CN110807444A - 一种基于dsp边缘计算的行人异常行为检测系统和方法 - Google Patents

一种基于dsp边缘计算的行人异常行为检测系统和方法 Download PDF

Info

Publication number
CN110807444A
CN110807444A CN201911237491.0A CN201911237491A CN110807444A CN 110807444 A CN110807444 A CN 110807444A CN 201911237491 A CN201911237491 A CN 201911237491A CN 110807444 A CN110807444 A CN 110807444A
Authority
CN
China
Prior art keywords
module
video
abnormal
dsp
pedestrian
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
Application number
CN201911237491.0A
Other languages
English (en)
Inventor
穆晓芳
亓慧
赵鹏
石泓
赵志瑛
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.)
Taiyuan Normal University
Original Assignee
Taiyuan Normal University
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 Taiyuan Normal University filed Critical Taiyuan Normal University
Priority to CN201911237491.0A priority Critical patent/CN110807444A/zh
Publication of CN110807444A publication Critical patent/CN110807444A/zh
Pending legal-status Critical Current

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
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait 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
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Alarm Systems (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明公开了一种基于DSP边缘计算的行人异常行为检测系统和方法，本发明以DSP模块为核心，通过数字图像处理技术自动实现行人异常行为的检测和异常行为种类的识别，缓解了传统监控视频系统在终控端处理数据的压力，提高了整个系统数据处理的速度；同时，整个过程不需要人工干预，从而实现全自动化的智能监控的目的，大大提高了监控人员的工作效率，减少了操作人员的工作量和行人异常行为漏报概率。当识别出行人有异常行为，系统会将异常信息显示在终控端，并转发给指定的服务器，马上通知到监管人员，监管人员会根据信息及时做下一步的处理，在很大程度上可以降低行人事故发生率，提高出行安全。

Description

一种基于DSP边缘计算的行人异常行为检测系统和方法
技术领域
本发明涉及边缘计算和图像处理技术领域，特别是涉及一种基于DSP边缘计算的行人异常行为检测系统和方法。
背景技术
近年来，行人出行的安全问题越来越受到社会的关注，视频中的异常行为检测也越来越重要。通过对监控视频进行分析，进而对一些造成安全问题的异常行为进行判定，可以将监控视频中大量的对安防无用的信息过滤掉，节约大量的人力。然而传统的视频监控系统存在以下缺陷：1.只具备一些简单的监控、视频存储、视频回放等功能，监控的过程中往往需要工作人员在旁边进行全天实时连续看守。由于人的注意力集中时间具有间断性，并且会因为长时间大脑的高度集中而造成疲劳，这样就不可避免的会出现漏检、误检的情况；2.由于现在监控系统的普及和广泛覆盖，其监控点的规模成倍增长；3.由于监控室的监控屏幕越来越多，需要更多的工作人员进行实时的看守，导致人力资源成本的骤增；4.由于视频采集端传回到终控端的视频数据量极大，在终控端进行视频数据分析，数据量大对终控端的计算机造成巨大的运算压力，降低了分析速度，不能够达到实时检测的目的。
发明内容
鉴于此，本发明的目的在于，提供一种基于DSP边缘计算的行人异常行为检测系统和方法，结合运动目标识别和跟踪算法，以DSP高性能芯片为核心的硬件系统对行人异常行为进行检测并分类，提高了行人出行的安全性和监控人员的工作效率，将检测处理过程移到时频监控前端的DSP进行处理，提高了处理速率，无需人工干预，达到了智能监控的目的。
为了达到上述发明目的，进而采取的技术方案如下：
一种基于DSP边缘计算的行人异常行为检测系统，包括电源模块、视频采集模块、DSP模块、数据存储模块以及控制模块，所述电源模块分别与视频采集模块、DSP模块、数据存储模块以及控制模块连接，并为各个模块供电；
所述视频采集模块分别与DSP模块、数据存储模块连接，所述视频采集模块包括视频编码/解码器和安装在检测区域的摄像头，所述视频编码/解码器用于将摄像头采集的视频信息进行格式转换，将采集的视频信息转换为数字图像信号，同时数字图像信号分别发送至数据存储模块和DSP模块；
所述DSP模块分别与数据存储模块和控制模块连接，所述DSP模块包括视频处理前端和后端，以及并行处理单元，所述视频处理前端负责输入数字图像，为多种标准视频提供接口，并对输入的原始图像进行预处理；所述并行处理单元采用DSP芯片，用于边缘计算算法的处理；所述视频处理后端用于驱动显示器进行图像的显示；所述DSP模块从数据存储模块取得数字图像信号进行边缘计算和行人异常行为分析，将分析结果传输给数据存储模块，同时传送到控制模块进行数字图像信号和行人异常行为检测结果的显示；
所述数据存储模块用于存储数据视频采集模块、DSP模块的数据以及行人异常行为检测所用到的算法；
所述控制模块与终控端连接，所述控制模块主要用于系统运行管理，包括系统的启动、将据存储模块中原始视频数据上传终控端、将人异常行为分析结果上报终控端、原始视频数据显示以及行人异常行为分析结果显示；
所述终控端将异常信息转发给指定的服务器。
一种基于DSP边缘计算的行人异常行为检测方法，包括以下步骤：
1)视频采集模块进行视频采集，通过在检测区域的摄像头采集视频信息，然后通过视频编码/解码器进行格式转换，并将转换后的视频信息发送至DSP模块进行分析检测；
还包括以下步骤：
2)DSP模块进行分析检测，包括以下步骤|：
预处理：对获得的图像帧进行预处理，去掉由于采集设备跟传输设备产生的噪声；
运动目标检测：对去噪后的图像进行运动物体的检测，对图像中每一帧过滤固定的背景，把运动目标从图像中分割提取出来，得到运动目标的前景图像，利用运动目标识别技术获得视频图像中的行人目标；
运动目标跟踪：得到前景图像后先判断当前跟踪团块列表中是否已经存在运动目标，如果有那就对运动目标进行跟踪，然后对当前帧进行新团块的检测处理，如果没有则直接对当前的帧进行新团的检测处理，并将检测到的新团块添加到跟踪团块列表中，最后记录下团块列表中的每个团块的轨迹信息；
异常行为判断：结合前后帧的轨迹信息提取运动目标的轨迹数据和速度数据，进行轨迹特征分析，通过与设定的数据进行对比判断运动目标是否出现异常行为，如果出现异常行为，会对异常运动目标进行特殊标记，并及时传给控制模块进行显示；
异常行为判断过程结束后，系统将重新获取新的序列图像进行重复分析；
3)控制模块将异常行为信息进行显示并发送至终控端；
4)终控端将异常行为信息转发给指定服务器，实时提醒监管人员检测区域的状况。
本发明的有益效果是：DSP模块对高度复杂的图像、视频和算法处理有很大的优势。本发明以DSP模块为核心，通过数字图像处理技术自动实现行人异常行为的检测和异常行为种类的识别，缓解了传统监控视频系统在终控端处理数据的压力，提高了整个系统数据处理的速度；同时，整个过程不需要人工干预，从而实现全自动化的智能监控的目的，大大提高了监控人员的工作效率，减少了操作人员的工作量和行人异常行为漏报概率。当识别出行人有异常行为，系统会将异常信息显示在终控端，并转发给指定的服务器，马上通知到监管人员，监管人员会根据信息及时做下一步的处理，在很大程度上可以降低行人事故发生率，提高出行安全。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明一种基于DSP边缘计算的行人异常行为检测系统的结构组成示意图；
