CN109993063A - 一种识别待救援人员的方法及终端 - Google Patents
一种识别待救援人员的方法及终端 Download PDFInfo
- Publication number
- CN109993063A CN109993063A CN201910163398.3A CN201910163398A CN109993063A CN 109993063 A CN109993063 A CN 109993063A CN 201910163398 A CN201910163398 A CN 201910163398A CN 109993063 A CN109993063 A CN 109993063A
- Authority
- CN
- China
- Prior art keywords
- personnel
- identified
- feature
- identification point
- identification
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/165—Detection; Localisation; Normalisation using facial parts and geometric relationships
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种识别待救援人员的方法及终端,通过判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件,若是,则判定所述待识别人员为待救援人员,若否,则继续获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征,若是,则判定所述待识别人员为待救援人员,可以根据不同的特征集来判断是否为待救援人员,全面地对待识别人员进行判断,避免遗漏待救援人员,提高判断是否是待救援人员的全面性和准确性。
Description
技术领域
本发明涉及人工智能技术领域,尤其是涉及一种识别待救援人员的方法及终端。
背景技术
在日常生活中,常常会出现老人摔倒或是遇到突发情况的事件,此时若没有人发现会带来一定的安全隐患。目前已有自动检测跌倒的方法,通过提取视频中目标人物的特征点,从目标人物的多个方向进行跌倒判断,当任一方向的判断结果为目标人物处于跌倒状态,则判断连续一定的帧数内目标人物是否一直保持跌倒状态,若是,则确认目标人物跌倒。
具体地,可以通过确定视频每一帧图像中人体的骨骼中心点、肩关节中心点和腰部中心点,计算人体的上身躯干中心线与重力线构成的夹角和预设时长内该夹角的变化率和腰部中心点与参考面或参考点的距离的变化率,当所述夹角的变化率大于第一预设值且所述距离的变化率大于第二预设值时确定人体摔倒,或是从高度入手,将头部、颈部、脊椎、臀部和膝盖等骨骼点连线,检测连线与地面是否平行以及脊椎的高度是否小于给定阈值且超过预设时间等方式检测跌倒,在检测到跌倒后发出信号求救,但这种方式仅是对人体躯干进行位置的判断后就发出信号,容易产生误判,不够准确,也不够全面。
发明内容
本发明所要解决的技术问题是:提供一种识别待救援人员的方法及终端,可以提高判断是否是待救援人员的准确性。
为了解决上述技术问题,本发明采用的一种技术方案为:
一种识别待救援人员的方法,包括步骤:
S1、实时解析监控视频,判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件,若是,则判定所述待识别人员为待救援人员,若否,则执行S2;
S2、获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征,若是,则判定所述待识别人员为待救援人员。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种识别待救援人员的终端,包括存储器、处理器及存储在存储器上并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以下步骤:
S1、实时解析监控视频,判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件,若是,则判定所述待识别人员为待救援人员,若否,则执行S2;
S2、获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征,若是,则判定所述待识别人员为待救援人员。
本发明的有益效果在于:通过判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件,若是,则判定所述待识别人员为待救援人员,若否,则继续获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征,若是,则判定所述待识别人员为待救援人员,可以根据不同的特征集来判断是否为待救援人员,全面地对待识别人员进行判断,避免遗漏待救援人员,提高判断是否是待救援人员的全面性和准确性。
附图说明
图1为本发明实施例的一种识别待救援人员的方法的步骤流程图;
图2为本发明实施例的一种识别待救援人员的终端的结构示意图;
图3为本发明实施例的识别待识别人员的脸部标识点示意图;
