CN105447463B - 变电站基于人体特征识别的跨摄像机自动跟踪系统 - Google Patents
变电站基于人体特征识别的跨摄像机自动跟踪系统 Download PDFInfo
- Publication number
- CN105447463B CN105447463B CN201510813655.5A CN201510813655A CN105447463B CN 105447463 B CN105447463 B CN 105447463B CN 201510813655 A CN201510813655 A CN 201510813655A CN 105447463 B CN105447463 B CN 105447463B
- Authority
- CN
- China
- Prior art keywords
- substation
- camera
- module
- feature
- automatically
- 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.)
- Active
Links
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 239000013598 vector Substances 0.000 claims description 42
- 238000000034 method Methods 0.000 claims description 17
- 230000009545 invasion Effects 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 9
- 238000003909 pattern recognition Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 239000013307 optical fiber Substances 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 238000004321 preservation Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000004941 influx Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Water Supply & Treatment (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种变电站基于人体特征识别的跨摄像机自动跟踪系统,包括变电站前端摄像机组、变电站内自动跟踪智能识别服务器和若干远程客户端。通过安装在变电站围墙上的摄像机组对进入变电站范围内的人进行人体检测、识别,并实现跨摄像机自动跟踪。本发明可以将进入变电站的人的所有轨迹,记录并保存下来。
Description
技术领域
本发明公开了一种变电站基于人体特征识别的跨摄像机自动跟踪系统,属于变电站自动化控制系统技术领域。
背景技术
变电站均已实现无人值守,特别是“三集五大”体系下,变电检修人员和运维人员的配置规模缩减,运维人员工作量增加,切实保护无人值守变电站稳定可靠运行变得尤为重要,但是无人值守变电站往往发生社会盲流进入无人值守变电站,破坏设备等情况。
发明内容
本发明的目的在于提供一种变电站基于人体特征识别的跨摄像机自动跟踪系统,实现设定时间段对非法进入变电站人员进行检测、识别、跨摄像机间的自动跟踪,同时给远程运维人员推送及时报警信息,并将目标物体在变电站所有轨迹记录在数据库,方便管理人员随时调看,提供事后取证。
为达到上述目的,本发明采用的技术方案如下:
变电站基于人体特征识别的跨摄像机自动跟踪系统,其特征在于,包括若干变电站前端摄像机组、变电站内自动跟踪智能识别服务器和若干远程客户端;
所述前端摄像机组为两个枪型摄像机和一个球型摄像机为一组,球型摄像机和枪型摄像机分别安装在支架的最顶端,且球型摄像机在两个枪型摄像机的中间;
所述若干变电站前端摄像机组安装在变电站围墙上;
所述变电站前端摄像机组与变电站内自动跟踪智能识别服务器之间通过光纤进行通讯,在变电站内自动跟踪智能识别服务器与变电站前端摄像机组之间设置光端收发器和交换器;
所述变电站内自动跟踪智能识别服务器后台服务能将非法入侵人员所有轨迹记录,保存在后台,并将报警信息推送到远程客户端;
所述变电站内自动跟踪智能识别服务器和远程客户端通过电力内网实现通讯;
所述变电站内自动跟踪智能识别服务器包括如下模块:
智能图像识别模块:将变电站前端摄像机组采集传输来的图像进行人体检测识别;
模式识别模块:对智能图像识别模块检测到的人体进行特征提取,再利用分类器确定非法入侵目标物体;
跨摄像机数据处理模块:对多台变电站前端摄像机组获取的非法入侵目标物体的特征向量进行分析,确定为同一运动目标,实现跨摄像机自动跟踪;
视频整合模块:将同一个运动目标在不同变电站前端摄像机组跟踪到的轨迹、截取的视频整合成一个完整的连续视频;
数据录入模块:将视频整合模块整合的视频,保存在数据库中。
前述的变电站前端摄像机组为网络摄像机。
前述的变电站前端摄像机组为模拟摄像机,且在变电站内自动跟踪智能识别服务器上增加硬盘录像机,用于获取变电站前端摄像机组的视频帧图片。
前述的智能图像识别模块进行人体检测识别的具体方法为:首先将变电站前端摄像机组采集到的视频图像转换为灰度图像,再对其进行去噪处理,通过混合高斯背景建模的方法对静态场景进行建模,然后用背景差分法进行运动目标检测,在经过阴影消除后,进行二值化处理,得到前景为白色,背景为黑色的图像,然后在通过形态学图像处理方法进行小孔洞的填充,最后,对留下的大的区域进行连通性分析,从而实现变电站场景内的人体检测识别。
前述的模式识别模块进行特征提取具体方法为:在2D图片中抽出代表性更强的1D特征向量,每一个特征向量对应一个算法,一个算法对一张图片能映射出唯一的一个特征向量,具体步骤如下:
3-1)把64x128的图片分割成7x15个16x16大小的模块,相邻模块差8像素;
3-2)每个模块中的256个点,和附近点做一次梯度计算,算出属于的bin数和梯度值;
3-3)把16x16的模块分成4个8x8的小块;
3-4)每个8x8的小块中的64个点用他们各自的梯度值给bin个直方图投票,计算每个bin的总得票数;
3-5)将每个小块的直方图做归一化,共9维;
3-6)组合所有模块的直方图向量,得到最终的特征向量(9x4x105)。
前述的模式识别模块将检测到的非法入侵目标物体特征向量提取出来后,将该特征向量信息保存在跨摄像机数据处理模块中,形成特征向量库,当别的变电站前端摄像机组中出现了运动目标,并被检测、识别、提取特征向量后,将提取的特征向量和之前存储在特征向量库中的非法入侵目标物体的特征向量进行差值法计算,寻找出最接近的特征向量,确定两者对应的运动目标为同一目标,实现跨摄像机自动跟踪。
本发明具有以下优点:
1)实现管理人员、运维人员远程查看变电站现场情况。
2)当有非法入侵变电站人员,能准确检测、识别,并能对其进行跨摄像机自动跟踪。
3)变电站内自动跟踪智能识别服务器后台服务能将非法入侵人员所有轨迹记录,保存在后台,并将报警信息推送到远程客户端。
附图说明
图1为本发明的变电站基于人体特征识别的跨摄像机自动跟踪系统结构示意图;
图2为智能图像识别模块人体检测过程流程图;
图3为模式识别模块分类器训练人体特征和检测的流程图。
具体实施方式
现结合附图和具体实施方式对本发明作进一步详细说明。
如图1所示,本发明的变电站基于人体特征识别的跨摄像机自动跟踪系统,包括若干变电站前端摄像机组、变电站内自动跟踪智能识别服务器和若干远程客户端。变电站前端摄像机组安装在变电站围墙上,如图1所示,前端摄像机组两枪一球为一组,即两个枪型摄像机和一个球型摄像机,球型摄像机和枪型摄像机分别安装在支架的最顶端,且球型摄像机在两个枪型摄像机的中间。变电站前端摄像机组可以为网络摄像机,也可以为模拟摄像机,模拟摄像机需要在自动跟踪智能识别服务器上增加硬盘录像机,用于获取变电站前端摄像机组的视频帧图片。变电站前端摄像机组与变电站内自动跟踪智能识别服务器之间通过光纤进行通讯,在变电站内自动跟踪智能识别服务器与变电站前端摄像机组之间设置光端收发器和交换器。变电站内自动跟踪智能识别服务器后台服务能将非法入侵人员所有轨迹记录,保存在后台,并将报警信息推送到远程客户端。变电站内自动跟踪智能识别服务器和远程客户端通过电力内网实现通讯。
变电站内自动跟踪智能识别服务器包括如下模块:
(1)智能图像识别模块:将变电站前端摄像机组采集传输来的图像进行人体检测识别。如图2所示,具体人体检测识别方法为:首先将变电站前端摄像机组采集到的视频图像(RGB图像)转换为灰度图像,再对其进行去噪处理,通过混合高斯背景建模的方法对静态场景进行建模,然后用背景差分法进行运动目标检测(当前帧与背景帧做差分运算),在经过阴影消除后,进行二值化处理,得到前景为白色,背景为黑色的图像,然后在通过形态学图像处理方法进行小孔洞的填充;最后,对留下的较大的区域进行连通性分析,从而实现变电站场景内的人体检测。
(2)模式识别模块:对智能图像识别模块检测到的人体进行特征提取,再利用分类器确定非法入侵目标物体。当运动目标出现在变电站场景中,并准确检测识别出后,需要对该运动目标进行特征提取,本发明采用提取方向梯度直方图特征的方法(Histogram oforient gradient (HOG)),具体方法为:在2D图片中抽出代表性更强的1D特征向量,特征向量用来训练分类器或者检测该图片。每一个特征向量对应一个算法,一个算法对一张图片能映射出唯一的一个特征向量。具体步骤如下:
3-1)把64x128的图片分割成7x15个16x16大小的模块,相邻模块差8像素;
3-2)每个模块中的256个点,和附近点做一次梯度计算,算出属于的bin数和梯度值;
3-3)把16x16的模块分成4个8x8的小块;
3-4)每个8x8的小块中的64个点用他们各自的梯度值给bin个直方图投票,计算每个bin的总得票数;
3-5)将每个小块的直方图做归一化,共9维;
3-6)组合所有模块的直方图向量,得到最终的特征向量(9x4x105)。
当运动目标的特征向量提取出来后,系统能自动优化分类器,分类器的主要作用是:将该系统提取的特征向量做正负样本分类,且正样本需要有一定的差异性,包括不同性别、不同年龄、不同姿势、不同衣着、提取的人体的不同区域等等。确定目标物体,当系统在变电站运行时间越长,该系统提取的特征向量就越多,“见识”的人就越来越多,样本就越丰富,从而该系统就越来越准确。该分类器越精确,基于越来越精确的分类器,用分类器来确定的目标物体也越来越准确,具体流程如下图3所示。图3主要为分类器训练人体特征和检测的过程,首先搜集人体的数据集,然后截取训练需要的子数据,提取出人在变电站背景中的特征,最终得到训练的特征集合,从而得到准确的分类器;当分类器训练完成后,即可进行人体特征识别,当系统检测出移动物体后,将需要检测的物体截取的图片和分类器中的数据进行特征匹配,最终确定检测结果。
(3)跨摄像机数据处理模块:对多台变电站前端摄像机组获取的非法入侵目标物体的特征向量进行分析,确定为同一运动目标。模式识别模块将检测到的非法入侵目标物体特征向量提取出来后,将该特征向量信息保存在跨摄像机数据处理模块中,形成特征向量库,当别的变电站前端摄像机组中出现了运动目标,并被检测、识别、提取特征向量后,将提取的特征向量和之前存储在特征向量库中的特征向量进行差值法计算,寻找出最接近的特征向量,确定两者对应的运动目标为同一目标,这样可以实现跨摄像机自动跟踪。
(4)视频整合模块:将同一个目标在不同变电站前端摄像机组跟踪到的轨迹、截取的视频整合成一个完整的连续视频。
(5)数据录入模块:将视频整合模块整合的视频,保存在数据库中。
Claims (6)
1.变电站基于人体特征识别的跨摄像机自动跟踪系统,其特征在于,包括若干变电站前端摄像机组、变电站内自动跟踪智能识别服务器和若干远程客户端;
所述前端摄像机组为两个枪型摄像机和一个球型摄像机为一组,球型摄像机和枪型摄像机分别安装在支架的最顶端,且球型摄像机在两个枪型摄像机的中间;
所述若干变电站前端摄像机组安装在变电站围墙上;
所述变电站前端摄像机组与变电站内自动跟踪智能识别服务器之间通过光纤进行通讯,在变电站内自动跟踪智能识别服务器与变电站前端摄像机组之间设置光端收发器和交换器;
所述变电站内自动跟踪智能识别服务器后台服务能将非法入侵人员所有轨迹记录,保存在后台,并将报警信息推送到远程客户端;
所述变电站内自动跟踪智能识别服务器和远程客户端通过电力内网实现通讯;
所述变电站内自动跟踪智能识别服务器包括如下模块:
智能图像识别模块:将变电站前端摄像机组采集传输来的图像进行人体检测识别;
模式识别模块:对智能图像识别模块检测到的人体进行特征提取,再利用分类器确定非法入侵目标物体;
跨摄像机数据处理模块:对多台变电站前端摄像机组获取的非法入侵目标物体的特征向量进行分析,确定为同一运动目标,实现跨摄像机自动跟踪;
视频整合模块:将同一个运动目标在不同变电站前端摄像机组跟踪到的轨迹、截取的视频整合成一个完整的连续视频;
数据录入模块:将视频整合模块整合的视频,保存在数据库中。
2.根据权利要求1所述的变电站基于人体特征识别的跨摄像机自动跟踪系统,其特征在于,所述变电站前端摄像机组为网络摄像机。
3.根据权利要求1所述的变电站基于人体特征识别的跨摄像机自动跟踪系统,其特征在于,所述变电站前端摄像机组为模拟摄像机,且在变电站内自动跟踪智能识别服务器上增加硬盘录像机,用于获取变电站前端摄像机组的视频帧图片。
4.根据权利要求1所述的变电站基于人体特征识别的跨摄像机自动跟踪系统,其特征在于,所述智能图像识别模块进行人体检测识别的具体方法为:首先将变电站前端摄像机组采集到的视频图像转换为灰度图像,再对其进行去噪处理,通过混合高斯背景建模的方法对静态场景进行建模,然后用背景差分法进行运动目标检测,在经过阴影消除后,进行二值化处理,得到前景为白色,背景为黑色的图像,然后在通过形态学图像处理方法进行小孔洞的填充,最后,对留下的大的区域进行连通性分析,从而实现变电站场景内的人体检测识别。
5.根据权利要求1所述的变电站基于人体特征识别的跨摄像机自动跟踪系统,其特征在于,所述模式识别模块进行特征提取具体方法为:在2D图片中抽出代表性更强的1D特征向量,每一个特征向量对应一个算法,一个算法对一张图片能映射出唯一的一个特征向量,具体步骤如下:
3-1)把64x128的图片分割成105个16x16大小的模块,相邻模块差8像素;
3-2)每个模块中的256个点,和附近点做一次梯度计算,算出属于的bin数和梯度值;
3-3)把16x16的模块分成4个8x8的小块;
3-4)每个8x8的小块中的64个点用他们各自的梯度值给bin个直方图投票,计算每个bin的总得票数;
3-5)将每个小块的直方图做归一化,共9维;
3-6)组合所有模块的直方图向量,得到最终的特征向量。
6.根据权利要求1所述的变电站基于人体特征识别的跨摄像机自动跟踪系统,其特征在于,所述模式识别模块将检测到的非法入侵目标物体特征向量提取出来后,将该特征向量信息保存在跨摄像机数据处理模块中,形成特征向量库,当别的变电站前端摄像机组中出现了运动目标,并被检测、识别、提取特征向量后,将提取的特征向量和之前存储在特征向量库中的非法入侵目标物体的特征向量进行差值法计算,寻找出最接近的特征向量,确定两者对应的运动目标为同一目标,实现跨摄像机自动跟踪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510813655.5A CN105447463B (zh) | 2015-11-23 | 2015-11-23 | 变电站基于人体特征识别的跨摄像机自动跟踪系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510813655.5A CN105447463B (zh) | 2015-11-23 | 2015-11-23 | 变电站基于人体特征识别的跨摄像机自动跟踪系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105447463A CN105447463A (zh) | 2016-03-30 |
CN105447463B true CN105447463B (zh) | 2018-11-20 |
Family
ID=55557623
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510813655.5A Active CN105447463B (zh) | 2015-11-23 | 2015-11-23 | 变电站基于人体特征识别的跨摄像机自动跟踪系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105447463B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106341658A (zh) * | 2016-08-31 | 2017-01-18 | 广州精点计算机科技有限公司 | 一种城市安全状况智能监控系统 |
CN107071352A (zh) * | 2017-03-30 | 2017-08-18 | 安徽森度科技有限公司 | 送变电检修智慧眼系统 |
CN110267008B (zh) * | 2019-06-28 | 2021-10-22 | Oppo广东移动通信有限公司 | 图像处理方法、装置、服务器及存储介质 |
CN111416964B (zh) * | 2020-05-09 | 2021-08-24 | 黄河勘测规划设计研究院有限公司 | 用于水利工程变形的远程图像智能识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034987A (zh) * | 2007-01-18 | 2007-09-12 | 北京飞天诚信科技有限公司 | 一种提高智能密钥安全性的方法及装置 |
CN101046846A (zh) * | 2006-12-31 | 2007-10-03 | 北京交通大学 | 掌纹图像信息采集、识别装置及方法 |
CN101093540A (zh) * | 2007-07-18 | 2007-12-26 | 重庆大学 | 复杂背景下的人耳检测及多信息融合的人耳识别方法 |
CN101136112A (zh) * | 2007-09-07 | 2008-03-05 | 北京兆维科技股份有限公司 | 一种利用掌心静脉纹路识别技术替代ic卡的门禁系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8027505B2 (en) * | 2007-02-11 | 2011-09-27 | Tcms Transparent Beauty Llc | System and method for providing simulated images through cosmetic monitoring |
US8073234B2 (en) * | 2007-08-27 | 2011-12-06 | Acushnet Company | Method and apparatus for inspecting objects using multiple images having varying optical properties |
US8503720B2 (en) * | 2009-05-01 | 2013-08-06 | Microsoft Corporation | Human body pose estimation |
US8903132B2 (en) * | 2011-09-12 | 2014-12-02 | 2343127 Ontario Inc. | Efficient system and method for body part detection and tracking |
-
2015
- 2015-11-23 CN CN201510813655.5A patent/CN105447463B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101046846A (zh) * | 2006-12-31 | 2007-10-03 | 北京交通大学 | 掌纹图像信息采集、识别装置及方法 |
CN101034987A (zh) * | 2007-01-18 | 2007-09-12 | 北京飞天诚信科技有限公司 | 一种提高智能密钥安全性的方法及装置 |
CN101093540A (zh) * | 2007-07-18 | 2007-12-26 | 重庆大学 | 复杂背景下的人耳检测及多信息融合的人耳识别方法 |
CN101136112A (zh) * | 2007-09-07 | 2008-03-05 | 北京兆维科技股份有限公司 | 一种利用掌心静脉纹路识别技术替代ic卡的门禁系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105447463A (zh) | 2016-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109271554B (zh) | 一种智能视频识别系统及其应用 | |
CN110826538B (zh) | 一种用于电力营业厅的异常离岗识别系统 | |
CN106650620B (zh) | 一种应用无人机监测的目标人员识别追踪方法 | |
CN111783576B (zh) | 基于改进型YOLOv3网络和特征融合的行人重识别方法 | |
Li et al. | Robust people counting in video surveillance: Dataset and system | |
CN107123131B (zh) | 一种基于深度学习的运动目标检测方法 | |
CN109145708B (zh) | 一种基于rgb和d信息融合的人流量统计方法 | |
CN108549852B (zh) | 基于深度网络增强的特定场景下行人检测器自动学习方法 | |
CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
CN111091098B (zh) | 检测模型的训练方法、检测方法及相关装置 | |
CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
CN105447463B (zh) | 变电站基于人体特征识别的跨摄像机自动跟踪系统 | |
CN105469105A (zh) | 一种基于视频监控的香烟烟雾检测方法 | |
CN113947731B (zh) | 一种基于接触网安全巡检的异物识别方法及系统 | |
CN102915638A (zh) | 基于监控视频的智能停车场管理系统 | |
CN109344842A (zh) | 一种基于语义区域表达的行人重识别方法 | |
CN113269091A (zh) | 一种面向智慧园区的人员轨迹分析方法、设备及介质 | |
CN109409250A (zh) | 一种基于深度学习的无交叠视域跨摄像机行人再识别方法 | |
CN111723656B (zh) | 一种基于YOLO v3与自优化的烟雾检测方法及装置 | |
CN110826390A (zh) | 一种基于人脸矢量特征的视频数据处理方法 | |
CN111091057A (zh) | 一种信息处理方法、装置及计算机可读存储介质 | |
CN109635717A (zh) | 一种基于深度学习的矿用行人检测方法 | |
CN115620090A (zh) | 模型训练方法、低照度目标重识别方法和装置、终端设备 | |
CN108009491A (zh) | 一种解决快速背景运动中的目标物识别方法及系统 | |
CN110324589A (zh) | 一种旅游景区的监控系统与方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |