CN113239772B - 自助银行或atm环境中的人员聚集预警方法与系统 - Google Patents

自助银行或atm环境中的人员聚集预警方法与系统 Download PDF

Info

Publication number
CN113239772B
CN113239772B CN202110497333.XA CN202110497333A CN113239772B CN 113239772 B CN113239772 B CN 113239772B CN 202110497333 A CN202110497333 A CN 202110497333A CN 113239772 B CN113239772 B CN 113239772B
Authority
CN
China
Prior art keywords
early warning
frame
head
environment
shoulder
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
Application number
CN202110497333.XA
Other languages
English (en)
Other versions
CN113239772A (zh
Inventor
杨帆
王志强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiaoshi Technology Jiangsu Co ltd
Original Assignee
Nanjing Zhenshi Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Zhenshi Intelligent Technology Co Ltd filed Critical Nanjing Zhenshi Intelligent Technology Co Ltd
Priority to CN202110497333.XA priority Critical patent/CN113239772B/zh
Publication of CN113239772A publication Critical patent/CN113239772A/zh
Application granted granted Critical
Publication of CN113239772B publication Critical patent/CN113239772B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Emergency Alarm Devices (AREA)
  • Alarm Systems (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明提供一种自助银行或ATM环境中的人员聚集预警方法与系统，从自助银行或ATM环境中的视频采集装置采集的视频流中，按照设定的周期间隔提取帧图像；对获取的图像进行头肩检测，获得位于预设的预警规则框内的头肩数N1；对获取的图像进行人体检测，获得位于预设的预警规则框内的人体数N2；响应于头肩数N1大于人体数N2，则以头肩数N1为准，获取环境中人员聚集数N，否则以人体数N2为准，获取环境中人员聚集数N；以及响应于环境中人员聚集数N超过设定的预警阈值，生成报警信号。本发明综合使用人体检测和头肩检测技术进行人员聚集的预警，可有效提高指定区域内人员计数精度及场景的适应性。

Description

自助银行或ATM环境中的人员聚集预警方法与系统
技术领域
本发明涉及人脸识别技术领域，具体而言涉及一种自助银行或ATM环境中的人员聚集预警方法与系统。
背景技术
在自助银行或ATM环境中，多人聚集的情况可能对用户的安全造成一定的安全威胁，容易为违法犯罪分子或者不法行为创造出隐蔽的条件，因此在自助银行或ATM环境均对人员的数量和密度具有相对严格的控制要求，通过控制人员聚集减少和遏制危害的发生的风险。
现有的自助银行或ATM环境中通常布置有多个摄像头，通过计算机视觉技术进行智能分析和预警，针对多人聚集的分析，主要是分为两类，一类是基于整个人群的群体模式分析，通过建立人群特征与目标场景中人员数量之间的关系得到人群聚集的估计结果，另一类是基于个体特征的检测方法，以人体模式为研究对象，通过检测单个人员，最终统计得到人员个数。在基于个体特征的检测方法中，主要是采用人员头肩检测或人体检测的计数的方式。
但由于摄像机部署环境限制，例如部署的角度、高度和距离限制，在摄像机的视场内，如果摄像机中未拍摄到人员的头肩视频，如采用头肩检测技术，将不能进行指定区域中人员的准确计数。而人体检测相对于头肩检测来说，人体更容易出现遮挡和被遮挡的情况，如采用人体检测技术，将不能进行特定区域人员的准确计数。
发明内容
本发明目的在于提供一种自助银行或ATM环境中的人员聚集预警方法，综合使用人体检测和头肩检测技术进行人员聚集的预警，可有效提高指定区域内人员计数精度及场景的适应性。
本发明的第一方面提出一种自助银行或ATM环境中的人员聚集预警方法，包括以下步骤：
获取自助银行或ATM环境中的视频采集装置采集的视频流；
按照设定的周期间隔获取视频流中的一帧的图像；
对获取的图像进行头肩检测，获得位于预设的预警规则框内的头肩数N1；
对获取的图像进行人体检测，获得位于预设的预警规则框内的人体数N2；
响应于头肩数N1大于人体数N2，则以头肩数N1为准，获取环境中人员聚集数N，否则以人体数N2为准，获取环境中人员聚集数N；以及
响应于环境中人员聚集数N超过设定的预警阈值，生成报警信号。
优选地，所述设定的周期间隔被设置成按照以下方式确定：
判断环境中的光强值，并在光强值大于预设的光强阈值时，以第一时间周期间隔T1获取视频流中的一帧图像，以及在光强值小于等于预设的光强阈值时，以不同于第一时间周期间隔T1的第二时间周期间隔T2获取视频流中的一帧图像。
优选地，所述第二时间周期间隔T2的数值大于第一时间周期间隔T1的数值。
优选地，所述对获取的图像进行头肩检测，获得位于预设的预警规则框内的头肩数N1，包括：
使用预先训练好的头肩检测器检测获取的图像，获得每个头肩检测框的中心点，并判断每个头肩检测框的中心点是否在预警规则框内，如果位于预警规则框内，则累积头肩数，否则丢弃；由此得到的头肩的总累积数，作为位于预设的预警规则框内的头肩数N1。
优选地，所述对获取的图像进行人体检测，获得位于预设的预警规则框内的人体数N2，包括：
使用预先训练好的人体检测器检测获取的图像，获得每个人体检测框的中心点，并判断每个人体检测框的中心点是否在预警规则框内，如果位于预警规则框内，则累积人体数，否则丢弃；由此得到的人体的总累积数，作为位于预设的预警规则框内的人体数N2。
本发明的第二方面提出一种自助银行或ATM环境中的人员聚集预警系统，包括：
用于获取自助银行或ATM环境中的视频采集装置采集的视频流的装置；
用于按照设定的周期间隔获取视频流中的一帧的图像的装置；
用于对获取的图像进行头肩检测，获得位于预设的预警规则框内的头肩数N1的装置；
用于对获取的图像进行人体检测，获得位于预设的预警规则框内的人体数N2的装置；
用于响应于头肩数N1大于人体数N2，则以头肩数N1为准，获取环境中人员聚集数N，否则以人体数N2为准，获取环境中人员聚集数N的装置；以及
用于响应于环境中人员聚集数N超过设定的预警阈值，生成报警信号的装置。
优选地，所述设定的周期间隔被设置成按照以下方式确定：
判断环境中的光强值，并在光强值大于预设的光强阈值时，以第一时间周期间隔T1获取视频流中的一帧图像，以及在光强值小于等于预设的光强阈值时，以不同于第一时间周期间隔T1的第二时间周期间隔T2获取视频流中的一帧图像。
优选地，所述第二时间周期间隔T2的数值大于第一时间周期间隔T1的数值。
优选地，所述用于对获取的图像进行头肩检测，获得位于预设的预警规则框内的头肩数N1的装置，被设置成：
使用预先训练好的头肩检测器检测获取的图像，获得每个头肩检测框的中心点，并判断每个头肩检测框的中心点是否在预警规则框内，如果位于预警规则框内，则累积头肩数，否则丢弃；由此得到的头肩的总累积数，作为位于预设的预警规则框内的头肩数N1。
优选地，所述用于对获取的图像进行人体检测，获得位于预设的预警规则框内的人体数N2的装置，被设置成：
使用预先训练好的人体检测器检测获取的图像，获得每个人体检测框的中心点，并判断每个人体检测框的中心点是否在预警规则框内，如果位于预警规则框内，则累积人体数，否则丢弃；由此得到的人体的总累积数，作为位于预设的预警规则框内的人体数N2。
由以上本发明的各个方面的技术方案，其有益效果至少包括：
对于监控区域内的视频流按照预定周期提取1帧图片，同时进行头肩检测计数和人体检测计数，提高了人员计数的环境适应性和准确性，避免采用单一的检测方式，对人员计数的精度产生的影响。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
图1是本发明一个实施例提供的人群聚集预警方法的流程示意图。
图2是本发明一个实施例提供的人群聚集预警系统的结构框图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
结合图1所示的实施例的自助银行或ATM环境中的人员聚集预警方法，综合使用人体检测和头肩检测技术进行人员聚集的预警，可有效提高指定区域内人员计数精度及场景的适应性。在图1的示例中，其具体的处理过程包括以下步骤：
获取自助银行或ATM环境中的视频采集装置采集的视频流；
按照设定的周期间隔获取视频流中的一帧的图像；
对获取的图像进行头肩检测，获得位于预设的预警规则框内的头肩数N1；
对获取的图像进行人体检测，获得位于预设的预警规则框内的人体数N2；
响应于头肩数N1大于人体数N2，则以头肩数N1为准，获取环境中人员聚集数N，否则以人体数N2为准，获取环境中人员聚集数N；以及
响应于环境中人员聚集数N超过设定的预警阈值，生成报警信号。
由此，对监控区域的同1帧图片，同时进行头肩检测计数和人体检测计数，提高了人员计数的环境适应性，避免采用单一的检测方式，对人员计数的精度产生的影响。同时，还可以通过间隔帧数的调节，在保证人数统计精度的前提下，可显著减少计算资源消耗，从而可接入更多路数的摄像机进行视频分析，效率提高而成本降低。
在可选的实施例中，前述实施例中设定的周期间隔被设置成按照以下方式确定：
判断环境中的光强值，并在光强值大于预设的光强阈值时，以第一时间周期间隔T1获取视频流中的一帧图像，以及在光强值小于等于预设的光强阈值时，以不同于第一时间周期间隔T1的第二时间周期间隔T2获取视频流中的一帧图像。
尤其优选的实施例中，第二时间周期间隔T2的数值大于第一时间周期间隔T1的数值。由此，可通过光强感应获得环境光的强度，并据此调节间隔帧数，例如，针对于夜晚期间，相较于白天期间的采集频率，可降低采集和分析判断的频率，在夜晚期间可提高第二时间周期间隔T2的数值。
在本发明的实施例中，对获取的图像进行头肩检测，获得位于预设的预警规则框内的头肩数N1，包括：
使用预先训练好的头肩检测器检测获取的图像，获得每个头肩检测框的中心点，并判断每个头肩检测框的中心点是否在预警规则框内，如果位于预警规则框内，则累积头肩数，否则丢弃；由此得到的头肩的总累积数，作为位于预设的预警规则框内的头肩数N1。
作为可选的方式，头肩检测器可采用基于HOG特征的头肩检测算法训练得到，通过头肩检测器检测出图像中的头肩，并获得头肩检测框的顶点坐标，并由此获得头肩检测框的中心点。根据中心点的坐标可进一步判断其是否在预警检测框的范围内，如果在，则计数累加1，否则放弃对应的头肩，不计数。
前述的预警检测框，可在监控环境中通过预先现场检测的方式进行确定，从而确定出预警检测框的范围，即矩形框的四个顶点坐标，从而限定出其具体位置。
在另外的实施例中，头肩检测器还可以基于其他的头肩检测算法训练得到，例如基于HOG-LBP特征融合的头肩检测算法。
结合图1，对获取的图像进行人体检测，获得位于预设的预警规则框内的人体数N2，包括：
使用预先训练好的人体检测器检测获取的图像，获得每个人体检测框的中心点，并判断每个人体检测框的中心点是否在预警规则框内，如果位于预警规则框内，则累积人体数，否则丢弃；由此得到的人体的总累积数，作为位于预设的预警规则框内的人体数N2。
在可选的实施例中，人体检测器可采用基于CNN网络的人体检测算法训练得到，通过人体检测器检测出图像中的人体，并获得人体检测框的顶点坐标，并由此获得人体检测框的中心点。根据中心点的坐标可进一步判断其是否在预警检测框的范围内，如果在，则计数累加1，否则放弃对应的人体，不计数。
结合图1所示，根据本发明的实施例，还公开一种自助银行或ATM环境中的人员聚集预警系统，包括：
用于获取自助银行或ATM环境中的视频采集装置采集的视频流的装置，即视频获取装置；
用于按照设定的周期间隔获取视频流中的一帧的图像的装置，即图像提取装置；
用于对获取的图像进行头肩检测，获得位于预设的预警规则框内的头肩数N1的装置，即头肩检测与计数装置；
用于对获取的图像进行人体检测，获得位于预设的预警规则框内的人体数N2的装置，即人体检测与计数装置；
用于响应于头肩数N1大于人体数N2，则以头肩数N1为准，获取环境中人员聚集数N，否则以人体数N2为准，获取环境中人员聚集数N的装置，即人员聚集数获取装置；以及
用于响应于环境中人员聚集数N超过设定的预警阈值，生成报警信号的装置，即预警装置。
其中，所述设定的周期间隔被设置成按照以下方式确定：
判断环境中的光强值，并在光强值大于预设的光强阈值时，以第一时间周期间隔T1获取视频流中的一帧图像，以及在光强值小于等于预设的光强阈值时，以不同于第一时间周期间隔T1的第二时间周期间隔T2获取视频流中的一帧图像。
优选地，所述第二时间周期间隔T2的数值大于第一时间周期间隔T1的数值。
其中，所述用于对获取的图像进行头肩检测，获得位于预设的预警规则框内的头肩数N1的装置，被设置成：
使用预先训练好的头肩检测器检测获取的图像，获得每个头肩检测框的中心点，并判断每个头肩检测框的中心点是否在预警规则框内，如果位于预警规则框内，则累积头肩数，否则丢弃；由此得到的头肩的总累积数，作为位于预设的预警规则框内的头肩数N1。
其中，所述用于对获取的图像进行人体检测，获得位于预设的预警规则框内的人体数N2的装置，被设置成：
使用预先训练好的人体检测器检测获取的图像，获得每个人体检测框的中心点，并判断每个人体检测框的中心点是否在预警规则框内，如果位于预警规则框内，则累积人体数，否则丢弃；由此得到的人体的总累积数，作为位于预设的预警规则框内的人体数N2
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (10)

1.一种自助银行或ATM环境中的人员聚集预警方法，其特征在于，包括以下步骤：
获取自助银行或ATM环境中的视频采集装置采集的视频流；
按照设定的周期间隔获取视频流中的一帧的图像；
对获取的图像进行头肩检测，获得位于预设的预警规则框内的头肩数N1；
对获取的图像进行人体检测，获得位于预设的预警规则框内的人体数N2；
响应于头肩数N1大于人体数N2，则以头肩数N1为准，获取环境中人员聚集数N，否则以人体数N2为准，获取环境中人员聚集数N；以及
响应于环境中人员聚集数N超过设定的预警阈值，生成报警信号。
2.根据权利要求1所述的自助银行或ATM环境中的人员聚集预警方法，其特征在于，所述设定的周期间隔被设置成按照以下方式确定：
判断环境中的光强值，并在光强值大于预设的光强阈值时，以第一时间周期间隔T1获取视频流中的一帧图像，以及在光强值小于等于预设的光强阈值时，以不同于第一时间周期间隔T1的第二时间周期间隔T2获取视频流中的一帧图像。
3.根据权利要求2所述的自助银行或ATM环境中的人员聚集预警方法，其特征在于，所述第二时间周期间隔T2的数值大于第一时间周期间隔T1的数值。
4.根据权利要求1所述的自助银行或ATM环境中的人员聚集预警方法，其特征在于，所述对获取的图像进行头肩检测，获得位于预设的预警规则框内的头肩数N1，包括：
使用预先训练好的头肩检测器检测获取的图像，获得每个头肩检测框的中心点，并判断每个头肩检测框的中心点是否在预警规则框内，如果位于预警规则框内，则累积头肩数，否则丢弃；由此得到的头肩的总累积数，作为位于预设的预警规则框内的头肩数N1。
5.根据权利要求1所述的自助银行或ATM环境中的人员聚集预警方法，其特征在于，所述对获取的图像进行人体检测，获得位于预设的预警规则框内的人体数N2，包括：
使用预先训练好的人体检测器检测获取的图像，获得每个人体检测框的中心点，并判断每个人体检测框的中心点是否在预警规则框内，如果位于预警规则框内，则累积人体数，否则丢弃；由此得到的人体的总累积数，作为位于预设的预警规则框内的人体数N2。
6.一种自助银行或ATM环境中的人员聚集预警系统，其特征在于，包括：
用于获取自助银行或ATM环境中的视频采集装置采集的视频流的装置；
用于按照设定的周期间隔获取视频流中的一帧的图像的装置；
用于对获取的图像进行头肩检测，获得位于预设的预警规则框内的头肩数N1的装置；
用于对获取的图像进行人体检测，获得位于预设的预警规则框内的人体数N2的装置；
用于响应于头肩数N1大于人体数N2，则以头肩数N1为准，获取环境中人员聚集数N，否则以人体数N2为准，获取环境中人员聚集数N的装置；以及
用于响应于环境中人员聚集数N超过设定的预警阈值，生成报警信号的装置。
7.根据权利要求6所述的自助银行或ATM环境中的人员聚集预警系统，其特征在于，所述设定的周期间隔被设置成按照以下方式确定：
判断环境中的光强值，并在光强值大于预设的光强阈值时，以第一时间周期间隔T1获取视频流中的一帧图像，以及在光强值小于等于预设的光强阈值时，以不同于第一时间周期间隔T1的第二时间周期间隔T2获取视频流中的一帧图像。
8.根据权利要求7所述的自助银行或ATM环境中的人员聚集预警系统，其特征在于，所述第二时间周期间隔T2的数值大于第一时间周期间隔T1的数值。
9.根据权利要求6所述的自助银行或ATM环境中的人员聚集预警系统，其特征在于，所述用于对获取的图像进行头肩检测，获得位于预设的预警规则框内的头肩数N1的装置，被设置成：
使用预先训练好的头肩检测器检测获取的图像，获得每个头肩检测框的中心点，并判断每个头肩检测框的中心点是否在预警规则框内，如果位于预警规则框内，则累积头肩数，否则丢弃；由此得到的头肩的总累积数，作为位于预设的预警规则框内的头肩数N1。
10.根据权利要求6所述的自助银行或ATM环境中的人员聚集预警系统，其特征在于，所述用于对获取的图像进行人体检测，获得位于预设的预警规则框内的人体数N2的装置，被设置成：
使用预先训练好的人体检测器检测获取的图像，获得每个人体检测框的中心点，并判断每个人体检测框的中心点是否在预警规则框内，如果位于预警规则框内，则累积人体数，否则丢弃；由此得到的人体的总累积数，作为位于预设的预警规则框内的人体数N2。
CN202110497333.XA 2021-05-07 2021-05-07 自助银行或atm环境中的人员聚集预警方法与系统 Active CN113239772B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110497333.XA CN113239772B (zh) 2021-05-07 2021-05-07 自助银行或atm环境中的人员聚集预警方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110497333.XA CN113239772B (zh) 2021-05-07 2021-05-07 自助银行或atm环境中的人员聚集预警方法与系统

Publications (2)

Publication Number Publication Date
CN113239772A CN113239772A (zh) 2021-08-10
CN113239772B true CN113239772B (zh) 2022-09-06

Family

ID=77132308

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110497333.XA Active CN113239772B (zh) 2021-05-07 2021-05-07 自助银行或atm环境中的人员聚集预警方法与系统

Country Status (1)

Country Link
CN (1) CN113239772B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113887372B (zh) * 2021-09-27 2024-09-27 厦门汇利伟业科技有限公司 目标聚集检测方法及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295470A (zh) * 2015-05-21 2017-01-04 北京文安智能技术股份有限公司 一种银行自助服务区预警监测方法、装置及系统
WO2019210555A1 (zh) * 2018-05-04 2019-11-07 深圳技术大学（筹） 一种基于深度神经网络的人数统计方法及装置、存储介质
CN110555397A (zh) * 2019-08-21 2019-12-10 武汉大千信息技术有限公司 一种人群态势分析方法
CN110889339A (zh) * 2019-11-12 2020-03-17 南京甄视智能科技有限公司 基于头肩检测的危险区域分级预警方法与系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106295470A (zh) * 2015-05-21 2017-01-04 北京文安智能技术股份有限公司 一种银行自助服务区预警监测方法、装置及系统
WO2019210555A1 (zh) * 2018-05-04 2019-11-07 深圳技术大学（筹） 一种基于深度神经网络的人数统计方法及装置、存储介质
CN110555397A (zh) * 2019-08-21 2019-12-10 武汉大千信息技术有限公司 一种人群态势分析方法
CN110889339A (zh) * 2019-11-12 2020-03-17 南京甄视智能科技有限公司 基于头肩检测的危险区域分级预警方法与系统

Also Published As

Publication number Publication date
CN113239772A (zh) 2021-08-10

Similar Documents

Publication Publication Date Title
CN105141885B (zh) 进行视频监控的方法及装置
JP6549797B2 (ja) 通行人の頭部識別方法及びシステム
CN106128022B (zh) 一种智慧金睛识别暴力动作报警方法
CN110648352B (zh) 一种异常事件的检测方法、装置及电子设备
CN101465033B (zh) 一种自动追踪识别系统及方法
CN108319926A (zh) 一种工地现场的安全帽佩戴检测系统及检测方法
CN102306304B (zh) 人脸遮挡物识别方法及其装置
CN102521578B (zh) 一种入侵检测和识别方法
CN103824070B (zh) 一种基于计算机视觉的快速行人检测方法
WO2014092552A2 (en) Method for non-static foreground feature extraction and classification
CN107657244B (zh) 一种基于多摄像机的人体跌倒行为检测系统及其检测方法
CN106210634A (zh) 一种智慧金睛识别人员倒地报警方法和装置
CN106128053A (zh) 一种智慧金睛识别人员逗留徘徊报警方法和装置
CN109711318B (zh) 一种基于视频流的多人脸检测与跟踪方法
CN109830078B (zh) 适用于狭小空间的智能行为分析方法及智能行为分析设备
CN111091098A (zh) 检测模型的训练方法、检测方法及相关装置
CN111325048B (zh) 一种人员聚集检测方法和装置
JPWO2014050518A1 (ja) 情報処理装置、情報処理方法および情報処理プログラム
CN108802758A (zh) 一种基于激光雷达的智能安防监控装置、方法和系统
CN106127814A (zh) 一种智慧金睛识别人员聚集打斗报警方法和装置
KR20190046351A (ko) 침입 탐지방법 및 그 장치
CN109598706A (zh) 一种摄像机镜头遮挡检测方法及系统
CN112235537A (zh) 一种变电站现场作业安全预警方法
CN109034038A (zh) 一种基于多特征融合的火灾识别装置
KR101454644B1 (ko) 보행자 추적기를 이용한 서성거림을 탐지하는 방법

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
CP01 Change in the name or title of a patent holder

Address after: No.568 longmian Avenue, gaoxinyuan, Jiangning District, Nanjing City, Jiangsu Province, 211000

Patentee after: Xiaoshi Technology (Jiangsu) Co.,Ltd.

Address before: No.568 longmian Avenue, gaoxinyuan, Jiangning District, Nanjing City, Jiangsu Province, 211000

Patentee before: NANJING ZHENSHI INTELLIGENT TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder