CN110163184A - 智能化视频监控系统及方法 - Google Patents
智能化视频监控系统及方法 Download PDFInfo
- Publication number
- CN110163184A CN110163184A CN201910466356.7A CN201910466356A CN110163184A CN 110163184 A CN110163184 A CN 110163184A CN 201910466356 A CN201910466356 A CN 201910466356A CN 110163184 A CN110163184 A CN 110163184A
- Authority
- CN
- China
- Prior art keywords
- module
- image information
- image
- information
- prediction
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 17
- 239000003643 water by type Substances 0.000 claims abstract description 71
- 238000012549 training Methods 0.000 claims abstract description 52
- 238000013528 artificial neural network Methods 0.000 claims abstract description 47
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims description 40
- 238000012360 testing method Methods 0.000 claims description 24
- 210000005036 nerve Anatomy 0.000 claims description 20
- 238000002845 discoloration Methods 0.000 claims description 17
- 230000009467 reduction Effects 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000011946 reduction process Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种智能化视频监控系统及方法,采用图像处理和基于神经网络的预测相结合的方式,对采集的水域图像信息进行处理后,通过神经网络进行预测,神经网络的预测包括水位预测以及天气预测,根据预测的水位信息和天气信息得到最终的预测结果,若预测结果为可能存在洪水隐患时进行报警,提示监控人员及时做出相应措施,减少损失,同时还可以将预测结果所对应的图像信息传输到神经网络的训练样本中,以此来重新训练更新神经网络,提高预测的准确性。
Description
技术领域
本发明涉及视频监控技术领域,特别涉及一种智能化视频监控系统及方法。
背景技术
随着社会经济和电子技术的发展以及人们安全意识的增强,视频监控技术得到快速发展,视频监控系统的智能化是监控技术发展的必然需求,现有的智能化视频监控系统一般都是应用在楼宇、大厦间的监控,用于进行人脸的识别、遗留物的查询等,主要应用于室内的监控,很少有应用到户外的监控中,而我国地大物博,江河湖泊众多,对于水域的防汛防洪监控很多都还是采用人为监控的方式,人为监控存在较大的误差,也有些地区会在水域中设置电子式传感器,用于检测水位高低,监控人员通过水位的高低来判断是否会发生洪灾,人为判断同样存在误差,无法及时分析水域情况,导致灾害预测的不及时,并且电子式传感器长期设置在水域中容易损坏、更换难度大、易被水流淹没。
发明内容
鉴以此,本发明提出一种智能化视频监控系统及方法,应用于水域防洪中,通过对水域进行图像采集,采用已训练好的神经网络来对水域图像信息进行处理,根据浮漂的水位以及周围的天气信息进行洪灾预测,预测的精度较高,可以及时判断洪水发生隐患,并及时做出对应措施,同时还可以实时更新神经网络的训练样本集,保证神经网络预测的准确性。
本发明的技术方案是这样实现的:
智能化视频监控系统,包括:
浮漂,设置在水域上;
图像采集模块,用于采集水域图像信息;
图像处理模块,用于对水域图像信息进行处理并得到浮漂图像信息和环境图像信息;
第一预测模块,根据接收到的浮漂图像信息进行预测处理后得到水位信息;
第二预测模块,根据接收到的环境图像信息进行预测处理后得到天气信息;
判断模块,根据水位信息和天气信息获得预测结果;
所述浮漂上设置有反光条;所述第一预测模块和第二预测模块包括神经网络模块、训练样本模块以及更新模块,所述神经网络模块根据图像处理模块传输的信息进行预测处理,所述神经网络模块分别与训练样本模块、更新模块数据连接,所述更新模块从图像处理模块中读取新的训练样本并存入所述训练样本模块中,所述神经网络模块根据训练样本模块中新的训练样本集进行训练。
优选的,还包括图像存储模块,所述图像存储模块存储图像采集模块采集的水域图像信息,所述图像处理模块从图像存储模块中读取水域图像信息。
优选的,还包括预警模块,所述预警模块接收判断模块发送的预测结果并进行预警。
优选的,所述图像处理模块包括去色模块、降噪模块、识别模块以及分割模块,所述去色模块对图像采集模块采集的水域图像信息进行去色处理,所述降噪模块对去色后的水域图像信息进行降噪处理,所述识别模块对降噪处理后的水域图像信息进行识别,识别出浮漂图像后由所述分割模块对水域图像信息进行分割得到浮漂图像信息以及环境图像信息。
优选的,还包括第一无线传输模块和第二无线传输模块,所述第一无线传输模块将图像存储模块中的水域图像信息进行无线传输,所述第二无线传输模块将判断模块的预测结果进行无线传输。
优选的,还包括监控显示屏,所述监控实现屏与第一无线传输模块电连接。
优选的,所述预测模块还包括测试样本模块,所述测试样本模块为神经网络模块提供测试样本集。
智能化视频监控方法,包括以下步骤:
S1、采集水域上的水域图像信息;
S2、对水域图像信息进行处理得到浮漂图像信息和环境图像信息;
S3、采用训练好的第一神经网络对浮漂图像信息进行处理并得到水位信息;
S4、采用训练好的第二神经网络对环境图像信息进行处理并得到天气信息;
S5、根据水位信息和天气信息得到预测结果;
S6、若预测结果为洪水发生信息时进行报警,并同时将预测结果对应的浮漂图像信息或环境图像信息作为新的训练样本提供给第一神经网络或第二神经网络进行训练更新。
优选的,所述步骤S2对水域图像信息进行处理的具体步骤为:对水域图像信息进行去色、降噪、识别以及分割处理后得到浮漂图像信息和环境图像信息。
优选的,所述步骤S3和步骤S4中的第一神经网络和第二神经网络通过事先收集的训练样本集进行训练,并通过测试样本集检验准确性。
与现有技术相比,本发明的有益效果是:
本发明提供了一种智能化视频监控系统及方法,采用图像处理和神经网络处理结合的方式,对水域上的图像信息进行采集,并分成浮漂图像信息和环境图像信息,通过训练好的两个神经网络分别对浮漂图像信息和环境图像信息进行处理,从而可以判断当前的洪讯情况,若结果显示水位过高可能决堤,监视人员可以及时做出防护措施,防患灾害,同时神经网络可以自动进行更新,保证其预测的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的优选实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的智能化视频监控系统的一个实施例的原理图;
图2为本发明的智能化视频监控方法的一个实施例的流程图;
图中,1为浮漂,2为图像采集模块,3为图像处理模块,4为第一预测模块,5为第二预测模块,6为判断模块,7为神经网络模块,8为训练样本模块,9为更新模块,10为图像存储模块,11为预警模块,12为去色模块,13为降噪模块,14为识别模块,15为分割模块,16为第一无线传输模块,17为第二无线传输模块,18为监控显示屏,19为测试样本模块。
具体实施方式
为了更好理解本发明技术内容,下面提供一具体实施例,并结合附图对本发明做进一步的说明。
参见图1,本发明提供的智能化视频监控系统,包括:
浮漂1,设置在水域上;
图像采集模块2,用于采集水域图像信息;
图像处理模块3,用于对水域图像信息进行处理并得到浮漂图像信息和环境图像信息;
第一预测模块4,根据接收到的浮漂图像信息进行预测处理后得到水位信息;
第二预测模块5,根据接收到的环境图像信息进行预测处理后得到天气信息;
判断模块6,根据水位信息和天气信息获得预测结果;
所述浮漂1上设置有反光条;所述第一预测模块4和第二预测模块5包括神经网络模块7、训练样本模块8以及更新模块9,所述神经网络模块7根据图像处理模块3传输的信息进行预测处理,所述神经网络模块7分别与训练样本模块8、更新模块9数据连接,所述更新模块9从图像处理模块3中读取新的训练样本并存入所述训练样本模块8中,所述神经网络模块7根据训练样本模块8中新的训练样本集进行训练。
本发明采用图像处理以及神经网络预测相结合的方式对水域的信息进行预测,为防洪灾害提供预警,其中主要根据水域当中浮漂1的位置信息以及水域中的环境信息来进行灾害的预测,当浮漂1在水中的位置升高时,可以表明水体高度可能在上升,存在一定的安全隐患,同时通过水域的环境信息来判断当前天气状态,通常洪水灾害会伴随着降雨、阴天、大风存在,通过天气状态来辅助预测当前的水域信息,从而可以精确的判断是否存在一定的洪水发生隐患,监视人员可以及时的做出措施,为防洪工作提供保障。
为了保证恶劣天气下浮漂1信息仍然可以被清晰的采集,在浮漂1上设置了反光条,可以在夜间或者恶劣天气下仍然被采集到,在本实施例中,图像采集模块2采用摄像机来实现,通过将摄像机架设在水域边上以及较远处,以此来采集相应的浮漂1信息和水域上的环境信息。
具体的,通过设置的第一预测模块4和第二预测模块5来对采集的图像信息进行处理,其中第一预测模块4和第二预测模块5均包括了神经网络模块7、更新模块9以及测试样本模块19,主要由神经网络模块7来进行预测,在神经网络模块7中内置有已经训练好的神经网络,神经网络模块7可以根据输入的图像信息进行处理后输出相应的预测信息,本发明的第一预测模块4和第二预测模块5可以分别对浮漂图像信息和环境图像信息进行处理,其中第一预测模块4可以对浮漂图像信息进行预测处理得到相应的水位信息,第二预测模块5可以对环境图像信息进行预测处理得到相应的天气信息,结合水位信息和天气信息可以得到最终的预测结果,从而监视人员可以根据预测结果实行相应的措施以防患洪灾。
第一预测模块4和第二预测模块5中的神经网络采用训练样本集训练而得到,训练样本集中包含有大量的训练样本,例如对第一预测模块4的训练样本集而言,包含了多种水位高度下的浮漂图像的训练样本,而对第二预测模块5的训练样本集而言,包含了多种不同天气状态下的环境图像的训练样本,通过采用大量的训练样本对神经网络进行训练而得到训练好的神经网络,最后在通过测试样本集来对神经网络进行准确性测试,若准确度较高则可以进行使用,否则需要重新更改训练样本集进行训练。
本发明的第一预测模块4和第二预测模块5还具备实时更新功能,当最终的预测结果为有可能会发生洪水灾害时,通过更新模块9读取相应的图像信息,然后存储到训练样本模块8中,从而神经网络模块7可以根据训练样本模块8中新的训练样本集进行新的训练,从而实时更新神经网络状态,保证预测的准确性。
而判断模块6采用基于阈值判断的形式,当第一预测模块4发送的水位信息大于设定的阈值,并且第二预测模块5发送到的天气信息为降雨、大风或者阴天等信息时,可以判断存在较大的洪涝安全隐患,通过设定不同的阈值和天气信息相结合,以此来获得不同等级的预测结果。
优选的,还包括图像存储模块10,所述图像存储模块10存储图像采集模块2采集的水域图像信息,所述图像处理模块3从图像存储模块10中读取水域图像信息。
图像存储模块10用于存储图像采集模块2采集的图像信息,一方面可以供图像处理模块3读取图像信息进行处理,另一方面还可以将存储的图像信息发送到监控室去进行人为监控,图像存储模块10可以采用网络硬盘录像机(NVR)来实现。
优选的,还包括预警模块11,所述预警模块11接收判断模块6发送的预测结果并进行预警。
预警模块11用于在预测结果为存在洪涝安全隐患时进行报警,预警模块11可以采用声音报警或者文字报警或者灯光报警形式,可以将预警模块11设置在监控室内,实现远程监控。
优选的,所述图像处理模块3包括去色模块12、降噪模块13、识别模块14以及分割模块15,所述去色模块12对图像采集模块2采集的水域图像信息进行去色处理,所述降噪模块13对去色后的水域图像信息进行降噪处理,所述识别模块14对降噪处理后的水域图像信息进行识别,识别出浮漂图像后由所述分割模块15对水域图像信息进行分割得到浮漂图像信息以及环境图像信息。
本实施例的图像处理模块3基于opencv实现,由于第一预测模块4和第二预测模块5的输入不同,因此需要通过图像处理模块3对采集的图像信息进行处理,采用opencv对水域图像信息进行预处理,预处理包括去色以及降噪,为后续的分割和识别提供便利,然后对水域图像信息进行识别,识别出浮漂1信息后进行分割,将水域图像信息分割成多个小图像信息,从而识别得到浮漂图像信息和环境图像信息,最后再将浮漂图像信息和环境图像信息传输到第一预测模块4和第二预测模块5中进行预测处理,图像处理模块3在进行分割时,整个水域图像信息中除了含有浮漂图像的那一个图像信息为浮漂图像信息外,其余的都为环境图像信息。
优选的,还包括第一无线传输模块16和第二无线传输模块17,所述第一无线传输模块16将图像存储模块10中的水域图像信息进行无线传输,所述第二无线传输模块17将判断模块6的预测结果进行无线传输。
由于图像存储模块10和图像采集模块2一般是设置在水域旁,因此为了实现图像采集模块2采集的图像的无线传输,设置了第一无线传输模块16,第一无线传输模块16可以将图像采集模块2中存储的水域图像信息以无线形式发送出去,传输到监控室中或者是监控人员的智能终端上实现远程监控。
