CN112422909B - 一种基于人工智能的视频行为分析管理系统 - Google Patents
一种基于人工智能的视频行为分析管理系统 Download PDFInfo
- Publication number
- CN112422909B CN112422909B CN202011241905.XA CN202011241905A CN112422909B CN 112422909 B CN112422909 B CN 112422909B CN 202011241905 A CN202011241905 A CN 202011241905A CN 112422909 B CN112422909 B CN 112422909B
- Authority
- CN
- China
- Prior art keywords
- scene
- module
- verification code
- video
- acquiring
- 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.)
- Active
Links
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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/268—Signal distribution or switching
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于人工智能的视频行为分析管理系统，包括定位模块、场景切换模块、报警模块、行为分析模块和任务处理模块；所述场景切换模块用于多个场景之间的视频画面切换；所述行为分析模块用于对多个场景视频画面中的行为进行分析；所述任务处理模块用于对多个场景视频画面中的异常行为进行处理，本发明实现“同步记录判断”，无需事后的视频回放来调查异常情况及取证，实时判断异常行为及报警及时；本发明能够实时自动“发现警情”并主动“分析”视野中的监视目标，判断出这些被监视目标的行为是否存在安全威胁，及时向安全防卫人员发出警报，大大提升了监控区域的安全防范能力。
Description
技术领域
本发明属于视频分析技术领域，涉及视频行为分析管理系统，具体是一种基于人工智能的视频行为分析管理系统。
背景技术
视频泛指将一系列静态影像以电信号的方式加以捕捉、纪录、处理、储存、传送与重现的各种技术。连续的图像变化每秒超过24帧画面以上时，根据视觉暂留原理，人眼无法辨别单幅的静态画面；看上去是平滑连续的视觉效果，这样连续的画面叫做视频。视频技术最早是为了电视系统而发展，但现在已经发展为各种不同的格式以利消费者将视频记录下来。网络技术的发达也促使视频的纪录片段以串流媒体的形式存在于因特网之上并可被电脑接收与播放。视频与电影属于不同的技术，后者是利用照相术将动态的影像捕捉为一系列的静态照片。
当前技术中，大多数视频监控系统还处于传统模式，即“只记录不判断”，因此只能通过事后的视频回放来调查异常情况及取证，存在无法实时判断异常行为及报警的缺点，且需要工作人员不间断地监视场景内的活动，工作量繁重，易受人体感官疲劳影响从而出现漏检和误检的情况，失去了监控系统进行现场实时监控的意义；当前的视频监控系统无法避免事态趋于恶化，通过摄像机无法实时自动“发现警情”并主动“分析”视野中的监视目标，也无法判断出这些被监视目标的行为是否存在安全威胁，对已经出现或将要出现的安全威胁，无法及时向安全防卫人员发出警报，监控区域的安全防范能力有待提升；随着监控系统规模的扩大，视频数量海量增大，从中获取有用的信息或者情报越来越难，查找效率低，难以满足监控系统的需求，为此，我们提出一种基于人工智能的视频行为分析管理系统。
发明内容
针对现有技术存在的不足，本发明目的是提供一种基于人工智能的视频行为分析管理系统。
本发明所要解决的技术问题为：
(1)大多数视频监控系统还处于传统模式，即“只记录不判断”，因此只能通过事后的视频回放来调查异常情况及取证，存在无法实时判断异常行为及报警的缺点，且需要工作人员不间断地监视场景内的活动，工作量繁重，易受人体感官疲劳影响从而出现漏检和误检的情况，失去了监控系统进行现场实时监控的意义；
(2)当前的视频监控系统无法避免事态趋于恶化，通过摄像机无法实时自动“发现警情”并主动“分析”视野中的监视目标，也无法判断出这些被监视目标的行为是否存在安全威胁，对已经出现或将要出现的安全威胁，无法及时向安全防卫人员发出警报，监控区域的安全防范能力有待提升；
(3)随着监控系统规模的扩大，视频数量海量增大，从中获取有用的信息或者情报越来越难，查找效率低，难以满足监控系统的需求。
本发明的目的可以通过以下技术方案实现：
一种基于人工智能的视频行为分析管理系统，包括若干个移动终端、数据采集模块、定位模块、场景切换模块、报警模块、显示模块、行为分析模块和任务处理模块；
若干个移动终端用于使用人员进行注册登录视频行为分析管理系统，并将注册成功的个人信息发送至在线平台中，若干个移动终端还用于使用人员拍摄多个场景的视频画面，并将视频画面上传至在线平台；所述数据采集模块用于采集多个场景的视频画面，数据采集模块包括安装在多个场景的高清摄像头和若干个移动终端；
所述定位模块用于对视频画面和移动终端进行定位，并将定位信息发送至在线平台，所述场景切换模块用于多个场景之间的视频画面切换；所述显示模块用于对多个场景的视频画面进行显示；所述报警模块用于对视频异常行为进行报警；所述行为分析模块用于对多个场景视频画面中的行为进行分析，具体分析过程如下：
SS1：获取场景视频画面中的所有物体，并将物体标记为i；
SS2：选取每个物体上的若干个轮廓点，得到每个物体i的轮廓点数和轮廓图，并将轮廓图约束到预定分辨率；
SS3：获取在线平台中轮廓点数相同的轮廓图；
SS4：在线平台中轮廓点数相同的轮廓图与每个物体的轮廓图进行投影重合，得到投影重合率；
SS5：若投影重合率大于等于预设值X1，获取得到在线平台中重叠率最高的轮廓图，并将该轮廓图标记为目标信息；
SS6：若投影重合率小于预设值X1，则判定此时的轮廓图出现错误，同时获取在线平台中该轮廓图以外的轮廓图，并将该轮廓图以外的所有轮廓图与物体轮廓图重新进行比对；
所述任务处理模块用于对多个场景视频画面中的异常行为进行处理。
进一步地，所述场景切换模块的具体切换步骤如下：
S1：获取视频行为分析管理系统应用的场景，并将场景标记为u，u＝1，……，n；
S2：获取对应场景的预设切换时长，并将对应场景的预设切换时长标记为Tu；
S3：采用验证码验证的方式对场景进行切换，验证码由六位数的汉字组成；
S4：获取验证码的生成时间，并将验证码的生成时间标记为T1；获取验证码发送至移动终端的时间，并将验证码发送至移动终端的时间标记为T2；
S5：利用验证码发送至移动终端的时间T2减去验证码的生成时间T1得到验证码的发送时长T3；
S6：获取验证码的输入时长T4，将验证码的输入时长T4与验证码的发送时长T3相加得到总耗时T5；
S7：若总耗时T5大于对应场景的预设切换时长Tu，场景切换不通过；
若总耗时T5小于等于对应场景的预设切换时长Tu，进入下一步骤；
S8：获取验证码的笔画戳，按照从左到右的格式获取对应数位汉字的笔画，并将对应数位汉字的笔画标记为B1-B6，B1-B6排列组合后得到语句笔画数组；
S9：通过移动终端输入验证码后得到验证码的语句笔画数组，当移动终端输入的验证码的语句笔画数组与预设生成的验证码的语句笔画数组完全相同时，产生场景切换信号；反之，不产生场景切换信号。
进一步地，所述任务处理模块的具体处理过程如下：
P1：当场景视频画面中出现异常行为后产生报警信号，报警信号传输至在线平台和若干个移动终端o，o＝1，……，n，o代表移动终端；
P2：以存在异常行为的场景视频画面所在位置为原点建立二维坐标系；
P3：利用距离公式计算得到移动终端距离原点的距离Jo；
P4：获取移动终端中异常行为待处理量，并将异常行为待处理量标记为Do；
P5：获取移动终端中异常行为处理总次数和总时长，计算得到异常行为处理效率Xo；
P6：利用公式计算得到异常行为处理值CL，具体公式如下：
P7：将若干个移动终端的异常行为处理值CL降序排列，异常行为处理值最大的移动终端为本次异常行为处理终端。
进一步地，所述轮廓点具体为物体的边缘部位上的随机点，轮廓图约束到预定分辨率指的是将轮廓图缩放到预定的尺寸，并且不保持纵横比。
与现有技术相比，本发明的有益效果是：
1、本发明实现“同步记录判断”，无需事后的视频回放来调查异常情况及取证，实时判断异常行为及报警及时，无需工作人员不间断地监视场景内的活动，减轻工作人员的工作量；
2、本发明有效避免事态趋于恶化，通过摄像机实时自动“发现警情”并主动“分析”视野中的监视目标，判断出这些被监视目标的行为是否存在安全威胁，对已经出现或将要出现的安全威胁，及时向安全防卫人员发出警报，大大提升了监控区域的安全防范能力；
3、本发明在监控系统规模的扩大和视频数量海量增大的情况，能够快速获取有用的信息或者情报，查找效率高效，满足了监控系统的需求。
附图说明
为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。
图1为本发明的整体系统框图。
具体实施方式
下面将结合实施例对本发明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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1所示，一种基于人工智能的视频行为分析管理系统，包括若干个移动终端、数据采集模块、定位模块、场景切换模块、报警模块、显示模块、行为分析模块和任务处理模块；
若干个移动终端用于使用人员进行注册登录视频行为分析管理系统，并将注册成功的个人信息发送至在线平台中，若干个移动终端还用于使用人员拍摄多个场景的视频画面，并将视频画面上传至在线平台；所述数据采集模块用于采集多个场景的视频画面，数据采集模块包括安装在多个场景的高清摄像头和若干个移动终端；
所述定位模块用于对视频画面和移动终端进行定位，并将定位信息发送至在线平台，所述场景切换模块用于多个场景之间的视频画面切换，具体切换步骤如下：
S1：获取视频行为分析管理系统应用的场景，并将场景标记为u，u＝1，……，n；
S2：获取对应场景的预设切换时长，并将对应场景的预设切换时长标记为Tu；
S3：采用验证码验证的方式对场景进行切换，验证码由六位数的汉字组成；
S4：获取验证码的生成时间，并将验证码的生成时间标记为T1；获取验证码发送至移动终端的时间，并将验证码发送至移动终端的时间标记为T2；
S5：利用验证码发送至移动终端的时间T2减去验证码的生成时间T1得到验证码的发送时长T3；
S6：获取验证码的输入时长T4，将验证码的输入时长T4与验证码的发送时长T3相加得到总耗时T5；
S7：若总耗时T5大于对应场景的预设切换时长Tu，场景切换不通过；
若总耗时T5小于等于对应场景的预设切换时长Tu，进入下一步骤；
S8：获取验证码的笔画戳，按照从左到右的格式获取对应数位汉字的笔画，并将对应数位汉字的笔画标记为B1-B6，B1-B6排列组合后得到语句笔画数组；具体举例说明若验证码语句为“生活真美好呀”，B1-B6依次表示为05-09-10-09-06-07，即得到050910090607的语句笔画数组；
S9：通过移动终端输入验证码后得到验证码的语句笔画数组，当移动终端输入的验证码的语句笔画数组与预设生成的验证码的语句笔画数组完全相同时，产生场景切换信号；反之，不产生场景切换信号；
所述显示模块用于对多个场景的视频画面进行显示；所述报警模块用于对视频异常行为进行报警；所述行为分析模块用于对多个场景视频画面中的行为进行分析，具体分析过程如下：
SS1：获取场景视频画面中的所有物体，并将物体标记为i；
SS2：选取每个物体上的若干个轮廓点，得到每个物体i的轮廓点数和轮廓图，并将轮廓图约束到预定分辨率，其中，轮廓点具体为物体的边缘部位上的随机点，轮廓图约束到预定分辨率指的是将轮廓图缩放到预定的尺寸，并且不保持纵横比；
SS3：获取在线平台中轮廓点数相同的轮廓图；
SS4：在线平台中轮廓点数相同的轮廓图与每个物体的轮廓图进行投影重合，得到投影重合率；
SS5：若投影重合率大于等于预设值X1，获取得到在线平台中重叠率最高的轮廓图，并将该轮廓图标记为目标信息；
SS6：若投影重合率小于预设值X1，则判定此时的轮廓图出现错误，同时获取在线平台中该轮廓图以外的轮廓图，并将该轮廓图以外的所有轮廓图与物体轮廓图重新进行比对；
所述任务处理模块用于对多个场景视频画面中的异常行为进行处理，具体处理过程如下：
P1：当场景视频画面中出现异常行为后产生报警信号，报警信号传输至在线平台和若干个移动终端o，o＝1，……，n，o代表移动终端；
P2：以存在异常行为的场景视频画面所在位置为原点建立二维坐标系；
P3：利用距离公式计算得到移动终端距离原点的距离Jo；
P4：获取移动终端中异常行为待处理量，并将异常行为待处理量标记为Do；
P5：获取移动终端中异常行为处理总次数和总时长，计算得到异常行为处理效率Xo；
P6：利用公式计算得到异常行为处理值CL，具体公式如下：
P7：将若干个移动终端的异常行为处理值CL降序排列，异常行为处理值最大的移动终端为本次异常行为处理终端。
一种基于人工智能的视频行为分析管理系统，工作时，所通过场景切换模块对多个场景之间的切换，首先获取视频行为分析管理系统应用的场景u，而后获取对应场景的预设切换时长Tu，采用验证码验证的方式对场景进行切换，验证码由六位数的汉字组成，获取验证码的生成时间T1和验证码发送至移动终端的时间T2，利用验证码发送至移动终端的时间T2减去验证码的生成时间T1得到验证码的发送时长T3，获取验证码的输入时长T4，将验证码的输入时长T4与验证码的发送时长T3相加得到总耗时T5，若总耗时T5大于对应场景的预设切换时长Tu，场景切换不通过，若总耗时T5小于等于对应场景的预设切换时长Tu，进一步获取验证码的笔画戳，按照从左到右的格式获取对应数位汉字的笔画，并将对应数位汉字的笔画标记为B1-B6，B1-B6排列组合后得到语句笔画数组，通过移动终端输入验证码后得到验证码的语句笔画数组，当移动终端输入的验证码的语句笔画数组与预设生成的验证码的语句笔画数组完全相同时，产生场景切换信号；反之，不产生场景切换信号；
通过行为分析模块用于对多个场景视频画面中的行为进行分析，获取场景视频画面中的所有物体i，选取每个物体上的若干个轮廓点，得到每个物体i的轮廓点数和轮廓图，并将轮廓图约束到预定分辨率，轮廓点具体为物体的边缘部位上的随机点，轮廓图约束到预定分辨率指的是将轮廓图缩放到预定的尺寸，并且不保持纵横比，获取在线平台中轮廓点数相同的轮廓图，在线平台中轮廓点数相同的轮廓图与每个物体的轮廓图进行投影重合得到投影重合率，若投影重合率大于等于预设值X1，获取得到在线平台中重叠率最高的轮廓图，并将该轮廓图标记为目标信息，若投影重合率小于预设值X1，则判定此时的轮廓图出现错误，同时获取在线平台中该轮廓图以外的轮廓图，并将该轮廓图以外的所有轮廓图与物体轮廓图重新进行比对；
通过任务处理模块用于对多个场景视频画面中的异常行为进行处理，当场景视频画面中出现异常行为后产生报警信号，报警信号传输至在线平台和若干个移动终端o，以存在异常行为的场景视频画面所在位置为原点建立二维坐标系，利用距离公式计算得到移动终端距离原点的距离Jo，获取移动终端中异常行为待处理量Do，而后获取移动终端中异常行为处理总次数和总时长，计算得到异常行为处理效率Xo，利用公式
计算得到异常行为处理值CL，将若干个移动终端的异常行为处理值CL降序排列，异常行为处理值最大的移动终端为本次异常行为处理终端。
上述公式均是去量化取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (3)
1.一种基于人工智能的视频行为分析管理系统，其特征在于，包括若干个移动终端、数据采集模块、定位模块、场景切换模块、报警模块、显示模块、行为分析模块和任务处理模块；
若干个移动终端用于使用人员进行注册登录视频行为分析管理系统，并将注册成功的个人信息发送至在线平台中，若干个移动终端还用于使用人员拍摄多个场景的视频画面，并将视频画面上传至在线平台；所述数据采集模块用于采集多个场景的视频画面，数据采集模块包括安装在多个场景的高清摄像头和若干个移动终端；
所述定位模块用于对视频画面和移动终端进行定位，并将定位信息发送至在线平台；所述场景切换模块用于多个场景之间的视频画面切换；所述显示模块用于对多个场景的视频画面进行显示；所述报警模块用于对视频异常行为进行报警；所述行为分析模块用于对多个场景视频画面中的行为进行分析，具体分析过程如下：
SS1：获取场景视频画面中的所有物体，并将物体标记为i；
SS2：选取每个物体上的若干个轮廓点，得到每个物体i的轮廓点数和轮廓图，并将轮廓图约束到预定分辨率；
SS3：获取在线平台中轮廓点数相同的轮廓图；
SS4：在线平台中轮廓点数相同的轮廓图与每个物体的轮廓图进行投影重合，得到投影重合率；
SS5：若投影重合率大于等于预设值X1，获取得到在线平台中重叠率最高的轮廓图，并将该轮廓图标记为目标信息；
SS6：若投影重合率小于预设值X1，则判定此时的轮廓图出现错误，同时获取在线平台中该轮廓图以外的轮廓图，并将该轮廓图以外的所有轮廓图与物体轮廓图重新进行比对；
所述任务处理模块用于对多个场景视频画面中的异常行为进行处理；
所述任务处理模块的具体处理过程如下：
P1：当场景视频画面中出现异常行为后产生报警信号，报警信号传输至在线平台和若干个移动终端o，o＝1，……，n，o代表移动终端；
P2：以存在异常行为的场景视频画面所在位置为原点建立二维坐标系；
P3：利用距离公式计算得到移动终端距离原点的距离Jo；
P4：获取移动终端中异常行为待处理量，并将异常行为待处理量标记为Do；
P5：获取移动终端中异常行为处理总次数和总时长，计算得到异常行为处理效率Xo；
P6：利用公式计算得到异常行为处理值CL，具体公式如下：
P7：将若干个移动终端的异常行为处理值CL降序排列，异常行为处理值最大的移动终端为本次异常行为处理终端。
2.根据权利要求1所述的一种基于人工智能的视频行为分析管理系统，其特征在于，所述场景切换模块的具体切换步骤如下：
S1：获取视频行为分析管理系统应用的场景，并将场景标记为u，u＝1，……，n；
S2：获取对应场景的预设切换时长，并将对应场景的预设切换时长标记为Tu；
S3：采用验证码验证的方式对场景进行切换，验证码由六位数的汉字组成；
S4：获取验证码的生成时间，并将验证码的生成时间标记为T1；获取验证码发送至移动终端的时间，并将验证码发送至移动终端的时间标记为T2；
S5：利用验证码发送至移动终端的时间T2减去验证码的生成时间T1得到验证码的发送时长T3；
S6：获取验证码的输入时长T4，将验证码的输入时长T4与验证码的发送时长T3相加得到总耗时T5；
S7：若总耗时T5大于对应场景的预设切换时长Tu，场景切换不通过；
若总耗时T5小于等于对应场景的预设切换时长Tu，进入下一步骤；
S8：获取验证码的笔画戳，按照从左到右的格式获取对应数位汉字的笔画，并将对应数位汉字的笔画标记为B1-B6，B1-B6排列组合后得到语句笔画数组；
S9：通过移动终端输入验证码后得到验证码的语句笔画数组，当移动终端输入的验证码的语句笔画数组与预设生成的验证码的语句笔画数组完全相同时，产生场景切换信号；反之，不产生场景切换信号。
3.根据权利要求1所述的一种基于人工智能的视频行为分析管理系统，其特征在于，所述轮廓点具体为物体的边缘部位上的随机点，轮廓图约束到预定分辨率指的是将轮廓图缩放到预定的尺寸，并且不保持纵横比。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011241905.XA CN112422909B (zh) | 2020-11-09 | 2020-11-09 | 一种基于人工智能的视频行为分析管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011241905.XA CN112422909B (zh) | 2020-11-09 | 2020-11-09 | 一种基于人工智能的视频行为分析管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112422909A CN112422909A (zh) | 2021-02-26 |
| CN112422909B true CN112422909B (zh) | 2022-10-14 |
Family
ID=74780919
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011241905.XA Active CN112422909B (zh) | 2020-11-09 | 2020-11-09 | 一种基于人工智能的视频行为分析管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112422909B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113128418B (zh) * | 2021-04-23 | 2022-02-18 | 深圳市黑金工业制造有限公司 | 一种校园智能监控系统及监控中识别异常的方法 |
| CN115171361B (zh) * | 2022-09-02 | 2022-12-02 | 广东中科凯泽信息科技有限公司 | 一种基于计算机视觉的危险行为智能检测预警方法 |
| CN117354448B (zh) * | 2023-12-06 | 2024-05-24 | 广东保伦电子股份有限公司 | 一种用于视频会议的矩阵切换系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007195130A (ja) * | 2006-01-17 | 2007-08-02 | Ara Software:Kk | 映像監視システム |
| CN103714648A (zh) * | 2013-12-06 | 2014-04-09 | 乐视致新电子科技（天津）有限公司 | 一种监控预警方法和设备 |
| US9390506B1 (en) * | 2015-05-07 | 2016-07-12 | Aricent Holdings Luxembourg S.A.R.L. | Selective object filtering and tracking |
| CN106529412A (zh) * | 2016-10-12 | 2017-03-22 | 国政通科技股份有限公司 | 一种智能视频识别方法及系统 |
| CN107103615A (zh) * | 2017-04-05 | 2017-08-29 | 合肥酷睿网络科技有限公司 | 一种监控视频目标锁定追踪系统及锁定追踪方法 |
| CN107911653A (zh) * | 2017-11-16 | 2018-04-13 | 王磊 | 驻所智能视频监控模组、系统、方法以及存储介质 |
| CN110472749A (zh) * | 2018-10-11 | 2019-11-19 | 广州德亚机械制造有限公司 | 设备的远程监控方法及监控设备 |
| CN110650316A (zh) * | 2019-09-27 | 2020-01-03 | 万翼科技有限公司 | 智能巡逻及预警处理方法、装置、电子设备及存储介质 |
| CN111464509A (zh) * | 2020-03-18 | 2020-07-28 | 珠海市鸿瑞信息技术股份有限公司 | 一种双处理系统用网络安全隔离系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090041297A1 (en) * | 2005-05-31 | 2009-02-12 | Objectvideo, Inc. | Human detection and tracking for security applications |
-
2020
- 2020-11-09 CN CN202011241905.XA patent/CN112422909B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007195130A (ja) * | 2006-01-17 | 2007-08-02 | Ara Software:Kk | 映像監視システム |
| CN103714648A (zh) * | 2013-12-06 | 2014-04-09 | 乐视致新电子科技（天津）有限公司 | 一种监控预警方法和设备 |
| US9390506B1 (en) * | 2015-05-07 | 2016-07-12 | Aricent Holdings Luxembourg S.A.R.L. | Selective object filtering and tracking |
| CN106529412A (zh) * | 2016-10-12 | 2017-03-22 | 国政通科技股份有限公司 | 一种智能视频识别方法及系统 |
| CN107103615A (zh) * | 2017-04-05 | 2017-08-29 | 合肥酷睿网络科技有限公司 | 一种监控视频目标锁定追踪系统及锁定追踪方法 |
| CN107911653A (zh) * | 2017-11-16 | 2018-04-13 | 王磊 | 驻所智能视频监控模组、系统、方法以及存储介质 |
| CN110472749A (zh) * | 2018-10-11 | 2019-11-19 | 广州德亚机械制造有限公司 | 设备的远程监控方法及监控设备 |
| CN110650316A (zh) * | 2019-09-27 | 2020-01-03 | 万翼科技有限公司 | 智能巡逻及预警处理方法、装置、电子设备及存储介质 |
| CN111464509A (zh) * | 2020-03-18 | 2020-07-28 | 珠海市鸿瑞信息技术股份有限公司 | 一种双处理系统用网络安全隔离系统 |
Non-Patent Citations (1)
| Title |
|---|
| 监控视频中异常行为自动检测系统的设计与实现;监控视频中异常行为自动检测系统的设计与实现;《中国刑警学院学报 》;20141231;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112422909A (zh) | 2021-02-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112422909B (zh) | 一种基于人工智能的视频行为分析管理系统 | |
| CN101615295B (zh) | 图像处理系统和图像处理方法 | |
| CN109299703B (zh) | 对鼠情进行统计的方法、装置以及图像采集设备 | |
| JP5213105B2 (ja) | 映像ネットワークシステム及び映像データ管理方法 | |
| CN110225299B (zh) | 视频监测方法、装置、计算机设备及存储介质 | |
| CN110853033B (zh) | 基于帧间相似度的视频检测方法和装置 | |
| CN111325051B (zh) | 一种基于人脸图像roi选取的人脸识别方法及装置 | |
| CN110659391A (zh) | 一种视频侦查方法及装置 | |
| Kumar et al. | Key frame extraction from consumer videos using sparse representation | |
| KR102511287B1 (ko) | 영상 기반 자세 예측 및 행동 검출 방법 및 장치 | |
| CN109905670A (zh) | 一种多级平台监控系统 | |
| CN113688820A (zh) | 频闪条带信息识别方法、装置和电子设备 | |
| CN115690496A (zh) | 基于YOLOv5的实时区域入侵检测方法 | |
| CN112235540A (zh) | 一种用于屏幕显示故障识别报警的智能视频监控系统 | |
| CN111723656A (zh) | 一种基于YOLO v3与自优化的烟雾检测方法及装置 | |
| CN114422720A (zh) | 视频浓缩方法、系统、装置和存储介质 | |
| CN111553408B (zh) | 视频识别软件自动测试的方法 | |
| CN112347996A (zh) | 一种场景状态判断方法、装置、设备及存储介质 | |
| CN114359828A (zh) | 目标行为的记录方法、装置、存储介质及电子装置 | |
| CN113411543A (zh) | 一种多路监控视频融合显示方法及系统 | |
| CN113947795A (zh) | 口罩佩戴检测方法、装置、设备及存储介质 | |
| CN112488072A (zh) | 一种人脸样本集获取方法、系统及设备 | |
| Bagkratsas et al. | Digital forensics, video forgery recognition, for cybersecurity systems | |
| CN117456610B (zh) | 一种攀爬异常行为检测方法、系统及电子设备 | |
| CN111582243B (zh) | 逆流检测方法、装置、电子设备和存储介质 |
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 |