CN109064467A - 小区安防的分析方法、装置及电子设备 - Google Patents
小区安防的分析方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109064467A CN109064467A CN201810946378.9A CN201810946378A CN109064467A CN 109064467 A CN109064467 A CN 109064467A CN 201810946378 A CN201810946378 A CN 201810946378A CN 109064467 A CN109064467 A CN 109064467A
- Authority
- CN
- China
- Prior art keywords
- aerial images
- unmanned plane
- analysis result
- panoramic picture
- community security
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004891 communication Methods 0.000 claims abstract description 8
- 230000015654 memory Effects 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 6
- 238000000151 deposition Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 12
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000012549 training Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012015 optical character recognition Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种小区安防的分析方法、装置及电子设备，涉及安防技术领域。该方法应用于与无人机通信连接的电子设备，该方法包括：对接收到的小区的第一航拍图像进行拼接，得到小区的全景图像；将依据全景图像规划的巡航路径发送给无人机，以便无人机根据巡航路径进行航拍得到第二航拍图像；接收无人机航拍的第二航拍图像；根据第二航拍图像进行分析，得到分析结果。本发明提供的小区安防的分析方法、装置及电子设备能够通过无人机航拍和图像分析处理技术对小区安防进行自动巡航分析，提升了小区安防巡逻的效率、降低巡逻成本、杜绝了巡逻盲区、解决了传统的人工安防巡逻中存在的诸多问题。
Description
技术领域
本发明涉及安防技术领域，具体而言，涉及一种小区安防的分析方法、装置及电子设备。
背景技术
随着城市规模的不断扩大，安防工作在当今社会发挥着越来越重要的作用。长期以来，安防工作一直沿用传统的人工巡逻的方式，由于人员的数量和精力有限，并不能够一直保持巡逻，且极大的耗费人力资源，增加成本，同时人工巡逻不可能将待巡逻的区域完全覆盖，存在大量的盲区，另外采用人工巡逻的方式其效率较低，不能够即时的完成巡逻任务。
因此，如何解决提供一种高效的小区巡逻方案，是目前所面临的一大课题。
发明内容
有鉴于此，本发明实施例的目的在于提供一种小区安防的分析方法、装置及电子设备。
本发明是这样实现的：
第一方面，本发明实施例提供了一种小区安防的分析方法，应用于与无人机通信连接的电子设备，所述方法包括：
对接收到的小区的第一航拍图像进行拼接，得到小区的全景图像；
将依据所述全景图像规划的巡航路径发送给所述无人机，以便所述无人机根据所述巡航路径进行航拍得到第二航拍图像；
接收所述无人机航拍的所述第二航拍图像；
根据所述第二航拍图像进行分析，得到分析结果。
可选地，所述巡航路径包括关键点或关键区域，所述将依据所述全景图像规划的巡航路径发送给所述无人机，以便所述无人机根据所述巡航路径进行航拍得到第二航拍图像，包括：
将依据所述全景图像规划的巡航路径发送给所述无人机，以便所述无人机根据所述巡航路径中的关键点或关键区域进行航拍得到所述第二航拍图像。
可选地，所述根据所述第二航拍图像进行分析，得到分析结果，包括：
将所述第二航拍图像与对应的所述第一航拍图像进行对比分析，得到分析结果。
可选地，所述方法还包括：
对接收到的所述第二航拍图像进行命名和归档。
可选地，所述方法还包括：
当所述分析结果存在异常时，将所述第二航拍图像所对应的区域在所述全景图像上标注并报警；
异常的所述分析结果包括楼顶违建、非法占道经营、垃圾乱堆放和不和谐标语。
第二方面，本发明实施例提供了一种小区安防的分析装置，应用于与无人机通信连接的电子设备，所述小区安防的分析装置包括：
拼接模块，用于对接收到的小区的第一航拍图像进行拼接，得到小区的全景图像；
发送模块，用于将依据所述全景图像规划的巡航路径发送给所述无人机，以便所述无人机根据所述巡航路径进行航拍得到第二航拍图像；
接收模块，用于接收所述无人机航拍的所述第二航拍图像；
分析模块，用于根据所述第二航拍图像进行分析，得到分析结果。
可选地，所述分析模块用于将所述第二航拍图像与对应的所述第一航拍图像进行对比分析，得到分析结果。
可选地，小区安防的分析装置还包括：
命名归档模块，用于对接收到的所述第二航拍图像进行命名和归档。
可选地，小区安防的分析装置还包括：
判断模块，用于判断分析结果是否存在异常；
标注报警模块，用于当所述分析结果存在异常时，将所述第二航拍图像所对应的区域在所述全景图像上标注并报警；
异常的所述分析结果包括楼顶违建、非法占道经营、垃圾乱堆放和不和谐标语。
第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的方法的步骤。
对于现有技术，本发明提供的小区安防的分析方法、装置及电子设备具有如下的有益效果：
本发明提供的小区安防的分析方法、装置及电子设备能够通过无人机航拍和图像分析处理技术对小区安防进行自动巡航分析，提升了小区安防巡逻的效率、降低巡逻成本、杜绝了巡逻盲区、解决了传统的人工安防巡逻中存在的诸多问题。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本发明较佳实施例提供的无人机与电子设备进行交互的示意图。
图2为本发明较佳实施例提供的一种电子设备的方框示意图。
图3为本发明较佳实施例提供的小区安防的分析方法的流程图。
图4为本发明较佳实施例提供的小区安防的分析装置的功能模块示意图。
图标：100-电子设备；110-小区安防的分析装置；111-拼接模块；112-发送模块；113-接收模块；114-分析模块；115-命名归档模块；116-判断模块；117-标注报警模块；120-存储器；130-存储控制器；140-处理器；150-外设接口；160-输入输出单元；170-音频单元；180-显示单元；200-无人机。
具体实施方式
下面将结合本发明实施例中附图，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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
如图1所示，是本发明较佳实施例提供的无人机200与电子设备100进行交互的示意图。所述无人机200通过网络与所述电子设备100进行通信连接，以进行数据通信或交互。所述电子设备100可以是小区监控中心后台的服务器，也可以是小区监控中心的终端设备，如个人电脑(personal computer，PC)、平板电脑，还可以是移动终端设备，如智能手机、个人数字助理(personal digital assistant，PDA)等。
如图2所示，是一种电子设备100的方框示意图。所述电子设备100包括小区安防的分析装置110、存储器120、存储控制器130、处理器140、外设接口150、输入输出单元160、音频单元170以及显示单元180。
所述存储器120、存储控制器130、处理器140、外设接口150、输入输出单元160、音频单元170、显示单元180各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述小区安防的分析装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述电子设备100的操作系统(operating system，OS)中的软件功能模块。所述处理器140用于执行存储器120中存储的可执行模块，例如所述小区安防的分析装置110包括的软件功能模块或计算机程序。
其中，存储器120可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器120用于存储程序，所述处理器140在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的电子设备100所执行的方法可以应用于处理器140中，或者由处理器140实现。
处理器140可能是一种集成电路芯片，具有信号的处理能力。上述的处理器140可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述外设接口150将各种输入/输入装置耦合至处理器140以及存储器120。在一些实施例中，外设接口150，处理器140以及存储控制器130可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。
输入输出单元160用于提供给用户输入数据实现用户与所述小区安防的分析装置110的交互。所述输入输出单元160可以是，但不限于，鼠标和键盘等。
音频单元170向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。
显示单元180在所述小区安防的分析装置110与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元180可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器140进行计算和处理。
请参阅图3，是本发明较佳实施例提供的应用于图2所示的小区安防的分析装置110的小区安防的分析方法的流程图。下面将对图3所示的具体流程进行详细阐述。
步骤S101，对接收到的小区的第一航拍图像进行拼接，得到小区的全景图像。
本发明实施例提供的方法应用于电子设备100，用于通过无人机200对小区的安防进行巡逻分析，所述电子设备100通过网络与无人机200建立通信连接以进行数据交互。在通过无人机200对小区的安防进行巡逻分析之前，需建立小区的全景图像。
具体的，首先通过无人机200对小区内进行无死角全覆盖的多次航拍，直到收集到完整的正常情景下小区的第一航拍图像为止。其中，正常情景下小区的第一航拍图像是指小区当前不存在安防异常时所拍摄的图像，如不存在楼顶违建、非法占道经营、垃圾乱堆放以及不和谐标语等情形所拍摄的图像。
无人机200航拍到完整的正常情景下小区的第一航拍图像后，通过网络将航拍到的第一航拍图像发送给电子设备100，电子设备100接收无人机200发送的第一航拍图像。
电子设备100接收到无人机200发送的第一航拍图像后，对接收到的第一航拍图像进行图像畸变校正、图像配准和图像融合后，得到小区的全景图像，以便进行360度展示和无人机200的巡航路径规划。
步骤S102，将依据全景图像规划的巡航路径发送给无人机，以便无人机根据巡航路径进行航拍得到第二航拍图像。
电子设备100根据接收到的第一航拍图像进行拼接得到小区的全景图像后，电子设备100端的用户可根据小区的实际情况在全景图像上规划出无人机200的巡航路径。其中，巡航路径中包括至少一个关键点或关键区域，所述关键点(或关键区域)是指无人机200需要进行航拍的重点位置(或区域)，如盲区、潜在安防隐患区等。
用户在全景图像上规划出无人机200的巡航路径后，电子设备100将规划好的巡航路径发送给无人机200，以便无人机200依据该巡航路径进行安防巡逻，并在巡航路径上的关键点或关键区域进行航拍得到第二航拍图像。
步骤S103，接收无人机拍摄的第二航拍图像。
无人机200接收到电子设备100发送的巡航路径后，依据该巡航路径进行安防巡逻，并在巡航路径上的关键点或关键区域进行航拍得到第二航拍图像，并将航拍得到的第二航拍图像发送给电子设备100，电子设备100接收无人机200拍摄的第二航拍图像。
步骤S104，对接收到的第二航拍图像进行命名和归档。
接收到无人机200拍摄的第二航拍图像后，电子设备100对接收到的第二航拍图像自动命名和归档。
具体的，第二航拍图像的命名可以根据用户的设定操作进行命名，也可以根据拍摄第二航拍图像的无人机200的型号进行命名，可以根据航拍的时间进行命名或航拍的地点区位等进行命名，本发明实施例中不做具体限定。
第二航拍图像的归档可以根据第二航拍图像的命名进行归档，可以根据航拍的时间进行归档，也可以根据同一无人机200所拍摄的图片进行归档，本发明实施例中不做具体限定。
进一步的，本发明实施例提供的方法，还可以将命名的第二航拍图像在电子设备100的显示单元上同步显示，以便电子设备100端的用户同步查看拍摄的第二航拍图像。
步骤S105，根据第二航拍图像进行分析，得到分析结果。
与此同时，电子设备100根据接收到的第二航拍图像进行分析，得到分析结果。
本发明实施例中，所述分析包括楼顶违建分析、非法占道经营分析、垃圾乱堆放分析和不和谐标语分析等。
其中，对于楼顶违建分析和非法占道经营分析，电子设备100根据该第二航拍图像与对应的第一航拍图像进行对比分析，得到分析结果，对应的第一航拍图像是指该第一航拍图像与第二航拍图像为同一区域的图像。对于垃圾乱堆放分析和不和谐标语分析，则电子设备100根据预选建立的训练模型和第二航拍图像进行运算分析，得到分析结果。
例如，对于楼顶违建分析，电子设备100接收到无人机200航拍的关于楼顶的第一航拍图像后存入后台数据库，利用图像特征提取算法提取出该第一航拍图像的特征向量，为了提高算法的鲁棒性，本发明提取第一航拍图像的Gabor和LBP(Local BinaryPatterns)特征作为第一航拍图像的特征向量。对于接收到的无人机200航拍到的该楼顶的第二航拍图像采用同样的特征提取方法提取其特征向量。最后计算第二航拍图像的特征向量与第一航拍图像的特征向量之间的相似度，当两者的相似度低于设定的阈值时，则认为分析结果存在异常，即存在楼顶违建的情形。
对于非法占道经营分析，电子设备100接收到无人机200航拍的小区主干道周边公共区域的第一航拍图像后存入后台数据库，通过用户手动的方式标注出潜在占道经营区域图像。同时，人工挑选出潜在占道经营区域图像中关键标志性图标，选取的标准是具有显著性、独特性和容易获取性。进一步的，为了提高算法的鲁棒性，本发明中提取第一航拍图像的潜在占道经营区域图像的Gabor和HOG特征作为图像特征向量。然后，对无人机200航拍的小区主干道周边公共区域的第二航拍图像利用SIFT方法进行匹配，即利用预先选取的图标对航拍的小区主干道周边公共区域的第二航拍图像进行配准，找出该第二航拍图像中图标的位置。并利用找出的图标位置截取潜在占道经营区域图像。进一步的，按同样的特征提取方法提取到第二航拍图像中潜在占道经营区域图像的特征向量。最后，计算第一航拍图像的潜在占道经营区域图像的特征向量与第二航拍图像的潜在占道经营区域图像的特征向量之间的相似度，当两者的相似度低于设定的阈值时，则认为分析结果存在异常，即存在非法占道经营的情形。
对于垃圾乱堆放分析，电子设备100首先通过网络爬虫和无人机200航拍的方式，收集到小区垃圾图片和正常图像作为训练样本，输入深度学习模型进行深度神经网络训练学习。如采用GoogleNet深度网络学习模型进行小区垃圾训练学习，得出垃圾识别模型。然后，将接收到无人机200航拍的第二航拍图像量化后输入训练好的深度学习模型进行垃圾自动识别，得到分析分析结果，即是否存在垃圾乱堆放情形。
对于不和谐标语分析，首先通过网络爬虫和拍摄采集的方式，收集大量小区横幅图片作为训练样本，输入深度学习模型进行深度神经网络训练学习。如采用基于Faster R-CNN的深度学习目标检测模型进行小区横幅训练学习，得出小区横幅检测模型。然后将无人机200航拍的第二航拍图像输入训练好的模型进行自动检测。最后，对检测到的横幅图像利用光学字符识别技术识别出横幅内容，得到分析分析结果。
步骤S106，判断分析结果是否存在异常，如果是，执行步骤S107。
电子设备100根据接收到的第二航拍图像进行分析，得到分析结果后，判断该分析结果是否存在异常的分析结果。即是否楼顶存在违建、非法占道经营、垃圾乱堆放或不和谐标语情形等。如果存在违建、非法占道经营、垃圾乱堆放或不和谐标语情形，则执行步骤S107。
步骤S107，将第二航拍图像所对应的区域在全景图像上标注并报警。
如果分析结果存在异常，则电子设备100将第二航拍图像所对应的区域(即存在楼顶违建、非法占道经营、垃圾乱堆放或不和谐标语等所在的区域)在全景图像上标注并报警。
进一步的，当分析结果存在异常时，电子设备100还可将分析结果异常所对应的第二航拍图像进行标注和命名，并保存到特定的数据库中，以便相关人员调阅。同时，还可将每次无人机200巡航拍摄的第二航拍图像或者分析结果异常所对应的第二航拍图像的名称、拍摄时间、地点、异常类型和出现次数等信息生成相关报表发给相关人员，以便后续管理人员可以查看、跟踪异常处理结果，并通过无人机出巡的方式核对验证异常处理结果。
综上所述，本发明实施例提供的小区安防的分析方法通过对接收到的小区的第一航拍图像进行拼接，得到小区的全景图像，以便依据小区的全景图像规划处无人机200的巡航路径。同时，可实现第二航拍图像的自动命名和归档，并在其显示单元上同步显示，以便电子设备100端的用户同步查看拍摄的第二航拍图像。其次，能够根据无人机200拍摄的第二航拍图像进行分析，分析出小区楼顶违建、非法占道经营、垃圾乱堆放以及不和谐标语异常情形，从而实现小区安防的自动巡航分析。另外，能够将小区中存在楼顶违建、非法占道经营、垃圾乱堆放以及不和谐标语所对应的区域在全景图像上标注、命名并保存到特定的数据库中，以便相关人员调阅。且能对分析出的异常结果进行报警，并将每次无人机200航摄的第二航拍图像或者分析结果异常所对应的第二航拍图像的名称、拍摄时间、地点、异常类型和出现次数等信息生成相关报表发给相关人员，以便后续管理人员可以查看、跟踪异常处理结果，并通过无人机出巡的方式核对验证异常处理结果。本发明提供的小区安防的分析方法提升了小区安防巡逻的效率、降低巡逻成本、杜绝了巡逻盲区、解决了传统的人工安防巡逻中存在的诸多问题。
请参阅图4，是本发明较佳实施例提供的图2所示的小区安防的分析装置110的功能模块示意图。所述小区安防的分析装置110包括拼接模块111、发送模块112、接收模块113、分析模块114、命名归档模块115、判断模块116和标注报警模块117。
拼接模块111用于对接收到的小区的第一航拍图像进行拼接，得到小区的全景图像。
可以理解的，所述拼接模块111可以用于执行上述的步骤S101。
发送模块112用于将依据全景图像规划的巡航路径发送给无人机，以便无人机根据巡航路径进行航拍得到第二航拍图像。
可以理解的，所述发送模块112可以用于执行上述的步骤S102。
接收模块113用于接收无人机航拍的第二航拍图像。
可以理解的，所述接收模块113可以用于执行上述的步骤S103。
命名归档模块115用于对接收到的第二航拍图像进行命名和归档。
可以理解的，所述命名归档模块115可以用于执行上述的步骤S104。
分析模块114用于根据第二航拍图像进行分析，得到分析结果。
可以理解的，所述分析模块114可以用于执行上述的步骤S105。
判断模块116用于判断分析结果是否存在异常。
可以理解的，所述判断模块116可以用于执行上述的步骤S106。
标注报警模块117用于当分析结果存在异常时，将第二航拍图像所对应的区域在全景图像上标注并报警。
可以理解的，所述标注报警模块117可以用于执行上述的步骤S107。
综上所述，本发明实施例提供的小区安防的分析装置110能够对接收到的小区的第一航拍图像进行拼接，得到小区的全景图像，以便依据小区的全景图像规划处无人机200的巡航路径。同时，可实现第二航拍图像的自动命名和归档，并在其显示单元上同步显示，以便电子设备100端的用户同步查看拍摄的第二航拍图像。其次，能够根据无人机200拍摄的第二航拍图像进行分析，分析出小区楼顶违建、非法占道经营、垃圾乱堆放以及不和谐标语异常情形，从而实现小区安防的自动巡航分析。另外，能够将小区中存在楼顶违建、非法占道经营、垃圾乱堆放以及不和谐标语所对应的区域在全景图像上标注、命名并保存到特定的数据库中，以便相关人员调阅。且能对分析出的异常结果进行报警，并将每次无人机200航摄的第二航拍图像或者分析结果异常所对应的第二航拍图像的名称、拍摄时间、地点、异常类型和出现次数等信息生成相关报表发给相关人员，以便后续管理人员可以查看、跟踪异常处理结果，并通过无人机出巡的方式核对验证异常处理结果。本发明提供的小区安防的分析装置110能够提升小区安防巡逻的效率、降低巡逻成本、杜绝了巡逻盲区、解决了传统的人工安防巡逻中存在的诸多问题。
本发明实施例还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的小区安防的分析方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种小区安防的分析方法，应用于与无人机通信连接的电子设备，其特征在于，所述方法包括：
对接收到的小区的第一航拍图像进行拼接，得到小区的全景图像；
将依据所述全景图像规划的巡航路径发送给所述无人机，以便所述无人机根据所述巡航路径进行航拍得到第二航拍图像；
接收所述无人机航拍的所述第二航拍图像；
根据所述第二航拍图像进行分析，得到分析结果。
2.根据权利要求1所述的方法，其特征在于，所述巡航路径包括关键点或关键区域，所述将依据所述全景图像规划的巡航路径发送给所述无人机，以便所述无人机根据所述巡航路径进行航拍得到第二航拍图像，包括：
将依据所述全景图像规划的巡航路径发送给所述无人机，以便所述无人机根据所述巡航路径中的关键点或关键区域进行航拍得到所述第二航拍图像。
3.根据权利要求1所述的方法，其特征在于，所述根据所述第二航拍图像进行分析，得到分析结果，包括：
将所述第二航拍图像与对应的所述第一航拍图像进行对比分析，得到分析结果。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
对接收到的所述第二航拍图像进行命名和归档。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
当所述分析结果存在异常时，将所述第二航拍图像所对应的区域在所述全景图像上标注并报警；
异常的所述分析结果包括楼顶违建、非法占道经营、垃圾乱堆放和不和谐标语。
6.一种小区安防的分析装置，应用于与无人机通信连接的电子设备，其特征在于，所述小区安防的分析装置包括：
拼接模块，用于对接收到的小区的第一航拍图像进行拼接，得到小区的全景图像；
发送模块，用于将依据所述全景图像规划的巡航路径发送给所述无人机，以便所述无人机根据所述巡航路径进行航拍得到第二航拍图像；
接收模块，用于接收所述无人机航拍的所述第二航拍图像；
分析模块，用于根据所述第二航拍图像进行分析，得到分析结果。
7.根据权利要求6所述的小区安防的分析装置，其特征在于，所述分析模块用于将所述第二航拍图像与对应的所述第一航拍图像进行对比分析，得到分析结果。
8.根据权利要求6所述的小区安防的分析装置，其特征在于，还包括：
命名归档模块，用于对接收到的所述第二航拍图像进行命名和归档。
9.根据权利要求6所述的小区安防的分析装置，其特征在于，还包括：
判断模块，用于判断分析结果是否存在异常；
标注报警模块，用于当所述分析结果存在异常时，将所述第二航拍图像所对应的区域在所述全景图像上标注并报警；
异常的所述分析结果包括楼顶违建、非法占道经营、垃圾乱堆放和不和谐标语。
10.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至5任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810946378.9A CN109064467A (zh) | 2018-08-20 | 2018-08-20 | 小区安防的分析方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810946378.9A CN109064467A (zh) | 2018-08-20 | 2018-08-20 | 小区安防的分析方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109064467A true CN109064467A (zh) | 2018-12-21 |
Family
ID=64687556
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810946378.9A Pending CN109064467A (zh) | 2018-08-20 | 2018-08-20 | 小区安防的分析方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109064467A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109767387A (zh) * | 2018-12-26 | 2019-05-17 | 北京木业邦科技有限公司 | 一种基于无人机的森林图像获取方法及装置 |
| CN109948506A (zh) * | 2019-03-14 | 2019-06-28 | 南通大学 | 一种基于深度学习的多角度垃圾分类云平台 |
| CN111640218A (zh) * | 2020-05-28 | 2020-09-08 | 广东电网有限责任公司 | 一种无人机巡检路线规划方法、装置、终端及存储介质 |
| CN113378602A (zh) * | 2020-03-10 | 2021-09-10 | 顺丰科技有限公司 | 物品违规码放检测方法、装置、服务器及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103196430A (zh) * | 2013-04-27 | 2013-07-10 | 清华大学 | 基于无人机的飞行轨迹与视觉信息的映射导航方法及系统 |
| CN103606261A (zh) * | 2013-11-29 | 2014-02-26 | 文杰 | 一种基于航拍的小区动态巡逻系统 |
| CN104699102A (zh) * | 2015-02-06 | 2015-06-10 | 东北大学 | 一种无人机与智能车协同导航与侦查监控系统及方法 |
| CN105045279A (zh) * | 2015-08-03 | 2015-11-11 | 余江 | 一种利用无人飞行器航拍自动生成全景照片的系统及方法 |
| CN106162089A (zh) * | 2016-07-26 | 2016-11-23 | 广东容祺智能科技有限公司 | 一种电力巡线图像自动识别分析系统及其分析方法 |
| CN106289290A (zh) * | 2016-07-21 | 2017-01-04 | 触景无限科技（北京）有限公司 | 一种路径导航系统及方法 |
| CN106503830A (zh) * | 2016-09-27 | 2017-03-15 | 安徽师范大学 | 一种无人机巡逻系统及其巡逻方法 |
| US20170193646A1 (en) * | 2016-01-05 | 2017-07-06 | Caterpillar Inc. | Dust detection system for a worksite |
| CN206322023U (zh) * | 2016-11-25 | 2017-07-11 | 武汉理工大学 | 一种无人机别墅小区违章搭建监控装置 |
| CN107542070A (zh) * | 2017-08-28 | 2018-01-05 | 南通安中水务科技有限公司 | 一种水域保洁系统及其方法 |
-
2018
- 2018-08-20 CN CN201810946378.9A patent/CN109064467A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103196430A (zh) * | 2013-04-27 | 2013-07-10 | 清华大学 | 基于无人机的飞行轨迹与视觉信息的映射导航方法及系统 |
| CN103606261A (zh) * | 2013-11-29 | 2014-02-26 | 文杰 | 一种基于航拍的小区动态巡逻系统 |
| CN104699102A (zh) * | 2015-02-06 | 2015-06-10 | 东北大学 | 一种无人机与智能车协同导航与侦查监控系统及方法 |
| CN105045279A (zh) * | 2015-08-03 | 2015-11-11 | 余江 | 一种利用无人飞行器航拍自动生成全景照片的系统及方法 |
| US20170193646A1 (en) * | 2016-01-05 | 2017-07-06 | Caterpillar Inc. | Dust detection system for a worksite |
| CN106289290A (zh) * | 2016-07-21 | 2017-01-04 | 触景无限科技（北京）有限公司 | 一种路径导航系统及方法 |
| CN106162089A (zh) * | 2016-07-26 | 2016-11-23 | 广东容祺智能科技有限公司 | 一种电力巡线图像自动识别分析系统及其分析方法 |
| CN106503830A (zh) * | 2016-09-27 | 2017-03-15 | 安徽师范大学 | 一种无人机巡逻系统及其巡逻方法 |
| CN206322023U (zh) * | 2016-11-25 | 2017-07-11 | 武汉理工大学 | 一种无人机别墅小区违章搭建监控装置 |
| CN107542070A (zh) * | 2017-08-28 | 2018-01-05 | 南通安中水务科技有限公司 | 一种水域保洁系统及其方法 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109767387A (zh) * | 2018-12-26 | 2019-05-17 | 北京木业邦科技有限公司 | 一种基于无人机的森林图像获取方法及装置 |
| CN109948506A (zh) * | 2019-03-14 | 2019-06-28 | 南通大学 | 一种基于深度学习的多角度垃圾分类云平台 |
| CN113378602A (zh) * | 2020-03-10 | 2021-09-10 | 顺丰科技有限公司 | 物品违规码放检测方法、装置、服务器及存储介质 |
| CN111640218A (zh) * | 2020-05-28 | 2020-09-08 | 广东电网有限责任公司 | 一种无人机巡检路线规划方法、装置、终端及存储介质 |
| CN111640218B (zh) * | 2020-05-28 | 2022-06-21 | 广东电网有限责任公司 | 一种无人机巡检路线规划方法、装置、终端及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109284729B (zh) | 基于视频获取人脸识别模型训练数据的方法、装置和介质 | |
| EP3437019B1 (en) | Optical character recognition in structured documents | |
| Huang et al. | Deep learning driven visual path prediction from a single image | |
| CN109064467A (zh) | 小区安防的分析方法、装置及电子设备 | |
| Case et al. | Autonomous sign reading for semantic mapping | |
| Xiao et al. | Two-dimensional visual tracking in construction scenarios: A comparative study | |
| CN109359696A (zh) | 一种车款识别方法、系统及存储介质 | |
| CN109685052A (zh) | 文本图像处理方法、装置、电子设备及计算机可读介质 | |
| CN107909033A (zh) | 基于监控视频的嫌疑人快速追踪方法 | |
| CN109145766A (zh) | 模型训练方法、装置、识别方法、电子设备及存储介质 | |
| CN103208008A (zh) | 基于机器视觉的交通视频监控目标检测快速适应方法 | |
| WO2020060632A1 (en) | Converting an image into a structured table | |
| CN109857878B (zh) | 物品标注方法及装置、电子设备及存储介质 | |
| CN112820071A (zh) | 一种行为识别方法和装置 | |
| Yu et al. | Robustness improvement of visual templates matching based on frequency-tuned model in ratslam | |
| CN110619280B (zh) | 一种基于深度联合判别学习的车辆重识别方法及装置 | |
| Ma et al. | An application of metadata-based image retrieval system for facility management | |
| Wang et al. | Automatic identification and location of tunnel lining cracks | |
| EP3376438A1 (en) | A system and method for detecting change using ontology based saliency | |
| Bhargava et al. | A study on potential of big visual data analytics in construction Arena | |
| Hu et al. | Generalized image recognition algorithm for sign inventory | |
| Vatsavai et al. | Geospatial image mining for nuclear proliferation detection: Challenges and new opportunities | |
| Itakura et al. | Automated tree detection from 3D lidar images using image processing and machine learning | |
| Gao et al. | Applying optimized YOLOv8 for heritage conservation: enhanced object detection in Jiangnan traditional private gardens | |
| Alomari et al. | Smart real-time vehicle detection and tracking system using road surveillance cameras |
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: 20181221 |
|
| RJ01 | Rejection of invention patent application after publication |