CN110427865B - 高电压禁止区域人类行为视频特征图片提取与重构方法 - Google Patents

高电压禁止区域人类行为视频特征图片提取与重构方法 Download PDF

Info

Publication number
CN110427865B
CN110427865B CN201910690003.5A CN201910690003A CN110427865B CN 110427865 B CN110427865 B CN 110427865B CN 201910690003 A CN201910690003 A CN 201910690003A CN 110427865 B CN110427865 B CN 110427865B
Authority
CN
China
Prior art keywords
video
information
picture
human
controller
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.)
Active
Application number
CN201910690003.5A
Other languages
English (en)
Other versions
CN110427865A (zh
Inventor
王强
孙坚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Three Gorges University CTGU
Original Assignee
China Three Gorges University CTGU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN201910690003.5A priority Critical patent/CN110427865B/zh
Publication of CN110427865A publication Critical patent/CN110427865A/zh
Application granted granted Critical
Publication of CN110427865B publication Critical patent/CN110427865B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00Burglar, theft or intruder alarms
    • G08B13/18Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00Burglar, theft or intruder alarms
    • G08B13/18Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19602Image analysis to detect motion of the intruder, e.g. by frame subtraction
    • G08B13/19613Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00Burglar, theft or intruder alarms
    • G08B13/18Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
    • G08B13/19665Details related to the storage of video surveillance data
    • G08B13/19669Event triggers storage or change of storage policy
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/44Event detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

高电压禁止区域人类行为视频特征图片提取与重构方法,包括:采用探测装置对进入高压禁止区域范围内的人类行为进行扫描捕捉,如捕捉成功,开启录像装置对进入高压禁止区域的人类行为进行录像;录像信息传递给控制器,由控制器完成对人类行为特征图像的识别与信息提取、目标物体运动轨迹的生成;人类行为的信息传输至后台处理终端,后台处理终端依据控制器发送过来的信息,完成现场视频重构,实现事故现场情景的再现。本发明方法实现高压区域因人类行为危及到电力设备损伤或造成人身财产事故时,对人类行为的判别、提取与现场视频的重构,从而实现事故现场情景再现。

