CN112907867B - 一种基于图像识别的预警方法、装置及服务器 - Google Patents
一种基于图像识别的预警方法、装置及服务器 Download PDFInfo
- Publication number
- CN112907867B CN112907867B CN202110088934.5A CN202110088934A CN112907867B CN 112907867 B CN112907867 B CN 112907867B CN 202110088934 A CN202110088934 A CN 202110088934A CN 112907867 B CN112907867 B CN 112907867B
- Authority
- CN
- China
- Prior art keywords
- early warning
- image
- pedestrian
- preset
- monitored area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- 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
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
- G08B13/19615—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion wherein said pattern is defined by the user
-
- 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
-
- 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
-
- 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
-
- 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
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请适用于安防监控技术领域,提供了一种基于图像识别的预警方法、装置及服务器,所述预警方法包括:基于被监控区域的预警图像样本进行预警类型识别,得到与预警图像样本中的移动对象对应的识别结果;其中,预警图像样本用于描述被监控区域内移动对象存在的越界行为;根据识别结果确定对应的目标预警策略;根据目标预警策略输出关于移动对象的第一预警信息。上述基于图像识别的预警方法,由于预警图像样本用于描述被监控区域内移动对象存在的越界行为,因此该方法可以根据预警图像样本的识别结果确定目标预警策略,并根据目标预警策略执行预警操作,从而可以根据预警图像样本实现预警功能,丰富了预警图像样本的适用范围。
Description
技术领域
本申请属于安防监控技术领域,尤其涉及一种基于图像识别的预警方法、装置及服务器。
背景技术
基于经济的增长和生活水平的提高,旅游越来越成为普通大众的一种生活刚性需求,旅游业的蓬勃发展在带动经济发展的同时,也让景区安全运营面临着巨大的压力。目前,很多景区为了提高安全性,会在景区的各个区域设置多个摄像头进行视频监控,并对视频中的行人或车辆进行拍摄。然而,现有的对景区进行视频监控时,仅是对拍摄到的视频图像进行人脸识别或车辆识别,确定行人身份或车主身份,功能较为单一,适用范围小。
发明内容
本申请实施例提供了一种基于图像识别的预警方法、装置及服务器,可以解决现有的对景区进行视频监控时,仅是对拍摄到的视频图像进行人脸识别或车辆识别,确定行人身份或车主身份,功能较为单一,适用范围小的问题。
第一方面,本申请实施例提供了一种基于图像识别的预警方法,包括:
基于被监控区域的预警图像样本进行预警类型识别,得到与所述预警图像样本中的移动对象对应的识别结果;其中,所述预警图像样本用于描述所述被监控区域内所述移动对象存在的越界行为;
根据所述识别结果确定对应的目标预警策略;
根据所述目标预警策略输出关于所述移动对象的第一预警信息。
第二方面,本申请实施例提供了一种基于图像识别的预警装置,包括:
识别单元,用于基于被监控区域的预警图像样本进行预警类型识别,得到与所述预警图像样本中的移动对象对应的识别结果;其中,所述预警图像样本用于描述所述被监控区域内所述移动对象存在的越界行为;
第一确定单元,用于根据所述识别结果确定对应的目标预警策略;
第一输出单元,用于根据所述目标预警策略输出关于所述移动对象的第一预警信息。
第三方面,本申请实施例提供了一种服务器,包括:
存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,上述处理器执行所述计算机程序时实现如上述第一方面中所述的预警方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述的预警方法的步骤。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在服务器上运行时,使得服务器可执行上述第一方面所述的预警方法。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例提供的一种基于图像识别的预警方法,通过:基于被监控区域的预警图像样本进行预警类型识别,得到与预警图像样本中的移动对象对应的识别结果;其中,预警图像样本用于描述被监控区域内移动对象存在的越界行为;根据识别结果确定对应的目标预警策略;根据目标预警策略输出关于移动对象的第一预警信息。上述基于图像识别的预警方法,由于预警图像样本用于描述被监控区域内移动对象存在的越界行为,因此该方法可以根据该预警图像样本的识别结果确定目标预警策略,并根据该目标预警策略执行相应的预警操作,即输出第一预警信息,因此,服务器可以根据预警图像样本实现预警功能,丰富了预警图像样本的适用范围。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请提供的整体方案原理示意图;
