CN112818844A - 安检异常事件检测方法及装置、电子设备和存储介质 - Google Patents
安检异常事件检测方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112818844A CN112818844A CN202110129505.8A CN202110129505A CN112818844A CN 112818844 A CN112818844 A CN 112818844A CN 202110129505 A CN202110129505 A CN 202110129505A CN 112818844 A CN112818844 A CN 112818844A
- Authority
- CN
- China
- Prior art keywords
- targets
- image
- detected
- detection
- target
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 200
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 134
- 238000007689 inspection Methods 0.000 claims abstract description 124
- 230000000903 blocking effect Effects 0.000 claims abstract description 86
- 238000000034 method Methods 0.000 claims abstract description 57
- 230000004888 barrier function Effects 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012384 transportation and delivery Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 20
- 238000004891 communication Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
Abstract
本公开涉及一种安检异常事件检测方法及装置、电子设备和存储介质,所述方法包括:对获取的待检测图像进行目标检测;在检测到所述待检测图像中存在至少两个第一目标以及至少一个第二目标的情况下,判断所述至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标,其中,所述第一目标和所述第二目标属于不同的类别;在存在位于所述预设隔挡对象两侧的两个第一目标的情况下,基于所述两个第一目标与每个第二目标的相对位置关系以及所述两个第一目标的检测框之间的高度差,确认所述待检测图像中是否存在安检异常事件。本公开实施例可以自动针对安检异常事件进行检测,提高安防工作的效率。
Description
技术领域
本公开涉及安防技术领域,尤其涉及一种安检异常事件检测方法及装置、电子设备和存储介质。
背景技术
公共交通是人们出行的主要方式之一。为了保证乘客的安全,在用户进站时通常需要进行安检。典型的场景如地铁进站场景中,乘客需把自身携带的包裹通过安检门、安检机或人工安检后,才能乘坐地铁,以保障乘客没有携带危险品、违禁品等,避免对公共安全造成威胁。
但是,经常有乘客不遵守安全规定,会发生从安检前区域隔着围栏向安检后区域递物的行为,造成潜在安全风险。对于这种行为一般靠摄像或者现场的人工监控,会耗费大量人力,而且容易因人疲劳造成遗漏。
发明内容
本公开提出了一种安检异常事件检测技术方案。
根据本公开的一方面,提供了一种安检异常事件检测方法,包括:
对获取的待检测图像进行目标检测;
在检测到所述待检测图像中存在至少两个第一目标以及至少一个第二目标的情况下,判断所述至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标,其中,所述第一目标和所述第二目标属于不同的类别;
在存在位于所述预设隔挡对象两侧的两个第一目标的情况下,基于所述两个第一目标与每个第二目标的相对位置关系以及所述两个第一目标的检测框之间的高度差,确认所述待检测图像中是否存在安检异常事件。
在一些可能的实现方式中,所述方法还包括:在所述待检测图像中标记所述预设隔挡对象的位置;所述判断所述至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标,包括:针对所述至少两个第一目标中的任意两个第一对象,在所述待检测图像中获取所述两个第一目标之间的第一连线和第二连线,其中,所述第一连线用于表示所述两个第一目标的顶部位置之间的连线,所述第二连线用于表示所述两个第一目标的底部位置之间的连线;在所述第一连线以及第二连接线分别与标记的预设隔挡对象存在交点的情况下,确认所述两个第一目标位于所述预设隔挡对象的两侧;在所述第一连线或第二连线与所述标记的预设隔挡对象不存在交点的情况下,确认所述两个第一目标位于所述预设隔挡对象的同侧。
在一些可能的实现方式中,所述基于所述两个第一目标与每一个第二目标的相对位置关系以及所述两个第一目标的检测框之间的高度差,确认所述待检测图像中是否存在安检异常事件,包括:确定所述两个第一目标的检测框之间的第一交叠程度;在所述第一交叠程度小于或等于第一预设阈值的情况下,确定所述两个第一目标的检测框的第一交叠区域与所述每个第二目标的检测框的第二交叠区域;在所述第一交叠区域与所述每个第二目标的检测框存在所述第二交叠区域的情况下,确定所述两个第一目标的检测框之间的高度差;在所述高度差小于或等于预设高度阈值的情况下,确认所述待检测图像中存在所述安检异常事件。
在一些可能的实现方式中,所述方法还包括:在所述第一交叠区域与所述每个第二目标的检测框不存在第二交叠区域的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述方法还包括:在所述第一交叠程度大于第一预设阈值的情况下,确定所述两个第一目标的检测框的高度差;在所述高度差小于或等于预设高度阈值的情况下,确定所述两个第一目标的检测框的并集与所述每个第二目标的检测框之间的第二交叠程度;在所述第二交叠程度大于或等于第二预设阈值的情况下,确认所述待检测图像中存在所述安检异常事件。
在一些可能的实现方式中,所述方法还包括:在所述第二交叠程度小于所述第二预设阈值的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述方法还包括:在所述两个第一目标的检测框不相交叠的情况下,判断所述两个第一目标的检测框是否分别与同一个所述第二目标的检测框相交叠;在所述两个第一目标的检测框分别与同一个所述第二目标的检测框交叠的情况下,确定所述两个第一目标的检测框的高度差;在所述高度差小于或等于预设高度阈值的情况下,确认所述待检测图像中存在所述安检异常事件。
在一些可能的实现方式中,所述方法还包括:在所述高度差大于所述预设高度阈值的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述方法还包括:在所述两个第一目标的检测框中的至少一个第一目标的检测框未与所述第二目标的检测框交叠的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述方法还包括:在不存在位于所述预设隔挡对象两侧的两个第一目标的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述方法还包括:在所述待检测图像中存在安检异常事件的情况下,获取预设时间段内视频帧中存在所述安检异常事件的数量,其中,所述视频帧包括所述待检测图像和在所述待检测图像之前采集的历史视频帧;在所述数量达到数量阈值的情况下,发送所述安检异常事件的告警信息。
在一些可能的实现方式中,所述第一目标包括人体,所述第二目标包括物品,所述预设隔挡对象包括安检围栏。
根据本公开的一方面,提供了一种安检异常事件检测装置,包括:
检测模块,用于对获取的待检测图像进行目标检测;
判断模块,用于在检测到所述待检测图像中存在至少两个第一目标以及至少一个第二目标的情况下,判断所述至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标,其中,所述第一目标和所述第二目标属于不同的类别;
确认模块,用于在存在位于预设隔挡对象两侧的两个第一目标的情况下,基于所述两个第一目标与每个第二目标的相对位置关系以及所述两个第一目标的检测框之间的高度差,确认所述待检测图像中是否存在安检异常事件。
在一些可能的实现方式中,所述方法还包括:标记模块,用于在所述待检测图像中标记所述预设隔挡对象的位置;
所述判断模块,用于针对所述至少两个第一目标中的任意两个第一对象,在所述待检测图像中获取所述两个第一目标之间的第一连线和第二连线,其中,所述第一连线用于表示所述两个第一目标的顶部位置之间的连线,所述第二连线用于表示所述两个第一目标的底部位置之间的连线;在所述第一连线以及第二连接线分别与标记的预设隔挡对象存在交点的情况下,确认所述两个第一目标位于所述预设隔挡对象的两侧;在所述第一连线或第二连线与所述标记的预设隔挡对象不存在交点的情况下,确认所述两个第一目标位于所述预设隔挡对象的同侧。
在一些可能的实现方式中,所述确认模块,用于确定所述两个第一目标的检测框之间的第一交叠程度;在所述第一交叠程度小于或等于第一预设阈值的情况下,确定所述两个第一目标的检测框的第一交叠区域与所述每个第二目标的检测框的第二交叠区域;在所述第一交叠区域与所述每个第二目标的检测框存在所述第二交叠区域的情况下,确定所述两个第一目标的检测框之间的高度差;在所述高度差小于或等于预设高度阈值的情况下,确认所述待检测图像中存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块,还用于在所述第一交叠区域与所述每个第二目标的检测框不存在第二交叠区域的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块,还用于在所述第一交叠程度大于第一预设阈值的情况下,确定所述两个第一目标的检测框的高度差;在所述高度差小于或等于预设高度阈值的情况下,确定所述两个第一目标的检测框的并集与所述每个第二目标的检测框之间的第二交叠程度;在所述第二交叠程度大于或等于第二预设阈值的情况下,确认所述待检测图像中存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块,还用于在所述第二交叠程度小于所述第二预设阈值的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块,还用于在所述两个第一目标的检测框不相交叠的情况下,判断所述两个第一目标的检测框是否分别与同一个所述第二目标的检测框相交叠;在所述两个第一目标的检测框分别与同一个所述第二目标的检测框交叠的情况下,确定所述两个第一目标的检测框的高度差;在所述高度差小于或等于预设高度阈值的情况下,确认所述待检测图像中存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块,还用于在所述高度差大于所述预设高度阈值的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块,还用于在所述两个第一目标的检测框中的至少一个第一目标的检测框未与所述第二目标的检测框交叠的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块,还用于在不存在位于所述预设隔挡对象两侧的两个第一目标的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述装置还包括:告警模块,用于在所述待检测图像中存在安检异常事件的情况下,获取预设时间段内视频帧中存在所述安检异常事件的数量,其中,所述视频帧包括所述待检测图像和在所述待检测图像之前采集的历史视频帧;在所述数量达到数量阈值的情况下,发送所述安检异常事件的告警信息。
在一些可能的实现方式中,所述第一目标包括人体,所述第二目标包括物品,所述预设隔挡对象包括安检围栏。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中,可以对获取的待检测图像进行目标检测,在检测到待检测图像中存在至少两个第一目标以及至少一个第二目标的情况下,判断至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标,在存在位于预设隔挡对象两侧的两个第一目标的情况下,基于两个第一目标与每个第二目标的相对位置关系以及所述两个第一目标的检测框之间的高度差,确认待检测图像中是否存在安检异常事件。这样,可以自动针对安检异常事件进行检测,如针对隔拦递物等安检异常事件进行检测,节省人力,提高安防工作的效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的安检异常事件检测方法的流程图。
图2示出根据本公开实施例的隔栏递物事件的示意图。
图3示出根据本公开实施例的安检异常事件检测流程的框图。
图4示出根据本公开实施例的安检异常事件检测装置的框图。
图5示出根据本公开实施例的电子设备一示例的框图。
图6示出根据本公开实施例的电子设备一示例的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
本公开实施例提供的安检异常事件检测方案,可以应用于景区、商场、展馆、车站、机场等室内外的安检、设备运维场景。举例来说,可以基于获取到的视频对地铁站的隔栏递物行为进行检测,并在检测到隔栏递物行为的情况下进行告警,从而可以自动对一些存在安全隐患的行为进行检测,节省人力,提高安检的工作效率。
本公开实施例提供的安检异常事件检测方法可以由终端设备、服务器或其它类型的电子设备执行,其中,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该数据处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。或者,可通过服务器执行所述方法。下面以电子设备作为执行主体为例对本公开实施例的安检异常事件检测方法进行说明。
图1示出根据本公开实施例的安检异常事件检测方法的流程图,如图1所示,所述安检异常事件检测方法包括:
步骤S11,对获取的待检测图像进行目标检测。
在本公开实施例中,电子设备可以获取待检测图像,并对待检测图像进行目标检测。待检测图像可以是当前最新获取的视频帧,例如,电子设备可以周期性或非周期性地获取视频帧,当前获取的视频帧可以是待检测图像。电子设备可以获取其他设备传输的视频,并在视频中抽取视频帧得到待检测图像。例如,电子设备可以通过有线方式或无线方式获取一个或多个摄像设备传输的视频,并在获取的视频中抽取待检测图像。在一些实现方式中,电子设备可以具有拍摄功能,可以针对当前场景进行实时拍摄,并由拍摄得到的视频得到待检测图像。
在一些示例中,电子设备可以获取一个或多个摄像设备传输的视频流,然后可以对视频流进行解码、选帧等操作,得到待检测图像。例如,可以获取1080p的码流,然后将获取的码流解码成单帧的帧图像,并将帧图像并转为RGB格式,得到待检测图像。
这里,在对获取的待检测图像进行目标检测的过程中,可以利用一些目标检测算法、神经网络等目标检测方式对待检测图像进行目标检测,得到待检测图像的检测结果。例如,可以根据安检异常事件的异常检测目标对神经网络进行训练,在安检异常事件是隔栏递包的情况下,可以通过人的图像和各种包的图像对神经网络进行训练,如,通过背包、手包、行李、手提袋等包的图像和人的图像,对神经网络进行训练,得到已训练的神经网络,再通过已训练的神经网络对待检测图像进行目标检测。其中,检测结果可以包括检测目标的类别、预测概率、图像位置以及指示检测目标的检测框等。
步骤S12,在检测到所述待检测图像中存在至少两个第一目标以及至少一个第二目标的情况下,判断所述至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标。
在本公开实施例中,可以根据对待检测图像进行目标检测的检测结果,判断待检测图像中是否存在第一目标和第二目标。第一目标和第二目标可以属于不同的类别,例如,第一目标可以属于第一类别,第二目标可以属于第二类别,通过待检测图像中多个检测目标的类别,可以判断多个检测目标中是否存在第一类别的第一目标和第二类别的第二目标。在待检测图像中存在至少两个第一目标和至少一个第二目标的情况下,可以进一步可以根据至少两个第一目标的检测结果,判断至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标,例如,可以根据任意两个第一目标的图像位置和预设隔挡对象的图像位置,判断至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标。其中,预设隔挡对象可以是如围栏或者隔挡物等可以实现隔挡的对象。在两个第一目标位于预设隔挡对象两侧的情况下,这两个第一目标之间可能会发生安检异常事件。
步骤S13,在存在位于所述预设隔挡对象两侧的两个第一目标的情况下,基于所述两个第一目标与每个第二目标的相对位置关系以及所述两个第一目标的检测框之间的高度差,确认所述待检测图像中是否存在安检异常事件。
在本公开实施例中,可以针对两个第一目标以及一个第二目标的组合,判断每个组合中这三者之间是否可以发生安检异常事件,从而在存在位于预设隔挡对象两侧的两个第一目标的情况下,可以进一步基于这两个第一目标与每个第二目标的相对位置关系,以及这两个第一目标的检测框之间的高度差,确认待检测图像中是否存在安检异常事件。例如,可以判断这两个第一目标的附近或周围是否存在第二目标,即,确认两个第一目标与每个第二目标的相对位置关系。如果这两个第一目标的附近或周围存在第二目标,则认为待检测图像中可能存在安检异常事件,进一步的,可以判断两个第一目标的检测框之间的高度差是否小于预设高度阈值,如果这两个第一目标的检测框之间的高度差小于预设高度阈值,则可以认为这两个第一目标之间在实际场景中距离较近,可能与第二目标形成安检异常事件;若两个第一目标得检测框之间的高度差大于预设高度阈值,则可以分为这两个第一目标之间在实际场景中距离较远,不可能在两第一目标之间发生安检异常事件。安检异常事件可以是多个检测对象之间组合形成的异常事件,例如,隔栏递物、通过多人合作藏匿物品等,均可以是安检异常事件。
在本公开实施例中,在判断待检测图像中存在安检异常事件的情况下,可以生成该安检异常事件的告警信息,以对该安检异常事件进行提示。告警信息可以包括安检异常事件的告警目标、告警目标的抓拍图像、抓拍时间、抓拍摄像头等一种或多种信息。一些实现方式中,告警信息中还可以包括用于指示每组告警目标的指示标识,例如,每组告警目标可以通过检测框进行框出。
需要说明的是,待检测图像中可以存在一组或多组安检异常事件的告警目标,每组告警目标可以理解为发生安检异常事件的多个检测目标形成的组合,可以包括上述第一目标和第二目标。在存在多组告警目标的情况下,可以通过该指示标识对不同组的告警目标进行区分,一些实现方式中,也可以通过每组告警目标所在的图像区域进行区分,本公开不对此进行限制。这样,本公开实施例可以针对同一视频帧中的至少一组告警目标进行告警,并可以通过告警信息对不同组的告警目标进行区分。
一些实现方式中,如果电子设备具有显示界面,电子设备可以在显示界面中显示安检异常事件的告警信息,在一些实现方式中,如果电子设备作为后端设备,则电子设备可以向前端设备发送告警信息,从而前端设备可以对目标检测事件的告警信息进行提示。一些实现方式中,告警信息可以以提示音的方式进行提示,从而可以通过声音对目标检测事件进行告警。
在一些实现方式中,第一目标可以包括人体,第二目标可以包括物品,例如,第二目标可以是背包、手提包、行李等物品。预设隔挡对象包括安检围栏。举例来说,在地铁进站场景中,可以对待检测图像进行目标检测,然后判断待检测图像中是否存在隔栏递包的安检异常事件。通过针对人体和物品进行目标检测,可以根据检测结果确定人体是否位于预设隔拦对象的两侧以及两个人体和物品之间的相对位置关系,从而可以更好地对一些人和物共同存在的场景进行安检异常事件的告警,扩大安检异常事件检测的适用场景。
在一些实现方式中,在待检测图像中检测到安检异常事件的情况下,还可以不立即发出告警,而是在存在目标检测事件的视频帧累积到一定数量或者累积到一定时长的情况下,才发出告警。这样可以减少由于安检异常事件的检测错误而发生误报的情况。
在一个示例中,在待检测图像中存在安检异常事件的情况下,获取预设时间段内视频帧中存在该安检异常事件的数量,在该数量达到数量阈值的情况下,可以发送安检异常事件的告警信息。其中,上述视频帧可以包括待检测图像和在待检测图像之前采集的历史视频帧。这里,电子设备可以向告警系统发送安检异常事件的告警信息,从而在检测到安检异常事件的视频帧的数量累计到预设的数量阈值的情况下,告警系统可以进行告警。一些实现方式中,在检测到安检异常事件的视频帧的数量累计到预设的数量阈值的情况下,电子设备也可以直接告警。例如,如果在短时间(如1-3秒)内累计了足够多的存在安检异常事件的视频帧(如5帧),则可以联动报警系统发出报警。
本公开提供的安检异常事件检测方案,可以针对多个检测目标之间组合形成的安检异常事件进行检测和告警,例如,可以针对两个人进行递物的递物事件进行告警,从而可以在一些轨道交通等安防场景中辅助安防人员进行异常检测,减少人力,提高安防的效率和准确性。
在上述步骤S12中,在检测到所述待检测图像中存在至少两个第一目标以及至少一个第二目标的情况下,可以判断至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标。下面通过一个或多个实现方式对判断所述至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标的过程进行说明。
在一些实现方式中,可以在待检测图像中标记预设隔挡对象的位置。进一步针对至少两个第一目标中的任意两个第一对象,在待检测图像中获取这两个第一目标之间的第一连线和第二连线。其中,第一连线用于表示两个第一目标的顶部位置之间的连线,第二连线用于表示两个第一目标的底部位置之间的连线。在所述第一连线以及第二连接线分别与标记的预设隔挡对象存在交点的情况下,确认所述两个第一目标位于所述预设隔挡对象的两侧;在所述第一连线或第二连线与所述标记的预设隔挡对象不存在交点的情况下,确认所述两个第一目标位于所述预设隔挡对象的同侧。
在本实现方式中,可以根据实际应用场景设置预设隔挡对象,例如,在地铁场景中,预设隔挡对象可以是安检围栏,安检围栏可以用于将空间划分成安检前区域和安检后区域,如果在安检围栏两侧进行包交换或递包行为,则可以认为发生了隔拦递物事件。在根据预设隔挡对象的图像位置,在待检测图像中标记预设隔挡对象的位置时,可以获取预设隔挡对象的图像位置,预设隔挡对象的图像位置可以是基于对视频帧进行目标检测或者人工标注的方式确定的。然后可以根据预设隔挡对象的上边缘点的图像坐标确定两延伸线中的上边延伸线,根据预设隔挡对象的下边缘点的图像坐标确定两延伸线中的下边延伸线。这里,可以在每个摄像头对应的配置文件中,获取预设隔挡对象的图像位置。一些实现方式中,配置文件中可以保存预设隔挡对象的上边缘点和下边缘点的图像坐标。
图2示出根据本公开实施例的隔栏递物事件的示意图,隔拦递物事件至少需要两个人共同完成,并且安检围栏两侧至少都有一人。在根据两个第一目标的图像位置,判断这两个第一目标是否位于预设隔挡对象的两侧的过程中,可以根据两个第一目标的图像位置,分别确定这两个第一目标的顶部位置和底部位置,然后对这两个第一目标的顶部位置进行连线,得到第一连线,以及对这两个第一目标的底部位置进行连线,得到第二连线。然后判断第一连线是否与预设隔挡对象的上边延伸线存在交点,以及判断第二连线是否与预设隔挡对象的下边延伸线存在交点,如果第一连线与预设隔挡对象的上边延伸线存在交点,并且第二连线均与预设隔挡对象的下边延伸线存在交点,则可以认为这两个第一目标位于预设隔挡对象的两侧。否则,可以认为这两个第一目标位于预设隔挡对象的同侧。在两个第一目标位于预设隔挡对象的同侧的情况下,可以认为这两个第一目标的行为正常,即,如果在待检测图像中的第一目标均位于预设隔挡对象的同侧,则确认待检测图像中不存在安检异常事件。
这里,在确定任意一个第一目标的顶部位置时,可以将该第一目标的图像位置中纵坐标最大的坐标点确定为顶部位置,一些实现方式中,还可以将第一目标的长度的上半部分的坐标点确定为顶部位置,例如,将第一目标的长度的上三分之一点确定为顶部位置。相应地,在确定任意一个第一目标的底部位置时,可以将第一目标的图像位置中纵坐标最小的坐标点确定为底部位置,一些实现方式中,还可以将第一目标的长度的下半部分的坐标点确定为底部位置,例如,将第一目标的长度的下三分之一点确定为底部位置。针对任意两个第一目标的两两组合,可以通过判断两个第一目标是否位于预设隔挡对象的两侧的方式,对至少两个第一目标的两两组合进行筛选,筛选出位于预设隔挡对象的两侧的至少一组第一目标,然后进一步判断筛选出的至少一组第一目标是否发生安检异常事件,从而可以减少安检异常事件检测的计算量,提高检测效率。
这里,在任意两个第一目标位于预设隔挡对象的两侧的情况下,进一步确定这两个第一目标与每一个第二目标之间的相对位置关系。在任意两个第一目标均位于预设隔挡对象的同侧的情况下,可以确认待检测图像中不存在安检异常事件。
在一个实现方式中,在任意两个第一目标位于预设隔挡对象的两侧的情况下,可以进一步确定这两个第一目标的检测框之间的第一交叠程度。如果任意两个第一目标位于预设隔挡对象的两侧,那么这两个第一目标可能会发生安检异常事件,从而可以进一步确定这两个第一目标的检测框之间的第一交叠程度。例如,可以先确定两个第一目标的检测框的并集的宽度以及两个第一目标的检测框宽度的平均值,然后根据两个检测框的并集的宽度与两个检测框宽度的平均值的比值确定这两个第一目标的检测框之间的第一交叠程度,该比值可以与第一交叠程度呈反比。
进一步地,在第一交叠程度小于或等于第一预设阈值的情况下,进一步确定两个第一目标的检测框的第一交叠区域与每一个第二目标的检测框的第二交叠区域。如果第一交叠程度小于或等于第一预设阈值,则可以认为这两个第一目标的交叠程度较小,可能是由于两个第一目标在实际场景中的距离较大,或者可能是由于两个第一目标之间的连线倾向于与摄像头的朝向垂直,使这两个第一目标在待检测图像中的交叠程度较小,但在实际场景中距离较近,这种情况下,第二目标位于两个第一目标之间的可能性较大,从而可以在第一交叠程度小于或等于第一预设阈值的情况下,进一步确定两个第一目标的检测框的第一交叠区域与每一个第二目标的检测框的第二交叠区域,即,可以进一步通过判断这两个第一目标的交叠区域内是否存在第二目标,确定这两个第一目标与每一个第二目标的组合是否可能发生了安检异常事件。通过这种方式,可以准确地确定两个第一目标与每一个第二目标的位置关系,从而提高安检异常事件的准确率。这里,第一预设阈值可以根据实际应用场景进行设置,例如,可以将第一预设值设置为2/3。
在一个示例中,在第一交叠区域与任一个第二目标的检测框不存在第二交叠区域的情况下,可以认为这两个第一目标之间不存在第二目标,这两个第一目标的组合不是安检异常事件,在任意两个第一目标之间均不存在第二目标,可以确认待检测图像中不存在安检异常事件。
在一个示例中,在第一交叠区域与任一个第二目标的检测框存在第二交叠区域的情况下,可以确定两个第一目标的检测框之间的高度差,例如,可以将两个第一目标的检测框中心点坐标的y轴坐标做差,得到两个第一目标的检测框之间的高度差。然后进一步判断两个第一目标的检测框之间的高度差是否大于预设高度阈值。如果两个第一目标的检测框之间的高度差大于预设高度阈值,则可以认为这两个第一目标在待检测图像的y轴方向上的距离相差较大,即可以认为这两个第一目标在实际场景中相距较远,则这两个第一目标很难发生隔拦递物事件,从而确认待检测图像中不存在安检异常事件。如果两个第一目标的检测框之间的高度差小于或等于预设高度阈值,可以认为这两个第一目标在待检测图像的y轴方向的距离接近,即可以认为这两个第一目标在实际场景中相距较近,很可能发生隔拦递物事件,从而确认待检测图像中存在安检异常事件。
这里,预设高度阈值可以是根据实际应用场景或需求进行设置的预设的高度值,一些实现方式中,还可以根据两个第一目标的检测框中高度较小的检测框设置预设高度阈值,例如,可以将预设高度阈值为两个第一目标的检测框中高度较小的检测框的高度的一半。通过两个检测框的高度差可以进一步判断两个第一目标在待检测图像y轴方向上的距离是否较近,从而通过两个第一目标在待检测图像y轴方向上的距离判断待检测图像中是否存在安检异常事件,提高安检异常事件的检测精度。
在一个示例中,在两个第一目标的检测框之间的第一交叠程度大于第一预设阈值的情况下,可以认为两个第一目标在待检测图像中的交叠程度较大,可能是由于两个第一目标在实际场景中的距离较近,或者可能是由于两个第一目标之间的连线倾向于与摄像头的朝向平行,使这两个第一目标在待检测图像中的交叠程度较大,但在实际场景中距离较远,从而为了判断两个第一目标的交叠程度较大是否是因为两个第一目标的距离较近,可以进一步确定两个第一目标的检测框的高度差,通过两个第一目标的检测框的高度差确定两个第一目标之间在实际场景中的距离。
其中,在两个第一目标的检测框的高度差大于预设高度阈值的情况下,可以认为这两个第一目标之间在实际场景中距离较远,很难发生隔拦递物事件,从而确认待检测图像中不存在安检异常事件。
其中,在两个第一目标的检测框的高度差小于或等于预设高度阈值的情况下,可以认为两个第一目标之间在实际场景中较近,可以进一步确定两个第一目标的检测框的并集与每一个第二目标的检测框之间的第二交叠程度,例如,可以先确定两个第一目标的检测框的并集,得到并集框,然后确定与并集框相交的每一个第二目标,并计算每个第二目标的检测框与并集框相交的面积,进一步可以确定该面积与该第二目标的检测框的比值,该比值可以作为两个第一目标的检测框与任一第一目标之间的第二交叠程度。通过第二交叠程度可以判断距离较近的两个第一目标附近是否存在第二目标。
本示例可以在两个第一目标的检测框的交叠程度较大的情况下,进一步通过两个第一目标的检查框的高度差判断待检测图像中是否存在安检异常事件,可以进一步提高安检异常事件的检测精度。
本示例中,在第二交叠程度大于或等于第二预设阈值的情况下,可以认为这两个距离较近的第一目标附近存在第二目标,从而判断待检测图像中存在安检异常事件。在第二交叠程度小于第二预设阈值的情况下,可以认为这两个距离较近的第一目标附近不存在第二目标,从而判断待检测图像中不存在安检异常事件。这里,第二预设阈值可以根据实际应用场景进行设置,例如,可以设置为0.5、0.6等数值。通过将第二交叠程度与第二预设阈值进行比较,可以判断待检测图像中是否存在安检异常事件,从而在两个第一目标距离较近的情况下,可以准确地确定这两个第一目标是否发生安检异常事件,提高安检异常事件的检测精度。
在一个实现方式中,在两个第一目标的检测框不发生交叠的情况下,可以认为这两个第一目标的距离较远,进一步可以判断这两个第一目标的检测框是否分别与同一个第二目标的检测框相交叠。在两个第一目标的检测框分别与同一个第二目标的检测框交叠的情况下,这两个第一目标很可能发生了安检异常行为,从而可以进一步确定两个第一目标的检测框的高度差,通过高度差判断两个第一目标是否在待检测图像y轴方向上的距离较近,进步一步提高目标检测事件的检测精度。在该高度差小于或等于预设高度阈值的情况下,可以认为两个第一目标之间可以实现隔拦递物,从而判断待检测图像中存在所述安检异常事件。在该高度差大于预设高度阈值的情况下,可以认为这两个第一目标之间在实际场景中距离较远,很难实现隔拦递物,从而判断待检测图像中不存在安检异常事件。
相应地,在两个第一目标的检测框中的至少一个第一目标的检测框未与第二目标的检测框交叠的情况下,即,这两个第一目标中可能只有一个第一目标与一个或多个第二目标相交叠,或者,这两个第一目标均未与任意一个第二目标相交叠,则可以认为这两个第一目标很难实现隔拦递物,从而判断待检测图像中不存在安检异常事件。
下面通过一个示例对本公开提供的安检异常事件检测方案进行说明。图3示出根据本公开实施例的安检异常事件检测流程的框图。本示例可以在地铁场景中,第一目标可以是人体,第二目标可以是包,预设隔挡对象可以是围栏。在本示例中可以针对摄像头采集的视频进行逐帧检测,判断每个视频帧中是否存在隔栏递包事件(安检异常事件)。待检测图像可以是最新获取的视频帧。本示例可以对待检测图像进行目标检测,得到待检测图像中人体框的坐标、包框坐标。本示例中可以针对每两个人体框执行以下检测流程,这里以两个人体框为例进行说明。
步骤S201,判断两个人体框是否位于围栏的两侧。
这里可以针对待检测图像中的每对人体的人体框,判断每两个人体框是否位于围栏的两侧,围栏的坐标可以是预先获取的或者预先存储的。然后可以根据这两个人体框的坐标以及围栏的坐标,判断这两个人体框是否位于围栏的两侧。
在这两个人体框位于围栏的同侧的情况下,判断这两个人体框对应的人体不能实现隔栏递包事件,执行步骤S211。
步骤S202,在两个人体框位于围栏的两侧的情况下,判断两个人体框是否存在交叠。
在这两个人体框位于围栏的两侧的情况下,可以进一步判断这两个人体框是否存在交叠。若两个人体框存在交叠,则执行步骤S203;若不存在交叠,则执行步骤S208。
步骤S203,判断两个人体框的交叠程度是否小于或等于第一预设阈值。
如果这两个人体框存在交叠,则可以进一步确定这两个人体框的交叠程度(第一交叠程度),判断这两个人体框的交叠程度是否小于或等于第一预设阈值,即执行步骤S204,否则执行步骤S206。
步骤S204,判断两个人体框附近是否存在包框。
如果这两个人体框的交叠程度小于或等于第一预设阈值,这可能是由于这两个人体框对应的人体之间的连线倾向于与摄像头的朝向垂直,而使待检测图像中呈现的这两个人体框的交叠程度较小,则进一步判断这两个人体框附近是否存在包框,即,判断这两个人体框的交叠区域(第一交叠区域)是否与包框相交叠。
若两个人体框附近存在包框,则执行步骤S205;若两个人体框附近不存在包框,即这两个人体框的交叠区域附近没有相交叠的包框,则这两个人体框对应的人体不能实现隔栏递包事件,执行步骤S211。
步骤S205,判断两个人体框的高度差是否小于或等于预设高度阈值。
如果这两个人体框的交叠区域存在相交叠的包框,则进一步判断这两个人体框的高度差是否小于或等于预设高度阈值。
若两个人体框的高度差小于或等于预设高度阈值,可以认为这两个人体框对应的人体在实际场景中距离较近,则认为这两个人体框对应的人体可以实现隔栏递包事件,执行步骤S210。
若这两个人体框的高度差大于预设高度阈值,可以认为这两个人体框对应的人体在实际场景中距离较远,则认为这两个人体难以实现隔栏递包事件,执行步骤S211。
步骤S206,判断两个人体框的高度差是否小于或等于预设高度阈值。
如果这两个人体框的交叠程度大于第一预设阈值,这可能是由于这两个人体框对应的人体之间的连线倾向于与摄像头的朝向平行,而使待检测图像中呈现的这两个人体框的交叠程度较大,则进一步判断这两个人体框的高度差是否小于或等于预设高度阈值。若这两个人体框的高度差小于或等于预设高度阈值,则执行步骤S207;否则,若这两个人体框的高度差大于预设高度阈值,则认为这两个人体框对应的人体距离较远,这两个人体难以实现隔栏递包事件,执行步骤S211。
步骤S207,判断两个人体框附近是否存在包框。
如果这两个人体框的高度差小于或等于预设高度阈值,可以认为这两个人体框距离较近,这可能是由于待检测图像的拍摄角度(即两个人体框对应的人体之间的连线倾向于与摄像头的朝向平行)引起的,则进一步确定两个人体框并集的并集框的面积与包框的比值(第二交叠程度),判断两个人体框附近是否存在包框。
如果该比值大于或等于第二预设阈值,则认为这两个人体框附近存在包框,这两个人体框对应的人体可以实现隔栏递包事件,执行步骤S210。
如果该比值小于第二预设阈值,则认为这两个人体框附近不存在包框,这两个人体框对应的人体难以实现隔栏递包事件,执行步骤S211。
步骤S208,判断两个人体框是否均与包框相交。
如果这两个人体框不存在交叠,则判断这两个人体框是否均与包框相交。如果两个人体框均与包框相交,执行步骤S209;如果这两个人体框中至少一个人体框未与包框相交,则认为这两个人体框对应的人体难以实现隔栏递包事件,执行步骤S211。
步骤S209,判断两个人体框的高度差是否小于或等于预设高度阈值。
如果这两个人体框均与包框相交,则认为这两个人体框对应的人体可能发生隔隔栏递包事件,进一步判断这两个人体框的高度差是否小于或等于预设高度阈值。
如果这两个人体框的高度差小于或等于预设高度阈值,则认为这两个人体框对应的人体距离较近,这两个人体可以实现隔栏递包事件,执行步骤S210。
如果这两个人体框的高度差大于预设高度阈值,则认为这两个人体框对应的人体距离较近,这两个人体难以实现隔栏递包事件,执行步骤S211。
步骤S210,确认检测到隔栏递包事件。
步骤S211,确认未检测到隔栏递包事件。
本示例可以通过视频帧中的人体框和包框,判断是否存在隔栏递包事件,可以提高隔栏递包事件的准确性,可用于地铁站或其他人流量变动较大的告警场景。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了安检异常事件检测装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种安检异常事件检测方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图4示出根据本公开实施例的安检异常事件检测装置的框图,如图4所示,所述装置包括:
检测模块31,用于对获取的待检测图像进行目标检测;
判断模块32,用于在检测到所述待检测图像中存在至少两个第一目标以及至少一个第二目标的情况下,判断所述至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标,其中,所述第一目标和所述第二目标属于不同的类别;
确认模块33,用于在存在位于预设隔挡对象两侧的两个第一目标的情况下,基于所述两个第一目标与每个第二目标的相对位置关系以及所述两个第一目标的检测框之间的高度差,确认所述待检测图像中是否存在安检异常事件。
在一些可能的实现方式中,所述方法还包括:标记模块,用于在所述待检测图像中标记所述预设隔挡对象的位置;
所述判断模块32,用于针对所述至少两个第一目标中的任意两个第一对象,在所述待检测图像中获取所述两个第一目标之间的第一连线和第二连线,其中,所述第一连线用于表示所述两个第一目标的顶部位置之间的连线,所述第二连线用于表示所述两个第一目标的底部位置之间的连线;在所述第一连线以及第二连接线分别与标记的预设隔挡对象存在交点的情况下,确认所述两个第一目标位于所述预设隔挡对象的两侧;在所述第一连线或第二连线与所述标记的预设隔挡对象不存在交点的情况下,确认所述两个第一目标位于所述预设隔挡对象的同侧。
在一些可能的实现方式中,所述确认模块33,用于确定所述两个第一目标的检测框之间的第一交叠程度;在所述第一交叠程度小于或等于第一预设阈值的情况下,确定所述两个第一目标的检测框的第一交叠区域与所述每个第二目标的检测框的第二交叠区域;在所述第一交叠区域与所述每个第二目标的检测框存在所述第二交叠区域的情况下,确定所述两个第一目标的检测框之间的高度差;在所述高度差小于或等于预设高度阈值的情况下,确认所述待检测图像中存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块33,还用于在所述第一交叠区域与所述每个第二目标的检测框不存在第二交叠区域的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块33,还用于在所述第一交叠程度大于第一预设阈值的情况下,确定所述两个第一目标的检测框的高度差;在所述高度差小于或等于预设高度阈值的情况下,确定所述两个第一目标的检测框的并集与所述每个第二目标的检测框之间的第二交叠程度;在所述第二交叠程度大于或等于第二预设阈值的情况下,确认所述待检测图像中存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块33,还用于在所述第二交叠程度小于所述第二预设阈值的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块33,还用于在所述两个第一目标的检测框不相交叠的情况下,判断所述两个第一目标的检测框是否分别与同一个所述第二目标的检测框相交叠;在所述两个第一目标的检测框分别与同一个所述第二目标的检测框交叠的情况下,确定所述两个第一目标的检测框的高度差;在所述高度差小于或等于预设高度阈值的情况下,确认所述待检测图像中存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块33,还用于在所述高度差大于所述预设高度阈值的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块33,还用于在所述两个第一目标的检测框中的至少一个第一目标的检测框未与所述第二目标的检测框交叠的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述确认模块33,还用于在不存在位于所述预设隔挡对象两侧的两个第一目标的情况下,确认所述待检测图像中不存在所述安检异常事件。
在一些可能的实现方式中,所述装置还包括:告警模块,用于在所述待检测图像中存在安检异常事件的情况下,获取预设时间段内视频帧中存在所述安检异常事件的数量,其中,所述视频帧包括所述待检测图像和在所述待检测图像之前采集的历史视频帧;在所述数量达到数量阈值的情况下,发送所述安检异常事件的告警信息。
在一些可能的实现方式中,所述第一目标包括人体,所述第二目标包括物品,所述预设隔挡对象包括安检围栏。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的安检异常事件检测方法的指令。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的安检异常事件检测方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5示出根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图5,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如互补金属氧化物半导体(CMOS)或电荷耦合装置(CCD)图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如无线网络(WiFi),第二代移动通信技术(2G)或第三代移动通信技术(3G),或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图6示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图6,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (15)
1.一种安检异常事件检测方法,其特征在于,包括:
对获取的待检测图像进行目标检测;
在检测到所述待检测图像中存在至少两个第一目标以及至少一个第二目标的情况下,判断所述至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标,其中,所述第一目标和所述第二目标属于不同的类别;
在存在位于所述预设隔挡对象两侧的两个第一目标的情况下,基于所述两个第一目标与每个第二目标的相对位置关系以及所述两个第一目标的检测框之间的高度差,确认所述待检测图像中是否存在安检异常事件。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在所述待检测图像中标记所述预设隔挡对象的位置;
所述判断所述至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标,包括:
针对所述至少两个第一目标中的任意两个第一对象,在所述待检测图像中获取所述两个第一目标之间的第一连线和第二连线,其中,所述第一连线用于表示所述两个第一目标的顶部位置之间的连线,所述第二连线用于表示所述两个第一目标的底部位置之间的连线;
在所述第一连线以及第二连接线分别与标记的预设隔挡对象存在交点的情况下,确认所述两个第一目标位于所述预设隔挡对象的两侧;在所述第一连线或第二连线与所述标记的预设隔挡对象不存在交点的情况下,确认所述两个第一目标位于所述预设隔挡对象的同侧。
3.根据权利要求2所述的方法,其特征在于,所述基于所述两个第一目标与每一个第二目标的相对位置关系以及所述两个第一目标的检测框之间的高度差,确认所述待检测图像中是否存在安检异常事件,包括:
确定所述两个第一目标的检测框之间的第一交叠程度;
在所述第一交叠程度小于或等于第一预设阈值的情况下,确定所述两个第一目标的检测框的第一交叠区域与所述每个第二目标的检测框的第二交叠区域;
在所述第一交叠区域与所述每个第二目标的检测框存在所述第二交叠区域的情况下,确定所述两个第一目标的检测框之间的高度差;
在所述高度差小于或等于预设高度阈值的情况下,确认所述待检测图像中存在所述安检异常事件。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在所述第一交叠区域与所述每个第二目标的检测框不存在第二交叠区域的情况下,确认所述待检测图像中不存在所述安检异常事件。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在所述第一交叠程度大于第一预设阈值的情况下,确定所述两个第一目标的检测框的高度差;
在所述高度差小于或等于预设高度阈值的情况下,确定所述两个第一目标的检测框的并集与所述每个第二目标的检测框之间的第二交叠程度;
在所述第二交叠程度大于或等于第二预设阈值的情况下,确认所述待检测图像中存在所述安检异常事件。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
在所述第二交叠程度小于所述第二预设阈值的情况下,确认所述待检测图像中不存在所述安检异常事件。
7.根据权利要求3所述的方法,其特征在于,所述方法还包括:
在所述两个第一目标的检测框不相交叠的情况下,判断所述两个第一目标的检测框是否分别与同一个所述第二目标的检测框相交叠;
在所述两个第一目标的检测框分别与同一个所述第二目标的检测框交叠的情况下,确定所述两个第一目标的检测框的高度差;
在所述高度差小于或等于预设高度阈值的情况下,确认所述待检测图像中存在所述安检异常事件。
8.根据权利要求3或5或7所述的方法,其特征在于,所述方法还包括:
在所述高度差大于所述预设高度阈值的情况下,确认所述待检测图像中不存在所述安检异常事件。
9.根据权利要求7所述的方法,其特征在于,所述方法还包括:
在所述两个第一目标的检测框中的至少一个第一目标的检测框未与所述第二目标的检测框交叠的情况下,确认所述待检测图像中不存在所述安检异常事件。
10.根据权利要求1至9任意一项所述的方法,其特征在于,所述方法还包括:
在不存在位于所述预设隔挡对象两侧的两个第一目标的情况下,确认所述待检测图像中不存在所述安检异常事件。
11.根据权利要求1至10任意一项所述的方法,其特征在于,所述方法还包括:
在所述待检测图像中存在安检异常事件的情况下,获取预设时间段内视频帧中存在所述安检异常事件的数量,其中,所述视频帧包括所述待检测图像和在所述待检测图像之前采集的历史视频帧;
在所述数量达到数量阈值的情况下,发送所述安检异常事件的告警信息。
12.根据权利要求1至11任意一项所述的方法,其特征在于,所述第一目标包括人体,所述第二目标包括物品,所述预设隔挡对象包括安检围栏。
13.一种安检异常事件检测装置,其特征在于,包括:
检测模块,用于对获取的待检测图像进行目标检测;
判断模块,用于在检测到所述待检测图像中存在至少两个第一目标以及至少一个第二目标的情况下,判断所述至少两个第一目标中是否存在位于预设隔挡对象两侧的两个第一目标,其中,所述第一目标和所述第二目标属于不同的类别;
确认模块,用于在存在位于预设隔挡对象两侧的两个第一目标的情况下,基于所述两个第一目标与每个第二目标的相对位置关系以及所述两个第一目标的检测框之间的高度差,确认所述待检测图像中是否存在安检异常事件。
14.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至12中任意一项所述的方法。
15.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至12中任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110129505.8A CN112818844A (zh) | 2021-01-29 | 2021-01-29 | 安检异常事件检测方法及装置、电子设备和存储介质 |
PCT/CN2021/100622 WO2022160569A1 (zh) | 2021-01-29 | 2021-06-17 | 安检异常事件检测方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110129505.8A CN112818844A (zh) | 2021-01-29 | 2021-01-29 | 安检异常事件检测方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112818844A true CN112818844A (zh) | 2021-05-18 |
Family
ID=75860323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110129505.8A Pending CN112818844A (zh) | 2021-01-29 | 2021-01-29 | 安检异常事件检测方法及装置、电子设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112818844A (zh) |
WO (1) | WO2022160569A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022160569A1 (zh) * | 2021-01-29 | 2022-08-04 | 成都商汤科技有限公司 | 安检异常事件检测方法及装置、电子设备和存储介质 |
CN115063739A (zh) * | 2022-06-10 | 2022-09-16 | 嘉洋智慧安全生产科技发展(北京)有限公司 | 异常行为的检测方法、装置、设备及计算机存储介质 |
CN115797857A (zh) * | 2022-11-07 | 2023-03-14 | 北京声迅电子股份有限公司 | 一种出行事件确定方法、安检方法以及事件管理方法 |
WO2023071188A1 (zh) * | 2021-10-29 | 2023-05-04 | 上海商汤智能科技有限公司 | 一种异常行为检测的方法、装置、电子设备及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116862980B (zh) * | 2023-06-12 | 2024-01-23 | 上海玉贲智能科技有限公司 | 图像边缘的目标检测框位置优化校正方法、系统、介质及终端 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150269437A1 (en) * | 2014-03-19 | 2015-09-24 | Kabushiki Kaisha Toshiba | Image processing apparatus, method thereof and program therefor |
CN105303549A (zh) * | 2015-06-29 | 2016-02-03 | 北京格灵深瞳信息技术有限公司 | 一种确定视频图像中被测对象间位置关系的方法及装置 |
CN107977646A (zh) * | 2017-12-19 | 2018-05-01 | 北京博睿视科技有限责任公司 | 一种隔栏递物检测算法 |
CN111681382A (zh) * | 2020-05-28 | 2020-09-18 | 天津市三源电力设备制造有限公司 | 一种基于视觉分析检测施工现场跨越临时围栏的方法 |
CN111914656A (zh) * | 2020-07-06 | 2020-11-10 | 浙江大华技术股份有限公司 | 一种人员行为检测方法、装置、电子设备及存储介质 |
CN112016528A (zh) * | 2020-10-20 | 2020-12-01 | 成都睿沿科技有限公司 | 行为识别方法、装置、电子设备及可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112818844A (zh) * | 2021-01-29 | 2021-05-18 | 成都商汤科技有限公司 | 安检异常事件检测方法及装置、电子设备和存储介质 |
-
2021
- 2021-01-29 CN CN202110129505.8A patent/CN112818844A/zh active Pending
- 2021-06-17 WO PCT/CN2021/100622 patent/WO2022160569A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150269437A1 (en) * | 2014-03-19 | 2015-09-24 | Kabushiki Kaisha Toshiba | Image processing apparatus, method thereof and program therefor |
CN105303549A (zh) * | 2015-06-29 | 2016-02-03 | 北京格灵深瞳信息技术有限公司 | 一种确定视频图像中被测对象间位置关系的方法及装置 |
CN107977646A (zh) * | 2017-12-19 | 2018-05-01 | 北京博睿视科技有限责任公司 | 一种隔栏递物检测算法 |
CN111681382A (zh) * | 2020-05-28 | 2020-09-18 | 天津市三源电力设备制造有限公司 | 一种基于视觉分析检测施工现场跨越临时围栏的方法 |
CN111914656A (zh) * | 2020-07-06 | 2020-11-10 | 浙江大华技术股份有限公司 | 一种人员行为检测方法、装置、电子设备及存储介质 |
CN112016528A (zh) * | 2020-10-20 | 2020-12-01 | 成都睿沿科技有限公司 | 行为识别方法、装置、电子设备及可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022160569A1 (zh) * | 2021-01-29 | 2022-08-04 | 成都商汤科技有限公司 | 安检异常事件检测方法及装置、电子设备和存储介质 |
WO2023071188A1 (zh) * | 2021-10-29 | 2023-05-04 | 上海商汤智能科技有限公司 | 一种异常行为检测的方法、装置、电子设备及存储介质 |
CN115063739A (zh) * | 2022-06-10 | 2022-09-16 | 嘉洋智慧安全生产科技发展(北京)有限公司 | 异常行为的检测方法、装置、设备及计算机存储介质 |
CN115797857A (zh) * | 2022-11-07 | 2023-03-14 | 北京声迅电子股份有限公司 | 一种出行事件确定方法、安检方法以及事件管理方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2022160569A1 (zh) | 2022-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112818844A (zh) | 安检异常事件检测方法及装置、电子设备和存储介质 | |
CN110674719B (zh) | 目标对象匹配方法及装置、电子设备和存储介质 | |
CN113011290A (zh) | 事件检测方法及装置、电子设备和存储介质 | |
CN111310665A (zh) | 违规事件检测方法及装置、电子设备和存储介质 | |
US11288531B2 (en) | Image processing method and apparatus, electronic device, and storage medium | |
CN113538407B (zh) | 锚点确定方法及装置、电子设备和存储介质 | |
CN110942036B (zh) | 人员识别方法及装置、电子设备和存储介质 | |
CN108600656B (zh) | 在视频中添加面部标签的方法及装置 | |
CN110990801B (zh) | 信息校验方法及装置、电子设备和存储介质 | |
CN112465843A (zh) | 图像分割方法及装置、电子设备和存储介质 | |
CN112633184A (zh) | 告警方法及装置、电子设备和存储介质 | |
EP3147802A1 (en) | Method and apparatus for processing information | |
CN110728815A (zh) | 基于视频分析的预警方法及装置、电子设备和存储介质 | |
CN110807393A (zh) | 基于视频分析的预警方法及装置、电子设备和存储介质 | |
CN111104920A (zh) | 视频处理方法及装置、电子设备和存储介质 | |
KR20220110743A (ko) | 통행 검출 방법 및 장치, 전자 기기 및 컴퓨터 판독 가능 저장 매체 | |
CN114882681A (zh) | 工单处理方法及装置、电子设备和存储介质 | |
CN112100445A (zh) | 一种影像信息的处理方法及装置、电子设备和存储介质 | |
CN113011291A (zh) | 事件检测方法及装置、电子设备和存储介质 | |
CN111523482A (zh) | 车道拥挤检测方法及装置、电子设备和存储介质 | |
CN112560986B (zh) | 图像检测方法及装置、电子设备和存储介质 | |
CN111753611A (zh) | 图像检测方法及装置和系统、电子设备和存储介质 | |
CN110543928B (zh) | 检测无轨胶轮车载人人数的方法及装置 | |
CN113762169A (zh) | 人流量统计方法及装置、电子设备和存储介质 | |
CN113807167A (zh) | 车辆碰撞检测方法及装置、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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40045798 Country of ref document: HK |