CN110728212B - 一种基于计算机视觉的道路井盖监控装置及监控方法 - Google Patents

一种基于计算机视觉的道路井盖监控装置及监控方法 Download PDF

Info

Publication number
CN110728212B
CN110728212B CN201910912222.3A CN201910912222A CN110728212B CN 110728212 B CN110728212 B CN 110728212B CN 201910912222 A CN201910912222 A CN 201910912222A CN 110728212 B CN110728212 B CN 110728212B
Authority
CN
China
Prior art keywords
well lid
value
image
manhole cover
camera
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
CN201910912222.3A
Other languages
English (en)
Other versions
CN110728212A (zh
Inventor
李子龙
鲍蓉
朱卫东
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.)
Xuzhou University of Technology
Original Assignee
Xuzhou University of Technology
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 Xuzhou University of Technology filed Critical Xuzhou University of Technology
Priority to CN201910912222.3A priority Critical patent/CN110728212B/zh
Publication of CN110728212A publication Critical patent/CN110728212A/zh
Application granted granted Critical
Publication of CN110728212B publication Critical patent/CN110728212B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure

Abstract

一种基于计算机视觉的道路井盖监控装置，包括摄像机、通信电缆和上位计算机，摄像机设置在支架上，井盖位于摄像机监控范围内；通信电缆的一端与摄像机连接，另一端与上位计算机连接；基于计算机视觉的道路井盖监控方法，通过摄像机采集包含井盖的城市道路视频图像，利用井盖的先验颜色对视频图像进行灰度图像转换，将灰度图像二值化处理后得到井盖背景区域，根据井盖背景区域，确定当前视频图像帧中与其对应的相同的区域，得到井盖前景区域，通过计算井盖前景区域的直方图和井盖背景区域的直方图之间的距离从而对井盖的状态作出判断，该监控装置和方法能实时监测井盖状态，使相关人员对井盖异常状态能及时作出反应，提高城市井盖设施管理水平。

Description

一种基于计算机视觉的道路井盖监控装置及监控方法
技术领域
本发明涉及一种基于计算机视觉的道路井盖监控装置及监控方法，属于公用设施安防技术领域。
背景技术
随着城市化进程的加快，市政公用基础设施建设发展迅速。城市道路井盖作为市政建设的重要资产，对城市设施管理具有重要意义。目前，城市道路井盖的遗失或破损作为城市设施管理的一个顽疾，已在社会上引起广泛关注，为此各地区管理部门纷纷采取措施应对道路井盖管理难题。
当前城市道路上所使用的各种防盗式井盖，基本是从井盖的材料以及结构设计方面进行改造，或是在井盖上增加报警传感装置。这两种方式在一定程度上能检测到井盖遗失问题，但无法检测出井盖是否破损，而破损的井盖同样无法为井下设施提供保护，存在严重的设施管理隐患。
发明内容
针对上述现有技术存在的问题，本发明提供一种基于计算机视觉的道路井盖监控装置及监控方法，该监控装置和监控方法能够实时监测井盖是否处于遗失或破损的状态，使相关工作人员对于井盖的异常状态能够及时作出反应，有助于提高城市井盖设施的管理水平。
为了实现上述目的，本发明提供一种基于计算机视觉的道路井盖监控装置，包括摄像机、通信电缆和上位计算机，所述的摄像机安装在支架上，井盖位于摄像机监控范围内；通信电缆的一端与摄像机连接，另一端与上位计算机连接；
所述摄像机用于采集井盖的视频信息，通信电缆用于将摄像机采集到的视频数据信号传送至上位计算机，上位计算机对接收到的数据信号进行处理和分析，并在井盖处于异常状态时，进行报警提示。
一种基于计算机视觉的道路井盖监控方法，包括如下步骤：
(1)通过监控装置采集包含井盖的城市道路视频图像，并通过通信电缆线路传递给上位计算机进行相关算法的处理；
(2)利用井盖的先验颜色信息对步骤(1)中采集到的包含井盖的图像帧进行处理，将其转换成灰度图像；
(3)对得到的灰度图像进行二值化处理；
对于图像中某个位置上像素的灰度值，如果其值大于阈值A，则在二值图像上该位置像素的值置为255，否则值置为0；
(4)从步骤(3)中得到的二值化图像中，找到该二值化图像中区域的像素值都为255且面积最大的区域，若最大区域内像素的数量大于阈值B，则判定该最大区域就是井盖的位置，称之为井盖背景区域，否则表明所监控的范围内没有井盖；
(5)采集当前的视频图像帧，根据步骤(4)所得到的井盖背景区域确定当前视频图像帧中所对应的相同的区域，称之为井盖前景区域，并分别生成井盖前景区域的直方图Ho(s)和井盖背景区域的直方图Hb(s)，其中s∈[1,m]，m是直方图的级数；
(6)计算井盖前景区域直方图和井盖背区域直方图的距离：
Figure BDA0002215037320000021
若D(Ho,Hb)大于阈值C，则表明井盖已丢失或被移动；若D(Ho,Hb)小于阈值D，则表明井盖处于正常状态；若D(Ho,Hb)大于阈值D且小于阈值C，则表明井盖有破损或井盖上有覆盖物。
进一步地，所述的步骤(2)中，将包含井盖的图像帧转换成灰度图像的步骤为：
1)假设井盖的先验颜色值集合为Cs，计算图像中每个像素在圆形区域内的显著值，其计算公式为：
Figure BDA0002215037320000022
其中，r为圆形区域的半径，S(i)为图像中第i个位置像素在半径r范围内的显著值，Cr为以位置i为圆心而以r为半径的圆形区域内像素集合，wr(i,j)表示在半径r范围内的第j个位置的像素对第i个位置像素的作用值；
2)计算作用值wr(i,j)，其计算公式为：
wr(i,j)＝γ+λ(1-δij)，
其中，γ、λ均为常量值，δij的计算过程为：若第i个位置和第j个位置的像素颜色值都属于井盖的先验颜色值集合Cs，则δij＝0，否则δij＝1；
3)根据求得的S(i)的值，并对S(i)的值进行归一化，变换到0到255之间，进而得到由原始图像帧计算转换的灰度图像。
进一步地，所述步骤(2)中对井盖先验颜色的设置与井盖周围的颜色具有明显区别。
进一步地，所述步骤(1)到(4)中，通过监控装置采集多帧不受干扰且光线条件好的包含井盖的城市道路视频图像进行处理，并将每帧图像处理后获得的结果进行交集运算，交集运算得出的区域位置作为后续的井盖背景区域使用。
进一步地，所述步骤(5)和(6)中，连续采集多帧当前的视频图像进行判断，并以大多数图像帧判断的结果作为最终的井盖状态的判断结果。
本发明通过摄像机采集包含井盖的城市道路视频图像，并利用井盖的先验颜色对得到的视频图像进行灰度图像转换，将灰度图像二值化处理后得到井盖背景区域，根据该井盖背景区域，确定当前视频图像帧中与其对应的相同的区域，得到井盖前景区域，通过计算井盖前景区域的直方图和井盖背景区域的直方图之间的距离从而对井盖的状态作出判断，不仅能够进行井盖遗失状态的监测，而且实现了对井盖破损状态的监测，使相关工作人员对于井盖的异常状态能够及时作出反应，提高了城市井盖设施的管理水平，且该监控装置和监控方法操作简单、高效，可应用于城市道路井盖的状态的实时监测，对城市市政的数字化管理具有重要意义。
附图说明
图1是本发明的监控装置结构示意图；
图2是本发明的监控方法的流程示意图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示，一种基于计算机视觉的道路井盖监控装置，包括摄像机1、通信电缆2和上位计算机3，所述的摄像机安装在支架4上，井盖5位于摄像机监控范围内；通信电缆2的一端与摄像机1连接，另一端与上位计算机3连接；
所述摄像机1用于采集井盖信息，通信电缆2用于将摄像机采集到的视频数据信号传送至上位计算机3，上位计算机3对接收到的数据信号进行处理和分析，并在井盖5处于异常状态时，进行报警提示，该报警提示主要是通过上位机计算机3显示器屏幕给出相应的报警信息；
如图2所示，一种基于计算机视觉的道路井盖监控方法，包括如下步骤：
(1)通过监控装置采集包含井盖5的城市道路视频图像，并通过通信电缆2线路传递给上位计算机3进行相关算法的处理；
(2)利用井盖5的先验颜色信息对步骤(1)中采集到的包含井盖5的图像帧进行处理，将其转换成灰度图像；
(3)对得到的灰度图像进行二值化处理；
对于图像中某个位置上像素的灰度值，如果其值大于阈值A，则在二值图像上该位置像素的值置为255，否则值置为0；
(4)从步骤(3)中得到的二值化图像中，找到该二值化图像中区域的像素值都为255且面积最大的区域，若最大区域内像素的数量大于阈值B，则判定该最大区域就是井盖5的位置，称之为井盖背景区域，否则表明所监控的范围内没有井盖5；
(5)采集当前的视频图像帧，根据步骤(4)所得到的井盖背景区域确定当前视频图像帧中所对应的相同的区域，称之为井盖前景区域，并分别生成井盖前景区域的直方图Ho(s)和井盖背景区域的直方图Hb(s)，其中s∈[1,m]，m是直方图的级数；
(6)计算井盖前景区域直方图和井盖背区域直方图的距离：
Figure BDA0002215037320000051
若D(Ho,Hb)大于阈值C，则表明井盖5已丢失或被移动；若D(Ho,Hb)小于阈值D，则表明井盖5处于正常状态；若D(Ho,Hb)大于阈值D且小于阈值C，则表明井盖5有破损或井盖5上有覆盖物，其中，阈值C和阈值D的确定由井盖的先验颜色决定。
具体地，在步骤(2)中，将包含井盖5的图像帧转换成灰度图像的步骤为：
1)假设井盖的先验颜色值集合为Cs，计算图像中每个像素在圆形区域内的显著值，其计算公式为：
Figure BDA0002215037320000052
其中，r为圆形区域的半径，S(i)为图像中第i个位置像素在半径r范围内的显著值，Cr为以位置i为圆心而以r为半径的圆形区域内像素集合，wr(i,j)表示在半径r范围内的第j个位置的像素对第i个位置像素的作用值；
2)计算作用值wr(i,j)，其计算公式为：
wr(i,j)＝γ+λ(1-δij)，
其中，γ、λ均为常量值，δij的计算过程为：若第i个位置和第j个位置的像素颜色值都属于井盖的先验颜色值集合Cs，则δij＝0，否则δij＝1；
3)根据求得的S(i)的值，并对S(i)的值进行归一化，变换到0到255之间，进而得到由原始图像帧计算转换的灰度图像。
其中，半径r的值，由所用摄像机所拍摄图像的分辨率大小以及井盖5在图像中所占大小决定，γ和λ的值由井盖5的像素凸显设定值决定。
为了更好地利用井盖先验颜色将视频图像转换为灰度图像，在步骤(2)中对井盖先验颜色的设置与井盖5周围的颜色要具有明显区别，以增强井盖的颜色与周围环境颜色的区分度。
为了准确确定视频图像中的井盖5位置，在步骤(1)到(4)中，通过监控装置采集多帧不受干扰且光线条件好的包含井盖5的城市道路视频图像进行处理，并将每帧图像处理后获得的结果进行交集运算，交集运算得出的区域位置作为后续的井盖背景区域使用。
为了准确判断视频图像中井盖5状态，在步骤(5)和(6)中，连续采集多帧当前的视频图像进行判断，并以大多数图像帧判断的结果作为最终的井盖5状态的判断结果。
为了防止井盖的先验颜色有变化或摄像头的拍摄角度有移动，可以设置手动或自动的方式重新计算得到井盖背景区域；为了提高摄像机1的利用率，并节约成本，一个摄像机1可以同时监控多个井盖5的状态。
实施例：
为了有效对道路井盖进行检测，井盖区域面积不小于整幅图像分辨率的1/4，假设采集的图像分别率为800*600，井盖的分辨率为200*150。
假设井盖颜色全为蓝色，其RGB的值为(0,0,255)，则先验颜色值集合为Cs＝{(0,0,255)}。将视频图像帧转换为灰度图像时，在计算每个像素的显著值时，半径r取值应该不小于井盖分辨率的1/4，本次实例取值为38。且本次实例将γ、λ都取值为1，于是得到灰度图像，并对灰度图像中的像素值进行判断，判断过程中的阈值A设定为204，在判断井盖区域时，阈值B设定为24000，在判断井盖前景区域直方图和井盖背区域直方图的距离时，阈值C设定48000，阈值D设定为6000。
本发明通过摄像机采集包含井盖的城市道路视频图像，并利用井盖的先验颜色对得到的视频图像进行灰度图像转换，将灰度图像二值化处理后得到井盖背景区域，根据该井盖背景区域，确定当前视频图像帧中与其对应的相同的区域，得到井盖前景区域，通过计算井盖前景区域的直方图和井盖背景区域的直方图之间的距离从而对井盖的状态作出判断，不仅能够进行井盖遗失状态的监测，而且实现了对井盖破损状态的监测，使相关工作人员对于井盖的异常状态能够及时作出反应，提高了城市井盖设施的管理水平，且该监控装置和监控方法操作简单、高效，可应用于城市道路井盖的状态的实时监测，对城市市政的数字化管理具有重要意义。

Claims (5)

1.一种基于计算机视觉的道路井盖监控方法，该监控方法所使用的监控装置包括摄像机、通信电缆和上位计算机，所述的摄像机安装在支架上，井盖位于摄像机监控范围内；通信电缆的一端与摄像机连接，另一端与上位计算机连接；
所述摄像机用于采集井盖的视频信息，通信电缆用于将摄像机采集到的视频数据信号传送至上位计算机，上位计算机对接收到的数据信号进行处理和分析，并在井盖处于异常状态时，进行报警提示；
其特征在于，包括如下步骤：
(1)通过监控装置采集包含井盖的城市道路视频图像，并通过通信电缆线路传递给上位计算机进行相关算法的处理；
(2)利用井盖的先验颜色信息对步骤(1)中采集到的包含井盖的图像帧进行处理，将其转换成灰度图像；
(3)对得到的灰度图像进行二值化处理；
对于图像中某个位置上像素的灰度值，如果其值大于阈值A，则在二值图像上该位置上像素的值置为255，否则值置为0；
(4)从步骤(3)中得到的二值化图像中，找到该二值化图像中区域的像素值都为255且面积最大的区域，若最大区域内像素的数量大于阈值B，则判定该最大区域就是井盖的位置，称之为井盖背景区域，否则表明所监控的范围内没有井盖；
(5)采集当前的视频图像帧，根据步骤(4)所得到的井盖背景区域确定当前视频图像帧中所对应的相同的区域，称之为井盖前景区域，并分别构造井盖前景区域的直方图Ho((s)和井盖背景区域的直方图Hb((s)，其中s∈[1,m]，m是直方图的级数；
(6)计算井盖前景区域直方图和井盖背景区域直方图的距离：
Figure FDA0004139057280000021
若D(Ho,Hb)大于阈值C，则表明井盖已丢失或被移动；若D(Ho,Hb)小于阈值D，则表明井盖处于正常状态；若D(Ho,Hb)大于阈值D且小于阈值C，则表明井盖有破损或井盖上有覆盖物。
2.根据权利要求1所述的一种基于计算机视觉的道路井盖监控方法，其特征在于，所述的步骤(2)中，将包含井盖的图像帧转换成灰度图像的步骤为：
1)假设井盖的先验颜色值集合为Cs，计算图像中每个像素在圆形区域内的显著值，其计算公式为：
Figure FDA0004139057280000022
其中，r为圆形区域的半径，S(i)为图像中第i个位置像素在半径r范围内的显著值，Cr为以位置i为圆心而以r为半径的圆形区域内像素集合，wr(i,j)表示在半径r范围内的第j个位置的像素对第i个位置像素的作用值；
2)计算作用值wr(i,j)，其计算公式为：
wr(i,j)＝γ+λ(1-δij)，
其中，γ、λ均为常量值，δij的计算过程为：若第i个位置和第j个位置的像素颜色值都属于井盖的先验颜色值集合Cs，则δij＝0，否则δij＝1；
3)根据求得的S(i)的值，并对S(i)的值进行归一化，变换到0到255之间，进而得到由原始图像帧计算转换的灰度图像。
3.根据权利要求1或2所述的一种基于计算机视觉的道路井盖监控方法，其特征在于，所述步骤(2)中对井盖先验颜色的设置与井盖周围的颜色具有明显区别。
4.根据权利要求3所述的一种基于计算机视觉的道路井盖监控方法，其特征在于，所述步骤(1)到(4)中，通过监控装置采集多帧不受干扰且光线条件好的包含井盖的城市道路视频图像进行处理，并将每帧图像处理后获得的结果进行交集运算，交集运算得出的区域位置作为后续的井盖背景区域使用。
5.根据权利要求4所述的一种基于计算机视觉的道路井盖监控方法，其特征在于，所述步骤(5)和(6)中，连续采集多帧当前的视频图像进行判断，并以大多数图像帧判断的结果作为最终的井盖状态的判断结果。
CN201910912222.3A 2019-09-25 2019-09-25 一种基于计算机视觉的道路井盖监控装置及监控方法 Active CN110728212B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910912222.3A CN110728212B (zh) 2019-09-25 2019-09-25 一种基于计算机视觉的道路井盖监控装置及监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910912222.3A CN110728212B (zh) 2019-09-25 2019-09-25 一种基于计算机视觉的道路井盖监控装置及监控方法

Publications (2)

Publication Number Publication Date
CN110728212A CN110728212A (zh) 2020-01-24
CN110728212B true CN110728212B (zh) 2023-06-30

Family

ID=69219433

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910912222.3A Active CN110728212B (zh) 2019-09-25 2019-09-25 一种基于计算机视觉的道路井盖监控装置及监控方法

Country Status (1)

Country Link
CN (1) CN110728212B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113935357A (zh) * 2020-06-29 2022-01-14 罗伯特·博世有限公司 路边单元及其方法、计算机存储介质以及车联网系统
CN111767852A (zh) * 2020-06-29 2020-10-13 深圳联和智慧科技有限公司 一种基于智慧灯杆的城市道路井盖监管系统及方法
CN112668478B (zh) * 2020-12-29 2023-05-26 河南橡树智能科技有限公司 一种井盖监控方法、装置、电子设备和存储介质

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4380838B2 (ja) * 1999-04-08 2009-12-09 アジア航測株式会社 ビデオ画像の道路標識自動認識方法及び道路標識自動認識装置並びに道路標識自動認識プログラム
CN103310211B (zh) * 2013-04-26 2016-04-06 四川大学 一种基于图像处理的填注标记识别方法
JP2015191572A (ja) * 2014-03-28 2015-11-02 株式会社パスコ マンホール検出装置、マンホール検出方法及びプログラム
CN105894504B (zh) * 2016-03-30 2018-12-07 上海海事大学 基于图像的井盖缺失检测方法
CN106226834B (zh) * 2016-07-14 2019-04-23 昆山市交通工程试验检测中心有限公司 一种车载式路面井盖缺失检测方法
CN109636777A (zh) * 2018-11-20 2019-04-16 广州方纬智慧大脑研究开发有限公司 一种交通信号灯的故障检测方法、系统及存储介质
CN109978890B (zh) * 2019-02-25 2023-07-07 平安科技（深圳）有限公司 基于图像处理的目标提取方法、装置及终端设备

Also Published As

Publication number Publication date
CN110728212A (zh) 2020-01-24

Similar Documents

Publication Publication Date Title
CN110728212B (zh) 一种基于计算机视觉的道路井盖监控装置及监控方法
CN102348128B (zh) 具有摄像机异常检测装置的监视用摄像机系统
CN113887412B (zh) 污染排放的检测方法、检测终端、监控系统及存储介质
CN110458157B (zh) 一种电力电缆生产过程智能监控系统
CN104966304A (zh) 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法
CN101739549B (zh) 人脸检测方法及系统
CN110826429A (zh) 一种基于景区视频的旅游突发事件自动监测的方法及系统
CN110493574B (zh) 基于流媒体和ai技术的安监可视化系统
CN115065798B (zh) 一种基于大数据的视频分析监控系统
CN110096945B (zh) 基于机器学习的室内监控视频关键帧实时提取方法
CN117274722B (zh) 基于红外图像的配电箱智能检测方法
CN109460705A (zh) 基于机器视觉的输油管道监控方法
CN114241370A (zh) 基于数字孪生变电站的入侵识别方法、装置和计算机设备
CN115311623A (zh) 一种基于红外热成像的设备漏油检测方法及系统
CN1845607A (zh) 基于视频监控与图像识别的电力变压器风机状态识别方法
CN111680610A (zh) 一种施工场景异常监测方法和装置
CN111507300B (zh) 一种保护区内打桩、钻探行为的快速识别方法
CN108830834B (zh) 一种爬索机器人视频缺陷信息自动提取方法
CN107895365B (zh) 一种输电通道外破防护的图像匹配方法及监测系统
CN111145219B (zh) 一种基于Codebook原理的高效视频移动目标检测方法
CN115761644A (zh) 基于深度学习和帧差法的输电导线异物检测方法
US8433139B2 (en) Image processing apparatus, image processing method and program for segmentation based on a degree of dispersion of pixels with a same characteristic quality
CN115619801A (zh) 一种基于深度学习的监控视频图像遮挡检测方法
CN112241707A (zh) 一种风电场智能视频识别装置
CN107918941B (zh) 一种用于输电通道外破防护的可视化监测系统及方法

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
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20200124

Assignee: XUZHOU LANHU INFORMATION TECHNOLOGY Co.,Ltd.

Assignor: XUZHOU University OF TECHNOLOGY

Contract record no.: X2023320000179

Denomination of invention: A Road Well Cover Monitoring Device and Monitoring Method Based on Computer Vision

Granted publication date: 20230630

License type: Common License

Record date: 20230731