CN109151463A - 一种视频质量诊断系统及视频质量分析方法 - Google Patents
一种视频质量诊断系统及视频质量分析方法 Download PDFInfo
- Publication number
- CN109151463A CN109151463A CN201811318901.XA CN201811318901A CN109151463A CN 109151463 A CN109151463 A CN 109151463A CN 201811318901 A CN201811318901 A CN 201811318901A CN 109151463 A CN109151463 A CN 109151463A
- Authority
- CN
- China
- Prior art keywords
- video
- image
- video quality
- warning message
- detection unit
- 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
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
Abstract
本发明公开了一种视频质量诊断系统及视频质量分析方法,所述系统包括:多个巡检终端,部署于各个监控网点,实时获取对应监控网点的视频图片,对监控网点的视频图片进行视频质量分析,于视频质量出现异常时产生报警信息至视频巡检服务器进行报警;视频巡检服务器,部署于报警中心,用于接收所述巡检终端的报警信息,根据获得的报警信息进行相应的报警,本发明实现一种成本低、可以放在网点进行部署且不受网络传输速度影响的视频质量诊断技术。
Description
技术领域
本发明涉及视频图像技术领域,特别是涉及一种视频质量诊断系统及视频质量分析方法。
背景技术
随着社会的发展,公众安全意识的不断提高,视频监控因其直观、准确、及时和信息丰富等特点,被广泛应用于政府、教育、交通、金融等各个领域中重要部位和场所的安全监控,在公共安防工作中发挥着越来越大的不可替代的作用。
近年来,随着视频监控系统规模的不断扩大,应用的不断深入,系统的整合需求日益强烈,各级公安机关对远程图像资源共享的需求不断提升,视频监控系统联网后的运维管理一直是困扰各级公安部门的一大难题。在军事要地、交通要道,乃至商场、银行等场所,都要求监控系统能够保持良好的运行状态,保证监控画面的清晰正常,一旦出现问题,极有可能造成不可挽回的严重损失,甚至危害到国防安全。
视频监控系统的规模不断延伸,视频监控环境不断变化,设备供应商越来越多,视频监控系统的主要设备包括摄像机、硬盘录像机、交换机、路由器、服务器等,维护和管理视频监控系统的众多设备的难度随之大幅增加,用户对统一视频集中网络管理平台的需求也越来越高。
随着视频监控网络规模的不断扩大,监控点和摄像头的数量也在急剧增加,网络设备和摄像头故障率也在大幅提高。及时发现和排查网络设备故障和摄像机故障,成为亟需解决的问题。传统的依靠人工进行故障检查不仅工作量大,效率低,维护成本高,而且速度慢,不能满足实时监控的要求,增加了公共安全风险。因此,面对迅猛发展的公共监控设施,传统的人工监测方式已无法满足公众对服务质量要求。
通过对视频监控网络的自动巡检,可及时快速的对网络中的摄像头进行巡视检查,视频质量评价技术可以大大降低运维成本,及时发现监控摄像机的故障点,区分故障的类型。现有技术中,一般由视频巡检服务器在报警中心进行巡检,不方便放在网点进行部署,速度慢及容易受网络传输速度影响。
发明内容
为克服上述现有技术存在的不足,本发明之目的在于提供一种视频质量诊断系统及视频质量分析方法,以实现一种成本低、可以放在网点进行部署且不受网络传输速度影响的视频质量诊断技术。
为达上述及其它目的,本发明提出一种视频质量诊断系统,包括:
多个巡检终端,部署于各个监控网点,实时获取对应监控网点的视频图片,对监控网点的视频图片进行视频质量分析,于视频质量出现异常时产生报警信息至视频巡检服务器进行报警;
视频巡检服务器,部署于报警中心,用于接收所述巡检终端的报警信息,根据获得的报警信息进行相应的报警。
优选地,所述巡检终端采用基于ARM的微型电脑实现。
优选地,所述巡检终端于视频质量出现异常时将报警图片发回视频巡检服务器进行报警。
优选地,所述巡检终端包括:
图像获取模块,用于获取监控设备的视频图像;
模糊检测单元,用于对所述视频图像利用图像边缘信息和概率的相关知识,计算模糊部分占比,根据模糊部分占比实现图像的模糊检测;
遮挡检测单元,用于利用概率的相关知识,对所述视频图像计算遮挡物占总面积的比例,根据遮挡物占总面积的比例实现遮挡检测;
偏色检测单元,用于将所述视频图像从RGB空间转到Lab空间,计算所述视频图像Lab的均值与方差,根据图像的Lab均值与方差实现偏色检测;
噪声检测单元,用于利用连续图片排除非噪声区域,计算两张图片的相似度,根据相似度实现噪声检测;
偏暗及偏亮检测单元,用于计算视频图像整体的亮度值,根据计算的亮度值实现偏暗及偏亮检测。
优选地,所述模糊检测单元先计算图像各个像素点(x,y)的一阶sobel算子,统计白色像素点个数s,然后计算图像二阶log算子,统计白色像素点面积d,利用(s-d)/s计算模糊部分占一阶面积s的百分比,当(s-d)/s大于预设阈值时,产生图像模糊的报警信息。
优选地,所述遮挡检测单元首先计算视频图像(x,y)的sobel算子,然后对sobel算子进行膨胀计算细节部分面积s1,将图像总面积S总-s1等于光滑无细节面积总和s2,得到光滑面积占比s2/S总,当s2/S总大于预设阈值时产生遮挡的报警信息,其中S总为图象的总像素点个数。
优选地,所述偏色检测单元首先把图像从RGB转到Lab空间,计算a跟b的均值S跟方差V,并计算均值跟偏差的比值S/V,当笔直S/V小于某个预设阈值则判断为偏色,产生偏色的报警信息。
优选地,所述噪声检测单元将当前帧与前一帧进行差值计算,膨胀后去除大面积剩下噪声,然后对去除大面积后的两张图片进行相似度计算,当相似度小于预设阈值时则判断为噪声,产生噪声偏大的报警信息。
优选地,当偏暗及偏亮检测单元计算出的亮度值大于第一预设阈值时,则判断为偏亮,产生偏亮报警信息,当所述偏暗及偏亮检测单元计算出的亮度值小于第二预设阈值时,则判断为偏暗,产生偏暗的报警信息,其中第一预设阈值大于第二预设阈值。
为达到上述目的,本发明还提供一种视频质量分析方法,包括如下步骤:
步骤S1,获取监控设备的视频;
步骤S2,对视频图像进行模糊检测、遮挡检测、偏色检测、噪声检测以及偏暗及偏亮检测,并于检测异常时产生相应的报警信息至视频巡检服务器。
与现有技术相比,本发明一种视频质量诊断系统及方法通过将基于ARM的微型电脑实现的巡检终端部署于各监控网点,实时获取对应监控网点的视频图片,对监控网点的视频图片进行视频质量分析,于视频质量出现异常时产生报警信息至部署于报警中心的视频巡检服务器进行报警,实现了一种成本低、可以放在网点进行部署且不受网络传输速度影响的视频质量诊断技术。
附图说明
图1为本发明一种视频质量诊断系统的系统结构图;
图2为本发明具体实施例中巡检终端的细部结构图;
图3为本发明具体实施例中视频质量诊断系统的系统架构图;
图4为本发明一种视频质量分析方法的步骤流程图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。
图1为本发明一种视频质量诊断系统的系统结构图。如图1所示,本发明一种视频质量诊断系统,包括:视频巡检服务器1以及多个巡检终端2。
其中,巡检终端2,部署于各个监控网点,实时获取对应监控网点的视频图片,对监控网点的视频图片进行视频质量分析,于视频质量出现异常时产生报警信息至视频巡检服务器1进行报警。在本发明具体实施例中,巡检终端2于视频质量出现异常时将报警图片发回视频巡检服务器1进行报警,这里的报警图片可以使异常的视频图像。巡检终端2采用基于ARM的微型电脑实现,例如树莓派RPi,树莓派小巧成本低可以放在网点进行部署,不受网络传输速度影响。
视频巡检服务器1,部署于报警中心,用于接收巡检终端2的报警信息,根据获得的报警信息进行相应的报警。例如当收到某个监控网点的巡检终端2发送的报警信息时,则输出该监控网点视频异常的报警信号。
图2为本发明具体实施例中巡检终端的细部结构图。如图2所示,巡检终端2具体包括:
图像获取模块201,用于获取监控设备的视频图像。在本发明中,监控设备指的是监控摄像头。
模糊检测单元202,用于对所述视频图像利用图像边缘信息和概率的相关知识,计算模糊部分占比,根据模糊部分占比实现图像的模糊检测。具体地说,对于视频图像P(x,y),模糊检测单元202先计算图像各个像素点(x,y)的一阶sobel算子,统计白色像素点个数(即面积)s,然后计算图像二阶log算子,统计白色像素点面积d,利用(s-d)/s计算模糊部分占一阶面积s的百分比,当(s-d)/s大于预设阈值时,产生图像模糊的报警信息,以实现图像的模糊检测。
遮挡检测单元203,用于利用概率的相关知识,对视频图像计算遮挡物占总面积的比例,根据遮挡物占总面积的比例实现遮挡检测。在本发明具体实施例中,对于视频图像(x,y),遮挡检测单元203首先计算视频图像(x,y)的sobel算子,然后对sobel算子进行膨胀计算细节部分面积s1,将图像总面积S总-s1等于光滑无细节面积总和s2,得到光滑面积占比s2/S总,当s2/S总大于预设阈值时产生遮挡的报警信息,以实现图像的模糊检测,其中S总为图象的总像素点个数。
偏色检测单元204,用于将视频图像从RGB空间转到Lab空间,计算视频图像Lab的均值与方差,根据图像的Lab均值与方差实现偏色检测。具体地,对于视频图像(x,y),偏色检测单元204首先把图像从RGB转到Lab空间,计算a跟b的均值S跟方差V,并计算均值跟偏差的比值S/V,当笔直S/V小于某个预设阈值则判断为偏色,产生偏色的报警信息,以实现图像的偏色检测。
噪声检测单元205,用于利用连续图片排除非噪声区域,计算两张图片ssim相似度,根据相似度实现噪声检测。具体地,噪声检测单元205将当前帧与前一帧进行差值计算,膨胀后去除大面积剩下噪声,然后对去除大面积后的两张图片进行ssim相似度计算,当相似度小于预设阈值时则判断为噪声,产生噪声偏大的报警信息,以实现图像的噪声检测。
偏暗及偏亮检测单元206,用于计算视频图像整体的亮度值,根据计算的亮度值实现偏暗及偏亮检测,具体地说,当偏暗及偏亮检测单元206计算出的亮度值大于第一预设阈值时,则判断为偏亮,产生偏亮报警信息,当偏暗及偏亮检测单元206计算出的亮度值小于第二预设阈值时,则判断为偏暗,产生偏暗的报警信息,这里第一预设阈值大于第二预设阈值。
图3为本发明具体实施例中视频质量诊断系统的系统架构图。在本发明具体实施例中,巡检终端部署于各个监控网点,基于树莓派实现视频巡检服务(融合IO数据服务),通过TCP/IP网络与视频巡检服务器通信,视频巡检服务器设计为综合管理平台/中心客户端,配置管理工具,通过巡检终端实现视频巡检服务(融合IO数据服务)。
图4为本发明一种视频质量分析方法的步骤流程图。如图4所示,本发明一种视频质量分析方法,包括如下步骤:
步骤S1,获取监控设备的视频图像。在本发明中,监控设备指的是监控摄像头。
步骤S2,对视频图像进行模糊检测、遮挡检测、偏色检测、噪声检测以及偏暗及偏亮检测,并于检测异常时产生相应的报警信息至视频巡检服务器。
具体地,步骤S2进一步包括:
步骤S200,对所述视频图像利用图像边缘信息和概率的相关知识,计算模糊部分占比,根据模糊部分占比实现图像的模糊检测。具体地说,对于视频图像(x,y),先计算图像各个像素点(x,y)的一阶sobel算子,统计白色像素点个数(即面积)s,然后计算图像二阶log算子,统计白色像素点面积d,利用(s-d)/s计算模糊部分占一阶面积s的百分比,当(s-d)/s大于预设阈值时,产生图像模糊的报警信息,以实现图像的模糊检测;
步骤S201,利用概率的相关知识,对视频图像计算遮挡物占总面积的比例,根据遮挡物占总面积的比例实现遮挡检测。在本发明具体实施例中,对于视频图像(x,y),首先计算视频图像(x,y)的sobel算子,然后对sobel算子进行膨胀计算细节部分面积s1,将图像总面积S总-s1等于光滑无细节面积总和s2,得到光滑面积占比s2/S总,当s2/S总大于预设阈值时产生遮挡的报警信息,以实现图像的模糊检测,其中S总为图象的总像素点个数;
步骤S202,将视频图像从RGB空间转到Lab空间,计算视频图像Lab的均值与方差,根据图像的Lab均值与方差实现偏色检测。具体地,对于视频图像(x,y),偏色检测单元204首先把图像从RGB转到Lab空间,计算a跟b的均值S跟方差V,并计算均值跟偏差的比值S/V,当笔直S/V小于某个预设阈值则判断为偏色,产生偏色的报警信息,以实现图像的偏色检测;
步骤S203,利用连续图片排除非噪声区域,计算两张图片ssim相似度,根据相似度实现噪声检测。具体地,将当前帧与前一帧进行差值计算,膨胀后去除大面积剩下噪声,然后对去除大面积后的两张图片进行ssim相似度计算,当相似度小于预设阈值时则判断为噪声,产生噪声偏大的报警信息,以实现图像的噪声检测;
步骤S204,计算视频图像整体的亮度值,根据计算的亮度值实现偏暗及偏亮检测,具体地说,当计算出的亮度值大于第一预设阈值时,则判断为偏亮,产生偏亮报警信息,当计算出的亮度值小于第二预设阈值时,则判断为偏暗,产生偏暗的报警信息,这里第一预设阈值大于第二预设阈值。
综上所述,本发明一种视频质量诊断系统及方法通过将基于ARM的微型电脑实现的巡检终端部署于各监控网点,实时获取对应监控网点的视频图片,对监控网点的视频图片进行视频质量分析,于视频质量出现异常时产生报警信息至部署于报警中心的视频巡检服务器进行报警,实现了一种成本低、可以放在网点进行部署且不受网络传输速度影响的视频质量诊断技术。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下,对上述实施例进行修饰与改变。因此,本发明的权利保护范围,应如权利要求书所列。
Claims (10)
1.一种视频质量诊断系统,包括:
多个巡检终端,部署于各个监控网点,实时获取对应监控网点的视频图片,对监控网点的视频图片进行视频质量分析,于视频质量出现异常时产生报警信息至视频巡检服务器进行报警;
视频巡检服务器,部署于报警中心,用于接收所述巡检终端的报警信息,根据获得的报警信息进行相应的报警。
2.如权利要求1所述的一种视频质量诊断系统,其特征在于,所述巡检终端采用基于ARM的微型电脑实现。
3.如权利要求1所述的一种视频质量诊断系统,其特征在于:所述巡检终端于视频质量出现异常时将报警图片发回视频巡检服务器进行报警。
4.如权利要求1所述的一种视频质量诊断系统,其特征在于,所述巡检终端包括:
图像获取模块,用于获取监控设备的视频图像;
模糊检测单元,用于对所述视频图像利用图像边缘信息和概率的相关知识,计算模糊部分占比,根据模糊部分占比实现图像的模糊检测;
遮挡检测单元,用于利用概率的相关知识,对所述视频图像计算遮挡物占总面积的比例,根据遮挡物占总面积的比例实现遮挡检测;
偏色检测单元,用于将所述视频图像从RGB空间转到Lab空间,计算所述视频图像Lab的均值与方差,根据图像的Lab均值与方差实现偏色检测;
噪声检测单元,用于利用连续图片排除非噪声区域,计算两张图片的相似度,根据相似度实现噪声检测;
偏暗及偏亮检测单元,用于计算视频图像整体的亮度值,根据计算的亮度值实现偏暗及偏亮检测。
5.如权利要求4所述的一种视频质量诊断系统,其特征在于,所述模糊检测单元先计算图像各个像素点(x,y)的一阶sobel算子,统计白色像素点个数s,然后计算图像二阶log算子,统计白色像素点面积d,利用(s-d)/s计算模糊部分占一阶面积s的百分比,当(s-d)/s大于预设阈值时,产生图像模糊的报警信息。
6.如权利要求4所述的一种视频质量诊断系统,其特征在于:所述遮挡检测单元首先计算视频图像(x,y)的sobel算子,然后对sobel算子进行膨胀计算细节部分面积s1,将图像总面积S总-s1等于光滑无细节面积总和s2,得到光滑面积占比s2/S总,当s2/S总大于预设阈值时产生遮挡的报警信息,其中S总为图象的总像素点个数。
7.如权利要求4所述的一种视频质量诊断系统,其特征在于:所述偏色检测单元首先把图像从RGB转到Lab空间,计算a跟b的均值S跟方差V,并计算均值跟偏差的比值S/V,当笔直S/V小于某个预设阈值则判断为偏色,产生偏色的报警信息。
8.如权利要求4所述的一种视频质量诊断系统,其特征在于:所述噪声检测单元将当前帧与前一帧进行差值计算,膨胀后去除大面积剩下噪声,然后对去除大面积后的两张图片进行相似度计算,当相似度小于预设阈值时则判断为噪声,产生噪声偏大的报警信息。
9.如权利要求4所述的一种视频质量诊断系统,其特征在于:当偏暗及偏亮检测单元计算出的亮度值大于第一预设阈值时,则判断为偏亮,产生偏亮报警信息,当所述偏暗及偏亮检测单元计算出的亮度值小于第二预设阈值时,则判断为偏暗,产生偏暗的报警信息,其中第一预设阈值大于第二预设阈值。
10.一种视频质量分析方法,包括如下步骤:
步骤S1,获取监控设备的视频;
步骤S2,对视频图像进行模糊检测、遮挡检测、偏色检测、噪声检测以及偏暗及偏亮检测,并于检测异常时产生相应的报警信息至视频巡检服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811318901.XA CN109151463B (zh) | 2018-11-07 | 2018-11-07 | 一种视频质量诊断系统及视频质量分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811318901.XA CN109151463B (zh) | 2018-11-07 | 2018-11-07 | 一种视频质量诊断系统及视频质量分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109151463A true CN109151463A (zh) | 2019-01-04 |
CN109151463B CN109151463B (zh) | 2021-05-07 |
Family
ID=64807904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811318901.XA Active CN109151463B (zh) | 2018-11-07 | 2018-11-07 | 一种视频质量诊断系统及视频质量分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109151463B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363159A (zh) * | 2019-07-17 | 2019-10-22 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、电子设备及计算机可读存储介质 |
CN110662024A (zh) * | 2019-10-31 | 2020-01-07 | 上海中铁通信信号测试有限公司 | 基于多帧的视频质量诊断方法、装置及电子设备 |
CN112367520A (zh) * | 2020-11-11 | 2021-02-12 | 郑州师范学院 | 基于人工智能的视频质量诊断系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103731643A (zh) * | 2014-01-17 | 2014-04-16 | 公安部第三研究所 | 一种视频监控网络质量巡检方法及系统 |
US20150213702A1 (en) * | 2014-01-27 | 2015-07-30 | Atlas5D, Inc. | Method and system for behavior detection |
CN206674116U (zh) * | 2017-04-18 | 2017-11-24 | 武汉大学 | 一种基于树莓派的智能监控系统 |
CN107911693A (zh) * | 2017-12-08 | 2018-04-13 | 国网江苏省电力公司 | 一种变电站视频监控设备自动化运行维护的方法 |
-
2018
- 2018-11-07 CN CN201811318901.XA patent/CN109151463B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103731643A (zh) * | 2014-01-17 | 2014-04-16 | 公安部第三研究所 | 一种视频监控网络质量巡检方法及系统 |
US20150213702A1 (en) * | 2014-01-27 | 2015-07-30 | Atlas5D, Inc. | Method and system for behavior detection |
CN206674116U (zh) * | 2017-04-18 | 2017-11-24 | 武汉大学 | 一种基于树莓派的智能监控系统 |
CN107911693A (zh) * | 2017-12-08 | 2018-04-13 | 国网江苏省电力公司 | 一种变电站视频监控设备自动化运行维护的方法 |
Non-Patent Citations (1)
Title |
---|
周励琨: "面向视频监控的视频质量异常检测系统的设计与开发", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110363159A (zh) * | 2019-07-17 | 2019-10-22 | 腾讯科技(深圳)有限公司 | 图像识别方法、装置、电子设备及计算机可读存储介质 |
CN110662024A (zh) * | 2019-10-31 | 2020-01-07 | 上海中铁通信信号测试有限公司 | 基于多帧的视频质量诊断方法、装置及电子设备 |
CN112367520A (zh) * | 2020-11-11 | 2021-02-12 | 郑州师范学院 | 基于人工智能的视频质量诊断系统 |
CN112367520B (zh) * | 2020-11-11 | 2022-06-21 | 郑州师范学院 | 基于人工智能的视频质量诊断系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109151463B (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107272637B (zh) | 一种视频监控系统故障自检自恢复控制系统及方法 | |
CN102118629B (zh) | 基于监控平台的网络视频监控服务质量保障系统及方法 | |
CN102387038B (zh) | 基于视频检测及综合网管的网络视频故障定位系统及方法 | |
CN103731643B (zh) | 一种视频监控网络质量巡检方法及系统 | |
CN101783970B (zh) | 摄像机故障自动检测和管理方法、装置和系统 | |
CN105100732B (zh) | 一种机房服务器远程监控方法及系统 | |
CN107959847B (zh) | 视频监控网络的视频诊断和运维管理系统及方法 | |
CN103108159B (zh) | 一种电力智能视频分析监控系统和方法 | |
CN102176758A (zh) | 一种视频质量诊断系统及其实现方法 | |
CN109151463A (zh) | 一种视频质量诊断系统及视频质量分析方法 | |
CN1882078B (zh) | 监视摄像机的图像异常检测装置 | |
CN103260049A (zh) | 智慧天网视频质量诊断系统 | |
KR102028147B1 (ko) | 이벤트 상황을 관제하는 통합 관제 시스템, 영상 분석 장치 및 지역 관제 서버 | |
CN106454250A (zh) | 智能识别及预警处理的信息平台 | |
CN202282837U (zh) | 视频质量诊断系统 | |
CN103514694A (zh) | 一种入侵检测监控系统 | |
CN103297751A (zh) | 智慧天网视频行为分析系统 | |
CN106454331A (zh) | 视频信号质量检测系统及方法 | |
CN109410497A (zh) | 一种基于深度学习的桥洞空间安全监测与报警系统 | |
CN106651902A (zh) | 一种楼宇智能预警方法及系统 | |
CN111476696A (zh) | 基于大数据的社区矫正群体位置信息监控报警系统 | |
CN110049317A (zh) | 一种视频监控系统的在线故障检测方法、系统和电子设备 | |
CN110300280A (zh) | 一种景区客流监控系统 | |
CN209845008U (zh) | 基于片上系统的集群监控系统 | |
CN111787311B (zh) | 一种安防监控摄像机的故障检测系统及方法 |
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 |