CN110675584B - 云端红外安防系统及方法 - Google Patents
云端红外安防系统及方法 Download PDFInfo
- Publication number
- CN110675584B CN110675584B CN201910781660.0A CN201910781660A CN110675584B CN 110675584 B CN110675584 B CN 110675584B CN 201910781660 A CN201910781660 A CN 201910781660A CN 110675584 B CN110675584 B CN 110675584B
- Authority
- CN
- China
- Prior art keywords
- infrared image
- unit
- identification
- cloud
- recognition result
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation 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
- G08B13/194—Actuation 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
- G08B13/196—Actuation 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
- G08B13/19654—Details concerning communication with a camera
- G08B13/19656—Network used to communicate with a camera, e.g. WAN, LAN, Internet
-
- 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
Abstract
本发明属于安防技术领域,具体涉及云端红外安防系统及方法。所述系统包括:控制模块、垂向探测识别模块、云端数据库和云端数据分析模块;所述垂向探测识别模块信号连接于云端数据库;所述云端数据库与所述云端数据分析模块信号连接;所述云端数据分析模块与控制模块信号连接;所述垂向探测识别模块探测识别环境信息,将探测识别到的环境信息实时发送到云端数据库;云端数据库对接收到的环境信息进行存储;同时,数据分析模块获取云端数据库中的数据,进行数据分析,根据分析结果,生成控制命令,发送控制命令道控制模块;控制模块根据接收到的控制命令进行控制。具有安全性高、智能化程度高和识别准确的优点。
Description
技术领域
本发明属于安防领域,具体涉及云端红外安防系统及方法。
背景技术
随着因特网或局域网络等网络通讯系统,个人计算机、移动电话等通讯终端装置软硬件技术与效能及效能的提升,使用者已经可以透过网络通讯系统执行远程的环境状况的监控,并可进一步透过网络通讯系统传输视讯信息,了解掌握异地的监控点信息。
具体言之,使用者可以在监控点装设网络监视装置,如网络摄像镜头(networkcamera),网络摄像镜头可以直接连接至网络通讯系统,或先连接至个人计算机,再藉由个人计算机连接至网络通讯系统,由于网络摄像镜头或个人计算机本身具有特定的IP地址,故不在监控环境附近的使用者可以透过另外一台具有网络通讯功能的个人计算机、笔记型计算机或移动电话,先与网络通讯系统取得连结,再连结至前述特定之IP地址,即可从远程取得网络摄像镜头所撷取到的影像或声音讯息。
上述已知的安全监控技术固然可以让使用者从远程取得实时的环境状况,提供使用者安全监控的便利性,但是已知的安全监控技术仍具有以下的缺点需要改进,已知的安全监控仅能够提供影像,至多包含声音讯息,事实上,隐藏在环境中可能会影响生活安全的因素未必如同入侵者监视般能够透过影像与声音的撷取而获得,例如,监控环境内的门窗是否被开启或破坏、瓦斯是否有外泄、是否发生火灾或烟害、一氧化碳或二氧化碳的浓度是否正常等讯息都很难单纯透过影像与声音的撷取而获得,即便能获得些讯息,但也可能灾害已经相当的显著而难以控制,安全监控效果大打折扣。
发明内容
有鉴于此,本发明的主要目的在于提供云端红外安防系统及方法,具有安全性高、智能化程度高和识别准确的优点。
为达到上述目的,本发明的技术方案是这样实现的:
云端红外安防系统,所述系统包括:控制模块、垂向探测识别模块、云端数据库和云端数据分析模块;所述垂向探测识别模块信号连接于云端数据库;所述云端数据库与所述云端数据分析模块信号连接;所述云端数据分析模块与控制模块信号连接;所述垂向探测识别模块探测识别环境信息,将探测识别到的环境信息实时发送到云端数据库;云端数据库对接收到的环境信息进行存储;同时,数据分析模块获取云端数据库中的数据,进行数据分析,根据分析结果,生成控制命令,发送控制命令道控制模块;控制模块根据接收到的控制命令进行控制。
进一步的,所述垂向探测识别模块包括:红外图像探测装置、光照补偿单元、对比度增强单元、平滑处理单元、阈值分割单元、键合率计算单元、特征识别单元和探测识别单元;所述红外图像探测装置,用于进行红外图像探测,获取原始的红外图像,信号连接于光照补偿单元;所述光照补偿单元,用于进行对原始的红外图像进行光照补偿,信号连接于对比度增强单元;所述对比度增强单元,用于对光照补偿后的红外图像进行对比度增强,信号连接于平滑处理单元;所述平滑处理单元,用于将对比度增强后的红外图像进行平滑处理,信号连接于阈值分割单元;所述阈值分割单元,用于将对比度增强后的红外图像进行阈值分割,信号连接于键合率计算单元;所述键合率计算单元,用于根据阈值分割后的红外图像计算键合率,信号连接于特征识别单元;所述特征识别单元,用于根据计算得到的键合率,进行红外图像特征识别;所述探测识别单元,用于根据红外图像特征识别的结果,进行红外图像识别。
进一步的,所述红外图像探测装置包括:红外摄像机和设置于红外摄像机的键合片;所述键合片设置于红外摄像机的镜头上。
进一步的,所述光照补偿单元,包括:提取单元和映射单元;所述提取单元,通过从包含矩阵排列的标定图中提取得到三原色通道分别对应的色调偏移和色调映射函数;所述映射单元,根据所得色调映射函数,对待测图像逐点映射,从而实现图像光照补偿。
进一步的,所述控制模块设置有主机、感应卡机、电子锁以及受电子锁控制开启或关闭之门户,所述主机信号连接于感应卡机;所述感应卡机与所述电子锁与所述主机相连接,所述门户则用以控制所述监测区进出。
云端红外安防方法,其特征在于,所述方法执行以下步骤:
步骤1:垂向探测识别模块探测识别环境信息,将探测识别到的环境信息实时发送到云端数据库;
步骤2:云端数据库对接收到的环境信息进行存储;同时,数据分析模块获取云端数据库中的数据,进行数据分析,根据分析结果,生成控制命令,发送控制命令道控制模块;
步骤3:控制模块根据接收到的控制命令进行控制。
进一步的,所述云端数据库对接收到的环境信息进行存储;同时,数据分析模块获取云端数据库中的数据,进行数据分析的过程包括:
步骤S2.1:对红外图像识别结果进行预处理,包括:去除唯一属性、处理缺失值和异常值检测及处理;
步骤S2.2:进行红外图像识别结果规约处理,包括:去平均值、计算协方差矩阵、计算协方差矩阵的特征值与特征向量、对特征值从大到小排序、保留最大的k个特征向量、将红外图像识别结果转换到k个特征向量构建的新空间中;最后得处理后的新的红外图像识别结果,这些红外图像识别结果之间两两不相干,但能尽可能保持原有的信息。
步骤S2.3:进行红外图像识别结果标准化处理,将红外图像识别结果按比例缩放,使之落入一个小的特定区间;其中,使用如下的转换函数,对红外图像识别结果进行线性变换,使结果落到[0,1]区间,转换函数如下:
步骤S2.4:进行红外图像识别结果建模;
步骤S2.5:进行效果分析,包括:当模型训练结束后,采用如下公式,计算模型生成的红外图像识别结果的危险系数,即得到R2得分,得分越高,表示识别结果的危险系数越高;
其中y代表预测值;
nsamples代表进入模型的样本量大小。
进一步的,所述步骤1:垂向探测识别模块探测识别环境信息的过程包括:
步骤1:红外图像探测装置,进行红外图像探测,获取原始的红外图像;
步骤2:光照补偿单元,对原始的红外图像进行光照补偿;
步骤3:对比度增强单元,对光照补偿后的红外图像进行对比度增强;
步骤4:平滑处理单元,将对比度增强后的红外图像进行平滑处理;
步骤5:阈值分割单元,将对比度增强后的红外图像进行阈值分割;
步骤6:键合率计算单元,根据阈值分割后的红外图像计算键合率;
步骤7:特征识别单元,根据计算得到的键合率,进行红外图像特征识别;探测识别单元,根据红外图像特征识别的结果,进行红外图像识别。
本发明的抗牵拉光导纤维及制作方法、信号传输系统,具有如下有益效果:。
附图说明
图1为本发明的实施例提供的云端红外安防系统的系统结构示意图;
图2为本发明的实施例提供的云端红外安防方法的方法流程示意图;
图3为本发明的实施例提供的云端红外安防系统及方法的识别准确率实验效果示意图。
其中,1-本发明的识别系统随距离变化的识别准确率的实验曲线;2-现有技术的识别系统随距离变化的识别准确率的实验曲线。
具体实施方式
下面结合附图及本发明的实施例对本发明的方法作进一步详细的说明。
实施例1
云端红外安防系统,所述系统包括:控制模块、垂向探测识别模块、云端数据库和云端数据分析模块;所述垂向探测识别模块信号连接于云端数据库;所述云端数据库与所述云端数据分析模块信号连接;所述云端数据分析模块与控制模块信号连接;所述垂向探测识别模块探测识别环境信息,将探测识别到的环境信息实时发送到云端数据库;云端数据库对接收到的环境信息进行存储;同时,数据分析模块获取云端数据库中的数据,进行数据分析,根据分析结果,生成控制命令,发送控制命令道控制模块;控制模块根据接收到的控制命令进行控制。
实施例2
在上一实施例的基础上,所述垂向探测识别模块包括:红外图像探测装置、光照补偿单元、对比度增强单元、平滑处理单元、阈值分割单元、键合率计算单元、特征识别单元和探测识别单元;所述红外图像探测装置,用于进行红外图像探测,获取原始的红外图像,信号连接于光照补偿单元;所述光照补偿单元,用于进行对原始的红外图像进行光照补偿,信号连接于对比度增强单元;所述对比度增强单元,用于对光照补偿后的红外图像进行对比度增强,信号连接于平滑处理单元;所述平滑处理单元,用于将对比度增强后的红外图像进行平滑处理,信号连接于阈值分割单元;所述阈值分割单元,用于将对比度增强后的红外图像进行阈值分割,信号连接于键合率计算单元;所述键合率计算单元,用于根据阈值分割后的红外图像计算键合率,信号连接于特征识别单元;所述特征识别单元,用于根据计算得到的键合率,进行红外图像特征识别;所述探测识别单元,用于根据红外图像特征识别的结果,进行红外图像识别。
具体的,目前,新型智慧城市、智慧社区的建设成为各城市转型发展的重点,而智慧社区中,安防工作是智慧社区中一个极为重要的方面,单元门是业务私有区域和公共区域的最后一道隔离门,做好单元出入口的安防工作可以最大限度的阻止不法分子通过楼道入户入室盗窃。另外,在小区中的安防中,还需要对小区人员、车辆、非机动车进行统一管理,特别是一些租户的管理,这样可以极大的提高安全性,方便公安进行统一监控。然目前的小区安防并不严格,对于单元门、小区进出口的门都是通过人员登记或者IC卡或钥匙的形式开门,这样一旦遗漏钥匙或IC卡,就可能带来安全隐患,同时也造成住户无法进出。另外目前的小区管理由于智能化程度不高,因此,一旦出现盗抢等犯罪时,无法及时报案,一般都是受害人报警后才能进行处理,这样就造成办案困难,取证难,处理滞后的现象。
实施例3
在上一实施例的基础上,所述红外图像探测装置包括:红外摄像机和设置于红外摄像机的键合片;所述键合片设置于红外摄像机的镜头上。
实施例4
在上一实施例的基础上,所述光照补偿单元,包括:提取单元和映射单元;所述提取单元,通过从包含矩阵排列的标定图中提取得到三原色通道分别对应的色调偏移和色调映射函数;所述映射单元,根据所得色调映射函数,对待测图像逐点映射,从而实现图像光照补偿。
实施例5
在上一实施例的基础上,所述控制模块设置有主机、感应卡机、电子锁以及受电子锁控制开启或关闭之门户,所述主机信号连接于感应卡机;所述感应卡机与所述电子锁与所述主机相连接,所述门户则用以控制所述监测区进出。
实施例6
云端红外安防方法,其特征在于,所述方法执行以下步骤:
步骤1:垂向探测识别模块探测识别环境信息,将探测识别到的环境信息实时发送到云端数据库;
步骤2:云端数据库对接收到的环境信息进行存储;同时,数据分析模块获取云端数据库中的数据,进行数据分析,根据分析结果,生成控制命令,发送控制命令道控制模块;
步骤3:控制模块根据接收到的控制命令进行控制。
实施例7
在上一实施例的基础上,所述云端数据库对接收到的环境信息进行存储;同时,数据分析模块获取云端数据库中的数据,进行数据分析的过程包括:
步骤S2.1:对红外图像识别结果进行预处理,包括:去除唯一属性、处理缺失值和异常值检测及处理;
步骤S2.2:进行红外图像识别结果规约处理,包括:去平均值、计算协方差矩阵、计算协方差矩阵的特征值与特征向量、对特征值从大到小排序、保留最大的k个特征向量、将红外图像识别结果转换到k个特征向量构建的新空间中;最后得处理后的新的红外图像识别结果,这些红外图像识别结果之间两两不相干,但能尽可能保持原有的信息。
步骤S2.3:进行红外图像识别结果标准化处理,将红外图像识别结果按比例缩放,使之落入一个小的特定区间;其中,使用如下的转换函数,对红外图像识别结果进行线性变换,使结果落到[0,1]区间,转换函数如下:
步骤S2.4:进行红外图像识别结果建模;
步骤S2.5:进行效果分析,包括:当模型训练结束后,采用如下公式,计算模型生成的红外图像识别结果的危险系数,即得到R2得分,得分越高,表示识别结果的危险系数越高;
其中y代表预测值;
nsamples代表进入模型的样本量大小。
实施例8
在上一实施例的基础上,所述步骤1:垂向探测识别模块探测识别环境信息的过程包括:
步骤1:红外图像探测装置,进行红外图像探测,获取原始的红外图像;
步骤2:光照补偿单元,对原始的红外图像进行光照补偿;
步骤3:对比度增强单元,对光照补偿后的红外图像进行对比度增强;
步骤4:平滑处理单元,将对比度增强后的红外图像进行平滑处理;
步骤5:阈值分割单元,将对比度增强后的红外图像进行阈值分割;
步骤6:键合率计算单元,根据阈值分割后的红外图像计算键合率;
步骤7:特征识别单元,根据计算得到的键合率,进行红外图像特征识别;探测识别单元,根据红外图像特征识别的结果,进行红外图像识别。
具体的,图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整,从而“扩大”前景和背景灰度的差别,以达到增强对比度的目的,这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。
直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
缺点:
1)变换后图像的灰度级减少,某些细节消失;
2)某些图像,如直方图有高峰,经处理后对比度不自然的过分增强。
直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。
这种方法通常用来增加许多图像的局部对比度,尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法,亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度,直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
这种方法对于背景和前景都太亮或者太暗的图像非常有用,这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作,如果已知均衡化函数,那么就可以恢复原始的直方图,并且计算量也不大。这种方法的一个缺点是它对处理的数据不加选择,它可能会增加背景杂讯的对比度并且降低有用信号的对比度。
以上所述仅为本发明的一个实施例子,但不能以此限制本发明的范围,凡依据本发明所做的结构上的变化,只要不失本发明的要义所在,都应视为落入本发明保护范围之内受到制约。。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
需要说明的是,上述实施例提供的系统,仅以上述各功能模块的划分进行举例说明,在实际应用中,可以根据需要而将上述功能分配由不同的功能模块来完成,即将本发明实施例中的模块或者步骤再分解或者组合,例如,上述实施例的模块可以合并为一个模块,也可以进一步拆分成多个子模块,以完成以上描述的全部或者部分功能。对于本发明实施例中涉及的模块、步骤的名称,仅仅是为了区分各个模块或者步骤,不视为对本发明的不当限定。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考前述方法实施例中的对应过程,在此不再赘述。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的模块、方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,软件模块、方法步骤对应的程序可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
术语“第一”、“第二”等是用于区别类似的对象,而不是用于描述或表示特定的顺序或先后次序。
术语“包括”或者任何其它类似用语旨在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素,而且还包括没有明确列出的其它要素,或者还包括这些过程、方法、物品或者设备/装置所固有的要素。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (6)
1.基于云端红外安防系统的云端红外安防方法,其特征在于,
所述系统包括:控制模块、垂向探测识别模块、云端数据库和云端数据分析模块;所述垂向探测识别模块信号连接于云端数据库;所述云端数据库与所述云端数据分析模块信号连接;所述云端数据分析模块与控制模块信号连接;所述垂向探测识别模块探测识别环境信息,将探测识别到的环境信息实时发送到云端数据库;云端数据库对接收到的环境信息进行存储;同时,数据分析模块获取云端数据库中的数据,进行数据分析,根据分析结果,生成控制命令,发送控制命令道控制模块;控制模块根据接收到的控制命令进行控制;
所述方法执行以下步骤:
步骤1:垂向探测识别模块探测识别环境信息,将探测识别到的环境信息实时发送到云端数据库;
步骤2:云端数据库对接收到的环境信息进行存储;同时,数据分析模块获取云端数据库中的数据,进行数据分析,根据分析结果,生成控制命令,发送控制命令道控制模块;
步骤3:控制模块根据接收到的控制命令进行控制;
所述云端数据库对接收到的环境信息进行存储;同时,数据分析模块获取云端数据库中的数据,进行数据分析的过程包括:
步骤S2.1:对红外图像识别结果进行预处理,包括:去除唯一属性、处理缺失值和异常值检测及处理;
步骤S2.2:进行红外图像识别结果规约处理,包括:去平均值、计算协方差矩阵、计算协方差矩阵的特征值与特征向量、对特征值从大到小排序、保留最大的k个特征向量、将红外图像识别结果转换到k个特征向量构建的新空间中;最后得处理后的新的红外图像识别结果,这些红外图像识别结果之间两两不相干,但能尽可能保持原有的信息。
步骤S2.3:进行红外图像识别结果标准化处理,将红外图像识别结果按比例缩放,使之落入一个小的特定区间;其中,使用如下的转换函数,对红外图像识别结果进行线性变换,使结果落到[0,1]区间,转换函数如下:
步骤S2.4:进行红外图像识别结果建模;
步骤S2.5:进行效果分析,包括:当模型训练结束后,采用如下公式,计算模型生成的红外图像识别结果的危险系数,即得到R2得分,得分越高,表示识别结果的危险系数越高;
其中y代表预测值;
nsamples代表进入模型的样本量大小。
2.如权利要求1所述的方法,其特征在于,所述垂向探测识别模块包括:红外图像探测装置、光照补偿单元、对比度增强单元、平滑处理单元、阈值分割单元、键合率计算单元、特征识别单元和探测识别单元;所述红外图像探测装置,用于进行红外图像探测,获取原始的红外图像,信号连接于光照补偿单元;所述光照补偿单元,用于进行对原始的红外图像进行光照补偿,信号连接于对比度增强单元;所述对比度增强单元,用于对光照补偿后的红外图像进行对比度增强,信号连接于平滑处理单元;所述平滑处理单元,用于将对比度增强后的红外图像进行平滑处理,信号连接于阈值分割单元;所述阈值分割单元,用于将对比度增强后的红外图像进行阈值分割,信号连接于键合率计算单元;所述键合率计算单元,用于根据阈值分割后的红外图像计算键合率,信号连接于特征识别单元;所述特征识别单元,用于根据计算得到的键合率,进行红外图像特征识别;所述探测识别单元,用于根据红外图像特征识别的结果,进行红外图像识别。
3.如权利要求2所述的方法,其特征在于,所述红外图像探测装置包括:红外摄像机和设置于红外摄像机的键合片;所述键合片设置于红外摄像机的镜头上。
4.如权利要求3所述的方法,其特征在于,所述光照补偿单元,包括:提取单元和映射单元;所述提取单元,通过从包含矩阵排列的标定图中提取得到三原色通道分别对应的色调偏移和色调映射函数;所述映射单元,根据所得色调映射函数,对待测图像逐点映射,从而实现图像光照补偿。
5.如权利要求1所述的方法,其特征在于,所述控制模块设置有主机、感应卡机、电子锁以及受电子锁控制开启或关闭之门户,所述主机信号连接于感应卡机;所述感应卡机与所述电子锁与所述主机相连接,所述门户则用以控制监测区进出。
6.如权利要求1所述的方法,其特征在于,所述步骤1:垂向探测识别模块探测识别环境信息的过程包括:
步骤1:红外图像探测装置,进行红外图像探测,获取原始的红外图像;
步骤2:光照补偿单元,对原始的红外图像进行光照补偿;
步骤3:对比度增强单元,对光照补偿后的红外图像进行对比度增强;
步骤4:平滑处理单元,将对比度增强后的红外图像进行平滑处理;
步骤5:阈值分割单元,将对比度增强后的红外图像进行阈值分割;
步骤6:键合率计算单元,根据阈值分割后的红外图像计算键合率;
步骤7:特征识别单元,根据计算得到的键合率,进行红外图像特征识别;探测识别单元,根据红外图像特征识别的结果,进行红外图像识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910781660.0A CN110675584B (zh) | 2019-08-23 | 2019-08-23 | 云端红外安防系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910781660.0A CN110675584B (zh) | 2019-08-23 | 2019-08-23 | 云端红外安防系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110675584A CN110675584A (zh) | 2020-01-10 |
CN110675584B true CN110675584B (zh) | 2021-09-17 |
Family
ID=69075549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910781660.0A Active CN110675584B (zh) | 2019-08-23 | 2019-08-23 | 云端红外安防系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110675584B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203909870U (zh) * | 2014-05-12 | 2014-10-29 | 深圳市威富多媒体有限公司 | 一种基于语音及人脸识别的门禁道闸管理系统 |
CN105427421A (zh) * | 2015-11-16 | 2016-03-23 | 苏州市公安局虎丘分局 | 基于人脸识别的门禁控制方法 |
WO2016112630A1 (zh) * | 2015-01-12 | 2016-07-21 | 芋头科技(杭州)有限公司 | 一种影像识别系统及方法 |
CN106599802A (zh) * | 2016-11-24 | 2017-04-26 | 江苏旭云物联信息科技有限公司 | 一种基于云技术的智能楼道监控系统 |
CN107480839A (zh) * | 2017-10-13 | 2017-12-15 | 深圳市博安达信息技术股份有限公司 | 基于主成分分析和随机森林的高危污染源的分类预测方法 |
CN209281501U (zh) * | 2019-01-10 | 2019-08-20 | 珠海市鼎芯科技有限公司 | 一种人脸识别门口机 |
-
2019
- 2019-08-23 CN CN201910781660.0A patent/CN110675584B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203909870U (zh) * | 2014-05-12 | 2014-10-29 | 深圳市威富多媒体有限公司 | 一种基于语音及人脸识别的门禁道闸管理系统 |
WO2016112630A1 (zh) * | 2015-01-12 | 2016-07-21 | 芋头科技(杭州)有限公司 | 一种影像识别系统及方法 |
CN105427421A (zh) * | 2015-11-16 | 2016-03-23 | 苏州市公安局虎丘分局 | 基于人脸识别的门禁控制方法 |
CN106599802A (zh) * | 2016-11-24 | 2017-04-26 | 江苏旭云物联信息科技有限公司 | 一种基于云技术的智能楼道监控系统 |
CN107480839A (zh) * | 2017-10-13 | 2017-12-15 | 深圳市博安达信息技术股份有限公司 | 基于主成分分析和随机森林的高危污染源的分类预测方法 |
CN209281501U (zh) * | 2019-01-10 | 2019-08-20 | 珠海市鼎芯科技有限公司 | 一种人脸识别门口机 |
Non-Patent Citations (1)
Title |
---|
晶片键合质量的红外检测系统设计;周平等;《半导体技术》;20061130;第31卷(第11期);819-822、827 * |
Also Published As
Publication number | Publication date |
---|---|
CN110675584A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020078229A1 (zh) | 目标对象的识别方法和装置、存储介质、电子装置 | |
WO2018130016A1 (zh) | 一种基于监控视频的停车检测方法及装置 | |
KR101986609B1 (ko) | 차량 번호 인식 시스템을 사용한 출입 관리 시스템 및 방법 | |
CN103258191A (zh) | 基于人脸识别的小区门禁系统 | |
US20140369567A1 (en) | Authorized Access Using Image Capture and Recognition System | |
US20130163823A1 (en) | Image Capture and Recognition System Having Real-Time Secure Communication | |
CN111626188B (zh) | 一种室内不可控明火监测方法及系统 | |
CN109635620B (zh) | 自助服务终端(sst)面部认证处理 | |
CN109286788A (zh) | 一种基于云计算的安防监控系统 | |
CN116452379B (zh) | 一种基于大数据的智慧校园管理系统 | |
JP6621092B1 (ja) | 危険度判別プログラム及びシステム | |
CN114708555A (zh) | 基于数据处理的森林防火监控方法及电子设备 | |
CN103208144A (zh) | 基于人脸识别的宿管系统 | |
CN113989732A (zh) | 基于深度学习的实时监控方法、系统、设备和可读介质 | |
CN110675584B (zh) | 云端红外安防系统及方法 | |
CN111091047A (zh) | 活体检测方法、装置、服务器和人脸识别设备 | |
JP6739115B6 (ja) | 危険度判別プログラム及びシステム | |
US20220036114A1 (en) | Edge detection image capture and recognition system | |
JP6739119B1 (ja) | 危険度判別プログラム及びシステム | |
CN115719469A (zh) | 目标识别方法及装置、设备、存储介质 | |
CN113297976A (zh) | 一种基于深度学习的基站入侵检测方法和系统 | |
JP7309189B2 (ja) | 危険度判別プログラム及びシステム | |
CN112601054A (zh) | 摄像画面的采集方法及装置、存储介质、电子设备 | |
CN109685943A (zh) | 一种楼宇智能安防监控系统 | |
CN116343419B (zh) | 一种智能化视频监控报警管理系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210831 Address after: 518000 floors 3 and 4, No. 2, Huihao Industrial Park, No. 5 Industrial Zone, heshuikou community, Gongming office, Guangming New Area, Shenzhen, Guangdong Applicant after: Shenzhen Bao Ruiming Technology Co.,Ltd. Address before: 325000 No. 16, niusanjiao Road, Lucheng District, Wenzhou City, Zhejiang Province Applicant before: Lin Daokun |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |