CN111199211A - 具有红外唤醒功能的智能监控设备、监控方法及存储介质 - Google Patents
具有红外唤醒功能的智能监控设备、监控方法及存储介质 Download PDFInfo
- Publication number
- CN111199211A CN111199211A CN201911417338.6A CN201911417338A CN111199211A CN 111199211 A CN111199211 A CN 111199211A CN 201911417338 A CN201911417338 A CN 201911417338A CN 111199211 A CN111199211 A CN 111199211A
- Authority
- CN
- China
- Prior art keywords
- target
- module
- human
- intelligent monitoring
- area range
- 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 113
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000006698 induction Effects 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims description 22
- 238000012806 monitoring device Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000013135 deep learning Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 229920000642 polymer Polymers 0.000 claims description 6
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 5
- 229910001416 lithium ion Inorganic materials 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 210000003414 extremity Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000003331 infrared imaging Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 208000009144 Pure autonomic failure Diseases 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 239000013312 porous aromatic framework Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005059 dormancy Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 210000002414 leg Anatomy 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000001217 buttock Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 210000000245 forearm Anatomy 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Abstract
本发明公开了一种具有红外唤醒功能的监控设备、监控方法及存储介质，涉及视频监控技术领域。该设备包括：电源模组、红外感应模组、摄像头模组、处理器模组，红外感应模组实时监测监控区域范围内是否有生物体目标；当无生物体目标时，除红外感应模组继续工作外智能监控设备的其余部分处于休眠状态；当有生物体目标时，唤醒处理器模组和摄像头模组工作，采集监控区域范围内的包括生物体目标的图像；处理器模组依据采集到的包括生物体目标的图像确定生物体目标是否为人体目标；若为人体目标，则唤醒智能监控设备其余部分；若无人体目标，则停止摄像头模组采集监控区域范围内的图像，除红外感应模组继续工作外智能监控设备的其余部分处于休眠状态。
Description
技术领域
本发明涉及安防监控技术领域，特别涉及一种具有红外唤醒功能的智能监控设备、监控方法及存储介质。
背景技术
监控设备是指对行为、活动或其他变动中信息的一种持续性关注而发明的系列监控器材，通常是为了对人达成影响、管理、指导或保护的目的。
传统的摄像监控装置在接通电源后一直处于工作的状态，长时间的通电工作会增加装置发热、装置内电子零部件老化、不利监控装置的长时间稳定工作从而减少监控装置的使用寿命。其次，长时间的通电工作在一定程度上也会造成电能源浪费，不利于环保。并且现有的具有红外唤醒功能监控设备则是检测到疑似人体的热源即唤醒设备开始工作，缺乏检查机制，容易产生误报。有鉴于此，发明一种监测精准以减少误报现象并降低功耗的监控装置已成为该领域技术人员亟需解决的问题。
发明内容
本发明解决的技术问题是，提供一种监测精准减少误报现象并降低功耗的具有红外唤醒功能的智能监控设备、监控方法及存储介质。
第一方面，本发明公开了一种具有红外唤醒功能的智能监控设备，其中，所述设备包括：为智能监控设备供电的电源模组、红外感应模组、摄像头模组、处理器模组，所述红外感应模组实时监测监控区域范围内是否有生物体目标；当无生物体目标时，除所述红外感应模组继续工作外所述智能监控设备的其余部分处于休眠状态；当有生物体目标时，唤醒所述处理器模组和所述摄像头模组工作，所述处理器模组控制所述摄像头模组采集所述监控区域范围内的包括生物体目标的图像；所述处理器模组依据采集到的包括生物体目标的图像确定所述生物体目标是否为人体目标；若为人体目标，则唤醒所述智能监控设备其余部分；若无人体目标，则停止所述摄像头模组采集监控区域范围内的图像，除所述红外感应模组继续工作外所述智能监控设备的其余部分处于休眠状态。
优选地，所述智能监控设备其余部分包括：通信模组和图像存储器，所述图像存储器存储所述摄像头模组采集的所述监控区域范围内的图像；所述通信模组用于所述智能监控设备与外界通信。
优选地，当有人体目标时，控制所述图像存储器存储本次所述摄像头模组采集到的监控区域范围内的图像；当无人体目标时，控制所述图像存储器抛弃本次所述摄像头模组所采集到的监控区域范围内的图像。
优选地，所述处理器模组包括处理器和存储器，所述处理器包括AI处理单元；所述存储器存储有供所述AI处理单元调用的计算机存储指令。
优选地，所述处理器模组依据采集到的包括生物体目标的图像确定所述生物体目标是否为人体目标包括：所述AI处理单元采用深度学习算法结合人体骨骼检测方法来确定所述生物体目标是否为人体目标。
优选地，所述电源模组包括接入市电的电源转换电路和带有电路检测的锂离子聚合物电池。
第二方面，本发明还提供一种具有红外唤醒功能的智能监控方法，其中，所述方法包括：
红外感应监控区域范围内是否有生物体目标；
若有生物体目标则采集监控区域范围内包括所述生物体目标的图像；
判断所述包括生物体目标的图像中所述生物体目标是否为人体目标；
若为人体目标则实时采集所述监控区域范围内包括所述人体目标的图像；
若所述生物体目标不是人体目标，则停止所述监控区域范围内的图像采集。
优选地，所述方法在若所述生物体目标不是人体目标，则停止所述监控区域范围内的图像采集之后还包括：抛弃本次已采集的所述监控区域范围内的图像。
优选地，所述判断所述包括生物体目标的图像中所述生物体目标是否为人体目标包括：采用深度学习算法结合人体骨骼检测方法来确定所述生物体目标是否为人体目标。
第三方面，本发明还提供一种存储介质，其上存储有计算机程序指令，其中，当所述计算机程序指令被处理器执行时实现前面任一项所述的方法。
本发明的具有红外唤醒功能的智能监控设备、监控方法及存储介质具有如下有益效果：通过红外感应生物体目标的方法，让智能监控设备的其余部分都处于休眠状态，不仅可减少红外感应模组的误报现象，同时节省的设备的功耗，降低成本。
附图说明
图1为本发明一实施例具有红外唤醒功能的监控设备的结构示意图。
图2为本发明实施例对人体目标的骨骼识别时的结构划分示意图。
图3为图2中采用深度学习算法结合人体骨骼检测方法进行检测的示意图。
图4为本发明实施例具有红外唤醒功能的监控方法的流程示意图。
图5为本发明实施例具有红外唤醒功能的监控设备的处理架构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
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……”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。
实施例一
请参阅图1，本发明实施例一公开了一种具有红外唤醒功能的监控设备以实现精准检测，减少误报，并且降低设备的功耗。所述具有红外唤醒功能的监控设备包括：
为智能监控设备供电的电源模组1；这里的电源可以是常规电源，也可以是可以无线充电的电源模组。
红外感应模组2，所述红外感应模组2实时监测监控区域范围内是否有生物体目标；具体地，在本实施例中，所述红外感应模组检测监控区域是否存在人体目标的靠近。红外成像不同于不可见光成像，它是依靠红外传感器的热成像性能来获取图像的，只取决于物体的温度和其所辐射出的热量。红外成像可以提供可见光图像在烟雾、光线不足的条件下无法提供的目标信息。而由于环境温度的变化或者其它热源信息的影响，其他非人目标例如动物、车辆、道路、路灯杆等的热成像和人体目标类似，容易与所述人体目标混淆，从而导致所述红外感应模组可能会认为检测失误，随之启动处理器模组和摄像头模组对当前区域进行拍摄，而后检测是否存在人体目标。当确认为误报时不进行远程通信和存储工作，既提高了监控的准确性又降低了监控设备的整体耗能。
摄像头模组3，分别与所述红外感应模组2和所述处理器模组4连接，当有生物体目标时，所述红外感应模组2唤醒所述处理器模组4和所述摄像头模组3工作，同时所述处理器模组控制所述摄像头模组采集所述监控区域范围内的包括生物体目标的图像；
处理器模组4，控制整个智能监控设备，当有生物体目标时，被所述红外感应模组2唤醒，然后控制整个智能监控设备；
当无生物体目标时，除所述红外感应模组继续工作外所述智能监控设备的其余部分处于休眠状态；当有生物体目标时，唤醒所述处理器模组和所述摄像头模组工作，所述处理器模组控制所述摄像头模组采集所述监控区域范围内的包括生物体目标的图像；所述处理器模组依据采集到的包括生物体目标的图像确定所述生物体目标是否为人体目标；若为人体目标，则唤醒所述智能监控设备其余部分；若无人体目标，则停止所述摄像头模组采集监控区域范围内的图像，除所述红外感应模组继续工作外所述智能监控设备的其余部分处于休眠状态。
本发明实施例通过上述设计可以使得整个智能监控设备只需少量的部件工作，而其余的部件处于休眠状态，不仅可减少红外感应模组的误报现象，同时节省的设备的功耗，延长了整个智能监控设备的使用寿命，并节约了成本。
在本发明的一个实施例中，所述智能监控设备其余部分包括：
通信模组5，所述通信模组用于所述智能监控设备与外界通信；
图像存储器6，所述图像存储器存储所述摄像头模组采集的所述监控区域范围内的图像。
当有人体目标时，控制所述图像存储器存储本次所述摄像头模组采集到的监控区域范围内的图像；当无人体目标时，控制所述图像存储器抛弃本次所述摄像头模组所采集到的监控区域范围内的图像。
所述处理器模组4包括处理器和存储器，所述处理器包括AI(ArtificialIntelligence，人工智能的简称)处理单元；所述存储器存储有供所述AI处理单元调用的计算机存储指令。
所述处理器模组4依据采集到的包括生物体目标的图像确定所述生物体目标是否为人体目标包括：所述AI处理单元采用深度学习算法结合人体骨骼检测方法来确定所述生物体目标是否为人体目标。
所述电源模组1包括接入市电的电源转换电路和带有电路检测的锂离子聚合物电池。所述电源模组1包括交流电转直流电电路和带有电量检测电路的锂离子聚合物电池。可以理解的是，所述聚合物锂电池在结构上采用铝塑软包装，有别于液态电芯的金属外壳，一旦发生安全隐患，锂离子聚合物电池只会气鼓，不会发生爆炸，保证了安全性。
在本发明另一实施例中，为进一步减少功耗，且减少摄像头模组的不必要使用，可以在识别出生物体目标为人体目标时，采用白名单方式，利用一个功耗较小且图像分辨率一般的摄像头对人体目标的面部和体形特征进行识别，当确定是白名单内的人物时，则不开启摄像头模组。这样也为用户提供一个较惬意的环境，以免总觉得有一双眼睛在监视着，以致给人内心造成压抑和不快。当有白名单以外的人进入时，则启动摄像头模组。
此外对于人体目标图像，则需要有更进一步的图像识别处理方法，可以利用AI处理单元采用深度学习算法结合人体骨骼检测方法来确定所述生物体目标是否为人体目标，例如可以利用行人检测算法检测红外感应信息对应的场景是否存在人体目标。请参见图2和图3，将人体目标按照身体部位进行骨骼划分，具体分为头部11、左手部12、右手部13、胸背部14、左腿部15以及右腿部16。
所述行人检测算法也可看作机器学习的方法，包含两个阶段：训练阶段和测试阶段。在训练阶段包含了样本提取、特征提取和训练分类器三个部分；测试阶段主要包含样本检测窗口的选择、检测样本的特征提取、分类器判别等。
具体地，所述基于深度学习的人体骨骼检测方法采用VGG pre-train network作为骨架。一个好的人体骨架提取方法不仅需要考虑人体关节点之间的依赖关系，还需要考虑在保证模型的精确度的同时尽可能减少模型的计算量。本实施例的人形骨架模型将人体分为人体部件的集合和部件间的连接关系。请参阅图2及图3，显示人体大致有14个部件组成，分别是头部、颈部、左右肩膀、左右肘子、左右手腕、左右臀部、左右膝盖及左右脚踝。
具体地，所述行人检测算法具体包括：有两个分支分别回归L(p)和S(p)。每一个stage算一次loss，之后把L和S以及原始输入concatenate，继续下一个stage的训练。随着迭代次数的增加，S能够一定程度上区分结构的左右。loss用的L2范数，S和L的ground-truth需要从标注的关键点生成，如果某个关键点在标注中有缺失则不计算该点。
对于S，每一类关键点有一个channel，生成ground-truth的时候是按照多个高斯分布取max的方法来保留各个点的响应峰值。对于L则先看准确定义，对于第k个人体目标的第c个肢干上的PAFs(Part Affinity Fields)：
ν＝(xj2,k-xj1,k)/||xj2,k-xj1,k||2
xj,k表示第k个人体目标的第j个关键点的位置。而像素点p是否落在limb(肢干)则设了一个阈值范围：
0≤v·(p-xj1,k)≤lc,kand|v⊥·(p-xj1,k)|≤σl
其中lc,k和σl分别表示limb长度和宽度。最后也会对所有人体目标相同类别肢干进行平均，使得L的输出的channel与肢干种数相等：
直到PAFs(Part Affinity Fields)和关键点位置dj之后，需要评估这俩关键点的相关性。这两个关键点连线上各像素点PAF向量与连线向量的点积的积分为：
p(u)＝(1-u)dj1+udj2
在得到关键节点以及边权之后，计算姿态骨架已经完全转化成了一个图文题。利用匈牙利算法对相邻节点进行了最优匹配(比如一堆左手腕节点和一堆左手肘节点，利用小臂的PAF计算边权，再进行最优匹配)，最后获得整个的人形姿态骨架，针对人形骨架并与所述人行骨架模型比对即可判断有行人。
还有为进一步提升智能监控设备的功能多样性，本发明实施例中还对获取人体目标的面部红外热图以及身体红外热图，区别身体正常人体目标和患病人体目标，当获取到面部红外热图中人脸温度异常同时身体红外热图中的身体温度也异常时，确定有患病人物进入监控区域，实时向用户发送提示信息，以避免接触感染，保证用户的身体健康。当然，为进一步判断人体目标是否不适宜接触，进一步对通过红外感应检测人体在场景中的位移，如果在短时间内位移变化较大，说明人体目标在运动，这时应不作为患病患者对待，若在短时间内位移变化较小，说明人体目标在正常步行，如果检测到温度异常，则说明人体目标身体健康问题。这特别适用于对家庭中的小孩子身体健康方面的监控。
在一个具体实施例中，红外感应模组2在对监控区域进行监控时，采用红外传感器阵列对场景分区进行监控，当确定有人体目标时，利用脉冲耦合神经网络(PCNN)模型实现红外人体目标和场景分割，然后对人体目标进行识别等操作。
请参阅图4，本发明实施例2还提供一种具有红外唤醒功能的智能监控方法，所述方法包括：
S1、红外感应监控区域范围内是否有生物体目标；
S2、若有生物体目标则采集监控区域范围内包括所述生物体目标的图像；
S3、判断所述包括生物体目标的图像中所述生物体目标是否为人体目标；
S4、若为人体目标则实时采集所述监控区域范围内包括所述人体目标的图像；
S5、若所述生物体目标不是人体目标，则停止所述监控区域范围内的图像采集。
具体的，在本实施例中，所述红外感应模组检测监控区域是否存在人体目标的靠近。红外成像不同于不可见光成像，它是依靠红外传感器的热成像性能来获取图像的，只取决于物体的温度和其所辐射出的热量。红外成像可以提供可见光图像在烟雾、光线不足的条件下无法提供的目标信息。而由于环境温度的变化或者其它热源信息的影响，其他非人目标例如动物、车辆、道路、路灯杆等的热成像和人体目标类似，容易与所述人体目标混淆，从而导致所述红外感应模组可能会认为检测失误，随之启动处理器模组和摄像头模组对当前区域进行拍摄，而后检测是否存在人体目标。当确认为误报时不进行远程通信和存储工作，既提高了监控的准确性又降低了监控设备的整体耗能。当有生物体目标时，被所述红外感应模组2唤醒，然后控制所述摄像头模组采集所述监控区域范围内的包括生物体目标的图像；所述处理器模组依据采集到的包括生物体目标的图像确定所述生物体目标是否为人体目标；若为人体目标，则唤醒所述智能监控设备其余部分；若无人体目标，则停止所述摄像头模组采集监控区域范围内的图像，除所述红外感应模组继续工作外所述智能监控设备的其余部分处于休眠状态。
优选地，所述方法还包括：在若所述生物体目标不是人体目标，则停止所述监控区域范围内的图像采集之后还包括：抛弃本次已采集的所述监控区域范围内的图像。
优选地，所述判断所述包括生物体目标的图像中所述生物体目标是否为人体目标包括：采用深度学习算法结合人体骨骼检测方法来确定所述生物体目标是否为人体目标。
本发明还公开了一种具有红外唤醒功能的智能监控设备，如图5所示，该设备包括：存储器211、处理器212和接入设备213。存储器211、处理器212和接入设备213之间通过总线214连接。
处理器212包括可以包括中央处理器(CPU)，或者特定集成电路(ApplicationSpecific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器211可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器211可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器211可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器211可在数据处理装置的内部或外部。在特定实施例中，存储器211是非易失性固态存储器。在特定实施例中，存储器211包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
接入设备213主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线214包括硬件、软件或两者，彼此耦接在一起。举例来说而非限制，总线214可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线214可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
处理器212通过读取并执行存储器211中存储的计算机程序指令，以实现上述实施例中的任意一种具有红外唤醒功能的智能监控方法。
另外，结合上述实施例中的具有红外唤醒功能的智能监控方法，本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种具有红外唤醒功能的智能监控方法。
综上所述，本发明的具有红外唤醒功能的智能监控设备、监控方法及存储介质具有如下有益效果：通过红外感应生物体目标的方法，让智能监控设备的其余部分都处于休眠状态，不仅可减少红外感应模组的误报现象，同时节省的设备的功耗，降低成本。
以上对本发明所提供的具有红外唤醒功能的监控设备、监控方法及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。不应理解为对本发明的限制。
Claims (10)
1.一种具有红外唤醒功能的智能监控设备，其特征在于，所述设备包括：为智能监控设备供电的电源模组、红外感应模组、摄像头模组、处理器模组，所述红外感应模组实时监测监控区域范围内是否有生物体目标；当无生物体目标时，除所述红外感应模组继续工作外所述智能监控设备的其余部分处于休眠状态；当有生物体目标时，唤醒所述处理器模组和所述摄像头模组工作，所述处理器模组控制所述摄像头模组采集所述监控区域范围内的包括生物体目标的图像；所述处理器模组依据采集到的包括生物体目标的图像确定所述生物体目标是否为人体目标；若为人体目标，则唤醒所述智能监控设备其余部分；若无人体目标，则停止所述摄像头模组采集监控区域范围内的图像，除所述红外感应模组继续工作外所述智能监控设备的其余部分处于休眠状态。
2.根据权利要求1所述的智能监控设备，其特征在于，所述智能监控设备其余部分包括：通信模组和图像存储器，所述图像存储器存储所述摄像头模组采集的所述监控区域范围内的图像；所述通信模组用于所述智能监控设备与外界通信。
3.根据权利要求2所述的智能监控设备，其特征在于，当有人体目标时，控制所述图像存储器存储本次所述摄像头模组采集到的监控区域范围内的图像；当无人体目标时，控制所述图像存储器抛弃本次所述摄像头模组所采集到的监控区域范围内的图像。
4.根据权利要求1至3任一项所述的智能监控设备，其特征在于，所述处理器模组包括处理器和存储器，所述处理器包括AI处理单元；所述存储器存储有供所述AI处理单元调用的计算机存储指令。
5.根据权利要求4所述的智能监控设备，其特征在于，所述处理器模组依据采集到的包括生物体目标的图像确定所述生物体目标是否为人体目标包括：所述AI处理单元采用深度学习算法结合人体骨骼检测方法来确定所述生物体目标是否为人体目标。
6.根据权利要求1所述的智能监控设备，其特征在于，所述电源模组包括接入市电的电源转换电路和带有电路检测的锂离子聚合物电池。
7.一种具有红外唤醒功能的智能监控方法，其特征在于，所述方法包括：
红外感应监控区域范围内是否有生物体目标；
若有生物体目标则采集监控区域范围内包括所述生物体目标的图像；
判断所述包括生物体目标的图像中所述生物体目标是否为人体目标；
若为人体目标则实时采集所述监控区域范围内包括所述人体目标的图像；
若所述生物体目标不是人体目标，则停止所述监控区域范围内的图像采集。
8.根据权利要求7所述的智能监控方法，其特征在于，所述方法在若所述生物体目标不是人体目标，则停止所述监控区域范围内的图像采集之后还包括：抛弃本次已采集的所述监控区域范围内的图像。
9.根据权利要求7或8所述的智能监控方法，其特征在于，所述判断所述包括生物体目标的图像中所述生物体目标是否为人体目标包括：采用深度学习算法结合人体骨骼检测方法来确定所述生物体目标是否为人体目标。
10.一种存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求7至9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911417338.6A CN111199211A (zh) | 2019-12-31 | 2019-12-31 | 具有红外唤醒功能的智能监控设备、监控方法及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911417338.6A CN111199211A (zh) | 2019-12-31 | 2019-12-31 | 具有红外唤醒功能的智能监控设备、监控方法及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111199211A true CN111199211A (zh) | 2020-05-26 |
Family
ID=70744472
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911417338.6A Pending CN111199211A (zh) | 2019-12-31 | 2019-12-31 | 具有红外唤醒功能的智能监控设备、监控方法及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111199211A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112037398A (zh) * | 2020-09-01 | 2020-12-04 | 深圳市视美泰技术股份有限公司 | 闸机待机唤醒方法、装置、计算机设备及存储介质 |
| CN112153279A (zh) * | 2020-08-20 | 2020-12-29 | 瑞芯微电子股份有限公司 | 一种智能设备误唤醒过滤方法及系统 |
| CN112989926A (zh) * | 2021-02-03 | 2021-06-18 | 深圳达实智能股份有限公司 | 一种延长监控摄像头寿命方法和系统 |
| CN113572949A (zh) * | 2021-03-18 | 2021-10-29 | 深圳爱加物联科技有限公司 | 一种可以准确锁定人形的太阳能低功耗摄像机 |
| CN113992849A (zh) * | 2021-10-20 | 2022-01-28 | 山东亲橙里教学用品有限公司 | 一种监测区间的间歇式监控设备 |
| CN115460347A (zh) * | 2022-08-18 | 2022-12-09 | 科大讯飞股份有限公司 | 监控设备的控制方法、监控设备及存储介质 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104594754A (zh) * | 2015-02-09 | 2015-05-06 | 葛晓松 | 一种用于公共场所传染性疾病的智能快速自动筛分系统 |
| CN104811595A (zh) * | 2015-04-08 | 2015-07-29 | 合肥君正科技有限公司 | 一种网络监控摄像机及其工作方法 |
| CN204836410U (zh) * | 2015-08-12 | 2015-12-02 | 张勇 | 红外热成像防发烧防踢被人身体温度监测装置 |
| US20160203694A1 (en) * | 2011-02-22 | 2016-07-14 | Flir Systems, Inc. | Infrared sensor systems and methods |
| CN205566477U (zh) * | 2016-02-17 | 2016-09-07 | 成都理工大学 | 低功耗人脸监控器 |
| CN106851226A (zh) * | 2017-03-29 | 2017-06-13 | 宁夏宁信信息科技有限公司 | 基于用户行为识别的摄像头自动调整的监控方法及系统 |
| WO2018006541A1 (zh) * | 2016-07-07 | 2018-01-11 | 中兴通讯股份有限公司 | 睡眠状态的监测方法、装置、终端和计算机存储介质 |
| CN107707887A (zh) * | 2017-10-20 | 2018-02-16 | 上海应用技术大学 | 双摄像头室内监控装置及其方法 |
| US20180110416A1 (en) * | 2015-04-20 | 2018-04-26 | Sharp Kabushiki Kaisha | Monitoring system, monitoring device, and monitoring method |
| CN109325412A (zh) * | 2018-08-17 | 2019-02-12 | 平安科技（深圳）有限公司 | 行人识别方法、装置、计算机设备及存储介质 |
| CN109460702A (zh) * | 2018-09-14 | 2019-03-12 | 华南理工大学 | 基于人体骨架序列的乘客异常行为识别方法 |
| CN208849861U (zh) * | 2018-09-27 | 2019-05-10 | 上海良相智能化工程有限公司 | 智能人脸识别摄像头 |
| CN109872359A (zh) * | 2019-01-27 | 2019-06-11 | 武汉星巡智能科技有限公司 | 坐姿检测方法、装置及计算机可读存储介质 |
| CN109885164A (zh) * | 2019-02-22 | 2019-06-14 | 北京猎户星空科技有限公司 | 智能设备控制方法、装置和存储介质 |
| CN110222640A (zh) * | 2019-06-05 | 2019-09-10 | 浙江大华技术股份有限公司 | 监控场所中嫌疑人的识别方法、装置、方法和存储介质 |
| CN110290352A (zh) * | 2019-06-28 | 2019-09-27 | Oppo广东移动通信有限公司 | 监控方法及装置、电子设备以及存储介质 |
| CN110533011A (zh) * | 2019-10-12 | 2019-12-03 | 创新奇智(青岛)科技有限公司 | 发放传单行为的检测方法及检测系统 |
-
2019
- 2019-12-31 CN CN201911417338.6A patent/CN111199211A/zh active Pending
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160203694A1 (en) * | 2011-02-22 | 2016-07-14 | Flir Systems, Inc. | Infrared sensor systems and methods |
| CN104594754A (zh) * | 2015-02-09 | 2015-05-06 | 葛晓松 | 一种用于公共场所传染性疾病的智能快速自动筛分系统 |
| CN104811595A (zh) * | 2015-04-08 | 2015-07-29 | 合肥君正科技有限公司 | 一种网络监控摄像机及其工作方法 |
| US20180110416A1 (en) * | 2015-04-20 | 2018-04-26 | Sharp Kabushiki Kaisha | Monitoring system, monitoring device, and monitoring method |
| CN204836410U (zh) * | 2015-08-12 | 2015-12-02 | 张勇 | 红外热成像防发烧防踢被人身体温度监测装置 |
| CN205566477U (zh) * | 2016-02-17 | 2016-09-07 | 成都理工大学 | 低功耗人脸监控器 |
| WO2018006541A1 (zh) * | 2016-07-07 | 2018-01-11 | 中兴通讯股份有限公司 | 睡眠状态的监测方法、装置、终端和计算机存储介质 |
| CN106851226A (zh) * | 2017-03-29 | 2017-06-13 | 宁夏宁信信息科技有限公司 | 基于用户行为识别的摄像头自动调整的监控方法及系统 |
| CN107707887A (zh) * | 2017-10-20 | 2018-02-16 | 上海应用技术大学 | 双摄像头室内监控装置及其方法 |
| CN109325412A (zh) * | 2018-08-17 | 2019-02-12 | 平安科技（深圳）有限公司 | 行人识别方法、装置、计算机设备及存储介质 |
| CN109460702A (zh) * | 2018-09-14 | 2019-03-12 | 华南理工大学 | 基于人体骨架序列的乘客异常行为识别方法 |
| CN208849861U (zh) * | 2018-09-27 | 2019-05-10 | 上海良相智能化工程有限公司 | 智能人脸识别摄像头 |
| CN109872359A (zh) * | 2019-01-27 | 2019-06-11 | 武汉星巡智能科技有限公司 | 坐姿检测方法、装置及计算机可读存储介质 |
| CN109885164A (zh) * | 2019-02-22 | 2019-06-14 | 北京猎户星空科技有限公司 | 智能设备控制方法、装置和存储介质 |
| CN110222640A (zh) * | 2019-06-05 | 2019-09-10 | 浙江大华技术股份有限公司 | 监控场所中嫌疑人的识别方法、装置、方法和存储介质 |
| CN110290352A (zh) * | 2019-06-28 | 2019-09-27 | Oppo广东移动通信有限公司 | 监控方法及装置、电子设备以及存储介质 |
| CN110533011A (zh) * | 2019-10-12 | 2019-12-03 | 创新奇智(青岛)科技有限公司 | 发放传单行为的检测方法及检测系统 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112153279A (zh) * | 2020-08-20 | 2020-12-29 | 瑞芯微电子股份有限公司 | 一种智能设备误唤醒过滤方法及系统 |
| CN112037398A (zh) * | 2020-09-01 | 2020-12-04 | 深圳市视美泰技术股份有限公司 | 闸机待机唤醒方法、装置、计算机设备及存储介质 |
| CN112989926A (zh) * | 2021-02-03 | 2021-06-18 | 深圳达实智能股份有限公司 | 一种延长监控摄像头寿命方法和系统 |
| CN112989926B (zh) * | 2021-02-03 | 2024-03-22 | 深圳达实智能股份有限公司 | 一种延长监控摄像头寿命方法和系统 |
| CN113572949A (zh) * | 2021-03-18 | 2021-10-29 | 深圳爱加物联科技有限公司 | 一种可以准确锁定人形的太阳能低功耗摄像机 |
| CN113992849A (zh) * | 2021-10-20 | 2022-01-28 | 山东亲橙里教学用品有限公司 | 一种监测区间的间歇式监控设备 |
| CN115460347A (zh) * | 2022-08-18 | 2022-12-09 | 科大讯飞股份有限公司 | 监控设备的控制方法、监控设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111199211A (zh) | 具有红外唤醒功能的智能监控设备、监控方法及存储介质 | |
| Kwolek et al. | Improving fall detection by the use of depth sensor and accelerometer | |
| Vishnu et al. | Human fall detection in surveillance videos using fall motion vector modeling | |
| CN109961058B (zh) | 一种非接触式跌倒检测方法及装置 | |
| Tzeng et al. | Design of fall detection system with floor pressure and infrared image | |
| CN103800016B (zh) | 基于视触觉结合的人体身份步态识别系统及其识别方法 | |
| CN108662728B (zh) | 信息处理方法、信息处理装置以及记录介质 | |
| CN106599802B (zh) | 一种基于云技术的智能楼道监控系统 | |
| CN104361321A (zh) | 一种判断老年人摔倒行为及身体平衡能力的方法 | |
| Czabke et al. | Accelerometer based real-time activity analysis on a microcontroller | |
| KR20220166368A (ko) | 온도 측정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능 저장 매체 | |
| Yang et al. | A wearable real-time fall detector based on Naive Bayes classifier | |
| CN109965851A (zh) | 一种基于多生理参数的人体运动性疲劳检测系统 | |
| Spasova et al. | A survey on automatic fall detection in the context of ambient assisted living systems | |
| Bhogal et al. | Corona virus disinfectant tunnel using face mask detection and temperature monitoring | |
| Grokop et al. | Activity and device position recognition in mobile devices | |
| Sim et al. | Improving the accuracy of erroneous-plan recognition system for Activities of Daily Living | |
| Zhu et al. | Smartphone-based human activity recognition in buildings using locality-constrained linear coding | |
| Liu et al. | Automatic fall risk detection based on imbalanced data | |
| Lin et al. | Adaptive multi-modal fusion framework for activity monitoring of people with mobility disability | |
| Banerjee et al. | Monitoring hospital rooms for safety using depth images | |
| CN109993116A (zh) | 一种基于人体骨骼相互学习的行人再识别方法 | |
| CN112070185A (zh) | 基于Re-ID的非接触式发烧人员追踪系统及其追踪方法 | |
| Ruffin et al. | Non-invasive low cost fever detection systems | |
| Raja et al. | Design and implementation of facial recognition system for visually impaired using image processing |
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 |