CN111931691B - 一种在岗监测方法及其监测系统 - Google Patents

一种在岗监测方法及其监测系统 Download PDF

Info

Publication number
CN111931691B
CN111931691B CN202010892179.1A CN202010892179A CN111931691B CN 111931691 B CN111931691 B CN 111931691B CN 202010892179 A CN202010892179 A CN 202010892179A CN 111931691 B CN111931691 B CN 111931691B
Authority
CN
China
Prior art keywords
duty
image
monitoring method
alarm
judging whether
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
Application number
CN202010892179.1A
Other languages
English (en)
Other versions
CN111931691A (zh
Inventor
罗安
周聪俊
史鹏翔
许春霞
师改梅
何进
徐�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.)
Sichuan Junyi Fudun Technology Co ltd
Original Assignee
Sichuan Junyi Fudun 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 Sichuan Junyi Fudun Technology Co ltd filed Critical Sichuan Junyi Fudun Technology Co ltd
Priority to CN202010892179.1A priority Critical patent/CN111931691B/zh
Publication of CN111931691A publication Critical patent/CN111931691A/zh
Application granted granted Critical
Publication of CN111931691B publication Critical patent/CN111931691B/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
    • G06V20/50—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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于在线监测技术领域，具体涉及一种在岗监测方法及其监测系统，所述监测方法包括如下步骤：S1：实时获取现场视频；S2：根据现场视频，判断是否发生场景变换，若是则保存现场视频，发出警报，并结束监测方法，否则进入步骤S3；S3：到达预设周期后，根据实时获取的现场视频，进行在岗检测，得到在岗检测结果；S4：根据在岗检测结果，判断岗位人员是否均在岗，若是则直接结束监测方法，否则发出警报，并结束监测方法。本发明解决了现有技术存在的人力监管的人力投入大与监管不到位，视频监控的实用性较低与容易作弊的问题。

Description

一种在岗监测方法及其监测系统
技术领域
本发明属于在线监测技术领域，具体涉及一种在岗监测方法及其监测系统。
背景技术
现代社会中，开办药品经营企业必须具有依法经过资格认定的要学技术人员（即执业药师），因此，一些相应的违法证书挂靠问题也时常发生。相关部门要经常检查药店是否存在执业药师“挂证”、执业药师配备不到位，执业药师不能在职在岗等违规行为。目前，主要依靠药监局定期检查或不定期突击检查，由于相关部门人手有限、药品零售门店数量众多等因素的影响，对药品零售门店进行全方面监管的可能性极小。
利用视频监控技术来随时自动检测执业药师是否在线变得尤为迫切，但是有些药店为了躲避监控筛查，估计会人为的移动摄像头，所以对监控进行场景变换检测有很重要的意义。
发明内容
本发明旨在于至少在一定程度上解决上述技术问题之一。
为此，本发明目的在于提供一种在岗监测方法及其监测系统，用于解决现有技术存在的人力监管的人力投入大与监管不到位，视频监控的实用性较低与容易作弊的问题。
本发明所采用的技术方案为：
一种在岗监测方法，包括如下步骤：
S1：实时获取现场视频；
S2：根据现场视频，判断是否发生场景变换，若是则保存现场视频，发出警报，并结束监测方法，否则进入步骤S3；
S3：到达预设周期后，根据实时获取的现场视频，进行在岗检测，得到在岗检测结果；
S4：根据在岗检测结果，判断岗位人员是否均在岗，若是则直接结束监测方法，否则发出警报，并结束监测方法。
进一步地，步骤S2的具体步骤为：
S2-1：采集现场视频中多张单帧图像，并对多张单帧图像进行预处理，得到多张预处理后图像；
S2-2：获取多张预处理图像的场景运动变化量，判断场景运动变化量是否大于场景运动变化量阈值，若是则进入步骤S2-3，否则判断为未发生场景变换，进入步骤S3；
S2-3：获取当前预处理后图像的倒角距离，获取预设场景模型的倒角距离；
S2-4：根据当前预处理后图像的倒角距离和预设场景模型的倒角距离，获取倒角匹配值；
S2-5：判断倒角匹配值是否小于倒角匹配值阈值，若是则判断为发生场景变换，保存现场视频，发出警报，并结束监测方法，否则判断为未发生场景变换，进入步骤S3。
进一步地，步骤S2-2中，场景运动变化量的计算公式为：
Figure 988709DEST_PATH_IMAGE001
式中，
Figure 535228DEST_PATH_IMAGE002
为场景运动变化量；
Figure 380824DEST_PATH_IMAGE003
为第t帧与第t-1帧之间的帧间运动变化量；
Figure 125926DEST_PATH_IMAGE004
为第t帧与第t-1帧之间的帧间差；i为预处理后图像中像素点的横坐标位置，其中，
Figure 625041DEST_PATH_IMAGE005
；j为预处理后图像中像素点的纵坐标位置，其中，
Figure 891812DEST_PATH_IMAGE006
；W为预处理后图像的横向像素点总数；H为预处理后图像的纵向像素点总数；t为当前帧指示量；n为总帧数。
进一步地，步骤S2-3具体步骤为：
S2-3-1：对预处理后图像进行拉普拉斯边缘检测，得到边缘图像；
S2-3-2：对边缘图像进行二值化，得到二值化图像；
S2-3-3：判断当前是否存在预设场景模型，若是则直接进入步骤S2-3-4，否则将当前二值化图像作为预设场景模型，并进入步骤S2-3-4；
S2-3-4：根据二值化图像，获取预处理后图像的倒角距离；
S2-3-5：获取预设场景模型的倒角距离。
进一步地，步骤S2-3中，倒角距离的计算公式为：
Figure 134574DEST_PATH_IMAGE007
式中，
Figure 734183DEST_PATH_IMAGE008
为预处理后图像的倒角距离；
Figure 279565DEST_PATH_IMAGE009
为第一倒角表格；
Figure 659730DEST_PATH_IMAGE011
为第二倒角表格。
进一步地，步骤S2-4中，倒角匹配值的计算公式为：
Figure 315971DEST_PATH_IMAGE012
式中，r为倒角匹配值；sum为预处理后图像中前景点个数；cnt为根据预处理后图像的倒角距离得到的统计点数；sum1为预设场景模型中前景点个数；cnt1为根据预设场景模型的倒角距离得到的统计点数。
进一步地，步骤S3的具体步骤为：
S3-1：到达预设周期后，采集现场视频中单帧图像，并对单帧图像进行预处理，得到预处理后图像；
S3-2：根据预处理后图像，开始在岗检测，进行人脸检测，判断是否检测到人脸信息，若是则进入步骤S3-3，否则返回步骤S3-1；
S3-3：根据人脸信息进行人脸比对，判断是否为未比对岗位人员，若是则更新当前在岗人数，进入步骤S3-4，否则返回步骤S3-1；
S3-4：判断预设周期是否结束，若是则将当前在岗人数作为在岗检测结果，并进入步骤S4，否则返回步骤S3-1。
进一步地，步骤S4中，岗检测结果中当前在岗人数达到在岗人数阈值，则判断为所有岗位人员均在岗，结束监测方法，否则判断存在岗位人员不在岗，发出警报，并结束监测方法。
一种在岗监测系统，应用于在岗监测方法，包括视频图像采集单元、场景变换检测单元、报警单元以及在岗检测单元，在岗检测单元分别与视频图像采集单元、场景变换检测单元以及报警单元通信连接，在岗检测单元通信连接有监管中心，场景变换检测单元分别与视频图像采集单元和报警单元通信连接；
视频图像采集单元，用于实时获取现场视频，采集现场视频中的单帧图像，对单帧图像进行预处理，得到预处理后图像，将预处理后图像发送至场景变换检测单元和在岗检测单元；
场景变换检测单元，用于根据现场视频，判断是否发生场景变换，保存现场视频，向报警单元发送报警信号；
在岗检测单元，用于根据实时获取的现场视频，进行在岗检测，得到在岗检测结果，根据在岗检测结果，判断岗位人员是否均在岗，向报警单元发送报警信号；
报警单元，用于根据报警信号，发出警报。
进一步地，在岗检测单元包括依次通信连接的人脸检测模块、人脸比对模块以及判断模块，人脸检测模块分别与视频图像采集单元和场景变换检测单元通信连接，判断模块分别与报警单元和监管中心通信连接；
人脸检测模块，用于根据预处理后图像，进行人脸检测，判断是否检测到人脸信息，并将人脸信息发送至人脸比对模块；
人脸比对模块，根据人脸信息进行人脸比对，判断是否为未比对岗位人员，将当前在岗人数作为在岗检测结果，发送至判断模块；
判断模块，用于根据在岗检测结果，判断岗位人员是否均在岗，并向报警单元发送报警信号。
本发明的有益效果为：
本发明的在岗监测方法及其监测系统，采用视频监控和人脸识别技术，避免了人力监管，减少了人力投入，加强了监管力度，并且对场景变换进行检测，避免了人为的移动摄像头进行作弊，提高了实用性。
本发明的其他有益效果将在具体实施方式中进行详细说明。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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是在岗监测方法流程图；
图2是在岗监测系统结构框图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明虽然是用于帮助理解本发明，但并不构成对本发明的限定。本发明公开的功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本发明阐述的实施例中。
应当理解，本发明使用的术语仅用于描述特定实施例，并不意在限制本发明的示例实施例。若术语“包括”、“包括了”、“包含”和/或“包含了”在本发明中被使用时，指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性，并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
应当理解，还应当注意到在一些备选实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如，取决于所涉及的功能/动作，实际上可以实质上并发地执行，或者有时可以以相反的顺序来执行连续示出的两个图。
应当理解，在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实例中，可以不以不必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清楚。
实施例1
如图1所示，本实施例提供一种在岗监测方法，包括如下步骤：
S1：实时获取现场视频；
S2：根据现场视频，判断是否发生场景变换，若是则保存现场视频，发出警报，并结束监测方法，否则进入步骤S3，具体步骤为：
S2-1：采集现场视频中多张单帧图像，并对多张单帧图像进行预处理，得到多张预处理后图像；
S2-2：获取多张预处理图像的场景运动变化量，判断场景运动变化量是否大于场景运动变化量阈值，若是则进入步骤S2-3，否则判断为未发生场景变换，进入步骤S3；
场景运动变化量的计算公式为：
Figure 35665DEST_PATH_IMAGE013
式中，
Figure 142161DEST_PATH_IMAGE002
为场景运动变化量；
Figure 947306DEST_PATH_IMAGE003
为第t帧与第t-1帧之间的帧间运动变化量；
Figure 407238DEST_PATH_IMAGE004
为第t帧与第t-1帧之间的帧间差；i为预处理后图像中像素点的横坐标位置，其中，
Figure 43755DEST_PATH_IMAGE005
；j为预处理后图像中像素点的纵坐标位置，其中，
Figure 432405DEST_PATH_IMAGE006
；W为预处理后图像的横向像素点总数；H为预处理后图像的纵向像素点总数；t为当前帧指示量；n为总帧数；
帧间差的计算公式为：
Figure 459267DEST_PATH_IMAGE014
式中，
Figure 113102DEST_PATH_IMAGE015
为第t帧与第t-1帧之间的帧间差；
Figure 213913DEST_PATH_IMAGE016
为第t帧图像的像素点（i,j）的灰度值；
Figure 396633DEST_PATH_IMAGE017
为第t-1帧图像的像素点（i,j）的灰度值；i为预处理后图像中像素点的横坐标位置；j为预处理后图像中像素点的纵坐标位置；
S2-3：获取当前预处理后图像的倒角距离，获取预设场景模型的倒角距离，具体步骤为：
S2-3-1：对预处理后图像进行拉普拉斯边缘检测，得到边缘图像；
S2-3-2：对边缘图像进行二值化，得到二值化图像；
S2-3-3：判断当前是否存在预设场景模型，若是则直接进入步骤S2-3-4，否则将当前二值化图像作为预设场景模型，并进入步骤S2-3-4；
S2-3-4：根据二值化图像，获取预处理后图像的倒角距离；
S2-3-5：获取预设场景模型的倒角距离；
倒角距离的计算公式为：
Figure 176370DEST_PATH_IMAGE007
式中，
Figure 243683DEST_PATH_IMAGE008
为预处理后图像的倒角距离；
Figure 526897DEST_PATH_IMAGE009
为第一倒角表格；
Figure 411676DEST_PATH_IMAGE011
为第二倒角表格；
从上到下、从左到右扫描二值化图像，当边缘二值化图像值为255时，第一倒角表格置为0，否则第一倒角表格置为正左和正上第一倒角表格值的最小值，依次循环，直到遍历完所有像素点，得到第一倒角表格，其公式为：
Figure 819655DEST_PATH_IMAGE018
式中，
Figure 815293DEST_PATH_IMAGE009
为第一倒角表格；
Figure 953013DEST_PATH_IMAGE019
为二值化图像；i为二值化图像中像素点的横坐标位置；j为二值化图像中像素点的纵坐标位置；
从下到上、从右到左扫描二值化图像，当边缘二值化图像值为255时，第二倒角表格此处置为0，否则第二倒角表格此处置为正右和第二正下倒角表格值的最小值，依次循环，直到遍历完所有像素点，得到第二倒角表格，其公式为：
Figure 117016DEST_PATH_IMAGE020
式中，
Figure 668083DEST_PATH_IMAGE022
为第二倒角表格；
Figure 139516DEST_PATH_IMAGE019
为二值化图像；i为二值化图像中像素点的横坐标位置；j为二值化图像中像素点的纵坐标位置；
S2-4：根据当前预处理后图像的倒角距离和预设场景模型的倒角距离，获取倒角匹配值；
倒角匹配值的计算公式为：
Figure 335005DEST_PATH_IMAGE012
式中，r为倒角匹配值；sum为预处理后图像中前景点个数；cnt为根据预处理后图像的倒角距离得到的统计点数，当前景点中，倒角距离图像
Figure 499270DEST_PATH_IMAGE023
时，统计点数cnt，直到遍历完图像中所有的点；sum1为预设场景模型中前景点个数；cnt1为根据预设场景模型的倒角距离得到的统计点数，当模型图像前景点中倒角距离图像
Figure 6475DEST_PATH_IMAGE024
时，统计点数cnt1，直到遍历完图像中所有的点；
S2-5：判断倒角匹配值是否小于倒角匹配值阈值，若是则判断为发生场景变换，保存现场视频，发出警报，并结束监测方法，否则判断为未发生场景变换，进入步骤S3；
S3：到达预设周期后，根据实时获取的现场视频，进行在岗检测，得到在岗检测结果，具体步骤为：
S3-1：到达预设周期后，采集现场视频中单帧图像，并对单帧图像进行预处理，得到预处理后图像；
S3-2：根据预处理后图像，开始在岗检测，进行人脸检测，判断是否检测到人脸信息，若是则进入步骤S3-3，否则返回步骤S3-1；
当人脸数量大于一张时，将占比最大的人脸信息进行人脸比对；
S3-3：根据人脸信息进行人脸比对，判断是否为未比对岗位人员，若是则更新当前在岗人数，即统计该时间段执业药师在线人数加1，进入步骤S3-4，否则返回步骤S3-1；
S3-4：判断预设周期是否结束，若是则将当前在岗人数作为在岗检测结果，并进入步骤S4，否则返回步骤S3-1；
S4：根据在岗检测结果，判断岗位人员是否均在岗，若是则直接结束监测方法，否则发出警报，并结束监测方法；
岗检测结果中当前在岗人数达到在岗人数阈值，则判断为所有岗位人员均在岗，结束监测方法，否则判断存在岗位人员不在岗，发出警报，并结束监测方法。
本发明的在岗监测方法及其监测系统，采用视频监控和人脸识别技术，避免了人力监管，减少了人力投入，加强了监管力度，并且对场景变换进行检测，避免了人为的移动摄像头进行作弊，提高了实用性。
一种在岗监测系统，应用于在岗监测方法，包括视频图像采集单元、场景变换检测单元、报警单元以及在岗检测单元，在岗检测单元分别与视频图像采集单元、场景变换检测单元以及报警单元通信连接，在岗检测单元通信连接有监管中心，场景变换检测单元分别与视频图像采集单元和报警单元通信连接；
视频图像采集单元，用于实时获取现场视频，采集现场视频中的单帧图像，对单帧图像进行预处理，得到预处理后图像，将预处理后图像发送至场景变换检测单元和在岗检测单元；
场景变换检测单元，用于根据现场视频，判断是否发生场景变换，保存现场视频，向报警单元发送报警信号；
在岗检测单元，用于根据实时获取的现场视频，进行在岗检测，得到在岗检测结果，根据在岗检测结果，判断岗位人员是否均在岗，向报警单元发送报警信号；
报警单元，用于根据报警信号，发出警报。
进一步地，在岗检测单元包括依次通信连接的人脸检测模块、人脸比对模块以及判断模块，人脸检测模块分别与视频图像采集单元和场景变换检测单元通信连接，判断模块分别与报警单元和监管中心通信连接；
人脸检测模块，用于根据预处理后图像，进行人脸检测，判断是否检测到人脸信息，并将人脸信息发送至人脸比对模块；
人脸比对模块，根据人脸信息进行人脸比对，判断是否为未比对岗位人员，将当前在岗人数作为在岗检测结果，发送至判断模块；
判断模块，用于根据在岗检测结果，判断岗位人员是否均在岗，并向报警单元发送报警信号。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所描述的实施例仅仅是示意性的，若涉及到作为分离部件说明的单元，其可以是或者也可以不是物理上分开的；若涉及到作为单元显示的部件，其可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims (9)

1.一种在岗监测方法，其特征在于：包括如下步骤：
S1：实时获取现场视频；
S2：根据现场视频，判断是否发生场景变换，若是则保存现场视频，发出警报，并结束监测方法，否则进入步骤S3；
S3：到达预设周期后，根据实时获取的现场视频，进行在岗检测，得到在岗检测结果；
S4：根据在岗检测结果，判断岗位人员是否均在岗，若是则直接结束监测方法，否则发出警报，并结束监测方法;
所述步骤S2的具体步骤为：
S2-1：采集现场视频中多张单帧图像，并对多张单帧图像进行预处理，得到多张预处理后图像；
S2-2：获取多张预处理图像的场景运动变化量，判断场景运动变化量是否大于场景运动变化量阈值，若是则进入步骤S2-3，否则判断为未发生场景变换，进入步骤S3；
S2-3：获取当前预处理后图像的倒角距离，获取预设场景模型的倒角距离；
S2-4：根据当前预处理后图像的倒角距离和预设场景模型的倒角距离，获取倒角匹配值；
S2-5：判断倒角匹配值是否小于倒角匹配值阈值，若是则判断为发生场景变换，保存现场视频，发出警报，并结束监测方法，否则判断为未发生场景变换，进入步骤S3。
2.根据权利要求1所述的在岗监测方法，其特征在于：所述步骤S2-2中，场景运动变化量的计算公式为：
Figure 503753DEST_PATH_IMAGE001
式中，
Figure 62910DEST_PATH_IMAGE002
为场景运动变化量；
Figure 651018DEST_PATH_IMAGE003
为第t帧与第t-1帧之间的帧间运动变化量；
Figure 575111DEST_PATH_IMAGE004
为第t帧与第t-1帧之间的帧间差；i为预处理后图像中像素点的横坐标位置，其中，
Figure 271672DEST_PATH_IMAGE005
；j为预处理后图像中像素点的纵坐标位置，其中，
Figure 572203DEST_PATH_IMAGE006
；W为预处理后图像的横向像素点总数；H为预处理后图像的纵向像素点总数；t为当前帧指示量；n为总帧数。
3.根据权利要求1所述的在岗监测方法，其特征在于：所述步骤S2-3具体步骤为：
S2-3-1：对预处理后图像进行拉普拉斯边缘检测，得到边缘图像；
S2-3-2：对边缘图像进行二值化，得到二值化图像；
S2-3-3：判断当前是否存在预设场景模型，若是则直接进入步骤S2-3-4，否则将当前二值化图像作为预设场景模型，并进入步骤S2-3-4；
S2-3-4：根据二值化图像，获取预处理后图像的倒角距离；
S2-3-5：获取预设场景模型的倒角距离。
4.根据权利要求1所述的在岗监测方法，其特征在于：所述步骤S2-3中，倒角距离的计算公式为：
Figure 778931DEST_PATH_IMAGE007
式中，
Figure 936243DEST_PATH_IMAGE008
为预处理后图像的倒角距离；
Figure 57783DEST_PATH_IMAGE009
为第一倒角表格；
Figure 99688DEST_PATH_IMAGE011
为第二倒角表格。
5.根据权利要求1所述的在岗监测方法，其特征在于：所述步骤S2-4中，倒角匹配值的计算公式为：
Figure 521442DEST_PATH_IMAGE012
式中，r为倒角匹配值；sum为预处理后图像中前景点个数；cnt为根据预处理后图像的倒角距离得到的统计点数；sum1为预设场景模型中前景点个数；cnt1为根据预设场景模型的倒角距离得到的统计点数。
6.根据权利要求1所述的在岗监测方法，其特征在于：所述步骤S3的具体步骤为：
S3-1：到达预设周期后，采集现场视频中单帧图像，并对单帧图像进行预处理，得到预处理后图像；
S3-2：根据预处理后图像，开始在岗检测，进行人脸检测，判断是否检测到人脸信息，若是则进入步骤S3-3，否则返回步骤S3-1；
S3-3：根据人脸信息进行人脸比对，判断是否为未比对岗位人员，若是则更新当前在岗人数，进入步骤S3-4，否则返回步骤S3-1；
S3-4：判断预设周期是否结束，若是则将当前在岗人数作为在岗检测结果，并进入步骤S4，否则返回步骤S3-1。
7.根据权利要求6所述的在岗监测方法，其特征在于：所述步骤S4中，岗检测结果中当前在岗人数达到在岗人数阈值，则判断为所有岗位人员均在岗，结束监测方法，否则判断存在岗位人员不在岗，发出警报，并结束监测方法。
8.一种在岗监测系统，应用于如权利要求1-7任一所述的在岗监测方法，其特征在于：包括视频图像采集单元、场景变换检测单元、报警单元以及在岗检测单元，所述在岗检测单元分别与视频图像采集单元、场景变换检测单元以及报警单元通信连接，在岗检测单元通信连接有监管中心，所述场景变换检测单元分别与视频图像采集单元和报警单元通信连接；
所述视频图像采集单元，用于实时获取现场视频，采集现场视频中的单帧图像，对单帧图像进行预处理，得到预处理后图像，将预处理后图像发送至场景变换检测单元和在岗检测单元；
所述场景变换检测单元，用于根据现场视频，判断是否发生场景变换，保存现场视频，向报警单元发送报警信号；
所述在岗检测单元，用于根据实时获取的现场视频，进行在岗检测，得到在岗检测结果，根据在岗检测结果，判断岗位人员是否均在岗，向报警单元发送报警信号；所述报警单元，用于根据报警信号，发出警报。
9.根据权利要求8所述的在岗监测系统，其特征在于：所述在岗检测单元包括依次通信连接的人脸检测模块、人脸比对模块以及判断模块，所述人脸检测模块分别与视频图像采集单元和场景变换检测单元通信连接，所述判断模块分别与报警单元和监管中心通信连接；
所述人脸检测模块，用于根据预处理后图像，进行人脸检测，判断是否检测到人脸信息，并将人脸信息发送至人脸比对模块；
所述人脸比对模块，根据人脸信息进行人脸比对，判断是否为未比对岗位人员，将当前在岗人数作为在岗检测结果，发送至判断模块；
所述判断模块，用于根据在岗检测结果，判断岗位人员是否均在岗，并向报警单元发送报警信号。
CN202010892179.1A 2020-08-31 2020-08-31 一种在岗监测方法及其监测系统 Active CN111931691B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010892179.1A CN111931691B (zh) 2020-08-31 2020-08-31 一种在岗监测方法及其监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010892179.1A CN111931691B (zh) 2020-08-31 2020-08-31 一种在岗监测方法及其监测系统

Publications (2)

Publication Number Publication Date
CN111931691A CN111931691A (zh) 2020-11-13
CN111931691B true CN111931691B (zh) 2021-01-05

Family

ID=73309551

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010892179.1A Active CN111931691B (zh) 2020-08-31 2020-08-31 一种在岗监测方法及其监测系统

Country Status (1)

Country Link
CN (1) CN111931691B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113506097B (zh) * 2021-09-10 2021-12-28 北京明略昭辉科技有限公司 一种在岗状态监测方法、装置、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101087413A (zh) * 2006-06-07 2007-12-12 中兴通讯股份有限公司 视频序列中运动物体的分割方法
CN103875239A (zh) * 2011-10-04 2014-06-18 夏普株式会社 场景变换检测装置、显示装置、场景变换检测方法和场景变换检测程序
CN104581185A (zh) * 2015-01-20 2015-04-29 宁波大学 一种应用于立体视频切换帧的自适应错误隐藏方法
CN107689079A (zh) * 2017-08-28 2018-02-13 北京航空航天大学 一种卫星云图与自然图像结合的云景重建方法
CN108280386A (zh) * 2017-01-05 2018-07-13 浙江宇视科技有限公司 监控场景检测方法及装置
CN108777779A (zh) * 2018-06-12 2018-11-09 北京京东金融科技控股有限公司 一种视频拍摄设备的智能化装置、方法、介质及电子设备
CN110580455A (zh) * 2019-08-21 2019-12-17 广州洪森科技有限公司 一种基于图像识别的人员非法离岗检测方法及装置
CN110766750A (zh) * 2019-09-09 2020-02-07 浙江大学 一种基于局部轮廓的机械臂视觉伺服目标识别方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8472698B2 (en) * 2009-11-24 2013-06-25 Mitsubishi Electric Research Laboratories, Inc. System and method for determining poses of objects
CN210348560U (zh) * 2019-09-19 2020-04-17 贵州博众金服科技有限公司 一种多功能智能停车支付柱
CN110662003B (zh) * 2019-10-28 2021-04-27 浙江金邮供应链技术服务有限公司 一种基于5g网络的具有清洁功能的视频监控装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101087413A (zh) * 2006-06-07 2007-12-12 中兴通讯股份有限公司 视频序列中运动物体的分割方法
CN103875239A (zh) * 2011-10-04 2014-06-18 夏普株式会社 场景变换检测装置、显示装置、场景变换检测方法和场景变换检测程序
CN104581185A (zh) * 2015-01-20 2015-04-29 宁波大学 一种应用于立体视频切换帧的自适应错误隐藏方法
CN108280386A (zh) * 2017-01-05 2018-07-13 浙江宇视科技有限公司 监控场景检测方法及装置
CN107689079A (zh) * 2017-08-28 2018-02-13 北京航空航天大学 一种卫星云图与自然图像结合的云景重建方法
CN108777779A (zh) * 2018-06-12 2018-11-09 北京京东金融科技控股有限公司 一种视频拍摄设备的智能化装置、方法、介质及电子设备
CN110580455A (zh) * 2019-08-21 2019-12-17 广州洪森科技有限公司 一种基于图像识别的人员非法离岗检测方法及装置
CN110766750A (zh) * 2019-09-09 2020-02-07 浙江大学 一种基于局部轮廓的机械臂视觉伺服目标识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Chamfer距离特征提取的数据匹配算法研究;樊丽萍;《中国优秀硕士学位论文全文数据库 信息科技辑》;20130115;I138-1667 *

Also Published As

Publication number Publication date
CN111931691A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
CN104933710B (zh) 基于监控视频下的商店人流轨迹智能分析方法
CN105160297B (zh) 基于肤色特征的蒙面人事件自动检测方法
CN108012202B (zh) 视频浓缩方法、设备、计算机可读存储介质及计算机装置
CN103425967A (zh) 一种基于行人检测和跟踪的人流监控方法
CN110083740B (zh) 视频指纹提取及视频检索方法、装置、终端及存储介质
CN110363742A (zh) 一种基于cnn和图像处理的转辙机缺口检测方法
CN104866843B (zh) 一种面向监控视频的蒙面人脸检测方法
CN104700405B (zh) 一种前景检测方法和系统
CN110807396B (zh) 基于光照方向一致性的换脸视频篡改检测方法及系统
CN113554008B (zh) 静态物体区域内检测方法、装置、电子设备及存储介质
CN103679215A (zh) 基于视觉大数据驱动的群体性行为分析的视频监控方法
CN107483894A (zh) 基于场景判断实现客运管理的高铁车站视频监控系统
CN111931691B (zh) 一种在岗监测方法及其监测系统
CN106686347B (zh) 一种基于视频的判定地铁摄像机移位的方法
WO2021022698A1 (zh) 尾随检测方法、装置、电子设备及存储介质
CN110636281A (zh) 一种基于背景模型的监控摄像头遮挡实时检测方法
CN107264570A (zh) 钢轨光带分布检测装置与方法
CN111444837B (zh) 在极端环境下提升人脸检测可用性的测温方法及测温系统
CN117041484A (zh) 基于物联网的人流密集区域监控方法及系统
CN110866453B (zh) 基于卷积神经网络的实时人群稳定状态识别方法及装置
Wang et al. Traffic camera anomaly detection
CN116366806A (zh) 一种基于物联网的智能监控系统
Song et al. A reliable counting vehicles method in traffic flow monitoring
CN110889347A (zh) 基于时空计数特征的密度交通流计数方法及系统
CN106683077A (zh) 一种扶梯口楼层板上大件物滞留检测方法

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: On the job monitoring method and its monitoring system

Effective date of registration: 20220321

Granted publication date: 20210105

Pledgee: Bank of Guiyang Limited by Share Ltd. Chengdu Qingyang branch

Pledgor: SICHUAN JUNYI FUDUN TECHNOLOGY CO.,LTD.

Registration number: Y2022980002889

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20230509

Granted publication date: 20210105

Pledgee: Bank of Guiyang Limited by Share Ltd. Chengdu Qingyang branch

Pledgor: SICHUAN JUNYI FUDUN TECHNOLOGY CO.,LTD.

Registration number: Y2022980002889

PC01 Cancellation of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A method and monitoring system for on duty monitoring

Effective date of registration: 20230519

Granted publication date: 20210105

Pledgee: Bank of Guiyang Limited by Share Ltd. Chengdu Qingyang branch

Pledgor: SICHUAN JUNYI FUDUN TECHNOLOGY CO.,LTD.

Registration number: Y2023980041255

PE01 Entry into force of the registration of the contract for pledge of patent right