CN108833851A - 一种基于图像螺旋线的监控方法及系统 - Google Patents
一种基于图像螺旋线的监控方法及系统 Download PDFInfo
- Publication number
- CN108833851A CN108833851A CN201810724480.4A CN201810724480A CN108833851A CN 108833851 A CN108833851 A CN 108833851A CN 201810724480 A CN201810724480 A CN 201810724480A CN 108833851 A CN108833851 A CN 108833851A
- Authority
- CN
- China
- Prior art keywords
- helix
- information
- sampled point
- image
- point
- 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.)
- Granted
Links
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
-
- 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
Abstract
本发明公开一种基于图像螺旋线的监控方法及系统。该方法包括:获取拍摄的图像信息;基于螺旋线截取采样点或采样栅格,提取所述图像信息中目标的特征信息;根据特征数据库匹配所述特征信息对应的行为模式,当所述行为模式为异常行为时,触发告警系统进行告警。基于本发明及时且有效识别目标的异常行为,实现对监控图像提取的自动化,节约人工成本,提高监控信息的利用效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于图像螺旋线的监控方法及系统。
背景技术
现有技术的监控装置多通过摄像头采集图像信息后进行留存,在需要调用监控信息时,需要人工来观看图像以筛选分析识别图像中的目标,方可使用。这一过程会耗费大量的人力物力;此外,人工筛选极易产生信息上的疏漏,使得监控信息的利用结果并不理想。
发明内容
本发明所要解决的技术问题在于提供一种基于图像螺旋线的监控方法及系统,通过本发明可以自动识别监控目标,并对目标的行为进行筛选,有效提高监控信息的利用效率。
为实现上述发明目的,本发明一方面提供一种基于图像螺旋线的监控方法,包括:
获取拍摄的图像信息;
基于螺旋线截取采样点或采样栅格,提取所述图像信息中目标的特征信息;
根据特征数据库匹配所述特征信息对应的行为模式,当所述行为模式为异常行为时,触发告警系统进行告警。
可选的,所述基于螺旋线截取采样点或采样栅格,提取所述图像信息中目标的特征信息,包括:
以图像信息的采集视野中心为螺旋线的起点;
沿螺旋线根据采集视野的长宽比等距离分布所述采样点或采样栅格,并从螺旋线的起点至螺旋线的终点由小到大对采样点编号;
确定目标所在的采样点或采样栅格,并根据所述采样点或采样栅格确定所述特征信息。
可选的,所述沿螺旋线根据采集视野的长宽比等距离分布所述采样点,包括:
从螺旋线的起点至螺旋线的终点由小到大对采样点编号;螺旋线编号的总数为奇数的二次幂;其中,起点0,终点为奇数二次幂减1,形成以顺次排列的奇数的二次幂和顺次排列的偶数的二次幂为对角线的视野。
可选的,所述特征信息包括目标的位置变化、移动方向、轮廓形状、纹理或颜色中的至少一种。
可选的,所述根据特征数据库匹配所述特征信息对应的行为模式,当所述行为模式为异常行为时,触发告警系统进行告警,包括:
获取不同时刻的目标的特征信息;
根据不同时刻的目标的特征信息从所述征数据库匹配所对应的行为模式;当所述行为模式为异常行为时,触发告警系统进行告警。
本发明的另一方面还提供了一种基于图像螺旋线的监控系统,包括:
图像采集装置,用于获取拍摄的图像信息;
图像处理装置,用于基于螺旋线截取采样点或采样栅格,提取所述图像信息中目标的特征信息;
服务器,用于根据特征数据库匹配所述特征信息对应的行为模式,当所述行为模式为异常行为时,触发告警系统进行告警;
告警系统,用于当所述行为模式为异常行为时,进行告警;以及当所述告警消除后,并根据拍摄的图像信息继续监控。
可选的,所述图像采集装置包括摄录机、webcam、监控摄像头、行车纪录仪中的任一种或者多种。
可选的,所述图像处理装置,具体用于:
以图像信息的采集视野中心为螺旋线的起点;
沿螺旋线根据采集视野的长宽比等距离分布所述采样点或采样栅格,并从螺旋线的起点至螺旋线的终点由小到大对采样点编号;
确定目标所在的采样点或采样栅格,并根据所述采样点或采样栅格确定所述特征信息。
可选的,所述特征信息包括目标的位置变化、移动方向、轮廓形状、纹理或颜色中的至少一种。
可选的,所述服务器具体用于:
获取不同时刻的目标的特征信息;
根据不同时刻的目标的特征信息从所述征数据库匹配所对应的行为模式;当所述行为模式为异常行为时,触发告警系统进行告警。
本发明通过采用上述技术方案,通过采用图像螺旋线标定将目标的位置信息以及移动方向等信息作为特征信息,并将该特征信息根据特征数据库进行筛选,可以有效确定目标的行为是否异常,当在异常时进行告警。因此,基于本发明及时且有效识别目标的异常行为,实现对监控图像提取的自动化,节约人工成本,提高监控信息的利用效率。
附图说明
图1为本发明一可选实施例中基于图像螺旋线的监控方法的流程示意图;
图2为本发明一可选实施例中采用的螺旋线的示意图;
图3为本发明一可选实施例中采用螺旋线监控的场景示意图;
图4为图3中采用螺旋线监控的场景变化后的示意图;
图5为图4中采用螺旋线监控的场景变化后的示意图;
图6为本发明一可选实施例中采用螺旋线监控的场景示意图;
图7为图6中采用螺旋线监控的场景变化后的示意图;
图8为本发明一可选实施例中基于图像螺旋线的监控系统的结构示意图。
具体实施方式
以下配合图式及本发明的较佳实施例,进一步阐述本发明为达成预定发明目的所采取的技术手段。
根据本发明的一方面,提供一种基于图像螺旋线的监控方法,如图1所示,包括:
步骤S1,获取拍摄的图像信息。
在该步骤中,获取拍摄的图像信息时,所采用的图像采集装置包括摄录机、webcam、监控摄像头、行车纪录仪中的任一种或者多种。
步骤S2,基于螺旋线截取采样点或采样栅格,提取所述图像信息中目标的特征信息。
在该步骤中,螺旋线是针对图像信息的采集视野,并以采集视野中心为起点并呈螺旋状的一条曲线。其中,在截取采样点或者采样栅格时,沿螺旋线根据采集视野的长宽比等距离分布所述采样点或采样栅格,并从螺旋线的起点至螺旋线的终点由小到大对采样点或采样栅格编号。通过对采样点或采样栅格进行编号可以快速确定采样点或采样栅格的位置。
进一步优选的,所述采样点或采样栅格从螺旋线的起点至螺旋线的终点由大到小编号。优选的,所述采样点或采样栅格沿螺旋线等间距分布。优选的,所述采样点或采样栅格从螺旋线的起点至螺旋线的终点由小到大编号。进一步优选的,所述采样点或采样栅格的数量为某一奇数的2次幂。进一步优选的,该螺旋线的终点结束于靠近该视野边缘处。进一步优选的,如图2所示,该螺旋线的终点结束于视野边缘的角落处。这一采样点和采样栅格排列方式,呈现出一定的规律,如图所示,螺旋线为顺时针旋转,此时,右上角对角线的采样点或采样栅格的编号依次为(2n)2(n为螺旋线的圈数,中心点不计入,下同),10 左下角对角线采样点或采样栅格的编号依次为(2n-1)2,左上角对角线的采样点或采样栅格的编号依次为(2n)2-2n,右下角对角线的采样点或采样栅格的编号依次为(2n-1)2-(2n-1)。根据这一规律,可以快速的根据采样点或采样栅格的编号,确定该采样点或采样栅格在视野中的具体位置。
在提取所述图像信息中目标的特征信息时,首先识别图像信息中的目标,这里,在对目标进行识别,包括:
(1)对图像信息进行基于像素色彩及空间位置的超像素图像分割;
(2)运用基于超像素特征的谱聚类算法,将超像素降维至大图块聚类图像,
优选的,该谱聚类算法所依据的特征包括但不限于超像素颜色空间距离、纹理特征向量距离、几何邻接关系等;
(3)对大块聚类图像进行分类,具体为:根据天空、地面及物体的推理模型结合图像的透视特性构建重力场模糊分布密度函数,通过该密度函数计算出大图块像素的期望值以对大图块像素进行分类,形成分类图;
(4)对初步分类的分类图采用进一步的一层小波采样、曼哈顿方向提取等特性分类算法提取出准确的天空、地面和物体分类图,从而识别出图像信息中的不同目标。
确定目标所在的采样点或采样栅格,并根据所述采样点或采样栅格确定所述特征信息。
通过引入编号的采样点或采样栅格,根据采样点的编号与对角线和中心编号的数字关系,可以快速确定超像素点、聚类识大图块以及目标的位置;同时采样点还能起到标尺的作用,易于确定目标的位置以及目标和图像获取装置的距离;再者,根据目标包括的采样点和采样栅格的数量,结合对场景信息的深度感知,可以快速确定目标所所占有的场景中的区域占有的面积、所占有的超像素点的个数、轮廓的大小、距离该场景信息中心点的距离或距离该场景信息边缘的距离等特征,从而快速推算目标的位置关系。
可选的,所述特征信息包括目标的位置变化、移动方向、轮廓形状中的至少一种。
步骤S3,根据特征数据库匹配所述特征信息对应的行为模式,当所述行为模式为异常行为时,触发告警系统进行告警。
在该步骤中,会预先将特征信息以及异常的行为模式在特征数据库中建立对应关系,通过上述内容的任何一点可以检索到其它的内容。确定特征信息后,可以检索到包含特征信息是否有对应的异常行为模式,当有异常时,则进行告警;没有异常时,则持续进行监控。
其中,在该步骤中,可选的,可以根据目标某一时间提取的特征信息来匹配对应的行为模式,若行为模式异常时,则触发告警系统告警。举例说明,若某一刻识别图像信息的目标为老人,且其动作倒地时,则直接触发告警。
其中,在该步骤中,可选的,在匹配特征信息对应的行为模式时,包括:
获取不同时刻的目标的特征信息;根据不同时刻的目标的特征信息从所述征数据库匹配所对应的行为模式;当所述行为模式为异常行为时,触发告警系统进行告警。
这里,通过提取不同时刻的目标特征信息,根据一系列的特征信息可以进一步的准确的判断目标的异常行为,并且通过对一系列特征信息的处理,可以准备预判目标的动作,并提早触发异常行为的告警,举例说明,若图像信息中的目标识别为老人,在提取不同时刻的目标特征信息中,发现目标长时间内无任何动作或持续产生特定动作,将会判断为异常行为提早触发告警,以利监控。
举例说明,图3所示的场景为医院,图3 中的目标为老人,目标所涵盖的螺旋线采样点的编号包含有23、46、77、116、163、218,但随着目标的位置改变,如图4所示,目标涵盖的螺旋线采样点的编号增加为8、7、23、22、46、45、77、76、116、163,可根据采样点的编号判断出目标的位置变化。根据该变化情况,可以确定老人为跌倒状态,及时对医护人员进行告警,确定有病人摔倒,使病人尽快得到帮助。其中,这里由于图像采集装置为固定位置,拍摄获取到画面背景几乎不变,因此目标的位置关系、移动方向等信息可以参考螺旋线采样点快速判断得到。这里,不仅限于对单个目标进行监控,对图像中出现的所认定的目标都可以进行监控,例如,图5中,可以对图中的两个老人同时进行监控。再例如,图6所示的场景为监狱系统,图中的目标为所关押的两个犯人,两个目标所涵盖的螺旋线采样点显示两个人为相对分开的。但随着目标的位置改变,图7中,两个目标所涵盖的螺旋线采样点的位置有重叠部分,确定两个人扭打在一起。根据目标位置变化,显示两个人有斗殴行为,及时通知管理人员对其进行制止,避免事态的扩大,所述的各种案例仅为状况说明,并非对本发明的限制,本发明亦可用于政府监控、军事监控或各种的监控场合。
根据本发明的另一方面,还提供了一种基于图像螺旋线的监控系统,如图8所示,该系统包括:
图像采集装置,用于获取拍摄的图像信息;
图像处理装置,用于基于螺旋线截取采样点或采样栅格,提取所述图像信息中目标的特征信息;
服务器,用于根据特征数据库匹配所述特征信息对应的行为模式,当所述行为模式为异常行为时,触发告警系统进行告警;
告警系统,用于当所述行为模式为异常行为时,进行告警。
其中,可选的,所述图像采集装置包括摄录机、webcam、监控摄像头、行车纪录仪中的任一种或者多种。
可选的,所述图像处理装置,具体用于:
以图像信息的采集视野中心为螺旋线的起点;
沿螺旋线根据采集视野的长宽比等距离分布所述采样点或采样栅格,并从螺旋线的起点至螺旋线的终点由小到大对采样点编号;
确定目标所在的采样点或采样栅格,并根据所述采样点或采样栅格确定所述特征信息。
可选的,所述特征信息包括目标的位置变化、移动方向、轮廓形状、纹理或颜色中的至少一种。
可选的,所述服务器具体用于:
获取不同时刻的目标的特征信息;
根据不同时刻的目标的特征信息从所述征数据库匹配所对应的行为模式;当所述行为模式为异常行为时,触发告警系统进行告警。
这里需要说明的是,对于各个装置的实现过程这里仅做了简单的说明,具体详细的实现过程可以参见方法中的详细描述,这里不再进行赘述。
综上所述,本发明通过采用上述技术方案,通过采用图像螺旋线标定将目标的位置信息以及移动方向等信息作为特征信息,并将该特征信息根据特征数据库进行筛选,可以有效确定目标的行为是否异常,当在异常时进行告警。因此,基于本发明及时且有效识别目标的异常行为,实现对监控图像提取的自动化,节约人工成本,提高监控信息的利用效率。
以上所述仅是本发明的优选实施例而已,并非对本发明做任何形式上的限制,虽然本发明已以优选实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案的范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本实用发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (10)
1.一种基于图像螺旋线的监控方法,其特征在于,包括:
获取拍摄的图像信息;
基于螺旋线截取采样点或采样栅格,提取所述图像信息中目标的特征信息;
根据特征数据库匹配所述特征信息对应的行为模式,当所述行为模式为异常行为时,触发告警系统进行告警。
2.如权利要求1所述的方法,其特征在于,所述基于螺旋线截取采样点或采样栅格,提取所述图像信息中目标的特征信息,包括:
以图像信息的采集视野中心为螺旋线的起点;
沿螺旋线根据采集视野的长宽比等距离分布所述采样点或采样栅格,并从螺旋线的起点至螺旋线的终点由小到大对采样点编号;
确定目标所在的采样点或采样栅格,并根据所述采样点或采样栅格确定所述特征信息。
3.如权利要求1所述的方法,其特征在于,所述沿螺旋线根据采集视野的长宽比等距离分布所述采样点,包括:
从螺旋线的起点至螺旋线的终点由小到大对采样点编号;螺旋线编号的总数为奇数的二次幂;其中,起点0,终点为奇数二次幂减1,形成以顺次排列的奇数的二次幂和顺次排列的偶数的二次幂为对角线的视野。
