CN113255534B - 基于视频图像分析的预警方法、系统、设备和存储介质 - Google Patents
基于视频图像分析的预警方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN113255534B CN113255534B CN202110606522.6A CN202110606522A CN113255534B CN 113255534 B CN113255534 B CN 113255534B CN 202110606522 A CN202110606522 A CN 202110606522A CN 113255534 B CN113255534 B CN 113255534B
- Authority
- CN
- China
- Prior art keywords
- preset
- track
- score
- early warning
- behavior
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于视频图像分析的预警方法、系统、设备和存储介质。所述预警方法包括:对视频图像进行实时人像识别,并记录目标对象的活动范围和行为轨迹;根据所述活动范围对进入预定风险区域的行为轨迹计算评分;当所述评分高于该预定风险区域的预定分值时发出预警。本发明提供的预警方法通过视频图像确定目标对象的活动范围和行为轨迹,并对进入预定风险区域的行为轨迹计算评分,从而对高于预定分值的行为轨迹进行预警,能够不间断地自动识别对象场景的安全性。
Description
技术领域
本发明涉及计算机应用技术领域,更为具体而言,涉及一种基于视频图像分析的预警方法、系统、设备和存储介质。
背景技术
目前针对金融场所内不同时间段允许出现的人数及其可活动范围,都是通过人工监控或者人工巡查来实现的,而没有一种普遍、实时、不间断的自动分析金融场所内是否安全的系统。
类似的,目前在金融交易过程中,都是通过人工干预或者人工识别的方法来判断交易是否满足金融业务要求,而没有一种智能、实时、不间断的方法来识别交易是否真实有效。
可见,目前针对金融场所的安全性判断以及金融交易的有效性判断都是通过人为判断的,不仅准确性低,也无法保证不间断监控,还造成了很大的人工成本消耗。
发明内容
为解决上述现有技术存在的问题或部分问题,本发明实施方式提供了一种基于视频图像分析的预警方法、系统、设备和存储介质,通过视频图像确定目标对象的活动范围和行为轨迹,并对进入预定风险区域的行为轨迹计算评分,从而对高于预定分值的行为轨迹进行预警,能够不间断地自动识别对象场景的安全性。
根据本发明的第一方面,本发明实施方式提供了一种基于视频图像分析的预警方法,包括:对视频图像进行实时人像识别,并记录目标对象的活动范围和行为轨迹;根据所述活动范围对进入预定风险区域的行为轨迹计算评分;当所述评分高于该预定风险区域的预定分值时发出预警。
本发明上述实施方式基于视频图像确定目标对象的活动范围和行为轨迹,并对进入预定风险区域的行为轨迹计算评分,从而对高于预定分值的行为轨迹进行预警,能够不间断地自动识别对象场景的安全性。同时,依据设定的评分机制可以更加准确而稳定地确定是否发出预警,而不必依赖人工经验进行识别,也节约了人工成本。
在本发明的一些实施方式中,所述预警方法还包括:对预定交易区域设定允许出现的人数阈值和预设人像行动轨迹;根据所述视频图像确定所述预定交易区域中出现的实际人数和行为轨迹;针对所述预定交易区域内的实际人数超过所述人数阈值和/或所述行为轨迹不符合所述预设人像行动轨迹的行为轨迹计算评分;当所述评分高于该预定交易区域的预定分值时发出预警。
本发明上述实施方式通过对预定交易区域设定对应的人数阈值和预设人像行动轨迹,并对预定交易区域内的实际人数超过人数阈值以及行为轨迹不符合预设人像行动轨迹的行为轨迹计算评分,从而对高于预定分值的行为轨迹进行预警,能够不间断地自动识别交易是否存风险。同时,依据设定阈值和轨迹,以及相应的评分机制可以更加准确而稳定地确定是否发出风险预警,而不必依赖人工经验进行判断,也节约了人工成本。
在本发明的一些实施方式中,所述预警方法还包括:将所述行为轨迹映射到基于对象场景生成的场景视图中。
在本发明的一些实施方式中,计算评分包括:基于所述行为轨迹确定所述预定风险区域或预定交易区域所包含或超出的曲线长度;将所述曲线长度与产生所述行为轨迹的时间相乘,并除以所述场景视图的比例,得到轨迹权重;基于所述行为轨迹和轨迹权重计算所述评分。
根据本发明的第二方面,本发明实施方式提供了一种基于视频图像分析的预警系统,包括:人像识别及轨迹标记单元,用于对视频图像进行实时人像识别,并记录目标对象的活动范围和行为轨迹;评分单元,用于根据所述活动范围对进入预定风险区域的行为轨迹计算评分;预警单元,用于当所述评分高于该预定风险区域的预定分值时发出预警。
本发明上述实施方式基于视频图像确定目标对象的活动范围和行为轨迹,并对进入预定风险区域的行为轨迹计算评分,从而对高于预定分值的行为轨迹进行预警,能够不间断地自动识别对象场景的安全性。同时,依据设定的评分机制可以更加准确而稳定地确定是否发出预警,而不必依赖人工经验进行识别,也节约了人工成本。
在本发明的一些实施方式中,所述预警系统还包括场景模型单元,用于对预定交易区域设定允许出现的人数阈值和预设人像行动轨迹;所述人像识别及轨迹标记单元还用于根据所述视频图像确定所述预定交易区域中出现的实际人数和行为轨迹;所述评分单元还用于针对所述预定交易区域内的实际人数超过所述人数阈值和/或所述行为轨迹不符合所述预设人像行动轨迹的行为轨迹计算评分;所述预警单元还用于当所述评分高于该预定交易区域的预定分值时发出预警。
本发明上述实施方式通过对预定交易区域设定对应的人数阈值和预设人像行动轨迹,并对预定交易区域内的实际人数超过人数阈值以及行为轨迹不符合预设人像行动轨迹的行为轨迹计算评分,从而对高于预定分值的行为轨迹进行预警,能够不间断地自动识别交易是否存风险。同时,依据设定阈值和轨迹,以及相应的评分机制可以更加准确而稳定地确定是否发出风险预警,而不必依赖人工经验进行判断,也节约了人工成本。
在本发明的一些实施方式中,所述人像识别及轨迹标记单元还用于将所述行为轨迹映射到基于对象场景生成的场景视图中。
在本发明的一些实施方式中,计算评分包括:基于所述行为轨迹确定所述预定风险区域或预定交易区域所包含或超出的曲线长度;将所述曲线长度与产生所述行为轨迹的时间相乘,并除以所述场景视图的比例,得到轨迹权重;基于所述行为轨迹和轨迹权重计算所述评分。
根据本发明的第三方面,本发明实施方式提供一种计算机可读存储介质,其上存储有计算机可读指令,所述计算机可读指令被处理器执行时,使得计算机执行如下操作:所述操作包括如上任意一种实施方式所述预警方法所包含的步骤。
根据本发明的第四方面,本发明实施方式提供一种包括存储器和处理器的计算机设备,所述存储器用于存储一条或多条计算机可读指令,其中,所述一条或多条计算机可读指令被所述处理器执行时能够实现如上任意一种实施方式所述的预警方法。
由上述可知,本发明实施方式提供的基于视频图像分析的预警方法、系统、设备和存储介质,基于视频图像确定目标对象的活动范围和行为轨迹,并对进入预定风险区域的行为轨迹计算评分,从而对高于预定分值的行为轨迹进行预警,能够不间断地自动识别对象场景的安全性。同时,依据设定的评分机制可以更加准确而稳定地确定是否发出预警,而不必依赖人工经验进行识别,也节约了人工成本。
附图说明
图1是根据本发明一种实施方式的基于视频图像分析的预警方法的流程示意图;
图2是根据本发明另一种实施方式的基于视频图像分析的预警方法的流程示意图;
图3是根据本发明一种基于视频图像分析的预警系统的架构图。
具体实施方式
以下结合附图和具体实施方式对本发明的各个方面进行详细阐述。其中,众所周知的模块、单元及其相互之间的连接、链接、通信或操作没有示出或未作详细说明。并且,所描述的特征、架构或功能可在一个或一个以上实施方式中以任何方式组合。本领域技术人员应当理解,下述的各种实施方式只用于举例说明,而非用于限制本发明的保护范围。还可以容易理解,本文所述和附图所示的各实施方式中的模块或单元或处理方式可以按各种不同配置进行组合和设计。
图1是根据本发明一种实施方式的基于视频图像分析的预警方法的流程示意图。
如图1所示,在本发明的一种实施方式中,所述预警方法可包括:步骤S11、步骤S12和步骤S13,下面对上述步骤进行具体的描述。
在步骤S11中,对视频图像进行实时人像识别,并记录目标对象的活动范围和行为轨迹。在一种实施方式中,通过监控系统、监控装置实时视频监控对象场景获取视频图像,其中,对象场景可以是金融场景、金融场所,例如银行等、还可以为其他类型的作业场景。以及,人像识别可以通过帧间差分法识别图像边界、识别运动轨迹及轮廓,并与预定模型库中人像模型不断比较,最终确认视频中人像,即目标对象。
在另一种实施方式中,还可以将步骤S11获取到的行为轨迹映射到基于对象场景生成的场景视图中,为后续的评分提供基础。其中,所述场景视图可以是基于对象场景生成的缩小一定比例得到的三维空间视图、平面图、地图。
在其他实施方式中,基于对象场景生成的场景视图,划分预定风险区域和不同类型的预定交易区域。其中,划分的预定风险区域和预定交易区域均可以设定不同等级和不同类型。
在步骤S12中,根据所述活动范围对进入预定风险区域的行为轨迹计算评分。
在一种实施方式中,可以通过下述步骤计算评分:
(1)基于所述行为轨迹确定所述预定风险区域所包含或超出的曲线长度L0;
(2)将所述曲线长度L0与产生所述行为轨迹的时间T0相乘,并除以所述场景视图的比例,得到轨迹权重;
其中,所述场景视图的比例为预定风险区域的周长L与整个交易时间T的乘积,所述轨迹权重P0=L0*T0/(L*T)。
(3)基于所述行为轨迹和轨迹权重计算评分。
其中,步骤(3)示例性的可以包括:评分B=A/(P0+1),其中A为预设的满分分值,如100分。
在步骤S13中,当所述评分高于该预定风险区域的预定分值时发出预警。在一种实施方式中,预定分值可以分为多个不同等级,每个不同等级/类型对应着一个预定分值或预定分值范围,由此,可以分解计算得到的评分与不同等级/类型对应的预定分值或预定分值范围之间的关系发送相应等级/类型的风险预警至专门的负责人员,便捷而准确地实现面向对象场景的安全性监控和处理。
采用本发明实施方式的上述方法,基于视频图像确定目标对象的活动范围和行为轨迹,并对进入预定风险区域的行为轨迹计算评分,从而对高于预定分值的行为轨迹进行预警,能够不间断地自动识别对象场景的安全性。同时,依据设定的评分机制可以更加准确而稳定地确定是否发出预警,而不必依赖人工经验进行识别,也节约了人工成本。
在其他实施方式中,还可以对预定交易区域设定允许出现的人数阈值和预设人像行动轨迹;根据所述视频图像确定所述预定交易区域中出现的实际人数和行为轨迹;针对所述预定交易区域内的实际人数超过所述人数阈值和/或所述行为轨迹不符合所述预设人像行动轨迹的行为轨迹计算评分;当所述评分高于该预定交易区域的预定分值时发出预警。其中,可以对基于对象场景生成的场景视图划分不同类型、不同等级的预定交易区域。
其中,可以通过下述步骤计算评分:
(1)基于所述行为轨迹确定所述预定交易区域所包含或超出的曲线长度L2;
(2)将所述曲线长度L2与产生所述行为轨迹的时间T2相乘,并除以所述场景视图的比例,得到轨迹权重;
其中,所述场景视图的比例为预定交易区域的周长L1与整个交易时间T1的乘积,所述轨迹权重P2=L2*T2/(L1*T1)。
(3)基于所述行为轨迹和轨迹权重计算评分。
其中,步骤(3)示例性的可以包括:评分C=A/(P2+1),其中A为预设的满分分值,如100分。
通过对预定交易区域设定对应的人数阈值和预设人像行动轨迹,并对预定交易区域内的实际人数超过人数阈值以及行为轨迹不符合预设人像行动轨迹的行为轨迹计算评分,从而对高于预定分值的行为轨迹进行预警,能够不间断地自动识别交易是否存风险。同时,依据设定阈值和轨迹,以及相应的评分机制可以更加准确而稳定地确定是否发出风险预警,而不必依赖人工经验进行判断,也节约了人工成本。进一步的,根据风险预警及后续处理确定交易是否有效,能够防止虚假交易以及避免超出或少于预设人数的交易。
图2是根据本发明另一种实施方式的基于视频图像分析的预警方法的流程示意图。
如图2所示,所述预警方法包括:
首先,场景模型系统可以存储和记录不同对象场景的场景视图,并基于场景视图划分预定风险区域和不同类型的预定交易区域。以及,通过视频监控系统实时监控对象场景,获取实时视频。其中,针对预定交易区域还需要设定允许出现的人数阈值和预设人像行动轨迹。在一种实施方式中,基于场景视图进行预定风险区域和不同类型的预定交易区域划分可以结合时间段进行划分,即不同时间段的划分标准不同。相应的,针对预定交易区域设定的允许出现的人数阈值和预设人像行动轨迹也对应变化,以及,后续会基于此设定相应的预警规则。
其次,人像识别及轨迹标记系统通过对监控视频实时人像识别,获取目标对象的活动范围和行为轨迹,并将获取到的行为轨迹标记到基于对象场景生成的场景视图中。
再次,轨迹权重及评分系统计算轨迹权重、计算评分,并将计算得到的实时评分推送到场景模型系统。具体而言,针对金融场所的评分计算可以包括:判断获取到的目标对象的活动范围是否进入预定风险区域,并对进入预定风险区域的行为轨迹计算评分。针对金融交易的评分计算可以包括:根据视频图像确定预定交易区域中出现的实际人数和行为轨迹;针对预定交易区域内的实际人数超过该预定交易区域内的人数阈值和/或所述行为轨迹不符合该预定交易区域内的预设人像行动轨迹的行为轨迹计算评分。
最后,预警系统根据计算得到的实时评分及可配置的预警方式确定是否需要预警,并根据预警规则将不同类型和/或等级的预警发送至对应的预警联系人进行后续处理。
采用本发明实施方式的上述方法,可以对需要监控的场景实施不间断监控,自动且智能地分析金融场所的安全性,并监控金融交易的有效性,针对预警进行处理以避免虚假交易。
图3是根据本发明一种基于视频图像分析的预警系统的架构图。
如图3所示,所述基于视频图像分析的预警系统包括:
视频监控单元310,用于通过监控设备实时监控对象场景,获取实时视频。
场景模型单元320,用于存储和记录不同对象场景的场景视图,并基于场景视图划分预定风险区域和不同类型的预定交易区域,进而针对预定交易区域设定允许出现的人数阈值和预设人像行动轨迹。
人像识别及轨迹标记单元330,用于对通过视频监控单元310获取的视频图像进行实时人像识别,并记录目标对象的活动范围和行为轨迹;根据所述视频图像确定所述预定交易区域中出现的实际人数和行为轨迹;以及将所述行为轨迹映射到场景模型单元320基于对象场景生成的场景视图中。
评分单元340,用于根据人像识别及轨迹标记单元330获取的活动范围对进入预定风险区域的行为轨迹计算评分;以及针对所述预定交易区域内的实际人数超过所述人数阈值和/或所述行为轨迹不符合所述预设人像行动轨迹的行为轨迹计算评分。在一种实施方式中,计算评分可以包括:基于所述行为轨迹确定所述预定风险区域或预定交易区域所包含或超出的曲线长度;将所述曲线长度与产生所述行为轨迹的时间相乘,并除以所述场景视图的比例,得到轨迹权重;基于所述行为轨迹和轨迹权重计算所述评分。
预警单元350,用于当评分单元340计算得到的评分高于预定风险区域的预定分值时发出预警,和/或当评分单元340计算得到的评分高于预定交易区域的预定分值时发出预警。
采用本发明实施方式的上述系统,基于对象场景生成的场景视图预置不同风险区域、交易区域,通过监控捕获影像进行实时人像识别并记录活动范围和行为轨迹,对进入指定范围的轨迹进行评分,对超过预定分值的轨迹发出预警,能够不间断自动且智能地识别对象场景的安全性。以及,在进行金融交易时,对预定交易区域内的实际人数超过人数阈值以及行为轨迹不符合预设人像行动轨迹的行为轨迹计算评分,从而对高于预定分值的行为轨迹进行预警,能够不间断自动且智能地识别交易是否存风险,进一步的,预警联系人通过对预警进行处理和干预可以避免虚假交易。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本发明可借助软件结合硬件平台的方式来实现。基于这样的理解,本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施方式或者实施方式的某些部分所述的方法。
对应的,本发明实施方式还提供一种计算机可读存储介质,其上存储有计算机可读指令或程序,所述计算机可读指令或程序被处理器执行时,使得计算机执行如下操作:所述操作包括如上任意一种实施方式所述预警方法所包含的步骤,在此不再赘述。其中,所述存储介质可以包括:例如,光盘、硬盘、软盘、闪存、磁带等。
另外,本发明实施方式还提供一种包括存储器和处理器的计算机设备,所述存储器用于存储一条或多条计算机可读指令或程序,其中,所述一条或多条计算机可读指令或程序被所述处理器执行时能够实现如上任意一种实施方式所述的预警方法。所述计算机设备可以是,例如,服务器、台式计算机、笔记本计算机、平板电脑等。
最后应说明的是:以上实施方式仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施方式对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施方式技术方案的精神和范围。因此本发明的保护范围应以权利要求为准。
Claims (6)
1.一种基于视频图像分析的预警方法,其特征在于,所述预警方法包括:
对视频图像进行实时人像识别,并记录目标对象的活动范围和行为轨迹;
将所述行为轨迹映射到基于对象场景生成的场景视图中,基于所述场景视图划分预定风险区域和不同类型的预定交易区域,其中,所述对象场景为金融场景;
根据所述活动范围对进入所述预定风险区域的行为轨迹计算评分;
当所述评分高于该预定风险区域的预定分值时发出预警;
其中,计算评分包括:
基于所述行为轨迹确定所述预定风险区域或预定交易区域所包含或超出的曲线长度;
将所述曲线长度与产生所述行为轨迹的时间相乘,并除以所述场景视图的比例,得到轨迹权重;
基于所述行为轨迹和轨迹权重计算所述评分。
2.如权利要求1所述的预警方法,其特征在于,所述预警方法还包括:
对所述预定交易区域设定允许出现的人数阈值和预设人像行动轨迹;
根据所述视频图像确定所述预定交易区域中出现的实际人数和行为轨迹;
针对所述预定交易区域内的实际人数超过所述人数阈值和/或所述行为轨迹不符合所述预设人像行动轨迹的行为轨迹计算评分;
当所述评分高于该预定交易区域的预定分值时发出预警。
3.一种基于视频图像分析的预警系统,其特征在于,所述预警系统包括:
人像识别及轨迹标记单元,用于对视频图像进行实时人像识别,并记录目标对象的活动范围和行为轨迹;
所述人像识别及轨迹标记单元还用于将所述行为轨迹映射到基于对象场景生成的场景视图中,基于所述场景视图划分预定风险区域和不同类型的预定交易区域,其中,所述对象场景为金融场景;
评分单元,用于根据所述活动范围对进入所述预定风险区域的行为轨迹计算评分;
预警单元,用于当所述评分高于该预定风险区域的预定分值时发出预警;
其中,计算评分包括:
基于所述行为轨迹确定所述预定风险区域或预定交易区域所包含或超出的曲线长度;
将所述曲线长度与产生所述行为轨迹的时间相乘,并除以所述场景视图的比例,得到轨迹权重;
基于所述行为轨迹和轨迹权重计算所述评分。
4.如权利要求3所述的预警系统,其特征在于,
所述预警系统还包括场景模型单元,用于对所述预定交易区域设定允许出现的人数阈值和预设人像行动轨迹;
所述人像识别及轨迹标记单元还用于根据所述视频图像确定所述预定交易区域中出现的实际人数和行为轨迹;
所述评分单元还用于针对所述预定交易区域内的实际人数超过所述人数阈值和/或所述行为轨迹不符合所述预设人像行动轨迹的行为轨迹计算评分;
所述预警单元还用于当所述评分高于该预定交易区域的预定分值时发出预警。
5.一种计算机存储介质,所述计算机存储介质储存计算机可读指令,其特征在于,所述计算机可读指令由处理器执行以实现如权利要求1或2所述的预警方法。
6.一种计算机设备,其包括存储器和处理器;
其特征在于,所述存储器用于存储一条或多条计算机可读指令,所述处理器执行所述一条或多条计算机可读指令以实现如权利要求1或2所述的预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110606522.6A CN113255534B (zh) | 2021-05-28 | 2021-05-28 | 基于视频图像分析的预警方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110606522.6A CN113255534B (zh) | 2021-05-28 | 2021-05-28 | 基于视频图像分析的预警方法、系统、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113255534A CN113255534A (zh) | 2021-08-13 |
CN113255534B true CN113255534B (zh) | 2022-08-12 |
Family
ID=77185615
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110606522.6A Active CN113255534B (zh) | 2021-05-28 | 2021-05-28 | 基于视频图像分析的预警方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255534B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101055662A (zh) * | 2007-06-01 | 2007-10-17 | 北京汇大通业科技有限公司 | 基于智能视频监控的多层次实时预警系统 |
CN102710928A (zh) * | 2011-10-09 | 2012-10-03 | 苏州元澄智能科技有限公司 | 融合rfid识别的地铁闭路电视监控方法 |
CN109934074A (zh) * | 2017-12-19 | 2019-06-25 | 杭州海康威视系统技术有限公司 | 行动轨迹确定方法及装置 |
CN111310562A (zh) * | 2020-01-10 | 2020-06-19 | 中国平安财产保险股份有限公司 | 基于人工智能的车辆驾驶风险管控方法及其相关设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101770648B (zh) * | 2009-01-06 | 2013-04-17 | 贵阳中星电子有限公司 | 一种基于视频监控的徘徊检测系统及方法 |
US8280153B2 (en) * | 2009-08-18 | 2012-10-02 | Behavioral Recognition Systems | Visualizing and updating learned trajectories in video surveillance systems |
CN102810206A (zh) * | 2011-06-03 | 2012-12-05 | 南京理工大学 | 一种基于动态规划的实时徘徊检测方法 |
WO2014043975A1 (zh) * | 2012-09-24 | 2014-03-27 | 天津市亚安科技股份有限公司 | 多方向监控区域预警定位监控装置 |
CN207133934U (zh) * | 2017-09-20 | 2018-03-23 | 武汉雷可达科技有限公司 | 多模预警装置以及系统 |
CN111126311B (zh) * | 2019-12-26 | 2023-06-02 | 斑马网络技术有限公司 | 城市道路的潜在危险区域识别方法、装置及电子设备 |
CN111986224B (zh) * | 2020-08-05 | 2024-01-05 | 七海行(深圳)科技有限公司 | 一种目标行为预测追踪方法及装置 |
CN112399144A (zh) * | 2020-11-05 | 2021-02-23 | 上海明略人工智能(集团)有限公司 | 热成像监控预警方法、装置及热成像监控管理系统 |
-
2021
- 2021-05-28 CN CN202110606522.6A patent/CN113255534B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101055662A (zh) * | 2007-06-01 | 2007-10-17 | 北京汇大通业科技有限公司 | 基于智能视频监控的多层次实时预警系统 |
CN102710928A (zh) * | 2011-10-09 | 2012-10-03 | 苏州元澄智能科技有限公司 | 融合rfid识别的地铁闭路电视监控方法 |
CN109934074A (zh) * | 2017-12-19 | 2019-06-25 | 杭州海康威视系统技术有限公司 | 行动轨迹确定方法及装置 |
CN111310562A (zh) * | 2020-01-10 | 2020-06-19 | 中国平安财产保险股份有限公司 | 基于人工智能的车辆驾驶风险管控方法及其相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113255534A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492945A (zh) | 企业风险识别监控方法、装置、设备及存储介质 | |
CN107545224A (zh) | 变电站人员行为识别的方法及装置 | |
CN111986228A (zh) | 一种基于lstm模型扶梯场景下的行人跟踪方法、装置和介质 | |
CN111597970B (zh) | 异常行为的识别方法及装置 | |
CN108830204B (zh) | 面对目标的监控视频中异常检测方法 | |
CN112416979A (zh) | 基于地理位置的反欺诈方法、装置、设备及存储介质 | |
CN113807622A (zh) | 一种事件决策生成方法、装置、电子设备及存储介质 | |
CN108022168A (zh) | 数据异动监控方法、设备及存储介质 | |
CN113157536A (zh) | 一种告警分析方法、装置、设备和存储介质 | |
CN115861915A (zh) | 消防通道监控方法、消防通道监控装置以及存储介质 | |
CN116596722A (zh) | 一种智慧社区风险防控系统及风险防控方法 | |
CN113255534B (zh) | 基于视频图像分析的预警方法、系统、设备和存储介质 | |
CN110155069A (zh) | 驾驶员精神状态监测方法、装置、存储介质及终端设备 | |
CN112883866A (zh) | 一种区域入侵实时检测方法、系统及存储介质 | |
CN114092875A (zh) | 基于机器学习的作业现场安全监管方法及装置 | |
KR101674266B1 (ko) | 영상 기반의 건설 현장 안전 수준 평가 시스템 | |
CN110322049B (zh) | 一种公安大数据预警方法 | |
CN101339657B (zh) | 基于方向直方统计的tbd目标鉴别方法 | |
CN110310455B (zh) | 基于电子标签的预警方法及云服务平台 | |
CN114783552A (zh) | 操作人员岗前疲劳检测方法和系统 | |
CN113763153A (zh) | 银行信用风险分析方法及装置 | |
CN115394025A (zh) | 监控方法、装置、电子设备及存储介质 | |
CN110378200A (zh) | 一种基于行为特征聚类的智能安防提示设备与方法 | |
CN116720644B (zh) | 基于社会力模型和寻路算法的行人动态疏散方法及系统 | |
CN116758111B (zh) | 基于ai算法的施工现场目标物追踪方法及装置 |
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 |