图2是本申请实施例提供的一种基于图像识别的预警方法的实现流程图;
图3是本申请另一实施例提供的一种基于图像识别的预警方法的实现流程图;
图4是本申请再一实施例提供的一种基于图像识别的预警方法的实现流程图;
图5是本申请又一实施例提供的一种基于图像识别的预警方法的实现流程图;
图6是本申请实施例提供的基于图像识别的预警装置的结构示意图;
图7是本申请实施例提供的服务器的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
目前,很多景区为了提高安全性,会在景区的各个地方设置多个摄像头进行视频监控,并对视频中的行人或车辆进行拍摄。基于此,可以将景区划分为多个被监控区域,并在每个被监控区域都设置至少一个摄像模块。其中,摄像模块可以是监控摄像模块。
请参阅图1,图1是本申请整体方案原理示意图。在本申请的所有实施例中,基于图像识别的预警方法的执行主体为服务器。如图1所示,服务器10与摄像模块(图中仅示出一个)20通信连接。其中,服务器10可以包括但不限于智能手机、平板电脑或台式电脑等。摄像模块20用于对被监控区域进行拍摄。
以摄像模块20为监控摄像模块为例,服务器10通过监控摄像模块获取预警图像样本,并基于该预警图像样本进行预警类型识别,得到与该预警图像样本中的移动对象对应的识别结果;其中,预警图像样本用于描述被监控区域内移动对象存在的越界行为;移动对象包括但不限于行人和车辆;服务器10根据识别结果确定对应的目标预警策略;最后根据目标预警策略输出关于移动对象的第一预警信息。其中,越界行为用于描述移动对象在非移动对象的活动区域内活动,示例性的,假设移动对象为车辆,则车辆存在的越界行为指车辆在行人活动区域内停留或移动。第一预警信息可以根据实际需要确定,此处不作限制,示例性的假设移动对象为车辆,则第一预警信息可以是提示该车辆占用了行人活动区域。
请参阅图2,图2是本申请实施例提供的一种基于图像识别的预警方法的实现流程图。本申请实施例中,该基于图像识别的预警方法的执行主体为基于服务器。如图2所示,本申请实施例提供的一种基于图像识别的预警方法可以包括S201~S203,详述如下:
在S201中,基于被监控区域的预警图像样本进行预警类型识别,得到与所述预警图像样本中的移动对象对应的识别结果;其中,所述预警图像样本用于描述所述被监控区域内所述移动对象存在的越界行为。
本申请实施例中,服务器基于被监控区域的预警图像样本进行预警类型识别,可以得到与该预警图像样本中的移动对象对应的识别结果。其中,预警图像样本用于描述被监控区域内移动对象存在的越界行为。移动对象包括但不限于行人和车辆。越界行为用于描述移动对象在非移动对象的活动区域内活动。由于移动对象包括行人和车辆,因此,非移动对象的活动区域可以包括预设非行人区域和预设非车辆区域。其中,预设非行人区域和预设非车辆区域均可以根据实际需要设置,此处不作限制。
基于此,若移动对象为行人,则该行人存在的越界行为可以是该行人在非行人区域内活动;若移动对象为车辆,则该车辆存在的越界行为可以是该车辆在非车辆区域内活动。
在本申请的一个实施例中,服务器可以通过摄像模块获取预警图像样本。需要说明的是,服务器还预先存储了第一目标检测模型。其中,第一目标检测模型用于对图像中的目标物体进行检测,并识别出目标物体的类型。第一目标检测模型可以是现有的基于卷积神经网络的第一目标检测模型。基于此,服务器具体可以通过以下步骤确定预警图像样本,详述如下:
获取摄像模块采集到的第一图像集;
若检测到所述第一图像集中存在第一行人图像,则将所述第一行人图像确定为所述预警图像样本;所述第一行人图像用于指所述移动对象为行人,且所述行人处于预设非行人区域的图像;
若检测到所述第一图像集中存在第一车辆图像,则将所述第一车辆图像确定为所述预警图像样本;所述第一车辆图像指所述移动对象为车辆,且所述车辆处于预设非车辆区域的图像。
本实施例中,服务器在获取到摄像模块采集到的第一图像集后,可以将第一图像集输入预设的第一目标检测模型进行目标识别,得到第一图像集中各个第一图像对应的第一目标识别结果。
第一目标识别结果用于描述第一图像中包含的移动对象的类型。
移动对象的类型可以包括但不限于人体或车辆等。
服务器在得到第一图像集中各个第一图像对应的第一目标识别结果后,还可以根据该第一目标识别结果确定移动对象是否处于非移动对象的活动区域,从而确定预警图像样本。
具体的,服务器在检测到第一图像集中存在移动对象为行人,且该行人处于预设非行人区域的第一行人图像时,可以将该第一行人图像确定为预警图像样本。其中,预设非行人区域可以是机动车道,也可以是景区内的危险区域,例如,深水区、乱石区等区域。
服务器在检测到第一图像集中存在移动对象为车辆,且该车辆处于预设非车辆区域的第一车辆图像,则将该第一车辆图像确定为预警图像样本。其中,预设非车辆区域可以是人行道,也可以是景区内的行人活动区域。
在本申请的另一个实施例中,由于移动对象包括行人和车辆,相应的,预警类型包括行人类型和车辆类型,因此,服务器基于被监控区域的预警图像样本进行预警类型识别,得到与该预警图像样本中的移动对象对应的识别结果具体可以包括以下步骤,详述如下:
当所述预警类型为行人类型时,确定所述识别结果是所述预警图像样本中的行人越界;
当所述预警类型为车辆类型时,确定所述识别结果是所述预警图像样本中的车辆越界。
本实施例中,服务器在检测到预警图像样本中的移动对象为行人时,可以确定该预警图像样本对应的预警类型为行人类型,从而确定识别结果是该行人越界。
在本申请的一个实施例中,行人越界可以是行人进入预设非行人区域。其中,预设非行人区域可以是机动车道,也可以是景区内的危险区域,例如,深水区、乱石区等区域。
服务器在检测到预警图像样本中的移动对象为车辆时,可以确定该预警图像样本对应的预警类型为车辆类型,从而确定识别结果是车辆越界。
在本申请的一个实施例中,车辆越界可以是车辆进入预设非车辆区域。其中,预设非车辆区域可以是人行道,也可以是被监控区域内的行人活动区域。
在本申请的再一个实施例中,服务器还配置有用于存储行人信息的数据库。其中,行人信息包括但不限于行人的人脸图像和行人的身份信息。身份信息可以包括但不限于:姓名、性别及年龄等。
基于此,在S201之前,上述基于图像识别的预警方法还可以包括以下步骤:
若检测到行人进入景区的请求,则获取所述行人的身份信息和人脸图像;
将所述行人的身份信息与人脸图像关联存储至数据库中。
在实际应用中,当行人想要进入景区时,需要凭票进入景区。在现有技术中,行人通常是在网上购票。因此,本实施例中,服务器可以预先将行人购买的电子票与该行人的身份信息和人脸图像进行绑定。
基于此,本实施例中,服务器在检测到行人进入景区的请求,可以通过摄像模块获取该行人当前的人脸图像,并将当前的人脸图像与电子票绑定的人脸图像进行对比,若检测到与电子票绑定的人脸图像中存在与当前的人脸图像的相似度大于或等于第一预设相似度阈值的第一人脸图像,则允许该行人进入景区,并获取该行人的身份信息和人脸图像,即第一人脸图像和该第一人脸图像对应的身份信息。
服务器在获取行人的身份信息和人脸图像后,将该行人的身份信息和人脸图像关联存储至数据库中。需要说明的是,人脸图像与身份信息一一对应,即一个行人的人脸图像对应一个身份信息。
需要说明的是,由于部分景区允许车辆进入,因此,在本申请的一个实施例中,服务器还可以预先存储车主的身份信息与车辆图像之间的预设对应关系。其中车辆图像包括车辆信息,车辆信息包括但不限于车牌号和车辆颜色等。
在S202中,根据所述识别结果确定对应的目标预警策略。
本申请实施例中,不同的识别结果可以对应不同的预警策略。其中,预警策略可以包括但不限于:基于人脸识别的预警策略和基于车辆识别的预警策略。基于人脸识别的预警策略指对预警图像样本中行人进行人脸识别,确定该行人的身份信息,并根据该行人的身份信息输出预警信息的预警策略,基于车辆识别的预警策略指对预警图像样本中的车辆进行车辆识别,确定该车辆对应的车主的身份信息,并根据该车主的身份信息输出预警信息的预警策略。基于此,可以预先设置识别结果为行人越界对应的预警策略为基于人脸识别的预警策略,识别结果为车辆越界对应的预警策略为基于车辆识别的预警策略。服务器可以将识别结果与预警策略之间的预设对应关系进行关联存储。
因此,服务器可以根据识别结果确定对应的目标预警策略。
在本申请的一个实施例中,服务器具体可以通过以下步骤确定目标预警策略,详述如下:
当所述识别结果是所述行人越界时,将基于人脸识别的预警策略确定为所述目标预警策略。
本实施例中,由于预先设置的识别结果为行人越界对应的预警策略为基于人脸识别的预警策略,因此,服务器在检测到识别结果为行人越界时,可以确定该识别结果对应的目标预警策略为基于人脸识别的预警策略。
当所述识别结果是所述车辆越界时,将基于车辆识别的预警策略确定为所述目标预警策略。
本实施例中,由于预先设置的识别结果为车辆越界对应的预警策略为基于车辆识别的预警策略,因此,服务器在检测到识别结果为车辆越界时,可以确定该识别结果对应的目标预警策略为基于车辆识别的预警策略。
在S203中,根据所述目标预警策略输出关于所述移动对象的第一预警信息。
本申请实施例中,服务器在确定目标预警策略后,可以根据该目标预警策略输出关于预警图像样本中移动对象的第一预警信息。其中,第一预警信息用于提示移动对象的越界行为。
作为示例而非限定,第一预警信息可以是语音信息,例如,假设移动对象为行人,则服务器可以输出一条内容为“张三不要进入预设非行人区域,请尽快离开”的语音信息对该行人进行预警;假设移动对象为车辆,则服务器可以输出一条内容为“车牌号为0000已进入预设非车辆区域,请车主张三尽快驾驶该车离开”的语音信息对该车辆的车主进行预警。
第一预警信息还可以是文字信息,例如,假设移动对象为行人,则服务器可以通过与该服务器连接的,被监控区域的终端设备的屏幕显示一条内容为“张三不要进入预设非行人区域,请尽快离开”的文字信息对该行人进行预警;假设移动对象为车辆,则服务器可以通过与该服务器连接的,被监控区域的终端设备的屏幕显示一条内容为“车牌号为0000已进入预设非车辆区域,请车主张三尽快驾驶该车离开”的文字信息对该车辆的车主进行预警。
以上可以看出,本实施例提供的一种基于图像识别的预警方法,通过基于被监控区域的预警图像样本进行预警类型识别,得到与预警图像样本中的移动对象对应的识别结果;其中,预警图像样本用于描述被监控区域内移动对象存在的越界行为;根据识别结果确定对应的目标预警策略;根据目标预警策略输出关于移动对象的第一预警信息。上述基于图像识别的预警方法,由于预警图像样本用于描述被监控区域内移动对象存在的越界行为,因此该方法可以根据该预警图像样本的识别结果确定目标预警策略,并根据该目标预警策略执行相应的预警操作,即输出第一预警信息,从而服务器可以根据预警图像样本实现预警功能,丰富了预警图像样本的适用范围。
请参阅图3,图3是本申请另一实施例提供的一种基于图像识别的预警方法的实现流程图。相对于图2对应的实施例,本实施例提供的基于图像识别的预警方法还包括S301~S303,详述如下:
在S301中,响应于启动人数监测的预设指令,获取所述被监控区域的第二图像集。
本实施例中,当相关人员想对被监控区域内的人数进行统计时,可以触发启动人数监测的预设指令。其中,启动人数监测的预设指令可以根据实际需要设置,此处不作限制。
示例性的,启动人数监测的预设指令可以是:检测到触发第一预设操作。其中,第一预设操作可以根据实际需求进行确定,此处不做限制。示例性的,第一预设操作可以为点击第一预设控件,即服务器若检测到相关人员点击预设APP内的第一预设控件,则认为触发了第一预设操作,即认为检测到相关人员触发启动人数监测的预设指令。
基于此,服务器响应于启动人数监测的预设指令,获取所述被监控区域的第二图像集。
在S302中,根据所述第二图像集确定所述被监控区域的行人数量,并生成所述被监控区域对应的客流量热力图。
本实施例中,服务器在获取第二图像集后,可以根据该第二图像集确定被监控区域的行人数量,并生成该被监控区域对应的客流量热力图。其中,热力图指以特殊高亮的形式显示行人所在的地理区域的图示,即不同地方的人流密度通过不同的高亮方式进行体现,从而可以反映该被监控区域内各个地方的人流密度。
本实施例中,服务器在得到客流量热力图之后,可以将被监控区域内各个地方的人流密度值与预设人流密度阈值进行比较。其中,预设人脸密度阈值可以根据实际需要设置,此处不作限制。
在S303中,若检测到所述客流量热力图中存在人流密度值大于或等于预设人流密度阈值的目标区域,则输出第二预警信息;所述第二预警信息用于描述所述目标区域人流密集。
本实施例中,服务器在检测到客流量热力图中存在人脸密度值大于或等于预设人脸密度阈值的目标区域时,可以确定该目标区域的行人数量极大,容易造成拥堵,因此,服务器可以输出第二预警信息。其中,第二预警信息用于描述该目标区域人流密集。
以上可以看出,本实施例提供的一种基于图像识别的预警方法,通过响应于启动人数监测的预设指令,获取所述被监控区域的第二图像集;根据第二图像集确定被监控区域的行人数量,并生成被监控区域对应的客流量热力图;若检测到客流量热力图中存在人流密度值大于或等于预设人流密度阈值的目标区域,则输出第二预警信息;第二预警信息用于描述目标区域人流密集,使得相关人员可以根据该第二预警信息到达目标区域维护秩序及引流,也可以提醒行人改变游玩路线,从而避免人群拥挤,造成踩踏事件的发生。
由于景区每天人流量都极大,因此,为了避免景区内的各个被监控区域出现人流过多造成拥堵的情况,服务器可以在检测到行人进入景区的请求后,实时对景区内各个被监控区域进行人数监测。基于此,请参阅图4,图4是本申请又一实施例提供的一种基于图像识别的预警方法的实现流程图。相对于图2对应的实施例,本实施例提供的基于图像识别的预警方法还包括S401~S403,详述如下:
在S401中,获取所述被监控区域在预设时间段内的第三图像集。
本实施例中,服务器可以获取被监控区域在预设时间段的第三图像集。其中,预设时间段可以根据实际需要设置,此处不作限制,示例性的,预设时间段可以设置为一个小时。
在S402中,根据所述第三图像集确定所述被监控区域在所述预设时间段内的行人数量。
本实施例中,服务器还预先存储了第二目标检测模型。其中,第二目标检测模型用于对图像中的目标物体进行检测,并识别出目标物体的类型。第二目标检测模型可以是现有的基于卷积神经网络的第二目标检测模型。因此,服务器在获取第三图像集后,可以将该第三图像集输入预设的第二目标检测模型进行目标识别,得到第三图像集中各个第三图像对应的第二目标识别结果。
第二目标识别结果用于描述第三图像中包含的目标对象的类型。
目标对象的类型为人体。
服务器在得到第三图像集中各个第三图像对应的第二目标识别结果后,可以根据该第三图像集确定被监控区域在预设时间段内的行人数量。
示例性的,服务器在检测到所有第二目标识别结果均未包括人体,即第三图像集中各个第三图像均不存在人体,从而可以确定被监控区域在预设时间段内的行人数量为0。
在S403中,若所述预设时间段内的行人数量为0,则对所述被监控区域执行断电操作。
本实施例中,服务器在检测到被监控区域在预设时间段内的行人数量为0,说明该被监控区域不存在任何游客,因此,服务器可以对该被监控区域执行断电操作。
以上可以看出,本实施例提供的一种基于图像识别的预警方法,通过获取所述被监控区域在预设时间段内的第三图像集;根据第三图像集确定被监控区域在预设时间段内的行人数量;若预设时间段内的行人数量为0,则对被监控区域执行断电操作,即服务器在确定被监控区域在预设时间段内没有任何游客时,可以对该被监控区域进行断电,实现了节能的目的。
在本申请的一个实施例中,由于天气恶劣时更容易导致景区发生意外事故,因此,服务器还设置有环境传感器,用于获取被监控区域的环境信息。其中,环境信息用于描述天气状况。基于此,服务器还预先存储了各个预设环境信息与预设非行人区域的预设范围、被监控区域的预设人流密度的预设数值之间的对应关系。因此,请参阅图5,图5是本申请又一实施例提供的一种基于图像识别的预警方法的实现流程图。相对于图2对应的实施例,本实施例提供的基于图像识别的预警方法在S201之前还包括S501~S503,详述如下:
在S501中,通过环境传感器获取所述被监控区域当前的环境信息;所述环境信息用于描述天气状况。
本实施例中,服务器可以通过环境传感器获取被监控区域当前的环境信息。其中,环境传感器包括但不限于土壤温度传感器、空气温湿度传感器、蒸发传感器、雨量传感器、光照传感器和风速风向传感器等。
在S502中,根据所述环境信息以及预先存储的各个预设环境信息与预设非行人区域的预设范围、所述被监控区域的预设人流密度的预设数值之间的对应关系,确定所述环境信息对应的预设非行人区域的目标范围和所述被监控区域的预设人流密度的目标数值。
本实施例中,服务器在获取被监控区域当前的环境信息后,可以根据环境信息以及预先存储的各个预设环境信息与预设非行人区域的预设范围、被监控区域的预设人流密度的预设数值之间的对应关系,确定环境信息对应的预设非行人区域的目标范围和被监控区域的预设人流密度的目标数值。
其中,预设非行人区域的预设范围可以根据预设环境信息确定,即预设非行人区域的预设范围的大小可以根据天气状况的好坏进行确定。示例性的,若预设环境信息用于描述的天气状况为晴天,则预设非行人区域的预设范围可以较大,若预设环境信息用于描述的天气状况为雨天,则预设非行人区域的预设范围可以较小。
预设人流密度的预设数值也可以根据预设环境信息确定,即预设人流密度的预设数值的大小可以根据天气状况的好坏进行确定。示例性的,若预设环境信息用于描述的天气状况为晴天,则预设人流密度的预设数值可以较大,若预设环境信息用于描述的天气状况为雨天,则预设人流密度的预设数值可以较小。
在S503中,将所述被监控区域当前的预设非行人区域的范围调整为所述目标范围,以及将所述被监控区域当前的预设人流密度阈值调整为所述目标数值。
本实施例中,服务器在确定被监控区域的环境信息对应的预设非行人区域的目标范围和所述被监控区域的预设人流密度的目标数值,可以将被监控区域当前的预设非行人区域的范围调整为目标范围,以及将被监控区域当前的预设人流密度阈值调整为目标数值。其中,当前指服务器获取被监控区域的环境信息的时刻。
以上可以看出,本实施例提供的一种基于图像识别的预警方法,通过环境传感器获取被监控区域当前的环境信息;环境信息用于描述天气状况;根据环境信息以及预先存储的各个预设环境信息与预设非行人区域的预设范围、被监控区域的预设人流密度的预设数值之间的对应关系,确定环境信息对应的预设非行人区域的目标范围和被监控区域的预设人流密度的目标数值;将被监控区域当前的预设非行人区域的范围调整为目标范围,以及将被监控区域当前的预设人流密度阈值调整为目标数值,使得被监控区域的预设非行人区域和预设人流密度阈值可以随着当前的环境信息进行实时调整,提高被监控区域的可观赏性。
在实际应用中,由于景区占地广,且具有多个景点,然而行人对景区内的路线不熟悉,且景区人流量大,行人容易与其家人朋友走散,因此,在本申请的一个实施例中,服务器可以通过以下步骤寻找走失人员,详述如下:
响应于启动寻找走失人员的预设指令,获取所述走失人员的人脸图像和所述被监控区域的行人图像集;
若检测到行人图像集中存在与所述走失人员的人脸图像的相似度大于或等于第二预设相似度阈值的第二行人图像,则根据所述第二行人图像确定所述走失人员的位置信息。
本实施例中,当相关人员需要寻找走失人员时,可以触发启动寻找走失人员的预设指令。其中,启动寻找走失人员的预设指令可以根据实际需要设置,此处不作限制。
示例性的,启动寻找走失人员的预设指令可以是:检测到触发第二预设操作。其中,第二预设操作可以根据实际需求进行确定,此处不做限制。示例性的,第二预设操作可以为点击第二预设控件,即服务器若检测到相关人员点击预设APP内的第二预设控件,则认为触发了第二预设操作,即认为检测到相关人员触发启动寻找走失人员的预设指令。
基于此,服务器响应于启动寻找走失人员的预设指令,获取走失人员的人脸图像和被监控区域的行人图像集。
本实施例中,服务器在获取到获取走失人员的人脸图像和被监控区域的行人图像集后,可以将该走失人员的人脸图像与该行人图像集中各个行人图像中的行人的人脸图像进行一一对比。
本实施例中,服务器在检测到行人图像集中存在与走失人员的人脸图像的相似度大于或等于第二预设相似度阈值的第二行人图像,则根据该第二行人图像确定走失人员的位置信息。其中,第二行人图像中包括人脸。
需要说明的是,由于第二行人图像中还包括背景,因此,服务器可以根据第二行人图像中的背景确定该走失人员的位置信息。
以上可以看出,本实施例提供的一种基于图像识别的预警方法,通过响应于启动寻找走失人员的预设指令,获取走失人员的人脸图像和被监控区域的行人图像集;若检测到行人图像集中存在与走失人员的人脸图像的相似度大于或等于第二预设相似度阈值的第二行人图像,则根据第二行人图像确定走失人员的位置信息,使得相关人员可以根据该位置信息找到走失人员,提高了寻找效率。
在本申请的另一个实施例中,若监控区域为海边时,由于海水容易受天气的影响,因此,服务器需要通过摄像模块获取水位图像,并通过该水位图像确定水位信息。
基于此,服务器还可以根据水位信息确定预设非行人区域的目标范围和预设人流密度的目标数值,从而确定预设非行人区域和预设人流密度阈值。
在本申请实施例的一种实现方式中,水位信息可以与预设非行人区域的目标范围呈正比例关系,即水位越高,预设非行人区域的目标范围越大,也就是说,水位越高,预设非行人区域越大。
水位信息可以与预设人流密度的目标数值呈反比例关系,即水位越高,预设人流密度的目标数值越小,也就是说,水位越高,预设人流密度阈值越小。
服务器通过摄像模块获取水位图像,根据水位图像确定水位信息,并根据该水位信息确定预设非行人区域的大小、预设人流密度阈值的大小,从而避免行人在海边时由于水位过高而发生意外事件,提高了安全性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种基于图像识别的预警方法,图6示出了本申请实施例提供的一种基于图像识别的预警装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。参照图6,该基于图像识别的预警装置600包括:识别单元61、第一确定单元62及第一输出单元63。其中:
识别单元61用于基于被监控区域的预警图像样本进行预警类型识别,得到与所述预警图像样本中的移动对象对应的识别结果;其中,所述预警图像样本用于描述所述被监控区域内所述移动对象存在的越界行为。
第一确定单元62用于根据所述识别结果确定对应的目标预警策略。
第一输出单元63用于根据所述目标预警策略输出关于所述移动对象的第一预警信息。
在本申请的一个实施例中,基于图像识别的预警装置600还包括:第一获取单元、第二确定单元及第三确定单元。其中:
第一获取单元用于获取摄像模块采集到的第一图像集。
第二确定单元用于若检测到所述第一图像集中存在第一行人图像,则将所述第一行人图像确定为所述预警图像样本;所述第一行人图像用于指所述移动对象为行人,且所述行人处于预设非行人区域的图像。
第三确定单元用于若检测到所述第一图像集中存在第一车辆图像,则将所述第一车辆图像确定为所述预警图像样本;所述第一车辆图像指所述移动对象为车辆,且所述车辆处于预设非车辆区域的图像。
在本申请的一个实施例中,所述移动对象包括行人和车辆;相应的,所述预警类型包括行人类型和车辆类型;因此,识别单元61具体包括:第一类型识别单元和第二类型识别单元。其中:
第一类型识别单元用于当所述预警类型为行人类型时,确定所述识别结果是所述预警图像样本中的行人越界。
第二类型识别单元用于当所述预警类型为车辆类型时,确定所述识别结果是所述预警图像样本中的车辆越界。
在本申请的一个实施例中,第一确定单元62具体包括:第一策略确定单元和第二策略确定单元。其中:
第一策略确定单元用于当所述识别结果是所述行人越界时,将基于人脸识别的预警策略确定为所述目标预警策略。
第二策略确定单元用于当所述识别结果是所述车辆越界时,将基于车辆识别的预警策略确定为所述目标预警策略。
在本申请的一个实施例中,基于图像识别的预警装置600还包括:第二获取单元和存储单元。其中:
第二获取单元用于若检测到行人进入景区的请求,则获取所述行人的身份信息和人脸图像。
存储单元用于将所述行人的身份信息与人脸图像关联存储至数据库中。
在本申请的一个实施例中,基于图像识别的预警装置600还包括:第三获取单元、生成单元及第二输出单元。
第三获取单元用于响应于启动人数监测的预设指令,获取所述被监控区域的第二图像集。
生成单元用于根据所述第二图像集确定所述被监控区域的行人数量,并生成所述被监控区域对应的客流量热力图。
第二输出单元用于若检测到所述客流量热力图中存在人流密度值大于或等于预设人流密度阈值的目标区域,则输出第二预警信息;所述第二预警信息用于描述所述目标区域人流密集。
在本申请的一个实施例中,基于图像识别的预警装置600还包括:第四获取单元和信息确定单元。其中:
第四获取单元用于响应于启动寻找走失人员的预设指令,获取所述走失人员的人脸图像和所述被监控区域的行人图像集。
信息确定单元用于若检测到行人图像集中存在与所述走失人员的人脸图像的相似度大于或等于第二预设相似度阈值的第二行人图像,则根据所述第二行人图像确定所述走失人员的位置信息。
在本申请的一个实施例中,基于图像识别的预警装置600还包括:第五获取单元、数量确定单元及执行单元。其中:
第五获取单元用于获取所述被监控区域在预设时间段内的第三图像集。
数量确定单元用于根据所述第三图像集确定所述被监控区域在所述预设时间段内的行人数量。
执行单元用于若所述预设时间段内的行人数量为0,则对所述被监控区域执行断电操作。
在本申请的一个实施例中,基于图像识别的预警装置600还包括:第六获取单元、第四确定单元及调整单元。其中:
第六获取单元用于通过环境传感器获取所述被监控区域当前的环境信息;所述环境信息用于描述天气状况。
第四确定单元用于根据所述环境信息以及预先存储的各个预设环境信息与预设非行人区域的预设范围、所述被监控区域的预设人流密度的预设数值之间的对应关系,确定所述环境信息对应的预设非行人区域的目标范围和所述被监控区域的预设人流密度的目标数值。
调整单元用于将所述被监控区域当前的预设非行人区域的范围调整为所述目标范围,以及将所述被监控区域当前的预设人流密度阈值调整为所述目标数值。
以上可以看出,本申请实施例提供的一种基于图像识别的预警装置,通过基于被监控区域的预警图像样本进行预警类型识别,得到与预警图像样本中的移动对象对应的识别结果;其中,预警图像样本用于描述被监控区域内移动对象存在的越界行为;根据识别结果确定对应的目标预警策略;根据目标预警策略输出关于移动对象的第一预警信息。上述基于图像识别的预警方法,由于预警图像样本用于描述被监控区域内移动对象存在的越界行为,因此该方法可以根据该预警图像样本的识别结果确定目标预警策略,并根据该目标预警策略执行预警操作,即输出第一预警信息,从而服务器可以根据预警图像样本实现预警功能,丰富了预警图像样本的适用范围。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图7为本申请一实施例提供的的结构示意图。如图7所示,该实施例的服务器7包括:至少一个处理器70(图7中仅示出一个)处理器、存储器71以及存储在所述存储器71中并可在所述至少一个处理器70上运行的计算机程序72,所述处理器70执行所述计算机程序72时实现上述任意各个基于图像识别的预警方法实施例中的步骤。
该服务器可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是服务器7的举例,并不构成对服务器7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),该处理器70还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71在一些实施例中可以是所述服务器7的内部存储单元,例如服务器7的内存。所述存储器71在另一些实施例中也可以是所述服务器7的外部存储设备,例如所述服务器7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述服务器7的内部存储单元也包括外部存储设备。所述存储器71用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在服务器上运行时,使得服务器执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的基于图像识别的预警装置和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (7)
1.一种基于图像识别的预警方法,其特征在于,包括:
通过环境传感器获取被监控区域当前的环境信息;所述环境信息用于描述天气状况;
根据所述环境信息以及预先存储的各个预设环境信息与预设非行人区域的预设范围、所述被监控区域的预设人流密度的预设数值之间的对应关系,确定所述环境信息对应的预设非行人区域的目标范围和所述被监控区域的预设人流密度的目标数值;
将所述被监控区域当前的预设非行人区域的范围调整为所述目标范围,以及将所述被监控区域当前的预设人流密度阈值调整为所述目标数值;
若检测到行人进入景区的请求,则获取所述行人的身份信息和人脸图像;
将所述行人的身份信息与人脸图像关联存储至数据库中;
响应于启动人数监测的预设指令,获取所述被监控区域的第二图像集;
根据所述第二图像集确定所述被监控区域的行人数量,并生成所述被监控区域对应的客流量热力图;
若检测到所述客流量热力图中存在人流密度值大于或等于预设人流密度阈值的目标区域,则输出第二预警信息;所述第二预警信息用于描述所述目标区域人流密集;
基于被监控区域的预警图像样本进行预警类型识别,得到与所述预警图像样本中的移动对象对应的识别结果;其中,所述预警图像样本用于描述所述被监控区域内所述移动对象存在的越界行为;
根据所述识别结果确定对应的目标预警策略;
根据所述目标预警策略输出关于所述移动对象的第一预警信息。
2.如权利要求1所述的预警方法,其特征在于,所述基于被监控区域的预警图像样本进行预警类型识别,得到与所述预警图像样本中的移动对象对应的识别结果之前,还包括:
获取摄像模块采集到的第一图像集;
若检测到所述第一图像集中存在第一行人图像,则将所述第一行人图像确定为所述预警图像样本;所述第一行人图像用于指所述移动对象为行人,且所述行人处于预设非行人区域的图像;
若检测到所述第一图像集中存在第一车辆图像,则将所述第一车辆图像确定为所述预警图像样本;所述第一车辆图像指所述移动对象为车辆,且所述车辆处于预设非车辆区域的图像。
3.如权利要求1所述的预警方法,其特征在于,所述移动对象包括行人和车辆;相应的,所述预警类型包括行人类型和车辆类型;所述基于被监控区域的预警图像样本进行预警类型识别,得到与所述预警图像样本中的移动对象对应的识别结果,包括:
当所述预警类型为行人类型时,确定所述识别结果是所述预警图像样本中的行人越界;
当所述预警类型为车辆类型时,确定所述识别结果是所述预警图像样本中的车辆越界。
4.如权利要求3所述的预警方法,其特征在于,所述根据所述识别结果确定对应的目标预警策略,包括:
当所述识别结果是所述行人越界时,将基于人脸识别的预警策略确定为所述目标预警策略;
当所述识别结果是所述车辆越界时,将基于车辆识别的预警策略确定为所述目标预警策略。
5.如权利要求1所述的预警方法,其特征在于,所述预警方法还包括:
获取所述被监控区域在预设时间段内的第三图像集;
根据所述第三图像集确定所述被监控区域在所述预设时间段内的行人数量;
若所述预设时间段内的行人数量为0,则对所述被监控区域执行断电操作。
6.一种基于图像识别的预警装置,其特征在于,包括:
传感器模块,用于通过环境传感器获取被监控区域当前的环境信息;所述环境信息用于描述天气状况;
确定模块,用于根据所述环境信息以及预先存储的各个预设环境信息与预设非行人区域的预设范围、所述被监控区域的预设人流密度的预设数值之间的对应关系,确定所述环境信息对应的预设非行人区域的目标范围和所述被监控区域的预设人流密度的目标数值;
调整模块,用于将所述被监控区域当前的预设非行人区域的范围调整为所述目标范围,以及将所述被监控区域当前的预设人流密度阈值调整为所述目标数值;
第一获取模块,用于若检测到行人进入景区的请求,则获取所述行人的身份信息和人脸图像;
关联存储模块,用于将所述行人的身份信息与人脸图像关联存储至数据库中;
第二获取模块,用于响应于启动人数监测的预设指令,获取所述被监控区域的第二图像集;
生成模块,用于根据所述第二图像集确定所述被监控区域的行人数量,并生成所述被监控区域对应的客流量热力图;
第二输出单元,用于若检测到所述客流量热力图中存在人流密度值大于或等于预设人流密度阈值的目标区域,则输出第二预警信息;所述第二预警信息用于描述所述目标区域人流密集;
识别单元,用于基于被监控区域的预警图像样本进行预警类型识别,得到与所述预警图像样本中的移动对象对应的识别结果;其中,所述预警图像样本用于描述所述被监控区域内所述移动对象存在的越界行为;
第一确定单元,用于根据所述识别结果确定对应的目标预警策略;
第一输出单元,用于根据所述目标预警策略输出关于所述移动对象的第一预警信息。
7.一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110088934.5A CN112907867B (zh) | 2021-01-22 | 2021-01-22 | 一种基于图像识别的预警方法、装置及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110088934.5A CN112907867B (zh) | 2021-01-22 | 2021-01-22 | 一种基于图像识别的预警方法、装置及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112907867A CN112907867A (zh) | 2021-06-04 |
CN112907867B true CN112907867B (zh) | 2022-10-25 |
Family
ID=76116956
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110088934.5A Active CN112907867B (zh) | 2021-01-22 | 2021-01-22 | 一种基于图像识别的预警方法、装置及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112907867B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781823B (zh) * | 2022-04-01 | 2022-11-08 | 中国科学院地理科学与资源研究所 | 一种基于人类活动反馈的城市生态红线预警方法及装置 |
CN114926973B (zh) * | 2022-04-06 | 2023-07-14 | 珠海市横琴渤商数字科技有限公司 | 一种视频监控方法、装置、系统、服务器及可读存储介质 |
CN115188148A (zh) * | 2022-07-11 | 2022-10-14 | 卡奥斯工业智能研究院(青岛)有限公司 | 基于5g的安防监控系统、方法、电子设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2013069565A1 (ja) * | 2011-11-09 | 2015-04-02 | ステラグリーン株式会社 | 撮影記録装置 |
CN104599201A (zh) * | 2014-12-31 | 2015-05-06 | 安科智慧城市技术(中国)有限公司 | 基于视频监控的旅游景点导流方法、服务器以及系统 |
CN109376577A (zh) * | 2018-08-27 | 2019-02-22 | 中国电子科技集团公司电子科学研究院 | 视频综合分析方法及系统 |
CN110175863A (zh) * | 2019-04-18 | 2019-08-27 | 特斯联(北京)科技有限公司 | 一种基于大数据的个性化多用景区广告平台 |
CN110379125A (zh) * | 2019-07-24 | 2019-10-25 | 广东电网有限责任公司 | 一种危险区域越界识别方法、系统及相关装置 |
CN112115867A (zh) * | 2020-09-18 | 2020-12-22 | 深圳天海宸光科技有限公司 | 视频智能分析自定义事件规则处理方法 |
-
2021
- 2021-01-22 CN CN202110088934.5A patent/CN112907867B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2013069565A1 (ja) * | 2011-11-09 | 2015-04-02 | ステラグリーン株式会社 | 撮影記録装置 |
CN104599201A (zh) * | 2014-12-31 | 2015-05-06 | 安科智慧城市技术(中国)有限公司 | 基于视频监控的旅游景点导流方法、服务器以及系统 |
CN109376577A (zh) * | 2018-08-27 | 2019-02-22 | 中国电子科技集团公司电子科学研究院 | 视频综合分析方法及系统 |
CN110175863A (zh) * | 2019-04-18 | 2019-08-27 | 特斯联(北京)科技有限公司 | 一种基于大数据的个性化多用景区广告平台 |
CN110379125A (zh) * | 2019-07-24 | 2019-10-25 | 广东电网有限责任公司 | 一种危险区域越界识别方法、系统及相关装置 |
CN112115867A (zh) * | 2020-09-18 | 2020-12-22 | 深圳天海宸光科技有限公司 | 视频智能分析自定义事件规则处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112907867A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112907867B (zh) | 一种基于图像识别的预警方法、装置及服务器 | |
Ke et al. | A smart, efficient, and reliable parking surveillance system with edge artificial intelligence on IoT devices | |
US10147004B2 (en) | Automatic image content analysis method and system | |
US10997430B1 (en) | Dangerous driver detection and response system | |
CN106952303B (zh) | 车距检测方法、装置和系统 | |
CN106004883B (zh) | 车辆违规提醒的方法及装置 | |
US10008056B2 (en) | Concepts for asset identification | |
US9076045B2 (en) | Automatic content analysis method and system | |
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
CN109377694B (zh) | 社区车辆的监控方法及系统 | |
CN109389863A (zh) | 提示方法及相关设备 | |
CN109389622B (zh) | 车辆追踪方法、装置、识别设备及存储介质 | |
Giyenko et al. | Application of convolutional neural networks for visibility estimation of CCTV images | |
CN113253299B (zh) | 障碍物检测方法、装置及存储介质 | |
CN111428644A (zh) | 基于深度神经网络的斑马线区域监测方法、系统及介质 | |
CN112330964B (zh) | 路况信息监测方法和装置 | |
CN111582239A (zh) | 一种违章监控方法和装置 | |
CN113688717A (zh) | 图像识别方法、装置以及电子设备 | |
Hu et al. | An image-based crash risk prediction model using visual attention mapping and a deep convolutional neural network | |
CN114511825A (zh) | 一种区域占用检测方法、装置、设备及存储介质 | |
CN112686136A (zh) | 一种对象检测方法、装置及系统 | |
JP2021124633A (ja) | 地図生成システム及び地図生成プログラム | |
CN114724380B (zh) | 车辆限速识别处理方法及装置、智能车载终端、车联网系统 | |
KR102145409B1 (ko) | 차량속도 측정이 가능한 시정거리 측정 시스템 | |
JP2023158546A (ja) | 監視システム |
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 |