而第二无线模块的作用是将预测结果以无线形式发送出去,从而监控人员可以通过智能终端查看到预测结果,第一无线模块和第二无线模块可以采用wifi收发器、ZigBee模块或者蓝牙模块来实现。
优选的,还包括监控显示屏18,所述监控实现屏与第一无线传输模块16电连接。
通过设置的监控显示屏18,可以接收摄像机传输的水域信息,从而实现人为的监控,通过人为监控和神经网络预测方式相结合,进一步为防患灾害提供保障。
优选的,所述预测模块还包括测试样本模块19,所述测试样本模块19为神经网络模块7提供测试样本集。
测试样本模块19用于提供测试样本集给神经网络进行测试,测试样本模块19中的测试样本集包含了即将发生洪水时的浮漂图像信息和环境图像信息,神经网络训练完成后,采用测试样本对神经网络进行测试,当测试结果较为准确时,即代表神经网络的训练完成。
参见图2,本发明的智能化视频监控方法,包括以下步骤:
S1、采集水域上的水域图像信息;
S2、对水域图像信息进行处理得到浮漂图像信息和环境图像信息;
S3、采用训练好的第一神经网络对浮漂图像信息进行处理并得到水位信息;
S4、采用训练好的第二神经网络对环境图像信息进行处理并得到天气信息;
S5、根据水位信息和天气信息得到预测结果;
S6、若预测结果为洪水发生信息时进行报警,并同时将预测结果对应的浮漂图像信息或环境图像信息作为新的训练样本提供给第一神经网络或第二神经网络进行训练更新。
本发明的智能化视频监控方法,采集水域上的图像信息后,对水域图像信息进行处理后得到浮漂图像信息和环境图像信息,浮漂图像信息用于输入到第一神经网络进行预测处理,环境图像信息用于输入到第二神经网络进行预测处理,其中第一神经网络和第二神经网络可以根据接收到的信息进行处理后得到相应的水位信息和天气信息,最后再由水位信息和天气信息判断当前是否存在洪涝安全隐患,若存在一定的安全隐患,则进行报警,监控人员可以及时做出对应的措施,防止洪水灾害造成过大的损失。
并且,在本发明中,当预测结果为存在洪涝安全隐患时,将该预测结果对应的浮漂图像信息或环境图像信息返回到训练样本中,从而更新第一神经网络或第二神经网络的训练样本集,然后第一神经网络和第二神经网络可以进行新一次的训练,实时更新其准确性。
优选的,所述步骤S2对水域图像信息进行处理的具体步骤为:对水域图像信息进行去色、降噪、识别以及分割处理后得到浮漂图像信息和环境图像信息。
采用opencv进行图像的处理,其中图像处理包括去色、降噪、识别以及分割,通过一系列的处理后可以得到浮漂图像信息和环境图像信息,从而可以为第一神经网络和第二神经网络提供输入。
优选的,所述步骤S3和步骤S4中的第一神经网络和第二神经网络通过事先收集的训练样本集进行训练,并通过测试样本集检验准确性。
具体的,第一神经网络和第二神经网络通过训练样本集进行训练,并通过测试样本集来检验训练的准确性。
在本发明中,第一神经网络可以对浮漂图像信息进行预测处理,其中,每个摄像机采集的水域图像信息的大小,位置等均是不变的,在进行图像的分割后,得到的浮漂图像信息与第一神经网络进行训练时的训练样本以及测试样本在大小、位置等方面均为一致,从而可以保证神经网络预测的准确性,通过验证采集的浮漂图像信息中浮漂1的位置来判断当前的水位信息,此处所说的水位信息并不是指确切的水位高度,而是一个泛指的范围,当浮漂1的高度过高时,则证明水位过高,再结合第二神经网络预测的天气信息来综合判断是否存在洪涝安全隐患。
本发明的智能化视频监控系统及方法,对水域图像信息进行采集,采用图像处理技术将水域图像信息分成浮漂图像信息和环境图像信息,浮漂图像信息和环境图像信息分别用于第一预测模块4和第二预测模块5的预测,其中第一预测模块4内部预置的第一神经网络可以根据浮漂图像信息进行预测处理得到水位信息,而第二预测模块5内部预置的第二神经网络可以根据环境图像信息进行预测处理得到天气信息,最后在结合水位信息和天气信息可以得到关于洪水灾害的预测结果,当预测结果为可能存在洪水隐患时,将预测结果对应的图像信息传输给第一神经网络和第二神经网络的训练样本模块8,更新训练样本模块8内部的训练样本集,从而第一神经网络和第二神经网络可以进行新一次的训练,提高预测的准确性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.智能化视频监控系统,其特征在于,包括:
浮漂,设置在水域上;
图像采集模块,用于采集水域图像信息;
图像处理模块,用于对水域图像信息进行处理并得到浮漂图像信息和环境图像信息;
第一预测模块,根据接收到的浮漂图像信息进行预测处理后得到水位信息;
第二预测模块,根据接收到的环境图像信息进行预测处理后得到天气信息;
判断模块,根据水位信息和天气信息获得预测结果;
所述浮漂上设置有反光条;所述第一预测模块和第二预测模块包括神经网络模块、训练样本模块以及更新模块,所述神经网络模块根据图像处理模块传输的信息进行预测处理,所述神经网络模块分别与训练样本模块、更新模块数据连接,所述更新模块从图像处理模块中读取新的训练样本并存入所述训练样本模块中,所述神经网络模块根据训练样本模块中新的训练样本集进行训练。
2.根据权利要求1所述的智能化视频监控系统,其特征在于,还包括图像存储模块,所述图像存储模块存储图像采集模块采集的水域图像信息,所述图像处理模块从图像存储模块中读取水域图像信息。
3.根据权利要求1所述的智能化视频监控系统,其特征在于,还包括预警模块,所述预警模块接收判断模块发送的预测结果并进行预警。
4.根据权利要求1所述的智能化视频监控系统,其特征在于,所述图像处理模块包括去色模块、降噪模块、识别模块以及分割模块,所述去色模块对图像采集模块采集的水域图像信息进行去色处理,所述降噪模块对去色后的水域图像信息进行降噪处理,所述识别模块对降噪处理后的水域图像信息进行识别,识别出浮漂图像后由所述分割模块对水域图像信息进行分割得到浮漂图像信息以及环境图像信息。
5.根据权利要求2所述的智能化视频监控系统,其特征在于,还包括第一无线传输模块和第二无线传输模块,所述第一无线传输模块将图像存储模块中的水域图像信息进行无线传输,所述第二无线传输模块将判断模块的预测结果进行无线传输。
6.根据权利要求5所述的智能化视频监控系统,其特征在于,还包括监控显示屏,所述监控实现屏与第一无线传输模块电连接。
7.根据权利要求1所述的智能化视频监控系统,其特征在于,所述预测模块还包括测试样本模块,所述测试样本模块为神经网络模块提供测试样本集。
8.智能化视频监控方法,其特征在于,包括以下步骤:
S1、采集水域上的水域图像信息;
S2、对水域图像信息进行处理得到浮漂图像信息和环境图像信息;
S3、采用训练好的第一神经网络对浮漂图像信息进行处理并得到水位信息;
S4、采用训练好的第二神经网络对环境图像信息进行处理并得到天气信息;
S5、根据水位信息和天气信息得到预测结果;
S6、若预测结果为洪水发生信息时进行报警,并同时将预测结果对应的浮漂图像信息或环境图像信息作为新的训练样本提供给第一神经网络或第二神经网络进行训练更新。
9.根据权利要求8所述的智能化视频监控方法,其特征在于,所述步骤S2对水域图像信息进行处理的具体步骤为:对水域图像信息进行去色、降噪、识别以及分割处理后得到浮漂图像信息和环境图像信息。
10.根据权利要求8所述的智能化视频监控方法,其特征在于,所述步骤S3和步骤S4中的第一神经网络和第二神经网络通过事先收集的训练样本集进行训练,并通过测试样本集检验准确性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910466356.7A CN110163184A (zh) | 2019-05-31 | 2019-05-31 | 智能化视频监控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910466356.7A CN110163184A (zh) | 2019-05-31 | 2019-05-31 | 智能化视频监控系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110163184A true CN110163184A (zh) | 2019-08-23 |
Family
ID=67630326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910466356.7A Pending CN110163184A (zh) | 2019-05-31 | 2019-05-31 | 智能化视频监控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110163184A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503807A (zh) * | 2019-08-25 | 2019-11-26 | 武汉和时利自动化系统工程有限公司 | 一种洪水水灾后水体变化监控系统及其方法 |
CN110728812A (zh) * | 2019-10-12 | 2020-01-24 | 国网新疆电力有限公司喀什供电公司 | 输电线路防外力破坏检测保护装置及其使用方法 |
CN111310920A (zh) * | 2020-03-17 | 2020-06-19 | 无锡多纬智控科技有限公司 | 将深度学习神经网络技术应用于信号采集装置的方法 |
CN111428864A (zh) * | 2020-04-08 | 2020-07-17 | 重庆软汇科技股份有限公司 | 一种基于神经网络的自动事务生成方法及系统 |
CN112034896A (zh) * | 2020-09-14 | 2020-12-04 | 广东生太修复科技有限公司 | 鱼塘水位控制方法及相关装置 |
CN113159005A (zh) * | 2021-05-28 | 2021-07-23 | 青海中水数易信息科技有限责任公司 | 基于机器学习的水位、异物识别于一体的监控系统及方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408900A (zh) * | 2014-11-10 | 2015-03-11 | 柳州师范高等专科学校 | 基于动态优化的神经网络洪水预警装置及其方法 |
CN107195164A (zh) * | 2017-07-03 | 2017-09-22 | 长江水利委员会长江科学院 | 山洪灾害在线监测识别预警方法及其预警系统 |
US20170293808A1 (en) * | 2016-04-11 | 2017-10-12 | Ford Global Technologies, Llc | Vision-based rain detection using deep learning |
CN207571868U (zh) * | 2017-10-25 | 2018-07-03 | 西安理工大学 | 一种具有远程信息传递功能的洪水预警装置 |
CN108318101A (zh) * | 2017-12-26 | 2018-07-24 | 北京市水利自动化研究所 | 基于深度学习算法的水尺水位视频智能监测方法及系统 |
CN108492530A (zh) * | 2018-03-09 | 2018-09-04 | 深圳市宏电技术股份有限公司 | 一种水库泄洪预警信息发布方法、装置及系统 |
CN108564190A (zh) * | 2017-12-14 | 2018-09-21 | 佛山科学技术学院 | 一种城市灾害预测系统 |
CN108875593A (zh) * | 2018-05-28 | 2018-11-23 | 上海交通大学 | 基于卷积神经网络的可见光图像天气识别方法 |
CN109543596A (zh) * | 2018-11-20 | 2019-03-29 | 浙江大华技术股份有限公司 | 一种水位监测方法、装置、电子设备及存储介质 |
-
2019
- 2019-05-31 CN CN201910466356.7A patent/CN110163184A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408900A (zh) * | 2014-11-10 | 2015-03-11 | 柳州师范高等专科学校 | 基于动态优化的神经网络洪水预警装置及其方法 |
US20170293808A1 (en) * | 2016-04-11 | 2017-10-12 | Ford Global Technologies, Llc | Vision-based rain detection using deep learning |
CN107195164A (zh) * | 2017-07-03 | 2017-09-22 | 长江水利委员会长江科学院 | 山洪灾害在线监测识别预警方法及其预警系统 |
CN207571868U (zh) * | 2017-10-25 | 2018-07-03 | 西安理工大学 | 一种具有远程信息传递功能的洪水预警装置 |
CN108564190A (zh) * | 2017-12-14 | 2018-09-21 | 佛山科学技术学院 | 一种城市灾害预测系统 |
CN108318101A (zh) * | 2017-12-26 | 2018-07-24 | 北京市水利自动化研究所 | 基于深度学习算法的水尺水位视频智能监测方法及系统 |
CN108492530A (zh) * | 2018-03-09 | 2018-09-04 | 深圳市宏电技术股份有限公司 | 一种水库泄洪预警信息发布方法、装置及系统 |
CN108875593A (zh) * | 2018-05-28 | 2018-11-23 | 上海交通大学 | 基于卷积神经网络的可见光图像天气识别方法 |
CN109543596A (zh) * | 2018-11-20 | 2019-03-29 | 浙江大华技术股份有限公司 | 一种水位监测方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
BIN ZHAO,ET AL.: "A CNN-RNN Architecture for Multi-Label Weather Recognition", 《ARXIV》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503807A (zh) * | 2019-08-25 | 2019-11-26 | 武汉和时利自动化系统工程有限公司 | 一种洪水水灾后水体变化监控系统及其方法 |
CN110728812A (zh) * | 2019-10-12 | 2020-01-24 | 国网新疆电力有限公司喀什供电公司 | 输电线路防外力破坏检测保护装置及其使用方法 |
CN111310920A (zh) * | 2020-03-17 | 2020-06-19 | 无锡多纬智控科技有限公司 | 将深度学习神经网络技术应用于信号采集装置的方法 |
CN111428864A (zh) * | 2020-04-08 | 2020-07-17 | 重庆软汇科技股份有限公司 | 一种基于神经网络的自动事务生成方法及系统 |
CN112034896A (zh) * | 2020-09-14 | 2020-12-04 | 广东生太修复科技有限公司 | 鱼塘水位控制方法及相关装置 |
CN113159005A (zh) * | 2021-05-28 | 2021-07-23 | 青海中水数易信息科技有限责任公司 | 基于机器学习的水位、异物识别于一体的监控系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163184A (zh) | 智能化视频监控系统及方法 | |
CN111274930B (zh) | 一种基于深度学习的安全帽佩戴以及吸烟行为识别方法 | |
CN113516076B (zh) | 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法 | |
CN110853408A (zh) | 一种海上风电场电子围栏及声光预警设备及方法 | |
CN109345876A (zh) | 一种船舶监控系统及方法 | |
CN109711348A (zh) | 基于长期驻空平台的实时违章建筑的智能监测方法及系统 | |
CN106097346A (zh) | 一种自学习的视频火灾探测方法 | |
CN104394361A (zh) | 行人越界智能监控装置与检测方法 | |
CN104581076A (zh) | 基于360度全景红外鱼眼摄像机之山火监控识别方法及装置 | |
CN111723720A (zh) | 一种有机气体泄漏智能可视化实时在线监测系统 | |
CN111339905A (zh) | 基于深度学习及多视角的cim井盖状态视觉检测系统 | |
CN115761537B (zh) | 一种面向动态特征补充机制的输电线路异物入侵识别方法 | |
CN111626162A (zh) | 基于时空大数据分析的水上救援系统及溺水警情预测方法 | |
CN109446290A (zh) | 一种智能三维虚拟可视化气象装备综合保障方法 | |
CN108256447A (zh) | 一种基于深度神经网络的无人机航拍视频分析方法 | |
CN111539325A (zh) | 基于深度学习的森林火灾探测方法 | |
CN109118039B (zh) | 一种面向内河水域船舶自沉重要风险识别与防控装置及方法 | |
CN114118202A (zh) | 一种城市地下综合管廊异常事件预警方法 | |
CN112434827A (zh) | 一种5t运维中安全防护识别单元 | |
CN112907876A (zh) | 一种自识别和安全码的消防预警系统 | |
CN113469278A (zh) | 一种基于深度卷积神经网络的强天气目标识别方法 | |
CN116846059A (zh) | 一种用于电网巡检和监控的边缘检测系统 | |
CN210865118U (zh) | 一种海上风电场电子围栏及声光预警设备 | |
CN106710651A (zh) | 一种展示核电站中核事故状态变迁的方法和系统 | |
CN116246424A (zh) | 一种老年人行为安全监控系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190823 |