CN111163294A - 一种人工智能目标识别的建筑安全通道监测系统和方法 - Google Patents
一种人工智能目标识别的建筑安全通道监测系统和方法 Download PDFInfo
- Publication number
- CN111163294A CN111163294A CN202010007049.5A CN202010007049A CN111163294A CN 111163294 A CN111163294 A CN 111163294A CN 202010007049 A CN202010007049 A CN 202010007049A CN 111163294 A CN111163294 A CN 111163294A
- Authority
- CN
- China
- Prior art keywords
- channel
- building safety
- module
- safety channel
- building
- 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 120
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 37
- 230000000007 visual effect Effects 0.000 claims abstract description 68
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 16
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 14
- 239000001301 oxygen Substances 0.000 claims description 14
- 229910052760 oxygen Inorganic materials 0.000 claims description 14
- 239000000779 smoke Substances 0.000 claims description 14
- 239000002341 toxic gas Substances 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 10
- 238000011176 pooling Methods 0.000 claims description 8
- 101100111162 Arabidopsis thaliana ARPN gene Proteins 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 description 94
- 239000011159 matrix material Substances 0.000 description 22
- 230000007613 environmental effect Effects 0.000 description 8
- 230000011218 segmentation Effects 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 238000013507 mapping Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/02—Mechanical actuation
- G08B13/12—Mechanical actuation by the breaking or disturbance of stretched cords or wires
- G08B13/122—Mechanical actuation by the breaking or disturbance of stretched cords or wires for a perimeter fence
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种人工智能目标识别的建筑安全通道监测系统和方法,系统包括监测摄像设备、可视化安全通道管理平台、目标识别模块、配置模块、判断模块和报警模块;监测摄像设备用于拍摄建筑安全通道对应空间区域的视频信息;目标识别模块用于识别进入建筑安全通道的目标物种类和目标物位置;配置模块用于根据监测摄像设备拍摄的视频和建筑安全通道对应空间区域建立电子围栏;判断模块用于根据电子围栏、目标物种类和目标物位置进行合规性判断;若判断为不合规,则通过报警模块报警。解决了建筑安全通道内乱堆杂物、乱停车、消防通道堵塞等问题,具有可保证建筑安全通道畅通、目标物种类分析准确和监测直观效率高等优点。
Description
技术领域
本发明涉及安全通道管理和人工智能领域,具体涉及一种人工智能目标识别的建筑安全通道监测系统和方法。
背景技术
“电子围栏”,是一种人工规划设置的虚拟空间区域,而非真实的围栏,其通过综合运用定位和感知等物联网技术,对进入电子围栏的人或物进行定位和感知,从而实现针对特定目标进行必要的控制和响应。近年来,电子围栏技术快速发展,应用到了很多方面,例如,通过电子围栏来规范无人机飞行,通过电子围栏规范共享单车或共享汽车停放区域等等;具体描述为,针对禁飞的电子围栏,如果感知到有无人机进入电子围栏所划定的空间区域,就向该无人机飞控芯片下达禁飞指令,该无人机就不能起飞或者会被强制降落;针对共享单车或共享汽车停放区域的电子围栏,必须将共享单车或共享汽车停放到允许停放的电子围栏空间区域,才能完成锁车、还车和停止计费等操作,若停放在电子围栏外面,则不能进行上述操作。
建筑安全通道管理,一直是安全管理最重要的部分之一,在遇到危险时通过建筑安全通道可以将人员快速疏散至安全区域。在实际生活中,建筑安全通道一般有两种,一种用于快速疏散人员,通常是楼梯等,另一种用于快速疏散人群或车辆,通常是一段道路;目前,建筑安全通道内存在乱堆杂物、乱停车、消防通道堵塞等问题,亟待解决。发明人考虑过将现有的电子围栏技术直接套用在建筑安全通道管理上面,这就需要对所有经过通道的车辆或者物品进行实时定位,然而这种定位需求很难实现。
发明内容
针对现有技术存在的上述不足,本发明的目的在于:提供一种人工智能目标识别的建筑安全通道监测系统和方法,采用监测摄像设备对建筑安全通道进行全覆盖拍摄,分析拍摄视频中目标物种类、位置和行为,根据电子围栏范围、目标物种类、位置和行为对特定目标进行必要的限制管理。解决了建筑安全通道内乱堆杂物、乱停车、消防通道堵塞等问题,具有可保证建筑安全通道畅通、目标物种类分析准确和监测直观效率高等优点。
一种人工智能目标识别的建筑安全通道监测系统,包括通信连接的监测摄像设备和可视化安全通道管理平台,所述可视化安全通道管理平台包括目标识别模块、配置模块、判断模块和报警模块;所述监测摄像设备用于拍摄建筑安全通道对应空间区域的视频信息,拍摄区域大于建筑安全通道对应空间区域;所述目标识别模块用于识别进入建筑安全通道的目标物种类和目标物位置;所述配置模块用于根据监测摄像设备拍摄的视频和建筑安全通道对应空间区域建立电子围栏;所述判断模块用于根据电子围栏、目标物种类和目标物位置进行合规性判断;若判断为不合规,则通过报警模块报警。
进一步地,所述可视化安全通道管理平台包括行为分析模块,所述行为分析模块用于分析进入建筑安全通道的目标物的行为类型;所述判断模块根据电子围栏、目标物种类、目标物位置及目标物行为类型进行合规性判断,若判断为不合规,则通过报警模块报警。
进一步地,所述监测摄像设备设有多个,将建筑安全通道划分为多个分段通道,多个监测摄像设备和多个建筑安全分段通道一一对应;所述目标识别模块用于识别进入各个建筑安全分段通道的目标物种类和目标物位置,所述行为分析模块用于分析进入各个建筑安全分段通道的目标物的行为类型;所述配置模块根据多个监测摄像设备拍摄的视频和多个建筑安全分段通道对应空间区域建立多个对应的电子围栏。
进一步地,所述可视化安全通道管理平台包括各个建筑安全分段通道的配置管理表单,所述配置管理表单包括每个建筑安全分段通道的ID编号、类型、对应空间位置、对应电子围栏、合规性判定规则、对应安全分段通道的监测摄像设备编号以及其对应的画面区域定义规则。
进一步地,还包括环境感知设备,所述环境感知设备包括光照强度传感设备、红外测温设备、烟雾感应设备、有毒气体传感设备和氧气浓度传感设备;所述配置管理表单还包括每个建筑安全分段通道的环境感知设备编号。
进一步地,所述可视化安全通道管理平台包括建筑安全通道对应的二维形态或三维形态的可视化电子地图,并在可视化电子地图中对各个建筑安全分段通道进行标注;当判断模块判断建筑安全分段通道存在不合规时,所述可视化安全通道管理平台进行记录,并在可视化电子地图中进行可视化的报警显示。
进一步地,所述目标识别模块的识别包括:采用共享卷积网络对含有目标物的图像进行卷积计算,得到特征图像;将最后一层卷积特征图像送入到注意区域推荐网络ARPN进行候选区域的推荐,通过感兴趣区域池化层将推荐出来的候选区域和特征区域合并为固定维度大小的特征矢量,将特征矢量送入分类器和边框回归量计算器中同时进行分类判断和边框回归修正。
进一步地,所述注意区域推荐网络ARPN包括区域推荐网络RPN和注意模块,采用主通道和注意分通道两个平行通道来对融合特征图像进行处理,主通道保持原特征图不变,注意分通道通过注意模块进行注意力权重计算;所述区域推荐网络RPN的输入为任意大小的融合特征图像,输出为推荐的候选区域框。
一种人工智能目标识别的建筑安全通道监测方法,包括以下步骤:
采用监测摄像设备实时获取建筑安全通道对应空间区域的视频信息,并将获取的视频信息实时上传到可视化安全通道管理平台;
通过目标识别模块识别进入建筑安全通道的目标物种类和目标物位置,配置模块根据监测摄像设备拍摄的视频和建筑安全通道对应空间区域建立电子围栏;
判断模块根据电子围栏、目标物种类和目标物位置进行合规性判断;若判断为不合规,则通过报警模块报警。
进一步地,所述建筑安全通道对应空间区域的电子围栏建立包括:
在建筑安全通道对应空间区域的各个顶点设置预设标记牌,不同种类的预设标记牌代表不同类型的建筑安全通道;
从监测摄像设备实时拍摄的视频画面中识别并提取出预设标记牌的画面位置,根据预设标记牌的种类确定建筑安全通道的类型以及对应的合规性判定规则;
将同种类型的预设标记牌画面位置连接成封闭区域,确定建筑安全通道在视频画面中对应的画面区域。
相比于现有技术,本发明具有以下优点:
本发明提供的一种人工智能目标识别的建筑安全通道监测系统和方法,采用监测摄像设备对建筑安全通道进行全覆盖拍摄,分析拍摄视频中目标物种类、目标物位置和目标物行为,根据监测摄像设备拍摄的视频和建筑安全通道对应空间区域建立电子围栏,然后根据电子围栏范围、目标物种类、目标物位置和目标物行为对特定目标进行必要的限制管理。解决了建筑安全通道内乱堆杂物、乱停车、消防通道堵塞等问题,具有可保证建筑安全通道畅通、目标物种类分析准确和监测效率高等优点。
附图说明
图1为本发明实施例一中人工智能目标识别的建筑安全通道监测系统的系统框图;
图2为本发明实施例二中人工智能目标识别的建筑安全通道监测方法的流程图;
图3为本发明实施例一或实施例二中目标识别模块的识别流程图;
图4为本发明实施例一或实施例二中注意区域推荐网络ARPN的结构示意图;
图5为本发明实施例一或实施例二中电子围栏构建流程图;
图6为本发明实施例一或实施例二中电子围栏构建结构示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
实施例一:
参照图1,一种人工智能目标识别的建筑安全通道监测系统,包括通信连接的监测摄像设备和可视化安全通道管理平台,所述可视化安全通道管理平台包括目标识别模块、配置模块、判断模块和报警模块;所述监测摄像设备用于拍摄建筑安全通道对应空间区域的视频信息,拍摄区域大于建筑安全通道对应空间区域;所述目标识别模块用于识别进入建筑安全通道的目标物种类和目标物位置;所述配置模块用于根据监测摄像设备拍摄的视频和建筑安全通道对应空间区域建立电子围栏;所述判断模块用于根据电子围栏、目标物种类和目标物位置进行合规性判断;若判断为不合规,则通过报警模块报警。
上述人工智能目标识别的建筑安全通道监测系统中,监测摄像设备设于前端,安装在建筑安全通道内,可视化安全通道管理平台设于后台,前端与后台之间通过物联网进行上行和下行通信。具体地,监测摄像设备选择可以在低光照环境下拍摄的摄像机,从而适应夜间或者光照不佳的室内环境;摄像机的拍摄视野应该大于建筑安全通道对应的空间区域,拍摄的视频实时传输到后台的可视化安全通道管理平台。每个建筑安全通道都建立有对应的电子围栏,视频画面中包含了建筑安全通道对应电子围栏的空间区域对应的画面区域,从画面区域中利用目标识别提取技术识别并提取进入电子围栏空间区域的目标物种类和目标物位置,然后根据电子围栏区域范围、目标物种类和目标物位置进行合规性判断。其中,一台监测摄像机的视野范围可以对应多个电子围栏,每个电子围栏对应于视频画面中不同的画面区域。针对判断为不合规的情况,可视化安全通道管理平台进行记录,并进行提醒以及物业报警,比如,对违规停车的车牌号进行记录,向该车牌号登记的车主手机发送提示信息,以及向物业巡查保安的手机发送报警提示信息。这样,就解决了建筑安全通道内乱堆杂物、乱停车、消防通道堵塞等问题,可以保证建筑安全通道畅通。
上述人工智能目标识别的建筑安全通道监测系统中,所述可视化安全通道管理平台包括行为分析模块,所述行为分析模块用于分析进入建筑安全通道的目标物的行为类型;所述判断模块根据电子围栏、目标物种类、目标物位置及目标物行为类型进行合规性判断,若判断为不合规,则通过报警模块报警。所述监测摄像设备设有多个,将建筑安全通道划分为多个分段通道,多个监测摄像设备和多个建筑安全分段通道一一对应;所述目标识别模块用于识别进入各个建筑安全分段通道的目标物种类和目标物位置,所述行为分析模块用于分析进入各个建筑安全分段通道的目标物的行为类型;所述配置模块根据多个监测摄像设备拍摄的视频和多个建筑安全分段通道对应空间区域建立多个对应的电子围栏。
上述人工智能目标识别的建筑安全通道监测系统中,建筑安全通道主要包括室外安全通道和室内安全通道,室内安全通道主要是用于快速疏散人员,通常是楼梯等,室外安全通道主要是用于快速疏散人群或让消防车通行,通常是一段道路。可以将建筑安全通道划分为多个分段通道,在每个分段通道布置一个监测摄像机,每个监测摄像机的拍摄视野对应于一个安全分段通道。例如,对于消防车安全通道,可以从入口到出口划分若干个分段通道,对于室内的逃生安全通道,可以每个楼梯层对应于一个消防安全分段通道。具体地,后台的可视化安全通道管理平台可以从监测摄像机获得拍摄的视频画面,视频画面中包含消防通道的一个分段所对应的画面区域,从画面区域中利用目标提取识别技术提取进入消防安全通道空间区域的目标物,并识别该目标物的物体类型,分析目标物的行为类型,进而判断该目标物的目标类型和行为类型是否合规。
上述人工智能目标识别的建筑安全通道监测系统中,所述可视化安全通道管理平台包括各个建筑安全分段通道的配置管理表单,所述配置管理表单包括每个建筑安全分段通道的ID编号、类型、对应空间位置、对应电子围栏、合规性判定规则、对应安全分段通道的监测摄像设备编号以及其对应的画面区域定义规则。还包括环境感知设备,所述环境感知设备包括光照强度传感设备、红外测温设备、烟雾感应设备、有毒气体传感设备和氧气浓度传感设备;所述配置管理表单还包括每个建筑安全分段通道的环境感知设备编号。
具体来说,可视化安全通道管理平台为每个安全分段通道建立一个配置管理表单,配置管理表单里面记录了该安全通道分段对应的ID编号、空间位置、类型、对应电子围栏范围、合规性判定规则以及对应该电子围栏的监测摄像机编号及其对应的画面区域定义规则、对应该安全通道分段的感知设备编号。这样,通过可视化安全通道管理平台提取进入消防安全通道空间区域的目标物,并识别分析该目标物的物体类型和行为类型后,调取该安全通道分段对应的配置管理表单,进行合规性判断,如果合规性判断为不合格,则生成对应的物业报警消息,发送给物业巡查保安的手机,报警消息携带了存在不合规目标的安全通道分段的空间位置;另外,当室内安全通道的环境参数发生不合格时,也向物业巡查保安的手机发送报警消息。环境感知设备检测环境参数,包括安全通道的光照强度、温度、烟雾浓度、空气中是否含有毒气体、氧气浓度等。
下面将采用两个场景来进行配置管理表单的具体描述:
对于一个消防车安全分段通道,配置管理表单记录了该消防安全分段通道的ID编号,比如,将消防车安全通道划分为A1~A5分段,该消防车安全分段通道为A2;对应空间位置,可以用路段的名称进行定义,比如,渝安三路消防通道;类型为消防车安全通道;对应电子围栏,针对A2段消防车安全分段通道建立的电子围栏;合规性判定规则,当在该消防车安全分段通道的空间区域拍摄的视频画面中提取目标物类型为体积超过第一阈值的障碍物,且行为类型为静止超过预定时间,则判定为不合规;对应消防车安全分段通道的监测摄像机编号,比如,将在消防车安全通道安装C1~C5五个监测摄像机,监测摄像机C1~C5和消防车安全分段通道A1~A5一一对应,该消防车安全分段通道的监测摄像机编号为C2;对应的画面区域定义规则,可以用监测摄像机C2拍摄的视频画面中一定区域的坐标<X1,Y1>、坐标<X2,Y2>进行定义;不同类型的电子围栏有不同的合规性判定规则。环境感知设备编号,环境感知设备包括光照强度传感设备、红外测温设备、烟雾感应设备、有毒气体传感设备和氧气浓度传感设备中的一种或者多种;当环境检测参数的温度过高、烟雾浓度急剧变大,可能存在火灾,应及时报警;检测到有毒气体或者氧气浓度过高,可能存在泄露等,应及时报警。
对于一个室内逃生安全分段通道,配置管理表单记录了该逃生安全分段通道的ID编号,比如,将逃生安全通道按楼层划分为B1~B20层,该逃生安全分段通道为B10层;对应空间位置,华星大厦十楼逃生通道;类型为室内逃生安全通道;对应电子围栏,针对B10层逃生安全分段通道建立的电子围栏;合规性判定规则,当在该逃生安全分段通道的空间区域拍摄的视频画面中提取目标物类型为体积超过第二阈值的障碍物,第二阈值小于第一阈值,且行为类型为静止超过预定时间,则判定为不合规;对应逃生安全分段通道的监测摄像机编号,比如,将在逃生安全分段通道安装C6~C25五个监测摄像机,监测摄像机C6~C25和逃生安全分段通道B1~B20一一对应,该逃生安全分段通道的监测摄像机编号为C16;对应的画面区域定义规则,可以用监测摄像机C16拍摄的视频画面中一定区域的坐标<X3,Y3>、坐标<X4,Y4>进行定义;环境感知设备编号,环境感知设备包括光照强度传感设备、红外测温设备、烟雾感应设备、有毒气体传感设备和氧气浓度传感设备中的一种或者多种;当环境检测参数的温度过高、烟雾浓度急剧变大,可能存在火灾,应及时报警;检测到有毒气体或者氧气浓度过高,可能存在泄露等,应及时报警。
上述人工智能目标识别的建筑安全通道监测系统中,所述可视化安全通道管理平台包括建筑安全通道对应的二维形态或三维形态的可视化电子地图,并在可视化电子地图中对各个建筑安全分段通道进行标注;当判断模块判断建筑安全分段通道存在不合规时,所述可视化安全通道管理平台进行记录,并在可视化电子地图中进行可视化的报警显示。具体地,可视化电子地图可以采用二维形态或三维形态中的一种,也可以同时现在二维形态或三维形态。对于经判断存在不合规目标物的安全分段通道或者环境参数不合格的安全分段通道,可视化安全通道管理平台进行记录,并在可视化电子地图上用可视化的手段进行展示报警。例如,在可视化电子地图对应的各个安全分段通道上,存在不合规或者环境参数不合格的分段通道用红色线条进行警示,不存在不合规或者环境参数合格的分段用绿色进行标注,从而方便物业人员在后台进行管理。
上述人工智能目标识别的建筑安全通道监测系统中,参照图3,目标识别模块的识别包括:采用共享卷积网络对含有目标物的图像进行卷积计算,得到特征图像;将最后一层卷积特征图像送入到注意区域推荐网络ARPN进行候选区域的推荐,通过感兴趣区域池化层将推荐出来的候选区域和特征区域合并为固定维度大小的特征矢量,将特征矢量送入分类器和边框回归量计算器中同时进行分类判断和边框回归修正。通过这种共享卷积计算操作极大地减少了卷积计算的次数,而且这些特征矢量维度统一,方便后续的分类工作,目标物种类识别准确率高,目标物位置识别准确。
上述人工智能目标识别的建筑安全通道监测系统中,参照图4,采用主通道和注意分通道两个平行通道来对融合特征图像进行处理,主通道保持原特征图不变,注意分通道通过注意模块进行注意力权重计算;所述区域推荐网络RPN的输入为任意大小的融合特征图像,输出为一组打分后的区域推荐候选框,在共享的卷积网络的最后一层特征映射图上进行滑动扫描,在每个位置提取一系类的锚框,每个滑动窗口会输出固定大小维度的特征,然后通过两个全连接层对候选边框进行分类二和边框回归坐标。
所述特征区域指融合特征图像对应的特征映射图,感兴趣区域池化层可以将候选区域边框和特征区域进行融合池化,将每个有效候选区域中的特征转换为一个维度大小固定的特征矢量;感兴趣区域是通过选择性搜索算法计算出的分割区域。选择性搜索算法的原理,首先基于图像分割算法将图像分割生成多个初始区域,初始区域很小,没办法直接使用,需要使用多种的相似度判别规则决定哪些区域应该被合并到一起,最后将这些初始区域合并成待检测的分割区域;图像分割方法可以选择阈值分割法、边缘分割法、区域分割法中的一种,相似度判别可以通过颜色相似度、纹理相似度、尺寸相似度和重合相似度这四个方面来判断。由于数据图像的特征图分辨率大小不一,带目标物的图像在处理前需要进行归一化预处理,通过预处理,进行标准化,可以提高数据处理的效率。
上述人工智能目标识别的建筑安全通道监测系统中,还包括易混淆类别划分模块,主要用于目标物难以区分的情形,所述易混淆类别划分模块采用相似矩阵,将谱聚类方法应用在相似矩阵上得到类别簇,根据类别簇将全部特征图像数据集划分为若干个数据子集,每个数据子集代表一种目标物种类。所述相似矩阵包括Softmax矩阵、混淆矩阵和类别标签语义相似度矩阵。具体实施时,Softmax矩阵的构建方式,获取一部分图像数据作为训练集,用训练集构建网络模型,将全部训练集输入到网络模型中,保留所有样本输出的Softmax值,最后将同一类别的训练集所保留得数据取平均后作为该类别所代表的Softmax矩阵中的一行,将所有类别的数据组合起来得到Softmax矩阵;混淆矩阵的构建方式,将测试集输入到训练好的网络模型中,根据实际类别和预测类别统计相关位置上的数量,得到矩阵;类别标签语义相似度矩阵的构建方式,基于信息量的语义相似度计算,基于信息量,某个概念出现概率越大,所包含的信息就越少;基于路径的语义相似度计算,利用概念间的路径长度来衡量语义相似度。通过易混淆类别划分模块进一步提高了目标物种类识别的准确程度,降低出错率。
具体实施时,对于大规模的建筑群,比如大型商场,有很多的建筑安全通道,需要建立很多不同类型的电子围栏,这个过程会非常繁复,首先需要现场勘察以确定在哪些空间区域建立电子围栏,以及每个电子围栏的类型等;然后需要确定电子围栏的实际空间区域与智能摄像机的视频画面的画面区域之间的映射关系;最后需要为每个电子围栏建立一个配置管理表单,并对表单中的参数进行定义填写,这个过程消耗大量的时间和工作量。为了简化这一过程并提高效率,参照图5,上述监测系统对电子围栏的建立采用如下方式:
在建筑安全通道对应空间区域的各个顶点设置预设标记牌,不同种类的预设标记牌代表不同类型的建筑安全通道;
从监测摄像设备实时拍摄的视频画面中识别并提取出预设标记牌的画面位置,根据预设标记牌的种类确定建筑安全通道的类型以及对应的合规性判定规则;
将同种类型的预设标记牌画面位置连接成封闭区域,确定建筑安全通道在视频画面中对应的画面区域。
具体地,参照图6,设待构建电子围栏的建筑安全通道为一个长方形的空间区域,由工作人员在空间区域的四个顶点树立或者手举具有特定色块图案或者符号的标记牌;不同色块图案或者符号代表不同类型的电子围栏,两个安全分段通道对应两个电子围栏,分别用标记牌1和标记牌2表示;配置模块进入到电子围栏自动配置模式,从智能摄像机拍摄的现场视频画面中识别并提取出标记牌所在的画面位置,根据标记牌的色块或者符号确定电子围栏的类型以及对应的合规性判定规则,并自动分配该电子围栏的ID编号以及对应的只能摄像机的编号,将标记牌的画面位置连接成方框,从而确定该电子围栏在视频画面中对应的画面区域;可视化安全通道管理平台将这些配置信息的表单发给现场的工作人员的手机,工作人员可以利用手机补充填写对应该电子围栏的环境感知设备编号等其它信息;最后,可视化安全通道管理平台生成对应该电子围栏的配置管理表单。
参照图2,一种人工智能目标识别的建筑安全通道监测方法,包括以下步骤:
采用监测摄像设备实时获取建筑安全通道对应空间区域的视频信息,并将获取的视频信息实时上传到可视化安全通道管理平台;
通过目标识别模块识别进入建筑安全通道的目标物种类和目标物位置,配置模块根据监测摄像设备拍摄的视频和建筑安全通道对应空间区域建立电子围栏;
判断模块根据电子围栏、目标物种类和目标物位置进行合规性判断;若判断为不合规,则通过报警模块报警。
上述人工智能目标识别的建筑安全通道监测方法中,监测摄像设备设于前端,安装在建筑安全通道内,可视化安全通道管理平台设于后台,前端与后台之间通过物联网进行上行和下行通信。具体地,监测摄像设备选择可以在低光照环境下拍摄的摄像机,从而适应夜间或者光照不佳的室内环境;摄像机的拍摄视野应该大于建筑安全通道对应的空间区域,拍摄的视频实时传输到后台的可视化安全通道管理平台。每个建筑安全通道都建立有对应的电子围栏,视频画面中包含了建筑安全通道对应电子围栏的空间区域对应的画面区域,从画面区域中利用目标识别提取技术识别并提取进入电子围栏空间区域的目标物种类和目标物位置,然后根据电子围栏区域范围、目标物种类和目标物位置进行合规性判断。其中,一台监测摄像机的视野范围可以对应多个电子围栏,每个电子围栏对应于视频画面中不同的画面区域。针对判断为不合规的情况,可视化安全通道管理平台进行记录,并进行提醒以及物业报警,比如,对违规停车的车牌号进行记录,向该车牌号登记的车主手机发送提示信息,以及向物业巡查保安的手机发送报警提示信息。这样,就解决了建筑安全通道内乱堆杂物、乱停车、消防通道堵塞等问题,可以保证建筑安全通道畅通。
上述人工智能目标识别的建筑安全通道监测方法中,所述可视化安全通道管理平台包括行为分析模块,所述行为分析模块用于分析进入建筑安全通道的目标物的行为类型;所述判断模块根据电子围栏、目标物种类、目标物位置及目标物行为类型进行合规性判断,若判断为不合规,则通过报警模块报警。所述监测摄像设备设有多个,将建筑安全通道划分为多个分段通道,多个监测摄像设备和多个建筑安全分段通道一一对应;所述目标识别模块用于识别进入各个建筑安全分段通道的目标物种类和目标物位置,所述行为分析模块用于分析进入各个建筑安全分段通道的目标物的行为类型;所述配置模块根据多个监测摄像设备拍摄的视频和多个建筑安全分段通道对应空间区域建立多个对应的电子围栏。
上述人工智能目标识别的建筑安全通道监测方法中,建筑安全通道主要包括室外安全通道和室内安全通道,室内安全通道主要是用于快速疏散人员,通常是楼梯等,室外安全通道主要是用于快速疏散人群或让消防车通行,通常是一段道路。可以将建筑安全通道划分为多个分段通道,在每个分段通道布置一个监测摄像机,每个监测摄像机的拍摄视野对应于一个安全分段通道。例如,对于消防车安全通道,可以从入口到出口划分若干个分段通道,对于室内的逃生安全通道,可以每个楼梯层对应于一个消防安全分段通道。具体地,后台的可视化安全通道管理平台可以从监测摄像机获得拍摄的视频画面,视频画面中包含消防通道的一个分段所对应的画面区域,从画面区域中利用目标提取识别技术提取进入消防安全通道空间区域的目标物,并识别该目标物的物体类型,分析目标物的行为类型,进而判断该目标物的目标类型和行为类型是否合规。
上述人工智能目标识别的建筑安全通道监测方法中,所述可视化安全通道管理平台包括各个建筑安全分段通道的配置管理表单,所述配置管理表单包括每个建筑安全分段通道的ID编号、类型、对应空间位置、对应电子围栏、合规性判定规则、对应安全分段通道的监测摄像设备编号以及其对应的画面区域定义规则。还包括环境感知设备,所述环境感知设备包括光照强度传感设备、红外测温设备、烟雾感应设备、有毒气体传感设备和氧气浓度传感设备;所述配置管理表单还包括每个建筑安全分段通道的环境感知设备编号。
具体来说,可视化安全通道管理平台为每个安全分段通道建立一个配置管理表单,配置管理表单里面记录了该安全通道分段对应的ID编号、空间位置、类型、对应电子围栏范围、合规性判定规则以及对应该电子围栏的监测摄像机编号及其对应的画面区域定义规则、对应该安全通道分段的感知设备编号。这样,通过可视化安全通道管理平台提取进入消防安全通道空间区域的目标物,并识别分析该目标物的物体类型和行为类型后,调取该安全通道分段对应的配置管理表单,进行合规性判断,如果合规性判断为不合格,则生成对应的物业报警消息,发送给物业巡查保安的手机,报警消息携带了存在不合规目标的安全通道分段的空间位置;另外,当室内安全通道的环境参数发生不合格时,也向物业巡查保安的手机发送报警消息。环境感知设备检测环境参数,包括安全通道的光照强度、温度、烟雾浓度、空气中是否含有毒气体、氧气浓度等。
下面将采用两个场景来进行配置管理表单的具体描述:
对于一个消防车安全分段通道,配置管理表单记录了该消防安全分段通道的ID编号,比如,将消防车安全通道划分为A1~A5分段,该消防车安全分段通道为A2;对应空间位置,可以用路段的名称进行定义,比如,渝安三路消防通道;类型为消防车安全通道;对应电子围栏,针对A2段消防车安全分段通道建立的电子围栏;合规性判定规则,当在该消防车安全分段通道的空间区域拍摄的视频画面中提取目标物类型为体积超过第一阈值的障碍物,且行为类型为静止超过预定时间,则判定为不合规;对应消防车安全分段通道的监测摄像机编号,比如,将在消防车安全通道安装C1~C5五个监测摄像机,监测摄像机C1~C5和消防车安全分段通道A1~A5一一对应,该消防车安全分段通道的监测摄像机编号为C2;对应的画面区域定义规则,可以用监测摄像机C2拍摄的视频画面中一定区域的坐标<X1,Y1>、坐标<X2,Y2>进行定义;环境感知设备编号,环境感知设备包括光照强度传感设备、红外测温设备、烟雾感应设备、有毒气体传感设备和氧气浓度传感设备中的一种或者多种;当环境检测参数的温度过高、烟雾浓度急剧变大,可能存在火灾,应及时报警;检测到有毒气体或者氧气浓度过高,可能存在泄露等,应及时报警。
对于一个室内逃生安全分段通道,配置管理表单记录了该逃生安全分段通道的ID编号,比如,将逃生安全通道按楼层划分为B1~B20层,该逃生安全分段通道为B10层;对应空间位置,华星大厦十楼逃生通道;类型为室内逃生安全通道;对应电子围栏,针对B10层逃生安全分段通道建立的电子围栏;合规性判定规则,当在该逃生安全分段通道的空间区域拍摄的视频画面中提取目标物类型为体积超过第二阈值的障碍物,第二阈值小于第一阈值,且行为类型为静止超过预定时间,则判定为不合规;对应逃生安全分段通道的监测摄像机编号,比如,将在逃生安全分段通道安装C6~C25五个监测摄像机,监测摄像机C6~C25和逃生安全分段通道B1~B20一一对应,该逃生安全分段通道的监测摄像机编号为C16;对应的画面区域定义规则,可以用监测摄像机C16拍摄的视频画面中一定区域的坐标<X3,Y3>、坐标<X4,Y4>进行定义;环境感知设备编号,环境感知设备包括光照强度传感设备、红外测温设备、烟雾感应设备、有毒气体传感设备和氧气浓度传感设备中的一种或者多种;当环境检测参数的温度过高、烟雾浓度急剧变大,可能存在火灾,应及时报警;检测到有毒气体或者氧气浓度过高,可能存在泄露等,应及时报警。
上述人工智能目标识别的建筑安全通道监测方法中,所述可视化安全通道管理平台包括建筑安全通道对应的二维形态或三维形态的可视化电子地图,并在可视化电子地图中对各个建筑安全分段通道进行标注;当判断模块判断建筑安全分段通道存在不合规时,所述可视化安全通道管理平台进行记录,并在可视化电子地图中进行可视化的报警显示。具体地,可视化电子地图可以采用二维形态或三维形态中的一种,也可以同时现在二维形态或三维形态。对于经判断存在不合规目标物的安全分段通道或者环境参数不合格的安全分段通道,可视化安全通道管理平台进行记录,并在可视化电子地图上用可视化的手段进行展示报警。例如,在可视化电子地图对应的各个安全分段通道上,存在不合规或者环境参数不合格的分段通道用红色线条进行警示,不存在不合规或者环境参数合格的分段用绿色进行标注,从而方便物业人员在后台进行管理。
上述人工智能目标识别的建筑安全通道监测方法中,参照图3,目标识别模块的识别包括:采用共享卷积网络对含有目标物的图像进行卷积计算,得到特征图像;将最后一层卷积特征图像送入到注意区域推荐网络ARPN进行候选区域的推荐,通过感兴趣区域池化层将推荐出来的候选区域和特征区域合并为固定维度大小的特征矢量,将特征矢量送入分类器和边框回归量计算器中同时进行分类判断和边框回归修正。通过这种共享卷积计算操作极大地减少了卷积计算的次数,而且这些特征矢量维度统一,方便后续的分类工作,目标物种类识别准确率高,目标物位置识别准确。
上述人工智能目标识别的建筑安全通道监测方法中,参照图4,采用主通道和注意分通道两个平行通道来对融合特征图像进行处理,主通道保持原特征图不变,注意分通道通过注意模块进行注意力权重计算;所述区域推荐网络RPN的输入为任意大小的融合特征图像,输出为一组打分后的区域推荐候选框,在共享的卷积网络的最后一层特征映射图上进行滑动扫描,在每个位置提取一系类的锚框,每个滑动窗口会输出固定大小维度的特征,然后通过两个全连接层对候选边框进行分类二和边框回归坐标。
所述特征区域指融合特征图像对应的特征映射图,感兴趣区域池化层可以将候选区域边框和特征区域进行融合池化,将每个有效候选区域中的特征转换为一个维度大小固定的特征矢量;感兴趣区域是通过选择性搜索算法计算出的分割区域。选择性搜索算法的原理,首先基于图像分割算法将图像分割生成多个初始区域,初始区域很小,没办法直接使用,需要使用多种的相似度判别规则决定哪些区域应该被合并到一起,最后将这些初始区域合并成待检测的分割区域;图像分割方法可以选择阈值分割法、边缘分割法、区域分割法中的一种,相似度判别可以通过颜色相似度、纹理相似度、尺寸相似度和重合相似度这四个方面来判断。由于数据图像的特征图分辨率大小不一,带目标物的图像在处理前需要进行归一化预处理,通过预处理,进行标准化,可以提高数据处理的效率。
上述人工智能目标识别的建筑安全通道监测方法中,还包括易混淆类别划分模块,主要用于目标物难以区分的情形,所述易混淆类别划分模块采用相似矩阵,将谱聚类方法应用在相似矩阵上得到类别簇,根据类别簇将全部特征图像数据集划分为若干个数据子集,每个数据子集代表一种目标物种类。所述相似矩阵包括Softmax矩阵、混淆矩阵和类别标签语义相似度矩阵。具体实施时,Softmax矩阵的构建方式,获取一部分图像数据作为训练集,用训练集构建网络模型,将全部训练集输入到网络模型中,保留所有样本输出的Softmax值,最后将同一类别的训练集所保留得数据取平均后作为该类别所代表的Softmax矩阵中的一行,将所有类别的数据组合起来得到Softmax矩阵;混淆矩阵的构建方式,将测试集输入到训练好的网络模型中,根据实际类别和预测类别统计相关位置上的数量,得到矩阵;类别标签语义相似度矩阵的构建方式,基于信息量的语义相似度计算,基于信息量,某个概念出现概率越大,所包含的信息就越少;基于路径的语义相似度计算,利用概念间的路径长度来衡量语义相似度。通过易混淆类别划分模块进一步提高了目标物种类识别的准确程度,降低出错率。
具体实施时,对于大规模的建筑群,比如大型商场,有很多的建筑安全通道,需要建立很多不同类型的电子围栏,这个过程会非常繁复,首先需要现场勘察以确定在哪些空间区域建立电子围栏,以及每个电子围栏的类型等;然后需要确定电子围栏的实际空间区域与智能摄像机的视频画面的画面区域之间的映射关系;最后需要为每个电子围栏建立一个配置管理表单,并对表单中的参数进行定义填写,这个过程消耗大量的时间和工作量。为了简化这一过程并提高效率,参照图5,上述监测方法对电子围栏的建立采用如下方式:
在建筑安全通道对应空间区域的各个顶点设置预设标记牌,不同种类的预设标记牌代表不同类型的建筑安全通道;
从监测摄像设备实时拍摄的视频画面中识别并提取出预设标记牌的画面位置,根据预设标记牌的种类确定建筑安全通道的类型以及对应的合规性判定规则;
将同种类型的预设标记牌画面位置连接成封闭区域,确定建筑安全通道在视频画面中对应的画面区域。
具体地,参照图6,设待构建电子围栏的建筑安全通道为一个长方形的空间区域,由工作人员在空间区域的四个顶点树立或者手举具有特定色块图案或者符号的标记牌;不同色块图案或者符号代表不同类型的电子围栏,两个安全分段通道对应两个电子围栏,分别用标记牌1和标记牌2表示;配置模块进入到电子围栏自动配置模式,从智能摄像机拍摄的现场视频画面中识别并提取出标记牌所在的画面位置,根据标记牌的色块或者符号确定电子围栏的类型以及对应的合规性判定规则,并自动分配该电子围栏的ID编号以及对应的只能摄像机的编号,将标记牌的画面位置连接成方框,从而确定该电子围栏在视频画面中对应的画面区域;可视化安全通道管理平台将这些配置信息的表单发给现场的工作人员的手机,工作人员可以利用手机补充填写对应该电子围栏的环境感知设备编号等其它信息;最后,可视化安全通道管理平台生成对应该电子围栏的配置管理表单。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的保护范围当中。
Claims (10)
1.一种人工智能目标识别的建筑安全通道监测系统,其特征在于,包括通信连接的监测摄像设备和可视化安全通道管理平台,所述可视化安全通道管理平台包括目标识别模块、配置模块、判断模块和报警模块;所述监测摄像设备用于拍摄建筑安全通道对应空间区域的视频信息,拍摄区域大于建筑安全通道对应空间区域;所述目标识别模块用于识别进入建筑安全通道的目标物种类和目标物位置;所述配置模块用于根据监测摄像设备拍摄的视频和建筑安全通道对应空间区域建立电子围栏;所述判断模块用于根据电子围栏、目标物种类和目标物位置进行合规性判断;若判断为不合规,则通过报警模块报警。
2.根据权利要求1所述的人工智能目标识别的建筑安全通道监测系统,其特征在于,所述可视化安全通道管理平台包括行为分析模块,所述行为分析模块用于分析进入建筑安全通道的目标物的行为类型;所述判断模块根据电子围栏、目标物种类、目标物位置及目标物行为类型进行合规性判断,若判断为不合规,则通过报警模块报警。
3.根据权利要求2所述的人工智能目标识别的建筑安全通道监测系统,其特征在于,所述监测摄像设备设有多个,将建筑安全通道划分为多个分段通道,多个监测摄像设备和多个建筑安全分段通道一一对应;所述目标识别模块用于识别进入各个建筑安全分段通道的目标物种类和目标物位置,所述行为分析模块用于分析进入各个建筑安全分段通道的目标物的行为类型;所述配置模块根据多个监测摄像设备拍摄的视频和多个建筑安全分段通道对应空间区域建立多个对应的电子围栏。
4.根据权利要求3所述的人工智能目标识别的建筑安全通道监测系统,其特征在于,所述可视化安全通道管理平台包括各个建筑安全分段通道的配置管理表单,所述配置管理表单包括每个建筑安全分段通道的ID编号、类型、对应空间位置、对应电子围栏、合规性判定规则、对应安全分段通道的监测摄像设备编号以及其对应的画面区域定义规则。
5.根据权利要求4所述的人工智能目标识别的建筑安全通道监测系统,其特征在于,还包括环境感知设备,所述环境感知设备包括光照强度传感设备、红外测温设备、烟雾感应设备、有毒气体传感设备和氧气浓度传感设备;所述配置管理表单还包括每个建筑安全分段通道的环境感知设备编号。
6.根据权利要求3所述的人工智能目标识别的建筑安全通道监测系统,其特征在于,所述可视化安全通道管理平台包括建筑安全通道对应的二维形态或三维形态的可视化电子地图,并在可视化电子地图中对各个建筑安全分段通道进行标注;当判断模块判断建筑安全分段通道存在不合规时,所述可视化安全通道管理平台进行记录,并在可视化电子地图中进行可视化的报警显示。
7.根据权利要求1所述的人工智能目标识别的建筑安全通道监测系统,其特征在于,所述目标识别模块的识别包括:
采用共享卷积网络对含有目标物的图像进行卷积计算,得到特征图像;将最后一层卷积特征图像送入到注意区域推荐网络ARPN进行候选区域的推荐,通过感兴趣区域池化层将推荐出来的候选区域和特征区域合并为固定维度大小的特征矢量,将特征矢量送入分类器和边框回归量计算器中同时进行分类判断和边框回归修正。
8.根据权利要求7所述的人工智能目标识别的建筑安全通道监测系统,其特征在于,所述注意区域推荐网络ARPN包括区域推荐网络RPN和注意模块,采用主通道和注意分通道两个平行通道来对融合特征图像进行处理,主通道保持原特征图不变,注意分通道通过注意模块进行注意力权重计算;所述区域推荐网络RPN的输入为任意大小的融合特征图像,输出为推荐的候选区域框。
9.一种人工智能目标识别的建筑安全通道监测方法,其特征在于,包括以下步骤:
采用监测摄像设备实时获取建筑安全通道对应空间区域的视频信息,并将获取的视频信息实时上传到可视化安全通道管理平台;
通过目标识别模块识别进入建筑安全通道的目标物种类和目标物位置,配置模块根据监测摄像设备拍摄的视频和建筑安全通道对应空间区域建立电子围栏;
判断模块根据电子围栏、目标物种类和目标物位置进行合规性判断;若判断为不合规,则通过报警模块报警。
10.根据权利要求9所述的人工智能目标识别的建筑安全通道监测方法,其特征在于,所述建筑安全通道对应空间区域的电子围栏建立包括:
在建筑安全通道对应空间区域的各个顶点设置预设标记牌,不同种类的预设标记牌代表不同类型的建筑安全通道;
从监测摄像设备实时拍摄的视频画面中识别并提取出预设标记牌的画面位置,根据预设标记牌的种类确定建筑安全通道的类型以及对应的合规性判定规则;
将同种类型的预设标记牌画面位置连接成封闭区域,确定建筑安全通道在视频画面中对应的画面区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010007049.5A CN111163294A (zh) | 2020-01-03 | 2020-01-03 | 一种人工智能目标识别的建筑安全通道监测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010007049.5A CN111163294A (zh) | 2020-01-03 | 2020-01-03 | 一种人工智能目标识别的建筑安全通道监测系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111163294A true CN111163294A (zh) | 2020-05-15 |
Family
ID=70561362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010007049.5A Pending CN111163294A (zh) | 2020-01-03 | 2020-01-03 | 一种人工智能目标识别的建筑安全通道监测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111163294A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111640285A (zh) * | 2020-06-06 | 2020-09-08 | 浙江长元科技有限公司 | 一种消防通道占用的监测系统 |
CN112633179A (zh) * | 2020-12-25 | 2021-04-09 | 杭州祐全科技发展有限公司 | 基于视频分析的农贸市场过道物体占道检测方法 |
CN113014876A (zh) * | 2021-02-25 | 2021-06-22 | 中国铁塔股份有限公司 | 视频监控方法、装置、电子设备及可读存储介质 |
CN115862302A (zh) * | 2023-02-24 | 2023-03-28 | 西安曜合信息科技有限公司 | 基于物联网的建筑工程信息查询系统 |
CN116756262A (zh) * | 2023-08-15 | 2023-09-15 | 北京博道焦点科技有限公司 | 基于地图兴趣点稽核的电子围栏生成方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012057358A (ja) * | 2010-09-08 | 2012-03-22 | Fujitsu Ltd | 扉開閉システム、通過許可通知装置、監視システム、および注意喚起装置 |
CN107688823A (zh) * | 2017-07-20 | 2018-02-13 | 北京三快在线科技有限公司 | 一种图像特征获取方法及装置,电子设备 |
CN108205868A (zh) * | 2016-12-16 | 2018-06-26 | 北京迪科达科技有限公司 | 一种校园防火防盗智能监控管理系统 |
CN108509978A (zh) * | 2018-02-28 | 2018-09-07 | 中南大学 | 基于cnn的多级特征融合的多类目标检测方法及模型 |
CN108629180A (zh) * | 2018-03-29 | 2018-10-09 | 腾讯科技(深圳)有限公司 | 异常操作的确定方法和装置、存储介质、电子装置 |
CN108846335A (zh) * | 2018-05-31 | 2018-11-20 | 武汉市蓝领英才科技有限公司 | 基于视频图像的智慧工地区域管理及入侵检测方法、系统 |
CN109255352A (zh) * | 2018-09-07 | 2019-01-22 | 北京旷视科技有限公司 | 目标检测方法、装置及系统 |
CN109271544A (zh) * | 2018-07-11 | 2019-01-25 | 中国科学院自动化研究所 | 自动挑选画家代表作的方法及装置 |
CN209343480U (zh) * | 2019-01-29 | 2019-09-03 | 福建北斗星河通信有限公司 | 一种移动式电子围栏 |
CN110210509A (zh) * | 2019-03-04 | 2019-09-06 | 广东交通职业技术学院 | 一种基于mfd+谱聚类+svm的路网交通状态判别方法 |
CN110276382A (zh) * | 2019-05-30 | 2019-09-24 | 平安科技(深圳)有限公司 | 基于谱聚类的人群分类方法、装置及介质 |
-
2020
- 2020-01-03 CN CN202010007049.5A patent/CN111163294A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012057358A (ja) * | 2010-09-08 | 2012-03-22 | Fujitsu Ltd | 扉開閉システム、通過許可通知装置、監視システム、および注意喚起装置 |
CN108205868A (zh) * | 2016-12-16 | 2018-06-26 | 北京迪科达科技有限公司 | 一种校园防火防盗智能监控管理系统 |
CN107688823A (zh) * | 2017-07-20 | 2018-02-13 | 北京三快在线科技有限公司 | 一种图像特征获取方法及装置,电子设备 |
CN108509978A (zh) * | 2018-02-28 | 2018-09-07 | 中南大学 | 基于cnn的多级特征融合的多类目标检测方法及模型 |
CN108629180A (zh) * | 2018-03-29 | 2018-10-09 | 腾讯科技(深圳)有限公司 | 异常操作的确定方法和装置、存储介质、电子装置 |
CN108846335A (zh) * | 2018-05-31 | 2018-11-20 | 武汉市蓝领英才科技有限公司 | 基于视频图像的智慧工地区域管理及入侵检测方法、系统 |
CN109271544A (zh) * | 2018-07-11 | 2019-01-25 | 中国科学院自动化研究所 | 自动挑选画家代表作的方法及装置 |
CN109255352A (zh) * | 2018-09-07 | 2019-01-22 | 北京旷视科技有限公司 | 目标检测方法、装置及系统 |
CN209343480U (zh) * | 2019-01-29 | 2019-09-03 | 福建北斗星河通信有限公司 | 一种移动式电子围栏 |
CN110210509A (zh) * | 2019-03-04 | 2019-09-06 | 广东交通职业技术学院 | 一种基于mfd+谱聚类+svm的路网交通状态判别方法 |
CN110276382A (zh) * | 2019-05-30 | 2019-09-24 | 平安科技(深圳)有限公司 | 基于谱聚类的人群分类方法、装置及介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111640285A (zh) * | 2020-06-06 | 2020-09-08 | 浙江长元科技有限公司 | 一种消防通道占用的监测系统 |
CN112633179A (zh) * | 2020-12-25 | 2021-04-09 | 杭州祐全科技发展有限公司 | 基于视频分析的农贸市场过道物体占道检测方法 |
CN113014876A (zh) * | 2021-02-25 | 2021-06-22 | 中国铁塔股份有限公司 | 视频监控方法、装置、电子设备及可读存储介质 |
CN113014876B (zh) * | 2021-02-25 | 2023-06-02 | 中国铁塔股份有限公司 | 视频监控方法、装置、电子设备及可读存储介质 |
CN115862302A (zh) * | 2023-02-24 | 2023-03-28 | 西安曜合信息科技有限公司 | 基于物联网的建筑工程信息查询系统 |
CN115862302B (zh) * | 2023-02-24 | 2023-09-08 | 深圳高速公路集团数字科技有限公司 | 基于物联网的建筑工程信息查询系统 |
CN116756262A (zh) * | 2023-08-15 | 2023-09-15 | 北京博道焦点科技有限公司 | 基于地图兴趣点稽核的电子围栏生成方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111163294A (zh) | 一种人工智能目标识别的建筑安全通道监测系统和方法 | |
CN108062349B (zh) | 基于视频结构化数据及深度学习的视频监控方法和系统 | |
CN108037770B (zh) | 基于人工智能的无人机输电线路巡检系统和方法 | |
CN112132090A (zh) | 一种基于yolov3的烟火自动检测预警方法 | |
CN109858389B (zh) | 基于深度学习的直梯人数统计方法及系统 | |
CN107437318B (zh) | 一种可见光智能识别算法 | |
CN111985365A (zh) | 一种基于目标检测技术的秸秆焚烧监测方法和系统 | |
CN111800507A (zh) | 一种交通监控方法及交通监控系统 | |
CN113903081A (zh) | 一种水电厂图像视觉识别人工智能报警方法及装置 | |
CN110619277A (zh) | 一种多社区智慧布控方法以及系统 | |
CN104463869B (zh) | 一种视频火焰图像复合识别方法 | |
CN113516076A (zh) | 一种基于注意力机制改进的轻量化YOLO v4安全防护检测方法 | |
CN112308032B (zh) | 一种视频检测的井下风门智能协同联动控制方法 | |
CN107133563A (zh) | 一种基于公安领域的视频分析系统及方法 | |
CN113111771A (zh) | 一种发电厂工作人员不安全行为的识别方法 | |
CN116664359A (zh) | 一种基于多传感融合的智能火情预警决策系统及方法 | |
CN111314671B (zh) | 一种地下管廊人员定位方法 | |
CN115880231A (zh) | 一种基于深度学习的输电线路隐患检测方法和系统 | |
JP2014119827A (ja) | 撮影システム | |
CN113191273A (zh) | 基于神经网络的油田井场视频目标检测与识别方法及系统 | |
CN113486885A (zh) | 一种车牌识别方法、装置、电子设备及存储介质 | |
JP6163302B2 (ja) | 監視システム | |
CN114821486B (zh) | 一种电力作业场景下人员识别方法 | |
CN115171006B (zh) | 基于深度学习的自动识别人员进入电力危险区的检测方法 | |
CN115393900A (zh) | 一种基于物联网的智慧工地安全监管方法及系统 |
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: 20200515 |