CN109299660A - 一种智慧校园预警平台 - Google Patents
一种智慧校园预警平台 Download PDFInfo
- Publication number
- CN109299660A CN109299660A CN201810960168.5A CN201810960168A CN109299660A CN 109299660 A CN109299660 A CN 109299660A CN 201810960168 A CN201810960168 A CN 201810960168A CN 109299660 A CN109299660 A CN 109299660A
- Authority
- CN
- China
- Prior art keywords
- unit
- image
- monitoring
- early warning
- indicate
- 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.)
- Withdrawn
Links
- 238000012544 monitoring process Methods 0.000 claims abstract description 69
- 235000013305 food Nutrition 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims description 16
- 230000004913 activation Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 8
- 230000005764 inhibitory process Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/30—Individual registration on entry or exit not involving the use of a pass
- G07C9/38—Individual registration on entry or exit not involving the use of a pass with central registration
-
- 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
- G06Q50/20—Education
-
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种智慧校园预警平台,包括监控预警中心及视频监控系统,所述视频监控系统与监控预警中心连接,所述视频监控系统用于获取监控图像,所述监控预警中心用于根据监控图像进行预警,所述视频监控系统包括人身安全系统和食品安全系统;所述人身安全系统包括人数监测单元和打架斗殴监测单元,所述人数监测单元用于定向统计通过人数;所述打架斗殴监测单元用于检测监控图像中的暴力行为。本发明的有益效果为:提供了一种智慧校园预警平台,实现了视频安全和人身安全的监控和预警。
Description
技术领域
本发明涉及预警技术领域,具体涉及一种智慧校园预警平台。
背景技术
校园的安全事关学校教育教学工作的正常展开,事关学校和社会的稳定,建立校园预警平台显得尤为重要。
发明内容
针对上述问题,本发明提供一种智慧校园预警平台。
本发明的目的采用以下技术方案来实现:
提供了一种智慧校园预警平台,包括监控预警中心及视频监控系统,所述视频监控系统与监控预警中心连接,所述视频监控系统用于获取监控图像,所述监控预警中心用于根据监控图像进行预警,所述视频监控系统包括人身安全系统和食品安全系统;所述人身安全系统包括人数监测单元和打架斗殴监测单元,所述人数监测单元用于定向统计通过人数;所述打架斗殴监测单元用于检测监控图像中的暴力行为;所述食品安全系统包括后厨人脸门禁单元及远程后厨监控单元,所述后厨人脸门禁单元具有人脸识别功能,用于检测食堂工作人员;所述远程后厨监控单元用于监控后厨的工作环境。
本发明的有益效果为:提供了一种智慧校园预警平台,实现了视频安全和人身安全的监控和预警。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
监控预警中心1、视频监控系统2。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种智慧校园预警平台,包括监控预警中心1及视频监控系统2,所述视频监控系统2与监控预警中心1连接,所述视频监控系统2用于获取监控图像,所述监控预警中心1用于根据监控图像进行预警,所述视频监控系统2包括人身安全系统和食品安全系统;所述人身安全系统包括人数监测单元和打架斗殴监测单元,所述人数监测单元用于定向统计通过人数;所述打架斗殴监测单元用于检测监控图像中的暴力行为;所述食品安全系统包括后厨人脸门禁单元及远程后厨监控单元,所述后厨人脸门禁单元具有人脸识别功能,用于检测食堂工作人员;所述远程后厨监控单元用于监控后厨的工作环境。
本实施例提供了一种智慧校园预警平台,实现了视频安全和人身安全的监控和预警。
优选的,所述打架斗殴监测单元包括图像采集单元、一次模型单元、二次模型单元、三次模型单元、四次模型单元,所述图像采集单元用于采集待检测的图像,所述一次模型单元用于提取出图像的全局特征,所述二次模型单元用于将所提取的图像全局特征融合在深度网络模型中,所述三次模型单元基于二次模型单元确定暴力检测结果,所述四次模型单元用于优化三次模型单元暴力检测结果。
本优选实施例打架斗殴监测单元有效的提高了暴力检测的准确率。
优选的,所述一次模型单元包括一次处理单元、二次处理单元、三次处理单元和四次处理单元;所述一次处理单元对输入的图像进行预处理;所述二次处理单元对图像进行滤波以及卷积操作;所述三次处理单元把二次处理单元的输出结果做非线性映射;所述四次处理单元用于压缩非线性映射后的图像;
所述二次处理单元利用卷积操作对预处理后的图像提取局部邻域特征,经过多层迭代,利用二维卷积提取出图像的全局特征,具体为:
上式里,H,W分别表示二维卷积核的高度、宽度的大小,i表示图像当前所在的卷积层,j表示该层的特征映射数量,表示在第i层第j个特征映射上(x,y)位置处的激活值,此激活值就是图像的二维全局特征;f(·)表示激活函数;表示卷积核的权重,表示第i-1层第d个特征映射在(x,y)处的激活值,GPij表示偏置向量。
本优选实施例一次模型单元通过二维卷积可以很容易地抽取图像的空间信息,简单方便,应用范围最广,但是仅利用这些表观特征并不足以对视频进行完整表达,会使视频有所缺失。
优选的,所述二次模型单元将一次模型单元中的二维卷积核经过空间扩展生成三维卷积核,在像素点(x,y,z)处的三维卷积计算定义为:
上式里,H,W,T分别表示三维卷积核的高度、宽度和时间维度上的大小,i表示图像当前所在的卷积层,j表示该层的特征映射数量,表示在第i层第j个特征映射上(x,y,z)位置处的激活值;此激活值就是图像的三维全局特征;f(·)表示激活函数;表示卷积核的权重,表示第i-1层第d个特征映射在(x,y,z)处的激活值,GPij表示偏置向量。
本优选实施例二次模型单元与二维卷积公式相比,三维卷积在对卷积核和像素点的表示上都增加了时间维度。将卷积核扩展至三维空间后,在对图像序列进行卷积时,卷积操作就会在空域和时域同时进行,这样经过卷积和池化操作后,输出的特征图依旧是图像序列,可以很好的保留视频中的时空信息。经过多个三维卷积的特征提取,就可以提取出视频的全局时空特征。
优选的,所述三次模型单元基于二次模型单元使用C1、C2、C3三个二次处理单元,C1、C2和C3使用的三维卷积核尺寸分别为7×7×5、5×5×5和3×3×3像素;三次模型单元的输入为由40帧连续图像构成的图像片段X;图像帧在经过预处理后,归一化为60×90像素大小并转换为灰度图;输出标量Y标量,用来表示模型对图像输入的检测结果,对于训练好的模型,如果测试图像中包含暴力场景,那么输出Y为1,否则输出结果为0;
所述三次模型单元对一次模型单元和儿次模型单元中的二次处理单元计算得到的特征图进行池化操作:上式里,δT为采样函数,其中,t为时间,T为采样周期,n∈[0,+∞]且n为正整数,表示x层第y个特征图,表示x-1层第y个特征图,θ和B分别为乘性偏置和加性偏置,表示x层第y个乘性偏置,表示x层第y个加性偏置;
所述池化操作采用二维池化操作,池化因子分别设为3×3和2×2像素;
所述三次模型单元在模型训练过程中,代价函数具体为:
上式里,BZ1(X,θ)表示三次模型单元代价函数,G为模型函数,θ为模型参数,X为训练样本,N为样本数量,而是样本实际标签,k∈[1,N],N∈[1,+∞];代价函数值越小表明模型与训练集拟合的越好;
本优选实施例三次模型单元一方面可以进一步减少网络参数,另一方面也赋予了特征图平移不变和旋转不变等特性,使得学到的特征更加鲁棒。
优选的,所述四次模型单元基于三次模型单元,其输入为128×128像素的40帧连续图像,连续图像为三通道彩色图像;
将三维卷积核统一设为3×3×3像素,在卷积操作时,四次模型单元对特征图进行填充操作,使得卷积后得到的特征图与计算前保持一样的大小;在池化过程中也使用三维池化操作,即在时间维度对输入特征图序列进行降采样操作,池化因子设为2×2×2像素;
所述四次模型单元在模型训练过程中的代价函数具体为:
上式里,BZ2(X,θ)表示四次模型单元代价函数,G为模型函数,θ为模型参数,Xk为第k个训练样本,m是类别数,N是每类样本数,是第k个数据实际标签;k∈[1,N],N∈[1,+∞],l∈[1,m],m∈[1,+∞]。
本优选实施例四次模型单元采用了更加复杂的结构,因此处理的图像数据维度可以更高,这样可以加快图像时间信息的提取,去除其中的大量冗余。
采用本发明智慧校园预警平台进行校园安全预警,选取5个学校进行实验,分别为学校1、学校2、学校3、学校4、学校5,对预警准确率和预警效率进行统计,同现有校园预警平台相比,产生的有益效果如下表所示:
预警准确率提高 | 预警效率提高 | |
学校1 | 29% | 27% |
学校2 | 27% | 26% |
学校3 | 26% | 26% |
学校4 | 25% | 24% |
学校5 | 24% | 22% |
通过以上的实施方式的描述,所属领域的技术人员可以清楚地了解应当理解,可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现,处理器可以在一个或多个下列单元中实现:专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现,实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时,可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (8)
1.一种智慧校园预警平台,其特征在于,包括监控预警中心及视频监控系统,所述视频监控系统与监控预警中心连接,所述视频监控系统用于获取监控图像,所述监控预警中心用于根据监控图像进行预警,所述视频监控系统包括人身安全系统和食品安全系统;所述人身安全系统包括人数监测单元和打架斗殴监测单元,所述人数监测单元用于定向统计通过人数;所述打架斗殴监测单元用于检测监控图像中的暴力行为;所述食品安全系统包括后厨人脸门禁单元及远程后厨监控单元,所述后厨人脸门禁单元具有人脸识别功能,用于检测食堂工作人员;所述远程后厨监控单元用于监控后厨的工作环境。
2.根据权利要求1所述的智慧校园预警平台,其特征在于,所述打架斗殴监测单元包括图像采集单元、一次模型单元、二次模型单元、三次模型单元、四次模型单元,所述图像采集单元用于采集待检测的图像,所述一次模型单元用于提取出图像的全局特征,所述二次模型单元用于将所提取的图像全局特征融合在深度网络模型中,所述三次模型单元基于二次模型单元确定暴力检测结果,所述四次模型单元用于优化三次模型单元暴力检测结果。
3.根据权利要求2所述的智慧校园预警平台,其特征在于,所述一次模型单元包括一次处理单元、二次处理单元、三次处理单元和四次处理单元;所述一次处理单元对输入的图像进行预处理;所述二次处理单元对图像进行滤波以及卷积操作;所述三次处理单元把二次处理单元的输出结果做非线性映射;所述四次处理单元用于压缩非线性映射后的图像。
4.根据权利要求3所述的智慧校园预警平台,其特征在于,所述二次处理单元利用卷积操作对预处理后的图像提取局部邻域特征,经过多层迭代,利用二维卷积提取出图像的全局特征,具体为:
上式里,H,W分别表示二维卷积核的高度、宽度的大小,i表示图像当前所在的卷积层,j表示该层的特征映射数量,表示在第i层第j个特征映射上(x,y)位置处的激活值,此激活值就是图像的二维全局特征;f(·)表示激活函数;表示卷积核的权重,表示第i-1层第d个特征映射在(x,y)处的激活值,GPij表示偏置向量。
5.根据权利要求4所述的智慧校园预警平台,其特征在于,所述二次模型单元将一次模型单元中的二维卷积核经过空间扩展生成三维卷积核,在像素点(x,y,z)处的三维卷积计算定义为:
上式里,H,W,T分别表示三维卷积核的高度、宽度和时间维度上的大小,i表示图像当前所在的卷积层,j表示该层的特征映射数量,表示在第i层第j个特征映射上(x,y,z)位置处的激活值;此激活值就是图像的三维全局特征;f(·)表示激活函数;表示卷积核的权重,表示第i-1层第d个特征映射在(x,y,z)处的激活值,GPij表示偏置向量。
6.根据权利要求5所述的智慧校园预警平台,其特征在于,所述三次模型单元基于二次模型单元使用C1、C2、C3三个二次处理单元,C1、C2和C3使用的三维卷积核尺寸分别为7×7×5、5×5×5和3×3×3像素;三次模型单元的输入为由40帧连续图像构成的图像片段X;图像帧在经过预处理后,归一化为60×90像素大小并转换为灰度图;输出标量Y标量,用来表示模型对图像输入的检测结果,对于训练好的模型,如果测试图像中包含暴力场景,那么输出Y为1,否则输出结果为0。
7.根据权利要求6所述的智慧校园预警平台,其特征在于,所述三次模型单元对一次模型单元和儿次模型单元中的二次处理单元计算得到的特征图进行池化操作: 上式里,δT为采样函数,其中,t为时间,T为采样周期,n∈[0,+∞]且n为正整数,表示x层第y个特征图,表示x-1层第y个特征图,θ和B分别为乘性偏置和加性偏置,表示x层第y个乘性偏置,表示x层第y个加性偏置。
8.根据权利要求7所述的智慧校园预警平台,其特征在于,所述池化操作采用二维池化操作,池化因子分别设为3×3和2×2像素。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810960168.5A CN109299660A (zh) | 2018-08-22 | 2018-08-22 | 一种智慧校园预警平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810960168.5A CN109299660A (zh) | 2018-08-22 | 2018-08-22 | 一种智慧校园预警平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109299660A true CN109299660A (zh) | 2019-02-01 |
Family
ID=65165494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810960168.5A Withdrawn CN109299660A (zh) | 2018-08-22 | 2018-08-22 | 一种智慧校园预警平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109299660A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110211334A (zh) * | 2019-06-25 | 2019-09-06 | 启迪数华科技有限公司 | 基于大数据神经网络的校园安全警示方法和装置 |
CN110769205A (zh) * | 2019-11-13 | 2020-02-07 | 广东工程职业技术学院 | 一种预警校园欺凌的监控系统及方法 |
CN111860457A (zh) * | 2020-08-04 | 2020-10-30 | 广州市微智联科技有限公司 | 一种斗殴行为识别预警方法及其识别预警系统 |
-
2018
- 2018-08-22 CN CN201810960168.5A patent/CN109299660A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110211334A (zh) * | 2019-06-25 | 2019-09-06 | 启迪数华科技有限公司 | 基于大数据神经网络的校园安全警示方法和装置 |
CN110769205A (zh) * | 2019-11-13 | 2020-02-07 | 广东工程职业技术学院 | 一种预警校园欺凌的监控系统及方法 |
CN111860457A (zh) * | 2020-08-04 | 2020-10-30 | 广州市微智联科技有限公司 | 一种斗殴行为识别预警方法及其识别预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104202547B (zh) | 投影画面中提取目标物体的方法、投影互动方法及其系统 | |
Zhou et al. | Activity analysis, summarization, and visualization for indoor human activity monitoring | |
CN108027874A (zh) | 使用深度摄像头的基于计算机视觉的安全系统 | |
CN109299660A (zh) | 一种智慧校园预警平台 | |
CN110222787A (zh) | 多尺度目标检测方法、装置、计算机设备及存储介质 | |
CN105389562B (zh) | 一种时空约束的监控视频行人重识别结果的二次优化方法 | |
CN107609520A (zh) | 障碍物识别方法、装置及电子设备 | |
CN111291633A (zh) | 一种实时行人重识别方法及装置 | |
CN107657217A (zh) | 基于运动目标检测的红外与可见光视频的融合方法 | |
Gao et al. | Detection and characterization of the fetal heartbeat in free-hand ultrasound sweeps with weakly-supervised two-streams convolutional networks | |
CN109447073A (zh) | 一种基于张量鲁棒主成分分析的红外弱小目标检测方法 | |
CN108573499A (zh) | 一种基于尺度自适应和遮挡检测的视觉目标跟踪方法 | |
CN107025444A (zh) | 分块协同表示嵌入核稀疏表示遮挡人脸识别方法和装置 | |
CN110287875A (zh) | 视频目标的检测方法、装置、电子设备和存储介质 | |
CN110287856A (zh) | 一种执勤人员行为分析系统、方法及装置 | |
CN108154087A (zh) | 一种基于特征匹配的红外人体目标检测跟踪方法 | |
CN109584303A (zh) | 一种基于Lp范数和核范数的红外弱小目标检测方法 | |
CN109902613A (zh) | 一种基于迁移学习和图像增强的人体特征提取方法 | |
CN109145822A (zh) | 一种深度学习的暴力检测系统 | |
CN114241422A (zh) | 一种基于ESRGAN和改进YOLOv5s的学生课堂行为检测方法 | |
Li et al. | Bionic vision-based synthetic aperture radar image edge detection method in non-subsampled contourlet transform domain | |
CN109145823A (zh) | 一种商场监控装置 | |
CN109064370A (zh) | 一种城市安全管理系统 | |
CN109116746A (zh) | 一种智能家居系统 | |
CN110516538A (zh) | 基于深度学习目标检测的监狱双人离岗违规评估方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190201 |
|
WW01 | Invention patent application withdrawn after publication |