CN108989757A - 一种人工智能伺服端防御系统及方法 - Google Patents
一种人工智能伺服端防御系统及方法 Download PDFInfo
- Publication number
- CN108989757A CN108989757A CN201810891502.6A CN201810891502A CN108989757A CN 108989757 A CN108989757 A CN 108989757A CN 201810891502 A CN201810891502 A CN 201810891502A CN 108989757 A CN108989757 A CN 108989757A
- Authority
- CN
- China
- Prior art keywords
- camera
- parameter
- physical parameter
- artificial intelligence
- real
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Studio Devices (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种人工智能伺服端防御系统及方法,所述系统包括:用于实时获取摄像头监控范围内的图像,并将图像信息上传到伺服端主机的摄像头图像撷取模块;用于与所述摄像头图像撷取模块连接,将接收到的图像信息进行处理,并根据处理结果判断摄像头物理参数发生改变时发布预警信息的伺服端异常参数判断系统。本发明通过实时获取摄像头监控范围内的图像,将实时摄像头物理参数组与初始摄像头物理参数组进行实时物理参数差异比对,判断参数是否发生改变;当摄像头物理参数比对模块判断参数发生改变时,则判定摄像头遭受恶意物理攻击并发布预警信息;避免摄像头遭遇人为恶意物理攻击,快速判断图像目标的真伪性,提高摄像头监控的安全性。
Description
技术领域
本发明涉及人工智能图像识别技术领域,尤其涉及一种人工智能伺服端防御系统及方法。
背景技术
目前,AI(Artificial Intelligence,人工智能,是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学)的到来将带领人类进入一个新的时代,随着计算机技术与信息技术的发展,AI人工智能越来越多的影响着我们的日常生活。
图像识别是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对像的技术,一般工业使用中,采用工业相机拍摄图片,然后再利用软件根据图片灰阶差做进一步识别处理。
目前摄像头监控过程中很容易发生人为恶意物理攻击,比如人为恶意将摄影头角度转置、人为恶意将摄影头放大倍率修改等,导致最后监控的图像不是真实的图像,无法达到实时监控的目的,现有技术中一般是出现这种情况很长时间见后,后台监控人员才能根据错误的图像来判断摄像头发生了恶意攻击,无法及时对摄像头进行调整。
因此,现有技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术缺陷,本发明提供一种人工智能伺服端防御系统及方法,旨在通过实时获取摄像头监控范围内的图像,将实时摄像头物理参数组与初始摄像头物理参数组进行实时物理参数差异比对,判断参数是否发生改变;当摄像头物理参数比对模块判断参数发生改变时,则判定摄像头遭受恶意物理攻击并发布预警信息;避免摄像头遭遇人为恶意物理攻击,快速判断图像目标的真伪性,提高摄像头监控的安全性。
本发明解决技术问题所采用的技术方案如下:
一种人工智能伺服端防御系统,其中,所述人工智能伺服端防御系统包括:
摄像头图像撷取模块,用于实时获取摄像头监控范围内的图像,并将图像信息上传到伺服端主机;
伺服端异常参数判断系统,用于与所述摄像头图像撷取模块连接,将接收到的图像信息进行处理,并根据处理结果判断摄像头物理参数发生改变时发布预警信息。
所述的人工智能伺服端防御系统,其中,所述伺服端异常参数判断系统包括:
伺服端主机,用于接收所述摄像头图像撷取模块发送的图像信息;
摄像头初始参数撷取模块,用于根据图像信息得到初始摄像头物理参数组;
摄像头实时参数检测模块,用于根据图像信息得到实时摄像头物理参数组;
摄像头物理参数比对模块,用于将实时摄像头物理参数组与初始摄像头物理参数组进行实时物理参数差异比对,判断参数是否发生改变;
人工智能预警模块,用于当判断参数发生改变时发布预警信息。
所述的人工智能伺服端防御系统,其中,所述人工智能伺服端防御系统还包括:
与所述伺服端异常参数判断系统进行连接的后台终端,所述后台终端用于接收所述人工智能预警模块发送的预警信息。
所述的人工智能伺服端防御系统,其中,所述摄像头图像撷取模块包括摄像头;所述伺服端主机包括服务器、家庭计算机以及笔记本计算机。
一种基于所述人工智能伺服端防御系统的人工智能伺服端防御方法,其中,所述人工智能伺服端防御方法包括:
摄像头图像撷取模块实时获取摄像头监控范围内的图像,并将图像信息上传到伺服端主机;
摄像头初始参数撷取模块和摄像头实时参数检测模块分别根据图像信息得到初始摄像头物理参数组和实时摄像头物理参数组;
摄像头物理参数比对模块将实时摄像头物理参数组与初始摄像头物理参数组进行实时物理参数差异比对,判断参数是否发生改变;
当摄像头物理参数比对模块判断参数发生改变时,则判定摄像头遭受恶意物理攻击,控制人工智能预警模块发布预警信息。
所述的人工智能伺服端防御方法,其中,所述摄像头初始参数撷取模块和摄像头实时参数检测模块分别根据图像信息得到初始摄像头物理参数组和实时摄像头物理参数组具体包括:
当图像信息上传到伺服端主机后,通过摄像头初始参数撷取模块得到初始摄像头物理参数组,并储存于摄像头物理参数比对模块中;
通过摄像头实时参数检测模块得到实时摄像头物理参数组,并储存于摄像头物理参数比对模块中。
所述的人工智能伺服端防御方法,其中,所述摄像头物理参数比对模块将实时摄像头物理参数组与初始摄像头物理参数组进行实时物理参数差异比对,判断参数是否发生改变之后包括:
当物理参数差异低于预设警戒值,则视为摄影头物理参数不变,则回到摄像头图像撷取模块持续进行异常监控的状态。
所述的人工智能伺服端防御方法,其中,所述当摄像头物理参数比对模块判断参数发生改变时,则判定摄像头遭受恶意物理攻击,控制人工智能预警模块发布预警信息具体包括:
当比对后,判断物理参数差异高于预设警戒值,则视为摄影头物理参数发生改变,判定摄像头遭受恶意物理攻击;
将摄像头信息遭受恶意物理攻击的信息通过人工智能预警模块发布预警信息。
所述的人工智能伺服端防御方法,其中,所述当图像信息上传到伺服端主机后,通过摄像头初始参数撷取模块得到初始摄像头物理参数组具体包括:
当图像信息上传到伺服端主机后,所述摄像头初始参数撷取模块通过摄像头参数自动撷取算法得到一组初始摄像头物理参数组;
所述摄像头参数自动撷取算法包括:运用像素平均法建立影像背景和实时自动撷取影像中的消失点。
所述的人工智能伺服端防御方法,其中,所述人工智能预警模块将预警信息发送到与伺服端异常参数判断系统连接的后台终端,所述后台终端接收预警信息后对后台人员进行提醒。
本发明公开了一种人工智能伺服端防御系统及方法,所述系统包括:用于实时获取摄像头监控范围内的图像,并将图像信息上传到伺服端主机的摄像头图像撷取模块;用于与所述摄像头图像撷取模块连接,将接收到的图像信息进行处理,并根据处理结果判断摄像头物理参数发生改变时发布预警信息的伺服端异常参数判断系统。本发明通过摄像头图像撷取模块实时获取摄像头监控范围内的图像,并将图像信息上传到伺服端主机;摄像头初始参数撷取模块和摄像头实时参数检测模块分别根据图像信息得到初始摄像头物理参数组和实时摄像头物理参数组;摄像头物理参数比对模块将实时摄像头物理参数组与初始摄像头物理参数组进行实时物理参数差异比对,判断参数是否发生改变;当摄像头物理参数比对模块判断参数发生改变时,则判定摄像头遭受恶意物理攻击,控制人工智能预警模块发布预警信息;避免摄像头遭遇人为恶意物理攻击,快速判断图像目标的真伪性,提高摄像头监控的安全性。
附图说明
图1为本发明人工智能伺服端防御系统的较佳实施例的功能原理图;
图2是本发明人工智能伺服端防御方法的较佳实施例的流程图;
图3是本发明人工智能伺服端防御方法的较佳实施例中步骤S20的流程图;
图4是本发明人工智能伺服端防御方法的较佳实施例中步骤S40的流程图;
图5是本发明人工智能伺服端防御方法的较佳实施例中摄像头遭遇恶意攻击的举例示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明较佳实施例所述的人工智能伺服端防御系统,如图1所示,一种人工智能伺服端防御系统,其中,所述人工智能伺服端防御系统包括:
摄像头图像撷取模块100,用于实时获取摄像头监控范围内的图像,并将图像信息上传到伺服端主机210;伺服端异常参数判断系统200,用于与所述摄像头图像撷取模块100连接,将接收到的图像信息进行处理,并根据处理结果判断摄像头物理参数发生改变时发布预警信息。
具体地,所述伺服端异常参数判断系统200包括:伺服端主机210,用于接收所述摄像头图像撷取模块100发送的图像信息;摄像头初始参数撷取模块220,用于根据图像信息得到初始摄像头物理参数组;摄像头实时参数检测模块230,用于根据图像信息得到实时摄像头物理参数组;摄像头物理参数比对模块240,用于将实时摄像头物理参数组与初始摄像头物理参数组进行实时物理参数差异比对,判断参数是否发生改变;人工智能预警模块250,用于当判断参数发生改变时发布预警信息。
其中,所述伺服端主机210与所述摄像头图像撷取模块100连接,所述伺服端主机210分别与所述摄像头初始参数撷取模块220和所述摄像头实时参数检测模块230连接,所述摄像头初始参数撷取模块220和所述摄像头实时参数检测模块230分别与所述摄像头物理参数比对模块240连接,所述摄像头物理参数比对模块240与所述人工智能预警模块250连接。
另外,所述人工智能伺服端防御系统还包括:与所述伺服端异常参数判断系统200进行连接的后台终端260(所述后台终端260与所述人工智能预警模块250连接),所述后台终端260用于接收所述人工智能预警模块250发送的预警信息。
其中,所述摄像头图像撷取模块100包括摄像头,可为(但不限于)任何一般市售之摄像头,亦可为任何能够撷取影像的设备。所述伺服端主机210包括服务器、家庭计算机以及笔记本计算机等。
基于上述人工智能伺服端防御系统,本发明还提供一种人工智能伺服端防御方法,如图2所示,所述人工智能伺服端防御方法包括以下步骤:
步骤S10、摄像头图像撷取模块实时获取摄像头监控范围内的图像,并将图像信息上传到伺服端主机。
本发明中,先经由摄像头图像撷取模块(或其他影像捕获设备)针对当下监控范围进行实时撷取,再将信息传入伺服端主机中。
步骤S20、摄像头初始参数撷取模块和摄像头实时参数检测模块分别根据图像信息得到初始摄像头物理参数组和实时摄像头物理参数组。
具体的过程请参阅图3,其为本发明提供的人工智能伺服端防御方法中步骤S20的流程图。
如图3所示,所述步骤S20包括:
S21、当图像信息上传到伺服端主机后,通过摄像头初始参数撷取模块得到初始摄像头物理参数组,并储存于摄像头物理参数比对模块中;
S22、通过摄像头实时参数检测模块得到实时摄像头物理参数组,并储存于摄像头物理参数比对模块中。
进一步地,所述当图像信息上传到伺服端主机后,通过摄像头初始参数撷取模块得到初始摄像头物理参数组具体包括:当图像信息上传到伺服端主机后,所述摄像头初始参数撷取模块通过摄像头参数自动撷取算法得到一组初始摄像头物理参数组;所述摄像头参数自动撷取算法包括:运用像素平均法建立影像背景和实时自动撷取影像中的消失点。
具体地,摄像头参数自动撷取算法,主要特殊设计的概念有两点点:(以下分为A、B两点介绍,A、B两种特殊概念可独立进行,亦可配合进行,但A为必要进行)
A、第一点为实时建立影像背景,背景建立一般而言需输入一段约数秒的影片,许多算法可达成背景建立的目标,比如说可运用像素平均法,即平均各个时间点,影像中相同位置的像素值,最后可得到一张背景图片,如在某个时点,整体像素点之值与初始背景图片相差太大,就可以此作为一个摄像头被物理攻击判断的触发条件;
B、第二点为实时自动撷取影像中之消失点(vanishing point),消失点总共可分为三个轴向(X-Y-Z轴),如可获得影像中这三个消失点之二维坐标,则可获得摄像头之所有物理参数组(包含摄像头在三维世界中的旋转角度、俯角、仰角、设置高度、焦距…等),具体获得消失点的方式,有许多算法可以达成,其各有优缺点,算法主要可分为两种大方向:第一种是可以在安装监控摄像头时,在前方地面,设置一组六边形的标志,透过图像处理此标志来得到消失点,不一定各处都适合设置此标志;另外一种方式是,可以透过用追踪两个不同时刻,相同的对象高度(比如说车牌的高度、或人的高度)得到消失点,如在某个时间点,消失点的位置与默认值差异过大,亦可当成一个摄像头被物理攻击判断的触发条件。
步骤S30、摄像头物理参数比对模块将实时摄像头物理参数组与初始摄像头物理参数组进行实时物理参数差异比对,判断参数是否发生改变。
当图像信息回传至伺服端主机后,再通过摄像头初始参数撷取模块,得到初始摄像头物理参数组(本实施例定义为初始时间),并储存于摄像头物理参数比对模块之中,接着通过摄像头实时参数检测模块(本实施例定义为参数撷取时间,此撷取时间间隔取决于服务器主机端处理器视频撷取的帧频(Frame Rate),及摄像头自动参数撷取之算法速度),以得到实时摄像头物理参数组;实时摄像头物理参数组的信息,将实时进入摄像头物理参数比对模块,与预存之初始摄像头物理参数组,进行实时物理参数差异比对。
若比对后,物理参数差异低于预设警戒值,视为摄影头物理参数不变,则回到摄像头图像撷取模块,持续进行异常监控。
步骤S40、当摄像头物理参数比对模块判断参数发生改变时,则判定摄像头遭受恶意物理攻击,控制人工智能预警模块发布预警信息。
具体的过程请参阅图4,其为本发明提供的人工智能伺服端防御方法中步骤S40的流程图。
如图4所示,所述步骤S40包括:
S41、当比对后,判断物理参数差异高于预设警戒值,则视为摄影头物理参数发生改变,判定摄像头遭受恶意物理攻击;
S42、将摄像头信息遭受恶意物理攻击的信息通过人工智能预警模块发布预警信息。
