CN111461078B - 一种基于计算机视觉技术的防钓监控方法 - Google Patents
一种基于计算机视觉技术的防钓监控方法 Download PDFInfo
- Publication number
- CN111461078B CN111461078B CN202010417363.0A CN202010417363A CN111461078B CN 111461078 B CN111461078 B CN 111461078B CN 202010417363 A CN202010417363 A CN 202010417363A CN 111461078 B CN111461078 B CN 111461078B
- Authority
- CN
- China
- Prior art keywords
- fishing
- position information
- information
- computer vision
- fishing rod
- 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.)
- Active
Links
Images
Classifications
-
- 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
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/32—Normalisation of the pattern dimensions
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (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)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于计算机视觉技术的防钓监控方法，包括信息采集步骤，信息分析步骤，以及监控报警步骤，所述信息采集步骤为通过摄像机获取视频，所述信息分析步骤为通过计算机对所述视频进行识别分析，所述监控报警步骤为对所述信息分析步骤得到的结果进行展示并报警。本发明基于计算机视觉技术进行图像识别，对鱼竿、人员以及水域进行定位及综合判断，从而杜绝了把行人误认为钓鱼者等现象的发生，提高了钓鱼行为的检出几率。
Description
技术领域
本发明涉及视频监控领域，具体涉及一种基于计算机视觉技术的防钓监控方法。
背景技术
目标检测是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。
目前针对不当钓鱼行为，如输电线附近及其他不适合钓鱼的场所，进行有效检测与识别的方法是基于传统的前后帧像素比对方法。像素比对方法的原理是通过对待检测区域进行实时图像采集，对采集图像的前后帧数据进行比对，具体如图1所示。计算k时刻和k+1时刻的图像像素差值，用以检测前后时刻的图像差异。而后计算差异像素点数值的概率分布，与已有钓鱼图像数据库进行比对，判断是否存在钓鱼行为。由于能够搜集到的钓鱼图像数据有限，即可以比对的标准数据分布有限，且采集和计算出的像素差异数值分布是随机多样的，导致这种方法存在两个问题：（1）经常会把行人误认为钓鱼者；（2）检测不出钓鱼行为。
发明内容
为解决上述现有技术中的问题，降低工作过程中不规范行为的发生，本发明的目的是提供一种基于计算机视觉技术的防钓监控方法。该方法基于计算机视觉技术进行图像识别，对鱼竿、人员以及水域进行定位及综合判断，从而杜绝了把行人误认为钓鱼者等现象的发生，提高了钓鱼行为的检出几率。
本发明采用的技术方案如下：
一种基于计算机视觉技术的防钓监控方法，包括信息采集步骤，信息分析步骤，以及监控报警步骤，所述信息采集步骤为通过摄像机获取视频，所述信息分析步骤为通过计算机对所述视频进行识别分析，所述监控报警步骤为对所述信息分析步骤得到的结果进行展示并报警。
进一步的，所述信息分析步骤为采用YOLO算法对所述视频进行识别分析。包括以下步骤：
S1：从视频中截取单帧图像，并将该图像的大小调整为预设好的图像尺寸参数；
S2：将S1中得到的图像划分成为S×S的格栅，并判断每个格栅中是否存在物体的中心；
S3：每个格栅负责检测中心落在该格栅内的物体的坐标位置、类别、准确度，得到鱼竿位置信息、人员位置信息和水域位置信息；
S4：逻辑判断，即根据S3中检测得到的鱼竿位置信息、人员位置信息和水域位置信息，判断是否存在钓鱼行为。
进一步的，所述步骤S2中的格栅为 6×6的格栅。
进一步的，所述步骤S3中所述鱼竿位置信息为垂钓端位置信息，所述人员位置信息以人体腹部为基准，所述水域位置信息以最接近鱼竿垂钓端的水域为基准。
进一步的，所述步骤S3中检测得到的鱼竿位置信息与人员位置信息距离≤8m，鱼竿位置信息与水域位置信息距离≤2m时，所述监控报警步骤报警。
进一步的，所述步骤S3中检测得到的准确度≥70%时，启动步骤S4；所述步骤S3中检测得到的准确度≤50%时，不启动步骤S4；所述步骤S3中检测得到的准确度在50%~70%之间时，将重复检测过程，重复检测三次，取三次检测准确度的平均值，若平均值≥50%，则启动步骤S4。
进一步的，所述信息采集步骤用所述摄像机通过可转动云台安装。
本发明的有益效果是：通过计算机视觉技术进行图像识别，对鱼竿、人员以及水域进行定位及综合判断，从而杜绝了把行人误认为钓鱼者等现象的发生，提高了钓鱼行为的检出几率。
附图说明
图1是现有技术的示意图。
图2是本发明实施例的流程示意图。
图3是本发明实施例中信息分析步骤的流程图。
图4是本发明实施例中信息分析步骤的示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
实施例中，一种基于计算机视觉技术的防钓监控方法，包括：
信息采集步骤：通过摄像机获取视频，所述摄像机可以是固定机位的一个或者多个摄像机，通过可转动云台安装。可转动的云台可以提供更大的拍摄范围。
信息分析步骤：通过计算机对所述视频进行识别分析，这是核心步骤，主要是对信息采集步骤得到的视频进行处理，当有目标进入摄像机监控区域时，截取图像并分析，当分析得到的结果落入预先设置好的视为有钓鱼现象发生的参数范围内时，启动监控报警步骤。该步骤可以通过一台高性能的服务器来实现。
监控报警步骤：对所述信息分析步骤得到的结果进行展示并报警。监控管理步骤是人机交互的步骤，可以将信息分析步骤的结果以视频或者图像形式展现出来，并发出声音示警。
实施例中，如图2和3所示，所述信息分析步骤为采用YOLO算法对所述视频进行识别分析，包括以下步骤：
S1：从视频中截取单帧图像，并将该图像的大小调整为预设好的图像尺寸参数；
S2：将S1中得到的图像划分成为S×S的格栅，并判断每个格栅中是否存在物体的中心；
S3：每个格栅负责检测中心落在该格栅内的物体的坐标位置、类别、准确度，得到鱼竿位置信息2、人员位置信息3和水域位置信息1；
S4：逻辑判断，即根据S3中检测得到的鱼竿位置信息2、人员位置信息3和水域位置信息1，判断是否存在钓鱼行为。
当所述步骤S2中格栅为 6×6的格栅时，检测的准确度较高。
当所述步骤S3中，检测得出格栅内同时存在鱼竿、人员和水域，并且所述步骤S4判断得出三者位置相邻，则视为钓鱼行为存在。具体的，所述步骤S3中所述鱼竿位置信息2以垂钓端位置信息为基准，所述人员位置信息3以人体腹部为基准，所述水域位置信息1以最接近鱼竿垂钓端的水域为基准。选定基准点便于定位，并对距离作出比较。由于鱼竿的长度一般不超过8m，钓线浸入水中使鱼竿垂钓端靠近水面，因此当所述步骤S3检测出鱼竿、人员和水域三者同时存在，并且所述步骤S4逻辑判断得出：鱼竿位置信息2与人员位置信息3距离≤8m，鱼竿位置信息2与水域位置信息1距离≤2m，则认为有钓鱼行为存在，所述监控报警步骤启动并报警。
实施例中，由于光线、遮挡物、天气等因素的影响，导致所述步骤S3中的格栅在检测落在该格栅内的物体信息时，存在误差，准确率达不到100%。经过实验得出，所述步骤S3中检测得到的准确度在≥70%时，钓鱼活动真实存在，启动步骤S4；所述步骤S3中检测得到的准确度在≤50%时，排除钓鱼活动的存在，步骤S4不启动；所述步骤S3中检测得到的准确度在50%~70%之间时，将重复检测过程，重复检测三次，取三次检测准确度的平均值，若平均值≥50%，则启动步骤S4。
显然，本发明的上述实施例仅仅是为了说明本发明所作的举例，而并非对本发明的实施方式的限定。属于本发明的实质精神所引申出的显而易见的变化或变动仍属于本发明的保护范围。
Claims (4)
1.一种基于计算机视觉技术的防钓监控方法，其特征在于：包括信息采集步骤，信息分析步骤，以及监控报警步骤，具体如下：
所述信息采集步骤为通过摄像机获取视频：
所述信息分析步骤为通过计算机对所述视频进行识别分析：
所述监控报警步骤为对所述信息分析步骤得到的结果进行展示并报警；
所述信息分析步骤为采用YOLO算法对所述视频进行识别分析，包括以下步骤：
步骤1：从视频中截取单帧图像，并将该图像的大小调整为预设好的图像尺寸参数；
步骤2：将步骤1中得到的图像划分成为S×S的格栅，并判断每个格栅中是否存在物体的中心；
步骤3：每个格栅负责检测中心落在该格栅内的物体的坐标位置、类别、准确度，得到鱼竿位置信息、人员位置信息和水域位置信息；
步骤4：逻辑判断，即根据步骤3中检测得到的鱼竿位置信息、人员位置信息和水域位置信息，判断是否存在钓鱼行为；
所述步骤3中所述鱼竿位置信息以垂钓端为基准，所述人员位置信息以人体腹部为基准，所述水域位置信息以最接近鱼竿垂钓端的水域为基准；
所述步骤3中检测得到的鱼竿位置信息与人员位置信息距离≤8m，鱼竿位置信息与水域位置信息距离≤2m时，所述监控报警步骤报警。
2.如权利要求1所述的基于计算机视觉技术的防钓监控方法，其特征在于：所述步骤2中的格栅为 6×6的格栅。
3.如权利要求1所述的基于计算机视觉技术的防钓监控方法，其特征在于：
(1)所述步骤3中检测得到的准确度≥70%时，启动步骤4；
(2)所述步骤3中检测得到的准确度≤50%时，不启动步骤4；
(3)所述步骤3中检测得到的准确度在50%~70%之间时，将重复检测过程，重复检测三次，取三次检测准确度的平均值，若平均值≥50%，则启动步骤4。
4.如权利要求1所述的基于计算机视觉技术的防钓监控方法，其特征在于：所述信息采集步骤用所述摄像机通过可转动云台安装。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010417363.0A CN111461078B (zh) | 2020-05-18 | 2020-05-18 | 一种基于计算机视觉技术的防钓监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010417363.0A CN111461078B (zh) | 2020-05-18 | 2020-05-18 | 一种基于计算机视觉技术的防钓监控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111461078A CN111461078A (zh) | 2020-07-28 |
| CN111461078B true CN111461078B (zh) | 2023-05-23 |
Family
ID=71682763
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010417363.0A Active CN111461078B (zh) | 2020-05-18 | 2020-05-18 | 一种基于计算机视觉技术的防钓监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111461078B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112233353A (zh) * | 2020-09-24 | 2021-01-15 | 国网浙江兰溪市供电有限公司 | 一种基于人工智能的防钓监控系统及其监控方法 |
| CN112056282A (zh) * | 2020-10-20 | 2020-12-11 | 东南大学 | 一种智能鱼竿及其使用方法 |
| CN115187930B (zh) * | 2022-09-13 | 2022-12-06 | 广州科弗联信息科技有限公司 | 一种水库安全监控方法及装置 |
| CN115240278B (zh) * | 2022-09-23 | 2023-01-06 | 东莞先知大数据有限公司 | 钓鱼行为检测方法 |
| CN115331386B (zh) * | 2022-10-13 | 2022-12-27 | 合肥中科类脑智能技术有限公司 | 一种基于计算机视觉的防垂钓检测告警系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107229894B (zh) * | 2016-03-24 | 2020-09-22 | 上海宝信软件股份有限公司 | 基于计算机视觉分析技术的智能视频监控方法及系统 |
| CN106210636A (zh) * | 2016-07-18 | 2016-12-07 | 四川君逸数码科技股份有限公司 | 基于智能视频技术的智慧金睛人和物行为识别仪 |
| CN109492581B (zh) * | 2018-11-09 | 2023-07-18 | 中国石油大学(华东) | 一种基于tp-stg框架的人体动作识别方法 |
-
2020
- 2020-05-18 CN CN202010417363.0A patent/CN111461078B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111461078A (zh) | 2020-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111461078B (zh) | 一种基于计算机视觉技术的防钓监控方法 | |
| CN107911653B (zh) | 驻所智能视频监控模组、系统、方法以及存储介质 | |
| CN107948465B (zh) | 一种检测摄像头被干扰的方法和装置 | |
| CN108010242B (zh) | 一种基于视频识别的安防报警方法、系统及存储介质 | |
| CN111161312B (zh) | 一种基于计算机视觉的物体轨迹追踪识别装置及系统 | |
| CN103514694A (zh) | 一种入侵检测监控系统 | |
| CN103106766A (zh) | 林火识别方法与系统 | |
| CN111898486B (zh) | 监控画面异常的检测方法、装置及存储介质 | |
| CN111062273A (zh) | 一种遗留物品追溯检测与报警方法 | |
| CN101571982A (zh) | 一种判断视频监控范围内物品失窃的方法 | |
| CN112084963A (zh) | 一种监控预警方法、系统及存储介质 | |
| CN107705326A (zh) | 一种安全敏感区域的越界入侵检测方法 | |
| CN113076899A (zh) | 一种基于目标跟踪算法的高压输电线路异物检测方法 | |
| CN105611233A (zh) | 一种静态场景在线视频监控方法 | |
| CN110569770A (zh) | 人体入侵行为识别方法、装置、存储介质及电子设备 | |
| CN114419537A (zh) | 一种基于深度学习的输电线路告警方法和装置 | |
| CN115761644A (zh) | 基于深度学习和帧差法的输电导线异物检测方法 | |
| CN114792405A (zh) | 一种架空线路防异物入侵监测方法 | |
| CN117373196B (zh) | 一种电气火灾报警方法及系统 | |
| CN117935452A (zh) | 一种基于视觉多模态分析的车间安防系统和方法 | |
| CN112633157A (zh) | 一种agv工作区域安全性的实时检测方法及系统 | |
| CN112351247A (zh) | 一种基于图像处理的水电厂内电光闪光检测方法 | |
| CN107124577A (zh) | 一种基于运动目标检测的实时防窃系统 | |
| CN116797967A (zh) | 架空输电线路可视化监拍隐患识别方法和装置 | |
| CN112149579A (zh) | 一种基于改进yolo_v3的鸟巢隐患检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |