偏转角度进行比对。
优选地,判断被检测对象的脸部图像偏转信息是否符合预设报警条件的过程:
判断所述被检测对象的脸部图像偏转信息中的脸部偏转角度是否在第一预设范围内,若是,则所述被检测对象的偏转角度为正常偏转;
若否,则判断所述被检测对象的脸部图像偏转信息中的偏转角度是否在大于所述第一预设而小于第二预设范围内,若是,则所述被检测对象的偏转角度为可疑偏转;
若否,则判断所述被检测对象的脸部图像偏转信息中的脸部偏转角度是否大于所述第二预设范围,若是,则所述被检测对象的脸部偏转角度为触发报警偏转,所述被检测对象的脸部图像偏转信息符合预设报警条件。
优选地,所述确定被检测对象的脸部偏转信息还包括:脸部偏转方向。
一种视频监控系统,包括:视频采集器和智能分析终端;
所述视频采集器,用于实时采集被检测对象的脸部图像,将所述脸部图像传递给所述智能分析终端;
所述智能分析终端与所述视频采集器相连,用于接收所述视频采集器传送的所述被检测对象的脸部图像,并将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对,确定所述被检测对象的脸部图像偏转信息,判断被检测对象的脸部图像偏转信息是否符合预设报警条件,如果是,则触发报警。
优选地,所述报警模块为蜂鸣器或者指示灯。
优选地,所述确定被检测对象的脸部偏转信息包括:被检测对象的脸部偏转角度,或者,被检测对象的脸部偏转角度和脸部偏转方向。
从以上技术方案可以看出,本发明中,提供的一种视频监控方法及系统,通过实时采集被检测对象的脸部图像,将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对,从而确定所述被检测对象的脸部图像偏转信息,判断被检测对象的脸部图像偏转信息是否符合预设报警 条件,如果是,则触发报警,该方法应用于视频监控系统中,能够实时的对值班员的工作状态进行监控,并对非正常工作的情况进行报警,提高了监控准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对发明或现有技术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中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种视频监控方法实施例一的流程示意图;
图2为本发明的一种视频监控方法实施例二的流程示意图;
图3为本发明的一种视频监控方法实施例三的流程示意图;
图4为本发明的一种视频监控方法实施例四的流程示意图;
图5为本发明的一种视频监控系统结构示意图。
具体实施方式
下面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,都属于本发明的保护范围。
本发明中,图1为一种视频监控方法的流程示意图,参照图1所示,该方法包括:
步骤S101:实时采集被检测对象的脸部图像;
步骤S102:将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对,确定所述被检测对象的脸部图像偏转信息;
其中,首先针对检测到的人脸,根据中分类模型分为正常人脸和非正常人脸,然后进一步把非正常人脸分为可疑人脸和偏转人脸。此两级人脸姿态分类策略中关键技术在于两级分类模型的构建。
利用统计技术分别建立两级分类模型,中分类模型的构建如下:构建正面训练库和偏转人脸库,对所有图像提取傅里叶变换Gabor小波纹理特征,纹理特征维数通常很高,影响分类速度和精度。进一步利用迭代算法Adboost机器学习策略选择正面人脸区别偏转人脸的有效特征,同时大幅降低特征维数。最后利用选择到的特征通过支持向量基(SVM)建立人脸姿态中分类模型。
步骤S103:判断被检测对象的脸部图像偏转信息是否符合预设报警条件;
步骤S104:如果是,则触发报警;
步骤S105:如果否,则不触发报警。
本实施例中,通过实时采集被检测对象的脸部图像,将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对,从而确定所述被检测对象的脸部图像偏转信息,判断被检测对象的脸部图像偏转信息是否符合预设报警条件,如果是,则触发报警,此方法中,判断被检测对象的脸部状态是否发生了偏转,不面对视频采集器,且超出一定预设范围时,会触发报警,这样提高了监控的准确率。
参见图2,为本发明的一种视频监控方法实施例二的流程示意图,该方法步骤包括:
步骤S201:实时采集被检测对象的脸部图像;
步骤S202:将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对,确定所述被检测对象的脸部图像偏转信息为脸部偏转角度;
步骤S203:判断被检测对象的脸部偏转角度是否符合预设报警条件;
步骤S204:如果是,则触发报警;
步骤S205:如果否,则不触发报警。
本实施例中,通过确定所述被检测对象的脸部图像偏转信息为脸部偏转角度,从而判断被检测对象的脸部偏转角度是否符合预设报警条件,如果是,则触发报警,此方法中,进一步确定被检测对象的脸部图像偏转信息为偏转角度,当所述被检测对象不面对视频采集器,且脸部偏转角度超出报警条件时,触发报警,提高了监控的准确率。
参见图3,为本发明的一种视频监控方法实施例三的流程示意图,该方法步骤包括:
步骤S301:实时采集被检测对象的脸部图像;
步骤S302:将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对,确定所述被检测对象的脸部图像偏转信息为脸部偏转角度;
步骤S303:判断所述被检测对象的脸部图像偏转信息中的脸部偏转角度是否在第一预设范围内;
步骤S304:若是,则所述被检测对象的偏转角度为正常偏转,不会触发报警;
步骤S305:若否,则判断所述被检测对象的脸部图像偏转信息中的偏转角度是否在大于所述第一预设而小于第二预设范围内;
步骤S306:若是,则所述被检测对象的偏转角度为可疑偏转,不会触发报警;
步骤S307:若否,则判断所述被检测对象的脸部图像偏转信息中的脸部偏转角度是否大于所述第二预设范围;
步骤S308:若是,则所述被检测对象的脸部偏转角度为触发报警偏转,所述被检测对象的脸部信息符合预设报警条件,触发报警;
步骤S309:若否,则不符合预设报警条件,不触发报警。
本实施例中,通过确定所述被检测对象的脸部图像偏转信息为脸部偏转角度,从而判断所述被检测对象的脸部偏转角度是否在第一预设范围内,若 是,则所述被检测对象的偏转角度为正常偏转,若否,则判断所述被检测对象的脸部信息中的偏转角度是否在大于所述第一预设而小于第二预设范围内,若是,则所述被检测对象的偏转角度为可疑偏转,若否,则判断所述被检测对象的脸部偏转角度是否大于所述第二预设范围,若是,则所述被检测对象的脸部偏转角度为触发报警偏转,所述被检测对象的脸部信息符合预设报条件,上述实施例中,进一步将报警的预设范围进行了细化,提高了监控的准确率。
参见图4,为本发明的一种视频监控方法实施例四的流程示意图,该方法步骤包括:
步骤S401:实时采集被检测对象的脸部图像;
步骤S402:将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对,确定所述被检测对象的脸部图像偏转信息为脸部偏转角度和脸部偏转方向;
其中,首先针对检测到的人脸,根据中分类模型分为正常人脸和非正常人脸,然后进一步把非正常人脸分为可疑人脸和偏转人脸。此两级人脸姿态分类策略中关键技术在于两级分类模型的构建。
利用统计技术分别建立两级分类模型,中分类模型的构建如下:构建正面训练库、左偏转人脸库和右偏转人脸库,对所有图像提取Gabor小波纹理特征,纹理特征维数通常很高,影响分类速度和精度。进一步利用Adboost机器学习策略选择正面人脸区别偏转人脸的有效特征,同时大幅降低特征维数。最后利用选择到的特征通过支持向量基(SVM)建立人脸姿态中分类模型。左、右可疑分类模型的构建过程类似,区别在于构建人脸训练库时采用不同的人脸姿态库。
步骤S403:判断所述被检测对象的脸部图像偏转信息中的脸部偏转角度和脸部偏转方向是否在第一预设范围内;
步骤S404:若是,则所述被检测对象的偏转角度和脸部偏转方向为正常偏转;
步骤S405:若否,则判断所述被检测对象的脸部图像偏转信息中的偏转角度和脸部偏转方向是否在大于所述第一预设而小于第二预设范围内;
步骤S406:若是,则所述被检测对象的偏转角度和偏转方向为可疑偏转;
步骤S407:若否,则判断所述被检测对象的脸部图像偏转信息中的脸部偏转角度和脸部偏转方向是否大于所述第二预设范围;
步骤S408:若是,则所述被检测对象的脸部偏转角度和偏转方向为触发报警偏转,所述被检测对象的脸部信息符合预设报警条件,触发报警;
步骤S409:若否,则不符合预设报警条件,不触发报警。
本实施例中,通过确定所述被检测对象的脸部图像偏转信息为脸部偏转角度和偏转方向,从而判断所述被检测对象的脸部偏转角度和偏转方向是否在第一预设范围内,若是,则所述被检测对象的偏转角度和偏转方向为正常偏转,若否,则判断所述被检测对象的脸部信息中的偏转角度和偏转方向是否在大于所述第一预设而小于第二预设范围内,若是,则所述被检测对象的偏转角度和偏转方向为可疑偏转,若否,则判断所述被检测对象的脸部偏转角度和脸部偏转方向是否大于所述第二预设范围,若是,则所述被检测对象的脸部偏转角度和偏转方向为触发报警偏转,所述被检测对象的脸部信息符合预设报条件,进一步确定所述被检测对象的脸部图像偏转信息为脸部偏转角度和偏转方向,以及细化了报警的预设范围,提高了监控的准确率。
其中,在实际应用的过程中,实时采集被检测对象的脸部图像,将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考图像进行比对,确定所述被检测对象的脸部图像偏转信息为脸部偏转角度和脸部偏转方向,当确定所述被检测对象的脸部图像偏转信息为脸部偏转角度15度和脸部偏转方向向左,此时,所述被检测对象的脸部图像偏转信息中的脸部偏转角度15 度和脸部偏转方向向左是在第一预设范围内,则所述被检测对象的偏转角度为正常偏转,不会触发报警。
若确定所述被检测对象的脸部图像偏转信息为脸部偏转角度30度和脸部偏转方向向右,此时,所述被检测对象的脸部图像偏转信息中的脸部偏转角度30度和脸部偏转方向向右在大于第一预设而小于第二预设范围内,则所述被检测对象的偏转角度和偏转方向为可疑偏转,但是不会触发报警。
若确定所述被检测对象的脸部图像偏转信息为脸部偏转角度60度和脸部偏转方向向右,此时,所述被检测对象的脸部图像偏转信息中的脸部偏转角度60度和脸部偏转方向向右在大于第二预设范围内,则所述被检测对象的偏转角度和偏转方向为触发报警偏转,触发报警。
上面只是对实际应用中的三个不同的偏转角度和偏转方向进行了举例说明,其实在实际的被检测对象的脸部图像采集的过程中,会采集到不同的脸部图像,将所采集到的不同的脸部图像与预设的脸部信息库中的多个参考图像进行比对,所述预设的脸部信息库中存储了多个参考脸部图像,确定所述被检测对象的脸部图像信息为脸部偏转角度和脸部偏转方向,判断所述被检测对象的脸部图像偏转信息中的脸部偏转角度和脸部偏转方向是否在第一预设范围内,若是,则所述被检测对象的偏转角度为正常偏转,若否,则判断所述被检测对象的脸部图像偏转信息中的偏转角度和脸部偏转方向是否在大于所述第一预设而小于第二预设范围内,若是,则所述被检测对象的偏转角度和偏转方向为可疑偏转,若否,则判断所述被检测对象的脸部图像偏转信息中的脸部偏转角度和脸部偏转方向是否大于所述第二预设范围,若是,则所述被检测对象的脸部偏转角度和偏转方向为触发报警偏转,所述被检测对象的脸部信息符合预设报警条件,所述被检测对象的脸部图像偏转信息中偏转角度和脸部偏转方向为触发报警偏转时,触发报警。
本发明中,图5为一种视频监控系统的结构示意图,参照图5所示,该系统包括:
视频采集器101和智能分析终端102;
所述视频采集器101,用于实时采集被检测对象的脸部图像,将所述脸部图像传递给所述智能分析终端102;
所述智能分析终端102与所述视频采集器101相连,用于接收所述视频采集器101传送的所述被检测对象的脸部图像,并将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行对比,确定所述被检测对象的脸部图像偏转信息,判断被检测对象的脸部图像偏转信息是否符合预设报警条件,如果是,则触发报警。
上述实施例对应的视频监控系统,视频采集器用于实时采集被检测对象的脸部图像,将所述脸部图像传递给所述智能分析终端,所述智能分析终端接收所述被检测对象的脸部图像,并将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行对比,确定所述被检测对象的脸部图像偏转信息,判断被检测对象的脸部图像偏转信息是否符合预设报警条件,如果是,则出发报警,提高了监控准确率。
在上述的系统中,所述报警模块为蜂鸣器或指示灯。
上述实施例对应的视频监控系统,所述报警模块为蜂鸣器或指示灯,方便提醒值班员调整脸部偏转角度和偏转方向,提高了监控的准确率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况 下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽范围。
Claims (8)
1.一种视频监控方法,其特征在于,步骤包括:
实时采集被检测对象的脸部图像;
将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对,确定所述被检测对象的脸部图像偏转信息,判断被检测对象的脸部图像偏转信息是否符合预设报警条件,如果是,则触发报警。
2.根据权利要求1所述的方法,其特征在于,所述确定被检测对象的脸部偏转信息包括:脸部偏转角度。
3.根据权利要求1所述的方法,其特征在于,所述与预设的脸部信息库中的多个参考脸部图像进行比对包括:
将所述被检测对象的脸部图像中的偏转角度与预设的脸部信息库中的多个参考脸部图像的偏转角度进行比对。
4.根据权利要求2所述的方法,其特征在于,判断被检测对象的脸部图像偏转信息是否符合预设报警条件的过程:
判断所述被检测对象的脸部图像偏转信息中的脸部偏转角度是否在第一预设范围内,若是,则所述被检测对象的偏转角度为正常偏转;
若否,则判断所述被检测对象的脸部图像偏转信息中的偏转角度是否在大于所述第一预设而小于第二预设范围内,若是,则所述被检测对象的偏转角度为可疑偏转;
若否,则判断所述被检测对象的脸部图像偏转信息中的脸部偏转角度是否大于所述第二预设范围,若是,则所述被检测对象的脸部偏转角度为触发报警偏转,所述被检测对象的脸部图像偏转信息符合预设报警条件。
5.根据权利要求1-4中任意一项所述的方法,其特征在于,所述确定被检测对象的脸部偏转信息还包括:脸部偏转方向。
6.一种视频监控系统,其特征在于,包括:视频采集器和智能分析终端;
所述视频采集器,用于实时采集被检测对象的脸部图像,将所述脸部图像传递给所述智能分析终端;
所述智能分析终端与所述视频采集器相连,用于接收所述视频采集器传送的所述被检测对象的脸部图像,并将所述被检测对象的脸部图像与预设的脸部信息库中的多个参考脸部图像进行比对,确定所述被检测对象的脸部图像偏转信息,判断被检测对象的脸部图像偏转信息是否符合预设报警条件,如果是,则触发报警。
7.根据权利要求6所述的系统,其特征在于,所述报警模块为蜂鸣器或者指示灯。
8.根据权利要求6所述的系统,其特征在于,所述确定被检测对象的脸部偏转信息包括:被检测对象的脸部偏转角度,或者,被检测对象的脸部偏转角度和脸部偏转方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101285127A CN102647580A (zh) | 2012-04-27 | 2012-04-27 | 一种视频监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101285127A CN102647580A (zh) | 2012-04-27 | 2012-04-27 | 一种视频监控方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102647580A true CN102647580A (zh) | 2012-08-22 |
Family
ID=46660128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101285127A Pending CN102647580A (zh) | 2012-04-27 | 2012-04-27 | 一种视频监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102647580A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679471A (zh) * | 2017-09-24 | 2018-02-09 | 天津大学 | 基于视频监控平台的室内人员空岗检测方法 |
CN108710839A (zh) * | 2018-05-08 | 2018-10-26 | 中山大学 | 一种基于深度学习计算机视觉的哨兵瞌睡智能监控系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515324A (zh) * | 2009-01-21 | 2009-08-26 | 上海银晨智能识别科技有限公司 | 适用于多种姿态的人脸识别布控系统及方法 |
CN101593352A (zh) * | 2009-06-12 | 2009-12-02 | 浙江大学 | 基于面部朝向和视觉焦点的驾驶安全监测系统 |
CN101847218A (zh) * | 2009-03-25 | 2010-09-29 | 微星科技股份有限公司 | 人流计数系统及其方法 |
US20110261038A1 (en) * | 2010-04-26 | 2011-10-27 | Hon Hai Precision Industry Co., Ltd. | Electronic device and method of adjusting viewing angles of liquid crystal displays |
-
2012
- 2012-04-27 CN CN2012101285127A patent/CN102647580A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101515324A (zh) * | 2009-01-21 | 2009-08-26 | 上海银晨智能识别科技有限公司 | 适用于多种姿态的人脸识别布控系统及方法 |
CN101847218A (zh) * | 2009-03-25 | 2010-09-29 | 微星科技股份有限公司 | 人流计数系统及其方法 |
CN101593352A (zh) * | 2009-06-12 | 2009-12-02 | 浙江大学 | 基于面部朝向和视觉焦点的驾驶安全监测系统 |
US20110261038A1 (en) * | 2010-04-26 | 2011-10-27 | Hon Hai Precision Industry Co., Ltd. | Electronic device and method of adjusting viewing angles of liquid crystal displays |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679471A (zh) * | 2017-09-24 | 2018-02-09 | 天津大学 | 基于视频监控平台的室内人员空岗检测方法 |
CN107679471B (zh) * | 2017-09-24 | 2020-03-06 | 天津大学 | 基于视频监控平台的室内人员空岗检测方法 |
CN108710839A (zh) * | 2018-05-08 | 2018-10-26 | 中山大学 | 一种基于深度学习计算机视觉的哨兵瞌睡智能监控系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104133986B (zh) | 一种面向多业务对象的配网告警信息综合推理分析方法 | |
CN106534789A (zh) | 一种一体化智慧型安防视频监控系统 | |
CN102717815B (zh) | 一种特种车智能告警方法及其告警系统 | |
CN100527178C (zh) | 警情自动跟踪显示系统 | |
CN105763853A (zh) | 一种公共区域拥挤、踩踏事件应急预警方法 | |
CN102446390A (zh) | 一种对输电线路附近监控区域进行安全检测、预警的方法和系统 | |
CN104167067A (zh) | 城市井盖、栏杆监控报警系统及其监控方法 | |
CN113793234B (zh) | 基于数字孪生技术的智慧园区平台 | |
CN102647581A (zh) | 一种视频监控方法及系统 | |
CN107473040A (zh) | 基于SAAS和Beacon的特种设备安全运行动态监管监控方法及装置 | |
CN210691346U (zh) | 一种基于工地隐患自动识别系统 | |
CN109977840A (zh) | 一种基于深度学习的机场场面监视方法 | |
CN106982415A (zh) | 公共场所人流密度的监测系统和监测方法 | |
CN112150335A (zh) | 一种智慧消防数据可视化监控系统及其监控方法 | |
CN110286300A (zh) | 一种多分支输电线路故障定位方法、装置、设备及系统 | |
CN102647580A (zh) | 一种视频监控方法及系统 | |
CN204788342U (zh) | 爬模系统的在线监测系统 | |
CN104574729A (zh) | 一种报警方法、装置及系统 | |
CN105739408A (zh) | 一种电力调度系统用业务监控方法及系统 | |
CN213424017U (zh) | 一种智能工地系统 | |
CN107820051A (zh) | 监控系统及其监控方法和装置 | |
CN112365740A (zh) | 告警展示方法和装置 | |
CN102325250B (zh) | 基于社会力模型的监控系统 | |
CN203025900U (zh) | 人脸识别报警设备 | |
CN109003454A (zh) | 一种停车场停车安全监控系统 |
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: 20120822 |