CN112261384A - 一种人工智能违章行为识别系统 - Google Patents
一种人工智能违章行为识别系统 Download PDFInfo
- Publication number
- CN112261384A CN112261384A CN202011252666.8A CN202011252666A CN112261384A CN 112261384 A CN112261384 A CN 112261384A CN 202011252666 A CN202011252666 A CN 202011252666A CN 112261384 A CN112261384 A CN 112261384A
- Authority
- CN
- China
- Prior art keywords
- module
- platform
- data
- management
- intelligent
- 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
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 27
- 230000006399 behavior Effects 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims abstract description 10
- 230000010354 integration Effects 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 11
- 239000007789 gas Substances 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012797 qualification Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 6
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 239000003245 coal Substances 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims description 3
- 239000000779 smoke Substances 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 229910021529 ammonia Inorganic materials 0.000 claims description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 2
- 239000000428 dust Substances 0.000 claims description 2
- 230000008571 general function Effects 0.000 claims description 2
- 239000001301 oxygen Substances 0.000 claims description 2
- 229910052760 oxygen Inorganic materials 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000002955 isolation Methods 0.000 abstract description 3
- 238000005728 strengthening Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
Abstract
本发明涉及违章行为识别技术领域,且公开了一种人工智能违章行为识别系统,包括系统模块总成,所述系统模块总成包括数据源集成平台、大数据平台、人工智能自动分析平台、应用系统平台,所述数据源集成平台传感器接入端包括智能网关模块;本发明还提出了一种人工智能违章行为识别方法,包括以下步骤:S1:平台与现有的摄像头通过接口接入视频流;S2:平台采用大数据与AI分析平台架构。本发明利于加强对单位的安全的管理;可提高安全防范效率,达到现代化网络的管理水平,通过人脸识别、人员与物体移动轨迹跟踪、作业环境监控等功能,实现作业场所电子围栏隔离、违章行为自动识别、风险隐患自动预警等。
Description
技术领域
本发明涉及违章行为识别技术领域,具体为一种人工智能违章行为识别系统。
背景技术
工厂或者工地现场作业是否符合安全规定要求将直接影响安全事故发生的概率,电力生产过程中出现问题不但会影响电力企业的经济效益,而且会涉及到人员的人身安全问题,安全问题始终是第一位。在施工阶段为保障工地人员的有效管理,降低施工人员的事故发生率,及时告警通知管理人员是有效防止安全事故发生的办法之一。
传统的模拟视频监控系统为以人工识别为主,无法实现门禁、人脸识别系统以及人员定位系统等科技的综合运用;当前人工智能虽已运用在监控系统中,然而识别精度有待提升,而且智能化性能不够好,不能满足人们的要求。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种人工智能违章行为识别系统,主要为解决现有的识别系统精度有待提升,而且智能化性能不够好,不能满足人们的要求的问题。
(二)技术方案
为实现上述目的,本发明提供如下技术方案:
一种人工智能违章行为识别系统,包括系统模块总成,所述系统模块总成包括数据源集成平台、大数据平台、人工智能自动分析平台、应用系统平台,所述数据源集成平台传感器接入端包括智能网关模块、内置智能预处理模块、外置智能预处理模块,数据接入端包括第三方数据网关模块和定制数据源接口模块,大数据平台的传感器接入端包括平台数据结构模块、离线批量数据接口模块、实时在线数据接口模块、数据库集群管理模块,数据接入端包括第三方数据库模块,定制数据结构模块,所述人工智能自动分析平台传感器接入端包括实施智能分析模块、智能引擎模块、智能学习模块和智能模型库模块,数据接入端包括定制智能引擎模块和定制智能模型模块,所述应用系统平台传感器接入端包括平台管理模块、租户管理模块、基础用户管理模块和通用数据分析模块,数据接入端包括行业通用功能模块和客户定制功能模块。
进一步的,所述数据库集群管理模块包括关系数据库模块、非关系数据库模块和文件数据库模块。
在前述方案的基础上,所述系统核心分为两个层次,为数据处理层和系统应用层,数据处理层主要描述了视频流的处理过程,以及机器学习模型的训练方式,系统应用层主要是面向用户使用的操作界面,系统主要包括综合可视化、告警管理、资格准入管理、统计管理、设备管理、系统管理六大功能模块。
作为本发明再进一步的方案,所述数据源接口模块连接有摄像头,摄像头部署在厂区门口,并调整位置。
进一步的,所述在监控时选取厂区重点区域摄像头,绘制检测区域级边界,可设置区域内检测的时段,当未佩戴安全帽或未穿戴劳保服时系统及时告警,选取厂区重点区域摄像头,当摄像头画面内出现火焰时系统及时告警,选取厂区重点区域摄像头,当摄像头画面内出现违章行为如:未佩戴安全帽或抽烟是,系统及时告警,选取厂区内煤堆的重点区域安装红外摄像头,当摄像头检测图像中温度到达阈值时,系统实现自动的及时告警。
在前述方案的基础上,所述在监控时选取传感器或气体检测摄像头的检测特殊气体基础数据的检测,然后与风险预警平台对接,上传预警信号,特殊气体包括氧气、粉尘浓度、氨气有害气体的检测,实现平台对相关气体的预警。
作为本发明再进一步的方案,所述系统模块总成包括资格准入管理模块,资格准入管理模块与数据源接口模块相连接,当员工通过人脸识别进行检测后,进行统一的查询,主要包括按时间段、人员姓名、职务、部门进行进出厂区查询,可按陌生人、正常职工分类查询,主要用于维护准入人员基本信息、人员正脸头像信息,包括新增、修改、删除人员信息,上传人员照片等功能,在做人脸识别时将采用此处人脸信息进行识别。
进一步的,所述系统模块总成包括报警模块,报警模块包括警铃,当产生告警事件,系统实时发出告警铃,用户可以手动关闭,或者在系统配置中完全禁用。
本发明还提出了一种人工智能违章行为识别方法,平台采用一台视频深度分析工程机部署完成,包括模型的训练、实时检测、实时预警、基于Web的管理功能包括以下步骤:
S1:平台与现有的摄像头通过接口接入视频流;
S2:平台采用大数据与AI分析平台架构;
S3:平台管理通过Web方式配置管理;
S4:安全事件预警支持手机预警与管理;
视频深度分析工程机融合了高性能GPU计算、分布式计算、深度学习、神经网络的视频分析一体工程系统,每个系统既是一个整合了软件和硬件资源的一体机,也是一个或多个分布式运算节点,结合了一体机的部署和配置方便性以及分布式计算的并行性和高可靠性的特点。
(三)有益效果
与现有技术相比,本发明提供了一种人工智能违章行为识别系统,具备以下有益效果:
1、本发明,对于未适配的违章行为可通过机器视觉技术进行AI的自我学习,使单位管理部门能获取各个重要场所内的情况、安全防范,产生的大量实时信息,更有利于加强对单位的安全的管理;另一方面又可提高安全防范效率,达到现代化网络的管理水平。
2、本发明可实现建立集团公司、子分公司、生产经营单位三级视频集中的监控体系,推广应用视频智能分析技术,通过人脸识别、人员与物体移动轨迹跟踪、作业环境监控等功能,实现作业场所电子围栏隔离、违章行为自动识别、风险隐患自动预警等。
3、本发明中,通过厂区门口部署摄像头,实时采集进出厂区的人脸信息,利用人脸识别技术分析进出厂区的人员,是否是准入进入的人员,否则屏幕告警提示,通过调整位置能够保证采集到的用户视频必须正脸照片,以及提供可供用户参照的人脸扫描显示屏。
4、本发明中,通过数字网络监控系统的安装,能大大减少不必要的人力、物力,实时高度监控可视区域,做到控制现场人员的实际运作现状,实时快速的反映所发生的一切事物,便于及时应付处理突发变故事件等;达到安全防范和安全管理的宏观动态监控、微观取证的目的。
附图说明
图1为本发明提出的一种人工智能违章行为识别系统的系统结构示意图;
图2为本发明提出的一种人工智能违章行为识别方法的流程结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
参照图1-2,一种人工智能违章行为识别系统,包括系统模块总成,系统模块总成包括数据源集成平台、大数据平台、人工智能自动分析平台、应用系统平台,数据源集成平台传感器接入端包括智能网关模块、内置智能预处理模块、外置智能预处理模块,数据接入端包括第三方数据网关模块和定制数据源接口模块,大数据平台的传感器接入端包括平台数据结构模块、离线批量数据接口模块、实时在线数据接口模块、数据库集群管理模块,数据接入端包括第三方数据库模块,定制数据结构模块,人工智能自动分析平台传感器接入端包括实施智能分析模块、智能引擎模块、智能学习模块和智能模型库模块,数据接入端包括定制智能引擎模块和定制智能模型模块,对于未适配的违章行为可通过机器视觉技术进行AI的自我学习,应用系统平台传感器接入端包括平台管理模块、租户管理模块、基础用户管理模块和通用数据分析模块,数据接入端包括行业通用功能模块和客户定制功能模块,使单位管理部门能获取各个重要场所内的情况、安全防范,产生的大量实时信息,更有利于加强对单位的安全的管理;另一方面又可提高安全防范效率,达到现代化网络的管理水平。
本发明中,数据库集群管理模块包括关系数据库模块、非关系数据库模块和文件数据库模块,系统核心分为两个层次,为数据处理层和系统应用层,数据处理层主要描述了视频流的处理过程,以及机器学习模型的训练方式,系统应用层主要是面向用户使用的操作界面,系统主要包括综合可视化、告警管理、资格准入管理、统计管理、设备管理、系统管理六大功能模块,可实现建立集团公司、子分公司、生产经营单位三级视频集中的监控体系,推广应用视频智能分析技术,通过人脸识别、人员与物体移动轨迹跟踪、作业环境监控等功能,实现作业场所电子围栏隔离、违章行为自动识别、风险隐患自动预警等,数据源接口模块连接有摄像头,摄像头部署在厂区门口,并调整位置,通过厂区门口部署摄像头,实时采集进出厂区的人脸信息,利用人脸识别技术分析进出厂区的人员,是否是准入进入的人员,否则屏幕告警提示,通过调整位置能够保证采集到的用户视频必须正脸照片,以及提供可供用户参照的人脸扫描显示屏。
需要特别说明的是,在监控时选取厂区重点区域摄像头,绘制检测区域级边界,可设置区域内检测的时段,当未佩戴安全帽或未穿戴劳保服时系统及时告警,选取厂区重点区域摄像头,当摄像头画面内出现火焰时系统及时告警,选取厂区重点区域摄像头,当摄像头画面内出现违章行为如:未佩戴安全帽或抽烟是,系统及时告警,选取厂区内煤堆的重点区域安装红外摄像头,当摄像头检测图像中温度到达阈值时,系统实现自动的及时告警,数字网络监控系统的安装,能大大减少不必要的人力、物力,实时高度监控可视区域,做到控制现场人员的实际运作现状,实时快速的反映所发生的一切事物,便于及时应付处理突发变故事件等;达到安全防范和安全管理的宏观动态监控、微观取证的目的,在监控时选取传感器或气体检测摄像头的检测特殊气体基础数据的检测,然后与风险预警平台对接,上传预警信号,特殊气体包括氧气、粉尘浓度、氨气有害气体的检测,实现平台对相关气体的预警,系统模块总成包括资格准入管理模块,资格准入管理模块与数据源接口模块相连接,当员工通过人脸识别进行检测后,进行统一的查询,主要包括按时间段、人员姓名、职务、部门进行进出厂区查询,可按陌生人、正常职工分类查询,主要用于维护准入人员基本信息、人员正脸头像信息,包括新增、修改、删除人员信息,上传人员照片等功能,在做人脸识别时将采用此处人脸信息进行识别,系统模块总成包括报警模块,报警模块包括警铃,当产生告警事件,系统实时发出告警铃,用户可以手动关闭,或者在系统配置中完全禁用。
本发明还提出了一种人工智能违章行为识别方法,平台采用一台视频深度分析工程机部署完成,包括模型的训练、实时检测、实时预警、基于Web的管理功能包括以下步骤:
S1:平台与现有的摄像头通过接口接入视频流;
S2:平台采用大数据与AI分析平台架构;
S3:平台管理通过Web方式配置管理;
S4:安全事件预警支持手机预警与管理;
视频深度分析工程机融合了高性能GPU计算、分布式计算、深度学习、神经网络的视频分析一体工程系统,每个系统既是一个整合了软件和硬件资源的一体机,也是一个或多个分布式运算节点,结合了一体机的部署和配置方便性以及分布式计算的并行性和高可靠性的特点,可实现:
(a)多路视频并行处理;
(b)实时监测、搜索与视频信息统计;
(c)工业行业深度分析模版;
(d)可独立部署使用;
(e)大数据云平台建模训练。
在该文中的描述中,需要说明的是,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种人工智能违章行为识别系统,包括系统模块总成,其特征在于,所述系统模块总成包括数据源集成平台、大数据平台、人工智能自动分析平台、应用系统平台,所述数据源集成平台传感器接入端包括智能网关模块、内置智能预处理模块、外置智能预处理模块,数据接入端包括第三方数据网关模块和定制数据源接口模块,大数据平台的传感器接入端包括平台数据结构模块、离线批量数据接口模块、实时在线数据接口模块、数据库集群管理模块,数据接入端包括第三方数据库模块,定制数据结构模块,所述人工智能自动分析平台传感器接入端包括实施智能分析模块、智能引擎模块、智能学习模块和智能模型库模块,数据接入端包括定制智能引擎模块和定制智能模型模块,所述应用系统平台传感器接入端包括平台管理模块、租户管理模块、基础用户管理模块和通用数据分析模块,数据接入端包括行业通用功能模块和客户定制功能模块。
2.根据权利要求1所述的一种人工智能违章行为识别系统,其特征在于,所述数据库集群管理模块包括关系数据库模块、非关系数据库模块和文件数据库模块。
3.根据权利要求1所述的一种人工智能违章行为识别系统,其特征在于,所述系统核心分为两个层次,为数据处理层和系统应用层,数据处理层主要描述了视频流的处理过程,以及机器学习模型的训练方式,系统应用层主要是面向用户使用的操作界面,系统主要包括综合可视化、告警管理、资格准入管理、统计管理、设备管理、系统管理六大功能模块。
4.根据权利要求1所述的一种人工智能违章行为识别系统,其特征在于,所述数据源接口模块连接有摄像头,摄像头部署在厂区门口,并调整位置。
5.根据权利要求4所述的一种人工智能违章行为识别系统,其特征在于,所述在监控时选取厂区重点区域摄像头,绘制检测区域级边界,可设置区域内检测的时段,当未佩戴安全帽或未穿戴劳保服时系统及时告警,选取厂区重点区域摄像头,当摄像头画面内出现火焰时系统及时告警,选取厂区重点区域摄像头,当摄像头画面内出现违章行为如:未佩戴安全帽或抽烟是,系统及时告警,选取厂区内煤堆的重点区域安装红外摄像头,当摄像头检测图像中温度到达阈值时,系统实现自动的及时告警。
6.根据权利要求1所述的一种人工智能违章行为识别系统,其特征在于,所述在监控时选取传感器或气体检测摄像头的检测特殊气体基础数据的检测,然后与风险预警平台对接,上传预警信号,特殊气体包括氧气、粉尘浓度、氨气有害气体的检测,实现平台对相关气体的预警。
7.根据权利要求1所述的一种人工智能违章行为识别系统,其特征在于,所述系统模块总成包括资格准入管理模块,资格准入管理模块与数据源接口模块相连接,当员工通过人脸识别进行检测后,进行统一的查询,主要包括按时间段、人员姓名、职务、部门进行进出厂区查询,可按陌生人、正常职工分类查询,主要用于维护准入人员基本信息、人员正脸头像信息,包括新增、修改、删除人员信息,上传人员照片等功能,在做人脸识别时将采用此处人脸信息进行识别。
8.根据权利要求1所述的一种人工智能违章行为识别系统,其特征在于,所述系统模块总成包括报警模块,报警模块包括警铃,当产生告警事件,系统实时发出告警铃,用户可以手动关闭,或者在系统配置中完全禁用。
9.一种人工智能违章行为识别方法,其特征在于,平台采用一台视频深度分析工程机部署完成,包括模型的训练、实时检测、实时预警、基于Web的管理功能包括以下步骤:
S1:平台与现有的摄像头通过接口接入视频流;
S2:平台采用大数据与AI分析平台架构;
S3:平台管理通过Web方式配置管理;
S4:安全事件预警支持手机预警与管理;
视频深度分析工程机融合了高性能GPU计算、分布式计算、深度学习、神经网络的视频分析一体工程系统,每个系统既是一个整合了软件和硬件资源的一体机,也是一个或多个分布式运算节点,结合了一体机的部署和配置方便性以及分布式计算的并行性和高可靠性的特点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011252666.8A CN112261384A (zh) | 2020-11-11 | 2020-11-11 | 一种人工智能违章行为识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011252666.8A CN112261384A (zh) | 2020-11-11 | 2020-11-11 | 一种人工智能违章行为识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112261384A true CN112261384A (zh) | 2021-01-22 |
Family
ID=74265227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011252666.8A Pending CN112261384A (zh) | 2020-11-11 | 2020-11-11 | 一种人工智能违章行为识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112261384A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256057A (zh) * | 2021-04-06 | 2021-08-13 | 国网河北省电力有限公司衡水供电分公司 | 电力系统检查方法及服务器 |
CN113657297A (zh) * | 2021-08-20 | 2021-11-16 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种基于特征分析的作业违章智能识别方法及设备 |
WO2023065771A1 (zh) * | 2021-10-19 | 2023-04-27 | 山西全安新技术开发有限公司 | 一种违章行为识别方法及智能抗违章传感器系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111140221A (zh) * | 2019-12-30 | 2020-05-12 | 邱儒义 | 一种井场安全风险预警装置、系统及处理方法 |
-
2020
- 2020-11-11 CN CN202011252666.8A patent/CN112261384A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111140221A (zh) * | 2019-12-30 | 2020-05-12 | 邱儒义 | 一种井场安全风险预警装置、系统及处理方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113256057A (zh) * | 2021-04-06 | 2021-08-13 | 国网河北省电力有限公司衡水供电分公司 | 电力系统检查方法及服务器 |
CN113657297A (zh) * | 2021-08-20 | 2021-11-16 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种基于特征分析的作业违章智能识别方法及设备 |
WO2023065771A1 (zh) * | 2021-10-19 | 2023-04-27 | 山西全安新技术开发有限公司 | 一种违章行为识别方法及智能抗违章传感器系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112261384A (zh) | 一种人工智能违章行为识别系统 | |
CN105163091B (zh) | 一种整合泵站工程管理的联动系统 | |
CN110158648A (zh) | 一种城市地下综合管廊运维监控管理系统 | |
CN113706355A (zh) | 化工园区智慧应急系统搭建方法 | |
CN109283897A (zh) | 一种智慧电厂综合监控中心智能监控实现方法 | |
CN112785458A (zh) | 一种桥梁健康大数据智能管养系统 | |
CN111815831A (zh) | 一种基于物联网的社区智能安防系统 | |
CN203812304U (zh) | 一种民爆器材生产企业门禁定员监控系统 | |
CN104349127A (zh) | 一种校园智能视频监控系统 | |
CN111080878A (zh) | 一种基于人工智能的施工现场安全监控方法及其装置 | |
CN104349129A (zh) | 基于数字化信息技术的校园智能安全监控系统 | |
CN203327163U (zh) | 一种监控系统 | |
CN114399265A (zh) | 一种电力工程建设项目全过程管控系统 | |
CN115660297A (zh) | 一种工地安全自动ai预警系统及方法 | |
CN114254982A (zh) | 智慧工厂云管理系统 | |
CN115052129A (zh) | 施工现场可视化监管系统及其监管方法 | |
CN115496640A (zh) | 一种火电厂智慧安全系统 | |
CN115022601A (zh) | 基于大数据的iot深度学习智能预警研判系统及方法 | |
Kembuan et al. | CCTV Architectural Design for Theft Detection using Intruder Detection System | |
CN1737857A (zh) | 学生公寓住宿信息管理系统 | |
RU2746652C1 (ru) | Модульный комплекс контроля производственной безопасности и технологических процессов | |
CN110533889B (zh) | 一种敏感区域电子设备监测定位装置与方法 | |
CN116308960B (zh) | 基于数据分析的智慧园区物业防控管理系统及其实现方法 | |
CN116634101A (zh) | 一种基于bim的视频监控方法和系统 | |
CN115620479A (zh) | 一种基于报警联动的智能楼宇监控系统 |
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: 20210122 |