CN111611966A - 目标人员检测方法、装置、设备及存储介质 - Google Patents
目标人员检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111611966A CN111611966A CN202010479227.4A CN202010479227A CN111611966A CN 111611966 A CN111611966 A CN 111611966A CN 202010479227 A CN202010479227 A CN 202010479227A CN 111611966 A CN111611966 A CN 111611966A
- Authority
- CN
- China
- Prior art keywords
- detection result
- human body
- score
- area
- target
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 248
- 230000009471 action Effects 0.000 claims abstract description 80
- 210000000746 body region Anatomy 0.000 claims abstract description 54
- 238000012544 monitoring process Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 25
- 239000000779 smoke Substances 0.000 claims description 44
- 230000006399 behavior Effects 0.000 claims description 38
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 230000000875 corresponding effect Effects 0.000 description 45
- 230000000391 smoking effect Effects 0.000 description 29
- 235000019504 cigarettes Nutrition 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000001815 facial effect Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本申请实施例提供了一种目标人员检测方法、装置、设备及存储介质,涉及图像识别技术领域。所述方法包括:获取目标区域的监控图像;识别监控图像中的人体区域;获取人体区域对应的动作检测结果和物品检测结果,动作检测结果用于指示人体区域中的人体动作,物品检测结果用于指示人体区域中包含的物品;根据动作检测结果和物品检测结果,确定目标区域中是否存在目标人员。采用本申请实施例提供的技术方案,能够提高对目标人员的检测效率。
Description
技术领域
本申请实施例涉及图像识别技术领域,特别涉及一种目标人员检测方法、装置、设备及存储介质。
背景技术
与仓储物流相关的行业,往往需要存储大量的商品,因而需要较多数量的仓库。
在相关技术中,很多仓库位于城市边缘地区,占地面积大,为了检测仓库中或仓库附近是否存在抽烟人员,需要人工长时间查看仓库内和仓库外的监控视频,效率较低。
发明内容
本申请实施例提供了一种目标人员检测方法、装置、设备及存储介质,能够提高检测目标人员的效率。所述技术方案如下:
一方面,本申请实施例提供了一种目标人员检测方法,所述方法包括:
获取目标区域的监控图像;
识别所述监控图像中的人体区域;
获取所述人体区域对应的动作检测结果和物品检测结果,所述动作检测结果用于指示所述人体区域中的人体动作,所述物品检测结果用于指示所述人体区域中包含的物品;
根据所述动作检测结果和所述物品检测结果,确定所述目标区域中是否存在目标人员。
可选地,所述根据所述动作检测结果和所述物品检测结果,确定所述目标区域中是否存在目标人员之后,还包括:
响应于所述目标区域中存在所述目标人员,则根据所述目标人员的位置和/或人脸,确定所述目标人员的标识;
根据所述目标人员的标识向目标设备发送提醒信息,所述目标设备是所述目标人员和/或所述目标人员的相关人员对应的设备。
另一方面,本申请实施例提供了一种目标人员检测装置,所述装置包括:
图像获取模块,用于获取目标区域的监控图像;
区域识别模块,用于识别所述监控图像中的人体区域;
结果获取模块,用于获取所述人体区域对应的动作检测结果和物品检测结果,所述动作检测结果用于指示所述人体区域中的人体动作,所述物品检测结果用于指示所述人体区域中包含的物品;
人员确定模块,用于根据所述动作检测结果和所述物品检测结果,确定所述目标区域中是否存在目标人员。
再一方面,本申请实施例提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现如上述的目标人员检测方法。
还一方面,本申请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中存储有计算机程序,所述计算机程序由处理器加载并执行以实现如上述的目标人员检测方法。
又一方面,本申请实施例提供了一种计算机程序产品,所述计算机程序产品由处理器加载并执行以实现如上述的目标人员检测方法。
本申请实施例提供的技术方案可以包括如下有益效果:
通过识别监控中的人体区域,并综合人体区域的动作检测结果和物品检测结果,自动识别确定目标区域中是否存在目标人员,本申请实施例提供的方案,实现了自动化地检测目标区域中是否存在目标人员,一方面,有助于减少误检和漏检情况;另一方面,还可以提高检测效率,降低人力成本和时间成本。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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是本申请一个实施例提供的目标人员检测系统的示意图;
图2是本申请一个实施例提供的目标人员检测方法的流程图;
图3是本申请另一个实施例提供的目标人员检测方法的流程图;
图4是本申请一个实施例提供的监控图像的示意图;
图5是本申请另一个实施例提供的监控图像的示意图;
图6是本申请另一个实施例提供的目标人员检测方法的流程图;
图7是本申请一个实施例提供的目标人员检测装置的框图;
图8是本申请另一个实施例提供的目标人员检测装置的框图;
图9是本申请一个实施例提供的计算机设备的结构框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法的例子。
请参考图1,其示出了本申请一个实施例提供的目标人员检测系统的示意图。如图1所示,该系统10可以包括摄像头11,以及与摄像头11建立有通信连接的计算机设备12,摄像头11可以向计算机设备12发送数据信息(如监控视频、监控图像等)。摄像头11可以是一个摄像头,也可以包括多个摄像头。摄像头11可以用于拍摄目标区域的监控视频或图像照片。该计算机设备12是指具备数据计算、处理和存储能力的电子设备。该计算机设备12可以是诸如PC(Personal Computer,个人计算机)、平板电脑、智能手机、可穿戴设备、智能机器人等终端;也可以是服务器。其中,服务器可以是一台服务器,也可以是服务器集群。本申请实施例提供的方法,各步骤的执行主体可以是该计算机设备12。
本申请实施例提供的方案,可以应用于仓库(如普通仓库、冷冻仓库等)监控场景下的抽烟人员检测,可以应用于工厂的生产区域(如禁烟或禁火的生产区域)监控场景下的抽烟人员检测,可以应用于教育场所(如幼儿园、中小学、特殊教育学校等)监控场景下的持械人员检测,可以应用于公共交通工具(如火车、高铁、轮船等)监控场景下的持械人员检测,可以应用于测试(如考试等)或竞赛活动监控场景下的作弊设备使用人员检测,还可以应用于其他可能的场景下的目标人员检测,本申请实施例对此不作限定。
下面,通过几个实施例对本申请技术方案进行介绍说明。
请参考图2,其示出了本申请一个实施例提供的目标人员检测方法的流程图。如图2所示,该方法可以包括如下几个步骤(210~240):
步骤210,获取目标区域的监控图像。
目标区域是指被监控的区域。在一些实施例中,目标区域包括物品存储区域(如储物间、仓库、集装箱等)、物品存储区域的附近区域、工厂的生产区域(如禁烟禁火的生产区域)等等。监控图像用于检测目标区域中是否存在目标人员。可选地,目标人员为抽烟人员。在一个示例中,监控图像是从目标区域的监控视频中截取的图像。在另一个示例中,监控图像是直接通过对目标区域拍照采集的图像。在一些实施例中,监控图像是多张监控图像,多张监控图像是在不同时间从同一角度获取的监控图像。可选地,多张监控图像的间隔采集时长相同。
步骤220,识别监控图像中的人体区域。
通过人体识别技术,可以识别出监控图像中人体所在的区域(即人体区域)。本申请实施例中,人体识别技术是指通过图像识别技术(或视觉识别技术)识别人体的技术。对于不同的人体识别技术,其所识别出的人体区域的形状也不相同。例如,人体区域可以是矩形区域,可以是圆形区域,也可以是椭圆形区域,人体区域的边缘形状还可以是根据监控图像中的人体轮廓生成的,本申请实施例对此不作限定。
步骤230,获取人体区域对应的动作检测结果和物品检测结果。
当识别出监控图像中的人体区域后,针对人体区域能够得到人体区域对应的动作检测结果和物品检测结果。可选地,动作检测结果用于指示人体区域中的人体动作,物品检测结果用于指示人体区域中包含的物品。可选地,动作检测结果包括人体的肢体动作。
针对不同的检测场景,上述肢体动作和人体区域中包含的物品也会有所不同。例如,在检测抽烟人员的场景中,动作检测结果包括人体的手部(左手或右手)是否周期性地接近嘴部区域,物品检测结果包括人体的手部或嘴部区域的物品检测结果,如人体的手部或嘴部区域是否存在香烟(或检测人体的手部或嘴部区域是否存在与香烟的形状相似的物品);又例如,在检测持械人员的场景中,物品检测结果包括人体的手部区域是否存在杀伤性较强的物品(如管制刀具、枪械、密度大的钝器等),动作检测结果包括人体是否快速移动手部的物品;又例如,在检测作弊设备使用人员的场景中,物品检测结果包括人体的手部区域是否存在手机、平板电脑等作弊设备,动作检测结果包括人体的面部是否正对手部区域的物品,或人体面部与手部区域的物品的夹角是否小于或等于预设角度。
在一些实施例中,在检测抽烟人员的场景中,目标区域中安装有红外摄像头。由红外摄像头拍摄的红外图像可以表示被拍摄体不同区域的温度差异,而被点燃的香烟的温度远高于人体温度和环境温度。因此,通过红外图像检测到人体的手部区域或嘴部区域附近存在的物品的温度,能够得到人体的手部区域或嘴部区域附近存在被点燃的香烟的可能性。当通过红外图像检测到人体的手部区域或嘴部区域附近存在温度大于或等于温度阈值的物品时,人体的手部区域或嘴部区域附近存在被点燃的香烟的可能性越高;当通过红外图像检测到人体的手部区域或嘴部区域附近的物品温度低于温度阈值时,人体的手部区域或嘴部区域附近存在被点燃的香烟的可能性越低。可选地,温度阈值可以是150℃、170℃、200℃等等,温度阈值的具体数值由相关技术人员进行设定,本申请实施例对此不做限定。综合对红外图像的物品检测结果和对监控图像的物品检测结果,能够得到目标区域的物品检测结果。
步骤240,根据动作检测结果和物品检测结果,确定目标区域中是否存在目标人员。
综合动作检测结果和物品检测结果,能够得到目标区域中包含的整体信息与目标人员的相关度,从而确定目标区域中是否存在目标人员。可选地,目标人员包括抽烟人员、持械人员、作弊设备使用人员等等。
综上所述,本申请实施例提供的技术方案中,通过识别监控中的人体区域,并综合人体区域的动作检测结果和物品检测结果,自动识别确定目标区域中是否存在目标人员,本申请实施例提供的方案,实现了自动化地检测目标区域中是否存在目标人员,一方面,有助于减少误检和漏检情况;另一方面,还可以提高检测效率,降低人力成本和时间成本。
本申请实施例中,通过将动作检测结果和物品检测结果结合,融合多方面的信息综合判断目标区域中是否存在目标人员,进一步提高了目标人员的检测准确率。
请参考图3,其示出了本申请另一个实施例提供的目标人员检测方法的流程图。如图3所示,上述步骤240可以包括如下子步骤:
步骤241,根据动作检测结果,确定第一分值。
其中,第一分值用于指示人体区域中的人体动作与设定行为的相关度。根据动作检测结果,以及第一分值对应的计算方式,可以计算得到第一分值。可选地,第一分值和上述人体动作与设定行为的相关度正相关,人体动作与设定行为的相关度越高,第一分值也越高;人体动作与设定行为的相关度越低,第一分值也越低。可选地,设定行为是抽烟行为,则第一分值用于指示人体动作与抽烟行为的相关度。以检测抽烟人员的场景为例,通过动作检测模型,根据动作检测结果分析人体动作与抽烟行为的相关度(如检测人体手部是否周期性地移动至嘴部附近),能够得到第一分值。可选地,动作检测模型是通过样本训练得到的模型,如神经网络模型。
在一些实施例中,该步骤241包括如下步骤:
1、根据动作检测结果确定人体区域中的人体动作;
2、根据第一对应关系获取与人体区域中的人体动作对应的分值,得到第一分值。
其中,第一对应关系包括人体动作与分值之间的对应关系。在第一对应关系中,人体动作越符合设定行为的动作,对应的分值也越高。例如,在检测抽烟人员的场景中,手部周期性地移动至嘴部区域附近对应的分值>手部一直停留在嘴部区域附近对应的分值>手部长时间远离嘴部区域对应的分值。
步骤242,根据物品检测结果,确定第二分值。
其中,第二分值用于指示人体区域中包含的物品与设定行为的相关度。根据物品检测结果,以及第二分值对应的计算方式,可以计算得到第二分值。可选地,第二分值和上述人体区域中包含的物品与设定行为的相关度正相关,人体区域中包含的物品与设定行为的相关度越高,第二分值也越高;人体区域中包含的物品与设定行为的相关度越低,第二分值也越低。可选地,设定行为是抽烟行为,则第二分值用于指示人体区域中包含的物品与抽烟行为的相关度。通过物品检测模型,根据物品检测结果分析人体区域中包含的物品与抽烟行为的相关度(如检测人体手部区域或嘴部区域是否存在与香烟的形状相似的物品),能够得到第二分值。可选地,物品检测模型是通过样本训练得到的模型,物品检测模型为神经网络模型。
如图4所示,在监控图像41中,人员42的手部43存在香烟的形状相似的物品44,则监控图像41对应的第二分值较高。
在一些实施例中,该步骤242包括如下步骤:
1、根据物品检测结果确定人体区域的第一区域中的物品,第一区域为人体区域的手部区域和人脸区域;
2、根据第二对应关系获取与第一区域中的物品对应的分值,得到第二分值。
其中,第二对应关系包括物品与分值之间的对应关系。在第二对应关系中,物品与设定行为所需的物品越接近,对应的分值也越高。比如,在检测抽烟人员的场景中,人体的手部的物品越接近抽烟行为所需物品(如香烟),对应的第二分值也越高。例如,手部的物品的为细长条状对应的分值>手部的物品为粗长条状对应的分值>手部没有物品对应的分值。
步骤243,根据第一分值和第二分值,计算总分值。
将第一分值和第二分值相加,能够得到总分值。
在一些实施例中,根据动作检测模型和物品检测模型的检测准确性,分别对第一分值和第二分值赋予相应的权重,再对第一分值和第二分值加权求和,得到总分值。在一个示例中,第一分值和第二分值对应的权重分别为0.6和0.4,总分值的计算方法可以为:总分值=0.6×第一分值+0.4×第二分值。
步骤244,响应于总分值符合条件,则确定目标区域中存在目标人员。
可选地,条件为总分值大于或等于总分阈值,当总分值大于或等于总分阈值时,表示目标区域中存在目标人员。其中,总分阈值的具体取值可以由相关技术人员根据实际情况进行设定,本申请实施例对此不作限定。
综上所述,本申请实施例提供的技术方案中,通过动作检测结果和物品检测结果确定第一分值和第二分值,再通过第一分值和第二分值生成总分值,从而定量判断目标区域存在目标人员的可能性,提高了对目标人员的检测准确性。
本申请实施例中,对第一分值和第二分值加权求和得到总分值,从而减小了由于动作检测模型和物品检测模型的检测准确性的差异而导致的判断误差,提高了总分值的计算准确性。
在一些实施例中,上述步骤220(即识别监控图像中的人体区域)之后,还包括如下步骤:
1、获取人体区域对应的人脸检测结果,人脸检测结果用于指示人体区域中是否存在人脸区域;
2、根据动作检测结果、物品检测结果和人脸检测结果,确定目标区域中是否存在目标人员。
可选地,设定行为是抽烟行为,目标人员为抽烟人员。人脸检测结果包括人体区域中存在正脸区域、存在侧脸区域和不存在人脸区域。根据人脸检测结果,确定第三分值,第三分值用于指示人体区域中存在人脸区域的可能性。人体区域中存在人脸区域的可能性与第三分值正相关,人体区域中存在人脸区域的可能性越大,第三分值越大;人体区域中存在人脸区域的可能性越低,第三分值越小。可选地,若未检测到人脸区域,则第三分值为0。根据第一分值、第二分值和第三分值,计算总分值。在一个示例中,总分值是通过对第一分值、第二分值和第三分值进行加权求和得到的。当总分值符合条件时,确定目标区域中存在目标人员。
在一些实施例中,检测到人脸区域后,再通过面部物品检测模型(如口罩检测模型)检测人体的嘴部是否包裹有遮挡物(如口罩、围巾等)。若检测到目标区域的人体的嘴部包裹有遮挡物,说明目标区域中的人员不存在抽烟行为,也即,确定目标区域中不存在抽烟人员。可选地,面部物品检测模型是通过样本训练得到的模型,面部物品检测模型为神经网络模型。
在一些实施例中,检测人体的嘴部是否被遮挡,包括:检测目标图像中的人脸区域的嘴唇,若在人脸区域中未检测到嘴唇,说明嘴部被遮挡;若在人脸区域中检测到嘴唇,说明嘴部未被遮挡。
在一些实施例中,当目标区域的光源为对物体颜色判断影响较小的光源(如太阳、日光灯、白炽灯、无色LED(Light Emitting Diode,发光二极管)灯等等),检测人体的嘴部是否被遮挡,包括:根据监控图像识别嘴部区域的颜色信息;若嘴部区域的颜色与正常人脸的嘴部区域的颜色相近,确定人体的嘴部未被遮挡;若嘴部区域的颜色与正常人脸的嘴部区域的颜色差异较大,确定人体的嘴部被遮挡。
在一些实施例中,检测人体的嘴部是否被遮挡,包括:获取嘴部区域的颜色信息,其中,嘴部区域包括嘴唇和嘴唇的周边区域;若检测到嘴部区域的各个区域的颜色相同或相近,确定人体的嘴部被遮挡;若检测到嘴部区域中的各个区域的颜色差异较大,则检测嘴部区域中是否存在嘴唇。
在另一些实施例中,人脸区域包括上半脸区域和下半脸区域,当检测人脸未佩戴包括有色镜片的眼镜时,检测人体的嘴部是否被遮挡,包括:
1、获取人脸区域的上半脸区域的颜色信息和下半脸区域的颜色信息;
2、根据上半脸区域的颜色信息和下半脸区域的颜色信息,获取上半脸区域中占面积最大的颜色和下半脸区域中占面积最大的颜色;
2、比对上半脸区域中占面积最大的颜色和下半脸区域中占面积最大的颜色,若上半脸区域中占面积最大的颜色和下半脸区域中占面积最大的颜色相同或相近,确定人体的嘴部未被遮挡;若上半脸区域中占面积最大的颜色和下半脸区域中占面积最大的颜色差异较大,确定人体的嘴部被遮挡。
如图5所示,在监控图像51中,检测到的人员511的正脸区域512,人员513的嘴部被口罩514遮挡;在监控图像52中,检测到人员521的侧脸区域522;在监控图像53中,未检测到人员531的人脸区域。因而,人员513和人员531对应的第三分值为0。
可选地,通过人脸检测模型,对人体区域进行检测,并根据检测到的人脸区域的置信度,得到人脸检测结果。在监控图像中,由于光照情况、距离摄像头的远近、人脸区域的尺寸、人脸区域被遮挡情况、摄像头性能等因素,人脸检测模型对物品的分析和识别结果并不是绝对准确。置信度也被称为置信水平或可靠度,表示总体参数值落在样本统计值某一区间内的概率。在本申请实施例中,置信度是指人脸检测模型准确识别人脸区域的概率。
在该实现方式中,将动作检测结果、物品检测结果和人脸检测结果结合,确定目标区域中是否存在抽烟人员,提高了抽烟人员的检测准确率。
在一些实施例中,上述步骤220(即识别监控图像中的人体区域)之后,还包括如下步骤:
1、获取人体区域对应的烟雾检测结果,烟雾检测结果用于指示人脸区域附近的烟雾状态;
2、根据动作检测结果、物品检测结果、人脸检测结果和烟雾检测结果,确定目标区域中是否存在目标人员。
可选地,设定行为是抽烟行为,目标人员为抽烟人员。根据烟雾检测结果,确定第四分值,第四分值用于指示人脸区域附近存在烟雾的可能性。
当目标区域的中存在其他原因形成的烟雾(即非抽烟行为导致的烟雾)时,根据监控图像可能难以区分监控图像中的烟雾,是抽烟行为导致的烟雾(如烟头燃烧产生的烟雾或口鼻中因抽烟而呼出的烟雾),还是其他原因形成的烟雾。在一些实施例中,通过红外图像能够确定人脸区域附近的温度与人体温度的差异。由于人体正常呼吸时从口鼻处呼出的气体的温度与人体温度接近,而抽烟行为导致烟雾的温度明显高于人体温度。因此,根据红外图像能够获取人脸区域的附近区域的温度和人体温度的差异,当人脸区域的附近区域的温度明显高于人体温度时,表示人脸区域附近存在抽烟行为导致的烟雾的可能性较高;当人脸区域的附近区域的温度和人体温度相同或相近时,表示人脸区域附近存在抽烟行为导致的烟雾的可能性较低。在该实现方式中,通过红外成像的方式得到烟雾检测结果,相比于区分监控图像中抽烟行为导致的烟雾和非抽烟行为导致的烟雾,得到的烟雾检测结果更准确。
在一些实施例中,当目标区域为封闭空间区域或半封闭空间区域时,目标区域中安装有烟雾传感器(也成为烟感器)。烟雾传感器是利用光散射原理对烟雾进行探测的检测装置。本申请实施例中的烟雾传感器用于检测目标区域中是否存在烟雾。综合烟雾传感器对烟雾的检测和对监控图像中的烟雾的检测结果,得到烟雾检测结果。
若人脸检测结果为人体区域中存在人脸区域,将动作检测结果对应的第一分值、物品检测结果对应的第二分值和人脸检测结果对应的第三分值进行加权求和,得到第一总分值;将第一总分值与第一阈值进行比对,当第一总分值大于或等于第一阈值时,确定目标区域中存在抽烟人员;当第一总分值小于第一阈值时,确定目标区域中不存在抽烟人员。
若人脸检测结果为人体区域中不存在人脸区域,即第三分值和第四分值均为0,将第一分值和第二分值进行加权求和,得到第二总分值;将第二总分值与第二阈值进行比对,当第二总分值大于或等于第二阈值时,确定目标区域中存在目标人员;当第二总分值小于第二阈值时,确定目标区域中不存在抽烟人员。在一些实施例中,第一阈值和第二阈值相等。在另一些实施例中,第一阈值和第二阈值不相等。在一个示例中,第一阈值大于第二阈值。可选地,上述第一阈值和第二阈值的具体取值由相关技术人员根据实际情况进行设定,本申请实施例不作限定。
在一些实施例中,将第一分值、第二分值、第三分值和第四分值进行加权求和,得到第三总分值;将第三总分值和第三阈值进行比对,当第三总分值大于或等于第三阈值时,确定目标区域中存在抽烟人员;当第三总分值小于第三阈值时,确定目标区域中不存在抽烟人员。第三阈值大于第二阈值,或第三阈值等于第二阈值。可选地,第三阈值的具体取值由相关技术人员根据实际情况进行设定,本申请实施例不作限定。
在该实现方式中,将动作检测结果、物品检测结果、人脸检测结果和烟雾检测结果结合,确定目标区域中是否存在抽烟人员,进一步提高了抽烟人员的检测准确率。
基于上文介绍可知,在一些实施例中,当人脸检测结果为人体区域中存在人脸区域时,根据动作检测结果、物品检测结果和人脸检测结果,确定目标区域中是否存在目标人员;当人脸检测结果为人体区域中不存在人脸区域时,根据动作检测结果和物品检测结果,确定目标区域中是否存在目标人员。
在一些实施例中,上述步骤240(即根据动作检测结果和物品检测结果,确定目标区域中是否存在目标人员)之后,还包括如下步骤:
1、响应于目标区域中存在目标人员,则根据目标人员的位置和/或人脸,确定目标人员的标识;
2、根据目标人员的标识向目标设备发送提醒信息,目标设备是目标人员和/或目标人员的相关人员对应的设备。
可选地,目标区域中的人员及其所处的位置是对应的,从而能够根据目标人员的位置,确定目标人员的标识;或者,通过人脸识别技术能够识别出目标人员,从而确定目标人员的标识。目标人员的标识用于指示目标人员的标识信息。可选地,目标人员的标识信息包括:姓名、职位、工号/代号等等,本申请实施例对此不作限定。
在一些实施例中,确定目标人员的标识后,向目标人员对应的设备发送提醒信息,例如通过目标人员附近的广播、扬声器等发出声音提醒信息;又例如向目标人员的相关人员对应的设备(如手机、PC、平板电脑、可穿戴设备、对讲机等)发送提醒信息,如发出文字提醒信息、发出灯光提醒信息、通过广播、扬声器等发出声音提醒信息等等。可选地,目标人员的相关人员包括:安保人员、监察人员、目标人员的亲友等等,本申请实施例对此不作限定。当目标人员为抽烟人员时,通过向目标设备发送提醒信息,能够提醒抽烟人员停止抽烟行为,或由其他人员阻止抽烟人员继续实施抽烟行为。
在该实现方式中,通过向目标设备发送提醒信息,使目标人员停止设定行为(如使抽烟人员停止抽烟行为),从而及时制止设定行为,降低设定行为导致的安全风险。
在一些实施例中,上述步骤240(即根据动作检测结果和物品检测结果,确定目标区域中是否存在目标人员)之后,还包括如下步骤:
1、响应于目标区域中存在目标人员,持续发出告警信息,告警信息用于提示目标区域中存在目标人员;
2、响应于目标区域不存在目标人员,停止发出告警信息。
告警信息可以通过声音、灯光和文字信息等方式持续发出,当目标区域不存在目标人员(如抽烟人员不再抽烟),则停止发出告警信息。可选地,当目标区域不存在目标人员后,还可以通过声音、灯光和文字信息等方式发出告警解除信息,告警解除信息用于提示目标区域中不存在目标人员。
在上述实现方式中,当目标区域不存在目标人员后,停止发出告警信息,或发出告警解除信息,可以使相关人员第一时间了解目标区域中是否存在目标人员,若目标区域中不存在不存在目标人员,则可以不用立刻分配资源去制止目标人员的设定行为,提高了资源分配效率。
请参考图6,其示出了本申请另一个实施例提供的目标人员检测方法的流程图。如图6所示,该方法包括如下几个步骤(601~607):
步骤601,获取监控图像;
步骤602,检测监控图像中是否存在人体区域,若是,则执行步骤603;若否,则步骤结束;
步骤603,检测人体区域中,手部区域或嘴部区域的物品;
步骤604,检测是否存在人脸区域,若是,则执行步骤605;若否,则执行步骤606;
步骤605,检测人脸区域附近的烟雾情况;
步骤606,检测口罩佩戴情况;
步骤607,综合以上检测结果,判断目标区域是否存在抽烟人员。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参考图7,其示出了本申请一个实施例提供的目标人员检测装置的框图。该装置具有实现上述目标人员检测的方法示例的功能,所述功能可以由硬件实现,也可以由硬件执行相应的软件实现。该装置可以是上文介绍的计算机设备,也可以设置在计算机设备上。该装置700可以包括:图像获取模块710、区域识别模块720、结果获取模块730和人员确定模块740。
所述图像获取模块710,用于获取目标区域的监控图像。
所述区域识别模块720,用于识别所述监控图像中的人体区域。
所述结果获取模块730,用于获取所述人体区域对应的动作检测结果和物品检测结果,所述动作检测结果用于指示所述人体区域中的人体动作,所述物品检测结果用于指示所述人体区域中包含的物品。
所述人员确定模块740,用于根据所述动作检测结果和所述物品检测结果,确定所述目标区域中是否存在目标人员。
综上所述,本申请实施例提供的技术方案中,通过识别监控中的人体区域,并综合人体区域的动作检测结果和物品检测结果,自动识别确定目标区域中是否存在目标人员,本申请实施例提供的方案,实现了自动化地检测目标区域中是否存在目标人员,一方面,有助于减少误检和漏检情况;另一方面,还可以提高检测效率,降低人力成本和时间成本。
在一些实施例中,如图8所示,所述人员确定模块740,包括:第一分值确定子模块741、第二分值确定子模块742、总分值计算子模块743和目标人员确定子模块744。
所述第一分值确定子模块741,用于根据所述动作检测结果,确定第一分值,所述第一分值用于指示所述人体区域中的人体动作与设定行为的相关度。
所述第二分值确定子模块742,用于根据所述物品检测结果,确定第二分值,所述第二分值用于指示所述人体区域中包含的物品与所述设定行为的相关度。
所述总分值计算子模块743,用于根据所述第一分值和所述第二分值,计算总分值。
所述目标人员确定子模块744,用于响应于所述总分值符合条件,则确定所述目标区域中存在所述目标人员。
在一些实施例中,如图8所示,所述第一分值确定子模块741,用于:
根据所述动作检测结果确定所述人体区域中的人体动作;
根据第一对应关系获取与所述人体区域中的人体动作对应的分值,得到所述第一分值;
其中,所述第一对应关系包括人体动作与分值之间的对应关系。
在一些实施例中,如图8所示,所述第二分值确定子模块742,用于:
根据所述物品检测结果确定所述人体区域的第一区域中的物品,所述第一区域为所述人体区域的手部区域和所述人脸区域;
根据第二对应关系获取与所述第一区域中的物品对应的分值,得到所述第二分值;
其中,所述第二对应关系包括物品与分值之间的对应关系。
在一些实施例中,所述结果获取模块730,还用于获取所述人体区域对应的人脸检测结果,所述人脸检测结果用于指示所述人体区域中是否存在人脸区域。
所述人员确定模块740,用于根据所述动作检测结果、所述物品检测结果和所述人脸检测结果,确定所述目标区域中是否存在所述目标人员。
在一些实施例中,所述结果获取模块730,还用于获取所述人体区域对应的烟雾检测结果,所述烟雾检测结果用于指示所述人脸区域附近的烟雾状态。
所述人员确定模块740,用于根据所述动作检测结果、所述物品检测结果、所述人脸检测结果和所述烟雾检测结果,确定所述目标区域中是否存在所述目标人员。
在一些实施例中,所述人员确定模块740,用于:
响应于所述人脸检测结果为所述人体区域中存在所述人脸区域,将所述动作检测结果对应的第一分值、所述物品检测结果对应的第二分值和所述人脸检测结果对应的第三分值进行求和处理,得到第一总分值;在所述第一总分值大于或等于第一阈值的情况下,确定所述目标区域中存在所述目标人员;
响应于所述人脸检测结果为所述人体区域中不存在所述人脸区域,将所述动作检测结果对应的第一分值和所述物品检测结果对应的第二分值进行求和处理,得到第二总分值;在所述第二总分值大于或等于第二阈值的情况下,确定所述目标区域中存在所述目标人员。
在一些实施例中,如图8所示,所述装置700还包括:标识确定模块750和信息发送模块760。
所述标识确定模块750,用于响应于所述目标区域中存在所述目标人员,则根据所述目标人员的位置和/或人脸,确定所述目标人员的标识。
所述信息发送模块760,用于根据所述目标人员的标识向目标设备发送提醒信息,所述目标设备是所述目标人员和/或所述目标人员的相关人员对应的设备。
需要说明的是,上述实施例提供的装置,在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
请参考图9,其示出了本申请一个实施例提供的计算机设备的结构框图。该计算机设备用于实施上述实施例中提供的目标人员检测方法。具体来讲:
所述计算机设备900包括CPU(Central Processing Unit,中央处理单元)901、包括RAM(Random Access Memory,随机存取存储器)902和ROM(Read-Only Memory,只读存储器)903的系统存储器904,以及连接系统存储器904和中央处理单元901的系统总线905。所述计算机设备900还包括帮助计算机内的各个器件之间传输信息的基本I/O(Input/Output,输入/输出)系统906,和用于存储操作系统913、应用程序914和其他程序模块912的大容量存储设备907。
所述基本输入/输出系统906包括有用于显示信息的显示器908和用于用户输入信息的诸如鼠标、键盘之类的输入设备909。其中所述显示器908和输入设备909都通过连接到系统总线905的输入输出控制器910连接到中央处理单元901。所述基本输入/输出系统906还可以包括输入输出控制器910以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地,输入输出控制器910还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备907通过连接到系统总线905的大容量存储控制器(未示出)连接到中央处理单元901。所述大容量存储设备907及其相关联的计算机可读介质为计算机设备900提供非易失性存储。也就是说,所述大容量存储设备907可以包括诸如硬盘或者CD-ROM(Compact Disc Read-Only Memory,只读光盘)驱动器之类的计算机可读介质(未示出)。
不失一般性,所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM(Erasable Programmable Read Only Memory,可擦除可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read Only Memory,可擦除可编程只读存储器)、闪存或其他固态存储其技术,CD-ROM、DVD(Digital Video Disc,高密度数字视频光盘)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然,本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器904和大容量存储设备907可以统称为存储器。
根据本申请的各种实施例,所述计算机设备900还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备900可以通过连接在所述系统总线905上的网络接口单元911连接到网络912,或者说,也可以使用网络接口单元911来连接到其他类型的网络或远程计算机系统(未示出)。
在示例性实施例中,还提供了一种计算机可读存储介质,所述存储介质中存储有计算机程序,所述计算机程序在被处理器执行时以实现上述目标人员检测方法。
在示例性实施例中,还提供了一种计算机程序产品,当该计算机程序产品被处理器执行时,其用于实现上述目标人员检测方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。本领域技术人员在考虑说明书及实践这里公开的申请后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种目标人员检测方法,其特征在于,所述方法包括:
获取目标区域的监控图像;
识别所述监控图像中的人体区域;
获取所述人体区域对应的动作检测结果和物品检测结果,所述动作检测结果用于指示所述人体区域中的人体动作,所述物品检测结果用于指示所述人体区域中包含的物品;
根据所述动作检测结果和所述物品检测结果,确定所述目标区域中是否存在目标人员。
2.根据权利要求1所述的方法,其特征在于,所述根据所述动作检测结果和所述物品检测结果,确定所述目标区域中是否存在目标人员,包括:
根据所述动作检测结果,确定第一分值,所述第一分值用于指示所述人体区域中的人体动作与设定行为的相关度;
根据所述物品检测结果,确定第二分值,所述第二分值用于指示所述人体区域中包含的物品与所述设定行为的相关度;
根据所述第一分值和所述第二分值,计算总分值;
响应于所述总分值符合条件,则确定所述目标区域中存在所述目标人员。
3.根据权利要求2所述的方法,其特征在于,所述根据所述动作检测结果,确定第一分值,包括:
根据所述动作检测结果确定所述人体区域中的人体动作;
根据第一对应关系获取与所述人体区域中的人体动作对应的分值,得到所述第一分值;
其中,所述第一对应关系包括人体动作与分值之间的对应关系。
4.根据权利要求2所述的方法,其特征在于,所述根据所述物品检测结果,确定第二分值,包括:
根据所述物品检测结果确定所述人体区域的第一区域中的物品,所述第一区域为所述人体区域的手部区域和所述人脸区域;
根据第二对应关系获取与所述第一区域中的物品对应的分值,得到所述第二分值;
其中,所述第二对应关系包括物品与分值之间的对应关系。
5.根据权利要求1所述的方法,其特征在于,所述识别所述监控图像中的人体区域之后,还包括:
获取所述人体区域对应的人脸检测结果,所述人脸检测结果用于指示所述人体区域中是否存在人脸区域;
所述根据所述动作检测结果和所述物品检测结果,确定所述目标区域中是否存在目标人员,包括:
根据所述动作检测结果、所述物品检测结果和所述人脸检测结果,确定所述目标区域中是否存在所述目标人员。
6.根据权利要求5所述的方法,其特征在于,所述识别所述监控图像中的人体区域之后,还包括:
获取所述人体区域对应的烟雾检测结果,所述烟雾检测结果用于指示所述人脸区域附近的烟雾状态;
所述根据所述动作检测结果和所述物品检测结果,确定所述目标区域中是否存在目标人员,包括:
根据所述动作检测结果、所述物品检测结果、所述人脸检测结果和所述烟雾检测结果,确定所述目标区域中是否存在所述目标人员。
7.根据权利要求6所述的方法,其特征在于,所述根据所述动作检测结果、所述物品检测结果、所述人脸检测结果和所述烟雾检测结果,确定所述目标区域中是否存在所述目标人员,包括:
响应于所述人脸检测结果为所述人体区域中存在所述人脸区域,将所述动作检测结果对应的第一分值、所述物品检测结果对应的第二分值和所述人脸检测结果对应的第三分值进行加权求和处理,得到第一总分值;在所述第一总分值大于或等于第一阈值的情况下,确定所述目标区域中存在所述目标人员;
响应于所述人脸检测结果为所述人体区域中不存在所述人脸区域,将所述动作检测结果对应的第一分值和所述物品检测结果对应的第二分值进行加权求和处理,得到第二总分值;在所述第二总分值大于或等于第二阈值的情况下,确定所述目标区域中存在所述目标人员。
8.一种目标人员检测装置,其特征在于,所述装置包括:
图像获取模块,用于获取目标区域的监控图像;
区域识别模块,用于识别所述监控图像中的人体区域;
结果获取模块,用于获取所述人体区域对应的动作检测结果和物品检测结果,所述动作检测结果用于指示所述人体区域中的人体动作,所述物品检测结果用于指示所述人体区域中包含的物品;
人员确定模块,用于根据所述动作检测结果和所述物品检测结果,确定所述目标区域中是否存在目标人员。
9.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有计算机程序,所述计算机程序由所述处理器加载并执行以实现如上述权利要求1至7任一项所述的目标人员检测方法。
10.一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中存储有计算机程序,所述计算机程序由处理器加载并执行以实现如上述权利要求1至7任一项所述的目标人员检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010479227.4A CN111611966A (zh) | 2020-05-29 | 2020-05-29 | 目标人员检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010479227.4A CN111611966A (zh) | 2020-05-29 | 2020-05-29 | 目标人员检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111611966A true CN111611966A (zh) | 2020-09-01 |
Family
ID=72203835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010479227.4A Pending CN111611966A (zh) | 2020-05-29 | 2020-05-29 | 目标人员检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111611966A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149553A (zh) * | 2020-09-21 | 2020-12-29 | 西安工程大学 | 一种考试作弊行为识别方法 |
CN112580522A (zh) * | 2020-12-22 | 2021-03-30 | 北京每日优鲜电子商务有限公司 | 睡眠人员检测方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100157059A1 (en) * | 2008-12-22 | 2010-06-24 | Denso Corporation | Action estimating apparatus, method for estimating occupant's action, and program |
CN108734125A (zh) * | 2018-05-21 | 2018-11-02 | 杭州杰视科技有限公司 | 一种开放空间的吸烟行为识别方法 |
CN110110710A (zh) * | 2019-06-03 | 2019-08-09 | 北京启瞳智能科技有限公司 | 一种场景异常状态识别方法、系统和智能终端 |
CN110334627A (zh) * | 2019-06-26 | 2019-10-15 | 深圳市微纳集成电路与系统应用研究院 | 对人员的行为进行检测的装置和系统 |
CN110503005A (zh) * | 2019-07-29 | 2019-11-26 | 恒大智慧科技有限公司 | 基于智慧社区的吸烟检测方法、系统及其存储介质 |
CN110909672A (zh) * | 2019-11-21 | 2020-03-24 | 江苏德劭信息科技有限公司 | 一种基于双流卷积神经网络和svm的抽烟动作识别方法 |
CN111488841A (zh) * | 2020-04-15 | 2020-08-04 | 上海眼控科技股份有限公司 | 抽烟行为检测方法、装置、计算机设备及存储介质 |
-
2020
- 2020-05-29 CN CN202010479227.4A patent/CN111611966A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100157059A1 (en) * | 2008-12-22 | 2010-06-24 | Denso Corporation | Action estimating apparatus, method for estimating occupant's action, and program |
CN108734125A (zh) * | 2018-05-21 | 2018-11-02 | 杭州杰视科技有限公司 | 一种开放空间的吸烟行为识别方法 |
CN110110710A (zh) * | 2019-06-03 | 2019-08-09 | 北京启瞳智能科技有限公司 | 一种场景异常状态识别方法、系统和智能终端 |
CN110334627A (zh) * | 2019-06-26 | 2019-10-15 | 深圳市微纳集成电路与系统应用研究院 | 对人员的行为进行检测的装置和系统 |
CN110503005A (zh) * | 2019-07-29 | 2019-11-26 | 恒大智慧科技有限公司 | 基于智慧社区的吸烟检测方法、系统及其存储介质 |
CN110909672A (zh) * | 2019-11-21 | 2020-03-24 | 江苏德劭信息科技有限公司 | 一种基于双流卷积神经网络和svm的抽烟动作识别方法 |
CN111488841A (zh) * | 2020-04-15 | 2020-08-04 | 上海眼控科技股份有限公司 | 抽烟行为检测方法、装置、计算机设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112149553A (zh) * | 2020-09-21 | 2020-12-29 | 西安工程大学 | 一种考试作弊行为识别方法 |
CN112580522A (zh) * | 2020-12-22 | 2021-03-30 | 北京每日优鲜电子商务有限公司 | 睡眠人员检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022002399A (ja) | 監視システム及び監視方法 | |
US20080136934A1 (en) | Flame Detecting Method And Device | |
WO2018096787A1 (ja) | 人物行動監視装置および人物行動監視システム | |
CN112560547A (zh) | 一种异常行为判定方法、装置、终端及可读存储介质 | |
KR102149832B1 (ko) | 딥러닝 기반의 자동 폭력 감지 시스템 | |
CN109920099B (zh) | 可移动模块化智慧消防执勤保障装备及相关产品 | |
CN110956118B (zh) | 目标对象检测方法和装置、存储介质及电子装置 | |
CN111611966A (zh) | 目标人员检测方法、装置、设备及存储介质 | |
CN114359976B (zh) | 一种基于人物识别的智能安防方法与装置 | |
US20210374405A1 (en) | Firearm detection system and method | |
US11093757B2 (en) | Firearm detection system and method | |
Steffens et al. | An unconstrained dataset for non-stationary video based fire detection | |
CN114913663A (zh) | 异常检测方法、装置、计算机设备和存储介质 | |
JP5088463B2 (ja) | 監視システム | |
CN110276310A (zh) | 吸烟烟雾确定方法及装置、存储介质、电子装置 | |
KR20200139987A (ko) | Ess 침입자 및 화재 감지 장치 및 방법 | |
KR101552564B1 (ko) | 가스센서 및 ip네트워크 카메라 기반 융합 보안 시스템 | |
CN112580522A (zh) | 睡眠人员检测方法、装置、设备及存储介质 | |
CN110519560B (zh) | 一种智能预警方法、装置及系统 | |
CN112115867A (zh) | 视频智能分析自定义事件规则处理方法 | |
KR102081577B1 (ko) | Cctv를 활용한 지능형 화재 감지 시스템 | |
CN111914050A (zh) | 基于特定场所的可视化3d监控平台 | |
CN110928305A (zh) | 用于铁路客运车站巡更机器人的巡更方法及系统 | |
WO2023279716A1 (zh) | 设备联动方法、装置、设备、存储介质、程序产品及计算机程序 | |
CN115880631A (zh) | 一种配电站故障识别系统、方法、介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200901 |