图4为本发明实施例的识别第二特征集示意图;
图5为本发明实施例的待识别人员摔倒状态示意图;
图6为本发明实施例的第二特征集标识点示意图;
图7为本发明实施例的识别待识别人员的手部所在位置示意图;
图8为本发明实施例的识别待识别人员的手势示意图;
标号说明:
1、一种识别待救援人员的终端;2、存储器;3、处理器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
本发明最关键的构思在于:判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件,若否,则判断所述待识别人员的第二特征集中是否存在满足第二预设条件的特征,若是,则所述待识别人员为待救援人员。
请参照图1,一种识别待救援人员的方法,包括步骤:
S1、实时解析监控视频,判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件,若是,则判定所述待识别人员为待救援人员,若否,则执行S2;
S2、获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征,若是,则判定所述待识别人员为待救援人员。
从上述描述可知,本发明的有益效果在于:通过判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件,若是,则判定所述待识别人员为待救援人员,若否,则继续获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征,若是,则判定所述待识别人员为待救援人员,可以根据不同的特征集来判断是否为待救援人员,全面地对待识别人员进行判断,避免遗漏待救援人员,提高判断是否是待救援人员的全面性和准确性。
进一步的,所述第一特征集包括脸部标识点;
所述步骤S1中判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件具体为:
判断是否能够成功识别到所述监控视频中待识别人员的脸部标识点,若是,则判断待识别人员的脸部标识点位置是否在预设时长内与预设表情的标识点位置匹配。
由上述描述可知,通过识别所述待识别人员的脸部标识点进行判断,若所述待识别人员的脸部标识点在预设时长内符合预设表情的标识点位置,则判定所述待识别人员为待救援人员,通过脸部的表情来精确判断待识别人员的情况,可以提高救援检测的全面性,不仅仅从身体躯干进行检测,还通过脸部表情进行检测,丰富了识别待救援人员的方法,且在预设时长内都进行识别判断,可以提高识别的准确度。
进一步的,所述第二特征集包括头部中心的标识点、肩部中心的标识点和臀部关节的标识点;
所述步骤S2中获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征包括:
识别所述待识别人员头部中心的标识点、肩部中心的标识点和任一臀部关节的标识点;
判断所述头部中心的标识点和肩部中心的标识点的连线与水平方向的夹角在预设时长内是否小于预设角度或肩部中心的标识点和任一臀部关节的标识点的连线与水平方向的夹角在预设时长内是否小于预设角度,若是,则判定所述待识别人员的第二特征集中存在满足第二预设条件的特征。
由上述描述可知,根据人体躯干的标识点来判断当前待识别人员是否摔倒或发生意外情况,可以根据所述躯干上的各个标识点连线来识别当前待识别人员的姿势,在无法准确识别待识别人员脸部表情时,可以通过人体姿势来实现待救援人员的检测,提高检测待救援人员的全面性。
进一步的,所述第二特征集包括四肢标识点;
所述步骤S2中获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征包括:
识别所述待识别人员的四肢标识点位置,根据所述四肢标识点位置判断在预设时长内所述待识别人员的手部是否在预设位置或所述待识别人员的手势是否为预设手势,若是,则判定所述待识别人员的第二特征集中存在满足第二预设条件的特征。
由上述描述可知,所述第二特征集还可以用于人体手部位置和手势的检测,通过四肢标识点判断出待识别人员的手部位置和手势,若在预设时长内符合预设的条件,也可认定所述待识别人员为待救援人员,在无法识别脸部表情和人体躯干不符合预设条件时,还可以通过手部位置和手势来进行待救援人员的检测,提高全面性,避免遗漏需要救援的人员。
进一步的,所述判定待识别人员为待救援人员之后包括:
将待识别人员所在视频推送至指定端;
判断所述指定端在预设时间内是否处理完毕,若否,则发出急救信号。
由上述描述可知,识别待救援人员后,将所述待识别人员所在视频发送至指定端进行人工检测等处理,进一步提高准确性,并且可以在发出急救时由人工提供更多的信息,利于救助,若指定端在预设时间内并未进行处理,则直接发出急救信号,及时提醒医院等进行救助。
请参照图2,一种识别待救援人员的终端,包括存储器、处理器及存储在存储器上并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以下步骤:
S1、实时解析监控视频,判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件,若是,则判定所述待识别人员为待救援人员,若否,则执行S2;
S2、获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征,若是,则判定所述待识别人员为待救援人员。
从上述描述可知,本发明的有益效果在于:通过判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件,若是,则判定所述待识别人员为待救援人员,若否,则继续获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征,若是,则判定所述待识别人员为待救援人员,可以根据不同的特征集来判断是否为待救援人员,全面地对待识别人员进行判断,避免遗漏待救援人员,提高判断是否是待救援人员的全面性和准确性。
进一步的,所述第一特征集包括脸部标识点;
所述步骤S1中判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件具体为:
判断是否能够成功识别到所述监控视频中待识别人员的脸部标识点,若是,则判断待识别人员的脸部标识点位置是否在预设时长内与预设表情的标识点位置匹配。
由上述描述可知,通过识别所述待识别人员的脸部标识点进行判断,若所述待识别人员的脸部标识点在预设时长内符合预设表情的标识点位置,则判定所述待识别人员为待救援人员,通过脸部的表情来精确判断待识别人员的情况,可以提高救援检测的全面性,不仅仅从身体躯干进行检测,还通过脸部表情进行检测,丰富了识别待救援人员的方法,且在预设时长内都进行识别判断,可以提高识别的准确度。
进一步的,所述第二特征集包括头部中心的标识点、肩部中心的标识点和臀部关节的标识点;
所述步骤S2中获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征包括:
识别所述待识别人员头部中心的标识点、肩部中心的标识点和任一臀部关节的标识点;
判断所述头部中心的标识点和肩部中心的标识点的连线与水平方向的夹角在预设时长内是否小于预设角度或肩部中心的标识点和任一臀部关节的标识点的连线与水平方向的夹角在预设时长内是否小于预设角度,若是,则判定所述待识别人员的第二特征集中存在满足第二预设条件的特征。
由上述描述可知,根据人体躯干的标识点来判断当前待识别人员是否摔倒或发生意外情况,可以根据所述躯干上的各个标识点连线来识别当前待识别人员的姿势,在无法准确识别待识别人员脸部表情时,可以通过人体姿势来实现待救援人员的检测,提高检测待救援人员的全面性。
进一步的,所述第二特征集包括四肢标识点;
所述步骤S2中获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征包括:
识别所述待识别人员的四肢标识点位置,根据所述四肢标识点位置判断在预设时长内所述待识别人员的手部是否在预设位置或所述待识别人员的手势是否为预设手势,若是,则判定所述待识别人员的第二特征集中存在满足第二预设条件的特征。
由上述描述可知,所述第二特征集还可以用于人体手部位置和手势的检测,通过四肢标识点判断出待识别人员的手部位置和手势,若在预设时长内符合预设的条件,也可认定所述待识别人员为待救援人员,在无法识别脸部表情和人体躯干不符合预设条件时,还可以通过手部位置和手势来进行待救援人员的检测,提高全面性,避免遗漏需要救援的人员。
进一步的,所述判定待识别人员为待救援人员之后包括:
将待识别人员所在视频推送至指定端;
判断所述指定端在预设时间内是否处理完毕,若否,则发出急救信号。
由上述描述可知,识别待救援人员后,将所述待识别人员所在视频发送至指定端进行人工检测等处理,进一步提高准确性,并且可以在发出急救时由人工提供更多的信息,利于救助,若指定端在预设时间内并未进行处理,则直接发出急救信号,及时提醒医院等进行救助。
实施例一
请参照图1和图3-8,一种识别待救援人员的方法,包括步骤:
S1、通过救援监控分析系统实时解析监控视频,判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件,若是,则判定所述待识别人员为待救援人员,若否,则执行S2;
其中,所述第一特征集包括脸部标识点;
所述救援监控分析系统包括机器学习训练和识别模块、业务逻辑模块、对外服务模块和后台管理模块;
所述机器学习训练和识别模块负责机器学习的模型训练和模型运用;对外服务模块包含外部服务接入,如监控视频接入、救护呼叫传出等;后台管理模块为服务后台,包含服务授权、设备管理、客服系统、运营系统等;
具体地,通过摄像头捕获实时视频或将已经获取到的视频上传至所述救援监控分析系统进行解析;
所述摄像头可以设置在公共场所监控公共场所,也可以设置在独居人员家中进行视频捕获,便于及时通知他人来进行救援;
通过机器学习框架OpenPose和TensorFlow将所述视频中待识别人员的五官分别用点标记为所述脸部标识点,判断待识别人员的脸部标识点位置是否在预设时长内符合预设表情的标识点位置,若是,则所述待识别人员为待救援人员,若否,即出现无法识别脸部标识点或识别出的脸部标识点与预设表情的标识点位置不同,则执行S2;
如图3所示,识别所述待识别人员的五官,用多个标识点进行标识;
其中,所述预设表情为痛苦表情,所述痛苦表情特征为眼睛微闭或紧闭且嘴巴张开较大或嘴巴紧闭嘴角朝下,并且鼻侧眉角朝向为朝下,通过对脸部标识点的关键点位置进行高度判断可确认待识别人员的脸部标识点是否符合预设表情的标识点;
例如,通过眼睛的最高标识点和最低标识点的高度差判断当前眼睛是否处于微闭或紧闭状态;
S2、获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征,若是,则判定所述待识别人员为待救援人员。
其中,所述第二特征集可以包括头部中心的标识点、肩部中心的标识点、臀部关节的标识点;
具体地,识别所述待识别人员头部中心的标识点、肩部中心的标识点和任一臀部关节的标识点;
当识别到所述待识别人员头部中心的标识点和肩部中心的标识点处于水平方向时,判断所述头部中心的标识点和肩部中心的标识点的连线与水平方向的夹角在预设时长内是否小于预设角度,或肩部中心的标识点和任一臀部关节的标识点的连线与水平方向的夹角在预设时长内是否小于预设角度,若是,则这时所述待识别人员处于非站立、行走、跑动、坐姿或下蹲的姿态,判定所述待识别人员当前为倒地姿势,如图5所示,判定所述待识别人员的第二特征集中存在满足第二预设条件的特征;
优选地,所述预设角度为30度;
此外,所述第二特征集也可以包括四肢标识点,根据所述四肢标识点位置判断在预设时长内所述待识别人员的手部是否在胸口位置,或所述待识别人员的手势是否为预设手势,若是,则也可判定待识别人员的第二特征集中存在满足第二预设条件的特征;
所述预设手势包括手臂上举并在预设时长内来回挥舞、用手指摆出特定手势等等;
如图6所示,图6中的4和7代表待识别人员的手部位置,可用于检测手部位置是否在预设位置,具体地,还可以结合手指位置,进一步准确检测手部所在位置,如图7所示;
所述手指位置还用于识别手势,如图8所示;
只要所述第二特征集中存在满足第二预设条件的特征,即可认为所述待识别人员为待救援人员;
优选地,所述预设时长为5秒。
实施例二
本实施例与实施例一的不同在于:
在判定待识别人员为待救援人员之后,将待识别人员所在视频推送至后台管理模块的指定端;
所述指定端包括人工客服或指定人员的移动终端,具体地,将待识别人员所在视频转至人工客服查看,由人工客服进行视频确认与呼救,或者将待识别人员所在视频进行截图,将所述截图通过应用程序、邮件等渠道推送至指定人员处,由指定人点击截图查看视频画面判断是否呼救;
判断所述指定端在预设时间内是否处理完毕,若否,则通过对外服务模块直接向医院发出急救信号;
优选地,所述预设时间为1分钟。
还可以根据识别出的特征集进行相应的救援,识别出人员的第一特征集满足第一预设条件后,可以进一步识别人员的第二特征集或其他特征,根据识别出的第二特征集或其他特征判断待救援人员需要救援的重点部位,例如,识别到人员的手部位置位于腹部或胸部,这时的重点部位为腹部或胸部,会发出相应的救援通知,根据不同的特征组合,分析得出对应的救援方式,可以提高救援识别的准确性和及时性。
所述第二特征集还可以包括多种特征,可以根据识别出的特征数量,判断人员的受伤程度,对不同程度的待救援人员进行不同程度的救援。
实施例三
请参照图2,一种识别待救援人员的终端1,包括存储器2、处理器3及存储在存储器2上并可在所述处理器3上运行的计算机程序,所述处理器3执行所述计算机程序时实现实施例一中的各个步骤。
实施例四
请参照图2,一种识别待救援人员的终端1,包括存储器2、处理器3及存储在存储器2上并可在所述处理器3上运行的计算机程序,所述处理器3执行所述计算机程序时实现实施例二中的各个步骤。
综上所述,本发明提供的一种识别待救援人员的方法及终端,通过实时解析监控视频,判断是否能够成功识别到所述监控视频中待识别人员的脸部标识点且识别到的脸部标识点在预设时长内符合预设表情的标识点位置,若是,则判定所述待识别人员为待救援人员,若否,则继续获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征,所述第二特征集包括头部中心的标识点、肩部中心的标识点、臀部关节的标识点和四肢标识点,若是,则判定所述待识别人员为待救援人员,通过脸部的表情来精确判断待识别人员的情况,可以提高救援检测的全面性,避免遗漏待救援人员,丰富了识别待救援人员的方法,且在预设时长内都进行识别判断,可以提高识别的准确度,根据不同的特征集特征来判断是否为待救援人员,提高了判断是否是待救援人员的准确性。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种识别待救援人员的方法,其特征在于,包括步骤:
S1、实时解析监控视频,判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件,若是,则判定所述待识别人员为待救援人员,若否,则执行S2;
S2、获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征,若是,则判定所述待识别人员为待救援人员。
2.根据权利要求1所述的一种识别待救援人员的方法,其特征在于,所述第一特征集包括脸部标识点;
所述步骤S1中判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件具体为:
判断是否能够成功识别到所述监控视频中待识别人员的脸部标识点,若是,则判断待识别人员的脸部标识点位置是否在预设时长内与预设表情的标识点位置匹配。
3.根据权利要求1或2所述的一种识别待救援人员的方法,其特征在于,所述第二特征集包括头部中心的标识点、肩部中心的标识点和臀部关节的标识点;
所述步骤S2中获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征包括:
识别所述待识别人员头部中心的标识点、肩部中心的标识点和任一臀部关节的标识点;
判断所述头部中心的标识点和肩部中心的标识点的连线与水平方向的夹角在预设时长内是否小于预设角度或肩部中心的标识点和任一臀部关节的标识点的连线与水平方向的夹角在预设时长内是否小于预设角度,若是,则判定所述待识别人员的第二特征集中存在满足第二预设条件的特征。
4.根据权利要求1或2所述的一种识别待救援人员的方法,其特征在于,所述第二特征集包括四肢标识点;
所述步骤S2中获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征包括:
识别所述待识别人员的四肢标识点位置,根据所述四肢标识点位置判断在预设时长内所述待识别人员的手部是否在预设位置或所述待识别人员的手势是否为预设手势,若是,则判定所述待识别人员的第二特征集中存在满足第二预设条件的特征。
5.根据权利要求1所述的一种识别待救援人员的方法,其特征在于,所述判定待识别人员为待救援人员之后包括:
将待识别人员所在视频推送至指定端;
判断所述指定端在预设时间内是否处理完毕,若否,则发出急救信号。
6.一种识别待救援人员的终端,包括存储器、处理器及存储在存储器上并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以下步骤:
S1、实时解析监控视频,判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件,若是,则判定所述待识别人员为待救援人员,若否,则执行S2;
S2、获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征,若是,则判定所述待识别人员为待救援人员。
7.根据权利要求6所述的一种识别待救援人员的终端,其特征在于,所述第一特征集包括脸部标识点;
所述步骤S1中判断是否能够成功识别到所述监控视频中待识别人员的第一特征集且识别到的所述第一特征集在预设时长内满足第一预设条件具体为:
判断是否能够成功识别到所述监控视频中待识别人员的脸部标识点,若是,则判断待识别人员的脸部标识点位置是否在预设时长内与预设表情的标识点位置匹配。
8.根据权利要求6或7所述的一种识别待救援人员的终端,其特征在于,所述第二特征集包括头部中心的标识点、肩部中心的标识点和臀部关节的标识点;
所述步骤S2中获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征包括:
识别所述待识别人员头部中心的标识点、肩部中心的标识点和任一臀部关节的标识点;
判断所述头部中心的标识点和肩部中心的标识点的连线与水平方向的夹角在预设时长内是否小于预设角度或肩部中心的标识点和任一臀部关节的标识点的连线与水平方向的夹角在预设时长内是否小于预设角度,若是,则判定所述待识别人员的第二特征集中存在满足第二预设条件的特征。
9.根据权利要求6或7所述的一种识别待救援人员的终端,其特征在于,所述第二特征集包括四肢标识点;
所述步骤S2中获取所述待识别人员的第二特征集,判断所述第二特征集中是否存在满足第二预设条件的特征包括:
识别所述待识别人员的四肢标识点位置,根据所述四肢标识点位置判断在预设时长内所述待识别人员的手部是否在预设位置或所述待识别人员的手势是否为预设手势,若是,则判定所述待识别人员的第二特征集中存在满足第二预设条件的特征。
10.根据权利要求6所述的一种识别待救援人员的终端,其特征在于,所述判定待识别人员为待救援人员之后包括:
将待识别人员所在视频推送至指定端;
判断所述指定端在预设时间内是否处理完毕,若否,则发出急救信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910163398.3A CN109993063A (zh) | 2019-03-05 | 2019-03-05 | 一种识别待救援人员的方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910163398.3A CN109993063A (zh) | 2019-03-05 | 2019-03-05 | 一种识别待救援人员的方法及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109993063A true CN109993063A (zh) | 2019-07-09 |
Family
ID=67129301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910163398.3A Pending CN109993063A (zh) | 2019-03-05 | 2019-03-05 | 一种识别待救援人员的方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993063A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191499A (zh) * | 2019-11-11 | 2020-05-22 | 广东工业大学 | 一种基于最小中心线的跌倒检测方法及装置 |
CN111814700A (zh) * | 2020-07-13 | 2020-10-23 | 安徽兰臣信息科技有限公司 | 一种基于儿童行为特征的行为动作识别算法 |
CN111985443A (zh) * | 2020-09-01 | 2020-11-24 | 安徽炬视科技有限公司 | 一种鲁棒的人体姿态估计算法 |
CN112132719A (zh) * | 2020-08-11 | 2020-12-25 | 湖南大学 | 用于应急救援的人员搜救方法、装置、系统及存储介质 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7972005B2 (en) * | 2007-04-02 | 2011-07-05 | Agere Systems Inc. | Computer projector method and apparatus having a safety feature for blacking out a portion of the image being projected onto a person |
CN102626312A (zh) * | 2012-04-01 | 2012-08-08 | 浙江大学城市学院 | 一种跌倒检测方法、跌倒检测装置和穿戴式设备 |
CN103136899A (zh) * | 2013-01-23 | 2013-06-05 | 宁凯 | 基于Kinect体感设备的智能报警监控方法 |
CN103400105A (zh) * | 2013-06-26 | 2013-11-20 | 东南大学 | 基于姿态归一化的非正面人脸表情识别方法 |
CN104038738A (zh) * | 2014-06-04 | 2014-09-10 | 东北大学 | 一种提取人体关节点坐标的智能监控系统及方法 |
CN105095827A (zh) * | 2014-04-18 | 2015-11-25 | 汉王科技股份有限公司 | 人脸表情识别装置和方法 |
CN105427524A (zh) * | 2014-09-12 | 2016-03-23 | 广东中星电子有限公司 | 智能报警方法和装置 |
CN106951849A (zh) * | 2017-03-14 | 2017-07-14 | 广东履安实业有限公司 | 一种预防儿童意外的监控方法及系统 |
CN107194967A (zh) * | 2017-06-09 | 2017-09-22 | 南昌大学 | 基于Kinect深度图像的人体摔倒检测方法及装置 |
CN108073855A (zh) * | 2016-11-11 | 2018-05-25 | 腾讯科技(深圳)有限公司 | 一种人脸表情的识别方法及系统 |
CN108124131A (zh) * | 2017-12-22 | 2018-06-05 | 合肥寰景信息技术有限公司 | 一种可识别预设动作的监控报警系统 |
CN108629300A (zh) * | 2018-04-24 | 2018-10-09 | 北京科技大学 | 一种跌倒检测方法 |
-
2019
- 2019-03-05 CN CN201910163398.3A patent/CN109993063A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7972005B2 (en) * | 2007-04-02 | 2011-07-05 | Agere Systems Inc. | Computer projector method and apparatus having a safety feature for blacking out a portion of the image being projected onto a person |
CN102626312A (zh) * | 2012-04-01 | 2012-08-08 | 浙江大学城市学院 | 一种跌倒检测方法、跌倒检测装置和穿戴式设备 |
CN103136899A (zh) * | 2013-01-23 | 2013-06-05 | 宁凯 | 基于Kinect体感设备的智能报警监控方法 |
CN103400105A (zh) * | 2013-06-26 | 2013-11-20 | 东南大学 | 基于姿态归一化的非正面人脸表情识别方法 |
CN105095827A (zh) * | 2014-04-18 | 2015-11-25 | 汉王科技股份有限公司 | 人脸表情识别装置和方法 |
CN104038738A (zh) * | 2014-06-04 | 2014-09-10 | 东北大学 | 一种提取人体关节点坐标的智能监控系统及方法 |
CN105427524A (zh) * | 2014-09-12 | 2016-03-23 | 广东中星电子有限公司 | 智能报警方法和装置 |
CN108073855A (zh) * | 2016-11-11 | 2018-05-25 | 腾讯科技(深圳)有限公司 | 一种人脸表情的识别方法及系统 |
CN106951849A (zh) * | 2017-03-14 | 2017-07-14 | 广东履安实业有限公司 | 一种预防儿童意外的监控方法及系统 |
CN107194967A (zh) * | 2017-06-09 | 2017-09-22 | 南昌大学 | 基于Kinect深度图像的人体摔倒检测方法及装置 |
CN108124131A (zh) * | 2017-12-22 | 2018-06-05 | 合肥寰景信息技术有限公司 | 一种可识别预设动作的监控报警系统 |
CN108629300A (zh) * | 2018-04-24 | 2018-10-09 | 北京科技大学 | 一种跌倒检测方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111191499A (zh) * | 2019-11-11 | 2020-05-22 | 广东工业大学 | 一种基于最小中心线的跌倒检测方法及装置 |
CN111191499B (zh) * | 2019-11-11 | 2023-05-23 | 广东工业大学 | 一种基于最小中心线的跌倒检测方法及装置 |
CN111814700A (zh) * | 2020-07-13 | 2020-10-23 | 安徽兰臣信息科技有限公司 | 一种基于儿童行为特征的行为动作识别算法 |
CN111814700B (zh) * | 2020-07-13 | 2023-09-26 | 苏州玥林信息科技有限公司 | 一种基于儿童行为特征的行为动作识别方法 |
CN112132719A (zh) * | 2020-08-11 | 2020-12-25 | 湖南大学 | 用于应急救援的人员搜救方法、装置、系统及存储介质 |
CN112132719B (zh) * | 2020-08-11 | 2023-06-09 | 湖南大学 | 用于应急救援的人员搜救方法、装置、系统及存储介质 |
CN111985443A (zh) * | 2020-09-01 | 2020-11-24 | 安徽炬视科技有限公司 | 一种鲁棒的人体姿态估计算法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993063A (zh) | 一种识别待救援人员的方法及终端 | |
CN106446831B (zh) | 一种人脸识别方法及装置 | |
CN110827457B (zh) | 一种基于安全胜任力鉴定的虚拟门禁系统 | |
CN108089510A (zh) | 一种施工人员行为智能监管系统及方法 | |
CN110477925A (zh) | 一种针对敬老院老人的跌倒检测与预警方法及系统 | |
Yuan et al. | Power-efficient interrupt-driven algorithms for fall detection and classification of activities of daily living | |
CN107635147A (zh) | 基于多模态人机交互的健康信息管理电视 | |
CN105069976B (zh) | 一种疲劳检测和行驶记录综合系统及疲劳检测方法 | |
CN110327051A (zh) | 一种基于云平台的护理型养老院的智能监护系统 | |
CN108960022B (zh) | 一种情绪识别方法及其装置 | |
CN107320090A (zh) | 一种突发疾病监护系统及方法 | |
CN106355721A (zh) | 一种智能门禁安防系统 | |
CN101211484A (zh) | 防止在atm取款时密码被偷窥的方法及装置 | |
CN106599802B (zh) | 一种基于云技术的智能楼道监控系统 | |
CN109635631A (zh) | 一种基于人工智能的消防值班室人员在岗识别方法 | |
CN108711452A (zh) | 基于视觉的人体健康状态分析方法和系统 | |
CN113257440A (zh) | 一种基于病患视频识别的icu智能看护系统 | |
CN108430322A (zh) | 用于连续监测生命体征的设备、方法和计算机程序产品 | |
CN108446664A (zh) | 一种基于人脸识别的身份确认方法及装置 | |
CN207992779U (zh) | 一种施工人员行为智能监管系统 | |
CN109584428A (zh) | 一种计算机软件安全自动监控系统 | |
CN110755091A (zh) | 一种个人心理健康监测系统及方法 | |
CN111861835A (zh) | 用于公共交通的体温及佩戴口罩检测方法、系统及装置 | |
CN108010579A (zh) | 健康监护系统 | |
CN209183272U (zh) | 一种医疗服务系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190709 |
|
WD01 | Invention patent application deemed withdrawn after publication |