CN113269025A - 一种自动报警方法及系统 - Google Patents

一种自动报警方法及系统 Download PDF

Info

Publication number
CN113269025A
CN113269025A CN202110357669.6A CN202110357669A CN113269025A CN 113269025 A CN113269025 A CN 113269025A CN 202110357669 A CN202110357669 A CN 202110357669A CN 113269025 A CN113269025 A CN 113269025A
Authority
CN
China
Prior art keywords
identification
hand
string
hands
equal
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.)
Granted
Application number
CN202110357669.6A
Other languages
English (en)
Other versions
CN113269025B (zh
Inventor
郑铁红
郑怡璐
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.)
Guangzhou Chezhi Electric Appliance Co ltd
Original Assignee
Guangzhou Chezhi Electric Appliance 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 Guangzhou Chezhi Electric Appliance Co ltd filed Critical Guangzhou Chezhi Electric Appliance Co ltd
Priority to CN202110357669.6A priority Critical patent/CN113269025B/zh
Publication of CN113269025A publication Critical patent/CN113269025A/zh
Application granted granted Critical
Publication of CN113269025B publication Critical patent/CN113269025B/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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种自动报警方法及系统，所述方法包括：通过摄像头获取人体手势的动态手势影像；根据所述动态手势影像确定人手的数量及每个手的移动轨迹；对所述每个手的移动轨迹进行数字识别得到识别数字串；根据手的数量判断识别数字串是否满足预设条件；当识别数字串满足预设条件时，进行紧急报警处理。当发生紧急事件时，可以通过人体手势及时进行报警，并且能够避免误操作，导致频繁误报警。

Description

一种自动报警方法及系统
技术领域
本发明涉及报警技术领域，尤其涉及一种自动报警方法及系统。
背景技术
当出现紧急事件时，例如，车祸、抢劫等危险事件时，用户往往使用手机进行报警，然而这需要手动进行操作，然而在某些环境下，用户无法使用手机或者无法对手机进行手动操作，此种情形下，用户无法及时进行报警。
发明内容
本发明提供一种自动报警方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
第一方面，本发明实施例提供了一种自动报警方法，包括：
通过摄像头获取人体手势的动态手势影像；
根据所述动态手势影像确定人手的数量及每个手的移动轨迹；
对所述每个手的移动轨迹进行数字识别得到识别数字串；
根据手的数量判断识别数字串是否满足预设条件；
当识别数字串满足预设条件时，进行紧急报警处理。
进一步，根据所述动态手势影像确定人手的数量及每个手的移动轨迹包括：
获取所述动态手势影像的帧序列图像；
利用帧间差分法计算帧序列图像中相邻帧之间的帧间差异值作为差异值序列；
将差异值序列分为N组，每组选取最大帧间差异值对应的两帧图像作为关键帧；
使用基于机器学习的人手识别模型从关键帧中识别人手及确定手的数量；
从关键帧中提取每个手的外轮廓线，计算每个手的中心位置；
确定每个外轮廓线与手的中心位置的距离最远的点作为每个手的指尖点的位置；
由关键帧中每个手的指尖点的位置组成的轨迹作为每个手的移动轨迹。
进一步,对所述每个手的移动轨迹进行数字识别得到识别数字串包括:
将所述每个手的移动轨迹分别转换为二值图像；
对每个二值图像进行数字识别得到每个二值图像对应的识别数字串；
其中，对二值图像进行数字识别得到二值图像对应的数字串包括：
从二值图像中获取移动轨迹的峰值点和谷值点，记Pi为第i个峰值点，Vj为第j个谷值点，1≤i≤m，1≤j≤n，m为峰值点的数量，n为谷值点的数量，
若m＝3k，并且m≤n≤3(k+1)时，则数字的数量为m，根据峰值点之间的坐标关系确定m-1条分割线对二值图像进行分割；
若n＝3k，并且n≤m≤3(k+1)时，则数字的数量为n，根据谷值点之间的坐标关系确定m-1条分割线对二值图像进行分割；
对分割后的图像采用基于机器学习的数字识别模型进行识别，得到包括m或n个数字的识别数字串。
进一步，根据人手的数量判断识别数字串是否满足预设条件包括：
判断是否存在至少一个手的移动轨迹对应的识别数字串中包括两个以上预存数字串；
或者判断是否存在至少一个手的移动轨迹对应的识别数字串中包括预存数字串，并且预存数字串重复出现的次数大于等于2；
或者当人手的数量大于等于2时，判断是否存在至少两个手的移动轨迹的识别数字串中包括预存数字串。
进一步，识别数字串满足预设条件具体为：
至少一个手的移动轨迹对应的识别数字串中包括两个以上预存数字串，则确定识别结果满足预设条件；
或者至少一个手的移动轨迹对应的识别数字串中包括预存数字串，并且预存数字串重复出现的次数大于等于2，则确定识别结果满足预设条件；
或者当人手的数量大于等于2时，至少有两个手的移动轨迹的识别结果包括预存数字串，则确定识别结果满足预设条件。
进一步，进行紧急报警处理包括：
当所有手的移动轨迹对应的所有识别数字串中只包括一个预存数字串时，拨打与该预存数字串对应的紧急电话；
当所有手的移动轨迹对应的所有识别数字串中包括多个预存数字串时，分别拨打与所述多个预存数字串对应的紧急电话。
进一步，所述方法还包括：在紧急报警处理的同时，将动态手势影像和摄像头的IP地址发送至预设的终端。
第二方面，本发明实施例还提供了一种自动报警系统，包括至少一个摄像头和自动报警单元，所述至少一个摄像头与自动报警单元连接，所述自动报警单元包括：
获取模块，用于从摄像头获取人体手势的动态手势影像；
移动轨迹确定模块，用于根据所述动态手势影像确定人手的数量及每个手的移动轨迹；
识别模块，用于对每个手的移动轨迹进行数字识别得到识别数字串；
判断模块，用于根据手的数量判断识别数字串是否满足预设条件；
报警处理模块，用于当识别数字串满足预设条件时，进行紧急报警处理。
第三方面，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存储有计算机程序，所述程序被处理器执行时实现第一方面任一项所述的方法。
本发明实施例的一种自动报警方法及系统，至少具有以下有益效果：通过摄像头获取人体手势的动态手势影像；根据所述动态手势影像确定手的数量和人体手势的移动轨迹，根据手的数量判断识别结果是否满足预设条件，从而避免误操作，导致频繁误报警。当发生紧急事件时，可以通过人体手势及时进行报警。
附图说明
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
图1是本发明实施例提供的一种自动报警方法的流程图；
图2是本发明实施例提供的一种手的中心位置与外轮廓线的距离的示意图；
图3是本发明实施例提供的一个移动轨迹的二值图像进行分割的示例图；
图4是本发明另一实施例提供的一个移动轨迹的二值图像进行分割的示例图；
图5是本发明另一实施例提供的一个移动轨迹的二值图像进行分割的示例图；
图6是本发明实施例提供的一种自动报警系统的场景图；
图7为本发明实施例提供的一种自动报警系统的结构示意图。
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用以解释本发明，并不用于限定本发明。
需要说明的是，虽然在系统示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于系统中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
图1是本发明实施例提供的一种自动报警方法，包括以下步骤：
S101、通过摄像头获取人体手势的动态手势影像；
具体地，摄像头为网络摄像头、监控摄像头或家用摄像头，可以安装于道路、室内等场合，该摄像头与自动报警单元连接，并通过网络实现无线通讯。摄像头处于开启状态，用于获取人体手势的动态手势影像，该动态手势影像即为视频流，包括连续的帧序列图像。
S102、根据所述动态手势影像确定人手的数量及每个手的移动轨迹；
具体地，步骤S102包括步骤S201-S207：
S201、获取所述动态手势影像的帧序列图像；
S202、利用帧间差分法计算帧序列图像中相邻帧之间的帧间差异值作为差异值序列；
S203、将差异值序列分为N组，每组选取最大帧间差异值对应的两帧图像作为关键帧；
S204、使用基于机器学习的人手识别模型从关键帧中识别人手及确定手的数量；
S205、从关键帧中提取每个手的外轮廓线，计算每个手的中心位置；
S206、确定每个外轮廓线与手的中心位置的距离最远的点作为每个手的指尖点的位置；
S207、由关键帧中每个手的指尖点的位置组成的轨迹作为每个手的移动轨迹。
具体地，N为整数，N的值越大，则划分越细，则误差越小。每组选取最大帧间差异值对应的两帧图像作为关键帧进行处理，可以减少计算量。
基于机器学习的人手识别模型，可以采用训练好的神经网络。
用户通常采用手指进行书写。因此，获取手指的指尖点的位置作为移动轨迹。如图2所示，根据手的外轮廓线计算手的中心位置为O点，计算O点与外轮廓线各点的距离，可以得到指尖点A点与O点的距离最大。如图2中展示了点A、B、C、D、E与点O的连接线，根据两点间的直线距离作为两点的距离。
S103、对所述每个手的移动轨迹进行数字识别得到识别数字串；
步骤S103包括：
将所述每个手的移动轨迹分别转换为二值图像；
对每个二值图像进行数字识别得到每个二值图像对应的识别数字串；
其中，对二值图像进行数字识别得到二值图像对应的数字串包括：
从二值图像中获取移动轨迹的峰值点和谷值点，记Pi为第i个峰值点，Vj为第j个谷值点，1≤i≤m，1≤j≤n，m为峰值点的数量，n为谷值点的数量，
若m＝3k，并且m≤n≤3(k+1)时，则数字的数量为m，根据峰值点之间的坐标关系确定m-1条分割线对二值图像进行分割；
若n＝3k，并且n≤m≤3(k+1)时，则数字的数量为n，根据谷值点之间的坐标关系确定m-1条分割线对二值图像进行分割；
对分割后的图像采用基于机器学习的数字识别模型进行识别，得到包括m或n个数字的识别数字串。
具体地，峰值点指轨迹中的极大值,估值点指轨迹中的极小值,假设根据峰值点确定分割线，Xt表示第t分割线的横坐标。
Figure BDA0003004314480000051
其中1≤t≤m-1，xPt+1表示第t+1个峰值点在x轴上的坐标，xPt表示第t个峰值点在x轴上的坐标，第t分割线为垂直于x轴，并且在x轴上的为Xt。
图3为一实施例提供的一个移动轨迹的二值图像进行分割的示例图，获取移动轨迹的峰值点P1、P2和P3，x-y坐标系中的坐标分别为(xP1，yP1)、(xP2，yP2)、(xP3，yP3)，谷值点为V1、V2和V3，坐标分别为(xV1，yV1)、(xV2，yV2)、(xV3，yV3)，则确定数字的数量为3，则可以根据峰值坐标或谷值坐标对二值图像进行分割，以峰值坐标为例，第一分割线的横坐标为
Figure BDA0003004314480000052
则第一分割线为垂直于x轴，并且横坐标为X1，第二分割线为垂直于x轴，并且横坐标为X2。
图4为另一实施例提供的一个移动轨迹的二值图像的示例图，m＝6，n＝6，以峰值点之间的坐标关系确定5条分割线对二值图像进行分割。
图5为另一实施例提供的一个移动轨迹的二值图像的示例图，m＝6，n＝7，以峰值点之间的坐标关系确定5条分割线对二值图像进行分割。
对分割后的图像采用基于机器学习的数字识别模型进行识别，例如采用神经网络识别算法进行识别，图3可以得到数字串110，图4得到110120，图5得到110119。
S104、根据人手的数量判断识别数字串是否满足预设条件；
具体地，由于是通过摄像头通过获取手势的移动轨迹进行自动报警，因此，为了减少误操作，减少误报警，提高准确性，根据手的数量进行判断。当识别到越多手的移动轨迹是为了进行报警时，则说明情况越紧急，因此，针对手的数量，设置不同的条件。
步骤S104包括：
判断是否存在至少一个手的移动轨迹对应的识别数字串中包括两个以上预存数字串；
或者判断是否存在至少一个手的移动轨迹对应的识别数字串中包括预存数字串，并且预存数字串重复出现的次数大于等于2；
或者当人手的数量大于等于2时，判断是否存在至少两个手的移动轨迹的识别数字串中包括预存数字串。
S105、当识别数字串满足预设条件时，进行紧急报警处理。
进一步，识别数字串满足预设条件具体为：
至少一个手的移动轨迹对应的识别数字串中包括两个以上预存数字串，则确定识别结果满足预设条件；
或者至少一个手的移动轨迹对应的识别数字串中包括预存数字串，并且预存数字串重复出现的次数大于等于2，则确定识别结果满足预设条件；
或者当人手的数量大于等于2时，至少有两个手的移动轨迹的识别结果包括预存数字串，则确定识别结果满足预设条件。
进一步，进行紧急报警处理包括：
当所有手的移动轨迹对应的所有识别数字串中只包括一个预存数字串时，拨打与该预存数字串对应的紧急电话；
当所有手的移动轨迹对应的所有识别数字串中包括多个预存数字串时，分别拨打与所述多个预存数字串对应的紧急电话。
在实际应用，紧急电话为110、120和119。因此，图4包括110和120，图5中包括110和119，满足预设条件，对应图4情况拨打110和120，对应图5的情况拨打110和119。对于图3的情况，如果手的数量只有一个，由于没有重复出现，则不进行操作，如果识别另一个手的移动轨迹的识别结果也是数字串110，则拨打110，如果识别另一个手的移动轨迹的识别结果是数字串120,则拨打110和120。预先存储音频文件，拨通电话时可对应播放音频文件，该音频文件的内容包括摄像头所在的位置信息，例如“发生事故，位置为XXX”，其中“XXX”表示摄像头所在的地理位置的具体信息。另外，该音频文件的内容包括摄像头的IP地址，可以通过IP地址直接调用和查看该摄像头的影像，了解现场情况，并通过IP地址实现摄像头的准确定位。
在一实施例中，所述方法还包括：在紧急报警处理的同时，将动态手势影像和摄像头的IP地址发送至预设的终端。
在一实例中，所述方法还包括：在紧急报警处理的同时，将动态手势影像和摄像头的位置信息发送至预设的终端；或者在紧急报警处理的同时，将动态手势影像、摄像头的位置信息、摄像头的IP地址发送至预设的终端。
本发明实施例还提供了一种自动报警系统，图6为本发明实施例提供的一种自动报警系统的场景图，图7为本发明实施例提供的自动报警系统的结构示意图。
自动报警系统包括至少一个摄像头和自动报警单元，所述至少一个摄像头与自动报警单元连接，所述自动报警单元包括：
获取模块，用于从摄像头获取人体手势的动态手势影像；
移动轨迹确定模块，用于根据所述动态手势影像确定人手的数量及每个手的移动轨迹；
识别模块，用于对每个手的移动轨迹进行数字识别得到识别数字串；
判断模块，用于根据手的数量判断识别数字串是否满足预设条件；
报警处理模块，用于当识别数字串满足预设条件时，进行紧急报警处理。
其中，各个模块的工作原理与上述方法的工作原理相同，此处不再赘述。
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存储有计算机程序，所述程序被处理器执行时上述自动报警的方法。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。

Claims (9)

1.一种自动报警方法，其特征在于，包括：
通过摄像头获取人体手势的动态手势影像；
根据所述动态手势影像确定人手的数量及每个手的移动轨迹；
对所述每个手的移动轨迹进行数字识别得到识别数字串；
根据手的数量判断识别数字串是否满足预设条件；
当识别数字串满足预设条件时，进行紧急报警处理。
2.根据权利要求1所述的自动报警方法，其特征在于，根据所述动态手势影像确定人手的数量及每个手的移动轨迹包括：
获取所述动态手势影像的帧序列图像；
利用帧间差分法计算帧序列图像中相邻帧之间的帧间差异值作为差异值序列；
将差异值序列分为N组，每组选取最大帧间差异值对应的两帧图像作为关键帧；
使用基于机器学习的人手识别模型从关键帧中识别人手及确定手的数量；
从关键帧中提取每个手的外轮廓线，计算每个手的中心位置；
确定每个外轮廓线与手的中心位置的距离最远的点作为每个手的指尖点的位置；
由关键帧中每个手的指尖点的位置组成的轨迹作为每个手的移动轨迹。
3.根据权利要求1所述的自动报警方法,其特征在于,对所述每个手的移动轨迹进行数字识别得到识别数字串包括:
将所述每个手的移动轨迹分别转换为二值图像；
对每个二值图像进行数字识别得到每个二值图像对应的识别数字串；
其中，对二值图像进行数字识别得到二值图像对应的数字串包括：
从二值图像中获取移动轨迹的峰值点和谷值点，记Pi为第i个峰值点，Vj为第j个谷值点，1≤i≤m，1≤j≤n，m为峰值点的数量，n为谷值点的数量，
若m＝3k，并且m≤n≤3(k+1)时，则数字的数量为m，根据峰值点之间的坐标关系确定m-1条分割线对二值图像进行分割；
若n＝3k，并且n≤m≤3(k+1)时，则数字的数量为n，根据谷值点之间的坐标关系确定m-1条分割线对二值图像进行分割；
对分割后的图像采用基于机器学习的数字识别模型进行识别，得到包括m或n个数字的识别数字串。
4.根据权利要求1所述的自动报警方法，其特征在于，根据人手的数量判断识别数字串是否满足预设条件包括：
判断是否存在至少一个手的移动轨迹对应的识别数字串中包括两个以上预存数字串；
或者判断是否存在至少一个手的移动轨迹对应的识别数字串中包括预存数字串，并且预存数字串重复出现的次数大于等于2；
或者当人手的数量大于等于2时，判断是否存在至少两个手的移动轨迹的识别数字串中包括预存数字串。
5.根据权利要求4所述的自动报警方法，其特征在于，识别数字串满足预设条件具体为：
至少一个手的移动轨迹对应的识别数字串中包括两个以上预存数字串，则确定识别结果满足预设条件；
或者至少一个手的移动轨迹对应的识别数字串中包括预存数字串，并且预存数字串重复出现的次数大于等于2，则确定识别结果满足预设条件；
或者当人手的数量大于等于2时，至少有两个手的移动轨迹的识别结果包括预存数字串，则确定识别结果满足预设条件。
6.根据权利要求3所述的自动报警方法，其特征在于，进行紧急报警处理包括：
当所有手的移动轨迹对应的所有识别数字串中只包括一个预存数字串时，拨打与该预存数字串对应的紧急电话；
当所有手的移动轨迹对应的所有识别数字串中包括多个预存数字串时，分别拨打与所述多个预存数字串对应的紧急电话。
7.根据权利要求4所述的自动报警方法，其特征在于，所述方法还包括：在紧急报警处理的同时，将动态手势影像和摄像头的IP地址发送至预设的终端。
8.一种自动报警系统，其特征在于，包括至少一个摄像头和自动报警单元，所述至少一个摄像头与自动报警单元连接，所述自动报警单元包括：
获取模块，用于从摄像头获取人体手势的动态手势影像；
移动轨迹确定模块，用于根据所述动态手势影像确定人手的数量及每个手的移动轨迹；
识别模块，用于对每个手的移动轨迹进行数字识别得到识别数字串；
判断模块，用于根据手的数量判断识别数字串是否满足预设条件；
报警处理模块，用于当识别数字串满足预设条件时，进行紧急报警处理。
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存储有计算机程序，所述程序被处理器执行时实现权利要求1-7任一项所述的方法。
CN202110357669.6A 2021-04-01 2021-04-01 一种自动报警方法及系统 Active CN113269025B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110357669.6A CN113269025B (zh) 2021-04-01 2021-04-01 一种自动报警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110357669.6A CN113269025B (zh) 2021-04-01 2021-04-01 一种自动报警方法及系统

Publications (2)

Publication Number Publication Date
CN113269025A true CN113269025A (zh) 2021-08-17
CN113269025B CN113269025B (zh) 2024-03-26

Family

ID=77228415

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110357669.6A Active CN113269025B (zh) 2021-04-01 2021-04-01 一种自动报警方法及系统

Country Status (1)

Country Link
CN (1) CN113269025B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023022045A1 (en) * 2021-08-19 2023-02-23 Nec Corporation A method, an apparatus and a non-transitory computer readable medium for measuring productivity

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106484108A (zh) * 2016-09-30 2017-03-08 天津大学 基于双视点手势识别的汉字识别方法
CN106557173A (zh) * 2016-11-29 2017-04-05 重庆重智机器人研究院有限公司 动态手势识别方法及装置
CN107563286A (zh) * 2017-07-28 2018-01-09 南京邮电大学 一种基于Kinect深度信息的动态手势识别方法
CN107679512A (zh) * 2017-10-20 2018-02-09 济南大学 一种基于手势关键点的动态手势识别方法
CN108734168A (zh) * 2018-05-18 2018-11-02 天津科技大学 一种手写数字的识别方法
US20190005316A1 (en) * 2017-06-28 2019-01-03 Wistron Corporation Method and Module of Gesture Recognition
CN110996052A (zh) * 2019-11-26 2020-04-10 绍兴天宏激光科技有限公司 基于图像识别的紧急报警方法及系统
CN111950514A (zh) * 2020-08-26 2020-11-17 重庆邮电大学 一种基于深度摄像头的空中手写识别系统及方法
CN112115853A (zh) * 2020-09-17 2020-12-22 西安羚控电子科技有限公司 一种手势识别方法、装置、计算机存储介质及电子设备
CN112379779A (zh) * 2020-11-30 2021-02-19 华南理工大学 一种基于迁移学习的动态手势识别虚拟交互系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106484108A (zh) * 2016-09-30 2017-03-08 天津大学 基于双视点手势识别的汉字识别方法
CN106557173A (zh) * 2016-11-29 2017-04-05 重庆重智机器人研究院有限公司 动态手势识别方法及装置
US20190005316A1 (en) * 2017-06-28 2019-01-03 Wistron Corporation Method and Module of Gesture Recognition
CN107563286A (zh) * 2017-07-28 2018-01-09 南京邮电大学 一种基于Kinect深度信息的动态手势识别方法
CN107679512A (zh) * 2017-10-20 2018-02-09 济南大学 一种基于手势关键点的动态手势识别方法
CN108734168A (zh) * 2018-05-18 2018-11-02 天津科技大学 一种手写数字的识别方法
CN110996052A (zh) * 2019-11-26 2020-04-10 绍兴天宏激光科技有限公司 基于图像识别的紧急报警方法及系统
CN111950514A (zh) * 2020-08-26 2020-11-17 重庆邮电大学 一种基于深度摄像头的空中手写识别系统及方法
CN112115853A (zh) * 2020-09-17 2020-12-22 西安羚控电子科技有限公司 一种手势识别方法、装置、计算机存储介质及电子设备
CN112379779A (zh) * 2020-11-30 2021-02-19 华南理工大学 一种基于迁移学习的动态手势识别虚拟交互系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023022045A1 (en) * 2021-08-19 2023-02-23 Nec Corporation A method, an apparatus and a non-transitory computer readable medium for measuring productivity

Also Published As

Publication number Publication date
CN113269025B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
CN111010590B (zh) 一种视频裁剪方法及装置
US11727577B2 (en) Video background subtraction using depth
WO2020221013A1 (zh) 一种图像处理方法、装置、电子设备以及存储介质
CN109308463B (zh) 一种视频目标识别方法、装置及设备
CN106570465B (zh) 一种基于图像识别的人流量统计方法及装置
CN111414949B (zh) 图片聚类方法、装置、电子设备及存储介质
WO2023273628A1 (zh) 一种视频循环识别方法、装置、计算机设备及存储介质
Xiang et al. Activity based surveillance video content modelling
EP4273742A1 (en) Handwriting recognition method and apparatus, electronic device, and medium
CN102103457A (zh) 简报操作系统及方法
CN111931756B (zh) 用于生成电子签名的方法、计算设备和计算机存储介质
CN113269025A (zh) 一种自动报警方法及系统
CN113128368A (zh) 一种人物交互关系的检测方法、装置及系统
CN111081276A (zh) 音频段的匹配方法、装置、设备及可读存储介质
WO2021012513A1 (zh) 手势操作方法、装置以及计算机设备
CN113347381A (zh) 预测不雅举止轨迹的方法及系统
CN110858291A (zh) 字符切分方法及装置
CN112101135A (zh) 一种运动目标检测方法、装置及终端设备
CN109255214B (zh) 一种权限配置方法及装置
CN115670397B (zh) 一种ppg伪迹识别方法、装置、存储介质及电子设备
CN113762027B (zh) 一种异常行为的识别方法、装置、设备及存储介质
CN115761636A (zh) 一种检测人员聚集的方法、系统、设备和存储介质
CN112601029B (zh) 一种已知背景先验信息的视频分割方法、终端和存储介质
CN109684991B (zh) 图像处理方法、装置、电子设备及存储介质
CN113591752A (zh) 基于卷积神经网络的设备漏油监控方法及相关设备

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