CN110781735A - 一种用于识别人员在岗状态的报警方法及系统 - Google Patents
一种用于识别人员在岗状态的报警方法及系统 Download PDFInfo
- Publication number
- CN110781735A CN110781735A CN201910882775.9A CN201910882775A CN110781735A CN 110781735 A CN110781735 A CN 110781735A CN 201910882775 A CN201910882775 A CN 201910882775A CN 110781735 A CN110781735 A CN 110781735A
- Authority
- CN
- China
- Prior art keywords
- people
- alarm
- image frames
- classifier
- human head
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/22—Status alarms responsive to presence or absence of persons
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Emergency Management (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本申请公开了一种用于识别人员在岗状态的报警方法及系统,包括:实时接收采集设备发送的视频数据;周期性提取所述视频数据中的多个图像帧;使用帧间差分法和梯度方向直方图特征提取多个所述图像帧中的人头数据,使用分类器对人头数据进行识别,得到人数;根据检测到的人数,发送报警信息;进行报警。通过使用帧间差分法和梯度方向直方图特征提取多个所述图像帧中的人头数据,使用分类器对人头数据进行识别,得到人数,能够对消控室内人员的变化情况(在岗状态)进行监控,并且,还可以通过系统阈值的设置适应不同单位的管理办法。由于主要是通过提取人头特征,因此对消控室内摄像头的要求不高,降低安装、维护成本。
Description
技术领域
本申请涉及物联网人员识别领域,尤其涉及一种用于识别人员在岗状态的报警方法及系统。
背景技术
消控室值班人员实行24小时值班制度,值班时不得擅自离岗,进行工作交接时,需保证值班室至少有一个处于在岗状态,对于消控室人员的监控,传统的方式是通过考勤记录、监控视频录像进行检查、管理,对于人员的中途离岗无法做到及时有效的监控。
随着计算机技术和信息技术的发展,视频分析对人体异常行为的理解能力逐步提高,通过视频分析算法对消控室内值班人员的离岗行为分析,打破传统视频监控只记录不分析的现状。现有的识别人员在岗状态的主要方法主要包括如下步骤:(1)截取视频流,获取图像帧序列;(2)对背景进行建模并提取差异化区域;(3)人体目标活动区域由一组图像矩形框组成,假设活动区域集合为R={R1,R2,...,Rn},Ri=(xi,yi,wi,hi)分别表示矩形框的左上角坐标x、y和宽高度w、h,假设从图像运动区域提取出的矩形包围框集合为M,M={M1,M2,...,Mn};(4)将i个矩形包围框Mi与活动区域中Ri的矩形框进行重叠率计算,重叠率d计算方法如下:Mi∩Ri为两矩形相交区域面积,Mi∪Ri为两矩形所覆盖区域面积;如果d超过阈值则判定当前区域Mi为待识别区域进行保留,否则该区域不识别;(5)通过逐个计算即可得到最终的识别区域矩形框S={S1,S2,...,Sn};(6)对每个待识别区域矩形框S进行缩放,然后对待识别区域进行逐逐区域识别,判断每个区域内是否有人,如果有人,则判定为当前监控室内人员在岗,如果所有的S中都没有检测到人,则判定当前监控室内人员脱岗。
然而,现有的方法仅能够对有无人进行判断,无法对具体的有多少人不再为离岗做判断,且由于人员不在岗才会进行报警,因此也无法对消控室内人员的变化情况进行监控。
综上所述,需要提供一种能够对消控室内人员的变化情况进行监控的识别人员在岗状态的报警方法及系统。
发明内容
为解决以上问题,本申请提出了一种用于识别人员在岗状态的报警方法及系统。
一方面,本申请提出一种用于识别人员在岗状态的报警方法,包括如下步骤:
实时接收采集设备发送的视频数据;
周期性提取所述视频数据中的多个图像帧;
使用帧间差分法和梯度方向直方图特征提取多个所述图像帧中的人头数据,使用分类器对人头数据进行识别,得到人数;
根据检测到的人数,发送报警信息;
进行报警。
优选地,所述使用帧间差分法和梯度方向直方图特征提取多个所述图像帧中的人头数据,包括:
使用帧间差分法判断多个连续的图像帧中是否存在运动目标;
若存在运动目标,则得到一个包含多个连续图像帧中的所有运动目标的运动画面;
提取运动画面中的梯度方向直方图特征,得到运动画面中的所有人头区域;
使用所有人头区域组成一个梯度方向直方图特征向量,得到人头数据。
优选地,若不存在运动目标,则等待下一组多个连续图像帧,使用帧间差分法判断多个连续的图像帧中是否存在运动目标。
优选地,所述分类器包括:朴素贝叶斯分类器、支持向量机分类器、K最邻近分类器、逻辑回归分类器、决策树分类器和随机森林分类器。
分类器,所述根据检测到的人数,发送报警信息,包括:
若检测到的人数大于最大人数,则发送报警信息;
若检测到的人数小于最小人数,则发送报警信息;
若检测到的人数小于等于最大人数且大于等于最小人数,则不发送报警信息。
分类器,在所述发送报警信息之后,还包括:
保存与报警信息对应的所有图像帧。
分类器,所述进行报警,包括:
根据报警信息,发送短信告警和/或电话告警至与采集设备对应的报警设备。
第二方面,本申请提出一种用于识别人员在岗状态的报警系统,包括:
采集模块,用于实时接收采集设备发送的视频数据,发送至管理模块;
管理模块,用于周期性提取所述视频数据中的多个图像帧,发送至分析模块;
分析模块,用于使用帧间差分法和梯度方向直方图特征提取多个所述图像帧中的人头数据,使用分类器对人头数据进行识别,得到人数,根据检测到的人数,发送报警信息至报警模块;
报警模块,用于根据报警信息进行报警。
分类器,所述分析模块具体用于,使用帧间差分法判断多个连续的图像帧中是否存在运动目标;若存在运动目标,则得到一个包含多个连续图像帧中的所有运动目标的运动画面;提取运动画面中的梯度方向直方图特征,得到运动画面中的所有人头区域;使用所有人头区域组成一个梯度方向直方图特征向量,得到人头数据;使用分类器对人头数据进行识别,得到人数;根据检测到的人数,发送报警信息至报警模块。
分类器,所述采集模块,包括:接口和软件开发工具包。
本申请的优点在于:通过使用帧间差分法和梯度方向直方图特征提取多个所述图像帧中的人头数据,使用分类器对人头数据进行识别,得到人数,能够对消控室内人员的变化情况进行监控。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选事实方案的目的,而并不认为是对本申请的限制。而且在整个附图中,用同样的参考符号表示相同的部件。在附图中:
图1是本申请提供的一种用于识别人员在岗状态的报警方法的步骤示意图;
图2是帧间差分法的示意图;
图3是梯度方向直方图特征提取的示意图;
图4是本申请提供的一种用于识别人员在岗状态的报警方法的示意图;
图5是本申请提供的一种用于识别人员在岗状态的报警系统的示意图;
图6是本申请提供的一种用于识别人员在岗状态的报警系统的部署方式示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
根据本申请的实施方式,提出一种用于识别人员在岗状态的报警方法,如图1所示,该方法包括:包括:
S101,实时接收采集设备发送的视频数据;
S102,周期性提取视频数据中的多个图像帧;
S103,使用帧间差分法和梯度方向直方图(Histogram of Oriented Gradient,HOG)特征提取多个图像帧中的人头数据,使用分类器对人头数据进行识别,得到人数;
S104,根据检测到的人数,发送报警信息;
S105,进行报警。
使用帧间差分法和梯度方向直方图特征提取多个图像帧中的人头数据,包括:
使用帧间差分法判断多个连续的图像帧中是否存在运动目标;
若存在运动目标,则得到一个包含多个连续图像帧中的所有运动目标的运动画面;
提取运动画面中的梯度方向直方图特征,得到运动画面中的所有人头区域;
使用所有人头区域组成一个梯度方向直方图特征向量,得到人头数据。
若不存在运动目标,则等待下一组多个连续图像帧,使用帧间差分法判断多个连续的图像帧中是否存在运动目标。
分类器包括:朴素贝叶斯分类器、支持向量机分类器、K最邻近分类器、逻辑回归分类器、决策树分类器和随机森林分类器等分类器。
根据检测到的人数,发送报警信息,包括:
若检测到的人数大于最大人数,则发送报警信息;
若检测到的人数小于最小人数,则发送报警信息;
若检测到的人数小于等于最大人数且大于等于最小人数,则不发送报警信息。
在发送报警信息之后,还包括:
保存与报警信息对应的所有图像帧。
进行报警,包括:
根据报警信息,发送短信告警和/或电话告警至与采集设备对应的报警设备。
人头数据为运动画面中的所有人头所在区域。
其中,周期的时间和每个周期发送的帧的数量可以根据需要进行设定。
最大人数和最小人数可以根据需要设定。不仅可以对消控室内人员在岗状态进行实时监测,还可以通过系统阈值的设置适应不同单位的管理办法。
也可以周期性的发送当前识别到的人数至报警设备。
帧间差分法是检测相邻帧图像之间变化的方法,通过比较视频序列中连续的两帧或多帧图像中像素点在灰度值上的差异,设定阈值来提取序列图像中的运动区域。
如图2所示,帧间差分法的原理是将视频流中相邻两帧或相隔几帧图像的两幅图像像素值相减,得到差分图像,并对差分图像进行阈值处理来提取图像中的运动区域,得到二值化图像,对二值化图像进行连通性分析,判定是否检测到目标。
如图2所示,使用K帧的前一帧(K-1帧)或是在K帧之前并与K帧隔x帧(K-x帧),与K帧进行像素值相减,得到差分图像。利用选取的阈值对差分处理图像进行二值化处理,得到二值化图像。判断二值化图像中的各个像素是否为背景像素。当二值化图像里某一位置的像素值小于设定的阈值时,就认为其为背景像素;反之认为该像素就是运动前景像素,从而提取运动区域。对二值化图像进行连通性分析。当连通区域的面积大于所给定的阈值时,则判定是检测到目标,并将其作为目标所在的区域。还可以对目标所在区域进行数学形态学滤波,使运动区域(目标所在的区域)封毕、连续、完整,并去掉背景中的噪声。
如图3所示,HOG特征是在计算机视觉领域和图像处理中进行物体检测的特征描述子,是通过计算图像局部区域的HOG来得到的。基本思想就是在边缘具体位置不知的情形下,边缘方向的分布也可很好地表示目标的外形轮廓。实现方法是先将图像分成小细胞单元(cell),采集细胞单元中各像素点的梯度或边缘方向的直方图,再将所有直方图组合起来就能够组成特征描述器。这些局部直方图在图像的更大的范围内(block)进行对比度归一化,所采用的方法是:首先计算各个直方图在此个block中的密度,根据此密度对区间中的各个细胞单元做归一化,通过归一化,对光照变化和阴影部分可获得更好的效果。把所有block内的直方图向量一起组合成一个大的HOG特征向量。
下面,结合图4,以对采集设备2采集到的视频数据进行处理为例,假设周期为5分钟,每个周期发送的帧数为10帧,对本申请实施例进行进一步说明。视频采集层的采集模块实时接收各采集设备发送的视频数据,发送至管理模块。
应用层的管理模块周期性地提取每个采集设备获得的视频数据中的10个图像帧,发送至分析模块。如图4所示,图像帧1对应采集设备1中提取到的图像帧,图像帧2对应采集设备2中提取到的图像帧,图像帧3对应采集设备3中提取到的图像帧。周期为5分钟,假设从15:30:30开始取帧,则取从15:30:30开始的连续性10帧(不到1s的时间),将取到的连续10个图像帧发送至分析模块。下次取帧在15:30:35至15:30:36之间,以此类推。
管理模块将图像帧2中的图像帧发送至分析模块。
分析模块中对应采集设备2的单元处理图像帧2的图像帧。
分析接口层的分析模块对接收到的图像帧2的多个图像帧使用帧间差分法,判断多个连续的图像帧中是否存在运动目标。若存在运动目标,则得到一个包含多个连续图像帧中的所有运动目标的运动画面。提取运动画面中的HOG特征,得到运动画面中的所有人头区域。使用所有人头区域组成一个HOG特征向量,得到人头数据。
优选地,使用SVM训练器的机器学习算法对消控室内指定区域内的人头数据进行标识检测,得到人数。若检测到的人数大于最大人数,或检测到的人数小于最小人数,则发送报警信息至报警模块;若检测到的人数小于等于最大人数且大于等于最小人数,则不发送报警信息至报警模块。
应用层的报警模块根据接收到的报警信息,发送短信告警和/或电话告警至与采集设备(采集设备2)对应的报警设备。
若检测到的人数大于最大人数,或检测到的人数小于最小人数,管理模块保存与报警信息对应的所有图像帧。
若不存在运动目标,分析模块等待下一组多个连续图像帧,使用帧间差分法判断多个连续的图像帧中是否存在运动目标。
根据本申请的实施方式,还提出一种用于识别人员在岗状态的报警系统,如图5所示,包括:
采集模块,用于实时接收采集设备发送的视频数据,发送至管理模块;
管理模块,用于周期性提取视频数据中的多个图像帧,发送至分析模块;
分析模块,用于使用帧间差分法和梯度方向直方图特征提取多个图像帧中的人头数据,使用分类器对人头数据进行识别,得到人数,根据检测到的人数,发送报警信息至报警模块;
报警模块,用于根据报警信息进行报警。
分析模块具体用于,使用帧间差分法判断多个连续的图像帧中是否存在运动目标;若存在运动目标,则得到一个包含多个连续图像帧中的所有运动目标的运动画面;提取运动画面中的梯度方向直方图特征,得到运动画面中的所有人头区域;使用所有人头区域组成一个梯度方向直方图特征向量,得到人头数据;使用分类器对人头数据进行识别,得到人数;根据检测到的人数,发送报警信息至报警模块。
采集模块,包括:接口和软件开发工具包。
如图6所示,在本申请的实施方式中,部署方式可以是,视频设备管理服务包括管理模块和报警模块。并且,包括分析模块的视频分析服务根据需要,可以为云端、本地端或者在云端和本地之间的中间节点端。
本申请的实施方式还可以分为四层。
视频采集层:采集模块将采集设备采集的视频数据通过RTMP/HLS等协议,将视频数据传输至物联网平台的设备管理层,并提供摄像头的属性、状态等信息。
视频分析层:本接口(视频分析接口)自动将传入的各种视频图像序列通过帧间差分法提取图像中的运动区域后,基于梯度方向直方图特征对图像中的人头特征进行提取后,对运动区域内的人头进行标识检测,返回分析结果消控室人员在岗数量。
报警应用层:对视频分析接口返回的结果进行判断,若系统检测结果为异常,则使用报警应用层将异常信息推送至报警设备,报警设备可以是电脑端、手机端、平板端以及其它报警设备,报警应用层负责对报警设备的管理或者对报警信息的推送等等。
设备管理层:对采集模块、分析模块以及报警模块做统一管理。通过调用采集模块获取视频流,并将视频流传入视频分析接口,若接口返回异常,则调用报警模块。
各设备与各模块之间的数据传输,以及各模块之间的数据传输,可以通过有线和/或无线的方式进行。
本申请的实施方式通过与物联网平台互通的方式实现对消控室监控视频中24小时的人员在岗状态进行识别。可以通过采集现有摄像头设备的视频图像数据进行分析,并将分析结果发生至报警接收服务器。并且能够针对消控室指定区域人员在岗情况进行标识监测并将监测结果以API的方式提供给第三方系统。结合帧间差分法、HOG特征提取,将提取出来的特征投入到分类器中进行标识检测,通过标识检测结果判断运动区域人头的数量,推送至业务应用。
本申请的方法中,通过使用帧间差分法和梯度方向直方图特征提取多个所述图像帧中的人头数据,使用分类器对人头数据进行识别,得到人数,能够对消控室内人员的变化情况(在岗状态)进行监控,并且,还可以通过系统阈值的设置适应不同单位的管理办法。由于主要是通过提取人头特征,因此对消控室内摄像头的要求不高,降低安装、维护成本。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种用于识别人员在岗状态的报警方法,其特征在于,包括:
实时接收采集设备发送的视频数据;
周期性提取所述视频数据中的多个图像帧;
使用帧间差分法和梯度方向直方图特征提取多个所述图像帧中的人头数据,使用分类器对人头数据进行识别,得到人数;
根据检测到的人数,发送报警信息;
进行报警。
2.根据权利要求1所述的报警方法,其特征在于,所述使用帧间差分法和梯度方向直方图特征提取多个所述图像帧中的人头数据,包括:
使用帧间差分法判断多个连续的图像帧中是否存在运动目标;
若存在运动目标,则得到一个包含多个连续图像帧中的所有运动目标的运动画面;
提取运动画面中的梯度方向直方图特征,得到运动画面中的所有人头区域;
使用所有人头区域组成一个梯度方向直方图特征向量,得到人头数据。
3.根据权利要求2所述的报警方法,其特征在于,若不存在运动目标,则等待下一组多个连续图像帧,使用帧间差分法判断多个连续的图像帧中是否存在运动目标。
4.根据权利要求1所述的报警方法,其特征在于,所述分类器包括:朴素贝叶斯分类器、支持向量机分类器、K最邻近分类器、逻辑回归分类器、决策树分类器和随机森林分类器。
5.如权利要求1所述的报警方法,其特征在于,所述根据检测到的人数,发送报警信息,包括:
若检测到的人数大于最大人数,则发送报警信息;
若检测到的人数小于最小人数,则发送报警信息;
若检测到的人数小于等于最大人数且大于等于最小人数,则不发送报警信息。
6.如权利要求5所述的报警方法,其特征在于,在所述发送报警信息之后,还包括:
保存与报警信息对应的所有图像帧。
7.如权利要求1所述的报警方法,其特征在于,所述进行报警,包括:
根据报警信息,发送短信告警和/或电话告警至与采集设备对应的报警设备。
8.一种用于识别人员在岗状态的报警系统,其特征在于,包括:
采集模块,用于实时接收采集设备发送的视频数据,发送至管理模块;
管理模块,用于周期性提取所述视频数据中的多个图像帧,发送至分析模块;
分析模块,用于使用帧间差分法和梯度方向直方图特征提取多个所述图像帧中的人头数据,使用分类器对人头数据进行识别,得到人数,根据检测到的人数,发送报警信息至报警模块;
报警模块,用于根据报警信息进行报警。
9.如权利要求8所述的报警系统,其特征在于,所述分析模块具体用于,使用帧间差分法判断多个连续的图像帧中是否存在运动目标;若存在运动目标,则得到一个包含多个连续图像帧中的所有运动目标的运动画面;提取运动画面中的梯度方向直方图特征,得到运动画面中的所有人头区域;使用所有人头区域组成一个梯度方向直方图特征向量,得到人头数据;使用分类器对人头数据进行识别,得到人数;根据检测到的人数,发送报警信息至报警模块。
10.如权利要求8所述的报警系统,其特征在于,所述采集模块,包括:接口和软件开发工具包。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910882775.9A CN110781735A (zh) | 2019-09-18 | 2019-09-18 | 一种用于识别人员在岗状态的报警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910882775.9A CN110781735A (zh) | 2019-09-18 | 2019-09-18 | 一种用于识别人员在岗状态的报警方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110781735A true CN110781735A (zh) | 2020-02-11 |
Family
ID=69384153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910882775.9A Pending CN110781735A (zh) | 2019-09-18 | 2019-09-18 | 一种用于识别人员在岗状态的报警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110781735A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112305980A (zh) * | 2020-11-13 | 2021-02-02 | 武汉畅唯安宁科技有限公司 | 一种智慧楼宇综合监控用运营管理平台 |
CN112565676A (zh) * | 2020-10-23 | 2021-03-26 | 深圳英飞拓科技股份有限公司 | 基于智能摄像机识别在岗人员违规的方法及系统、设备 |
CN114537612A (zh) * | 2021-12-31 | 2022-05-27 | 武汉理工大学 | 一种船舶驾驶台值班船员疲劳检测装置及方法 |
CN115581435A (zh) * | 2022-08-30 | 2023-01-10 | 湖南万脉医疗科技有限公司 | 一种基于多传感器的睡眠监测方法和设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096342A (zh) * | 2015-08-11 | 2015-11-25 | 杭州景联文科技有限公司 | 一种基于傅里叶描述子和方向梯度直方图的入侵检测算法 |
CN105791774A (zh) * | 2016-03-31 | 2016-07-20 | 北京工业大学 | 一种基于视频内容分析的监控视频传输方法 |
CN106951885A (zh) * | 2017-04-08 | 2017-07-14 | 广西师范大学 | 一种基于视频分析的人流量统计方法 |
CN107403158A (zh) * | 2017-07-28 | 2017-11-28 | 中国电子科技集团公司第三十八研究所 | 一种人员在岗视频识别方法及智能用户信息传输装置 |
-
2019
- 2019-09-18 CN CN201910882775.9A patent/CN110781735A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105096342A (zh) * | 2015-08-11 | 2015-11-25 | 杭州景联文科技有限公司 | 一种基于傅里叶描述子和方向梯度直方图的入侵检测算法 |
CN105791774A (zh) * | 2016-03-31 | 2016-07-20 | 北京工业大学 | 一种基于视频内容分析的监控视频传输方法 |
CN106951885A (zh) * | 2017-04-08 | 2017-07-14 | 广西师范大学 | 一种基于视频分析的人流量统计方法 |
CN107403158A (zh) * | 2017-07-28 | 2017-11-28 | 中国电子科技集团公司第三十八研究所 | 一种人员在岗视频识别方法及智能用户信息传输装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112565676A (zh) * | 2020-10-23 | 2021-03-26 | 深圳英飞拓科技股份有限公司 | 基于智能摄像机识别在岗人员违规的方法及系统、设备 |
CN112305980A (zh) * | 2020-11-13 | 2021-02-02 | 武汉畅唯安宁科技有限公司 | 一种智慧楼宇综合监控用运营管理平台 |
CN114537612A (zh) * | 2021-12-31 | 2022-05-27 | 武汉理工大学 | 一种船舶驾驶台值班船员疲劳检测装置及方法 |
CN115581435A (zh) * | 2022-08-30 | 2023-01-10 | 湖南万脉医疗科技有限公司 | 一种基于多传感器的睡眠监测方法和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110781735A (zh) | 一种用于识别人员在岗状态的报警方法及系统 | |
KR101942808B1 (ko) | 객체 이미지 인식 dcnn 기반 cctv 영상분석장치 | |
US6774905B2 (en) | Image data processing | |
CN102348128B (zh) | 具有摄像机异常检测装置的监视用摄像机系统 | |
WO2019153193A1 (zh) | 一种出租车运营监测方法、设备、存储介质和系统 | |
KR101215948B1 (ko) | 신체정보 및 얼굴인식에 기반한 감시 시스템의 영상정보 마스킹 방법 | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
CN111898581B (zh) | 动物检测方法、装置、电子设备及可读存储介质 | |
CN107808502B (zh) | 一种图像检测报警方法及装置 | |
JP2018173914A (ja) | 画像処理システム、撮像装置、学習モデル作成方法、情報処理装置 | |
CN112287823A (zh) | 一种基于视频监控的面部口罩识别方法 | |
KR20120035734A (ko) | 화재 검출 방법 | |
KR20190041704A (ko) | Cctv 분할 운영시스템 및 그 운영방법 | |
CN111460917B (zh) | 基于多模态信息融合的机场异常行为检测系统及方法 | |
KR101454644B1 (ko) | 보행자 추적기를 이용한 서성거림을 탐지하는 방법 | |
CN110674753A (zh) | 偷盗行为预警方法、终端设备及存储介质 | |
CN112929604A (zh) | 一种办公室图像采集管理系统 | |
CN115880631A (zh) | 一种配电站故障识别系统、方法、介质 | |
KR102182660B1 (ko) | 시공간 특징을 이용한 폭력 감지 시스템, 방법 및 상기 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터 판독 가능한 기록매체 | |
CN111126411B (zh) | 一种异常行为识别方法及装置 | |
JP6851221B2 (ja) | 画像監視装置 | |
EP1266525B1 (en) | Image data processing | |
CN110363180A (zh) | 一种统计陌生人人脸重复出现的方法和装置以及设备 | |
CN109120896B (zh) | 安防视频监控卫士系统 | |
EP1261951B1 (en) | Surveillance method, system and module |
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: 20200211 |
|
RJ01 | Rejection of invention patent application after publication |