CN110765874B - 基于无人机的监控方法及相关产品 - Google Patents
基于无人机的监控方法及相关产品 Download PDFInfo
- Publication number
- CN110765874B CN110765874B CN201910892397.2A CN201910892397A CN110765874B CN 110765874 B CN110765874 B CN 110765874B CN 201910892397 A CN201910892397 A CN 201910892397A CN 110765874 B CN110765874 B CN 110765874B
- Authority
- CN
- China
- Prior art keywords
- target
- shooting
- image
- images
- unmanned aerial
- 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
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种基于无人机的监控方法及相关产品,应用于无人机,其中方法包括:通过所述无人机获取目标区域的目标群体的目标视频片段;对所述目标视频片段进行解析,得到多帧视频图像;对所述多帧视频图像进行图像分割,得到P个目标图像,所述P为大于1的整数;对所述P个目标图像进行去重操作,得到Q个目标图像,所述Q为小于或等于所述P的正整数;依据所述Q个目标图像对所述目标群体进行统计处理。采用本申请实施例可以实现对一个群体进行统计处理,提升统计效率。
Description
技术领域
本申请涉及图像识别技术领域,具体涉及一种基于无人机的监控方法及相关产品。
背景技术
人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体是指能够识别或验证图像或视频中的主体的身份的技术。首个人脸识别算法诞生于七十年代初。自那以后,它们的准确度已经大幅提升。人脸识别的潜在应用范围更广,因为它也可被部署在用户不期望与系统合作的环境中,比如监控系统中。人脸识别的其它常见应用还包括访问控制、欺诈检测、身份认证和社交媒体。
实际应用中,尤其是团队活动,往往涉及到团队管理,例如,考勤或者监控,但是,需要一一报数,或者,队员一一核实,这种管理效率太低。
发明内容
本申请实施例提供了一种基于无人机的监控方法及相关产品,能够提升管理效率。
第一方面,本申请实施例提供一种基于无人机的监控方法,
应用于无人机,所述方法包括:
通过所述无人机获取目标区域的目标群体的目标视频片段;
对所述目标视频片段进行解析,得到多帧视频图像;
对所述多帧视频图像进行目标分割,得到P个目标图像,所述P为大于1的整数;
对所述P个目标图像进行去重操作,得到Q个目标图像,所述Q为小于或等于所述P的正整数;
依据所述Q个目标图像对所述目标群体进行统计处理。
第二方面,本申请实施例提供了一种基于无人机的监控装置,应用于无人机,所述装置包括:
获取单元,用于通过所述无人机获取目标区域的目标群体的目标视频片段;
解析单元,用于对所述目标视频片段进行解析,得到多帧视频图像;
分割单元,用于对所述多帧视频图像进行目标分割,得到P个目标图像,所述P为大于1的整数;
去重单元,用于对所述P个目标图像进行去重操作,得到Q个目标图像,所述Q为小于或等于所述P的正整数;
统计单元,用于依据所述Q个目标图像对所述目标群体进行统计处理。
第三方面,本申请实施例提供一种电子设备,包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行本申请实施例第一方面中的步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
第五方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例,具备如下有益效果:
可以看出,本申请实施例中所描述的基于无人机的监控方法及相关产品,通过无人机获取目标区域的目标群体的目标视频片段,对目标视频片段进行解析,得到多帧视频图像,对多帧视频图像进行目标分割,得到P个目标图像,P为大于1的整数,对P个目标图像进行去重操作,得到Q个目标图像,Q为小于或等于P的正整数,依据Q个目标图像对目标群体进行统计处理,如此,可以通过无人机实现统计,有助于提升了群体统计效率。
附图说明
为了更清楚地说明本申请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申请的一些实施例,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1A是本申请实施例提供的一种基于无人机的监控方法的流程示意图;
图1B是本申请实施例提供的一种无人机的结构示意图;
图2是本申请实施例提供的另一种基于无人机的监控方法的流程示意图;
图3是本申请实施例提供的一种电子设备的结构示意图;
图4A是本申请实施例提供的一种基于无人机的监控装置的功能单元组成框图;
