CN110543825A - 基于时空特征的危险施工行为识别方法及装置 - Google Patents

基于时空特征的危险施工行为识别方法及装置 Download PDF

Info

Publication number
CN110543825A
CN110543825A CN201910708999.8A CN201910708999A CN110543825A CN 110543825 A CN110543825 A CN 110543825A CN 201910708999 A CN201910708999 A CN 201910708999A CN 110543825 A CN110543825 A CN 110543825A
Authority
CN
China
Prior art keywords
image
action
frame
sequence
output
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
Application number
CN201910708999.8A
Other languages
English (en)
Inventor
李学钧
戴相龙
蒋勇
何成虎
杨政
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.)
JIANGSU HAOHAN INFORMATION TECHNOLOGY Co Ltd
Original Assignee
JIANGSU HAOHAN INFORMATION TECHNOLOGY Co Ltd
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 JIANGSU HAOHAN INFORMATION TECHNOLOGY Co Ltd filed Critical JIANGSU HAOHAN INFORMATION TECHNOLOGY Co Ltd
Priority to CN201910708999.8A priority Critical patent/CN110543825A/zh
Publication of CN110543825A publication Critical patent/CN110543825A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/241Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08Construction
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition
    • G06V40/23Recognition of whole body movements, e.g. for sport training

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Educational Administration (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于时空特征的危险施工行为识别方法及装置,A)采集施工人员的动作视频序列,将其分为正常动作和违规动作;B)构建端到端的识别网络;C)提取图像序列中的n帧图像,将每帧图像输入相同的ResNet识别网络,得到每帧图像对应的输出特征分别为;D)将F1至Fn进行平均池化操作:得到图像序列的空间特征Fs;E)将F1,F2,……,Fn作为n个时间序列,输入到LSTM网络,得到图像序列的时间特征Ft;F)将Fs和Ft进行归一化操作后,联成时空特征F:F=Fs+Ft,然后接入softmax分类识别得到动作视频序列的动作类型。本发明能实现24小时全天候的施工人员违规行为检测,从而实现施工现场的安全监管,提高施工效率和安全性。

Description

基于时空特征的危险施工行为识别方法及装置
技术领域
本发明涉及安全施工领域,特别涉及一种基于时空特征的危险施工行为识别方法及装置。
背景技术
安全施工是电力施工中的头等大事,做好现场施工安全措施非常重要。施工人员的不规范行为是产生施工安全风险的主要因素之一,例如:施工人员的违规动作行为等,都是产生施工安全风险的因素。现有电力施工的安全管理主要还是依靠人力监督,容易造成监管漏洞,不能对施工现场实施进行安全监管,影响施工效率,且存在安全性问题。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种能实现24小时全天候的施工人员违规行为检测,从而实现施工现场的安全监管,提高施工效率和安全性的基于时空特征的危险施工行为识别方法及装置。
本发明解决其技术问题所采用的技术方案是:构造一种基于时空特征的危险施工行为识别方法,包括如下步骤:
A)采集施工人员的动作视频序列,将所述动作视频序列分为正常动作和违规动作;
B)构建端到端的识别网络;所述识别网络的输入为图像序列;
C)提取图像序列中的n帧图像,将每帧图像输入相同的ResNet识别网络,得到每帧图像对应的输出特征分别为F1,F2,……,Fn,其中,F1为第1帧图像对应的输出特征,F2为第2帧图像对应的输出特征,Fn为第n帧图像对应的输出特征,n为大于1的整数;
D)将第1帧图像对应的输出特征F1至第n帧图像对应的输出特征Fn进行平均池化操作:得到所述图像序列的空间特征Fs
E)将n帧图像对应的输出特征F1,F2,……,Fn作为n个时间序列,输入到LSTM网络,得到所述图像序列的时间特征Ft
F)将所述图像序列的空间特征Fs和图像序列的时间特征Ft进行归一化操作后,联成时空特征F:F=Fs+Ft,然后接入softmax分类识别得到所述动作视频序列的动作类型。
在本发明所述的基于时空特征的危险施工行为识别方法中,所述违规动作至少包括跨越围栏和移除围栏。
在本发明所述的基于时空特征的危险施工行为识别方法中,所述识别网络的输出为违规动作识别类型。
本发明还涉及一种实现上述基于时空特征的危险施工行为识别方法的装置,包括:
动作视频序列采集分类单元:用于采集施工人员的动作视频序列,将所述动作视频序列分为正常动作和违规动作;
识别网络构建单元:用于构建端到端的识别网络;所述识别网络的输入为图像序列;
输出特征获取单元:用于提取图像序列中的n帧图像,将每帧图像输入相同的ResNet识别网络,得到每帧图像对应的输出特征分别为F1,F2,……,Fn,其中,F1为第1帧图像对应的输出特征,F2为第2帧图像对应的输出特征,Fn为第n帧图像对应的输出特征,n为大于1的整数;
空间特征获取单元:用于将第1帧图像对应的输出特征F1至第n帧图像对应的输出特征Fn进行平均池化操作:得到所述图像序列的空间特征Fs
时间特征获取单元:用于将n帧图像对应的输出特征F1,F2,……,Fn作为n个时间序列,输入到LSTM网络,得到所述图像序列的时间特征Ft
时空弄特征获取单元:用于将所述图像序列的空间特征Fs和图像序列的时间特征Ft进行归一化操作后,联成时空特征F:F=Fs+Ft,然后接入softmax分类识别得到所述动作视频序列的动作类型。
在本发明所述的装置中,所述违规动作至少包括跨越围栏和移除围栏。
在本发明所述的装置中,所述识别网络的输出为违规动作识别类型。
实施本发明的基于时空特征的危险施工行为识别方法及装置,具有以下有益效果:由于采集施工人员的动作视频序列,将动作视频序列分为正常动作和违规动作;构建端到端的识别网络;提取图像序列中的n帧图像,将每帧图像输入相同的ResNet识别网络,得到每帧图像对应的输出特征分别为F1,F2,……,Fn;将第1帧图像对应的输出特征F1至第n帧图像对应的输出特征Fn进行平均池化操作:得到图像序列的空间特征Fs;将n帧图像对应的输出特征F1,F2,……,Fn作为n个时间序列,输入到LSTM网络,得到图像序列的时间特征Ft;将图像序列的空间特征Fs和图像序列的时间特征Ft进行归一化操作后,联成时空特征F:F=Fs+Ft,然后接入softmax分类识别得到动作视频序列的动作类型,本发明基于时空特征的智能视觉分析技术,其能实现24小时全天候的施工人员违规行为检测,从而实现施工现场的安全监管,提高施工效率和安全性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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一些实施例,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为本发明基于时空特征的危险施工行为识别方法及装置一个实施例中方法的流程图;
图2为所述实施例中识别网络的构建示意图;
图3为所述实施例中装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,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,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明基于时空特征的危险施工行为识别方法及装置实施例中,其基于时空特征的危险施工行为识别方法的流程图如图1所示。图1中,该基于时空特征的危险施工行为识别方法包括如下步骤:
步骤S01采集施工人员的动作视频序列,将动作视频序列分为正常动作和违规动作:本步骤中,采集施工人员的动作视频序列,将该动作视频序列分为正常动作和违规动作,其中,违规动作至少包括跨越围栏和移除围栏等违规动作。在实际应用中,违规动作的种类可以根据具体情况进行相应扩展。
步骤S02构建端到端的识别网络:本步骤中,构建端到端的识别网络,该识别网络的构建示意图如图2所示。该识别网络的输入为图像序列,输出为违规动作识别类型,例如:违规动作识别类型可以是正常动作、跨越围栏、移除围栏等。
步骤S03提取图像序列中的n帧图像,将每帧图像输入相同的ResNet识别网络,得到每帧图像对应的输出特征分别为F1,F2,……,Fn:本步骤中,从图像序列中提取n帧图像,n为大于1的整数,每帧图像输入相同的ResNet识别网络,这样就会得到每帧图像对应的输出特征F,这n帧图像对应的输出特征分别为F1,F2,……,Fn,其中,F1为第1帧图像对应的输出特征,F2为第2帧图像对应的输出特征,Fn为第n帧图像对应的输出特征。
步骤S04将第1帧图像对应的输出特征F1至第n帧图像对应的输出特征Fn进行平均池化操作:得到图像序列的空间特征Fs:本步骤中,将第1帧图像对应的输出特征F1至第n帧图像对应的输出特征Fn进行平均池化操作:会得到图像序列的空间特征Fs
步骤S05将n帧图像对应的输出特征F1,F2,……,Fn作为n个时间序列,输入到LSTM网络,得到图像序列的时间特征Ft:本步骤中,将n帧图像对应的输出特征F1,F2,……,Fn作为n个时间序列,输入到LSTM网络,得到该图像序列的时间特征Ft
步骤S06将图像序列的空间特征Fs和图像序列的时间特征Ft进行归一化操作后,联成时空特征F:F=Fs+Ft,然后接入softmax分类识别得到动作视频序列的动作类型:本步骤中,将图像序列的空间特征Fs和图像序列的时间特征Ft进行归一化操作后,联成时空特征F:F=Fs+Ft,最后接入softmax分类识别得到该动作视频序列的动作类型,根据动作类型的识别结果,识别的动作类型可以是正常动作、跨越围栏、移除围栏等。
本发明的基于时空特征的危险施工行为识别方法针对施工人员的违规动作行为识别,采用基于时空特征的智能视觉的分析技术,解放了监管人员的双眼,能实现24小时全天候的施工人员违规行为检测,从而实现施工现场的安全监管,提高施工效率和安全性。
本实施例还涉及一种实现上述基于时空特征的危险施工行为识别方法的装置,该装置的结构示意图如图所示。图3中,该装置包括动作视频序列采集分类单元1、识别网络构建单元2、输出特征获取单元3、空间特征获取单元4、时间特征获取单元5和时空弄特征获取单元6;其中,动作视频序列采集分类单元1用于采集施工人员的动作视频序列,将动作视频序列分为正常动作和违规动作;其中,违规动作至少包括跨越围栏和移除围栏等违规动作。在实际应用中,违规动作的种类可以根据具体情况进行相应扩展。
识别网络构建单元2用于构建端到端的识别网络;识别网络的输入为图像序列,识别网络的输出为违规动作识别类型,例如:违规动作识别类型可以是正常动作、跨越围栏、移除围栏等。
输出特征获取单元3用于提取图像序列中的n帧图像,将每帧图像输入相同的ResNet识别网络,得到每帧图像对应的输出特征分别为F1,F2,……,Fn,其中,F1为第1帧图像对应的输出特征,F2为第2帧图像对应的输出特征,Fn为第n帧图像对应的输出特征。n为大于1的整数。空间特征获取单元4用于将第1帧图像对应的输出特征F1至第n帧图像对应的输出特征Fn进行平均池化操作:得到图像序列的空间特征Fs。时间特征获取单元5用于将n帧图像对应的输出特征F1,F2,……,Fn作为n个时间序列,输入到LSTM网络,得到图像序列的时间特征Ft。时空弄特征获取单元6用于将图像序列的空间特征Fs和图像序列的时间特征Ft进行归一化操作后,联成时空特征F:F=Fs+Ft,然后接入softmax分类识别得到动作视频序列的动作类型,根据动作类型的识别结果,识别的动作类型可以是正常动作、跨越围栏、移除围栏等。
本发明的装置针对施工人员的违规动作行为识别,采用基于时空特征的智能视觉的分析技术,解放了监管人员的双眼,能实现24小时全天候的施工人员违规行为检测,从而实现施工现场的安全监管,提高施工效率和安全性。
总之,本发明针对施工人员的违规动作行为识别,提出了基于时空特征的智能视觉分析技术,解放了监管人员的双眼,节省了人本成本,实现24小时全天候的施工人员违规行为检测,能防止出现监管漏洞,从而实现施工现场的安全监管,提高施工效率和安全性。
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 (6)

1.一种基于时空特征的危险施工行为识别方法,其特征在于,包括如下步骤:
A)采集施工人员的动作视频序列,将所述动作视频序列分为正常动作和违规动作;
B)构建端到端的识别网络;所述识别网络的输入为图像序列;
C)提取图像序列中的n帧图像,将每帧图像输入相同的ResNet识别网络,得到每帧图像对应的输出特征分别为F1,F2,……,Fn,其中,F1为第1帧图像对应的输出特征,F2为第2帧图像对应的输出特征,Fn为第n帧图像对应的输出特征,n为大于1的整数;
D)将第1帧图像对应的输出特征F1至第n帧图像对应的输出特征Fn进行平均池化操作:得到所述图像序列的空间特征Fs
E)将n帧图像对应的输出特征F1,F2,……,Fn作为n个时间序列,输入到LSTM网络,得到所述图像序列的时间特征Ft
F)将所述图像序列的空间特征Fs和图像序列的时间特征Ft进行归一化操作后,联成时空特征F:F=Fs+Ft,然后接入softmax分类识别得到所述动作视频序列的动作类型。
2.根据权利要求1所述的基于时空特征的危险施工行为识别方法,其特征在于,所述违规动作至少包括跨越围栏和移除围栏。
3.根据权利要求1或2所述的基于时空特征的危险施工行为识别方法,其特征在于,所述识别网络的输出为违规动作识别类型。
4.一种实现如权利要求1所述的基于时空特征的危险施工行为识别方法的装置,其特征在于,包括:
动作视频序列采集分类单元:用于采集施工人员的动作视频序列,将所述动作视频序列分为正常动作和违规动作;
识别网络构建单元:用于构建端到端的识别网络;所述识别网络的输入为图像序列;
输出特征获取单元:用于提取图像序列中的n帧图像,将每帧图像输入相同的ResNet识别网络,得到每帧图像对应的输出特征分别为F1,F2,……,Fn,其中,F1为第1帧图像对应的输出特征,F2为第2帧图像对应的输出特征,Fn为第n帧图像对应的输出特征,n为大于1的整数;
空间特征获取单元:用于将第1帧图像对应的输出特征F1至第n帧图像对应的输出特征Fn进行平均池化操作:得到所述图像序列的空间特征Fs
时间特征获取单元:用于将n帧图像对应的输出特征F1,F2,……,Fn作为n个时间序列,输入到LSTM网络,得到所述图像序列的时间特征Ft
时空弄特征获取单元:用于将所述图像序列的空间特征Fs和图像序列的时间特征Ft进行归一化操作后,联成时空特征F:F=Fs+Ft,然后接入softmax分类识别得到所述动作视频序列的动作类型。
5.根据权利要求4所述的装置,其特征在于,所述违规动作至少包括跨越围栏和移除围栏。
6.根据权利要求4或5所述的装置,其特征在于,所述识别网络的输出为违规动作识别类型。
CN201910708999.8A 2019-08-01 2019-08-01 基于时空特征的危险施工行为识别方法及装置 Pending CN110543825A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910708999.8A CN110543825A (zh) 2019-08-01 2019-08-01 基于时空特征的危险施工行为识别方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910708999.8A CN110543825A (zh) 2019-08-01 2019-08-01 基于时空特征的危险施工行为识别方法及装置

Publications (1)

Publication Number Publication Date
CN110543825A true CN110543825A (zh) 2019-12-06

Family

ID=68710056

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910708999.8A Pending CN110543825A (zh) 2019-08-01 2019-08-01 基于时空特征的危险施工行为识别方法及装置

Country Status (1)

Country Link
CN (1) CN110543825A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111506011A (zh) * 2020-05-06 2020-08-07 北方工业大学 一种施工安全监测方法和装置
CN111723741A (zh) * 2020-06-19 2020-09-29 江苏濠汉信息技术有限公司 一种基于视觉分析的临时围栏移动检测报警系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107230351A (zh) * 2017-07-18 2017-10-03 福州大学 一种基于深度学习的短时交通流预测方法
CN107862331A (zh) * 2017-10-31 2018-03-30 华中科技大学 一种基于时间序列及cnn的不安全行为识别方法及系统
CN108664849A (zh) * 2017-03-30 2018-10-16 富士通株式会社 视频中事件的检测装置、方法以及图像处理设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108664849A (zh) * 2017-03-30 2018-10-16 富士通株式会社 视频中事件的检测装置、方法以及图像处理设备
CN107230351A (zh) * 2017-07-18 2017-10-03 福州大学 一种基于深度学习的短时交通流预测方法
CN107862331A (zh) * 2017-10-31 2018-03-30 华中科技大学 一种基于时间序列及cnn的不安全行为识别方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111506011A (zh) * 2020-05-06 2020-08-07 北方工业大学 一种施工安全监测方法和装置
CN111723741A (zh) * 2020-06-19 2020-09-29 江苏濠汉信息技术有限公司 一种基于视觉分析的临时围栏移动检测报警系统

Similar Documents

Publication Publication Date Title
Venkateswari et al. License Plate cognizance by Ocular Character Perception'
CN110569720B (zh) 一种基于音视频处理系统的音视频智能识别处理方法
KR102217253B1 (ko) 행동패턴 분석 장치 및 방법
CN204155293U (zh) 一种基于人脸识别的验证装置及验证系统
CN111918039B (zh) 基于5g网络的人工智能高风险作业管控系统
CN115249331B (zh) 基于卷积神经网络模型的矿山生态安全识别方法
CN110543825A (zh) 基于时空特征的危险施工行为识别方法及装置
CN103021184B (zh) 遮挡车牌车辆的辅助辨别方法及系统
CN111523527B (zh) 特种运输车辆监控方法、装置、介质及电子设备
CN112541393A (zh) 一种基于深度学习的变电站人员检测方法及装置
CN112634561A (zh) 基于图像识别的安全报警方法和系统
CN101668291A (zh) 基于3g网络的多功能多采集的便携式身份识别装置及方法
CN112885014A (zh) 预警方法、装置、系统和计算机可读存储介质
CN115238105A (zh) 融合多媒体的违规内容检测方法及系统、设备和介质
CN111461655A (zh) 一种人员管理系统
CN113688713A (zh) 基于危险行为识别的线缆保护方法、装置、系统和介质
CN113627321A (zh) 基于人工智能的图像识别方法、装置及计算机设备
CN104239891A (zh) 远程智能取证系统
CN116152735A (zh) 一种基于边缘云计算的安防监控危险源识别系统与方法
CN113536847A (zh) 一种基于深度学习的工业场景视频分析系统及其方法
CN115909212A (zh) 一种电力作业典型违章行为实时预警方法
CN112991129B (zh) 基于人工智能的公共安全事件处理方法及装置
CN104301686A (zh) 智能视频分析系统及视频分析方法
CN110543497B (zh) 一种高实时性布控解决方法及系统
CN112418055A (zh) 一种基于视频分析的调度方法及人员轨迹追踪方法

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: 20191206