图2是本发明一种基于DSP边缘计算的行人异常行为检测方法的流程示意图；
图3是本发明DSP模块进行分析检测的流程示意图；
图4是本发明实施例3的DSP模块进行分析检测的处理流程图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
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的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
实施例1
如图1所示，一种基于DSP边缘计算的行人异常行为检测系统，包括电源模块1、视频采集模块2、DSP模块3、数据存储模块4以及控制模块5，所述电源模块1分别与视频采集模块2、DSP模块3、数据存储模块4以及控制模块5连接，并为各个模块供电；
所述视频采集模块2分别与DSP模块3、数据存储模块4连接，所述视频采集模块2包括视频编码/解码器21和安装在检测区域的摄像头22，所述视频编码/解码器21用于将摄像头22采集的视频信息进行格式转换，将采集的视频信息转换为数字图像信号，同时数字图像信号分别发送至数据存储模块4和DSP模块3；
所述DSP模块3分别与数据存储模块4和控制模块5连接，所述DSP模块3包括视频处理前端和后端，以及并行处理单元，所述视频处理前端负责输入数字图像，为多种标准视频提供接口，并对输入的原始图像进行预处理；所述并行处理单元采用DSP芯片，用于边缘计算算法的处理；所述视频处理后端用于驱动显示器进行图像的显示；所述DSP模块3从数据存储模块4取得数字图像信号进行边缘计算和行人异常行为分析，将分析结果传输给数据存储模块4，同时传送到控制模块5进行数字图像信号和行人异常行为检测结果的显示；
所述数据存储模块4用于存储数据视频采集模块2、DSP模块3的数据以及行人异常行为检测所用到的算法；
所述控制模块5与终控端6连接，所述控制模块5主要用于系统运行管理，包括系统的启动、将据存储模块中原始视频数据上传终控端6、将人异常行为分析结果上报终控端6、原始视频数据显示以及行人异常行为分析结果显示；
所述终控端6将异常信息转发给指定的服务器。
实施例2
如图2、图4所示，一种基于DSP边缘计算的行人异常行为检测方法，包括以下步骤：
1)视频采集模块2进行视频采集，通过在检测区域的摄像头22采集视频信息，然后通过视频编码/解码器21进行格式转换，并将转换后的视频信息发送至DSP模块3进行分析检测；
还包括以下步骤，如图3所示：
2)DSP模块3进行分析检测，包括以下步骤|：
预处理：对获得的图像帧进行预处理，去掉由于采集设备跟传输设备产生的噪声；
运动目标检测：对去噪后的图像进行运动物体的检测，对图像中每一帧过滤固定的背景，把运动目标从图像中分割提取出来，得到运动目标的前景图像，利用运动目标识别技术获得视频图像中的行人目标；
运动目标跟踪：得到前景图像后先判断当前跟踪团块列表中是否已经存在运动目标，如果有那就对运动目标进行跟踪，然后对当前帧进行新团块的检测处理，如果没有则直接对当前的帧进行新团的检测处理，并将检测到的新团块添加到跟踪团块列表中，最后记录下团块列表中的每个团块的轨迹信息；
异常行为判断：结合前后帧的轨迹信息提取运动目标的轨迹数据和速度数据，进行轨迹特征分析，通过与设定的数据进行对比判断运动目标是否出现异常行为，如果出现异常行为，会对异常运动目标进行特殊标记，并及时传给控制模块5进行显示；
异常行为判断过程结束后，系统将重新获取新的序列图像进行重复分析；
3)控制模块5将异常行为信息进行显示并发送至终控端6；
4)终控端6将异常行为信息转发给指定服务器，实时提醒监管人员检测区域的状况。
实施例3
如图3所示，一种基于DSP边缘计算的行人异常行为检测方法，包括以下步骤：
1)视频采集模块2进行视频采集，通过在检测区域的摄像头22采集视频信息，然后通过视频编码/解码器21进行格式转换，并将转换后的视频信息发送至DSP模块3进行分析检测；
还包括以下步骤，如图4所示：
2)DSP模块3进行分析检测，包括以下步骤|：
预处理：对获得的图像帧进行预处理，去掉由于采集设备跟传输设备产生的噪声；
运动目标检测：对去噪后的图像进行运动物体的检测，对图像中每一帧过滤固定的背景，把运动目标从图像中分割提取出来，再利用运动目标识别技术获得视频图像中的行人目标；
运动目标跟踪：检测出行人目标后将每个行人目标标记为一个团块，按照时间顺序生成一个团块列表，先判断当前跟踪团块列表中是否已经存在运动目标，如果有那就对同一运动目标进行跟踪，对每一个运动目标在连续帧的轨迹进行记录，提取行人的轨迹数据和速度数据。如果没有则直接对当前的帧进行新团的检测处理，并将检测到的新团块添加到跟踪团块列表中，最后记录下团块列表中的每个团块的轨迹信息；
异常行为判断：结合前后帧的轨迹信息提取运动目标的轨迹数据和速度数据，进行轨迹特征分析，通过与设定的数据进行对比判断运动目标是否出现异常行为。设定一个行人正常行走的速度值和大多人行走的方向，先判断行人有无异常行为，只要不符合系统设定的标准速度值和方向就判定为存在异常行为。如果不存在异常行为，这个过程就结束，系统将重新获取新的序列图像进行重复分析。如果有异常行为就继续判断是定义中的哪种异常行为。判断过程为：在序列图像中某个行人的轨迹与大多数人相反，属于异常行为中的逆行状态；在序列图像中某个行人的行走速度值为0，属于异常行为中的停止状态；在序列图像中某个行人的行走速度值为正常值的3倍及以上，属于异常行为中的超速状态。如果出现异常行为，会对异常运动目标进行特殊标记，并及时传给控制模块5进行显示；
异常行为判断过程结束后，系统将重新获取新的序列图像进行重复分析；
3)控制模块5将异常行为信息进行显示并发送至终控端6；
4)终控端6将异常行为信息转发给指定服务器，实时提醒监管人员检测区域的状况。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进或组合等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于DSP边缘计算的行人异常行为检测系统，包括电源模块、视频采集模块、DSP模块、数据存储模块以及控制模块，所述电源模块分别与视频采集模块、DSP模块、数据存储模块以及控制模块连接，并为各个模块供电，其特征在于：
所述视频采集模块分别与DSP模块、数据存储模块连接，所述视频采集模块包括视频编码/解码器和安装在检测区域的摄像头，所述视频编码/解码器用于将摄像头采集的视频信息进行格式转换，将采集的视频信息转换为数字图像信号，同时数字图像信号分别发送至数据存储模块和DSP模块；
所述DSP模块分别与数据存储模块和控制模块连接，所述DSP模块包括视频处理前端和后端，以及并行处理单元，所述视频处理前端负责输入数字图像，为多种标准视频提供接口，并对输入的原始图像进行预处理；所述并行处理单元采用DSP芯片，用于边缘计算算法的处理；所述视频处理后端用于驱动显示器进行图像的显示；所述DSP模块从数据存储模块取得数字图像信号进行边缘计算和行人异常行为分析，将分析结果传输给数据存储模块，同时传送到控制模块进行数字图像信号和行人异常行为检测结果的显示；
所述数据存储模块用于存储数据视频采集模块、DSP模块的数据以及行人异常行为检测所用到的算法；
所述控制模块与终控端连接，所述控制模块主要用于系统运行管理，包括系统的启动、将据存储模块中原始视频数据上传终控端、将人异常行为分析结果上报终控端、原始视频数据显示以及行人异常行为分析结果显示；
所述终控端将异常信息转发给指定的服务器。
2.一种基于DSP边缘计算的行人异常行为检测方法，包括以下步骤：
1)视频采集模块进行视频采集，通过在检测区域的摄像头采集视频信息，然后通过视频编码/解码器进行格式转换，并将转换后的视频信息发送至DSP模块进行分析检测；
其特征在于，还包括以下步骤：
2)DSP模块进行分析检测，包括以下步骤|：
预处理：对获得的图像帧进行预处理，去掉由于采集设备跟传输设备产生的噪声；
运动目标检测：对去噪后的图像进行运动物体的检测得到运动目标的前景图像，利用运动目标识别技术获得视频图像中的行人目标；
运动目标跟踪：得到前景图像后先判断当前跟踪团块列表中是否已经存在运动目标，如果有那就对运动目标进行跟踪，然后对当前帧进行新团块的检测处理，如果没有则直接对当前的帧进行新团的检测处理，并将检测到的新团块添加到跟踪团块列表中，最后记录下团块列表中的每个团块的轨迹信息；
异常行为判断：结合前后帧的轨迹信息提取运动目标的轨迹数据和速度数据，进行轨迹特征分析，通过与设定的数据进行对比判断运动目标是否出现异常行为，如果出现异常行为，会对异常运动目标进行特殊标记，并及时传给控制模块进行显示；
异常行为判断过程结束后，系统将重新获取新的序列图像进行重复分析；
3)控制模块将异常行为信息进行显示并发送至终控端；
4)终控端将异常行为信息转发给指定服务器，实时提醒监管人员检测区域的状况。
CN201911237491.0A 2019-12-06 2019-12-06 一种基于dsp边缘计算的行人异常行为检测系统和方法 Pending CN110807444A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911237491.0A CN110807444A (zh) 2019-12-06 2019-12-06 一种基于dsp边缘计算的行人异常行为检测系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911237491.0A CN110807444A (zh) 2019-12-06 2019-12-06 一种基于dsp边缘计算的行人异常行为检测系统和方法

Publications (1)

Publication Number Publication Date
CN110807444A true CN110807444A (zh) 2020-02-18

Family

ID=69492581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911237491.0A Pending CN110807444A (zh) 2019-12-06 2019-12-06 一种基于dsp边缘计算的行人异常行为检测系统和方法

Country Status (1)

Country Link
CN (1) CN110807444A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113177442A (zh) * 2021-04-12 2021-07-27 广东省科学院智能制造研究所 一种基于边缘计算的人体行为检测方法及装置
CN114241368A (zh) * 2021-12-03 2022-03-25 成都理工大学 一种面向边缘计算的人流量统计系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101123721A (zh) * 2007-09-30 2008-02-13 湖北东润科技有限公司 一种智能视频监控系统及其监控方法
CN101977304A (zh) * 2010-10-26 2011-02-16 西安理工大学 基于dsp视频处理的输电线路远程监测系统及监测方法
US20120134532A1 (en) * 2010-06-08 2012-05-31 Gorilla Technology Inc. Abnormal behavior detection system and method using automatic classification of multiple features
CN102811343A (zh) * 2011-06-03 2012-12-05 南京理工大学 一种基于行为识别的智能视频监控系统
CN106327738A (zh) * 2016-08-26 2017-01-11 特斯联（北京）科技有限公司 一种智能分级监控系统
CN106571014A (zh) * 2016-10-24 2017-04-19 上海伟赛智能科技有限公司 一种在视频中识别异常动作的方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101123721A (zh) * 2007-09-30 2008-02-13 湖北东润科技有限公司 一种智能视频监控系统及其监控方法
US20120134532A1 (en) * 2010-06-08 2012-05-31 Gorilla Technology Inc. Abnormal behavior detection system and method using automatic classification of multiple features
CN101977304A (zh) * 2010-10-26 2011-02-16 西安理工大学 基于dsp视频处理的输电线路远程监测系统及监测方法
CN102811343A (zh) * 2011-06-03 2012-12-05 南京理工大学 一种基于行为识别的智能视频监控系统
CN106327738A (zh) * 2016-08-26 2017-01-11 特斯联（北京）科技有限公司 一种智能分级监控系统
CN106571014A (zh) * 2016-10-24 2017-04-19 上海伟赛智能科技有限公司 一种在视频中识别异常动作的方法和系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113177442A (zh) * 2021-04-12 2021-07-27 广东省科学院智能制造研究所 一种基于边缘计算的人体行为检测方法及装置
CN113177442B (zh) * 2021-04-12 2024-01-30 广东省科学院智能制造研究所 一种基于边缘计算的人体行为检测方法及装置
CN114241368A (zh) * 2021-12-03 2022-03-25 成都理工大学 一种面向边缘计算的人流量统计系统

Similar Documents

Publication Publication Date Title
CN107679471B (zh) 基于视频监控平台的室内人员空岗检测方法
CN102665071B (zh) 一种社会治安视频监控图像智能处理和检索方法
CN102164270A (zh) 具有异常事件发掘功能的智能视频监控方法及系统
CN111047818A (zh) 一种基于视频图像的森林火灾预警系统
CN109460744B (zh) 一种基于深度学习的视频监控系统
CN210666820U (zh) 一种基于dsp边缘计算的行人异常行为检测系统
CN105744232A (zh) 一种基于行为分析技术的输电线路视频防外破的方法
CN102740121B (zh) 应用于视频监控网络的视频质量诊断控制系统及方法
CN104809887A (zh) 一种高速公路上车辆逆行检测方法与自动报警装置
CN110096945B (zh) 基于机器学习的室内监控视频关键帧实时提取方法
CN112232211A (zh) 一种基于深度学习的智能视频监控系统
CN110807444A (zh) 一种基于dsp边缘计算的行人异常行为检测系统和方法
CN211184122U (zh) 铁路作业安全防控和大客流预警联动的智能视频分析系统
CN103440738A (zh) 一种风景区内游客步行桥超员预警方法
CN108174198B (zh) 一种视频图像质量诊断分析检测设备及应用系统
CN115116004A (zh) 一种基于深度学习的办公区域异常行为检测系统及方法
CN117612060A (zh) 基于人工智能检测的视频预警系统、方法、设备及介质
CN117576632B (zh) 基于多模态ai大模型的电网监控火灾预警系统及方法
CN113052125B (zh) 一种施工现场违章图像识别告警方法
CN112866654B (zh) 一种智能视频监控系统
CN105095891A (zh) 一种人脸捕捉的方法，装置及系统
CN113095225A (zh) 一种红外周视的人工智能检测抽油机运行状态系统、方法、设备及存储介质
CN116595219A (zh) 一种船舶监控视频有效片段提取方法及管理系统
CN107124577A (zh) 一种基于运动目标检测的实时防窃系统
CN115393340A (zh) 一种基于5g算法的ai视觉产品质量检测系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination