CN112633133A - 基于ai的智慧水站运维的方法、系统、终端及存储介质 - Google Patents
基于ai的智慧水站运维的方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN112633133A CN112633133A CN202011510212.6A CN202011510212A CN112633133A CN 112633133 A CN112633133 A CN 112633133A CN 202011510212 A CN202011510212 A CN 202011510212A CN 112633133 A CN112633133 A CN 112633133A
- Authority
- CN
- China
- Prior art keywords
- person
- abnormal behavior
- monitoring
- face picture
- video
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000012423 maintenance Methods 0.000 title claims abstract description 38
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 108
- 238000012544 monitoring process Methods 0.000 claims abstract description 88
- 238000012806 monitoring device Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 2
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000020682 bottled natural mineral water Nutrition 0.000 description 1
- 235000020118 bottled purified water Nutrition 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000008235 industrial water Substances 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/172—Classification, e.g. identification
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及一种基于AI的智慧水站运维的方法、系统、终端及存储介质，其属于水站运维的领域，其中方法包括根据预设的第一监控设备，判断第一监控设备是否拍摄到第一人员；若第一监控设备拍摄到第一人员，则获取第一人员从第一监控设备的拍摄区域中出现到从第一监控设备的拍摄区域中消失的视频并定义为第一监控视频；根据第一监控视频，判断第一人员是否存在异常行为；若第一人员存在异常行为，则根据第一监控视频，获取存在异常行为的第一人员的人脸图片；将存在异常行为的第一人员的人脸图片添加在预设的总统计表中。本申请具有有助于对水站的吸水口进行更充分的管控的效果。
Description
技术领域
本申请涉及水站运维的领域，尤其是涉及一种基于AI的智慧水站运维的方法、系统、终端及存储介质。
背景技术
水质的检测范围包括污水、纯水、海水。渔业水、泳池用水、中水、瓶装纯净水、饮用天然矿泉水、冷却水、农田灌溉水、景观用水、生活饮用水、地下水、锅炉水、地表水、工业用水和试验用水等。
目前，有些人为了使得水质检测达到标准，在水站的吸水口处不停地灌入大量另一种水，使得吸水口附近的一片区域的水质发生变化，从而达到目的；还有些人甚至直接将吸水口破坏掉来达到自己的目的，因此，对水站的吸水口还缺乏有效的管控。
人工智能是计算机科学的一个分支，它是企图了解智能的实质，并生产处一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。
发明内容
为了有助于对水站的吸水口进行更充分的管控，本申请提供一种基于AI的智慧水站运维的方法、系统、终端及存储介质。
第一方面，本申请提供一种基于AI的智慧水站运维的方法，采用如下的技术方案：
一种基于AI的智慧水站运维的方法，包括：
根据预设的第一监控设备，判断所述第一监控设备是否拍摄到第一人员；
若所述第一监控设备拍摄到第一人员，则获取所述第一人员从第一监控设备的拍摄区域中出现到从第一监控设备的拍摄区域中消失的视频并定义为第一监控视频；
根据所述第一监控视频，判断所述第一人员是否存在异常行为；
若所述第一人员存在异常行为，则根据所述第一监控视频，获取所述存在异常行为的第一人员的人脸图片；
将所述存在异常行为的第一人员的人脸图片添加到预设的总统计表中。
通过采用上述技术方案，通过根据第一监控设备判断是否拍摄到第一人员，若拍摄到第一人员则获取第一人员从在第一监控设备的拍摄区域中出现到从第一监控设备的拍摄区域中消失的视频，再根据第一人员从在第一监控设备的拍摄区域中出现到从第一监控设备的拍摄区域中消失的视频判断第一人员是否存在异常行为，若存在异常行为则获取存在异常行为的第一人员的人脸图片，将存在异常行为的第一人员的人脸图片添加在预设的总统计表中，使得操作人员更方便地了解去过吸水口的人，有助于对水站的吸水口进行更充分得管控。
可选的，所述获取所述存在异常行为的第一人员的人脸图片之后，还包括：
获取所述存在异常行为的第一人员的所有异常行为信息；
根据所述存在异常行为的第一人员的所有异常行为信息以及预设的异常行为等级表，判断所述存在异常行为的第一人员的异常行为等级；
若异常行为等级超过预设的上限等级，则判断所述存在异常行为的第一人员为危险人员；
生成个人数据表并将所述危险人员的所有异常行为信息添加在对应的个人数据表中；所述异常行为信息包括异常行为的图片及异常行为的语言描述；
在所述危险人员的人脸图片上生成跳转至危险人员的个人数据表的超链接。
通过采用上述技术方案，通过获取存在异常行为的第一人员的异常行为，在根据预设的异常行为等级表判断存在异常行为的第一人员的异常行为等级，当存在异常行为的第一人员的异常行为等级超过预设的上限时，就判断存在异常行为的第一人员为危险人员，并生成个人数据表再将异常行为信息添加在对应的个人数据表中，并在危险人员的人脸照片上生成跳转至危险人员的个人数据表的超链接，使得操作人员能跟更方便地了解危险人员的异常行为信息。
可选的，所述判断所述存在异常行为的第一人员为危险人员之后，还包括：
在所述总统计表中标记出所述危险人员对应的人脸图片。
通过采用上述技术方案，通过在总统计表中标记出危险人员对应的人脸图片，使得操作人员能更方便的区分第一人员与危险人员。
可选的，所述方法还包括：
根据预设的第二监控设备，判断所述第二监控设备是否拍摄到第二人员；
若所述第二监控设备拍摄到所述第二人员，则生成所述第二人员的人脸图片；
所述判断所述存在异常行为的第一人员为危险人员之后，还包括：
根据所述第二人员的人脸图片，判断所述危险人员中是否存在与第二人员相匹配的人员；
若所述危险人员中存在与第二人员相匹配的人员；则将所述危险人员中与第二人员相匹配的人员定义为目标人员；
在总统计表中标记出目标人员。
通过采用上述技术方案，通过根据第二监控设备判断第二监控设备是否拍摄到第二人员，若拍摄到第二人员则生成第二人员的人脸图片并与危险人员的人脸图片进行比较，判断危险人员的人脸图片中是否存在与第二人员的人脸图片相匹配的人脸图片，若存在则将该危险人员定义为目标人员，在总统计表标记出目标人员，找出目标人员使得操作人员掌握更充分的数据从而进行分析，标记出目标人员使得操作人员更方便区分危险人员与目标人员。
可选的，所述将所述危险人员中与第二人员相匹配的人员定义为目标人员之后，还包括：
获取所述目标人员从第二监控设备的拍摄区域中出现到从第二监控设备的拍摄区域中消失的视频并定义为第二监控视频；
根据所述第二监控视频，生成所述目标人员的行动轨迹；
将所述目标人员的行动轨迹添加在所述目标人员的个人数据表中。
通过采用上述技术方案，生成目标人员的行动轨迹，使得操作人员掌握更充分的数据从而方便以后的分析。
可选的，所述生成所述第二人员的人脸图片之后，还包括：
根据预设的数据库中的人脸图片，判断所述第二人员中是否存在与预设的数据库中的人员中不匹配的人员；
若第二人员中存在与预设的数据库中的人员中不匹配的人员，则根据预设在第二监控设备上的警告装置播放警告信息。
可选的，所述方法还包括：
根据预设的第三监控设备，判断所述第三监控设备是否拍摄到所述第三人员；
若所述第三监控设备拍摄到所述第三人员，则生成所述第三人员的人脸图片；
将所述第三人员的人脸图片添加在预设的人员进出表中。
通过采用上述技术方案，通过根据第三监控设备判断第三监控设备是否拍摄到第三人员，若拍摄到第三人员则生成第三人员的人脸图片，最后再将第三人员的人脸图片添加在预设的人员进出表中，方便操作人员查看水站的进出人员。
第二方面，本申请提供一种基于AI的智慧水站运维的系统，采用如下的技术方案：
一种基于AI的智慧水站运维的系统，包括：
第一判断模块，根据预设的第一监控设备，判断所述第一监控设备是否拍摄到第一人员；
第一获取模块，用于若所述第一监控设备拍摄到第一人员，则获取所述第一人员从第一监控设备的拍摄区域中出现到从第一监控设备的拍摄区域中消失的视频并定义为第一监控视频；
第二判断模块，用于根据所述第一监控视频，判断所述第一人员是否存在异常行为；
第二获取模块，用于若所述第一人员存在异常行为，则根据所述第一监控视频，获取所述存在异常行为的第一人员的人脸图片；以及，
添加模块，用于将所述存在异常行为的第一人员的人脸图片添加到预设的总统计表中。
通过采用上述技术方案，通过根据第一监控设备判断是否拍摄到第一人员，若拍摄到第一人员则获取第一人员从在第一监控设备的拍摄区域中出现到从第一监控设备的拍摄区域中消失的视频，再根据第一人员从在第一监控设备的拍摄区域中出现到从第一监控设备的拍摄区域中消失的视频判断第一人员是否存在异常行为，若存在异常行为则获取存在异常行为的第一人员的人脸图片，将存在异常行为的第一人员的人脸图片添加在预设的总统计表中，使得操作人员更方便地了解去过吸水口的人，有助于对水站的吸水口进行更充分得管控。
第三方面，本申请提供一种智能终端，采用如下的技术方案：
一种智能终端，包括添加器和处理器，所述添加器上添加有能够被处理器加载并执行如第一方面中所述方法的计算机程序。
通过采用上述技术方案，第一监控设备拍摄到第一人员则获取第一人员从在第一监控设备中出现到从第一监控设备中消失的视频，再判断第一人员是否存在异常行为，若存在异常行为则获取第一人员的人脸图片，有助于对水站的吸水口进行更充分得管控。
第四方面，本申请提供一种计算机可读存储介质，采用如下的技术方案：
一种计算机可读存储介质，包括包括添加有能够被处理器加载并执行如第一方面中所述方法的计算机程序。
通过采用上述技术方案，当计算机可读存储介质被装入任一计算机后，任一计算机就能执行本申请提供的一种基于AI的智慧水站运维的方法。
综上所述，本申请包括以下至少一种有益技术效果：
1.通过根据第一监控设备判断是否拍摄到第一人员，若拍摄到第一人员则获取第一人员从在第一监控设备的拍摄区域中出现到从第一监控设备的拍摄区域中消失的视频，再根据第一人员从在第一监控设备的拍摄区域中出现到从第一监控设备的拍摄区域中消失的视频判断第一人员是否存在异常行为，若存在异常行为则获取存在异常行为的第一人员的人脸图片，将存在异常行为的第一人员的人脸图片添加在预设的总统计表中，使得操作人员更方便地了解去过吸水口的人，有助于对水站的吸水口进行更充分得管控；
2.通过获取存在异常行为的第一人员的异常行为，在根据预设的异常行为等级表判断存在异常行为的第一人员的异常行为等级，当存在异常行为的第一人员的异常行为等级超过预设的上限时，就判断存在异常行为的第一人员为危险人员，并生成个人数据表再将异常行为信息添加在对应的个人数据表中，并在危险人员的人脸照片上生成跳转至危险人员的个人数据表的超链接，使得操作人员能跟更方便地了解危险人员的异常行为信息；
3.通过根据第二监控设备判断第二监控设备是否拍摄到第二人员，若拍摄到第二人员则生成第二人员的人脸图片并与危险人员的人脸图片进行比较，判断危险人员的人脸图片中是否存在与第二人员的人脸图片相匹配的人脸图片，若存在则将该危险人员定义为目标人员，在总统计表标记出目标人员，找出目标人员使得操作人员掌握更充分的数据从而进行分析，标记出目标人员使得操作人员更方便区分危险人员与目标人员。
附图说明
图1是本申请实施例的一种基于AI的智慧水站运维的方法中体现三种监控设备同时运行的的流程示意图。
图2是本申请实施例的一种基于AI的智慧水站运维的方法的流程示意图。
图3是本申请实施例的一种基于AI的智慧水站运维的方法中体现判断第一人员为危险人员的流程示意图。
图4是本申请实施例的一种基于AI的智慧水站运维的方法中标记出危险人员的人脸图片的流程示意图。
图5是本申请实施例的一种基于AI的智慧水站运维的方法中体现生成目标人员的行动轨迹的流程示意图。
图6是本申请实施例的一种基于AI的智慧水站运维的方法中体现判断第二人员是否与预设的数据库中的人员匹配的流程示意图。
图7是本申请实施例的一种基于AI的智慧水站运维的方法中体现生成第三人员的人脸图片的流程示意图。
图8是本申请实施例的一种基于AI的智慧水站运维的系统的结构框图。
附图标记说明：1、第一判断模块；2、第一获取模块；3、第二判断模块；4、第二获取模块；5、添加模块。
具体实施方式
以下结合附图1-8对本申请作进一步详细说明。
本申请实施例公开一种基于AI的智慧水站运维的方法。该基于AI的智慧水站运维的方法基于水站的监控系统，该监控系统包括一个第一监控设备、若干第二监控设备和两个第三监控设备，第一监控设备、第二监控设备和第三监控设备均具有人脸识别功能。第一监控设备安装在吸水口附近且其拍摄角度正好对准吸水口；若干第二监控设备设置在水站的周围；两个第三监控设备安装在水站的出入口处。该监控系统还包括一个预设的总统计表、一个预设的人员进出表和一个预设的数据库；该预设的数据库中携带有水站工人人员的人脸图片。
参照图1，基于AI的智慧水站运维的方法包括：
S100，判断监控设备是否拍摄到人员；其中，S100包括以下三个同时进行的分步骤：
S200，根据预设的第一监控设备，判断第一监控设备是否拍摄到第一人员。若判断为是，则直接进入S201；若判断为否，则重新进行S200。
S300，根据预设的第二监控设备，判断第二监控设备是否拍摄到第二人员。若判断为是，则直接进入S301；若判断为否，则重新进行S300。
S400，根据预设的第三监控设备，判断第三监控设备是否拍摄到第三人员。若判断为是，则直接进入S401；若判断为否，则重新进行S400。
为了有助于对水站的吸水口进行更充分的管控，参照图2，当S200判断为是之后还进行以下步骤：
S201，获取第一人员从第一摄像设备的拍摄区域中出现到从第一摄像设备的拍摄区域中消失的视频，并定义为第一监控视频。
S202，根据第一监控视频，判断第一人员是否存在异常行为。其中，判断异常行为是通过AI行为识别预警系统实现。若判断为是，则直接进入S203；若判断为否，则重新进行S202。
S203，根据第一人员从第一摄像设备中出现到从第一摄像设备中消失的视频，获取存在异常行为的第一人员的人脸图片。
S204，将存在异常行为的第一人员的人脸图片添加在预设的总统计表中。
为了找出异常行为较多的第一人员，参照图3，在S203之后，还进行以下步骤：
S211，获取存在异常行为的第一人员的异常行为信息。
S212，根据存在异常行为的第一人员的异常行为信息以及预设的异常行为等级表，判断第一人员的异常行为等级是否超过预设的上限等级。若判断为是，则直接进入S213；若判断为否，则重新进行S212。
需要说明的是，异常行为信息包括异常行为出现的总次数，每一总次数均对应一个异常行为等级，预设的上限等级为所有异常行为等级中的一个等级。
S213，判断异常行为等级超过预设的上限等级的第一人员为危险人员。
S214，为危险人员生成个人数据表并将危险人员的异常行为信息添加在个人数据表中。其中，异常行为信息包括异常行为的图片及异常行为的语言描述。
S215，在危险人员的人脸图片上生成跳转至危险人员的个人数据表的超链接。
可选的，为了相关人员能更方便地区分第一人员和危险人员，参照图4，S2131之后，还进行以下步骤：
S2131，在总统计表中标记出危险人员对应的人脸图片。其中，标记出危险人员的人脸图片即在危险人员对应的人脸图片生成一个黄色的边框。
为了从危险人员中找出目标人员，参照图3，当S300判断为是之后，还进行以下步骤：
S301，生成第二人员的人脸图片。
S302，根据第二人员的人脸图片，基于S213中得到的危险人员判断危险人员中是否存在与第二人员相匹配的人员。若判断为是，则直接进入S303；若判断为否，则重新进行S302。需要说明的是，S303的判断原则是S213中的危险人员的人脸图片和S302中的第二人员的人脸图片是否存在相同的人脸图片。
S303，将危险人员中与第二人员相匹配的人员定义为目标人员。
S304，在总统计表中对目标人员的人脸图片进行标记。对目标人员的人脸图片进行标记的方式可以为在目标人员对应的人脸图片旁边或外围生成一个红色的边框。
此外，为了获取更多目标人员的数据信息，参照图5，S304之后还进行以下步骤：
S311，获取目标人员从第二监控设备的拍摄区域中出现到从第二监控设备的拍摄区域中消失的视频，并定义为第二监控视频。
S312，根据目标人员的第二监控视频以及S201中获取的目标人员的第一监控视频，生成目标人员的行动轨迹。
需要说明的是，目标人员的行动轨迹时根据S201获取的目标人员的第一监控视频和S311获取的目标人员的第二监控视频按照视频的时间顺序串联形成的。
S313，将目标人员的行动轨迹添加到该目标人员的个人数据表中。此步骤中的个人数据表是S214中生成的危险人员的个人数据表。
为了对越界人员进行警告，参照图6，S301之后还进行以下步骤：
S331，根据预设的数据库中的人脸图片，判断第二人员中是否存在与预设的数据库中的人员不匹配的人员。若判断为是，则直接进入S332；若判断为否，则重新进行S331。
S332，根据预设在第二监控设备上的警告装置播放警告信息。
为了记录水站的进出人员，参照图7，当S400判断为是之后还进行以下步骤：
S401，生成第三人员的人脸图片。
S402，将第三人员的人脸图片添加到预设的人员进出表中。需要说明的是，人员进出表中包括进入水站的人员和离开水站的人员。第三人员进入或离开水站均能被拍摄到。每一第三人员的人脸图片上包括出入信息及时间信息。
基于上述方法，本申请实施例还公开一种基于AI的智慧水站运维的系统。
参照图8，基于AI的智慧水站运维的系统包括第一判断模块1、第一获取模块2、第二判断模块3、第二获取模块4、添加模块5。
第一判断模块1，用于根据预设的第一监控设备，判断第一监控设备是否拍摄到第一人员；
第一获取模块2，用于若第一监控设备拍摄到第一人员，则获取所有第一人员从第一监控设备中出现到从第一监控设备中消失的视频；
第二判断模块3，用于根据所有第一人员从第一监控设备中出现到从第一监控设备中消失的视频，判断是否存在第一人员有异常行为；
第二获取模块4，若存在第一人员有异常行为，则根据有异常行为的第一人员从在第一监控设备中出现到从第一监控设备中消失的视频，获取存在异常行为的第一人员的人脸图片；
添加模块5，用于将存在异常行为的第一人员的人脸图片添加在预设的总统计表中。
本申请实施例还公开一种智能终端，智能终端包括存储器和处理器，存储器上存储有能够被处理器加载并执行如上述的基于AI的智慧水站运维的方法的计算机程序。
本申请实施例还公开一种计算机可读存储介质，其存储有能够被处理器加载并执行如上述的基于AI的智慧水站运维的方法的计算机程序，该计算机可读存储介质例如包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本申请的技术方案，而非对申请的保护范围进行限制。显然，所描述的实施例仅仅是本申请部分实施例，而不是全部实施例。基于这些实施例，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他实施例，都属于本申请所要保护的范围。
Claims (10)
1.一种基于AI的智慧水站运维的方法，其特征在于，包括：
根据预设的第一监控设备，判断所述第一监控设备是否拍摄到第一人员；
若所述第一监控设备拍摄到第一人员，则获取所述第一人员从第一监控设备的拍摄区域中出现到从第一监控设备的拍摄区域中消失的视频并定义为第一监控视频；
根据所述第一监控视频，判断所述第一人员是否存在异常行为；
若所述第一人员存在异常行为，则根据所述第一监控视频，获取所述存在异常行为的第一人员的人脸图片；
将所述存在异常行为的第一人员的人脸图片添加到预设的总统计表中。
2.根据权利要求1所述的基于AI的智慧水站运维的方法，其特征在
于，所述获取所述存在异常行为的第一人员的人脸图片之后，还包括：
获取所述存在异常行为的第一人员的所有异常行为信息；
根据所述存在异常行为的第一人员的所有异常行为信息以及预设的异常行为等级表，判断所述存在异常行为的第一人员的异常行为等级；
若异常行为等级超过预设的上限等级，则判断所述存在异常行为的第一人员为危险人员；
生成个人数据表并将所述危险人员的所有异常行为信息添加在对应的个人数据表中；所述异常行为信息包括异常行为的图片及异常行为的语言描述；
在所述危险人员的人脸图片上生成跳转至危险人员的个人数据表的超链接。
3.根据权利要求2所述的基于AI的智慧水站运维的方法，其特征在
于，所述判断所述存在异常行为的第一人员为危险人员之后，还包括：
在所述总统计表中标记出所述危险人员对应的人脸图片。
4.根据权利要求2所述的基于AI的智慧水站运维的方法，其特征在
于，所述方法还包括：
根据预设的第二监控设备，判断所述第二监控设备是否拍摄到第二人员；
若所述第二监控设备拍摄到所述第二人员，则生成所述第二人员的人脸图片；
所述判断所述存在异常行为的第一人员为危险人员之后，还包括：
根据所述第二人员的人脸图片，判断所述危险人员中是否存在与第二人员相匹配的人员；
若所述危险人员中存在与第二人员相匹配的人员；则将所述危险人员中与第二人员相匹配的人员定义为目标人员；
在总统计表中标记出目标人员。
5.根据权利要求4所述的基于AI的智慧水站运维的方法，其特征在
于，所述将所述危险人员中与第二人员相匹配的人员定义为目标人员之后，还包括：
获取所述目标人员从第二监控设备的拍摄区域中出现到从第二监控设备的拍摄区域中消失的视频并定义为第二监控视频；
根据所述第二监控视频，生成所述目标人员的行动轨迹；
将所述目标人员的行动轨迹添加在所述目标人员的个人数据表中。
6.根据权利要求4所述的基于AI的智慧水站运维的方法，其特征在
于，所述生成所述第二人员的人脸图片之后，还包括：
根据预设的数据库中的人脸图片，判断所述第二人员中是否存在与预设的数据库中的人员中不匹配的人员；
若第二人员中存在与预设的数据库中的人员中不匹配的人员，则根据预设在第二监控设备上的警告装置播放警告信息。
7.根据权利要求1所述的基于AI的智慧水站运维的方法，其特征在
于，所述方法还包括：
根据预设的第三监控设备，判断所述第三监控设备是否拍摄到所述第三人员；
若所述第三监控设备拍摄到所述第三人员，则生成所述第三人员的人脸图片；
将所述第三人员的人脸图片添加到预设的人员进出表中。
8.一种基于AI的智慧水站运维的系统，其特征在于，包括：
第一判断模块(1)，根据预设的第一监控设备，判断所述第一监控设备是否拍摄到第一人员；
第一获取模块(2)，用于若所述第一监控设备拍摄到第一人员，则获取所述第一人员从第一监控设备的拍摄区域中出现到从第一监控设备的拍摄区域中消失的视频并定义为第一监控视频；
第二判断模块(3)，用于根据所述第一监控视频，判断所述第一人员是否存在异常行为；
第二获取模块(4)，用于若所述第一人员存在异常行为，则根据所述第一监控视频，获取所述存在异常行为的第一人员的人脸图片；以及，
添加模块(5)，用于将所述存在异常行为的第一人员的人脸图片添加到预设的总统计表中。
9.一种智能终端，其特征在于，包括添加器和处理器，所述添加器上添加有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
10.一种计算机可读存储介质，其特征在于，添加有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011510212.6A CN112633133A (zh) | 2020-12-18 | 2020-12-18 | 基于ai的智慧水站运维的方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011510212.6A CN112633133A (zh) | 2020-12-18 | 2020-12-18 | 基于ai的智慧水站运维的方法、系统、终端及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112633133A true CN112633133A (zh) | 2021-04-09 |
Family
ID=75317925
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011510212.6A Pending CN112633133A (zh) | 2020-12-18 | 2020-12-18 | 基于ai的智慧水站运维的方法、系统、终端及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112633133A (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101609581A (zh) * | 2008-06-16 | 2009-12-23 | 云南正卓信息技术有限公司 | Atm机的异常视频预警装置 |
| US20100208063A1 (en) * | 2009-02-19 | 2010-08-19 | Panasonic Corporation | System and methods for improving accuracy and robustness of abnormal behavior detection |
| CN103258222A (zh) * | 2013-05-29 | 2013-08-21 | 苏州福丰科技有限公司 | 小区智能物管系统 |
| CN109766816A (zh) * | 2019-01-03 | 2019-05-17 | 中国联合网络通信集团有限公司 | 监控方法、装置与存储介质 |
| CN110009784A (zh) * | 2019-04-02 | 2019-07-12 | 深圳市万物云科技有限公司 | 基于人工智能的监控联防方法和装置及系统与存储介质 |
| CN110210461A (zh) * | 2019-06-27 | 2019-09-06 | 北京澎思智能科技有限公司 | 基于摄像机网格的多视图协同异常行为检测方法 |
| CN110446015A (zh) * | 2019-08-30 | 2019-11-12 | 北京青岳科技有限公司 | 一种基于计算机视觉的异常行为监控方法及系统 |
| CN110443109A (zh) * | 2019-06-11 | 2019-11-12 | 万翼科技有限公司 | 异常行为监控处理方法、装置、计算机设备和存储介质 |
| WO2020000912A1 (zh) * | 2018-06-28 | 2020-01-02 | 杭州海康威视数字技术股份有限公司 | 一种行为检测方法、装置、电子设备和存储介质 |
| CN110781750A (zh) * | 2019-09-25 | 2020-02-11 | 万翼科技有限公司 | 危险人物监控处理方法、装置、计算机设备和存储介质 |
| CN111263114A (zh) * | 2020-02-14 | 2020-06-09 | 北京百度网讯科技有限公司 | 异常事件报警方法和装置 |
| CN111353426A (zh) * | 2020-02-28 | 2020-06-30 | 山东浪潮通软信息科技有限公司 | 异常行为的检测方法及装置 |
| CN111914640A (zh) * | 2020-06-30 | 2020-11-10 | 上海小蚁科技有限公司 | 智能门铃控制方法及系统 |
| CN112002094A (zh) * | 2020-09-04 | 2020-11-27 | 贵州东冠科技有限公司 | 基于三角定位的小区人员管理方法 |
-
2020
- 2020-12-18 CN CN202011510212.6A patent/CN112633133A/zh active Pending
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101609581A (zh) * | 2008-06-16 | 2009-12-23 | 云南正卓信息技术有限公司 | Atm机的异常视频预警装置 |
| US20100208063A1 (en) * | 2009-02-19 | 2010-08-19 | Panasonic Corporation | System and methods for improving accuracy and robustness of abnormal behavior detection |
| CN103258222A (zh) * | 2013-05-29 | 2013-08-21 | 苏州福丰科技有限公司 | 小区智能物管系统 |
| WO2020000912A1 (zh) * | 2018-06-28 | 2020-01-02 | 杭州海康威视数字技术股份有限公司 | 一种行为检测方法、装置、电子设备和存储介质 |
| CN109766816A (zh) * | 2019-01-03 | 2019-05-17 | 中国联合网络通信集团有限公司 | 监控方法、装置与存储介质 |
| CN110009784A (zh) * | 2019-04-02 | 2019-07-12 | 深圳市万物云科技有限公司 | 基于人工智能的监控联防方法和装置及系统与存储介质 |
| CN110443109A (zh) * | 2019-06-11 | 2019-11-12 | 万翼科技有限公司 | 异常行为监控处理方法、装置、计算机设备和存储介质 |
| CN110210461A (zh) * | 2019-06-27 | 2019-09-06 | 北京澎思智能科技有限公司 | 基于摄像机网格的多视图协同异常行为检测方法 |
| CN110446015A (zh) * | 2019-08-30 | 2019-11-12 | 北京青岳科技有限公司 | 一种基于计算机视觉的异常行为监控方法及系统 |
| CN110781750A (zh) * | 2019-09-25 | 2020-02-11 | 万翼科技有限公司 | 危险人物监控处理方法、装置、计算机设备和存储介质 |
| CN111263114A (zh) * | 2020-02-14 | 2020-06-09 | 北京百度网讯科技有限公司 | 异常事件报警方法和装置 |
| CN111353426A (zh) * | 2020-02-28 | 2020-06-30 | 山东浪潮通软信息科技有限公司 | 异常行为的检测方法及装置 |
| CN111914640A (zh) * | 2020-06-30 | 2020-11-10 | 上海小蚁科技有限公司 | 智能门铃控制方法及系统 |
| CN112002094A (zh) * | 2020-09-04 | 2020-11-27 | 贵州东冠科技有限公司 | 基于三角定位的小区人员管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111144232A (zh) | 基于智能视频监控的变电站电子围栏监测方法、存储介质及设备 | |
| CN108062349A (zh) | 基于视频结构化数据及深度学习的视频监控方法和系统 | |
| CN105100689A (zh) | 自动取款机视频监控方法及装置 | |
| CN111428617A (zh) | 一种基于视频图像的配网违规检修行为的识别方法和系统 | |
| CN113191699A (zh) | 一种配电施工现场安全监管方法 | |
| CN116743970B (zh) | 一种具有视频ai预警分析的智能管理平台 | |
| CN108319892A (zh) | 一种基于遗传算法的车辆安全预警方法及系统 | |
| CN114821406A (zh) | 一种电力作业现场违章行为的判定方法和系统 | |
| CN112112629A (zh) | 一种钻井作业过程中的安全业务管理系统和方法 | |
| CN111062373A (zh) | 一种基于深度学习的吊装过程危险识别方法及系统 | |
| CN113283369A (zh) | 一种港口码头作业人员安全防护措施监控系统及方法 | |
| CN112288975A (zh) | 一种事件预警的方法和装置 | |
| CN113673495B (zh) | 一种基于神经网络的智慧安防方法、系统和可读存储介质 | |
| CN112906441A (zh) | 用于通信行业查勘维护的图像识别系统及方法 | |
| CN110188617A (zh) | 一种机房智能监控方法及系统 | |
| CN112633133A (zh) | 基于ai的智慧水站运维的方法、系统、终端及存储介质 | |
| CN113506416A (zh) | 一种基于智能视觉分析的工程异常预警方法及系统 | |
| CN117172984A (zh) | 基于设备检修数字孪生场景的安全风险识别方法及系统 | |
| CN113055651A (zh) | 一种人工智能型车辆安防系统及计算机可读存储介质 | |
| CN103646420A (zh) | 一种基于自学习算法的智能三维场景还原方法 | |
| CN112464546B (zh) | 基于动态数据分析的公共空间行人流运动风险判别方法 | |
| JP2005284652A (ja) | 動きベクトルを用いた映像監視方法及び装置 | |
| CN112991129A (zh) | 基于人工智能的公共安全事件处理方法及装置 | |
| CN113191273A (zh) | 基于神经网络的油田井场视频目标检测与识别方法及系统 | |
| CN113420626A (zh) | 一种施工现场安全行为判别方法和存储设备 |
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 |