CN113239913A - 基于声音和图像的噪声源定位方法、装置及系统 - Google Patents
基于声音和图像的噪声源定位方法、装置及系统 Download PDFInfo
- Publication number
- CN113239913A CN113239913A CN202110787360.0A CN202110787360A CN113239913A CN 113239913 A CN113239913 A CN 113239913A CN 202110787360 A CN202110787360 A CN 202110787360A CN 113239913 A CN113239913 A CN 113239913A
- Authority
- CN
- China
- Prior art keywords
- image
- noise
- sound
- exists
- people
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/78—Detection of presence or absence of voice signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Abstract
本发明适用噪声源定位技术领域,提供了一种基于声音和图像的噪声源定位方法、装置及系统,该方法包括:获取于不同位置采集的声音信号;根据所述声音信号的声音强度判断是否存在大噪声位置;若存在大噪声位置,则控制摄像头朝向所述大噪声位置进行图像采集;对所述图像进行人工智能算法识别,判断所述图像中是否存在人员聚集,若为是,则确定人员聚集的位置为噪声源所在位置。本方法、装置及系统采用将声音与图像相结合的方式,在根据噪声传感器采集的声音信号识别到大噪声位置后,通过摄像头对大噪声位置进行图像采集并识别,进一步确定是否存在噪声源,从而进一步保证了噪声源确定和定位的准确性。
Description
技术领域
本发明属于噪声源定位技术领域,尤其涉及一种基于声音和图像的噪声源定位方法、装置及系统。
背景技术
目前许多人对污染的概念仅限于自然和环境,但噪音有扰乱生命自然节律的倾向,因此也是污染的一种。噪音污染不仅给生活和工作带来不便,长期影响还会给身心健康带来不可逆转的损害。短时间噪声使人听觉疲劳、心情烦躁。长期受噪声影响的人会出现头昏头疼、神经衰弱、消化不良、高血压和心血管病等症状。
为了有效控制噪声,首先须进行噪声源定位分析。然而,现有方法中,主要是单独采用噪声传感器进行噪声源的定位,难以有效实现噪声源定位的准确性。
发明内容
本发明的目的在于提供一种基于声音和图像的噪声源定位方法、装置及系统,旨在解决现有技术中对进行噪声源定位时的准确性较低的技术问题。
第一方面,本发明提供了一种基于声音和图像的噪声源定位方法,包括:
获取于不同位置采集的声音信号;
根据所述声音信号的声音强度判断是否存在大噪声位置;
若存在大噪声位置,则控制摄像头朝向所述大噪声位置进行图像采集;
对所述图像进行人工智能算法识别,判断所述图像中是否存在人员聚集,若为是,则
确定人员聚集的位置为噪声源所在位置。
可选的,所述获取于不同区域采集的声音信号的步骤包括:
在场景中不同位置布设噪声传感器;
对不同位置的噪声传感器进行位置标识;
获取不同位置的噪声传感器采集的声音信号。
可选的,所述根据所述声音信号的声音强度判断是否存在大噪声位置的步骤包括:
计算不同位置的声音信号的声音强度,提取最大声音强度;
判断所述最大声音强度是否超过预设强度阈值,若为是,则
将所述最大声音强度相应的声音信号对应的位置标识确定为大噪声位置。
可选的,所述对所述图像进行人工智能算法识别,判断所述图像中是否存在人员聚集的步骤包括:
采用人工智能算法对所述图像进行人像识别,识别出所述图像中的人数;
判断所述人数是否达到预设的聚集人数阈值,若为是,则
判定所述图像中存在人员聚集。
可选的,在对所述图像进行人工智能算法识别,判定所述图像中存在人员聚集时,所述方法还包括:
对聚集人员进行警告提醒。
可选的,所述方法还包括:
若在预设时间范围内多次检测到所述图像中存在人员聚集,则将所属图像和所述噪声源位置发送至监管服务器或控制终端。
第二方面,本发明提供了一种基于声音和图像的噪声源定位系统,包括:
声音信号获取装置,用于获取于不同位置采集的声音信号;
大噪声位置确定装置,用于根据所述声音信号的声音强度判断是否存在大噪声位置;
图像采集控制装置,用于若在存在大噪声区域时,控制摄像头朝向所述大噪声位置进行图像采集;
图像识别装置,用于对所述图像进行人工智能算法识别,判断所述图像中是否存在人员聚集;
噪声源定位装置,用于在所述图像中存在人员聚集时,确定人员聚集的位置为噪声源所在位置。
第三方面,本发明还提供了一种基于声音和图像的噪声源定位系统,包括:
噪声传感器,用于采集不同位置的声音信号,并传送给业务数据服务器;
业务数据服务器,用于根据所述声音信号的声音强度判断是否存在大噪声位置,并控制摄像头朝向所述大噪声位置进行图像采集;
算法服务器,用于对摄像头采集的图像进行人工智能算法识别,并将识别结果传送给所述业务数据服务器;
摄像头,用于采集大噪声位置的图像;
喇叭,用于接收所述业务数据服务器的控制指令,对现场进行警告提醒。
第四方面,本发明还提供了另一种基于声音和图像的噪声源定位系统,包括:
处理器;以及
与所述处理器通讯连接的存储器;其中,
所述存储器存储有可读性指令,所述可读性指令被所述处理器执行时实现如第一方面所述的方法。
第五方面,本发明提供了一种计算机可读性存储介质,其上存储有计算机程序,所述计算机程序在被执行时实现如第一方面的方法。
本发明提供的基于声音和图像的噪声源定位方法、装置及系统中,采用将声音与图像相结合的方式,在根据噪声传感器采集的声音信号识别到大噪声位置后,通过摄像头对大噪声位置进行图像采集并识别,进一步确定是否存在噪声源,从而进一步保证了噪声源确定和定位的准确性。
附图说明
图1是实施例一示出的基于声音和图像的噪声源定位方法的实现流程图。
图2是实施例二示出的基于声音和图像的噪声源定位装置的结构框图。
图3是实施例三示出的基于声音和图像的噪声源定位系统的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述:
实施例一:
图1是实施例一示出的基于声音和图像的噪声源定位方法的实现流程图。实施例一示出的基于声音和图像的噪声源定位方法适用于基于声音和图像的噪声源定位系统中,该系统中设置有处理器,以准确实现噪声源的定位。为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
步骤S110,获取于不同位置采集的声音信号。
步骤S120,根据所述声音信号的声音强度判断是否存在大噪声位置。
步骤S130,若存在大噪声位置,则控制摄像头朝向所述大噪声位置进行图像采集。
步骤S140,对所述图像进行人工智能算法识别,判断所述图像中是否存在人员聚集。
步骤S150,在图像中存在人员聚集时,确定人员聚集的位置为噪声源所在位置。
在现场场景中的不同位置分别预先布设噪声传感器,再对不同位置的噪声传感器进行位置标识,获取不同位置的噪声传感器采集的声音信号后,就能根据位置标识辨别各声音信号对应的噪声传感器。
例如,在现场场景中以摄像头为中心的8个方向各安装一个噪声传感器,由于各噪声传感器已预先配置有相应的位置标识,因此,在获取到噪声传感器传送的声音信号后,就可根据相应的位置标识确定采集该声音信号的所在位置。
可选的,也可以根据现场场景的实际需要,预设多个噪声传感器。
在获取到声音信号后,通过计算各声音信号的声音强度,即可获知各噪声传感器所在位置的声音强度,从而确定大噪声位置。
大噪声位置是现场场景中噪声较大的位置。
在确定大噪声位置时,可以是在计算出各声音信号的声音强度后,提取最大声音强度,再将该最大声音强度与预设的强度阈值进行比对,在该最大声音强度大于预设强度阈值时,则将将所述最大声音强度相应的声音信号对应的位置标识确定为大噪声位置;也可以将计算的各声音强度分别与预设的与预设的强度阈值进行比对,将声音强度大于预设强度阈值对应的位置标识均确定为大噪声位置;还可以是以其他方式确定大噪声位置,在此不对根据声音强度确定大噪声位置的方式进行限定。
可选的,在确定大噪声位置时,接收噪声传感器传来的声音信号后,可以通过多个周期中的声音强度来最终确定大噪声位置,避免因偶尔出现一次大声音强度而导致识别错误,有效提高了确定大噪声位置的准确性。
具体的,在获取到各噪声传感器多个时间周期内的声音强度后,计算这些周期内各噪声传感器的平均声音强度,进而将平均声音强度与预设强度阈值比对后确定大噪声位置。而时间周期的数量设定既不能太大,也不能太小,若周期数量设定太大将无法对噪声持续时间不太长的情况进行响应,而周期数量设定太小可能导致将偶尔的一次杂音等突变情况错误识别为噪声。因此具体需要根据实际应用场景而确定。
进一步的,为提高大噪声位置识别的准确性,在获取到多个时间周期的声音强度后,预先对这些声音强度进行处理,例如过滤其中的突变值,避免偶然因素影响大噪声位置识别的准确性。
例如,假设有8个噪声传感器,每2秒获取一次各噪声传感器的声音信号。则在30秒内将获取到这8个噪声传感器15个时间周期的声音信号对应的声音强度,进而针对各噪声传感器的15个声音强度进行过滤优化,包括删除突变值、平滑某些异常数据,然后再计算各噪声传感器的平均声音强度,最后取平均声音强度最大的声音强度对应的噪声传感器所在位置为最大噪声位置。在确定大噪声位置后,则控制摄像头朝向该大噪声位置进行图像采集,并通过人工智能算法识别,判断图像中是否存在人员聚集,如果存在人员聚集,则确定人员聚集的位置为噪声源所在位置;如果图像中并没有人员聚集,则有可能是识别错误,不进行任何操作。
在对图像进行人工智能算法识别判断所述图像中是否存在人员聚集时,可采用人工智能算法对所述图像进行人像识别,进而识别出图像中的人数,若图像中的人数达到预设的聚集人数阈值(例如,预设的聚集人数阈值为3人),则判定图像中存在人员聚集。
由此,在场景中存在大噪声位置时,再采用摄像头对大噪声位置进行图像采集,判断是否存在人员聚集,从而通过声音强度和图像识别相结合的方式,来判断现场场景中是否存在噪声源,并根据图像确定噪声源位置,从而有效保证了噪声源定位的准确性。
进一步的,在判定现场场景中存在噪声源时,通过喇叭发出警告声音对现场进行警告提醒,提醒现场人员降低音量。
如若喇叭告警之后,现场人员仍没有降低音量至限制范围之内,在一定时间范围之内再次检测到同一方位超出限制范围的音量与人数,则由业务数据服务器将现场照片与定位信息发送到监管人员手机上,派出现场人员进行劝诫或作出相应的处罚等。
由此可见,通过软件自动控制和人工管理相结合的方式,为噪声源的控制提供了多方面的解决方案,有效解决了噪声源定位的降噪问题。
实施例二:
如图2所示,本发明实施例二提供了一种基于声音和图像的噪声源定位装置,该装置可执行上述任一所示的基于声音和图像的噪声源定位方法的全部或者部分步骤。该装置包括:
声音信号获取装置1,用于获取于不同位置采集的声音信号;
大噪声位置确定装置2,用于根据所述声音信号的声音强度判断是否存在大噪声位置;
图像采集控制装置3,用于若在存在大噪声区域时,控制摄像头朝向所述大噪声位置进行图像采集;
图像识别装置4,用于对所述图像进行人工智能算法识别,判断所述图像中是否存在人员聚集;
噪声源定位装置5,用于在所述图像中存在人员聚集时,确定人员聚集的位置为噪声源所在位置。
实施例三:
如图3所示,本发明实施例三提供了一种基于声音和图像的噪声源定位系统,该基于声音和图像的噪声源定位系统可执行上述任一所示的基于声音和图像的噪声源定位方法的全部或者部分步骤。该系统备包括:
噪声传感器,用于采集不同位置的声音信号,并传送给业务数据服务器;
业务数据服务器,用于根据所述声音信号的声音强度判断是否存在大噪声位置,并控制摄像头朝向所述大噪声位置进行图像采集;
算法服务器,用于对摄像头采集的图像进行人工智能算法识别,并将识别结果传送给所述业务数据服务器;
摄像头,用于采集大噪声位置的图像;
喇叭,用于接收所述业务数据服务器的控制指令,对现场进行警告提醒。
摄像头本地配置好多个位置标识,这些位置标识与现场场景中的各摄像头所在位置一一对应。
各噪声传感器采集声音信号后,实时传送给业务数据服务器,业务数据服务器解析出各声音信号的分贝值,得出最大的分贝值和其对应的传感器位置标识,在该最大的分贝值超出标准的分贝值时,通过业务数据服务器将该最大分贝值对应的传感器位置标识传递到摄像头控制中心,控制摄像头转到该传感器位置标识对应的方向进行图像采集。
摄像头采集图像后,将该图像传送给算法服务器进行人工智能算法识别,识别出图像中的聚集人数,并将识别结果传送给所述业务数据服务器。业务数据服务器通过与预设聚集人数比较逻辑判断出是否为人员聚集,如若超出预设值则为人员聚集,业务服务器通过应用程序接口下发控制指令给到控制模块控制喇叭发出警告;若未超出预设值,业务服务器无动作。
实施例四:
本发明实施例四提供了一种基于声音和图像的噪声源定位系统,该基于声音和图像的噪声源定位系统可执行上述任一所示的基于声音和图像的噪声源定位方法的全部或者部分步骤。该系统包括:
处理器;以及
与处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上述任一示例性实施例所述的方法,此处将不做详细阐述说明。
在本实施例中,还提供了一种存储介质,该存储介质为计算机可读存储介质,例如可以为包括指令的临时性和非临时性计算机可读存储介质。该存储介质例如包括指令的存储器,上述指令可由服务器系统的处理器执行以完成上述基于声音和图像的噪声源定位方法。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于声音和图像的噪声源定位方法,其特征在于,所述方法包括:
获取于不同位置采集的声音信号;
根据所述声音信号的声音强度判断是否存在大噪声位置;
若存在大噪声位置,则控制摄像头朝向所述大噪声位置进行图像采集;
对所述图像进行人工智能算法识别,判断所述图像中是否存在人员聚集,若为是,则
确定人员聚集的位置为噪声源所在位置。
2.如权利要求1所述的方法,其特征在于,所述获取于不同位置采集的声音信号的步骤包括:
在场景中不同位置布设噪声传感器;
对不同位置的噪声传感器进行位置标识;
获取不同位置的噪声传感器采集的声音信号。
3.如权利要求1所述的方法,其特征在于,所述根据所述声音信号的声音强度判断是否存在大噪声位置的步骤包括:
计算不同位置的声音信号的声音强度,提取最大声音强度;
判断所述最大声音强度是否超过预设强度阈值,若为是,则
将所述最大声音强度相应的声音信号对应的位置标识确定为大噪声位置。
4.如权利要求1所述的方法,其特征在于,所述对所述图像进行人工智能算法识别,判断所述图像中是否存在人员聚集的步骤包括:
采用人工智能算法对所述图像进行人像识别,识别出所述图像中的人数;
判断所述人数是否达到预设的聚集人数阈值,若为是,则
判定所述图像中存在人员聚集。
5.如权利要求1所述的方法,其特征在于,在对所述图像进行人工智能算法识别,判定所述图像中存在人员聚集时,所述方法还包括:
对聚集人员进行警告提醒。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
若在预设时间范围内多次检测到所述图像中存在人员聚集,则将所属图像和所述噪声源位置发送至监管服务器或控制终端。
7.一种基于声音和图像的噪声源定位装置,其特征在于,所述装置包括:
声音信号获取装置,用于获取于不同位置采集的声音信号;
大噪声位置确定装置,用于根据所述声音信号的声音强度判断是否存在大噪声位置;
图像采集控制装置,用于若在存在大噪声区域时,控制摄像头朝向所述大噪声位置进行图像采集;
图像识别装置,用于对所述图像进行人工智能算法识别,判断所述图像中是否存在人员聚集;
噪声源定位装置,用于在所述图像中存在人员聚集时,确定人员聚集的位置为噪声源所在位置。
8.一种基于声音和图像的噪声源定位系统,其特征在于,所述系统包括:
噪声传感器,用于采集不同位置的声音信号,并传送给业务数据服务器;
业务数据服务器,用于根据所述声音信号的声音强度判断是否存在大噪声位置,并控制摄像头朝向所述大噪声位置进行图像采集;
算法服务器,用于对摄像头采集的图像进行人工智能算法识别,并将识别结果传送给所述业务数据服务器;
摄像头,用于采集大噪声位置的图像;
喇叭,用于接收所述业务数据服务器的控制指令,对现场进行警告提醒。
9.一种基于声音和图像的噪声源定位系统,其特征在于,所述系统包括:
处理器;以及
与所述处理器通讯连接的存储器;其中,
所述存储器存储有可读性指令,所述可读性指令被所述处理器执行时实现如权利要求1-6任一项所述的方法。
10.一种计算机可读性存储介质,其上存储有计算机程序,所述计算机程序在被执行时实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110787360.0A CN113239913A (zh) | 2021-07-13 | 2021-07-13 | 基于声音和图像的噪声源定位方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110787360.0A CN113239913A (zh) | 2021-07-13 | 2021-07-13 | 基于声音和图像的噪声源定位方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113239913A true CN113239913A (zh) | 2021-08-10 |
Family
ID=77135367
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110787360.0A Pending CN113239913A (zh) | 2021-07-13 | 2021-07-13 | 基于声音和图像的噪声源定位方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113239913A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114509162A (zh) * | 2022-04-18 | 2022-05-17 | 四川三元环境治理股份有限公司 | 一种声环境数据监测方法及系统 |
CN115009204A (zh) * | 2022-04-21 | 2022-09-06 | 内蒙古中科装备有限公司 | 加氢降噪实现方法及装置 |
CN117310320A (zh) * | 2023-09-25 | 2023-12-29 | 国网山东省电力公司莘县供电公司 | 一种便携式高压设备故障声音巡检装置及故障检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060075422A1 (en) * | 2004-09-30 | 2006-04-06 | Samsung Electronics Co., Ltd. | Apparatus and method performing audio-video sensor fusion for object localization, tracking, and separation |
US20080300700A1 (en) * | 2007-06-04 | 2008-12-04 | Hammer Stephen C | Crowd noise analysis |
CN109657625A (zh) * | 2018-12-23 | 2019-04-19 | 广东腾晟信息科技有限公司 | 一种人群密度估计的识别及预警方法 |
CN111046850A (zh) * | 2019-12-31 | 2020-04-21 | 杭州晨安科技股份有限公司 | 一种基于声音与图像融合的发言者定位方法 |
CN111866454A (zh) * | 2020-07-02 | 2020-10-30 | 广州博冠智能科技有限公司 | 一种声音及图像联动检测预警的方法及装置 |
-
2021
- 2021-07-13 CN CN202110787360.0A patent/CN113239913A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060075422A1 (en) * | 2004-09-30 | 2006-04-06 | Samsung Electronics Co., Ltd. | Apparatus and method performing audio-video sensor fusion for object localization, tracking, and separation |
US20080300700A1 (en) * | 2007-06-04 | 2008-12-04 | Hammer Stephen C | Crowd noise analysis |
CN109657625A (zh) * | 2018-12-23 | 2019-04-19 | 广东腾晟信息科技有限公司 | 一种人群密度估计的识别及预警方法 |
CN111046850A (zh) * | 2019-12-31 | 2020-04-21 | 杭州晨安科技股份有限公司 | 一种基于声音与图像融合的发言者定位方法 |
CN111866454A (zh) * | 2020-07-02 | 2020-10-30 | 广州博冠智能科技有限公司 | 一种声音及图像联动检测预警的方法及装置 |
Non-Patent Citations (1)
Title |
---|
樊森著: "《智慧园区》", 30 November 2013 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114509162A (zh) * | 2022-04-18 | 2022-05-17 | 四川三元环境治理股份有限公司 | 一种声环境数据监测方法及系统 |
CN114509162B (zh) * | 2022-04-18 | 2022-06-21 | 四川三元环境治理股份有限公司 | 一种声环境数据监测方法及系统 |
CN115009204A (zh) * | 2022-04-21 | 2022-09-06 | 内蒙古中科装备有限公司 | 加氢降噪实现方法及装置 |
CN117310320A (zh) * | 2023-09-25 | 2023-12-29 | 国网山东省电力公司莘县供电公司 | 一种便携式高压设备故障声音巡检装置及故障检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113239913A (zh) | 基于声音和图像的噪声源定位方法、装置及系统 | |
CN109300471B (zh) | 融合声音采集识别的场区智能视频监控方法、装置及系统 | |
EP2899959A1 (en) | Method, apparatus and system for affirming alarm identity of video monitoring system. | |
KR102543161B1 (ko) | 산만 운전 모니터링 방법, 시스템 및 전자기기 | |
WO2022062775A1 (zh) | 一种基于车辆终端系统的监控处理方法、系统及相关设备 | |
CN110651728B (zh) | 一种仔猪被压检测方法、装置及系统 | |
CN112699807A (zh) | 一种驾驶员状态信息监控方法和装置 | |
CN106375733A (zh) | 智能监控装置和系统 | |
CN112381054A (zh) | 摄像机的工作状态检测方法及相关设备、系统 | |
CN110602446A (zh) | 垃圾回收提醒方法、系统及存储介质 | |
CN110944326B (zh) | 蓝牙耳机的配对方法、装置、计算机设备及存储介质 | |
CN111653067A (zh) | 智能家居设备及基于音频的报警方法 | |
CN112017401A (zh) | 监测人员安全的警报系统、相应的方法和存储介质 | |
KR20160062259A (ko) | 차량 이상 상태를 관리하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록매체 | |
CN213457742U (zh) | 一种焊接作业监控系统 | |
CN113361469A (zh) | 一种覆盖状态识别方法、装置、设备及存储介质 | |
CN117274177A (zh) | 一种基于图像识别的输电线路防外破方法及装置 | |
CN112380977A (zh) | 吸烟行为检测方法和装置 | |
CN113065462A (zh) | 用于电网架空线路的监测方法、装置、设备及存储介质 | |
CN109243179B (zh) | 动态抓拍帧的区分方法及装置 | |
CN112256019A (zh) | 自动引导车控制方法、装置、仓储系统、电子设备和介质 | |
CN109116382B (zh) | 一种基于人工智能传感技术的定位预测及快速跟踪算法与应用设备 | |
CN107124577A (zh) | 一种基于运动目标检测的实时防窃系统 | |
CN114973135A (zh) | 一种基于头肩的时序视频睡岗识别方法、系统及电子设备 | |
CN113252784B (zh) | 一种基于船舶的声学信号成品检验系统及其快速检验方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210810 |
|
RJ01 | Rejection of invention patent application after publication |