CN111814549A - 一种基于监控视频采样与图像识别技术的数据分析方法 - Google Patents
一种基于监控视频采样与图像识别技术的数据分析方法 Download PDFInfo
- Publication number
- CN111814549A CN111814549A CN202010500504.5A CN202010500504A CN111814549A CN 111814549 A CN111814549 A CN 111814549A CN 202010500504 A CN202010500504 A CN 202010500504A CN 111814549 A CN111814549 A CN 111814549A
- Authority
- CN
- China
- Prior art keywords
- goods
- video
- data
- analysis method
- marking
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005070 sampling Methods 0.000 title claims abstract description 14
- 238000007405 data analysis Methods 0.000 title claims abstract description 12
- 238000005516 engineering process Methods 0.000 title claims abstract description 12
- 238000012549 training Methods 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000004519 manufacturing process Methods 0.000 claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000012300 Sequence Analysis Methods 0.000 claims abstract description 5
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 abstract description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000007774 longterm Effects 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
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Computational Biology (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及视频图像分析技术领域，且公开了一种基于监控视频采样与图像识别技术的数据分析方法，包括如下方法：S1、利用标注法，将视频中的货品标示出来，利用货品识别训练模型自动识别装车平台中的货品；S2、使用货品识别训练模型，对监控视频进行实时数据采集和分析；S3、利用时序分析方法，计算和分析该装车平台的经营规律；S4、制定报警机制，在不符合经营规律的情况下提示金融机构生产经营异常；针对制造行业中的中小企业的普惠金融需求，利用现有监控视频进行数据采集和分析，获得金融机构关注的实时和历史经营数据。
Description
技术领域
本发明涉及视频图像分析的技术领域，具体为一种基于监控视频采样与图像识别技术的数据分析方法。
背景技术
制造业中任何生产型企业在产品生产过程完成后，都会涉及到将成品出库、装车和发车到客户的过程。通常情况下，成品的出库装车过程在厂区的装车平台上完成，并且出于安全考虑，此类装车平台都会安装一定数目的监测摄像头。在货品出库过程中，信息系统建设比较好的大型公司会通过扫描条码等方式将出库装车相关信息记录入自己的管理系统中去。但是，对于很多中小企业而言，此类管理信息系统的建设成本过高，并且使用者也缺乏相应的训练和能力，所以中小企业仍旧依赖手工标记、纸质表单等方式记录货品的装车、发车等信息。与此同时，已有的监控视频中所记录的货品装车发车等发货环节由于视频内容的覆盖，导致非常有价值的生产、销售相关信息无法有效被记录下来。当企业需要贷款等资金支持时，中小企业往往不能向金融机构提供相关的可信生产经营数据，从而错失了发展的机会。
发明内容
本发明为了解决现有技术的问题，提供了一种基于监控视频采样与图像识别技术的数据分析方法，针对制造行业中的中小企业的普惠金融需求，利用现有监控视频进行数据采集和分析，获得金融机构关注的实时和历史经营数据。
为解决上述技术问题，本发明的技术方案是：一种基于监控视频采样与图像识别技术的数据分析方法，包括如下方法：
S1、利用标注法，将视频中的货品标示出来，利用货品识别训练模型自动识别装车平台中的货品；
S2、使用货品识别训练模型，对监控视频进行实时数据采集和分析；
S3、利用时序分析方法，计算和分析该装车平台的经营规律；
S4、制定报警机制，在不符合经营规律的情况下提示金融机构生产经营异常。
进一步，所述步骤S1中，货品识别训练模型的模型训练方法步骤如下：
A1、截取一定数目的监控视频画面；
A2、将视频中可能出现货品的区域分成等面积的网格；
A3、对出现了货品的网格进行标注，标注值为0或1；
A4、利用机器学习算法和标注数据进行模型训练，最终得出货品识别训练模型。
进一步，所述步骤A3中，当货品未覆盖完某个网格所有面积时，该网格面积大于3/4被货品覆盖，标注值记为1，否则，标注值记为0。
进一步，所述步骤S2中，数据采集及分析的步骤如下：
按照一定频率实时截取监控视频，对于每一帧都按照S1网格划分规则进行划分，使用货品识别训练模型识别每个网格中是否有货品，计算出现了货品的网格数与总数之比例，进而得出货品数量，并记录下时间、识别数据、货品出现网格比例和该帧视频。
与现有技术相比，有益效果为：该方法利用已有的厂区货品装车平台监控视频，按照一定频率进行视频采样，同时利用货品识别训练模型识别视频画面中的货品成品，从而计算出在该视频中货品所占视频画面的比例 (0％-100％)；之后，利用针对每天的货品装车数据采样分析可以计算出该企业货品出库的正常规律，如装车时间、发车时间、发车频率等相关信息，从而帮助金融机构了解该企业的基本生产和经营状况，并且在出现异常的情况下及时预警；此外，视频采样数据和分析结果数据等均可以通过可信网络进行存储，作为生产经营数据的证据进行保存。
附图说明
图1为本发明实施例中每个月出货总量统计图。
具体实施方式
以下将结合实施例对本发明涉及的一种基于监控视频采样与图像识别技术的数据分析方法技术方案进一步详细说明。
对于中小型企业来说，不需要额外安装和改造现有的IT系统和生产流程，只需要允许利用本发明的方法分析监控视频数据即可，其具体方法包括：
S1、利用标注法，将视频中的货品标示出来，利用货品识别训练模型自动识别装车平台中的货品；
其中，货品识别训练模型的模型训练方法步骤如下：
A1、截取一定数目的监控视频画面；
A2、将视频中可能出现货品的区域分成等面积的网格；
A3、对出现了货品的网格进行标注，标注值为0或1；当货品未覆盖完某个网格所有面积时，该网格面积大于3/4被货品覆盖，标注值记为1，否则，标注值记为0；
A4、利用机器学习算法和标注数据进行模型训练，最终得出货品识别训练模型；
S2、使用货品识别训练模型，对监控视频进行实时数据采集和分析；
其中，按照一定频率实时截取监控视频，对于每一帧都按照S1网格划分规则进行划分，使用货品识别训练模型识别每个网格中是否有货品，计算出现了货品的网格数与总数之比例，进而得出货品数量，并记录下时间、识别数据、货品出现网格比例和该帧视频；
可利用可信网络和云计算等技术记录时间、识别数据、货品出现网格比例和该帧视频；
S3、利用时序分析方法，计算和分析该装车平台的经营规律；
其中，经营规律包括每日装车时间、结束时间、装车频率等规律，时序分析方法采用现有技术常规分析方法，主要采用以步骤S2采集数据为依据，统计出连续长期规律，并整理出统计表：
通过以上统计表，可初步了解该企业的经营规律，装车频率为每3小时装一次货品，在9:00-10:00以及11:00-12：00这两个时间段货品出货量为高峰期，在13:00-14:00这个时间休息，在15:00-16:00这个时间段为出货量低谷期；以上数据和表格只作为实施例对本发明进行说明，其统计图可为表格、条形统计图、扇形统计图、折线统计图等，其实际应用中的属性值设定以企业自身情况视情况而定；
S4、制定报警机制，在不符合经营规律的情况下提示金融机构生产经营异常；
当分析经营规律异常时，在一定条件下可以出发报警机制，例如以经营规律中的每个月的出货总量为例根据步骤S1～S3统计数据，绘制附图1。
通过附图1可知，该企业从3月开始就出现了经营状况的异常，并直到11月才恢复，从而帮助金融机构连接企业的基本生产和经营状况，并且在出现异常的情况下及时预警；以上统计表只作为实施例对本发明进行说明，其统计图的内容可为月份-出货量、某时段装车数量-出货量、某时间段-是否有货-出货量等等，具体属性以企业实际情况而定。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于监控视频采样与图像识别技术的数据分析方法，其特征在于，包括如下方法：
S1、利用标注法，将视频中的货品标示出来，利用货品识别训练模型自动识别装车平台中的货品；
S2、使用货品识别训练模型，对监控视频进行实时数据采集和分析；
S3、利用时序分析方法，计算和分析该装车平台的经营规律；
S4、制定报警机制，在不符合经营规律的情况下提示金融机构生产经营异常。
2.根据权利要求1所述的一种基于监控视频采样与图像识别技术的数据分析方法，其特征在于：所述步骤S1中，货品识别训练模型的模型训练方法步骤如下：
A1、截取一定数目的监控视频画面；
A2、将视频中可能出现货品的区域分成等面积的网格；
A3、对出现了货品的网格进行标注，标注值为0或1；
A4、利用机器学习算法和标注数据进行模型训练，最终得出货品识别训练模型。
3.根据权利要求2所述的一种基于监控视频采样与图像识别技术的数据分析方法，其特征在于：所述步骤A3中，当货品未覆盖完某个网格所有面积时，该网格面积大于3/4被货品覆盖，标注值记为1，否则，标注值记为0。
4.根据权利要求3所述的一种基于监控视频采样与图像识别技术的数据分析方法，其特征在于：所述步骤S2中，数据采集及分析的步骤如下：
按照一定频率实时截取监控视频，对于每一帧都按照S1网格划分规则进行划分，使用货品识别训练模型识别每个网格中是否有货品，计算出现了货品的网格数与总数之比例，进而得出货品数量，并记录下时间、识别数据、货品出现网格比例和该帧视频。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010500504.5A CN111814549A (zh) | 2020-06-04 | 2020-06-04 | 一种基于监控视频采样与图像识别技术的数据分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010500504.5A CN111814549A (zh) | 2020-06-04 | 2020-06-04 | 一种基于监控视频采样与图像识别技术的数据分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111814549A true CN111814549A (zh) | 2020-10-23 |
Family
ID=72848247
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010500504.5A Pending CN111814549A (zh) | 2020-06-04 | 2020-06-04 | 一种基于监控视频采样与图像识别技术的数据分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111814549A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117011507A (zh) * | 2023-09-04 | 2023-11-07 | 南京诺源医疗器械有限公司 | 一种2cmos图像识别数据分析方法和系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102905113A (zh) * | 2012-10-10 | 2013-01-30 | 吉林省粮油科学研究设计院 | 一种基于图像识别技术的粮食仓库智能监控系统 |
| CN109035579A (zh) * | 2018-06-29 | 2018-12-18 | 深圳和而泰数据资源与云技术有限公司 | 一种商品识别方法、无人售货机及计算机可读存储介质 |
| CN109345131A (zh) * | 2018-10-15 | 2019-02-15 | 中国工商银行股份有限公司 | 一种企业经营状况监控方法及系统 |
| CN109543067A (zh) * | 2018-11-19 | 2019-03-29 | 陕西西普数据通信股份有限公司 | 基于人工智能的企业生产状况实时监控分析系统 |
| CN109919072A (zh) * | 2019-02-28 | 2019-06-21 | 桂林电子科技大学 | 基于深度学习和轨迹跟踪的精细车型识别与流量统计方法 |
| CN110688879A (zh) * | 2018-07-06 | 2020-01-14 | 感融物联网科技（上海）有限公司 | 一种仓储计数方法 |
| CN110837795A (zh) * | 2019-11-04 | 2020-02-25 | 防灾科技学院 | 基于课堂监控视频的教学情况智能监测方法、装置及设备 |
-
2020
- 2020-06-04 CN CN202010500504.5A patent/CN111814549A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102905113A (zh) * | 2012-10-10 | 2013-01-30 | 吉林省粮油科学研究设计院 | 一种基于图像识别技术的粮食仓库智能监控系统 |
| CN109035579A (zh) * | 2018-06-29 | 2018-12-18 | 深圳和而泰数据资源与云技术有限公司 | 一种商品识别方法、无人售货机及计算机可读存储介质 |
| CN110688879A (zh) * | 2018-07-06 | 2020-01-14 | 感融物联网科技（上海）有限公司 | 一种仓储计数方法 |
| CN109345131A (zh) * | 2018-10-15 | 2019-02-15 | 中国工商银行股份有限公司 | 一种企业经营状况监控方法及系统 |
| CN109543067A (zh) * | 2018-11-19 | 2019-03-29 | 陕西西普数据通信股份有限公司 | 基于人工智能的企业生产状况实时监控分析系统 |
| CN109919072A (zh) * | 2019-02-28 | 2019-06-21 | 桂林电子科技大学 | 基于深度学习和轨迹跟踪的精细车型识别与流量统计方法 |
| CN110837795A (zh) * | 2019-11-04 | 2020-02-25 | 防灾科技学院 | 基于课堂监控视频的教学情况智能监测方法、装置及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 刘进进等: "基于可视化生产调度系统的应用与研究", 《工业控制计算机》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117011507A (zh) * | 2023-09-04 | 2023-11-07 | 南京诺源医疗器械有限公司 | 一种2cmos图像识别数据分析方法和系统 |
| CN117011507B (zh) * | 2023-09-04 | 2024-01-26 | 南京诺源医疗器械有限公司 | 一种2cmos图像识别数据分析方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220358528A1 (en) | Methods and apparatus for self-adaptive time series forecasting engine | |
| WO2021052031A1 (zh) | 基于统计四分位距的商品库存风险预警方法、系统及计算机可读存储介质 | |
| CN206133290U (zh) | 一种生产线监控系统 | |
| CN115423289B (zh) | 智能板材加工车间数据处理方法及终端 | |
| CN115309871B (zh) | 一种基于人工智能算法的工业大数据处理方法及系统 | |
| CN111897859B (zh) | 一种面向企业在线教育的大数据智能报表平台 | |
| CN107844914B (zh) | 基于集团管理的风险管控系统和实现方法 | |
| CN113434575B (zh) | 基于数据仓库的数据归因处理方法、装置及存储介质 | |
| CN117726036A (zh) | 污染源监测设备的智慧管理系统、方法及存储介质 | |
| CN104156576A (zh) | 药品生产过程质量控制系统的设计与实现技术 | |
| CN111814549A (zh) | 一种基于监控视频采样与图像识别技术的数据分析方法 | |
| CN107679702A (zh) | 一种企业大数据智能分析管理方法 | |
| CN111080466A (zh) | 一种基于大数据的压延机压延质量预警系统 | |
| CN115471794A (zh) | 一种基于YOLOv5的智能电厂小目标检测方法及系统 | |
| CN118552331A (zh) | 一种基于多模态大模型的票据数据分析方法及系统 | |
| CN111242564B (zh) | 一种成品油企业的购销全流程监管处理方法及装置 | |
| CN116894622A (zh) | 一种基于库存的采购分析系统 | |
| CN113989499B (zh) | 一种基于人工智能的银行场景下智能报警方法 | |
| CN114596162B (zh) | 一种智慧型碳交易服务管理系统及方法 | |
| CN115936748A (zh) | 一种商业大数据分析方法及系统 | |
| CN113610476A (zh) | 一种企业运营数字化管理展示的系统及方法 | |
| CN117649188B (zh) | 一种基于大数据的数字化产业金融平台 | |
| CN118154243B (zh) | 一种信息化的品牌营销数据预警系统 | |
| CN115759840A (zh) | 企业数据的对标分析方法、系统、装置及存储介质 | |
| Yan et al. | Predictive Analysis of Customer Churn in Community-Supported Agriculture Based on RFM Modeling |
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: 20201023 |