CN113297946B - 一种监控盲区识别方法和识别系统 - Google Patents

一种监控盲区识别方法和识别系统 Download PDF

Info

Publication number
CN113297946B
CN113297946B CN202110543233.6A CN202110543233A CN113297946B CN 113297946 B CN113297946 B CN 113297946B CN 202110543233 A CN202110543233 A CN 202110543233A CN 113297946 B CN113297946 B CN 113297946B
Authority
CN
China
Prior art keywords
monitoring
track
target
candidate
area
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
CN202110543233.6A
Other languages
English (en)
Other versions
CN113297946A (zh
Inventor
邓练兵
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.)
Zhuhai Dahengqin Technology Development Co Ltd
Original Assignee
Zhuhai Dahengqin Technology Development 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 Zhuhai Dahengqin Technology Development Co Ltd filed Critical Zhuhai Dahengqin Technology Development Co Ltd
Priority to CN202110543233.6A priority Critical patent/CN113297946B/zh
Publication of CN113297946A publication Critical patent/CN113297946A/zh
Application granted granted Critical
Publication of CN113297946B publication Critical patent/CN113297946B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/024Guidance services
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/029Location-based management or tracking services

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Alarm Systems (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明公开了一种监控盲区识别方法和识别系统,其中方法包括:利用视频监控系统对监控目标的行动轨迹进行监控,以生成监控目标的轨迹图;根据轨迹图,确定视频监控系统的候选监控盲区;基于地理位置对候选监控盲区进行筛选,以确定视频监控系统的实际监控盲区。本发明提供的技术方案解决了对于地形复杂范围广的区域,盲区总是统计不全的问题。

Description

一种监控盲区识别方法和识别系统
技术领域
本发明涉视频监控技术领域,具体涉及一种监控盲区识别方法和识别系统。
背景技术
对于海关的通关路口等一些重要的地点,需要对其进行完全的监控,将发生的所有情况进行纪录,保障海关通关工作的安全,并对工作人员进行有效的监督。同时,在意外事件发生时,可以有效的保存现场情况的记录。现有技术中的视频视频监控系统,虽然布设了大量的视频监控设备,但是由于各种原因,还是会存在大量的监控盲区。例如,由于地表植物、建筑物的遮挡,会造成相应的视频监控设备出现监控死角和盲区。出现监控盲区会给整体监控带来目标丢失、无法持续监控等问题。现有技术中,对于海关监管中监控盲区,通常采用技术人员实地测试的方式来获取,通过增加监控设备、改变监控位置等方式来解决,对于地形复杂范围广的区域,盲区总是统计不全。因而,如何高效的发现监控盲区,是业内亟需解决的难题。
发明内容
有鉴于此,本发明实施方式提供了一种监控盲区识别方法和识别系统,从而实现了对于复杂地形区域,准确统计监控盲区的功能。
根据第一方面,本发明实施例提供的一种监控盲区识别方法,用于待检测的视频监控系统中,所述方法包括:
利用所述视频监控系统对监控目标的行动轨迹进行视频监控,以生成所述监控目标的轨迹图;
根据所述轨迹图,确定所述视频监控系统的候选监控盲区;
基于地理位置对所述候选监控盲区进行筛选,以确定所述视频监控系统的实际监控盲区。
可选地,所述方法还包括:
利用定位系统对所述监控目标的行动轨迹进行定位,以生成所述监控目标的定位轨迹图。
可选地,所述生成所述监控目标的轨迹图,包括:
当所述监控目标进入可移动的移动目标后,利用所述视频监控系统继续对所述移动目标的行动轨迹进行监控;
基于所述监控目标的行动轨迹和所述移动目标的行动轨迹,生成所述监控目标的轨迹图。
可选地,所述根据所述轨迹图,确定所述视频监控系统的候选监控盲区,包括:
获取所述轨迹图和所述定位轨迹图的相减图像;
获取目标区域的区域地图;
根据相减图像和所述区域地图的比对结果确定所述候选监控盲区。
可选地,所述根据相减图像和所述区域地图的比对结果确定所述候选监控盲区,包括:
缩放所述相减图像和所述区域地图至同比例条件下;
将所述相减图像上的轨迹对应标注在所述区域地图中;
标注后的位置即为所述候选监控盲区。
可选地,所述基于地理位置对所述候选监控盲区进行筛选,以确定所述视频监控系统的实际监控盲区包括:
在所述候选监控盲区中识别具备指定标记的目标区域,并将所述目标区域从所述候选监控盲区中剔除;所述指定标记用于表征所述目标区域不具备监控权限;
将所述候选监控盲区中剩余的区域作为所述实际监控盲区。
可选地,所述方法还包括:
以预设周期检测所述实际监控盲区,完成对监控盲区的更新。
根据第二方面,本发明实施例提供的一种监控盲区识别系统,应用于电子设备,其特征在于,所述系统包括:
轨迹生成模块:利用所述视频监控系统对监控目标的行动轨迹进行监控,以生成所述监控目标的轨迹图;
候选监控盲区确定模块:根据所述轨迹图,确定所述视频监控系统的候选监控盲区;
实际监控盲区确定模块:基于地理位置对所述候选监控盲区进行筛选,以确定所述视频监控系统的实际监控盲区。
根据第三方面,本发明实施例提供了一种电子设备,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面,或者第一方面任意一种可选实施方式中所述的方法。
根据第四方面,本发明实施例提供了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指令,所述计算机指令用于使所述计算机从而执行第一方面,或者第一方面任意一种可选实施方式中所述的方法。
本发明技术方案,具有如下优点:
本发明实施例提供的一种监控盲区识别方法和识别系统。该方法具体包括:利用视频监控系统对监控目标的行动轨迹进行监控,以生成监控目标的轨迹图;根据轨迹图,确定视频监控系统的候选监控盲区;基于地理位置对候选监控盲区进行筛选,以确定视频监控系统的实际监控盲区。本发明通过对监控目标进行视频监控跟踪绘制出跟踪轨迹,与定位系统给出的监控目标的完备轨迹做对比,减去重叠部分,从而得到两部分轨迹的差值部分。该部分轨迹即为视频监控系统监控不到的轨迹。通过该部分轨迹与目标区域的地图进行参考识别,可以准确的找出该目标区域的候选监控盲区。并且通过二次鉴定,判别候选盲区是否是保密区域,即无权限监控的区域,将判别为保密区域的监控盲区从候选监控盲区中提出得到实际监控盲区。本发明不仅准确定位监控盲区,还可以对监控盲区的合理性进行识别。除此之外,以预设周期实施本监控识别技术方案,实时更新监控盲区,有效解决了当季节出现变化时,树木,天气等外界条件导致的监控盲区出现变化的问题。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种监控盲区识别方法的步骤示意图;
图2为本发明实施例的一种监控盲区识别方法的确定候选监控盲区流程示意图;
图3为本发明实施例的一种监控盲区识别系统的结构示意图;
图4为本发明实施例的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
请参阅图1,本发明实施例提供的监控盲区识别方法,应用于待检测的视频监控系统中,具体包括如下步骤:
步骤S101:利用视频监控系统对监控目标的行动轨迹进行视频监控,以生成监控目标的轨迹图。具体地,本发明实施例中监控目标包括但不限于:人、汽车、动物、飞机。并且本发明实施例中的监控目标表示为在目标区域活动的多个甚至所有目标,并不局限为一个。在目标区域中,对于包含在本技术方案中的监控目标,通过机器视觉技术定位目标,可以使用目标相似、目标搜索和概率跟踪等算法对监控目标的行动轨迹进行标定。所得到的轨迹图以便用于支撑后续步骤运行。
步骤S102:根据轨迹图,确定视频监控系统的候选监控盲区。具体地,在本发明实施例中,可以将轨迹图与目标区域的地图进行对比,从而得到视频监控系统监控不到的地理位置,这些地理位置的组合便可以作为上述的候选监控盲区。而候选监控盲区能否通过部署更多的监控设备来克服,还需要进行下一步骤的具体判断。
步骤S103:基于地理位置对候选监控盲区进行筛选,以确定视频监控系统的实际监控盲区。具体的,本步骤用于判断上述候选监控盲区能否通过部署更多的监控设备来克服。换言之,由于在实际区域内,存在着私人住宅、政府机关资料处、科研实验室等保密性或私密性很高的场地,而这些场地对于普通视频监控系统是不能给予监控权限的,因此就算部署更多的监控设备,对于这部分场地也依然无法实现监控。鉴于此,候选监控盲区就可以划分为固定盲区和实际监控盲区。其中,固定盲区为上述的不具备监控权限的区域。实际监控盲区为通过布设更多的监控设备就能消除的盲区。在实际应用中,可以从候选监控盲区中筛选出实际监控盲区,从而基于实际监控盲区对视频监控系统中监控设备的部署进行优化。具体地,对于区域地图上已经标记好的无监控权限的位置,如若与候选监控盲区中的地理位置重合,那么剔除这一部分区域,从而得到实际监控盲区。本步骤在实际应用场景中,提高了确定监控盲区的准确性。
具体地,在一实施例中,上述步骤S101,具体包括如下步骤:
步骤S201:当监控目标进入可移动的移动目标后,利用视频监控系统继续对移动目标的行动轨迹进行监控。具体地,监控目标进入一个全封闭的移动目标时,此时监控目标在监控画面中丢失,而移动目标还在监控画面中,此时视频监控系统需要继续对该移动目标进行轨迹跟踪。例如,某一监控目标是人,当此人进入一辆车时,这个人从监控画面当中丢失,但是此人所进入的车辆还在监控画面当中,那么视频监控系统继续对该车辆进行监控并记录轨迹。
步骤S202:基于监控目标的行动轨迹和移动目标的行动轨迹,生成监控目标的轨迹图。具体地,对于上述步骤S201的监控目标,其完整的轨迹图是由该监控目标的轨迹和移动目标的轨迹组合而成的。例如:在监控区域内,当一个人进入一辆车时。该人的监控轨迹图是由他自身的行为轨迹,和进入车之后的车的行为轨迹组合而成的,直到车脱离监控画面为止。这种轨迹切换的方式使得监控目标在监控区域内时轨迹的记录最详细,以便提高后续比对步骤的可靠性,从而提高本发明实施例提供的监控盲区识别方法的准确率。
具体地,在一实施例中,可以借助于监控区域比较完备的定位系统,来确定待检测的视频监控系统的候选监控盲区。其中,定位系统可以是卫星定位系统、GIS定位、蓝牙定位、WIFI定位、UWB室内定位系统、人工定位、无人机、巡逻车中的一种或者多种所构成的系统。定位系统的特点是能够在目标区域中对监控目标进行完备的监控。通常而言,只要监控目标在目标区域的可监控范围内,那么定位系统都能够获取到监控目标的实时位置。上述方法还包括如下步骤:
步骤S104:利用定位系统对监控目标的行动轨迹进行定位,以生成监控目标的定位轨迹图。其中卫星定位和GIS可用于范围广的区域,例如海关、厂区等。蓝牙定位、WIFI定位和UWB适用于范围小的区域,例如楼宇、楼层等。本发明实施例使用了一个海关监控多级联网平台进行了监控目标的跟踪定位。通过定位系统可以绘制出监控人员完备的行为轨迹图,从而达到轨迹全覆盖目标区域的目的,并为上述的候选监控盲区筛选做准备。
如图2所示,在一实施例中,上述步骤S102,具体包括如下步骤:
步骤S203:获取轨迹图和定位轨迹图的相减图像。具体地,根据步骤S202的方法得到的多个监控目标的轨迹图与步骤S104根据定位系统得到的定位轨迹图做减法处理,可以剔除两种轨迹图中的重叠部分。例如:对于两种轨迹图的相减操作,可以将两种轨迹图先缩放到同比例条件下,然后以预设的分辨率将两种轨迹图划分为像素,之后将轨迹图做灰度处理在转化为二值图,这样就可以得到两种轨迹图清晰的轨迹轮廓。之后选定某一地点为参考点,根据该地点在两种轨迹图上的位置将两种轨迹图做重叠对比,当两种图相对应的像素的颜色相同时,可以设该位置像素值为255;当定位轨迹图比轨迹图多出的轨迹位置,可以预设该位置像素值为0。这样就可以得到两类轨迹中,视频监控系统所监控不到的轨迹所在位置,所得到的二值图即可作为相减图像,进行后续步骤的使用。
步骤S204:获取目标区域的区域地图。具体地,本发明实施例中的区域地图包括但不限于:区域地理地貌地图、区域行政图、楼宇结构图、厂区结构图。通过目标区域内的相关地图与步骤S203提供的相减图像可以标定出目标区域内视频监控系统监控不到的地理位置。
步骤S205:根据相减图像和区域地图的比对结果确定候选监控盲区。具体地,以步骤S203提供的相减图像和区域地图进行比对,可以将相减图像中的轨迹标定在区域地图中,从而得到该目标区域监控目标可以到达的区域但是视频监控系统无法监控的区域信息,收集所得到的区域信息组成候选监控盲区以便于后续步骤的处理。通过标定轨迹与目标区域地图对比得到监控盲区的方法,不仅高效快捷,并且在不需要大量人力物力的条件下,使用现有常规的电子设备即可完成监控盲区的快速标定,提高了监控盲区识别准确率的同时,还大大降低了相关成本。
具体地,在一实施例中,上述步骤S205,具体包括如下步骤:
步骤S206:缩放相减图像和区域地图至同比例条件下。具体地,为了更好地标注区域地图上的监控盲区位置,需要将相减图像和区域地图缩放到同比例条件下,避免标注的具体地理位置发生偏移错误。
步骤S207:将相减图像上的轨迹对应标注在区域地图中。
步骤S208:标注后的位置即为候选监控盲区。具体地,将区域地图按照相减图像上的轨迹位置进行实际地理位置的标记,作为候选监控盲区,由于部分区域存在保密性强的可能性,是不授予监控权限的,因此还需将候选监控盲区进行下一步骤处理。
具体地,在一实施例中,上述步骤S104,具体包括如下步骤:
步骤S209:在候选监控盲区中识别具备指定标记的目标区域,并将目标区域从候选监控盲区中剔除;指定标记用于表征目标区域不具备监控权限。具体地,在区域地图中,部分区域是私人住宅、政府机关资料处、科研实验室等保密性或私密性很高的场地,而这些场地对于普通视频监控系统是不能给予监控权限的,因此为了避免施工人员为了补充监控点位从而无意义的去这些场所调研,预先在区域地图中将这些位置标记指定符号,当候选监控盲区中的位置有这些指定符号时,将这类位置从候选监控盲区中剔除。
步骤S210:将候选监控盲区中剩余的区域作为实际监控盲区。具体地,将上述步骤S209中包含指定符号的位置从候选监控盲区中剔除,剩下的区域即为人员可以到达并且给予了监控权限的位置,将所剩位置作为实际监控盲区,进行后续的监控点补位。根据实际区域的位置性质等信息,自动筛选实际监控盲区的方法,减少了人员实地调研等流程,降低了监控盲区的确定成本,提高了识别监控盲区的准确率。
具体地,本发明实施例提供的监控盲区识别方法,还包括如下步骤:
步骤S211:以预设周期检测实际监控盲区,完成对监控盲区的更新。具体地,周期性的执行监控盲区识别的步骤,保证监控盲区的实施更新,从而对更新后的监控盲区及时切换监控点位,保证全方位的监控。例如:随着季节的变化,树木、天气等原因会导致部分监控点位被遮挡,原本不是监控盲区的地方会变成监控盲区。本发明实施例以季度为周期执行上述步骤,更新实际监控盲区,可以在监控被遮挡时即使补位其他监控点保证全方位的监控,并且当季节变换时原本被遮挡的监控点位露出时,可以关闭补位监控点,切换为原始监控点。通过上述方法可以实时高效的识别出目标区域的监控盲区,提高了监控盲区识别的准确性,及时调整监控方案还提高视频监控系统的安全性和可靠性,避免了不必要的资源浪费。
通过执行上述各个步骤,本发明实施例提供的监控盲区识别方法通过对监控目标进行视频监控跟踪绘制出跟踪轨迹,与定位系统给出的监控目标的完备轨迹做对比,减去重叠部分,从而得到两部分轨迹的差值部分。该部分轨迹即为视频监控系统监控不到的轨迹。通过该部分轨迹与目标区域的地图进行参考识别,可以准确的找出该目标区域的候选监控盲区。并且通过二次鉴定,判别候选盲区是否是保密区域,即无权限监控的区域,将判别为保密区域的监控盲区从候选监控盲区中提出得到实际监控盲区。本发明不仅准确定位监控盲区,还可以对监控盲区的合理性进行识别。除此之外,以预设周期实施本监控识别技术方案,实时更新监控盲区,有效解决了当季节出现变化时,树木,天气等外界条件导致的监控盲区出现变化的问题。
如图3所示,本实施例还提供了一种监控盲区识别系统,应用于电子设备,该系统包括:
轨迹生成模块101:利用视频监控系统对监控目标的行动轨迹进行监控,以生成监控目标的轨迹图。详细内容参见上述方法实施例中步骤S101的相关描述,在此不再进行赘述。
候选监控盲区确定模块102:根据轨迹图,确定视频监控系统的候选监控盲区。详细内容参见上述方法实施例中步骤S102的相关描述,在此不再进行赘述。
实际监控盲区确定模块103:基于地理位置对候选监控盲区进行筛选,以确定视频监控系统的实际监控盲区。详细内容参见上述方法实施例中步骤S103的相关描述,在此不再进行赘述。
本发明实施例提供的监控盲区识别系统,用于执行上述实施例提供的监控盲区识别方法,其实现方式与原理相同,详细内容参见上述方法实施例的相关描述,不再赘述。
通过上述各个组成部分的协同合作,本发明实施例提供的监控盲区识别系统通过对监控目标进行视频监控跟踪绘制出跟踪轨迹,与定位系统给出的监控目标的完备轨迹做对比,减去重叠部分,从而得到两部分轨迹的差值部分。该部分轨迹即为视频监控系统监控不到的轨迹。通过该部分轨迹与目标区域的地图进行参考识别,可以准确的找出该目标区域的候选监控盲区。并且通过二次鉴定,判别候选盲区是否是保密区域,即无权限监控的区域,将判别为保密区域的监控盲区从候选监控盲区中提出得到实际监控盲区。本发明不仅准确定位监控盲区,还可以对监控盲区的合理性进行识别。除此之外,以预设周期实施本监控识别技术方案,实时更新监控盲区,有效解决了当季节出现变化时,树木,天气等外界条件导致的监控盲区出现变化的问题。
图4示出了本发明实施例的一种电子设备,该设备包括:处理器901和存储器902,可以通过总线或者其他方式连接,图4中以通过总线连接为例。
处理器901可以为中央处理器(Central Processing Unit,CPU)。处理器901还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器902作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如上述方法实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储处理器901所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
一个或者多个模块存储在存储器902中,当被处理器901执行时,执行上述方法实施例中的方法。
上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,实现的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (7)

1.一种监控盲区识别方法,其特征在于,所述方法应用于待检测的视频监控系统中,所述方法包括:
利用所述视频监控系统对监控目标的行动轨迹进行视频监控,以生成所述监控目标的轨迹图;
利用定位系统对所述监控目标的行动轨迹进行定位,以生成所述监控目标的定位轨迹图;
根据所述轨迹图,确定所述视频监控系统的候选监控盲区;所述根据所述轨迹图,确定所述视频监控系统的候选监控盲区,包括:获取所述轨迹图和所述定位轨迹图的相减图像;获取目标区域的区域地图;根据相减图像和所述区域地图的比对结果确定所述候选监控盲区;
基于地理位置对所述候选监控盲区进行筛选,以确定所述视频监控系统的实际监控盲区;所述基于地理位置对所述候选监控盲区进行筛选,以确定所述视频监控系统的实际监控盲区包括:在所述候选监控盲区中识别具备指定标记的目标区域,并将所述目标区域从所述候选监控盲区中剔除;所述指定标记用于表征所述目标区域不具备监控权限;将所述候选监控盲区中剩余的区域作为所述实际监控盲区。
2.根据权利要求1所述的方法,其特征在于,所述生成所述监控目标的轨迹图,包括:
当所述监控目标进入可移动的移动目标后,利用所述视频监控系统继续对所述移动目标的行动轨迹进行监控;
基于所述监控目标的行动轨迹和所述移动目标的行动轨迹,生成所述监控目标的轨迹图。
3.根据权利要求1所述的方法,其特征在于,所述根据相减图像和所述区域地图的比对结果确定所述候选监控盲区,包括:
缩放所述相减图像和所述区域地图至同比例条件下;
将所述相减图像上的轨迹对应标注在所述区域地图中;
标注后的位置即为所述候选监控盲区。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
以预设周期检测所述实际监控盲区,完成对监控盲区的更新。
5.一种监控盲区识别系统,应用于电子设备,其特征在于,所述系统包括:
轨迹生成模块:利用视频监控系统对监控目标的行动轨迹进行视频监控,以生成所述监控目标的轨迹图;利用定位系统对所述监控目标的行动轨迹进行定位,以生成所述监控目标的定位轨迹图;
候选监控盲区确定模块:根据所述轨迹图,确定所述视频监控系统的候选监控盲区;所述根据所述轨迹图,确定所述视频监控系统的候选监控盲区,包括:获取所述轨迹图和所述定位轨迹图的相减图像;获取目标区域的区域地图;根据相减图像和所述区域地图的比对结果确定所述候选监控盲区;
实际监控盲区确定模块:基于地理位置对所述候选监控盲区进行筛选,以确定所述视频监控系统的实际监控盲区;所述基于地理位置对所述候选监控盲区进行筛选,以确定所述视频监控系统的实际监控盲区包括:在所述候选监控盲区中识别具备指定标记的目标区域,并将所述目标区域从所述候选监控盲区中剔除;所述指定标记用于表征所述目标区域不具备监控权限;将所述候选监控盲区中剩余的区域作为所述实际监控盲区。
6.一种电子设备,其特征在于,包括:
存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行如权利要求1-4任一项所述的方法。
7.一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指令,所述计算机指令用于使所述计算机从而执行如权利要求1-4任一项所述的方法。
CN202110543233.6A 2021-05-18 2021-05-18 一种监控盲区识别方法和识别系统 Active CN113297946B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110543233.6A CN113297946B (zh) 2021-05-18 2021-05-18 一种监控盲区识别方法和识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110543233.6A CN113297946B (zh) 2021-05-18 2021-05-18 一种监控盲区识别方法和识别系统

Publications (2)

Publication Number Publication Date
CN113297946A CN113297946A (zh) 2021-08-24
CN113297946B true CN113297946B (zh) 2024-01-05

Family

ID=77322852

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110543233.6A Active CN113297946B (zh) 2021-05-18 2021-05-18 一种监控盲区识别方法和识别系统

Country Status (1)

Country Link
CN (1) CN113297946B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113884097A (zh) * 2021-09-27 2022-01-04 漳州立达信光电子科技有限公司 全空间动态侦测风险区域划定方法、系统及安全预警方法
CN115565134B (zh) * 2022-10-13 2024-03-15 广州国交润万交通信息有限公司 球机监控盲区诊断方法、系统、设备及存储介质
CN116546171B (zh) * 2023-06-30 2023-09-01 傲拓科技股份有限公司 一种监控设备数据采集方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101742255A (zh) * 2009-12-04 2010-06-16 福建省电力有限公司 电力现场作业视频自动监控系统
CN105390027A (zh) * 2015-11-19 2016-03-09 浙江宇视科技有限公司 一种道路安全监控预警设备及方法
CN106332002A (zh) * 2016-08-22 2017-01-11 浙江大华技术股份有限公司 基于终端标识识别的监控方法、装置、系统及移动设备
CN106791613A (zh) * 2016-11-30 2017-05-31 江苏省邮电规划设计院有限责任公司 一种基于3dgis和视频相结合的智能监控系统
CN108234927A (zh) * 2016-12-20 2018-06-29 腾讯科技(深圳)有限公司 视频追踪方法和系统
CN110532962A (zh) * 2019-08-30 2019-12-03 上海秒针网络科技有限公司 轨迹的检测方法及装置、存储介质和电子装置
CN112140995A (zh) * 2020-03-17 2020-12-29 王延琮 一种基于网络云端的智能汽车安全驾驶系统
CN112399137A (zh) * 2019-08-14 2021-02-23 阿里巴巴集团控股有限公司 一种移动轨迹确定方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101742255A (zh) * 2009-12-04 2010-06-16 福建省电力有限公司 电力现场作业视频自动监控系统
CN105390027A (zh) * 2015-11-19 2016-03-09 浙江宇视科技有限公司 一种道路安全监控预警设备及方法
CN106332002A (zh) * 2016-08-22 2017-01-11 浙江大华技术股份有限公司 基于终端标识识别的监控方法、装置、系统及移动设备
CN106791613A (zh) * 2016-11-30 2017-05-31 江苏省邮电规划设计院有限责任公司 一种基于3dgis和视频相结合的智能监控系统
CN108234927A (zh) * 2016-12-20 2018-06-29 腾讯科技(深圳)有限公司 视频追踪方法和系统
CN112399137A (zh) * 2019-08-14 2021-02-23 阿里巴巴集团控股有限公司 一种移动轨迹确定方法和装置
CN110532962A (zh) * 2019-08-30 2019-12-03 上海秒针网络科技有限公司 轨迹的检测方法及装置、存储介质和电子装置
CN112140995A (zh) * 2020-03-17 2020-12-29 王延琮 一种基于网络云端的智能汽车安全驾驶系统

Also Published As

Publication number Publication date
CN113297946A (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
CN113297946B (zh) 一种监控盲区识别方法和识别系统
US10032267B2 (en) Automating the assessment of damage to infrastructure assets
Iqbal et al. How computer vision can facilitate flood management: A systematic review
US9365217B2 (en) Mobile pothole detection system and method
Akagic et al. Pothole detection: An efficient vision based method using rgb color space image segmentation
JP2004531842A (ja) サーベイランスシステムおよび監視システムに関する方法
JP2004534315A (ja) 移動対象物を監視する方法およびシステム
US20150281653A1 (en) System and method for selecting sensors in surveillance applications
CN115331190B (zh) 一种基于雷视融合的道路隐患识别方法及装置
US8818031B1 (en) Utility pole geotagger
CN110910360B (zh) 电网图像的定位方法和图像定位模型的训练方法
CN112084892B (zh) 一种道路异常事件检测管理装置及其方法
US20240110809A1 (en) System and method for asset identification and mapping
CN115294544A (zh) 驾驶场景分类方法、装置、设备及存储介质
CN113804100A (zh) 确定目标对象的空间坐标的方法、装置、设备和存储介质
CN113505769B (zh) 目标检测方法及应用其的车辆抛洒滴漏识别方法
Karnjana et al. Real-time monitoring system based on wireless sensor networks and remote sensing techniques for landslide-prone areas in the northern region of Thailand
CN114004566A (zh) 危险告警的方法、装置及存储介质
CN112287842A (zh) 一种车道线的识别方法、装置及电子设备
CN113011445A (zh) 标定方法、识别方法、装置及设备
Changalasetty et al. Identification and classification of moving vehicles on road
Barrile et al. Road cadastre an innovative system to update information, from big data elaboration
Jiang et al. A deep learning-assisted mathematical model for decongestion time prediction at railroad grade crossings
CN114241373A (zh) 一种端到端的车辆行为检测方法、系统、设备及存储介质
US9652681B1 (en) Using geospatial context information in image processing

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