图4B是本申请实施例提供的另一种基于无人机的监控装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备(智能手表、智能手环、无线耳机、增强现实/虚拟现实设备、智能眼镜)、服务器、计算设备或连接到无线调制解调器的其他处理设备,以及各种形式的用户设备(user equipment,UE),移动台(mobile station,MS),终端设备(terminal device)等等。为方便描述,上面提到的设备统称为电子设备。
下面对本申请实施例进行详细介绍。
请参阅图1A,图1A是本申请实施例提供的一种基于无人机的监控方法的流程示意图,应用于无人机,如图所示,本基于无人机的监控方法包括:
101、通过所述无人机获取目标区域的目标群体的目标视频片段。
其中,目标群体中可以包括多个目标,该目标可以为以下至少一种:人、羊、马、其他动物、植物等等,在此不做限定。目标区域可以由用户自行设置或者用户指定,例如,足球场,或者,在预览图像中,用户圈定的一个区域。目标群体可以由用户自行设置或者系统默认。具体实现中,无人机可以获取目标区域的方位,对该目标区域内的目标群体进行拍摄,得到目标视频片段。具体实现中,上述目标群体还可以为旅游团、集体活动人员(如学校广播体操、飞机上清点人数)等等。本申请实施例中,无人机可以如图1B所示,该无人机可以包括摄像头,通过摄像头可以完成视频拍摄过程,该摄像头可以为红外摄像头、可见光摄像头,或者,双摄像头,在此不做限定。
举例说明下,具体实现中,无人机可以与电子设备进行连接,电子设备可以接收无人机拍摄的视频影像,例如,电子设备可以向无人机发送考勤指令,无人机在接收到考勤指令之后,执行上述步骤101。无人机与电子设备可以通过至少一种通信方式进行通信连接:蓝牙通信方式、红外通信方式、Ad hoc通信方式、移动网络通信方式(如:2G、3G、4G、5G)、无线保真(Wireless Fidelity,Wi-Fi)等等,在此不做限定。
具体实现中,本申请实施例中,无人机上可以搭载相机,该相机可以为外置相机,或者相机属于无人机的一部分,通过该相机可以拍摄实时画面视频流,通过无线电波发射到地面接受端,地面基站(如手机)接收无人机传输的视频流,实时显示视频画面并做存储;无人机和地面基站接入同一网段环境,基站登录无人机的web配置界面,并接收基站的视频流作人脸检测,基于人脸的特征值属性,将人脸检测出来并做存储。通过接入局域网或4G网络,通过互联网传输至人脸动态布控平台,做后续人脸布控、轨迹分析等应用;同时支持本地离线条件下的人脸布控。
当然,本申请实施例中,无人机也可以实现边缘离线布控,该方式可以应用于大型活动广场、大型活动场馆入口等人流密集的临时性活动,如:解决10万级底库以内的布控,通过调节无人机的飞行高度、镜头焦距、拍摄角度,拍摄活动现场画面,定位人脸坐标、检测人脸属性、提取人脸特征值、将特征值属性与黑名单底库信息进行1:N比对,快速锁定目标人员,实现相应管制措施,保障活动现场秩序和安全。另外,无人机在有网络连接的情况下也可以通过网络传输平台布控,例如,可以满足30万级的黑名单布控和目标人物的轨迹分析,将检测出的人脸图通过4G或互联网传输至平台,将抓拍的人脸信息存储,与平台的动态库进行智能比对,将同一目标人物的所有轨迹进行罗列、标注,最终锁定目标人物的动向。
在一个可能的示例中,在所述目标群体为人群时,上述步骤101,通过所述无人机获取目标区域的目标视频片段,可以包括如下步骤:
11、定位所述目标区域,并确定所述目标区域对应的多个拍摄点,每一拍摄点用于聚焦拍摄所述目标群体中的部分人员;
12、控制所述无人机分别飞到所述多个拍摄点,并针对所述多个拍摄点中任一拍摄点,控制所述无人机的摄像头进行全方位拍摄,得到所述目标视频片段。
其中,无人机可以定位目标区域,例如,在预览图像中可以标记出目标区域的位置,例如,可以将目标区域划分为多个独立区域,每一独立区域对应一个拍摄点,每一拍摄点用于拍摄目标群体中的一部分人员,如:矩形区域,将其划分为四个独立区域,每一独立区域面积相同,每一独立区域对应一个拍摄点,进而,可以控制无人机的摄像头进行全方位拍摄,如:摄像头可以360度进行旋转,对每个拍摄点完成拍摄之后,得到目标视频片段,每一个拍摄点可以对应一个目标子视频片段。
进一步地,在一个可能的示例中,上述步骤11,针对所述多个拍摄点中任一拍摄点,控制所述无人机的摄像头进行全方位拍摄,可以包括如下步骤:
111、确定在所述拍摄点i的目标飞行参数,所述拍摄点i为所述多个拍摄点中的任一拍摄点;
112、获取目标环境参数;
113、按照预设的环境参数与拍摄参数之间的映射关系,确定所述目标环境参数对应的第一拍摄参数;
114、按照预设的飞行参数与调整系数之间的映射关系,确定所述目标飞行参数对应的目标调整系数;
115、依据所述目标调整系数对所述第一拍摄参数进行调整,得到第二拍摄参数;
116、依据所述第二拍摄参数在所述拍摄点i进行全方位拍摄。
其中,本申请实施例中,环境参数可以为以下至少一种:环境亮度、天气(如:暴雨、雾天、晴天、下雪天等等)、磁场干扰强度、光源数量、地理位置等等,在此不做限定,拍摄参数可以为以下至少一种:曝光时长、感光度、白平衡参数、曝光补偿参数、去雾参数等等,在此不做限定。飞行参数可以包括以下至少一种:飞行高度、飞行速度、风速、风行阻力等等,在此不做限定。具体实现中,以拍摄点i为例,拍摄点i为多个拍摄点中的任一拍摄点,无人机可以获取目标拍摄参数,无人机中还可以预先存储预设的环境参数与拍摄参数之间的映射关系,进而,可以依据该映射关系确定目标环境参数对应的第一拍摄参数,电子设备中还可以预先存储预设的飞行参数与调整系数之间的映射关系,进而,依据目标飞行参数对应的目标调整系数,可以依据目标调整系数对第一拍摄参数,得到第二拍摄参数,具体地,第二拍摄参数=第一拍摄参数*目标调整系数,或者第二拍摄参数=第一拍摄参数-目标调整系数,在此不做限定,最后可以依据第二拍摄参数在拍摄点i进行全方位拍摄。
102、对所述目标视频片段进行解析,得到多帧视频图像。
其中,由于目标视频片段由一帧帧图像构成,因此,无人机可以对目标视频片段进行解析,得到多帧视频图像。
103、对所述多帧视频图像进行图像分割,得到P个目标图像,所述P为大于1的整数。
具体实现中,在目标群体为人时,无人机可以对多帧视频图像进行人脸分割,得到P个人脸图像,由于每一帧视频画像中可能存在多个人脸,因此,P个人脸图像中存在重复人脸,P为大于1的整数。
在一个可能的示例中,在所述P个目标图像为P个目标人脸图像时,上述步骤103,对所述多帧视频图像进行图像分割,得到P个目标图像,可以包括如下步骤:
31、对所述目标视频图像进行图像分割,得到人脸区域图像,所述目标视频图像为所述多帧视频图像中的任一帧视频图像;
32、对所述人脸区域图像进行特征点分析;
33、将所述人脸区域图像划分为多个区域,每一区域的面积相等;
34、确定所述多个区域中每一区域的特征点分布密度,得到多个特征点分布密度值;
35、从所述多个特征点分布密度值中选取小于预设特征点分布密度值的特征点分布密度值,得到至少一个特征点分布密度值;
36、按照预设的特征点分布密度值与图像增强参数之间的映射关系确定所述至少一个特征点分布密度值对应的至少一个目标图像增强参数,每一特征点分布密度值对应一个目标图像增强参数;
37、依据所述至少一个目标图像增强参数对所述至少一个特征点分布密度值对应的区域进行图像增强处理,得到图像增强处理后的人脸图像。
具体实现中,预设特征点分布密度值可以由用户自行设置或者系统默认。以目标视频图像为例,该目标视频图像为多帧视频图像中的任一帧视频图像,电子设备可以对目标人脸图像进行图像分割,得到人脸区域图像,即仅包括人脸的图像,再对人脸区域图像进行特征点分析,将人脸区域图像划分为多个区域,每一区域的面积可相等,进一步地,可以确定多个区域中每一区域的特征点分布密度,得到多个特征点分布密度,从该多个特征点分布密度值中选取小于预设特征点分布密度值的特征点分布密度值,得到至少一个特征点分布密度值,电子设备中可以预先存储预设的特征点分布密度值与图像增强参数之间的映射关系,图像增强参数可以包括图像增强算法标识以及对应的控制参数,图像增强算法可以为以下至少一种:灰度拉伸、直方图均衡化、平滑处理、小波变换等等,在此不做限定,进而,可以依据该映射关系确定至少一个特征点分布密度值对应的至少一个目标图像增强参数,每一特征点分布密度值对应一个目标图像增强参数,依据至少一个目标图像增强参数对至少一个特征点分布密度值对应的区域进行图像增强处理,得到图像增强处理后的目标人脸图像,再将图像增强处理后的目标人脸图像应用于步骤104,如此,可以针对性地对人脸图像进行图像增强处理,有助于提升基于无人机的监控精度。
104、对所述P个目标图像进行去重操作,得到Q个目标图像,所述Q为小于或等于所述P的正整数。
具体实现中,在目标图像为人脸图像时,无人机可以将P个人脸图像进行两两匹配,若存在两个人脸图像之间的相似度值大于预设相似度值,则删除该两个人脸图像中图像质量差的一张人脸图像,上述预设相似度值可以由用户自行设置或者系统默认,进而,对P个人脸图像进行去重操作之后,可以得到Q个人脸图像,Q为小于或等于P的正整数。
105、依据所述Q个目标图像对所述目标群体进行统计处理。
其中,具体地,在统计处理之后,可以得到统计结果,例如,统计结果可以为:谁缺席,谁出勤,应到人数,未到人数等等,在此不做限定。具体实现中,在Q个目标图像为Q个人脸图像时,无人机可以将该Q个人脸图像对应的人数作为出勤人数,或者,可以将Q个人脸图像与目标群体对应的图像库进行匹配,以识别出具体出勤人员和缺勤人员,还可以展示统计处理的结果,例如,张三缺勤。如此,不仅可以实现精准考勤,还可以识别出伪装人员,还可以展示考勤结果,当然,无人机还可以包括投影装置,通过该投影装置展示考勤结果。进一步地,还可以记录每一人脸图像对应的位置,相应的成员个人信息,如此,实现对目标群体内的每一成员进行精准定位。
在一个可能的示例中,本申请实施例,可以应用如以下至少场景:例如,大型活动现场的可疑人员监控(例如演唱会、球赛中的嫌疑人抓捕)、或者深山野外的人员搜救,无人机还用于放牧(比如牛羊走出规定区域的,以防牛羊逃跑或者被抓)等等,在此不做限定。
进一步地,在所述Q个目标图像为Q个人脸图像时,在上述步骤104,对所述P个目标图像进行去重操作,得到Q个目标图像之后,还可以包括如下步骤:
将所述Q个人脸图像输入到预设图像库中进行搜索,得到所述Q个人脸图像中与所述预设图像库中的任一人脸图像匹配成功的目标人脸图像,对所述目标人脸图像对应的目标进行目标跟踪。
具体实现中,上述预设图像库中可以预先保存目标群体中每一成员的人脸图像,该预设图像库可以为公安系统的人脸图像库,或者,待搜救人员的人脸图像库等等,在此不做限定。无人机可以获取目标群体对应的预设图像库,进而,可以依据该Q个人脸图像在预设图像库中进行搜索,得到Q个人脸图像中与预设图像库中的任一人脸图像匹配成功的目标人脸图像,进而,可以对目标人脸图像对应的目标进行目标跟踪.
