CN111126328A - 一种智慧消防人员姿态监测方法及系统 - Google Patents
一种智慧消防人员姿态监测方法及系统 Download PDFInfo
- Publication number
- CN111126328A CN111126328A CN201911394520.4A CN201911394520A CN111126328A CN 111126328 A CN111126328 A CN 111126328A CN 201911394520 A CN201911394520 A CN 201911394520A CN 111126328 A CN111126328 A CN 111126328A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- image
- posture
- portrait
- personnel
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 248
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000010801 machine learning Methods 0.000 claims abstract description 47
- 230000003068 static effect Effects 0.000 claims description 36
- 238000004088 simulation Methods 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 7
- 230000036544 posture Effects 0.000 description 65
- 238000001514 detection method Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 206010042772 syncope Diseases 0.000 description 2
- 108091028043 Nucleic acid sequence Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G08B21/02—Alarms for ensuring the safety of persons
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Emergency Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种智慧消防人员姿态监测方法及系统,其中的方法包括:获取第一监控图像并从第一监控图像中解析出第一人像;获取第二监控图像并从第二监控图像中解析出第二人像;获取第三监控图像并从第三监控图像中解析出第三人像;根据第一人像、第二人像和第三人像以及预设机器学习模型得到人员姿态监控结果;其中第一监控图像、第二监控图像和第三监控图像为不同角度下对监控区域进行监控获得监控图像。本发明能够通过不同角度下对监控区域进行监控的结果分别的不同角度下的人像信息,根据已有的机器学习模型对不同角度的人像信息进行分析即可得到人员姿态监控结果,具有更高的准确性以及更高的运算效率。
Description
技术领域
本发明涉及消防安全管理技术领域,特别涉及一种智慧消防人员姿态监测系统及方法。
背景技术
在智慧消防技术领域中,对于人员姿态检测是一项非常重要的检测,其目的是能够对于在监控区域内对人员的姿态进行准确的检测以及跟踪,能够及时发现人员的危险姿态等。
现有技术中对于人员姿态的检测,如已经公开的专利文献:CN 107886069 A,只能够从平面角度对于人员进行检测,因此构建出的姿态检测结果也仅限于平面。这就会导致一个问题,在很多情况下人员的不同动作的平面检测结果可能都是一样的,这就会导致可能存在危险性的动作最后无法被及时发现,或者本身不存在危险性的动作会被误判为具有危险性,虽然可以通过调取监控视频的方式进一步对动作结果进行确认,但是这样就需要更多的时间,降低了处理问题的效率,因此以上问题亟需得到改善。
发明内容
本发明实施例旨在提供一种智慧消防人员姿态监测系统及方法,能够对于人员的姿态进行多个维度的检测,构建出符合实际情况的姿态结果,从而准确判定人员动作,在有危险情况时及时处理提高解决问题的效率。
为此,本发明实施例提供一种智慧消防人员姿态监测方法,包括如下步骤:
获取第一监控图像并从所述第一监控图像中解析出第一人像;
获取第二监控图像并从所述第二监控图像中解析出第二人像;
获取第三监控图像并从所述第三监控图像中解析出第三人像;
根据所述第一人像、所述第二人像和所述第三人像以及预设机器学习模型得到人员姿态监控结果;
其中所述第一监控图像、所述第二监控图像和所述第三监控图像为不同角度下对监控区域进行监控获得监控图像。
可选地,上述的智慧消防人员姿态监测方法中,还包括如下步骤:
将所述人员姿态监控结果与预设危险动作姿态进行比对,若所述人员姿态监控结果与任意一个所述预设危险动作姿态匹配,则输出危险提示信号以控制报警组件发出报警提示。
可选地,上述的智慧消防人员姿态监测方法中,在根据所述第一人像、所述第二人像和所述第三人像以及预设机器学习模型得到人员姿态监控结果之前,还包括如下步骤:
选定机器学习模型;
获取训练样本图像,所述训练样本图像包括人员姿态样本图像以及与所述人员姿态样本图像对应的第一角度样本图像、第二角度样本图像和第三角度样本图像,其中所述第一角度样本图像与所述第二角度样本图像之间的相差角度与所述第一监控图像和所述第二监控图像之间的相差角度相同;所述第一角度样本图像与所述第三角度样本图像之间的相差角度与所述第一监控图像和所述第三监控图像之间的相差角度相同;所述第二角度样本图像与所述第三角度样本图像之间的相差角度与所述第二监控图像和所述第三监控图像之间的相差角度相同;
以所述第一角度样本图像、所述第二角度样本图像和所述第三角度样本图像作为所述机器学习模型的输入,以所述人员姿态样本图像作为所述机器学习模型的输出对所述机器学习模型进行训练,训练完成后得到所述预设机器学习模型。
可选地,上述的智慧消防人员姿态监测方法中,还包括如下步骤:
预存所述监控区域的三维模拟场景,并且以所述三维模拟场景中的特定静态物体所在位置作为原点构建所述监控区域的场景坐标系;
根据所述第一监控图像中所述静态物体所在位置、所述第二监控图像中所述静态物体所在位置和所述第三监控图像中所述静态物体所在位置,得到人员与所述静态物体之间的相对位置关系;
根据所述相对位置关系以及所述场景坐标系确定人员在所述三维模拟场景的位置;
根据所述人员在所述三维模拟场景中的位置,将所述人员姿态监控结果与所述三维模拟场景融合后得到所述监控区域的立体监控结果。
可选地,上述的智慧消防人员姿态监测方法中,所述监控区域为消防监控室内部,所述静态物体为监控系统主机,所述方法还包括如下步骤:
在所述立体监控结果表示人员与所述监控系统主机之间的距离超过设定距离且持续时间超过设定时间时控制所述报警组件发出报警提示。
本发明还提供一种计算机可读存储介质,所述存储介质中存储有程序指令,计算机读取所述程序指令后执行以上任一项所述的智慧消防人员姿态监测方法。
本发明还提供一种智慧消防人员姿态监测系统,包括第一摄像头、第二摄像头、第三摄像头和图像处理器,其中:
所述第一摄像头、所述第二摄像头和所述第三摄像头分别设置于监控区域的三个位置处且不在同一直线上;
所述图像处理器,其接收所述第一摄像头的第一监控图像并从所述第一监控图像中解析出第一人像;其接收所述第二摄像头的第二监控图像并从所述第二监控图像中解析出第二人像;其接收所述第三摄像头的第三监控图像并从所述第三监控图像中解析出第三人像;根据所述第一人像、所述第二人像和所述第三人像以及预设机器学习模型得到人员姿态监控结果。
可选地,上述的智慧消防人员姿态监测系统中,还包括报警组件:
所述图像处理器还用于将所述人员姿态监控结果与预设危险动作姿态进行比对,若所述人员姿态监控结果与任意一个所述预设危险动作姿态匹配,则输出危险提示信号;
所述报警组件的被控端与所述图像处理器的输出端连接,所述报警组件在接收到所述危险提示信号后发出报警提示。
可选地,上述的智慧消防人员姿态监测系统中,还包括场景构建处理器:
所述场景构建处理器中预存有所述监控区域的三维模拟场景,并且以所述三维模拟场景中的特定静态物体所在位置作为原点构建所述监控区域的场景坐标系;
所述图像处理器,根据所述第一监控图像中所述静态物体所在位置、所述第二监控图像中所述静态物体所在位置和所述第三监控图像中所述静态物体所在位置,得到人员与所述静态物体之间的相对位置关系;根据所述相对位置关系以及所述场景坐标系确定人员在所述三维模拟场景的位置;根据所述人员在所述三维模拟场景中的位置,将所述人员姿态监控结果与所述三维模拟场景融合后得到所述监控区域的立体监控结果。
可选地,上述的智慧消防人员姿态监测系统中,所述监控区域为消防监控室内部,所述静态物体为监控系统主机,其特征在于:
所述场景构建处理器在所述立体监控结果表示人员与所述监控系统主机之间的距离超过设定距离且持续时间超过设定时间时控制所述报警组件发出报警提示。
本发明提供的上述技术方案,与现有技术相比,至少具有如下有益效果:
本发明提供的智慧消防人员姿态监测方法及系统,能够通过不同角度下对监控区域进行监控的结果分别的不同角度下的人像信息,根据已有的机器学习模型对不同角度的人像信息进行分析即可得到人员姿态监控结果,相对于现有技术中的平面姿态检测结果具有更高的准确性,通过机器学习算法进行运算具有更高的运算效率。
附图说明
图1为本发明一个实施例所述智慧消防人员姿态监测方法的流程图;
图2为本发明另一个实施例所述的智慧消防人员姿态监测方法的流程图;
图3为本发明一个实施例所述智慧消防人员姿态监测系统的硬件连接结构示意图;
图4为本发明另一个实施例所述智慧消防人员姿态监测系统的硬件连接结构示意图。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和提供的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明的简化描述,而不是指示或暗示所指的装置或组件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。其中,术语“第一位置”和“第二位置”为两个不同的位置。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个组件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
本实施例提供一种智慧消防人员姿态监测方法,可应用于消防监控室内的监控系统中,如图1所示,其包括如下步骤:
S101:获取第一监控图像并从所述第一监控图像中解析出第一人像。
S102:获取第二监控图像并从所述第二监控图像中解析出第二人像。
S103:获取第三监控图像并从所述第三监控图像中解析出第三人像。
S104:根据所述第一人像、所述第二人像和所述第三人像以及预设机器学习模型得到人员姿态监控结果。
其中所述第一监控图像、所述第二监控图像和所述第三监控图像为不同角度下对监控区域进行监控获得监控图像。可以通过设置于同一监控区域中不同位置处的摄像头分别采集不同角度的监控图像,三个摄像头可以以等边或等腰三角形的方式设置于监控区域的不同位置。
预设机器学习模型可以采用已经被训练好的机器学习模型,机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。机器学习已经有了十分广泛的应用,例如:数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人运用。目前现有技术中已经发展了很多比较成熟的机器学习算法,诸如类比学习算法、遗传算法和神经网络算法等,本方案中可从现有技术中进行选择即可。
以上方案,能够通过不同角度下对监控区域进行监控的结果分别的不同角度下的人像信息,根据已有的机器学习模型对不同角度的人像信息进行分析即可得到人员姿态监控结果,相对于现有技术中的平面姿态检测结果具有更高的准确性,通过机器学习算法进行运算具有更高的运算效率。
进一步地,如图2所示,以上方法还可以包括如下步骤:
S105:将所述人员姿态监控结果与预设危险动作姿态进行比对,若所述人员姿态监控结果与任意一个所述预设危险动作姿态匹配,则输出危险提示信号以控制报警组件发出报警提示。
危险动作姿态例如吸烟、躺倒(预防晕厥等)、没有正确佩戴安全设备等,本方案中通过自动对人员姿态进行识别与已经存储的危险动作姿态进行比对判断,可自动识别出危险动作并在识别到危险动作后自动进行报警提示,提高了安全性能。
优选地,在根据所述第一人像、所述第二人像和所述第三人像以及预设机器学习模型得到人员姿态监控结果之前,还包括如下步骤:
S001:选定机器学习模型。
S002:获取训练样本图像,所述训练样本图像包括人员姿态样本图像以及与所述人员姿态样本图像对应的第一角度样本图像、第二角度样本图像和第三角度样本图像,其中所述第一角度样本图像与所述第二角度样本图像之间的相差角度与所述第一监控图像和所述第二监控图像之间的相差角度相同;所述第一角度样本图像与所述第三角度样本图像之间的相差角度与所述第一监控图像和所述第三监控图像之间的相差角度相同;所述第二角度样本图像与所述第三角度样本图像之间的相差角度与所述第二监控图像和所述第三监控图像之间的相差角度相同。
S003:以所述第一角度样本图像、所述第二角度样本图像和所述第三角度样本图像作为所述机器学习模型的输入,以所述人员姿态样本图像作为所述机器学习模型的输出对所述机器学习模型进行训练,训练完成后得到所述预设机器学习模型。
本方案中,使用训练算法来训练机器学习模型,机器学习模型可以采用前馈神经网络算法和递归神经网络算法。所述训练算法是利用配置参数来进行配置的。所述机器学习模型可以并行地执行许多训练实例。所述机器学习模型将预先规定好的样本输入到前馈神经网络中以便生成表示并将所述表示输入到递归神经网络中,每代入一个样本输入可以得到一个实际的样本输出,将实际的样本输出与原有的理论的样本输出进行比较,当实际得到的输出与理论输出之间的结果接近度很高时可以认为模型训练完成。
进一步优选地,以上方法中还可以包括如下步骤:
S106:预存所述监控区域的三维模拟场景,并且以所述三维模拟场景中的特定静态物体所在位置作为原点构建所述监控区域的场景坐标系。
S107:根据所述第一监控图像中所述静态物体所在位置、所述第二监控图像中所述静态物体所在位置和所述第三监控图像中所述静态物体所在位置,得到人员与所述静态物体之间的相对位置关系。
S108:根据所述相对位置关系以及所述场景坐标系确定人员在所述三维模拟场景的位置。
S109:根据所述人员在所述三维模拟场景中的位置,将所述人员姿态监控结果与所述三维模拟场景融合后得到所述监控区域的立体监控结果。该重新构建的三维的立体监控结果可以发送至远程上位机,或者管理人员的手机上进行观看。
较佳地,上述方法还可以包括如下步骤:
S110:所述监控区域为消防监控室内部,所述静态物体为监控系统主机,在所述立体监控结果表示人员与所述监控系统主机之间的距离超过设定距离且持续时间超过设定时间时控制所述报警组件发出报警提示。
在消防监控室内,规定工作人员必须在监控系统之前对设备进行监控或者操作,例如需要对摄像头监控结果进行观看,需要根据不同监控情况下发不同的调度指令等,一旦发现监控人员明显远离监控设备无法观察到屏幕显示结果也无法对设备进行操控即可发出报警,以提醒监控人员尽快回到规定位置上。
实施例2
本实施例提供一种计算机可读存储介质,所述存储介质中存储有程序指令,计算机读取所述程序指令后执行实施例1中任意方案所述的智慧消防人员姿态监测方法。
实施例3
本实施例提供一种智慧消防人员姿态监测系统,如图3所示,包括第一摄像头301、第二摄像头302、第三摄像头303和图像处理器304,其中:
所述第一摄像头301、所述第二摄像头302和所述第三摄像头303分别设置于监控区域的三个位置处且不在同一直线上;
所述图像处理器304,设置于监控系统中即可,其接收所述第一摄像头301的第一监控图像并从所述第一监控图像中解析出第一人像;其接收所述第二摄像头302的第二监控图像并从所述第二监控图像中解析出第二人像;其接收所述第三摄像头303的第三监控图像并从所述第三监控图像中解析出第三人像;根据所述第一人像、所述第二人像和所述第三人像以及预设机器学习模型得到人员姿态监控结果。
以上方案,能够通过不同角度下对监控区域进行监控的结果分别的不同角度下的人像信息,根据已有的机器学习模型对不同角度的人像信息进行分析即可得到人员姿态监控结果,相对于现有技术中的平面姿态检测结果具有更高的准确性,通过机器学习算法进行运算具有更高的运算效率。
优选地,如图4所示,以上方案中还可以包括报警组件305,所述图像处理器304还用于将所述人员姿态监控结果与预设危险动作姿态进行比对,若所述人员姿态监控结果与任意一个所述预设危险动作姿态匹配,则输出危险提示信号;所述报警组件305的被控端与所述图像处理器304的输出端连接,所述报警组件在接收到所述危险提示信号后发出报警提示。危险动作姿态例如吸烟、躺倒(预防晕厥等)、没有正确佩戴安全设备等,本方案中通过自动对人员姿态进行识别与已经存储的危险动作姿态进行比对判断,可自动识别出危险动作并在识别到危险动作后自动进行报警提示,提高了安全性能。
进一步地,上述方案中还可以包括场景构建处理器306,所述场景构建处理器306中预存有所述监控区域的三维模拟场景,并且以所述三维模拟场景中的特定静态物体所在位置作为原点构建所述监控区域的场景坐标系;所述图像处理器304,根据所述第一监控图像中所述静态物体所在位置、所述第二监控图像中所述静态物体所在位置和所述第三监控图像中所述静态物体所在位置,得到人员与所述静态物体之间的相对位置关系;根据所述相对位置关系以及所述场景坐标系确定人员在所述三维模拟场景的位置;根据所述人员在所述三维模拟场景中的位置,将所述人员姿态监控结果与所述三维模拟场景融合后得到所述监控区域的立体监控结果。所述预设机器学习模型通过如下方式得到:选定机器学习模型。获取训练样本图像,所述训练样本图像包括人员姿态样本图像以及与所述人员姿态样本图像对应的第一角度样本图像、第二角度样本图像和第三角度样本图像,其中所述第一角度样本图像与所述第二角度样本图像之间的相差角度与所述第一监控图像和所述第二监控图像之间的相差角度相同;所述第一角度样本图像与所述第三角度样本图像之间的相差角度与所述第一监控图像和所述第三监控图像之间的相差角度相同;所述第二角度样本图像与所述第三角度样本图像之间的相差角度与所述第二监控图像和所述第三监控图像之间的相差角度相同。以所述第一角度样本图像、所述第二角度样本图像和所述第三角度样本图像作为所述机器学习模型的输入,以所述人员姿态样本图像作为所述机器学习模型的输出对所述机器学习模型进行训练,训练完成后得到所述预设机器学习模型。
较佳地,所述监控区域为消防监控室内部,所述静态物体为监控系统主机,所述场景构建处理器306在所述立体监控结果表示人员与所述监控系统主机之间的距离超过设定距离且持续时间超过设定时间时控制所述报警组件发出报警提示。在消防监控室内,规定工作人员必须在监控系统之前对设备进行监控或者操作,例如需要对摄像头监控结果进行观看,需要根据不同监控情况下发不同的调度指令等,一旦发现监控人员明显远离监控设备无法观察到屏幕显示结果也无法对设备进行操控即可发出报警,以提醒监控人员尽快回到规定位置上。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种智慧消防人员姿态监测方法,其特征在于,包括如下步骤:
获取第一监控图像并从所述第一监控图像中解析出第一人像;
获取第二监控图像并从所述第二监控图像中解析出第二人像;
获取第三监控图像并从所述第三监控图像中解析出第三人像;
根据所述第一人像、所述第二人像和所述第三人像以及预设机器学习模型得到人员姿态监控结果;
其中所述第一监控图像、所述第二监控图像和所述第三监控图像为不同角度下对监控区域进行监控获得监控图像。
2.根据权利要求1所述的智慧消防人员姿态监测方法,其特征在于,还包括如下步骤:
将所述人员姿态监控结果与预设危险动作姿态进行比对,若所述人员姿态监控结果与任意一个所述预设危险动作姿态匹配,则输出危险提示信号以控制报警组件发出报警提示。
3.根据权利要求2所述的智慧消防人员姿态监测方法,其特征在于,在根据所述第一人像、所述第二人像和所述第三人像以及预设机器学习模型得到人员姿态监控结果之前,还包括如下步骤:
选定机器学习模型;
获取训练样本图像,所述训练样本图像包括人员姿态样本图像以及与所述人员姿态样本图像对应的第一角度样本图像、第二角度样本图像和第三角度样本图像,其中所述第一角度样本图像与所述第二角度样本图像之间的相差角度与所述第一监控图像和所述第二监控图像之间的相差角度相同;所述第一角度样本图像与所述第三角度样本图像之间的相差角度与所述第一监控图像和所述第三监控图像之间的相差角度相同;所述第二角度样本图像与所述第三角度样本图像之间的相差角度与所述第二监控图像和所述第三监控图像之间的相差角度相同;
以所述第一角度样本图像、所述第二角度样本图像和所述第三角度样本图像作为所述机器学习模型的输入,以所述人员姿态样本图像作为所述机器学习模型的输出对所述机器学习模型进行训练,训练完成后得到所述预设机器学习模型。
4.根据权利要求1-3任一项所述的智慧消防人员姿态监测方法,其特征在于,还包括如下步骤:
预存所述监控区域的三维模拟场景,并且以所述三维模拟场景中的特定静态物体所在位置作为原点构建所述监控区域的场景坐标系;
根据所述第一监控图像中所述静态物体所在位置、所述第二监控图像中所述静态物体所在位置和所述第三监控图像中所述静态物体所在位置,得到人员与所述静态物体之间的相对位置关系;
根据所述相对位置关系以及所述场景坐标系确定人员在所述三维模拟场景的位置;
根据所述人员在所述三维模拟场景中的位置,将所述人员姿态监控结果与所述三维模拟场景融合后得到所述监控区域的立体监控结果。
5.根据权利要求4所述的智慧消防人员姿态监测方法,其特征在于,所述监控区域为消防监控室内部,所述静态物体为监控系统主机,所述方法还包括如下步骤:
在所述立体监控结果表示人员与所述监控系统主机之间的距离超过设定距离且持续时间超过设定时间时控制所述报警组件发出报警提示。
6.一种计算机可读存储介质,其特征在于,所述存储介质中存储有程序指令,计算机读取所述程序指令后执行权利要求1-5任一项所述的智慧消防人员姿态监测方法。
7.一种智慧消防人员姿态监测系统,其特征在于,包括第一摄像头、第二摄像头、第三摄像头和图像处理器,其中:
所述第一摄像头、所述第二摄像头和所述第三摄像头分别设置于监控区域的三个位置处且不在同一直线上;
所述图像处理器,其接收所述第一摄像头的第一监控图像并从所述第一监控图像中解析出第一人像;其接收所述第二摄像头的第二监控图像并从所述第二监控图像中解析出第二人像;其接收所述第三摄像头的第三监控图像并从所述第三监控图像中解析出第三人像;根据所述第一人像、所述第二人像和所述第三人像以及预设机器学习模型得到人员姿态监控结果。
8.根据权利要求7所述的智慧消防人员姿态监测系统,其特征在于,还包括报警组件:
所述图像处理器还用于将所述人员姿态监控结果与预设危险动作姿态进行比对,若所述人员姿态监控结果与任意一个所述预设危险动作姿态匹配,则输出危险提示信号;
所述报警组件的被控端与所述图像处理器的输出端连接,所述报警组件在接收到所述危险提示信号后发出报警提示。
9.根据权利要求7或8所述的智慧消防人员姿态监测系统,其特征在于,还包括场景构建处理器:
所述场景构建处理器中预存有所述监控区域的三维模拟场景,并且以所述三维模拟场景中的特定静态物体所在位置作为原点构建所述监控区域的场景坐标系;
所述图像处理器,根据所述第一监控图像中所述静态物体所在位置、所述第二监控图像中所述静态物体所在位置和所述第三监控图像中所述静态物体所在位置,得到人员与所述静态物体之间的相对位置关系;根据所述相对位置关系以及所述场景坐标系确定人员在所述三维模拟场景的位置;根据所述人员在所述三维模拟场景中的位置,将所述人员姿态监控结果与所述三维模拟场景融合后得到所述监控区域的立体监控结果。
10.根据权利要求9所述的智慧消防人员姿态监测系统,所述监控区域为消防监控室内部,所述静态物体为监控系统主机,其特征在于:
所述场景构建处理器在所述立体监控结果表示人员与所述监控系统主机之间的距离超过设定距离且持续时间超过设定时间时控制所述报警组件发出报警提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911394520.4A CN111126328A (zh) | 2019-12-30 | 2019-12-30 | 一种智慧消防人员姿态监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911394520.4A CN111126328A (zh) | 2019-12-30 | 2019-12-30 | 一种智慧消防人员姿态监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111126328A true CN111126328A (zh) | 2020-05-08 |
Family
ID=70505052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911394520.4A Pending CN111126328A (zh) | 2019-12-30 | 2019-12-30 | 一种智慧消防人员姿态监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126328A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113497921A (zh) * | 2021-07-07 | 2021-10-12 | 合肥英睿系统技术有限公司 | 一种监护方法及智能监护系统 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH089423A (ja) * | 1994-06-20 | 1996-01-12 | Mitsubishi Heavy Ind Ltd | 遠隔モニタ装置 |
CN101742255A (zh) * | 2009-12-04 | 2010-06-16 | 福建省电力有限公司 | 电力现场作业视频自动监控系统 |
CN102945375A (zh) * | 2012-11-20 | 2013-02-27 | 天津理工大学 | 多约束下的多视角监控视频行为检测和识别方法 |
KR20130071510A (ko) * | 2011-12-21 | 2013-07-01 | 주식회사 영국전자 | 감시용 카메라 장치, 광역 감시 시스템 및 이에 있어서의 연계 감시 방법 |
KR101305371B1 (ko) * | 2012-06-29 | 2013-09-06 | 주식회사 테크모 | 영상 전송이 가능한 실시간 위치 추적 서비스 모니터링 시스템 및 그 방법 |
CN106128022A (zh) * | 2016-07-18 | 2016-11-16 | 四川君逸数码科技股份有限公司 | 一种智慧金睛识别暴力动作报警方法和装置 |
KR101698500B1 (ko) * | 2016-11-16 | 2017-02-01 | (주)와이즈콘 | 지능형 감시카메라를 이용한 감시 시스템 |
WO2017015861A1 (zh) * | 2015-07-28 | 2017-02-02 | 深圳市润安科技发展有限公司 | 一种医护场所安保人员巡防监控系统及巡防监控方法 |
CN108616718A (zh) * | 2016-12-13 | 2018-10-02 | 杭州海康威视系统技术有限公司 | 监控显示方法、装置及系统 |
CN109298785A (zh) * | 2018-09-06 | 2019-02-01 | 天津联图科技有限公司 | 一种监测设备的人机联控系统及方法 |
CN109711320A (zh) * | 2018-12-24 | 2019-05-03 | 兴唐通信科技有限公司 | 一种值班人员违规行为检测方法及系统 |
CN110119656A (zh) * | 2018-02-07 | 2019-08-13 | 中国石油化工股份有限公司 | 作业现场违章人员的智能监控系统及现场违章监控方法 |
CN110276261A (zh) * | 2019-05-23 | 2019-09-24 | 平安科技(深圳)有限公司 | 人员自动跟踪监控方法、装置、计算机设备及存储介质 |
-
2019
- 2019-12-30 CN CN201911394520.4A patent/CN111126328A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH089423A (ja) * | 1994-06-20 | 1996-01-12 | Mitsubishi Heavy Ind Ltd | 遠隔モニタ装置 |
CN101742255A (zh) * | 2009-12-04 | 2010-06-16 | 福建省电力有限公司 | 电力现场作业视频自动监控系统 |
KR20130071510A (ko) * | 2011-12-21 | 2013-07-01 | 주식회사 영국전자 | 감시용 카메라 장치, 광역 감시 시스템 및 이에 있어서의 연계 감시 방법 |
KR101305371B1 (ko) * | 2012-06-29 | 2013-09-06 | 주식회사 테크모 | 영상 전송이 가능한 실시간 위치 추적 서비스 모니터링 시스템 및 그 방법 |
CN102945375A (zh) * | 2012-11-20 | 2013-02-27 | 天津理工大学 | 多约束下的多视角监控视频行为检测和识别方法 |
WO2017015861A1 (zh) * | 2015-07-28 | 2017-02-02 | 深圳市润安科技发展有限公司 | 一种医护场所安保人员巡防监控系统及巡防监控方法 |
CN106128022A (zh) * | 2016-07-18 | 2016-11-16 | 四川君逸数码科技股份有限公司 | 一种智慧金睛识别暴力动作报警方法和装置 |
KR101698500B1 (ko) * | 2016-11-16 | 2017-02-01 | (주)와이즈콘 | 지능형 감시카메라를 이용한 감시 시스템 |
CN108616718A (zh) * | 2016-12-13 | 2018-10-02 | 杭州海康威视系统技术有限公司 | 监控显示方法、装置及系统 |
CN110119656A (zh) * | 2018-02-07 | 2019-08-13 | 中国石油化工股份有限公司 | 作业现场违章人员的智能监控系统及现场违章监控方法 |
CN109298785A (zh) * | 2018-09-06 | 2019-02-01 | 天津联图科技有限公司 | 一种监测设备的人机联控系统及方法 |
CN109711320A (zh) * | 2018-12-24 | 2019-05-03 | 兴唐通信科技有限公司 | 一种值班人员违规行为检测方法及系统 |
CN110276261A (zh) * | 2019-05-23 | 2019-09-24 | 平安科技(深圳)有限公司 | 人员自动跟踪监控方法、装置、计算机设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
LOREN FIORE ET AL.: "Multi-Camera Human Activity Monitoring", 《JOURNAL OF INTELLIGENT AND ROBOTIC SYSTEMS》 * |
XIAOGANG WANG: "Intelligent multi-camera video surveillance: A review", 《PATTERN RECOGNITION LETTERS》 * |
赵文轩: "智能监控下的行人再识别问题", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113497921A (zh) * | 2021-07-07 | 2021-10-12 | 合肥英睿系统技术有限公司 | 一种监护方法及智能监护系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109484935A (zh) | 一种电梯轿厢监控方法、装置及系统 | |
CN110795963A (zh) | 一种基于人脸识别的监控方法、装置及设备 | |
CN111064935B (zh) | 一种智慧工地人员姿态检测方法及系统 | |
CN108846990A (zh) | 一种用于仓库的物联网安防系统 | |
CN108830143A (zh) | 一种基于深度学习的视频分析系统 | |
CN111844054A (zh) | 巡检机器人、巡检机器人系统及巡检机器人巡检方法 | |
CN111223263A (zh) | 一种全自动综合型火灾预警响应系统 | |
CN109544870A (zh) | 用于智能监控系统的报警判断方法与智能监控系统 | |
CN115376269B (zh) | 一种基于无人机的火灾监控系统 | |
RU2713876C1 (ru) | Способ и система выявления тревожных событий при взаимодействии с устройством самообслуживания | |
CN113405219B (zh) | 空调器的防火监测方法、装置、电子设备以及存储介质 | |
CN213128247U (zh) | 一种智能安全帽系统 | |
CN110737201A (zh) | 一种监护方法、装置、存储介质及空调 | |
CN111062366B (zh) | 一种消控室内人员姿态检测方法及系统 | |
CN110928305B (zh) | 用于铁路客运车站巡更机器人的巡更方法及系统 | |
CN111126328A (zh) | 一种智慧消防人员姿态监测方法及系统 | |
CN113955594B (zh) | 一种电梯控制方法、装置、计算机设备和存储介质 | |
CN115620192A (zh) | 一种高空作业安全绳穿戴检测的方法和装置 | |
CN108460357B (zh) | 一种基于图像识别的开窗报警检测系统及方法 | |
CN114534146A (zh) | 基于移动式电力消防灭火机器人火焰自动寻地的控制方法与系统 | |
CN117180687B (zh) | 一种智慧消防远程监控系统及方法 | |
CN111611966A (zh) | 目标人员检测方法、装置、设备及存储介质 | |
CN112949606B (zh) | 工服穿戴状态检测方法、装置、存储介质及电子装置 | |
CN112863125A (zh) | 一种智能报警方法 | |
CN111918028A (zh) | 基于人工智能的楼宇信息处理装置 |
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 |