CN111126100A - 报警方法、装置、电子设备及存储介质 - Google Patents

报警方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111126100A
CN111126100A CN201811275014.9A CN201811275014A CN111126100A CN 111126100 A CN111126100 A CN 111126100A CN 201811275014 A CN201811275014 A CN 201811275014A CN 111126100 A CN111126100 A CN 111126100A
Authority
CN
China
Prior art keywords
personnel
alarm
law enforcement
involved
preset
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.)
Granted
Application number
CN201811275014.9A
Other languages
English (en)
Other versions
CN111126100B (zh
Inventor
张昆鹏
朱斌
张晓奇
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.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
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 Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201811275014.9A priority Critical patent/CN111126100B/zh
Publication of CN111126100A publication Critical patent/CN111126100A/zh
Application granted granted Critical
Publication of CN111126100B publication Critical patent/CN111126100B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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

Abstract

本发明实施例提供了报警方法、装置、电子设备及存储介质，该方法包括：获取预设区域的图像信息；确定图像信息中的目标人员及目标人员的类型，其中，目标人员的类型包括涉案人员及执法人员；针对每个目标人员，若该目标人员的类型为执法人员，判断执法人员是否满足预设执法人员报警规则；若该目标人员的类型为涉案人员，判断涉案人员是否满足预设涉案人员报警规则；若执法人员满足预设执法人员报警规则，触发报警操作；若涉案人员满足预设涉案人员报警规则，触发报警操作。本发明实施例的报警方法，通过对图像信息的分析，能够实现针对异常行为的自动报警，可以减少监控工作人员的负担，减少漏报。

Description

报警方法、装置、电子设备及存储介质
技术领域
本发明涉及数字报警技术领域，特别是涉及报警方法、装置、电子设备及存储介质。
背景技术
留置室是看管涉嫌违法犯罪嫌疑人员的场所之一，一般只在派出所设置，可以将违法嫌疑人留置24小时，最长不得超过48小时，被留置人在此期间丧失人身自由，留置期后如果要采取强制措施，要移送看守所。针对留置室等场景，需要较强的安全保护措施。
相关技术中，会通过摄像头等设备采集留置室的图像，并由监控工作人员实时人工监控采集的图像，从而实现对留置室场景的监控，在监控工作人员发现监控视频中出现异常时，人工进行报警。但是采用上述人工报警的方法，增加了监控工作人员的负担，并且容易因为人为疏忽发生漏报的情况。
发明内容
本发明实施例的目的在于提供一种报警方法、装置、电子设备及存储介质，以实现减少监控工作人员的负担，减少漏报。具体技术方案如下：
第一方面，本发明实施例提供了一种报警方法，所述方法包括：
获取预设区域的图像信息；
确定所述图像信息中的目标人员及所述目标人员的类型，其中，所述目标人员的类型包括涉案人员及执法人员；
针对每个所述目标人员，若该目标人员的类型为所述执法人员，判断所述执法人员是否满足预设执法人员报警规则；若该目标人员的类型为所述涉案人员，判断所述涉案人员是否满足预设涉案人员报警规则；
若所述执法人员满足所述预设执法人员报警规则，触发报警操作；若所述涉案人员满足所述预设涉案人员报警规则，触发报警操作。
可选的，所述确定所述图像信息中的目标人员及所述目标人员的类型，包括：
将所述图像信息输入到预先训练的双路神经网络模型DARN中进行分析，得到所述图像信息中的目标人员及所述目标人员的类型。
可选的，所述若该目标人员的类型为所述执法人员，判断所述执法人员是否满足预设执法人员报警规则，包括：
若该目标人员的类型为所述执法人员，判断所述执法人员是否存在离岗、睡岗或剧烈运动；
若所述执法人员存在离岗、睡岗或剧烈运动，判定所述执法人员满足预设执法人员报警规则。
可选的，所述若该目标人员的类型为所述涉案人员，判断所述涉案人员是否满足预设涉案人员报警规则，包括：
若该目标人员的类型为所述涉案人员，判断所述涉案人员是否存在站立起身或剧烈运动；
若所述涉案人员存在站立起身或剧烈运动，判定所述涉案人员满足预设执法人员报警规则。
可选的，所述若所述执法人员满足所述预设执法人员报警规则，触发报警操作；若所述涉案人员满足所述预设涉案人员报警规则，触发报警操作，包括：
若所述执法人员满足所述预设执法人员报警规则，触发针对所述执法人员的报警操作；
若所述涉案人员满足所述预设涉案人员报警规则，触发针对所述涉案人员的报警操作。
第二方面，本发明实施例提供了一种报警方法，所述方法包括：
获取预设区域的图像信息；
判断所述图像信息中是否存在满足预设报警规则的犯规人员，其中，所述预设报警规则包括预设执法人员报警规则及预设涉案人员报警规则；
针对每个所述犯规人员，判断该犯规人员的类型，其中，所述犯规人员的类型包括涉案人员及执法人员；
若类型为所述执法人员的犯规人员满足所述预设执法人员报警规则，触发报警操作；若类型为所述涉案人员的犯规人员满足所述预设涉案人员报警规则，触发报警操作。
可选的，所述判断所述图像信息中是否存在满足预设报警规则的犯规人员，包括：
将所述图像信息输入到预先训练的深度学习模型中进行分析，确定所述图像信息中是否存在满足预设报警规则的犯规人员；
预先训练深度学习模型的步骤包括：
将标注为离岗的包含人员离岗的模板图像数据、标注为睡岗的包含人员睡岗的模板图像数据、标注为站立起身的包含人员站立起身的模板图像数据、及标注为剧烈运动的包含人员剧烈运动的模板图像数据，输入到深度学习模型中进行训练，得到所述预先训练的深度学习模型。
可选的，所述若类型为所述执法人员的犯规人员满足所述预设执法人员报警规则，触发报警操作；若类型为所述涉案人员的犯规人员满足所述预设涉案人员报警规则，触发报警操作，包括：
若类型为所述执法人员的犯规人员满足所述预设执法人员报警规则，触发针对所述执法人员的报警操作；
若类型为所述涉案人员的犯规人员满足所述预设涉案人员报警规则，触发针对所述涉案人员的报警操作。
第三方面，本发明实施例提供了一种报警装置，所述装置包括：
信息获取模块，用于获取预设区域的图像信息；
类型确定模块，用于确定所述图像信息中的目标人员及所述目标人员的类型，其中，所述目标人员的类型包括涉案人员及执法人员；
规则判定模块，用于针对每个所述目标人员，若该目标人员的类型为所述执法人员，判断所述执法人员是否满足预设执法人员报警规则；若该目标人员的类型为所述涉案人员，判断所述涉案人员是否满足预设涉案人员报警规则；
报警触发模块，用于若所述执法人员满足所述预设执法人员报警规则，触发报警操作；若所述涉案人员满足所述预设涉案人员报警规则，触发报警操作。
可选的，所述类型确定模块，具体用于：
将所述图像信息输入到预先训练的双路神经网络模型DARN中进行分析，得到所述图像信息中的目标人员及所述目标人员的类型。
可选的，所述规则判定模块，包括：
第一判断子模块，用于若该目标人员的类型为所述执法人员，判断所述执法人员是否存在离岗、睡岗或剧烈运动；
第一判定子模块，用于若所述执法人员存在离岗、睡岗或剧烈运动，判定所述执法人员满足预设执法人员报警规则。
可选的，所述规则判定模块，包括：
第二判断子模块，用于若该目标人员的类型为所述涉案人员，判断所述涉案人员是否存在站立起身或剧烈运动；
第二判定子模块，用于若所述涉案人员存在站立起身或剧烈运动，判定所述涉案人员满足预设执法人员报警规则。
可选的，所述报警触发模块，包括：
第一触发子模块，用于若所述执法人员满足所述预设执法人员报警规则，触发针对所述执法人员的报警操作；
第二触发子模块，用于若所述涉案人员满足所述预设涉案人员报警规则，触发针对所述涉案人员的报警操作。
第四方面，本发明实施例提供了一种报警装置，所述装置包括：
数据采集模块，用于获取预设区域的图像信息；
第一判断模块，用于判断所述图像信息中是否存在满足预设报警规则的犯规人员，其中，所述预设报警规则包括预设执法人员报警规则及预设涉案人员报警规则；
第二判断模块，用于针对每个所述犯规人员，判断该犯规人员的类型，其中，所述犯规人员的类型包括涉案人员及执法人员；
报警操作模块，用于若类型为所述执法人员的犯规人员满足所述预设执法人员报警规则，触发报警操作；若类型为所述涉案人员的犯规人员满足所述预设涉案人员报警规则，触发报警操作。
可选的，所述第一判断模块，具体用于：
将所述图像信息输入到预先训练的深度学习模型中进行分析，确定所述图像信息中是否存在满足预设报警规则的犯规人员；
预先训练深度学习模型的步骤包括：
将标注为离岗的包含人员离岗的模板图像数据、标注为睡岗的包含人员睡岗的模板图像数据、标注为站立起身的包含人员站立起身的模板图像数据、及标注为剧烈运动的包含人员剧烈运动的模板图像数据，输入到深度学习模型中进行训练，得到所述预先训练的深度学习模型。
可选的，所述报警操作模块，包括：
第一报警子模块，用于若类型为所述执法人员的犯规人员满足所述预设执法人员报警规则，触发针对所述执法人员的报警操作；
第二报警子模块，用于若类型为所述涉案人员的犯规人员满足所述预设涉案人员报警规则，触发针对所述涉案人员的报警操作。
第五方面，本发明实施例提供了一种电子设备，包括处理器及存储器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现上述第一方面任一所述的报警方法。
第六方面，本发明实施例提供了一种电子设备，包括处理器及存储器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现上述第二方面任一所述的报警方法。
第七方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一所述的报警方法。
第八方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第二方面任一所述的报警方法。
本发明实施例提供的报警方法、装置、电子设备及存储介质，获取预设区域的图像信息；确定图像信息中的目标人员及目标人员的类型，其中，目标人员的类型包括涉案人员及执法人员；针对每个目标人员，若该目标人员的类型为执法人员，判断执法人员是否满足预设执法人员报警规则；若该目标人员的类型为涉案人员，判断涉案人员是否满足预设涉案人员报警规则；若执法人员满足预设执法人员报警规则，触发报警操作；若涉案人员满足预设涉案人员报警规则，触发报警操作。通过对图像信息的分析，能够实现针对异常行为的自动报警，可以减少监控工作人员的负担，减少漏报。并且通过预设执法人员报警规则对执法人员进行检测，通过预设涉案人员报警规则对涉案人间进行检测，针对不同人员设定不同检测方法，可以减少报警误触发。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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1为本发明实施例的报警方法的第一种流程示意图；
图2为本发明实施例的报警方法的第二种流程示意图；
图3为本发明实施例的报警方法的第三种流程示意图；
图4为本发明实施例的报警方法的第四种流程示意图；
图5为本发明实施例的报警装置的一种示意图；
图6为本发明实施例的报警装置的另一种示意图；
图7为本发明实施例的电子设备的一种示意图；
图8为本发明实施例的电子设备的另一种示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
首先，对专业术语进行解释：
审讯机：审讯专用高清数字硬盘录像机，它支持HD-SDI(High Definition-SerialDigital Interface，高清数字分量串行接口)标准，配合高清SDI数字摄像机可实现高清1080P(Progressive scanning，逐行扫描)实时编码与录像，支持多路高清1080P IPC(Internet Protocol Camera，网络摄像机)接入。审讯机既可本地独立实现高清监控，也可联网组成一个强大的安全防范系统，以适应视频监控数字化、网络化、高清化的需求。可广泛应用于公安、司法、审讯、重要会议记录等行业的视频监控。
离岗/睡岗检测：在讯问室、谈话室、审查室、留置室等场所中需要执法人员处以正常的工作状态，如果出现执法人员离开陪护区域一定时间或者进入睡眠状态等失职行为，设备可以识别出来并触发报警信息。
站立起身检测：讯问室、谈话室等场所在讯问/谈话的过程中对涉案人员突然从座位上起身的行为比较敏感，需要能够识别出涉案人员的此类举动，并触发报警信息提醒执法人员加以防范。
剧烈运动：在谈话过程中，刑讯逼供的行为是严格禁止的，通过检测是否存在剧烈运动来检测区域内是否有打斗现象出现。
人数异常：讯问室、谈话室、审查室、留置室等场所全景画面判断房间内人数在一定时间内是否少于指定人数，单人讯问属于程序违规行为，不符合工作规定。
为了实现对留置室等场所的自动报警，本发明实施例提供了一种报警方法，参见图1，该方法包括：
S101，获取预设区域的图像信息。
本发明实施例中的报警方法可以通过报警系统实现，报警系统为任意能够实现本发明实施例的报警方法的系统。例如：
报警系统可以为一种设备，包括：处理器、存储器、通信接口和总线；处理器、存储器和通信接口通过总线连接并完成相互间的通信；存储器存储可执行程序代码；处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行本发明实施例的报警方法。具体的，报警系统可以为审讯机。
报警系统还可以为一种应用程序，用于在运行时执行本发明实施例的报警方法。
报警系统还可以为一种存储介质，用于存储可执行代码，可执行代码用于执行本发明实施例的报警方法。
报警系统通过图像采集设备，例如监视器等，获取预设区域的图像信息。其中，图像信息为视频流，包含多帧视频帧。在一种可能的实施方式中，报警系统持续接收由监视器发送的视频流，并将视频流作为图像信息，对图像信息中各视频帧进行下述步骤的分析。当然，为了节约计算资源，报警系统还可以按照预设的提取规则，在视频流中提取指定的视频帧进行分析，例如每间隔N帧提取一帧视频帧作为图像信息，N为正整数。预设区域为待报警的区域，根据实际的监控区域进行设定，例如，预设区域可以为讯问室、谈话室、审查室或留置室中的指定区域等。
S102，确定上述图像信息中的目标人员及上述目标人员的类型，其中，上述目标人员的类型包括涉案人员及执法人员。
报警系统通过深度学习算法，识别出图像信息中的涉案人员及执法人员。例如，报警系统通过目标检测算法识检测出图像信息中的目标人员，并通过目标识别算法，确定目标人员究竟是涉案人员还是执法人员。
在讯问室、谈话室、审查室或留置室等场景中，执法人员会穿戴制服，例如穿戴警服及警帽等，同时涉案人员一般也会穿戴特定的服装，例如蓝白间隔条纹服装或橙色服装等。可以利用计算机视觉根据人员的服装判定该人员是涉案人员还是执法人员。
可选的，确定上述图像信息中的目标人员及上述目标人员的类型，包括：
将上述图像信息输入到预先训练的DARN(Dual Attribute-aware RankingNetwork，双路神经网络模型)中进行分析，得到上述图像信息中的目标人员及上述目标人员的类型。
预先训练DARN模型的过程包括：
将多幅包含身穿执法人员制服的人员的图像作为正样本，输入到DARN模型的一路神经网络模型中进行训练；将多幅包含身穿涉案人员制服的人员的图像作为正样本，输入到DARN模型的另一路神经网络模型中进行训练，得到预先训练的DARN模型。
S103，针对每个上述目标人员，若该目标人员的类型为上述执法人员，判断上述执法人员是否满足预设执法人员报警规则；若该目标人员的类型为上述涉案人员，判断上述涉案人员是否满足预设涉案人员报警规则。
上述预设执法人员报警规则与上述预设涉案人员报警规则不同。预设执法人员报警规则用于对执法人员的违规动作进行报警，根据实际对执法人员的要求进行确定，例如，睡岗、离岗或刑讯逼供罪等。预设涉案人员报警规则用于对涉案人员的违规动作进行报警，根据实际对涉案人员的要求进行确定，例如，起身站立、逃跑或攻击执法人员等。报警系统可以通过预先训练的深度学习模型，检测执法人员是否满足预设执法人员报警规则，或检测涉案人员是否满足预设涉案人员报警规则。
可选的，本发明实施例的报警方法还包括：获取报警规则配置指令，按照报警规则配置指令配置预设执法人员报警规则及预设涉案人员报警规则。
报警系统可以根据用户指令对预设执法人员报警规则及预设涉案人员报警规则进行配置。报警系统获取报警规则配置指令，报警规则配置指令中包括预设执法人员报警规则内容的标识及预设涉案人员报警规则内容的标识。用户可以通过报警规则配置指令自由配置预设执法人员报警规则及预设涉案人员报警规则。例如，报警规则配置指令中表征的预设执法人员报警规则为睡岗及离岗，将预设执法人员报警规则配置为睡岗及离岗。
S104，若上述执法人员满足上述预设执法人员报警规则，触发报警操作；若上述涉案人员满足上述预设涉案人员报警规则，触发报警操作。
针对每个上述目标人员，若该目标人员的类型为执法人员，在判定该执法人员满足预设执法人员报警规则时，触发报警操作；若该目标人员的类型为涉案人员，在判定该涉案人员满足预设涉案人员报警规则时，触发报警操作。报警操作为预先设定的操作，例如，通过蜂鸣器发出报警声音，产生报警输出的高低电平以触发相应的操作，或发送报警信息给订阅端等。
在本发明实施例中，通过对图像信息的分析，能够实现针对异常行为的自动报警，可以减少监控工作人员的负担，减少漏报。并且通过预设执法人员报警规则对执法人员进行检测，通过预设涉案人员报警规则对涉案人间进行检测，针对不同人员设定不同检测方法，可以减少报警误触发。
可选的，上述若该目标人员的类型为上述执法人员，判断上述执法人员是否满足预设执法人员报警规则，包括：
步骤一，若该目标人员的类型为上述执法人员，判断上述执法人员是否存在离岗、睡岗或剧烈运动。
在目标人员为执法人员时，报警系统利用计算机视觉技术，判断执法人员是否存在离岗、睡岗或剧烈运动。
例如，报警系统通过预先训练的深度学习模型对图像数据中执法人员进行分析，判断指定岗位区域内是否存在执法人员及执法人员在预设时间内是否活动，若不存在执法人员，则判定执法人员离岗；若执法人员在预设时间内未活动，则判定执法人员睡岗。预设时间根据实际情况进行设定，例如，人员在执行看守任务时，正常情况下的活动时间为3分钟每次，则预设时间应大于3分钟，例如为4分钟或5分钟等。
例如，计算图像数据相邻视频帧中执法人员的区域的欧式距离，若欧式距离大于预设距离阈值，则判定执法人员存在剧烈运动；或报警系统通过预先训练的深度学习模型对图像数据中执法人员进行分析，判断是否存在剧烈运动。
步骤二，若上述执法人员存在离岗、睡岗或剧烈运动，判定上述执法人员满足预设执法人员报警规则。
可选的，上述若该目标人员的类型为上述涉案人员，判断上述涉案人员是否满足预设涉案人员报警规则，包括：
步骤一，若该目标人员的类型为上述涉案人员，判断上述涉案人员是否存在站立起身或剧烈运动。
在目标人员为涉案人员时，报警系统利用计算机视觉技术，判断涉案人员是否存在站立起身或剧烈运动。例如，通过预选训练的卷积神经网络对图像数据中的执法人员进行分析，确定涉案人员是否存在站立起身或剧烈运动。
步骤二，若上述涉案人员存在站立起身或剧烈运动，判定上述涉案人员满足预设执法人员报警规则。
可选的，上述若上述执法人员满足上述预设执法人员报警规则，触发报警操作；若上述涉案人员满足上述预设涉案人员报警规则，触发报警操作，包括：
步骤一，若上述执法人员满足上述预设执法人员报警规则，触发针对上述执法人员的报警操作。
步骤二，若上述涉案人员满足上述预设涉案人员报警规则，触发针对上述涉案人员的报警操作。
若目标人员为执法人员，在执法人员满足预设执法人员报警规则，触发针对执法人员的报警操作；若目标人员为涉案人员，在涉案人员满足预设涉案人员报警规则，触发针对涉案人员的报警操作。针对执法人员的报警操作与针对涉案人员的报警操作可以不同，例如针对执法人员的报警操作可以为向订阅端发送报警信息，针对涉案人员的报警操作可以为触发蜂鸣器发出蜂鸣声。
在本发明实施例中，对执法人员与涉案人员区分报警操作，可以满足多种报警需求。
本发明实施例的报警方法还可以如图2所示，包括：
步骤一，获取预设区域的图像数据，确定图像数据中的执法人员及涉案人员。
步骤二，判断执法人员是否存在睡岗、离岗或剧烈运动，判断涉案人员是否存在站立起身或剧烈运动。
步骤三，当检测到执法人员存在睡岗、离岗或剧烈运动，和/或检测到涉案人员存在站立起身或剧烈运动时，触发报警操作。
当报警系统检测到执法人员存在睡岗、离岗、剧烈运动，涉案人员存在站立起身、剧烈运动中的任意一项或多项时，触发报警操作。报警系统可以针对执法人员及涉案人员设置不同的报警操作，也可以针对不同的事件(包括睡岗、离岗、剧烈运动及站立起身)设置不同的报警操作，报警系统还可以针对不同目标人员的不同事件设置不同的报警操作。例如，在检测到执法人员存在剧烈运动事，触发报警操作为发出禁止暴力执法的提示音。在检测到涉案人员存在剧烈运动事，触发报警操作为触发蜂鸣器发出蜂鸣声并向指定订阅端发送涉案人员企图逃跑的消息。
本发明实施例还提供了一种报警方法，参见图3，该方法包括：
S301，获取预设区域的图像信息。
报警系统通过图像采集设备，获取预设区域的图像信息。预设区域可以为讯问室、谈话室、审查室或留置室中的指定区域。
S302，判断上述图像信息中是否存在满足预设执法人员报警规则或预设涉案人员报警规则的犯规人员。
报警系统通过预设深度学习算法检测图像信息中是否存在满足预设报警规则的犯规人员。预设深度学习算法为任意基于计算机视觉的学习算法，例如，RCNN(RegionsConvolutional Neural Network)、FRCNN(Fast Region Convolutional NeuralNetwork)、FasterRCNN(Faster Region Convolutional Neural Network)、SSD(SingleShot MultiBox Detector)及DPM(Deformable Parts Model)等。预设报警规则可以根据实际需求进行设定，例如人员是否存在离岗、睡岗、起身站立或剧烈动作等。若图像信息中的目标人员满足预设执法人员报警规则及预设涉案人员报警规则中的一项或多项规则，则判定图像信息中存在犯规人员。
可选的，本发明实施例的报警方法还包括：获取报警规则配置指令，按照报警规则配置指令配置预设执法人员报警规则及预设涉案人员报警规则。
报警系统可以根据用户指令对预设执法人员报警规则及预设涉案人员报警规则进行配置。报警系统获取报警规则配置指令，报警规则配置指令中包括预设执法人员报警规则内容的标识及预设涉案人员报警规则内容的标识。用户可以通过报警规则配置指令自由配置预设执法人员报警规则及预设涉案人员报警规则。例如，报警规则配置指令中表征的预设执法人员报警规则为睡岗及离岗，将预设执法人员报警规则配置为睡岗及离岗。
S303，针对每个上述犯规人员，判断该犯规人员的类型，其中，上述犯规人员的类型包括涉案人员及执法人员。
报警系统通过深度学习算法，判断犯规人员为涉案人员还是执法人员。在讯问室、谈话室、审查室或留置室等场景中，执法人员会穿戴制服，例如穿戴警服及警帽等，同时涉案人员一般也会穿戴特定的服装，例如蓝白间隔条纹服装或橙色服装等。可以利用计算机视觉根据人员的服装判定该人员是涉案人员还是执法人员。
例如，通过目标识别算法对犯规人员在图像数据中对应的区域进行分析，确定犯规人员是涉案人员还是执法人员。
目标识别算法的训练过程包括：将多幅身穿执法人员制服的人员的图像标记为执法人员，及将多幅身穿涉案人员制服的人员的图像标记为涉案人员，并输入到卷积神经网络模型中进行训练，得到目标识别算法。
S304，若类型为上述执法人员的犯规人员满足上述预设执法人员报警规则，触发报警操作；若类型为上述涉案人员的犯规人员满足上述预设涉案人员报警规则，触发报警操作。
针对每个上述犯规人员，若该犯规人员的类型为执法人员，在判定该执法人员满足预设执法人员报警规则时，触发报警操作；若该犯规人员的类型为涉案人员，在判定该涉案人员满足预设涉案人员报警规则时，触发报警操作。报警操作为预先设定的操作，例如，通过蜂鸣器发出报警声音，产生报警输出的高低电平以触发相应的操作，或发送报警信息给订阅端等。
在本发明实施例中，通过对图像信息的分析，能够实现自动报警，可以减少监控工作人员的负担，减少漏报。并且通过预设执法人员报警规则对执法人员进行检测，通过预设涉案人员报警规则对涉案人间进行检测，针对不同人员设定不同检测方法，可以减少报警误触发。
可选的，上述判断上述图像信息中是否存在满足预设报警规则的犯规人员，包括：
将上述图像信息输入到预先训练的深度学习模型中进行分析，确定上述图像信息中是否存在满足预设报警规则的犯规人员。
预先训练深度学习模型的步骤包括：
将标注为离岗的包含人员离岗的模板图像数据、标注为睡岗的包含人员睡岗的模板图像数据、标注为站立起身的包含人员站立起身的模板图像数据、及标注为剧烈运动的包含人员剧烈运动的模板图像数据，输入到深度学习模型中进行训练，得到上述预先训练的深度学习模型。
可选的，预先训练的深度学习模型包括训练后第一深度学习模型、训练后第二深度学习模型、训练后第三深度学习模型及训练后第四深度学习模型，上述将上述图像信息输入到预先训练的深度学习模型中进行分析，确定上述图像信息中是否存在满足预设报警规则的犯规人员，包括：
将上述图像信息分别输入到第一深度学习模型、训练后第二深度学习模型、训练后第三深度学习模型及训练后第四深度学习模型中进行分析，确定上述图像信息中是否存在满足预设报警规则的犯规人员。
相应的，预先训练深度学习模型的步骤还可以为：
将标注为离岗的包含人员离岗的模板图像数据输入到第一深度学习模型中进行训练，得到训练后第一深度学习模型；将标注为睡岗的包含人员睡岗的模板图像数据输入到第二深度学习模型中进行训练，得到训练后的第一深度学习模型；将标注为站立起身的包含人员站立起身的模板图像数据输入到第三深度学习模型中进行训练，得到训练后第三深度学习模型；标注为剧烈运动的包含人员剧烈运动的模板图像数据输入到第四深度学习模型中进行训练，得到训练后第四深度学习模型，得到上述预先训练的深度学习模型。
可选的，上述若类型为上述执法人员的犯规人员满足上述预设执法人员报警规则，触发报警操作；若类型为上述涉案人员的犯规人员满足上述预设涉案人员报警规则，触发报警操作，包括：
步骤一，若类型为上述执法人员的犯规人员满足上述预设执法人员报警规则，触发针对上述执法人员的报警操作。
步骤二，若类型为上述涉案人员的犯规人员满足上述预设涉案人员报警规则，触发针对上述涉案人员的报警操作。
若犯规人员为执法人员，在执法人员满足预设执法人员报警规则，触发针对执法人员的报警操作；若犯规人员为涉案人员，在涉案人员满足预设涉案人员报警规则，触发针对涉案人员的报警操作。针对执法人员的报警操作与针对涉案人员的报警操作可以不同，例如针对执法人员的报警操作可以为向订阅端发送报警信息，针对涉案人员的报警操作可以为触发蜂鸣器发出蜂鸣声。
在本发明实施例中，对执法人员与涉案人员区分报警操作，可以满足多种报警需求。
本发明实施例的报警方法还可以如图4所示，包括：
步骤一，获取预设区域的图像数据，判断图像数据中是否检测到智能事件，若检测到智能事件执行步骤二，若未检测到智能事件执行步骤六。
智能事件为预设执法人员报警规则或预设涉案人员报警规则中规定的事件，例如离岗、睡岗、起身站立及剧烈运动等。获取本检测周期中预设区域的图像数据，通过预先训练的深度学习模型检测图像数据中是否存在智能事件。
步骤二，提取犯规人员。
提取触发智能事件的犯规人员，例如通过预先训练的深度学习模型提取图像中触发智能事件的区域。
步骤三，分析犯规人员。
通过目标识别算法对犯规人员进行分析，以确定犯规人员是执法人员还是涉案人员。
步骤四，判断犯规人员是否与指定智能事件对应，若对应执行步骤五，若不对应执行步骤六。
在犯规人员为执法人员时，若该执法人员触发的智能事件为预设执法人员报警规则中规定的事件，则判定犯规人员与指定智能事件对应；在犯规人员为涉案人员时，若该涉案人员触发的智能事件为预设涉案人员报警规则中规定的事件，则判定犯规人员与指定智能事件对应。
步骤五，触发报警。
例如，通过蜂鸣器发出报警声音，产生报警输出的高低电平以触发相应的操作，或发送报警信息给订阅端等。
步骤六，等待下一检测周期。
不执行报警操作，等待下一检测周期从步骤一开始执行。
在本发明实施例中，通过对图像信息的分析，能够实现针对异常行为的自动报警，可以减少监控工作人员的负担，减少漏报。并且通过预设执法人员报警规则对执法人员进行检测，通过预设涉案人员报警规则对涉案人间进行检测，针对不同人员设定不同检测方法，可以减少报警误触发。
本发明实施例还提供了一种报警装置，参见图5，该装置包括：
信息获取模块501，用于获取预设区域的图像信息；
类型确定模块502，用于确定上述图像信息中的目标人员及上述目标人员的类型，其中，上述目标人员的类型包括涉案人员及执法人员；
规则判定模块503，用于针对每个上述目标人员，若该目标人员的类型为上述执法人员，判断上述执法人员是否满足预设执法人员报警规则；若该目标人员的类型为上述涉案人员，判断上述涉案人员是否满足预设涉案人员报警规则；
报警触发模块504，用于若上述执法人员满足上述预设执法人员报警规则，触发报警操作；若上述涉案人员满足上述预设涉案人员报警规则，触发报警操作。
在本发明实施例中，通过对图像信息的分析，能够实现针对异常行为的自动报警，可以减少监控工作人员的负担，减少漏报。并且通过预设执法人员报警规则对执法人员进行检测，通过预设涉案人员报警规则对涉案人间进行检测，针对不同人员设定不同检测方法，可以减少报警误触发。
可选的，上述类型确定模块502，具体用于：
将上述图像信息输入到预先训练的双路神经网络模型DARN中进行分析，得到上述图像信息中的目标人员及上述目标人员的类型。
可选的，上述规则判定模块503，包括：
第一判断子模块，用于若该目标人员的类型为上述执法人员，判断上述执法人员是否存在离岗、睡岗或剧烈运动；
第一判定子模块，用于若上述执法人员存在离岗、睡岗或剧烈运动，判定上述执法人员满足预设执法人员报警规则。
可选的，上述规则判定模块503，包括：
第二判断子模块，用于若该目标人员的类型为上述涉案人员，判断上述涉案人员是否存在站立起身或剧烈运动；
第二判定子模块，用于若上述涉案人员存在站立起身或剧烈运动，判定上述涉案人员满足预设执法人员报警规则。
可选的，上述报警触发模块504，包括：
第一触发子模块，用于若上述执法人员满足上述预设执法人员报警规则，触发针对上述执法人员的报警操作；
第二触发子模块，用于若上述涉案人员满足上述预设涉案人员报警规则，触发针对上述涉案人员的报警操作。
本发明实施例还提供了一种报警装置，参见图6，上述装置包括：
数据采集模块601，用于获取预设区域的图像信息；
第一判断模块602，用于判断上述图像信息中是否存在满足预设报警规则的犯规人员，其中，上述预设报警规则包括预设执法人员报警规则及预设涉案人员报警规则；
第二判断模块603，用于针对每个上述犯规人员，判断该犯规人员的类型，其中，上述犯规人员的类型包括涉案人员及执法人员；
报警操作模块604，用于若类型为上述执法人员的犯规人员满足上述预设执法人员报警规则，触发报警操作；若类型为上述涉案人员的犯规人员满足上述预设涉案人员报警规则，触发报警操作。
在本发明实施例中，通过对图像信息的分析，能够实现针对异常行为的自动报警，可以减少监控工作人员的负担，减少漏报。并且通过预设执法人员报警规则对执法人员进行检测，通过预设涉案人员报警规则对涉案人间进行检测，针对不同人员设定不同检测方法，可以减少报警误触发。
可选的，上述第一判断模块602，具体用于：
将上述图像信息输入到预先训练的深度学习模型中进行分析，确定上述图像信息中是否存在满足预设报警规则的犯规人员；
预先训练深度学习模型的步骤包括：
将标注为离岗的包含人员离岗的模板图像数据、标注为睡岗的包含人员睡岗的模板图像数据、标注为站立起身的包含人员站立起身的模板图像数据、及标注为剧烈运动的包含人员剧烈运动的模板图像数据，输入到深度学习模型中进行训练，得到上述预先训练的深度学习模型。
可选的，上述报警操作模块604，包括：
第一报警子模块，用于若类型为上述执法人员的犯规人员满足上述预设执法人员报警规则，触发针对上述执法人员的报警操作；
第二报警子模块，用于若类型为上述涉案人员的犯规人员满足上述预设涉案人员报警规则，触发针对上述涉案人员的报警操作。
本发明实施例提供了一种电子设备，参见图7，包括处理器701及存储器702；
上述存储器702，用于存放计算机程序；
上述处理器701，用于执行上述存储器702上所存放的程序时，实现如下步骤：
获取预设区域的图像信息；
确定上述图像信息中的目标人员及上述目标人员的类型，其中，上述目标人员的类型包括涉案人员及执法人员；
针对每个上述目标人员，若该目标人员的类型为上述执法人员，判断上述执法人员是否满足预设执法人员报警规则；若该目标人员的类型为上述涉案人员，判断上述涉案人员是否满足预设涉案人员报警规则；
若上述执法人员满足上述预设执法人员报警规则，触发报警操作；若上述涉案人员满足上述预设涉案人员报警规则，触发报警操作。
在本发明实施例中，通过对图像信息的分析，能够实现针对异常行为的自动报警，可以减少监控工作人员的负担，减少漏报。并且通过预设执法人员报警规则对执法人员进行检测，通过预设涉案人员报警规则对涉案人间进行检测，针对不同人员设定不同检测方法，可以减少报警误触发。
可选的，上述处理器701，用于执行上述存储器702上所存放的程序时，还能实现上述任一报警方法。
可选的，本发明实施例的电子设备具体可以为审讯机。
可选的，本发明实施例的电子设备还包括通信接口及通信总线，其中，处理器701，通信接口，存储器702通过通信总线完成相互间的通信。
本发明实施例提供了一种电子设备，参见图8，包括处理器801及存储器802；
上述存储器802，用于存放计算机程序；
上述处理器801，用于执行上述存储器802上所存放的程序时，实现如下步骤：
获取预设区域的图像信息；
判断上述图像信息中是否存在满足预设报警规则的犯规人员，其中，上述预设报警规则包括预设执法人员报警规则及预设涉案人员报警规则；
针对每个上述犯规人员，判断该犯规人员的类型，其中，上述犯规人员的类型包括涉案人员及执法人员；
若类型为上述执法人员的犯规人员满足上述预设执法人员报警规则，触发报警操作；若类型为上述涉案人员的犯规人员满足上述预设涉案人员报警规则，触发报警操作。
在本发明实施例中，通过对图像信息的分析，能够实现针对异常行为的自动报警，可以减少监控工作人员的负担，减少漏报。并且通过预设执法人员报警规则对执法人员进行检测，通过预设涉案人员报警规则对涉案人间进行检测，针对不同人员设定不同检测方法，可以减少报警误触发。
可选的，上述处理器801，用于执行上述存储器802上所存放的程序时，还能实现上述任一报警方法。
可选的，本发明实施例的电子设备具体可以为审讯机。
可选的，本发明实施例的电子设备还包括通信接口及通信总线，其中，处理器801，通信接口，存储器802通过通信总线完成相互间的通信。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明实施例提供了一种计算机可读存储介质，上述计算机可读存储介质内存储有计算机程序，上述计算机程序被处理器执行时实现如下步骤：
获取预设区域的图像信息；
确定上述图像信息中的目标人员及上述目标人员的类型，其中，上述目标人员的类型包括涉案人员及执法人员；
针对每个上述目标人员，若该目标人员的类型为上述执法人员，判断上述执法人员是否满足预设执法人员报警规则；若该目标人员的类型为上述涉案人员，判断上述涉案人员是否满足预设涉案人员报警规则；
若上述执法人员满足上述预设执法人员报警规则，触发报警操作；若上述涉案人员满足上述预设涉案人员报警规则，触发报警操作。
在本发明实施例中，通过对图像信息的分析，能够实现针对异常行为的自动报警，可以减少监控工作人员的负担，减少漏报。并且通过预设执法人员报警规则对执法人员进行检测，通过预设涉案人员报警规则对涉案人间进行检测，针对不同人员设定不同检测方法，可以减少报警误触发。
可选的，上述计算机程序被处理器执行时，还能实现上述任一报警方法。
本发明实施例提供了一种计算机可读存储介质，上述计算机可读存储介质内存储有计算机程序，上述计算机程序被处理器执行时实现如下步骤：
获取预设区域的图像信息；
判断上述图像信息中是否存在满足预设报警规则的犯规人员，其中，上述预设报警规则包括预设执法人员报警规则及预设涉案人员报警规则；
针对每个上述犯规人员，判断该犯规人员的类型，其中，上述犯规人员的类型包括涉案人员及执法人员；
若类型为上述执法人员的犯规人员满足上述预设执法人员报警规则，触发报警操作；若类型为上述涉案人员的犯规人员满足上述预设涉案人员报警规则，触发报警操作。
在本发明实施例中，通过对图像信息的分析，能够实现针对异常行为的自动报警，可以减少监控工作人员的负担，减少漏报。并且通过预设执法人员报警规则对执法人员进行检测，通过预设涉案人员报警规则对涉案人间进行检测，针对不同人员设定不同检测方法，可以减少报警误触发。
可选的，上述计算机程序被处理器执行时，还能实现上述任一报警方法。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备及存储介质的实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。

Claims (14)

1.一种报警方法，其特征在于，所述方法包括：
获取预设区域的图像信息；
确定所述图像信息中的目标人员及所述目标人员的类型，其中，所述目标人员的类型包括涉案人员及执法人员；
针对每个所述目标人员，若该目标人员的类型为所述执法人员，判断所述执法人员是否满足预设执法人员报警规则；若该目标人员的类型为所述涉案人员，判断所述涉案人员是否满足预设涉案人员报警规则；
若所述执法人员满足所述预设执法人员报警规则，触发报警操作；若所述涉案人员满足所述预设涉案人员报警规则，触发报警操作。
2.根据权利要求1所述的方法，其特征在于，所述确定所述图像信息中的目标人员及所述目标人员的类型，包括：
将所述图像信息输入到预先训练的双路神经网络模型DARN中进行分析，得到所述图像信息中的目标人员及所述目标人员的类型。
3.根据权利要求1所述的方法，其特征在于，所述若该目标人员的类型为所述执法人员，判断所述执法人员是否满足预设执法人员报警规则，包括：
若该目标人员的类型为所述执法人员，判断所述执法人员是否存在离岗、睡岗或剧烈运动；
若所述执法人员存在离岗、睡岗或剧烈运动，判定所述执法人员满足预设执法人员报警规则。
4.根据权利要求1所述的方法，其特征在于，所述若该目标人员的类型为所述涉案人员，判断所述涉案人员是否满足预设涉案人员报警规则，包括：
若该目标人员的类型为所述涉案人员，判断所述涉案人员是否存在站立起身或剧烈运动；
若所述涉案人员存在站立起身或剧烈运动，判定所述涉案人员满足预设执法人员报警规则。
5.根据权利要求1所述的方法，其特征在于，所述若所述执法人员满足所述预设执法人员报警规则，触发报警操作；若所述涉案人员满足所述预设涉案人员报警规则，触发报警操作，包括：
若所述执法人员满足所述预设执法人员报警规则，触发针对所述执法人员的报警操作；
若所述涉案人员满足所述预设涉案人员报警规则，触发针对所述涉案人员的报警操作。
6.一种报警方法，其特征在于，所述方法包括：
获取预设区域的图像信息；
判断所述图像信息中是否存在满足预设报警规则的犯规人员，其中，所述预设报警规则包括预设执法人员报警规则及预设涉案人员报警规则；
针对每个所述犯规人员，判断该犯规人员的类型，其中，所述犯规人员的类型包括涉案人员及执法人员；
若类型为所述执法人员的犯规人员满足所述预设执法人员报警规则，触发报警操作；若类型为所述涉案人员的犯规人员满足所述预设涉案人员报警规则，触发报警操作。
7.根据权利要求6所述的方法，其特征在于，所述判断所述图像信息中是否存在满足预设报警规则的犯规人员，包括：
将所述图像信息输入到预先训练的深度学习模型中进行分析，确定所述图像信息中是否存在满足预设报警规则的犯规人员；
预先训练深度学习模型的步骤包括：
将标注为离岗的包含人员离岗的模板图像数据、标注为睡岗的包含人员睡岗的模板图像数据、标注为站立起身的包含人员站立起身的模板图像数据、及标注为剧烈运动的包含人员剧烈运动的模板图像数据，输入到深度学习模型中进行训练，得到所述预先训练的深度学习模型。
8.根据权利要求6所述的方法，其特征在于，所述若类型为所述执法人员的犯规人员满足所述预设执法人员报警规则，触发报警操作；若类型为所述涉案人员的犯规人员满足所述预设涉案人员报警规则，触发报警操作，包括：
若类型为所述执法人员的犯规人员满足所述预设执法人员报警规则，触发针对所述执法人员的报警操作；
若类型为所述涉案人员的犯规人员满足所述预设涉案人员报警规则，触发针对所述涉案人员的报警操作。
9.一种报警装置，其特征在于，所述装置包括：
信息获取模块，用于获取预设区域的图像信息；
类型确定模块，用于确定所述图像信息中的目标人员及所述目标人员的类型，其中，所述目标人员的类型包括涉案人员及执法人员；
规则判定模块，用于针对每个所述目标人员，若该目标人员的类型为所述执法人员，判断所述执法人员是否满足预设执法人员报警规则；若该目标人员的类型为所述涉案人员，判断所述涉案人员是否满足预设涉案人员报警规则；
报警触发模块，用于若所述执法人员满足所述预设执法人员报警规则，触发报警操作；若所述涉案人员满足所述预设涉案人员报警规则，触发报警操作。
10.一种报警装置，其特征在于，所述装置包括：
数据采集模块，用于获取预设区域的图像信息；
第一判断模块，用于判断所述图像信息中是否存在满足预设报警规则的犯规人员，其中，所述预设报警规则包括预设执法人员报警规则及预设涉案人员报警规则；
第二判断模块，用于针对每个所述犯规人员，判断该犯规人员的类型，其中，所述犯规人员的类型包括涉案人员及执法人员；
报警操作模块，用于若类型为所述执法人员的犯规人员满足所述预设执法人员报警规则，触发报警操作；若类型为所述涉案人员的犯规人员满足所述预设涉案人员报警规则，触发报警操作。
11.一种电子设备，其特征在于，包括处理器及存储器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求1-5任一所述的方法步骤。
12.一种电子设备，其特征在于，包括处理器及存储器；
所述存储器，用于存放计算机程序；
所述处理器，用于执行所述存储器上所存放的程序时，实现权利要求6-8任一所述的方法步骤。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求6-8任一所述的方法步骤。
CN201811275014.9A 2018-10-30 2018-10-30 报警方法、装置、电子设备及存储介质 Active CN111126100B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811275014.9A CN111126100B (zh) 2018-10-30 2018-10-30 报警方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811275014.9A CN111126100B (zh) 2018-10-30 2018-10-30 报警方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111126100A true CN111126100A (zh) 2020-05-08
CN111126100B CN111126100B (zh) 2023-10-17

Family

ID=70484014

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811275014.9A Active CN111126100B (zh) 2018-10-30 2018-10-30 报警方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111126100B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114408691A (zh) * 2021-12-13 2022-04-29 北京声智科技有限公司 电梯滞留人员检测方法、装置、设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201315654Y (zh) * 2008-08-25 2009-09-23 云南正卓信息技术有限公司 监狱专用SkyEyesTM智能监控系统
CN105050040A (zh) * 2015-06-18 2015-11-11 深圳市润安科技发展有限公司 一种被监管人员会见管理方法和被监管人员会见管理系统
CN105139029A (zh) * 2015-08-14 2015-12-09 哈尔滨华夏矿安科技有限公司 一种监狱服刑人员的行为识别方法及装置
CN106210634A (zh) * 2016-07-18 2016-12-07 四川君逸数码科技股份有限公司 一种智慧金睛识别人员倒地报警方法和装置
CN107609474A (zh) * 2017-08-07 2018-01-19 深圳市科迈爱康科技有限公司 肢体动作识别方法、装置、机器人及存储介质
US20180048850A1 (en) * 2016-08-10 2018-02-15 International Business Machines Corporation Detecting anomalous events to trigger the uploading of video to a video storage server
CN107808502A (zh) * 2017-10-27 2018-03-16 深圳极视角科技有限公司 一种图像检测报警方法及装置
CN107886667A (zh) * 2017-10-11 2018-04-06 深圳云天励飞技术有限公司 报警方法及装置
WO2018077308A1 (zh) * 2016-10-26 2018-05-03 纳恩博（北京）科技有限公司 一种电子设备的控制方法、电子设备和计算机存储介质
WO2018119599A1 (zh) * 2016-12-26 2018-07-05 深圳前海达闼云端智能科技有限公司 人员查找的方法、装置及通信系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201315654Y (zh) * 2008-08-25 2009-09-23 云南正卓信息技术有限公司 监狱专用SkyEyesTM智能监控系统
CN105050040A (zh) * 2015-06-18 2015-11-11 深圳市润安科技发展有限公司 一种被监管人员会见管理方法和被监管人员会见管理系统
CN105139029A (zh) * 2015-08-14 2015-12-09 哈尔滨华夏矿安科技有限公司 一种监狱服刑人员的行为识别方法及装置
CN106210634A (zh) * 2016-07-18 2016-12-07 四川君逸数码科技股份有限公司 一种智慧金睛识别人员倒地报警方法和装置
US20180048850A1 (en) * 2016-08-10 2018-02-15 International Business Machines Corporation Detecting anomalous events to trigger the uploading of video to a video storage server
WO2018077308A1 (zh) * 2016-10-26 2018-05-03 纳恩博（北京）科技有限公司 一种电子设备的控制方法、电子设备和计算机存储介质
WO2018119599A1 (zh) * 2016-12-26 2018-07-05 深圳前海达闼云端智能科技有限公司 人员查找的方法、装置及通信系统
CN107609474A (zh) * 2017-08-07 2018-01-19 深圳市科迈爱康科技有限公司 肢体动作识别方法、装置、机器人及存储介质
CN107886667A (zh) * 2017-10-11 2018-04-06 深圳云天励飞技术有限公司 报警方法及装置
CN107808502A (zh) * 2017-10-27 2018-03-16 深圳极视角科技有限公司 一种图像检测报警方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114408691A (zh) * 2021-12-13 2022-04-29 北京声智科技有限公司 电梯滞留人员检测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN111126100B (zh) 2023-10-17

Similar Documents

Publication Publication Date Title
CN106203458B (zh) 人群视频分析方法及系统
US11210526B2 (en) Video surveillance system, video processing apparatus, video processing method, and video processing program
EP1346577B1 (en) Method and apparatus to select the best video frame to transmit to a remote station for cctv based residential security monitoring
KR101825045B1 (ko) 경보 방법 및 장치
US9911294B2 (en) Warning system and method using spatio-temporal situation data
KR101470315B1 (ko) 객체의 움직임 감지에 의한 위험 감지 ｃｃｔｖ 시스템 및 그 방법
US20070182540A1 (en) Local verification systems and methods for security monitoring
CN110795963A (zh) 一种基于人脸识别的监控方法、装置及设备
CN107818312A (zh) 一种基于异常行为识别的嵌入式系统
CN109377697A (zh) 一种密集摄像机头环境下快速报警处置方法
KR101036947B1 (ko) 컴퓨터 영상 분석기술을 이용한 범죄 및 사고예방 자동경비 시스템
CN113223046B (zh) 一种监狱人员行为识别的方法和系统
KR20110130033A (ko) 행동패턴 데이터베이스를 이용한 능동형 영상감시 시스템 및 그 방법
CN110245630A (zh) 监控数据处理方法、装置及可读存储介质
KR101470314B1 (ko) 객체 자동 인식／분류 ｃｃｔｖ 시스템 및 그 방법
CN111652185A (zh) 一种基于违章行为识别的安全施工方法、系统、装置及存储介质
CN113034826A (zh) 基于视频的异常事件告警方法及其系统、设备、存储介质
CN111860152A (zh) 人员状态检测的方法、系统、设备和计算机设备
KR20190035187A (ko) 감시 지역 음성 경고 방송 시스템
CN113971782A (zh) 一种综合监控信息管理方法和系统
KR102142315B1 (ko) 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법
CN111126100A (zh) 报警方法、装置、电子设备及存储介质
KR102182660B1 (ko) 시공간 특징을 이용한 폭력 감지 시스템, 방법 및 상기 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터 판독 가능한 기록매체
CN116665121A (zh) 安全作业场景中的安全作业检测告警方法及装置
CN112419639A (zh) 一种视频信息的获取方法及装置

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