CN109284697A - 基于滑动窗口的应急通道占用实时检测方法 - Google Patents
基于滑动窗口的应急通道占用实时检测方法 Download PDFInfo
- Publication number
- CN109284697A CN109284697A CN201811019480.0A CN201811019480A CN109284697A CN 109284697 A CN109284697 A CN 109284697A CN 201811019480 A CN201811019480 A CN 201811019480A CN 109284697 A CN109284697 A CN 109284697A
- Authority
- CN
- China
- Prior art keywords
- image
- sliding window
- occupies
- detection
- area
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明属于计算机视觉技术领域,涉及基于滑动窗口的应急通道占用实时检测方法。基于滑动窗口的应急通道占用实时检测方法,具体检测步骤包括选取目标检测区域、加载掩膜图像、使用混合高斯背景减除法提取前景、阴影和干扰去除、滑动窗口检测、占用报警。为了便于占用检测和调整检测精度,我们采用了滑动窗口检测算法。本发明基于滑动窗口的应急通道占用实时检测方法,可通过设置滑动窗口参数,方便地调整占用判别的时间标准和检测的灵敏度,本发明不仅能检测到有物体占用,还能精确地给出占用发生的时间位置,方便了监控人员快速查看占用情况。
Description
技术领域
本发明属于计算机视觉技术领域,涉及基于滑动窗口的应急通道占用实时检测方法。
背景技术
应急通道是当商场、超市和小区等人员聚集场所发生危险或其他事故时能够使用的专用通道。以安全疏散通道和消防通道为例。当发生火灾时,安全疏散通道是人们逃生的救命通道,而消防通道是由消防车辆和消防官兵使用从而能迅速解决火灾问题。其两者是否畅通,完全影响着人民的生命和财产安全,后果不堪设想。
目前,因消防通道被堵,导致救援迟缓的事件很多。2018年7月9日,南充市某小区发生火灾,当消防车辆到达现场时却被两辆私家车堵住,无法通过。当救援人员挪车无果后,消防车在通车时与两辆车发生了摩擦。2017年12月24日,深圳市南山区南油龙滨花园小区发生一起火灾,三人被困,民警到达现场后发现,通往该小区的道路被一辆小汽车堵住,消防车无法进入现场。根据《消防法》第60条第5项和第2款、第3款的规定:对占用、堵塞、封闭消防车通道,妨碍消防车通行的,责令改正,对单位处5000元以上5万元以下罚款;对个人处警告或500元以下罚款;对经责令改正拒不改正的,强制执行,所需费用由违法行为人承担。
针对以上问题,目前主要有两种方法:人工检查和视频监控。第一种,靠专门的工作人员进行监督排查,虽然成本低,但是耗费大量人力,且不能对存在安全隐患的问题及时排查。第二种,视频监控目前主要是通过摄像头将视频传至监控室,通过人工在后台对着监控视频进行检查,这种方法缺点是大量的视频对工作人员负担加重,容易疏忽,并且很难达到实时监控的效果。
发明内容
为了克服以上检测方法的缺点,本发明提出了基于滑动窗口的应急通道占用实时检测方法。该方法是通过于混合高斯的背景建模方法提取前景图像,再使用带有重叠的滑动窗口均匀采样视频图像,并通过计算滑动窗口内的采样图像对应位置之间的像素值是否发生变化,来提取滑动窗口内停留的物体,及时判断是否有物体占用应急通道,从而能达到实时监测的效果,并且能够给出占用开始的时间位置,便于让监控人员快速查看。
本发明的技术方案:
基于滑动窗口的应急通道占用实时检测方法,步骤如下:
第一步,制作掩膜图像。
由摄像头捕捉应急通道的全景视频图像,在全景视频图像上按逆时针选取四个点,四个点所围成的四边形区域包含整个应急通道区域。将掩膜图像中的四边形区域内的像素值设为255,其他区域像素值设为0,得到掩膜图像M(x,y)。
第二步,获取目标区域视频灰度图像。
读入全景视频图像,将全景视频图像进行灰度化处理后得到图像I(x,y)。图像I(x,y)加载掩膜图像M(x,y),得到目标区域视频灰度图像F(x,y)。
F(x,y)=I(x,y)&M(x,y) (1)
其中,&是图像对应的像素点位置的像素值进行“与”操作。
第三步,使用混合高斯背景建模提取目标前景二值图像。
通过获取第1帧目标区域视频灰度图像F(x,y),将目标区域视频灰度图像F(x,y)采用混合高斯建立背景模型,得到背景图像B(x,y),将目标区域视频灰度图像F(x,y)与背景图像B(x,y)进行背景差分,由设定的阈值Tsu进行二值化处理,提取目标前景二值图像R(x,y)。
第四步,阴影去除。
由于光照的影响,人和物都存在影子,造成高斯模型提取的前景也存在影子。目标前景二值图像R(x,y)采用阴影去除算法得到去除阴影后的目标前景二值图像D(x,y)。
第五步,滑动窗口检测。
在视频监控中,若有目标物体出现并在T时间内保持静止,我们则判断其占用,否则不视为占用。在进行占用检测时,我们需要对目标前景二值图像D(x,y)序列进行采样并处理。
为了便于占用检测和调整检测精度,我们采用了滑动窗口检测算法。对于滑动窗口,存在两个可调的属性参数。一个是窗口大小T,此参数大小决定一个物体停留的时间,当停留时间大于T时将发出警报;另一个是两个相邻滑动窗口重叠时间的大小toverlap(toverlap<T),此参数反应了检测的灵敏度,toverlap越大,检测灵敏度越高。
连续选取K帧目标前景二值图像D(x,y)序列,建立一个时间大小为T的滑动窗口,
K=T*fps (3)
其中,fps为视频帧率。
当大小为T的滑动窗口进行滑动检测时,相邻滑动窗口重叠时间的大小toverlap(toverlap<T),滑动窗口前端丢弃(T-toverlap)*fps帧的目标前景二值图像D(x,y),滑动窗口末端接收新的(T-toverlap)*fps帧的目标前景二值图像D(x,y)。
对于时间为T的滑动窗口内的目标前景二值图像D(x,y)序列,只要在目标前景二值图像D(x,y)序列相同位置的所有像素值都相等,即不发生改变,此位置即为占用停留区域。
为了检测物体占用停留区域,对所有的滑动窗口内的目标前景二值图像D(x,y)序列均匀采样N帧,将窗口内采样的N帧图像进行与操作,得到的二值图像记为O(x,y),即为停留图像O(x,y)。
O(x,y)=D1(x,y)&D1(x,y)&…&DN(x,y) (4)
其中,Di(x,y),(i=1,…,N)为滑动窗口采样的第i帧目标前景二值图像,像素取值为0或255,0为黑色,255为白色。
对停留图像O(x,y)搜索其连通区域,每个连通区域内像素值为255的像素点组成的面积即为停留区域的面积Sj(j=1,…,m),m为停留图像O(x,y)内连通区域的个数。
由于环境噪声等干扰因素的影响,会导致停留图像O(x,y)受到影响,出现面积较小的连通区域,设定一个面积阈值s,排除面积较小的连通区域。当Sj>s时,我们将其判断为占用区域。
进一步的,当物体占用应急通道时,由滑动窗口的两个属性参数T和toverlap,能精确的得到占用开始的时间tstart:
tstart=C(T-toverlap) (5)
其中C=1,…,n,代表第C个滑动窗口检测到有物体占用。
定义占用检测的灵敏度(Sensitivity):
由式(6)可以看出,当T一定时,toverlap越大,σ越大,应急通道占用检测的灵敏度越高。但是toverlap越大,导致滑动窗口检测的次数增多,从而造成检测冗余。因此,toverlap的经验取值大小为:
toverlap=(0.3~0.7)T (7)
第六步,占用报警。
通过第五步检测出占用物体后,监控设备发出警示。
本发明的有益效果:
本发明着眼于商场、超市和小区的安全疏散通道和消防通道等应急通道被物体长时间占用的问题,对其进行监控并自动检测报警。
(1)本发明基于滑动窗口的应急通道占用实时检测方法,可通过设置滑动窗口参数,方便地调整占用判别的时间标准和检测的灵敏度。
(2)本发明不仅能检测到有物体占用,还能精确地给出占用发生的时间位置,方便了监控人员快速查看占用情况。
(3)在检测监控视频中是否存在停留区域时,采用图像间相与的算法,不仅方法简单,而且能够有效的避免噪音干扰,从而能时检测的停留区域更加准确。
附图说明
图1为本发明的占用检测实施流程图。
图2为本发明创新的滑动窗口检测方法流程图。
图3滑动窗口的示意图。
图4制作的掩膜图像示意图。
图5(a)输入的视频灰度图。
图5(b)加载掩膜图像后的目标区域灰度图。
图5(c)经混合高斯建模提取的目标前景二值图。
图5(d)经阴影去除后的目标前景二值图。
图5(e)检测出物体的停留图。
图5(f)检测到有物体占用应急通道图。
具体实施方式
以下结合附图和技术方案,进一步说明本发明的具体实施方式。
如图1、2所示,本发明是基于滑动窗口的应急通道占用实时检测方法。具体检测步骤包括选取目标检测区域、加载掩膜图像、使用混合高斯背景减除法提取前景、阴影和干扰去除、滑动窗口检测、占用报警。
基于滑动窗口的应急通道占用实时检测方法步骤如下:
第一步,制作掩膜图像。
由于位于高处的摄像头捕捉到应急通道的图像一个全景,包含了其他无关区域。为了防止其他区域干扰,为此在占用检测前我们应选取只包含应急通道的目标区域,即制作掩膜图像。由于监控的通道是一个三维场景,所以制作的掩膜图像是一个四边形的二值图(像素值0或255)。在进行占用检测之前,我们在读入的视频图像上按逆时针选取四个点作为四边形的顶点,四个顶点所围成的四边形区域尽量能包含整个应急通道区域。设并置掩膜图像中的四边形区域内的像素值为255,其他区域像素值为0。通过以上操作,得到掩膜图像M(x,y),如图4所示。
第二步,读入视频,加载掩膜图像,获取目标区域视频灰度图像。
首先读入视频,并将视频图像进行灰度化处理后得到的图像为I(x,y),如图5(a)所示。然后加载掩膜图像M(x,y),得到目标区域视频灰度图像F(x,y),如图5(b)所示。
F(x,y)=I(x,y)&M(x,y) (1)
&是指图像对应的像素点位置的像素值进行“与”操作。
第三步,使用混合高斯背景建模提取目标前景二值图像。
通过获取第1帧目标区域视频灰度图像F(x,y),采用混合高斯建立背景模型获得背景图像B(x,y),然后将目标区域视频灰度图像F(x,y)与背景图像B(x,y)进行背景差分,再由设定的阈值Tsu进行二值化处理,从而提取目标前景二值图像R(x,y),如图5(c)所示。
第四步,阴影去除。
由于光照的影响,人和物都存在影子,造成高斯模型提取的前景也存在影子。目标前景二值图像R(x,y)使用阴影去除算法得到去除阴影后的目标前景二值图像D(x,y),如图5(d)所示。
第五步,滑动窗口检测,检测流程图如图2所示。
在视频监控中,若有目标物体出现并在T时间内保持静止,我们则判断其占用,否则不视为占用。在进行占用检测时,我们需要对目标前景二值图像D(x,y)序列进行采样并处理。为了便于占用检测和调整检测精度,我们采用了滑动窗口检测算法。对于滑动窗口,存在两个可调的属性参数。一个是窗口大小T,此参数大小决定一个物体停留的时间,当停留时间大于T时将发出警报;另一个是两个相邻滑动窗口重叠时间的大小toverlap(toverlap<T),此参数反应了检测的灵敏度,toverlap越小,检测灵敏度越高。
连续选取K帧目标前景二值图像D(x,y)序列,建立一个时间大小为T的滑动窗口,如图3所示,
K=T*fps (3)
其中fps为视频帧率。
当大小为T的滑动窗口进行滑动检测时,相邻滑动窗口重叠时间的大小toverlap(toverlap<T),滑动窗口前端丢弃(T-toverlap)*fps帧目标前景二值图像D(x,y),滑动窗口末端接收新的(T-toverlap)*fps帧目标前景二值图像D(x,y)。
对于时间为T的滑动窗口内的目标前景二值图像D(x,y)序列,只要在目标前景二值图像D(x,y)序列相同位置的所有像素值都相等,即不发生改变,此位置即为占用停留区域。为了检测物体占用停留区域,对所有的滑动窗口内的目标前景二值图像D(x,y)序列均匀采样N帧,将窗口内采样的N帧图像进行与操作,得到的二值图像记为O(x,y),即为停留图像O(x,y),如图5(e)所示。
O(x,y)=D1(x,y)&D1(x,y)&…&DN(x,y) (4)
其中,Di(x,y),(i=1,…,N)为滑动窗口采样的第i帧目标前景二值图像,像素取值为0或255,0为黑色,255为白色。
对停留图像O(x,y)搜索其连通区域,每个连通区域内像素值为255的像素点组成的面积即为停留区域的面积Sj(j=1,…,m),m为停留图像O(x,y)内连通区域的个数。
由于环境噪声等干扰因素的影响,会导致停留图像O(x,y)受到影响,出现面积较小的连通区域。为此我们设定一个面积阈值s。当Sj>s时,我们将其判断为占用区域。并将占用应急通道的物体在视频灰度图I(x,y)上进行标出,如图5(f)所示。在图5(f)中,物体被检测出,而人未被检测出。这是因为人一直是运动的,而物体相对于背景在时间窗T内是静止的,因此被检测出占用应急通道。
当物体占用应急通道时,由滑动窗口的两个属性参数T和toverlap,可以精确的得到占用开始的时间tstart:
tstart=C(T-toverlap) (5)
其中C=1,…,n,代表第C个滑动窗口检测到有物体占用。
占用检测的灵敏度(Sensitivity)定义为:
其中σ∈(0,1)。由式(6)可以看出,当T一定时,toverlap越大,σ越大,应急通道占用检测的灵敏度越高。但是toverlap越大,导致滑动窗口检测的次数增多,从而造成检测冗余。因此,toverlap的经验取值大小为:
toverlap=(0.3~0.7)T (7)
第六步,占用报警。由第五步滑动窗口检测,检测出占用物体,并自动发出警示。
本发明不仅仅适用于应急通道的占到检测,也适用于其他类似的占用的场合。
Claims (3)
1.一种基于滑动窗口的应急通道占用实时检测方法,其特征在于,步骤如下:
第一步,制作掩膜图像;
由摄像头捕捉应急通道的全景视频图像,在全景视频图像上按逆时针选取四个点,四个点所围成的四边形区域包含整个应急通道区域;将四边形区域内的像素值设为255,其他区域像素值设为0,得到掩膜图像M(x,y);
第二步,获取目标区域视频灰度图像;
将全景视频图像进行灰度化处理后得到图像I(x,y);图像I(x,y)加载掩膜图像M(x,y),得到目标区域视频灰度图像F(x,y);
F(x,y)=I(x,y)&M(x,y)(1)
其中,&是图像对应的像素点位置的像素值进行“与”操作;
第三步,使用混合高斯背景建模提取目标前景二值图像;
通过获取第1帧目标区域视频灰度图像F(x,y),将目标区域视频灰度图像F(x,y)采用混合高斯建立背景模型,得到背景图像B(x,y),将目标区域视频灰度图像F(x,y)与背景图像B(x,y)进行背景差分,设定阈值Tsu进行二值化处理,提取目标前景二值图像R(x,y);
第四步,阴影去除;
目标前景二值图像R(x,y)采用阴影去除算法得到去除阴影后的目标前景二值图像D(x,y);
第五步,滑动窗口检测;
连续选取K帧目标前景二值图像D(x,y)序列,建立时间大小为T的滑动窗口,
K=T*fps
其中,fps为视频帧率;
对所有的滑动窗口内的目标前景二值图像D(x,y)序列均匀采样N帧,将滑动窗口内采样的N帧图像进行与操作,得到的二值图像记为O(x,y),即停留图像O(x,y);
O(x,y)=D1(x,y)&D1(x,y)&…&DN(x,y)
其中,Di(x,y),(i=1,…,N)为滑动窗口采样的第i帧目标前景二值图像,像素取值为0或255,0为黑色,255为白色;
对停留图像O(x,y)搜索其连通区域,每个连通区域内像素值为255的像素点组成的面积即为停留区域的面积Sj(j=1,…,m),m为停留图像O(x,y)内连通区域的个数;
设定面积阈值s,当Sj>s时,即为占用区域;
第六步,占用报警;
通过第五步检测出占用物体后,监控设备发出警示。
2.如权利要求1所述的基于滑动窗口的应急通道占用实时检测方法,其特征在于,第五步中,物体占用应急通道时,占用开始的时间tstart为:
tstart=C(T-toverlap)
其中C=1,…,n,代表第C个滑动窗口检测到有物体占用;toverlap取值为:toverlap=(0.3~0.7)T。
3.如权利要求1或2所述的基于滑动窗口的应急通道占用实时检测方法,其特征在于,第五步,占用检测的灵敏度:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811019480.0A CN109284697B (zh) | 2018-09-03 | 2018-09-03 | 基于滑动窗口的应急通道占用实时检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811019480.0A CN109284697B (zh) | 2018-09-03 | 2018-09-03 | 基于滑动窗口的应急通道占用实时检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109284697A true CN109284697A (zh) | 2019-01-29 |
CN109284697B CN109284697B (zh) | 2021-05-14 |
Family
ID=65184303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811019480.0A Active CN109284697B (zh) | 2018-09-03 | 2018-09-03 | 基于滑动窗口的应急通道占用实时检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109284697B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189355A (zh) * | 2019-05-05 | 2019-08-30 | 暨南大学 | 安全疏散通道占用检测方法、装置、电子设备及存储介质 |
CN110909633A (zh) * | 2019-11-07 | 2020-03-24 | 浙江大华技术股份有限公司 | 堆积程度的确定方法及装置、存储介质、电子装置 |
CN111081047A (zh) * | 2019-12-10 | 2020-04-28 | 重庆邮电大学 | 一种基于光电图像处理的精准智能停车管理方法及管理系统 |
CN111614938A (zh) * | 2020-05-14 | 2020-09-01 | 杭州海康威视系统技术有限公司 | 一种风险识别方法及装置 |
CN114530043A (zh) * | 2022-03-03 | 2022-05-24 | 上海闪马智能科技有限公司 | 一种事件检测方法、装置、存储介质及电子装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102778701A (zh) * | 2011-05-12 | 2012-11-14 | 颜国顺 | 一种机场跑道外来物检测系统 |
CN104376554A (zh) * | 2014-10-16 | 2015-02-25 | 中海网络科技股份有限公司 | 一种基于图像纹理的违章停车检测方法 |
CN107301388A (zh) * | 2017-06-16 | 2017-10-27 | 重庆交通大学 | 一种车辆自动识别方法及装置 |
CN107491753A (zh) * | 2017-08-16 | 2017-12-19 | 电子科技大学 | 一种基于背景建模的违章停车检测方法 |
-
2018
- 2018-09-03 CN CN201811019480.0A patent/CN109284697B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102778701A (zh) * | 2011-05-12 | 2012-11-14 | 颜国顺 | 一种机场跑道外来物检测系统 |
CN104376554A (zh) * | 2014-10-16 | 2015-02-25 | 中海网络科技股份有限公司 | 一种基于图像纹理的违章停车检测方法 |
CN107301388A (zh) * | 2017-06-16 | 2017-10-27 | 重庆交通大学 | 一种车辆自动识别方法及装置 |
CN107491753A (zh) * | 2017-08-16 | 2017-12-19 | 电子科技大学 | 一种基于背景建模的违章停车检测方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110189355A (zh) * | 2019-05-05 | 2019-08-30 | 暨南大学 | 安全疏散通道占用检测方法、装置、电子设备及存储介质 |
CN110909633A (zh) * | 2019-11-07 | 2020-03-24 | 浙江大华技术股份有限公司 | 堆积程度的确定方法及装置、存储介质、电子装置 |
CN110909633B (zh) * | 2019-11-07 | 2022-08-16 | 浙江大华技术股份有限公司 | 堆积程度的确定方法及装置、存储介质、电子装置 |
CN111081047A (zh) * | 2019-12-10 | 2020-04-28 | 重庆邮电大学 | 一种基于光电图像处理的精准智能停车管理方法及管理系统 |
CN111614938A (zh) * | 2020-05-14 | 2020-09-01 | 杭州海康威视系统技术有限公司 | 一种风险识别方法及装置 |
CN111614938B (zh) * | 2020-05-14 | 2021-11-02 | 杭州海康威视系统技术有限公司 | 一种风险识别方法及装置 |
CN114530043A (zh) * | 2022-03-03 | 2022-05-24 | 上海闪马智能科技有限公司 | 一种事件检测方法、装置、存储介质及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109284697B (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284697A (zh) | 基于滑动窗口的应急通道占用实时检测方法 | |
CN105447471A (zh) | 基于红外检测的设备气体泄漏识别方法和装置 | |
WO2020078229A1 (zh) | 目标对象的识别方法和装置、存储介质、电子装置 | |
EP3058556B1 (de) | Verfahren und vorrichtung zur automatisierten waldbrandfrüherkennung mittels optischer detektion von rauchwolken | |
CN111310556A (zh) | 基于中小学学生区域防溺水安全监管系统及其监控方法 | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
CN104847211B (zh) | 一种站台安全门与车门区间安全的辅助系统及其实现方法 | |
CN102982313B (zh) | 烟雾检测的方法 | |
CN109637068A (zh) | 智能烟火识别系统 | |
CN104581081B (zh) | 基于视频信息的客流分析方法 | |
CN107679471A (zh) | 基于视频监控平台的室内人员空岗检测方法 | |
CN105761261A (zh) | 一种检测摄像头遭人为恶意破坏的方法 | |
CN104657940A (zh) | 畸变图像校正复原与分析报警的方法和装置 | |
CN111507235B (zh) | 基于视频的铁路周界异物入侵检测方法 | |
CN110255318B (zh) | 基于图像语义分割的电梯轿厢闲置物品检测的方法 | |
CN102013009A (zh) | 烟雾图像识别方法及装置 | |
CN104463253B (zh) | 基于自适应背景学习的消防通道安全检测方法 | |
CN104346626A (zh) | 基于图像识别的sf6气体泄漏在线模式识别方法 | |
CN105828065A (zh) | 一种视频画面过曝检测方法及装置 | |
CN111476964A (zh) | 一种远程森林防火监控系统与方法 | |
CN101739549A (zh) | 人脸检测方法及系统 | |
CN107688793A (zh) | 一种变电站室外火灾自动监测预警方法 | |
CN104506850B (zh) | 一种视频遮挡判断方法和装置 | |
KR101954899B1 (ko) | 지능형 cctv 기반 자동 수위감지 방법 | |
CN116416577A (zh) | 一种用于施工监控系统的异常识别方法 |
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 |