即比对后,物理参数差异高于预设警戒值,视为摄影头物理参数改变,则摄像头可能已遭受外在物理攻击,将此信息以人工智能预警模块发布预警信息(预警信息的数据格式及结构可自行定义),本预警信息除可回传于现场终端系统或者后台终端,结合控制系统进行摄像头自动物理状态调整,亦可直接通过服务器主机端得知,进行后续相关的紧急处理。
如图5所示,为一种人为恶意将摄影头角度转置的攻击模式,即有人刻意将摄影头物理状态转置,以混淆后端人工智能的车牌辨识判断准确度,本来正确车牌号为6666,而混淆攻击后之车牌号为9999,所以一旦出现这样的人为恶意破坏摄像头的行为,本发明可以通过判断参数发生改变时及时则判定摄像头遭受恶意物理攻击并发布预警信息,提醒后台人员及时进行处理。
本发明的人工智能防御系统和方法可结合任何优化设计后之摄像头参数自动撷取算法,并整合于任何伺服端系统(如: 市售之服务器,一般家庭计算机、或笔记本计算机等),且本发明提出的伺服端端系统无须使用大量硬件运算资源,亦无需于终端监控设备加装任何物理状态传感器、或外接硬件装置、嵌入式系统、专用芯片等,即可达成终端监控系统自我保护的目标。
本发明的防御系统亦具相当的弹性,随着摄像头参数自动撷取算法的进步,可不断以软件更新的方式,加强人工智能防御系统自我保护的功能,且无地域及时间限制,具鉴别迅速、正确直观,成本低廉等优点。
综上所述,本发明提供一种人工智能伺服端防御系统及方法,所述系统包括:用于实时获取摄像头监控范围内的图像,并将图像信息上传到伺服端主机的摄像头图像撷取模块;用于与所述摄像头图像撷取模块连接,将接收到的图像信息进行处理,并根据处理结果判断摄像头物理参数发生改变时发布预警信息的伺服端异常参数判断系统。本发明通过摄像头图像撷取模块实时获取摄像头监控范围内的图像,并将图像信息上传到伺服端主机;摄像头初始参数撷取模块和摄像头实时参数检测模块分别根据图像信息得到初始摄像头物理参数组和实时摄像头物理参数组;摄像头物理参数比对模块将实时摄像头物理参数组与初始摄像头物理参数组进行实时物理参数差异比对,判断参数是否发生改变;当摄像头物理参数比对模块判断参数发生改变时,则判定摄像头遭受恶意物理攻击,控制人工智能预警模块发布预警信息;避免摄像头遭遇人为恶意物理攻击,快速判断图像目标的真伪性,提高摄像头监控的安全性。
当然,本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关硬件(如处理器,控制器等)来完成,所述的程序可存储于一计算机可读取的存储介质中,所述程序在执行时可包括如上述各方法实施例的流程。其中所述的存储介质可为存储器、磁碟、光盘等。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种人工智能伺服端防御系统,其特征在于,所述人工智能伺服端防御系统包括:
摄像头图像撷取模块,用于实时获取摄像头监控范围内的图像,并将图像信息上传到伺服端主机;
伺服端异常参数判断系统,用于与所述摄像头图像撷取模块连接,将接收到的图像信息进行处理,并根据处理结果判断摄像头物理参数发生改变时发布预警信息。
2.根据权利要求1所述的人工智能伺服端防御系统,其特征在于,所述伺服端异常参数判断系统包括:
伺服端主机,用于接收所述摄像头图像撷取模块发送的图像信息;
摄像头初始参数撷取模块,用于根据图像信息得到初始摄像头物理参数组;
摄像头实时参数检测模块,用于根据图像信息得到实时摄像头物理参数组;
摄像头物理参数比对模块,用于将实时摄像头物理参数组与初始摄像头物理参数组进行实时物理参数差异比对,判断参数是否发生改变;
人工智能预警模块,用于当判断参数发生改变时发布预警信息。
3.根据权利要求2所述的人工智能伺服端防御系统,其特征在于,所述人工智能伺服端防御系统还包括:
与所述伺服端异常参数判断系统进行连接的后台终端,所述后台终端用于接收所述人工智能预警模块发送的预警信息。
4.根据权利要求2所述的人工智能伺服端防御系统,其特征在于,所述摄像头图像撷取模块包括摄像头;所述伺服端主机包括服务器、家庭计算机以及笔记本计算机。
5.一种基于权利要求1-4任一项所述人工智能伺服端防御系统的人工智能伺服端防御方法,其特征在于,所述人工智能伺服端防御方法包括:
摄像头图像撷取模块实时获取摄像头监控范围内的图像,并将图像信息上传到伺服端主机;
摄像头初始参数撷取模块和摄像头实时参数检测模块分别根据图像信息得到初始摄像头物理参数组和实时摄像头物理参数组;
摄像头物理参数比对模块将实时摄像头物理参数组与初始摄像头物理参数组进行实时物理参数差异比对,判断参数是否发生改变;
当摄像头物理参数比对模块判断参数发生改变时,则判定摄像头遭受恶意物理攻击,控制人工智能预警模块发布预警信息。
6.根据权利要求5所述的人工智能伺服端防御方法,其特征在于,所述摄像头初始参数撷取模块和摄像头实时参数检测模块分别根据图像信息得到初始摄像头物理参数组和实时摄像头物理参数组具体包括:
当图像信息上传到伺服端主机后,通过摄像头初始参数撷取模块得到初始摄像头物理参数组,并储存于摄像头物理参数比对模块中;
通过摄像头实时参数检测模块得到实时摄像头物理参数组,并储存于摄像头物理参数比对模块中。
7.根据权利要求5所述的人工智能伺服端防御方法,其特征在于,所述摄像头物理参数比对模块将实时摄像头物理参数组与初始摄像头物理参数组进行实时物理参数差异比对,判断参数是否发生改变之后包括:
当物理参数差异低于预设警戒值,则视为摄影头物理参数不变,则回到摄像头图像撷取模块持续进行异常监控的状态。
8.根据权利要求5所述的人工智能伺服端防御方法,其特征在于,所述当摄像头物理参数比对模块判断参数发生改变时,则判定摄像头遭受恶意物理攻击,控制人工智能预警模块发布预警信息具体包括:
当比对后,判断物理参数差异高于预设警戒值,则视为摄影头物理参数发生改变,判定摄像头遭受恶意物理攻击;
将摄像头信息遭受恶意物理攻击的信息通过人工智能预警模块发布预警信息。
9.根据权利要求6所述的人工智能伺服端防御方法,其特征在于,所述当图像信息上传到伺服端主机后,通过摄像头初始参数撷取模块得到初始摄像头物理参数组具体包括:
当图像信息上传到伺服端主机后,所述摄像头初始参数撷取模块通过摄像头参数自动撷取算法得到一组初始摄像头物理参数组;
所述摄像头参数自动撷取算法包括:运用像素平均法建立影像背景和实时自动撷取影像中的消失点。
10.根据权利要求8所述的人工智能伺服端防御方法,其特征在于,所述人工智能预警模块将预警信息发送到与伺服端异常参数判断系统连接的后台终端,所述后台终端接收预警信息后对后台人员进行提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810891502.6A CN108989757A (zh) | 2018-08-07 | 2018-08-07 | 一种人工智能伺服端防御系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810891502.6A CN108989757A (zh) | 2018-08-07 | 2018-08-07 | 一种人工智能伺服端防御系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108989757A true CN108989757A (zh) | 2018-12-11 |
Family
ID=64556045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810891502.6A Pending CN108989757A (zh) | 2018-08-07 | 2018-08-07 | 一种人工智能伺服端防御系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108989757A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111726570A (zh) * | 2020-01-01 | 2020-09-29 | 赫文波 | 基于数据解析的连续图像辨识系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003043340A1 (en) * | 2001-11-15 | 2003-05-22 | Alogics Co., Ltd. | Security system and warning method using edge detection of image signal |
CN101765025A (zh) * | 2008-12-23 | 2010-06-30 | 北京中星微电子有限公司 | 一种监控摄像设备异常检测的系统及方法 |
CN102740107A (zh) * | 2011-04-11 | 2012-10-17 | 鸿富锦精密工业(深圳)有限公司 | 影像监控设备的破坏侦测系统及方法 |
CN105761261A (zh) * | 2016-02-17 | 2016-07-13 | 南京工程学院 | 一种检测摄像头遭人为恶意破坏的方法 |
-
2018
- 2018-08-07 CN CN201810891502.6A patent/CN108989757A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003043340A1 (en) * | 2001-11-15 | 2003-05-22 | Alogics Co., Ltd. | Security system and warning method using edge detection of image signal |
CN101765025A (zh) * | 2008-12-23 | 2010-06-30 | 北京中星微电子有限公司 | 一种监控摄像设备异常检测的系统及方法 |
CN102740107A (zh) * | 2011-04-11 | 2012-10-17 | 鸿富锦精密工业(深圳)有限公司 | 影像监控设备的破坏侦测系统及方法 |
CN105761261A (zh) * | 2016-02-17 | 2016-07-13 | 南京工程学院 | 一种检测摄像头遭人为恶意破坏的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111726570A (zh) * | 2020-01-01 | 2020-09-29 | 赫文波 | 基于数据解析的连续图像辨识系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102833478B (zh) | 容错背景模型化 | |
CN101465033B (zh) | 一种自动追踪识别系统及方法 | |
KR101910542B1 (ko) | 객체 검출을 위한 영상분석 서버장치 및 방법 | |
CN109981943A (zh) | 摄像设备、图像处理设备、控制方法和存储介质 | |
KR102195706B1 (ko) | 침입 탐지방법 및 그 장치 | |
CN110491060B (zh) | 一种机器人及其安全监控方法、装置及存储介质 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
US11023717B2 (en) | Method, apparatus, device and system for processing commodity identification and storage medium | |
US20110157360A1 (en) | Surveillance system and method | |
CN112036242B (zh) | 人脸图片采集方法、装置、计算机设备及存储介质 | |
EP3432575A1 (en) | Method for performing multi-camera automatic patrol control with aid of statistics data in a surveillance system, and associated apparatus | |
CN114140745A (zh) | 施工现场人员属性检测方法、系统、装置及介质 | |
KR20130068343A (ko) | 지능적 다중 객체 추적 알고리즘 기반의 다중 ptz 카메라 제어 시스템 및 방법 | |
US20180096225A1 (en) | Image processing method, image processing device and image processing system | |
CN108989757A (zh) | 一种人工智能伺服端防御系统及方法 | |
CN113392714A (zh) | 一种聚众事件检测方法及系统 | |
CN108881860A (zh) | 一种人工智能终端防御系统及方法 | |
CN113068000B (zh) | 视频目标的监控方法、装置、设备、系统及存储介质 | |
EP4354853A1 (en) | Thermal-image-monitoring system using plurality of cameras | |
CN104239845A (zh) | 基于红外热成像技术的双视智能图像识别和目标定位方法 | |
Anika et al. | Multi image retrieval for kernel-based automated intruder detection | |
CN111985331B (zh) | 预防商业秘密被窃照的检测方法及装置 | |
CN115394025A (zh) | 监控方法、装置、电子设备及存储介质 | |
Tong et al. | Human positioning based on probabilistic occupancy map | |
CN113225525A (zh) | 一种室内监控方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |
|
RJ01 | Rejection of invention patent application after publication |