CN111931599A - 高空抛物检测方法、设备及存储介质 - Google Patents

高空抛物检测方法、设备及存储介质 Download PDF

Info

Publication number
CN111931599A
CN111931599A CN202010701041.9A CN202010701041A CN111931599A CN 111931599 A CN111931599 A CN 111931599A CN 202010701041 A CN202010701041 A CN 202010701041A CN 111931599 A CN111931599 A CN 111931599A
Authority
CN
China
Prior art keywords
altitude parabolic
track
image sequence
moving object
human body
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.)
Granted
Application number
CN202010701041.9A
Other languages
English (en)
Other versions
CN111931599B (zh
Inventor
吴良健
潘华东
殷俊
张兴明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202010701041.9A priority Critical patent/CN111931599B/zh
Publication of CN111931599A publication Critical patent/CN111931599A/zh
Application granted granted Critical
Publication of CN111931599B publication Critical patent/CN111931599B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • 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
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开高空抛物检测方法、设备及存储介质。其中，高空抛物检测方法包括：持续获取图像，形成图像序列，所述图像序列包括连续的多帧图像；检测所述图像序列获取高空抛物轨迹；检测所述图像序列获取人体目标；判断所述高空抛物轨迹与所述人体目标是否关联；若否，则在所述图像序列中将所述人体目标遮挡。通过检测图像序列获取高空抛物轨迹，以及检测图像序列获取人体目标。判断高空抛物轨迹与人体目标是否关联，将图像序列中非关联的人体目标遮挡，保护其个人隐私。本申请的方法在检测高空抛物危险事件的同时，也可以保护无关人员的个人隐私，在实际使用中具有推广价值。

Description

高空抛物检测方法、设备及存储介质
技术领域
本申请属于安防监控技术领域，具体涉及高空抛物检测方法、设备及存储介质。
背景技术
高空抛物不仅污染城市环境，还对地面上的人及财物造成威胁。目前，许多城市通过设置拍摄设备对高空抛物现象进行整治。
然而，拍摄设备不具备人员隐私保护的功能，摄像机镜头对着居民楼，有可能会监控到室内人员，侵犯个人隐私，尤其是低楼层问题更严重。
发明内容
本申请提供高空抛物检测方法、设备及存储介质，以解决高空抛物拍摄设备侵犯人员隐私的问题。
为解决上述技术问题，本申请采用的一个技术方案是：一种高空抛物检测方法，所述方法包括：持续获取图像，形成图像序列，所述图像序列包括连续的多帧图像；检测所述图像序列获取高空抛物轨迹；检测所述图像序列获取人体目标；判断所述高空抛物轨迹与所述人体目标是否关联；若否，则在所述图像序列中将所述人体目标遮挡。
根据本申请一实施方式，所述检测所述图像序列获取高空抛物轨迹，包括：检测并跟踪所述图像序列中的运动物体，获取所述运动物体的运动轨迹；判断所述运动轨迹是否符合预设轨迹特征；若是，则所述运动轨迹为高空抛物轨迹。
根据本申请一实施方式，所述检测并跟踪所述图像序列中的运动物体，获取所述运动物体的运动轨迹，包括：利用背景差分和帧间差分融合方法，获得每帧图像中的运动物体的目标检测框；根据前一帧图像中的目标检测框，利用kalman滤波预测后一帧图像中的运动物体的目标预测框；响应于所述后一帧图像的目标检测框和所述后一帧图像的目标预测框匹配；确定所述后一帧图像中的所述目标检测框与所述前一帧图像中的目标检测框属于同一所述运动物体；持续获得属于同一所述运动物体的所述目标检测框，形成所述运动物体的运动轨迹。
根据本申请一实施方式，所述判断所述运动轨迹是否符合预设轨迹特征，包括：计算所述运动轨迹的轨迹特征；利用SVM分类器判断所述轨迹特征是否符合预设轨迹特征。
根据本申请一实施方式，所述检测所述图像序列获取高空抛物轨迹，还包括：获取所述高空抛物轨迹的当前起始点的当前起始横坐标和当前起始纵坐标，以及对应的当前起始横向速度和当前起始纵向速度；获取所述高空抛物轨迹的终点的终点横坐标和终点纵坐标，以及对应的终点横向速度和终点纵向速度；分别计算所述运动物体的横向加速度、纵向加速度、以及所述当前起始横向速度与所述横向加速度的第一比值；利用所述当前起始横坐标，减去所述横向加速度与所述第一比值平方的乘积的一半，获得真实起点横坐标；利用所述当前起始纵坐标，减去所述纵向加速度与所述第一比值平方的乘积的一半，获得真实起点纵坐标；所述真实起点横坐标和所述真实起点纵坐标为所述高空抛物轨迹的真实起点位置。
根据本申请一实施方式，所述判断所述高空抛物轨迹与所述人体目标是否关联，包括：判断所述真实起点位置与所述人体目标之间的距离是否小于预设距离阈值。
根据本申请一实施方式，所述方法还包括：将非关联所述人体目标被遮挡后的所述图像序列，以及所述高空抛物轨迹形成报警信号后发出。
根据本申请一实施方式，所述方法还包括：若是，将所述图像序列以及所述高空抛物轨迹形成报警信号后发出。
为解决上述技术问题，本申请采用的又一个技术方案是：一种电子设备，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现上述任一高空抛物检测方法。
为解决上述技术问题，本申请采用的又一个技术方案是：一种计算机可读存储介质，其上存储有程序数据，所述程序数据被处理器执行时实现上述高空抛物检测方法。
本申请的有益效果是：通过检测图像序列获取高空抛物轨迹，以及检测图像序列获取人体目标。判断高空抛物轨迹与人体目标是否关联，将图像序列中非关联的人体目标已被遮挡，保护其个人隐私。本申请的方法在检测高空抛物危险事件的同时，也可以保护无关人员的个人隐私，在实际使用中具有推广价值。
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，其中：
图1是本申请的高空抛物检测方法一实施例的流程示意图；
图2是本申请的高空抛物检测方法一实施例中检测图像序列获取高空抛物轨迹的流程示意图；
图3是本申请的高空抛物检测装置一实施例的框架示意图；
图4是本申请的电子设备一实施例的框架示意图；
图5是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
请参阅图1和图2，图1是本申请的高空抛物检测方法一实施例的流程示意图；图2是本申请的高空抛物检测方法一实施例中检测图像序列获取高空抛物轨迹的流程示意图。
本申请一实施例提供了一种高空抛物检测方法，包括如下步骤：
S11：持续获取图像，形成图像序列。
持续获取图像，形成图像序列，图像序列包括连续的多帧图像。通常图像序列通常为监控设备拍摄获得的多帧连续图像。
S12：检测图像序列获取高空抛物轨迹。
检测图像序列获取高空抛物轨迹包括：
S121：检测并跟踪图像序列中的运动物体，获取运动物体的运动轨迹。
检测并跟踪图像序列中的所有的运动物体，从而可以获取所有运动物体的运动轨迹。
在一实施例中，检测并跟踪图像序列中的运动物体，获取运动物体的运动轨迹包括：
利用背景差分和帧间差分融合方法，获取每帧图像中的运动物体的目标检测框。其中，背景差分方法能够较好地保留目标整体前景；帧差方法检测灵敏度高，以帧差前景为基础，把帧差前景周围7*7窗口内的背景差分前景保留下来，从而利用背景差分和帧间差分融合方法使得检测获得运动物体的目标检测框更为完整。
根据前一帧图像中的目标检测框，利用kalman滤波预测后一帧图像中的运动物体的目标预测框。
响应于后一帧图像的目标检测框和后一帧图像的目标预测框匹配，确定后一帧图像中的目标检测框与前一帧图像中的目标检测框属于同一运动物体。后一帧图像的目标检测框和后一帧图像的目标预测框的重合度达到预定值时，两者匹配，可以确定后一帧图像中的目标检测框与前一帧图像中的目标检测框为同一运动物体，从而实现对该运动物体的跟踪。
持续获得属于同一运动物体的目标检测框，形成运动物体的运动轨迹。持续利用上述目标预测框和目标检测框匹配的方法，可以持续获得属于同一运动物体的目标检测框，并形成该运动物体的运动轨迹。
需要说明的是，后一帧图像中运动物体的目标预测框，需要基于前一帧图像中确定的运动物体的目标检测框获得，从而需要由第一帧图像开始依次预测并确定后一帧图像运动物体的目标检测框，并形成属于同一运动物体的运动轨迹。
S122：判断运动轨迹是否符合预设轨迹特征。
由于运动物体可能包括高空抛物或飞行动物等非高空抛物，从而需要判断运动轨迹的轨迹特征是否符合预设轨迹特征。预设特征包括加速度及运动方向一致性等。当预设特征具有多个时，为了准确判断运动轨迹是否符合预设轨迹特征，需要计算运动轨迹的轨迹特征，并利用SVM分类器判断轨迹特征是否符合预设轨迹特征。
S123：若是，则运动轨迹为高空抛物轨迹。
S124：若否，则运动轨迹不是高空抛物轨迹。
在一实施例中，可能图像序列获取到的高空抛物当前起始点位置与真实起点位置有偏差，为了计算出高空抛物真实起点位置，检测图像序列获取高空抛物轨迹，还包括：
获取高空抛物轨迹的当前起始点(xt1，yt1)的当前起始横坐标xt1和当前起始纵坐标yt1，以及对应的当前起始横向速度vxt1和当前起始纵向速度vyt1；
获取高空抛物轨迹的终点(xt2，yt2)的终点横坐标xt2和终点纵坐标yt2，以及对应的终点横向速度vxt2和终点纵向速度vyt2；
分别计算运动物体的横向加速度ax＝(vxt2-vxt1)/(t2-t1)、纵向加速度ay＝(vyt2-vyt1)/(t2-t1)、以及当前起始横向速度与横向加速度的第一比值t＝vxt1/ax；
利用当前起始横坐标xt1，减去横向加速度ax与第一比值t平方的乘积的一半，获得真实起点横坐标x0＝xt1-0.5*ax*t2；
利用当前起始纵坐标yt1，减去纵向加速度ay与第一比值t平方的乘积的一半，获得真实起点纵坐标y0＝yt1-0.5*ay*t2；
真实起点横坐标x0和真实起点纵坐标y0为高空抛物轨迹的真实起点位置。
S13：检测图像序列获取人体目标。
检测图像序列获取人体目标，图像序列中的人体目标可以具有一个或多个，检测图像序列获取检测到的所有人体目标。具体可以采用基于深度学习的人体目标检测技术实现。
S14：判断高空抛物轨迹与人体目标是否关联。
判断高空抛物轨迹与人体目标是否关联，包括：判断真实起点位置与人体目标之间的距离是否小于预设距离阈值。
S15：若否，在图像序列中将人体目标遮挡。
若否，则说明该人体目标与高空抛物轨迹无关联，则将无关联的人体目标遮挡，以保护其个人隐私。具体地，可采用马赛克等方式将无关联的人体目标遮挡。
S16：若是，则不对关联的人体目标进行目标遮挡。
若是，则说明该人体目标与高空抛物轨迹有关，则不对关联的人体目标进行目标遮挡。
S17：将图像序列以及高空抛物轨迹形成报警信号后发出。
由于检测到高空抛物轨迹，形成报警信号，供工作人员及时查看高空抛物点是否有行人受伤或设备受损。同时将图像序列发送至工作人员处，图像序列中非关联的人体目标已被遮挡，保护其个人隐私；关联的人体目标未被遮挡，供工作人员查考后寻找到高空抛物人员，以进行后续处理。
本申请的方法在检测高空抛物危险事件的同时，也可以保护无关人员的个人隐私，在实际使用中具有推广价值。
请参阅图3，图3是本申请的高空抛物检测装置一实施例的框架示意图。
本申请又一实施例提供了一种高空抛物检测装置30，包括图像获取模块31、抛物轨迹获取模块32、人体目标获取模块33、判断模块34、执行模块35。图像获取模块31持续获取图像，形成图像序列，图像序列包括连续的多帧图像；抛物轨迹获取模块32检测图像序列获取高空抛物轨迹；人体目标获取模块33检测图像序列获取人体目标；判断模块34判断高空抛物轨迹与人体目标是否关联；若否，执行模块35则在图像序列中将人体目标遮挡。本申请的高空抛物检测装置30在检测高空抛物危险事件的同时，也可以保护无关人员的个人隐私，在实际使用中具有推广价值。
请参阅图4，图4是本申请的电子设备一实施例的框架示意图。
本申请又一实施例提供了一种电子设备40，包括相互耦接的存储器41和处理器42，处理器42用于执行存储器41中存储的程序指令，以实现上述任一实施例的高空抛物检测方法。在一个具体的实施场景中，电子设备40可以包括但不限于：微型计算机、服务器，此外，电子设备40还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。
具体而言，处理器42用于控制其自身以及存储器41以实现上述任一实施例的数量统计模型的训练方法，或上述任一实施例的基于数量统计模型的计数方法。处理器42还可以称为CPU(Central Processing Unit，中央处理单元)。处理器42可能是一种集成电路芯片，具有信号的处理能力。处理器42还可以是通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器42可以由集成电路芯片共同实现。
请参阅图5，图5是本申请计算机可读存储介质一实施例的框架示意图。
本申请又一实施例提供了一种计算机可读存储介质50，其上存储有程序数据51，程序数据51被处理器执行时实现上述任一实施例的高空抛物检测方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质50中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质50中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质50包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例，并非因此限制本申请的专利范围，凡是利用本申请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，均同理包括在本申请的专利保护范围内。

Claims (10)

1.一种高空抛物检测方法，其特征在于，所述方法包括：
持续获取图像，形成图像序列，所述图像序列包括连续的多帧图像；
检测所述图像序列获取高空抛物轨迹；
检测所述图像序列获取人体目标；
判断所述高空抛物轨迹与所述人体目标是否关联；
若否，则在所述图像序列中将所述人体目标遮挡。
2.根据权利要求1中所述的方法，其特征在于，所述检测所述图像序列获取高空抛物轨迹，包括：
检测并跟踪所述图像序列中的运动物体，获取所述运动物体的运动轨迹；
判断所述运动轨迹是否符合预设轨迹特征；
若是，则所述运动轨迹为高空抛物轨迹。
3.根据权利要求2中所述的方法，其特征在于，所述检测并跟踪所述图像序列中的运动物体，获取所述运动物体的运动轨迹，包括：
利用背景差分和帧间差分融合方法，获得每帧图像中的运动物体的目标检测框；
根据前一帧图像中的目标检测框，利用kalman滤波预测后一帧图像中的运动物体的目标预测框；
响应于所述后一帧图像的目标检测框和所述后一帧图像的目标预测框匹配；
确定所述后一帧图像中的所述目标检测框与所述前一帧图像中的目标检测框属于同一所述运动物体；
持续获得属于同一所述运动物体的所述目标检测框，形成所述运动物体的运动轨迹。
4.根据权利要求2中所述的方法，其特征在于，所述判断所述运动轨迹是否符合预设轨迹特征，包括：
计算所述运动轨迹的轨迹特征；
利用SVM分类器判断所述轨迹特征是否符合预设轨迹特征。
5.根据权利要求4所述的方法，其特征在于，所述检测所述图像序列获取高空抛物轨迹，还包括：
获取所述高空抛物轨迹的当前起始点的当前起始横坐标和当前起始纵坐标，以及对应的当前起始横向速度和当前起始纵向速度；
获取所述高空抛物轨迹的终点的终点横坐标和终点纵坐标，以及对应的终点横向速度和终点纵向速度；
分别计算所述运动物体的横向加速度、纵向加速度、以及所述当前起始横向速度与所述横向加速度的第一比值；
利用所述当前起始横坐标，减去所述横向加速度与所述第一比值平方的乘积的一半，获得真实起点横坐标；
利用所述当前起始纵坐标，减去所述纵向加速度与所述第一比值平方的乘积的一半，获得真实起点纵坐标；
所述真实起点横坐标和所述真实起点纵坐标为所述高空抛物轨迹的真实起点位置。
6.根据权利要求5中所述的方法，其特征在于，所述判断所述高空抛物轨迹与所述人体目标是否关联，包括：
判断所述真实起点位置与所述人体目标之间的距离是否小于预设距离阈值。
7.根据权利要求1中所述的方法，其特征在于，所述方法还包括：
将非关联所述人体目标被遮挡后的所述图像序列，以及所述高空抛物轨迹形成报警信号后发出。
8.根据权利要求1中所述的方法，其特征在于，所述方法还包括：
若是，将所述图像序列以及所述高空抛物轨迹形成报警信号后发出。
9.一种电子设备，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至8中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有程序数据，其特征在于，所述程序数据被处理器执行时实现权利要求1至8中任一项所述方法。
CN202010701041.9A 2020-07-20 2020-07-20 高空抛物检测方法、设备及存储介质 Active CN111931599B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010701041.9A CN111931599B (zh) 2020-07-20 2020-07-20 高空抛物检测方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010701041.9A CN111931599B (zh) 2020-07-20 2020-07-20 高空抛物检测方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111931599A true CN111931599A (zh) 2020-11-13
CN111931599B CN111931599B (zh) 2023-04-18

Family

ID=73312632

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010701041.9A Active CN111931599B (zh) 2020-07-20 2020-07-20 高空抛物检测方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111931599B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112731430A (zh) * 2020-12-15 2021-04-30 武汉万集信息技术有限公司 一种基于激光雷达的高空抛物检测方法及系统
CN113065454A (zh) * 2021-03-30 2021-07-02 青岛海信智慧生活科技股份有限公司 一种高空抛物目标识别比较的方法及装置
CN113516102A (zh) * 2021-08-06 2021-10-19 上海中通吉网络技术有限公司 基于视频的深度学习抛物行为检测方法
CN113674314A (zh) * 2021-07-14 2021-11-19 浙江大华技术股份有限公司 抛洒事件检测方法、装置、电子装置和存储介质
CN113674315A (zh) * 2021-07-21 2021-11-19 浙江大华技术股份有限公司 一种物体检测方法、设备及计算机可读存储介质
CN114339367A (zh) * 2021-12-29 2022-04-12 杭州海康威视数字技术股份有限公司 一种视频帧处理方法、装置及设备
WO2023273010A1 (zh) * 2021-06-29 2023-01-05 深圳市商汤科技有限公司 高空抛物检测方法和装置、设备，及计算机存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101646072A (zh) * 2009-08-25 2010-02-10 深圳市融创天下科技发展有限公司 一种多摄像头自动定位的系统
CN104601939A (zh) * 2013-10-31 2015-05-06 深圳市东宝嘉科技有限公司 一种监测高空抛物以及消除其危害的方法和系统
WO2017143407A1 (en) * 2016-02-26 2017-08-31 Iomniscient Pty Ltd A method and apparatus for conducting surveillance
CN108200382A (zh) * 2017-12-15 2018-06-22 北京奇虎科技有限公司 一种视频监控的方法和装置
CN109309811A (zh) * 2018-08-31 2019-02-05 中建三局智能技术有限公司 一种基于计算机视觉的高空抛物检测系统与方法
CN111079663A (zh) * 2019-12-19 2020-04-28 深圳云天励飞技术有限公司 高空抛物的监测方法、装置、电子设备及存储介质
CN111368741A (zh) * 2020-03-05 2020-07-03 深学科技(杭州)有限公司 一种高空抛物检测系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101646072A (zh) * 2009-08-25 2010-02-10 深圳市融创天下科技发展有限公司 一种多摄像头自动定位的系统
CN104601939A (zh) * 2013-10-31 2015-05-06 深圳市东宝嘉科技有限公司 一种监测高空抛物以及消除其危害的方法和系统
WO2017143407A1 (en) * 2016-02-26 2017-08-31 Iomniscient Pty Ltd A method and apparatus for conducting surveillance
CN108200382A (zh) * 2017-12-15 2018-06-22 北京奇虎科技有限公司 一种视频监控的方法和装置
CN109309811A (zh) * 2018-08-31 2019-02-05 中建三局智能技术有限公司 一种基于计算机视觉的高空抛物检测系统与方法
CN111079663A (zh) * 2019-12-19 2020-04-28 深圳云天励飞技术有限公司 高空抛物的监测方法、装置、电子设备及存储介质
CN111368741A (zh) * 2020-03-05 2020-07-03 深学科技(杭州)有限公司 一种高空抛物检测系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112731430A (zh) * 2020-12-15 2021-04-30 武汉万集信息技术有限公司 一种基于激光雷达的高空抛物检测方法及系统
CN113065454A (zh) * 2021-03-30 2021-07-02 青岛海信智慧生活科技股份有限公司 一种高空抛物目标识别比较的方法及装置
WO2023273010A1 (zh) * 2021-06-29 2023-01-05 深圳市商汤科技有限公司 高空抛物检测方法和装置、设备，及计算机存储介质
CN113674314A (zh) * 2021-07-14 2021-11-19 浙江大华技术股份有限公司 抛洒事件检测方法、装置、电子装置和存储介质
CN113674315A (zh) * 2021-07-21 2021-11-19 浙江大华技术股份有限公司 一种物体检测方法、设备及计算机可读存储介质
CN113516102A (zh) * 2021-08-06 2021-10-19 上海中通吉网络技术有限公司 基于视频的深度学习抛物行为检测方法
CN114339367A (zh) * 2021-12-29 2022-04-12 杭州海康威视数字技术股份有限公司 一种视频帧处理方法、装置及设备
CN114339367B (zh) * 2021-12-29 2023-06-27 杭州海康威视数字技术股份有限公司 一种视频帧处理方法、装置及设备

Also Published As

Publication number Publication date
CN111931599B (zh) 2023-04-18

Similar Documents

Publication Publication Date Title
CN111931599B (zh) 高空抛物检测方法、设备及存储介质
CN109887281B (zh) 一种监控交通事件的方法及系统
CN107273822B (zh) 一种基于监控视频多目标跟踪和人脸识别的隐私保护方法
CN103077539B (zh) 一种复杂背景及遮挡条件下的运动目标跟踪方法
CN113671480A (zh) 雷达与视频融合交通目标跟踪方法、系统、设备、终端
Bloisi et al. Argos—A video surveillance system for boat traffic monitoring in Venice
CN109614948B (zh) 异常行为的检测方法、装置、设备和存储介质
CN111738240A (zh) 区域监测方法、装置、设备及存储介质
CN112367475B (zh) 一种交通事件检测方法、系统及电子设备
CN112270253A (zh) 一种高空抛物的检测方法及装置
US20210374426A1 (en) Occupancy control apparatus
KR101454644B1 (ko) 보행자 추적기를 이용한 서성거림을 탐지하는 방법
CN114495011A (zh) 基于目标检测的非机动车和行人非法闯入识别方法、存储介质和计算机设备
CN112651377A (zh) 一种冰雪运动事故检测方法、装置及终端设备
CN104866830A (zh) 一种异常动作检测方法及装置
Yin et al. A deep learning based illegal parking detection platform
CN102789645B (zh) 一种用于周界防范的多目标快速跟踪方法
CN113505643A (zh) 违章目标物检测方法及相关装置
Ng et al. Outdoor illegal parking detection system using convolutional neural network on Raspberry Pi
CN112927258A (zh) 一种目标跟踪方法及装置
KR102434154B1 (ko) 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법
Van Den Hengel et al. Finding camera overlap in large surveillance networks
CN109063578A (zh) 一种人群聚集检测方法
CN106595604B (zh) 核电厂周界低空抛物检测方法、装置
WO2012074366A2 (en) A system and a method for detecting a loitering event

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