CN113591623A - 一种智能周界检测的方法和设备 - Google Patents
一种智能周界检测的方法和设备 Download PDFInfo
- Publication number
- CN113591623A CN113591623A CN202110803873.6A CN202110803873A CN113591623A CN 113591623 A CN113591623 A CN 113591623A CN 202110803873 A CN202110803873 A CN 202110803873A CN 113591623 A CN113591623 A CN 113591623A
- Authority
- CN
- China
- Prior art keywords
- face
- video
- perimeter detection
- intelligent perimeter
- picture
- 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 32
- 238000000034 method Methods 0.000 claims abstract description 22
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 12
- 238000013475 authorization Methods 0.000 claims abstract description 11
- 238000009432 framing Methods 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 7
- 239000003345 natural gas Substances 0.000 claims abstract description 6
- 230000009545 invasion Effects 0.000 claims abstract description 5
- 238000000605 extraction Methods 0.000 claims abstract description 3
- 238000012549 training Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 4
- 210000000697 sensory organ Anatomy 0.000 claims description 4
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种智能周界检测的方法和设备,涉及人工智能和探测设备技术领域。该方法包括:收集授权人的证件照片作为授权数据库;利用训练后的计算机视觉识别模型,对数据库中的照片进行特征提取,获取识别到的人脸码;存储获取的人脸特征码;接入天然气无人值守站的监控视频;使用RTSP协议采集视频流,对视频进行图像分帧处理;识别到人脸后,提取人脸图片和授权数据库进行相似度匹配,对不匹配的情况记录入侵次数;设定入侵次数的阈值,根据模型检测人脸的准确率与每秒编码视频到图片帧的次数综合设计。利用该方法对边界环境进行监控,设备包括视频监控和计算机,解决了检测连续时间序列图片中间断性检测出错的问题。
Description
技术领域
本发明涉及人工智能和探测设备技术领域,尤其是一种智能周界检测的方法和设备。
背景技术
传统的周界入侵可以使用探测器,包含红外、微波、电缆、激光、视频、雷达或其他传感器。但是这些探测办法只能区别大类,无法区分具体的细颗粒度类别,比如入侵的种类。随着人工智能的流程,目标物包含人脸识别的算法在各行业的应用。它可以适用于周界入侵场景,它的好处就是可以识别出人还是物。但是识别过程中,会因模型泛化能力不足与外界采集数据质量低而识别出错,造成上报信号错乱,导致系统的紊乱。
现有技术中人工智能模型的泛化能力需要进一步的提升,从而改善整体系统的误报的容错能力。当计算机视觉模型在检测连续时间序列图片的时候,目标物会一会消失一会出现,造成信号的紊乱,造成灾难。这一问题存在的原因有多种,比如在检测期间,目标物的角度变化、视觉模型的处理稳定性能不足,以及其他因素导致整体图像帧质量问题等。
发明内容
为了解决周界入侵探测的信号消失问题,以及计算资源与传输负担,提升在视频场景下周界入侵的目标识别和目标跟踪的容错性能,本发明提供了一种智能周界检测的方法和设备,具体的技术方案如下。
一种智能周界检测的方法,步骤包括:
S1.收集授权人的证件照片,并建立授权数据库;
S2.利用训练后的计算机视觉识别模型,对数据库中的照片进行特征提取,
S3.获取识别到的人脸码,并存储获取的人脸特征码;
S4.接入监控视频;
S5.使用RTSP协议采集视频流,对视频进行图像分帧处理;
S6.识别到人脸后,提取人脸图片和授权数据库进行相似度匹配,对不匹配的情况记录入侵次数;
S7.设定入侵次数的阈值,根据模型检测人脸的准确率与每秒编码视频到图片帧的次数综合设定。
优选的是,证件照片显示头部的正面并具有清晰的五官。
优选的是,计算机视觉识别模型训练利用人脸数据进行训练,利用deepface模型,倒数第二层全连接提取对应的人脸码。
优选的是,视频进行图像分帧处理的过程中,cv2.VideoCapture函数接入视频流以关键帧I作为图像基础,使用前向预测帧P,双向内插帧B作为局部变化图像数据对视频均匀编码图片帧。
优选的是,分帧的通过函数videoCapture.read对图片帧进行Base64编码转换,传入识别算法接口,按时间先后顺序依次传图片帧给计算机识别视频模型,进行人脸识别。
进一步优选的是,人脸识别时,对人脸进行特征提取;提取的人脸图片,进行授权数据库的相似度匹配,并设置匹配分数的阈值。
进一步优选的是,匹配分数的阈值为80%;当达到或者超过阈值分数的人脸超过0时,判断为匹配成功,记录入侵次数为0;当达到或者超过阈值分数的人脸为0时,判断匹配不成功,记录入侵次数加1。
进一步优选的是,入侵次数的阈值达到后,启动警告模型;当视频采集的质量提高时,调低匹配分数的阈值;当每秒编码的图片帧数增多时,调高匹配分数的阈值。
一种智能周界检测的设备,利用上述的一种智能周界检测的方法,包括视频采集装置、人脸识别控制系统和警报装置,视频采集装置接入天然气无人值守站的摄像头视频数据,人脸识别控制系统接收视频数据后记录入侵次数,并控制警报装置发出警报。
还进一步优选的是,人脸识别控制系统对视频数据进行压缩,然后对视频进行检测。
本发明提供的一种智能周界检测的方法和设备有益效果是:该方法可以解决计算机视觉模型在检测连续时间序列图片的时候,当标物在期间出现在图片中而模型间断性检测出错的问题。利用设备实现该方法可以提升整个人工智能模型的泛化能力,从而改善了误报的容错能力。另外,该方法还解决了环境与模型等因素引起的偶然性问题导致的目标检测失败。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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是智能周界检测的方法的流程示意图;
图2是设备的工作流程图。
具体实施方式
结合图1和图2所示,对本发明提供的一种智能周界检测的方法和设备具体实施方式进行说明。
一种智能周界检测的方法,步骤包括:
S1.收集授权人的证件照片,并建立授权数据库。
证件照片显示头部的正面并具有清晰的五官。这些图片的要求可以按照护照标准拍摄的近期五官清晰无遮挡,坐姿端正等要求照片。
S2.利用训练后的计算机视觉识别模型,对数据库中的照片进行特征提取。
计算机视觉识别模型训练利用人脸数据进行训练,利用deepface模型,倒数第二层全连接提取对应的人脸码。可以选用计算机视觉识别人脸模型为第三方训练的模型,训练方法是利用大量的人脸训练数据进行,采用的识别模型是deepface,用中倒数第二层全连接存提取对应的人脸码;后续的人脸识别模型都是此模型,人脸识别模型也可以采用其他的人脸识别模型,单要求该模型能够提取人脸的特征码。
S3.获取识别到的人脸码,并存储获取的人脸特征码。其中人脸码可以存储在计算机中,并在人脸识别控制系统中保存,保存后可以设定数据保密措施。
S4.接入监控视频。例如在天然气无人值守站使用时,可以将天然气无人值守站的监控视频数据直接接入。还可以应用于LNG卸车场景中,对卸车场景中的安全目标物进行实时的监测,直至目标出现。
S5.使用RTSP协议采集视频流,对视频进行图像分帧处理。
具体的时,视频进行图像分帧处理的过程中,cv2.VideoCapture函数接入视频流以关键帧I作为图像基础,使用前向预测帧P,双向内插帧B作为局部变化图像数据对视频均匀编码图片帧。分帧的通过函数videoCapture.read对图片帧进行Base64编码转换,传入识别算法接口,按时间先后顺序依次传图片帧给计算机识别视频模型,进行人脸识别。
S6.识别到人脸后,提取人脸图片和授权数据库进行相似度匹配,对不匹配的情况记录入侵次数。
人脸识别时,对人脸进行特征提取;提取的人脸图片,进行授权数据库的相似度匹配,并设置匹配分数的阈值。匹配分数的阈值为80%,还可以根据视觉模型的准确率和经验进行相应的设置;当达到或者超过阈值分数的人脸超过0时,判断为匹配成功,表示安全无需警告,记录入侵次数为0;当达到或者超过阈值分数的人脸为0时,判断匹配不成功,表示不安全,人脸没有经过授权,记录入侵次数加1。
S7.设定入侵次数的阈值,根据模型检测人脸的准确率与每秒编码视频到图片帧的次数综合设定。
可以设置入侵次数为3时作为阈值,入侵次数的阈值达到后,启动警告模型;当视频采集的质量提高时,调低匹配分数的阈值;当每秒编码的图片帧数增多时,调高匹配分数的阈值。具体的时,入侵次数的阈值根据模型检测人脸的准确率与每秒编码视频到图片帧的次数综合设计。当人脸识别模型的准确率很高并且视频采集的质量很高的情况下,可以把阈值设小。当每秒编码的图片帧数多时,可以把这个阈值设置大一些。其中每秒编码的图片帧多的时候,会出现计算性能的消耗,内存的消耗,还有传输的消耗。因此不推荐单位时间编码图片帧多的参数。
一种智能周界检测的设备,利用上述的一种智能周界检测的方法,包括视频采集装置、人脸识别控制系统和警报装置,视频采集装置接入天然气无人值守站的摄像头视频数据,人脸识别控制系统接收视频数据后记录入侵次数,并控制警报装置发出警报。其中人脸识别控制系统对视频数据进行压缩,然后对视频进行检测。在视频到图片帧编码的时候,可以采用3帧每秒的频率。
该装置中,视频流经过处理后,编码图片帧,然后计算机视觉识别目标物,实时监测场景中的目标,目标出现时上报目标的坐标;目标消失时,并且达到3次,此时上报目标消失,控制系统对该结果进行准确判断,发出相应的指令。
该方法可以解决计算机视觉模型在检测连续时间序列图片的时候,当标物在期间出现在图片中而模型间断性检测出错的问题。利用设备实现该方法可以提升整个人工智能模型的泛化能力,从而改善了误报的容错能力。另外,该方法还解决了环境与模型等因素引起的偶然性问题导致的目标检测失败。
当然,上述说明并非是对本发明的限制,本发明也并不仅限于上述举例,本技术领域的技术人员在本发明的实质范围内所做出的变化、改型、添加或替换,也应属于本发明的保护范围。
Claims (10)
1.一种智能周界检测的方法,其特征在于,步骤包括:
S1.收集授权人的证件照片,并建立授权数据库;
S2.利用训练后的计算机视觉识别模型,对数据库中的照片进行特征提取,
S3.获取识别到的人脸码,并存储获取的人脸特征码;
S4.接入监控视频;
S5.使用RTSP协议采集视频流,对视频进行图像分帧处理;
S6.识别到人脸后,提取人脸图片和授权数据库进行相似度匹配,对不匹配的情况记录入侵次数;
S7.设定入侵次数的阈值,根据模型检测人脸的准确率与每秒编码视频到图片帧的次数综合设定。
2.根据权利要求1所述的一种智能周界检测的方法,其特征在于,所述证件照片显示头部的正面并具有清晰的五官。
3.根据权利要求1所述的一种智能周界检测的方法,其特征在于,所述计算机视觉识别模型训练利用人脸数据进行训练,利用deepface模型,倒数第二层全连接提取对应的人脸码。
4.根据权利要求1所述的一种智能周界检测的方法,其特征在于,所述视频进行图像分帧处理的过程中,cv2.VideoCapture函数接入视频流以关键帧I作为图像基础,使用前向预测帧P,双向内插帧B作为局部变化图像数据对视频均匀编码图片帧。
5.根据权利要求4所述的一种智能周界检测的方法,其特征在于,所述分帧的通过函数videoCapture.read对图片帧进行Base64编码转换,传入识别算法接口,按时间先后顺序依次传图片帧给计算机识别视频模型,进行人脸识别。
6.根据权利要求1所述的一种智能周界检测的方法,其特征在于,所述人脸识别时,对人脸进行特征提取;提取的人脸图片,进行授权数据库的相似度匹配,并设置匹配分数的阈值。
7.根据权利要求6所述的一种智能周界检测的方法,其特征在于,所述匹配分数的阈值为80%;当达到或者超过阈值分数的人脸超过0时,判断为匹配成功,记录入侵次数为0;当达到或者超过阈值分数的人脸为0时,判断匹配不成功,记录入侵次数加1。
8.根据权利要求7所述的一种智能周界检测的方法,其特征在于,所述入侵次数的阈值达到后,启动警告模型;当视频采集的质量提高时,调低匹配分数的阈值;当每秒编码的图片帧数增多时,调高匹配分数的阈值。
9.一种智能周界检测的设备,利用权利要求1至8任一项所述的一种智能周界检测的方法,其特征在于,包括视频采集装置、人脸识别控制系统和警报装置,视频采集装置接入天然气无人值守站的摄像头视频数据,人脸识别控制系统接收视频数据后记录入侵次数,并控制警报装置发出警报。
10.根据权利要求9所述的一种智能周界检测的设备,其特征在于,所述人脸识别控制系统对视频数据进行压缩,然后对视频进行检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110803873.6A CN113591623A (zh) | 2021-07-16 | 2021-07-16 | 一种智能周界检测的方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110803873.6A CN113591623A (zh) | 2021-07-16 | 2021-07-16 | 一种智能周界检测的方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113591623A true CN113591623A (zh) | 2021-11-02 |
Family
ID=78247655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110803873.6A Pending CN113591623A (zh) | 2021-07-16 | 2021-07-16 | 一种智能周界检测的方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113591623A (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110172954A1 (en) * | 2009-04-20 | 2011-07-14 | University Of Southern California | Fence intrusion detection |
JP2012088861A (ja) * | 2010-10-18 | 2012-05-10 | Secom Co Ltd | 侵入物体検出装置 |
CN102752540A (zh) * | 2011-12-30 | 2012-10-24 | 新奥特(北京)视频技术有限公司 | 一种基于人脸识别技术的自动编目方法 |
CN105740426A (zh) * | 2016-01-29 | 2016-07-06 | 宇龙计算机通信科技(深圳)有限公司 | 基于人脸识别的照片发送方法及装置 |
CN107644204A (zh) * | 2017-09-12 | 2018-01-30 | 南京凌深信息科技有限公司 | 一种用于安防系统的人体识别与跟踪方法 |
CN108062539A (zh) * | 2017-12-30 | 2018-05-22 | 广州供电局有限公司 | 配电房安全管理方法和系统、计算机设备和存储介质 |
CN108932783A (zh) * | 2018-09-19 | 2018-12-04 | 南京邮电大学 | 一种基于二维人脸识别的面向大流量场景的门禁系统 |
CN111178222A (zh) * | 2019-12-24 | 2020-05-19 | 天地伟业技术有限公司 | 一种基于人脸识别的区域警戒方法 |
CN111192426A (zh) * | 2020-01-14 | 2020-05-22 | 中兴飞流信息科技有限公司 | 基于拟人视觉图像分析视频巡航的铁路周界入侵检测方法 |
CN112633138A (zh) * | 2020-12-19 | 2021-04-09 | 闫耀伟 | 一种基于大数据的人脸识别系统及识别方法 |
CN113033521A (zh) * | 2021-05-25 | 2021-06-25 | 南京甄视智能科技有限公司 | 基于目标分析的周界动态预警方法与系统 |
-
2021
- 2021-07-16 CN CN202110803873.6A patent/CN113591623A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110172954A1 (en) * | 2009-04-20 | 2011-07-14 | University Of Southern California | Fence intrusion detection |
JP2012088861A (ja) * | 2010-10-18 | 2012-05-10 | Secom Co Ltd | 侵入物体検出装置 |
CN102752540A (zh) * | 2011-12-30 | 2012-10-24 | 新奥特(北京)视频技术有限公司 | 一种基于人脸识别技术的自动编目方法 |
CN105740426A (zh) * | 2016-01-29 | 2016-07-06 | 宇龙计算机通信科技(深圳)有限公司 | 基于人脸识别的照片发送方法及装置 |
CN107644204A (zh) * | 2017-09-12 | 2018-01-30 | 南京凌深信息科技有限公司 | 一种用于安防系统的人体识别与跟踪方法 |
CN108062539A (zh) * | 2017-12-30 | 2018-05-22 | 广州供电局有限公司 | 配电房安全管理方法和系统、计算机设备和存储介质 |
CN108932783A (zh) * | 2018-09-19 | 2018-12-04 | 南京邮电大学 | 一种基于二维人脸识别的面向大流量场景的门禁系统 |
CN111178222A (zh) * | 2019-12-24 | 2020-05-19 | 天地伟业技术有限公司 | 一种基于人脸识别的区域警戒方法 |
CN111192426A (zh) * | 2020-01-14 | 2020-05-22 | 中兴飞流信息科技有限公司 | 基于拟人视觉图像分析视频巡航的铁路周界入侵检测方法 |
CN112633138A (zh) * | 2020-12-19 | 2021-04-09 | 闫耀伟 | 一种基于大数据的人脸识别系统及识别方法 |
CN113033521A (zh) * | 2021-05-25 | 2021-06-25 | 南京甄视智能科技有限公司 | 基于目标分析的周界动态预警方法与系统 |
Non-Patent Citations (4)
Title |
---|
ALI H. MIRZA等: "Computer network intrusion detection using sequential LSTM Neural Networks autoencoders", 《2018 26TH SIGNAL PROCESSING AND COMMUNICATIONS APPLICATIONS CONFERENCE (SIU)》, 9 July 2018 (2018-07-09), pages 1 - 4 * |
H LEE等: "OTIDS: A novel intrusion detection system for in-vehicle network by using remote frame", 《IN 2017 15TH ANNUAL CONFERENCE ON PRIVACY, SECURITY AND TRUST (PST)》, 30 September 2018 (2018-09-30), pages 57 - 5709 * |
史佳锋: "FCN与CNN在铁路入侵目标识别中的应用研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》, no. 2021, 15 March 2021 (2021-03-15), pages 026 - 39 * |
郑伟: "基于毫米波雷达的周界入侵检测技术研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, no. 2019, 15 July 2019 (2019-07-15), pages 136 - 393 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112287816B (zh) | 一种基于深度学习的危险工作区事故自动检测报警方法 | |
KR101942808B1 (ko) | 객체 이미지 인식 dcnn 기반 cctv 영상분석장치 | |
CN206164722U (zh) | 一种基于人脸识别的商超防盗监控系统 | |
CN112364696B (zh) | 一种利用家庭监控视频提高家庭安全的方法及系统 | |
US8675065B2 (en) | Video monitoring system | |
CN110853295A (zh) | 一种高空抛物预警方法和装置 | |
US20080136934A1 (en) | Flame Detecting Method And Device | |
CN107590440A (zh) | 一种智能家居场景下人形识别的方法和系统 | |
KR102002812B1 (ko) | 객체 검출을 위한 영상분석 서버장치 및 방법 | |
KR20190035186A (ko) | 딥 러닝 기법을 활용한 지능형 무인 보안 시스템 | |
CN110490126B (zh) | 一种基于人工智能的保险柜安全管控系统 | |
CN113850109A (zh) | 一种基于注意力机制和自然语言处理的视频图像告警方法 | |
CN113361364B (zh) | 目标行为检测方法、装置、设备及存储介质 | |
US9607210B2 (en) | Video surveillance system and method for fraud detection | |
CN113591623A (zh) | 一种智能周界检测的方法和设备 | |
KR100513739B1 (ko) | 얼굴특징을 이용한 움직임 검출장치 및 이를 적용한감시시스템 | |
CN112016404A (zh) | 一种基于视频流数据的危险识别报警方法 | |
CN116740627A (zh) | 基于操作知识的违章告警方法 | |
CN111274872A (zh) | 基于模板匹配的视频监控动态不规则多监管区域判别方法 | |
CN114187666B (zh) | 边走路边看手机的识别方法及其系统 | |
CN202979108U (zh) | 人脸识别智能摄像机 | |
CN111582031B (zh) | 基于神经网络的多模型协同暴力检测方法及系统 | |
KR20210114169A (ko) | 객체검증을 이용한 모니터링 영상 분석 방법 및 이를 위한 장치 | |
CN114915774A (zh) | 一种生产工序检测系统以及检测方法 | |
Marsiano et al. | Deep Learning-Based Anomaly Detection on Surveillance Videos: Recent Advances |
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 |