CN112183207A - 一种用于直梯内乘员佩戴口罩的检测方法及检测系统 - Google Patents
一种用于直梯内乘员佩戴口罩的检测方法及检测系统 Download PDFInfo
- Publication number
- CN112183207A CN112183207A CN202010880055.1A CN202010880055A CN112183207A CN 112183207 A CN112183207 A CN 112183207A CN 202010880055 A CN202010880055 A CN 202010880055A CN 112183207 A CN112183207 A CN 112183207A
- Authority
- CN
- China
- Prior art keywords
- mask
- face
- images
- alarm
- straight
- 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 37
- 238000010586 diagram Methods 0.000 claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 9
- 238000010191 image analysis Methods 0.000 claims description 18
- 238000013145 classification model Methods 0.000 claims description 14
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000000903 blocking effect Effects 0.000 abstract description 4
- 241000700605 Viruses Species 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 4
- 208000035473 Communicable disease Diseases 0.000 description 3
- 230000036541 health Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000001528 Coronaviridae Infections Diseases 0.000 description 1
- 206010011409 Cross infection Diseases 0.000 description 1
- 206010029803 Nosocomial infection Diseases 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000014599 transmission of virus Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种用于直梯内乘员佩戴口罩的检测方法,包括:S1.获取多个直梯内的实时点位图像,基于算法库模型对每个直梯上传的所述实时点位图像中的人脸框位置分别进行划分;S2.基于所述人脸框位置生成人脸框图,并基于所述算法库模型判断所述人脸框图中是否包含有口罩图像;S3.分别统计每个直梯上传的所述实时点位图像中所述人脸框图和所述口罩图像的数量,若所述人脸框图的数量与所述口罩图像的数量相同,则所述直梯内的乘员全部佩戴有口罩,否则,向相应的所述直梯发出告警。本方案基于计算机视觉的方法,能够有效检测出目标人物在当前环境下,是否佩戴口罩,并且进行相关告警和设备的运行控制,达到阻断病毒传播的效果。
Description
技术领域
本发明涉及电梯领域,尤其涉及一种用于直梯内乘员佩戴口罩的检测方法及检测系统。
背景技术
电梯作为一种公共交通工具,广泛使用在商场、公园、宾馆、学校、医院、机关等公共场所以及居民楼宇内,是人员聚集分流,交叉感染的重要场所。为应对当前新型冠状病毒感染的肺炎疫情防控工作,预防控制传染性疾病传播,防止危害健康突发公共卫生事件发生,在目前疫情严峻的条件下,不仅需要保证电梯正常运行,又需要避免其成为疫情传播的一个渠道。由于直梯本身使用的频繁性以及环境密闭特性,在疫情扩散期间,发现部分人员依旧未做好自身防护,出行坐电梯未佩戴口罩。电梯作为疫情传播的高危地区,亟待解决电梯内出现防护不到位所带来的传染风险。
发明内容
本发明的目的在于提供一种用于直梯内乘员佩戴口罩的检测方法及检测系统,达到提醒乘员佩戴口罩,阻隔传染病的目的。
为实现上述发明目的,本发明提供一种用于直梯内乘员佩戴口罩的检测方法,包括以下步骤:
S1.获取多个直梯内的实时点位图像,基于算法库模型对每个直梯上传的所述实时点位图像中的人脸框位置分别进行划分;
S2.基于所述人脸框位置生成人脸框图,并基于所述算法库模型判断所述人脸框图中是否包含有口罩图像;
S3.分别统计每个直梯上传的所述实时点位图像中所述人脸框图和所述口罩图像的数量,若所述人脸框图的数量与所述口罩图像的数量相同,则所述直梯内的乘员全部佩戴有口罩,否则,向相应的所述直梯发出告警。
根据本发明的一个方面,步骤S1中,若所述实时点位图像的数量超过预设值,则调用外部的算法模型库对所述所述实时点位图像进行人脸框位置的划分。
根据本发明的一个方面,所述算法模型库包括人脸检测模型和口罩分类模型,其中,基于所述人脸检测模型获取所述人脸框图,基于所述口罩分类模型获取所述人脸框图中包含的所述口罩图像。
根据本发明的一个方面,所述人脸检测模型采用深度学习检测模型;
所述口罩分类模型采用深度学习分类模型。
根据本发明的一个方面,步骤S3中。向相应的所述直梯发出告警的步骤中,发出告警的同时停止所述电梯的运行。
根据本发明的一个方面,步骤S3中,若所述人脸框图的数量与所述口罩图像的数量不相同,则整理为告警集合并下发至相应的直梯。
为实现上述发明目的,本发明提供一种检测系统,包括:设置于直梯内部的视频采集单元,与所述视频采集单元相连接的云端图像分析单元,以及与所述云端图像分析单元相连且安装于直梯上的报警控制单元;
所述视频采集单元用于采集直梯内的实时点位图像,所述云端图像分析单元用于获取人脸框图和口罩图像,并判断所述人脸框图和所述口罩图像的数量,所述报警控制单元用于向直梯内成员发出告警并控制直梯的运行。
根据本发明的一个方面,所述报警控制单元包括:用于接收所述云端图像分析单元下发的告警信号的网络串口,用于发出告警信息的语音装置,以及用于控制电梯运行的控制电路。
根据本发明的一种方案,本方案基于计算机视觉的方法,能够有效检测出目标人物在当前环境下,是否佩戴口罩,并且进行相关告警和设备的运行控制,从而达到阻断病毒传播,降低传染病影响的目的。
根据本发明的一种方案,本方案所采用的系统结构简单,布置方便能够在电梯以及其他常规环境下使用,其使用范围更广,适用性更高。
根据本发明的一种方案,本方案通过额外的口罩分类模型能够更加全面的判断出各种口罩类型,保证了本发明的检测准确性,解决了误报的情况发生。
根据本发明的一种方案,本方案的报警控制单元均有告警和控制直梯运行的双重功能,更好的控制的了不佩戴口罩乘员的乘梯,对进一步阻断病毒传播有利,充分保证了乘员的健康。
附图说明
图1示意性表示根据本发明的一种实施方式的检测方法的流程图;
图2示意性表示根据本发明的一种实施方式的检测系统的结构图;
图3示意性表示根据本发明的一种实施方式的视频采集单元采集的图像;
图4示意性表示根据本发明的一种实施方式的云端图像分析单元的结构框图;
图5示意性表示根据本发明的一种实施方式的算法库运行过程图;
图6示意性表示根据本发明的一种实施方式的报警控制单元的运行过程图。
具体实施方式
为了更清楚地说明本发明实施方式或现有技术中的技术方案,下面将对实施方式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方式,对于本领域普通技术人员而言,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。
在针对本发明的实施方式进行描述时,术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”所表达的方位或位置关系是基于相关附图所示的方位或位置关系,其仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此上述术语不能理解为对本发明的限制。
下面结合附图和具体实施方式对本发明作详细地描述,实施方式不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施方式。
如图1所示,根据本发明的一种实施方式,本发明的一种用于直梯内乘员佩戴口罩的检测方法,参见图2所示,其基于一种用于直梯内乘员佩戴口罩的检测系统实现,该检测系统包括:设置于直梯内部的视频采集单元,与视频采集单元相连接的云端图像分析单元,以及与云端图像分析单元相连且安装于直梯上的报警控制单元;
该方法包括以下步骤:
S1.获取多个直梯内的实时点位图像,基于算法库模型对每个直梯上传的实时点位图像中的人脸框位置分别进行划分。在本实施方式中,通过在不同的直梯内布置视频采集单元,该视频采集单元安装在直梯轿厢内的顶部。通过该视频采集单元采集拍摄轿厢内的实时视频图像信息,并输入到后续云端图像分析单元进行人脸框位置的划分。在本实施方式中,视频采集单元的视场角能够覆盖直梯轿厢的所有视域范围,图像的分辨率要求为高清的1920*1080类型(参见图3所示)。在本实施方式中,视频采集单元包括但不限于监控摄相机,双目相机,深度相机等获取图像数据的设备,
参见图4所示,在本实施方式中,对于当前监控下的所有的直梯点位,将视频采集单元拍摄到的实时点位图像通过网络统一发送到云端图像分析单元的固定云端服务器地址。在本实施方式中,当云端图像分析单元在每次接收到一定数量(大于等于预设值)的点位图像后,调用不是在服务器上的算法库模型,对于所有点位图像进行并发分析。
S2.基于人脸框位置生成人脸框图,并基于算法库模型判断人脸框图中是否包含有口罩图像。
如图5所示,根据本发明的一种实施方式,算法模型库包括人脸检测模型和口罩分类模型,其中,基于人脸检测模型获取人脸框图,基于口罩分类模型获取人脸框图中包含的口罩图像。
其具体的分析运作流程如下。
图像输入后,首先使用人脸检测模型,划分出图像中的人脸框位置;
将上一步划分出的人脸框,各自输入到口罩分类模型,判定当前人脸是否佩戴口罩。
在本实施方式中,人脸检测模型使用高效的深度学习检测模型(包括且不限于:Fast_Rcnn,SSD,Yolo等)。
在本实施方式中,口罩分类模型使用高效的深度学习分类模型(包括且不限于:Resnet50,Resnet101,Inception-v4等)。
S3.分别统计每个直梯上传的实时点位图像中人脸框图和口罩图像的数量,若人脸框图的数量与口罩图像的数量相同,则直梯内的乘员全部佩戴有口罩,否则,向相应的直梯发出告警。
在本实施方式中,基于算法库模型的判断结果,统计分析单个直梯点位当前的乘客口罩佩戴情况。如果检测到的人脸数量等于口罩数量,证明当前乘客都带了口罩,如果检测到的人脸数量大于口罩数量,说明有乘客没有戴口罩,判定该点位存在未带口罩告警。在本实施方式中,云端服务器在短时间内并发分析完所有输入的点位图像后,将每个的分析结果整理为告警集合,下发到相对应的每个直梯点位。
根据本发明的一种实施方式,步骤S3中。向相应的直梯发出告警的步骤中,发出告警的同时停止电梯的运行。
在本实施方式中,报警控制单元具有外接的网络串口,能够接收云端图像分析单元下发的告警信号;报警控制单元在接收到告警信号后,报警控制单元会对于板上的喇叭硬件下发语音播放指令,向当前直梯内的乘客提示佩戴上口罩的告警;之后,报警控制单元会对直梯的内部电路,下发阻断运行的信号,让直梯处于停梯状态,阻止未带口罩的乘客乘坐电梯,达到降低病毒传波的目的。
如图2所示,根据本发明的一种实施方式,根据本发明的一种检测系统,包括:设置于直梯内部的视频采集单元,与视频采集单元相连接的云端图像分析单元,以及与云端图像分析单元相连且安装于直梯上的报警控制单元.在本实施方式中,视频采集单元用于采集直梯内的实时点位图像,云端图像分析单元用于获取人脸框图和口罩图像,并判断人脸框图和口罩图像的数量,报警控制单元用于向直梯内成员发出告警并控制直梯的运行。在本实施方式中,视频采集单元包括但不限于监控摄相机,双目相机,深度相机等获取图像数据的设备。云端图像分析单元主要负责,对于所有电梯采集到的实时直梯场景数据进行时间分析,通过将深度学习模型部署在云服务器的方式(此处使用的云服务器包括且不限于:阿里云,京东云,百度云,华为云等),对于当前直梯图像中是否存在有没带口罩的对象进行判断,选择是否下发告警信号。报警控制单元包括且不限于CPU,ARM,DSP,GPU,FPGA,ASIC,单片机等通用计算设备,在接收到告警信息之后,对于直梯内原本的内部电路进行阻断操作,控制其无法运行,并且电路板上的喇叭播放告警语音。
如图2所示,根据本发明的一种实施方式,报警控制单元包括:用于接收云端图像分析单元下发的告警信号的网络串口,用于发出告警信息的语音装置(如喇叭),以及用于控制电梯运行的控制电路,该控制电路与直梯的内部电路相连接。
上述内容仅为本发明的具体方案的例子,对于其中未详尽描述的设备和结构,应当理解为采取本领域已有的通用设备及通用方法来予以实施。
以上所述仅为本发明的一个方案而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种用于直梯内乘员佩戴口罩的检测方法,包括以下步骤:
S1.获取多个直梯内的实时点位图像,基于算法库模型对每个直梯上传的所述实时点位图像中的人脸框位置分别进行划分;
S2.基于所述人脸框位置生成人脸框图,并基于所述算法库模型判断所述人脸框图中是否包含有口罩图像;
S3.分别统计每个直梯上传的所述实时点位图像中所述人脸框图和所述口罩图像的数量,若所述人脸框图的数量与所述口罩图像的数量相同,则所述直梯内的乘员全部佩戴有口罩,否则,向相应的所述直梯发出告警。
2.根据权利要求1所述的检测方法,其特征在于,步骤S1中,若所述实时点位图像的数量超过预设值,则调用外部的算法模型库对所述所述实时点位图像进行人脸框位置的划分。
3.根据权利要求2所述的检测方法,其特征在于,所述算法模型库包括人脸检测模型和口罩分类模型,其中,基于所述人脸检测模型获取所述人脸框图,基于所述口罩分类模型获取所述人脸框图中包含的所述口罩图像。
4.根据权利要求3所述的检测方法,其特征在于,所述人脸检测模型采用深度学习检测模型;
所述口罩分类模型采用深度学习分类模型。
5.根据权利要求4所述的检测方法,其特征在于,步骤S3中。向相应的所述直梯发出告警的步骤中,发出告警的同时停止所述电梯的运行。
6.根据权利要求1至5任一项所述的检测方法,其特征在于,步骤S3中,若所述人脸框图的数量与所述口罩图像的数量不相同,则整理为告警集合并下发至相应的直梯。
7.一种用于权利要求1至6任一项所述的检测方法的检测系统,其特征在于,包括:设置于直梯内部的视频采集单元,与所述视频采集单元相连接的云端图像分析单元,以及与所述云端图像分析单元相连且安装于直梯上的报警控制单元;
所述视频采集单元用于采集直梯内的实时点位图像,所述云端图像分析单元用于获取人脸框图和口罩图像,并判断所述人脸框图和所述口罩图像的数量,所述报警控制单元用于向直梯内成员发出告警并控制直梯的运行。
8.根据权利要求7所述的检测系统,其特征在于,所述报警控制单元包括:用于接收所述云端图像分析单元下发的告警信号的网络串口,用于发出告警信息的语音装置,以及用于控制电梯运行的控制电路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010880055.1A CN112183207A (zh) | 2020-08-27 | 2020-08-27 | 一种用于直梯内乘员佩戴口罩的检测方法及检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010880055.1A CN112183207A (zh) | 2020-08-27 | 2020-08-27 | 一种用于直梯内乘员佩戴口罩的检测方法及检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112183207A true CN112183207A (zh) | 2021-01-05 |
Family
ID=73925379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010880055.1A Pending CN112183207A (zh) | 2020-08-27 | 2020-08-27 | 一种用于直梯内乘员佩戴口罩的检测方法及检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112183207A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112861687A (zh) * | 2021-02-01 | 2021-05-28 | 郑州大学 | 用于门禁系统的口罩佩戴检测方法、装置、设备和介质 |
CN113435361A (zh) * | 2021-07-01 | 2021-09-24 | 南开大学 | 一种基于深度相机的口罩识别方法 |
CN113762095A (zh) * | 2021-08-18 | 2021-12-07 | 东软集团股份有限公司 | 口罩识别方法、装置、存储介质及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160311646A1 (en) * | 2013-12-23 | 2016-10-27 | Edward A. Bryant | Elevator control system |
CN110002314A (zh) * | 2018-08-09 | 2019-07-12 | 浙江新再灵科技股份有限公司 | 一种基于深度学习的电梯乘客被困人数检测系统 |
CN111382719A (zh) * | 2020-03-18 | 2020-07-07 | 浙江新再灵科技股份有限公司 | 用于疫情防控的直梯乘梯人员佩戴口罩监测方法 |
CN111556294A (zh) * | 2020-05-11 | 2020-08-18 | 腾讯科技(深圳)有限公司 | 安全监测方法、装置、服务器、终端及可读存储介质 |
-
2020
- 2020-08-27 CN CN202010880055.1A patent/CN112183207A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160311646A1 (en) * | 2013-12-23 | 2016-10-27 | Edward A. Bryant | Elevator control system |
CN110002314A (zh) * | 2018-08-09 | 2019-07-12 | 浙江新再灵科技股份有限公司 | 一种基于深度学习的电梯乘客被困人数检测系统 |
CN111382719A (zh) * | 2020-03-18 | 2020-07-07 | 浙江新再灵科技股份有限公司 | 用于疫情防控的直梯乘梯人员佩戴口罩监测方法 |
CN111556294A (zh) * | 2020-05-11 | 2020-08-18 | 腾讯科技(深圳)有限公司 | 安全监测方法、装置、服务器、终端及可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112861687A (zh) * | 2021-02-01 | 2021-05-28 | 郑州大学 | 用于门禁系统的口罩佩戴检测方法、装置、设备和介质 |
CN112861687B (zh) * | 2021-02-01 | 2023-08-08 | 郑州大学 | 用于门禁系统的口罩佩戴检测方法、装置、设备和介质 |
CN113435361A (zh) * | 2021-07-01 | 2021-09-24 | 南开大学 | 一种基于深度相机的口罩识别方法 |
CN113762095A (zh) * | 2021-08-18 | 2021-12-07 | 东软集团股份有限公司 | 口罩识别方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112183207A (zh) | 一种用于直梯内乘员佩戴口罩的检测方法及检测系统 | |
KR102195706B1 (ko) | 침입 탐지방법 및 그 장치 | |
KR102300640B1 (ko) | 재실자 인원 실시간 모니터링을 위한 cctv 영상정보 분석 시스템 및 그 방법 | |
CN109377697A (zh) | 一种密集摄像机头环境下快速报警处置方法 | |
KR100822476B1 (ko) | 원격 응급상황 모니터링 시스템 및 방법 | |
CN110634506A (zh) | 一种语音数据的处理方法及装置 | |
CN111382719A (zh) | 用于疫情防控的直梯乘梯人员佩戴口罩监测方法 | |
US11935303B2 (en) | System and method for mitigating crowd panic detection | |
JP2012212236A (ja) | 放置人物検出装置 | |
Amir et al. | Real-time threshold-based fall detection system using wearable IoT | |
ATE403917T1 (de) | Verfahren und einrichtung für durchgangskontrolle und/oder personenvereinzelung | |
KR101509223B1 (ko) | 모니터링 자동 포착기능이 구비된 보안 시스템 및 그 보안 처리방법 | |
JP2019152943A (ja) | 危険度検知装置、危険度検知方法、及び危険度検知プログラム | |
CN110300280A (zh) | 一种景区客流监控系统 | |
KR101752066B1 (ko) | 엘리베이터 탑승자의 환경정보를 이용한 비상상황 감지시스템 및 그 방법 | |
JP2009193464A (ja) | 隠蔽検知装置、画像監視システム、隠蔽検知方法及び隠蔽検知プログラム | |
JP2021087103A (ja) | 情報処理装置、情報処理装置の制御方法およびプログラム | |
Pang et al. | Human behavioral analytics system for video surveillance | |
US20110234794A1 (en) | Uni-directional traffic monitoring system | |
WO2023141381A1 (en) | Computer vision system and methods for anomalous event detection | |
JP2004192459A (ja) | 異常事象検出装置 | |
CN114281656A (zh) | 一种智能中控系统 | |
KR20230039468A (ko) | 영상의 객체 간 상호작용행위 검출 장치 및 방법 | |
CN111985309A (zh) | 告警方法、摄像器件及存储装置 | |
Thakkar et al. | Real Time Social Distance Monitoring with Alarm System |
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: 20210105 |