CN113678178A - 监视系统、监视设备、监视方法和非暂时性计算机可读介质 - Google Patents

监视系统、监视设备、监视方法和非暂时性计算机可读介质 Download PDF

Info

Publication number
CN113678178A
CN113678178A CN202080024551.5A CN202080024551A CN113678178A CN 113678178 A CN113678178 A CN 113678178A CN 202080024551 A CN202080024551 A CN 202080024551A CN 113678178 A CN113678178 A CN 113678178A
Authority
CN
China
Prior art keywords
person
vehicle
authenticated
pattern
monitoring
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
CN202080024551.5A
Other languages
English (en)
Other versions
CN113678178B (zh
Inventor
依田幸英
青野义明
朝日光司
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.)
NEC Corp
Original Assignee
NEC Corp
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 NEC Corp filed Critical NEC Corp
Publication of CN113678178A publication Critical patent/CN113678178A/zh
Application granted granted Critical
Publication of CN113678178B publication Critical patent/CN113678178B/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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
    • G01H9/004—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means using fibre optic sensors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/001—Acoustic presence detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/22—Transmitting seismic signals to recording or processing apparatus
    • G01V1/226—Optoseismic systems
    • 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
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • 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
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G06V40/25—Recognition of walking or running movements, e.g. gait recognition
    • 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
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/02—Mechanical actuation
    • G08B13/10—Mechanical actuation by pressure on floors, floor coverings, stair treads, counters, or tills
    • 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
    • G08B13/181—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using active radiation detection systems
    • G08B13/183—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using active radiation detection systems by interruption of a radiation beam or barrier
    • G08B13/186—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using active radiation detection systems by interruption of a radiation beam or barrier using light guides, e.g. optical fibres
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/22—Electrical actuation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/20—Individual registration on entry or exit involving the use of a pass
    • G07C9/22—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder
    • G07C9/25—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition
    • G07C9/257—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition electronically

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Acoustics & Sound (AREA)
  • Evolutionary Computation (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Alarm Systems (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

根据本公开的监视系统包括铺设在监视区域中的光纤(10)；认证单元(20)，被配置为认证通过闸机(G)以进入监视区域的人或车辆；光纤感测单元(31)，被配置为基于从光纤(10)接收的光学信号，获取具有与被认证的人或车辆的动作模式相对应的固有模式的参数，以及分析单元(32)，被配置为基于参数的固有模式，识别被认证的人或车辆的动作模式。

Description

监视系统、监视设备、监视方法和非暂时性计算机可读介质
技术领域
本公开涉及监视系统、监视设备、监视方法和非暂时性计算机可读介质。
背景技术
传统上，在高安全性设施中，在设施入口处通过生物特征认证(面部识别、虹膜识别等)、基于卡密钥的标识(ID)认证等来对人员进行认证。这使得可以基于从人员认证获得的信息保存谁通过了闸机以及何时通过的记录，但不允许监视人们通过闸机后所采取的动作。
另外，在高速公路等上，通过在入口和出口处使用相机、基于电子收费系统(ETC)卡的ID认证等执行的相机认证来认证车辆。这使得可以基于从车辆认证获得的信息保存谁的/哪辆车已经通过闸机以及何时通过的记录，但不允许监视车辆通过闸机后所采取的动作。
同时，最近提出了一些技术，其中，通过使用光纤来监视人和车辆的动作。
例如，根据专利文献1中记载的技术，例如在房间的地板上铺设设置有光纤的传感器地毯(carpet)。光纤在多个点检测当人按压光纤时产生的变形，并且分析设备通过分析在多个点观察到的信号的变化来识别人的动作。
引用列表
专利文献
专利文献1：日本未审专利申请公开No.2009-128984
发明内容
技术问题
然而，专利文献1中描述的技术基于在特定点观察到的失真的粗略大小和持续时间来识别人的动作。因此，该技术的缺点在于它能检测仅处于非常有限的位置处的人。另外，例如，该技术的缺点在于，当要识别相似体重的人的动作时，不能确保准确性。此外，该技术的缺点在于它不能识别人的动作的详细模式。
因此，本公开旨在解决上述缺点并提供一种能够以更高准确性和细节识别人或车辆的动作模式的监视系统、监视设备、监视方法和非暂时性计算机可读介质。
问题的解决方案
根据一个方面的监视系统包括：
铺设在监视区域中的光纤；
认证单元，所述认证单元被配置为对经过用以进入所述监视区域的闸机的人或车辆进行认证；
光纤感测单元，所述光纤感测单元被配置为基于从所述光纤接收的光学信号，获取具有与被认证的人或车辆的动作模式相对应的固有模式的参数；以及
分析单元，所述分析单元被配置为基于所述参数的固有模式，识别被认证的人或车辆的动作模式。
根据一个方面的监视设备包括：
光纤感测单元，所述光纤感测单元被配置为基于从铺设在监视区域中的光纤接收的光学信号，获取具有固有模式的参数，所述固有模式对应于经过用以进入所述监视区域的闸机的并且由认证单元认证过的人或车辆的动作模式；以及
分析单元，所述分析单元被配置为基于所述参数的固有模式，识别被认证的人或车辆的动作模式。
根据一个方面的一种监视方法包括：
基于从铺设在监视区域中的光纤接收的光学信号，获取具有固有模式的参数的步骤，所述固有模式对应于经过用以进入所述监视区域的闸机的并且由认证单元认证过的人或车辆的动作模式；以及
基于所述参数的固有模式，识别被认证的人或车辆的动作模式的步骤。
根据一个方面的非暂时性计算机可读介质是：
存储程序的非暂时性计算机可读介质，该程序使得计算机执行以下进程：
基于从铺设在监视区域中的光纤接收的光学信号，获取具有固有模式的参数，所述固有模式对应于经过用以进入所述监视区域的闸机的并且由认证单元认证过的人或车辆的动作模式；以及
基于所述参数的固有模式，识别被认证的人或车辆的动作模式。
发明的有益效果
上述方面可以有利地提供能够以更高的准确度和细节识别人或车辆的动作模式的监视系统、监视设备、监视方法和非暂时性计算机可读介质。
附图说明
图1图示了根据示例实施例的监视系统的配置的示例。
图2图示了根据示例实施例的监视系统的配置的另一示例。
图3图示了根据示例实施例的由分析单元在具有与认证信息相关联的动作模式的数据库中记录的动作模式的示例。
图4图示了根据示例实施例的由光纤感测单元获取的振动数据的示例。
图5图示了根据示例实施例的由光纤感测单元获取的振动数据的另一示例。
图6图示了根据示例实施例的由光纤感测单元获取的振动数据的另一示例。
图7图示了根据示例实施例的由光纤感测单元获取的振动数据的另一示例。
图8图示了根据示例实施例的由光纤感测单元获取的声学数据的示例。
图9是图示根据示例实施例的由分析单元执行的机器学习的示例的流程图。
图10图示了根据示例实施例的由分析单元执行的机器学习中使用的训练数据的示例。
图11图示了根据示例实施例的分析单元识别人的移动路径的方法的示例。
图12是图示根据示例实施例，实现监视设备的计算机的硬件配置的示例的框图。
图13是图示根据示例实施例的监视系统的操作的流程的示例的流程图。
图14图示了根据示例实施例的监视系统的特定用例的示例。
具体实施方式
在下文中，将参照附图描述本公开的示例实施例。
示例实施例
示例实施例的配置
首先，参照图1和图2，将描述根据示例实施例的监视系统的一些配置。图1图示监视目标为人的监视系统，而图2图示监视目标为车辆的监视系统。
如图1和2所示，根据本示例实施例的监视系统包括光纤10、认证单元20和监视设备30。
光纤10铺设在需要监视人或车辆的动作的监视区域中。监视区域是人或车辆必须通过用于监视区域的闸机G才能进入的区域。在监视目标是人的情况下，监视区域是诸如商业场所、办公室、医院、机场、疗养院或日托中心的设施。在监视目标为车辆的情况下，监视区域为例如但不限于高速公路或停车场。在监视区域为室内区域的情况下，光纤10铺设在例如地板等下方。在监视区域为室外区域的情况下，光纤10铺设在例如地下等中。光纤10可以以通过覆盖光纤10形成的光缆的形式铺设在监视区域中。
认证单元20对通过了闸机G的人或车辆进行认证并且获取指示被认证的人或车辆的认证信息。例如但不限于通过图像认证、通过基于卡密钥、集成电路(IC)标签、QR码(注册商标)等的ID认证、或通过基于人的面部、指纹、虹膜、静脉等的生物特征认证，对人进行认证。在对人进行认证时获取的认证信息是例如但不限于该人的图像、姓名或ID。同时，通过例如但不限于由相机执行的图像认证或基于ETC卡等的ID认证来认证车辆。在对车辆进行认证时获取的认证信息是例如但不限于车辆的图像、车辆类型、车主姓名或车辆的ID。
在对通过闸机G的人或车辆进行认证时，认证单元20将认证时获取的认证信息、指示认证时间的时间信息等连同指示已经执行认证的通知发送到监视设备30。
监视设备30在从认证单元20接收到指示通过了闸机G的人或车辆已被认证过了的通知时被触发，跟踪人或车辆在通过闸机G后所采取的动作。监视设备30包括光纤感测单元31和分析单元32。在该示例中，光纤感测单元31和分析单元32可以设置在单独的设备中并且被配置为能够相互通信。
光纤感测单元31连接到光纤10并向光纤10输入脉冲光。此外，光纤感测单元31从光纤10接收当通过光纤10传输脉冲光时，在每个传输距离处产生的反向反射光。
在本示例中，当通过闸机G的人或车辆在监视区域中移动时，由于人或车辆与地面或地板接触而产生振动。这种振动被传输到铺设在监视区域中的光纤10，并叠加到通过光纤10传输的反向反射光上。因此，光纤感测单元31可以基于从光纤10接收到的反向散射光，检测通过人或车辆的移动而产生的振动。此外，光纤感测单元31可以基于从当光纤感测单元31将脉冲光输入到光纤10时至当光纤感测单元31接收到叠加有振动的反向散射光时经过的时间，进一步检测已经生成所接收的反向散射光的位置(距光纤感测单元31的距离)。
例如，光纤感测单元31通过使用分布式振动传感器来检测从光纤10接收的反向散射光。因此，光纤感测单元31可以检测由于人或车辆的移动而产生的振动以及生成与这些振动叠加的反向散射光的位置，从而可以获取所检测的振动的振动数据。
在该示例中，光纤感测单元31检测到的振动的振动模式是动态波动的波动模式。同时，例如，对于已经通过闸机G的那些人，他们通过闸机G之后的动作模式彼此不同。人的动作模式的示例包括人的移动路径或人的步态。人的步态的示例包括该人的步长、步行速度、脚踩力或步行方式(例如，当该人的脚着地时，压力如何施加到鞋底上)。因此，由光纤感测单元31检测到的振动的振动数据具有动态的、固有模式，其中，振动强度的波动、振动位置、振动次数例如取决于每个人通过闸机G后所采取的动作模式而不同地改变。
因此，分析单元32分析由光纤感测单元31获取的振动数据的固有模式的动态变化，从而可以识别出人在通过闸机G后所采取的动作模式。例如，分析单元32可以通过分析在分析单元32从认证单元20接收到上述通知时在闸机G附近产生的振动的固有模式的动态变化来识别人通过闸机G后所处的位置并且还可以通过分析该人的位置变化来识别该人的移动路径。此外，分析单元32可以通过分析固有模式的动态变化来识别人在通过闸机G后行走的步态(例如，步长、步行速度、脚踩力、步行方式等)。
同时，例如，对于已经通过闸机G的那些车辆，它们在通过闸机G之后的动作模式彼此不同。车辆的动作模式的示例包括车辆的移动路径。因此，由光纤感测单元31检测到的振动的振动数据具有动态的、固有模式，其中，例如，振动强度的波动、振动位置、振动次数取决于在监视区域内移动的车辆的动作模式而不同地改变。
因此，分析单元32分析由光纤感测单元31获取的振动数据的固有模式的动态变化，从而可以识别车辆在通过闸机G后所采取的动作模式。将移动路径识别为车辆的动作模式的方法与上述识别人的移动路径的方法类似。
在该示例中，当已经通过闸机G的人或车辆在监视区域中移动时，当人或车辆与地面或地板接触时会产生声音和温度变化。该变化后保持的声音和温度也被叠加在由铺设在监视区域中的光纤10传输的反向反射光上。因此，光纤感测单元31还可以基于从光纤10接收到的后向散射光来检测由于人或车辆的移动而产生的声音和温度。
例如，光纤感测单元31可以通过分别使用分布式声学传感器和分布式温度传感器检测从光纤10接收到的反向散射光来检测由于人或车辆的移动而产生的声音和温度，并且获取被测声音的声学数据和被测温度的温度数据。
在该示例中，光纤感测单元31检测到的声音和温度也取决于人或车辆在通过闸机G后所采取的动作模式而不同。因此，光纤感测单元31检测到的声音的声学数据和温度的温度数据各自还具有与人或车辆通过闸机G后所采取的动作模式相对应的动态固有模式。
因此，根据本示例实施例，分析单元32基于与人或车辆通过闸机G后所采取的动作模式相对应的参数——诸如振动、声音或温度——的固有模式，识别人或车辆通过闸机G后所采取的动作模式。
在该示例中，分析单元32可以将识别出的人或车辆在通过闸机G后所采取的动作模式记录到数据库中，其中，识别出的动作模式与连同上述通知一起从认证单元20传送的认证信息相关联。数据库可以被保存在分析单元32中或者保存在监视设备30内部或外部的单独组成元件中。图3图示了记录在数据库中的一些动作模式的示例，其中，动作模式与认证信息相关联。图3图示记录识别出的人通过闸机G后所采取的动作模式的示例，其中，识别出的动作模式与该人的认证信息(在该示例中为姓名)相关联。此外，分析单元32可以对数据库中记录的人的动作模式执行机器学习(例如，深度学习等)，并且根据需要更新或添加数据库中记录的动作模式。
