CN110942577A - 一种基于机器视觉的大河偷砂监控系统及方法 - Google Patents
一种基于机器视觉的大河偷砂监控系统及方法 Download PDFInfo
- Publication number
- CN110942577A CN110942577A CN201911064138.7A CN201911064138A CN110942577A CN 110942577 A CN110942577 A CN 110942577A CN 201911064138 A CN201911064138 A CN 201911064138A CN 110942577 A CN110942577 A CN 110942577A
- Authority
- CN
- China
- Prior art keywords
- ship
- sand
- stealing
- river
- regular
- 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
- 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
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种基于机器视觉的大河偷砂监控系统及方法,包括以下:步骤110、建立正规船只数据库,船只合法持有者进行注册登录并将相关信息录入所述正规船只数据库,录入完成时对应生成一个随机且不重复的n位船牌号作为该船只的ID,并在该船只安装带有该船牌号的夜光船牌;步骤120、每隔阈值时间T,以时间t为摄像模块摄像时间间隔获取m张河段的砂场图像信息;步骤130、判断河段的砂场是否存在船只;步骤131、判断砂场的船只是否为正规船只,若是则通过记录的采砂量判断该船只是否存在偷砂行为,若否则根据船只停留时间判断是否存在偷沙风险。本发明能够避免人工巡逻所耗费的大量人力成本以及在夜晚也很难有较高的检测效果的问题。
Description
技术领域
本发明涉及火灾监测领域,尤其涉及一种基于机器视觉的大河偷砂监控系统及方法。
背景技术
近年来,随着城市建设的加快,河砂的需求量越来越大,在利益的驱动作用下,无证开采,乱采滥挖等非法采砂的现象变得十分严重,于此同时违法违规采砂活动严重影响采砂河段河床的自然变化,对相关河段的防洪安全、船舶航行安全及生态环境等都带来不良影响。因此监督相关河道的采砂是非常必要的。
当今市场对采砂进行监控的方式往往是通过设立人工监测站点,并采用换岗巡逻的方式进行采砂监控,这样一来不仅耗费大量的人力成本,在夜晚也很难有较高的检测效果。
当今市场急需一种基于机器视觉的大河偷砂监控系统及方法,能够智能化地在白天和夜晚对河段进行监控,较大程度地提高采砂监控准确度。
发明内容
本发明的目的是解决现有技术的不足,提供一种基于机器视觉的大河偷砂监控系统及方法。
为了实现上述目的,本发明采用以下的技术方案:
提出一种基于机器视觉的大河偷砂监控方法,包括以下:
步骤110、建立正规船只数据库,船只合法持有者进行注册登录并将相关信息录入所述正规船只数据库,录入完成时对应生成一个随机且不重复的n位船牌号作为该船只的ID,并在该船只安装带有该船牌号的夜光船牌;
步骤120、每隔阈值时间T,以时间t为摄像模块摄像时间间隔获取m张河段的砂场图像信息;
步骤130、判断河段的砂场是否存在船只,
若是则转至步骤131,
若否则判定此次无偷砂行为;
步骤131、判断砂场的船只是否为正规船只,
若是则根据该船只的船牌号获取对应船只的采砂量监控装置所记录的采砂量,通过记录的采砂量判断该船只是否存在偷砂行为,
若否则对该船只在采砂区域停留时间进行统计,
若该船只在采砂区域停留时间超过阈值时间U,则判定该船只存在偷砂风险;
若该船只在采砂区域停留时间不超过阈值时间U,则判定该船只不存在偷砂风险。
进一步,收集实际场景中沙船的图像50000张,经过图像标注和图像数据增强后得到训练数据集,tensorflow Object Detection api基于faster rcnn模型对数据进行训练,得到用于检测的模型,然后通过C++版本的opencv进行模型调用调用,进行沙船的检测。
进一步,上述图像标注的具体方式包括以下:
对收集到的图像数据中的沙船使用图像标注工具LabelImg进行标注,将每张图片中沙船在图片中的位置使用坐标表示出来;
上述图像数据增强的增强比例为原图像集的4倍。
进一步,上述步骤131中判断砂场的船只是否为正规船只的方式为:
对砂场的船只的船牌号进行识别,将识别得到的船牌号与正规船只数据库进行匹配,
若匹配成功则表示砂场的船只为正规船只,
若匹配失败或不存在船牌号则表示砂场的船只不是正规船只。
进一步,还包括以下:
当判定存在偷砂行为时,报警模块的红灯闪烁,推送第一信息至预设的安防人员手机号,所述第一信息包括存在偷砂行为的船只船牌号信息以及当前时间信息;
当判定存在偷砂风险时,报警模块的黄灯闪烁,推送第二信息至预设的安放人员手机号,所述第二信息包括存在偷砂风险的河段信息以及当前时间信息;
当不存在不存在偷砂行为以及偷砂风险时,报警模块的绿灯闪烁。
本发明还提出一种基于机器视觉的大河偷砂监控系统,应用了上述权利要求1-5所述的基于机器视觉的大河偷砂监控方法,包括以下:
多个船牌,所述船牌设置有随机且不重复的n位船牌号,所述船牌设置于完成注册的正规船只的船头处;
采砂量监控装置,所述采砂量监控装置用于对正规船只的采砂量进行监控,所述采砂量监控装置设置于正规船只上,所述采砂量监控装置设置有GPRS通信模块,所述GPRS通信模块用于将对应船牌号的船只的采砂量信息上传至云服务器;
多个摄像模块,所述摄像模块用于获取砂场图像信息,所述摄像模块设置于河段的砂场沿岸;
云服务器,所述云服务器用于搭载正规船只数据库,所述云服务器设置于控制中心的机房中;
存储模块,所述存储模块用于存储所述第一信息以及所述第二信息;
报警模块,所述报警模块用于在出现偷砂风险以及偷砂行为时进行报警;
处理模块,所述处理模块设置于控制中心的机房中,所述处理模块包括:
信息录入单元,所述信息录入单元用于使船只合法持有者连接正规船只数据库,实现船只合法持有者与正规船只数据库之间的信息交互;
第一图像处理单元,所述第一图像处理单元用于通过C++版本的opencv进行模型调用调用,进行沙船的检测,所述模型通过收集实际场景中沙船的图像50000张,经过图像标注和图像数据增强后得到训练数据集,tensorflow Object Detection api基于fasterrcnn模型对数据进行训练得到;
第二图像处理单元,所述第二图像处理单元用于对监测到砂场的船只的船牌号进行识别;
船牌号判定单元;所述船牌号判定单元用于将识别的船只的船牌号与正规船只数据库中录入的船牌号进行匹配,判断识别的船只的船牌号是否为正规船只。
进一步,所述摄像模块等间距的设置于河段的砂场沿岸,相邻的所述摄像模块两两之间将河段的砂场沿岸划分为独立的区域。
进一步,所述报警模块包括三色呼吸灯以及蜂鸣器,所述报警模块设置于值班人员的工作室中。
进一步,所述船牌为夜光船牌,所述夜光船牌为在船牌的数字位置均匀涂抹有荧光粉的船牌。
还提出一种计算机可读存储的介质,所述计算机可读存储的介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-5任一项所述方法的步骤。
本发明的有益效果为:
本发明通过建立一个结构较为简单的监测系统,并通过给正规船只增设采砂量监控装置以及船牌号对正规船只的采砂进行监控,并根据非正规船只在河段的砂场停留时间来判断非正规船只是否存在偷砂风险,能够智能化地在白天和夜晚对河段进行监控,较大程度地提高采砂监控准确度,避免人工巡逻所耗费的大量人力成本以及在夜晚也很难有较高的检测效果的问题。
附图说明
图1所示为本发明一种基于机器视觉的大河偷砂监控系统流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。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。附图中各处使用的相同的附图标记指示相同或相似的部分。
参照图1,本发明提出一种基于机器视觉的大河偷砂监控方法,包括以下:
步骤110、建立正规船只数据库,船只合法持有者进行注册登录并将相关信息录入所述正规船只数据库,录入完成时对应生成一个随机且不重复的n位船牌号作为该船只的ID,并在该船只安装带有该船牌号的夜光船牌;
步骤120、每隔阈值时间T,以时间t为摄像模块摄像时间间隔获取m张河段的砂场图像信息;其中时间T即为监控间隔时间,一般根据采砂船进行偷砂需要时间进行调整,一般取10分钟,而t为摄像模块的摄像时间间隔一般根据摄像模块所采用的相机的规格进行设置。
步骤130、判断河段的砂场是否存在船只,
若是则转至步骤131,
若否则判定此次无偷砂行为;
步骤131、判断砂场的船只是否为正规船只,
若是则根据该船只的船牌号获取对应船只的采砂量监控装置所记录的采砂量,通过记录的采砂量判断该船只是否存在偷砂行为,
若否则对该船只在采砂区域停留时间进行统计,
若该船只在采砂区域停留时间超过阈值时间U,则判定该船只存在偷砂风险;
若该船只在采砂区域停留时间不超过阈值时间U,则判定该船只不存在偷砂风险。
作为本方案的优选实施方式,收集实际场景中沙船的图像50000张,经过图像标注和图像数据增强后得到训练数据集,tensorflow Object Detection api基于faster rcnn模型对数据进行训练,得到用于检测的模型,然后通过C++版本的opencv进行模型调用调用,进行沙船的检测。另外通过荧光船牌的识别船只,有时候可能出现漏检的情况,所以也可以通过增设一个船只实体识别的模块,对船只进行辅助识别,(具体为类内的实体识别,类似人脸识别)。而使用该模块的具体步骤包括以下:采集注册采沙船的图片,输入船只实体识别模块,获取能够识别本船的足够特征信息,作为本船在该区域的识别特征,并且不断定时采集船只图片更新采沙船的特征。这样一来能够较大程度地避免产生漏检的情况。
作为本方案的优选实施方式,上述图像标注的具体方式包括以下:
对收集到的图像数据中的沙船使用图像标注工具LabelImg进行标注,将每张图片中沙船在图片中的位置使用坐标表示出来;
上述图像数据增强的增强比例为原图像集的4倍。
下面是使用到的数据增强的方法:
旋转|反射变换(Rotation/reflection):随机旋转图像一定角度;改变图像内容的朝向;
翻转变换(flip):沿着水平或者垂直方向翻转图像;
缩放变换(zoom):按照一定的比例放大或者缩小图像;
平移变换(shift):在图像平面上对图像以一定方式进行平移;
可以采用随机或人为定义的方式指定平移范围和平移步长,沿水平或竖直方向进行平移.改变图像内容的位置;
尺度变换(scale):对图像按照指定的尺度因子,进行放大或缩小;或者参照SIFT特征提取思想,利用指定的尺度因子对图像滤波构造尺度空间.改变图像内容的大小或模糊程度;
对比度变换(contrast):在图像的HSV颜色空间,改变饱和度S和V亮度分量,保持色调H不变.对每个像素的S和V分量进行指数运算(指数因子在0.25到4之间),增加光照变化;
噪声扰动(noise):对图像的每个像素RGB进行随机扰动,常用的噪声模式是椒盐噪声和高斯噪声;
颜色变换(color):在训练集像素值的RGB颜色空间进行PCA,得到RGB空间的3个主方向向量p1,p2,p3,3个特征值,λ1,λ2,λ3.对每幅图像的每个像素Ixy=[IRxy,IGxy,IBxy]T进行加上如下的变化:[p1,p2,p3][α1λ1,α2λ2,α3λ3]T其中:αi是满足均值为0,方差为0.1的随机变量。
必要的时候可以使用GAN的方式对数据进行增强。
作为本方案的优选实施方式,上述步骤131中判断砂场的船只是否为正规船只的方式为:
对砂场的船只的船牌号进行识别,将识别得到的船牌号与正规船只数据库进行匹配,
若匹配成功则表示砂场的船只为正规船只,
若匹配失败或不存在船牌号则表示砂场的船只不是正规船只。
作为本方案的优选实施方式,还包括以下:
当判定存在偷砂行为时,报警模块的红灯闪烁,推送第一信息至预设的安防人员手机号,所述第一信息包括存在偷砂行为的船只船牌号信息以及当前时间信息;
当判定存在偷砂风险时,报警模块的黄灯闪烁,推送第二信息至预设的安放人员手机号,所述第二信息包括存在偷砂风险的河段信息以及当前时间信息;
当不存在不存在偷砂行为以及偷砂风险时,报警模块的绿灯闪烁。
本发明还提出一种基于机器视觉的大河偷砂监控系统,应用了上述权利要求1-5所述的基于机器视觉的大河偷砂监控方法,包括以下:
多个船牌,所述船牌设置有随机且不重复的n位船牌号,所述船牌设置于完成注册的正规船只的船头处;
采砂量监控装置,所述采砂量监控装置用于对正规船只的采砂量进行监控,所述采砂量监控装置设置于正规船只上,所述采砂量监控装置设置有GPRS通信模块,所述GPRS通信模块用于将对应船牌号的船只的采砂量信息上传至云服务器;
多个摄像模块,所述摄像模块用于获取砂场图像信息,所述摄像模块设置于河段的砂场沿岸;具体的实施时,选用红外摄像头较佳,因为偷沙船只一般在夜间进行作业,所以本发明在实施时采用红外摄像头,当然也可以根据条件选取摄像头的种类,只要合理即可。
云服务器,所述云服务器用于搭载正规船只数据库,所述云服务器设置于控制中心的机房中;
存储模块,所述存储模块用于存储所述第一信息以及所述第二信息;
报警模块,所述报警模块用于在出现偷砂风险以及偷砂行为时进行报警;
处理模块,所述处理模块设置于控制中心的机房中,所述处理模块包括:
信息录入单元,所述信息录入单元用于使船只合法持有者连接正规船只数据库,实现船只合法持有者与正规船只数据库之间的信息交互;
第一图像处理单元,所述第一图像处理单元用于通过C++版本的opencv进行模型调用调用,进行沙船的检测,所述模型通过收集实际场景中沙船的图像50000张,经过图像标注和图像数据增强后得到训练数据集,tensorflow Object Detection api基于fasterrcnn模型对数据进行训练得到;
第二图像处理单元,所述第二图像处理单元用于对监测到砂场的船只的船牌号进行识别;
船牌号判定单元;所述船牌号判定单元用于将识别的船只的船牌号与正规船只数据库中录入的船牌号进行匹配,判断识别的船只的船牌号是否为正规船只。
作为本方案的优选实施方式,所述摄像模块等间距的设置于河段的砂场沿岸,相邻的所述摄像模块两两之间将河段的砂场沿岸划分为独立的区域。通过摄像模块监管的范围将河段的砂场沿岸划分为独立的区域,这样可以方便在出现偷砂隐患的时候安防人员能够快速对非正规船只区域进行定位,从而做出针对性的保护措施。
作为本方案的优选实施方式,所述报警模块包括三色呼吸灯以及蜂鸣器,所述报警模块设置于值班人员的工作室中。本方案通过采用三色呼吸灯以及蜂鸣器相配合的报警形式,当出现偷砂行为以及偷砂隐患时蜂鸣器报警提醒安防人员进行查看,并通过三色呼吸灯的颜色变化表示出现情况的类型,一目了然能够提高安防人员的工作效率。
作为本方案的优选实施方式,所述船牌为夜光船牌,所述夜光船牌为在船牌的数字位置均匀涂抹有荧光粉的船牌。通过将船牌设置为夜光船牌,能够使摄像模块拍摄图像在进行二值化后更方便寻找船牌号码的连通域。
还提出一种计算机可读存储的介质,所述计算机可读存储的介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-5任一项所述方法的步骤。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块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介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储的介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本发明的预定范围。此外,上文以发明人可预见的实施例对本发明进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
以上所述,只是本发明的较佳实施例而已,本发明并不局限于上述实施方式,只要其以相同的手段达到本发明的技术效果,都应属于本发明的保护范围。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。
Claims (10)
1.一种基于机器视觉的大河偷砂监控方法,其特征在于,包括以下:
步骤110、建立正规船只数据库,船只合法持有者进行注册登录并将相关信息录入所述正规船只数据库,录入完成时对应生成一个随机且不重复的n位船牌号作为该船只的ID,并在该船只安装带有该船牌号的夜光船牌;
步骤120、每隔阈值时间T,以时间t为摄像模块摄像时间间隔获取m张河段的砂场图像信息;
步骤130、判断河段的砂场是否存在船只,
若是则转至步骤131,
若否则判定此次无偷砂行为;
步骤131、判断砂场的船只是否为正规船只,
若是则根据该船只的船牌号获取对应船只的采砂量监控装置所记录的采砂量,通过记录的采砂量判断该船只是否存在偷砂行为,
若否则对该船只在采砂区域停留时间进行统计,
若该船只在采砂区域停留时间超过阈值时间U,则判定该船只存在偷砂风险;
若该船只在采砂区域停留时间不超过阈值时间U,则判定该船只不存在偷砂风险。
2.根据权利要求1所述的一种基于机器视觉的大河偷砂监控方法,其特征在于,上述判断河段的砂场是否存在船只的方式为:收集实际场景中沙船的图像50000张,经过图像标注和图像数据增强后得到训练数据集,tensorflow Object Detection api基于faster rcnn模型对数据进行训练,得到用于检测的模型,然后通过C++版本的opencv进行模型调用调用,进行沙船的检测。
3.根据权利要求2所述的一种基于机器视觉的大河偷砂监控方法,其特征在于,
上述图像标注的具体方式包括以下:
对收集到的图像数据中的沙船使用图像标注工具LabelImg进行标注,将每张图片中沙船在图片中的位置使用坐标表示出来;
上述图像数据增强的增强比例为原图像集的4倍。
4.根据权利要求3所述的一种基于机器视觉的大河偷砂监控方法,其特征在于,上述步骤131中判断砂场的船只是否为正规船只的方式为:
对砂场的船只的船牌号进行识别,将识别得到的船牌号与正规船只数据库进行匹配,
若匹配成功则表示砂场的船只为正规船只,
若匹配失败或不存在船牌号则表示砂场的船只不是正规船只。
5.根据权利要求4所述的一种基于机器视觉的大河偷砂监控方法,其特征在于,还包括以下:
当判定存在偷砂行为时,报警模块的红灯闪烁,推送第一信息至预设的安防人员手机号,所述第一信息包括存在偷砂行为的船只船牌号信息以及当前时间信息;
当判定存在偷砂风险时,报警模块的黄灯闪烁,推送第二信息至预设的安放人员手机号,所述第二信息包括存在偷砂风险的河段信息以及当前时间信息;
当不存在不存在偷砂行为以及偷砂风险时,报警模块的绿灯闪烁。
6.一种基于机器视觉的大河偷砂监控系统,其特征在于,应用了上述权利要求1-5所述的基于机器视觉的大河偷砂监控方法,包括以下:
多个船牌,所述船牌设置有随机且不重复的n位船牌号,所述船牌设置于完成注册的正规船只的船头处;
采砂量监控装置,所述采砂量监控装置用于对正规船只的采砂量进行监控,所述采砂量监控装置设置于正规船只上,所述采砂量监控装置设置有GPRS通信模块,所述GPRS通信模块用于将对应船牌号的船只的采砂量信息上传至云服务器;
多个摄像模块,所述摄像模块用于获取砂场图像信息,所述摄像模块设置于河段的砂场沿岸;
云服务器,所述云服务器用于搭载正规船只数据库,所述云服务器设置于控制中心的机房中;
存储模块,所述存储模块用于存储所述第一信息以及所述第二信息;
报警模块,所述报警模块用于在出现偷砂风险以及偷砂行为时进行报警;
处理模块,所述处理模块设置于控制中心的机房中,所述处理模块包括:
信息录入单元,所述信息录入单元用于使船只合法持有者连接正规船只数据库,实现船只合法持有者与正规船只数据库之间的信息交互;
第一图像处理单元,所述第一图像处理单元用于通过C++版本的opencv进行模型调用调用,进行沙船的检测,所述模型通过收集实际场景中沙船的图像50000张,经过图像标注和图像数据增强后得到训练数据集,tensorflow Object Detection api基于faster rcnn模型对数据进行训练得到;
第二图像处理单元,所述第二图像处理单元用于对监测到砂场的船只的船牌号进行识别;
船牌号判定单元;所述船牌号判定单元用于将识别的船只的船牌号与正规船只数据库中录入的船牌号进行匹配,判断识别的船只的船牌号是否为正规船只。
7.根据权利要求6所述的一种基于机器视觉的大河偷砂监控系统,其特征在于,所述摄像模块等间距的设置于河段的砂场沿岸,相邻的所述摄像模块两两之间将河段的砂场沿岸划分为独立的区域。
8.根据权利要求6所述的一种基于机器视觉的大河偷砂监控系统,其特征在于,所述报警模块包括三色呼吸灯以及蜂鸣器,所述报警模块设置于值班人员的工作室中。
9.根据权利要求6所述的一种基于机器视觉的大河偷砂监控系统,其特征在于,所述船牌为夜光船牌,所述夜光船牌为在船牌的数字位置均匀涂抹有荧光粉的船牌。
10.一种计算机可读存储的介质,所述计算机可读存储的介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911064138.7A CN110942577A (zh) | 2019-11-04 | 2019-11-04 | 一种基于机器视觉的大河偷砂监控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911064138.7A CN110942577A (zh) | 2019-11-04 | 2019-11-04 | 一种基于机器视觉的大河偷砂监控系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110942577A true CN110942577A (zh) | 2020-03-31 |
Family
ID=69906356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911064138.7A Pending CN110942577A (zh) | 2019-11-04 | 2019-11-04 | 一种基于机器视觉的大河偷砂监控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110942577A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113496190A (zh) * | 2020-04-01 | 2021-10-12 | 杭州海康微影传感科技有限公司 | 船只监控方法、装置及电子设备 |
CN113989693A (zh) * | 2021-09-15 | 2022-01-28 | 南京邮电大学 | 基于Yolo Backbone优化的船舶非法卸砂行为识别方法及系统 |
CN114529864A (zh) * | 2021-12-30 | 2022-05-24 | 东莞先知大数据有限公司 | 一种岸边走私行为检测方法、装置及存储介质 |
CN117671485A (zh) * | 2023-10-31 | 2024-03-08 | 西藏自治区农牧科学院水产科学研究所 | 一种基于多源卫星遥感影像的西藏水域鱼类栖息地保护性监测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020061064A1 (en) * | 2000-11-22 | 2002-05-23 | Fumio Ishikawa | Video broadcasting equipment, image processing equipment, and camera |
CN203465585U (zh) * | 2013-09-22 | 2014-03-05 | 重庆惠泽科技发展有限公司 | 用于河道采砂的远程监控装置 |
CN104077676A (zh) * | 2014-06-26 | 2014-10-01 | 王�忠 | 水运安全实时动态管控系统 |
CN106339723A (zh) * | 2016-08-30 | 2017-01-18 | 天津天地伟业数码科技有限公司 | 基于视频河道盗采的检测方法 |
CN106814670A (zh) * | 2017-03-22 | 2017-06-09 | 重庆高略联信智能技术有限公司 | 一种河道采砂智能监管方法及系统 |
CN107911650A (zh) * | 2017-11-01 | 2018-04-13 | 炜呈智能电力科技(杭州)有限公司 | 智能河道监控系统 |
CN207457225U (zh) * | 2017-10-19 | 2018-06-05 | 沂沭河水利管理局郯城河道管理局 | 河道采砂精细化管理系统 |
-
2019
- 2019-11-04 CN CN201911064138.7A patent/CN110942577A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020061064A1 (en) * | 2000-11-22 | 2002-05-23 | Fumio Ishikawa | Video broadcasting equipment, image processing equipment, and camera |
CN203465585U (zh) * | 2013-09-22 | 2014-03-05 | 重庆惠泽科技发展有限公司 | 用于河道采砂的远程监控装置 |
CN104077676A (zh) * | 2014-06-26 | 2014-10-01 | 王�忠 | 水运安全实时动态管控系统 |
CN106339723A (zh) * | 2016-08-30 | 2017-01-18 | 天津天地伟业数码科技有限公司 | 基于视频河道盗采的检测方法 |
CN106814670A (zh) * | 2017-03-22 | 2017-06-09 | 重庆高略联信智能技术有限公司 | 一种河道采砂智能监管方法及系统 |
CN207457225U (zh) * | 2017-10-19 | 2018-06-05 | 沂沭河水利管理局郯城河道管理局 | 河道采砂精细化管理系统 |
CN107911650A (zh) * | 2017-11-01 | 2018-04-13 | 炜呈智能电力科技(杭州)有限公司 | 智能河道监控系统 |
Non-Patent Citations (2)
Title |
---|
鄢煜川等: "采砂智能监管系统研究与应用", 《水资源研究》 * |
高健等: "内河航道采砂监测系统设计及应用", 《武汉理工大学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113496190A (zh) * | 2020-04-01 | 2021-10-12 | 杭州海康微影传感科技有限公司 | 船只监控方法、装置及电子设备 |
CN113989693A (zh) * | 2021-09-15 | 2022-01-28 | 南京邮电大学 | 基于Yolo Backbone优化的船舶非法卸砂行为识别方法及系统 |
CN113989693B (zh) * | 2021-09-15 | 2023-09-15 | 南京邮电大学 | 基于Yolo Backbone优化的船舶非法卸砂行为识别方法及系统 |
CN114529864A (zh) * | 2021-12-30 | 2022-05-24 | 东莞先知大数据有限公司 | 一种岸边走私行为检测方法、装置及存储介质 |
CN117671485A (zh) * | 2023-10-31 | 2024-03-08 | 西藏自治区农牧科学院水产科学研究所 | 一种基于多源卫星遥感影像的西藏水域鱼类栖息地保护性监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110942577A (zh) | 一种基于机器视觉的大河偷砂监控系统及方法 | |
CN105160297B (zh) | 基于肤色特征的蒙面人事件自动检测方法 | |
CN103763515B (zh) | 一种基于机器学习的视频异常检测方法 | |
CN111967393A (zh) | 一种基于改进YOLOv4的安全帽佩戴检测方法 | |
CN104766086B (zh) | 一种公路标识的监管方法和系统 | |
CN112149513A (zh) | 基于深度学习的工业制造现场安全帽佩戴识别系统和方法 | |
US20070116328A1 (en) | Nudity mask for use in displaying video camera images | |
CN112819068B (zh) | 一种基于深度学习的船舶作业违章行为实时侦测方法 | |
CN103955705A (zh) | 基于视频分析的交通信号灯定位、识别与分类方法 | |
CN113887412B (zh) | 污染排放的检测方法、检测终端、监控系统及存储介质 | |
CN105844245A (zh) | 一种伪装人脸检测方法及系统 | |
CN103680176A (zh) | 基于位置信息的信号灯识别系统 | |
CN111639620A (zh) | 一种基于可见光图像识别的火灾分析方法及系统 | |
WO2011032117A1 (en) | Method and system for wildfire detection using a visible range camera | |
CN108470424A (zh) | 一种基于图像特征的森林安全监测系统 | |
CN113239854B (zh) | 一种基于深度学习的船舶身份识别方法及系统 | |
US9256803B2 (en) | Automatic detection of persistent changes in naturally varying scenes | |
Stone et al. | Forward looking anomaly detection via fusion of infrared and color imagery | |
CN113936029A (zh) | 基于视频的违法捕鱼自动检测方法及系统 | |
CN110135347A (zh) | 一种基于视频图像的火焰识别方法 | |
CN112017445A (zh) | 一种行人违规行为预测和运动轨迹跟踪系统和方法 | |
CN113989692A (zh) | 基于通道分析的穿戴场景识别系统及方法 | |
CN114359830A (zh) | 图像检测方法、设备及计算机存储介质 | |
CN113705504A (zh) | 一种基于视频处理技术的海洋渔业安全生产管理系统 | |
US9530056B2 (en) | Day night classification of images using thresholding on HSV histogram |
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 |