CN113239826A - 一种安防预警方法、装置、介质及终端设备 - Google Patents
一种安防预警方法、装置、介质及终端设备 Download PDFInfo
- Publication number
- CN113239826A CN113239826A CN202110545920.1A CN202110545920A CN113239826A CN 113239826 A CN113239826 A CN 113239826A CN 202110545920 A CN202110545920 A CN 202110545920A CN 113239826 A CN113239826 A CN 113239826A
- Authority
- CN
- China
- Prior art keywords
- target
- security
- early warning
- target person
- clothing
- 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
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种安防预警方法,包括:获取视频监控数据,对视频监控数据进行图像转化,得到多张监控图像;根据预设规则对监控图像中的可疑人物进行捕捉,得到目标人物;对目标人物进行人脸识别,当人脸识别失败时,对目标人物的穿着服饰进行识别,得到目标服饰特征;将目标服饰特征通过消防服特征库进行匹配,当匹配一致时,则确定目标人物的穿着服饰为消防服;否则,触发安防预警信号;本技术方案可以避免穿着消防服的安全人员被视频监控系统误判断为可疑人物而发出误报;解决了消防站应用场景中,视频监控系统对穿戴消防服的消防战士进行误判断的缺陷问题,从而提高消防站应用场景中视频监控系统的安防预警准确率。
Description
技术领域
本发明涉及安防预警技术领域,尤其涉及一种安防预警方法、装置、介质及终端设备。
背景技术
随着智能化行业的快速发展,安防管理也由过去的特殊行业应用到现在的各种各样的普通行业,而如何利用计算机信息技术实现大数据安防是目前不断在发展的方向。
视频监控系统是目前使用最多最广泛的安防系统之一,通过摄像机对监控区域的视频图像进行采集,其中传统的视频监控系统主要起到记录的作用,无法对可疑人物与危险状况进行预告,而现有技术中很多利用人脸识别系统实现对监控区域人物身份的识别,从而能够及时发现可疑人物与目标人物。然而,在一些特殊的应用场景中,例如消防站,消防战士在日常训练中,需要穿戴全套或部分消防服,无法识别人脸。此时,视频监控系统可能会对穿戴消防服的消防战士进行误判断为可疑人物,从而发出误报。
因此,目前亟需一种安防预警策略,可以解决消防站应用场景中,视频监控系统对穿戴消防服的消防战士进行误判断的缺陷问题,提高安防预警准确率。
发明内容
本发明提供了一种安防预警方法,可以提高消防站应用场景中视频监控系统的安防预警准确率。
为了解决上述技术问题,本发明实施例提供了一种安防预警方法,包括:
获取视频监控数据,对所述视频监控数据进行图像转化,得到多张监控图像;
根据预设规则对所述监控图像中的可疑人物进行捕捉,得到目标人物;
对所述目标人物进行人脸识别,当人脸识别失败时,对目标人物的穿着服饰进行识别,得到目标服饰特征;
将所述目标服饰特征通过消防服特征库进行匹配,当匹配一致时,则确定所述目标人物的穿着服饰为消防服;否则,触发安防预警信号;其中,所述消防服特征库储存有消防服特征数据。
作为优选方案,所述对所述视频监控数据进行图像转化的步骤中,包括:
以帧为单位对所述视频监控数据进行图像截取,得到多张原始图像;
对所述原始图像进行归一化处理,得到归一化图像;
对所述归一化图像进行二值化处理,得到监控图像。
作为优选方案,所述对目标人物的穿着服饰进行识别,得到目标服饰特征的步骤中,包括:
对所述目标人物进行划分轮廓,并确定目标人物的关节点,将所述关节点标注在所述轮廓上;
以所述轮廓上各个的关节点为圆心向外扩展预设阈值的范围为识别范围,并对所述识别范围内的目标服饰进行特征提取,得到目标服饰特征。
作为优选方案,所述预设规则包括目标人物的移动速度和出现的位置。
作为优选方案,所述安防预警方法还包括:
接收消防服特征数据,对所述消防服特征库进行更新。
作为优选方案,在所述触发安防预警信号之前,还包括:
获取目标人物的步态特征,得到目标步态特征集;
将所述目标步态特征集通过步态特征库进行匹配,当匹配不一致时,则触发安防预警信号;其中,所述目标步态特征集储存有消防站内安全人员的步态特征集。
作为优选方案,所述安防预警方法还包括:
接收安全人员的步态特征集,对所述步态特征库进行更新。
本发明另一实施例还提供了一种安防预警装置,包括:
图像转化模块,用于获取视频监控数据,对所述视频监控数据进行图像转化,得到多张监控图像;
目标捕捉模块,用于根据预设规则对所述监控图像中的可疑人物进行捕捉,得到目标人物;
特征识别模块,用于对所述目标人物进行人脸识别,当人脸识别失败时,对目标人物的穿着服饰进行识别,得到目标服饰特征;
匹配预警模块,用于将所述目标服饰特征通过消防服特征库进行匹配,当匹配一致时,则确定所述目标人物的穿着服饰为消防服;否则,触发安防预警信号;其中,所述消防服特征库储存有消防服特征数据。
作为优选方案,所述图像转化模块用于对所述视频监控数据进行图像转化的步骤中,包括:以帧为单位对所述视频监控数据进行图像截取,得到多张原始图像;对所述原始图像进行归一化处理,得到归一化图像;对所述归一化图像进行二值化处理,得到监控图像。
作为优选方案,所述特征识别模块用于对目标人物的穿着服饰进行识别,得到目标服饰特征的步骤中,包括:对所述目标人物进行划分轮廓,并确定目标人物的关节点,将所述关节点标注在所述轮廓上;以所述轮廓上各个的关节点为圆心向外扩展预设阈值的范围为识别范围,并对所述识别范围内的目标服饰进行特征提取,得到目标服饰特征。
作为优选方案,所述预设规则包括目标人物的移动速度和出现的位置。
作为优选方案,所述安防预警装置还包括:第一更新模块,用于接收消防服特征数据,对所述消防服特征库进行更新。
作为优选方案,所述匹配预警模块用于触发安防预警信号之前,还用于:获取目标人物的步态特征,得到目标步态特征集;将所述目标步态特征集通过步态特征库进行匹配,当匹配不一致时,则触发安防预警信号;其中,所述目标步态特征集储存有消防站内安全人员的步态特征集。
作为优选方案,所述安防预警装置还包括:第二更新模块,用于接收安全人员的步态特征集,对所述步态特征库进行更新。
本发明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包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如上述任一项所述的安防预警方法。
本发明实施例还提供了一种终端设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如上述任一项所述的安防预警方法。
相比于现有技术,本发明实施例具有如下有益效果:
本发明技术方案通过对捕捉到而无法进行人脸识别的可疑人物进行穿着服饰识别,对可疑人物的服饰与消防服的特征进行比对,避免穿着消防服的安全人员被视频监控系统误判断为可疑人物而发出误报;解决了消防站应用场景中,视频监控系统对穿戴消防服的消防战士进行误判断的缺陷问题,从而提高消防站应用场景中视频监控系统的安防预警准确率。
附图说明
图1:为本发明实施例提供的一种安防预警方法的步骤流程图;
图2:为本发明另一实施例提供的一种安防预警装置的结构示意图;
图3:为本发明实施例提供的终端设备的一种实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
请参照图1,为本发明实施例提供的一种安防预警方法的步骤流程图,包括步骤101至步骤104,各步骤具体如下:
步骤101,获取视频监控数据,对所述视频监控数据进行图像转化,得到多张监控图像。
在本实施例的一个方面中,所述对所述视频监控数据进行图像转化的步骤中,包括步骤1011至步骤1013,具体如下:步骤1011,以帧为单位对所述视频监控数据进行图像截取,得到多张原始图像。步骤1012,对所述原始图像进行归一化处理,得到归一化图像。步骤1013,对所述归一化图像进行二值化处理,得到监控图像。
具体地,视频监控系统通过外置摄像头实时获取周边环境的视频监控数据,可以理解的是,首先拿到的视频监控数据为视频流,为了能够实现目标识别,需要先将视频流转化为一帧帧的图像。其次,在获得图像之后,为了能够进行特征识别,需要对每张图像进行预处理。其中,图像归一化就是通过一系列变换(即利用图像的不变矩寻找一组参数使其能够消除其他变换函数对图像变换的影响),将待处理的原始图像转换成相应的唯一标准形式(该标准形式图像对平移、旋转、缩放等仿射变换具有不变特性);图像二值化的作用是为了方便提取图像中的信息,二值图像在进行计算机识别时可以增加识别效率。
步骤102,根据预设规则对所述监控图像中的可疑人物进行捕捉,得到目标人物。在本实施例中,所述预设规则包括目标人物的移动速度和出现的位置。
具体地,需要对图像中的可疑人物进行识别。在常规应用中,可以通过设置物体的移动速度和该物体出现的位置进行确认。例如,设置当前物体的移动速度大于5m/s时,则对该物体进行跟踪识别;设置消防站走廊和围墙周边区域为监视区域,当物体出现在上述监视区域时,则对该物体进行跟踪识别。可以理解的是,在本技术方案中,可以对预设规则进行更改替换,不同的预设规则均在本方案的保护范围以内。
步骤103,对所述目标人物进行人脸识别,当人脸识别失败时,对目标人物的穿着服饰进行识别,得到目标服饰特征。
在本实施例的一个方面中,所述对目标人物的穿着服饰进行识别,得到目标服饰特征的步骤中,包括步骤1031和步骤1032,具体如下:步骤1031,对所述目标人物进行划分轮廓,并确定目标人物的关节点,将所述关节点标注在所述轮廓上。步骤1032,以所述轮廓上各个的关节点为圆心向外扩展预设阈值的范围为识别范围,并对所述识别范围内的目标服饰进行特征提取,得到目标服饰特征。
具体地,系统首先对可疑人物进行人脸识别,当人脸识别失败后,再进行穿着服饰的特征识别。可以理解的是,本技术方案应用常规的人脸识别技术进行人脸识别,只要能实现该功能的方案均属于本技术方案的可实施范畴,在此对人脸识别的具体过程不再赘述。
为了进一步提高服饰识别的准确率,本方案通过识别目标人物的关节点,然后将关节点标注在人物轮廓上,对关节点上对应的服饰特征进行针对性识别,从而确定可疑人物的服饰特征,可以快速识别服饰特征的同时,保证其特征识别的准确率,提高本技术方案的实用性。
步骤104,将所述目标服饰特征通过消防服特征库进行匹配,当匹配一致时,则确定所述目标人物的穿着服饰为消防服;否则,触发安防预警信号;其中,所述消防服特征库储存有消防服特征数据。
在本实施例的第一改进方面中,所述安防预警方法还包括:接收消防服特征数据,对所述消防服特征库进行更新。
具体地,对识别得到的可疑人物的服饰特征,输入到原本建立的消防服特征库进行对比,可以理解的是,该消防服特征库储存有一定量的消防服特征数据。而当系统匹配到可疑人物身上的服饰特征确定为消防服时,此时可以确定该可疑人物实际上为安全人员,避免触发安防预警信号。进一步地,为了提高识别的准确率,系统还可以对消防服特征库进行实时更新。
本发明技术方案通过对捕捉到而无法进行人脸识别的可疑人物进行穿着服饰识别,对可疑人物的服饰与消防服的特征进行比对,避免穿着消防服的安全人员被视频监控系统误判断为可疑人物而发出误报;解决了消防站应用场景中,视频监控系统对穿戴消防服的消防战士进行误判断的缺陷问题,从而提高消防站应用场景中视频监控系统的安防预警准确率。
在另一改进实施例中,在所述触发安防预警信号之前,还包括步骤1041和步骤1042,具体包括:步骤1041,获取目标人物的步态特征,得到目标步态特征集。步骤1042,将所述目标步态特征集通过步态特征库进行匹配,当匹配不一致时,则触发安防预警信号;其中,所述目标步态特征集储存有消防站内安全人员的步态特征集。
在本实施例的第一改进方面中,所述安防预警方法还包括:接收安全人员的步态特征集,对所述步态特征库进行更新。
具体地,为了进一步提高可疑人物的识别准确率,如果系统没有在消防服特征库中对可疑人物的服饰特征进行匹配识别成功,可以采取进一步的步态特征识别,可以避免消防人员穿着其他衣服但未被识别而发生误报的情况。可以理解的是,通过步态特征识别匹配的具体过程可以采用现有技术中的常规匹配手段,只要能实现该功能的方案均属于本技术方案的可实施范畴,在此对步态特征识别匹配的具体过程不再赘述。进一步地,为了提高识别的准确率,系统还可以对步态特征库进行实时更新。
实施例二
请参照图2,为本发明另一实施例提供的一种安防预警装置的结构示意图,包括图像转化模块、目标捕捉模块、特征识别模块和匹配预警模块,各模块具体为:
图像转化模块,用于获取视频监控数据,对所述视频监控数据进行图像转化,得到多张监控图像。
在本实施例的第一方面中,所述图像转化模块用于对所述视频监控数据进行图像转化的步骤中,包括:以帧为单位对所述视频监控数据进行图像截取,得到多张原始图像;对所述原始图像进行归一化处理,得到归一化图像;对所述归一化图像进行二值化处理,得到监控图像。
目标捕捉模块,用于根据预设规则对所述监控图像中的可疑人物进行捕捉,得到目标人物。
在本实施例的第一方面中,所述预设规则包括目标人物的移动速度和出现的位置。
特征识别模块,用于对所述目标人物进行人脸识别,当人脸识别失败时,对目标人物的穿着服饰进行识别,得到目标服饰特征。
在本实施例的第一方面中,所述特征识别模块用于对目标人物的穿着服饰进行识别,得到目标服饰特征的步骤中,包括:对所述目标人物进行划分轮廓,并确定目标人物的关节点,将所述关节点标注在所述轮廓上;以所述轮廓上各个的关节点为圆心向外扩展预设阈值的范围为识别范围,并对所述识别范围内的目标服饰进行特征提取,得到目标服饰特征。
匹配预警模块,用于将所述目标服饰特征通过消防服特征库进行匹配,当匹配一致时,则确定所述目标人物的穿着服饰为消防服;否则,触发安防预警信号;其中,所述消防服特征库储存有消防服特征数据。
在本实施例的第一改进方面中,所述安防预警装置还包括:第一更新模块,用于接收消防服特征数据,对所述消防服特征库进行更新。
在另一改进实施例中,所述匹配预警模块用于触发安防预警信号之前,还用于:获取目标人物的步态特征,得到目标步态特征集;将所述目标步态特征集通过步态特征库进行匹配,当匹配不一致时,则触发安防预警信号;其中,所述目标步态特征集储存有消防站内安全人员的步态特征集。
在本实施例的第一改进方面中,所述安防预警装置还包括:第二更新模块,用于接收安全人员的步态特征集,对所述步态特征库进行更新。
实施例三
本发明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包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一实施例所述的安防预警方法。
实施例四
请参照图3,是本发明实施例提供的终端设备的一种实施例的结构示意图,所述终端设备包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现上述任一实施例所述的安防预警方法。
优选地,所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序),所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),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,或者所述处理器也可以是任何常规的处理器,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接所述终端设备的各个部分。
所述存储器主要包括程序存储区和数据存储区,其中,程序存储区可存储操作系统、至少一个功能所需的应用程序等,数据存储区可存储相关数据等。此外,所述存储器可以是高速随机存取存储器,还可以是非易失性存储器,例如插接式硬盘,智能存储卡(SmartMedia Card,SMC)、安全数字(Secure Digital,SD)卡和闪存卡(Flash Card)等,或所述存储器也可以是其他易失性固态存储器件。
需要说明的是,上述终端设备可包括,但不仅限于,处理器、存储器,本领域技术人员可以理解,上述终端设备仅仅是示例,并不构成对终端设备的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种安防预警方法,其特征在于,包括:
获取视频监控数据,对所述视频监控数据进行图像转化,得到多张监控图像;
根据预设规则对所述监控图像中的可疑人物进行捕捉,得到目标人物;
对所述目标人物进行人脸识别,当人脸识别失败时,对目标人物的穿着服饰进行识别,得到目标服饰特征;
将所述目标服饰特征通过消防服特征库进行匹配,当匹配一致时,则确定所述目标人物的穿着服饰为消防服;否则,触发安防预警信号;其中,所述消防服特征库储存有消防服特征数据。
2.如权利要求1所述的安防预警方法,其特征在于,所述对所述视频监控数据进行图像转化的步骤中,包括:
以帧为单位对所述视频监控数据进行图像截取,得到多张原始图像;
对所述原始图像进行归一化处理,得到归一化图像;
对所述归一化图像进行二值化处理,得到监控图像。
3.如权利要求1所述的安防预警方法,其特征在于,所述对目标人物的穿着服饰进行识别,得到目标服饰特征的步骤中,包括:
对所述目标人物进行划分轮廓,并确定目标人物的关节点,将所述关节点标注在所述轮廓上;
以所述轮廓上各个的关节点为圆心向外扩展预设阈值的范围为识别范围,并对所述识别范围内的目标服饰进行特征提取,得到目标服饰特征。
4.如权利要求1所述的安防预警方法,其特征在于,所述预设规则包括目标人物的移动速度和出现的位置。
5.如权利要求1所述的安防预警方法,其特征在于,所述安防预警方法还包括:
接收消防服特征数据,对所述消防服特征库进行更新。
6.如权利要求1所述的安防预警方法,其特征在于,在所述触发安防预警信号之前,还包括:
获取目标人物的步态特征,得到目标步态特征集;
将所述目标步态特征集通过步态特征库进行匹配,当匹配不一致时,则触发安防预警信号;其中,所述目标步态特征集储存有消防站内安全人员的步态特征集。
7.如权利要求6所述的安防预警方法,其特征在于,所述安防预警方法还包括:
接收安全人员的步态特征集,对所述步态特征库进行更新。
8.一种安防预警装置,其特征在于,包括:
图像转化模块,用于获取视频监控数据,对所述视频监控数据进行图像转化,得到多张监控图像;
目标捕捉模块,用于根据预设规则对所述监控图像中的可疑人物进行捕捉,得到目标人物;
特征识别模块,用于对所述目标人物进行人脸识别,当人脸识别失败时,对目标人物的穿着服饰进行识别,得到目标服饰特征;
匹配预警模块,用于将所述目标服饰特征通过消防服特征库进行匹配,当匹配一致时,则确定所述目标人物的穿着服饰为消防服;否则,触发安防预警信号;其中,所述消防服特征库储存有消防服特征数据。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序;其中,所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行如权利要求1-7中任一项所述的安防预警方法。
10.一种终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器在执行所述计算机程序时实现如权利要求1-7中任一项所述的安防预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110545920.1A CN113239826A (zh) | 2021-05-19 | 2021-05-19 | 一种安防预警方法、装置、介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110545920.1A CN113239826A (zh) | 2021-05-19 | 2021-05-19 | 一种安防预警方法、装置、介质及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113239826A true CN113239826A (zh) | 2021-08-10 |
Family
ID=77137547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110545920.1A Pending CN113239826A (zh) | 2021-05-19 | 2021-05-19 | 一种安防预警方法、装置、介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239826A (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263605A (zh) * | 2018-07-18 | 2019-09-20 | 桂林远望智能通信科技有限公司 | 基于二维人体姿态估计的行人服饰颜色识别方法及装置 |
CN112419637A (zh) * | 2019-08-22 | 2021-02-26 | 北京奇虎科技有限公司 | 安防图像数据的处理方法及装置 |
-
2021
- 2021-05-19 CN CN202110545920.1A patent/CN113239826A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263605A (zh) * | 2018-07-18 | 2019-09-20 | 桂林远望智能通信科技有限公司 | 基于二维人体姿态估计的行人服饰颜色识别方法及装置 |
CN112419637A (zh) * | 2019-08-22 | 2021-02-26 | 北京奇虎科技有限公司 | 安防图像数据的处理方法及装置 |
Non-Patent Citations (1)
Title |
---|
黄杰: "《信息系统安全》", 30 November 2019 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508688B (zh) | 基于骨架的行为检测方法、终端设备及计算机存储介质 | |
CN108229297B (zh) | 人脸识别方法和装置、电子设备、计算机存储介质 | |
Singh et al. | Visual big data analytics for traffic monitoring in smart city | |
CN109145742B (zh) | 一种行人识别方法及系统 | |
WO2015165365A1 (zh) | 一种人脸识别方法及系统 | |
US10262192B2 (en) | Human facial detection and recognition system | |
CN109815813B (zh) | 图像处理方法及相关产品 | |
CN112396658A (zh) | 一种基于视频的室内人员定位方法及定位系统 | |
CN113052107A (zh) | 一种检测安全帽佩戴情况的方法、计算机设备及存储介质 | |
CN111083441A (zh) | 工地监控方法、装置、计算机设备和存储介质 | |
Prinosil et al. | Detecting faces with face masks | |
CN111429376A (zh) | 高低精度融合的高效数字图像处理方法 | |
Vu et al. | A real-time moving objects detection and classification approach for static cameras | |
Frejlichowski et al. | SmartMonitor: An approach to simple, intelligent and affordable visual surveillance system | |
CN111010544B (zh) | 配电房监控方法、装置、计算机设备和存储介质 | |
CN117475353A (zh) | 基于视频的异常烟雾识别方法及系统 | |
CN113239826A (zh) | 一种安防预警方法、装置、介质及终端设备 | |
Arunnehru et al. | Automatic activity recognition for video surveillance | |
CN111597919A (zh) | 一种视频监控场景下的人体跟踪方法 | |
CN113989625A (zh) | 基于边缘计算的图像识别方法、装置、设备及存储介质 | |
Tripathi et al. | A framework for suspicious object detection from surveillance video | |
CN112949606B (zh) | 工服穿戴状态检测方法、装置、存储介质及电子装置 | |
Mukto et al. | Design of a real-time crime monitoring system using deep learning techniques | |
Panigrahi et al. | Real-time efficient detection in vision based static hand gesture recognition | |
CN111967306B (zh) | 目标远程监控方法、装置、计算机设备及存储介质 |
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 |