CN112216062A - 社区安全预警方法、装置、计算机设备以及系统 - Google Patents
社区安全预警方法、装置、计算机设备以及系统 Download PDFInfo
- Publication number
- CN112216062A CN112216062A CN202010955585.8A CN202010955585A CN112216062A CN 112216062 A CN112216062 A CN 112216062A CN 202010955585 A CN202010955585 A CN 202010955585A CN 112216062 A CN112216062 A CN 112216062A
- Authority
- CN
- China
- Prior art keywords
- target object
- posture
- model
- preset
- early warning
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 89
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 5
- 230000036544 posture Effects 0.000 description 144
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Child & Adolescent Psychology (AREA)
- Evolutionary Biology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及本申请涉及社区安全管理的技术领域,尤其是涉及一种社区安全预警方法、装置、计算机设备以及系统,其包括从摄像头采集能够监控到目标对象在预设区域活动的监控视频流,获取目标对象在井盖区域逗留的逗留时间,将监控视频流解析呈若干帧对象的姿势图像,生成目标对象的姿势信息构建目标对象的姿势模型,在将目标对象的姿势模型与预设的基准模型比较,并判断目标对象的状态类型以及目标对象的在井盖区域逗留的逗留时间,以确定是否向监控终端发送安全预警信息,便于及时通知社区的安保人员前去查看,以对事故情况作出预警处理。本申请具有能够及时通知社区的安保人员,以使安保人员能够及时获知事故情况并作出处理的效果。
Description
技术领域
本申请涉及社区安全管理的技术领域,尤其是涉及一种社区安全预警方法、装置、计算机设备以及系统。
背景技术
随着社会经济的发展,为了能够解决路面排水问题,社区中公园以及马路上的路面会有多个下水井,为避免下水井被路面上的杂物堵塞,下水井井口处会安放有井盖,井盖上设置有排水口,以对路面上的积水排走。
当井盖使用一段时间后,由于时常车辆路过路面时产生的振动以及雨水的冲击,井盖会破裂损坏,甚至会出现井盖缺失的情况。而小孩时常在社区的公园玩耍,由于对下水井的认识能力不足,且身旁并无大人看管,在玩耍的过程中易发生踩空并掉落至下水道的安全事故,当小孩掉落至下水道时,需要路过的人们发现后并才能通知社区的安保人员进行处理,如此不便于安保人员及时获知事故情况并作出预警处理和判断,延误了事故处理时间。
发明内容
为了能够及时通知社区的安保人员,以使安保人员能够及时获知事故情况并作出预警处理,本申请是提供一种社区安全预警方法、装置、计算机设备以及系统。
第一方面,本申请提供一种社区安全预警方法,采用如下的技术方案:
一种社区安全预警方法,其特征在于,包括:
实时获取目标对象在包括井盖的预设区域活动的监控视频流,并确定述目标对象在预设的井盖区域逗留的逗留时间;
将所述监控视频流分成若干帧连续的所述目标对象的姿势图像,并对若干帧连续的所述目标对象的姿势图像进行解析,生成目标对象的姿势信息,并基于所述目标对象的姿势信息构建所述目标对象的姿势模型;
将所述目标对象的姿势模型与预设的基准模型相对比,得出对比结果;
根据所述比较结果判断所述目标对象处于所述预设区域的状态类型,所述状态类型包括正常状态、逗留状态以及掉落状态;
根据所述目标对象的状态类型以及所述目标对象在预设区域逗留的逗留时间,确定是否向监控终端发送安全预警信息。
通过采用上述技术方案,首先从摄像头采集能够监控到目标对象在预设区域活动的监控视频流,同时获取所述目标对象在预设区域逗留的逗留时间,将监控视频流分成若干帧连续并目标对象的姿势图像并对其解析,以生成目标对象的相关姿势信息,并根据这些姿势信息构建目标对象的姿势模型,再将目标对象的姿势模型与预设的基准模型对比,以得出对比结果,然后基于对比结果判断目标对象的状态类型以及目标对象的在预设区域逗留的逗留时间,以确定是否向监控终端发送安全预警信息,便于及时通知社区的安保人员前去查看,以对事故情况作出预警处理。
进一步的,所述确定是否向监控终端发送安全预警信息的步骤,包括:
当目标对象确定为逗留状态,且所述目标对象逗留预设区域的逗留时间达到预设的时间阈值,确定向监控终端发送安全预警信息;
当目标对象确定为掉落状态,且所述目标对象逗留预设区域的逗留时间达到预设的时间阈值,确定向监控终端发送安全预警信息。
通过采用上述技术方案,当目标对象处于逗留状态,且目标对象逗留在预设区域的逗留时间达到预设的时间阈值,表明目标对象掉落至下水道,确定向监控终端发送安全预警信息,以能够及时通知社区的安保人员,并及时去查看目标对象在预设区域的情况以及警示目标对象勿在预设区域逗留;当目标对象处于掉落状态,且目标对象逗留预设区域的逗留时间达到预设的时间阈值时,确定向监控终端发送安全预警信息,以能够及时通知社区的的安保人员,目标对象掉落下水井需及时救援,使社区的安保人员快速作出处理并前去救援。
进一步的,所述确定状态类型为逗留状态的步骤,包括:
获取若干帧连续的所述目标对象的蹲姿或站姿的姿势图像,生成所述目标对象的蹲姿或站姿的姿势信息,并构建所述目标对象蹲姿或站姿的姿势模型;
基于所述目标对象的蹲姿或站姿的姿势模型与预设的基准模型进行对比:
当所述目标对象的蹲姿或站姿的姿势模型进行对比,并达到预设的匹配度时,确定所述状态类型为逗留状态;
当所述目标对象的蹲姿或站姿的姿势模型进行对比,并未达到预设的匹配度时,确定所述状态类型为正常状态。
通过采用上述技术方案,首先获取若干帧连续目标对象的站姿或蹲姿的姿势图像并解析,生成与若干帧连续的姿势图像一一对应的姿势模型,基于姿势模型设置与预设的基准模型对比匹配,并达到预设的匹配度时,确定状态状态类型为逗留状态,若未达到预设的匹配度时,确定为正常状态,从而能够判断目标对象是否在预设区域逗留。
进一步的,所述确定所述状态类型为掉落状态的步骤,包括:
获取若干帧连续的所述目标对象的掉落姿势的姿势图像,以生成所述目标对象的掉落姿势的姿势信息,并根据所述目标对象的掉落姿势信息构建掉落姿势的姿势模型;
基于所述目标对象的掉落姿势的姿势模型与预设的基准模型进行对比:
当所述目标对象的掉落姿势的姿势模型与预设的基准模型进行对比,且达到预设的匹配度时,确定所述状态类型为掉落状态;
当所述目标对象的掉落姿势的姿势模型与预设的基准模型进行对比,且未达到预设的匹配度时,确定所述状态类型为正常状态。
通过采用上述技术方案,获取顶若干帧连续的所述目标对象掉落姿势图像,以生成姿势模型,基于姿势模型与预设的基准模型对比匹配,当姿势模型与预设的基准模型匹配且达到预设的匹配度时,确定状态类型为掉落状态,若未达到预设的匹配度,确定状态类型为正常状态,从而能够判断目标对象是否掉落下水道。
进一步的,还包括:
实时获取井盖的捕捉图像;
基于井盖的捕捉图像与预设的基准图像进行比较,得出比较结果;
根据所述对比结果确定是否向监控终端发送安全预警信息;
当所述井盖的捕捉图像与预设的基准图像进行对比,且匹配度未达到预设的匹配度,则确定向监控终端发送安全预警信息。
通过采用上述技术方案,获取井盖的捕捉图像,基于井盖的捕捉图像与预设的基准图像对比,以得出比较结果,当井盖的捕捉图像与预设的基准图像对比并达到匹配度,表明井盖安全正常,当井盖的捕捉图像与预设的基准图像对比并未达到匹配度时,表明井盖丢失或损坏,从而确定向监控终端发送安全预警信息,以使井盖能够及时补上或维护,减少目标对象踩空掉落至下水道的事故发生。
第二方面,本申请提供一种社区安全预警装置,采用如下的技术方案:
一种社区安全预警装置,包括,
视频获取模块:用于实时获取从摄像头采集目标对象在井盖顶区域的监控视频流,并获取所述目标任务在预设区域逗留的逗留时间;
视频解析模块:用于将监控视频流分成若干帧连续的姿势图像并解析,生成所述目标对象的姿势信息,并基于所述目标对象的姿势信息构建所述目标对象的姿势模型;
对比模块:用于基于目标对象的姿势模型与预设的基准模型对比,并生成对比结果;
判断模块:用于根据对比结果判断所述目标对象的状态类型;
第一执行模块:用于基于所述目标对象的状态类型与所述目标对象的逗留时间,确定是否向监控终端发送安全预警信息。
通过采用上述技术方案,视频获取模块从摄像头采集目标对象在预设区域的监控视频流,以及目标对象逗留预设区域的逗留时间,视频解析模块将监控视频流分成若干帧连续的姿势图像并解析,生成目标对象的姿势信息,并基于目标对象的姿势信息构建姿势模型,比较模块会基于状态模型与预设的基准模型对比并生成对比结果,判断模块根据对比结果判断目标对象的状态类型,第一预警执行模块基于目标对象的状态类型与逗留时间确定是否向监控终端发送安全预警信息,以及时通知社区的安保人员及时对事故作出预警处理。
进一步的,还包括:
图像获取模块:用于实时获取井盖的捕捉图像;
井盖比较模块:用于将井盖的捕捉图像与预设的基准图像比较,得出比较结果;
第二执行模块:用于根据比较结果确定是否向监控终端发送安全预警信息。
通过采用上述技术方案,首先图像获取模块获取井盖的的捕捉图像,井盖比较模块将井盖的捕捉图像与预设的基准图像比较,以得出比较结果,第二执行模块根据比较结果确定是否向监控终端发送安全预警信息,从而能够判断井盖是否丢失或松动破损的情况,实现对井盖的预警监控,使社区安保人员能够提前做出维护措施,减少目标对象在路面行走时掉落至下水道中的危险。
第三方面,本申请提供一种计算机设备,采用如下的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行上述一种社区安全预警方法的计算机程序。
第四方面,本申请提供一种计算机可读存储介质,采用如下技术方案:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述一种社区安全预警方法的步骤。
第五方面,本申请提供一种社区安全预警系统,采用如下的技术方案:
一种社区安全预警系统,包括:
摄像头:用于实时拍摄采集目标对象在预设区域的监控画面;
计算机设备:包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如权利要求1至5中任一项所述的一种社区安全预警方法的计算机程序。
综上所述,本申请包括以下至少一种有益技术效果:
1.从摄像头采集能够监控到目标对象在预设区域活动的监控视频流,获取所述目标对象在预设区域逗留的逗留时间,将监控视频流解析呈若干帧目标对象的姿势图像,生成目标对象的姿势信息,并根据这些姿势信息构建目标对象的姿势模型,在将目标对象的姿势模型与预设的基准模型比较,然后基于比较结果判断目标对象的状态类型以及目标对象的在预设区域逗留的逗留时间,以确定是否向监控终端发送安全预警信息,便于及时通知社区的安保人员前去查看,以对事故情况作出预警处理;
2.当目标对象为逗留状态,且目标对象逗留在预设的预设区域的逗留时间达到预设的时间阈值,表明目标对象在预设区域逗留,确定向监控终端发送安全预警信息,以及时去查看目标对象在预设区域的情况以及警示目标对象勿在预设区域逗留;
3.当目标对象处于掉落状态,且目标对象逗留预设的预设区域的逗留时间达到预设的时间阈值时,确定向监控终端发送安全预警信息,以能够及时通知社区的的安保人员,目标对象掉落下水井需及时救援,使社区的安保人员快速作出处理并前去救援。
附图说明
图1是本申请实施例一种社区安全预警系统的结构框图;
图2是本申请实施例一种社区安全预警方法的流程示意图;。
图3是本申请实施例一种社区安全预警装置的结构框图;
图4是本申请实施例一种社区安全预警装置的另一实现结构框图;
图5是本申请实施例一种计算机设备的结构框图。
图中, 1、摄像头;2、计算机设备;3、视频获取模块;4、视频解析模块;5、对比模块;6、判断模块;7、第一执行模块;8、图像获取模块;9、井盖比较模块;10、第二执行模块。
具体实施方式
以下结合附图1-5对本申请作进一步详细说明。
本申请实施例公开一种社区安全预警系统,如图1所示,包括:摄像头1以及计算机设备2。
摄像头1:用于实时拍摄采集目标对象在预设区域的监控画面。
计算机设备2:用于实时获取从摄像头1采集目标对象在预设区域的监控视频流,并将监控视频流解析成若干帧连续的目标对象的姿势图像,并获取所述目标对象在预设区域逗留的逗留时间,将由姿势图像构建成姿势模型且与预设的基准模型相对比,得出对比结果,根据对比结果判断目标对象的状态类型,基于状态类型以及目标对象的逗留时间确定是否向监控终端发送安全预警信息。另外用于获取井盖的的捕捉图像,将捕捉图像与预设的基准图像比较,以得出比较结果,基于比较结果确定是否向监控终端发送安全预警信息。
在本实施例中,摄像头1能够在社区中安装多个,以实现全方位监控,多个摄像头1与计算机设备2通信连接。其中,摄像头1为具有自动对焦功能的,安装于道路旁边,以实现获取目标对象的姿势图像,另外,竖直向下正对着井盖的方向也安装有摄像头1,实现检测井盖的捕捉图像。
为了便于存储摄像头1对监控区域拍摄的监控视频流数据,在计算机设备中建立关于摄像头1监控视频的数据存储区:输入关于社区安装摄像头1的位置信息,并根据摄像头1的位置信息生成对应摄像头1的标识信息,根据摄像头1的标识信息在数据库中建立与摄像头1关联的数据存储区。
基于一种社区安全预警系统,如图1所示,以实现一种社区安全预警方法,其包括:
S1、实时获取目标对象在预设的预设区域逗留的监控视频流,以及获取目标对象在预设区域逗留的逗留时间。
具体的,摄像头1的数量可根据社区里的路面下水井安装情况安装,以做到全方位监控井盖情况。同时,预设的预设区域是指摄像头1预先对准监控的所需井盖位置区域,且预设预设区域位于整个摄像头1监控的画面的中心处且占整个监控画面的三分之二。预设的预设区域包括整个井盖面积区域以及井盖附近1米的范围内。如:目标对象位于井盖上或距离井盖1米内的位置,则目标对象会处于预设的预设区域,并对位于预设的预设区域内的目标对象进行识别。在本实施例中,逗留时间是指目标对象进出预设的预设区域内的时间。
需在此说明的是,目标对象的识别可采用人脸识别技术对目标对象的脸部进行识别,进而对小孩的脸部特征进行识别,也可采用身高识别技术对目标对象进行识别。目标对象的识别可识别单个或多个,还可根据实际行为对目标对象进行识别。
S2、将监控视频流分成若干帧连续的目标对象的姿势图像,并对若干帧连续的目标对象的姿势图像进行解析,以生成目标对象的姿势信息,基于目标对象的姿势信息构建目标对象的姿势模型。
在本实施例中,将监控视频流解码并进行分帧处理,以分成若干帧连续的目标对象的姿势图像。然后将若干帧连续的目标对象的姿势图像进行解析处理,提取每帧图像中目标对象展示的姿势的外形轮廓特征点,外形轮廓的特征点可为目标对象的骨骼点或目标对象的关节位置,根据外形轮廓特征点生成目标对象的外形轮廓信息。基于目标对象的外形轮廓信息构建成目标对象的外形轮廓构成的姿势模型。
S3、将目标对象的姿势模型与预设的基准模型相对比,得出对比结果。
在本实施例中,预设的基准模型是指预设采集的标准姿势信息构建并存储的,用于与目标对象的姿势模型相对比,以判断目标对象的姿势。基准模型可为正常状态时的模型、逗留状态时的模型以及掉落状态时的模型,也可为其他状态时的模型。将目标对象的姿势模型与预设的基准模型相对比,以得出对比结果,如:目标对象的姿势模型与预设的基准模型对比匹配,若目标对象的姿势模型与预设的基准模型匹配度为95%,则确定目标对象的姿势。
S4、根据对比结果判断目标对象的状态类型,状态类型包括正常状态、逗留状态以及掉落状态。
在本实施例中,正常状态的姿势可为走姿(即目标对象正常路过预设的预设区域的姿势);逗留状态可为站姿以及蹲姿,即目标对象在预设的预设区域围观或活动姿势;掉落状态为掉落姿势,即目标对象从下水井掉落的姿势。
S5、根据目标对象的状态类型以及目标对象在预设的预设区域逗留的逗留时间,确定是否向监控终端发送安全预警信息。
具体的:
(1)当目标对象确定为逗留状态,且识别到目标对象逗留预设的预设区域的逗留时间达到预设的时间阈值,则确定向监控终端发送安全预警信息。
确定状态类型为逗留状态的步骤,包括:
获取若干帧连续的目标对象的蹲姿或站姿的姿势图像,生成目标对象的蹲姿或站姿的姿势信息,基于目标对象的姿势信息构建目标对象的蹲姿或站姿的姿势模型;
基于目标对象的蹲姿或站姿的姿势模型与预设的基准模型进行对比:
当目标对象的蹲姿或站姿的姿势模型与预设的基准模型进行对比,并达到或高于预设的匹配度时,确定状态类型为逗留状态;
当目标对象的蹲姿或站姿的姿势模型进行对比,并未达到或低于预设的匹配度时,确定状态类型为正常状态。
如:设预设的匹配度为90%,当目标对象的姿势模型与预设的基准模型进行对比,达到的匹配度为95%,则确定状态类型为逗留状态;当匹配度为85%,则确定状态类型为正常状态。
另外,确定逗留时间达到预设的时间阈值的具体步骤如下:
实时从监控视频流中获取识别到目标对象逗留在预设的预设区域的逗留时间。
当逗留时间达到预设的时间阈值时,则表示目标对象逗留在预设的预设区域中有异常,反之,表示目标对象无异常。
需要说明的是,预设的时间阈值是社区安防人员根据目标对象在预设预设区域中的实际情况进行设定的。如时间阈值为3秒,而获取到目标对象在预设区域的逗留时间达到3秒或高于3秒,则确定逗留时间达到预设时间阈值。
(2)当目标对象确定为掉落状态,且识别到目标对象逗留预设区域的逗留时间达到预设的时间阈值,则确定向监控终端发送安全预警信息。
其中,确定状态类型为掉落状态的具体步骤如下:
获取若干帧连续的目标对象的掉落姿势的姿势图像并解析,生成目标对象的掉落姿势的姿势信息,基于目标对象的姿势信息构建目标对象的掉落姿势的姿势模型;
基于目标对象的掉落姿势的姿势模型与预设的基准模型进行对比:
当目标对象的掉落姿势的姿势模型与预设的基准模型进行对比,且达到预设的匹配度时,确定状态类型为掉落状态;
当目标对象的掉落姿势的姿势模型与预设的基准模型进行对比,且未达到预设的匹配度时,确定状态类型为正常状态。
如:设预设的匹配度为90%,当识别到目标对象的掉落姿势图像并构建成掉落姿势的姿势模型,将目标对象的姿势模型与预设的基准模型库中的掉落姿势基准模型进行对比,达到的匹配度为95%,则确定状态类型为掉落状态;当匹配度为85%,则确定状态类型为正常状态。
如图2所示,一种社区安全预警方法,还包括:
S6、实时获取井盖的捕捉图像。
在本实施例中,井盖的捕捉图像从监控视频流中解码且分帧处理中得出。
S7、基于井盖的捕捉图像与预设的基准图像进行比较,得出比较结果。
其中,预设的基准图像是指利用预先采集完好的井盖图像设定的。将拍摄到井盖的捕捉图像与预设的基准图像相对比,并得出以下对比结果:
当井盖的捕捉图像与预设的基准图像进行对比,且匹配度未达到预设的匹配度,则表明井盖丢失或破损;
当井盖的的捕捉图像与预设的基准图像进行对比,且匹配度达到或高于预设的匹配度,则表明井盖无丢失或无破损;
S8、根据对比结果确定是否向监控终端发送安全预警信息。当确定井盖丢失或破损,确定向监控终端发送安全预警信息,以提醒社区安防人员及时更换或维护井盖,当确定井盖无丢失或破损,则确定不向监控终端发送安全预警信息。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施过程构成任何限定。
本申请实施例还公开一种社区安全预警装置,如图3所示,包括:
视频获取模块3:用于实时获取目标对象在包括井盖的预设区域的监控视频流,并获取目标对象在预设区域逗留的逗留时间;
视频解析模块4:用于将监控视频流分成若干帧连续的姿势图像,生成目标对象的姿势信息,以构建目标对象的姿势模型;
对比模块5:用于基于目标对象的姿势模型与预设的基准模型对比,并生成对比结果;
判断模块6:用于根据对比结果判断目标对象的状态类型;
第一执行模块7:用于基于目标对象的状态类型与目标对象的逗留时间,确定是否向监控终端发送安全预警信息。
如图所示,一种社区安全预警装置,与上述不同的是:
图像获取模块8:用于实时获取井盖的捕捉图像。
井盖比较模块9:用于将井盖的捕捉图像与预设的基准图像比较,得出比较结果。
第二执行模块10用于根据比较结果确定是否向监控终端发送安全预警信息。
在本实施例中,监控终端可以为能够接收安全预警信息的手机,也可为能够接收安全预警信息的平板电脑,也可以为其他能够接收安全预警信息的任何终端设备。一方面视频获取模块4获取监控视频流,并获取目标对象在预设区域逗留的逗留时间,经过视频解析模块3进行解析处理,并构建目标对象的姿势模型,在比较模块中基于目标对象的姿势模型与预设的基准模型相对比,并生成比较结果,判断模块6判断目标对象的状态类型,第一执行模块7基于目标对象的状态类型与目标对象的逗留时间,确定是否向监控终端发送安全预警信息。另一方面,井盖图像获取模块8实施获取井盖的捕捉图像,井盖比较模块9将井盖的捕捉图像与预设得到基准图像相比较,以生成比较结果,第二执行模块10根据比较结果确定是否向监控终端发送安全预警信息。
关于社区安全预警装置的具体限定可以参见上文中对于社区安全预警方法的限定,在此不再赘述。上述社区安全预警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备2中的处理器中,也可以以软件形式存储于计算机设备2中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本申请实施例还公开一种计算机设备2,该计算机设备2为服务器,如图4所示,其包括通过系统总线连接的处理器、存储器以及存储在存储器上并在处理器上运行的计算机程序。该计算机程序被处理器执行时以实现一种社区安全预警方法的步骤的如下:
S1、实时获取从摄像头1采集目标对象在预设区域的监控视频流;
S2、将监控视频流分成若干帧连续的目标对象的姿势图像,并对若干帧连续的目标对象的姿势图像进行解析,以生成目标对象的姿势信息,根据目标对象的姿势信息构建目标对象的姿势模型,并获取目标对象在预设区域逗留的逗留时间;
S3、将目标对象的姿势模型与预设的基准模型相对比,得出对比结果;
S4、根据对比结果判断目标对象的状态类型,状态类型包括正常状态、逗留状态以及掉落状态;
S5、根据目标对象的状态类型以及目标对象在预设区域逗留的逗留时间,确定是否向监控终端发送安全预警信息;
S6、实时获取井盖的捕捉图像;
S7、基于井盖的捕捉图像与预设的基准图像进行比较,得出比较结果;
S8、根据对比结果确定是否向监控终端发送安全预警信息。
同时还包括网络接口和数据库。其中,该计算机设备2的处理器用于提供计算和控制能力。该计算机设备2的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库,该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备2的数据库用于存储摄像头1的位置信息、目标对象的姿势图像、目标对象的姿势信息、姿势模型信息、基准模型信息,以及井盖的捕捉图像与基准图像等信息。该计算机设备2的网络接口用于与外部的终端通过网络连接通信。
本申请实施例还公开了一种计算机可存储介质,其存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
S1、实时获取从摄像头1采集目标对象在预设区域的监控视频流;
S2、将监控视频流分成若干帧连续的目标对象的姿势图像,并对若干帧连续的目标对象的姿势图像进行解析,以生成目标对象的姿势信息,根据目标对象的姿势信息构建目标对象的姿势模型,并获取目标对象在预设区域逗留的逗留时间;
S3、将目标对象的姿势模型与预设的基准模型相对比,得出对比结果;
S4、根据对比结果判断目标对象的状态类型,状态类型包括正常状态、逗留状态以及掉落状态;
S5、根据目标对象的状态类型以及目标对象在预设区域逗留的逗留时间,确定是否向监控终端发送安全预警信息;
S6、实时获取井盖的捕捉图像;
S7、基于井盖的捕捉图像与预设的基准图像进行比较,得出比较结果;
S8、根据对比结果确定是否向监控终端发送安全预警信息。
本领域普通技术人员可以理解实现一种社区安全预警方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、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单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
Claims (10)
1.一种社区安全预警方法,其特征在于,包括:
实时获取目标对象在包括井盖的预设区域活动的监控视频流,并确定述目标对象在预设的井盖区域逗留的逗留时间;
将所述监控视频流分成若干帧连续的所述目标对象的姿势图像,并对若干帧连续的所述目标对象的姿势图像进行解析,生成目标对象的姿势信息,并基于所述目标对象的姿势信息构建所述目标对象的姿势模型;
将所述目标对象的姿势模型与预设的基准模型相对比,得出对比结果;
根据所述比较结果判断所述目标对象处于所述预设区域的状态类型,所述状态类型包括正常状态、逗留状态以及掉落状态;
根据所述目标对象的状态类型以及所述目标对象在预设区域逗留的逗留时间,确定是否向监控终端发送安全预警信息。
2.根据权利要求1所述的方法,其特征在于,所述确定是否向监控终端发送安全预警信息的步骤,包括:
当目标对象确定为逗留状态,且所述目标对象逗留预设区域的逗留时间达到预设的时间阈值,确定向监控终端发送安全预警信息;
当目标对象确定为掉落状态,且所述目标对象逗留预设区域的逗留时间达到预设的时间阈值,确定向监控终端发送安全预警信息。
3.根据权利要求2所述的方法,其特征在于,所述确定状态类型为逗留状态的步骤,包括:
获取若干帧连续的所述目标对象的蹲姿或站姿的姿势图像,生成所述目标对象的蹲姿或站姿的姿势信息,并构建所述目标对象蹲姿或站姿的姿势模型;
基于所述目标对象的蹲姿或站姿的姿势模型与预设的基准模型进行对比:
当所述目标对象的蹲姿或站姿的姿势模型进行对比,并达到预设的匹配度时,确定所述状态类型为逗留状态;
当所述目标对象的蹲姿或站姿的姿势模型进行对比,并未达到预设的匹配度时,确定所述状态类型为正常状态。
4.根据权利要求2述的方法,其特征在于,所述确定所述状态类型为掉落状态的步骤,包括:
获取若干帧连续的所述目标对象的掉落姿势的姿势图像,以生成所述目标对象的掉落姿势的姿势信息,并根据所述目标对象的掉落姿势信息构建掉落姿势的姿势模型;
基于所述目标对象的掉落姿势的姿势模型与预设的基准模型进行对比:
当所述目标对象的掉落姿势的姿势模型与预设的基准模型进行对比,且达到预设的匹配度时,确定所述状态类型为掉落状态;
当所述目标对象的掉落姿势的姿势模型与预设的基准模型进行对比,且未达到预设的匹配度时,确定所述状态类型为正常状态。
5.根据权利要求1所述的方法,其特征在于,还包括:
实时获取井盖的捕捉图像;
基于井盖的捕捉图像与预设的基准图像进行比较,得出比较结果;
根据所述对比结果确定是否向监控终端发送安全预警信息;
当所述井盖的捕捉图像与预设的基准图像进行对比,且匹配度未达到预设的匹配度,则确定向监控终端发送安全预警信息。
6.一种社区安全预警装置,其特征在于,包括,
视频获取模块:用于实时获取目标对象在井盖顶区域的监控视频流,并获取所述目标任务在预设区域逗留的逗留时间;
视频解析模块:用于将监控视频流分成若干帧连续的姿势图像并解析,生成所述目标对象的姿势信息,并基于所述目标对象的姿势信息构建所述目标对象的姿势模型;
对比模块:用于基于目标对象的姿势模型与预设的基准模型对比,并生成对比结果;
判断模块:用于根据对比结果判断所述目标对象的状态类型;
第一执行模块:用于基于所述目标对象的状态类型与所述目标对象的逗留时间,确定是否向监控终端发送安全预警信息。
7.根据权利要求6所述的一种社区安全预警装置,其特征在于,还包括:
图像获取模块:用于实时获取井盖的捕捉图像;
井盖比较模块:用于将井盖的捕捉图像与预设的基准图像比较,得出比较结果;
第二执行模块:用于根据比较结果确定是否向监控终端发送安全预警信息。
8.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如权利要求1至5中任一项所述的一种社区安全预警方法的计算机程序。
9.一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存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的一种社区安全预警方法的步骤。
10.一种社区安全预警系统,其特征在于,包括:
摄像头:用于实时拍摄采集目标对象在预设区域的监控画面;
计算机设备:包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行如权利要求1至5中任一项所述的一种社区安全预警方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010955585.8A CN112216062B (zh) | 2020-09-11 | 2020-09-11 | 社区安全预警方法、装置、计算机设备以及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010955585.8A CN112216062B (zh) | 2020-09-11 | 2020-09-11 | 社区安全预警方法、装置、计算机设备以及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112216062A true CN112216062A (zh) | 2021-01-12 |
CN112216062B CN112216062B (zh) | 2022-05-06 |
Family
ID=74050444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010955585.8A Expired - Fee Related CN112216062B (zh) | 2020-09-11 | 2020-09-11 | 社区安全预警方法、装置、计算机设备以及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112216062B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591904A (zh) * | 2021-06-17 | 2021-11-02 | 浙江大华技术股份有限公司 | 逗留时间统计方法、货品调整方法及相关装置 |
CN113656614A (zh) * | 2021-08-25 | 2021-11-16 | 深圳市进化城市设计有限公司 | 一种用于城市设计的管理系统 |
CN114462907A (zh) * | 2021-07-12 | 2022-05-10 | 广东利丰石化物流有限公司 | 危化品运输监控方法、装置、电子设备以及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722715A (zh) * | 2012-05-21 | 2012-10-10 | 华南理工大学 | 一种基于人体姿势状态判决的跌倒检测方法 |
CN105575049A (zh) * | 2015-06-26 | 2016-05-11 | 宇龙计算机通信科技(深圳)有限公司 | 一种预警方法、装置及终端 |
CN105952169A (zh) * | 2016-05-24 | 2016-09-21 | 扬州市东宇环保设备有限公司 | 一种建筑井洞的防坠落装置 |
DE102016110459A1 (de) * | 2015-06-07 | 2016-12-08 | BOS Connect GmbH | Verfahren und System zur Lageermittlung und Einsatzdokumentation bei Gefahrguteinsätzen |
CN107250947A (zh) * | 2014-12-16 | 2017-10-13 | 索玛提克斯公司 | 用于监控和影响基于姿势的行为的方法和系统 |
CN207164968U (zh) * | 2016-12-29 | 2018-03-30 | 重庆奥海辉龙大数据有限公司 | 井盖监测预警设备及系统 |
CN108474866A (zh) * | 2018-03-23 | 2018-08-31 | 深圳市锐明技术股份有限公司 | 一种基于深度学习的井盖缺失检测系统及方法 |
CN110930623A (zh) * | 2019-11-20 | 2020-03-27 | 万翼科技有限公司 | 危险预警方法及装置 |
CN111091683A (zh) * | 2019-12-27 | 2020-05-01 | 恒大智慧科技有限公司 | 智慧社区儿童看护预警方法及系统 |
CN111145476A (zh) * | 2019-12-26 | 2020-05-12 | 星络智能科技有限公司 | 一种儿童防坠落控制方法 |
-
2020
- 2020-09-11 CN CN202010955585.8A patent/CN112216062B/zh not_active Expired - Fee Related
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102722715A (zh) * | 2012-05-21 | 2012-10-10 | 华南理工大学 | 一种基于人体姿势状态判决的跌倒检测方法 |
CN107250947A (zh) * | 2014-12-16 | 2017-10-13 | 索玛提克斯公司 | 用于监控和影响基于姿势的行为的方法和系统 |
DE102016110459A1 (de) * | 2015-06-07 | 2016-12-08 | BOS Connect GmbH | Verfahren und System zur Lageermittlung und Einsatzdokumentation bei Gefahrguteinsätzen |
CN105575049A (zh) * | 2015-06-26 | 2016-05-11 | 宇龙计算机通信科技(深圳)有限公司 | 一种预警方法、装置及终端 |
CN105952169A (zh) * | 2016-05-24 | 2016-09-21 | 扬州市东宇环保设备有限公司 | 一种建筑井洞的防坠落装置 |
CN207164968U (zh) * | 2016-12-29 | 2018-03-30 | 重庆奥海辉龙大数据有限公司 | 井盖监测预警设备及系统 |
CN108474866A (zh) * | 2018-03-23 | 2018-08-31 | 深圳市锐明技术股份有限公司 | 一种基于深度学习的井盖缺失检测系统及方法 |
CN110930623A (zh) * | 2019-11-20 | 2020-03-27 | 万翼科技有限公司 | 危险预警方法及装置 |
CN111145476A (zh) * | 2019-12-26 | 2020-05-12 | 星络智能科技有限公司 | 一种儿童防坠落控制方法 |
CN111091683A (zh) * | 2019-12-27 | 2020-05-01 | 恒大智慧科技有限公司 | 智慧社区儿童看护预警方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113591904A (zh) * | 2021-06-17 | 2021-11-02 | 浙江大华技术股份有限公司 | 逗留时间统计方法、货品调整方法及相关装置 |
CN114462907A (zh) * | 2021-07-12 | 2022-05-10 | 广东利丰石化物流有限公司 | 危化品运输监控方法、装置、电子设备以及系统 |
CN113656614A (zh) * | 2021-08-25 | 2021-11-16 | 深圳市进化城市设计有限公司 | 一种用于城市设计的管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112216062B (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112216062B (zh) | 社区安全预警方法、装置、计算机设备以及系统 | |
CN109214779A (zh) | 施工现场信息管控系统 | |
CN110781750A (zh) | 危险人物监控处理方法、装置、计算机设备和存储介质 | |
CN113095132B (zh) | 基于神经网络燃气现场识别方法、系统、终端及存储介质 | |
CN110733983A (zh) | 一种塔吊安全控制系统及其控制方法 | |
CN111652185A (zh) | 一种基于违章行为识别的安全施工方法、系统、装置及存储介质 | |
CN112040172A (zh) | 井盖监控方法、装置、计算机设备和存储介质 | |
KR20220077404A (ko) | 근로자 안전을 위한 다단계 작업현장 안전 관제 방법 및 시스템 | |
CN111027518A (zh) | 可疑人群智能报警方法、装置、计算机设备及存储介质 | |
CN113971829A (zh) | 安全帽佩戴情况的智能检测方法、装置、设备及存储介质 | |
CN210222962U (zh) | 一种智能电子围栏系统 | |
CN112381435A (zh) | 水电站作业过程动态风险的网格化定向推送管理方法 | |
CN112885013A (zh) | 监控预警方法、装置和可读存储介质 | |
CN117973705A (zh) | 智慧工地监测系统的数据处理与分析系统及方法 | |
CN112017401A (zh) | 监测人员安全的警报系统、相应的方法和存储介质 | |
CN114387563A (zh) | 安保装置及方法 | |
CN112216073B (zh) | 一种梯子违规操作告警方法及装置 | |
CN112487976A (zh) | 基于图像识别的监测方法、装置和存储介质 | |
CN111461655A (zh) | 一种人员管理系统 | |
CN116645530A (zh) | 基于图像比对的施工检测方法、装置、设备及存储介质 | |
CN116403363A (zh) | 用于工地的高空坠落物监测方法、系统、设备及介质 | |
CN114419475A (zh) | 基于视频信息行为模式识别的施工安全判别方法及系统 | |
CN116052356A (zh) | 一种智能工地监控平台 | |
KR101874639B1 (ko) | 모션 센서를 이용한 엘리베이터용 감시 카메라 장치 | |
CN115953815A (zh) | 基建现场的监测方法及装置 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220506 |