CN109543650A - 仓库智能监控方法和系统 - Google Patents
仓库智能监控方法和系统 Download PDFInfo
- Publication number
- CN109543650A CN109543650A CN201811478311.3A CN201811478311A CN109543650A CN 109543650 A CN109543650 A CN 109543650A CN 201811478311 A CN201811478311 A CN 201811478311A CN 109543650 A CN109543650 A CN 109543650A
- Authority
- CN
- China
- Prior art keywords
- image
- video
- frame image
- mobile target
- treated
- 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
-
- 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
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Signal Processing (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请涉及一种仓库智能监控方法和系统，其中方法包括：获取仓库的监控现场的视频；遍历视频的每一帧图像，并对每一帧图像进行处理；根据处理后的每一帧图像创建背景图像；根据处理后的每一帧图像判断视频中是否有移动目标，并在判断为有移动目标时获取移动目标的图像；将移动目标的图像发送到客户端；其中，根据处理后的每一帧图像判断所述视频中是否有移动目标，包括：将处理后的每一帧图像与背景图像之间对应的像素点相减并取绝对值；判断绝对值是否大于预设阈值，若大于预设阈值，则视频中存在移动目标。本申请不需要监控人员一直观看监控视频也可以做到实时监控现场内的移动目标，实时发送到客户端预警，提高了监控效率。
Description
技术领域
本申请涉及监控技术领域，尤其涉及一种仓库智能监控方法和系统。
背景技术
视频监控是安防领域最常用的一种，现已广泛应用于交通、银行、仓库、家庭等方面。传统的视频监控系统更多的集中在个人计算机(personal computer，PC)端，可以完成对现场的实时监控和记录。其方法是，将摄像头等获取视频的装置安装在需要监控的地方，然后通过电脑等客户端与摄像头建立连接，通过电脑显示器将现场监控视频播放出来。但是，这种监控方法若要做到实时预警和监控，要求人始终监视屏幕才能获取视频信息，再通过人为理解和分析得出结论，当监控场景大且复杂时，监控内对象的移动也变得复杂，监控人员长时间监控屏幕难免出现效率低下、分析不准确、误报漏报等情况。
发明内容
为至少在一定程度上克服相关技术中存在的问题，本申请提供一种仓库智能监控方法和系统。
根据本申请实施例的第一方面，提供一种仓库智能监控方法，包括：
获取仓库的监控现场的视频；
遍历所述视频的每一帧图像，并对所述每一帧图像进行处理；
根据所述处理后的每一帧图像创建背景图像；
根据所述处理后的每一帧图像判断所述视频中是否有移动目标，并在判断为有移动目标时获取移动目标的图像；
将所述移动目标的图像发送到客户端；
其中，所述根据所述处理后的每一帧图像判断所述视频中是否有移动目标，包括：
将所述处理后的每一帧图像与所述背景图像之间对应的像素点相减并取绝对值；
判断所述绝对值是否大于预设阈值，若大于所述预设阈值，则所述视频中存在移动目标。
可选地，所述对所述每一帧图像进行处理，包括：
调整所述每一帧图像的像素宽度值为预设数值；
将调整后的每一帧图像转换为灰阶图像；
对所述灰阶图像进行高斯模糊。
可选地，根据所述处理后的每一帧图像创建背景图像，包括：
选取处理后的所述视频的第一帧图像作为背景图像。
可选地，所述获取移动目标的图像，包括：
将所述绝对值大于所述预设阈值对应的像素点的像素值设置为255；
将所述绝对值小于或等于所述预设阈值对应的像素点的像素值设置为0；
得到二值化后的图像。
可选地，所述预设阈值为25。
可选地，所述预设数值为500。
根据本申请实施例的第二方面，提供一种仓库智能监控系统，包括：
摄像头，中央处理器和计算机；
所述摄像头用于获取仓库的监控现场的视频；
所述中央处理器用于通过所述摄像头实时采集所述视频，并对所述视频进行压缩，将压缩后的视频发送到所述计算机；
所述计算机用于：
遍历所述视频的每一帧图像，并对所述每一帧图像进行处理；
根据所述处理后的每一帧图像创建背景图像；
根据所述处理后的每一帧图像和所述背景图像判断所述视频中是否有移动目标，并在判断为有移动目标时获取移动目标的图像；
将所述移动目标的图像发送到客户端；
其中，所述计算机具体用于：
将所述处理后的每一帧图像与所述背景图像之间对应的像素点相减并取绝对值；
判断所述绝对值是否大于预设阈值，若大于所述预设阈值，则所述视频中存在移动目标。
可选地，所述计算机具体用于：
调整所述每一帧图像的像素宽度值为预设数值；
将调整后的每一帧图像转换为灰阶图像；
对所述灰阶图像进行高斯模糊。
可选地，所述计算机具体用于：
选取处理后的所述视频的第一帧图像作为背景图像。
可选地，所述计算机具体用于：
将所述绝对值大于所述预设阈值对应的像素点的像素值设置为255；
将所述绝对值小于或等于所述预设阈值对应的像素点的像素值设置为0；
得到二值化后的图像。
本申请的实施例提供的技术方案可以包括以下有益效果：
通过获取仓库的监控现场的视频图像；然后遍历所述视频的每一帧图像，并对所述每一帧图像进行处理；根据所述处理后的每一帧图像创建背景图像；再根据所述处理后的每一帧图像和所述背景图像判断所述视频中是否有移动目标，并在判断为有移动目标时获取移动目标的图像；将所述移动目标的图像发送到客户端。又因为，判断视频中是否有移动目标的过程为：将所述处理后的每一帧图像与背景图像之间对应的像素点相减并取绝对值；判断所述绝对值是否大于预设阈值，如果大于所述预设阈值，那么所述视频中便存在移动目标。这一过程实现了自动获取视频信息，并自动根据视频信息得到视频中的移动目标，并将移动目标发送给客户端。不需要监控人员一直观看监控视频也可以做到实时监控现场内的移动目标，实时发送到客户端预警，避免了监控人员长时间监控屏幕，以及传统视频监控中人为分析不准确、误报漏报等问题，从而提高了监控效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是根据一示例性实施例示出的一种仓库智能监控方法的流程示意图。
图2是根据另一示例性实施例示出的一种仓库智能监控系统的结构示意图。
图3是根据另一示例性实施例示出的一种仓库智能监控系统中客户端界面的示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法和系统的例子。
图1是根据一示例性实施例示出的一种仓库智能监控方法的流程示意图。
如图1所示，本实施例提供的方法，包括以下步骤：
步骤S11，获取仓库的监控现场的视频；
步骤S12，遍历所述视频的每一帧图像，并对所述每一帧图像进行处理；
步骤S13，根据所述处理后的每一帧图像创建背景图像；
步骤S14，根据所述处理后的每一帧图像判断所述视频中是否有移动目标，并在判断为有移动目标时获取移动目标的图像；
步骤S15，将所述移动目标的图像发送到客户端；
其中，所述根据所述处理后的每一帧图像判断所述视频中是否有移动目标，包括：
将所述处理后的每一帧图像与所述背景图像之间对应的像素点相减并取绝对值；
判断所述绝对值是否大于预设阈值，若大于所述预设阈值，则所述视频中存在移动目标。
其中，在获取移动目标的图像时，可以截图有移动目标的图片，并获取相对于的时间，同事将图像和时间信息保存到本地，并发送到手机等客户端。
本实施例中，采用背景差分法检测视频中的移动目标：
背景差分法的原理是通过当前帧与预先设置的背景帧相减，然后通过预先设置的阈值K来判断得到当前时刻图像与背景图片的差值，若两帧的差值大于阈值K则将改点视为是前景点；相反，则视为是背景点，进而将前景与背景分割。
背景差分法的优点是检测结果精确，能够完整的提取出目标，但是其中最为关键的是背景模型的建立，最后检测结果是否精确大部分取决于背景模型的建立。建立背景模型最为简单的方法为：直接将一帧没有运动目标的图像用作背景帧，或者一段连续的序列帧计算其平均值从而得出背景模型。
本实施例中，通过获取仓库的监控现场的视频图像；然后遍历所述视频的每一帧图像，并对所述每一帧图像进行处理；根据所述处理后的每一帧图像创建背景图像；再根据所述处理后的每一帧图像和所述背景图像判断所述视频中是否有移动目标，并在判断为有移动目标时获取移动目标的图像；将所述移动目标的图像发送到客户端。又因为，判断视频中是否有移动目标的过程为：将所述处理后的每一帧图像与背景图像之间对应的像素点相减并取绝对值；判断所述绝对值是否大于预设阈值，如果大于所述预设阈值，那么所述视频中便存在移动目标。这一过程实现了自动获取视频信息，并自动根据视频信息得到视频中的移动目标，并将移动目标发送给客户端。不需要监控人员一直观看监控视频也可以做到实时监控现场内的移动目标，实时发送到客户端预警，避免了监控人员长时间监控屏幕，以及传统视频监控中人为分析不准确、误报漏报等问题，从而提高了监控效率。
进一步地，所述对所述每一帧图像进行处理，包括：
调整所述每一帧图像的像素宽度值为预设数值；
将调整后的每一帧图像转换为灰阶图像；
对所述灰阶图像进行高斯模糊。
其中，每一帧图像的像素宽度值可以但不限于设置为500。
将得到的每一帧图像的像素宽调整到500，因为往往原始图像视频的尺寸像素过大不便于处理故将它缩小以便后续处理，所以调整图像尺寸。因为彩色数据将对算法有一些影响，所以，需要将缩小后的图像转换为灰阶图像。最后，将得到灰度图像进行高斯模糊。
由于一个图像序列中没有两帧是相同的，因为摄像头传感器的变化每一帧的图片像素都会有些细微的不同，所以应该对它进行高斯模糊以过滤一些影响效果的噪声。
进一步地，根据所述处理后的每一帧图像创建背景图像，包括：
选取处理后的所述视频的第一帧图像作为背景图像。
需要说明的是，选取背景图像需要考虑两个问题。第一，背景模型的获取：理想情况下，我们需要一帧没有运动物体的图像作为背景模型，但是在现实运用环境中想得出一张没有运动物体的的背景图像是比较困难的：例如光照强弱改变、风吹草动等因素都会导致难以获取理想背景模型。因此我们需要一些算法来将图片信息中的背景恢复，即是背景建模。第二，一直不变的背景模型只适用于环境几乎不变的场景，但是在一段长久的监控视频中背景往往会发生改变，所以背景图像往往需要不断的更新，去适应改变的环境。
可以理解的是，考虑到本申请应用场景是仓库，在仓库内部外界光线变化、突然闯入物体、风中摇摆树叶等等外界影响因素基本不存在，因此，假设视频的第一帧没有运动检测目标，便将它保存下来作为处理下一帧的背景图像。如果第一帧图像中有运动检测目标，则检测第二帧图像，直到找到一帧没有运动目标的图像，将其作为背景图像。
进一步地，所述获取移动目标的图像，包括：
将所述绝对值大于所述预设阈值对应的像素点的像素值设置为255；
将所述绝对值小于或等于所述预设阈值对应的像素点的像素值设置为0；
得到二值化后的图像。
具体的，对上述相减后得到的差值图像进行阈值化(或者称为二值化)，即，将绝对值大于预设阈值对应的像素点的像素值设置为255，即设置为白色；将绝对值小于或等于预设阈值对应的像素点的像素值设置为0，即设置为黑色。便得到二值化后的图片，二值化的图片白色区域即为视频中移动目标的所在区域。
可以理解的是，预设阈值的大小可以根据实际情况自由设定。
更详细的，将每一帧图像与背景图像相减，然后得到差值图像，并对差值图像进行阈值化处理，便得到一个黑白图像，这样，将每一帧图像与北京图像相减并处理后的图像连续播放，便可以得到移动目标的运动图像。通过运动图像便可以判断视频中移动目标是否有可疑行为等。
进一步地，所述预设阈值为25。
进一步地，所述预设数值为500。
进一步地，可以在手机等客户端开发一款应用程序(APP)，应用程序界面如图3所示，该APP可以实现自动报警的功能。
具体的，该应用程序的主界面包括：远程报警模块、报警设置模块、实时监控模块以及历史图片模块。
当用户点击远程报警时，自动连接到树莓派，然后树莓派将报警信息发送到安防控制中心；当用户选择报警设置时，便可以在界面设置报警的接收提醒、停止接收以及时间设置；树莓派首先会将采集到的实时视频流发送到web网页服务器上，当用户选择实时监控时，手机程序在通过HttpURLConnection从网页服务器上获取视频并显示出来；同样，当用户选择历史图片时，应用程序便从web页面获取历史图片并显示给用户。
图2是根据另一示例性实施例示出的一种仓库智能监控系统的结构示意图。
如图2所示，本实施例提供的系统，包括：
摄像头21，中央处理器22和计算机23；
所述摄像头用于获取仓库的监控现场的视频；
所述中央处理器用于通过所述摄像头实时采集所述视频，并对所述视频进行压缩，将压缩后的视频发送到所述计算机；
所述计算机用于：
遍历所述视频的每一帧图像，并对所述每一帧图像进行处理；
根据所述处理后的每一帧图像创建背景图像；
根据所述处理后的每一帧图像和所述背景图像判断所述视频中是否有移动目标，并在判断为有移动目标时获取移动目标的图像；
将所述移动目标的图像发送到客户端；
其中，所述计算机具体用于：
将所述处理后的每一帧图像与所述背景图像之间对应的像素点相减并取绝对值；
判断所述绝对值是否大于预设阈值，若大于所述预设阈值，则所述视频中存在移动目标。
其中，所述中央处理器为树莓派，树莓派为硬件系统的中心。
在树莓派上通过调用摄像头获取实时视频信息，并对视频信息进行压缩以流的形式发送到给PC端(即个人计算机)，PC端再对所获取的视频进行背景建模，剥离出其中的目标并进行后台分析得出需要的信息再对信息加工后传送到手机等客户端。然后，在客户端对接收到的信息进行整理分类，并展示给用户，并及时提醒用户。
进一步地，所述计算机具体用于：
调整所述每一帧图像的像素宽度值为预设数值；
将调整后的每一帧图像转换为灰阶图像；
对所述灰阶图像进行高斯模糊。
进一步地，所述计算机具体用于：
选取处理后的所述视频的第一帧图像作为背景图像。
进一步地，所述计算机具体用于：
将所述绝对值大于所述预设阈值对应的像素点的像素值设置为255；
将所述绝对值小于或等于所述预设阈值对应的像素点的像素值设置为0；
得到二值化后的图像。
本实施例中，未详细说明的部分可参见上述有关该方法的实施例，此处不再赘述。
本实施例中，通过获取仓库的监控现场的视频图像；然后遍历所述视频的每一帧图像，并对所述每一帧图像进行处理；根据所述处理后的每一帧图像创建背景图像；再根据所述处理后的每一帧图像和所述背景图像判断所述视频中是否有移动目标，并在判断为有移动目标时获取移动目标的图像；将所述移动目标的图像发送到客户端。又因为，判断视频中是否有移动目标的过程为：将所述处理后的每一帧图像与背景图像之间对应的像素点相减并取绝对值；判断所述绝对值是否大于预设阈值，如果大于所述预设阈值，那么所述视频中便存在移动目标。这一过程实现了自动获取视频信息，并自动根据视频信息得到视频中的移动目标，并将移动目标发送给客户端。不需要监控人员一直观看监控视频也可以做到实时监控现场内的移动目标，实时发送到客户端预警，避免了监控人员长时间监控屏幕，以及传统视频监控中人为分析不准确、误报漏报等问题，从而提高了监控效率。
关于上述实施例中的系统，其中各个模块执行操作的具体方式已经在上述相关实施例中进行了详细描述，此处将不做详细阐述说明。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块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，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种仓库智能监控方法，其特征在于，包括：
获取仓库的监控现场的视频；
遍历所述视频的每一帧图像，并对所述每一帧图像进行处理；
根据所述处理后的每一帧图像创建背景图像；
根据所述处理后的每一帧图像判断所述视频中是否有移动目标，并在判断为有移动目标时获取移动目标的图像；
将所述移动目标的图像发送到客户端；
其中，所述根据所述处理后的每一帧图像判断所述视频中是否有移动目标，包括：
将所述处理后的每一帧图像与所述背景图像之间对应的像素点相减并取绝对值；
判断所述绝对值是否大于预设阈值，若大于所述预设阈值，则所述视频中存在移动目标。
2.根据权利要求1所述的方法，其特征在于，所述对所述每一帧图像进行处理，包括：
调整所述每一帧图像的像素宽度值为预设数值；
将调整后的每一帧图像转换为灰阶图像；
对所述灰阶图像进行高斯模糊。
3.根据权利要求1所述的方法，其特征在于，根据所述处理后的每一帧图像创建背景图像，包括：
选取处理后的所述视频的第一帧图像作为背景图像。
4.根据权利要求1所述的方法，其特征在于，所述获取移动目标的图像，包括：
将所述绝对值大于所述预设阈值对应的像素点的像素值设置为255；
将所述绝对值小于或等于所述预设阈值对应的像素点的像素值设置为0；
得到二值化后的图像。
5.根据权利要求1所述的方法，其特征在于，所述预设阈值为25。
6.根据权利要求2所述的方法，其特征在于，所述预设数值为500。
7.一种仓库智能监控系统，其特征在于，包括：摄像头，中央处理器和计算机；
所述摄像头用于获取仓库的监控现场的视频；
所述中央处理器用于通过所述摄像头实时采集所述视频，并对所述视频进行压缩，将压缩后的视频发送到所述计算机；
所述计算机用于：
遍历所述视频的每一帧图像，并对所述每一帧图像进行处理；
根据所述处理后的每一帧图像创建背景图像；
根据所述处理后的每一帧图像和所述背景图像判断所述视频中是否有移动目标，并在判断为有移动目标时获取移动目标的图像；
将所述移动目标的图像发送到客户端；
其中，所述计算机具体用于：
将所述处理后的每一帧图像与所述背景图像之间对应的像素点相减并取绝对值；
判断所述绝对值是否大于预设阈值，若大于所述预设阈值，则所述视频中存在移动目标。
8.根据权利要求7所述的系统，其特征在于，所述计算机具体用于：
调整所述每一帧图像的像素宽度值为预设数值；
将调整后的每一帧图像转换为灰阶图像；
对所述灰阶图像进行高斯模糊。
9.根据权利要求7所述的系统，其特征在于，所述计算机具体用于：
选取处理后的所述视频的第一帧图像作为背景图像。
10.根据权利要求7所述的系统，其特征在于，所述计算机具体用于：
将所述绝对值大于所述预设阈值对应的像素点的像素值设置为255；
将所述绝对值小于或等于所述预设阈值对应的像素点的像素值设置为0；
得到二值化后的图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811478311.3A CN109543650A (zh) | 2018-12-04 | 2018-12-04 | 仓库智能监控方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811478311.3A CN109543650A (zh) | 2018-12-04 | 2018-12-04 | 仓库智能监控方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109543650A true CN109543650A (zh) | 2019-03-29 |
Family
ID=65852839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811478311.3A Pending CN109543650A (zh) | 2018-12-04 | 2018-12-04 | 仓库智能监控方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109543650A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111147763A (zh) * | 2019-12-29 | 2020-05-12 | 眸芯科技（上海）有限公司 | 基于灰度值的图像处理方法及应用 |
| CN111401269A (zh) * | 2020-03-19 | 2020-07-10 | 成都云盯科技有限公司 | 基于监控视频的商品热点检测方法、装置和设备 |
| CN111444806A (zh) * | 2020-03-19 | 2020-07-24 | 成都云盯科技有限公司 | 基于监控视频的商品触碰信息聚类方法、装置和设备 |
| CN112348429A (zh) * | 2020-10-09 | 2021-02-09 | 江苏中利集团股份有限公司 | 一种提升聚合物材料性能的处理方法和装置 |
| CN114548860A (zh) * | 2022-01-27 | 2022-05-27 | 北京良安科技有限公司 | 一种粮仓监控安全防护方法、装置、设备和介质 |
| CN115314717A (zh) * | 2022-10-12 | 2022-11-08 | 深流微智能科技(深圳)有限公司 | 视频传输方法、装置、电子设备和计算机可读存储介质 |
| CN115845350A (zh) * | 2023-03-02 | 2023-03-28 | 成都谷帝科技有限公司 | 一种用于立定跳远自动测距的方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160189501A1 (en) * | 2012-12-17 | 2016-06-30 | Boly Media Communications (Shenzhen) Co., Ltd. | Security monitoring system and corresponding alarm triggering method |
| CN105894530A (zh) * | 2014-12-11 | 2016-08-24 | 深圳市阿图姆科技有限公司 | 一种针对视频中运动目标检测与跟踪的解决方案 |
| CN107038415A (zh) * | 2017-03-08 | 2017-08-11 | 内蒙古智诚物联股份有限公司 | 一种基于人工智能视频的异常行为检测方法、系统及装置 |
| CN107564042A (zh) * | 2016-06-30 | 2018-01-09 | 邹科颖 | 一种用于视频监控的运动目标检测方法 |
| CN107680116A (zh) * | 2017-08-18 | 2018-02-09 | 河南理工大学 | 一种监测视频图像中运动目标的方法 |
| CN107705322A (zh) * | 2017-09-27 | 2018-02-16 | 中北大学 | 运动目标识别跟踪方法和系统 |
| WO2018080547A1 (en) * | 2016-10-31 | 2018-05-03 | Hewlett-Packard Development Company, L.P. | Video monitoring |
| CN108133487A (zh) * | 2017-12-04 | 2018-06-08 | 王连圭 | 视频跨区域单人体姿态目标检测提取方法 |
| CN108734050A (zh) * | 2017-04-13 | 2018-11-02 | 南京财经大学 | 一种监控视频中运动目标检测及有效帧提取方法 |
-
2018
- 2018-12-04 CN CN201811478311.3A patent/CN109543650A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160189501A1 (en) * | 2012-12-17 | 2016-06-30 | Boly Media Communications (Shenzhen) Co., Ltd. | Security monitoring system and corresponding alarm triggering method |
| CN105894530A (zh) * | 2014-12-11 | 2016-08-24 | 深圳市阿图姆科技有限公司 | 一种针对视频中运动目标检测与跟踪的解决方案 |
| CN107564042A (zh) * | 2016-06-30 | 2018-01-09 | 邹科颖 | 一种用于视频监控的运动目标检测方法 |
| WO2018080547A1 (en) * | 2016-10-31 | 2018-05-03 | Hewlett-Packard Development Company, L.P. | Video monitoring |
| CN107038415A (zh) * | 2017-03-08 | 2017-08-11 | 内蒙古智诚物联股份有限公司 | 一种基于人工智能视频的异常行为检测方法、系统及装置 |
| CN108734050A (zh) * | 2017-04-13 | 2018-11-02 | 南京财经大学 | 一种监控视频中运动目标检测及有效帧提取方法 |
| CN107680116A (zh) * | 2017-08-18 | 2018-02-09 | 河南理工大学 | 一种监测视频图像中运动目标的方法 |
| CN107705322A (zh) * | 2017-09-27 | 2018-02-16 | 中北大学 | 运动目标识别跟踪方法和系统 |
| CN108133487A (zh) * | 2017-12-04 | 2018-06-08 | 王连圭 | 视频跨区域单人体姿态目标检测提取方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111147763A (zh) * | 2019-12-29 | 2020-05-12 | 眸芯科技（上海）有限公司 | 基于灰度值的图像处理方法及应用 |
| CN111401269A (zh) * | 2020-03-19 | 2020-07-10 | 成都云盯科技有限公司 | 基于监控视频的商品热点检测方法、装置和设备 |
| CN111444806A (zh) * | 2020-03-19 | 2020-07-24 | 成都云盯科技有限公司 | 基于监控视频的商品触碰信息聚类方法、装置和设备 |
| CN112348429A (zh) * | 2020-10-09 | 2021-02-09 | 江苏中利集团股份有限公司 | 一种提升聚合物材料性能的处理方法和装置 |
| CN114548860A (zh) * | 2022-01-27 | 2022-05-27 | 北京良安科技有限公司 | 一种粮仓监控安全防护方法、装置、设备和介质 |
| CN114548860B (zh) * | 2022-01-27 | 2022-12-06 | 北京良安科技股份有限公司 | 一种粮仓监控安全防护方法、装置、设备和介质 |
| CN115314717A (zh) * | 2022-10-12 | 2022-11-08 | 深流微智能科技(深圳)有限公司 | 视频传输方法、装置、电子设备和计算机可读存储介质 |
| CN115314717B (zh) * | 2022-10-12 | 2022-12-20 | 深流微智能科技(深圳)有限公司 | 视频传输方法、装置、电子设备和计算机可读存储介质 |
| CN115845350A (zh) * | 2023-03-02 | 2023-03-28 | 成都谷帝科技有限公司 | 一种用于立定跳远自动测距的方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109543650A (zh) | 仓库智能监控方法和系统 | |
| RU2628745C2 (ru) | Система защитного наблюдения и соответствующий способ инициирования тревожной сигнализации | |
| KR101216271B1 (ko) | 카메라 탬퍼링 검출 | |
| EP4407556A1 (en) | Computer-vision based security system using a depth camera | |
| US20210124914A1 (en) | Training method of network, monitoring method, system, storage medium and computer device | |
| US9497425B2 (en) | Motion detection method and device using the same | |
| US20130128050A1 (en) | Geographic map based control | |
| US20200005613A1 (en) | Video Surveillance Method Based On Object Detection and System Thereof | |
| EP2549759A1 (en) | Method and system for facilitating color balance synchronization between a plurality of video cameras as well as method and system for obtaining object tracking between two or more video cameras | |
| CN112165573A (zh) | 拍摄处理方法和装置、设备、存储介质 | |
| US20160171310A1 (en) | Image recognition system, server apparatus, and image recognition method | |
| CN110659391A (zh) | 一种视频侦查方法及装置 | |
| CN106254823A (zh) | 基于红外热像仪的目标物闯入侦测方法、装置及系统 | |
| KR100822476B1 (ko) | 원격 응급상황 모니터링 시스템 및 방법 | |
| CN109872483A (zh) | 一种入侵警戒光电监测系统及方法 | |
| US20220122360A1 (en) | Identification of suspicious individuals during night in public areas using a video brightening network system | |
| Parveen et al. | A motion detection system in python and opencv | |
| US20210383664A1 (en) | Intrusion detection methods and devices | |
| JP2011123742A (ja) | 侵入物体検知装置 | |
| KR20160093253A (ko) | 영상 기반 이상 흐름 감지 방법 및 그 시스템 | |
| CN104363414A (zh) | 一种智能视频的分析方法 | |
| KR101944374B1 (ko) | 이상 개체 검출 장치 및 방법, 이를 포함하는 촬상 장치 | |
| Fawzi et al. | Embedded real-time video surveillance system based on multi-sensor and visual tracking | |
| KR101046819B1 (ko) | 소프트웨어 휀스에 의한 침입감시방법 및 침입감시시스템 | |
| CN116453246B (zh) | 识别门外物件且可报警的智能门锁及识别报警方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190329 |