CN113392800A - 一种行为检测方法、装置、计算机设备和存储介质 - Google Patents
一种行为检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113392800A CN113392800A CN202110739105.9A CN202110739105A CN113392800A CN 113392800 A CN113392800 A CN 113392800A CN 202110739105 A CN202110739105 A CN 202110739105A CN 113392800 A CN113392800 A CN 113392800A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- person
- target image
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 134
- 230000006399 behavior Effects 0.000 claims abstract description 229
- 230000000391 smoking effect Effects 0.000 claims abstract description 199
- 238000000034 method Methods 0.000 claims abstract description 29
- 235000019504 cigarettes Nutrition 0.000 claims description 32
- 238000012544 monitoring process Methods 0.000 claims description 30
- 238000013528 artificial neural network Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 abstract description 7
- 239000000463 material Substances 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 239000000779 smoke Substances 0.000 description 7
- 238000012806 monitoring device Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 241000256626 Pterygota <winged insects> Species 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种行为检测方法、装置、计算机设备和存储介质,其中,该方法包括:获取待检测的目标图像,并基于目标图像的图像特征和预设的头肩标准特征,识别目标图像中的人物;在目标图像中存在人物的情况下,基于目标图像,对目标图像中的人物进行抽烟行为检测;将实施有抽烟行为的对象作为目标人物,并生成目标人物对应的抽烟行为报告。本公开实施例利用图像识别技术精准地检测目标图像中人物是否有抽烟行为,降低误报率;同时,生成的抽烟行为报告可以清晰地展示目标人物的抽烟行为,方便对具有抽烟行为的目标人物进行管理,比如通过生成抽烟行为报告的方式可以为后续相关人员提供抽烟行为核查和追溯的材料。
Description
技术领域
本公开涉及图像识别技术领域,具体而言,涉及一种行为检测方法、装置、计算机设备和存储介质。
背景技术
随着社会的进步发展,人类生活也将跟随社会发展的脚步越来越趋于文明化。但是,公共区域和特定旅游景区等场所还存在诸多不文明行为(比如:抽烟)。这些不文明的行为对环境和他人都造成了不好的影响,因此需要对这些行为进行检测和监控。
发明内容
本公开实施例至少提供一种行为检测方法、装置、计算机设备和存储介质。
第一方面,本公开实施例提供了一种行为检测方法,包括:
获取待检测的目标图像,并基于所述目标图像的图像特征和预设的头肩标准特征,识别所述目标图像中的人物;
在所述目标图像中存在所述人物的情况下,基于所述目标图像,对所述目标图像中的人物进行抽烟行为检测;
将实施有抽烟行为的对象作为目标人物,并生成所述目标人物对应的抽烟行为报告。
该方面利用图像识别技术精准地检测目标图像中人物是否有抽烟行为,降低误报率;同时,生成抽烟行为报告可以清晰地展示目标人物的抽烟行为,方便对具有抽烟行为的目标人物进行管理,比如通过生成抽烟行为报告的方式可以为后续相关人员提供抽烟行为核查和追溯的材料。
一种可选的实施方式中,所述基于所述目标图像,对所述目标图像中的人物进行抽烟行为检测,包括:
获取标准位置信息,所述标准位置信息为所述人物实施有抽烟行为时,所述人物的预设部位与香烟的相对位置;
基于所述目标图像,确定所述人物的预设部位相对于所述香烟实际的相对位置信息;
在所述相对位置信息与所述标准位置信息相匹配的情况下,确定对应的人物实施有抽烟行为。
该实施方式,基于图像识别技术精准地确定出人物的预设部位相对于香烟的相对位置信息,通过标准位置信息与相对位置信息的对比,可以较为准确地判断出该人物是否有实施抽烟行为,提高检测准确率,减少误报情况的发生。
一种可选的实施方式中,所述基于所述目标图像,对所述目标图像中的人物进行抽烟行为检测,包括:
将所述目标图像输入训练完成的目标神经网络,利用所述目标神经网络,对所述目标图像中的人物进行抽烟行为检测。
该实施方式,利用已经训练完成的目标神经网络,能够输出高精度的检测结果,可以较为准确地判断出该人物是否有实施抽烟行为,提高检测准确率,减少误报情况的发生。
一种可选的实施方式中,还包括:
获取所述目标图像对应的原始图像,以及用户输入的至少一个目标监测区域的位置信息;
所述获取待检测的目标图像,包括:
基于所述目标监测区域的位置信息,从所述原始图像中获取所述目标监测区域对应的区域图像,并将得到的所述区域图像作为所述待检测的目标图像。
该实施方式,通过从原始图像中截取需要检测的区域图像,可具有针对性的检测特定的目标监测区域内人物是否有实施抽烟行为,可以不对原始图像中其他非目标监测区域图像进行检测,减少计算资源量、提升检测效率。
一种可选的实施方式中,还包括:
获取用户输入的至少一个图像拍摄设备的标识信息;
所述获取待检测的目标图像,包括:
基于所述标识信息,从所述标识信息对应的所述图像拍摄设备上获取所述目标图像。
该实施方式,利用标识信息,能够定位到对应的拍摄设备,从而能够获取到该拍摄设备采集的图像,另外,利用标识信息可以获取现有拍摄设备采集的目标图像,节省了额外改造前端设备的成本。
一种可选的实施方式中,所述在所述目标图像中存在所述人物的情况下,基于所述目标图像,对所述目标图像中的人物进行抽烟行为检测,包括:
在所述目标图像中存在所述人物的情况下,确定所述人物的检测框;
基于所述检测框,确定所述人物在所述目标图像中的图像区域,并从所述目标图像中提取所述图像区域,得到子图像;
基于所述子图像,对所述子图像中的人物进行抽烟行为检测。
该实施方式,可具有针对性的检测子图像内人物是否有实施抽烟行为,可以不对检测框外的其他图像进行检测,减少计算资源量、提升检测效率。
一种可选的实施方式中,所述基于所述检测框,确定所述人物在所述目标图像中的图像区域,包括:
基于预先设置的检测框的扩大参数,将所述人物的检测框进行扩大处理,得到目标检测框;
基于所述目标检测框,确定所述人物在所述目标图像中的图像区域。
该实施方式,对人物的检测框进行扩大处理,能够得到更为完整的人物与香烟的检测框,即目标检测框,利用图像识别技术识别目标检测框对应的图像,能够得到精准的抽烟行为的识别结果。
一种可选的实施方式中,所述基于所述目标图像的图像特征和预设的头肩标准特征,识别所述目标图像中的人物,包括:
将所述目标图像的图像特征和预设的头肩标准特征进行匹配,将与所述头肩标准特征相匹配的图像特征对应的图像区域作为头肩图像区域;
基于所述头肩图像区域,确定所述头肩图像区域对应的对象为人物。
该实施方式,由于头肩标准特征能够准确的表征人物的头肩特征,因此,利用图像特征和头肩标准特征进行匹配,能够准确的识别出目标图像中的人物。
一种可选的实施方式中,还包括:
获取用户输入的、所述抽烟行为报告中包括的至少一个目标信息;
所述生成所述目标人物对应的抽烟行为报告,包括:
基于所述目标图像,确定所述目标人物对应于每个所述目标信息对应的信息值;
基于确定的所述信息值,生成所述目标人物对应的抽烟行为报告。
该实施方式,可以通过人机交互的方式为抽烟行为报告设置需要生成的至少一个目标信息,利用抽烟行为报告可以展示出目标人物对应于每个目标信息对应的信息值,从而将该抽烟行为报告作为历史资料,支持后续相关人员的检索、统计、核查和追溯。
一种可选的实施方式中,所述目标信息包括以下至少一项:目标人物实施抽烟行为的时间、目标人物实施抽烟行为的位置、目标人物实施抽烟行为的图像信息。
该实施方式,基于该目标信息,可以为相关人员提供较为完整、明确、清晰的抽烟行为报告。
一种可选的实施方式中,所述目标人物实施抽烟行为的图像信息包括所述目标图像和/或包括所述目标图像所在的视频段。
该实施方式,采用存储图像和视频段记录抽烟行为的方式,便于后续相关人员的核查和追溯。
一种可选的实施方式中,在将实施有抽烟行为的对象作为目标人物之后,还包括:
确定所述目标人物所在的地理区域;
利用所述地理区域内的告警装置,播放抽烟告警信息。
该实施方式,通过播放抽烟告警信息能够较为直观的提示相关人员当前存在目标人物抽烟。
第二方面,本公开实施例还提供一种行为检测装置,包括:
对象识别模块,用于获取待检测的目标图像,并基于所述目标图像的图像特征和预设的头肩标准特征,识别所述目标图像中的人物;
行为检测模块,用于在所述目标图像中存在所述人物的情况下,基于所述目标图像,对所述目标图像中的人物进行抽烟行为检测;
报告生成模块,用于将实施有抽烟行为的对象作为目标人物,并生成所述目标人物对应的抽烟行为报告。
一种可选的实施方式中,所述行为检测模块,用于获取标准位置信息,所述标准位置信息为所述人物实施有抽烟行为时,所述人物的预设部位与香烟的相对位置;基于所述目标图像,确定所述人物的预设部位相对于所述香烟实际的相对位置信息;在所述相对位置信息与所述标准位置信息相匹配的情况下,确定对应的人物实施有抽烟行为。
一种可选的实施方式中,所述行为检测模块,用于将所述目标图像输入训练完成的目标神经网络,利用所述目标神经网络,对所述目标图像中的人物进行抽烟行为检测。
一种可选的实施方式中,所述检测装置还包括第一获取模块和第二获取模块;
所述第一获取模块,用于获取所述目标图像对应的原始图像,以及用户输入的至少一个目标监测区域的位置信息;
所述第二获取模块,用于基于所述目标监测区域的位置信息,从所述原始图像中获取所述目标监测区域对应的区域图像,并将得到的所述区域图像作为所述待检测的目标图像。
一种可选的实施方式中,所述第一获取模块,还用于获取用户输入的至少一个图像拍摄设备的标识信息;
所述第二获取模块,用于基于所述标识信息,从所述标识信息对应的所述图像拍摄设备上获取所述目标图像。
一种可选的实施方式中,所述行为检测模块,用于在所述目标图像中存在所述人物的情况下,确定所述人物的检测框;基于所述检测框,确定所述人物在所述目标图像中的图像区域,并从所述目标图像中提取所述图像区域,得到子图像;基于所述子图像,对所述子图像中的人物进行抽烟行为检测。
一种可选的实施方式中,所述行为检测模块,用于基于预先设置的检测框的扩大参数,将所述人物的检测框进行扩大处理,得到目标检测框;基于所述目标检测框,确定所述人物在所述目标图像中的图像区域。
一种可选的实施方式中,所述对象识别模块,用于将所述目标图像的图像特征和预设的头肩标准特征进行匹配,将与所述头肩标准特征相匹配的图像特征对应的图像区域作为头肩图像区域;基于所述头肩图像区域,确定所述头肩图像区域对应的对象为人物。
一种可选的实施方式中,所述第一获取模块,用于获取用户输入的、所述抽烟行为报告中包括的至少一个目标信息;
所述报告生成模块,用于基于所述目标图像,确定所述目标人物对应于每个所述目标信息对应的信息值;基于确定的所述信息值,生成所述目标人物对应的抽烟行为报告。
一种可选的实施方式中,所述目标信息包括以下至少一项:目标人物实施抽烟行为的时间、目标人物实施抽烟行为的位置、目标人物实施抽烟行为的图像信息。
一种可选的实施方式中,所述目标人物实施抽烟行为的图像信息包括所述目标图像和/或包括所述目标图像所在的视频段。
一种可选的实施方式中,所述报告生成模块,还用于确定所述目标人物所在的地理区域;利用所述地理区域内的告警装置,播放抽烟告警信息。
第三方面,本公开实施例还提供一种计算机设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
第四方面,本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤。
关于上述行为检测装置、计算机设备和存储介质的效果描述参见上述行为检测方法的说明,这里不再赘述。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本公开实施例所提供的一种行为检测方法的流程图;
图2示出了本公开实施例所提供的抽烟行为报告的示意图;
图3示出了本公开实施例所提供的一种行为检测方法中,具体抽烟行为检测的整体实施逻辑框架示意图;
图4示出了本公开实施例所提供的一种行为检测装置的示意图;
图5示出了本公开实施例所提供的一种计算机设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开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公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
另外,本公开实施例中的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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。
在本文中提及的“多个或者若干个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
经研究发现,公共区域和特定旅游景区等场所还存在诸多不文明行为,比如,抽烟。现如今,抽烟行为的监控方式主要以烟感、红外热成像、传统图像识别算法为主。但是,无论是烟感检测还是红外热成像检测方式对于场所的要求都较为局限,不能广泛应用于公共区域或较高温度的场所。另外,针对传统图像识别算法,其中涉及到烟雾轨迹与迹库中的运动轨迹进行对比,也会产生类似于烟雾轨迹的其他轨迹(比如:飞虫轨迹)的误报情况,因此,现有技术不能完成公共场所抽烟行为的监控。
基于上述研究,本公开提供了一种行为检测方法,利用图像识别技术精准地检测目标图像中人物是否有抽烟行为,降低误报率;同时,生成抽烟行为报告可以清晰地展示目标人物的抽烟行为,方便对具有抽烟行为的目标人物进行管理,比如通过生成抽烟行为报告的方式可以为后续相关人员提供抽烟行为核查和追溯的材料。
针对以上方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案,都应该是发明人在本公开过程中对本公开做出的贡献。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种行为检测方法进行详细介绍,本公开实施例所提供的行为检测方法的执行主体一般为具有一定计算能力的计算机设备,该计算机设备例如包括:终端设备或服务器或其它处理设备,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、手持设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该行为检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
下面以执行主体为计算机设备为例对本公开实施例提供的行为检测方法加以说明。
参见图1所示,为本公开实施例提供的行为检测方法的流程图,该方法包括步骤S101~S103,其中:
S101:获取待检测的目标图像,并基于目标图像的图像特征和预设的头肩标准特征,识别目标图像中的人物。
本步骤中,待检测的目标图像的图像来源可以为不同拍摄设备拍摄的原始图像。在任务启动之前,可以为获取待检测的目标图像作以下准备:
在一种可能的实施方式中,可以获取用户输入的至少一个图像拍摄设备的标识信息;基于标识信息,从标识信息对应的图像拍摄设备上获取目标图像。具体实施时,每一拍摄设备对应一个标识信息,可以调取云端服务器记录的拍摄设备的标识信息,其中,拍摄设备可以是安装在特定区域的监控设备,比如安装在禁止抽烟的公共区域的监控设备等,标识信息用于表示该监控设备对应的位置信息,直接获取该监控摄像头记录的视频信息,将该视频信息解码处理,获取对应的待检测目标图像。用户利用标识信息找到现有普通拍摄设备,可以利用普通拍摄设备拍摄到的图像作为待检测的目标图像,节省了额外改造前端设备的成本。例如,在明令禁止抽烟场所安装监控设备,可以通过获取该监控设备的点位信息,获取该监控设备对应记录的视频信息,截取该视频关键帧,确定目标图像。
另外,目标图像还可以是通过图像拍摄设备获取的原始图像处理后的图像,在一些实施例中,可以获取目标图像对应的原始图像,以及用户输入的至少一个目标监测区域的位置信息;基于目标监测区域的位置信息,从原始图像中获取目标监测区域对应的区域图像,并将得到的区域图像作为待检测的目标图像。
具体实施时,可以将原始图像划分为若干个目标监测区域,其中每一目标监测区域对应一个位置信息,基于若干个位置信息,用户可以通过添加至少一个位置,来获取目标监测区域对应的区域图像,并将得到的区域图像作为待检测的目标图像。通过从原始图像中截取需要检测的区域图像,可具有针对性的检测特定的目标监测区域内人物是否有实施抽烟行为,可以不对原始图像中其他非目标监测区域图像的进行检测,减少计算资源量、提升检测效率。
示例性的,若干个目标监测区域为N个感兴趣区域(region of interest,ROI),在针对抽烟行为进行检测之前,可以将单个摄像头拍摄的每一帧原始图像划分为N个ROI,并确定每一个ROI的位置信息,用户可以通过添加至少一个ROI的位置信息来获取ROI图像,并将ROI图像作为待检测的目标图像。
针对步骤S101中的基于目标图像的图像特征和预设的头肩标准特征,识别目标图像中的人物,由于头肩标准特征能够准确的表征人物的头肩特征,因此,利用图像特征和头肩标准特征进行匹配,能够准确的识别出目标图像中的人物。具体实施时,可以将目标图像的图像特征和预设的头肩标准特征进行匹配,将与头肩标准特征相匹配的图像特征对应的图像区域作为头肩图像区域;基于头肩图像区域,确定头肩图像区域对应的对象为人物。
这里,目标图像为环境图像,包括人、物和背景等。图像特征包括人物特征和背景特征等。如果头肩标准特征与图像特征相匹配,则可以确定当前图像特征对应的图像区域内包括人物,具体的包括人物的头和肩等部位。如果头肩标准特征与图像特征不相匹配,则可以确定当前图像特征对应的图像区域内不包括人物,可以继续调取新的目标图像,重新识别目标图像中的人物。
示例性的,可以通过获取公共场所明令禁止抽烟处的监控视频,对视频进行解码等图像预处理后,提取该视频对应的图像特征,该图像特征可以包括人物特征、桌子特征、椅子特征、香烟盒特征和单根香烟特征等,此时云端服务器可以调用头肩检测模型检测ROI图像内存在的图像特征,在图像特征和预设的头肩标准特征相匹配的情况下,确定头肩图像区域对应的对象为人物。
S102:在目标图像中存在人物的情况下,基于目标图像,对目标图像中的人物进行抽烟行为检测。
在一些实施例中,在目标图像中存在人物的情况下,可以将目标图像输入训练完成的目标神经网络,利用目标神经网络,对目标图像中的人物进行抽烟行为检测。由于训练完成的目标神经网络能够输出高精度的检测结果,因此,利用目标神经网络目标图像中的人物进行抽烟行为检测,可以较为准确地判断出目标图像中的人物是否有实施抽烟行为,能够提高检测准确率,减少误报情况的发生。这里,目标神经网络可以为识别抽烟行为的深度神经网络,该深度神经网络可以利用大量的人物抽烟样本图像进行训练。
示例性的,用户设置一项需要检测公共场所是否存在抽烟行为的任务,可以通过调用与抽烟行为对应的深度神经网络模型,对目标图像中的人物进行抽烟行为检测。
具体实施时,可以获取标准位置信息;基于目标图像,确定人物的预设部位相对于香烟实际的相对位置信息;在相对位置信息与标准位置信息相匹配的情况下,确定对应的人物实施有抽烟行为。
其中,标准位置信息为人物实施有抽烟行为时,人物的预设部位与香烟的相对位置,比如,人物的预设部位可以包括人物的嘴和/或手等。标准位置信息可以为预先存储的人物实施有抽烟行为时,人物的嘴和/或手与香烟的相对位置,比如人物的嘴叼香烟时,人物的嘴与香烟的相对位置,或者,人物的手指夹香烟时,人物的手与香烟的相对位置等。检测目标图像,可以确定人物的嘴和/或手相对于香烟实际的相对位置信息。如果实际的相对位置信息与标准位置信息相匹配,则确定目标图像中当前检测的人物实施有抽烟行为。
由于标准位置信息为人物实施有抽烟行为时,人物的预设部位与香烟的相对位置,因此,通过标准位置信息与相对位置信息的对比,可以较为准确地判断出该人物是否有实施抽烟行为,提高检测准确率,减少误报情况的发生。
示例性的,在通过头肩检测模型确定有人物存在的情况下,首先,可以获取人物抽烟时的标准位置信息,即人手拿香烟时,香烟相对于人手的相对位置;和/或,人嘴叼香烟时,香烟相对于人嘴的相对位置。然后,获取目标图像,并将目标图像输入到深度神经网络模型中的抽烟分类器中,提取人物与香烟的相对位置信息,通过与标准位置信息的对比,判断人物是否实施有抽烟行为。具体的,如果实际的相对位置信息与标准位置信息相匹配,则确定目标图像中当前检测的人物实施有抽烟行为。需要说明的是,人手拿香烟和/或人嘴叼香烟,无论香烟是否点燃或是否有烟雾,都将确定该人物实施有抽烟行为。利用图像识别检测人物是否实施有抽烟行为,相对于现有技术中只有在已点燃香烟甚至产生大量烟雾后才能识别出存在抽烟行为,其更能全面的检测出存在抽烟行为的情况,提升抽烟行为检测准确率。如果不存在抽烟行为,则继续获取新的目标图像,即执行步骤S101。
为了具有针对性的检测目标图像中的人物是否实施有抽烟行为,可以不对该人物以外的其他图像进行检测,这样能够减少计算资源量、提升检测效率。具体实施时,在目标图像中存在人物的情况下,确定人物的检测框;基于检测框,确定人物在目标图像中的图像区域,并从目标图像中提取图像区域,得到子图像;基于子图像,对子图像中的人物进行抽烟行为检测。
这里,可以通过检测框框出目标图像中的人物,并将框出的人物对应的图像区域从目标图像中截取出来,得到子图像,仅对该子图像中的人物进行抽烟行为检测。具体检测过程可以参见上述目标神经网络的检测过程,重复之处不再赘述。
另外,为了使图像区域所在的区域范围能够包括人物和香烟,还可以对人物的检测框进行扩大处理,具体实施时,可以基于预先设置的检测框的扩大参数,将人物的检测框进行扩大处理,得到目标检测框;基于目标检测框,确定人物在目标图像中的图像区域,适应性地扩大目标检测框,使得目标检测框确定能包括人物和香烟,提升抽烟行为检测的准确度。
示例性的,预先设置的检测框的扩大参数可以为检测框的3/2倍,以检测框的中心坐标为原点,将人物的检测框的长边和宽边同时扩大3/2倍。需要说明的是,该扩大参数在不同的应用场景中可以任意修改,本公开实施例不进行具体限定。
S103:将实施有抽烟行为的对象作为目标人物,并生成目标人物对应的抽烟行为报告。
这里,用户可以添加抽烟行为报告中包括的目标信息。其中,目标信息包括以下至少一项:目标人物实施抽烟行为的时间、目标人物实施抽烟行为的位置、目标人物实施抽烟行为的图像信息。目标信息可以为相关人员提供较为完整、明确、清晰的抽烟行为报告。
参见图2所示,其为抽烟行为报告的示意图。其中,用户添加的目标信息包括行为21、行为开始时间22、行为结束时间23、行为发生地点24、目标人物抽烟的图像25和目标人物抽烟的视频段26。
这里,目标人物实施抽烟行为的图像信息可以包括目标图像和/或包括目标图像所在的视频段。可以明显的发现,采用存储图像和视频段记录抽烟行为的方式,便于后续相关人员的核查和追溯。
具体实施时,可以基于目标图像,确定目标人物对应于每个目标信息对应的信息值;基于确定的信息值,生成目标人物对应的抽烟行为报告。
其中,目标信息指目标人物在发生抽烟事件时的一些属性信息,例如时间、位置和图像信息等。目标信息对应的信息值指该属性信息所对应的具体的数值,例如若目标信息为时间时,目标信息对应的信息值指,XX年XX月XX日等,如图2所示的行为开始时间22对应的XXXX。
示例性的,在检测到目标人物实施有抽烟行为的情况下,基于预先录制的60秒视频段,从60秒视频段中截取包括抽烟行为前后15秒视频段,确定目标人物实施有抽烟行为的行为开始时间、行为结束时间,之后,可以根据拍摄摄像头的标识信息,确定抽烟行为的行为发生地点,基于抽烟行为的行为开始时间、行为结束时间、行为发生地点、15秒视频段和抽烟行为的图片等信息,生成抽烟行为报告。如图2所示,这里,基于目标图像,每个目标信息对应的信息值包括抽烟行为前后15秒视频段、XXXX(抽烟行为开始时间)、YYYY(抽烟行为结束时间)、XX公园(抽烟行为发生地点)和抽烟行为图像。
基于S103,在生成目标人物对应的抽烟行为报告之后,可以将该抽烟行为报告存储在预先设置的存储位置,具体实施时,首先确定目标人物所在的地理区域;之后,基于地理区域,确定抽烟行为报告的存储位置;之后,按照存储位置存储抽烟行为报告。
这里,地理区域可以为按照地域预先划分的区域,比如办公区域中,A办公地点为第一地理区域,B办公地点为第二地理区域等。地理区域与存储位置的对应关系可以为,一对一,一对多,多对一等。其中,针对一对多的情况,在确定目标人物所在的地理区域后,可以进一步检测多个存储位置中存储信息数量,将当前的抽烟行为报告存储在存储信息数量较少的存储位置。在抽烟行为报告存储之前,确定该抽烟行为报告的标识信息,比如目标人物的姓名或身份标识等。之后,将该抽烟行为报告的标识信息和抽烟行为报告一起存储。
上述将抽烟行为报告存储在存储位置,则该抽烟行为报告可以作为历史资料,支持后续相关人员的检索、统计、核查和追溯。
示例性的,在响应于对目标人物的抽烟行为报告的查看请求的情况下,可以基于存储位置和查看请求中所携带的抽烟行为报告的标识信息,获取该抽烟行为报告,并将该抽烟行为报告进行展示。之后,相关人员可以进一步进行检索、统计、核查和追溯。
在一些实施例中,还可以利用地理区域内的告警装置,播放抽烟告警信息。通过播放抽烟告警信息能够较为直观的提示相关人员当前存在目标人物抽烟。
以及可进一步地,将抽烟告警信息,目标人物所在的地理区域和目标图像上报监控客户端,从而使监护人员能及时获知该抽烟告警信息。
通过上述S101~S103,详细说明了本公开实施例提供的一种行为检测方法,利用图像识别技术精准地检测目标图像中人物是否有抽烟行为,降低误报率;同时,生成抽烟行为报告可以清晰地展示目标人物的抽烟行为,方便对具有抽烟行为的目标人物进行管理,比如通过生成抽烟行为报告的方式可以为后续相关人员提供抽烟行为核查和追溯的材料。
参见图3所示,其为本公开实施例提供了一种行为检测方法中,具体抽烟行为检测的整体实施逻辑框架示意图,下边加以详细说明。
步骤1:任务前置输入。
示例性的,在抽烟任务检测之前,用户可以添加拍摄设备的标识信息,即确定摄像头位置。比如厨房或公共禁烟等场所的摄像头的标识信息。添加至少一个目标监测区域的位置信息,进而确定该位置信息对应的ROI图像;添加至少一个目标信息。
步骤2:基于深度神经网络模型对人物进行抽烟行为检测。
具体的,任务启动后,可以通过头肩检测模型检测目标图像中是否存在人,如果检测到有人,则基于抽烟分类器判定该人是否实施有抽烟行为,详细说明参见步骤S102,此处不在赘述。
步骤3:生成目标人物对应的抽烟行为报告。
本步骤中,抽烟行为报告的详细内容可以参见步骤S103中的详细阐述,此处不在赘述。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与行为检测方法对应的行为检测装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述行为检测方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参见图4所示,为本公开实施例提供的一种行为检测装置的示意图,所述装置包括:对象识别模块401、行为检测模块402和报告生成模块403;其中,
对象识别模块401,用于获取待检测的目标图像,并基于所述目标图像的图像特征和预设的头肩标准特征,识别所述目标图像中的人物;
行为检测模块402,用于在所述目标图像中存在所述人物的情况下,基于所述目标图像,对所述目标图像中的人物进行抽烟行为检测;
报告生成模块403,用于将实施有抽烟行为的对象作为目标人物,并生成所述目标人物对应的抽烟行为报告。
一种可选的实施方式中,所述行为检测模块402,用于获取标准位置信息,所述标准位置信息为所述人物实施有抽烟行为时,所述人物的预设部位与香烟的相对位置;基于所述目标图像,确定所述人物的预设部位相对于所述香烟实际的相对位置信息;在所述相对位置信息与所述标准位置信息相匹配的情况下,确定对应的人物实施有抽烟行为。
一种可选的实施方式中,所述行为检测模块402,用于将所述目标图像输入训练完成的目标神经网络,利用所述目标神经网络,对所述目标图像中的人物进行抽烟行为检测。
一种可选的实施方式中,所述检测装置还包括第一获取模块404和第二获取模块405;
所述第一获取模块404,用于获取所述目标图像对应的原始图像,以及用户输入的至少一个目标监测区域的位置信息;
所述第二获取模块405,用于基于所述目标监测区域的位置信息,从所述原始图像中获取所述目标监测区域对应的区域图像,并将得到的所述区域图像作为所述待检测的目标图像。
一种可选的实施方式中,所述第一获取模块404,还用于获取用户输入的至少一个图像拍摄设备的标识信息;
所述第二获取模块405,用于基于所述标识信息,从所述标识信息对应的所述图像拍摄设备上获取所述目标图像。
一种可选的实施方式中,所述行为检测模块402,用于在所述目标图像中存在所述人物的情况下,确定所述人物的检测框;基于所述检测框,确定所述人物在所述目标图像中的图像区域,并从所述目标图像中提取所述图像区域,得到子图像;基于所述子图像,对所述子图像中的人物进行抽烟行为检测。
一种可选的实施方式中,所述行为检测模块402,用于基于预先设置的检测框的扩大参数,将所述人物的检测框进行扩大处理,得到目标检测框;基于所述目标检测框,确定所述人物在所述目标图像中的图像区域。
一种可选的实施方式中,所述对象识别模块401,用于将所述目标图像的图像特征和预设的头肩标准特征进行匹配,将与所述头肩标准特征相匹配的图像特征对应的图像区域作为头肩图像区域;基于所述头肩图像区域,确定所述头肩图像区域对应的对象为人物。
一种可选的实施方式中,所述第一获取模块404,用于获取用户输入的、所述抽烟行为报告中包括的至少一个目标信息;
所述报告生成模块403,用于基于所述目标图像,确定所述目标人物对应于每个所述目标信息对应的信息值;基于确定的所述信息值,生成所述目标人物对应的抽烟行为报告。
一种可选的实施方式中,所述目标信息包括以下至少一项:目标人物实施抽烟行为的时间、目标人物实施抽烟行为的位置、目标人物实施抽烟行为的图像信息。
一种可选的实施方式中,所述目标人物实施抽烟行为的图像信息包括所述目标图像和/或包括所述目标图像所在的视频段。
一种可选的实施方式中,所述报告生成模块403,还用于确定所述目标人物所在的地理区域;利用所述地理区域内的告警装置,播放抽烟告警信息。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明,这里不再详述。
基于同一技术构思,本申请实施例还提供了一种计算机设备。参见图5所示,为本申请实施例提供的计算机设备的结构示意图,包括:处理器501、存储器502和总线503。其中,存储器502存储有处理器501可执行的机器可读指令,处理器501用于执行存储器502中存储的机器可读指令,所述机器可读指令被处理器501执行时,处理器501执行下述步骤:S101:获取待检测的目标图像,并基于目标图像的图像特征和预设的头肩标准特征,识别目标图像中的人物;S102:在目标图像中存在人物的情况下,基于目标图像,对目标图像中的人物进行抽烟行为检测;S103:将实施有抽烟行为的对象作为目标人物,并生成目标人物对应的抽烟行为报告。
上述存储器502包括内存5021和外部存储器5022;这里的内存5021也称内存储器,用于暂时存放处理器501中的运算数据,以及与硬盘等外部存储器5022交换的数据,处理器501通过内存5021与外部存储器5022进行数据交换,当计算机设备运行时,处理器501与存储器502之间通过总线503通信,使得处理器501在执行上述方法实施例中所提及的执行指令。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的行为检测方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例所提供的行为检测方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行上述方法实施例中所述的行为检测方法的步骤,具体可参见上述方法实施例,在此不再赘述。
本公开实施例还提供一种计算机程序,该计算机程序被处理器执行时实现前述实施例的任意一种方法。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software DevelopmentKit,SDK)等等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (15)
1.一种行为检测方法,其特征在于,包括:
获取待检测的目标图像,并基于所述目标图像的图像特征和预设的头肩标准特征,识别所述目标图像中的人物;
在所述目标图像中存在所述人物的情况下,基于所述目标图像,对所述目标图像中的人物进行抽烟行为检测;
将实施有抽烟行为的对象作为目标人物,并生成所述目标人物对应的抽烟行为报告。
2.根据权利要求1所述的行为检测方法,其特征在于,所述基于所述目标图像,对所述目标图像中的人物进行抽烟行为检测,包括:
获取标准位置信息,所述标准位置信息为所述人物实施有抽烟行为时,所述人物的预设部位与香烟的相对位置;
基于所述目标图像,确定所述人物的预设部位相对于所述香烟实际的相对位置信息;
在所述相对位置信息与所述标准位置信息相匹配的情况下,确定对应的人物实施有抽烟行为。
3.根据权利要求1所述的行为检测方法,其特征在于,所述基于所述目标图像,对所述目标图像中的人物进行抽烟行为检测,包括:
将所述目标图像输入训练完成的目标神经网络,利用所述目标神经网络,对所述目标图像中的人物进行抽烟行为检测。
4.根据权利要求1至3任一项所述的行为检测方法,其特征在于,还包括:
获取所述目标图像对应的原始图像,以及用户输入的至少一个目标监测区域的位置信息;
所述获取待检测的目标图像,包括:
基于所述目标监测区域的位置信息,从所述原始图像中获取所述目标监测区域对应的区域图像,并将得到的所述区域图像作为所述待检测的目标图像。
5.根据权利要求1所述的行为检测方法,其特征在于,还包括:
获取用户输入的至少一个图像拍摄设备的标识信息;
所述获取待检测的目标图像,包括:
基于所述标识信息,从所述标识信息对应的所述图像拍摄设备上获取所述目标图像。
6.根据权利要求1所述的行为检测方法,其特征在于,所述在所述目标图像中存在所述人物的情况下,基于所述目标图像,对所述目标图像中的人物进行抽烟行为检测,包括:
在所述目标图像中存在所述人物的情况下,确定所述人物的检测框;
基于所述检测框,确定所述人物在所述目标图像中的图像区域,并从所述目标图像中提取所述图像区域,得到子图像;
基于所述子图像,对所述子图像中的人物进行抽烟行为检测。
7.根据权利要求6所述的方法,其特征在于,所述基于所述检测框,确定所述人物在所述目标图像中的图像区域,包括:
基于预先设置的检测框的扩大参数,将所述人物的检测框进行扩大处理,得到目标检测框;
基于所述目标检测框,确定所述人物在所述目标图像中的图像区域。
8.根据权利要求1所述的方法,其特征在于,所述基于所述目标图像的图像特征和预设的头肩标准特征,识别所述目标图像中的人物,包括:
将所述目标图像的图像特征和预设的头肩标准特征进行匹配,将与所述头肩标准特征相匹配的图像特征对应的图像区域作为头肩图像区域;
基于所述头肩图像区域,确定所述头肩图像区域对应的对象为人物。
9.根据权利要求1所述的行为检测方法,其特征在于,还包括:
获取用户输入的、所述抽烟行为报告中包括的至少一个目标信息;
所述生成所述目标人物对应的抽烟行为报告,包括:
基于所述目标图像,确定所述目标人物对应于每个所述目标信息对应的信息值;
基于确定的所述信息值,生成所述目标人物对应的抽烟行为报告。
10.根据权利要求9所述的行为检测方法,其特征在于,所述目标信息包括以下至少一项:目标人物实施抽烟行为的时间、目标人物实施抽烟行为的位置、目标人物实施抽烟行为的图像信息。
11.根据权利要求10所述的行为检测方法,其特征在于,所述目标人物实施抽烟行为的图像信息包括所述目标图像和/或包括所述目标图像所在的视频段。
12.根据权利要求1所述的方法,其特征在于,在将实施有抽烟行为的对象作为目标人物之后,还包括:
确定所述目标人物所在的地理区域;
利用所述地理区域内的告警装置,播放抽烟告警信息。
13.一种行为检测装置,其特征在于,包括:
对象识别模块,用于获取待检测的目标图像,并基于所述目标图像的图像特征和预设的头肩标准特征,识别所述目标图像中的人物;
行为检测模块,用于在所述目标图像中存在所述人物的情况下,基于所述目标图像,对所述目标图像中的人物进行抽烟行为检测;
报告生成模块,用于将实施有抽烟行为的对象作为目标人物,并生成所述目标人物对应的抽烟行为报告。
14.一种计算机设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当计算机设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至12任一所述的行为检测方法的步骤。
15.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至12任一项所述的行为检测方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110739105.9A CN113392800A (zh) | 2021-06-30 | 2021-06-30 | 一种行为检测方法、装置、计算机设备和存储介质 |
PCT/CN2021/133496 WO2023273132A1 (zh) | 2021-06-30 | 2021-11-26 | 行为检测方法、装置、计算机设备、存储介质和程序 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110739105.9A CN113392800A (zh) | 2021-06-30 | 2021-06-30 | 一种行为检测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113392800A true CN113392800A (zh) | 2021-09-14 |
Family
ID=77624706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110739105.9A Pending CN113392800A (zh) | 2021-06-30 | 2021-06-30 | 一种行为检测方法、装置、计算机设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113392800A (zh) |
WO (1) | WO2023273132A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023273132A1 (zh) * | 2021-06-30 | 2023-01-05 | 浙江商汤科技开发有限公司 | 行为检测方法、装置、计算机设备、存储介质和程序 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140071427A1 (en) * | 2012-09-07 | 2014-03-13 | Apple Inc. | Imaging range finder fabrication |
US20170053191A1 (en) * | 2014-04-28 | 2017-02-23 | Nec Corporation | Image analysis system, image analysis method, and storage medium |
CN108960065A (zh) * | 2018-06-01 | 2018-12-07 | 浙江零跑科技有限公司 | 一种基于视觉的驾驶行为检测方法 |
CN110309760A (zh) * | 2019-06-26 | 2019-10-08 | 深圳市微纳集成电路与系统应用研究院 | 对驾驶员的驾驶行为进行检测的方法 |
CN110321877A (zh) * | 2019-06-04 | 2019-10-11 | 中北大学 | 一种三目后视镜和三目视觉安全驾驶方法和系统 |
CN110334627A (zh) * | 2019-06-26 | 2019-10-15 | 深圳市微纳集成电路与系统应用研究院 | 对人员的行为进行检测的装置和系统 |
CN110490098A (zh) * | 2019-07-31 | 2019-11-22 | 恒大智慧科技有限公司 | 小区用户的抽烟行为自动检测方法、设备及可读存储介质 |
CN110705383A (zh) * | 2019-09-09 | 2020-01-17 | 深圳市中电数通智慧安全科技股份有限公司 | 吸烟行为检测方法、装置、终端和可读存储介质 |
CN110723621A (zh) * | 2019-10-11 | 2020-01-24 | 浙江新再灵科技股份有限公司 | 基于深度神经网络检测电梯轿厢内吸烟的装置和方法 |
CN111860254A (zh) * | 2020-07-10 | 2020-10-30 | 东莞正扬电子机械有限公司 | 一种驾驶员异常行为检测方法、装置、存储介质及设备 |
CN112380977A (zh) * | 2020-11-12 | 2021-02-19 | 深兰人工智能芯片研究院(江苏)有限公司 | 吸烟行为检测方法和装置 |
CN112434612A (zh) * | 2020-11-25 | 2021-03-02 | 创新奇智(上海)科技有限公司 | 吸烟检测方法、装置、电子设备及计算机可读存储介质 |
CN112560592A (zh) * | 2020-11-30 | 2021-03-26 | 深圳市商汤科技有限公司 | 图像处理方法及装置、终端控制方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2015133195A1 (ja) * | 2014-03-06 | 2017-04-06 | ノーリツプレシジョン株式会社 | 情報処理装置、情報処理方法、及び、プログラム |
CN111797757A (zh) * | 2020-06-30 | 2020-10-20 | 图为信息科技(深圳)有限公司 | 一种吸烟行为的监测方法与系统 |
CN112668430A (zh) * | 2020-12-21 | 2021-04-16 | 四川长虹电器股份有限公司 | 一种吸烟行为检测方法、系统、计算机设备、存储介质 |
CN113392800A (zh) * | 2021-06-30 | 2021-09-14 | 浙江商汤科技开发有限公司 | 一种行为检测方法、装置、计算机设备和存储介质 |
-
2021
- 2021-06-30 CN CN202110739105.9A patent/CN113392800A/zh active Pending
- 2021-11-26 WO PCT/CN2021/133496 patent/WO2023273132A1/zh unknown
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140071427A1 (en) * | 2012-09-07 | 2014-03-13 | Apple Inc. | Imaging range finder fabrication |
US20170053191A1 (en) * | 2014-04-28 | 2017-02-23 | Nec Corporation | Image analysis system, image analysis method, and storage medium |
CN108960065A (zh) * | 2018-06-01 | 2018-12-07 | 浙江零跑科技有限公司 | 一种基于视觉的驾驶行为检测方法 |
CN110321877A (zh) * | 2019-06-04 | 2019-10-11 | 中北大学 | 一种三目后视镜和三目视觉安全驾驶方法和系统 |
CN110309760A (zh) * | 2019-06-26 | 2019-10-08 | 深圳市微纳集成电路与系统应用研究院 | 对驾驶员的驾驶行为进行检测的方法 |
CN110334627A (zh) * | 2019-06-26 | 2019-10-15 | 深圳市微纳集成电路与系统应用研究院 | 对人员的行为进行检测的装置和系统 |
CN110490098A (zh) * | 2019-07-31 | 2019-11-22 | 恒大智慧科技有限公司 | 小区用户的抽烟行为自动检测方法、设备及可读存储介质 |
CN110705383A (zh) * | 2019-09-09 | 2020-01-17 | 深圳市中电数通智慧安全科技股份有限公司 | 吸烟行为检测方法、装置、终端和可读存储介质 |
CN110723621A (zh) * | 2019-10-11 | 2020-01-24 | 浙江新再灵科技股份有限公司 | 基于深度神经网络检测电梯轿厢内吸烟的装置和方法 |
CN111860254A (zh) * | 2020-07-10 | 2020-10-30 | 东莞正扬电子机械有限公司 | 一种驾驶员异常行为检测方法、装置、存储介质及设备 |
CN112380977A (zh) * | 2020-11-12 | 2021-02-19 | 深兰人工智能芯片研究院(江苏)有限公司 | 吸烟行为检测方法和装置 |
CN112434612A (zh) * | 2020-11-25 | 2021-03-02 | 创新奇智(上海)科技有限公司 | 吸烟检测方法、装置、电子设备及计算机可读存储介质 |
CN112560592A (zh) * | 2020-11-30 | 2021-03-26 | 深圳市商汤科技有限公司 | 图像处理方法及装置、终端控制方法及装置 |
Non-Patent Citations (1)
Title |
---|
马超 等: "Emgu CV学习与设计", 延边大学出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023273132A1 (zh) * | 2021-06-30 | 2023-01-05 | 浙江商汤科技开发有限公司 | 行为检测方法、装置、计算机设备、存储介质和程序 |
Also Published As
Publication number | Publication date |
---|---|
WO2023273132A1 (zh) | 2023-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108733819B (zh) | 一种人员档案建立方法和装置 | |
CN112328999B (zh) | 双录质检方法、装置、服务器及存储介质 | |
CN106780250B (zh) | 一种基于物联网技术的智慧社区安全事件处理方法及系统 | |
CN108960892B (zh) | 信息处理方法及装置、电子设备及存储介质 | |
CN110909715A (zh) | 基于视频图像识别吸烟的方法、装置、服务器及存储介质 | |
CN110659397A (zh) | 一种行为检测方法、装置、电子设备和存储介质 | |
US10769196B2 (en) | Method and apparatus for displaying electronic photo, and mobile device | |
CN109190588A (zh) | 一种人口分类的方法及装置 | |
CN110807117B (zh) | 一种用户关系预测方法及装置、计算机可读存储介质 | |
CN111222373A (zh) | 一种人员行为分析方法、装置和电子设备 | |
CN110866692A (zh) | 一种预警信息的生成方法、生成装置及可读存储介质 | |
CN111209446A (zh) | 一种人员检索信息的呈现方法、装置和电子设备 | |
KR20220098030A (ko) | 타깃 운동 궤적 구축 방법, 기기 및 컴퓨터 저장 매체 | |
CN113392800A (zh) | 一种行为检测方法、装置、计算机设备和存储介质 | |
EP3570207B1 (en) | Video cookies | |
CN114463779A (zh) | 吸烟识别方法、装置、设备及存储介质 | |
EP2905678A1 (en) | Method and system for displaying content to a user | |
CN109871456B (zh) | 一种看守所人员关系分析方法、装置和电子设备 | |
US20190008466A1 (en) | Life log utilization system, life log utilization method, and recording medium | |
CN110764676B (zh) | 一种信息资源显示方法、装置、电子设备以及存储介质 | |
KR20150087562A (ko) | 석면관리 평가 시스템과 그 방법 및 이를 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 | |
CN113837066A (zh) | 行为识别方法、装置、电子设备及计算机存储介质 | |
CN109284730B (zh) | 应用于筛选数据的方法、装置以及监控系统 | |
CN114332972A (zh) | 监控图像处理方法、装置、电子设备及可读存储介质 | |
US20160328474A1 (en) | Data recording and data recording apparatus |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40052773 Country of ref document: HK |
|
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210914 |
|
RJ01 | Rejection of invention patent application after publication |