CN110012268A - 管网ai智能监控方法、系统、可读存储介质和设备 - Google Patents
管网ai智能监控方法、系统、可读存储介质和设备 Download PDFInfo
- Publication number
- CN110012268A CN110012268A CN201910263374.5A CN201910263374A CN110012268A CN 110012268 A CN110012268 A CN 110012268A CN 201910263374 A CN201910263374 A CN 201910263374A CN 110012268 A CN110012268 A CN 110012268A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- shooting image
- pipe network
- shooting
- information
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
-
- 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
- H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
Abstract
本发明涉及一种管网AI智能监控方法、系统、可读存储介质和设备,属于监控技术领域,获取管网中管道所在位置的拍摄图像,在拍摄图像中确定针对管道的管控区域,识别拍摄图像中是否存在能破坏管道的对象,若存在此种对象,再判断该对象是否在管控区域中,若是,表明有该对象破坏管控区域中的管道的风险,此时可以生成对象入侵管道区域的提示信息,以提示监控工作人员对此种情况进行关注和警惕,本方案可以实现自动识别可能破坏管道的对象,在管道被破坏之前及时进行预警,解决传统方案中需要人员巡检管道的工作量大,或查看监控视频费时费力的问题,针对需要保护的特定场所的管道可以全方位全时段地监控与报警,加强防止管道遭破坏的效果。
Description
技术领域
本发明涉及监控技术领域,特别是涉及一种管网AI智能监控方法、系统、可读存储介质和设备。
背景技术
近年来,随着我国城镇化建设的飞速发展,管道铺设逐年增长,例如管道燃气已经成为我国家庭及工厂的主要能源之一。但是,第三方施工破坏管网的行为仍然屡禁不止,据相关部门统计,每年发生在我国大中型城市因第三方施工破坏管网的事故上百起,严重影响了人们正常的生活秩序,也事关社会的稳定。管道企业尽管安排了大量的人员巡检排查,使用大量的视频监控设备对现场进行监视,但现场巡检排查工作量大,巡检人员也不可避免的存在疏忽,或不在管道现场,或设备监控视频太多无法一一详尽监视,最终监控管道防止被破坏收效甚微。
发明内容
基于此,有必要针对传统的人员巡检管道或查看监控视频的方式对防止管道遭破坏的效果较差的问题,提供一种管网AI智能监控方法、系统、可读存储介质和设备。
一种管网AI智能监控方法,包括以下步骤:
获取管网中管道所在位置的拍摄图像,在拍摄图像中确定针对管道的管控区域;
识别拍摄图像中是否存在能破坏管道的对象,若是,判断对象是否在管控区域中;
若是,生成对象入侵管道区域的提示信息。
根据上述的管网AI智能监控方法,获取管网中管道所在位置的拍摄图像,在拍摄图像中确定针对管道的管控区域,识别拍摄图像中是否存在能破坏管道的对象,若存在此种对象,再判断该对象是否在管控区域中,若是,表明有该对象破坏管控区域中的管道的风险,此时可以生成对象入侵管道区域的提示信息,以提示监控工作人员对此种情况进行关注和警惕,本方案可以实现自动识别可能破坏管道的对象,在管道被破坏之前及时进行预警,解决传统方案中需要人员巡检管道的工作量大,或查看监控视频费时费力的问题,针对需要保护的特定场所的管道可以全方位全时段地监控与报警,加强防止管道遭破坏的效果。
在其中一个实施例中,在拍摄图像中确定针对管道的管控区域的步骤包括以下步骤:
获取管道的位置信息,根据位置信息在拍摄图像中对管道进行标记,获得标记图形;
接收输入指令,根据输入指令在标记图形周围划定管控区域。
在其中一个实施例中,在拍摄图像中确定针对管道的管控区域的步骤包括以下步骤:
识别拍摄图像中的多个标的物,获取各标的物的位置信息;
根据各标的物的位置信息确定各标的物所围成的封闭区域,根据封闭区域确定管控区域。
在其中一个实施例中,识别拍摄图像中是否存在能破坏管道的对象的步骤包括以下步骤:
利用预设的神经网络识别模型标定拍摄图像中的物体,提取物体的特征信息,以特征信息为基础对物体进行分类,获得物体分类结果,根据物体分类结果判断物体是否为对象所属的类型。
在其中一个实施例中,拍摄图像包括连续拍摄的多张图像,识别拍摄图像中是否存在能破坏管道的对象的步骤包括以下步骤:
在判定物体为对象所属的类型后,在连续拍摄的多张图像中判断物体的位置是否发生变化;
若是,判定拍摄图像中存在能破坏管道的对象。
在其中一个实施例中,提取物体的特征信息的步骤包括以下步骤:
将物体的图像区域分割成若干个部分,将每个部分映射到各自的得分图上,对各得分图的位置信息、像素点信息进行数值化处理,获取物体的特征信息。
一种管网AI智能监控系统,包括:
图像获取单元,用于获取管网中管道所在位置的拍摄图像,在拍摄图像中确定针对管道的管控区域;
识别判断单元,用于识别拍摄图像中是否存在能破坏管道的对象,在存在对象时,判断对象是否在管控区域中;
信息提示单元,用于在识别判断单元判定对象在管控区域中时,生成对象入侵管道区域的提示信息。
根据上述的管网AI智能监控系统,图像获取单元获取管网中管道所在位置的拍摄图像,在拍摄图像中确定针对管道的管控区域,识别判断单元识别拍摄图像中是否存在能破坏管道的对象,若存在此种对象,再判断该对象是否在管控区域中,若是,表明有该对象破坏管控区域中的管道的风险,此时信息提示单元可以生成对象入侵管道区域的提示信息,以提示监控工作人员对此种情况进行关注和警惕,本方案可以实现自动识别可能破坏管道的对象,在管道被破坏之前及时进行预警,解决传统方案中需要人员巡检管道的工作量大,或查看监控视频费时费力的问题,针对需要保护的特定场所的管道可以全方位全时段地监控与报警,加强防止管道遭破坏的效果。
在其中一个实施例中,图像获取单元获取管道的位置信息,根据位置信息在拍摄图像中对管道进行标记,获得标记图形;接收输入指令,根据输入指令在标记图形周围划定管控区域。
在其中一个实施例中,图像获取单元识别拍摄图像中的多个标的物,获取各标的物的位置信息;根据各标的物的位置信息确定各标的物所围成的封闭区域,根据封闭区域确定管控区域。
在其中一个实施例中,识别判断单元利用预设的神经网络识别模型标定拍摄图像中的物体,提取物体的特征信息,以特征信息为基础对物体进行分类,获得物体分类结果,根据物体分类结果判断物体是否为对象所属的类型。
在其中一个实施例中,拍摄图像包括连续拍摄的多张图像,识别判断单元在判定物体为对象所属的类型后,在连续拍摄的多张图像中判断物体的位置是否发生变化;若物体的位置发生变化,判定拍摄图像中存在能破坏管道的对象。
在其中一个实施例中,识别判断单元将物体的图像区域分割成若干个部分,将每个部分映射到各自的得分图上,对各得分图的位置信息、像素点信息进行数值化处理,获取物体的特征信息。
一种可读存储介质,其上存储有可执行程序,可执行程序被处理器执行时实现上述的管网AI智能监控方法的步骤。
上述可读存储介质,通过其存储的可执行程序,可以实现自动识别可能破坏管道的对象,在管道被破坏之前及时进行预警,解决传统方案中需要人员巡检管道的工作量大,或查看监控视频费时费力的问题,针对需要保护的特定场所的管道可以全方位全时段地监控与报警,加强防止管道遭破坏的效果。
一种管网AI智能监控设备,包括摄像装置、控制装置和信息提示装置;
摄像装置用于对管道所在位置进行拍摄,获得拍摄图像,并将拍摄图像传输至控制装置;
控制装置用于在拍摄图像中确定针对管道的管控区域;识别拍摄图像中是否存在能破坏管道的对象,若是,判断对象是否在管控区域中;若是,生成对象入侵管道区域的提示信息;
信息提示装置用于根据提示信息进行提示响应。
根据上述的管网AI智能监控系统,摄像装置对管道所在位置进行拍摄,获得拍摄图像,控制装置在拍摄图像中确定针对管道的管控区域,识别拍摄图像中是否存在能破坏管道的对象,若存在此种对象,再判断该对象是否在管控区域中,若是,表明有该对象破坏管控区域中的管道的风险,此时控制装置可以生成对象入侵管道区域的提示信息,并由信息提示装置对其进行响应,对管道现场的人员进行提示和告警,本方案可以实现自动识别可能破坏管道的对象,在管道被破坏之前及时进行预警,解决传统方案中需要人员巡检管道的工作量大,或查看监控视频费时费力的问题,针对需要保护的特定场所的管道可以全方位全时段地监控与报警,加强防止管道遭破坏的效果。
在其中一个实施例中,控制装置获取管道的位置信息,根据位置信息在拍摄图像中对管道进行标记,获得标记图形;接收输入指令,根据输入指令在标记图形周围划定管控区域。
在其中一个实施例中,控制装置识别拍摄图像中的多个标的物,获取各标的物的位置信息;根据各标的物的位置信息确定各标的物所围成的封闭区域,根据封闭区域确定管控区域。
在其中一个实施例中,控制装置利用预设的神经网络识别模型标定拍摄图像中的物体,提取物体的特征信息,以特征信息为基础对物体进行分类,获得物体分类结果,根据物体分类结果判断物体是否为对象所属的类型。
在其中一个实施例中,拍摄图像包括连续拍摄的多张图像,控制装置在判定物体为对象所属的类型后,在连续拍摄的多张图像中判断物体的位置是否发生变化;若物体的位置发生变化,判定拍摄图像中存在能破坏管道的对象。
在其中一个实施例中,控制装置将物体的图像区域分割成若干个部分,将每个部分映射到各自的得分图上,对各得分图的位置信息、像素点信息进行数值化处理,获取物体的特征信息。
在其中一个实施例中,摄像装置包括摄像头和录像机,控制装置包括控制器、交换机和通信器;
摄像头和录像机分别通过交换机与控制器连接,控制器还与通信器连接;
控制器用于通过交换机控制摄像头对管道所在位置进行拍摄,录像机用于通过交换机保存对管道所在位置的拍摄视频,控制器还用于调取录像机中保存的拍摄视频,将拍摄视频通过通信器传输至服务器,其中,服务器将拍摄视频发送至与管网AI智能监控设备相关联的终端。
在其中一个实施例中,管网AI智能监控设备还包括传感器、供电装置和充电装置;
传感器和供电装置分别与控制装置连接,充电装置与供电装置连接;
传感器用于监测管网AI智能监控设备所处环境中的参数。
一种管网AI智能监控设备,包括摄像装置、控制装置、信息提示装置和服务器;
摄像装置用于对管道所在位置进行拍摄,获得拍摄图像,并将拍摄图像传输至控制装置;
控制装置用于将拍摄图像发送至服务器,服务器用于在拍摄图像中确定针对管道的管控区域;识别拍摄图像中是否存在能破坏管道的对象,若是,判断对象是否在管控区域中;若是,生成对象入侵管道区域的提示信息,并将提示信息发送至与管网AI智能监控设备相关联的终端以及控制装置;
控制装置还用于将提示信息发送至信息提示装置,信息提示装置用于根据提示信息进行提示响应。
根据上述的管网AI智能监控系统,摄像装置对管道所在位置进行拍摄,获得拍摄图像,控制装置将拍摄图像发送至服务器,由服务器在拍摄图像中确定针对管道的管控区域,识别拍摄图像中是否存在能破坏管道的对象,若存在此种对象,再判断该对象是否在管控区域中,若是,表明有该对象破坏管控区域中的管道的风险,此时生成对象入侵管道区域的提示信息,并将提示信息发送至与管网AI智能监控设备相关联的终端以及控制装置,持有终端的工作人员可以及时了解管道状况,控制终端将提示信息发送至信息提示装置,信息提示装置对其进行响应,对管道现场的人员进行提示和告警,本方案可以实现自动识别可能破坏管道的对象,在管道被破坏之前及时进行预警,解决传统方案中需要人员巡检管道的工作量大,或查看监控视频费时费力的问题,针对需要保护的特定场所的管道可以全方位全时段地监控与报警,加强防止管道遭破坏的效果。
附图说明
图1为一个实施例中的管网AI智能监控方法的流程示意图;
图2为一个实施例中的管网AI智能监控系统的结构示意图;
图3为一个实施例中的管网AI智能监控设备的结构示意图;
图4为一个实施例中的管网AI智能监控设备中摄像装置与控制装置的结构连接示意图;
图5为一个实施例中的管网AI智能监控设备中传感器、电能装置的结构连接示意图;
图6为另一个实施例中的管网AI智能监控设备的结构示意图;
图7和图8为一个实施例中的管网AI智能监控设备的提示信息示意图;
图9为一个实施例中的管网AI智能监控设备的应用示意图;
图10为一个实施例中的挖机特征提取示意图;
图11为一个实施例中的管网AI智能监控设备设置在现场的部件示意图;
图12为一个实施例中的服务器的应用示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
需要说明的是,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域技术人员在没有付出创造性劳动前提下所获的所有其他实施例,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
本申请提供的管网AI智能监控方法,可以应用于各种不同类型的管道巡查监管的应用场景中。
参见图1所示,为本发明一个实施例的管网AI智能监控方法的流程示意图。该实施例中的管网AI智能监控方法包括以下步骤:
步骤S110:获取管网中管道所在位置的拍摄图像,在拍摄图像中确定针对管道的管控区域;
在本步骤中,管道一般是铺设在接近地表的地下土层中,多个管道形成网络结构即为管网,此处管道所在位置指的是管道所在位置的地表范围位置,可以通过拍摄装置对管道所在位置的地表进行拍摄,得到拍摄图像,管道在实际使用或维修过程中,需要占用管道周围的位置,因此可以在监控管道时,在管道周围划定一定范围的区域作为管控区域,相应的在拍摄图像中确定该管控区域;
步骤S120:识别拍摄图像中是否存在能破坏管道的对象,若是,判断对象是否在管控区域中;
在本步骤中,可以采用图像识别技术,对图像的元素进行识别,该对象具有实施破坏动作的能力,可以通过图像中元素组成的物象外观来识别判断,进而判断其中是否存在能破坏管道的对象;在确定其中存在此种对象后,可将其所在位置和管控区域进行对比,从而确定对象是否在管控区域中;
步骤S130:若是,生成对象入侵管道区域的提示信息。
在本步骤中,若对象在管控区域中,而该对象具有破坏管道的能力,也就是该对象有可能破坏管道,此时生成对象入侵管道区域的提示信息,可以及时提示工作人员执行对管道的保护措施。
在本实施例中,获取管网中管道所在位置的拍摄图像,在拍摄图像中确定针对管道的管控区域,识别拍摄图像中是否存在能破坏管道的对象,若存在此种对象,再判断该对象是否在管控区域中,若是,表明有该对象破坏管控区域中的管道的风险,此时可以生成对象入侵管道区域的提示信息,以提示监控工作人员对此种情况进行关注和警惕,本方案可以实现自动识别可能破坏管道的对象,在管道被破坏之前及时进行预警,解决传统方案中需要人员巡检管道的工作量大,或查看监控视频费时费力的问题,针对需要保护的特定场所的管道可以全方位全时段地监控与报警,加强防止管道遭破坏的效果。
需要说明的是,拍摄装置可以是各种高清摄像头,设置在便于拍摄管道所在位置的合适方位。
在一个实施例中,在拍摄图像中确定针对管道的管控区域的步骤包括以下步骤:
获取管道的位置信息,根据位置信息在拍摄图像中对管道进行标记,获得标记图形;
接收输入指令,根据输入指令在标记图形周围划定管控区域。
在本实施例中,在确定管道的管控区域时,可以先获取管道的位置信息,将位置信息与拍摄图像相关联,基于位置信息在拍摄图像中对管道进行标记,由于管道在拍摄图像中不会直接显示,通过标记图形可以直观地显示在拍摄图像上;由于管道在实际现场的位置会出现各种变化,可以通过接收输入指令,在拍摄图像的标记图像周围划定管控区域,以适应实际需要。
进一步的,输入指令可以由工作人员人工输入,如在系统上通过鼠标点击来输入。
在一个实施例中,在拍摄图像中确定针对管道的管控区域的步骤包括以下步骤:
识别拍摄图像中的多个标的物,获取各标的物的位置信息;
根据各标的物的位置信息确定各标的物所围成的封闭区域,根据封闭区域确定管控区域。
在本实施例中,标的物设置在现场的管道的周围,并且具有特定的形状、图案或颜色,在拍摄图片中可以识别出来,并以此确定标的物的位置信息,各个标的物可以围成一个封闭区域,以该封闭区域为基础确定管控区域,实现管道的管控区域的自动快速划定。
进一步的,在根据封闭区域确定管控区域时,可以在封闭区域的基础上扩大或缩小,如在封闭区域向外扩大或向内缩小一定距离后将其作为管控区域。
在一个实施例中,识别拍摄图像中是否存在能破坏管道的对象的步骤包括以下步骤:
利用预设的神经网络识别模型标定拍摄图像中的物体,提取物体的特征信息,以特征信息为基础对物体进行分类,获得物体分类结果,根据物体分类结果判断物体是否为对象所属的类型。
在本实施例中,可以预先设置神经网络识别模型,其通过不同的连接方式组成不同的网络,经过样本训练可以对拍摄图像中的各种物体进行识别;在标定拍摄图像中的物体后,提取物体中的特征信息,以此对物体进行分类识别,得到分类结果,判断其是否为能破坏管道的对象类型,为后续的监控提示提供准确的依据。
在一个实施例中,拍摄图像包括连续拍摄的多张图像,识别拍摄图像中是否存在能破坏管道的对象的步骤包括以下步骤:
在判定物体为对象所属的类型后,在连续拍摄的多张图像中判断物体的位置是否发生变化;
若是,判定拍摄图像中存在能破坏管道的对象。
在本实施例中,拍摄图像有多张,而且是连续拍摄的,通过多张拍摄图像的对比,可以判断拍摄图像中物体的位置是否发生变化,如果发生变化,表明物体正在动作,极有可能对管道进行破坏,此时可以判定拍摄图像中存在能破坏管道的对象,若没有发生变化,表明此时物体是静止的,并没有进行动作,也就不会对管道造成破坏,因此可以暂时认定不存在能破坏管道的对象,通过连续拍摄的多张图像识别物体的动作,可以更加准确地判断能破坏管道的对象。
进一步的,可以获取管网中管道所在位置的拍摄视频,从视频帧中提取拍摄图像。
在一个实施例中,提取物体的特征信息的步骤包括以下步骤:
将物体的图像区域分割成若干个部分,将每个部分映射到各自的得分图上,对各得分图的位置信息、像素点信息进行数值化处理,获取物体的特征信息。
在本实施例中,在提取物体的特征信息时,可以将物体的图像区域分割成多个部分,通过映射得分图,统计得分图的位置信息和像素点信息等进行数值化处理,每个部分的数值都不相同,将各个部分的数值进行综合作为物体的特征信息,以此可以快速有效区别各种物体。
根据上述管网AI智能监控方法,本发明实施例还提供一种管网AI智能监控系统,以下就管网AI智能监控系统的实施例进行详细说明。
参见图2所示,为一个实施例的管网AI智能监控系统的结构示意图。该实施例中的管网AI智能监控系统包括:
图像获取单元210,用于获取管网中管道所在位置的拍摄图像,在拍摄图像中确定针对管道的管控区域;
识别判断单元220,用于识别拍摄图像中是否存在能破坏管道的对象,在存在对象时,判断对象是否在管控区域中;
信息提示单元230,用于在识别判断单元220判定对象在管控区域中时,生成对象入侵管道区域的提示信息。
在本实施例中,管网AI智能监控系统包括图像获取单元210、识别判断单元220和信息提示单元230,图像获取单元210获取管网中管道所在位置的拍摄图像,在拍摄图像中确定针对管道的管控区域,识别判断单元220识别拍摄图像中是否存在能破坏管道的对象,若存在此种对象,再判断该对象是否在管控区域中,若是,表明有该对象破坏管控区域中的管道的风险,此时信息提示单元230可以生成对象入侵管道区域的提示信息,以提示监控工作人员对此种情况进行关注和警惕,本方案可以实现自动识别可能破坏管道的对象,在管道被破坏之前及时进行预警,解决传统方案中需要人员巡检管道的工作量大,或查看监控视频费时费力的问题,针对需要保护的特定场所的管道可以全方位全时段地监控与报警,加强防止管道遭破坏的效果。
在一个实施例中,图像获取单元210获取管道的位置信息,根据位置信息在拍摄图像中对管道进行标记,获得标记图形;接收输入指令,根据输入指令在标记图形周围划定管控区域。
在一个实施例中,图像获取单元210识别拍摄图像中的多个标的物,获取各标的物的位置信息;根据各标的物的位置信息确定各标的物所围成的封闭区域,根据封闭区域确定管控区域。
在一个实施例中,识别判断单元220利用预设的神经网络识别模型标定拍摄图像中的物体,提取物体的特征信息,以特征信息为基础对物体进行分类,获得物体分类结果,根据物体分类结果判断物体是否为对象所属的类型。
在一个实施例中,拍摄图像包括连续拍摄的多张图像,识别判断单元220在判定物体为对象所属的类型后,在连续拍摄的多张图像中判断物体的位置是否发生变化;若物体的位置发生变化,判定拍摄图像中存在能破坏管道的对象。
在一个实施例中,识别判断单元220将物体的图像区域分割成若干个部分,将每个部分映射到各自的得分图上,对各得分图的位置信息、像素点信息进行数值化处理,获取物体的特征信息。
本发明实施例的管网AI智能监控系统与上述管网AI智能监控方法一一对应,在上述管网AI智能监控方法的实施例阐述的技术特征及其有益效果均适用于管网AI智能监控系统的实施例中。
一种可读存储介质,其上存储有可执行程序,可执行程序被处理器执行时实现上述的管网AI智能监控方法的步骤。
上述可读存储介质,通过其存储的可执行程序,可以实现自动识别可能破坏管道的对象,在管道被破坏之前及时进行预警,解决传统方案中需要人员巡检管道的工作量大,或查看监控视频费时费力的问题,针对需要保护的特定场所的管道可以全方位全时段地监控与报警,加强防止管道遭破坏的效果。
本领域普通技术人员可以理解实现上述实施例用于医学图像重建的数据处理方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,程序可存储于一非易失性的计算机可读取存储介质中,如实施例中,该程序可存储于计算机系统的存储介质中,并被该计算机系统中的至少一个处理器执行,以实现包括如上述管网AI智能监控方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
根据上述管网AI智能监控方法,本发明实施例还提供一种管网AI智能监控设备,以下就管网AI智能监控设备的实施例进行详细说明。
参见图3所示,为一个实施例的管网AI智能监控设备的结构示意图。该实施例中的管网AI智能监控系统包括摄像装置310、控制装置320和信息提示装置330;
摄像装置310用于对管道所在位置进行拍摄,获得拍摄图像,并将拍摄图像传输至控制装置320;
控制装置320用于在拍摄图像中确定针对管道的管控区域;识别拍摄图像中是否存在能破坏管道的对象,若是,判断对象是否在管控区域中;若是,生成对象入侵管道区域的提示信息;
信息提示装置330用于根据提示信息进行提示响应。
根据上述的管网AI智能监控系统,摄像装置310对管道所在位置进行拍摄,获得拍摄图像,控制装置320在拍摄图像中确定针对管道的管控区域,识别拍摄图像中是否存在能破坏管道的对象,若存在此种对象,再判断该对象是否在管控区域中,若是,表明有该对象破坏管控区域中的管道的风险,此时控制装置320可以生成对象入侵管道区域的提示信息,并由信息提示装置330对其进行响应,对管道现场的人员进行提示和告警,本方案可以实现自动识别可能破坏管道的对象,在管道被破坏之前及时进行预警,解决传统方案中需要人员巡检管道的工作量大,或查看监控视频费时费力的问题,针对需要保护的特定场所的管道可以全方位全时段地监控与报警,加强防止管道遭破坏的效果。
在一个实施例中,控制装置320获取管道的位置信息,根据位置信息在拍摄图像中对管道进行标记,获得标记图形;接收输入指令,根据输入指令在标记图形周围划定管控区域。
在一个实施例中,控制装置320识别拍摄图像中的多个标的物,获取各标的物的位置信息;根据各标的物的位置信息确定各标的物所围成的封闭区域,根据封闭区域确定管控区域。
在一个实施例中,控制装置320利用预设的神经网络识别模型标定拍摄图像中的物体,提取物体的特征信息,以特征信息为基础对物体进行分类,获得物体分类结果,根据物体分类结果判断物体是否为对象所属的类型。
在一个实施例中,拍摄图像包括连续拍摄的多张图像,控制装置320在判定物体为对象所属的类型后,在连续拍摄的多张图像中判断物体的位置是否发生变化;若物体的位置发生变化,判定拍摄图像中存在能破坏管道的对象。
在一个实施例中,控制装置320将物体的图像区域分割成若干个部分,将每个部分映射到各自的得分图上,对各得分图的位置信息、像素点信息进行数值化处理,获取物体的特征信息。
上述各实施例中,管网AI智能监控设备与上述管网AI智能监控方法一一对应,在上述管网AI智能监控方法的实施例阐述的技术特征及其有益效果均适用于管网AI智能监控设备的实施例中。
在一个实施例中,如图4所示,摄像装置310包括摄像头311和录像机312,控制装置320包括控制器321、交换机322和通信器323;
摄像头311和录像机312分别通过交换机322与控制器321连接,控制器321还与通信器323连接;
控制器321用于通过交换机322控制摄像头311对管道所在位置进行拍摄,录像机312用于通过交换机322保存对管道所在位置的拍摄视频,控制器321还用于调取录像机312中保存的拍摄视频,将拍摄视频通过通信器323传输至服务器,其中,服务器将拍摄视频发送至与管网AI智能监控设备相关联的终端。
在本实施例中,摄像装置310不仅可以通过摄像头311对管道现场进行拍摄,还可以将拍摄视频保存在录像机312中,控制器321可以根据需要调取拍摄视频,并通过通信器323传输至服务器,由服务器将其发送至与管网AI智能监控设备相关联的终端,以便在终端上对管道现场的状态进行查看。
需要说明的是,录像机312不仅可以保存拍摄视频,也可以保存拍摄图像,在终端上可以查看管道现场的实时状态以及历史状态。
在一个实施例中,如图5所示,管网AI智能监控设备还包括传感器340、供电装置350和充电装置360;
传感器340和供电装置350分别与控制装置320连接,充电装置360与供电装置350连接;
传感器340用于监测管网AI智能监控设备所处环境中的参数。
在本实施例中,传感器340可以监测管网AI智能监控设备所处环境中的参数,并将其传输至控制装置320,用于调节管网AI智能监控设备的自身状态,供电装置350和充电装置360可以为管网AI智能监控设备提供持续的电能,保证管网AI智能监控设备可以在管道现场持续监控工作。
进一步的,传感器340可以包括温度传感器、湿度传感器、压力传感器或声音传感器等,用于感知现场环境因素;供电装置350可以采用蓄电池等,充电装置360可以采用风能或太阳能充电装置,节能环保。
一种管网AI智能监控设备,如图6所示,包括摄像装置310、控制装置320、信息提示装置330和服务器340;
摄像装置310用于对管道所在位置进行拍摄,获得拍摄图像,并将拍摄图像传输至控制装置320;
控制装置320用于将拍摄图像发送至服务器340,服务器340用于在拍摄图像中确定针对管道的管控区域;识别拍摄图像中是否存在能破坏管道的对象,若是,判断对象是否在管控区域中;若是,生成对象入侵管道区域的提示信息,并将提示信息发送至与管网AI智能监控设备相关联的终端以及控制装置320;
控制装置320还用于将提示信息发送至信息提示装置330,信息提示装置330用于根据提示信息进行提示响应。
根据上述的管网AI智能监控系统,摄像装置310对管道所在位置进行拍摄,获得拍摄图像,控制装置320将拍摄图像发送至服务器340,由服务器340在拍摄图像中确定针对管道的管控区域,识别拍摄图像中是否存在能破坏管道的对象,若存在此种对象,再判断该对象是否在管控区域中,若是,表明有该对象破坏管控区域中的管道的风险,此时生成对象入侵管道区域的提示信息,并将提示信息发送至与管网AI智能监控设备相关联的终端以及控制装置320,持有终端的工作人员可以及时了解管道状况,控制终端将提示信息发送至信息提示装置330,信息提示装置330对其进行响应,对管道现场的人员进行提示和告警,本方案可以实现自动识别可能破坏管道的对象,在管道被破坏之前及时进行预警,解决传统方案中需要人员巡检管道的工作量大,或查看监控视频费时费力的问题,针对需要保护的特定场所的管道可以全方位全时段地监控与报警,加强防止管道遭破坏的效果。
需要说明的是,对拍摄图像的处理过程在服务器340中执行,可以减小管网AI智能监控设备设置在管道现场布置的部件的复杂度,易于实现在各种场合大规模布局。
在具体应用中,本申请可以应用在工程施工、需要保护区域等场所中,作为一种安全监管智能系统,实现了针对需要保护的特定场所的全方位全时段监控与报警,向值班人员提供特定场所可能被入侵的告警提示。它主要包括具有声光报警、供电、视频摄像、控制箱、支架的前端设备,以及服务器、终端机等。
如图7和图8所示,通过终端设备以一定时间间隔获取现场图片,并将编码后的图片上传至服务器;服务器后台获取到图片后,在图片上标示管控区域、被保护的物体(如燃气管道、电力埋地管线、水管等),以及被保护物体的简要说明,以上所有信息最终会在识别后的图片上展示。后台人工标记(虚线区域为保护区域,区域内的黑色实线为管线,左下角备注简要信息),识别后的画面(识别出挖机,并且挖机和保护区域有重合,表示挖机已进入保护区域),将信息通过WebSocket技术推送至监控中心,通过TCP长连接技术推送至手持设备。
具体的,定时获取现场画面图片,并上传至数据服务器,在服务器后台,由人工通过鼠标点击标定管控区域,或通过识别标的物(标的物具有特定形状、图案或颜色的指示物,以便于机器识别)自动规划管控区域,并将标定结果保存到数据服务器,数据服务器将区域坐标集(区域坐标集是管控区域的范围坐标集合,用于判断是否有物体进入)传输到识别服务器,针对每个画面,由识别服务器进行物体识别,并将坐标发生变化的物体(即挖机等特定对象产生了运动行为),标记为入侵;识别服务器将结果返回到数据服务器,推送服务器从数据服务器获取入侵信息,将入侵信息推送至PC控制中心和手持终端,入侵信息包括入侵图片、入侵时间等必要信息。
其中,在监控时,可以采用定时抽取图片流方式进行识别与告警;采用太阳能或风能充电供电,在现场采用声光报警及时警告入侵人员,控制装置能实时监测设备的状态并向系统管理员告警。
如图9所示,利用现场的视频设备,采集实时的现场画面,在设备端利用本地化的AI识别技术,或将数据上传到服务器,在服务器端利用AI(Artificial Intelligence,人工智能)技术进行物体识别,针对指定的物体,如工程机械,利用APP推送和WebSocket技术,将风险信息告知最终的特定用户。
AI技术使用Google的开源框架TensorFlow,使用R-FCN算法建立识别模型,该模型拥有101层神经网络结构,通过特征提取、神经网络相关算法,对目标图像进行物体分类。
在特征提取过程中,首先标定图像中的物体,如标定某区域内的物体为“挖掘机”,细化“挖掘机”区域,把目标区域分割成k*k个部分(比如3*3),每个部分映射到一张ScoreMap(得分图)上,每个Score Map对应目标的一部分(如图10所示,将挖掘机分为3*3=9个Score Map)。
最后将每个Score Map的位置信息、像素点信息进行数值化处理,并存储到模型中,从而完成整个特征提取过程。
图像分类是上述特征提取的反向过程,首先将图片分割成若干区域,使用已保存的模型,通过ROI(region of interest)Pooling卷积层对每个区域进行投票,最终得到分类结果,特征提取越多,分类结果将越精确。
Score Map的组合是卷积层的关键部分,描述了目标的Score信息,每一个ScoreMap对应目标的一部分。
Pooling过程:结合ROI(W‘,H’)来看,bin(Pool之后得到的9个不同的颜色块)的尺寸描述为(W‘/k,H’/k),对于上面的3*3的情况,每一个bin用公式来描述:
其中i,j取值为[0,k),可以理解为在ROI对应的其中一个Map上,采样其中的1/9。
投票过程是(每个类单独计算)通过多个bin求和得到一个类的Score,并通过Softmax进行分类。
Softmax在机器学习和深度学习中有着非常广泛的应用,尤其在处理多分类(C>2)问题,分类器最后的输出单元需要Softmax函数进行数值处理。关于Softmax函数的定义如下所示:
其中,Vi是分类器前级输出单元的输出。i表示类别索引,总的类别个数为C。Si表示的是当前元素的指数与所有元素指数和的比值。Softmax将多分类的输出数值转化为相对概率。
如图11所示,管道现场的设备通过风能、太阳能供电,并在设备端存储一段时间的现场录像,通过网络在客户的PC端或手持设备上播放,或通过移动介质(如U盘、移动硬盘)直接从设备端下载录像到本地播放,同时将视频画面、图片文件由集成的4G通讯设备发送到服务器。
控制器可选择单片机、嵌入式、安卓等系统对连接的物理设备进行控制,同时处理视频流、图片流的转发,以及设备端的AI图像分类任务。
传感器有如温湿度传感器、压力传感器或声音传感器等,用于现场环境的感知,辅助控制端对现场环境的判断和管控。
如图12所示,服务器可有多种功能服务器,各功能服务器均单独配置用于容灾的热备份服务器,或通过一定频率的数据同步机制来保护数据。功能服务器可部署在同一台物理机,也可分别部署在不同的物理机上。
具体的,图12中的Web服务器用于提供客户端的界面预览,后台控制功能,提供第三方程序接口调用功能;流媒体服务器用于视频数据流化转发、视频信令转发、语音功能;数据库服务器用于存储操作数据及操作记录;存储服务器用于监控图像存储;AI深度学习服务器用于机器学习,针对图片、视频分析判断物体,识别模型优化等。
传统技术中,人工排查施工现场难度大、工作量大;传统视频需要人工监视的画面过多,无法有效的保障监视效果;对于施工造成的事故,往往是事后处理,无预警措施;发现风险后,无法第一时间有效沟通协调;而通过本申请的方案,解决了人员不足、偏远现场难以到达的问题,无需人员实时查看监控画面,一旦出现风险,系统会自动告警;在施工机械进入管控区域的时候第一时间报警,通过现场的声光警示以及远传语言功能,避免可能的安全事故发生。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成。所述的程序可以存储于可读取存储介质中。该程序在执行时,包括上述方法所述的步骤。所述的存储介质,包括:ROM/RAM、磁碟、光盘等。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种管网AI智能监控方法,其特征在于,包括以下步骤:
获取管网中管道所在位置的拍摄图像,在所述拍摄图像中确定针对所述管道的管控区域;
识别所述拍摄图像中是否存在能破坏管道的对象,若是,判断所述对象是否在所述管控区域中;
若是,生成所述对象入侵管道区域的提示信息。
2.根据权利要求1所述的管网AI智能监控方法,其特征在于,所述在所述拍摄图像中确定针对所述管道的管控区域的步骤包括以下步骤:
获取所述管道的位置信息,根据所述位置信息在所述拍摄图像中对所述管道进行标记,获得标记图形;
接收输入指令,根据所述输入指令在所述标记图形周围划定所述管控区域。
3.根据权利要求1所述的管网AI智能监控方法,其特征在于,所述在所述拍摄图像中确定针对所述管道的管控区域的步骤包括以下步骤:
识别所述拍摄图像中的多个标的物,获取各所述标的物的位置信息;
根据各所述标的物的位置信息确定各所述标的物所围成的封闭区域,根据所述封闭区域确定所述管控区域。
4.根据权利要求1所述的管网AI智能监控方法,其特征在于,所述识别所述拍摄图像中是否存在能破坏管道的对象的步骤包括以下步骤:
利用预设的神经网络识别模型标定所述拍摄图像中的物体,提取所述物体的特征信息,以所述特征信息为基础对所述物体进行分类,获得物体分类结果,根据所述物体分类结果判断所述物体是否为所述对象所属的类型。
5.根据权利要求4所述的管网AI智能监控方法,其特征在于,所述拍摄图像包括连续拍摄的多张图像,所述识别所述拍摄图像中是否存在能破坏管道的对象的步骤包括以下步骤:
在判定所述物体为所述对象所属的类型后,在所述连续拍摄的多张图像中判断所述物体的位置是否发生变化;
若是,判定所述拍摄图像中存在能破坏管道的对象。
6.根据权利要求4所述的管网AI智能监控方法,其特征在于,所述提取所述物体的特征信息的步骤包括以下所述步骤:
将所述物体的图像区域分割成若干个部分,将每个部分映射到各自的得分图上,对各所述得分图的位置信息、像素点信息进行数值化处理,获取所述物体的特征信息。
7.一种管网AI智能监控系统,其特征在于,包括:
图像获取单元,用于获取管网中管道所在位置的拍摄图像,在所述拍摄图像中确定针对所述管道的管控区域;
识别判断单元,用于识别所述拍摄图像中是否存在能破坏管道的对象,在存在所述对象时,判断所述对象是否在所述管控区域中;
信息提示单元,用于在所述识别判断单元判定所述对象在所述管控区域中时,生成所述对象入侵管道区域的提示信息。
8.一种可读存储介质,其上存储有可执行程序,其特征在于,所述可执行程序被处理器执行时实现权利要求1至6中任意一项所述的管网AI智能监控方法的步骤。
9.一种管网AI智能监控设备,其特征在于,包括摄像装置、控制装置和信息提示装置;
所述摄像装置用于对管道所在位置进行拍摄,获得拍摄图像,并将所述拍摄图像传输至所述控制装置;
所述控制装置用于在所述拍摄图像中确定针对所述管道的管控区域;识别所述拍摄图像中是否存在能破坏管道的对象,若是,判断所述对象是否在所述管控区域中;若是,生成所述对象入侵管道区域的提示信息;
所述信息提示装置用于根据所述提示信息进行提示响应。
10.根据权利要求9所述的管网AI智能监控设备,其特征在于,所述摄像装置包括摄像头和录像机,所述控制装置包括控制器、交换机和通信器;
所述摄像头和所述录像机分别通过所述交换机与所述控制器连接,所述控制器还与所述通信器连接;
所述控制器用于通过所述交换机控制所述摄像头对管道所在位置进行拍摄,所述录像机用于通过所述交换机保存对管道所在位置的拍摄视频,所述控制器还用于调取所述录像机中保存的拍摄视频,将所述拍摄视频通过所述通信器传输至服务器,其中,所述服务器将所述拍摄视频发送至与所述管网AI智能监控设备相关联的终端。
11.根据权利要求9所述的管网AI智能监控设备,其特征在于,还包括传感器、供电装置和充电装置;
所述传感器和所述供电装置分别与所述控制装置连接,所述充电装置与所述供电装置连接;
所述传感器用于监测所述管网AI智能监控设备所处环境中的参数。
12.一种管网AI智能监控设备,其特征在于,包括摄像装置、控制装置、信息提示装置和服务器;
所述摄像装置用于对管道所在位置进行拍摄,获得拍摄图像,并将所述拍摄图像传输至所述控制装置;
所述控制装置用于将所述拍摄图像发送至所述服务器,所述服务器用于在所述拍摄图像中确定针对所述管道的管控区域;识别所述拍摄图像中是否存在能破坏管道的对象,若是,判断所述对象是否在所述管控区域中;若是,生成所述对象入侵管道区域的提示信息,并将所述提示信息发送至与所述管网AI智能监控设备相关联的终端以及所述控制装置;
所述控制装置还用于将所述提示信息发送至所述信息提示装置,所述信息提示装置用于根据所述提示信息进行提示响应。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910263374.5A CN110012268A (zh) | 2019-04-02 | 2019-04-02 | 管网ai智能监控方法、系统、可读存储介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910263374.5A CN110012268A (zh) | 2019-04-02 | 2019-04-02 | 管网ai智能监控方法、系统、可读存储介质和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110012268A true CN110012268A (zh) | 2019-07-12 |
Family
ID=67169510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910263374.5A Pending CN110012268A (zh) | 2019-04-02 | 2019-04-02 | 管网ai智能监控方法、系统、可读存储介质和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110012268A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503793A (zh) * | 2019-07-26 | 2019-11-26 | 北京讯腾智慧科技股份有限公司 | 一种基于人工智能的管道入侵自动预警方法、系统及设备 |
CN110719439A (zh) * | 2019-08-30 | 2020-01-21 | 国网江西省电力有限公司抚州供电分公司 | 配电网危险区域智能宣教驱离及取证系统 |
CN111738190A (zh) * | 2020-06-29 | 2020-10-02 | 山东浪潮通软信息科技有限公司 | 一种区域安全监管方法 |
CN112712148A (zh) * | 2020-12-30 | 2021-04-27 | 杭州越歌科技有限公司 | 一种地下管网监测方法、系统、装置和存储介质 |
CN113204985A (zh) * | 2020-11-06 | 2021-08-03 | 中国石油天然气股份有限公司 | 输油管道损坏风险评估方法及装置 |
CN113255409A (zh) * | 2020-02-13 | 2021-08-13 | 中国移动通信集团广东有限公司 | 一种图像识别方法、系统及装置 |
CN115953453A (zh) * | 2023-03-03 | 2023-04-11 | 国网吉林省电力有限公司信息通信公司 | 基于图像错位分析和北斗卫星的变电站地质形变监测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8320216B2 (en) * | 2009-12-01 | 2012-11-27 | Raytheon Company | Active sonar system and active sonar method using fuzzy logic |
US20150269437A1 (en) * | 2014-03-19 | 2015-09-24 | Kabushiki Kaisha Toshiba | Image processing apparatus, method thereof and program therefor |
CN107888887A (zh) * | 2017-12-02 | 2018-04-06 | 深圳市燃气集团股份有限公司 | 一种监测燃气管道第三方破坏的视频监控预警方法及系统 |
CN108764235A (zh) * | 2018-05-23 | 2018-11-06 | 中国民用航空总局第二研究所 | 神经网络模型、目标检测方法、设备及介质 |
CN109040669A (zh) * | 2018-06-28 | 2018-12-18 | 国网山东省电力公司菏泽供电公司 | 变电站智能视频围栏方法及系统 |
CN109063612A (zh) * | 2018-07-19 | 2018-12-21 | 中智城信息技术有限公司 | 城市智能红线管理方法及机器可读存储介质 |
-
2019
- 2019-04-02 CN CN201910263374.5A patent/CN110012268A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8320216B2 (en) * | 2009-12-01 | 2012-11-27 | Raytheon Company | Active sonar system and active sonar method using fuzzy logic |
US20150269437A1 (en) * | 2014-03-19 | 2015-09-24 | Kabushiki Kaisha Toshiba | Image processing apparatus, method thereof and program therefor |
CN107888887A (zh) * | 2017-12-02 | 2018-04-06 | 深圳市燃气集团股份有限公司 | 一种监测燃气管道第三方破坏的视频监控预警方法及系统 |
CN108764235A (zh) * | 2018-05-23 | 2018-11-06 | 中国民用航空总局第二研究所 | 神经网络模型、目标检测方法、设备及介质 |
CN109040669A (zh) * | 2018-06-28 | 2018-12-18 | 国网山东省电力公司菏泽供电公司 | 变电站智能视频围栏方法及系统 |
CN109063612A (zh) * | 2018-07-19 | 2018-12-21 | 中智城信息技术有限公司 | 城市智能红线管理方法及机器可读存储介质 |
Non-Patent Citations (1)
Title |
---|
朱道明等: "《建筑安防技术》", 31 January 2013 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503793A (zh) * | 2019-07-26 | 2019-11-26 | 北京讯腾智慧科技股份有限公司 | 一种基于人工智能的管道入侵自动预警方法、系统及设备 |
CN110719439A (zh) * | 2019-08-30 | 2020-01-21 | 国网江西省电力有限公司抚州供电分公司 | 配电网危险区域智能宣教驱离及取证系统 |
CN113255409A (zh) * | 2020-02-13 | 2021-08-13 | 中国移动通信集团广东有限公司 | 一种图像识别方法、系统及装置 |
CN111738190A (zh) * | 2020-06-29 | 2020-10-02 | 山东浪潮通软信息科技有限公司 | 一种区域安全监管方法 |
CN111738190B (zh) * | 2020-06-29 | 2023-05-05 | 浪潮通用软件有限公司 | 一种区域安全监管方法 |
CN113204985A (zh) * | 2020-11-06 | 2021-08-03 | 中国石油天然气股份有限公司 | 输油管道损坏风险评估方法及装置 |
CN112712148A (zh) * | 2020-12-30 | 2021-04-27 | 杭州越歌科技有限公司 | 一种地下管网监测方法、系统、装置和存储介质 |
CN115953453A (zh) * | 2023-03-03 | 2023-04-11 | 国网吉林省电力有限公司信息通信公司 | 基于图像错位分析和北斗卫星的变电站地质形变监测方法 |
CN115953453B (zh) * | 2023-03-03 | 2023-08-15 | 国网吉林省电力有限公司信息通信公司 | 基于图像错位分析和北斗卫星的变电站地质形变监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110012268A (zh) | 管网ai智能监控方法、系统、可读存储介质和设备 | |
CN106412501B (zh) | 一种视频的施工安全行为智能监控系统及其监控方法 | |
US8908034B2 (en) | Surveillance systems and methods to monitor, recognize, track objects and unusual activities in real time within user defined boundaries in an area | |
CN111047818A (zh) | 一种基于视频图像的森林火灾预警系统 | |
CN115348247A (zh) | 基于天空地一体化技术的森林火灾检测预警及决策系统 | |
CN112216049A (zh) | 一种基于图像识别的施工警戒区监测预警系统及方法 | |
CN106781165A (zh) | 一种基于深度传感的室内多摄像头智能联动监控装置 | |
US11729597B2 (en) | Digital twin disaster management system customized for underground public areas | |
CN102306304A (zh) | 人脸遮挡物识别方法及其装置 | |
CN110874866B (zh) | 一种基于视频的变电站三维监控方法及系统 | |
KR101988356B1 (ko) | 공사현장의 3차원 디지털화 및 가상 건설영상 분석을 통한 인공지능 스마트 현장관리 시스템 | |
CN109410497B (zh) | 一种基于深度学习的桥洞空间安全监测与报警系统 | |
CN113011833A (zh) | 施工现场的安全管理方法、装置、计算机设备和存储介质 | |
CN107222660A (zh) | 一种分布式网络视觉监控系统 | |
CN108470424A (zh) | 一种基于图像特征的森林安全监测系统 | |
CN109068105A (zh) | 一种基于深度学习的监狱视频监控方法 | |
CN110276254A (zh) | 基于无人机的禁止摆摊区域摊贩自动识别预警方法 | |
CN108256447A (zh) | 一种基于深度神经网络的无人机航拍视频分析方法 | |
CN112434828A (zh) | 一种5t运维中安全防护智能识别方法 | |
CN110602453B (zh) | 一种物联网大数据智能视频安防监控系统 | |
CN116846059A (zh) | 一种用于电网巡检和监控的边缘检测系统 | |
CN111860187A (zh) | 一种高精度的佩戴口罩识别方法及系统 | |
CN114067396A (zh) | 基于视觉学习的居配工程现场试验数字化管理系统及方法 | |
CN114677640A (zh) | 基于机器视觉的智慧工地安全监测系统及方法 | |
CN110674753A (zh) | 偷盗行为预警方法、终端设备及存储介质 |
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 |
Application publication date: 20190712 |
|
RJ01 | Rejection of invention patent application after publication |