进一步地,可以对该目标进行行为分析,得到目标行为,在该目标行为为预设行为时,则可以将该目标确定为危险人物,预设行为可以是危险动作行为,例如手持刀、枪、棍棒等,或者,还可以确定目标人脸图像对应的目标的危险等级,在该危险等级高于预设等级时,则可以进行告警,该预设行为、预设等级可以由用户自行设置或者系统默认。如此,可以实现对犯罪嫌疑人进行跟踪,或者,进行人员搜索等等。
在一个可能的示例中,在所述Q个目标图像为Q个人脸图像时,上述步骤105,依据所述Q个目标图像对所述目标群体进行统计处理,可以包括如下步骤:
51、获取所述目标群体对应的预设图像库,所述预设图像库中包括所述目标群体中每一成员对应的人脸图像;
52、依据所述Q个人脸图像在所述预设图像库中进行搜索,得到M个人脸图像,所述M个人脸图像中每一人脸图像与所述Q个人脸图像中一个人脸图像匹配成功,所述M为小于或等于所述Q的正整数;
53、将所述M个人脸图像对应的人数作为出勤人数;
54、将所述预设图像库中除了所述M个人脸图像之外的人脸图像对应的成员作为缺勤人员。
其中,上述预设图像库中可以预先保存目标群体中每一成员的人脸图像,具体实现中,无人机可以获取目标群体对应的预设图像库,进而,可以依据该Q个人脸图像在预设图像库中进行搜索,得到M个人脸图像,M个人脸图像中每一人脸图像与Q个人脸图像中一个人脸图像匹配成功,M为小于或等于Q的正整数,进而,可以将M个人脸图像对应的人数作为出勤人数,并且可以将预设图像库中除了该M个人脸图像之外的人脸图像对应的成员作为缺勤人员,当然,还可以将Q个人脸图像中被匹配失败对应的人脸图像作为伪装人员,即混入目标群体的人员,如此,不仅能够提高考勤效率,还可以防止其他外来人员混入群体。
在一个可能的示例中,上述步骤101之前,还可以包括如下步骤:
A1、接收与所述无人机连接的电子设备的考勤指令,所述考勤指令携带目标身份信息;
A2、对所述目标身份信息进行验证;
A3、在所述目标身份信息被验证成功时,获取所述目标身份信息对应的目标身份等级;
A4、在所述目标身份等级高于预设身份等级时,执行所述通过所述无人机获取目标区域的目标群体的目标视频片段的步骤。
其中,预设身份等级可以由用户自行设置或者系统默认。上述目标身份信息可以为以下至少一种:人脸图像、指纹图像、虹膜图像、声纹信息、字符串、滑动轨迹、图案等等,在此不做限定。具体实现中,电子设备可以接收与无人机连接的电子设备的考勤指令,该考勤指令可以携带目标身份信息,进而,可以对该目标身份信息进行验证,在该目标身份信息被验证成功时,可以获取该目标身份信息对应的目标身份信息,在该目标身份等级大于预设身份等级,则可以响应该考勤指令,执行步骤101,否则,则可以向电子设备发送身份识别失败的提示信息。
在一个可能的示例中,还可以包括如下步骤:
在检测到目标对象离开预设区域时,则向距离所述目标对象最近的管理人员发送告警信息,该告警信息用于提示所述目标对象的位置,所述目标对象为所述目标群体中的任一对象。
其中,目标对象可以为人或者其他动物,目标对象为目标群体中的任一对象,预设区域可以由用户自行设置或者系统默认,具体实现中,无人机在检测到目标对象离开预设区域时,可以向距离目标对象最近的管理人员发送告警信息,例如,羊群中的某只羊离开某个区域,或者监狱的犯人离开监狱,则可以发送告警信息,该告警信息用于提示所述目标对象的位置,这样有助于提升对群体监控效率,例如,防止羊群丢失,又例如,防止犯人越狱,还可以是演唱会关注罪犯的动向。
可以看出,本申请实施例中所描述的基于无人机的监控方法,通过无人机获取目标区域的目标群体的目标视频片段,对目标视频片段进行解析,得到多帧视频图像,对多帧视频图像进行图像分割,得到P个目标图像,P为大于1的整数,对P个目标图像进行去重操作,得到Q个目标图像,Q为小于或等于P的正整数,依据Q个目标图像对目标群体进行统计处理,如此,可以通过无人机实现统计,有助于提升了群体统计效率。
与上述图1A所示的实施例一致地,请参阅图2,图2是本申请实施例提供的一种基于无人机的监控方法的流程示意图,应用于无人机,如图所示,本基于无人机的监控方法包括:
201、接收与所述无人机连接的电子设备的考勤指令,所述考勤指令携带目标身份信息。
202、对所述目标身份信息进行验证。
203、在所述目标身份信息被验证成功时,获取所述目标身份信息对应的目标身份等级。
204、在所述目标身份等级高于预设身份等级时,通过所述无人机获取目标区域的目标群体的目标视频片段。
205、对所述目标视频片段进行解析,得到多帧视频图像。
206、对所述多帧视频图像进行图像分割,得到P个目标图像,所述P为大于1的整数。
207、对所述P个目标图像进行去重操作,得到Q个目标图像,所述Q为小于或等于所述P的正整数。
208、依据所述Q个目标图像对所述目标群体进行统计处理。
其中,上述步骤201-步骤208的具体描述可以参照上述图1A所描述的基于无人机的监控方法的相应步骤,在此不再赘述。
可以看出,本申请实施例中所描述的基于无人机的监控方法,通过无人机获取目标区域的目标群体的目标视频片段,对目标视频片段进行解析,得到多帧视频图像,对多帧视频图像进行图像分割,得到P个目标图像,P为大于1的整数,对P个目标图像进行去重操作,得到Q个目标图像,Q为小于或等于P的正整数,依据Q个目标图像对目标群体进行统计处理,如此,可以通过无人机实现统计,有助于提升了群体统计效率。
与上述实施例一致地,请参阅图3,图3是本申请实施例提供的一种无人机的结构示意图,如图所示,该无人机包括处理器、存储器、通信接口以及一个或多个程序,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,本申请实施例中,上述程序包括用于执行以下步骤的指令:
通过所述无人机获取目标区域的目标群体的目标视频片段;
对所述目标视频片段进行解析,得到多帧视频图像;
对所述多帧视频图像进行图像分割,得到P个目标图像,所述P为大于1的整数;
对所述P个目标图像进行去重操作,得到Q个目标图像,所述Q为小于或等于所述P的正整数;
依据所述Q个目标图像对所述目标群体进行统计处理。
可以看出,本申请实施例中所描述的无人机,通过无人机获取目标区域的目标群体的目标视频片段,对目标视频片段进行解析,得到多帧视频图像,对多帧视频图像进行图像分割,得到P个目标图像,P为大于1的整数,对P个目标图像进行去重操作,得到Q个目标图像,Q为小于或等于P的正整数,依据Q个目标图像对目标群体进行统计处理,如此,可以通过无人机实现统计,有助于提升了群体统计效率。
在一个可能的示例中,在所述目标群体为人群时,在所述通过所述无人机获取目标区域的目标视频片段方面,上述程序包括用于执行以下步骤的指令:
定位所述目标区域,并确定所述目标区域对应的多个拍摄点,每一拍摄点用于聚焦拍摄所述目标群体中的部分人员;
控制所述无人机分别飞到所述多个拍摄点,并针对所述多个拍摄点中任一拍摄点,控制所述无人机的摄像头进行全方位拍摄,得到所述目标视频片段。
在一个可能的示例中,在所述针对所述多个拍摄点中任一拍摄点,控制所述无人机的摄像头进行全方位拍摄方面,上述程序包括用于执行以下步骤的指令:
确定在所述拍摄点i的目标飞行参数,所述拍摄点i为所述多个拍摄点中的任一拍摄点;
获取目标环境参数;
按照预设的环境参数与拍摄参数之间的映射关系,确定所述目标环境参数对应的第一拍摄参数;
按照预设的飞行参数与调整系数之间的映射关系,确定所述目标飞行参数对应的目标调整系数;
依据所述目标调整系数对所述第一拍摄参数进行调整,得到第二拍摄参数;
依据所述第二拍摄参数在所述拍摄点i进行全方位拍摄。
在一个可能的示例中,在所述Q个目标图像为Q个人脸图像时,在所述依据所述Q个目标图像对所述目标群体进行统计处理方面,上述程序包括用于执行以下步骤的指令:
获取所述目标群体对应的预设图像库,所述预设图像库中包括所述目标群体中每一成员对应的人脸图像;
依据所述Q个人脸图像在所述预设图像库中进行搜索,得到M个人脸图像,所述M个人脸图像中每一人脸图像与所述Q个人脸图像中一个人脸图像匹配成功,所述M为小于或等于所述Q的正整数;
将所述M个人脸图像对应的人数作为出勤人数;
将所述预设图像库中除了所述M个人脸图像之外的人脸图像对应的成员作为缺勤人员。
在一个可能的示例中,上述程序还包括用于执行以下步骤的指令:
接收与所述无人机连接的电子设备的考勤指令,所述考勤指令携带目标身份信息;
对所述目标身份信息进行验证;
在所述目标身份信息被验证成功时,获取所述目标身份信息对应的目标身份等级;
在所述目标身份等级高于预设身份等级时,执行所述通过所述无人机获取目标区域的目标群体的目标视频片段的步骤。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是,无人机为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所提供的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用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申请的范围。
本申请实施例可以根据上述方法示例对无人机进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。需要说明的是,本申请实施例中对单元的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
图4A是本申请实施例中所涉及的基于无人机的监控装置400的功能单元组成框图。该基于无人机的监控装置400,应用于无人机,所述装置400包括:获取单元401、解析单元402、分割单元403、去重单元404和统计单元405,其中,
获取单元401,用于通过所述无人机获取目标区域的目标群体的目标视频片段;
解析单元402,用于对所述目标视频片段进行解析,得到多帧视频图像;
分割单元403,用于对所述多帧视频图像进行图像分割,得到P个目标图像,所述P为大于1的整数;
去重单元404,用于对所述P个目标图像进行去重操作,得到Q个目标图像,所述Q为小于或等于所述P的正整数;
统计单元405,用于依据所述Q个目标图像对所述目标群体进行统计处理。
可以看出,本申请实施例中所描述的基于无人机的监控装置,通过无人机获取目标区域的目标群体的目标视频片段,对目标视频片段进行解析,得到多帧视频图像,对多帧视频图像进行图像分割,得到P个目标图像,P为大于1的整数,对P个目标图像进行去重操作,得到Q个目标图像,Q为小于或等于P的正整数,依据Q个目标图像对目标群体进行统计处理,如此,可以通过无人机实现统计,有助于提升了群体统计效率。
在一个可能的示例中,在所述目标群体为人群时,在所述通过所述无人机获取目标区域的目标视频片段方面,所述获取单元401具体用于:
定位所述目标区域,并确定所述目标区域对应的多个拍摄点,每一拍摄点用于聚焦拍摄所述目标群体中的部分人员;
控制所述无人机分别飞到所述多个拍摄点,并针对所述多个拍摄点中任一拍摄点,控制所述无人机的摄像头进行全方位拍摄,得到所述目标视频片段。
在一个可能的示例中,在所述针对所述多个拍摄点中任一拍摄点,控制所述无人机的摄像头进行全方位拍摄方面,所述获取单元401具体用于:
确定在所述拍摄点i的目标飞行参数,所述拍摄点i为所述多个拍摄点中的任一拍摄点;
获取目标环境参数;
按照预设的环境参数与拍摄参数之间的映射关系,确定所述目标环境参数对应的第一拍摄参数;
按照预设的飞行参数与调整系数之间的映射关系,确定所述目标飞行参数对应的目标调整系数;
依据所述目标调整系数对所述第一拍摄参数进行调整,得到第二拍摄参数;
依据所述第二拍摄参数在所述拍摄点i进行全方位拍摄。
在一个可能的示例中,在所述Q个目标图像为Q个人脸图像时,在所述依据所述Q个目标图像对所述目标群体进行统计处理方面,所述统计单元405具体用于:
获取所述目标群体对应的预设图像库,所述预设图像库中包括所述目标群体中每一成员对应的人脸图像;
依据所述Q个人脸图像在所述预设图像库中进行搜索,得到M个人脸图像,所述M个人脸图像中每一人脸图像与所述Q个人脸图像中一个人脸图像匹配成功,所述M为小于或等于所述Q的正整数;
将所述M个人脸图像对应的人数作为出勤人数;
将所述预设图像库中除了所述M个人脸图像之外的人脸图像对应的成员作为缺勤人员。
在一个可能的示例中,如图4B所示,图4B为图4A所示的基于无人机的监控装置又一变型结构,其与图4A相比较,还可以包括:
接收单元406,用于接收与所述无人机连接的电子设备的考勤指令,所述考勤指令携带目标身份信息;
验证单元407,用于对所述目标身份信息进行验证;
所述获取单元401,还具体用于在所述目标身份信息被验证成功时,获取所述目标身份信息对应的目标身份等级;以及在所述目标身份等级高于预设身份等级时,执行所述通过所述无人机获取目标区域的目标群体的目标视频片段的步骤。
可以理解的是,本实施例的基于无人机的监控装置的各程序模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤,上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括电子设备。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于无人机的监控方法,其特征在于,应用于无人机,所述方法包括:
通过所述无人机获取目标区域的目标群体的目标视频片段;
对所述目标视频片段进行解析,得到多帧视频图像;
对所述多帧视频图像进行图像分割,得到P个目标图像,所述P为大于1的整数;
对所述P个目标图像进行去重操作,得到Q个目标图像,所述Q为小于或等于所述P的正整数;
依据所述Q个目标图像对所述目标群体进行统计处理,得到统计结果,所述统计结果用于进行考勤处理,所述统计结果包括以下至少一种:缺席人员、出勤人员、应到人数、未到人数;
在检测到目标对象离开预设区域时,则向距离所述目标对象最近的管理人员发送告警信息,该告警信息用于提示所述目标对象的位置,所述目标对象为所述目标群体中的任一对象;
其中,在所述P个目标图像为P个目标人脸图像时,所述对所述多帧视频图像进行图像分割,得到P个目标图像,包括:
对所述目标视频图像进行图像分割,得到人脸区域图像,所述目标视频图像为所述多帧视频图像中的任一帧视频图像;
对所述人脸区域图像进行特征点分析;
将所述人脸区域图像划分为多个区域,每一区域的面积相等;
确定所述多个区域中每一区域的特征点分布密度,得到多个特征点分布密度值;
从所述多个特征点分布密度值中选取小于预设特征点分布密度值的特征点分布密度值,得到至少一个特征点分布密度值;
按照预设的特征点分布密度值与图像增强参数之间的映射关系确定所述至少一个特征点分布密度值对应的至少一个目标图像增强参数,每一特征点分布密度值对应一个目标图像增强参数;
依据所述至少一个目标图像增强参数对所述至少一个特征点分布密度值对应的区域进行图像增强处理,得到图像增强处理后的人脸图像,将图像增强处理后的人脸图像作为所述目标人脸图像。
2.根据权利要求1所述的方法,其特征在于,在所述目标群体为人群时,所述通过所述无人机获取目标区域的目标视频片段,包括:
定位所述目标区域,并确定所述目标区域对应的多个拍摄点,每一拍摄点用于聚焦拍摄所述目标群体中的部分人员;
控制所述无人机分别飞到所述多个拍摄点,并针对所述多个拍摄点中任一拍摄点,控制所述无人机的摄像头进行全方位拍摄,得到所述目标视频片段。
3.根据权利要求2所述的方法,其特征在于,所述针对所述多个拍摄点中任一拍摄点,控制所述无人机的摄像头进行全方位拍摄,包括:
确定在所述拍摄点i的目标飞行参数,所述拍摄点i为所述多个拍摄点中的任一拍摄点;
获取目标环境参数;
按照预设的环境参数与拍摄参数之间的映射关系,确定所述目标环境参数对应的第一拍摄参数;
按照预设的飞行参数与调整系数之间的映射关系,确定所述目标飞行参数对应的目标调整系数;
依据所述目标调整系数对所述第一拍摄参数进行调整,得到第二拍摄参数;
依据所述第二拍摄参数在所述拍摄点i进行全方位拍摄。
4.根据权利要求1所述的方法,其特征在于,在所述Q个目标图像为Q个人脸图像时,所述依据所述Q个目标图像对所述目标群体进行统计处理,包括:
获取所述目标群体对应的预设图像库,所述预设图像库中包括所述目标群体中每一成员对应的人脸图像;
依据所述Q个人脸图像在所述预设图像库中进行搜索,得到M个人脸图像,所述M个人脸图像中每一人脸图像与所述Q个人脸图像中一个人脸图像匹配成功,所述M为小于或等于所述Q的正整数;
将所述M个人脸图像对应的人数作为出勤人数;
将所述预设图像库中除了所述M个人脸图像之外的人脸图像对应的成员作为缺勤人员。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述方法还包括:
接收与所述无人机连接的电子设备的考勤指令,所述考勤指令携带目标身份信息;
对所述目标身份信息进行验证;
在所述目标身份信息被验证成功时,获取所述目标身份信息对应的目标身份等级;
在所述目标身份等级高于预设身份等级时,执行所述通过所述无人机获取目标区域的目标群体的目标视频片段的步骤。
6.一种基于无人机的监控装置,其特征在于,应用于无人机,所述装置包括:
获取单元,用于通过所述无人机获取目标区域的目标群体的目标视频片段;
解析单元,用于对所述目标视频片段进行解析,得到多帧视频图像;
分割单元,用于对所述多帧视频图像进行图像分割,得到P个目标图像,所述P为大于1的整数;
去重单元,用于对所述P个目标图像进行去重操作,得到Q个目标图像,所述Q为小于或等于所述P的正整数;
统计单元,用于依据所述Q个目标图像对所述目标群体进行统计处理,得到统计结果,所述统计结果用于进行考勤处理,所述统计结果包括以下至少一种:缺席人员、出勤人员、应到人数、未到人数;
其中,所述装置还具体用于:
在检测到目标对象离开预设区域时,则向距离所述目标对象最近的管理人员发送告警信息,该告警信息用于提示所述目标对象的位置,所述目标对象为所述目标群体中的任一对象;
其中,在所述P个目标图像为P个目标人脸图像时,所述对所述多帧视频图像进行图像分割,得到P个目标图像,包括:
对所述目标视频图像进行图像分割,得到人脸区域图像,所述目标视频图像为所述多帧视频图像中的任一帧视频图像;
对所述人脸区域图像进行特征点分析;
将所述人脸区域图像划分为多个区域,每一区域的面积相等;
确定所述多个区域中每一区域的特征点分布密度,得到多个特征点分布密度值;
从所述多个特征点分布密度值中选取小于预设特征点分布密度值的特征点分布密度值,得到至少一个特征点分布密度值;
按照预设的特征点分布密度值与图像增强参数之间的映射关系确定所述至少一个特征点分布密度值对应的至少一个目标图像增强参数,每一特征点分布密度值对应一个目标图像增强参数;
依据所述至少一个目标图像增强参数对所述至少一个特征点分布密度值对应的区域进行图像增强处理,得到图像增强处理后的人脸图像,将图像增强处理后的人脸图像作为所述目标人脸图像。
7.根据权利要求6所述的装置,其特征在于,在所述目标群体为人群时,在所述通过所述无人机获取目标区域的目标视频片段方面,所述获取单元具体用于:
定位所述目标区域,并确定所述目标区域对应的多个拍摄点,每一拍摄点用于聚焦拍摄所述目标群体中的部分人员;
控制所述无人机分别飞到所述多个拍摄点,并针对所述多个拍摄点中任一拍摄点,控制所述无人机的摄像头进行全方位拍摄,得到所述目标视频片段。
8.根据权利要求7所述的装置,其特征在于,在所述针对所述多个拍摄点中任一拍摄点,控制所述无人机的摄像头进行全方位拍摄方面,所述获取单元具体用于:
确定在所述拍摄点i的目标飞行参数,所述拍摄点i为所述多个拍摄点中的任一拍摄点;
获取目标环境参数;
按照预设的环境参数与拍摄参数之间的映射关系,确定所述目标环境参数对应的第一拍摄参数;
按照预设的飞行参数与调整系数之间的映射关系,确定所述目标飞行参数对应的目标调整系数;
依据所述目标调整系数对所述第一拍摄参数进行调整,得到第二拍摄参数;
依据所述第二拍摄参数在所述拍摄点i进行全方位拍摄。
9.一种电子设备,其特征在于,包括处理器、存储器,所述存储器用于存储一个或多个程序,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-5任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910892397.2A CN110765874B (zh) | 2019-09-20 | 2019-09-20 | 基于无人机的监控方法及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910892397.2A CN110765874B (zh) | 2019-09-20 | 2019-09-20 | 基于无人机的监控方法及相关产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110765874A CN110765874A (zh) | 2020-02-07 |
CN110765874B true CN110765874B (zh) | 2023-03-03 |
Family
ID=69330245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910892397.2A Active CN110765874B (zh) | 2019-09-20 | 2019-09-20 | 基于无人机的监控方法及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110765874B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111669495B (zh) * | 2020-05-29 | 2021-11-12 | 维沃移动通信有限公司 | 拍照方法、拍照装置和电子设备 |
CN111666862A (zh) * | 2020-06-01 | 2020-09-15 | 北京软通智慧城市科技有限公司 | 一种考勤统计方法、装置、系统及存储介质 |
CN113253755A (zh) * | 2021-05-08 | 2021-08-13 | 广东白云学院 | 一种基于神经网络的旋翼无人机跟踪算法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108021895A (zh) * | 2017-12-07 | 2018-05-11 | 深圳云天励飞技术有限公司 | 人数统计方法、设备、可读存储介质及电子设备 |
CN109766779A (zh) * | 2018-12-20 | 2019-05-17 | 深圳云天励飞技术有限公司 | 徘徊人员识别方法及相关产品 |
-
2019
- 2019-09-20 CN CN201910892397.2A patent/CN110765874B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108021895A (zh) * | 2017-12-07 | 2018-05-11 | 深圳云天励飞技术有限公司 | 人数统计方法、设备、可读存储介质及电子设备 |
CN109766779A (zh) * | 2018-12-20 | 2019-05-17 | 深圳云天励飞技术有限公司 | 徘徊人员识别方法及相关产品 |
Also Published As
Publication number | Publication date |
---|---|
CN110765874A (zh) | 2020-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109743541B (zh) | 智能监控方法、装置、计算机设备及存储介质 | |
CN110765874B (zh) | 基于无人机的监控方法及相关产品 | |
CN109271554B (zh) | 一种智能视频识别系统及其应用 | |
US11443498B2 (en) | Target object recognition method and apparatus, storage medium, and electronic device | |
CN108885698B (zh) | 人脸识别方法、装置和服务器 | |
US10943095B2 (en) | Methods and systems for matching extracted feature descriptors for enhanced face recognition | |
CN109690624A (zh) | 用于视频分析的自动场景校准方法 | |
CN109672853A (zh) | 基于视频监控的预警方法、装置、设备及计算机存储介质 | |
US10360481B2 (en) | Unconstrained event monitoring via a network of drones | |
CN111738735B (zh) | 一种图像数据处理方法、装置和相关设备 | |
CN109815813B (zh) | 图像处理方法及相关产品 | |
CN111918039B (zh) | 基于5g网络的人工智能高风险作业管控系统 | |
CN112464822B (zh) | 一种基于特征增强的头盔佩戴检测方法及系统 | |
CN108881813A (zh) | 一种视频数据处理方法及装置、监控系统 | |
US20190114470A1 (en) | Method and System for Face Recognition Based on Online Learning | |
CN111539338A (zh) | 行人口罩佩戴管控方法、装置、设备及计算机存储介质 | |
KR20210020723A (ko) | 폭행 감지 기능을 구비한 cctv 촬영 장치 및 cctv 영상에 기초한 폭행 감지 방법 | |
CN113378616A (zh) | 视频分析方法、视频分析的管理方法及相关设备 | |
CN109960969A (zh) | 移动路线生成的方法、装置及系统 | |
CN111832434B (zh) | 一种保护隐私下的校园抽烟行为识别方法及处理终端 | |
CN109753873B (zh) | 图像处理方法及相关装置 | |
CN108596019B (zh) | 一种基于对角之势的摄像头监控方法及系统 | |
Jaiswal et al. | Real-Time Biometric system for security and surveillance using face recognition | |
CN112990156B (zh) | 基于视频的最优目标捕捉方法、装置及相关设备 | |
CN112711964A (zh) | 一种人脸追踪监控系统和方法 |
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 |