响应于认证单元20认证已经通过闸机G的人或车辆，分析单元32可以从数据库中提取与已经通过闸机G的人或车辆的认证信息相关联的动作模式，并且如果通过闸机G的人或车辆的后续动作模式与从数据库中提取的动作模式不匹配，则发出警报。
响应于认证单元20认证已经通过闸机G的人或车辆，分析单元32可以从数据库中提取与已经通过闸机G的人或车辆的认证信息相关联的动作模式，基于从数据库中提取的动作模式，识别人或车辆应当移动的目的地，并且将识别出的目的地告知人或车辆。例如，在监视目标为人的情况下，可以想到的目的地包括会议室。关于将目的地是会议室等告知人的可想到的通知方法，例如，可以照亮通向目的地的地板上的路径，可以在电灯显示器上显示目的地，可以通过语音通告目的地，或目的地前面的指示器可以被点亮或闪烁。在监视目标是人的情况下，可以想到的目的地包括停车场中的停车位。
响应于认证单元20认证已经通过闸机G的人或车辆，如果在数据库中未记录与已经通过闸机G的人或车辆的认证信息相关联的动作模式，则分析单元32可以发出警报。如果监视的目标是人，除了发出警报外，分析单元32还可以通过锁定闸机G来通知警卫室或管制对监视区域的访问。
接下来，将详细地描述分析单元32识别人或车辆在通过闸机G后所采取的动作模式的一些方法。分析单元32可以通过使用以下方法A1至A8中的任一个来识别人或车辆在通过闸机G之后所采取的动作模式。
(1)方法A1
首先，参考图4描述方法A1。图4图示通过对人与监视区域的地面或地板接触时产生的振动的振动数据(横轴表示时间，而纵轴表示振动强度)执行快速傅立叶变换(FFT)获得的振动数据(横轴表示频率，而纵轴表示振动强度)。
在图4所示的振动数据中，出现振动强度的频率峰值。该频率峰值出现的频率取决于每个人的步态(例如，脚踩力、步行方式等)而不同。
因此，当分析单元32要识别出人在通过闸机G后所采取的动作模式时，分析单元32从光纤感测单元31获取监视人通过闸机G后在监视区域中产生的振动的振动数据(例如，类似于图4的振动数据的振动数据)。然后，分析单元32基于频率峰值在所获取的振动数据中出现的频率来确定该人的步态。
(2)方法A2
接下来，参考图5描述方法A2。图5图示通过对人与监视区域的地面或地板接触时产生的振动的振动数据(横轴表示时间，而纵轴表示振动强度)执行FFT获得的振动数据(横轴表示频率，而纵轴表示振动强度)。
在图5所示的振动数据中，出现振动强度的频率峰值。该频率峰值出现的频率以及频率峰值的次数取决于每个人的步态(例如，脚踩力、步行方式等)而不同。
因此，当分析单元32要识别出人在通过闸机G后所采取的动作模式时，分析单元32从光纤感测单元31获取监视人通过闸机G后在监视区域中产生的振动的振动数据(例如，类似于图5的振动数据的振动数据)。然后，分析单元32基于在所获取的振动数据中频率峰值出现的频率和频率峰值的数量来确定该人的步态。
(3)方法A3
接下来，参考图6描述方法A3。图6图示当人与监视区域的地面或地板接触时产生的振动的振动数据(横轴表示时间，而纵轴表示振动强度)。
在图6所示的振动数据中，随后衰减监视区域中产生的振动。该衰减时间取决于每个人的步态(例如，脚踩力、步行方式等)而不同。
因此，当分析单元32要识别出人在通过闸机G后所采取的动作模式时，分析单元32从光纤感测单元31获取监视人通过闸机G后在监视区域中产生的振动的振动数据(例如，类似于图6的振动数据的振动数据)。然后，分析单元32基于所获取的振动数据中的衰减时间来确定该人的步态。
(4)方法A4
接下来，参考图7描述方法A4。图7图示当人与监视区域的地面或地板接触时产生的振动的振动数据(横轴表示时间，而纵轴表示振动强度)。
在图7所示的振动数据中，振动间隔性地发生。这些振动间隔取决于每个人的步长。
因此，当分析单元32要识别出人在通过闸机G后所采取的动作模式时，分析单元32从光纤感测单元31获取监视人通过闸机G后在监视区域中产生的振动的振动数据(例如，类似于图7的振动数据的振动数据)。然后，分析单元32基于所获取的振动数据中的振动间隔来确定该人的步长。
(5)方法A5
接下来，将参考图8描述方法A5。图8图示了当人与监视区域中的地面或地板接触时产生的声音的声学数据(横轴表示时间，而纵轴表示声音强度)。
在图8所示的声学数据中，波形取决于每个人的步态而变化。图8所示的声学数据是波形因鞋子型号而变化的示例。
因此，当分析单元32要识别出人在通过闸机G后所采取的动作模式时，分析单元32从光纤感测单元31获取监视人通过闸机G后在监视区域中产生的声音的声学数据(例如，类似于图8的声学数据的声学数据)。然后，分析单元32基于所获取的声学数据的波形来确定该人的步态。
(6)方法A6
接下来，将描述方法A6。
方法A6通过使用模式匹配来识别人或车辆在通过闸机G后所采取的动作模式。
当分析单元32要识别出人或车辆在通过闸机G后所采取的动作模式时，分析单元32从光纤感测单元31获取监视人或车辆通过闸机G后在监视区域中产生的振动、声音、温度等的参数(例如，类似于图4至8中的任何一个所示的振动数据或声学数据的振动数据或声学数据)。然后，分析单元32将所获取的参数的固有模式与用于匹配的预设模式进行比较，以及如果该固有模式与匹配模式相匹配，则识别人或车辆的动作模式。在该示例中，对于人的动作模式，分析单元32可以单独地保存用于识别移动路径的匹配模式和用于识别步态的匹配模式。此外，分析单元32可以针对确定步态的每个因素(例如，步长、步行速度、脚踩力、步行方式等)保存匹配模式。
在这种情况下，分析单元32可以计算固有模式与匹配模式的匹配率，并且将计算出的匹配率与阈值进行比较。因此，分析单元32可以确定固有模式是否与匹配模式相匹配。例如，在表1所示的示例中，如果匹配率为70％或更高，则分析单元32确定其为匹配，如果匹配率为40％或更低，则确定其不匹配，或者，如果匹配率在40％到70％之间，则确定存在匹配的可能性。
[表1]
匹配率 匹配/不匹配
70％或更高 匹配
40％到70％ 匹配的可能性
40％或更低 不匹配
此外，分析单元32可以通过机器学习(例如，深度学习等)来学习匹配模式。此外，分析单元32可以通过机器学习，根据需要来更新或添加匹配模式。
(7)方法A7
接下来，将描述方法A7。
方法A7涉及对于作为在监视区域中产生的振动、声音、温度等参数的固有模式的、与人或车辆的动作模式相对应的固有模式的机器学习(例如，深度学习等)，并且通过使用机器学习的学习结果(初始训练模型)来识别人或车辆的动作模式。在本示例中，对于人的动作模式，分析单元32可以单独地保存用于识别移动路径的初始训练模型和用于识别步态的初始训练模型。此外，分析单元32可以针对确定步态的每个因素(例如，步长、步行速度、脚踩力、步行方式等)保存初始训练模型。
现在，参考图9，将描述方法A7中的机器学习方法。在该示例中，分析单元32经历对应于人的动作模式的振动数据的固有模式的机器学习。
如图9所示，分析单元32接收指示人的动作模式的训练数据和表示当人采取该动作模式时在监视区域中产生的并且由光纤感测单元31获取的振动的振动数据的输入(步骤S11和S12)。图10图示了训练数据的示例。图10图示了用于对三个振动数据A、B和C训练模型的训练数据的示例。例如，每个振动数据采用与图4至7的任何一个图示的振动数据类似的形式。
接下来，分析单元32执行训练数据和振动数据的匹配和分类(步骤S13)并经历监督训练(步骤S14)。这产生初始训练模型(步骤S25)。该初始训练模型用作响应于所监视的振动数据的输入而输出人或车辆的动作模式的模型。
当分析单元32要识别出人或车辆通过闸机G后所采取的动作模式时，分析单元32从光纤感测单元31获取监视人或车辆通过闸机G后在监视区域中产生的振动的振动数据(类似于图4至7的任何一个所示的振动数据的振动数据)并将所获取的振动数据输入到初始训练模型。因此，分析单元32从由初始训练模型输出的结果中获得人或车辆的动作模式。
(8)方法A8
接下来，将参考图11描述方法A8。在该示例中，识别人的移动路径。图11的下半部分图示了当人与监视区域的地面或地板接触时产生的振动的振动数据(横轴表示位置(距光纤感测单元31的距离)，而纵轴表示经过的时间)。
在图11所示的示例中，通过当人在多个点(P1至P3)与地面或地板接触时产生的振动生成固有模式。因此，跟踪生成每个固有模式的位置使得可以识别人通过闸机G后采取的移动路径。
因此，当分析单元32要识别出人通过闸机G后所采取的动作模式时，分析单元32从光纤感测单元31获取监视人通过闸机G后在监视区域中产生的振动的振动数据(类似于图11所示的振动数据的振动数据)。然后，分析单元32识别多个点(P1到P3)中的每一个的位置，其中，在所获取的振动数据中生成固有模式，并且基于所识别的位置的位置变化来识别该人的移动路径。
识别路径的方法不限于上述方法。
例如，分析单元32可以通过综合匹配和分析在多个点(P1至P3)处检测到的固有模式来识别移动路径。例如，综合匹配和分析包括将多个点(P1至P3)视为单个模式并针对例如匹配模式(例如，表示人的步行的模式)执行匹配的过程。
此外，分析单元32可以通过分析在每个点观察到的振动来识别被跟踪的人的固有模式，并在继续识别该人的同时跟踪该人。在这种情况下，例如，分析单元32可以在执行模式匹配时识别出P1到P3是属于同一个人的固有模式，从而在P3处也检测到在P1和P2处识别出的人的固有模式并且识别该人的移动路径。
接下来，参考图12，将描述实现根据本示例实施例的实现监视设备30的计算机40的硬件配置。
如图12所示，计算机40包括例如处理器401、存储器402、存储装置403、输入/输出接口(输入/输出I/F)404和通信接口(通信I/F)405。处理器401、存储器402、存储装置403、输入/输出接口404和通信接口405通过数据传输线相互连接，用于在它们之间发送和接收数据。
处理器401是算术运算处理设备，诸如中央处理单元(CPU)或图形处理单元(GPU)。存储器402是诸如随机存取存储器(RAM)或只读存储器(ROM)的存储器。存储装置403是诸如硬盘驱动器(HDD)、固态驱动器(SSD)或存储卡的存储设备。存储装置403也可以是存储器，诸如RAM或ROM。
存储装置403存储用于实现监视设备30中包括的光纤感测单元31和分析单元32的功能的程序。处理器401执行这些程序，从而实现光纤感测单元31和分析单元32的每个功能。当处理器401执行这些程序时，处理器401可以在将它们加载到存储器402上时执行该程序，或者在不将它们加载到存储器402上的情况下执行该程序。存储器402或存储装置403还用于存储由光纤感测单元31和分析单元32保存的信息或数据。
这些程序可以通过使用各种类型的非暂时性计算机可读介质来存储并提供给计算机(包括计算机40)。非暂时性计算机可读介质包括各种类型的有形存储介质。非暂时性计算机可读介质的示例包括磁存储介质(例如，软盘、磁带、硬盘驱动器)、光学磁存储介质(例如，磁光盘)、压缩光盘(CD-ROM)、可记录CD(CD-R)、可重写CD(CD-R/W)和半导体存储器(例如，掩模ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、闪存ROM、RAM)。程序还可以以各种类型的暂时性计算机可读介质的形式提供给计算机。暂时性计算机可读介质的示例包括电信号、光学信号和电磁波。暂时性计算机可读介质可以经由有线通信线路，诸如电线或光纤，或者经由无线通信线路，将程序提供给计算机。
例如，输入/输出接口404连接到显示设备4041和输入设备4042。显示设备4041是诸如液晶显示器(LCD)或阴极射线管(CRT)显示器的设备，用于显示与由处理器401处理的绘图数据相对应的画面。输入设备4042是接收操作员的操作输入的设备。输入设备4042是例如但不限于键盘、鼠标或触摸传感器。显示设备4041和输入设备4042可以以触摸面板的形式加以集成和实现。计算机40可以包括传感器(未示出)，诸如分布式振动传感器，并且该传感器可以连接到输入/输出接口404。
通信接口405向外部设备发送数据并从外部设备接收数据。例如，通信接口405经由有线通信线路或无线通信线路与外部设备进行通信。
示例实施例的操作
现在，参考图13，将描述根据本示例实施例的监视系统的操作的一般流程。在图13所示的操作流程中，光纤感测单元31持续地执行将脉冲光输入到铺设在监视区域的光纤10并从光纤10接收反向散射光的操作或在步骤S21之前开始这样的操作。
如图13所示，首先，认证单元20对通过闸机G进入监视区域的人或车辆进行认证(步骤S21)。
接下来，基于从光纤10接收的反向散射光，光纤感测单元31获取具有与由认证单元20认证的人或车辆在通过闸机G后采取的动作模式相对应的独特参数的参数(例如，振动数据、声学数据、温度数据等)(步骤S22)。
此后，基于参数的固有模式，分析单元32识别由认证单元20认证的人或车辆在通过闸机G后所采取的动作模式(步骤S23)。此时，分析单元32可以通过使用上述方法A1至A8中的任一种方法来识别人或车辆在通过闸机G之后所采取的动作模式。
接下来，参考图14，将描述根据本示例实施例的监视系统的特定用例。图14图示在作为监视区域的办公楼层的监视的目标是人的示例性情况。另外，在图14所示的示例中，基于在用作监视区域的地板上产生的振动的振动数据的固有模式来识别要监视的人的动作模式。
如图14所示，首先，认证单元20对通过闸机G以进入用作监视区域的楼层的人进行认证，并且获取指示被认证的人的认证信息。然后，认证单元20向分析单元32发送认证信息、时间信息等以及指示已经执行认证的通知。在该示例中，认证单元20执行例如基于卡密钥的ID认证。另外，认证单元20获取例如人名作为认证信息。
分析单元32在从认证单元20接收到上述通知时被触发，开始跟踪该人在通过闸机G之后所采取的动作。
具体地，分析单元32从光纤感测单元31获取在人通过闸机G后在监视区域中产生的振动的振动数据，并且分析所获取的振动数据的固有模式的动态变化。因此，分析单元32识别出该人在通过闸机G后所采取的动作模式。在该示例中，分析单元32通过使用通过上述方法A7预先训练的初始训练模型来识别动作模式。
此后，分析单元32将人在通过闸机G后采取的识别出的动作模式记录在数据库中，其中，识别出的动作模式与从认证单元20，连同上述通知一起传送的认证信息相关联。在该示例中，分析单元32将动作模式记录到数据库中，其中，动作模式与认证信息相关联，例如如图3所示。
在该示例中，响应于认证单元20对已经通过闸机G的人进行认证，分析单元32可以从数据库中提取与已经通过闸机G的人的认证信息相关联的动作模式，并且如果通过闸机G的人此后采取的动作模式与从数据库中提取的动作模式不匹配，则发出警报。
此外，响应于认证单元20认证已经通过闸机G的人，如果在数据库中未记录与已经通过闸机G的人的认证信息相关联的动作模式，则分析单元32可以发出警报、通知警卫室或者通过锁定闸机G来管制对监视区域的访问。在这种情况下，分析单元32可以在已经确认通过闸机G的人的安全并且此后禁止警报等后，开始追踪该人。然后，分析单元32可以将识别出该人的动作模式记录到数据库中，其中，该动作模式与从认证单元20接收的认证信息相关联。
根据本示例实施例的监视系统的具体可想到的用例除了图14所示的示例之外，还包括各种情况，诸如监视区域是无人便利店内部的情况。
示例实施例的有益效果
如上所述，根据本示例实施例，认证单元20认证穿过闸机G以进入监视区域的人或车辆。基于从铺设在监视区域中的光纤10接收的反向散射光(光学信号)，光纤感测单元31获取具有对应于由认证单元20认证的人或车辆的动作模式的固有模式的参数(例如，振动数据、声学数据、温度数据等)。分析单元32基于参数的固有模式识别由认证单元20认证的人或车辆的动作模式。该配置使得可以更具体地识别人或车辆在通过闸机G后采取的动作模式。
根据本示例实施例，如上所述，分析单元32基于参数的固有模式来识别由认证单元20认证的人或车辆的动作模式。换言之，例如，分析单元32通过动态地分析参数的变化模式(例如，振动的变化强度的变化)来识别人或车辆的动作模式，而不是基于粗略的标准(诸如振动幅度(例如，基于大振动和大量振动识别动作模式))识别动作模式。该配置使得可以以更高精度识别人或车辆在通过闸机G后采取的动作模式。
根据本示例实施例，分析单元32识别人或车辆在通过闸机G后所采取的动作模式，并且将识别出的动作模式记录到数据库中，其中，识别出的动作模式与当对人或车辆进行认证时所获取的认证信息相关联。该配置使得可以实现与闸机G协作的各种应用服务。例如，上述配置可以提供当人或车辆在通过闸机G后采取的动作模式无法与数据库中记录的动作模式相匹配时，警报响起的服务。
根据本示例实施例，利用光纤10被用作传感器的光纤传感技术。这可以提供以下优势，即感应不受电磁噪声的影响、无需向传感器送电、该技术在环境耐受性方面表现出色，或者维护变得更容易。
至此，已经参考示例实施例描述了本公开，但是本公开不限于上述示例实施例。在本公开的范围内，可以对本公开的配置和细节进行本领域技术人员能够意识到的各种修改。
例如，根据前述示例实施例，在数据库中记录识别出已经通过闸机G的人或车辆的动作模式，但这不是限制性示例。数据库可以记录人或车辆通过闸机G后在监视区域中产生的参数(诸如振动、声音或温度)的固有模式本身。在这种情况下，当人或车辆通过闸机G后在监视区域中产生的参数的固有模式与数据库中记录的固有模式不匹配时，警报可以响起。
以上所公开的实施例的全部或部分可以被描述为但不限于以下附录。
(附录1)
一种监视系统，包括：
铺设在监视区域中的光纤；
认证单元，所述认证单元被配置为对通过用以进入所述监视区域的闸机的人或车辆进行认证；
光纤感测单元，所述光纤感测单元被配置为基于从所述光纤接收的光学信号，获取具有与被认证的人或车辆的动作模式相对应的固有模式的参数；以及
分析单元，所述分析单元被配置为基于所述参数的固有模式，识别被认证的人或车辆的动作模式。
(附录2)
根据附录1所述的监视系统，其中，所述分析单元被配置为：
如果所述认证单元已经认证了人，则将所述被认证的人的移动路径和步态识别为所述被认证的人的动作模式，或者
如果所述认证单元已经认证了车辆，则将所述被认证的车辆的移动路径识别为所述被认证的车辆的动作模式。
(附录3)
根据附录1或2所述的监视系统，其中，所述分析单元被配置为：
从所述认证单元获取指示所述被认证的人或车辆的认证信息，以及
将与所述认证信息相关联的被认证的人或车辆的所识别的动作模式记录到数据库中。
(附录4)
根据附录3所述的监视系统，其中，所述分析单元被配置为：
如果所述认证单元已经认证了人或车辆，则从所述数据库中提取与所述被认证的人或车辆的认证信息相关联的动作模式，以及
如果所述被认证的人或车辆所识别的动作模式与从所述数据库中提取的动作模式不匹配，则会发出警报。
(附录5)
根据附录3或4所述的监视系统，其中，所述分析单元被配置为，如果所述认证单元已经认证了人或车辆，如果与被认证的人或车辆的认证信息相关联的动作模式未被记录在所述数据库中，则发出警报。
(附录6)
根据附录1至5中的任一项所述的监视系统，其中，所述参数包括在所述监视区域中产生的振动的振动数据。
(附录7)
一种监视设备，包括：
光纤感测单元，所述光纤感测单元被配置为基于从铺设在监视区域中的光纤接收的光学信号，获取具有固有模式的参数，所述固有模式对应于通过用以进入所述监视区域的闸机的并且已经由认证单元认证的人或车辆的动作模式；以及
分析单元，所述分析单元被配置为基于所述参数的固有模式，识别被认证的人或车辆的动作模式。
(附录8)
根据附录7所述的监视设备，其中，所述分析单元被配置为：
如果所述认证单元已经认证了人，则将所述被认证的人的移动路径和步态识别为所述被认证的人的动作模式，或者
如果所述认证单元已经认证了车辆，则将所述被认证的车辆的移动路径识别为所述被认证的车辆的动作模式。
(附录9)
根据附录7或8所述的监视设备，其中，所述分析单元被配置为：
从所述认证单元获取指示所述被认证的人或车辆的认证信息，以及
将与所述认证信息相关联的被认证的人或车辆的所识别的动作模式记录到数据库中。
(附录10)
根据附录9所述的监视设备，其中，所述分析单元被配置为：
如果所述认证单元已经认证了人或车辆，则从所述数据库中提取与所述被认证的人或车辆的认证信息相关联的动作模式，以及
如果所述被认证的人或车辆所识别的动作模式与从所述数据库中提取的动作模式不匹配，则会发出警报。
(附录11)
根据附录9或10所述的监视设备，其中，所述分析单元被配置为，如果所述认证单元已经认证了人或车辆，如果与被认证的人或车辆的认证信息相关联的动作模式未被记录在所述数据库中，则发出警报。
(附录12)
根据附录7至11中的任一项所述的监视设备，其中，所述参数包括在所述监视区域中产生的振动的振动数据。
(附录13)
一种将由监视设备执行的监视方法，所述监视方法包括：
基于从铺设在监视区域中的光纤接收的光学信号，获取具有固有模式的参数的步骤，所述固有模式对应于通过用以进入所述监视区域的闸机并且已经由认证单元认证过的人或车辆的动作模式；以及
基于所述参数的固有模式，识别被认证的人或车辆的动作模式的步骤。
(附录14)
一种存储程序的非暂时性计算机可读介质，所述程序使得计算机执行以下进程：
基于从铺设在监视区域中的光纤接收的光学信号，获取具有固有模式的参数，所述固有模式对应于通过用以进入所述监视区域的闸机的并且已经由认证单元认证过的人或车辆的动作模式；以及
基于所述参数的固有模式，识别被认证的人或车辆的动作模式。
本申请要求于2019年3月29日提交的日本专利申请No.2019-068645的优先权，其全部公开内容并入本文。
参考标记列表
10 光纤
20 认证单元
30 监视设备
31 光纤感测单元
32 分析单元
40 计算机
401 处理器
402 存储器
403 存储装置
404 输入/输出接口
4041 显示设备
4042 输入设备
405 通信接口
G 闸机

Claims (14)

1.一种监视系统，包括：
光纤，所述光纤被铺设在监视区域中；
认证单元，所述认证单元被配置为对经过用以进入所述监视区域的闸机人员或车辆进行认证；
光纤感测单元，所述光纤感测单元被配置为：基于从所述光纤接收的光学信号，获取具有与被认证的人员或车辆的动作模式相对应的固有模式的参数；以及
分析单元，所述分析单元被配置为：基于所述参数的所述固有模式，识别所述被认证的人员或车辆的所述动作模式。
2.根据权利要求1所述的监视系统，其中，所述分析单元被配置为：
如果所述认证单元认证了人员，则将被认证的人员的移动路径和步态识别为所述被认证的人员的所述动作模式，或者
如果所述认证单元认证了车辆，则将被认证的车辆的移动路径识别为所述被认证的车辆的所述动作模式。
3.根据权利要求1或2所述的监视系统，其中，所述分析单元被配置为：
从所述认证单元获取指示所述被认证的人员或车辆的认证信息，以及
将与所述认证信息相关联的所述被认证的人员或车辆的所识别的动作模式记录到数据库中。
4.根据权利要求3所述的监视系统，其中，所述分析单元被配置为：
如果所述认证单元认证了人员或车辆，则从所述数据库中提取与所述被认证的人员或车辆的所述认证信息相关联的所述动作模式，以及
如果所述被认证的人员或车辆所识别的所述动作模式与从所述数据库中提取的所述动作模式不匹配，则发出警报。
5.根据权利要求3或4所述的监视系统，其中，所述分析单元被配置为：
在所述认证单元认证了人员或车辆的情况下，如果与所述被认证的人员或车辆的所述认证信息相关联的所述动作模式未被记录在所述数据库中，则发出警报。
6.根据权利要求1至5中的任一项所述的监视系统，其中，
所述参数包括在所述监视区域中产生的振动的振动数据。
7.一种监视设备，包括：
光纤感测单元，所述光纤感测单元被配置为：基于从被铺设在监视区域中的光纤接收的光学信号，获取具有固有模式的参数，所述固有模式对应于经过用以进入所述监视区域的闸机的并且由认证单元认证过的人员或车辆的动作模式；以及
分析单元，所述分析单元被配置为：基于所述参数的所述固有模式，识别被认证的人员或车辆的所述动作模式。
8.根据权利要求7所述的监视设备，其中，所述分析单元被配置为：
如果所述认证单元认证了人员，则将被认证的人员的移动路径和步态识别为所述被认证的人员的所述动作模式，或者
如果所述认证单元认证了车辆，则将被认证的车辆的移动路径识别为所述被认证的车辆的所述动作模式。
9.根据权利要求7或8所述的监视设备，其中，所述分析单元被配置为：
从所述认证单元获取指示所述被认证的人员或车辆的认证信息，以及
将与所述认证信息相关联的所述被认证的人员或车辆的所识别的动作模式记录到数据库中。
10.根据权利要求9所述的监视设备，其中，所述分析单元被配置为：
如果所述认证单元认证了人员或车辆，则从所述数据库中提取与所述被认证的人员或车辆的所述认证信息相关联的所述动作模式，以及
如果所述被认证的人员或车辆的所识别的所述动作模式与从所述数据库中提取的所述动作模式不匹配，则发出警报。
11.根据权利要求9或10所述的监视设备，其中，所述分析单元被配置为：
在所述认证单元认证了人员或车辆的情况下，如果与所述被认证的人员或车辆的所述认证信息相关联的所述动作模式未被记录在所述数据库中，则发出警报。
12.根据权利要求7至11中的任一项所述的监视设备，其中，
所述参数包括在所述监视区域中产生的振动的振动数据。
13.一种将由监视设备执行的监视方法，所述监视方法包括以下步骤：
基于从被铺设在监视区域中的光纤接收的光学信号，获取具有固有模式的参数，所述固有模式对应于经过用以进入所述监视区域的闸机的并且由认证单元认证过的人员或车辆的动作模式；以及
基于所述参数的所述固有模式，识别被认证的人员或车辆的所述动作模式。
14.一种存储有程序的非暂时性计算机可读介质，所述程序使得计算机执行以下进程：
基于从被铺设在监视区域中的光纤接收的光学信号，获取具有固有模式的参数，所述固有模式对应于经过用以进入所述监视区域的闸机的并且由认证单元认证过的人员或车辆的动作模式；以及
基于所述参数的所述固有模式，识别被认证的人员或车辆的所述动作模式。
CN202080024551.5A 2019-03-29 2020-01-14 监视系统、监视设备、监视方法和非暂时性计算机可读介质 Active CN113678178B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2019-068645 2019-03-29
JP2019068645 2019-03-29
PCT/JP2020/000889 WO2020202694A1 (ja) 2019-03-29 2020-01-14 監視システム、監視装置、監視方法、及び非一時的なコンピュータ可読媒体

Publications (2)

Publication Number Publication Date
CN113678178A true CN113678178A (zh) 2021-11-19
CN113678178B CN113678178B (zh) 2023-05-05

Family

ID=72668980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202080024551.5A Active CN113678178B (zh) 2019-03-29 2020-01-14 监视系统、监视设备、监视方法和非暂时性计算机可读介质

Country Status (5)

Country Link
US (1) US12094210B2 (zh)
EP (1) EP3951726A4 (zh)
JP (1) JP7243814B2 (zh)
CN (1) CN113678178B (zh)
WO (1) WO2020202694A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7243814B2 (ja) * 2019-03-29 2023-03-22 日本電気株式会社 監視システム、監視装置、監視方法、及びプログラム
US20210158057A1 (en) * 2019-11-26 2021-05-27 Scanalytics, Inc. Path analytics of people in a physical space using smart floor tiles
US20210358242A1 (en) * 2020-05-13 2021-11-18 Weon Kook KIM Quarantine Gate Apparatus For Supporting Quarantine Measures For A Facility To Be Accessed By Multiple Persons In An Non-Contact Manner
CN114093105A (zh) * 2021-11-19 2022-02-25 北京华锐达航空科技有限公司 一种主被动结合的安防围界报警系统
CN114495393B (zh) * 2022-02-28 2023-06-16 中国人民公安大学 一种基于物联网的地下异常振动安全监测系统

Citations (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1101420A (en) * 1964-12-22 1968-01-31 Inst Scient Information Voice-controlled actuator
JPS54134500A (en) * 1978-04-10 1979-10-18 Nippon Jiyouhou Kenkiyuu Senta Egress and ingress control system for secret room
DE3731773C1 (en) * 1987-09-22 1989-05-18 Messerschmitt Boelkow Blohm Device for monitoring access
US4857916A (en) * 1987-02-26 1989-08-15 Bellin Robert W System and method for identifying an individual utilizing grasping pressures
CN1741027A (zh) * 2004-08-26 2006-03-01 龙中电子股份有限公司 门禁识别系统
CN1809041A (zh) * 2005-01-21 2006-07-26 日本电气株式会社 核心网络系统和光传输设备
US20070040672A1 (en) * 2005-08-22 2007-02-22 Andrew Chinigo Security system for mass transit and mass transportation
CN1922600A (zh) * 2004-04-23 2007-02-28 日本电气株式会社 用户认证系统以及使用该用户认证系统的数据提供系统
JP2007304955A (ja) * 2006-05-12 2007-11-22 Kansai Electric Power Co Inc:The 個体特定システム及びセキュリティシステム
KR20080008106A (ko) * 2006-07-19 2008-01-23 현대모비스 주식회사 자동차 타이어의 공기압 감지장치
JP2009128984A (ja) * 2007-11-20 2009-06-11 Yamamoto Sangyo Kk 敷物および監視装置
CN101496074A (zh) * 2006-05-31 2009-07-29 日本电气株式会社 可疑行为探测设备和方法以及程序和记录介质
US20100131308A1 (en) * 2008-11-26 2010-05-27 Fred Collopy Incentivized adoption of time-dependent insurance benefits
CN102292622A (zh) * 2009-11-13 2011-12-21 秦内蒂克有限公司 光纤分布式感测
JP2013167986A (ja) * 2012-02-15 2013-08-29 Hitachi Ltd 画像認識システム、画像認識方法
JP2014514791A (ja) * 2011-02-23 2014-06-19 ディジマーク コーポレイション 音声信号の符号化及び認識を使用する音声測位
US20140167912A1 (en) * 2012-12-17 2014-06-19 David M. Snyder System, method and apparatus for providing security systems integrated with solid state lighting systems
CN104700624A (zh) * 2015-03-16 2015-06-10 电子科技大学 基于相敏光时域反射仪的车流量在线监测系统及监测方法
CN105787440A (zh) * 2015-11-10 2016-07-20 深圳市商汤科技有限公司 一种基于人脸特征和步态特征的安保管理方法及系统
CN205451229U (zh) * 2016-02-29 2016-08-10 武汉光谷奥源科技股份有限公司 一种智能锁具防护系统
US20160308859A1 (en) * 2015-04-14 2016-10-20 Blub0X Technology Holdings, Inc. Multi-factor and multi-mode biometric physical access control device
CN106164994A (zh) * 2014-04-09 2016-11-23 株式会社技术未来 数字损失/事故防御系统、方法和程序
US20160379486A1 (en) * 2015-03-24 2016-12-29 Donald Warren Taylor Apparatus and system to manage monitored vehicular flow rate
CN106274751A (zh) * 2016-08-30 2017-01-04 武汉海思泰科科技有限公司 一种gis资产管理系统
US20170046891A1 (en) * 2015-08-12 2017-02-16 Tyco Fire & Security Gmbh Systems and methods for location identification and tracking using a camera
CN106600981A (zh) * 2016-10-29 2017-04-26 浙江大学 基于分布式传感信息的道路断面双向车辆速度估计方法
CN206292982U (zh) * 2016-10-27 2017-06-30 杭州维慕德科技有限公司 一种小区车辆识别监管系统
TWI591585B (zh) * 2016-10-19 2017-07-11 Chunghwa Telecom Co Ltd System and method for detecting suspicious forged access control cards
JP2017134681A (ja) * 2016-01-28 2017-08-03 日本ドライケミカル株式会社 火災及び侵入の検知並びに報知システム
CN107220582A (zh) * 2016-03-21 2017-09-29 福特全球技术公司 识别车辆的驾驶员
CN107256635A (zh) * 2017-07-14 2017-10-17 浙江大学 一种智能交通中基于分布式光纤传感的车辆识别方法
CN107274703A (zh) * 2016-04-07 2017-10-20 阿里巴巴集团控股有限公司 车辆位置的标定方法、装置及系统
CN107730895A (zh) * 2017-10-25 2018-02-23 同济大学 一种埋入式道路车辆类型识别系统和方法
CN108022444A (zh) * 2017-10-27 2018-05-11 西安艾润物联网技术服务有限责任公司 车辆停放位置指引方法、设备、停车系统及可读存储介质
WO2018085893A1 (en) * 2016-11-10 2018-05-17 Mark Andrew Englund Acoustic method and system for providing digital data
CN108269407A (zh) * 2018-04-09 2018-07-10 中山火炬高新企业孵化器有限公司 一种自动管理人流、物流的安防机器人
CN108474674A (zh) * 2015-11-30 2018-08-31 光学感应器控股有限公司 使用分布式光纤传感进行追踪
CN109311650A (zh) * 2016-06-24 2019-02-05 克朗设备公司 用于认证和跟踪工业车辆操作员的电子徽章

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4297684A (en) * 1979-03-26 1981-10-27 Honeywell Inc. Fiber optic intruder alarm system
US6072612A (en) 1997-08-08 2000-06-06 Lucent Technologies, Inc. WDM transmitter for optical networks using a loop-back spectrally sliced light emitting device
US20050223464A1 (en) * 2004-04-07 2005-10-13 Jyh-Perng Huang Luminescent vest equipped with plastic optical fibers
US7123785B2 (en) * 2004-10-15 2006-10-17 David Iffergan Optic fiber security fence system
US7844178B1 (en) * 2004-12-08 2010-11-30 At&T Intellectual Property Ii, L.P. Local area warning of optical fiber intrusion
US8770283B2 (en) * 2007-11-02 2014-07-08 Schlumberger Technology Corporation Systems and methods for distributed interferometric acoustic monitoring
US20110249252A1 (en) 2010-03-11 2011-10-13 Cleveland Electric Laboratories Fiber optic security mat system
US8743204B2 (en) 2011-01-07 2014-06-03 International Business Machines Corporation Detecting and monitoring event occurrences using fiber optic sensors
US9293016B2 (en) * 2012-04-24 2016-03-22 At&T Intellectual Property I, Lp Method and apparatus for processing sensor data of detected objects
US10243979B2 (en) 2015-02-11 2019-03-26 Comcast Cable Communications, Llc Protecting network devices from suspicious communications
US10930130B2 (en) 2016-01-27 2021-02-23 Comcast Cable Communications, Llc Methods for monitoring security
US20170372602A1 (en) * 2016-06-24 2017-12-28 Continental Advanced Lidar Solutions Us, Llc Ladar enabled traffic control
US10255693B2 (en) * 2017-05-02 2019-04-09 Techcyte, Inc. Machine learning classification and training for digital microscopy images
JP7218497B2 (ja) 2017-10-02 2023-02-07 中国電力株式会社 地絡保護継電システム
US10636264B2 (en) * 2018-01-26 2020-04-28 Nec Corporation Office building security system using fiber sensing
JP7243814B2 (ja) * 2019-03-29 2023-03-22 日本電気株式会社 監視システム、監視装置、監視方法、及びプログラム

Patent Citations (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB1101420A (en) * 1964-12-22 1968-01-31 Inst Scient Information Voice-controlled actuator
JPS54134500A (en) * 1978-04-10 1979-10-18 Nippon Jiyouhou Kenkiyuu Senta Egress and ingress control system for secret room
US4857916A (en) * 1987-02-26 1989-08-15 Bellin Robert W System and method for identifying an individual utilizing grasping pressures
DE3731773C1 (en) * 1987-09-22 1989-05-18 Messerschmitt Boelkow Blohm Device for monitoring access
CN1922600A (zh) * 2004-04-23 2007-02-28 日本电气株式会社 用户认证系统以及使用该用户认证系统的数据提供系统
CN1741027A (zh) * 2004-08-26 2006-03-01 龙中电子股份有限公司 门禁识别系统
CN1809041A (zh) * 2005-01-21 2006-07-26 日本电气株式会社 核心网络系统和光传输设备
US20070040672A1 (en) * 2005-08-22 2007-02-22 Andrew Chinigo Security system for mass transit and mass transportation
JP2007304955A (ja) * 2006-05-12 2007-11-22 Kansai Electric Power Co Inc:The 個体特定システム及びセキュリティシステム
CN101496074A (zh) * 2006-05-31 2009-07-29 日本电气株式会社 可疑行为探测设备和方法以及程序和记录介质
KR20080008106A (ko) * 2006-07-19 2008-01-23 현대모비스 주식회사 자동차 타이어의 공기압 감지장치
JP2009128984A (ja) * 2007-11-20 2009-06-11 Yamamoto Sangyo Kk 敷物および監視装置
US20100131308A1 (en) * 2008-11-26 2010-05-27 Fred Collopy Incentivized adoption of time-dependent insurance benefits
CN102292622A (zh) * 2009-11-13 2011-12-21 秦内蒂克有限公司 光纤分布式感测
JP2014514791A (ja) * 2011-02-23 2014-06-19 ディジマーク コーポレイション 音声信号の符号化及び認識を使用する音声測位
JP2013167986A (ja) * 2012-02-15 2013-08-29 Hitachi Ltd 画像認識システム、画像認識方法
US20140167912A1 (en) * 2012-12-17 2014-06-19 David M. Snyder System, method and apparatus for providing security systems integrated with solid state lighting systems
CN106164994A (zh) * 2014-04-09 2016-11-23 株式会社技术未来 数字损失/事故防御系统、方法和程序
CN104700624A (zh) * 2015-03-16 2015-06-10 电子科技大学 基于相敏光时域反射仪的车流量在线监测系统及监测方法
US20160379486A1 (en) * 2015-03-24 2016-12-29 Donald Warren Taylor Apparatus and system to manage monitored vehicular flow rate
US20160308859A1 (en) * 2015-04-14 2016-10-20 Blub0X Technology Holdings, Inc. Multi-factor and multi-mode biometric physical access control device
US20170046891A1 (en) * 2015-08-12 2017-02-16 Tyco Fire & Security Gmbh Systems and methods for location identification and tracking using a camera
CN105787440A (zh) * 2015-11-10 2016-07-20 深圳市商汤科技有限公司 一种基于人脸特征和步态特征的安保管理方法及系统
CN108474674A (zh) * 2015-11-30 2018-08-31 光学感应器控股有限公司 使用分布式光纤传感进行追踪
JP2017134681A (ja) * 2016-01-28 2017-08-03 日本ドライケミカル株式会社 火災及び侵入の検知並びに報知システム
CN205451229U (zh) * 2016-02-29 2016-08-10 武汉光谷奥源科技股份有限公司 一种智能锁具防护系统
CN107220582A (zh) * 2016-03-21 2017-09-29 福特全球技术公司 识别车辆的驾驶员
CN107274703A (zh) * 2016-04-07 2017-10-20 阿里巴巴集团控股有限公司 车辆位置的标定方法、装置及系统
CN109311650A (zh) * 2016-06-24 2019-02-05 克朗设备公司 用于认证和跟踪工业车辆操作员的电子徽章
CN106274751A (zh) * 2016-08-30 2017-01-04 武汉海思泰科科技有限公司 一种gis资产管理系统
TWI591585B (zh) * 2016-10-19 2017-07-11 Chunghwa Telecom Co Ltd System and method for detecting suspicious forged access control cards
CN206292982U (zh) * 2016-10-27 2017-06-30 杭州维慕德科技有限公司 一种小区车辆识别监管系统
CN106600981A (zh) * 2016-10-29 2017-04-26 浙江大学 基于分布式传感信息的道路断面双向车辆速度估计方法
WO2018085893A1 (en) * 2016-11-10 2018-05-17 Mark Andrew Englund Acoustic method and system for providing digital data
CN107256635A (zh) * 2017-07-14 2017-10-17 浙江大学 一种智能交通中基于分布式光纤传感的车辆识别方法
CN107730895A (zh) * 2017-10-25 2018-02-23 同济大学 一种埋入式道路车辆类型识别系统和方法
CN108022444A (zh) * 2017-10-27 2018-05-11 西安艾润物联网技术服务有限责任公司 车辆停放位置指引方法、设备、停车系统及可读存储介质
CN108269407A (zh) * 2018-04-09 2018-07-10 中山火炬高新企业孵化器有限公司 一种自动管理人流、物流的安防机器人

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
孙光东;: "基于全分布式光纤传感器测试设备的准分布式光纤传感器的应用研究" *
张博;陈慧岩;: "基于多传感器信息融合的智能车辆局部环境识别" *
汤锐;刘玉锦;: "车型识别技术在打击高速公路逃费中的应用" *
王建平: "光纤光栅传感器在土木工程结构健康监测中的应用" *

Also Published As

Publication number Publication date
US12094210B2 (en) 2024-09-17
JPWO2020202694A1 (zh) 2020-10-08
WO2020202694A1 (ja) 2020-10-08
EP3951726A1 (en) 2022-02-09
EP3951726A4 (en) 2022-11-16
US20220172479A1 (en) 2022-06-02
CN113678178B (zh) 2023-05-05
JP7243814B2 (ja) 2023-03-22

Similar Documents

Publication Publication Date Title
CN113678178B (zh) 监视系统、监视设备、监视方法和非暂时性计算机可读介质
US9977971B2 (en) Role-based tracking and surveillance
JP4924607B2 (ja) 不審行動検知装置および方法、プログラムおよび記録媒体
Pan et al. Indoor person identification through footstep induced structural vibration
US10614299B2 (en) Indoor identification of individuals through footstep induced structural vibration
CN109304714B (zh) 机器学习装置以及用户识别装置
US11494474B2 (en) Brain activity-based authentication
WO2018179202A1 (ja) 情報処理装置、制御方法、及びプログラム
JP5143780B2 (ja) 監視装置及び監視方法
JP2018022320A (ja) 入退場管理システム
JP2010108037A (ja) 行動追跡システム、行動追跡方法および行動追跡プログラム
JP2006110072A (ja) 非接触歩行検出方法とシステム及び該システムを用いた個人認証方法とシステム
CN114881588A (zh) 一种基于资金数据人员定位监测系统及方法
CN111936056B (zh) 检测具有呼吸紊乱的对象
CN117476234A (zh) 一种用于岗前健康检测的ai智能判定系统
CN111696239A (zh) 一种基于计算机的人工智能识别系统
KR100888824B1 (ko) 휴대형 지문인식 및 개인인증 장치 및 이를 이용한지문인식 및 개인인증 방법
JP2020187518A (ja) 情報出力装置、方法、及びプログラム
JP4873216B2 (ja) 監視システムおよび方法、不正遊技者認識サーバおよび方法、並びにプログラム
JP2007219974A (ja) 個人位置認識装置およびこれを用いた追跡監視装置
KR20220118119A (ko) 비대면 출입 통제를 위한 출입 통제 방법 및 이를 수행하는 출입 통제 시스템
KR20160144753A (ko) 동적모션 인식 기반의 근골격계 질환 징후 예측방법
US20220196872A1 (en) System and method for a security post
US11620867B2 (en) Door actuation system using contactless brainwave monitoring and gait recognition
JP6954416B2 (ja) 情報処理装置、情報処理方法、及びプログラム

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