CN113111843A - 一种图像数据的远程采集方法及系统 - Google Patents
一种图像数据的远程采集方法及系统 Download PDFInfo
- Publication number
- CN113111843A CN113111843A CN202110461912.9A CN202110461912A CN113111843A CN 113111843 A CN113111843 A CN 113111843A CN 202110461912 A CN202110461912 A CN 202110461912A CN 113111843 A CN113111843 A CN 113111843A
- Authority
- CN
- China
- Prior art keywords
- node
- target
- target acquisition
- acquisition node
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012795 verification Methods 0.000 claims description 143
- 238000001514 detection method Methods 0.000 claims description 104
- 230000000007 visual effect Effects 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000003828 downregulation Effects 0.000 claims description 10
- 238000010200 validation analysis Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 abstract description 15
- 238000012806 monitoring device Methods 0.000 description 14
- 230000009286 beneficial effect Effects 0.000 description 10
- 238000009434 installation Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 4
- 230000003827 upregulation Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000010586 diagram 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供一种图像数据的远程采集方法及系统,其中,方法包括:接收用户输入的目标对象;获取与目标对象相关联的目标采集节点集合;通过目标采集节点集合中每个目标采集节点获取目标图像;获取与目标采集节点集合对应的拼接规则;基于拼接规则将各目标图像进行拼接作为图像数据后输出。本发明的图像数据的远程采集方法及系统,根据用户输入的目标对象,自动获取与目标对象关联的各目标图像,再根据对应拼接规则将各目标图像进行拼接后输出,提升了远程调取监控图像的便利性,同时,无需人工查询摄像设备,也无需人工将各摄像设备采集的图像进行拼接,降低了人力成本,提升用户体验。
Description
技术领域
本发明涉及数据采集技术领域,特别涉及一种图像数据的远程采集方法及系统。
背景技术
目前,在调取某个地点的监控图像时,需要先人工查询该地点涉及的全部摄像设备,获取每个摄像设备采集的图像,再人工查询各摄像机的安装位置,根据安装位置将各图像进行拼接,步骤繁琐,人力成本较高。
发明内容
本发明目的之一在于提供了一种图像数据的远程采集方法及系统,根据用户输入的目标对象,自动获取与目标对象关联的各目标图像,再根据对应拼接规则将各目标图像进行拼接后输出,提升了远程调取监控图像的便利性,同时,无需人工查询摄像设备,也无需人工将各摄像设备采集的图像进行拼接,降低了人力成本,提升用户体验。
本发明实施例提供的一种图像数据的远程采集方法,包括:
接收用户输入的目标对象;
获取与目标对象相关联的目标采集节点集合;
通过目标采集节点集合中每个目标采集节点获取目标图像;
获取与目标采集节点集合对应的拼接规则;
基于拼接规则将各目标图像进行拼接作为图像数据后输出。
优选的,获取与目标对象相关联的目标采集节点集合,包括:
获取目标对象对应的位置区域;
获取预设的关联规则,基于关联规则获取与位置区域相关联的第一关联位置区域和第二关联位置区域;
获取预设的采集节点数据库中与位置区域对应的第一采集节点集合;
获取采集节点数据库中与第一关联位置区域对应的第二采集节点集合以及与第二关联位置区域对应的第三采集节点集合;
将第一采集节点集合、第二采集节点集合和第三采集节点集合进行整合获得目标采集节点集合。
优选的,通过目标采集节点集合中每个目标采集节点获取目标图像之前,还包括:
对目标采集节点集合中每个目标采集节点的状态性能进行验证,将目标采集节点集合中验证不通过的目标采集节点替换成对应的预设备用节点;
其中,对目标采集节点集合中每个目标采集节点的状态性能进行验证,包括:
获取预设的状态性能检测模型,采用状态性能检测模型对每个目标采集节点进行多次检测,每次检测后,输出检测反馈值,将检测反馈值存入预设的检测反馈值列表;
基于检测反馈值列表计算每个目标采集节点的第一验证指数,计算公式如下:
其中,μ1,i为第i个目标采集节点的第一验证指数,αfull为预设的第一验证指数满分阈值,e为自然常数,ni为检测反馈值列表中与第i个目标采集节点对应的检测反馈值的总数目,σi,t为检测反馈值列表中与第i个目标采集节点对应的检测反馈值中第t个检测反馈值,σ0为预设的检测反馈值阈值;
当第一验证指数大于等于预设的第一验证指数阈值时,对应目标采集节点的状态性能通过验证,否则不通过。
优选的,通过目标采集节点集合中每个目标采集节点获取目标图像时,获取每个目标采集节点的当前状态值和状态值记录,同时获取预设的预测模型,采用预测模型基于状态值记录预测对应目标采集节点的预测状态值,基于当前状态值和预测状态值对每个目标采集节点的稳定性进行验证,若存在验证不通过的目标采集节点,及时对用户进行提醒;
其中,基于当前状态值和预测状态值对每个目标采集节点的稳定性进行验证,包括:
基于当前状态值和预测状态值计算每个目标采集节点的第二验证指数,计算公式如下:
其中,μ2,i为第i个目标采集节点的第二验证指数,ρfull为预设的第二验证指数满分阈值,e为自然常数,di为使用预测模型对第i个目标采集节点对应的状态值记录进行预测的总次数,zi,0为第i个目标采集节点的当前状态值,zi,x为使用预测模型对第i个目标采集节点对应的状态值记录进行第x次预测获得的预测状态值,Z0为预设的检测阈值,τ为预设的误差系数,ε1和ε2为预设的权重值;
当第二验证指数大于等于预设的第二验证指数阈值时,对应目标采集节点的稳定性通过验证,否则未通过。
优选的,通过目标采集节点集合中每个目标采集节点获取目标图像之前,还包括:
对目标采集节点集合中每个目标采集节点的有效性进行验证,剔除目标采集节点中验证不通过的目标采集节点;
其中,对目标采集节点集合中每个目标采集节点的有效性进行验证,包括:
将目标采集节点集合中任一目标采集节点作为第一节点,同时将目标采集节点集合另一目标采集节点作为第二节点;
将第一节点和第二节点进行验证;
分别获取第一节点的第一视角区域和第二节点的第二视角区域;
获取第一视角区域和第二视角区域的重叠率;
分别获取第一节点的第一特征值和第二节点的第二特征值;
同时分别获取第一节点的第一适宜范围和第二节点的第二适宜范围;
按预设的上调幅度分别调整第一适宜范围的第一上限值和第二适宜范围的第二上限值;
同时按预设的下调幅度分别调整第一适宜范围的第一下限值和第二适宜范围的第二下限值;
分别获取第一适宜范围调整后的第一调整范围和第二适宜范围调整后的第二调整范围;
当重叠率小于等于预设的重叠率阈值且第一特征值落在第一调整范围内且第二特征值落在第二调整范围内时,第一节点与第二节点通过验证,将第一节点与下一第二节点继续进行验证;
当第一节点与目标采集节点集合中全部第二节点均验证通过时,第一节点的有效性验证通过。
本发明实施例提供的一种图像数据的远程采集系统,包括:
接收模块,用于接收用户输入的目标对象;
第一获取模块,用于获取与目标对象相关联的目标采集节点集合;
第二获取模块,用于通过目标采集节点集合中每个目标采集节点获取目标图像;
第三获取模块,用于获取与目标采集节点集合对应的拼接规则;
拼接与输出模块,用于基于拼接规则将各目标图像进行拼接作为图像数据后输出。
优选的,第一获取模块执行包括如下操作:
获取目标对象对应的位置区域;
获取预设的关联规则,基于关联规则获取与位置区域相关联的第一关联位置区域和第二关联位置区域;
获取预设的采集节点数据库中与位置区域对应的第一采集节点集合;
获取采集节点数据库中与第一关联位置区域对应的第二采集节点集合以及与第二关联位置区域对应的第三采集节点集合;
将第一采集节点集合、第二采集节点集合和第三采集节点集合进行整合获得目标采集节点集合。
优选的,图像数据的远程采集系统,还包括:
验证与替换模块,用于在通过目标采集节点集合中每个目标采集节点获取目标图像之前,对目标采集节点集合中每个目标采集节点的状态性能进行验证,将目标采集节点集合中验证不通过的目标采集节点替换成对应的预设备用节点;
验证与替换模块执行包括如下操作:
获取预设的状态性能检测模型,采用状态性能检测模型对每个目标采集节点进行多次检测,每次检测后,输出检测反馈值,将检测反馈值存入预设的检测反馈值列表;
基于检测反馈值列表计算每个目标采集节点的第一验证指数,计算公式如下:
其中,μ1,i为第i个目标采集节点的第一验证指数,αfull为预设的第一验证指数满分阈值,e为自然常数,ni为检测反馈值列表中与第i个目标采集节点对应的检测反馈值的总数目,σi,t为检测反馈值列表中与第i个目标采集节点对应的检测反馈值中第t个检测反馈值,σ0为预设的检测反馈值阈值;
当第一验证指数大于等于预设的第一验证指数阈值时,对应目标采集节点的状态性能通过验证,否则不通过。
优选的,图像数据的远程采集系统,还包括:
稳定性验证模块,用于在通过目标采集节点集合中每个目标采集节点获取目标图像时,获取每个目标采集节点的当前状态值和状态值记录,同时获取预设的预测模型,采用预测模型基于状态值记录预测对应目标采集节点的预测状态值,基于当前状态值和预测状态值对每个目标采集节点的稳定性进行验证,若存在验证不通过的目标采集节点,及时对用户进行提醒;
稳定性验证模块执行包括如下操作:
基于当前状态值和预测状态值计算每个目标采集节点的第二验证指数,计算公式如下:
其中,μ2,i为第i个目标采集节点的第二验证指数,ρfull为预设的第二验证指数满分阈值,e为自然常数,di为使用预测模型对第i个目标采集节点对应的状态值记录进行预测的总次数,zi,0为第i个目标采集节点的当前状态值,zi,x为使用预测模型对第i个目标采集节点对应的状态值记录进行第x次预测获得的预测状态值,Z0为预设的检测阈值,τ为预设的误差系数,ε1和ε2为预设的权重值;
当第二验证指数大于等于预设的第二验证指数阈值时,对应目标采集节点的稳定性通过验证,否则未通过。
优选的,图像数据的远程采集系统,还包括:
验证与剔除模块,用于在通过目标采集节点集合中每个目标采集节点获取目标图像之前,对目标采集节点集合中每个目标采集节点的有效性进行验证,剔除目标采集节点中验证不通过的目标采集节点;
验证与剔除模块执行包括如下操作:
将目标采集节点集合中任一目标采集节点作为第一节点,同时将目标采集节点集合另一目标采集节点作为第二节点;
将第一节点和第二节点进行验证;
分别获取第一节点的第一视角区域和第二节点的第二视角区域;
获取第一视角区域和第二视角区域的重叠率;
分别获取第一节点的第一特征值和第二节点的第二特征值;
同时分别获取第一节点的第一适宜范围和第二节点的第二适宜范围;
按预设的上调幅度分别调整第一适宜范围的第一上限值和第二适宜范围的第二上限值;
同时按预设的下调幅度分别调整第一适宜范围的第一下限值和第二适宜范围的第二下限值;
分别获取第一适宜范围调整后的第一调整范围和第二适宜范围调整后的第二调整范围;
当重叠率小于等于预设的重叠率阈值且第一特征值落在第一调整范围内且第二特征值落在第二调整范围内时,第一节点与第二节点通过验证,将第一节点与下一第二节点继续进行验证;
当第一节点与目标采集节点集合中全部第二节点均验证通过时,第一节点的有效性验证通过。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种图像数据的远程采集方法的流程图;
图2为本发明实施例中一种图像数据的远程采集系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种图像数据的远程采集方法,如图1所示,包括:
S1、接收用户输入的目标对象;
S2、获取与目标对象相关联的目标采集节点集合;
S3、通过目标采集节点集合中每个目标采集节点获取目标图像;
S4、获取与目标采集节点集合对应的拼接规则;
S5、基于拼接规则将各目标图像进行拼接作为图像数据后输出。
上述技术方案的工作原理为:
用户通过操作智能终端(智能手机、平板或电脑等)输入目标对象(例如:某街道中心位置等);获取与该目标对象相关联的目标采集节点集合(例如:该街道中心位置在对应街道上前后一定距离内各监控设备与服务器连接的节点);通过目标采集节点集合中各目标采集节点获取目标图像(即各监控设备拍摄的街道图像);获取与目标采集节点集合对应的拼接规则(例如:根据目标采集节点集合中各目标采集节点对应监控设备的安装位置确定的各监控设备采集图像之间的空间位置关系);将采集的各目标图像进行拼接作为图像数据。
上述技术方案的有益效果为:本发明实施例根据用户输入的目标对象,自动获取与目标对象关联的各目标图像,再根据对应拼接规则将各目标图像进行拼接后输出,提升了远程调取监控图像的便利性,同时,无需人工查询摄像设备,也无需人工将各摄像设备采集的图像进行拼接,降低了人力成本,提升用户体验。
本发明实施例提供了一种图像数据的远程采集方法,获取与目标对象相关联的目标采集节点集合,包括:
获取目标对象对应的位置区域;
获取预设的关联规则,基于关联规则获取与位置区域相关联的第一关联位置区域和第二关联位置区域;
获取预设的采集节点数据库中与位置区域对应的第一采集节点集合;
获取采集节点数据库中与第一关联位置区域对应的第二采集节点集合以及与第二关联位置区域对应的第三采集节点集合;
将第一采集节点集合、第二采集节点集合和第三采集节点集合进行整合获得目标采集节点集合。
上述技术方案的工作原理为:
获取目标对象(某街道中心位置)对应的位置区域(多个位置坐标组合成的坐标集合);预设的关联规则具体为:例如,选取该街道中心位置在街道上前后一定范围内的位置区域作为关联位置区域;预设的采集节点数据库具体为:各监控设备对应的节点以及安装位置。
上述技术方案的有益效果为:本发明实施例自动获取与目标对象对应位置区域相关联的第一关联位置区域和第二关联位置区域,整合位置区域、第一关联位置区域和第二关联位置区域涉及的监控设备的节点作为目标采集节点集合,提升了系统的工作效率。
本发明实施例提供了一种图像数据的远程采集方法,通过目标采集节点集合中每个目标采集节点获取目标图像之前,还包括:
对目标采集节点集合中每个目标采集节点的状态性能进行验证,将目标采集节点集合中验证不通过的目标采集节点替换成对应的预设备用节点;
其中,对目标采集节点集合中每个目标采集节点的状态性能进行验证,包括:
获取预设的状态性能检测模型,采用状态性能检测模型对每个目标采集节点进行多次检测,每次检测后,输出检测反馈值,将检测反馈值存入预设的检测反馈值列表;
基于检测反馈值列表计算每个目标采集节点的第一验证指数,计算公式如下:
其中,μ1,i为第i个目标采集节点的第一验证指数,αfull为预设的第一验证指数满分阈值,e为自然常数,ni为检测反馈值列表中与第i个目标采集节点对应的检测反馈值的总数目,σi,t为检测反馈值列表中与第i个目标采集节点对应的检测反馈值中第t个检测反馈值,σ0为预设的检测反馈值阈值;
当第一验证指数大于等于预设的第一验证指数阈值时,对应目标采集节点的状态性能通过验证,否则不通过。
上述技术方案的工作原理为:
每个监控设备与服务器连接时均设置有至少2个节点(主节点和多个备用节点),可能由于同一时间点通过主节点调取某监控设备采集图像的用户较多等原因,造成主节点的状态性能较差,需要及时切换至备用节点,一般情况下,主节点的性能完全能够负载大多数应用场景,无需切换至备用节点,因此,备用的节点的性能完全可靠,用户还可以设置对备用节点的状态性能进行验证,若验证不通过,切换至下一备用节点,以此类推即可;预设的状态性能检测模型具体为:利用机器学习算法根据大量人工对节点状态性能进行检测的记录样本进行学习后生成的模型,其可以根据某节点的时延、传输速率、吞吐量等参数结合该节点的大量历史参数在短时间内对该节点的当前状态性能进行多次检测,每次检测后,输出检测反馈值;预设的检测反馈值列表用于存储状态性能检测模型每次检测后输出的检测反馈值;基于该检测反馈值列表技术每个目标采集节点的第一验证指数,该第一验证指数越大,说明对应目标采集节点的状态性能越好,反之,第一验证指数越小,对应目标采集节点的状态性能越差;预设的第一验证指数满分阈值具体为:例如,100;预设的检测反馈值阈值具体为:例如,98.5;预设的第一验证指数阈值具体为:例如,95。
上述技术方案的有益效果为:本发明实施例在通过目标采集节点集合中各目标采集节点获取目标图像时,事先对每个目标采集节点的状态性能进行验证,将验证不通过的目标采集节点替换成对应预设备用节点,保证了在通过各目标采集节点获取目标图像的稳定性,更保证了获取的目标图像的质量,同时,利用上述公式计算第一验证指数,可快速判断目标采集节点的状态性能是否达标,提升了系统的工作效率,更加智能化。
本发明实施例提供了一种图像数据的远程采集方法,通过目标采集节点集合中每个目标采集节点获取目标图像时,获取每个目标采集节点的当前状态值和状态值记录,同时获取预设的预测模型,采用预测模型基于状态值记录预测对应目标采集节点的预测状态值,基于当前状态值和预测状态值对每个目标采集节点的稳定性进行验证,若存在验证不通过的目标采集节点,及时对用户进行提醒;
其中,基于当前状态值和预测状态值对每个目标采集节点的稳定性进行验证,包括:
基于当前状态值和预测状态值计算每个目标采集节点的第二验证指数,计算公式如下:
其中,μ2,i为第i个目标采集节点的第二验证指数,ρfull为预设的第二验证指数满分阈值,e为自然常数,di为使用预测模型对第i个目标采集节点对应的状态值记录进行预测的总次数,zi,0为第i个目标采集节点的当前状态值,zi,x为使用预测模型对第i个目标采集节点对应的状态值记录进行第x次预测获得的预测状态值,Z0为预设的检测阈值,τ为预设的误差系数,ε1和ε2为预设的权重值;
当第二验证指数大于等于预设的第二验证指数阈值时,对应目标采集节点的稳定性通过验证,否则未通过。
上述技术方案的工作原理为:
预设的预测模型具体为:利用机器学习算法对大量节点的状态值记录进行学习生成的模型;基于某目标采集节点的当前状态值和利用预测模型对状态值记录进行学习输出的预测状态值对该目标采集节点的稳定性进行验证,当存在验证不通过的目标采集节点时,对用户进行提醒,用户可以手动进行设置,调用更多网络资源分配至该目标采集节点,用户还可以触发自适应调整模式,系统自动将验证不通过的目标采集节点切换至备用节点;基于当前状态值和预测状态值技术每个目标采集节点的第二验证指数,第二验证指数越大,说明该目标采集节点的稳定性越高,反之,第二验证指数越小,说明该目标采集节点的稳定性越低;预设的第二验证指数满分阈值具体为:例如,100;预设的检测阈值具体为:例如,98;使用预测模型进行预测,存在一定误差,因此,需引入误差系数;预设的第二验证指数阈值具体为:例如,95。
上述技术方案的有益效果为:本发明实施例在通过目标采集节点集合中每个目标采集节点获取目标图像时,对每个目标采集节点的稳定性进行验证,当存在验证不通过的目标采集节点时,对用户进行相应提醒,便于用户及时做出相应措施,保证了远程获取图像数据的稳定性,同时,无需用户自行查找,提升了便利性,此外,通过上述公式计算每个目标采集节点的第二验证指数,可以快速确定每个目标采集节点的稳定性是否达标,提升了系统的工作效率,更加智能化。
本发明实施例提供了一种图像数据的远程采集方法,通过目标采集节点集合中每个目标采集节点获取目标图像之前,还包括:
对目标采集节点集合中每个目标采集节点的有效性进行验证,剔除目标采集节点中验证不通过的目标采集节点;
其中,对目标采集节点集合中每个目标采集节点的有效性进行验证,包括:
将目标采集节点集合中任一目标采集节点作为第一节点,同时将目标采集节点集合另一目标采集节点作为第二节点;
将第一节点和第二节点进行验证;
分别获取第一节点的第一视角区域和第二节点的第二视角区域;
获取第一视角区域和第二视角区域的重叠率;
分别获取第一节点的第一特征值和第二节点的第二特征值;
同时分别获取第一节点的第一适宜范围和第二节点的第二适宜范围;
按预设的上调幅度分别调整第一适宜范围的第一上限值和第二适宜范围的第二上限值;
同时按预设的下调幅度分别调整第一适宜范围的第一下限值和第二适宜范围的第二下限值;
分别获取第一适宜范围调整后的第一调整范围和第二适宜范围调整后的第二调整范围;
当重叠率小于等于预设的重叠率阈值且第一特征值落在第一调整范围内且第二特征值落在第二调整范围内时,第一节点与第二节点通过验证,将第一节点与下一第二节点继续进行验证;
当第一节点与目标采集节点集合中全部第二节点均验证通过时,第一节点的有效性验证通过。
上述技术方案的工作原理为:
在获取目标图像之前,需对目标采集节点的有效性(各节点即将获取的图像是否适宜进行拼接)进行验证;在安装监控设备时,工作人员设定了每个监控设备的视角区域(即监控范围),同时设定每个监控设备的特征值(例如:采集图像尺寸)以及适宜范围(例如:1寸至3寸);预设的上调幅度和预设的下调幅度供用户设定,取决于用户对于最后拼接成的图像数据的要求程度;若第一节点与某个第二节点对应视角区域的重叠率较高,该第一节点验证不通过,需要剔除,只要采取第二节点获取目标图像即可;若第一节点的第一特征值没有落在已经对第二适宜范围扩大调整后的第二调整范围内时,说明该第一节点的目标图像与该第二调整范围对应第二节点的目标图像极大程度不适宜拼接,拼接效果差;第二节点的第二特征值没有落在已经对第一适宜范围扩大调整后的第一调整范围内的原理与之同理;预设的重叠率阈值具体为:例如,85。
上述技术方案的有益效果为:本发明实施例对目标采集节点集合中每个目标采集节点的有效性进行验证,剔除目标采集节点中验证不通过的目标采集节点,避免有效性未通过验证的目标采集节点占用网络资源,还保证了各目标图像之间进行拼接的拼接质量,满足高要求用户的需求,同时,设定供用户自行调整的预设上调幅度和下调幅度,也能满足正常用户需求,扩大了应用范围,提升了用户体验。
本发明实施例提供了一种图像数据的远程采集系统,如图2所示,包括:
接收模块1,用于接收用户输入的目标对象;
第一获取模块2,用于获取与目标对象相关联的目标采集节点集合;
第二获取模块3,用于通过目标采集节点集合中每个目标采集节点获取目标图像;
第三获取模块4,用于获取与目标采集节点集合对应的拼接规则;
拼接与输出模块5,用于基于拼接规则将各目标图像进行拼接作为图像数据后输出。
上述技术方案的工作原理为:
用户通过操作智能终端(智能手机、平板或电脑等)输入目标对象(例如:某街道中心位置等);获取与该目标对象相关联的目标采集节点集合(例如:该街道中心位置在对应街道上前后一定距离内各监控设备与服务器连接的节点);通过目标采集节点集合中各目标采集节点获取目标图像(即各监控设备拍摄的街道图像);获取与目标采集节点集合对应的拼接规则(例如:根据目标采集节点集合中各目标采集节点对应监控设备的安装位置确定的各监控设备采集图像之间的空间位置关系);将采集的各目标图像进行拼接作为图像数据。
上述技术方案的有益效果为:本发明实施例根据用户输入的目标对象,自动获取与目标对象关联的各目标图像,再根据对应拼接规则将各目标图像进行拼接后输出,提升了远程调取监控图像的便利性,同时,无需人工查询摄像设备,也无需人工将各摄像设备采集的图像进行拼接,降低了人力成本,提升用户体验。
本发明实施例提供了一种图像数据的远程采集系统,第一获取模块2执行包括如下操作:
获取目标对象对应的位置区域;
获取预设的关联规则,基于关联规则获取与位置区域相关联的第一关联位置区域和第二关联位置区域;
获取预设的采集节点数据库中与位置区域对应的第一采集节点集合;
获取采集节点数据库中与第一关联位置区域对应的第二采集节点集合以及与第二关联位置区域对应的第三采集节点集合;
将第一采集节点集合、第二采集节点集合和第三采集节点集合进行整合获得目标采集节点集合。
上述技术方案的工作原理为:
获取目标对象(某街道中心位置)对应的位置区域(多个位置坐标组合成的坐标集合);预设的关联规则具体为:例如,选取该街道中心位置在街道上前后一定范围内的位置区域作为关联位置区域;预设的采集节点数据库具体为:各监控设备对应的节点以及安装位置。
上述技术方案的有益效果为:本发明实施例自动获取与目标对象对应位置区域相关联的第一关联位置区域和第二关联位置区域,整合位置区域、第一关联位置区域和第二关联位置区域涉及的监控设备的节点作为目标采集节点集合,提升了系统的工作效率。
本发明实施例提供了一种图像数据的远程采集系统,还包括:
验证与替换模块,用于在通过目标采集节点集合中每个目标采集节点获取目标图像之前,对目标采集节点集合中每个目标采集节点的状态性能进行验证,将目标采集节点集合中验证不通过的目标采集节点替换成对应的预设备用节点;
验证与替换模块执行包括如下操作:
获取预设的状态性能检测模型,采用状态性能检测模型对每个目标采集节点进行多次检测,每次检测后,输出检测反馈值,将检测反馈值存入预设的检测反馈值列表;
基于检测反馈值列表计算每个目标采集节点的第一验证指数,计算公式如下:
其中,μ1,i为第i个目标采集节点的第一验证指数,αfull为预设的第一验证指数满分阈值,e为自然常数,ni为检测反馈值列表中与第i个目标采集节点对应的检测反馈值的总数目,σi,t为检测反馈值列表中与第i个目标采集节点对应的检测反馈值中第t个检测反馈值,σ0为预设的检测反馈值阈值;
当第一验证指数大于等于预设的第一验证指数阈值时,对应目标采集节点的状态性能通过验证,否则不通过。
上述技术方案的工作原理为:
每个监控设备与服务器连接时均设置有至少2个节点(主节点和多个备用节点),可能由于同一时间点通过主节点调取某监控设备采集图像的用户较多等原因,造成主节点的状态性能较差,需要及时切换至备用节点,一般情况下,主节点的性能完全能够负载大多数应用场景,无需切换至备用节点,因此,备用的节点的性能完全可靠,用户还可以设置对备用节点的状态性能进行验证,若验证不通过,切换至下一备用节点,以此类推即可;预设的状态性能检测模型具体为:利用机器学习算法根据大量人工对节点状态性能进行检测的记录样本进行学习后生成的模型,其可以根据某节点的时延、传输速率、吞吐量等参数结合该节点的大量历史参数在短时间内对该节点的当前状态性能进行多次检测,每次检测后,输出检测反馈值;预设的检测反馈值列表用于存储状态性能检测模型每次检测后输出的检测反馈值;基于该检测反馈值列表技术每个目标采集节点的第一验证指数,该第一验证指数越大,说明对应目标采集节点的状态性能越好,反之,第一验证指数越小,对应目标采集节点的状态性能越差;预设的第一验证指数满分阈值具体为:例如,100;预设的检测反馈值阈值具体为:例如,98.5;预设的第一验证指数阈值具体为:例如,95。
上述技术方案的有益效果为:本发明实施例在通过目标采集节点集合中各目标采集节点获取目标图像时,事先对每个目标采集节点的状态性能进行验证,将验证不通过的目标采集节点替换成对应预设备用节点,保证了在通过各目标采集节点获取目标图像的稳定性,更保证了获取的目标图像的质量,同时,利用上述公式计算第一验证指数,可快速判断目标采集节点的状态性能是否达标,提升了系统的工作效率,更加智能化。
本发明实施例提供了一种图像数据的远程采集系统,还包括:
稳定性验证模块,用于在通过目标采集节点集合中每个目标采集节点获取目标图像时,获取每个目标采集节点的当前状态值和状态值记录,同时获取预设的预测模型,采用预测模型基于状态值记录预测对应目标采集节点的预测状态值,基于当前状态值和预测状态值对每个目标采集节点的稳定性进行验证,若存在验证不通过的目标采集节点,及时对用户进行提醒;
稳定性验证模块执行包括如下操作:
基于当前状态值和预测状态值计算每个目标采集节点的第二验证指数,计算公式如下:
其中,μ2,i为第i个目标采集节点的第二验证指数,ρfull为预设的第二验证指数满分阈值,e为自然常数,di为使用预测模型对第i个目标采集节点对应的状态值记录进行预测的总次数,zi,0为第i个目标采集节点的当前状态值,zi,x为使用预测模型对第i个目标采集节点对应的状态值记录进行第x次预测获得的预测状态值,Z0为预设的检测阈值,τ为预设的误差系数,ε1和ε2为预设的权重值;
当第二验证指数大于等于预设的第二验证指数阈值时,对应目标采集节点的稳定性通过验证,否则未通过。
上述技术方案的工作原理为:
预设的预测模型具体为:利用机器学习算法对大量节点的状态值记录进行学习生成的模型;基于某目标采集节点的当前状态值和利用预测模型对状态值记录进行学习输出的预测状态值对该目标采集节点的稳定性进行验证,当存在验证不通过的目标采集节点时,对用户进行提醒,用户可以手动进行设置,调用更多网络资源分配至该目标采集节点,用户还可以触发自适应调整模式,系统自动将验证不通过的目标采集节点切换至备用节点;基于当前状态值和预测状态值技术每个目标采集节点的第二验证指数,第二验证指数越大,说明该目标采集节点的稳定性越高,反之,第二验证指数越小,说明该目标采集节点的稳定性越低;预设的第二验证指数满分阈值具体为:例如,100;预设的检测阈值具体为:例如,98;使用预测模型进行预测,存在一定误差,因此,需引入误差系数;预设的第二验证指数阈值具体为:例如,95。
上述技术方案的有益效果为:本发明实施例在通过目标采集节点集合中每个目标采集节点获取目标图像时,对每个目标采集节点的稳定性进行验证,当存在验证不通过的目标采集节点时,对用户进行相应提醒,便于用户及时做出相应措施,保证了远程获取图像数据的稳定性,同时,无需用户自行查找,提升了便利性,此外,通过上述公式计算每个目标采集节点的第二验证指数,可以快速确定每个目标采集节点的稳定性是否达标,提升了系统的工作效率,更加智能化。
本发明实施例提供了一种图像数据的远程采集系统,还包括:
验证与剔除模块,用于在通过目标采集节点集合中每个目标采集节点获取目标图像之前,对目标采集节点集合中每个目标采集节点的有效性进行验证,剔除目标采集节点中验证不通过的目标采集节点;
验证与剔除模块执行包括如下操作:
将目标采集节点集合中任一目标采集节点作为第一节点,同时将目标采集节点集合另一目标采集节点作为第二节点;
将第一节点和第二节点进行验证;
分别获取第一节点的第一视角区域和第二节点的第二视角区域;
获取第一视角区域和第二视角区域的重叠率;
分别获取第一节点的第一特征值和第二节点的第二特征值;
同时分别获取第一节点的第一适宜范围和第二节点的第二适宜范围;
按预设的上调幅度分别调整第一适宜范围的第一上限值和第二适宜范围的第二上限值;
同时按预设的下调幅度分别调整第一适宜范围的第一下限值和第二适宜范围的第二下限值;
分别获取第一适宜范围调整后的第一调整范围和第二适宜范围调整后的第二调整范围;
当重叠率小于等于预设的重叠率阈值且第一特征值落在第一调整范围内且第二特征值落在第二调整范围内时,第一节点与第二节点通过验证,将第一节点与下一第二节点继续进行验证;
当第一节点与目标采集节点集合中全部第二节点均验证通过时,第一节点的有效性验证通过。
上述技术方案的工作原理为:
在获取目标图像之前,需对目标采集节点的有效性(各节点即将获取的图像是否适宜进行拼接)进行验证;在安装监控设备时,工作人员设定了每个监控设备的视角区域(即监控范围),同时设定每个监控设备的特征值(例如:采集图像尺寸)以及适宜范围(例如:1寸至3寸);预设的上调幅度和预设的下调幅度供用户设定,取决于用户对于最后拼接成的图像数据的要求程度;若第一节点与某个第二节点对应视角区域的重叠率较高,该第一节点验证不通过,需要剔除,只要采取第二节点获取目标图像即可;若第一节点的第一特征值没有落在已经对第二适宜范围扩大调整后的第二调整范围内时,说明该第一节点的目标图像与该第二调整范围对应第二节点的目标图像极大程度不适宜拼接,拼接效果差;第二节点的第二特征值没有落在已经对第一适宜范围扩大调整后的第一调整范围内的原理与之同理;预设的重叠率阈值具体为:例如,85。
上述技术方案的有益效果为:本发明实施例对目标采集节点集合中每个目标采集节点的有效性进行验证,剔除目标采集节点中验证不通过的目标采集节点,避免有效性未通过验证的目标采集节点占用网络资源,还保证了各目标图像之间进行拼接的拼接质量,满足高要求用户的需求,同时,设定供用户自行调整的预设上调幅度和下调幅度,也能满足正常用户需求,扩大了应用范围,提升了用户体验。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种图像数据的远程采集方法,其特征在于,包括:
接收用户输入的目标对象;
获取与所述目标对象相关联的目标采集节点集合;
通过所述目标采集节点集合中每个目标采集节点获取目标图像;
获取与所述目标采集节点集合对应的拼接规则;
基于所述拼接规则将各所述目标图像进行拼接作为图像数据后输出。
2.如权利要求1所述的一种图像数据的远程采集方法,其特征在于,获取与所述目标对象相关联的目标采集节点集合,包括:
获取所述目标对象对应的位置区域;
获取预设的关联规则,基于所述关联规则获取与所述位置区域相关联的第一关联位置区域和第二关联位置区域;
获取预设的采集节点数据库中与所述位置区域对应的第一采集节点集合;
获取所述采集节点数据库中与所述第一关联位置区域对应的第二采集节点集合以及与所述第二关联位置区域对应的第三采集节点集合;
将所述第一采集节点集合、第二采集节点集合和第三采集节点集合进行整合获得所述目标采集节点集合。
3.如权利要求1所述的一种图像数据的远程采集方法,其特征在于,通过所述目标采集节点集合中每个目标采集节点获取目标图像之前,还包括:
对所述目标采集节点集合中每个目标采集节点的状态性能进行验证,将所述目标采集节点集合中验证不通过的目标采集节点替换成对应的预设备用节点;
其中,对所述目标采集节点集合中每个目标采集节点的状态性能进行验证,包括:
获取预设的状态性能检测模型,采用所述状态性能检测模型对每个所述目标采集节点进行多次检测,每次检测后,输出检测反馈值,将所述检测反馈值存入预设的检测反馈值列表;
基于所述检测反馈值列表计算每个所述目标采集节点的第一验证指数,计算公式如下:
其中,μ1,i为第i个所述目标采集节点的所述第一验证指数,αfull为预设的第一验证指数满分阈值,e为自然常数,ni为所述检测反馈值列表中与第i个所述目标采集节点对应的检测反馈值的总数目,σi,t为所述检测反馈值列表中与第i个所述目标采集节点对应的检测反馈值中第t个检测反馈值,σ0为预设的检测反馈值阈值;
当所述第一验证指数大于等于预设的第一验证指数阈值时,对应所述目标采集节点的状态性能通过验证,否则不通过。
4.如权利要求1所述的一种图像数据的远程采集方法,其特征在于,通过所述目标采集节点集合中每个目标采集节点获取目标图像时,获取每个所述目标采集节点的当前状态值和状态值记录,同时获取预设的预测模型,采用所述预测模型基于所述状态值记录预测对应所述目标采集节点的预测状态值,基于所述当前状态值和所述预测状态值对每个所述目标采集节点的稳定性进行验证,若存在验证不通过的所述目标采集节点,及时对用户进行提醒;
其中,基于所述当前状态值和所述预测状态值对每个所述目标采集节点的稳定性进行验证,包括:
基于所述当前状态值和所述预测状态值计算每个所述目标采集节点的第二验证指数,计算公式如下:
其中,μ2,i为第i个所述目标采集节点的所述第二验证指数,ρfull为预设的第二验证指数满分阈值,e为自然常数,di为使用所述预测模型对第i个所述目标采集节点对应的状态值记录进行预测的总次数,zi,0为第i个所述目标采集节点的所述当前状态值,zi,x为使用所述预测模型对第i个所述目标采集节点对应的状态值记录进行第x次预测获得的所述预测状态值,Z0为预设的检测阈值,τ为预设的误差系数,ε1和ε2为预设的权重值;
当所述第二验证指数大于等于预设的第二验证指数阈值时,对应所述目标采集节点的稳定性通过验证,否则未通过。
5.如权利要求1所述的一种图像数据的远程采集方法,其特征在于,通过所述目标采集节点集合中每个目标采集节点获取目标图像之前,还包括:
对所述目标采集节点集合中每个目标采集节点的有效性进行验证,剔除所述目标采集节点中验证不通过的所述目标采集节点;
其中,对所述目标采集节点集合中每个目标采集节点的有效性进行验证,包括:
将所述目标采集节点集合中任一所述目标采集节点作为第一节点,同时将所述目标采集节点集合另一所述目标采集节点作为第二节点;
将所述第一节点和所述第二节点进行验证;
分别获取所述第一节点的第一视角区域和所述第二节点的第二视角区域;
获取所述第一视角区域和所述第二视角区域的重叠率;
分别获取所述第一节点的第一特征值和所述第二节点的第二特征值;
同时分别获取所述第一节点的第一适宜范围和所述第二节点的第二适宜范围;
按预设的上调幅度分别调整所述第一适宜范围的第一上限值和所述第二适宜范围的第二上限值;
同时按预设的下调幅度分别调整所述第一适宜范围的第一下限值和所述第二适宜范围的第二下限值;
分别获取所述第一适宜范围调整后的第一调整范围和所述第二适宜范围调整后的第二调整范围;
当所述重叠率小于等于预设的重叠率阈值且所述第一特征值落在所述第一调整范围内且所述第二特征值落在所述第二调整范围内时,所述第一节点与所述第二节点通过验证,将所述第一节点与下一所述第二节点继续进行验证;
当所述第一节点与所述目标采集节点集合中全部所述第二节点均验证通过时,所述第一节点的有效性验证通过。
6.一种图像数据的远程采集系统,其特征在于,包括:
接收模块,用于接收用户输入的目标对象;
第一获取模块,用于获取与所述目标对象相关联的目标采集节点集合;
第二获取模块,用于通过所述目标采集节点集合中每个目标采集节点获取目标图像;
第三获取模块,用于获取与所述目标采集节点集合对应的拼接规则;
拼接与输出模块,用于基于所述拼接规则将各所述目标图像进行拼接作为图像数据后输出。
7.如权利要求6所述的一种图像数据的远程采集系统,其特征在于,所述第一获取模块执行包括如下操作:
获取所述目标对象对应的位置区域;
获取预设的关联规则,基于所述关联规则获取与所述位置区域相关联的第一关联位置区域和第二关联位置区域;
获取预设的采集节点数据库中与所述位置区域对应的第一采集节点集合;
获取所述采集节点数据库中与所述第一关联位置区域对应的第二采集节点集合以及与所述第二关联位置区域对应的第三采集节点集合;
将所述第一采集节点集合、第二采集节点集合和第三采集节点集合进行整合获得所述目标采集节点集合。
8.如权利要求6所述的一种图像数据的远程采集系统,其特征在于,还包括:
验证与替换模块,用于在通过所述目标采集节点集合中每个目标采集节点获取目标图像之前,对所述目标采集节点集合中每个目标采集节点的状态性能进行验证,将所述目标采集节点集合中验证不通过的目标采集节点替换成对应的预设备用节点;
所述验证与替换模块执行包括如下操作:
获取预设的状态性能检测模型,采用所述状态性能检测模型对每个所述目标采集节点进行多次检测,每次检测后,输出检测反馈值,将所述检测反馈值存入预设的检测反馈值列表;
基于所述检测反馈值列表计算每个所述目标采集节点的第一验证指数,计算公式如下:
其中,μ1,i为第i个所述目标采集节点的所述第一验证指数,αfull为预设的第一验证指数满分阈值,e为自然常数,ni为所述检测反馈值列表中与第i个所述目标采集节点对应的检测反馈值的总数目,σi,t为所述检测反馈值列表中与第i个所述目标采集节点对应的检测反馈值中第t个检测反馈值,σ0为预设的检测反馈值阈值;
当所述第一验证指数大于等于预设的第一验证指数阈值时,对应所述目标采集节点的状态性能通过验证,否则不通过。
9.如权利要求6所述的一种图像数据的远程采集系统,其特征在于,还包括:
稳定性验证模块,用于在通过所述目标采集节点集合中每个目标采集节点获取目标图像时,获取每个所述目标采集节点的当前状态值和状态值记录,同时获取预设的预测模型,采用所述预测模型基于所述状态值记录预测对应所述目标采集节点的预测状态值,基于所述当前状态值和所述预测状态值对每个所述目标采集节点的稳定性进行验证,若存在验证不通过的所述目标采集节点,及时对用户进行提醒;
所述稳定性验证模块执行包括如下操作:
基于所述当前状态值和所述预测状态值计算每个所述目标采集节点的第二验证指数,计算公式如下:
其中,μ2,i为第i个所述目标采集节点的所述第二验证指数,ρfull为预设的第二验证指数满分阈值,e为自然常数,di为使用所述预测模型对第i个所述目标采集节点对应的状态值记录进行预测的总次数,zi,0为第i个所述目标采集节点的所述当前状态值,zi,x为使用所述预测模型对第i个所述目标采集节点对应的状态值记录进行第x次预测获得的所述预测状态值,Z0为预设的检测阈值,τ为预设的误差系数,ε1和ε2为预设的权重值;
当所述第二验证指数大于等于预设的第二验证指数阈值时,对应所述目标采集节点的稳定性通过验证,否则未通过。
10.如权利要求6所述的一种图像数据的远程采集系统,其特征在于,还包括:
验证与剔除模块,用于在通过所述目标采集节点集合中每个目标采集节点获取目标图像之前,对所述目标采集节点集合中每个目标采集节点的有效性进行验证,剔除所述目标采集节点中验证不通过的所述目标采集节点;
所述验证与剔除模块执行包括如下操作:
将所述目标采集节点集合中任一所述目标采集节点作为第一节点,同时将所述目标采集节点集合另一所述目标采集节点作为第二节点;
将所述第一节点和所述第二节点进行验证;
分别获取所述第一节点的第一视角区域和所述第二节点的第二视角区域;
获取所述第一视角区域和所述第二视角区域的重叠率;
分别获取所述第一节点的第一特征值和所述第二节点的第二特征值;
同时分别获取所述第一节点的第一适宜范围和所述第二节点的第二适宜范围;
按预设的上调幅度分别调整所述第一适宜范围的第一上限值和所述第二适宜范围的第二上限值;
同时按预设的下调幅度分别调整所述第一适宜范围的第一下限值和所述第二适宜范围的第二下限值;
分别获取所述第一适宜范围调整后的第一调整范围和所述第二适宜范围调整后的第二调整范围;
当所述重叠率小于等于预设的重叠率阈值且所述第一特征值落在所述第一调整范围内且所述第二特征值落在所述第二调整范围内时,所述第一节点与所述第二节点通过验证,将所述第一节点与下一所述第二节点继续进行验证;
当所述第一节点与所述目标采集节点集合中全部所述第二节点均验证通过时,所述第一节点的有效性验证通过。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110461912.9A CN113111843B (zh) | 2021-04-27 | 2021-04-27 | 一种图像数据的远程采集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110461912.9A CN113111843B (zh) | 2021-04-27 | 2021-04-27 | 一种图像数据的远程采集方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113111843A true CN113111843A (zh) | 2021-07-13 |
CN113111843B CN113111843B (zh) | 2023-12-29 |
Family
ID=76721869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110461912.9A Active CN113111843B (zh) | 2021-04-27 | 2021-04-27 | 一种图像数据的远程采集方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113111843B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101499166A (zh) * | 2009-03-16 | 2009-08-05 | 北京中星微电子有限公司 | 一种图像拼接方法及装置 |
US20090310855A1 (en) * | 2006-07-27 | 2009-12-17 | Giambattista Gennari | Event detection method and video surveillance system using said method |
CN103686065A (zh) * | 2012-09-17 | 2014-03-26 | 南京中兴力维软件有限公司 | 基于gis互操作的监控设备云镜集群控制方法及装置 |
CN104581001A (zh) * | 2013-10-12 | 2015-04-29 | 北京航天长峰科技工业集团有限公司 | 一种大范围多摄像机运动目标的关联监控方法 |
CN104717462A (zh) * | 2014-01-03 | 2015-06-17 | 杭州海康威视系统技术有限公司 | 监控录像视频的提取方法及其装置 |
CN107770484A (zh) * | 2016-08-19 | 2018-03-06 | 杭州海康威视数字技术股份有限公司 | 一种视频监控信息生成方法、装置及摄像机 |
CN108540754A (zh) * | 2017-03-01 | 2018-09-14 | 中国电信股份有限公司 | 用于视频监控中多视频拼接的方法、装置和系统 |
CN109040696A (zh) * | 2018-09-04 | 2018-12-18 | 江苏跃鑫科技有限公司 | 一种视频监控方法 |
CN109348119A (zh) * | 2018-09-18 | 2019-02-15 | 成都易瞳科技有限公司 | 一种全景监控系统 |
CN110263634A (zh) * | 2019-05-13 | 2019-09-20 | 平安科技(深圳)有限公司 | 监控目标的监控方法、装置、计算机设备及存储介质 |
US20190303673A1 (en) * | 2018-03-30 | 2019-10-03 | Lenovo (Beijing) Co., Ltd. | Display method, electronic device and storage medium having the same |
CN111046121A (zh) * | 2019-12-05 | 2020-04-21 | 亿利生态大数据有限公司 | 环境监控方法、装置和系统 |
CN112215037A (zh) * | 2019-07-10 | 2021-01-12 | 浙江宇视科技有限公司 | 对象追踪方法及装置、电子设备及计算机可读存储介质 |
WO2021012791A1 (zh) * | 2019-07-22 | 2021-01-28 | 平安科技(深圳)有限公司 | 人脸登录方法、装置、计算机设备及存储介质 |
CN112511767A (zh) * | 2020-10-30 | 2021-03-16 | 济南浪潮高新科技投资发展有限公司 | 一种视频拼接方法及设备、存储介质 |
-
2021
- 2021-04-27 CN CN202110461912.9A patent/CN113111843B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090310855A1 (en) * | 2006-07-27 | 2009-12-17 | Giambattista Gennari | Event detection method and video surveillance system using said method |
CN101499166A (zh) * | 2009-03-16 | 2009-08-05 | 北京中星微电子有限公司 | 一种图像拼接方法及装置 |
CN103686065A (zh) * | 2012-09-17 | 2014-03-26 | 南京中兴力维软件有限公司 | 基于gis互操作的监控设备云镜集群控制方法及装置 |
CN104581001A (zh) * | 2013-10-12 | 2015-04-29 | 北京航天长峰科技工业集团有限公司 | 一种大范围多摄像机运动目标的关联监控方法 |
CN104717462A (zh) * | 2014-01-03 | 2015-06-17 | 杭州海康威视系统技术有限公司 | 监控录像视频的提取方法及其装置 |
CN107770484A (zh) * | 2016-08-19 | 2018-03-06 | 杭州海康威视数字技术股份有限公司 | 一种视频监控信息生成方法、装置及摄像机 |
CN108540754A (zh) * | 2017-03-01 | 2018-09-14 | 中国电信股份有限公司 | 用于视频监控中多视频拼接的方法、装置和系统 |
US20190303673A1 (en) * | 2018-03-30 | 2019-10-03 | Lenovo (Beijing) Co., Ltd. | Display method, electronic device and storage medium having the same |
CN109040696A (zh) * | 2018-09-04 | 2018-12-18 | 江苏跃鑫科技有限公司 | 一种视频监控方法 |
CN109348119A (zh) * | 2018-09-18 | 2019-02-15 | 成都易瞳科技有限公司 | 一种全景监控系统 |
CN110263634A (zh) * | 2019-05-13 | 2019-09-20 | 平安科技(深圳)有限公司 | 监控目标的监控方法、装置、计算机设备及存储介质 |
CN112215037A (zh) * | 2019-07-10 | 2021-01-12 | 浙江宇视科技有限公司 | 对象追踪方法及装置、电子设备及计算机可读存储介质 |
WO2021012791A1 (zh) * | 2019-07-22 | 2021-01-28 | 平安科技(深圳)有限公司 | 人脸登录方法、装置、计算机设备及存储介质 |
CN111046121A (zh) * | 2019-12-05 | 2020-04-21 | 亿利生态大数据有限公司 | 环境监控方法、装置和系统 |
CN112511767A (zh) * | 2020-10-30 | 2021-03-16 | 济南浪潮高新科技投资发展有限公司 | 一种视频拼接方法及设备、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113111843B (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180011459A1 (en) | Systems and methods for adaptively updating equipment models | |
EP2009604B1 (en) | A security device and system | |
CN106027931A (zh) | 视频录制方法及服务器 | |
CN109920192A (zh) | 火灾报警方法、系统及计算机可读存储介质 | |
CN109905696A (zh) | 一种基于加密流量数据的视频服务体验质量的识别方法 | |
US10613501B2 (en) | Method and apparatus for providing equipment maintenance via a network | |
CN109656973B (zh) | 一种目标对象关联分析方法及装置 | |
CN109447186A (zh) | 聚类方法及相关产品 | |
GB2404511A (en) | Image capture device having a learning function | |
CN105654134B (zh) | 一种基于有监督自反馈的情景感知系统及其工作方法与应用 | |
CN108764369B (zh) | 基于数据融合的人物识别方法、装置和计算机存储介质 | |
CN110740298A (zh) | 分布式教室违纪行为检测系统、方法及介质 | |
CN116744357A (zh) | 基站故障预测方法、装置、设备和介质 | |
CN110209551A (zh) | 一种异常设备的识别方法、装置、电子设备及存储介质 | |
CN109615750B (zh) | 门禁机的人脸识别控制方法及装置、门禁设备、存储介质 | |
CN111444075A (zh) | 一种自动发现关键影响力指标的方法 | |
CN116794510A (zh) | 故障预测方法、装置、计算机设备和存储介质 | |
CN107832848A (zh) | 应用管理方法、装置、存储介质及电子设备 | |
CN115689320A (zh) | 基站运行的健康管理方法、装置及计算机可读存储介质 | |
CN109858319A (zh) | 图像处理设备及控制方法和非暂时性计算机可读存储介质 | |
CN113111843B (zh) | 一种图像数据的远程采集方法及系统 | |
JP2019075078A (ja) | 工事現場画像判定装置及び工事現場画像判定プログラム | |
CN114666774B (zh) | 一种蓝牙设备的标识匹配系统及方法 | |
CN108875030B (zh) | 一种基于层次化综合质量指标QoX的上下文不确定性消除系统及其工作方法 | |
CN107578022B (zh) | 基于图像识别和智能座椅的门店客流量管理系统和方法 |
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 |