CN112395967A - 一种口罩佩戴监测方法、电子设备和可读存储介质 - Google Patents
一种口罩佩戴监测方法、电子设备和可读存储介质 Download PDFInfo
- Publication number
- CN112395967A CN112395967A CN202011252013.XA CN202011252013A CN112395967A CN 112395967 A CN112395967 A CN 112395967A CN 202011252013 A CN202011252013 A CN 202011252013A CN 112395967 A CN112395967 A CN 112395967A
- Authority
- CN
- China
- Prior art keywords
- human body
- mask
- image
- body target
- wearing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 53
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 208000015181 infectious disease Diseases 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000711573 Coronaviridae Species 0.000 description 1
- 206010057190 Respiratory tract infections Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004400 mucous membrane Anatomy 0.000 description 1
- 230000002265 prevention 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种口罩佩戴监测方法、电子设备和可读存储介质,包括:依次对摄像头采集的每一帧图像,将其输入到预训练好的人体目标检测模型中,提取出图像中的人体目标区域,得到目标图像;分别将各目标图像输入到预训练好的口罩佩戴检测模型中,对各目标图像中的口罩佩戴情况进行检测;对所述摄像头采集的每一帧图像中的所有未佩戴口罩和未正确佩戴口罩的人体目标分别采用DSST算法进行追踪,直至该人体目标正确佩戴口罩;本发明在对口罩佩戴情况进行检测的过程中避免了公共场景中复杂背景的影响,大大提高了检测的精确度;同时将大的帧图像转换成小的目标图像进行分层处理,检测速度较快。
Description
技术领域
本发明属于公共安全防控领域,更具体地,涉及一种口罩佩戴监测方法、电子设备和可读存储介质。
背景技术
目前的研究表明,新型冠状病毒的传染途径主要为飞沫呼吸道传染、粪-口消化道传染、黏膜接触传染等几种方式。我们发现,口罩可以在一定程度上减少飞沫的传播,在公共场所佩戴口罩可以有效降低疾病的传染率。但是目前大部分口罩佩戴的监管工作均由人工完成,需要管理人员在人流密集场所实时检查提醒,自动化程度不高、工作量大效率较低,容易造成遗漏、不及时的问题,故研究一种口罩佩戴自动监测方法及系统具有重要的意义。
公共场所往往人流量大,场景相对比较复杂,传统的目标监测方法常使用帧间差分法、背景差分法等确定运动对象,通过相邻两帧图像的差值计算或当前图像与背景图像的差分来检测运动区域,获得运动目标轮廓,对于多目标监测对象的面部监测达不到理想的准确率与及时度。而现有的基于机器学习的目标监测方法在进行面部识别时,往往针对照片或非运动状态下的摄像头返回的画面,场景较为简单,在人流密集的公共场所,视频监控所传回的图像中目标区域密集,无法快速、实时准确的对目标进行检测。因此,目前尚无非常有效的口罩佩戴监测技术,急需高效准确的方法解决公共场所口罩佩戴的监测问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种口罩佩戴监测方法、电子设备和可读存储介质,其目的在于由此现有技术无法对公共场所中人员的口罩佩戴情况进行快速实时准确的监测的技术问题。
为实现上述目的,第一方面,本发明提供了一种口罩佩戴监测方法,包括:
依次对摄像头采集的每一帧图像,将其输入到预训练好的人体目标检测模型中,提取出图像中的人体目标区域,得到目标图像;分别将各目标图像输入到预训练好的口罩佩戴检测模型中,对各目标图像中的口罩佩戴情况进行检测;
对摄像头采集的每一帧图像中的所有未佩戴口罩和未正确佩戴口罩的人体目标分别采用DSST算法进行追踪,直至该人体目标正确佩戴口罩;
其中,人体目标检测模型为yolo-v3模型,用于检测图像中的人体目标区域;口罩佩戴检测模型为机器学习模型,用于判断目标图像中的人体是否正确佩戴口罩。
进一步优选地,分别对检测到的未佩戴口罩和未正确佩戴口罩的人体目标发出指示信息进行提醒,直至其正确佩戴口罩。
进一步优选地,基于第i帧图像中人体目标区域的位置和尺度信息,采用DSST算法对该人体目标区域在第i+1帧图像中的位置和尺度信息进行预测,以对其进行追踪。
进一步优选地,人体目标检测模型的训练方法包括:收集公共场所中摄像头拍摄的图像,对其中的人体目标区域进行标注,得到人体目标检测训练集;将人体目标检测训练集输入到yolo-v3模型中进行训练,得到预训练好的人体目标检测模型;其中,人体目标检测训练集中的图像中包括未佩戴口罩的人体目标图像、未正确佩戴口罩的人体目标图像以及正确佩戴口罩的人体目标图像。
进一步优选地,口罩佩戴检测模型的训练方法包括:截取上述人体目标检测训练集各图像中人体目标所在的区域,得到人体目标图像,对人体目标图像的口罩佩戴情况进行标记,得到口罩佩戴检测训练集;将口罩佩戴检测训练集输入到机器学习模型中进行训练,得到预训练好的口罩佩戴检测模型。
第二方面,本发明还提供了一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本发明第一方面所提供的一种口罩佩戴监测方法的步骤。
第三方面,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述存储介质所在设备执行本发明第一方面所提供的一种口罩佩戴监测方法。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1、本发明提供了一种口罩佩戴监测方法、电子设备和可读存储介质,首先采用预训练好的yolo-v3模型提取帧图像中的人体目标区域,然后对人体目标区域中的口罩佩戴情况进行检测,以避免公共场景中复杂背景的影响,大大提高了检测的精确度;同时将大的帧图像转换成小的目标图像进行分层处理,检测速度较快;另外,本发明仅对未佩戴口罩和未正确佩戴口罩的人体目标进行跟踪提醒,大大提高了公共场合下口罩佩戴的监测效率。本发明能够对公共场所中人员的口罩佩戴情况进行快速实时准确的监测。
2、本发明所提供的口罩佩戴监测方法、电子设备和可读存储介质,能够自动化的对公共场所人群的口罩佩戴情况进行监测,极大减轻了工作人员的任务量,提高了工作效率,降低了因人流量大导致人工检测可能造成漏检等安全隐患,不仅可以快速高效的将公共场所口罩佩戴检测结果提供给管理人员,还可以及时的确定口罩佩戴不合格人员的位置信息,便于对口罩佩戴不合格的人员进行及时提醒。
3、本发明所提供的口罩佩戴监测方法,可直接在计算机上运行,无需额外的硬件设施,且使用方法简单,降低了使用成本,非常利于在人流量大的公共场所广泛使用,具有极高的可推广性。
附图说明
图1是本发明实施例1所提供的口罩佩戴监测方法流程图;
图2是本发明实施例1中yolo-v3模型中预测边界框计算方法示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1、
一种口罩佩戴监测方法,如图1所示,包括以下步骤:
依次对摄像头采集的每一帧图像,将其输入到预训练好的人体目标检测模型中,提取出图像中的人体目标区域,得到目标图像;分别将各目标图像输入到预训练好的口罩佩戴检测模型中,对各目标图像中的口罩佩戴情况进行检测;
对摄像头采集的每一帧图像中的所有未佩戴口罩和未正确佩戴口罩的人体目标分别采用DSST算法进行追踪,直至该人体目标正确佩戴口罩;具体的,基于第i帧图像中人体目标区域的位置和尺度信息,采用DSST算法对该人体目标区域在第i+1帧图像中的位置和尺度信息进行预测,以对其进行追踪。具体的,DSST算法非常适用于跟踪尺度快速变化的检测目标, DSST算法分为位置滤波器和尺度滤波器,更新阶段两个滤波器都以预设的固定学习率逐帧进行更新,并采用判别相关滤波器来确定位置信息。
其中,人体目标检测模型为yolo-v3模型,用于检测图像中的人体目标区域;口罩佩戴检测模型为机器学习模型,用于判断目标图像中的人体是否正确佩戴口罩。
进一步地,分别对检测到的未佩戴口罩和未正确佩戴口罩的人体目标发出指示信息进行提醒,直至其正确佩戴口罩。
具体的,以第一帧和第二帧图像为例,在将第一帧图像输入到预训练好的人体目标检测模型中,提取出图像中的人体目标区域后,即可得到第一帧图像中人体目标区域的位置和尺度信息;若该人体目标区域处的人体目标并未正确佩戴口罩,则通过坐标系转换得到该人体目标相对于管理人员所在坐标的相对位置后,向该人体目标发出指示信息进行提醒;并将第一帧图像中人体目标区域的位置和尺度信息作为输入,采用DSST算法对该人体目标区域在第二帧图像中的位置和尺度信息进行预测,以对其进行追踪;与此同时,获取检测到的第二帧图像中各目标图像中的口罩佩戴情况,判断上述人体目标区域处的人体目标是否正确佩戴口罩,若未佩戴口罩或未正确佩戴口罩,则对该人体目标保持追踪和提醒;若已正确佩戴口罩,则停止追踪和提醒。
具体的,人体目标检测模型的训练方法包括:收集公共场所中摄像头拍摄的图像,对其中的人体目标区域进行标注,得到人体目标检测训练集;将人体目标检测训练集输入到yolo-v3模型中进行训练,得到预训练好的人体目标检测模型;其中,人体目标检测训练集中的图像中包括未佩戴口罩的人体目标图像、未正确佩戴口罩的人体目标图像以及正确佩戴口罩的人体目标图像。进一步地,yolo-v3模型使用darknet-53神经网络的前52层,去除了最后一层全连接层,为全卷积网络,该神经网络多使用残差的跳层连接。最终将会得到三种尺度的预测结果。yolo-v3将输入的图片分割成 s×s网格,每个网格会包含B个先验框(anchorprior)对应于计算之后的B 个边界框(boundingbox),根据与先验框的偏移量预测值(tx,ty,tw,th,to)计算得到边界框的五个参数(x,y,w,h,c),如图2所示,其中(x,y)是边界框的中心坐标,w和h是边界框的宽与高,c为置信度(confidence score),定义为若真实框(ground truth)落在网格内,则Pr(object)=1, 否则Pr(object)=0,为真实框与预测框的交并比,表征预测框的准确度。预测对象类别时使用logistic进行预测。
进一步地,口罩佩戴检测模型的训练方法包括:截取上述人体目标检测训练集各图像中人体目标所在的区域,得到人体目标图像,对人体目标图像的口罩佩戴情况进行标记,得到口罩佩戴检测训练集;将口罩佩戴检测训练集输入到机器学习模型中进行训练,得到预训练好的口罩佩戴检测模型。
实施例2、
一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现本发明实施例1所提供的一种口罩佩戴监测方法的步骤。
相关技术方案同实施例1,这里不再赘述。
实施例3、
一种计算机可读存储介质,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述存储介质所在设备执行本发明实施例1所提供的一种口罩佩戴监测方法。
相关技术方案同实施例1,这里不再赘述。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种口罩佩戴监测方法,其特征在于,包括:
依次对摄像头采集的每一帧图像,将其输入到预训练好的人体目标检测模型中,提取出图像中的人体目标区域,得到目标图像;分别将各目标图像输入到预训练好的口罩佩戴检测模型中,对各目标图像中的口罩佩戴情况进行检测;
对所述摄像头采集的每一帧图像中的所有未佩戴口罩和未正确佩戴口罩的人体目标分别采用DSST算法进行追踪,直至该人体目标正确佩戴口罩;
其中,所述人体目标检测模型为yolo-v3模型,用于检测图像中的人体目标区域;所述口罩佩戴检测模型为机器学习模型,用于判断目标图像中的人体是否正确佩戴口罩。
2.根据权利要求1所述的口罩佩戴监测方法,其特征在于,还包括:分别对所检测到的未佩戴口罩和未正确佩戴口罩的人体目标发出指示信息进行提醒,直至其正确佩戴口罩。
3.根据权利要求1所述的口罩佩戴监测方法,其特征在于,基于第i帧图像中人体目标区域的位置和尺度信息,采用DSST算法对该人体目标区域在第i+1帧图像中的位置和尺度信息进行预测,以对其进行追踪。
4.根据权利要求1-3任意一项所述的口罩佩戴监测方法,其特征在于,所述人体目标检测模型的训练方法包括:收集公共场所中摄像头拍摄的图像,对其中的人体目标区域进行标注,得到人体目标检测训练集;将所述人体目标检测训练集输入到yolo-v3模型中进行训练,得到所述预训练好的人体目标检测模型;其中,所述人体目标检测训练集中的图像中包括未佩戴口罩的人体目标图像、未正确佩戴口罩的人体目标图像以及正确佩戴口罩的人体目标图像。
5.根据权利要求1-3任意一项所述的口罩佩戴监测方法,其特征在于,所述口罩佩戴检测模型的训练方法包括:截取所述人体目标检测训练集各图像中人体目标所在的区域,得到人体目标图像,对所述人体目标图像的口罩佩戴情况进行标记,得到口罩佩戴检测训练集;将所述口罩佩戴检测训练集输入到机器学习模型中进行训练,得到所述预训练好的口罩佩戴检测模型。
6.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-5任意一项所述的口罩佩戴监测方法的步骤。
7.一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包括存储的计算机程序,其中,在所述计算机程序被处理器运行时控制所述存储介质所在设备执行权利要求1-5任意一项所述的口罩佩戴监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011252013.XA CN112395967A (zh) | 2020-11-11 | 2020-11-11 | 一种口罩佩戴监测方法、电子设备和可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011252013.XA CN112395967A (zh) | 2020-11-11 | 2020-11-11 | 一种口罩佩戴监测方法、电子设备和可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112395967A true CN112395967A (zh) | 2021-02-23 |
Family
ID=74600988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011252013.XA Pending CN112395967A (zh) | 2020-11-11 | 2020-11-11 | 一种口罩佩戴监测方法、电子设备和可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112395967A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926540A (zh) * | 2021-04-08 | 2021-06-08 | 天津天地伟业智能安全防范科技有限公司 | 一种二轮车佩戴头盔的检测方法、装置及电子设备 |
CN113128447A (zh) * | 2021-04-29 | 2021-07-16 | 深圳市道通智能航空技术股份有限公司 | 口罩识别方法及装置、无人机、存储介质 |
CN113221670A (zh) * | 2021-04-21 | 2021-08-06 | 成都理工大学 | 一种用于口罩佩戴识别的技术 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070122005A1 (en) * | 2005-11-29 | 2007-05-31 | Mitsubishi Electric Corporation | Image authentication apparatus |
CN110490905A (zh) * | 2019-08-15 | 2019-11-22 | 江西联创精密机电有限公司 | 一种基于YOLOv3和DSST算法的目标跟踪方法 |
CN111582068A (zh) * | 2020-04-22 | 2020-08-25 | 北京交通大学 | 人员口罩佩戴状态检测方法 |
CN111860230A (zh) * | 2020-07-03 | 2020-10-30 | 北京航空航天大学 | 一种基于视频监控人员未佩戴口罩行为的自动检测系统及方法 |
CN111860160A (zh) * | 2020-06-16 | 2020-10-30 | 北京华电天仁电力控制技术有限公司 | 一种室内检测口罩佩戴的方法 |
CN111985621A (zh) * | 2020-08-24 | 2020-11-24 | 西安建筑科技大学 | 口罩佩戴实时检测的神经网络模型的搭建方法及实施系统 |
-
2020
- 2020-11-11 CN CN202011252013.XA patent/CN112395967A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070122005A1 (en) * | 2005-11-29 | 2007-05-31 | Mitsubishi Electric Corporation | Image authentication apparatus |
CN110490905A (zh) * | 2019-08-15 | 2019-11-22 | 江西联创精密机电有限公司 | 一种基于YOLOv3和DSST算法的目标跟踪方法 |
CN111582068A (zh) * | 2020-04-22 | 2020-08-25 | 北京交通大学 | 人员口罩佩戴状态检测方法 |
CN111860160A (zh) * | 2020-06-16 | 2020-10-30 | 北京华电天仁电力控制技术有限公司 | 一种室内检测口罩佩戴的方法 |
CN111860230A (zh) * | 2020-07-03 | 2020-10-30 | 北京航空航天大学 | 一种基于视频监控人员未佩戴口罩行为的自动检测系统及方法 |
CN111985621A (zh) * | 2020-08-24 | 2020-11-24 | 西安建筑科技大学 | 口罩佩戴实时检测的神经网络模型的搭建方法及实施系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112926540A (zh) * | 2021-04-08 | 2021-06-08 | 天津天地伟业智能安全防范科技有限公司 | 一种二轮车佩戴头盔的检测方法、装置及电子设备 |
CN113221670A (zh) * | 2021-04-21 | 2021-08-06 | 成都理工大学 | 一种用于口罩佩戴识别的技术 |
CN113128447A (zh) * | 2021-04-29 | 2021-07-16 | 深圳市道通智能航空技术股份有限公司 | 口罩识别方法及装置、无人机、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | A critical review of vision-based occupational health and safety monitoring of construction site workers | |
CN111191586B (zh) | 一种施工现场人员安全帽佩戴情况巡检方法及系统 | |
CN112395967A (zh) | 一种口罩佩戴监测方法、电子设备和可读存储介质 | |
CN112085010B (zh) | 一种基于图像识别的口罩检测和部署系统及方法 | |
CN110414400B (zh) | 一种施工现场安全帽穿戴自动检测方法及系统 | |
CN108776974B (zh) | 一种适用于公共交通场景的实时目标跟踪方法 | |
CN109255298A (zh) | 一种动态背景中的安全帽检测方法与系统 | |
CN102447835A (zh) | 无盲区多目标协同跟踪方法及系统 | |
CN114565882B (zh) | 基于多视频摄像头智能联动的异常行为分析方法及装置 | |
CN111079722B (zh) | 一种吊装过程人员安全监测方法及系统 | |
CN109359563A (zh) | 一种基于数字图像处理的占道现象实时检测方法 | |
CN114022910A (zh) | 泳池防溺水监管方法、装置、计算机设备及存储介质 | |
Deng et al. | Long-Term Visual Simultaneous Localization and Mapping: Using a Bayesian Persistence Filter-Based Global Map Prediction | |
Li et al. | The application of Yolov4 and a new pedestrian clustering algorithm to implement social distance monitoring during the COVID-19 pandemic | |
CN115797864A (zh) | 一种应用于智慧社区的安全管理系统 | |
KR101572366B1 (ko) | 지능형 영상 감시 시스템을 위한 납치 상황 인식 방법 | |
CN113505704B (zh) | 图像识别的人员安全侦测方法、系统、设备及存储介质 | |
CN112597903B (zh) | 基于步幅测量的电力人员安全状态智能识别方法及介质 | |
CN111860097B (zh) | 一种基于模糊理论的异常行为检测方法 | |
CN113314230A (zh) | 基于大数据的智能防疫方法、装置、设备及存储介质 | |
CN117392611A (zh) | 工地安全监测方法、系统、设备及存储介质 | |
CN112183532A (zh) | 基于弱监督协同学习算法的安全帽识别方法及存储介质 | |
CN116342645A (zh) | 一种针对游泳馆场景下的多目标跟踪方法 | |
CN113743380B (zh) | 一种基于视频图像动态监测的主动跟踪方法 | |
Xiao et al. | Facial mask detection system based on YOLOv4 algorithm |
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: 20210223 |