CN112233353A - 一种基于人工智能的防钓监控系统及其监控方法 - Google Patents
一种基于人工智能的防钓监控系统及其监控方法 Download PDFInfo
- Publication number
- CN112233353A CN112233353A CN202011015659.6A CN202011015659A CN112233353A CN 112233353 A CN112233353 A CN 112233353A CN 202011015659 A CN202011015659 A CN 202011015659A CN 112233353 A CN112233353 A CN 112233353A
- Authority
- CN
- China
- Prior art keywords
- module
- fishing
- image
- monitoring
- alarm
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于人工智能的防钓监控系统，属于鱼塘视频监控技术领域。防钓监控系统包括与输电线路相连的前端设备和监控云服务器，所述监控云服务器与前端设备通信连接，所述前端设备包括视频采集模块、图像识别处理器、通信模块、报警模块、中央处理器和供电模块，中央处理器获取视频采集模块和图像识别处理器反馈的数据，并通过通信模块传输给监控云服务器，且根据视频采集模块和图像识别处理器反馈的数据，控制报警模块进行报警，本发明还公开了一种上述防钓监控系统的监控方法，本发明的优点在于，采用这种结构，能够自动识别出钓鱼者并进行报警提示，本发明用于监测鱼塘周围环境中是否有钓鱼者。
Description
【技术领域】
本发明涉及一种基于人工智能的防钓监控系统及其监控方法，属于鱼塘视频监控技术领域。
【背景技术】
钓鱼是一项深受现代人喜爱的业余爱好，经常可以看到在河流边和湖边有垂钓者在钓鱼，但是为了管理需要以及商业利益很多地方是不允许钓鱼的，比如景区的湖泊、私人承包的水库、鱼塘等。
现有的禁止钓鱼者在非法区域钓鱼的方法主要有设置警示牌，安排管理人员巡逻，但是在实践中设置警示牌并不能有效地起到驱离非法钓鱼者的作用，而安排管理人员巡逻则极大的浪费人力资源。
【发明内容】
本发明所要解决的技术问题是提供一种基于人工智能的防钓监控系统，使得能够自动识别出钓鱼者并进行报警提示。
为解决上述技术问题，本发明基于人工智能的防钓监控系统包括与输电线路相连的前端设备和监控云服务器，所述监控云服务器与前端设备通信连接，所述前端设备包括：
视频采集模块，用于采集所述鱼塘周边环境的图像信息；
图像识别处理器，用于识别出视频采集模块所采集的图像信息中钓鱼人员位置；
通信模块，用于与所述监控云服务器实现远程通信连接的通信模块；
报警模块，用于当鱼塘周边出现钓鱼者时进行报警；
所述图像识别处理器包括用于识别鱼塘周边环境中运动特征的动态识别模块和用于通过识别鱼塘周边环境中像素特征的像素处理模块；
中央处理器，用于获取视频采集模块和图像识别处理器反馈的数据，并通过通信模块传输给监控云服务器，且根据视频采集模块和图像识别处理器反馈的数据，控制报警模块进行报警；
供电模块，用于给所述视频采集模块、图像识别处理器、通信模块、报警模块以及中央处理器提供工作电流。
采用上述结构，前端设备通过视频采集模块采集视频信息，通过图像识别处理器识别视频信息内的图像，找出是否有钓鱼人员，当有钓鱼人员时，通过报警模块进行报警，并通过通信模块将视频信息传输给监控云服务器，使得可以远程监控鱼塘内的环境，通过动态识别模块识别出视频中运动的人员和物体，通过像素处理模块可以识别出图像中的人员和物体，使得图像识别处理器可以识别出图像内的钓鱼者和钓竿的信息，通过报警装置进行报警，使得能够提示钓鱼者此处禁止钓鱼，而通过动态识别模块和像素处理模块共同进行识别，可以降低识别的错误率，提高识别的速度和准确度。
作为优选，所述防钓监控系统包括监控杆，所述前端设备位于监控杆上，所述鱼塘周边设有多个监控杆以使得视频采集模块可以采集鱼塘周边环境的全部图像信息。
作为优选，所述视频采集模块包括相对于监控杆固定的静态摄像头和相对于监控杆运动以采集人脸特征和行为特征的动态摄像头，所述静态摄像头和动态摄像头均与图像识别处理器相连。
作为优选，所述动态识别模块包括用于通过卷积算法提取视频采集模块所采集的视频数据中运动特征的卷积神经网络单元，所述卷积神经网络单元包括输入层、硬连线层H1、卷积层C2、下采样层S3、卷积层C4、下采样层S5、卷积层C6、Dropout层、以及输入长短时记忆神经网络。
作为优选，所述卷积神经网络单元包括用于识别时间和空间特征的3D卷积核和用于捕捉视频数据中运动信息的3D特征提取器。
作为优选，所述报警模块包括声光报警器。
本发明还公开了一种基于人工智能的防钓监控系统的监控方法，包括：
视频采集模块采集鱼塘周边的视频信息并输出视频流；
图像识别处理器通过动态识别模块识别视频流中的运动特征，从而识别出鱼塘中运动的人员和物体，通过像素处理模块识别提取图像中人员、钓竿和水域的像素点；
当识别出钓竿时，中央处理器控制报警模块报警，并将报警区域的图像信息通过通信模块传输给监控云服务器；
通过动态识别模块识别人员和钓竿的运动特征，通过像素处理模块识别运动过程相隔时间T时人员的像素点与钓竿的像素点之间的距离以及钓竿像素点构成的图像面积；
当人员的像素点与钓竿的像素点之间的距离小于设定阈值或/和钓竿像素点构成的图像面积变化小于设定阈值时，中央处理器控制报警模块报警，并将报警区域的图像信息通过通信模块传输给监控云服务器。
作为优选，所述动态识别模块的特征提取方法包括：
获取图像中的第一特征矩阵，所述第一特征矩阵包括待识别图像的特征；
根据卷积神经网络单元的卷积算法对所述第一特征矩阵进行特征提取，得到第二特征矩阵；
对所述第二特征矩阵进行排序重组，得到第三特征矩阵；
根据卷积算法对第三特征矩阵进行特征提取，得到图像特征集合。。
作为优选，所述卷积神经网络单元的特征提取方法包括：
通过3D特征提取器提取视频数据中的时间和空间上的运动信息，构件3D卷积神经网络架构；
通过3D卷积核通过提取每种运动特征的在时间和空间纬度上的帧数，识别出3D卷积神经网络架构中所有的运动特征。。
作为优选，所述像素处理模块中获取目标特征的像素点的方法包括：
通过动态识别模块识别出原背景图中增加的特征图像；
将增加的特征图像中像素点的R、G、B分量和原背景图中像素点的R、G、B分量做差值，将差值大于设定阈值的像素点提取出来作为目标特征的像素点。
本发明的这些特点和优点将会在下面的具体实施方式、附图中详细揭露。
【附图说明】
下面结合附图对本发明做进一步详细的说明，其中：
图1为本实施例一防钓监控系统的示意图。
【具体实施方式】
下面结合本发明实施例的附图对本发明实施例的技术方案进行解释和说明，但下述实施例仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例，都属于本发明的保护范围。
在下文描述中，出现诸如术语“内”、“外”、“上”、“下”、“左”、“右”等指示方位或者位置关系的为基于附图所示的方位或位置关系，仅是为了方便描述实施例和简化描述，而不是指示或暗示所指的装置或者元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
如图1所示，本实施例基于人工智能的防钓监控系统包括与输电线路相连的前端设备和监控云服务器，所述监控云服务器与前端设备通信连接，所述前端设备包括：
视频采集模块，用于采集所述鱼塘周边环境的图像信息；
图像识别处理器，用于识别出视频采集模块所采集的图像信息中钓鱼人员位置；
通信模块，用于与所述监控云服务器实现远程通信连接的通信模块；
报警模块，用于当鱼塘周边出现钓鱼者时进行报警；
所述图像识别处理器包括用于识别鱼塘周边环境中运动特征的动态识别模块和用于通过识别鱼塘周边环境中像素特征的像素处理模块；
中央处理器，用于获取视频采集模块和图像识别处理器反馈的数据，并通过通信模块传输给监控云服务器，且根据视频采集模块和图像识别处理器反馈的数据，控制报警模块进行报警；
供电模块，用于给所述视频采集模块、图像识别处理器、通信模块、报警模块以及中央处理器提供工作电流。
采用上述结构，前端设备通过视频采集模块采集视频信息，通过图像识别处理器识别视频信息内的图像，找出是否有钓鱼人员，当有钓鱼人员时，通过报警模块进行报警，并通过通信模块将视频信息传输给监控云服务器，使得可以远程监控鱼塘内的环境，通过动态识别模块识别出视频中运动的人员和物体，通过像素处理模块可以识别出图像中的人员和物体，使得图像识别处理器可以识别出图像内的钓鱼者和钓竿的信息，通过报警装置进行报警，使得能够提示钓鱼者此处禁止钓鱼，而通过动态识别模块和像素处理模块共同进行识别，可以降低识别的错误率，提高识别的速度和准确度。
为了使防钓监控系统可以监测鱼塘周边环境的全部区域，并且使报警模块可以提示到钓鱼者，本实施例优选所述防钓监控系统包括监控杆，所述前端设备位于监控杆上，所述鱼塘周边设有多个监控杆以使得视频采集模块可以采集鱼塘周边环境的全部图像信息，通过设置多个监控杆，既可以通过多个监控杆监测鱼塘周边环境的全部区域，又可以使得报警模块位于监控杆上，更加靠近钓鱼者，使得报警模块可以提示到钓鱼者。
为了优化视频采集模块，本实施例优选所述视频采集模块包括相对于监控杆固定的静态摄像头和相对于监控杆运动以采集人脸特征和行为特征的动态摄像头，所述静态摄像头和动态摄像头均与图像识别处理器相连，通过静态摄像头和动态摄像头共同进行识别，使得静态摄像头可以拍摄图像并用于图像识别模块进行识别，动态摄像头除了拍摄图像之外，可以追踪人员和物体，使得能够更加准确地定位人员的位置和更加准确地分析人员的运动。
为了优化动态识别模块，本实施例优选所述动态识别模块包括用于通过卷积算法提取视频采集模块所采集的视频数据中运动特征的卷积神经网络单元，所述卷积神经网络单元包括输入层、硬连线层H1、卷积层C2、下采样层S3、卷积层C4、下采样层S5、卷积层C6、Dropout层、以及输入长短时记忆神经网络，通过入层、硬连线层H1、卷积层C2、下采样层S3、卷积层C4、下采样层S5、卷积层C6、Dropout层、以及输入长短时记忆神经网络使得动态识别模块可以实现动态识别。
为了进一步优化动态识别模块，本实施例优选所述卷积神经网络单元包括用于识别时间和空间特征的3D卷积核和用于捕捉视频数据中运动信息的3D特征提取器，使得动态识别模块可以根据卷积算法实现动态识别。
为了优化报警模块，本实施例优选所述报警模块包括声光报警器，通过声光报警器可以使得报警模块能够发出报警声音和报警灯光，使得能够提示钓鱼者并且在夜间可以增加提示效果。
实施例二：
本实施例公开了一种基于人工智能的防钓监控系统的监控方法，包括：
视频采集模块采集鱼塘周边的视频信息并输出视频流；
图像识别处理器通过动态识别模块识别视频流中的运动特征，从而识别出鱼塘中运动的人员和物体，通过像素处理模块识别提取图像中人员、钓竿和水域的像素点；
当识别出钓竿时，中央处理器控制报警模块报警，并将报警区域的图像信息通过通信模块传输给监控云服务器；
通过动态识别模块识别人员和钓竿的运动特征，通过像素处理模块识别运动过程相隔时间T时人员的像素点与钓竿的像素点之间的距离以及钓竿像素点构成的图像面积；
当人员的像素点与钓竿的像素点之间的距离小于设定阈值或/和钓竿像素点构成的图像面积变化小于设定阈值时，中央处理器控制报警模块报警，并将报警区域的图像信息通过通信模块传输给监控云服务器。
采用这种方法，使得图像识别模块可以通过动态识别和像素识别的方式识别出图像中的人员、钓竿和水域，当识别出钓竿时，可以启动附近的监控杆上的报警模块进行报警，并且通过识别运动过程相隔时间T时人员的像素点与钓竿的像素点之间的距离以及钓竿像素点构成的图像面积是否小于设定阈值可以使得能够识别出人员和钓竿的相对位置变化和钓竿的尺寸变化，防止将其他杆件错认为钓竿，从而增加了识别的准确度。
为了使动态识别模块可以提取特征模块，本实施例优选所述动态识别模块的特征提取方法包括：
获取图像中的第一特征矩阵，所述第一特征矩阵包括待识别图像的特征；
根据卷积神经网络单元的卷积算法对所述第一特征矩阵进行特征提取，得到第二特征矩阵；
对所述第二特征矩阵进行排序重组，得到第三特征矩阵；
根据卷积算法对第三特征矩阵进行特征提取，得到图像特征集合。
为了使动态识别模块可以识别出所有运动特征并构建3D卷积神经网络架构，本实施例优选所述卷积神经网络单元的特征提取方法包括：
通过3D特征提取器提取视频数据中的时间和空间上的运动信息，构件3D卷积神经网络架构；
通过3D卷积核通过提取每种运动特征的在时间和空间纬度上的帧数，识别出3D卷积神经网络架构中所有的运动特征。
为了使像素处理模块可以获取目标特征的像素点，本实施例优选所述像素处理模块中获取目标特征的像素点的方法包括：
通过动态识别模块识别出原背景图中增加的特征图像；
将增加的特征图像中像素点的R、G、B分量和原背景图中像素点的R、G、B分量做差值，将差值大于设定阈值的像素点提取出来作为目标特征的像素点，采用这种方法可以使得获取的目标特征的像素点更加准确。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。
Claims (10)
1.一种基于人工智能的防钓监控系统，用于鱼塘，其特征在于：包括与输电线路相连的前端设备和监控云服务器，所述监控云服务器与前端设备通信连接，所述前端设备包括：
视频采集模块，用于采集所述鱼塘周边环境的图像信息；
图像识别处理器，用于识别出视频采集模块所采集的图像信息中钓鱼人员位置；
通信模块，用于与所述监控云服务器实现远程通信连接的通信模块；
报警模块，用于当鱼塘周边出现钓鱼者时进行报警；
所述图像识别处理器包括用于识别鱼塘周边环境中运动特征的动态识别模块和用于通过识别鱼塘周边环境中像素特征的像素处理模块；
中央处理器，用于获取视频采集模块和图像识别处理器反馈的数据，并通过通信模块传输给监控云服务器，且根据视频采集模块和图像识别处理器反馈的数据，控制报警模块进行报警；
供电模块，用于给所述视频采集模块、图像识别处理器、通信模块、报警模块以及中央处理器提供工作电流。
2.如权利要求1所述的一种基于人工智能的防钓监控系统，其特征在于：所述防钓监控系统包括监控杆，所述前端设备位于监控杆上，所述鱼塘周边设有多个监控杆以使得视频采集模块可以采集鱼塘周边环境的全部图像信息。
3.如权利要求2所述的一种基于人工智能的防钓监控系统，其特征在于：所述视频采集模块包括相对于监控杆固定的静态摄像头和相对于监控杆运动以采集人脸特征和行为特征的动态摄像头，所述静态摄像头和动态摄像头均与图像识别处理器相连。
4.如权利要求1所述的一种基于人工智能的防钓监控系统，其特征在于：所述动态识别模块包括用于通过卷积算法提取视频采集模块所采集的视频数据中运动特征的卷积神经网络单元，所述卷积神经网络单元包括输入层、硬连线层H1、卷积层C2、下采样层S3、卷积层C4、下采样层S5、卷积层C6、Dropout层、以及输入长短时记忆神经网络。
5.如权利要求4所述的一种基于人工智能的防钓监控系统，其特征在于：所述卷积神经网络单元包括用于识别时间和空间特征的3D卷积核和用于捕捉视频数据中运动信息的3D特征提取器。
6.如权利要求1所述的一种基于人工智能的防钓监控系统，其特征在于：所述报警模块包括声光报警器。
7.一种基于人工智能的防钓监控系统的监控方法：其特征在于，包括：
视频采集模块采集鱼塘周边的视频信息并输出视频流；
图像识别处理器通过动态识别模块识别视频流中的运动特征，从而识别出鱼塘中运动的人员和物体，通过像素处理模块识别提取图像中人员、钓竿和水域的像素点；
当识别出钓竿时，中央处理器控制报警模块报警，并将报警区域的图像信息通过通信模块传输给监控云服务器；
通过动态识别模块识别人员和钓竿的运动特征，通过像素处理模块识别运动过程相隔时间T时人员的像素点与钓竿的像素点之间的距离以及钓竿像素点构成的图像面积；
当人员的像素点与钓竿的像素点之间的距离小于设定阈值或/和钓竿像素点构成的图像面积变化小于设定阈值时，中央处理器控制报警模块报警，并将报警区域的图像信息通过通信模块传输给监控云服务器。
8.如权利要求1所述的一种基于人工智能的防钓监控系统的监控方法，其特征在于：所述动态识别模块的特征提取方法包括：
获取图像中的第一特征矩阵，所述第一特征矩阵包括待识别图像的特征；
根据卷积神经网络单元的卷积算法对所述第一特征矩阵进行特征提取，得到第二特征矩阵；
对所述第二特征矩阵进行排序重组，得到第三特征矩阵；
根据卷积算法对第三特征矩阵进行特征提取，得到图像特征集合。
9.如权利要求8所述的一种基于人工智能的防钓监控系统的监控方法，其特征在于：所述卷积神经网络单元的特征提取方法包括：
通过3D特征提取器提取视频数据中的时间和空间上的运动信息，构件3D卷积神经网络架构；
通过3D卷积核通过提取每种运动特征的在时间和空间纬度上的帧数，识别出3D卷积神经网络架构中所有的运动特征。
10.如权利要求7所述的一种基于人工智能的防钓监控系统的监控方法，其特征在于：所述像素处理模块中获取目标特征的像素点的方法包括：
通过动态识别模块识别出原背景图中增加的特征图像；
将增加的特征图像中像素点的R、G、B分量和原背景图中像素点的R、G、B分量做差值，将差值大于设定阈值的像素点提取出来作为目标特征的像素点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011015659.6A CN112233353A (zh) | 2020-09-24 | 2020-09-24 | 一种基于人工智能的防钓监控系统及其监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011015659.6A CN112233353A (zh) | 2020-09-24 | 2020-09-24 | 一种基于人工智能的防钓监控系统及其监控方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112233353A true CN112233353A (zh) | 2021-01-15 |
Family
ID=74107800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011015659.6A Pending CN112233353A (zh) | 2020-09-24 | 2020-09-24 | 一种基于人工智能的防钓监控系统及其监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112233353A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115052132A (zh) * | 2022-07-05 | 2022-09-13 | 国网江苏省电力有限公司南通市通州区供电分公司 | 基于人工智能的防垂钓触电预警方法及系统 |
| CN115187930A (zh) * | 2022-09-13 | 2022-10-14 | 广州科弗联信息科技有限公司 | 一种水库安全监控方法及装置 |
| CN116188838A (zh) * | 2022-12-16 | 2023-05-30 | 绍兴电力局柯桥供电分局 | 基于人工智能的外破隐患点干扰判定方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106845396A (zh) * | 2017-01-18 | 2017-06-13 | 南京理工大学 | 基于自动图像识别的非法钓鱼行为识别方法 |
| CN109040693A (zh) * | 2018-08-31 | 2018-12-18 | 上海赛特斯信息科技股份有限公司 | 智能告警系统及方法 |
| CN109815969A (zh) * | 2019-03-05 | 2019-05-28 | 上海骏聿数码科技有限公司 | 一种基于人工智能图像识别的特征提取方法及装置 |
| CN110110707A (zh) * | 2019-05-24 | 2019-08-09 | 苏州闪驰数控系统集成有限公司 | 人工智能cnn、lstm神经网络动态识别系统 |
| CN110321805A (zh) * | 2019-06-12 | 2019-10-11 | 华中科技大学 | 一种基于时序关系推理的动态表情识别方法 |
| US20190333352A1 (en) * | 2018-04-29 | 2019-10-31 | Aaron Escobar | Security camera mounted in ornamental fish |
| WO2019240591A2 (en) * | 2018-06-12 | 2019-12-19 | Kahrs Hansen As | Instrumentation system for monitoring of a net barrier |
| CN111461078A (zh) * | 2020-05-18 | 2020-07-28 | 江苏电力信息技术有限公司 | 一种基于计算机视觉技术的防钓监控方法 |
-
2020
- 2020-09-24 CN CN202011015659.6A patent/CN112233353A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106845396A (zh) * | 2017-01-18 | 2017-06-13 | 南京理工大学 | 基于自动图像识别的非法钓鱼行为识别方法 |
| US20190333352A1 (en) * | 2018-04-29 | 2019-10-31 | Aaron Escobar | Security camera mounted in ornamental fish |
| WO2019240591A2 (en) * | 2018-06-12 | 2019-12-19 | Kahrs Hansen As | Instrumentation system for monitoring of a net barrier |
| CN109040693A (zh) * | 2018-08-31 | 2018-12-18 | 上海赛特斯信息科技股份有限公司 | 智能告警系统及方法 |
| CN109815969A (zh) * | 2019-03-05 | 2019-05-28 | 上海骏聿数码科技有限公司 | 一种基于人工智能图像识别的特征提取方法及装置 |
| CN110110707A (zh) * | 2019-05-24 | 2019-08-09 | 苏州闪驰数控系统集成有限公司 | 人工智能cnn、lstm神经网络动态识别系统 |
| CN110321805A (zh) * | 2019-06-12 | 2019-10-11 | 华中科技大学 | 一种基于时序关系推理的动态表情识别方法 |
| CN111461078A (zh) * | 2020-05-18 | 2020-07-28 | 江苏电力信息技术有限公司 | 一种基于计算机视觉技术的防钓监控方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115052132A (zh) * | 2022-07-05 | 2022-09-13 | 国网江苏省电力有限公司南通市通州区供电分公司 | 基于人工智能的防垂钓触电预警方法及系统 |
| CN115187930A (zh) * | 2022-09-13 | 2022-10-14 | 广州科弗联信息科技有限公司 | 一种水库安全监控方法及装置 |
| CN116188838A (zh) * | 2022-12-16 | 2023-05-30 | 绍兴电力局柯桥供电分局 | 基于人工智能的外破隐患点干扰判定方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112233353A (zh) | 一种基于人工智能的防钓监控系统及其监控方法 | |
| CN109040709B (zh) | 视频监控方法及装置、监控服务器及视频监控系统 | |
| CN102509305B (zh) | 基于全方位视觉的动物行为检测装置 | |
| CN112055158B (zh) | 目标跟踪方法、监控设备、存储介质及系统 | |
| CN109102678A (zh) | 一种融合uwb室内定位与视频目标检测与跟踪技术的溺水行为检测方法 | |
| CN104135645A (zh) | 人脸跟踪抓拍视频监控系统及方法 | |
| CN109376601B (zh) | 基于高速球的物体跟踪方法、监控服务器、视频监控系统 | |
| CN109377697A (zh) | 一种密集摄像机头环境下快速报警处置方法 | |
| EP3776345B1 (en) | A method and apparatus for swimmer tracking | |
| US20240029347A1 (en) | Generating three-dimensional skeleton representations of aquatic animals using machine learning | |
| CN110058610A (zh) | 一种实时监查羊群数目的辅助放羊方法和系统 | |
| JP6625786B2 (ja) | 異常検知システム、異常検知方法及びプログラム | |
| CN112036206A (zh) | 基于识别码式猪耳标的监控方法、装置及系统 | |
| KR20200105558A (ko) | 컴퓨터 비전을 이용한 가축 질병 예측 시스템 및 그 방법 | |
| CN112183487A (zh) | 基于5g的牲畜健康监测系统和方法 | |
| CN104199425B (zh) | 一种智能农业监控预警系统及方法 | |
| CN105761275A (zh) | 带有双目视觉结构的消防预警飞行器 | |
| CN111354011A (zh) | 多运动目标信息捕获与跟踪系统及方法 | |
| TWI662290B (zh) | 航空物聯網與圈養動物之穿戴式系統 | |
| CN114359830A (zh) | 图像检测方法、设备及计算机存储介质 | |
| CN117423061A (zh) | 一种基于人工智能的智慧园区智能监控系统 | |
| CN112118421A (zh) | 一种智慧巡河方法、装置、存储介质和电子设备 | |
| US20240153109A1 (en) | Image based tracking system | |
| WO2001048719A1 (en) | Surveillance method, system and module | |
| CN115052132A (zh) | 基于人工智能的防垂钓触电预警方法及系统 |
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: 20210115 |