CN112435253A - 墙体脱落检测方法、装置及可读存储介质 - Google Patents

墙体脱落检测方法、装置及可读存储介质 Download PDF

Info

Publication number
CN112435253A
CN112435253A CN202011425101.5A CN202011425101A CN112435253A CN 112435253 A CN112435253 A CN 112435253A CN 202011425101 A CN202011425101 A CN 202011425101A CN 112435253 A CN112435253 A CN 112435253A
Authority
CN
China
Prior art keywords
wall
target
image
information
determining
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
Application number
CN202011425101.5A
Other languages
English (en)
Other versions
CN112435253B (zh
Inventor
郑德生
黄焕岭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Skyworth Digital Technology Co Ltd
Original Assignee
Shenzhen Skyworth Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Skyworth Digital Technology Co Ltd filed Critical Shenzhen Skyworth Digital Technology Co Ltd
Priority to CN202011425101.5A priority Critical patent/CN112435253B/zh
Publication of CN112435253A publication Critical patent/CN112435253A/zh
Application granted granted Critical
Publication of CN112435253B publication Critical patent/CN112435253B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • 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
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • 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
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • H04N23/675—Focus control based on electronic image sensor signals comprising setting of focusing regions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/30—Transforming light or analogous information into electric information
    • H04N5/33—Transforming infrared radiation
    • 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
    • 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
    • G06T2207/30168—Image quality inspection

Abstract

本发明公开了一种墙体脱落检测方法，包括：获取多个图像采集装置采集的图像信息，所述多个图像采集装置分布于待监测建筑物的各楼层，用于采集各楼层的检测区域内的图像信息；根据所述图像信息确定墙体存在异常的目标检测区域，并确定与所述目标检测区域对应的目标采集装置；根据所述图像信息对所述目标采集装置的拍摄参数进行调整，使所述目标采集装置能够采集到所述目标检测区域内的异常墙体区域的细节图像信息；获取所述目标采集装置采集的细节图像信息，根据所述细节图像信息确定所述目标检测区域内的墙体脱落情况。本发明还公开了一种墙体脱落检测装置及可读存储介质。通过初步分析定位与细节分析确认，提高了墙体脱落情况的检测效果。

Description

墙体脱落检测方法、装置及可读存储介质
技术领域
本发明涉及墙体检测技术领域，尤其涉及一种墙体脱落检测方法、装置及可读存储介质。
背景技术
一次次高空坠物伤人事件频发，引起了全民关注，成为社会事件。《中华人民共和国侵权责任法》有明确规定，从建筑物中抛掷或者从建筑物上坠落的物品造成他人损害的，它的所有人或者管理人应当承担相应的民事责任。随着建筑物的老化，墙体上的瓷砖或水泥面等容易脱落，导致存在安全隐患。
目前，市场上进行墙体检测使用的是红外热成像检测技术，需要人拿着便携式的红外热成像设备，在不同角度、距离拍摄很多图像，再通过电脑软件对这些图像进行处理分析，得出墙体的质量分析数据。不仅需要人工参与测试，而且只能阶段性对墙体进行定时检测，不能实时监测。另外，红外热成像检测技术受到气候、检测距离、方位等影响，测试的数据偏差大。因而，目前的墙体检测方案存在无法实时检测墙体数据，因红外热成像检测技术容易受环境因素影响等问题，导致墙体检测效果不佳。
发明内容
本发明主要目的在于提供一种墙体脱落检测方法、装置及可读存储介质，旨在解决现有技术中的墙体检测方案无法实现实时检测且易受环境影响导致墙体检测效果不佳的问题。
为实现上述目的，本发明提供一种墙体脱落检测方法，所述方法包括以下步骤：
获取多个图像采集装置采集的图像信息，所述多个图像采集装置分布于待监测建筑物的各楼层，用于采集各楼层的检测区域内的图像信息；
根据所述图像信息确定墙体存在异常的目标检测区域，并确定与所述目标检测区域对应的目标采集装置；
根据所述图像信息对所述目标采集装置的拍摄参数进行调整，使所述目标采集装置能够采集到所述目标检测区域内的异常墙体区域的细节图像信息；
获取所述目标采集装置采集的细节图像信息，根据所述细节图像信息确定所述目标检测区域内的墙体脱落情况。
可选地，所述根据所述图像信息对所述目标采集装置的拍摄参数进行调整的步骤包括：
根据所述图像信息确定目标检测区域内的墙体信息和环境信息；
根据所述墙体信息和所述环境信息确定目标采集装置的调整参数；
根据所述调整参数对所述目标采集装置相应的拍摄参数进行调整。
可选地，所述根据所述墙体信息和所述环境信息确定目标采集装置的调整参数的步骤包括：
根据所述墙体信息和所述环境信息确定目标采集装置的拍摄调整参数；
根据所述环境信息确定目标采集装置的图像调整参数。
可选地，所述根据所述墙体信息和所述环境信息确定目标采集装置的拍摄调整参数的步骤包括：
根据所述墙体信息确定目标采集装置的焦距调整参数；
根据所述墙体信息和所述环境信息确定目标采集装置的补光调整参数。
可选地，所述根据所述墙体信息确定目标采集装置的焦距调整参数的步骤包括：
根据所述墙体信息确定异常墙体区域的尺寸信息，并确定异常墙体区域与目标采集装置的距离信息；
根据所述尺寸信息和所述距离信息确定目标采集装置的焦距调整参数。
可选地，所述确定与所述目标检测区域对应的目标采集装置的步骤之前，包括：
根据所述图像信息提取各检测区域内的墙体特征图像；
将所述墙体特征图像与预设异常模型图进行比对，得到第一比对结果；
若所述第一比对结果为存在与预设异常模型图匹配的墙体特征图像，则将所匹配的墙体特征图像对应的检测区域确定为存在墙体异常的目标检测区域。
可选地，所述根据所述细节图像信息确定所述目标检测区域内的墙体脱落情况的步骤包括：
根据所述细节图像信息提取目标检测区域内的异常特征图像；
将所述异常特征图像与预设细节模型图进行比对，得到第二比对结果；
若所述第二比对结果为存在与所述异常特征图像匹配的预设细节模型图，则确定所述目标检测区域内存在墙体脱落的风险。
可选地，所述确定所述目标检测区域内存在墙体脱落的风险的步骤之后，包括：
根据所述第二比对结果确定风险等级与风险类型；
根据所述风险等级与所述风险类型输出风险提示信息，对墙体脱落风险进行提示。
此外，为实现上述目的，本发明还提供一种墙体脱落检测装置，所述墙体脱落检测装置包括存储器、处理器及存储在所述处理器上并可在处理器上运行的墙体脱落检测程序，所述处理器执行所述墙体脱落检测程序时实现如上所述的墙体脱落检测方法的步骤。
此外，为实现上述目的，本发明还提供一种可读存储介质，所述可读存储介质上存储有墙体脱落检测程序，所述墙体脱落检测程序被处理器执行时实现如上所述的墙体脱落检测方法的步骤。
本发明实施例通过获取的图像采集装置初步采集的图像信息，确定墙体存在异常的目标检测区域，并确定与所述目标检测区域对应的目标采集装置，以便及时对可能存在墙体脱落情况的目标检测区域进行排查，避免错过任何一个可能存在的潜在风险；然后根据该图像信息调整目标采集装置的拍摄参数，使目标采集装置能够采集到目标检测区域内的异常墙体区域的细节图像信息，进而，根据该细节图像信息精准分析目标检测区域内的墙体脱落情况，全程无需人工参与，能够实现对墙体脱落情况的实时监测，而且无需使用红外热成像仪，能够避免受到环境因素等的影响。也即，通过及时有效的对墙体脱落情况进行检测，提高了墙体检测效果。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的墙体脱落检测装置结构示意图；
图2是本发明墙体脱落检测方法第一实施例的流程示意图；
图3为本发明墙体脱落检测方法第二实施例的流程示意图；
图4为本发明墙体脱落检测方法第三实施例的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
本发明的主要解决方案是：获取多个图像采集装置采集的图像信息，所述多个图像采集装置分布于待监测建筑物的各楼层，用于采集各楼层的检测区域内的图像信息；根据所述图像信息确定墙体存在异常的目标检测区域，并确定与所述目标检测区域对应的目标采集装置；根据所述图像信息对所述目标采集装置的拍摄参数进行调整，使所述目标采集装置能够采集到所述目标检测区域内的异常墙体区域的细节图像信息；获取所述目标采集装置采集的细节图像信息，根据所述细节图像信息确定所述目标检测区域内的墙体脱落情况。
目前的墙体脱落检测方案需要依赖于人工才能实现检测，且检测过程中容易受到环境因素等的影响导致墙体检测效果不佳。因而，本发明提出一种墙体脱落检测方法、装置及可读存储介质，通过获取分布于待监测建筑物的各楼层的多个图像采集装置采集的图像信息，先确定存在墙体异常的目标检测区域，并确定与目标检测区域对应的目标采集装置，然后对目标采集装置的拍摄参数进行调整，使得目标采集装置能够采集到所述目标检测区域内的异常墙体区域的细节图像信息，以便根据该细节图像信息确定目标检测区域内的墙体脱落情况，无需人工参与，且不会受到环境因素的影响，能够及时有效的对墙体脱落情况进行预测，从而提高墙体脱落检测效果。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的墙体脱落检测装置结构示意图。
如图1所示，该墙体脱落检测装置可以包括：通信总线1002，处理器1001，例如CPU，用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的墙体脱落检测装置结构并不构成对墙体脱落检测装置的限定，可以包括比图示更多或更少的部件，或组合某些部件，或者不同的部件布置。
在图1所示的墙体脱落检测装置中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的墙体脱落检测程序，并执行以下操作：
获取多个图像采集装置采集的图像信息，所述多个图像采集装置分布于待监测建筑物的各楼层，用于采集各楼层的检测区域内的图像信息；
根据所述图像信息确定墙体存在异常的目标检测区域，并确定与所述目标检测区域对应的目标采集装置；
根据所述图像信息对所述目标采集装置的拍摄参数进行调整，使所述目标采集装置能够采集到所述目标检测区域内的异常墙体区域的细节图像信息；
获取所述目标采集装置采集的细节图像信息，根据所述细节图像信息确定所述目标检测区域内的墙体脱落情况。
可选地，处理器1001可以调用存储器1005中存储的墙体脱落检测程序，还执行以下操作：
根据所述图像信息确定目标检测区域内的墙体信息和环境信息；
根据所述墙体信息和所述环境信息确定目标采集装置的调整参数；
根据所述调整参数对所述目标采集装置相应的拍摄参数进行调整。
可选地，处理器1001可以调用存储器1005中存储的墙体脱落检测程序，还执行以下操作：
根据所述墙体信息和所述环境信息确定目标采集装置的拍摄调整参数；
根据所述环境信息确定目标采集装置的图像调整参数。
可选地，处理器1001调用存储器1005中存储的墙体脱落检测程序，并执行以下操作：
根据所述墙体信息确定目标采集装置的焦距调整参数；
根据所述墙体信息和所述环境信息确定目标采集装置的补光调整参数。
可选地，处理器1001可以调用存储器1005中存储的墙体脱落检测程序，还执行以下操作：
根据所述墙体信息确定异常墙体区域的尺寸信息，并确定异常墙体区域与目标采集装置的距离信息；
根据所述尺寸信息和所述距离信息确定目标采集装置的焦距调整参数。
可选地，所述确定与所述目标检测区域对应的目标采集装置的步骤之前，处理器1001可以调用存储器1005中存储的墙体脱落检测程序，还执行以下操作：
根据所述图像信息提取各检测区域内的墙体特征图像；
将所述墙体特征图像与预设异常模型图进行比对，得到第一比对结果；
若所述第一比对结果为存在与预设异常模型图匹配的墙体特征图像，则将所匹配的墙体特征图像对应的检测区域确定为存在墙体异常的目标检测区域。
可选地，处理器1001可以调用存储器1005中存储的墙体脱落检测程序，还执行以下操作：
根据所述细节图像信息提取目标检测区域内的异常特征图像；
将所述异常特征图像与预设细节模型图进行比对，得到第二比对结果；
若所述第二比对结果为存在与所述异常特征图像匹配的预设细节模型图，则确定所述目标检测区域内存在墙体脱落的风险。
可选地，所述确定所述目标检测区域内存在墙体脱落的风险的步骤之后，处理器1001可以调用存储器1005中存储的墙体脱落检测程序，还执行以下操作：
根据所述第二比对结果确定风险等级与风险类型；
根据所述风险等级与所述风险类型输出风险提示信息，对墙体脱落风险进行提示。
参照图2，图2为本发明墙体脱落检测方法的第一实施例流程图。本实施例中，所述墙体脱落检测方法包括以下步骤：
步骤S10：获取多个图像采集装置采集的图像信息，所述多个图像采集装置分布于待监测建筑物的各楼层，用于采集各楼层的检测区域内的图像信息；
本实施例中的墙体脱落检测方法，可应用于墙体脱落检测装置，该墙体脱落检测装置可包括图像采集装置或与图像采集装置通信。
为实现对待检测建筑物的墙体脱落情况的监测，防止墙体脱落造成安全隐患，可通过采集待检测建筑物的墙体图像，进行图像分析，以确认墙体是否存在脱落风险。这里所说的墙体，不仅包括瓷砖和水泥面等墙体装修材料，还包括由墙体承重的室内外装饰物，如室内吊顶、吊灯或壁画等，室外盆栽或挂饰(如灯笼)等，还包括由墙体固定的门窗及护栏等，此处不做具体限定。
具体地，为防止墙体脱落造成高空坠物等风险，可在待监测建筑物的各楼层都安装图像采集装置，用于采集各楼层的检测区域内的图像信息。各楼层的检测区域尤指各楼层需要进行墙体脱落检测的区域，可以是待监测建筑物的内部区域，也可以是待监测建筑物的外部区域，具体的检测区域可根据实际情况进行确定。于是，可在确定检测区域后，根据确定的检测区域来确定图像采集装置在各楼层的排布情况及排布数量，其中，不同楼层对应的检测区域可以相同也可以不同，相应的，不同楼层对应的图像采集装置的排布情况与排布数量可以相同也可以不同。
如，对于待监测建筑物的低楼层，可以仅在室内安装图像采集装置，对于高楼层，可以在室内外同时安装图像采集装置，对于各楼层的建筑结构存在区别的，每个楼层对应的图像采集装置可对应设置在不同的位置；另外，对于低楼层的建筑物或出于节约成本等考虑也可以选择同一待监测建筑物只安装一个图像采集装置，或同一待监测建筑物的每一楼层只安装一个图像采集装置等。本实施例中，为提高图像采集的有效性，优选在同一待监测建筑物的各楼层同时安装多个图像采集装置，如同时安装两个。也即，可以根据各楼层室内外的建筑结构、装修风格、楼层高度和用户的实际需求等确定检测区域，进而确定图像采集装置在各楼层的排布情况及排布数量，以便各楼层的图像采集装置能够有效采集到检测区域内的图像信息，进而获取不同图像采集装置采集的图像信息进行图像分析。
其中，用于采集各楼层的检测区域内的图像信息的图像采集装置，可以是摄像头也可以是其他包括摄像头的信息采集装置。其中，摄像头可以是旋转摄像头或广角摄像头，以便更大范围的采集检测区域的图像信息，减少图像采集装置的数量，节省成本。根据实际需求该摄像头还可以是具有红外补光功能及自动调焦功能等的多功能高清摄像头。于是，在采集各楼层的检测区域内的图像信息可根据墙体信息和环境信息等自动调节焦距、自动补光、自动调节画面的清晰度等，以便更加清晰的采集墙体图像，对墙体脱落情况进行更加准确的分析。
当然，在其他的一些实施例中，该摄像头还可以是可同时采集可见光图像、红外光图像和紫外光图像的多功能摄像头，如可通过可见光分析墙体裂痕，通过红外光图像确定墙体是否出现鼓包，通过紫外光图像确定墙体是否存在断裂等。
步骤S20：根据所述图像信息确定墙体存在异常的目标检测区域，并确定与所述目标检测区域对应的目标采集装置；
在获取多个图像采集装置采集的图像信息之后，对获取的图像信息进行图像处理，以确定各楼层对应的检测区域中是否有存在墙体异常的目标检测区域，进而及时发现可能存在墙体脱落的目标检测区域。具体的处理过程可以是：先对各图像信息进行图像分割，分割出需要进行墙体分析的目标图像；然后对分割后的目标图像进行图像识别，以对分割后的目标图像进行归类，具体可根据形状和灰度信息等基于决策理论和结构方法进行分类，或是预先构建的图像模型进行匹配分类等；再根据分类结果确定是否有检测区域存在墙体异常。这里，墙体异常的情况包括但不限于墙体存在裂纹、霉点及鼓包等情况。
在根据分类结果确定存在墙体异常的目标检测区域时，为了进一步对目标检测区域内的墙体脱落情况进行确认，需要有针对性的采集目标检测区域内图像信息，以便根据再次采集的图像信息更加准确的确定目标检测区域内的墙体脱落情况，进而预防墙体脱落带来的安全隐患。于是，在确定存在墙体异常的目标检测区域的同时，还需要确定目标检测区域对应的目标采集装置，所确定的目标采集装置也即用于采集目标检测区域内图像信息的图像采集装置。当然，在一个目标检测区域存在多个对应的图像采集装置时，可以基于图像的清晰度与有效性确定选取原则，按照所确定的选取原则从多个对应的图像采集装置中确定出一个作为目标采集装置，也可以是将多个图像采集装置中的部分或全部作为目标采集装置。
如，为了减少数据处理量，提高检测效率，可以以目标检测区域内与异常墙体相对角度最小的图像采集装置作为目标采集装置；为了提高检测效果，可以是以目标检测区域对应的所有图像采集装置作为目标采集装置；为了保证检测效率与检测效果，可以以目标检测区域对应的部分图像采集装置作为目标采集装置。
步骤S30：根据所述图像信息对所述目标采集装置的拍摄参数进行调整，使所述目标采集装置能够采集到所述目标检测区域内的异常墙体区域的细节图像信息；
为了更加清晰有效的拍摄到各楼层检测区域内异常墙体的图像信息，需要根据目标采集装置初步采集到的图像信息对目标采集装置的拍摄参数进行调整，再由目标采集装置按照调整后的拍摄参数拍摄目标检测区域内异常墙体对应的图像信息，即可获取到目标采集装置采集的目标检测区域内的异常墙体区域的细节图像信息。其中，目标采集装置的拍摄参数可包括焦距、补光强度、视场角及曝光度等。
如，在确定墙体存在异常的目标检测区域之后，可根据该图像信息进一步确定目标检测区域内的异常墙体区域，由于异常墙体区域相对于目标采集装置初步采集的图像区域更小，此时，需要根据图像信息对目标采集装置的焦距进行调节，以使异常墙体区域内的墙体异常细节能够在目标采集装置中清晰成像；在采集异常墙体区域的细节图像信息时，若采集环境处于暗环境，则需要对细节图像信息的采集进行补光处理；在采集异常墙体区域的光源分布不均时，如异常墙体区域位于阴暗的墙角，则需要调节异常墙体区域的对比度和亮度等。
步骤S40：获取所述目标采集装置采集的细节图像信息，根据所述细节图像信息确定所述目标检测区域内的墙体脱落情况。
在墙体脱落检测装置获取到目标采集装置按照调整后的拍摄参数拍摄的细节图像信息之后，可对该细节图像信息进行图像处理，进而根据图像处理结果确定目标检测区域内的墙体脱落情况。这里，墙体脱落情况可包括墙体自身材料的脱落情况，墙体承载物的脱落情况以及墙体支撑物的脱落情况等多种类型的脱落情况。于是，可预先建立不同类型的脱落情况对应的数据库或是预先训练不同类型的脱落情况对应的墙体分类模型，以便从数据库中匹配与图像处理结果匹对应的脱落情况类型或是直接由训练好的墙体分类模型输出相应的脱落情况类型，进而对墙体脱落情况进行预测。
另外，在确定墙体脱落情况时，除了可以预测墙体脱落情况对应的脱落类型以外，还可以预测墙体脱落类型对应的脱落程度。如，在墙体出现细小的裂纹时，可确定为轻度脱落；在墙体裂纹较大时，可视为中度脱落；在墙体出现大面积裂纹时，可确定为中度脱落。另外，还可根据目标图像信息确定墙体脱落的数量信息和位置信息等。
在一具体的应用实例中，墙体脱落检测装置可包括图像数据采集模块、图像数据传输模块和图像数据处理中心。其中，图像数据采集模块，可由多个变焦红外网络摄像机组成，该变焦网络摄像机可进行自动变焦与红外补光处理，并且，对于摄像机的排布，在每个楼层的检测区域，可至少在水平方向的中心位置和垂直方向的中心位置各放一个变焦红外网络摄像机；图像数据传输模块，包括路由器、交换机、NVR等网络设备，可用将图像数据采集模块采集得到图像数据传输到图像数据处理中心；图像数据处理中心，可对采集的图像数据进行处理分析，得出墙体脱落情况预测结果，并及时上报等。
本实施例先根据图像采集装置采集的图像信息对各检测区域内的墙体情况进行初步分析，及时筛选出存在墙体异常的目标检测区域；然后根据图像采集装置以调整后拍摄参数采集的目标检测区域内的目标图像信息进行细节分析，对目标检测区域内的墙体脱落情况进行精准预测，避免采用红外热成像检测仪进行人工检测，无法实现墙体数据的实时监测且所监测的数据容易受到环境因素影响，造成墙体检测效果不佳。不仅能够对墙体数据进行实时检测，而且能够及时发现异常脱落情况，并且能够对墙体脱落情况进行有效预测，提高了墙体检测效果。
基于上述实施例提出本发明墙体脱落检测方法的第二实施例，参照图3。本实施例中，所述墙体脱落检测方法包括以下步骤：
步骤S11：获取多个图像采集装置采集的图像信息，所述多个图像采集装置分布于待监测建筑物的各楼层，用于采集各楼层的检测区域内的图像信息；
步骤S12：根据所述图像信息确定墙体存在异常的目标检测区域，并确定与所述目标检测区域对应的目标采集装置；
步骤S13：根据所述图像信息确定目标检测区域内的墙体信息和环境信息；
步骤S14：根据所述墙体信息和所述环境信息确定目标采集装置的调整参数；
步骤S15：根据所述调整参数对所述目标采集装置相应的拍摄参数进行调整，使所述目标采集装置能够采集到所述目标检测区域内的异常墙体区域的细节图像信息；
步骤S16：获取所述目标采集装置按照调整后的拍摄参数拍摄的目标图像信息，根据所述目标图像信息对目标检测区域内的墙体脱落情况进行预测。
在初步采集各楼层的检测区域内的图像信息之后，可根据该图像信息确定墙体存在异常的目标检测区域，为了更加有效对目标检测区域内的墙体异常情况进行甄别，需要根据初步采集的图像信息对目标采集装置的拍摄参数进行调整，以获取更加清晰有效的目标图像信息。
一实施例中，要对目标采集装置的拍摄参数进行调整，可先根据图像信息确定目标检测区域内的墙体信息和环境信息，然后根据墙体信息和环境信息确定目标采集装置的调整参数，进而根据所确定的调整参数对目标采集装置的相应拍摄参数进行调整。其中，墙体信息可包括：目标采集装置可采集的墙体区域信息及可采集的墙体区域内需要重点拍摄的可能会存在墙体脱落情况的墙体区域信息等相关信息；环境信息尤指拍摄细节图像信息时的环境光信息，可通过初步采集的图像信息进行反映，包括光源相对于目标检测区域的方向信息，以及目标检测区域所在环境的亮暗程度等；目标采集装置的拍摄参数包括：目标采集装置拍摄图像时的摄像参数(如焦距，视场角，拍摄角度，补光等)，以及目标采集装置生成图像信息时的图像参数，如对比度、亮度、曝光度、锐度、饱和度、色温以及暗角等。目标采集装置的调整参数尤指目标采集装置的拍摄参数中需要进行调整的参数及其调整值。
在根据墙体信息和环境信息确定目标采集装置的调整参数时，一方面可根据墙体信息和环境信息确定目标采集装置的拍摄调整参数，该拍摄调整参数尤指目标采集装置拍摄图像时的摄像参数对应的调整参数。如，若根据墙体信息确定目标检测区域内的异常墙体区域过大，超过预设的区域尺寸范围，则可以通过增大焦距使异常墙体区域所成的细节图像信息大于目标采集装置的焦距且尽可能的接近焦距；若目标检测区域内的异常墙体区域过小，小于预设的区域尺寸范围，则可通过调小焦距使异常墙体区域所成的细节图像信息大于目标采集装置的焦距且尽可能的接近焦距；若根据墙体信息确定目标检测区域内的异常墙体区域偏离目标检测区域的中心区域，可将目标采集装置旋转至目标采集装置的摄像头正对于异常墙体区域；若目标检测区域内的异常墙体区域为整体采集环境偏暗导致所采集的图像信息无法进行细节区分，可通过补光处理进行调节；另一方面，可根据环境信息确定目标采集装置的图像调整参数，该图像调整参数尤指目标采集装置拍摄图像时的摄像参数。如，可以根据环境光的明暗程度对生成目标图像信息时目标采集装置的曝光度、亮度和对比度等图像调整参数进行调整。
一实施例中，所确定的拍摄调整参数包括焦距调整参数和补光调整参数。具体地，可先根据墙体信息确定异常墙体区域及其尺寸信息和位置信息，进而根据异常墙体区域所在的位置信息，确定异常墙体区域与目标采集装置的距离信息，然后根据所确定的尺寸信息和距离信息确定目标采集装置的焦距调整参数。如尺寸信息越大和/或距离信息越大时，焦距越大；尺寸信息越小和/或距离信息越小，焦距越小；与此同时，为了使目标采集装置能够采集到清晰的局部放大图(也即，目标图像信息)，异常墙体区域与目标采集装置的距离信息应尽量保持在目标采集装置的一倍焦距和二倍焦距之间。其中，异常墙体区域与目标采集装置的距离信息尤指异常墙体区域所在的中心位置点与目标采集装置的摄像头的中心点之间的距离信息；异常墙体区域尤指初步进行异常分析后所确定的目标检测区域内需要进行重点分析的墙体区域。另外，在根据墙体信息确定异常墙体区域之后，还可以将异常墙体区域所在的位置信息和尺寸信息与环境信息结合，来确定目标采集装置的补光调整参数。具体可以是：根据异常墙体区域的位置信息和尺寸信息确定拍摄目标图像信息时的补光位置，进而根据补光位置和环境信息确定不同补光位置对应的补光强度等。
本实施例是通过图像信息确定目标检测区域内的墙体信息和环境信息，进而根据所确定的墙体信息和环境信息确定目标采集装置的调整参数，然后根据所确定的调整参数对目标采集装置相应的拍摄参数进行调整，使得目标采集装置按照调整后的拍摄参数采集目标图像信息时，能够更加清晰有效的拍摄到目标检测区域内的异常墙体区域对应的异常细节，进而有效的确定墙体脱落情况。也即，通过调节目标采集装置的拍摄参数，提高细节图像信息的拍摄质量，使得所拍摄的细节图像信息更具有可靠性，能够提高墙体脱落检测的可靠性。
基于上述实施例，提出本发明墙体脱落检测的第三实施例。参照图4，本实施例中，所述墙体脱落检测方法包括以下步骤：
步骤S21：获取多个图像采集装置采集的图像信息，所述多个图像采集装置分布于待监测建筑物的各楼层，用于采集各楼层的检测区域内的图像信息；
步骤S22：根据所述图像信息提取各检测区域内的墙体特征图像；
步骤S23：将所述墙体特征图像与预设异常模型图进行比对，得到第一比对结果；
步骤S24：若所述第一比对结果为存在与预设异常模型图匹配的墙体特征图像，则将所匹配的墙体特征图像对应的检测区域确定为存在墙体异常的目标检测区域，并确定与所述目标检测区域对应的目标采集装置；
步骤S25：根据所述图像信息对所述目标采集装置的拍摄参数进行调整，使所述目标采集装置能够采集到所述目标检测区域内的异常墙体区域的细节图像信息；
步骤S26：获取所述目标采集装置采集的细节图像信息，根据所述细节图像信息确定所述目标检测区域内的墙体脱落情况。
一方面，为了确定与目标检测区域对应的目标采集装置，需要先确定存在墙体异常的目标检测区域。一实施例中，可通过从获取的图像信息中提取各检测区域内的墙体特征图像的方式来确定目标检测区域。具体地，可预先将不同异常情况对应的墙体模型图(也即，预设异常模型图)存储至墙体异常分析数据库中；然后，以图像分割等图像处理手段从获取的图像信息中提取各检测区域内的墙体特征图像，再将所提取的墙体特征图像与预设异常模型图进行比对，进而根据所述第一比对结果确定存在墙体异常的目标检测区域；在第一比对结果为墙体异常分析数据库中存在与墙体特征图像匹配的预设异常模型图时，则说明各楼层对应的检测区域中存在出现墙体异常的检测区域，此时可将出现墙体异常的检测区域作为目标检测区域；在第一比对结果为墙体异常分析数据库中不存在与墙体特征图像匹配的预设异常模型图时，说明各楼层对应的检测区域中均未出现存在墙体异常的检测区域，此时，继续获取多个图像采集装置采集的图像信息。
另一方面，为了对目标检测区域内的墙体脱落情况进行预测，需要先从获取的目标图像信息中提取目标检测区域内的异常特征图像，进而根据所提取的异常特征图像确定目标检测区域内的墙体脱落情况。具体地，可先将不同墙体脱落情况对应的异常模型图(预设细节模型图)存储到墙体脱落预测数据库中；然后，以图像分割等图像处理手段从获取的目标图像信息中提取目标检测区域内的异常特征图像；再将所提取的异常特征图像与墙体脱落预测数据库中的预设细节模型图进行比对，得到第二比对结果，进而根据第二比对结果确定目标检测区域内的墙体脱落情况；若第二比对结果为不存在与异常特征图像对应的预设细节模型图，则对墙体脱落预测数据库中的预设细节模型图进行完善更新，以供后续使用；若第二比对结果为存在与异常特征图像对应的预设细节模型图，说明目标检测区域内存在墙体脱落的风险，可直接根据预设异常模型图确定与之关联的墙体脱落情况，进而对墙体脱落情况进行预测。
进一步地，在确定目标检测区域内存在墙体脱落的风险之后，可将该墙体脱落情况与风险评估数据库中的风险等级数据与风险类型数据进行匹配，进而确定与该墙体脱落情况对应的风险等级与风险类型。该风险评估数据库中预先存储有不同墙体脱落情况关联的风险等级数据与风险类型数据。在确定风险等级与风险类型之后，便可以输出相应等级与类型的提示信息，对墙体脱落风险进行提示。其中，不同的墙体脱落情况对应不同的风险等级与风险类型，而不同的风险等级与风险类型可对应不同的提示等级与提示类型。如，在风险类型为墙体材料脱落风险时，若风险等级为一级，可以在有人经过的时候以报警音提示；若风险等级为二级，则持续进行报警音提示。在风险类型为墙体承载物脱落时，若风险等级为一级，可以在有人经过的时候进行提示；若风险等级为二级，则按预设时间间隔进行语音提示；若风险等级为三级，则持续进行语音播报。在风险类型为墙体支撑物脱落时，若风险等级为一级，可以以预设时间间隔进行语音播报；若风险等级为二级，则可以以报警音和提示音交替的方式，进行持续播报提示；若风险等级为三级，则以报警音和提示音，同时且实时进行持续播报提示。
本实施例在获取多个图像采集装置采集的图像信息之后，根据获取的图像信息提取各检测区域内的墙体特征图像，然后将所提取的墙体特征图像与预设异常模型图进行比对，得到第一比对结果，进而在第一比对结果为存在与预设异常模型图匹配的墙体特征图像时，将存在所匹配的预设异常模型的墙体特征图像对应的检测区域确定为存在墙体异常的目标检测区域，然后确定与所述目标检测区域对应的目标采集装置，根据所获取的图像信息对目标采集装置的拍摄参数进行调整。也即，可以自动提取墙体特征图像，进而根据提取的墙体特征图像自动确定存在墙体异常的目标检测区域，全程无需人工参与，可实现墙体数据的实时监测且不会受到环境因素的影响，不仅能够实现墙体数据的实时检测而且能够提高墙体检测效果。
此外，本发明实施例还提供一种墙体脱落检测装置，所述墙体脱落检测装置包括存储器、处理器及存储在所述处理器上并可在处理器上运行的墙体脱落检测程序，所述处理器执行所述墙体脱落检测程序时实现如上所述墙体脱落检测方法的步骤。
此外，本发明实施例还提供一种可读存储介质，所述可读存储介质上存储有墙体脱落检测程序，所述墙体脱落检测程序被处理器执行时实现如上所述的墙体脱落检测方法的步骤。
需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，电视，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种墙体脱落检测方法，其特征在于，所述墙体脱落检测方法包括以下步骤：
获取多个图像采集装置采集的图像信息，所述多个图像采集装置分布于待监测建筑物的各楼层，用于采集各楼层的检测区域内的图像信息；
根据所述图像信息确定墙体存在异常的目标检测区域，并确定与所述目标检测区域对应的目标采集装置；
根据所述图像信息对所述目标采集装置的拍摄参数进行调整，使所述目标采集装置能够采集到所述目标检测区域内的异常墙体区域的细节图像信息；
获取所述目标采集装置采集的细节图像信息，根据所述细节图像信息确定所述目标检测区域内的墙体脱落情况。
2.如权利要求1所述的墙体脱落检测方法，其特征在于，所述根据所述图像信息对所述目标采集装置的拍摄参数进行调整的步骤包括：
根据所述图像信息确定目标检测区域内的墙体信息和环境信息；
根据所述墙体信息和所述环境信息确定目标采集装置的调整参数；
根据所述调整参数对所述目标采集装置相应的拍摄参数进行调整。
3.如权利要求2所述的墙体脱落检测方法，其特征在于，所述根据所述墙体信息和所述环境信息确定目标采集装置的调整参数的步骤包括：
根据所述墙体信息和所述环境信息确定目标采集装置的拍摄调整参数；
根据所述环境信息确定目标采集装置的图像调整参数。
4.如权利要求3所述的墙体脱落检测方法，其特征在于，所述根据所述墙体信息和所述环境信息确定目标采集装置的拍摄调整参数的步骤包括：
根据所述墙体信息确定目标采集装置的焦距调整参数；
根据所述墙体信息和所述环境信息确定目标采集装置的补光调整参数。
5.如权利要求4所述的墙体脱落检测方法，其特征在于，所述根据所述墙体信息确定目标采集装置的焦距调整参数的步骤包括：
根据所述墙体信息确定异常墙体区域的尺寸信息，并确定异常墙体区域与目标采集装置的距离信息；
根据所述尺寸信息和所述距离信息确定目标采集装置的焦距调整参数。
6.如权利要求1所述的墙体脱落检测方法，其特征在于，所述确定与所述目标检测区域对应的目标采集装置的步骤之前，包括：
根据所述图像信息提取各检测区域内的墙体特征图像；
将所述墙体特征图像与预设异常模型图进行比对，得到第一比对结果；
若所述第一比对结果为存在与预设异常模型图匹配的墙体特征图像，则将所匹配的墙体特征图像对应的检测区域确定为存在墙体异常的目标检测区域。
7.如权利要求6所述的墙体脱落检测方法，其特征在于，所述根据所述细节图像信息确定所述目标检测区域内的墙体脱落情况的步骤包括：
根据所述细节图像信息提取目标检测区域内的异常特征图像；
将所述异常特征图像与预设细节模型图进行比对，得到第二比对结果；
若所述第二比对结果为存在与所述异常特征图像匹配的预设细节模型图，则确定所述目标检测区域内存在墙体脱落的风险。
8.如权利要求7所述的墙体脱落检测方法，其特征在于，所述确定所述目标检测区域内存在墙体脱落的风险的步骤之后，包括：
根据所述第二比对结果确定风险等级与风险类型；
根据所述风险等级与所述风险类型输出风险提示信息，对墙体脱落风险进行提示。
9.一种墙体脱落检测装置，其特征在于，所述墙体脱落检测装置包括存储器、处理器及存储在存储器上并可在处理器上运行的墙体脱落检测程序，所述处理器执行所述墙体脱落检测程序时实现权利要求1-8中任一项所述的墙体脱落检测方法的步骤。
10.一种可读存储介质，其特征在于，所述可读存储介质上存储有墙体脱落检测程序，所述墙体脱落检测程序被处理器执行时实现如权利要求1-8中任一项所述的墙体脱落检测方法的步骤。
CN202011425101.5A 2020-12-08 2020-12-08 墙体脱落检测方法、装置及可读存储介质 Active CN112435253B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011425101.5A CN112435253B (zh) 2020-12-08 2020-12-08 墙体脱落检测方法、装置及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011425101.5A CN112435253B (zh) 2020-12-08 2020-12-08 墙体脱落检测方法、装置及可读存储介质

Publications (2)

Publication Number Publication Date
CN112435253A true CN112435253A (zh) 2021-03-02
CN112435253B CN112435253B (zh) 2023-06-27

Family

ID=74691369

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011425101.5A Active CN112435253B (zh) 2020-12-08 2020-12-08 墙体脱落检测方法、装置及可读存储介质

Country Status (1)

Country Link
CN (1) CN112435253B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113553983A (zh) * 2021-07-30 2021-10-26 中国电子科技集团公司第五十四研究所 一种星载ads-b与遥感图像结合的异常目标监测方法
CN114332779A (zh) * 2022-03-15 2022-04-12 云丁网络技术(北京)有限公司 一种对目标物进行监控的方法及相关设备
CN115796591A (zh) * 2022-12-06 2023-03-14 武汉誉钱乐房地产有限公司 一种基于图像采集的智慧城市居住安全预警分析方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105319218A (zh) * 2015-12-15 2016-02-10 广西师范大学 一种基于fpga的无人机建筑物探伤系统
EP3348986A1 (en) * 2015-09-10 2018-07-18 FUJIFILM Corporation Damage information extraction device, damage information extraction method and damage information extraction program
CN108983806A (zh) * 2017-06-01 2018-12-11 菜鸟智能物流控股有限公司 区域检测、航线规划数据的生成方法和系统、飞行器
CN109584318A (zh) * 2019-01-25 2019-04-05 浙江工业大学 一种用于检测并标记外墙体墙砖牢固程度的方法及装置
CN109799858A (zh) * 2019-01-28 2019-05-24 浙江理工大学 一种夯土建筑智能监测系统的监测参数训练方法
CN109859171A (zh) * 2019-01-07 2019-06-07 北京工业大学 一种基于计算机视觉和深度学习的楼面缺陷自动检测方法
CN110185276A (zh) * 2019-04-19 2019-08-30 上海市建筑装饰工程集团有限公司 既有建筑外墙饰面砖脱落的修复方法
CN110988871A (zh) * 2019-12-25 2020-04-10 中南大学 一种无人机载穿墙雷达高层建筑墙体健康离线检测系统及检测方法
CN111126183A (zh) * 2019-12-09 2020-05-08 武汉大学 一种基于近地面影像数据的震后建筑物损毁检测方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3348986A1 (en) * 2015-09-10 2018-07-18 FUJIFILM Corporation Damage information extraction device, damage information extraction method and damage information extraction program
CN105319218A (zh) * 2015-12-15 2016-02-10 广西师范大学 一种基于fpga的无人机建筑物探伤系统
CN108983806A (zh) * 2017-06-01 2018-12-11 菜鸟智能物流控股有限公司 区域检测、航线规划数据的生成方法和系统、飞行器
CN109859171A (zh) * 2019-01-07 2019-06-07 北京工业大学 一种基于计算机视觉和深度学习的楼面缺陷自动检测方法
CN109584318A (zh) * 2019-01-25 2019-04-05 浙江工业大学 一种用于检测并标记外墙体墙砖牢固程度的方法及装置
CN109799858A (zh) * 2019-01-28 2019-05-24 浙江理工大学 一种夯土建筑智能监测系统的监测参数训练方法
CN110185276A (zh) * 2019-04-19 2019-08-30 上海市建筑装饰工程集团有限公司 既有建筑外墙饰面砖脱落的修复方法
CN111126183A (zh) * 2019-12-09 2020-05-08 武汉大学 一种基于近地面影像数据的震后建筑物损毁检测方法
CN110988871A (zh) * 2019-12-25 2020-04-10 中南大学 一种无人机载穿墙雷达高层建筑墙体健康离线检测系统及检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
唐西娅;: "大型建筑墙体裂痕视觉自动监测系统设计", 现代电子技术, pages 139 - 142 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113553983A (zh) * 2021-07-30 2021-10-26 中国电子科技集团公司第五十四研究所 一种星载ads-b与遥感图像结合的异常目标监测方法
CN114332779A (zh) * 2022-03-15 2022-04-12 云丁网络技术(北京)有限公司 一种对目标物进行监控的方法及相关设备
CN115796591A (zh) * 2022-12-06 2023-03-14 武汉誉钱乐房地产有限公司 一种基于图像采集的智慧城市居住安全预警分析方法及系统
CN115796591B (zh) * 2022-12-06 2023-07-07 深圳市博铭维系统工程有限公司 一种基于图像采集的智慧城市居住安全预警分析方法及系统

Also Published As

Publication number Publication date
CN112435253B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
CN112435253B (zh) 墙体脱落检测方法、装置及可读存储介质
WO2020078229A1 (zh) 目标对象的识别方法和装置、存储介质、电子装置
US10304306B2 (en) Smoke detection system and method using a camera
WO2020073505A1 (zh) 基于图像识别的图像处理方法、装置、设备及存储介质
CN109484935B (zh) 一种电梯轿厢监控方法、装置及系统
US20110025847A1 (en) Service management using video processing
CN110245630B (zh) 监控数据处理方法、装置及可读存储介质
KR100946749B1 (ko) 영상인식 및 이미지의 학습 방법을 기반한 안개 감지 방법및 그 시스템
US8712149B2 (en) Apparatus and method for foreground detection
CN109040693B (zh) 智能告警系统及方法
US20160247375A1 (en) Fire Detection Apparatus Utilizing A Camera
KR101624510B1 (ko) 다기능 범죄·화재감시 추적 시스템
WO2022078182A1 (zh) 抛出位置获取方法、装置、计算机设备及存储介质
KR101461184B1 (ko) Cctv 영상을 이용한 기상 상황 정보 추출 시스템
KR101625573B1 (ko) 차량 번호판 인식과 차량 하부 검색을 동시에 이용한 입출차 보안 시스템
US11277591B2 (en) Surveillance system, surveillance network construction method, and program
CN116416579B (zh) 一种园区安防监控存储信息智能分析管理系统
JP2003219399A (ja) 監視対象物を識別する監視装置
US10326917B2 (en) Monitoring camera
CN111866465A (zh) 一种基于物联网的小区高空丢物监测系统
EA029104B1 (ru) Способ управления системой мониторинга и система для его реализации
WO2018005616A1 (en) Smoke detection system and method using a camera
CN111429681A (zh) 带红外热像验证的综合周界安防系统及方法
CN108460357B (zh) 一种基于图像识别的开窗报警检测系统及方法
CN112597853A (zh) 基于物联网的自动报警方法和系统

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
GR01 Patent grant
GR01 Patent grant