4.如权利要求1所述的方法,其特征在于,所述特征信息包括目标的位置变化、移动方向、轮廓形状、纹理或颜色中的至少一种。
5.如权利要求1所述的方法,其特征在于,所述根据特征数据库匹配所述特征信息对应的行为模式,当所述行为模式为异常行为时,触发告警系统进行告警,包括:
获取不同时刻的目标的特征信息;
根据不同时刻的目标的特征信息从所述征数据库匹配所对应的行为模式;当所述行为模式为异常行为时,触发告警系统进行告警。
6.一种基于图像螺旋线的监控系统,其特征在于,包括:
图像采集装置,用于获取拍摄的图像信息;
图像处理装置,用于基于螺旋线截取采样点或采样栅格,提取所述图像信息中目标的特征信息;
服务器,用于根据特征数据库匹配所述特征信息对应的行为模式,当所述行为模式为异常行为时,触发告警系统进行告警;
告警系统,用于当所述行为模式为异常行为时,进行告警;以及当所述告警消除后,并根据拍摄的图像信息继续监控。
7.如权利要求6所述的系统,其特征在于,所述图像采集装置包括摄录机、webcam、监控摄像头、行车纪录仪中的任一种或者多种。
8.如权利要求6所述的系统,其特征在于,所述图像处理装置,具体用于:
以图像信息的采集视野中心为螺旋线的起点;
沿螺旋线根据采集视野的长宽比等距离分布所述采样点或采样栅格,并从螺旋线的起点至螺旋线的终点由小到大对采样点编号;
确定目标所在的采样点或采样栅格,并根据所述采样点或采样栅格确定所述特征信息。
9.如权利要求6所述的系统,其特征在于,所述特征信息包括目标的位置变化、移动方向、轮廓形状、纹理或颜色中的至少一种。
10.如权利要求6所述的系统,其特征在于,所述服务器具体用于:
获取不同时刻的目标的特征信息;
根据不同时刻的目标的特征信息从所述征数据库匹配所对应的行为模式;当所述行为模式为异常行为时,触发告警系统进行告警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810724480.4A CN108833851B (zh) | 2018-07-04 | 2018-07-04 | 一种基于图像螺旋线的监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810724480.4A CN108833851B (zh) | 2018-07-04 | 2018-07-04 | 一种基于图像螺旋线的监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108833851A true CN108833851A (zh) | 2018-11-16 |
CN108833851B CN108833851B (zh) | 2020-09-29 |
Family
ID=64133918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810724480.4A Active CN108833851B (zh) | 2018-07-04 | 2018-07-04 | 一种基于图像螺旋线的监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108833851B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB714365A (en) * | 1952-05-03 | 1954-08-25 | Sidney Philip Clementson | Television recording and reproduction |
CN102750383A (zh) * | 2012-06-28 | 2012-10-24 | 中国科学院软件研究所 | 一种面向视频内容的螺旋摘要生成方法 |
CN104239851A (zh) * | 2014-07-25 | 2014-12-24 | 重庆科技学院 | 基于行为分析的智能小区巡检系统及其控制方法 |
CN104318570A (zh) * | 2014-10-29 | 2015-01-28 | 沈阳建筑大学 | 一种基于背景的自适应迷彩伪装设计方法 |
CN104463174A (zh) * | 2014-12-16 | 2015-03-25 | 广州南方电力集团科技发展有限公司 | 一种多角度动态人物识别及行为预测系统 |
CN104537696A (zh) * | 2014-12-30 | 2015-04-22 | 天津大学 | 基于匹配特征三元组的单幅图像螺旋对称结构检测方法 |
CN106114507A (zh) * | 2016-06-21 | 2016-11-16 | 百度在线网络技术(北京)有限公司 | 用于智能车辆的局部轨迹规划方法和装置 |
-
2018
- 2018-07-04 CN CN201810724480.4A patent/CN108833851B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB714365A (en) * | 1952-05-03 | 1954-08-25 | Sidney Philip Clementson | Television recording and reproduction |
CN102750383A (zh) * | 2012-06-28 | 2012-10-24 | 中国科学院软件研究所 | 一种面向视频内容的螺旋摘要生成方法 |
CN104239851A (zh) * | 2014-07-25 | 2014-12-24 | 重庆科技学院 | 基于行为分析的智能小区巡检系统及其控制方法 |
CN104318570A (zh) * | 2014-10-29 | 2015-01-28 | 沈阳建筑大学 | 一种基于背景的自适应迷彩伪装设计方法 |
CN104463174A (zh) * | 2014-12-16 | 2015-03-25 | 广州南方电力集团科技发展有限公司 | 一种多角度动态人物识别及行为预测系统 |
CN104537696A (zh) * | 2014-12-30 | 2015-04-22 | 天津大学 | 基于匹配特征三元组的单幅图像螺旋对称结构检测方法 |
CN106114507A (zh) * | 2016-06-21 | 2016-11-16 | 百度在线网络技术(北京)有限公司 | 用于智能车辆的局部轨迹规划方法和装置 |
Non-Patent Citations (1)
Title |
---|
李瑶: "用螺旋线法进行防伪标识图像的比对", 《辽宁工学院学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108833851B (zh) | 2020-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106203274B (zh) | 一种视频监控中行人实时检测系统及方法 | |
Sapirstein et al. | An instrumental system for cereal grain classification using digital image analysis | |
US9141184B2 (en) | Person detection system | |
CN107657244B (zh) | 一种基于多摄像机的人体跌倒行为检测系统及其检测方法 | |
CN109484935A (zh) | 一种电梯轿厢监控方法、装置及系统 | |
JP2011248836A (ja) | 滞留検出システム及びプログラム | |
CN110598672A (zh) | 一种基于单台摄像机的多区域人数统计方法 | |
CN110067274B (zh) | 设备控制方法及挖掘机 | |
CN108932273B (zh) | 图片筛选方法及装置 | |
CN112270253A (zh) | 一种高空抛物的检测方法及装置 | |
US11935378B2 (en) | Intrusion detection methods and devices | |
KR101933856B1 (ko) | 콘벌루션 신경망을 이용한 영상 처리 시스템 및 이를 이용한 영상 처리 방법 | |
CN111488799A (zh) | 一种基于图像识别的坠落物识别方法及系统 | |
CN116416579B (zh) | 一种园区安防监控存储信息智能分析管理系统 | |
CN112800868A (zh) | 一种基于事件相机采集分析装置的高空抛物监测方法 | |
CN111724566A (zh) | 基于智慧灯杆视频监控系统的行人跌倒检测方法和装置 | |
US11210529B2 (en) | Automated surveillance system and method therefor | |
KR101874968B1 (ko) | 이미지 정보 기반의 시정거리 측정 시스템 및 이를 이용한 시정거리 측정 방법 | |
CN115937746A (zh) | 一种烟火事件监测方法、装置及存储介质 | |
CN109360369B (zh) | 一种基于聚类结果进行火灾危险分析方法及装置 | |
CN110505438B (zh) | 一种排队数据的获取方法和摄像机 | |
CN111259736A (zh) | 一种基于深度学习的复杂环境下行人实时检测方法 | |
CN108833851A (zh) | 一种基于图像螺旋线的监控方法及系统 | |
CN106845378A (zh) | 一种自对向图像中识别人体目标的方法 | |
JP2011013924A (ja) | 駐車場における車両の検知システムおよび検知方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |