CN111044105A - 一种应用于物流车的环境数据监测系统及方法 - Google Patents

一种应用于物流车的环境数据监测系统及方法 Download PDF

Info

Publication number
CN111044105A
CN111044105A CN201911409330.5A CN201911409330A CN111044105A CN 111044105 A CN111044105 A CN 111044105A CN 201911409330 A CN201911409330 A CN 201911409330A CN 111044105 A CN111044105 A CN 111044105A
Authority
CN
China
Prior art keywords
environmental data
logistics vehicle
face image
alarm
data
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
CN201911409330.5A
Other languages
English (en)
Inventor
张典典
徐银霞
陈卓豪
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.)
Wuhan Institute of Technology
Original Assignee
Wuhan Institute 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 Wuhan Institute of Technology filed Critical Wuhan Institute of Technology
Priority to CN201911409330.5A priority Critical patent/CN111044105A/zh
Publication of CN111044105A publication Critical patent/CN111044105A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种应用于物流车的环境数据监测系统及方法，该系统包括环境数据采集装置、控制器、显示设备和报警器，控制器分别与环境数据采集装置、显示设备和报警器电连接，控制器用于：获取环境数据采集装置采集的车厢内的环境数据和环境图像；提取环境图像中的人脸图像，将人脸图像与预先存储的特征模板进行匹配，获得匹配结果，并确定环境数据是否在预设范围内，获得比对结果；当人脸图像与特征模板匹配失败时，或环境数据不在预设范围内时，控制报警器报警。本发明的技术方案中能够对车厢内的环境状况和进入车厢的人员进行监测，在出现异常时及时提醒工作人员采取措施，保证车厢内货物的安全。

Description

一种应用于物流车的环境数据监测系统及方法
技术领域
本发明涉及环境监测技术领域，尤其涉及一种应用于物流车的环境数据监测系统及方法。
背景技术
随着我国物流产业的飞速发展，物流产业已逐步成为我国经济增长的新亮点。但是当前的物流管理系统仍不够完善，运输途中货物损坏和货物丢失的情况时有发生，例如：运输过程中，车厢内温度升高导致蔬菜瓜果等变质，或小偷进入到车厢内盗窃货物。
发明内容
为了对物流车车厢内的环境状况和进入车厢的人员进行监测，保证货物的安全，本发明提供一种应用于物流车的环境数据监测系统及方法。
本发明解决上述技术问题的技术方案如下：
第一方面，本发明提供了一种应用于物流车的环境数据监测系统，包括环境数据采集装置、控制器、显示设备和报警器，所述控制器分别与所述环境数据采集装置、所述显示设备和所述报警器电连接，所述控制器用于：
获取所述环境数据采集装置采集的物流车车厢内的环境数据和环境图像。
提取所述环境图像中的人脸图像，将所述人脸图像与预先存储的特征模板进行匹配，获得匹配结果，并确定所述环境数据是否在预设范围内，获得比对结果。
将所述匹配结果和所述比对结果输出至所述显示设备进行显示，当所述人脸图像与所述特征模板匹配失败时，或所述环境数据不在所述预设范围内时，控制所述报警器报警。
第二方面，本发明提供了一种应用于物流车的环境数据监测方法，所述方法包括如下步骤：
获取环境数据采集装置采集的物流车车厢内的环境数据和环境图像。
提取所述环境图像中的人脸图像，将所述人脸图像与预先存储的特征模板进行匹配，获得匹配结果，并确定所述环境数据是否在预设范围内，获得比对结果。
将所述匹配结果和所述比对结果输出至显示设备进行显示，当所述人脸图像与所述特征模板匹配失败时，或所述环境数据不在所述预设范围内时，控制报警器报警。
本发明的应用于物流车的环境数据监测方法及系统的有益效果是：通过环境数据采集装置采集车厢内的环境数据和环境图像，环境数据可包括温度、湿度和可燃气体浓度等。控制器对环境图像进行处理，若环境图像中有人脸图像时，提取该人脸图像与预先存储的特征模板进行匹配，特征模板与工作人员的人脸对应，当人脸图像与特征模板匹配成功时，表示进入车厢内的人为工作人员，当人脸图像与特征模板匹配失败时，表示进入车厢内的人不是工作人员，控制器控制报警器进行报警。并且控制器将环境数据分别与预设范围的上阈值和下阈值进行比对，根据比对结果确定环境数据是否在预设范围内，若在预设范围内，表示车厢内环境数据正常，若不在预设范围内，表示车厢内环境数据异常，不适合货物储存，控制报警器进行报警。本发明的技术方案中对车厢内的环境状况和进入车厢的人员进行监测，将监测结果输出至显示设备进行显示，并在监测结果不符合预期时进行报警，能够及时提醒工作人员，便于工作人员快速采取措施，保证车厢内货物的安全。
附图说明
图1为本发明实施例的一种应用于物流车的环境数据监测系统的结构示意图；
图2为本发明另一实施例的一种应用于物流车的环境数据监测方法的流程示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
如图1所示，本发明实施例提供的一种应用于物流车的环境数据监测系统，包括环境数据采集装置、控制器、显示设备和报警器，所述控制器分别与所述环境数据采集装置、所述显示设备和所述报警器电连接，所述控制器用于：
获取所述环境数据采集装置采集的物流车车厢内的环境数据和环境图像。
提取所述环境图像中的人脸图像，将所述人脸图像与预先存储的特征模板进行匹配，获得匹配结果，并确定所述环境数据是否在预设范围内，获得比对结果。
具体地，数据库中预先存储有多个特征模板，每个特征模板与一个工作人员的人脸对应。
将所述匹配结果和所述比对结果输出至所述显示设备进行显示，当所述人脸图像与所述特征模板匹配失败时，或所述环境数据不在所述预设范围内时，控制所述报警器报警。
本实施例中，通过环境数据采集装置采集车厢内的环境数据和环境图像，环境数据可包括温度、湿度和可燃气体浓度等。控制器对环境图像进行处理，若环境图像中有人脸图像时，提取该人脸图像与预先存储的特征模板进行匹配，特征模板与工作人员的人脸对应，当人脸图像与特征模板匹配成功时，表示进入车厢内的人为工作人员，当人脸图像与特征模板匹配失败时，表示进入车厢内的人不是工作人员，控制器控制报警器进行报警。并且控制器将环境数据分别与预设范围的上阈值和下阈值进行比对，根据比对结果确定环境数据是否在预设范围内，若在预设范围内，表示车厢内环境数据正常，若不在预设范围内，表示车厢内环境数据异常，不适合货物储存，控制报警器进行报警。本发明的技术方案中对车厢内的环境状况和进入车厢的人员进行监测，将监测结果输出至显示设备进行显示，并在监测结果不符合预期时进行报警，能够及时提醒工作人员，便于工作人员快速采取措施，保证车厢内货物的安全。
优选地，还包括红外传感装置，所述红外传感装置与所述控制器电连接，用于检测是否有人进入所述车厢，所述环境数据采集装置包括摄像头，所述控制器具体用于：
当接收到所述红外传感器输入的红外感应信号时，控制所述摄像头拍摄所述环境图像。
具体地，红外传感装置设置在车厢内靠近车门的位置，当红外传感器检测到有人进入车厢时，再控制摄像头拍摄环境图像，其它时间摄像头处于休眠状态，可以降低能耗。摄像头的可设置在车厢内的侧壁或顶壁上，镜头朝向车门方向，摄像头可采用红外摄像头，在光线较暗的情况下也可以拍摄到清楚的图像，或者还在可车厢内顶部设置照明灯，照明灯与控制器电连接，当接收到红外传感器输入的红外感应信号时，控制器控制照明灯点亮进行照明，并控制摄像头拍摄环境图像，能够提高拍摄到的图像的清晰度。
优选地，所述环境数据采集装置还包括温度传感器、湿度传感器和可燃气体传感器中的至少一种。
具体地，温度传感器、湿度传感器和可燃气体传感器可根据需要设置在车厢内的任意位置，温度传感器用于实时采集车厢内的温度，湿度传感器用于实时采集车厢内的额湿度，可燃气体传感器用于实时采集车厢内一氧化碳等可燃气体的浓度。
优选地，还包括定位装置，所述定位装置与控制器电连接，所述控制器具体用于：
获取所述定位装置采集的物流车的位置数据，根据所述位置数据和预先设定的行车路线确定所述物流车是否偏离所述行车路线。
输出所述位置数据至所述显示设备进行显示，当所述物流车偏离所述行车路线时，控制所述报警器报警。
具体地，所述位置数据包括所述物流车的实时经纬度，根据位置数据，在地图上以物流车所在位置为圆心，预设标定值为半径画圆，确定所画的圆与所述行车路线是否存在交点，若存在交点，则确定物流车未偏离该行车路线，若不存在交点，则确定物流车已偏离该行车路线，此时控制报警器报警，提醒工作人员。
本优选的实施例中，通过对物流车的位置进行实时追踪，在物流车偏离路线时进行报警，能够在走错路时及时提醒司机调整行车路线。
具体地，所述控制器具体用于：
采用基于深度学习的实例分割网络对所述环境图像进行分割，获得所述人脸图像。
具体地，将环境图像输入预先训练好的MNC(Multi-task Network Cascades)深度学习实例分割网络模型，通过实例区分、掩膜估计、目标分类三个子任务的处理，得到环境影像中的所有人脸图像，三个子任务之间形成级联结构，共享卷积特征。
本优选的实施例中，采用基于深度学习的实例分割网络对人脸图像进行目标级实例分割，能解决人脸图像提取不完整的问题，保证分割出的人脸图像的完整性。
优选地，所述特征模板包括多项模板数据项，所述控制器具体用于：
基于Adaboost学习算法，从所述人脸图像中提取特征数据，所述特征数据包括与所述模板数据项一一对应的特征数据项。
具体地，Adaboost学习算法首先挑选出一些最能代表人脸的矩形特征，即弱分类器，然后按照加权投票的方式将弱分类器构造为一个强分类器，再将训练得到的若干强分类器串联组成一个级联结构的层叠分类器，可有效提高特征数据的提取效率和准确率。
分别比对相互对应的所述模板数据项和所述特征数据项，获得比对差值。
对所有所述比对差值进行加权平均，获得加权平均差值。
比较所述加权平均差值和预设阈值，当所述加权平均差值大于所述预设阈值时，所述人脸图像和所述特征模板匹配失败。
具体地，特征模板可包括例如眼睛、鼻子、嘴巴、额头和下巴等部位的模板数据项。相应地，通过设定，从人脸图像提取的特征数据也包括相应的眼睛、鼻子、嘴巴、额头和下巴等部位的特征数据项。首先分别针对不同数据项进行求差运算，获得多项比对差值，然后对所有比对差值进行加权平均，获得更能体现综合相似程度的加权平均差值。如果加权平均差值小于或等于预设阈值，可以获得与人脸图像数据特征最相似的特征模板，说明匹配成功，否则说明匹配失败。预先将工作人员的人脸录入到数据库中，通过匹配结果确定进入车厢的是否是工作人员，当进入车厢的不是工作人员时，控制控制器报警，提醒工作人员采取措施，防止货物被盗。
如图2所示，本发明另一实施例提供的一种应用于物流车的环境数据监测方法，所述方法包括如下步骤：
110，获取环境数据采集装置采集的物流车车厢内的环境数据和环境图像。
120，提取所述环境图像中的人脸图像，将所述人脸图像与预先存储的特征模板进行匹配，获得匹配结果，并确定所述环境数据是否在预设范围内，获得比对结果。
130，将所述匹配结果和所述比对结果输出至显示设备进行显示，当所述人脸图像与所述特征模板匹配失败时，或所述环境数据不在所述预设范围内时，控制报警器报警。
优选地，所述环境数据采集装置包括摄像头，所述获取环境数据采集装置采集的物流车厢内的环境图像的步骤的具体实现为：
当接收到红外传感器输入的红外感应信号时，控制摄像头拍摄所述环境图像。
优选地，所述方法还包括如下步骤：
获取定位装置采集的物流车的位置数据，根据所述位置数据和预先设定的行车路线确定所述物流车是否偏离所述行车路线。
输出所述位置数据至所述显示设备进行显示，当所述物流车偏离所述行车路线时，控制所述报警器报警。
具体地，所述位置数据包括所述物流车的实时经纬度，根据位置数据，在地图上以物流车所在位置为圆心，预设标定值为半径画圆，确定所画的圆与所述行车路线是否存在交点，若存在交点，则判断物流车未偏离该行车路线，若不存在交点，则判断物流车已偏离该行车路线，此时控制报警器报警，提醒工作人员。
优选地，所述提取所述环境图像中的人脸图像的具体实现为：
采用基于深度学习的实例分割网络对所述环境图像进行分割，获得所述人脸图像。
优选地，所述特征模板包括多项模板数据项，所述将所述人脸图像与预先存储的特征模板进行匹配，获得匹配结果具体包括如下步骤：
基于Adaboost学习算法，从所述人脸图像中提取特征数据，所述特征数据包括与所述模板数据项一一对应的特征数据项。
分别比对相互对应的所述模板数据项和所述特征数据项，获得比对差值。
对所有所述比对差值进行加权平均，获得加权平均差值。
比较所述加权平均差值和预设阈值，当所述加权平均差值大于所述预设阈值时，所述人脸图像和所述特征模板匹配失败。
需要理解的是，在本说明书的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”等的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种应用于物流车的环境数据监测系统，其特征在于，包括环境数据采集装置、控制器、显示设备和报警器，所述控制器分别与所述环境数据采集装置、所述显示设备和所述报警器电连接，所述控制器用于：
获取所述环境数据采集装置采集的物流车车厢内的环境数据和环境图像；
提取所述环境图像中的人脸图像，将所述人脸图像与预先存储的特征模板进行匹配，获得匹配结果，并确定所述环境数据是否在预设范围内，获得比对结果；
将所述匹配结果和所述比对结果输出至所述显示设备进行显示，当所述人脸图像与所述特征模板匹配失败时，或所述环境数据不在所述预设范围内时，控制所述报警器报警。
2.根据权利要求1所述的应用于物流车的环境数据监测系统，其特征在于，还包括红外传感装置，所述红外传感装置与所述控制器电连接，用于检测是否有人进入所述车厢，所述环境数据采集装置包括摄像头，所述控制器具体用于：
当接收到所述红外传感器输入的红外感应信号时，控制所述摄像头拍摄所述环境图像。
3.根据权利要求2所述的应用于物流车的环境数据监测系统，其特征在于，所述环境数据采集装置还包括温度传感器、湿度传感器和可燃气体传感器中的至少一种。
4.根据权利要求1所述的应用于物流车的环境数据监测系统，还包括定位装置，所述定位装置与控制器电连接，所述控制器具体用于：
获取所述定位装置实时采集的物流车的位置数据，根据所述位置数据和预先设定的行车路线确定所述物流车是否偏离所述行车路线；
输出所述位置数据至所述显示设备进行显示，当所述物流车偏离所述行车路线时，控制所述报警器报警。
5.根据权利要求1至4任一项所述的应用于物流车的环境数据监测系统，其特征在于，所述控制器具体用于：
采用基于深度学习的实例分割网络对所述环境图像进行分割，获得所述人脸图像。
6.根据权利要求5所述的应用于物流车的环境数据监测系统，其特征在于，所述特征模板包括多项模板数据项，所述控制器具体用于：
基于Adaboost学习算法，从所述人脸图像中提取特征数据，所述特征数据包括与所述模板数据项一一对应的特征数据项；
分别比对相互对应的所述模板数据项和所述特征数据项，获得比对差值；
对所有所述比对差值进行加权平均，获得加权平均差值；
比较所述加权平均差值和预设阈值，当所述加权平均差值大于所述预设阈值时，所述人脸图像和所述特征模板匹配失败。
7.一种应用于物流车的环境数据监测方法，其特征在于，所述方法包括如下步骤：
获取环境数据采集装置采集的物流车车厢内的环境数据和环境图像；
提取所述环境图像中的人脸图像，将所述人脸图像与预先存储的特征模板进行匹配，获得匹配结果，并确定所述环境数据是否在预设范围内，获得比对结果；
将所述匹配结果和所述比对结果输出至显示设备进行显示，当所述人脸图像与所述特征模板匹配失败时，或所述环境数据不在所述预设范围内时，控制报警器报警。
8.根据权利要求7所述的应用于物流车的环境数据监测方法，所述方法还包括如下步骤：
获取定位装置实时采集的物流车的位置数据，根据所述位置数据和预先设定的行车路线确定所述物流车是否偏离所述行车路线；
输出所述位置数据至所述显示设备进行显示，当所述物流车偏离所述行车路线时，控制所述报警器报警。
9.根据权利要求7或8所述的应用于物流车的环境数据监测方法，其特征在于，所述提取所述环境图像中的人脸图像的具体实现为：
采用基于深度学习的实例分割网络对所述环境图像进行分割，获得所述人脸图像。
10.根据权利要求9所述的应用于物流车的环境数据监测方法，其特征在于，所述特征模板包括多项模板数据项，所述将所述人脸图像与预先存储的特征模板进行匹配，获得匹配结果具体包括如下步骤：
基于Adaboost学习算法，从所述人脸图像中提取特征数据，所述特征数据包括与所述模板数据项一一对应的特征数据项；
分别比对相互对应的所述模板数据项和所述特征数据项，获得比对差值；
对所有所述比对差值进行加权平均，获得加权平均差值；
比较所述加权平均差值和预设阈值，当所述加权平均差值大于所述预设阈值时，所述人脸图像和所述特征模板匹配失败。
CN201911409330.5A 2019-12-31 2019-12-31 一种应用于物流车的环境数据监测系统及方法 Pending CN111044105A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911409330.5A CN111044105A (zh) 2019-12-31 2019-12-31 一种应用于物流车的环境数据监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911409330.5A CN111044105A (zh) 2019-12-31 2019-12-31 一种应用于物流车的环境数据监测系统及方法

Publications (1)

Publication Number Publication Date
CN111044105A true CN111044105A (zh) 2020-04-21

Family

ID=70242330

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911409330.5A Pending CN111044105A (zh) 2019-12-31 2019-12-31 一种应用于物流车的环境数据监测系统及方法

Country Status (1)

Country Link
CN (1) CN111044105A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113076801A (zh) * 2021-03-04 2021-07-06 广州铁路职业技术学院（广州铁路机械学校） 一种列车在途状态智能联动检测系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105761324A (zh) * 2014-12-14 2016-07-13 西安子竹电子科技有限公司 一种现代物流监控系统
CN206920874U (zh) * 2017-06-16 2018-01-23 浙江科技学院 一种基于物联网的无源无线冷链运输车载实时监控系统
US20180113450A1 (en) * 2016-10-20 2018-04-26 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous-mode traffic lane selection based on traffic lane congestion levels
CN108038650A (zh) * 2017-12-28 2018-05-15 华北水利水电大学 一种获取货物状态信息的应急物流管理系统
CN108062644A (zh) * 2017-12-16 2018-05-22 长沙志鸿文化传媒有限公司 基于物联网的智能物流系统
CN109409787A (zh) * 2017-08-18 2019-03-01 江苏斯诺物联科技有限公司 一种实时监控物流运输货物的系统
CN109615733A (zh) * 2018-11-15 2019-04-12 金菁 一种基于人脸识别的农牧场防盗方法、装置及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105761324A (zh) * 2014-12-14 2016-07-13 西安子竹电子科技有限公司 一种现代物流监控系统
US20180113450A1 (en) * 2016-10-20 2018-04-26 Toyota Motor Engineering & Manufacturing North America, Inc. Autonomous-mode traffic lane selection based on traffic lane congestion levels
CN206920874U (zh) * 2017-06-16 2018-01-23 浙江科技学院 一种基于物联网的无源无线冷链运输车载实时监控系统
CN109409787A (zh) * 2017-08-18 2019-03-01 江苏斯诺物联科技有限公司 一种实时监控物流运输货物的系统
CN108062644A (zh) * 2017-12-16 2018-05-22 长沙志鸿文化传媒有限公司 基于物联网的智能物流系统
CN108038650A (zh) * 2017-12-28 2018-05-15 华北水利水电大学 一种获取货物状态信息的应急物流管理系统
CN109615733A (zh) * 2018-11-15 2019-04-12 金菁 一种基于人脸识别的农牧场防盗方法、装置及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113076801A (zh) * 2021-03-04 2021-07-06 广州铁路职业技术学院（广州铁路机械学校） 一种列车在途状态智能联动检测系统及方法

Similar Documents

Publication Publication Date Title
CN112418069B (zh) 一种高空抛物检测方法、装置、计算机设备及存储介质
CN110044486B (zh) 用于人体检验检疫系统避免重复报警的方法、装置、设备
KR101607224B1 (ko) 동적 물체 분류 방법 및 장치
EP1782335B1 (en) Method for traffic sign detection
CN107406142A (zh) 具有自动跟踪功能的无人机及其控制方法
US20140177946A1 (en) Human detection apparatus and method
CN109977771A (zh) 司机身份的验证方法、装置、设备及计算机可读存储介质
CN111539265B (zh) 一种电梯轿厢内异常行为检测方法
CN112699801B (zh) 基于视频图像的火灾识别方法及系统
CN106485191A (zh) 一种驾驶员疲劳状态检测方法及系统
CN112911156B (zh) 一种基于计算机视觉的巡逻机器人和安防系统
CN109506628A (zh) 一种基于深度学习的卡车环境下目标物测距方法
CN110827432B (zh) 一种基于人脸识别的课堂考勤方法及系统
CN101715111A (zh) 视频监控中滞留物主自动搜寻方法
CN106570444A (zh) 基于行为识别的车载智能提醒方法及系统
CN104881956A (zh) 一种疲劳驾驶预警系统
CN110751270A (zh) 一种无人机电线故障检测方法、系统及设备
CN209312052U (zh) 一种人脸识别随身警务系统
CN112949439A (zh) 一种油罐车重点区域人员入侵监测方法和系统
EP4071684A1 (en) Warehouse monitoring system
CN111044105A (zh) 一种应用于物流车的环境数据监测系统及方法
CN113657201A (zh) 船员行为监测分析方法、装置、设备及存储介质
Yulita et al. Adaboost support vector machine method for human activity recognition
CN111062366B (zh) 一种消控室内人员姿态检测方法及系统
CN107657201A (zh) Next系列产品图像特征识别系统及其识别方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200421