CN113128383A - 一种校园学生欺凌行为的识别方法 - Google Patents
一种校园学生欺凌行为的识别方法 Download PDFInfo
- Publication number
- CN113128383A CN113128383A CN202110370076.3A CN202110370076A CN113128383A CN 113128383 A CN113128383 A CN 113128383A CN 202110370076 A CN202110370076 A CN 202110370076A CN 113128383 A CN113128383 A CN 113128383A
- Authority
- CN
- China
- Prior art keywords
- student
- detection
- behavior
- target
- students
- 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
Images
Classifications
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- 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
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种校园学生欺凌行为的识别方法。通过视频检测区域配置模块,检测学生目标,假如有多人聚集场景下,通过识别目标肢体关键点生成一维向量,采用支持向量机模型识别肢体接触动作行为,判断是否存在非正常的肢体接触行为;假如教室内场景下,通过跟踪并发现教室内最少与其他同学接触的学生对象,并分析该学生的表情情绪状况,推断是否存在孤立行为。该方法基于校内视频监控系统,通过直连网络摄像机或网络录像机实现校内欺凌行为的检测和识别,不影响现有视频监控系统运行。方法通用性强,成本低,适用性好。
Description
技术领域
本发明属于图像处理领域,具体涉及一种以视频图像人体目标行为分析的校园学生欺凌行为识别方法。
背景技术
校园欺凌现象在校园中时有发生,据报道有47%的加拿大学生报告曾经受过欺凌,据美国教育统计中心公布的数据显示,有近22%的高中生近一年内遭受过欺凌,5-18岁的学生中有21.8%表示曾经被欺凌过。国内多个地方曾连续发生多起学生间殴打侮辱事件引发众多网民关注和极度愤慨。几乎每起欺凌事件都让人震惊:不论是肉体折磨还是精神侮辱,手段都那么残忍恶毒。“校园欺凌”事件,一件件,一桩桩,目不暇接,触目惊心。近期,教育部印发《防范中小学生欺凌专项治理行动工作方案》,启动开展防范中小学生欺凌专项治理行动。《方案》要求全面排查欺凌事件,及时查找发生欺凌事件的苗头迹象或隐患点,对可能发生的欺凌行为做到早发现、早预防、早控制。完善有关规章制度、加强日常管理等,防止学生欺凌事件发生。校园欺凌的行为表现有肢体欺凌、言语欺凌、社交欺凌和网络欺凌。其中网络欺凌是一种容易察觉欺凌形式;言语欺凌是不容易察觉的欺凌形式;肢体欺凌和社交欺凌能直接表现出一些行为动作,如推撞、拳打脚踢、孤立等,通过观察部分同学的日常行为,也能察觉是否存在欺凌现象。因此,通过校园内部或周界布控摄像机,捕捉学生行为,通过行为分析对可能发生的欺凌行为做到早发现,对预防校园学生欺凌行为有重要意义。
校园欺凌行为隐蔽,受场地与人员数量限制,教师以及校园管理者在日常教学工作中对这些隐蔽条件下发生的欺凌事件无法有效及时的掌握。因此需要一种无感非接触式方法,实时感知校内学生行为的识别方式,提高校园欺凌行为发现能力以及时效性,提升校园安全管理水平。
发明内容
鉴于当前学校日常管理工作中,校园学生欺凌现象具有极强的隐蔽性,校内教师和管理人员配置有限,无法有效及时的发现欺凌情况,对校园安全带来很大安全隐患。本发明通过提出以一种基于视频的学生情绪与肢体行为分析方法,加装一套基于监控摄像机的视觉分析系统,用于筛查是否存在欺凌现象。该系统通过在校园的教室内外等关键位置,安装普通网络摄像机,通过人体目标检测算法,检测出摄像机监控范围内的所有学生目标,根据重点关注学生人群的日常行为以及肢体动作,采用行为以及事件分析算法,推断关注目标学生群体是否存在欺凌或被欺凌的可能性。通过实时分析校内安装监控摄像机所拍摄的视频流,检测和识别关注群体或位置所发生的行为或事件,发现和推测校园内部存在欺凌和被欺凌嫌疑学生目标,提供辅助管理工具,实现提高校园安全管理水平。因此,该方法可以辅助解决当前校园存在欺凌而难以发现而造成的校园学生安全问题。
为了达到上述目标,本发明采用了如下技术方案:
本发明提供了一种校园学生欺凌行为的识别方法,通过构建针对学生目标的行为分析与推断系统,实现学生欺凌或被欺凌现象识别,该方法包括以下几个部分:
S1.视频检测区域配置模块;
S2.视频学生目标检测模块;
S3.学生目标肢体关键点检测模块;
S4.肢体关键点结构化数据逻辑推理模块;
S5.学生识别模块;
S6.分析结果输出模块;
进一步说,S1通过页面交互方式,通过手工按照监控要求划定范围,划定范围的方式可以采用矩形、圆型、椭圆等形状,同一个摄像机可以设置多个区域,区域之间可以相互重叠,默认为整个相机视野。在配置检测区域的同时,还需要配置检测的目标类型,类型的种类根据系统提供的选项进行配置,单个摄像机可以同时选择多个检测类型。每个检测区域可以独立配置各自的检测类型,也可以统一为相同的检测。
进一步说,S2中根据S1中定义检测区域和项目,采用目标检测算法,对监控视频内所含有的行人目标进行检测,检测出行人目标在图像中的位置,该位置采用矩形框表示。检测学生对象的身形至少含有完整的上半身,即应该具有明显的头部、上半身等部位。
进一步说,S3针对S2中所检测出符合要求的学生目标,根据检测配置要求,对学生的行为进行分析,结合摄像机检测配置,对不同场景下的目标学生,分别检测两种行为。一种是多人近距离聚集的行为,另一种是单独一个人的孤立行为。假如为多人聚集的行为,对聚集范围内的学生采用肢体识别方法,将头部、身体、脚、手臂等部位的关键点位置检出,其中被遮挡则的部位,关键点的位置默认为零。孤立行为则是在班级环境中,通过对教室范围内所有学生进行肢体检测,检测出头部、身体和手臂等关键部位的关键点,其中被遮挡则的部位,关键点的位置同样默认为零。
进一步说,S4中针对S3所述的多人近距离聚集行为,根据检测出的所有学生人体关键点坐标,分别求出每个人体的采用最小外接矩形,并求出所有两个矩形的交并比。筛选出具有接触关系人体,将符合规则要求的两个人体关键点等比例映射到固定大小的画板上,然后把画板上肢体关键点坐标(x,y)值转化为一维向量,所得向量输入支持向量机模型判断是否存在肢体非正常接触行为。
进一步说,S4中针对S3所述的孤立行为,在日常学习过程中,检测被孤立目标与其他同学直接的肢体互动行为。具体方法是,根据检测出的所有学生人体关键点坐标,分别求出每个人体的采用最小外接矩形,并求出所有两个矩形的交并比。假如该学生的交并概率显著小于班级内部的其他同学,进一步分析该学生日常学习过程中表情情绪,推断是否为可疑的孤立对象。
进一步说,S5中根据S4得到的可疑对象,通过抓可疑对象的人脸,提取人脸特征,搜索校内相似学生对象,确定可疑人员身份。
进一步说,S6中根据S5分析获得可疑人员身份,通过消息推送的方式将结果发送给校内相关教师。
本发明的有益效果
本发明涉及一种校园学生欺凌行为的识别方法,所述方法包括:视频检测区域配置模块、学生目标检测模块、学生目标肢体关键点检测模块、肢体关键点结构化数据逻辑推理模块、学生识别模块和分析结果输出模块。通过视频检测区域配置模块,检测学生目标,假如有多人聚集场景下,通过识别学生目标肢体关键点,将关键点进行标准化并生成一维向量,采用支持向量机模型识别肢体接触动作行为,判断是否存在非正常的肢体接触行为;假如教室内场景下,通过跟踪并发现教室内最少与其他同学接触的学生对象,并进一步分析该学生日常学习生活中的表情情绪状况,推断是否存在孤立行为。通过捕获的人脸进一步确定目标学生的身份信息,并将最终的分析结果推送给校内管理教师。通过该方法,以一种非接触的方式实现校内欺凌行为的检测和识别功能,该方法基于校内已部署的视频监控系统,可以直接连接网络摄像机或网络录像机,不影响现有视频监控系统运行。普通高清网络摄像机即可,方法通用性强,成本低,适用性好。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单的介绍,对于本领域一般技术人员来讲,在不付出创造性劳动的前提下,可以根据这些附图获得其它的附图。
图1为本发明的肢体欺凌行为分析处理流程图;
图2为本发明的孤立欺凌行为分析处理流程图
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。应当说明,此处所描述的具体描述仅用以解释本发明,并不用于限定本发明。
本发明提出了一种校园学生欺凌行为的识别方法,处理流程如图1和图2所示。图1为肢体欺凌处理流程,具体说明如下:
1)读取视频流数据,并抽取视频帧;
2)检测视频帧内设定区域范围内出现的人体目标;
3)根据检测目标框出的矩形位置关系,分析人群聚集程度,假如人群数量符合设定聚集程度,则判断判断为构成聚集,否则重新读取视频数据;
4)对聚集范围内的所有人体目标进行肢体关键点检测和识别,所获取的关键点采用坐标(x,y)来进行描述,关键点包含头顶、五官、颈部、四肢主要关节部位。假如某些部位被遮挡,则该部分的关键点x和y坐标分别为零值;
5)将所选定聚集人体目标采用交并比方式求出两两人体之间交并比,筛选出交并比在一定范围内的目标人体,并将符合条件的所有两个人体所在视频帧位置图分别截出;
6)根据截取图片大小以及关键点坐标,对坐标进行后处理。根据预设的画布,将图像目标根据长宽比率不变,采用坐标原点对齐方式映射到画布上。将坐标统一标准化后,对所获取的关键点坐标一维化,方式为按照设定的肢体顺序依次将x和y坐标值放入一维数组,输出一维矢量;
7)将该一维矢量输入预训练好的分类模型,预测动作是否构成肢体欺凌,并输出预测结果,然后重新返回,进行下一个分析流程。
图2为孤立欺凌处理流程,具体说明如下:
1)读取视频流数据,并抽取视频帧;
2)检测视频帧内设定区域范围内出现的人体目标;
3)计算固定区域与相邻区域人体目标之间的交并关系;
4)分析一定时间段内,固定区域内目标人体与其它区域内人体的交互关系;
5)假如独立,即该目标与周边区域内的人体目标是否有交互;
6)分析独立目标的面部表情,判断表情是否出现异常,如害怕、厌恶、愤怒等;
7)统计分析设定的一个时间段内,该目标区域范围内的目标出现的独立次数以及表情情绪变化状况;
8)按照预设规则分析判断是否出现被孤立的嫌疑,假如满足预设条件,则输出结果。
以上为本发明的最佳实施方式,依据本发明公开的内容,本领域的普通技术人员能够显而易见地想到的一些雷同、替代方案,均应落入本发明保护的范围。
Claims (7)
1.一种校园学生欺凌行为的识别方法,包括:视频检测区域配置模块、学生目标检测模块、学生目标肢体关键点检测模块、肢体关键点结构化数据逻辑推理模块、学生识别模块和分析结果输出模块。
2.根据权利要求1所述的一种校园学生欺凌行为的识别方法,其特征在于,
视频检测区域配置模块通过页面交互方式,通过手工按照监控要求划定范围,划定范围的方式可以采用矩形、圆型、椭圆等形状,同一个摄像机可以设置多个区域,区域之间可以相互重叠,默认为整个相机视野。在配置检测区域的同时,还需要配置检测的目标类型,类型的种类根据系统提供的选项进行配置,单个摄像机可以同时选择多个检测类型。每个检测区域可以独立配置各自的检测类型,也可以统一为相同的检测。
3.根据权利要求2所述的一种校园学生欺凌行为的识别方法,其特征在于,
学生目标检测模块根据视频检测区域配置模块中定义检测区域和项目,采用目标检测算法,对监控视频内所含有的行人目标进行检测,检测出行人目标在图像中的位置,该位置采用矩形框表示。检测学生对象的身形至少含有完整的上半身,即应该具有明显的头部、上半身等部位。
4.根据权利要求3所述的一种校园学生欺凌行为的识别方法,其特征在于,
学生目标肢体关键点检测模块根据检测配置要求,对学生的行为进行分析,结合摄像机检测配置,对不同场景下的目标学生,分别检测两种行为。一种是多人近距离聚集的行为,另一种是单独一个人的孤立行为。假如为多人聚集的行为,对聚集范围内的学生采用肢体识别方法,将头部、身体、脚、手臂等部位的关键点位置检出,其中被遮挡则的部位,关键点的位置默认为零。孤立行为则是在班级环境中,通过对教室范围内所有学生进行肢体检测,检测出头部、身体和手臂等关键部位的关键点,其中被遮挡则的部位,关键点的位置同样默认为零。
5.根据权利要求4所述的一种校园学生欺凌行为的识别方法,其特征在于,
肢体关键点结构化数据逻辑推理模块分为多人近距离聚集行为检测和孤立行为检测。
多人近距离聚集行为检测,根据检测出的所有学生人体关键点坐标,分别求出每个人体的采用最小外接矩形,并求出所有两个矩形的交并比。筛选出具有接触关系人体,将符合规则要求的两个人体关键点等比例映射到固定大小的画板上,然后把画板上肢体关键点坐标(x,y)值按照固定顺序关系转化为一维向量,所得向量输入支持向量机模型判断是否存在肢体非正常接触行为。
孤立行为检测,在日常学习过程中,检测被孤立目标与其他同学直接的肢体互动行为。具体方法是,根据检测出的所有学生人体关键点坐标,分别求出每个人体的采用最小外接矩形,并求出所有两个矩形的交并比。假如该学生的交并概率显著小于班级内部的其他同学,进一步分析该学生日常学习过程中表情情绪,推断是否为可疑的孤立对象。
6.根据权利要求5所述的一种校园学生欺凌行为的识别方法,其特征在于,
学生识别模块通过抓可疑对象的人脸,提取人脸特征,搜索校内相似学生对象,确定可疑人员身份。
7.根据权利要求6所述的一种校园学生欺凌行为的识别方法,其特征在于,
分析结果输出模块通过消息推送的方式将结果发送给校内相关教师。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110370076.3A CN113128383A (zh) | 2021-04-07 | 2021-04-07 | 一种校园学生欺凌行为的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110370076.3A CN113128383A (zh) | 2021-04-07 | 2021-04-07 | 一种校园学生欺凌行为的识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113128383A true CN113128383A (zh) | 2021-07-16 |
Family
ID=76775126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110370076.3A Pending CN113128383A (zh) | 2021-04-07 | 2021-04-07 | 一种校园学生欺凌行为的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113128383A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822181A (zh) * | 2021-09-08 | 2021-12-21 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种基于肢体活跃度的行为心理异常检测方法 |
CN114387657A (zh) * | 2022-01-15 | 2022-04-22 | 尚二朝 | 一种基于人工智能的个人孤单值检测方法 |
CN114863352A (zh) * | 2022-07-07 | 2022-08-05 | 光谷技术有限公司 | 基于视频分析的人员群体行为监控方法 |
CN117315591A (zh) * | 2023-11-13 | 2023-12-29 | 安徽光谷智能科技股份有限公司 | 一种智慧校园安全监控预测管理系统 |
CN113822181B (zh) * | 2021-09-08 | 2024-05-24 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种基于肢体活跃度的行为心理异常检测方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508736A (zh) * | 2018-10-30 | 2019-03-22 | 航天信息股份有限公司 | 一种基于深度学习的监狱异常情况监测方法及监测系统 |
CN109871764A (zh) * | 2019-01-16 | 2019-06-11 | 深兰科技(上海)有限公司 | 一种异常行为识别方法、装置及存储介质 |
CN110532984A (zh) * | 2019-09-02 | 2019-12-03 | 北京旷视科技有限公司 | 关键点检测方法、手势识别方法、装置及系统 |
WO2020093837A1 (zh) * | 2018-11-07 | 2020-05-14 | 北京达佳互联信息技术有限公司 | 人体骨骼关键点的检测方法、装置、电子设备及存储介质 |
CN111738044A (zh) * | 2020-01-06 | 2020-10-02 | 西北大学 | 一种基于深度学习行为识别的校园暴力评估方法 |
CN111814601A (zh) * | 2020-06-23 | 2020-10-23 | 国网上海市电力公司 | 一种将目标检测与人体姿态估计相结合的视频分析方法 |
CN112163537A (zh) * | 2020-09-30 | 2021-01-01 | 中国科学院深圳先进技术研究院 | 一种行人异常行为检测方法、系统、终端以及存储介质 |
CN112487964A (zh) * | 2020-11-27 | 2021-03-12 | 深圳市维海德技术股份有限公司 | 姿态检测识别方法、设备及计算机可读存储介质 |
-
2021
- 2021-04-07 CN CN202110370076.3A patent/CN113128383A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109508736A (zh) * | 2018-10-30 | 2019-03-22 | 航天信息股份有限公司 | 一种基于深度学习的监狱异常情况监测方法及监测系统 |
WO2020093837A1 (zh) * | 2018-11-07 | 2020-05-14 | 北京达佳互联信息技术有限公司 | 人体骨骼关键点的检测方法、装置、电子设备及存储介质 |
CN109871764A (zh) * | 2019-01-16 | 2019-06-11 | 深兰科技(上海)有限公司 | 一种异常行为识别方法、装置及存储介质 |
CN110532984A (zh) * | 2019-09-02 | 2019-12-03 | 北京旷视科技有限公司 | 关键点检测方法、手势识别方法、装置及系统 |
CN111738044A (zh) * | 2020-01-06 | 2020-10-02 | 西北大学 | 一种基于深度学习行为识别的校园暴力评估方法 |
CN111814601A (zh) * | 2020-06-23 | 2020-10-23 | 国网上海市电力公司 | 一种将目标检测与人体姿态估计相结合的视频分析方法 |
CN112163537A (zh) * | 2020-09-30 | 2021-01-01 | 中国科学院深圳先进技术研究院 | 一种行人异常行为检测方法、系统、终端以及存储介质 |
CN112487964A (zh) * | 2020-11-27 | 2021-03-12 | 深圳市维海德技术股份有限公司 | 姿态检测识别方法、设备及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
MARIR, N 等: "Distributed Abnormal Behavior Detection Approach Based on Deep Belief Network and Ensemble SVM Using Spark", 《IEEE ACCESS》, 31 December 2018 (2018-12-31), pages 59657 - 59671 * |
孙嘉玉: "监控视频中异常事件检测的方法研究", 《中国优秀硕士学位论文全文数据库 社会科学Ⅰ辑》, 15 January 2020 (2020-01-15), pages 110 - 480 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822181A (zh) * | 2021-09-08 | 2021-12-21 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种基于肢体活跃度的行为心理异常检测方法 |
CN113822181B (zh) * | 2021-09-08 | 2024-05-24 | 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) | 一种基于肢体活跃度的行为心理异常检测方法 |
CN114387657A (zh) * | 2022-01-15 | 2022-04-22 | 尚二朝 | 一种基于人工智能的个人孤单值检测方法 |
CN114387657B (zh) * | 2022-01-15 | 2023-09-22 | 河南创为科技有限公司 | 一种基于人工智能的个人孤单值检测方法 |
CN114863352A (zh) * | 2022-07-07 | 2022-08-05 | 光谷技术有限公司 | 基于视频分析的人员群体行为监控方法 |
CN117315591A (zh) * | 2023-11-13 | 2023-12-29 | 安徽光谷智能科技股份有限公司 | 一种智慧校园安全监控预测管理系统 |
CN117315591B (zh) * | 2023-11-13 | 2024-03-22 | 安徽光谷智能科技股份有限公司 | 一种智慧校园安全监控预测管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113128383A (zh) | 一种校园学生欺凌行为的识别方法 | |
CN104166841B (zh) | 一种视频监控网络中指定行人或车辆的快速检测识别方法 | |
Gowsikhaa et al. | Suspicious Human Activity Detection from Surveillance Videos. | |
CN112216049A (zh) | 一种基于图像识别的施工警戒区监测预警系统及方法 | |
CN111312367A (zh) | 一种基于自适应云管理平台的校园人员异常心理预测方法 | |
CN110569772A (zh) | 一种泳池内人员状态检测方法 | |
CN106339657B (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
CN113223046B (zh) | 一种监狱人员行为识别的方法和系统 | |
Indi et al. | Detection of malpractice in e-exams by head pose and gaze estimation | |
CN108470424A (zh) | 一种基于图像特征的森林安全监测系统 | |
Fernández-Caballero et al. | INT3-Horus framework for multispectrum activity interpretation in intelligent environments | |
CN111353399A (zh) | 篡改视频检测方法 | |
CN116563797B (zh) | 一种用于智慧校园的监控管理系统 | |
CN114677754A (zh) | 行为识别方法、装置、电子设备及计算机可读存储介质 | |
CN112102129A (zh) | 一种基于学生端数据处理的智能考试作弊识别系统 | |
Hermina et al. | A Novel Approach to Detect Social Distancing Among People in College Campus | |
CN113111733B (zh) | 一种基于姿态流的打架行为识别方法 | |
CN111553264B (zh) | 一种适用于中小学生的校园非安全行为检测及预警方法 | |
CN111144260A (zh) | 一种翻越闸机的检测方法、装置及系统 | |
Mantini et al. | UHCTD: A comprehensive dataset for camera tampering detection | |
Zhang | The Understanding of Spatial-Temporal Behaviors | |
CN113743380B (zh) | 一种基于视频图像动态监测的主动跟踪方法 | |
KR20230064095A (ko) | 딥러닝 기반 영상분석을 통한 이상행동 탐지 장치 및 방법 | |
CN114429677A (zh) | 一种煤矿场景作业行为安全识别考核方法及系统 | |
Zaffar et al. | A Novel CNN-RNN Model for E-Cheating Detection Based on Video Surveillance |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210716 |
|
WD01 | Invention patent application deemed withdrawn after publication |