Description

高电压禁止区域人类行为视频特征图片提取与重构方法
技术领域
本发明涉及输配电系统监测技术领域,具体涉及一种高电压禁止区域人类行为视频特征图片提取与重构方法。
背景技术
在输配电系统行业中,其电压等级通常都为中高电压,架空线路大多都为裸导线,故要求带电体在空间上应留有安全净距,通常在高压线路附近设置有一定范围的禁止区域,以防造成人身伤害及保证电力的正常运行。近年来,因在高压禁止区域活动造成的人身伤亡事故,不仅给被伤害者家属带来苦楚和无奈,而且也给供电企业的司法纠纷及公众形象带来隐患。如何有效预防人身伤亡事故的发生、现场情景视频的真实再现,是供电企业及安全管理面对的现实问题。
高压禁止区域发生的人类行为造成的人身伤亡事故,主要发生在配电系统。现有的电力在线监测系统中,虽然采用了多项视频压缩技术,如:压缩感知理论。但其由现场传向管理部门的数据量依然过大,不利于配网通信系统的高效利用,故提取人类行为的重要特征进行传输,是减轻配网通信负担的核心要素之一。
另外,传统视频监控系统一般是人为处理,但因其注意力受制于人体生理的制约,连续盯屏3小时后将降低70%。过滤掉视频用户不关心信息,在海量数据中提取关键信息,可缓解及降低劳动强度,亦可提升报警及时性。
发明内容
本发明提供一种高电压禁止区域人类行为视频特征图片提取与重构方法,实现高压区域因人类行为危及到电力设备损伤或造成人身财产事故时,对人类行为的判别、提取与现场视频的重构,从而实现事故现场情景再现。
本发明采取的技术方案为:
高电压禁止区域人类行为视频特征图片提取与重构方法,包括以下步骤:
步骤1:采用探测装置对进入高压禁止区域范围内的人类行为进行扫描捕捉,如捕捉成功,开启录像装置对进入高压禁止区域的人类行为进行录像;如捕捉不成功,则进行下一轮的扫描。
步骤2:步骤1生成的录像信息传递给控制器,由控制器完成对人类行为特征图像的识别与信息提取、目标物体运动轨迹的生成;
步骤3:将步骤2获得的人类行为的信息传输至后台处理终端,后台处理终端依据控制器发送过来的信息,完成现场视频重构,实现事故现场情景的再现。
步骤1之前还包括区域参数初始化步骤:
步骤a:依据高压禁止区域的地表特征,按地表特征划分为n×m个区域模块,作为高压禁止区域全背景图像;
步骤b:选择地表显著差异作为相邻区域的边界,同时利用GPS模块完成时钟校对,并以本录像装置为原点,建立CCD坐标系,生成区域参数。
步骤c:步骤1.1中全背景图像划分及步骤1.2中区域参数设置完成后,存放于控制器中,形成背景图像数据库。
步骤1包括以下步骤:
步骤1.1:采用探测装置按一定工作频率,对高压禁止区域进行全域扫描,当有人类进入扫描区域时,启动录像装置进行录像;
步骤1.2:录像视频传给控制器,控制器对录像视频中的首张图片由CCD坐标系的区域参数进行读取,调取背景图像数据库中的背景图像进行比对,提取人类的轮廓,输送至控制器进行识别。
步骤1.3:如控制器识别的轮廓特征符合人类行为模式,一方面录像装置继续录像,直至人类目标离开或伤害事故发生且目标移出高压禁止区域才停录,另一方面,根据需要控制器传送报警信号或报警提示;若是不符合人类行为模式,控制器向录像装置发出停录指令并重置清零信号,使录像装置停止工作,且自动清除该段录像数据。
步骤2中,在人类行为特征图像的识别与信息提取中,对录像的视频创建视频索引,按一定的时间窗口进行图像信息的提取,并与前一幅图像关键特征参数进行比对,如:背景区域差异、目标物体姿态改变、手持物件有无形态或尺寸变化;
如发生,则判断该幅图片为关键特征图片并提取,否则认为该图片为前幅图片的相似图片,即这幅图片能够依据前幅图片按一定法则进行推演而获得。
步骤2中,由视频历史图片目标物体生成的空间参数,拟合出目标物体运动轨迹,目标物体运动轨迹作为重要信息,也将被提取和传送。
步骤3包括以下步骤:
步骤3.1:特征图片按一定规律进行编码后,由发送器完成编码压缩,再通过无线模块,经信息传输通道传输相关信息;服务器自带的接收器接收到相关特征信息,将其传递给后台处理终端。
步骤3.2:后台处理终端依据经确认为正确的信息给予接收,将其还原成带有特征参数的原始发送特征图片后,依据目标物体运动轨迹、以及同一区域特征图片、或前后相邻特征图片的灰度、和/或姿态变化,按一定的趋势算法,完成同一区域特征图片、或前后相邻特征图片间隔内的图像重构,最后实现整个时间段的事件现场情景的重现。
本发明一种高电压禁止区域人类行为视频特征图片提取与重构方法,技术效果如下:
1)、压缩比例高:本发明通过以下措施提高了视频图像的压缩比,一是高压禁止区域背景图像划分,无人类行为活动的区域只需要在相邻特征图像中呈现;二是人类轮廓及行为模式识别,对于无关键特征变化的图像降低了采样频率。
2)、重构质量高:本发明通过以下措施提高了视频图像的重构质量,一是人体(操作物体)关节点坐标能准确定位人类行为;二是生成的运动轨迹,能预测运动趋势和终点,确保插入图像的准确度。
3)、重构速度快:本发明通过以下措施提高了后台处理终端的重构速度,一是生成物体运动轨迹,依据运动趋势能更快组合出区域信息;二是tikhonov正则化方法及线性化拟和有利于相邻特征图像中过渡图片的快速生成。
4)、可有效降低视频监控系统工作人员的劳动强度。因本方法设置了人类入侵行为的识别功能,只有当存在人类入侵行为时,才把现场录像视频数据传至后台。故可大幅过滤掉视频用户不关心的现场信息,于海量数据中提取关键信息,降低监控人员劳动强度。
附图说明
图1为发明方法的原理示意图。
图2为发明方法的高压禁止区域背景图像划分示意图。
图3为发明方法的人类行为特征图像的识别与信息提取流程图。
图4为发明方法的后台信息提取及事件现场视频重构流程图。
具体实施方式
高电压禁止区域参数初始化步骤:
步骤a:依据高压禁止区域的地表特征,按地表特征划分为n×m个区域模块,作为高压禁止区域全背景图像。如图2所示。
步骤b:在图2所示区域图中,区域面积大小主要取决于地表特征是否有显著差异,即选择地表显著差异作为相邻区域的边界,同时利用GPS模块完成时钟校对,并以本录像装置为原点,使用摄相机自带的标定软件,完成CCD坐标系:图像坐标、成像平面坐标、摄像机坐标和世界坐标的建立,生成每个子区域的中心点坐标及边界起始点和长度参数。步骤c:步骤1.1中全背景图像划分及步骤1.2中区域参数设置完成后,存放于控制器中,形成背景图像数据库。
然后进行高电压禁止区域人类行为视频特征图片提取与重构,包括以下步骤:
步骤1:首先,采用探测装置对一定工作频率,进入高压禁止区域范围内的人类行为进行扫描捕捉,如捕捉成功,开启录像装置对进入高压禁止区域的人类行为进行录像;如捕捉不成功,则进行下一轮的扫描。
步骤1具体以下步骤:
步骤1.1:采用探测装置按一定工作频率,对高压禁止区域进行全域扫描,当有人类进入扫描区域时,启动录像装置进行录像;
探测装置采用DB24M200P毫米波安防雷达。
录像装置采用ZC301P型录像机。
步骤1.2:录像视频传给控制器,控制器对录像视频中的首张图片由CCD坐标系的区域参数进行读取,调取背景图像数据库中的背景图像进行比对,提取人类的轮廓,输送至控制器进行识别。
控制器包括Hi3519视频监控芯片。
步骤1.3:如控制器识别的轮廓特征符合人类行为模式,一方面录像装置继续录像,直至人类目标离开或伤害事故发生且目标移出高压禁止区域才停录,另一方面,根据需要控制器传送报警信号或报警提示;若是不符合人类行为模式,控制器向录像装置发出停录指令并重置清零信号,使录像装置停止工作,且自动清除该段录像数据。
步骤2:然后,步骤1生成的录像信息传递给控制器,由控制器完成对人类行为特征图像的识别与信息提取、目标物体运动轨迹的生成。
步骤2中,在人类行为特征图像的识别与信息提取中,对录像的视频创建视频索引,按一定的时间窗口进行图像信息的提取,并与前一幅图像关键特征参数进行比对,如:背景区域差异、目标物体姿态改变、手持物件有无形态或尺寸变化;
如发生,则判断该幅图片为关键特征图片并提取,否则认为该图片为前幅图片的相似图片,即这幅图片能够依据前幅图片按一定法则进行推演而获得。
步骤2中,由视频历史图片目标物体生成的空间参数,拟合出目标物体运动轨迹,目标物体运动轨迹作为重要信息,也将被提取和传送。
步骤3:将步骤2获得的人类行为的信息传输至后台处理终端,后台处理终端依据控制器发送过来的信息,完成现场视频重构,实现事故现场情景的再现。
后台处理终端采用VPort 364A网络视频服务器以及终端显示设备。
步骤3具体以下步骤:
步骤3.1:特征图片按一定规律进行编码后,由发送器完成编码压缩,再通过无线模块MT7688芯片,经信息传输通道传输相关信息;服务器自带的接收器接收到相关特征信息,将其传递给后台处理终端。
发送器采用无线模块MT7688芯片。
步骤3.2:后台处理终端依据经确认为正确的信息给予接收,将其还原成带有特征参数的原始发送特征图片后,依据目标物体运动轨迹、以及同一区域特征图片、或前后相邻特征图片的灰度、和/或姿态变化,按一定的趋势算法,完成同一区域特征图片、或前后相邻特征图片间隔内的图像重构,最后实现整个时间段的事件现场情景的重现。
实施例:
本发明方法采用的硬件部分主要由前台和后台两大部分所构成:
在前台部分,起始时,由录像装置对高压禁止区域拍摄区域全景图,通过网络密度聚类算法实现区域的划分,形成若干子区,由CCD坐标系,确定各子区的区域参数,同时由GPS模块完成时钟校对。
人类行为目标通常较大,故采用基于轮廓系数的聚类算法,通过调整轮廓线特征阈值,实现是否为人类行为的识别;同时,以轮廓的个数确定入侵物体的数量,在计算每个入侵物体的运动轨迹时,把目标物体简化为一个质点。根据质点在CCD坐标系(x,y)参数的变化,实现跟踪物体,即入侵目标行为模式的识别。
在跟踪目标安全距离检测中,先对图像做gamma/colour归一化处理,图像细化为区间(block),每块block再分化成若干单元(cells),计算每点处的梯度幅值及方向,将cell特征串联,形成HOG特征向量,计算线路与目标物体间的安全距离。
人类行为视频图像特征图像的识别与信息提取,主要是基于三维视频可通过一系列有序静止姿态图片所构成的集合来体现的思想。这些有序静止姿态特征图片,可通过帧空间域和时间域特征来进行识别及提取。
即:单个特征图片静止姿态由关节点的关系,获得空间域特征。由相邻特征图片同一关节点前后位置关系,构建出关节点动态变化的运动矢量模型,从而形成姿态时间域特征。各关节点和姿态对应的权重矩阵,采用双线性分类器计算。可设人类行为静止姿态时,包含k个人体关节点,p={p1,p2,…pk};n个与人体关节点相连的外物节点,w={w1,w2,…wn};g个人类行为(大型机械物体)节点,j={j1,j2,…jg}。即全节点集合M可表示为:
M={p1,p2,…pk,w1,w2…wn,j1,j2…jg};
将第i个节点空间坐标表示为:Mi={xi,yi,zi},为描述t时刻静止姿态中两个不同节点间的空间位置关系,则空间域特征(fM)可用其空间坐标差值来表示:
fM={mi-mj/i,j=1,2,…,k、n、g;i≠j},mi,mj分别表示第i个和第j个节点。
设定当△fM≥ε时,将该时刻的视频图像定义为特征图片,并给予提取。除此之外,视频图像特征图片还应包含静止模式下,拍摄时的首张图片及静止时间间隔△t=0.25(s)时刻的视频图片;另外,入侵物体运动轨迹每一子区交接处,亦定义为特征图片给予提取。
将特征图片及背景灰度参数、质点运动拟和轨迹方程等相关信息,经带编码的发送器以单工通信的工作方式,经信道传至带解码的接收器。由接收器完成特征图片、背景图片、目标轨迹函数等信息的还原,将还原后的信息传递至视频重构器(单元)。视频重构器(单元)是后台处理终端的核心算法模块,其集成(内置)了以目标运动轨迹为依据及视频背景过渡性图片生成的重构算法。
视频重构单元主要功能,一是将接收器接收到静止人体姿态图片(外物变化),从两相邻时刻的图片中读取出同一节点的运动矢量。即在带有时域属性的两相邻特征图中,同一节点运动向量的姿态时序动态特征可表示为:
分别表示第i个节点在t和t+1时刻的姿态;mt,mt+1分别表示t时刻和t+1时刻节点姿态的集合。
行为目标中心点运动轨迹方程为:Yt=ΦBXt,其中,ΦB为自由特征值测量所组成的正交高斯矩阵,Xt是行为目标各节点在t时刻的CCD坐标,经变化后Yt是行为目标中心点在t时刻的CCD坐标。
节点轨迹通过特征图片中各节点在图像中的位置坐标,经摄像机标定的全景图像坐标测量出该节点真实场地的空间位置信息。把相邻特征图片中同一节点位置相连,则可获知各节点的轨迹信息、运动矢量及时间间隔,故易算出节点的运动速度及加速度等信息。在轨迹拐点附近,采用三次样条插值的方法,以实现拐点的平滑。
视频重构单元主要功能,二是视频背景的过渡性图片重构。即以前后两个特征图片作为参考图片,且以当前待重构图片为中心,以大小为L的窗口进行搜索,搜索图像块作为当前连接图片的全部假设值。通过采用tikhonov正则化方法获得,表达式为:
式中:为第m个图像子块色度、差度的差值,Ta为差值阀值,/>为具有时域属性的第m个图像子块,C是正态分布的标准方差、设为常值。
通过上述过程,以此构建出随时间变化的系列动态关系,从而过渡出具有时间域特征的系列图片。经重构算法所生成的系列图片,按60—100HZ频率,对生成的时间序列图片进行播放,实现经终端设备对现场实景视频进行还原。

Claims (4)

1.高电压禁止区域人类行为视频特征图片提取与重构方法,其特征在于包括以下步骤:
步骤1:采用探测装置对进入高压禁止区域范围内的人类行为进行扫描捕捉,如捕捉成功,开启录像装置对进入高压禁止区域的人类行为进行录像;如捕捉不成功,则进行下一轮的扫描;
步骤2:步骤1生成的录像信息传递给控制器,由控制器完成对人类行为特征图像的识别与信息提取、目标物体运动轨迹的生成;
步骤3:将步骤2获得的人类行为的信息传输至后台处理终端,后台处理终端依据控制器发送过来的信息,完成现场视频重构,实现事故现场情景的再现;
步骤1之前还包括区域参数初始化步骤:
步骤a:依据高压禁止区域的地表特征,按地表特征划分为n×m个区域模块,作为高压禁止区域全背景图像;
步骤b:选择地表显著差异作为相邻区域的边界,同时利用GPS模块完成时钟校对,并以本录像装置为原点,建立CCD坐标系,生成区域参数;
步骤c:步骤1.1中全背景图像划分及步骤1.2中区域参数设置完成后,存放于控制器中,形成背景图像数据库;
步骤2中,在人类行为特征图像的识别与信息提取中,对录像的视频创建视频索引,按一定的时间窗口进行图像信息的提取,并与前一幅图像关键特征参数进行比对,关键特征参数包括:背景区域差异、目标物体姿态改变、手持物件有无形态或尺寸变化;
如发生,则判断该幅图片为关键特征图片并提取,否则认为该图片为前幅图片的相似图片,即这幅图片能够依据前幅图片按一定法则进行推演而获得。
2.根据权利要求1所述高电压禁止区域人类行为视频特征图片提取与重构方法,其特征在于:步骤1包括以下步骤:
步骤1.1:采用探测装置按一定工作频率,对高压禁止区域进行全域扫描,当有人类进入扫描区域时,启动录像装置进行录像;
步骤1.2:录像视频传给控制器,控制器对录像视频中的首张图片由CCD坐标系的区域参数进行读取,调取背景图像数据库中的背景图像进行比对,提取人类的轮廓,输送至控制器进行识别;
步骤1.3:如控制器识别的轮廓特征符合人类行为模式,一方面录像装置继续录像,直至人类目标离开或伤害事故发生且目标移出高压禁止区域才停录,另一方面,根据需要控制器传送报警信号或报警提示;若是不符合人类行为模式,控制器向录像装置发出停录指令并重置清零信号,使录像装置停止工作,且自动清除该段录像数据。
3.根据权利要求1所述高电压禁止区域人类行为视频特征图片提取与重构方法,其特征在于:步骤2中,由视频历史图片目标物体生成的空间参数,拟合出目标物体运动轨迹,目标物体运动轨迹作为重要信息,也将被提取和传送。
4.根据权利要求1所述高电压禁止区域人类行为视频特征图片提取与重构方法,其特征在于:步骤3包括以下步骤:
步骤3.1:特征图片按一定规律进行编码后,由发送器完成编码压缩,再通过无线模块,经信息传输通道传输相关信息;服务器自带的接收器接收到相关特征信息,将其传递给后台处理终端;
步骤3.2:后台处理终端依据经确认为正确的信息给予接收,将其还原成带有特征参数的原始发送特征图片后,依据目标物体运动轨迹、以及同一区域特征图片、或前后相邻特征图片的灰度、和/或姿态变化,按一定的趋势算法,完成同一区域特征图片、或前后相邻特征图片间隔内的图像重构,最后实现整个时间段的事件现场情景的重现。
CN201910690003.5A 2019-07-29 2019-07-29 高电压禁止区域人类行为视频特征图片提取与重构方法 Active CN110427865B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910690003.5A CN110427865B (zh) 2019-07-29 2019-07-29 高电压禁止区域人类行为视频特征图片提取与重构方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910690003.5A CN110427865B (zh) 2019-07-29 2019-07-29 高电压禁止区域人类行为视频特征图片提取与重构方法

Publications (2)

Publication Number Publication Date
CN110427865A CN110427865A (zh) 2019-11-08
CN110427865B true CN110427865B (zh) 2023-08-25

Family

ID=68412926

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910690003.5A Active CN110427865B (zh) 2019-07-29 2019-07-29 高电压禁止区域人类行为视频特征图片提取与重构方法

Country Status (1)

Country Link
CN (1) CN110427865B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6678413B1 (en) * 2000-11-24 2004-01-13 Yiqing Liang System and method for object identification and behavior characterization using video analysis
US8284258B1 (en) * 2008-09-18 2012-10-09 Grandeye, Ltd. Unusual event detection in wide-angle video (based on moving object trajectories)
CN103246922A (zh) * 2013-05-07 2013-08-14 重庆大学 一种视频摘要生成方法
CN103345492A (zh) * 2013-06-25 2013-10-09 无锡赛思汇智科技有限公司 一种视频浓缩的方法和系统
CN104469309A (zh) * 2014-12-12 2015-03-25 天津艾思科尔科技有限公司 隧道行人入侵检测装置与方法
CN105744199A (zh) * 2015-12-16 2016-07-06 上海大学 监视系统中自动记录动态物体的方法
CN105791747A (zh) * 2014-12-18 2016-07-20 中兴通讯股份有限公司 视频监控方法和装置
CN105898313A (zh) * 2014-12-15 2016-08-24 江南大学 一种新的基于视频大纲的监控视频可伸缩编码技术
CN107018352A (zh) * 2016-01-27 2017-08-04 北京中科晶上科技有限公司 一种视频图像处理方法、装置及系统
CN108052882A (zh) * 2017-11-30 2018-05-18 广东云储物联视界科技有限公司 一种智能安防监控系统的操作方法
CN108805073A (zh) * 2018-06-06 2018-11-13 合肥嘉仕诚能源科技有限公司 一种安防监控动态目标优化锁定追踪方法及系统
CN109670396A (zh) * 2018-11-06 2019-04-23 华南理工大学 一种室内老人跌倒检测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008103929A2 (en) * 2007-02-23 2008-08-28 Johnson Controls Technology Company Video processing systems and methods

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6678413B1 (en) * 2000-11-24 2004-01-13 Yiqing Liang System and method for object identification and behavior characterization using video analysis
US8284258B1 (en) * 2008-09-18 2012-10-09 Grandeye, Ltd. Unusual event detection in wide-angle video (based on moving object trajectories)
CN103246922A (zh) * 2013-05-07 2013-08-14 重庆大学 一种视频摘要生成方法
CN103345492A (zh) * 2013-06-25 2013-10-09 无锡赛思汇智科技有限公司 一种视频浓缩的方法和系统
CN104469309A (zh) * 2014-12-12 2015-03-25 天津艾思科尔科技有限公司 隧道行人入侵检测装置与方法
CN105898313A (zh) * 2014-12-15 2016-08-24 江南大学 一种新的基于视频大纲的监控视频可伸缩编码技术
CN105791747A (zh) * 2014-12-18 2016-07-20 中兴通讯股份有限公司 视频监控方法和装置
CN105744199A (zh) * 2015-12-16 2016-07-06 上海大学 监视系统中自动记录动态物体的方法
CN107018352A (zh) * 2016-01-27 2017-08-04 北京中科晶上科技有限公司 一种视频图像处理方法、装置及系统
CN108052882A (zh) * 2017-11-30 2018-05-18 广东云储物联视界科技有限公司 一种智能安防监控系统的操作方法
CN108805073A (zh) * 2018-06-06 2018-11-13 合肥嘉仕诚能源科技有限公司 一种安防监控动态目标优化锁定追踪方法及系统
CN109670396A (zh) * 2018-11-06 2019-04-23 华南理工大学 一种室内老人跌倒检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于姿势字典学习的人体行为识别;蔡加欣;冯国灿;汤鑫;罗志宏;;光学学报(第12期);181-192 *

Also Published As

Publication number Publication date
CN110427865A (zh) 2019-11-08

Similar Documents

Publication Publication Date Title
CN109819208B (zh) 一种基于人工智能动态监控的密集人群安防监控管理方法
CN111291718B (zh) 行为预测方法及装置、步态识别方法及装置
CN105531995B (zh) 用于使用多个摄像机进行对象和事件识别的系统和方法
CN111291633B (zh) 一种实时行人重识别方法及装置
CN111754415B (zh) 人脸图像处理方法及装置、图像设备及存储介质
Schraml et al. A spatio-temporal clustering method using real-time motion analysis on event-based 3D vision
CN114220176A (zh) 一种基于深度学习的人体行为的识别方法
WO2016149938A1 (zh) 视频监控方法、视频监控系统以及计算机程序产品
CN108898051A (zh) 一种基于视频流的人脸识别方法及系统
CN109815813A (zh) 图像处理方法及相关产品
KR20170015639A (ko) 디지털 영상 내의 얼굴 인식을 통한 개인 식별 시스템 및 방법
CN115761618A (zh) 一种重点场所安防监控图像识别方法
CA2670021A1 (en) System and method for estimating characteristics of persons or things
WO2022134916A1 (zh) 身份特征生成方法、设备及存储介质
Ahmad et al. Person re-identification without identification via event anonymization
CN109348140B (zh) 一种监控场景下实时视频的拼接方法
CN111488779A (zh) 视频图像超分辨率重建方法、装置、服务器及存储介质
CN110427865B (zh) 高电压禁止区域人类行为视频特征图片提取与重构方法
WO2022041182A1 (zh) 音乐推荐方法和装置
Xie et al. Accurate human pose estimation using RF signals
Li et al. Multi-level recognition on falls from activities of daily living
CN113243015B (zh) 视频监控系统
CN115909400A (zh) 一种用于低分辨率监控场景中使用手机行为的识别方法
Aramvith et al. Video processing and analysis for surveillance applications
Verma et al. Intensifying security with smart video surveillance

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
GR01 Patent grant
GR01 Patent grant