CN105404895A - 一种异常状态的识别方法和识别系统 - Google Patents

一种异常状态的识别方法和识别系统 Download PDF

Info

Publication number
CN105404895A
CN105404895A CN201510740142.6A CN201510740142A CN105404895A CN 105404895 A CN105404895 A CN 105404895A CN 201510740142 A CN201510740142 A CN 201510740142A CN 105404895 A CN105404895 A CN 105404895A
Authority
CN
China
Prior art keywords
data
abnormality
abnormal state
abnormal
model
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
Application number
CN201510740142.6A
Other languages
English (en)
Inventor
杨锦洲
丁鼎
张国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201510740142.6A priority Critical patent/CN105404895A/zh
Publication of CN105404895A publication Critical patent/CN105404895A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Telephonic Communication Services (AREA)

Abstract

本发明公开了一种异常状态的识别方法和识别系统，所述异常状态的识别方法包括：获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据，将所述异常状态数据与预设的异常状态模型进行匹配，若所述异常状态数据与所述异常状态模型匹配成功，确定所述个体处于异常状态。本发明提供的技术方案将个体的异常状态数据与预设的异常状态模型进行匹配，根据匹配结果识别个体是否处于异常状态，从而提高了识别犯罪行为的准确性和及时性。另外，通过建模方式识别个体是否处于异常状态，充分利用了大数据，具有更高的实时性和真实性。

Description

一种异常状态的识别方法和识别系统
技术领域
本发明涉及智能监测技术领域，尤其涉及一种异常状态的识别方法和识别系统。
背景技术
现有的视频监控系统虽然覆盖范围迅速增大，但是仍然存在许多盲区，尤其是偏远以及光线弱的地区很难被监控。然而，这些地区又是犯罪案件高发的地方。现有的视频监控系统大部分不能智能地进行多角度聚焦目标的拍摄，因此不能及时准确地识别犯罪行为。另外，大多数犯罪行为是突发行为，受害人一般很难有时间和机会拨打报警电话，即使拨打成功，出警的延时也会让犯罪分子对受害人造成一定的伤害。
发明内容
为解决上述问题，本发明提供一种异常状态的识别方法和识别系统，用于解决现有技术识别异常状态的准确性和及时性低的问题。
为此，本发明提供一种异常状态的识别方法，包括：
获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据；
将所述异常状态数据与预设的异常状态模型进行匹配；
若所述异常状态数据与所述异常状态模型匹配成功，确定所述个体处于异常状态。
可选的，还包括：
若所述异常状态数据与所述异常状态模型匹配失败，确定所述个体处于正常状态。
可选的，所述将所述异常状态数据与预设的异常状态模型进行匹配的步骤之前包括：
获取个体的历史状态数据，所述历史状态数据包括生理特征数据和行为特征数据；
根据所述历史状态数据形成异常状态模型。
可选的，所述生理特征数据包括心率数据、脉搏数据、血压数据以及呼吸数据，所述行为特征数据包括网络行为数据、运动轨迹数据以及身体震动数据。
可选的，还包括：
根据异常状态信息向终端发送预警信息或者报警信息。
本发明还提供一种异常状态的识别系统，包括：
第一获取单元，用于获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据；
第一匹配单元，用于将所述异常状态数据与预设的异常状态模型进行匹配；
第一确定单元，用于若所述异常状态数据与所述异常状态模型匹配成功，确定所述个体处于异常状态。
可选的，还包括：
第二确定单元，用于若所述异常状态数据与所述异常状态模型匹配失败，确定所述个体处于正常状态。
可选的，还包括：
第二获取单元，用于获取个体的历史状态数据，所述历史状态数据包括生理特征数据和行为特征数据；
第一形成单元，用于根据所述历史状态数据形成异常状态模型。
可选的，所述生理特征数据包括心率数据、脉搏数据、血压数据以及呼吸数据，所述行为特征数据包括网络行为数据、运动轨迹数据以及身体震动数据。
可选的，还包括：
第一发送单元，用于根据异常状态信息向终端发送预警信息或者报警信息。
本发明具有下述有益效果：
本发明提供的异常状态的识别方法和识别系统中，所述异常状态的识别方法包括：获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据，将所述异常状态数据与预设的异常状态模型进行匹配，若所述异常状态数据与所述异常状态模型匹配成功，确定所述个体处于异常状态。本发明提供的技术方案将个体的异常状态数据与预设的异常状态模型进行匹配，根据匹配结果识别个体是否处于异常状态，从而提高了识别犯罪行为的准确性和及时性。另外，通过建模方式识别个体是否处于异常状态，充分利用了大数据，具有更高的实时性和真实性。
附图说明
图1为本发明实施例一提供的一种异常状态的识别方法的流程图；
图2为本发明实施例二提供的一种异常状态的识别系统的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图对本发明提供的异常状态的识别方法和识别系统进行详细描述。
实施例一
图1为本发明实施例一提供的一种异常状态的识别方法的流程图。如图1，所述异常状态的识别方法包括：
步骤1001、获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据。
本实施例中，所述异常生理数据包括心率数据、脉搏数据、血压数据以及呼吸数据，所述异常行为数据包括网络行为数据、运动轨迹数据以及身体震动数据。在实际应用中，智能手机和可穿戴智能设备已经非常普及，上述智能手机和可穿戴智能设备能够收集用户如下行为特征数据：网络行为数据、持有者的位置、移动路径以及移动速度，也能够收集如下生理特征数据：持有者的心跳、呼吸等生物体征。上述数据在通常状态下均在一个合理的范围之内波动，当个体遇到歹徒劫持、发生交通意外等突发情况时，上述数据必然会出现异常，智能终端设备就能够获得上述异常数据。
本实施例中，所述将所述异常状态数据与预设的异常状态模型进行匹配的步骤之前包括：获取个体的历史状态数据，所述历史状态数据包括生理特征数据和行为特征数据，根据所述历史状态数据形成异常状态模型。可选的，所述生理特征数据包括心率数据、脉搏数据、血压数据以及呼吸数据，所述行为特征数据包括网络行为数据、运动轨迹数据以及身体震动数据。首先，采集日常状态下个体的生理特征数据和行为特征数据，上述数据可以通过视频监控系统、智能手机以及可穿戴智能设备进行收集。然后，对上述历史状态数据进行机器学习和模型建立。所述机器学习就是通过收集的历史状态数据对犯罪状态进行定义适配，确定相应的阈值条件，同时根据之后收集的历史状态数据不断学习和修正。所述模型建立就是根据历史状态数据在机器学习的基础上对异常状态进行模型固化以便能够在异常状态数据导入之后快速识别。
步骤1002、将所述异常状态数据与预设的异常状态模型进行匹配。
步骤1003、若所述异常状态数据与所述异常状态模型匹配成功，确定所述个体处于异常状态。
步骤1004、若所述异常状态数据与所述异常状态模型匹配失败，确定所述个体处于正常状态。
本实施例中，个体在日常状态下的行动轨迹会相对正常、心跳水平、震动程度、呼吸强度相对处于稳定状态，当个体遭遇犯罪或突发事故时，上述个体的轨迹和震动程度会发生突变，例如，掉入坑中、被犯罪分子劫持拖入其它地点以及与犯罪分子之间发生的挣扎、反抗以及搏斗时，个体的心率、脉搏、血压以及呼吸也会因为高度紧张而产生较大变化，将上述异常状态数据与所述异常状态模型的设定值进行匹配，若匹配成功可以确定所述个体处于异常状态，若匹配失败可以确定所述个体处于正常状态。
如果确定所述个体处于异常状态，根据异常状态信息向终端发送预警信息或者报警信息。在实际应用中，可以通过短信发送或提供位置信息的APP发出预警信息或报警信息给上述个体的紧急联系人、周边人员以及公安人员，而且可以将上述异常状态上传至网络平台。同时，如果个体周边存在视频监控系统，也可以通过视频监控系统定位到事发地点进行聚焦拍摄。
本实施例提供的异常状态的识别方法包括：获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据，将所述异常状态数据与预设的异常状态模型进行匹配，若所述异常状态数据与所述异常状态模型匹配成功，确定所述个体处于异常状态。本实施例提供的技术方案将个体的异常状态数据与预设的异常状态模型进行匹配，根据匹配结果识别个体是否处于异常状态，从而提高了识别犯罪行为的准确性和及时性。另外，通过建模方式识别个体是否处于异常状态，充分利用了大数据，具有更高的实时性和真实性。
实施例二
图2为本发明实施例二提供的一种异常状态的识别系统的结构示意图。如图2所示，所述异常状态的识别系统包括第一获取单元101、第一匹配单元102、第一确定单元103以及第二确定单元104。所述第一获取单元101获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据。所述第一匹配单元102将所述异常状态数据与预设的异常状态模型进行匹配。若所述异常状态数据与所述异常状态模型匹配成功，所述第一确定单元103确定所述个体处于异常状态。若所述异常状态数据与所述异常状态模型匹配失败，所述第二确定单元104确定所述个体处于正常状态。
本实施例中，所述异常生理数据包括心率数据、脉搏数据、血压数据以及呼吸数据，所述异常行为数据包括网络行为数据、运动轨迹数据以及身体震动数据。在实际应用中，视频监控系统能够实时或准实时进行监视数据交换，具备视频数据快速解析能力。手持设备主要为智能手机或可穿戴智能设备，具备收集用户运动轨迹、状态及基本生物体征的功能。另外，报警系统的报警数据可以作为机器学习的知识储备输入端口以及报警预警的一个输出端口。因此，第一获取单元101，例如，视频监控系统、智能手机、可穿戴智能设备以及报警系统能够收集用户如下行为特征数据：网络行为数据、持有者的位置、移动路径以及移动速度，也能够收集如下生理特征数据：持有者的心跳、呼吸等生物体征。上述数据在通常状态下均在一个合理的范围之内波动，当个体遇到歹徒劫持、发生交通意外等突发情况时，上述数据必然会出现异常，智能终端设备就能够获得上述异常数据。
本实施例中，所述识别系统还包括第二获取单元和第一形成单元，所述第二获取单元获取个体的历史状态数据，所述历史状态数据包括生理特征数据和行为特征数据，所述第一形成单元根据所述历史状态数据形成异常状态模型。可选的，所述生理特征数据包括心率数据、脉搏数据、血压数据以及呼吸数据，所述行为特征数据包括网络行为数据、运动轨迹数据以及身体震动数据。首先，第一获取单元101获取日常状态下个体的生理特征数据和行为特征数据，上述数据可以通过视频监控系统、智能手机以及可穿戴智能设备进行收集。然后，第一匹配单元102对上述历史状态数据进行机器学习和模型建立。所述机器学习就是通过收集的历史状态数据对犯罪状态进行定义适配，确定相应的阈值条件，同时根据之后收集的历史状态数据不断学习和修正。所述模型建立就是根据历史状态数据在机器学习的基础上对异常状态进行模型固化以便能够在异常状态数据导入之后快速识别。
本实施例中，个体在日常状态下的行动轨迹会相对正常、心跳水平、震动程度、呼吸强度相对处于稳定状态，当个体遭遇犯罪或突发事故时，上述个体的轨迹和震动程度会发生突变，例如，掉入坑中、被犯罪分子劫持拖入其它地点以及与犯罪分子之间发生的挣扎、反抗以及搏斗时，个体的心率、脉搏、血压以及呼吸也会因为高度紧张而产生较大变化，第一匹配单元102将上述异常状态数据与所述异常状态模型的设定值进行匹配，若匹配成功第一确定单元103确定所述个体处于异常状态，若匹配失败第二确定单元104确定所述个体处于正常状态。
如果第一确定单元103确定所述个体处于异常状态，第一发送单元根据异常状态信息向终端发送预警信息或者报警信息。在实际应用中，第一发送单元可以通过短信发送或提供位置信息的APP发出预警信息或报警信息给上述个体的紧急联系人、周边人员以及公安人员，而且可以将上述异常状态上传至网络平台。同时，如果个体周边存在视频监控系统，第一发送单元也可以通过视频监控系统定位到事发地点进行聚焦拍摄。
本实施例提供的异常状态的识别系统包括第一获取单元、第一匹配单元、第一确定单元以及第二确定单元，所述第一获取单元获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据，所述第一匹配单元将所述异常状态数据与预设的异常状态模型进行匹配，若所述异常状态数据与所述异常状态模型匹配成功，所述第一确定单元确定所述个体处于异常状态。本实施例提供的技术方案将个体的异常状态数据与预设的异常状态模型进行匹配，根据匹配结果识别个体是否处于异常状态，从而提高了识别犯罪行为的准确性和及时性。另外，通过建模方式识别个体是否处于异常状态，充分利用了大数据，具有更高的实时性和真实性。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种异常状态的识别方法，其特征在于，包括：
获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据；
将所述异常状态数据与预设的异常状态模型进行匹配；
若所述异常状态数据与所述异常状态模型匹配成功，确定所述个体处于异常状态。
2.根据权利要求1所述异常状态的识别方法，其特征在于，还包括：
若所述异常状态数据与所述异常状态模型匹配失败，确定所述个体处于正常状态。
3.根据权利要求1所述异常状态的识别方法，其特征在于，所述将所述异常状态数据与预设的异常状态模型进行匹配的步骤之前包括：
获取个体的历史状态数据，所述历史状态数据包括生理特征数据和行为特征数据；
根据所述历史状态数据形成异常状态模型。
4.根据权利要求3所述异常状态的识别方法，其特征在于，所述生理特征数据包括心率数据、脉搏数据、血压数据以及呼吸数据，所述行为特征数据包括网络行为数据、运动轨迹数据以及身体震动数据。
5.根据权利要求1所述异常状态的识别方法，其特征在于，还包括：
根据异常状态信息向终端发送预警信息或者报警信息。
6.一种异常状态的识别系统，其特征在于，包括：
第一获取单元，用于获取个体的异常状态数据，所述异常状态数据包括异常生理数据和/或异常行为数据；
第一匹配单元，用于将所述异常状态数据与预设的异常状态模型进行匹配；
第一确定单元，用于若所述异常状态数据与所述异常状态模型匹配成功，确定所述个体处于异常状态。
7.根据权利要求6所述异常状态的识别系统，其特征在于，还包括：
第二确定单元，用于若所述异常状态数据与所述异常状态模型匹配失败，确定所述个体处于正常状态。
8.根据权利要求6所述异常状态的识别系统，其特征在于，还包括：
第二获取单元，用于获取个体的历史状态数据，所述历史状态数据包括生理特征数据和行为特征数据；
第一形成单元，用于根据所述历史状态数据形成异常状态模型。
9.根据权利要求8所述异常状态的识别系统，其特征在于，所述生理特征数据包括心率数据、脉搏数据、血压数据以及呼吸数据，所述行为特征数据包括网络行为数据、运动轨迹数据以及身体震动数据。
10.根据权利要求6所述异常状态的识别系统，其特征在于，还包括：
第一发送单元，用于根据异常状态信息向终端发送预警信息或者报警信息。
CN201510740142.6A 2015-11-03 2015-11-03 一种异常状态的识别方法和识别系统 Pending CN105404895A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510740142.6A CN105404895A (zh) 2015-11-03 2015-11-03 一种异常状态的识别方法和识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510740142.6A CN105404895A (zh) 2015-11-03 2015-11-03 一种异常状态的识别方法和识别系统

Publications (1)

Publication Number Publication Date
CN105404895A true CN105404895A (zh) 2016-03-16

Family

ID=55470370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510740142.6A Pending CN105404895A (zh) 2015-11-03 2015-11-03 一种异常状态的识别方法和识别系统

Country Status (1)

Country Link
CN (1) CN105404895A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869345A (zh) * 2016-03-24 2016-08-17 北京小米移动软件有限公司 基于可穿戴设备的报警方法、装置和设备
CN105966310A (zh) * 2016-06-29 2016-09-28 苏州大学 一种状态监测方法、终端设备、服务器及状态监测系统
CN105997024A (zh) * 2016-05-09 2016-10-12 中国联合网络通信集团有限公司 预警方法和预警系统
CN106448055A (zh) * 2016-12-21 2017-02-22 Tcl集团股份有限公司 一种监控报警的方法及装置
CN106418926A (zh) * 2016-08-29 2017-02-22 成都曼巴科技有限公司 一种在预设范围内监控的预防犯罪系统
CN107146386A (zh) * 2017-05-05 2017-09-08 广东小天才科技有限公司 一种异常行为检测方法及装置、用户设备
CN108664608A (zh) * 2018-05-11 2018-10-16 中国联合网络通信集团有限公司 可疑人员的识别方法、装置及计算机可读存储介质
CN112262353A (zh) * 2018-06-11 2021-01-22 松下知识产权经营株式会社 异常解析装置、制造系统、异常解析方法以及程序
US11294383B2 (en) * 2016-08-12 2022-04-05 Lg Electronics Inc. Self-learning robot

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101635835A (zh) * 2008-07-25 2010-01-27 深圳市信义科技有限公司 智能视频监控方法及系统
CN102138789A (zh) * 2011-01-24 2011-08-03 无锡微感科技有限公司 一种动态心电和运动记录与分析系统
CN102525434A (zh) * 2012-01-04 2012-07-04 安阳工学院 一种远程电子监护装置
CN103095728A (zh) * 2013-02-07 2013-05-08 重庆大学 一种基于行为数据融合的网络安全评分系统和方法
US20130317319A1 (en) * 2012-05-23 2013-11-28 National Cheng Kung University Physiology monitoring system and physiology monitoring method
CN103854027A (zh) * 2013-10-23 2014-06-11 北京邮电大学 一种人群行为识别方法
CN104688250A (zh) * 2015-03-16 2015-06-10 深圳大学 用于精神紧张判断及心脏性猝死的预警方法及预警系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101635835A (zh) * 2008-07-25 2010-01-27 深圳市信义科技有限公司 智能视频监控方法及系统
CN102138789A (zh) * 2011-01-24 2011-08-03 无锡微感科技有限公司 一种动态心电和运动记录与分析系统
CN102525434A (zh) * 2012-01-04 2012-07-04 安阳工学院 一种远程电子监护装置
US20130317319A1 (en) * 2012-05-23 2013-11-28 National Cheng Kung University Physiology monitoring system and physiology monitoring method
CN103095728A (zh) * 2013-02-07 2013-05-08 重庆大学 一种基于行为数据融合的网络安全评分系统和方法
CN103854027A (zh) * 2013-10-23 2014-06-11 北京邮电大学 一种人群行为识别方法
CN104688250A (zh) * 2015-03-16 2015-06-10 深圳大学 用于精神紧张判断及心脏性猝死的预警方法及预警系统

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869345A (zh) * 2016-03-24 2016-08-17 北京小米移动软件有限公司 基于可穿戴设备的报警方法、装置和设备
CN105997024A (zh) * 2016-05-09 2016-10-12 中国联合网络通信集团有限公司 预警方法和预警系统
CN105966310A (zh) * 2016-06-29 2016-09-28 苏州大学 一种状态监测方法、终端设备、服务器及状态监测系统
CN105966310B (zh) * 2016-06-29 2018-09-11 苏州大学 一种状态监测方法、终端设备、服务器及状态监测系统
US11294383B2 (en) * 2016-08-12 2022-04-05 Lg Electronics Inc. Self-learning robot
CN106418926A (zh) * 2016-08-29 2017-02-22 成都曼巴科技有限公司 一种在预设范围内监控的预防犯罪系统
CN106448055A (zh) * 2016-12-21 2017-02-22 Tcl集团股份有限公司 一种监控报警的方法及装置
CN107146386A (zh) * 2017-05-05 2017-09-08 广东小天才科技有限公司 一种异常行为检测方法及装置、用户设备
CN107146386B (zh) * 2017-05-05 2019-12-31 广东小天才科技有限公司 一种异常行为检测方法及装置、用户设备
CN108664608A (zh) * 2018-05-11 2018-10-16 中国联合网络通信集团有限公司 可疑人员的识别方法、装置及计算机可读存储介质
CN112262353A (zh) * 2018-06-11 2021-01-22 松下知识产权经营株式会社 异常解析装置、制造系统、异常解析方法以及程序

Similar Documents

Publication Publication Date Title
CN105404895A (zh) 一种异常状态的识别方法和识别系统
CN110569720B (zh) 一种基于音视频处理系统的音视频智能识别处理方法
CN107679504A (zh) 基于摄像头场景的人脸识别方法、装置、设备及存储介质
CN104463174A (zh) 一种多角度动态人物识别及行为预测系统
CN107818312A (zh) 一种基于异常行为识别的嵌入式系统
CN106341661B (zh) 巡逻机器人
CN103297512A (zh) 一种基于云技术的人脸识别区域网络智能监控系统及方法
CN104821060A (zh) 一种抢劫预警方法及装置
CN102917207A (zh) 基于运动序列的异常行为视觉监测系统
CN110459027A (zh) 一种基于多源异构数据融合的社区安全防护方法及系统
CN104820834A (zh) 一种斗殴预警方法及装置
WO2018232846A1 (zh) 一种大范围周边安全监控方法和系统
CN109460744A (zh) 一种基于深度学习的视频监控系统
CN106652291A (zh) 一种基于Kinect的室内简易监控报警系统及方法
CN116092119A (zh) 基于多维度特征融合的人体行为识别系统及其工作方法
CN103247150A (zh) 防疲劳驾驶系统
CN114024574B (zh) 一种用于输电线路的隐患状态识别方法及设备
CN204929052U (zh) 一种互联网安防监控智能管理系统
CN106448055B (zh) 一种监控报警的方法及装置
CN114677826A (zh) 一种基于个体行为与生理特征的精神病人暴力预警系统
CN105318196B (zh) 一种输油管道仿真监控方法及系统
CN109740663A (zh) 一种基于深度ai算法的疏通人流系统及方法
CN113055643A (zh) 一种智能化标准定位系统
CN201830395U (zh) 一种油井监测系统
CN106803937A (zh) 一种具有文本日志的双摄像头视频监控方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20160316

RJ01 Rejection of invention patent application after publication