CN112532917B - 一种基于流媒体的一体化智能监控平台 - Google Patents
一种基于流媒体的一体化智能监控平台 Download PDFInfo
- Publication number
- CN112532917B CN112532917B CN202011135766.2A CN202011135766A CN112532917B CN 112532917 B CN112532917 B CN 112532917B CN 202011135766 A CN202011135766 A CN 202011135766A CN 112532917 B CN112532917 B CN 112532917B
- Authority
- CN
- China
- Prior art keywords
- video stream
- stream data
- power supply
- frame image
- supply facility
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 54
- 238000003860 storage Methods 0.000 claims abstract description 27
- 230000005540 biological transmission Effects 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 26
- 241001465754 Metazoa Species 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/60—Network structure or processes for video distribution between server and client or between remote clients; Control signalling between clients, server and network components; Transmission of management data between server and client, e.g. sending from server to client commands for recording incoming content stream; Communication details between server and client
- H04N21/63—Control signaling related to video distribution between client, server and network components; Network processes for video distribution between server and clients or between remote clients, e.g. transmitting basic layer and enhancement layers over different transmission paths, setting up a peer-to-peer communication via Internet between remote STB's; Communication protocols; Addressing
- H04N21/643—Communication protocols
- H04N21/6437—Real-time Transport Protocol [RTP]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供了一种基于流媒体的一体化智能监控平台，包括接收模块、存储模块、识别模块、显示模块和查询模块；所述接收模块用于接收来自监控终端的视频流数据，并传输至存储模块；存储模块，用于对来自接收模块的视频流数据进行分类存储；识别模块，用于根据所述视频流数据对供电设施进行监控，得到监控结果；所述显示模块用于显示所述监控结果；所述查询模块用于对存储模块中的视频流数据进行分类检索以及查看。本发明通过流媒体传输协议获取供电设施的监控视频流数据，实现了对供电设施的远程监控、实时监控和智能监控。
Description
技术领域
本发明涉及监控领域，尤其涉及一种基于流媒体的一体化智能监控平台。
背景技术
现有技术中，对变电站等供电设施的监控一般是通过人工的方式来进行，不仅效率低，而且难以实现实时的监控。
发明内容
鉴于上述问题，本发明的目的在于提供一种基于流媒体的一体化智能监控平台，其包括接收模块、存储模块、识别模块、显示模块和查询模块；
所述接收模块用于接收来自监控终端的视频流数据，并传输至存储模块；
所述存储模块用于对来自接收模块的视频流数据进行分类存储；
所述识别模块用于根据所述视频流数据对供电设施进行监控，得到监控结果；
所述显示模块用于显示所述监控结果；
所述查询模块用于对存储模块中的视频流数据进行分类检索以及查看。
优选地，接收模块采用RTMP或RTSP流媒体传输协议将视频流数据传输至存储模块。
优选地，所述对来自接收模块的视频流数据进行分类存储，包括：
为所述视频流数据添加分类标签，所述分类标签包括视频流数据所属部门、视频流数据中包含的工作类型、视频流数据中包含的供电设备名称。
优选地，所述监控终端包括：
施工执法仪、巡检无人机、作业车上的监控镜头和处于供电设施内的监控摄像头。
优选地，所述供电设施包括智能工器具房和智能配电房。
优选地，根据所述视频流数据对供电设施进行监控，包括：
根据所述视频流数据，对供电设施进行异物入侵检测和人员检测；
所述异物入侵检测包括：
检测供电设施内是否有小动物进入；
所述人员检测包括：
检测进入供电设施内的人员是否具备进入的权限。
优选地，所述监控结果包括：
供电设施内有小动物进入或供电设施内没有小动物进入；
进入供电设施内的人员具备进入的权限或进入供电设施内的人员不具备进入的权限。
优选地，所述查询模块包括查询终端，所述查询终端用于根据视频流数据的分类标签对存储模块中的视频流数据进行分类检索得到目标视频流数据，所述查询终端还用于接收并展示来自存储模块的目标视频流数据。
与现有技术相比，本发明的优点在于：
本发明通过流媒体传输协议获取供电设施的监控视频流数据，实现了对供电设施的远程监控、实时监控和智能监控。采用流媒体传输协议，可以将视频流数据传输至存储模块，而对存储模块的位置并没有严格的要求，能够实现灵活配置。通过对视频流数据的实施分析，实现了对供电设施的异物入侵检测、人员权限检测等实时检测和智能检测，实现了对供电设施的实时监控和智能监控。相较于传统的人工监控的方式，效率更高，监控更全面。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1，为本发明一种基于流媒体的一体化智能监控平台的一种示例性实施例图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
本发明提供了一种基于流媒体的一体化智能监控平台，其包括接收模块、存储模块、识别模块、显示模块和查询模块；
所述接收模块用于接收来自监控终端的视频流数据，并传输至存储模块；
所述存储模块用于对来自接收模块的视频流数据进行分类存储；
所述识别模块用于根据所述视频流数据对供电设施进行监控，得到监控结果；
所述显示模块用于显示所述监控结果；
所述查询模块用于对存储模块中的视频流数据进行分类检索以及查看。
在一种实施例中，接收模块采用RTMP或RTSP流媒体传输协议将视频流数据传输至存储模块。
在一种实施例中，所述对来自接收模块的视频流数据进行分类存储，包括：
为所述视频流数据添加分类标签，所述分类标签包括视频流数据所属部门、视频流数据中包含的工作类型、视频流数据中包含的供电设备名称。
所述分类标签在后续对视频流数据的管理过程中，用户能够根据自身需要对其进行增删改查。
在一种实施例中，所述监控终端包括：
施工执法仪、巡检无人机、作业车上的监控镜头和处于供电设施内的监控摄像头。
在一种实施例中，所述供电设施包括智能工器具房和智能配电房。
在一种实施例中，根据所述视频流数据对供电设施进行监控，包括：
根据所述视频流数据，对供电设施进行异物入侵检测和人员检测；
所述异物入侵检测包括：
检测供电设施内是否有小动物进入；
所述人员检测包括：
检测进入供电设施内的人员是否具备进入的权限。
在一种实施例中，所述监控结果包括：
供电设施内有小动物进入或供电设施内没有小动物进入；
进入供电设施内的人员具备进入的权限或进入供电设施内的人员不具备进入的权限。
在一种实施例中，所述查询模块包括查询终端，所述查询终端用于根据视频流数据的分类标签对存储模块中的视频流数据进行分类检索得到目标视频流数据，所述查询终端还用于接收并展示来自存储模块的目标视频流数据。
在一种实施方式中，通过如下方式检测供电设施内是否有小动物进入：
对于视频流数据中的第n帧图像，先对其进行运动目标检测，判断第n帧图像中是否存在运动物体；若第n帧图像中存在运动物体，则对第n帧图像进一步进行识别处理，若第n帧图像中不存在运动物体，则判断供电设施内没有小动物进入；
进一步进行识别处理包括：
对第n帧图像进行灰度化处理，得到灰度图像；
对灰度图像中属于运动物体区域的像素点进行图像生长处理，得到扩大后的运动物体区域；
对扩大后的运动物体区域进行降噪处理，得到降噪图像；
对所述降噪图像进行特征数据提取；
将所述特征数据与标准模板图像中的小动物的特征数据进行匹配，判断所述运动物体是否为小动物，若是，则判断供电设施内有小动物进入，若否，则判断供电设施内没有小动物进入。
虽然判断结果为没有小动物进入，但是该运动物体还可能是其它物体，例如进入到供电设施内的人员等，在进行小动物识别后，可以将从运动物体区域提取特征数据与标准模板图像中的其它类型的运动物体进行匹配，进一步对运动物体的类型进行识别。
本发明上述实施例，在判断是否有小动物进入供电设施时，先使用运动目标监测算法判断是否有运动物体，在检测到运动物体时，再对第n帧图像进行特征数据的提取，能够避免对视频流数据中的所有帧都进行特征数据的提取以及匹配，降低识别模块的运算压力，降低识别模块的能耗。在检测出运动物体后，由于检测算法一般无法把运动物体的全部像素点检测出来，因此，通过区域生长的方式，对运动物体的区域进行扩大，尽可能地还原属于运动物体区域的像素点。进而尽可能地还原运动物体的全貌，然后对扩大后的运动物体区域进行降噪处理以及特征数据的提取，这样子，使得提取的特征数据更为全面，因为有利于提高对运动物体的类型的检测的准确率。这里的类型指的是人、小动物、车、烟雾等。
在一种实施例中，对于视频流数据中的第n帧图像，通过如下方式对其进行运动目标检测：
对第n帧图像进行灰度化处理，得到处理图像，
计算第n帧图像的第一判断参数：
式中，fij表示灰度级为i且8邻域中的灰度均值为j的像素点的总数，u1表示处理图像中所有像素点的灰度级的集合，u2表示u1中的像素点的8邻域的灰度均值的集合；c1,n表示第n帧图像的第一判断参数；numofn表示所述第n帧图像中的像素点的总数；
计算第n帧图像的第二判断参数：
式中，ms表示使用光流法得到的前景像素点的总数，zl表示所有前景像素点组成的最小外接矩形的四条边的边长，所述边长用像素点的个数表示，c2,n表示第n帧图像的第二判断参数；
通过下述公式计算第n帧图像的第三判断参数：
c3,n＝α1×(c1,n-c1,bg)+(1-α1)×(c2,n-c2,bg)
式中，c3,n表示第n帧图像的第三判断参数，α1表示权重参数，c1,bg表示视频流数据中的第1帧图像的第一判断参数，其计算方式与c1,n的计算方式一致；c2,bg表示频流数据中的第1帧图像的第二判断参数，其计算方式与c2,n的计算方式一致；
将c3,n与判断阈值pdthre进行对比，若c3,n大于等于pdthre，则表示第n帧图像中存在运动物体，若c3,n小于pdthre，则表示第n帧图像中不存在运动物体。
现有技术中的运动目标检测算法，一般是仅通过相邻帧进行差分，从而判断图像中是否存在运动物体，但是这种检测方式只能检测到运动物体的一部分，而且判断阈值的选取也是一个问题，因为在实际生产活动中，拍摄的背景是一直在变化的，不同的背景下，显然不能用相同的判断阈值，不同的判断阈值的选取，极大地增加了检测的难度。而本申请上述实施方式，通过第一判断参数判断第n帧图像中的混乱程度是否增大，通过第二判断参数判断运动物体的形状变化程度，通过第三判断参数对这第一判断参数和第二判断参数进行融合，综合反映运动物体的特征。而由于光流法可以针对变化的背景准确地检测出前景物体，因此，本申请的判断阈值能够适应大部分背景场景，实现了对运动物体的准确检测。
在一种实施方式中，对灰度图像中属于运动物体区域的像素点进行图像生长处理，包括：
对于运动物体区域的边缘像素点，采用如下方式确定其四邻域中的像素点能否作为区域生长的像素点：
对于边缘像素点k，计算其4邻域中的像素点与其之间的区别度：
pdk,h＝β1×|fk-fh|+β2×|fsk-fsh|+β3×|fhk-fhh|
式中，pdk,h表示k的4邻域中的像素点h与k之间的区别度，fk和fh分别表示k和h的像素值，fsk和fsh分别表示示k和h的梯度幅值，fhk和fhh分别表示k和h在第n帧图像中对应的像素点在HSV颜色空间中的饱和度分量的像素值；β1、β2和β3为设定的权重参数。
从k与其4邻域的像素点的4个区别度从小到大进行排序，选取最小的区别度对应的像素点作为候选像素点，
将候选像素点对应的区别度与设定的判断阈值cthre进行对比，若候选像素点对应的区别度小于设定的判断阈值，则将候选像素点作为运动物体区域的一部分。
传统的生长算法，仅仅是考虑像素点在像素值上的差异来判断是否进行区域生长，这样子容易产生错误的生长。而本申请从像素值、梯度幅值以及饱和度这几个方面进行综合考虑，能够准确选出区别度最小的像素点，并判断其是否能纳入到运动物体区域中，使得生长结果更为准确。
在一种实施方式中，对扩大后的运动物体区域进行降噪处理，得到降噪图像，包括：
对运动物体区域进行小波分解处理，获得小波高频系数和小波低频系数；
对小波高频系数，通过如下方式进行处理：
式中，xh(a,b)表示处理后的第a层的第b个小波高频系数，yz(a)表示第a层的处理阈值，h(a,b)表示处理前的第a层的第b个小波高频系数，φ表示设定的处理系数，sng表示符号函数；
将小波低频系数与处理后的小波高频系数进行重构，得到降噪图像。
通过对小波分解后的小波高频系数进行处理，在处理时对不同的层的小波高频系数采用不同的处理阈值，实现了对小波高频系数的自适应处理，避免不同层的小波高频系数采用同一个处理阈值。能够在降噪的同时有效地保留图像中的边缘细节信息，有利于提高后续识别的准确性。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种基于流媒体的一体化智能监控平台，其特征在于，其包括接收模块、存储模块、识别模块、显示模块和查询模块；
所述接收模块用于接收来自监控终端的视频流数据，并传输至存储模块；
所述存储模块用于对来自接收模块的视频流数据进行分类存储；
所述识别模块用于根据所述视频流数据对供电设施进行监控，得到监控结果；
所述显示模块用于显示所述监控结果；
所述查询模块用于对存储模块中的视频流数据进行分类检索以及查看；
所述供电设施包括智能工器具房和智能配电房；
根据所述视频流数据对供电设施进行监控，包括：
根据所述视频流数据，对供电设施进行异物入侵检测和人员检测；
所述异物入侵检测包括：
检测供电设施内是否有小动物进入；
所述人员检测包括：
检测进入供电设施内的人员是否具备进入的权限；
通过如下方式检测供电设施内是否有小动物进入：
对于视频流数据中的第n帧图像，先对其进行运动目标检测，判断第n帧图像中是否存在运动物体；若第n帧图像中存在运动物体，则对第n帧图像进一步进行识别处理，若第n帧图像中不存在运动物体，则判断供电设施内没有小动物进入；
进一步进行识别处理包括：
对第n帧图像进行灰度化处理，得到灰度图像；
对灰度图像中属于运动物体区域的像素点进行图像生长处理，得到扩大后的运动物体区域；
对扩大后的运动物体区域进行降噪处理，得到降噪图像；
对所述降噪图像进行特征数据提取；
将所述特征数据与标准模板图像中的小动物的特征数据进行匹配，判断所述运动物体是否为小动物，若是，则判断供电设施内有小动物进入，若否，则判断供电设施内没有小动物进入；
对于视频流数据中的第n帧图像，通过如下方式对其进行运动目标检测：
对第n帧图像进行灰度化处理，得到处理图像，
计算第n帧图像的第一判断参数：
式中，fij表示灰度级为i且8邻域中的灰度均值为j的像素点的总数，u1表示处理图像中所有像素点的灰度级的集合，u2表示u1中的像素点的8邻域的灰度均值的集合；c1,n表示第n帧图像的第一判断参数；numofn表示所述第n帧图像中的像素点的总数；
计算第n帧图像的第二判断参数：
式中，ms表示使用光流法得到的前景像素点的总数，zl表示所有前景像素点组成的最小外接矩形的四条边的边长，所述边长用像素点的个数表示，c2,n表示第n帧图像的第二判断参数；
通过下述公式计算第n帧图像的第三判断参数：
c3,n＝α1×(c1,n-c1,bg)+(1-α1)×(c2,n-c2,bg)
式中，c3,n表示第n帧图像的第三判断参数，α1表示权重参数，c1,bg表示视频流数据中的第1帧图像的第一判断参数，其计算方式与c1,n的计算方式一致；c2,bg表示频流数据中的第1帧图像的第二判断参数，其计算方式与c2,n的计算方式一致；
将c3,n与判断阈值pdthre进行对比，若c3,n大于等于pdthre，则表示第n帧图像中存在运动物体，若c3,n小于pdthre，则表示第n帧图像中不存在运动物体。
2.根据权利要求1所述的一种基于流媒体的一体化智能监控平台，其特征在于，接收模块采用RTMP或RTSP流媒体传输协议将视频流数据传输至存储模块。
3.根据权利要求1所述的一种基于流媒体的一体化智能监控平台，其特征在于，所述对来自接收模块的视频流数据进行分类存储，包括：
为所述视频流数据添加分类标签，所述分类标签包括视频流数据所属部门、视频流数据中包含的工作类型、视频流数据中包含的供电设备名称。
4.根据权利要求1所述的一种基于流媒体的一体化智能监控平台，其特征在于，所述监控终端包括：
施工执法仪、巡检无人机、作业车上的监控镜头和处于供电设施内的监控摄像头。
5.根据权利要求1所述的一种基于流媒体的一体化智能监控平台，其特征在于，所述监控结果包括：
供电设施内有小动物进入或供电设施内没有小动物进入；
进入供电设施内的人员具备进入的权限或进入供电设施内的人员不具备进入的权限。
6.根据权利要求3所述的一种基于流媒体的一体化智能监控平台，其特征在于，所述查询模块包括查询终端，所述查询终端用于根据视频流数据的分类标签对存储模块中的视频流数据进行分类检索得到目标视频流数据，所述查询终端还用于接收并展示来自存储模块的目标视频流数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011135766.2A CN112532917B (zh) | 2020-10-21 | 2020-10-21 | 一种基于流媒体的一体化智能监控平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011135766.2A CN112532917B (zh) | 2020-10-21 | 2020-10-21 | 一种基于流媒体的一体化智能监控平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112532917A CN112532917A (zh) | 2021-03-19 |
| CN112532917B true CN112532917B (zh) | 2023-04-14 |
Family
ID=74979659
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011135766.2A Active CN112532917B (zh) | 2020-10-21 | 2020-10-21 | 一种基于流媒体的一体化智能监控平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112532917B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113723259A (zh) * | 2021-08-24 | 2021-11-30 | 罗家泳 | 监控视频处理方法、装置、计算机设备和存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018006825A1 (zh) * | 2016-07-08 | 2018-01-11 | 腾讯科技（深圳）有限公司 | 视频编码方法和装置 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102547244A (zh) * | 2012-01-17 | 2012-07-04 | 深圳辉锐天眼科技有限公司 | 视频监控方法及系统 |
| CN105100724B (zh) * | 2015-08-13 | 2018-06-19 | 电子科技大学 | 一种基于视觉分析的智能家居远程安全监控方法 |
| CN107623842A (zh) * | 2017-09-25 | 2018-01-23 | 西安科技大学 | 一种视频监控图像处理系统及方法 |
| US10546197B2 (en) * | 2017-09-26 | 2020-01-28 | Ambient AI, Inc. | Systems and methods for intelligent and interpretive analysis of video image data using machine learning |
| CN108055529A (zh) * | 2017-12-25 | 2018-05-18 | 国家电网公司 | 电力无人机和机器人图像数据规范化人工智能分析系统 |
| CN111199622A (zh) * | 2020-01-19 | 2020-05-26 | 张春华 | 一种大数据机房智能监控及调度的方法和系统 |
| CN111538859B (zh) * | 2020-04-23 | 2023-10-10 | 北京达佳互联信息技术有限公司 | 一种动态更新视频标签的方法、装置及电子设备 |
| CN211293777U (zh) * | 2020-07-02 | 2020-08-18 | 南京亚电电力自动化有限公司 | 一种以能源服务网关为监控系统核心的智能网格式预制开关站 |
-
2020
- 2020-10-21 CN CN202011135766.2A patent/CN112532917B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018006825A1 (zh) * | 2016-07-08 | 2018-01-11 | 腾讯科技（深圳）有限公司 | 视频编码方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112532917A (zh) | 2021-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101942808B1 (ko) | 객체 이미지 인식 dcnn 기반 cctv 영상분석장치 | |
| CA3017027C (en) | System and method for training object classifier by machine learning | |
| CN106709436B (zh) | 面向轨道交通全景监控的跨摄像头可疑行人目标跟踪系统 | |
| US8305440B2 (en) | Stationary object detection using multi-mode background modelling | |
| JP4616702B2 (ja) | 画像処理 | |
| CN111539265B (zh) | 一种电梯轿厢内异常行为检测方法 | |
| KR101615254B1 (ko) | 디지털 이미지들에서 얼굴 표정들을 검출 | |
| US9390333B2 (en) | System and method for robust motion detection | |
| US9373033B2 (en) | Assisted surveillance of vehicles-of-interest | |
| CN109918971B (zh) | 监控视频中人数检测方法及装置 | |
| CN108268850B (zh) | 一种基于图像的大数据处理方法 | |
| KR101781358B1 (ko) | 디지털 영상 내의 얼굴 인식을 통한 개인 식별 시스템 및 방법 | |
| US8553086B2 (en) | Spatio-activity based mode matching | |
| KR20200058260A (ko) | 객체 이미지 인식 dcnn 기반 cctv 영상분석장치 및 그 장치의 구동방법 | |
| US8922674B2 (en) | Method and system for facilitating color balance synchronization between a plurality of video cameras and for obtaining object tracking between two or more video cameras | |
| CN107911663A (zh) | 一种基于计算机视觉检测的电梯乘客危险行为智能识别预警系统 | |
| US20160189388A1 (en) | Video segmentation method | |
| KR101372860B1 (ko) | 영상 검색 시스템 및 영상 분석 서버 | |
| CN112532917B (zh) | 一种基于流媒体的一体化智能监控平台 | |
| KR101985869B1 (ko) | 형태학적 특징 기반 모델을 이용한 농축산물 도난 감시 장치 및 방법 | |
| CN111708907B (zh) | 一种目标人员的查询方法、装置、设备及存储介质 | |
| CN113223081A (zh) | 一种基于背景建模与深度学习的高空抛物检测方法及系统 | |
| CN109859200B (zh) | 一种基于背景分析的低空慢速无人机快速检测方法 | |
| CN116311212A (zh) | 基于高速摄像机实现运动状态下的船号识别方法及装置 | |
| Bangare et al. | Detection of human feature in abandoned object with modern security alert system using Android Application |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230328 Address after: 518001 electric power dispatching and communication building, 4020 Shennan East Road, Luohu District, Shenzhen, Guangdong Applicant after: Shenzhen Power Supply Co.,Ltd. Address before: 518001 electric power dispatching and communication building, 4020 Shennan East Road, Luohu District, Shenzhen, Guangdong Applicant before: Shenzhen Power Supply Co.,Ltd. Applicant before: China Southern Power Grid Shenzhen Digital Power Grid Research Institute Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |