CN110598596A - 一种危险行为监测方法、装置及电子设备 - Google Patents
一种危险行为监测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110598596A CN110598596A CN201910809521.4A CN201910809521A CN110598596A CN 110598596 A CN110598596 A CN 110598596A CN 201910809521 A CN201910809521 A CN 201910809521A CN 110598596 A CN110598596 A CN 110598596A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- image
- coordinates
- wall
- upper edge
- 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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例涉及安防领域,公开了一种危险行为监测方法、装置及电子设备,该方法首先需要获取摄像头所拍摄的包含所述围墙的图像,然后检测所述图像中的行人的坐标和所述围墙的上边缘的坐标,根据所述围墙的上边缘的坐标和所述行人的坐标,分析所述行人是否存在翻墙行为,在存在翻墙行为时,输出告警信息,本发明实施例提供的方法应用在监控系统中能够自行实时判断行人是否存在翻越围墙的行为并相应输出告警信息,节省大量人力成本。
Description
技术领域
本发明实施例涉及安防领域,特别涉及一种危险行为监测方法、装置及电子设备。
背景技术
当前,校园、景区等场所行人翻越围墙的事件频频发生,行人擅自翻墙的行为不利于对场所内的人员进行监控和管理,而如果无法对公共场所内的人员进行有效地监控和管理,场所内出现恶性事件、违规犯法事件的隐患会大大提升。
为实现对翻墙行为的监控,目前的做法是,在围墙上设置大量的摄像头,工作人员在监控终端人为地通过观察摄像头所反馈的视频图像,辨别是否出现行人翻越围墙的情况,和/或设置安保人员在围墙周边巡逻,这些方法通常需要耗费较大的人力成本。
发明内容
针对现有技术的上述缺陷,本发明实施例的目的是提供一种能够人工智能判断翻墙行为的危险行为监测方法、装置及电子设备。
本发明实施例的目的是通过如下技术方案实现的:
为解决上述技术问题,第一方面,本发明实施例中提供了一种危险行为监测方法,应用于攀爬或翻越围墙的实时监测,包括:
获取摄像头所拍摄的包含所述围墙的图像;
检测所述图像中的行人的坐标和所述围墙的上边缘的坐标;
根据所述围墙的上边缘的坐标和所述行人的坐标,分析所述行人是否存在翻墙行为;
若存在,则输出告警信息。
在一些实施例中,所述根据所述围墙的上边缘的坐标和行人的坐标,分析所述行人是否存在翻墙行为,具体包括:
根据所述围墙的上边缘的坐标和所述行人的坐标,判断所述行人的身体是否比所述围墙的上边缘高出预定高度;
若是,则确定所述行人存在翻墙行为;
若否,则确定所述行人不存在翻墙行为。
在一些实施例中,所述根据所述围墙的上边缘的坐标和和行人的坐标,分析所述行人是否存在翻墙行为,具体包括:
判断所述行人是否存在横坐标与所述围墙的上边缘的横坐标相同,且纵坐标高于所述围墙的上边缘的纵坐标的坐标;
若存在,则确定所述行人存在翻墙行为;
若不存在,则确定所述行人不存在翻墙行为。
在一些实施例中,所述获取摄像头所拍摄的包含所述围墙的图像,具体包括:
获取所述摄像头实时采集的视频流;
解码所述视频流,得到初始图像;
还原所述初始图像,得到彩色的所述图像。
在一些实施例中,所述检测所述图像中的行人的坐标还包括:
通过预设双线性插值法缩小所述图像的分辨率,得到缩放图像;
将所述缩放图像进行均值移除处理和标准化处理,得到预处理图像;
从所述预处理图像中识别所述行人;
将所述预处理图像的分辨率还原至所述图像缩小前的分辨率,得到还原图像;
在所述还原图像中确定所述识别得到的行人的坐标。
在一些实施例中,所述从所述预处理图像中识别所述行人,具体包括:
通过预设卷积神经网络检测出所述预处理图像中的行人;
对所述检测得到的行人进行去重处理,得到最终的行人。
在一些实施例中,所述对所述检测得到的行人进行去重处理是根据预设非极大值抑制法实现的。
在一些实施例中,所述输出告警信息,具体包括:
在所述图像中对存在翻墙行为的行人和不存在翻墙行为的行人进行区别化标记;
将包含所述区别化标记的所述图像反馈至监控中心,并输出告警信号。
为解决上述技术问题,第二方面,本发明实施例中提供了一种危险行为监测装置,应用于攀爬或翻越围墙的实时监测,包括:
获取模块,用于获取摄像头所拍摄的包含所述围墙的图像;
检测模块,用于检测所述图像中的行人的坐标和所述围墙的上边缘的坐标;
分析模块,用于根据所述围墙的上边缘的坐标和所述行人的坐标,分析所述行人是否存在翻墙行为;
告警模块,用于在所述行人存在翻墙行为时,输出告警信息。
为解决上述技术问题,第三方面,本发明实施例提供了一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上第一方面所述的方法。
为解决上述技术问题,第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如上第一方面所述的方法。
为解决上述技术问题,第五方面,本发明实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行如上第一方面所述的方法。
与现有技术相比,本发明的有益效果是:区别于现有技术的情况,本发明实施例中提供了一种危险行为监测方法、装置及电子设备,该方法首先需要获取摄像头所拍摄的包含所述围墙的图像,然后检测所述图像中的行人的坐标和所述围墙的上边缘的坐标,根据所述围墙的上边缘的坐标和所述行人的坐标,分析所述行人是否存在翻墙行为,在存在翻墙行为时,输出告警信息,本发明实施例提供的方法应用在监控系统中能够自行实时判断行人是否存在翻越围墙的行为并相应输出告警信息,节省大量人力成本。
附图说明
一个或多个实施例中通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件/模块和步骤表示为类似的元件/模块和步骤,除非有特别申明,附图中的图不构成比例限制。
图1是应用于本发明实施例的危险行为监测方法的实施例的示例性系统结构示意图;
图2是本发明实施例提供的一种危险行为监测方法的流程图;
图3是图2所示方法中步骤110的一子流程图;
图4是图2所示方法中步骤120的一子流程图;
图5是图4所示方法中步骤123的一子流程图;
图6是图2所示方法中步骤130的一子流程图;
图7是图2所示方法中步骤130的另一子流程图;
图8是图2所示方法中步骤140的一子流程图;
图9是本发明实施例提供的一种危险行为监测装置的结构示意图;
图10是本发明实施例提供的执行上述危险行为监测方法的电子设备的硬件结构示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对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。
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,如果不冲突,本发明实施例中的各个特征可以相互结合,均在本申请的保护范围之内。另外,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
请参见图1,为应用于本发明的危险行为监测方法的实施例的示例性系统结构示意图。如图1所示,该系统结构包括:电子设备10、摄像头20、监控中心30和围墙A。
所述电子设备10分别与所述摄像头20和所述监控中心30通信连接,所述摄像头20也可以与所述监控中心30通信连接。所述通信连接可以是网络连接,可以包括各种连接类型,比如有线、无线通信或者光纤电缆等。
所述电子设备10能够获取所述摄像头20拍摄的图像并分析图像中的行人是否有翻墙行为,在存在翻墙行为时输出告警信号给所述监控中心30。所述电子设备10为具有图像识别功能、计算分析功能、信息输出功能的设备,其能够获取视频或照片等图像并对图像进行分析,并根据分析结果判断是否要输出相应的告警信息。
在本发明实施例中,所述电子设备10可以是一种物理的具有计算功能的终端服务器,通过网络以一定的通信协议分别与摄像头20和监控中心30连接。或者,也可以是云服务器、云主机、云服务平台、云计算平台等,同样的能够通过网络与摄像头20和监控中心30通过一定的通信协议通信连接。所述网络可是以太网或者是局域网,所述通信协议可以是TCP/IP、NETBEUI和IPX/SPX等通信协议,所述通信连接可以是无线连接或者有线连接,具体地,可根据实际需要进行设置。
需要说明的是,本申请实施例所提供的危险行为监测方法一般由上述电子设备10执行,相应地,危险行为监测装置一般设置于电子设备10中。
所述摄像头20为能够采集图像的装置,所述图像可以是视频,也可以是图片,本发明实施例中以视频为例。所述摄像头20可以是照相机、拍摄手机、录像机、摄像机或夜视仪等用于采集图像的装置,所述摄像头20能够分别与所述电子设备10和所述监控中心30通信连接,将实时采集的图像信息发送至所述电子设备10和所述监控中心30。所述摄像头20可以为若干个,如1个、2个、3个4个等。若干个图像摄像头20可以为相同的图像采集设备,也可以为不相同的图像采集设备,以便满足不同的需求。
所述监控中心30为巡逻人员能够在所述电子设备10监控到翻墙行为时接收来自所述电子设备10的告警信息并直观显示所述告警信息的监控设备。进一步地,所述监控中心30还可以是能够直观获取摄像头20所实时拍摄的图像的监控设备。例如,可以是小区等公共场所中监控室的电脑,或者,也可以是手机、平板等便携式的移动终端。
进一步地,所述监控中心30和所述电子设备10可以是一体设置的装置。例如,所述电子设备10为计算机系统,所述监控中心30为与所述电子设备10一体连接的显示屏,请继续参见图1,所述电子设备10在分析得到行人B1的翻墙行为时,将行人B1标记出来,以实现在显示屏上直观显示。
所述围墙A可以是小区、学校、公园等公共场所的围墙,也可以是私人住宅的围墙。所述摄像头20可以安装在所述围墙A除正上方的俯视角度外的任意位置和任意角度上,本发明实施例对于摄像头20的安装设置灵活性较高,易于实际场景部署摄像头。
具体地,下面结合附图,对本发明实施例作进一步阐述。
本发明实施例提供了一种危险行为监测方法,该方法可被上述电子设备10执行,请参见图2,其示出了根据上述系统结构所应用的一种危险行为监测方法的流程图,该方法包括但不限于以下步骤:
步骤110:获取摄像头所拍摄的包含所述围墙的图像。
在本发明实施例中,可通过如图1所示的摄像头20获取包含围墙A的图像,其中,该摄像头20可以是一个,也可以是多个。所述图像可以是视频图像、也可以是照片图像。
步骤120:检测所述图像中的行人的坐标和所述围墙的上边缘的坐标。
在本发明实施例中,通过获取到的图像能够进一步通过算法得到图像中行人的坐标和围墙上边缘的坐标,以进一步用于判断行人是否有翻墙的行为。例如,如图1所示,检测图像中行人B1和B2的坐标,以及围墙上边缘A1的坐标,以判断行人B1或B2是否有翻墙行为。
所述获取行人的坐标,具体地,是获取行人上下左右轮廓边缘的坐标点。为便于计算行人的坐标,优选地,如图1所示,首先可以获取两个行人B1和B2的外接矩形框S1和S2,获取该外接矩形框S1和S2的四条边上各至少一个点作为所述行人的坐标。所述外接矩形框S1或S2为包括行人B1或B2人体轮廓的图像。具体地,行人上下左右轮廓边缘的坐标点刚好落在所述外接矩形框上或者所述外接矩形框内。
需要说明的是,由于拍摄角度的问题,比如摄像头20如图1放置在围墙A一端上角的时候,图像通常为透视图,若以该图像的长和宽为基准建立坐标系,那么,围墙A的上边缘A1上每个点的坐标都是不同的,因此,需要采集多个上边缘A1上的点获取其坐标。
优选地,可以在获取的行人的坐标后,以所有行人坐标的最大最小值为范围获取其范围内的围墙上边缘的坐标。例如,请继续参见图1,获取到两个行人A1和B1的坐标后,取两个行人横纵坐标的最大最小值为范围获取落在该范围内的围墙A的上边缘A1多个坐标点的值。
步骤130:根据所述围墙的上边缘的坐标和所述行人的坐标,分析所述行人是否存在翻墙行为。若存在,跳转至步骤140;若不存在,跳转至步骤110,继续获取围墙的图像。
在本发明实施例中,通过上述获取到的围墙的上边缘坐标和行人的坐标,计算分析行人是否存在翻墙行为。通常地,行人存在翻墙行为时,人体的一部分必然高于围墙,因此,通过比较行人坐标和围墙的上边缘坐标的大小,可以判断行人是否存在翻墙行为。
步骤140:输出告警信息。
在本发明实施例中,在得到信任存在翻墙行为的判断结果后,输出告警信息,以提醒巡逻人员。所述告警信息可以是语音、文字、图像等具有标志性的、能够直观表示行人存在翻墙行为的信息。
本发明实施例中提供了一种危险行为监测方法、装置及电子设备,该方法首先需要获取摄像头所拍摄的包含所述围墙的图像,然后检测所述图像中的行人的坐标和所述围墙的上边缘的坐标,根据所述围墙的上边缘的坐标和所述行人的坐标,分析所述行人是否存在翻墙行为,在存在翻墙行为时,输出告警信息,本发明实施例提供的方法应用在监控系统中能够自行实时判断行人是否存在翻越围墙的行为并相应输出告警信息,节省大量人力成本。
在一些实施例中,请参见图3,为图2所示方法中步骤110的一子流程图,所述步骤110具体包括:
步骤111:获取所述摄像头实时采集的视频流。
步骤112:解码所述视频流,得到初始图像。
步骤113:还原所述初始图像,得到彩色的所述图像。
在本发明实施例中,在获取到摄像头的实时采集的视频流时,根据视频流的编码格式进行解码,然后对解码后的图像进行色彩还原处理,得到彩色的图像,以便进一步对该图像进行检测。所述视频流的编码格式包括但不限于:H.264、MPEG-4、MPEG-2、WMA-HD或VC-1等视频编码格式。所述色彩还原处理包括但不限于通过K-Means算法、OpenCV等机器学习算法对图像色彩进行增强处理,以还原得到彩色的图像。
在一些实施例中,请参见图4,为图2所示方法中步骤120的一子流程图,所述步骤120中“检测所述图像中的行人的坐标”这一步骤具体包括:
步骤121:通过预设双线性插值法缩小所述图像的分辨率,得到缩放图像。
在本发明实施例中,所述通过预设的双线性插值法具体包括:将彩色的图像和缩放图像的结合中心重合,其中缩放图像中每个像素点等间距且图像两侧有一定边距,彩色图像汇总根据像素点尺寸建立直角坐标系,根据线性差值公式得到缩放图像中的每个像素点在直角坐标系中的坐标值。
所述图像缩放至缩放图像的缩小比例有步骤123中识别行人这一步骤的检测准确性和复杂性决定,如果分辨率太小,那么复杂性降低,但是准确性也会降低;反之,准确性升高,但是复杂性也升高。优选地,将图像的分辨率缩放至300X300,在该分辨率下,一方面能够保证缩放图像的复杂性较低,易于进行检测识别的工作,另一方面能够保证检测的准确性。
步骤122:将所述缩放图像进行均值移除处理和标准化处理,得到预处理图像。
在本发明实施例中,进一步地,对缩放图像进行均值移除处理和标准化处理,得到用于检测识别的预处理图像,以提升步骤123相应装置检测识别行人的准确性。
步骤123:从所述预处理图像中识别所述行人。
然后,通过图像识别技术,识别所述预处理图像中的行人。例如,通过识别人体的轮廓、人体的外接矩形框、人脸、人体的姿势等人体特征,实现对图像中行人的识别。
步骤124:将所述预处理图像的分辨率还原至所述图像缩小前的分辨率,得到还原图像。
在本发明实施例中,在获取到行人在预处理图像中的具体位置后,需要将预处理图像还原至图像缩小前的分辨率,得到还原图像,以对应实际应用场景中的空间位置。具体地,与步骤121的流程相似,同样能够根据双线性插值法计算得到还原图像。
步骤125:在所述还原图像中确定所述识别得到的行人的坐标。
在本发明实施例中,在还原图像中识别出行人的坐标,进一步地,在还原图像中识别围墙的上边缘坐标,以进一步分析所述行人是否存在翻墙行为。
在一些实施例中,请参见图5,为图4所示方法中步骤123的一子流程图,所述步骤123具体包括:
步骤1231:通过预设卷积神经网络检测出所述预处理图像中的行人。
在本发明实施例中,通过卷积神经网络检测预处理图像中的行人。具体地,事先以大量包含人体的图像作为训练样本/输入变量代入卷积神经网络中进行训练,输出变量得到人体的外接矩形框。在需要识别本发明实施例中的预处理图像时,将预处理图像输入至卷积神经网络中,输出得到该行人的外接矩形框。具体地,可以得到在该图像中外接矩形框四个端点的坐标。优选地,获取该外接矩形框左上角和右下角坐标。
步骤1232:对所述检测得到的行人进行去重处理,得到最终的行人。
在本发明实施例中,所述对所述检测得到的行人进行去重处理是根据预设非极大值抑制法实现的。具体地,输入所述包含检测到的行人的信息的预处理图像,在该图像中检测出属于同一类的所有物体,即同一类的所述外接矩形框,然后将所述同一类的外接矩形框进行置信度(预测为这一类的概率值)降序排列。所述同一类的外接矩形框可以是,在同一位置范围内,大小形状相似的外接矩形框。然后,依次将置信度最高的外接矩形框与其他外接矩形框的重叠度进行比较,重叠度超过一定阈值时,仅保留置信度最高的外接矩形框,重叠度未超过一定阈值时,保留进行比较的所有外接矩形框。接着,将保留下来的所有外接矩形框进一步两两之间继续比较重叠度,直到最后得到相互之间重叠度低于一定阈值的、置信度较高的一个或多个外接矩形框,最终得到了一种去除重复的以及错误的行人的检测结果。例如,如图1所示的两个外接矩形框S1和S2。
在一些实施例中,请参见图6,为图2所示方法中步骤130的一子流程图,所述步骤130具体包括:
步骤131a:根据所述围墙的上边缘的坐标和所述行人的坐标,判断所述行人的身体是否比所述围墙的上边缘高出预定高度。若是,跳转至步骤132a;若否,跳转至步骤133a。
步骤132a:确定所述行人存在翻墙行为。
步骤133a:确定所述行人不存在翻墙行为。
在本发明实施例中,得到还原处理的图像后,根据该图像的像素,也即是该图像的长和宽建立直角坐标系,通过上述识别到的行人的外接矩形框可以获得行人在该坐标系中的坐标。然后获取围墙的上边缘的坐标。进一步判断围墙上边缘的坐标和行人坐标是否高于预定高度,高于时可确定行人存在翻墙行为。
具体地,例如,可以判断同一横坐标下围墙上边缘的纵坐标值和行人外接矩形框的纵坐标值的关系,若该行人外接矩形框的纵坐标值大于所述围墙上边缘的纵坐标值,且超过预定范围时,可确定行人的身体比围墙的上边缘高出预定高度,从而确定行人存在翻墙行为。
在一些实施例中,请参见图7,为图2所示方法中步骤130的另一子流程图,所述步骤130具体包括:
步骤131b:判断所述行人是否存在横坐标与所述围墙的上边缘的横坐标相同,且纵坐标高于所述围墙的上边缘的纵坐标的坐标,若存在,跳转至步骤132b;若不存在,跳转至步骤133b。
步骤132b:确定所述行人存在翻墙行为。
步骤133b:确定所述行人不存在翻墙行为。
在本发明实施例中,判断同一横坐标下围墙上边缘的纵坐标值和行人外接矩形框的最大纵坐标值的关系,若该行人外接矩形框的最大纵坐标值大于所述围墙上边缘的纵坐标值,且超过预定范围时,可确定行人的身体比围墙的上边缘高出预定高度,从而确定行人存在翻墙行为。
需要说明的是,由于行人的外接矩形框如图1所示,在同一横坐标下,存在紧贴人体头部的坐标点和紧贴人体足部的坐标点。当行人存在翻墙行为时,可能存在紧贴人体头部的坐标点和紧贴人体足部的坐标点皆高于围墙的情况,或者仅紧贴人体头部的坐标点高于围墙的情况。因此,通过确定行人外接矩形框的最大纵坐标值是否大于所述围墙上边缘的纵坐标值,即可确定所述行人是否存在翻墙行为。
在一些实施例中,请参见图8,为图2所示方法中步骤140的一子流程图,所述步骤140具体包括:
步骤141:在所述图像中对存在翻墙行为的行人和不存在翻墙行为的行人进行区别化标记。
在本发明实施例中,为直观提醒行人存在翻墙的行为,进一步地,可以对图像中存在翻墙行为的行人和不存在翻墙行为的行人进行区别化标记处理。可以理解的是,也可以仅对图像中存在翻墙行为的行人进行标记化处理。由于上述的步骤中,已获取到了行人的外接矩形框,因此,优选地,对行人的外接矩形框进行标记处理,即可实现对存在翻墙行为的行人的区别化显示。
所述区别化标记可以是通过不同的颜色、不同的形状、不同的线条粗细、高亮、放大等方式对外接矩形框进行标记。例如,如图1所示,可以将所述存在翻墙行为的行人的外接矩形框用虚线表示,将所述不存在翻墙行为的行人用实线表示。具体地,所述区别化显示可根据实际需要进行设置,不需要拘泥于本发明实施例的限定。
步骤142:将包含所述区别化标记的所述图像反馈至监控中心,并输出告警信号。
在本发明实施例中,将所述包含所述区别化标记的所述图像反馈至监控中心,以便巡逻人员查询行人的翻墙行为时,进一步地,还可以输出告警信号及时提醒巡逻人员当前存在翻墙行为。所述告警信号可以是如:“围墙A有行人在翻墙”的语音或文字、或者振动、铃声等能够对人起到提醒功能的信号。
本发明实施例还提供了一种危险行为监测装置,请参见图9,其示出了本申请实施例提供的一种危险行为监测装置的结构,该危险行为监测装置200包括:获取模块210、检测模块220、分析模块230和告警模块240。
所述获取模块210用于获取摄像头所拍摄的包含所述围墙的图像。
所述检测模块220用于检测所述图像中的行人的坐标和所述围墙的上边缘的坐标。
所述分析模块230用于根据所述围墙的上边缘的坐标和所述行人的坐标,分析所述行人是否存在翻墙行为。
所述告警模块240用于在所述行人存在翻墙行为时,输出告警信息。
本发明实施例中提供了一种危险行为监测装置,该装置首先通过获取模块210获取摄像头所拍摄的包含所述围墙的图像,然后通过检测模块220检测所述图像中的行人的坐标和所述围墙的上边缘的坐标,通过分析模块230根据所述围墙的上边缘的坐标和所述行人的坐标,分析所述行人是否存在翻墙行为,在存在翻墙行为时,通过告警模块240输出告警信息,本发明实施例提供的装置应用在监控系统中能够自行判断行人是否存在翻越围墙的行为并相应输出告警信息,节省大量人力成本。
在一些实施例中,所述分析模块230还用于根据所述围墙的上边缘的坐标和所述行人的坐标,判断所述行人的身体是否比所述围墙的上边缘高出预定高度;若是,则确定所述行人存在翻墙行为;若否,则确定所述行人不存在翻墙行为。
在一些实施例中,所述分析模块230还用于判断所述行人是否存在横坐标与所述围墙的上边缘的横坐标相同,且纵坐标高于所述围墙的上边缘的纵坐标的坐标;若存在,则确定所述行人存在翻墙行为;若不存在,则确定所述行人不存在翻墙行为。
在一些实施例中,所述获取模块210还用于获取所述摄像头实时采集的视频流;解码所述视频流,得到初始图像;还原所述初始图像,得到彩色的所述图像。
在一些实施例中,所述检测模块220还用于通过预设双线性插值法缩小所述图像的分辨率,得到缩放图像;将所述缩放图像进行均值移除处理和标准化处理,得到预处理图像;从所述预处理图像中识别所述行人;将所述预处理图像的分辨率还原至所述图像缩小前的分辨率,得到还原图像;在所述还原图像中确定所述识别得到的行人的坐标。
在一些实施例中,所述检测模块220还用于通过预设卷积神经网络检测出所述预处理图像中的行人;对所述检测得到的行人进行去重处理,得到最终的行人。
在一些实施例中,所述对所述检测得到的行人进行去重处理是根据预设非极大值抑制法实现的。
在一些实施例中,所述告警模块240还用于在所述图像中对存在翻墙行为的行人和不存在翻墙行为的行人进行区别化标记;将包含所述区别化标记的所述图像反馈至监控中心,并输出告警信号。
本发明实施例还提供了一种电子设备,请参见图10,其示出了能够执行图2至图8所述危险行为监测方法的电子设备的硬件结构。所述电子设备10可以是图1所示的电子设备10。
所述电子设备10包括:至少一个处理器11;以及,与所述至少一个处理器11通信连接的存储器12,图10中以其以一个处理器11为例。所述存储器12存储有可被所述至少一个处理器11执行的指令,所述指令被所述至少一个处理器11执行,以使所述至少一个处理器11能够执行上述图2至图8所述的危险行为监测方法。所述处理器11和所述存储器12可以通过总线或者其他方式连接,图10中以通过总线连接为例。
存储器12作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块,如本申请实施例中的危险行为监测方法对应的程序指令/模块,例如,附图9所示的各个模块。处理器11通过运行存储在存储器12中的非易失性软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例危险行为监测方法。
存储器12可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据危险行为监测装置的使用所创建的数据等。此外,存储器12可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器12可选包括相对于处理器11远程设置的存储器,这些远程存储器可以通过网络连接至危险行为监测装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器12中,当被所述一个或者多个处理器11执行时,执行上述任意方法实施例中的危险行为监测方法,例如,执行以上描述的图2至图8的方法步骤,实现图9中的各模块和各单元的功能。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
本申请实施例还提供了一种非易失性计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,例如,执行以上描述的图2至图8的方法步骤,实现图9中的各模块的功能。
本申请实施例还提供了一种计算机程序产品,包括存储在非易失性计算机可读存储介质上的计算程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时时,使所述计算机执行上述任意方法实施例中的危险行为监测方法,例如,执行以上描述的图2至图8的方法步骤,实现图9中的各模块的功能。
本发明实施例中提供了一种危险行为监测方法、装置及电子设备,该方法首先需要获取摄像头所拍摄的包含所述围墙的图像,然后检测所述图像中的行人的坐标和所述围墙的上边缘的坐标,根据所述围墙的上边缘的坐标和所述行人的坐标,分析所述行人是否存在翻墙行为,在存在翻墙行为时,输出告警信息,本发明实施例提供的方法应用在监控系统中能够自行实时判断行人是否存在翻越围墙的行为并相应输出告警信息,节省大量人力成本。
需要说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施方式的描述,本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现,当然也可以通过硬件。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流程是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明,它们没有在细节中提供;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种危险行为监测方法,应用于攀爬或翻越围墙的实时监测,其特征在于,包括:
获取摄像头所拍摄的包含所述围墙的图像;
检测所述图像中的行人的坐标和所述围墙的上边缘的坐标;
根据所述围墙的上边缘的坐标和所述行人的坐标,分析所述行人是否存在翻墙行为;
若存在,则输出告警信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述围墙的上边缘的坐标和行人的坐标,分析所述行人是否存在翻墙行为,具体包括:
根据所述围墙的上边缘的坐标和所述行人的坐标,判断所述行人的身体是否比所述围墙的上边缘高出预定高度;
若是,则确定所述行人存在翻墙行为;
若否,则确定所述行人不存在翻墙行为。
3.根据权利要求1所述的方法,其特征在于,所述根据所述围墙的上边缘的坐标和和行人的坐标,分析所述行人是否存在翻墙行为,具体包括:
判断所述行人是否存在横坐标与所述围墙的上边缘的横坐标相同,且纵坐标高于所述围墙的上边缘的纵坐标的坐标;
若存在,则确定所述行人存在翻墙行为;
若不存在,则确定所述行人不存在翻墙行为。
4.根据权利要求1所述的方法,其特征在于,所述获取摄像头所拍摄的包含所述围墙的图像,具体包括:
获取所述摄像头实时采集的视频流;
解码所述视频流,得到初始图像;
还原所述初始图像,得到彩色的所述图像。
5.根据权利要求1所述的方法,其特征在于,所述检测所述图像中的行人的坐标还包括:
通过预设双线性插值法缩小所述图像的分辨率,得到缩放图像;
将所述缩放图像进行均值移除处理和标准化处理,得到预处理图像;
从所述预处理图像中识别所述行人;
将所述预处理图像的分辨率还原至所述图像缩小前的分辨率,得到还原图像;
在所述还原图像中确定所述识别得到的行人的坐标。
6.根据权利要求5所述的方法,其特征在于,所述从所述预处理图像中识别所述行人,具体包括:
通过预设卷积神经网络检测出所述预处理图像中的行人;
对所述检测得到的行人进行去重处理,得到最终的行人。
7.根据权利要求6所述的方法,其特征在于,所述对所述检测得到的行人进行去重处理是根据预设非极大值抑制法实现的。
8.根据权利要求1所述的方法,其特征在于,所述输出告警信息,具体包括:
在所述图像中对存在翻墙行为的行人和不存在翻墙行为的行人进行区别化标记;
将包含所述区别化标记的所述图像反馈至监控中心,并输出告警信号。
9.一种危险行为监测装置,应用于攀爬或翻越围墙的实时监测,其特征在于,包括:
获取模块,用于获取摄像头所拍摄的包含所述围墙的图像;
检测模块,用于检测所述图像中的行人的坐标和所述围墙的上边缘的坐标;
分析模块,用于根据所述围墙的上边缘的坐标和所述行人的坐标,分析所述行人是否存在翻墙行为;
告警模块,用于在所述行人存在翻墙行为时,输出告警信息。
10.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910809521.4A CN110598596A (zh) | 2019-08-29 | 2019-08-29 | 一种危险行为监测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910809521.4A CN110598596A (zh) | 2019-08-29 | 2019-08-29 | 一种危险行为监测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110598596A true CN110598596A (zh) | 2019-12-20 |
Family
ID=68856212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910809521.4A Pending CN110598596A (zh) | 2019-08-29 | 2019-08-29 | 一种危险行为监测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110598596A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766894A (zh) * | 2019-12-25 | 2020-02-07 | 恒大智慧科技有限公司 | 社区围墙翻越预警方法、系统、服务器及计算机存储介质 |
CN111540020A (zh) * | 2020-04-28 | 2020-08-14 | 浙江大华技术股份有限公司 | 目标行为的确定方法及装置、存储介质、电子装置 |
CN112016528B (zh) * | 2020-10-20 | 2021-07-20 | 成都睿沿科技有限公司 | 行为识别方法、装置、电子设备及可读存储介质 |
CN114241737A (zh) * | 2021-11-30 | 2022-03-25 | 慧之安信息技术股份有限公司 | 一种基于深度学习的攀登铁塔监测方法和装置 |
US11990010B2 (en) | 2021-07-22 | 2024-05-21 | Boe Technology Group Co., Ltd. | Methods and apparatuses for early warning of climbing behaviors, electronic devices and storage media |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609588A (zh) * | 2008-06-16 | 2009-12-23 | 云南正卓信息技术有限公司 | 全自动无人值守别墅防入侵智能视频监控报警系统 |
US20120188370A1 (en) * | 2011-01-23 | 2012-07-26 | James Bordonaro | Surveillance systems and methods to monitor, recognize, track objects and unusual activities in real time within user defined boundaries in an area |
CN103530967A (zh) * | 2013-11-03 | 2014-01-22 | 昆山志众欣诚信息技术有限公司 | 小区安防报警系统 |
CN104866827A (zh) * | 2015-05-19 | 2015-08-26 | 天津大学 | 基于视频监控平台的人员翻越行为的检测方法 |
CN106022237A (zh) * | 2016-05-13 | 2016-10-12 | 电子科技大学 | 一种端到端的卷积神经网络的行人检测方法 |
CN109410168A (zh) * | 2018-08-31 | 2019-03-01 | 清华大学 | 用于确定图像中的子图块的类别的卷积神经网络模型的建模方法 |
-
2019
- 2019-08-29 CN CN201910809521.4A patent/CN110598596A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609588A (zh) * | 2008-06-16 | 2009-12-23 | 云南正卓信息技术有限公司 | 全自动无人值守别墅防入侵智能视频监控报警系统 |
US20120188370A1 (en) * | 2011-01-23 | 2012-07-26 | James Bordonaro | Surveillance systems and methods to monitor, recognize, track objects and unusual activities in real time within user defined boundaries in an area |
CN103530967A (zh) * | 2013-11-03 | 2014-01-22 | 昆山志众欣诚信息技术有限公司 | 小区安防报警系统 |
CN104866827A (zh) * | 2015-05-19 | 2015-08-26 | 天津大学 | 基于视频监控平台的人员翻越行为的检测方法 |
CN106022237A (zh) * | 2016-05-13 | 2016-10-12 | 电子科技大学 | 一种端到端的卷积神经网络的行人检测方法 |
CN109410168A (zh) * | 2018-08-31 | 2019-03-01 | 清华大学 | 用于确定图像中的子图块的类别的卷积神经网络模型的建模方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110766894A (zh) * | 2019-12-25 | 2020-02-07 | 恒大智慧科技有限公司 | 社区围墙翻越预警方法、系统、服务器及计算机存储介质 |
CN111540020A (zh) * | 2020-04-28 | 2020-08-14 | 浙江大华技术股份有限公司 | 目标行为的确定方法及装置、存储介质、电子装置 |
CN111540020B (zh) * | 2020-04-28 | 2023-10-10 | 浙江大华技术股份有限公司 | 目标行为的确定方法及装置、存储介质、电子装置 |
CN112016528B (zh) * | 2020-10-20 | 2021-07-20 | 成都睿沿科技有限公司 | 行为识别方法、装置、电子设备及可读存储介质 |
US11990010B2 (en) | 2021-07-22 | 2024-05-21 | Boe Technology Group Co., Ltd. | Methods and apparatuses for early warning of climbing behaviors, electronic devices and storage media |
CN114241737A (zh) * | 2021-11-30 | 2022-03-25 | 慧之安信息技术股份有限公司 | 一种基于深度学习的攀登铁塔监测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110598596A (zh) | 一种危险行为监测方法、装置及电子设备 | |
CN109166261B (zh) | 基于图像识别的图像处理方法、装置、设备及存储介质 | |
KR101942808B1 (ko) | 객체 이미지 인식 dcnn 기반 cctv 영상분석장치 | |
CN103270536B (zh) | 停止物体探测 | |
CN107679471B (zh) | 基于视频监控平台的室内人员空岗检测方法 | |
CN112016414A (zh) | 一种检测高空抛物事件的方法、装置及楼面智能监控系统 | |
US8977060B2 (en) | Motion stabilization and detection of articulated objects | |
KR102195706B1 (ko) | 침입 탐지방법 및 그 장치 | |
CN109409238B (zh) | 一种障碍物检测方法、装置及终端设备 | |
US20120274776A1 (en) | Fault tolerant background modelling | |
US10657783B2 (en) | Video surveillance method based on object detection and system thereof | |
CN112487891B (zh) | 一种应用于电力作业现场的视觉智能动态识别模型构建方法 | |
CN112257669A (zh) | 行人重识别方法、装置及电子设备 | |
CN205068764U (zh) | 一种基于行人闯红灯监控的人脸识别系统 | |
US20160210759A1 (en) | System and method of detecting moving objects | |
KR102127276B1 (ko) | 복수의 고해상도 카메라들을 이용한 파노라마 영상 감시 시스템 및 그 방법 | |
CN110569770A (zh) | 人体入侵行为识别方法、装置、存储介质及电子设备 | |
CN111401239B (zh) | 一种视频分析方法、装置、系统、设备及存储介质 | |
CN110244923B (zh) | 一种图像显示方法及装置 | |
JPH09252467A (ja) | 移動体検出装置 | |
CN110111436A (zh) | 一种人脸签到方法、装置及系统 | |
KR102015082B1 (ko) | 압축영상에 대한 신택스 기반의 객체 추적 방법 | |
CN113283273A (zh) | 基于视觉技术的前方障碍物实时检测方法及系统 | |
KR102407202B1 (ko) | 지능형 영상 분석 장치 및 방법 | |
US20240046647A1 (en) | Method and device for detecting obstacles, and computer storage medium |
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: 20191220 |
|
RJ01 | Rejection of invention patent application after publication |