CN113158724A - 一种监控方法及系统 - Google Patents
一种监控方法及系统 Download PDFInfo
- Publication number
- CN113158724A CN113158724A CN202011563815.2A CN202011563815A CN113158724A CN 113158724 A CN113158724 A CN 113158724A CN 202011563815 A CN202011563815 A CN 202011563815A CN 113158724 A CN113158724 A CN 113158724A
- Authority
- CN
- China
- Prior art keywords
- tracking
- staff
- monitoring area
- state
- attribute
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 36
- 238000002372 labelling Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 21
- 208000006440 Open Bite Diseases 0.000 claims 1
- 238000005457 optimization Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
本发明公开了一种监控方法及系统,本发明方法包括S1、设置跟踪监控区域;S2、采集进入到跟踪监控区域工作人员的图像信息;S3、通过目标检测框架对采集的图像信息进行分析,获得每个工作人员的人员特征信息;S4、将目标检测框架分析的人员特征信息导入到目标跟踪模型中,对每个工作人员进行标注;S5、在跟踪监控区域内进行跟踪拍摄,获取工作人员的属性特征状态。本发明的系统包括图像采集模块、目标检测框架和目标跟踪模型。本发明设置位于厨房工作区域之外的跟踪监控区域,并通过设置目标检测框架加目标跟踪模型对进入到跟踪监控区域的工作人员进行跟踪检测,避免因遮挡未检测正确的属性特征而发出警报的情况发生。
Description
技术领域
本发明涉及图像处理技术领域,具体地说是一种监控方法及系统。
背景技术
随着人们消费水平的越来越高以及传播介质的平民化和大众化,时常会爆出后厨人员的着装、操作不规范问题,会给餐饮店带来巨大的舆论压力,也会对该店的声誉造成较大的影响,因此对于餐饮店来讲,加强后厨人员的监管变得越来越重要,对于传统餐饮店来讲,通过定时查看或者引入监控的方式进行监管,这种方式完全依靠人眼判断,不仅效率低,而且人眼也无法做到紧盯着屏幕,因此其监管方式落后,监管效率低下。
现在随着图像处理技术的成熟,将带有图像处理技术的监控摄像引入到后厨的违规行为的监管是代替传统监控的主要方式,但是现在的图像处理技术也存在一定的缺陷,如公开号为CN110717448A的中国专利申请公开了一种食堂后厨智能管理系统,并具体公开了以下技术内容:包括后厨智能分析模块以及与所述后厨智能分析模块相连接的配置模块、图像采集模块、告警模块,所述配置模块用于人员、设备、考勤、违规配置以及与所述后厨智能分析模块进行信息交互,所述图像采集模块用于实时从前端摄像头采集图像。本发明中,通过对采集的实时视频图像进行分析,对食堂后厨进行实时监测,在工作时间,当出现工作人员出现违规行为,后厨智能分析服务可以快速准确的识别到违规行为,并通过告警模块进行告警展示。从而对食堂后厨安全和卫生起到实时监督作用。并对违规类型进行分类统计,从而有效识别哪些行为是易违规行为,帮助后厨人员进行提示改正。上述技术方案通过图像识别技术对监控采集的工作人员的图像进行分析,进而对工作人员的违规动作进行识别警报,代替人眼识别,识别效率更高,但是工作人员在后厨中的活动并不能被监控完全覆盖到,当出现检测项目被遮挡时,如工作人员在后厨中应正确佩戴口罩,但是因工作人员转头和低头时,采集的图像中由于检测不到口罩就会发生误报。而且在上述技术方案中,由于一次的检测错误也会引起误报,因此上述技术方案在实际应用中,实用性较差,易发生误报情况。
公开号为CN11079806A的中国专利申请公开了一种后厨卫生的监控方法及系统,并具体公开了以下技术内容:首先将后厨的规范图像和工作时的图像输入到深度神经网络训练两个识别模型,监控时,将后厨的图像输入到训练好的两个识别模型进行识别得到识别结果,然后将识别结果输入到评分模块行评分,所得评分的平均值即为后厨当时状态的评分,将评分输入终端展现给用户,用户则能直观的看到后厨的卫生状况。整个过程客观公正,不存在人为造假的可能性,对后厨的卫生有良好的监督,并能起到很好的改进作用。该技术方案相对于前一个技术方案来讲,通过设置两个识别模型,能够大大降低错误识别率,但是该技术方案仍没有解决因遮挡出现的误报问题。
发明内容
本发明的目的是针对以上不足,提供一种监控方法,用于避免在视频监控过程对于采集的图像出现误报的现象,还提供一种采用上述方法的违规行为监控系统。
本发明所采用技术方案是:
一种监控方法,包括如下步骤:
S1、设置跟踪监控区域;
S2、采集进入到跟踪监控区域工作人员的图像信息;
S3、通过目标检测框架对采集的图像信息进行分析,获得每个工作人员的人员特征信息;
S4、将目标检测框架分析的人员特征信息导入到目标跟踪模型中,对每个工作人员进行标注;
S5、在跟踪监控区域内进行跟踪拍摄,获取工作人员的属性特征状态;
S6、当工作人员目标离开跟踪监控区域时,对每个工作人员的属性特征状态进行判定,当工作人员的属性特征状态满足判定要求时,允许该工作人员进入工作监控区域,当工作人员的属性特征状态不满足判定要求时,不允许该工作人员进入工作监控区域,并发出警报。
作为对本发明方法的进一步的优化,本发明步骤S1中,所述跟踪监控区域设置在进入工作监控区域前的一定长度的通道内,该通道内设置图像采集模块进行工作人员的图像采集。
作为对本发明方法的进一步的优化,本发明步骤S3中,所述目标检测框架为训练好的YOLOv4框架。
作为对本发明方法的进一步的优化,本发明步骤S4中,所述目标跟踪模型采用DeepSORT模型,DeepSORT模型会对导入的每个工作人员的人员特征信息分配人员ID进行标注。
作为对本发明方法的进一步的优化,本发明步骤S5中,将上述属性特征状态标记到每个人员ID上,在属性判定的过程中时,满足判定条件为合格项,不满足判定条件为不合格项,每个属性特征状态的合格项标记为1,不合格项标记为0。
作为对本发明方法的进一步的优化,本发明步骤S6中,当因遮挡过程中,所检测的工作人员的属性特征状态不满足要求时,通过轨迹跟踪与在前的检测状态进行对比,当在前的检测状态下的无遮挡状态时的检测状态满足判定条件,该过程不会报警。
本发明还提供一种后厨违规行为监控系统,包括图像采集模块、目标检测框架和目标跟踪模型,其中:
所述图像采集模块用于在跟踪监控区域内采集工作人员的图像信息;
所述目标检测框架用于对采集的工作人员的图像信息进行特征分析,获取每个工作人员的人员特征信息,并将分析的人员特征信息导入至目标跟踪模型内;
所述目标跟踪模型用于将根据导入的人员特征信息对工作人员进行跟踪检测,并在工作人员离开跟踪监控区域时,对工作人员的属性特征状态进行判定,满足判定要求时,允许该工作人员进入到工作监控区域,当不满足判定要求时,不允许该工作人员进入到工作监控区域内。
作为对本发明系统的进一步的优化,本发明所述目标检测框架采用YOLOv4 框架。
作为对本发明系统的进一步的优化,本发明所述目标跟踪模型采用DeepSORT模型,DeepSORT模型会对导入的每个工作人员的人员特征信息分配人员ID进行标注。
作为对本发明系统的进一步的优化,本发明上述属性特征状态标记到每个人员ID上,在属性判定的过程中时,每个属性特征状态的合格项标记为1,不合格项标记为0。
本发明具有以下优点:
本发明设置位于工作区域之外的跟踪监控区域,工作人员在进入到工作区域时,需要先经过跟踪监控区域,并通过设置目标检测框架加目标跟踪模型对进入到跟踪监控区域的工作人员进行跟踪检测,如果工作人员在进入到跟踪监控区域内时,检测到工作人员的属性特征是否满足条件,但是由于工作人员在行进的过程,由于自身动作或者外部原因导致无法正确检测到正确的属性特征时,通过轨迹检测到在前的检测的属性正常时,则不会因此发出警报,避免了误报的情况发生。在上述过程中,检测方式为过程判断,整个过程以工作人员进入跟踪监控区域为开始,到工作人员离开跟踪监控区域为结束,当工作人员离开跟踪监控区域时,目标跟踪算法通过对该过程中的工作人员的穿戴情况进行综合判定,综合判定的方式即纠正单次检测过程中发现未满足判定条件时就要报警的情况,避免遮挡情况引起的误报警的情况发生。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,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。
下面结合附图对本发明进一步说明:
图1为本发明的方法的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互结合。
需要理解的是,在本发明实施例的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。在本发明实施例中的“多个”,是指两个或两个以上。
本发明实施例中的属于“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,单独存在B,同时存在A和B这三种情况。另外,本文中字符“/”一般表示前后关联对象是一种“或”关系。
本实施例提供一种监控方法,如图1所示,包括如下步骤:
S1、设置跟踪监控区域,所述跟踪监控区域设置在厨房前的一定长度的通道内,该跟踪监控区域即为图像采集模块的覆盖区域,该图像图像采集模块应至少设置有一组摄像头,可以通过多组摄像头的设置延长跟踪监控区域的覆盖范围;
S2、通过上述图像采集模块采集进入到跟踪监控区域工作人员的图像信息;
S3、通过目标检测框架对采集的图像信息进行分析,获得每个工作人员的人员特征信息,所述目标检测框架择优选择为YOLOv4框架,YOLOv4框架在精度和每秒帧率上均存在明显提升,能够降低错误检测率;
S4、将目标检测框架分析的人员特征信息导入到目标跟踪模型中,对每个导入的人员特征信息分配人员ID;所述目标跟踪模型采用DeepSORT模型,所述DeepSORT模型能够实现多目标的跟踪,实现对多个人同时进入到跟踪监控区域内的跟踪检测;
S5、在跟踪监控区域内进行跟踪拍摄,获取工作人员的属性特征状态;本实施例中所提到的属性特征状态在应用到不同的场景中,如加工车间、厨房等,其代表的含义以及包括状态项目均会存在差异,可根据具体使用场景进行具体设置,将上述属性特征状态标记到每个人员ID上,在属性判定的过程中时,每个属性特征状态的合格项标记为1,不合格项标记为0;但是工作人员行进过程中,动作相对随意,会出现对属性特征遮挡的状态,如在扭头的过程中,图像采集模块拍摄的视频、图像信息中未存在检测内容,所检测的工作人员的属性特征状态不满足要求时,通过轨迹跟踪与在前的检测状态进行对比,当在前的检测状态下的无遮挡状态时的检测状态满足判定条件,该过程不会报警。
S6、当工作人员目标离开跟踪监控区域时,对每个工作人员的在跟踪监控区域内的属性特征状态进行综合判定,可以在进入厨房区域处设置门禁,当工作人员的属性特征状态满足判定要求时,允许该工作人员进入工作监控区域,当工作人员的属性特征状态不满足判定要求时,不允许该工作人员进入工作监控区域,并发出警报。
依据上述方法,本实施例还提供一种用于实现上述方法的监控系统,包括图像采集模块、目标检测框架和目标跟踪模型,其中:
所述图像采集模块用于在跟踪监控区域内采集工作人员的图像信息;
所述目标检测框架用于对采集的工作人员的图像信息进行特征分析,获取每个工作人员的人员特征信息,并将分析的人员特征信息导入至目标跟踪模型内,所述目标检测框架择优选择为YOLOv4框架,YOLOv4框架在精度和每秒帧率上均存在明显提升,能够降低错误检测率;
所述目标跟踪模型用于将根据导入的人员特征信息对工作人员进行跟踪检测,所述目标跟踪模型采用DeepSORT模型,DeepSORT模型会对导入的每个工作人员的人员特征信息分配人员ID进行标注,将上述属性特征状态标记到每个人员ID上,在属性判定的过程中时,每个属性特征状态的合格项标记为1,不合格项标记为0,并在工作人员离开跟踪监控区域时,对工作人员的属性特征状态进行判定,满足判定要求时,允许该工作人员进入到工作监控区域,当不满足判定要求时,不允许该工作人员进入到工作监控区域内。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (10)
1.一种监控方法,其特征在于:包括如下步骤:
S1、设置跟踪监控区域;
S2、采集进入到跟踪监控区域工作人员的图像信息;
S3、通过目标检测框架对采集的图像信息进行分析,获得每个工作人员的人员特征信息;
S4、将目标检测框架分析的人员特征信息导入到目标跟踪模型中,对每个工作人员进行标注;
S5、在跟踪监控区域内进行跟踪拍摄,获取工作人员的属性特征状态;
S6、当工作人员目标离开跟踪监控区域时,对每个工作人员的属性特征状态进行综合判定,当工作人员的属性特征状态满足判定要求时,允许该工作人员进入工作监控区域,当工作人员的属性特征状态不满足判定要求时,不允许该工作人员进入工作监控区域,并发出警报。
2.根据权利要求1所述的监控方法,其特征在于:步骤S1中,所述跟踪监控区域设置在进入工作监控区域前的一定长度的通道内,该通道内设置图像采集模块进行工作人员的图像采集。
3.根据权利要求1所述的监控方法,其特征在于:步骤S3中,所述目标检测框架为训练好的YOLOv4框架。
4.根据权利要求3所述的监控方法,其特征在于:步骤S4中,所述目标跟踪模型采用DeepSORT模型,DeepSORT模型会对导入的每个工作人员的人员特征信息分配人员ID进行标注。
5.根据权利要求4所述的监控方法,其特征在于:步骤S5中,将上述属性特征状态标记到每个人员ID上,在属性判定的过程中时,满足判定条件为合格项,不满足判定条件为不合格项,每个属性特征状态的合格项标记为1,不合格项标记为0。
6.根据权利要求5所述的监控方法,其特征在于:步骤S6中,当因遮挡过程中,所检测的工作人员的属性特征状态不满足要求时,通过轨迹跟踪与在前的检测状态进行对比,当在前的检测状态下的无遮挡状态时的检测状态满足判定条件,该过程不会报警。
7.一种监控系统,其特征在于:包括图像采集模块、目标检测框架和目标跟踪模型,其中:
所述图像采集模块用于在跟踪监控区域内采集工作人员的图像信息;
所述目标检测框架用于对采集的工作人员的图像信息进行特征分析,获取每个工作人员的人员特征信息,并将分析的人员特征信息导入至目标跟踪模型内;
所述目标跟踪模型用于将根据导入的人员特征信息对工作人员进行跟踪检测,并在工作人员离开跟踪监控区域时,对工作人员的属性特征状态进行判定,满足判定要求时,允许该工作人员进入到工作监控区域,当不满足判定要求时,不允许该工作人员进入到工作监控区域内。
8.根据权利要求7所述的监控系统,其特征在于:所述目标检测框架采用YOLOv4框架。
9.根据权利要求8所述的监控系统,其特征在于:所述目标跟踪模型采用DeepSORT模型,DeepSORT模型会对导入的每个工作人员的人员特征信息分配人员ID进行标注。
10.根据权利要求9所述的监控系统,其特征在于:上述属性特征状态标记到每个人员ID上,在属性判定的过程中时,每个属性特征状态的合格项标记为1,不合格项标记为0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011563815.2A CN113158724A (zh) | 2020-12-25 | 2020-12-25 | 一种监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011563815.2A CN113158724A (zh) | 2020-12-25 | 2020-12-25 | 一种监控方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113158724A true CN113158724A (zh) | 2021-07-23 |
Family
ID=76878035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011563815.2A Pending CN113158724A (zh) | 2020-12-25 | 2020-12-25 | 一种监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113158724A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435429A (zh) * | 2021-08-27 | 2021-09-24 | 广东电网有限责任公司中山供电局 | 一种基于现场作业监控视频的多目标检测和跟踪系统 |
CN114726840A (zh) * | 2022-03-30 | 2022-07-08 | 慧之安信息技术股份有限公司 | 基于边缘计算的餐厅后厨安全检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400117A (zh) * | 2013-07-29 | 2013-11-20 | 电子科技大学 | 一种基于计算机视觉的井下人员定位跟踪方法 |
CN107292233A (zh) * | 2017-05-16 | 2017-10-24 | 开易(北京)科技有限公司 | 辅助驾驶中基于部件的行人检测和基于特征的跟踪方法、系统 |
CN107564034A (zh) * | 2017-07-27 | 2018-01-09 | 华南理工大学 | 一种监控视频中多目标的行人检测与跟踪方法 |
CN110348348A (zh) * | 2019-06-30 | 2019-10-18 | 华中科技大学 | 一种参建人员进场身份快速识别方法及预警系统 |
CN110942545A (zh) * | 2019-11-20 | 2020-03-31 | 中船重工(武汉)凌久高科有限公司 | 基于人脸识别和视频围栏的人员密集出入口门禁控制系统及方法 |
CN111460884A (zh) * | 2020-02-09 | 2020-07-28 | 天津博宜特科技有限公司 | 基于人体跟踪的多人脸识别方法 |
CN111800507A (zh) * | 2020-07-06 | 2020-10-20 | 湖北经济学院 | 一种交通监控方法及交通监控系统 |
-
2020
- 2020-12-25 CN CN202011563815.2A patent/CN113158724A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400117A (zh) * | 2013-07-29 | 2013-11-20 | 电子科技大学 | 一种基于计算机视觉的井下人员定位跟踪方法 |
CN107292233A (zh) * | 2017-05-16 | 2017-10-24 | 开易(北京)科技有限公司 | 辅助驾驶中基于部件的行人检测和基于特征的跟踪方法、系统 |
CN107564034A (zh) * | 2017-07-27 | 2018-01-09 | 华南理工大学 | 一种监控视频中多目标的行人检测与跟踪方法 |
CN110348348A (zh) * | 2019-06-30 | 2019-10-18 | 华中科技大学 | 一种参建人员进场身份快速识别方法及预警系统 |
CN110942545A (zh) * | 2019-11-20 | 2020-03-31 | 中船重工(武汉)凌久高科有限公司 | 基于人脸识别和视频围栏的人员密集出入口门禁控制系统及方法 |
CN111460884A (zh) * | 2020-02-09 | 2020-07-28 | 天津博宜特科技有限公司 | 基于人体跟踪的多人脸识别方法 |
CN111800507A (zh) * | 2020-07-06 | 2020-10-20 | 湖北经济学院 | 一种交通监控方法及交通监控系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113435429A (zh) * | 2021-08-27 | 2021-09-24 | 广东电网有限责任公司中山供电局 | 一种基于现场作业监控视频的多目标检测和跟踪系统 |
CN114726840A (zh) * | 2022-03-30 | 2022-07-08 | 慧之安信息技术股份有限公司 | 基于边缘计算的餐厅后厨安全检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11729347B2 (en) | Video surveillance system, video processing apparatus, video processing method, and video processing program | |
CN106203458B (zh) | 人群视频分析方法及系统 | |
WO2022011828A1 (zh) | 出入电梯物件检测系统及方法、物件检测系统、电梯光幕以及电梯设备 | |
Troscianko et al. | What happens next? The predictability of natural behaviour viewed through CCTV cameras | |
CN113158724A (zh) | 一种监控方法及系统 | |
CN209543514U (zh) | 基于人脸识别的监控与报警系统 | |
CN110705482A (zh) | 一种基于视频ai智能分析的人员行为告警提示系统 | |
CN112488483A (zh) | 一种基于ai技术的ehs透明管理系统及管理方法 | |
CN109867186B (zh) | 一种基于智能视频分析技术的电梯困人检测方法及系统 | |
CN110633697A (zh) | 一种厨房卫生智能监控方法 | |
CN109389794A (zh) | 一种智能化视频监控方法和系统 | |
CN107920223A (zh) | 一种对象行为检测方法及装置 | |
CN113411542A (zh) | 一种智能化的工作状况监测设备 | |
CN104820834A (zh) | 一种斗殴预警方法及装置 | |
CN114821483B (zh) | 应用于监控视频的可测温的监视方法及系统 | |
JP5088463B2 (ja) | 監視システム | |
CN113313895B (zh) | 一种楼宇逃生自适应导向系统及其控制方法 | |
CN113313186A (zh) | 一种不规范穿戴工作服识别方法及系统 | |
CN110505438A (zh) | 一种排队数据的获取方法和摄像机 | |
CN210038881U (zh) | 防跟随人脸识别管理系统 | |
CN109460714B (zh) | 识别对象的方法、系统和装置 | |
CN115376071A (zh) | 一种餐饮行业工作人员作业规范的图像识别方法 | |
CN111126100A (zh) | 报警方法、装置、电子设备及存储介质 | |
CN113516691A (zh) | 一种基于机器视觉的高空抛物检测系统 | |
CN113486776A (zh) | 用于监测市场内部人员口罩佩戴情况的方法和系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |
|
RJ01 | Rejection of invention patent application after publication |