CN113780255B - 危险评估方法、装置、设备及存储介质 - Google Patents
危险评估方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113780255B CN113780255B CN202111337669.6A CN202111337669A CN113780255B CN 113780255 B CN113780255 B CN 113780255B CN 202111337669 A CN202111337669 A CN 202111337669A CN 113780255 B CN113780255 B CN 113780255B
- Authority
- CN
- China
- Prior art keywords
- person
- image
- processed
- value
- age
- 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
Links
Images
Abstract
本公开涉及一种危险评估方法、装置、设备及存储介质,其中,方法包括:对待处理图像进行人物检测,以获取待处理图像中包含的监控人物的人物信息,人物信息包括人物年龄和人物位置;对待处理图像进行物体检测,以获取待处理图像中包含的与人物位置相距预设距离范围内的目标物体的物体信息,物体信息包括物体类别和物体位置;获取预先记录的物体类别相对于人物年龄的第一危险评估值;根据人物位置和物体位置,确定目标物体相对于监控人物的第二危险评估值;根据第一危险评估值和第二危险评估值,评估目标物体相对于监控人物的危险程度。根据本公开的技术方案能够客观评估物体相对于监控人物的危险程度,可使危险评估结果切实符合实际情况,而且具有较高的准确性。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种危险评估方法、装置、设备及存储介质。
背景技术
人身安全问题一直受到广泛关注,随着人们安全意识的提高,识别身处环境中对人物具有安全威胁性的物体具有重要意义。例如对于儿童而言,识别出其所在场景中的危险物体,能够辅助看护人及时作出反应和防护。
现有技术中大多需要依靠人物主观评估物体的危险程度,诸如仅是家长凭借经验评估孩子身边的各物体对于孩子的危险程度,主观性较强,而且评估准确度不高。
发明内容
根据本公开的一方面,提供了一种危险评估方法,包括:
获取待处理图像;
对所述待处理图像进行人物检测,以获取所述待处理图像中包含的监控人物的人物信息;所述人物信息包括人物年龄和人物位置;
对所述待处理图像进行物体检测,以获取所述待处理图像中包含的与所述人物位置相距预设距离范围内的目标物体的物体信息;所述物体信息包括物体类别和物体位置;
获取预先记录的所述物体类别相对于所述人物年龄的第一危险评估值;
根据所述人物位置和所述物体位置,确定所述目标物体相对于所述监控人物的第二危险评估值;
根据所述第一危险评估值和所述第二危险评估值,评估所述目标物体相对于所述监控人物的危险程度。
根据本公开的另一方面,提供了一种危险评估装置,包括:
图像获取模块,用于获取待处理图像;
人物检测模块,用于对所述待处理图像进行人物检测,以获取所述待处理图像中包含的监控人物的人物信息;所述人物信息包括人物年龄和人物位置;
物体检测模块,用于对所述待处理图像进行物体检测,以获取所述待处理图像中包含的与所述人物位置相距预设距离范围内的目标物体的物体信息;所述物体信息包括物体类别和物体位置;
第一评估模块,用于获取预先记录的所述物体类别相对于所述人物年龄的第一危险评估值;
第二评估模块,用于根据所述人物位置和所述物体位置,确定所述目标物体相对于所述监控人物的第二危险评估值;
危险程度评估模块,用于根据所述第一危险评估值和所述第二危险评估值,评估所述目标物体相对于所述监控人物的危险程度。
根据本公开的另一方面,提供了一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述一方面所述的危险评估方法。
根据本公开的另一方面,提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述一方面所述的危险评估方法。
根据本申请实施例中提供的一个或多个技术方案,通过对待处理图像进行检测,以获取待处理图像中包含的监控人物的人物年龄和人物位置、与人物位置相距预设距离范围内的目标物体的物体类别和物体位置,进而,获取物体类别相对于人物年龄的第一危险评估值,以及根据人物位置和物体位置,确定目标物体相对于监控人物的第二危险评估值,根据第一危险评估值和第二危险评估值评估目标物体相对于监控人物的危险程度。上述方式在评估物体相对于监控人物的危险程度时,不仅会基于实际场景下监控人物的位置以及与其相距预设距离范围内的目标物体的位置进行危险评估,还充分考虑到了结合人物年龄特征,基于物体相对于人物年龄进行危险评估,最后将两方面的危险评估值结合在一起客观评估物体相对于监控人物的危险程度,可使危险评估结果切实符合实际情况,而且具有较高的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,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地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例所提供的一种危险评估方法的流程示意图;
图2为本公开实施例所提供的另一种危险评估方法的流程示意图;
图3为本公开实施例所提供的另一种危险评估方法的流程示意图;
图4为本公开实施例所提供的一种危险评估场景示意图;
图5为本公开实施例所提供的一种危险评估装置的结构示意图;
图6为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
以下参照附图描述本公开的方案。
图1为本公开实施例所提供的一种危险评估方法的流程示意图,本公开实施例的危险评估方法,可以应用于评估指定场景中的物体相对于监控人物的危险程度,其中,监控人物例如是儿童。如图1所示,本公开实施例提供的危险评估方法可包括:
步骤101,获取待处理图像。
本公开实施例中,基于摄像头对指定场景进行拍摄,以获取待处理图像。
作为一种示例,获取至少一个摄像头针对指定场景拍摄得到的监控图像,将监控图像作为待处理图像。
作为另一种示例,获取至少一个摄像头针对指定场景拍摄得到的监控视频,按照指定时间间隔对监控视频进行视频帧抽取,将得到的多个视频帧均作为待处理图像。
步骤102,对待处理图像进行人物检测,以获取待处理图像中包含的监控人物的人物信息。
其中,人物信息包括人物年龄和人物位置,在一些实施方式中,人物位置可以为监控人物在待处理图像中所拍摄的指定场景(也即人物所处场景)中的位置;具体实现时,可以对待处理图像进行分析,根据监控人物在待处理图像中的坐标以及待处理图像中场景环境的坐标确定人物位置。在另一些实施方式中,人物位置也可以仅为监控人物在待处理图像中的位置。
作为一种示例,通过对象检测算法对待处理图像进行人物检测,得到待处理图像中所包含的监控人物以及监控人物的人物位置。基于待处理图像获取监控人物的面部特征,基于面部特征确定监控人物的人物年龄。
步骤103,对待处理图像进行物体检测,以获取待处理图像中包含的与人物位置相距预设距离范围内的目标物体的物体信息。
其中,物体信息包括物体类别和物体位置,在一些实施方式中,物体位置可以为物体在待处理图像中所拍摄的指定场景(也即物体所处场景)中的位置;具体实现时,可以对待处理图像进行分析,根据物体在待处理图像中的坐标以及待处理图像中场景环境的坐标确定物体位置。在另一些实施方式中,物体位置也可以仅为物体在待处理图像中的位置,物体类别包括但不限于诸如钉子等尖锐物品、诸如酒瓶等易碎品、诸如药物和玻璃球等易误吞物品、诸如台阶和板状物等易跌落物品。
作为一种示例,通过对象检测算法对待处理图像进行物体检测,得到待处理图像中所包含的指定物体类别的物体以及物体的物体位置。本示例中,可以对包含指定物体类别的物体的样本图像标注物体类别和物体位置,将标注的样本图像作为训练集以训练物体检测模型,将待处理图像输入物体检测模型,获取待处理图像中包含的上述指定物体类别的物体以及物体的物体位置。
本实施例中,距离范围可以根据需要设置,该预设距离范围通常为可能会对人物造成安全影响的距离,诸如设置1.5米范围内。在一些实施方式中,可以确定待处理图像中监控人物与各物体的位置之间的距离,并将该距离在预设距离范围内的物体作为目标物体。在另一些实施方式中,可以首先确定监控人物的位置,然后以监控人物的位置为圆心,以预设距离范围为半径绘制圆形区域,位于圆形区域内的物体均为目标物体。
步骤104,获取预先记录的物体类别相对于人物年龄的第一危险评估值。
本实施例中,获取与检测的物体类别和人物年龄对应的第一危险评估值。
在本公开的一个实施例中,根据预设的第一危险评估表,确定人物年龄所在的目标年龄区间以及物体类别相对于目标年龄区间的危险评估值,将物体类别相对于目标年龄区间的危险评估值作为物体类别相对于人物年龄的第一危险评估值。
其中,第一危险评估表中记录有各种物体类别相对于各个年龄区间的危险评估值。作为一种示例,对于物体类别A和物体类别B、人物年龄5和人物年龄10,第一危险评估表中记录有物体类别A相对于年龄5的危险评估值、物体类别A相对于年龄10的危险评估值、物体类别B相对于年龄5的危险评估值、物体类别B相对于年龄10的危险评估值。在应用中,根据检测得到的物体类别和人物年龄,查询第一危险评估表,获取对应的第一危险评估值。
步骤105,根据人物位置和物体位置,确定目标物体相对于监控人物的第二危险评估值。
本实施例中,可以根据人物位置和目标物体的物体位置,确定监控人物和目标物体之间的间距,根据间距确定第二危险评估值。可选地,第二危险评估值与间距成反比。
作为一种示例,人物位置为监控人物在待处理图像中的位置,物体位置为目标物体在待处理图像中的位置,根据人物位置和物体位置确定该间距。例如,确定人物位置的中心点(x,y)、物体位置的中心点(x’,y’),将(x,y)与(x’,y’)之间的距离作为监控人物和目标物体之间的间距。进而,根据间距确定第二危险评估值。
作为另一种示例,人物位置为监控人物在指定场景中的位置,物体位置为目标物体在指定场景中的位置,根据监控人物和目标物体在指定场景中的位置确定该间距。例如,可以结合深度信息确定待处理图像中的二维坐标与指定场景中的三维坐标之间的映射关系,对于人物位置的中心点和物体位置的中心点,通过将二维坐标转换为指定场景中的三维坐标,将三维坐标之间的距离作为监控人物和目标物体之间的间距。进而,根据间距确定第二危险评估值。
需要说明的是,上述确定第二危险评估值的实现方式仅为一种示例,确定间距时还可以采用中心点以外的其他预设点,或者根据坐标最值确定,例如,根据人物位置和物体位置,分别确定监控人物以及目标物体各自在待处理图像中的横坐标最大值、横坐标最小值、纵坐标最大值、纵坐标最小值,根据前述八个值中的多种确定人物位置和物体位置之间的间距,具体可根据需求而设置,诸如将监控人物的纵坐标最大值(诸如表征人物最高点,可以为头顶,也可以为高举的手部)与目标物体的纵坐标最小值(诸如表征物体最底端)之间的距离作为间距;又诸如,根据监控人物的横坐标最大值、横坐标最小值、目标物体的横坐标最大值、横坐标最小值,计算监控人物和目标物体的横坐标差值最小值,将横坐标差值最小值作为间距,以上仅为示例,此处不作具体限制。
步骤106,根据第一危险评估值和第二危险评估值,评估目标物体相对于监控人物的危险程度。
本实施例中,第一危险评估值不变的情况下,危险程度随第二危险评估值的增大而增大,第二危险评估值不变的情况下,危险程度随第一危险评估值的增大而增大。
作为一种示例,对第一危险评估值和第二危险评估值进行加权求和处理,得到加权求和值,根据加权求和值评估目标物体相对于监控人物的危险程度。其中,第一危险评估值和第二危险评估值各自的权重可以根据需求而设置,诸如,各自权重相同且均为1,此时的加权求和值又为第一危险评估值和第二危险评估值的和值。
根据本公开实施例的技术方案,通过对待处理图像进行检测,以获取待处理图像中包含的监控人物的人物年龄和人物位置、与人物位置相距预设距离范围内的目标物体的物体类别和物体位置,进而,获取物体类别相对于人物年龄的第一危险评估值,以及根据人物位置和物体位置,确定目标物体相对于监控人物的第二危险评估值,根据第一危险评估值和第二危险评估值评估目标物体相对于监控人物的危险程度。上述方式在评估物体相对于监控人物的危险程度时,不仅会基于实际场景下监控人物的位置以及与其相距预设距离范围内的目标物体的位置进行危险评估,还充分考虑到了结合人物年龄特征,基于物体相对于人物年龄进行危险评估,最后将两方面的危险评估值结合在一起客观评估物体相对于监控人物的危险程度,可使危险评估结果切实符合实际情况,而且具有较高的准确性。
基于上述实施例,图2为本公开实施例所提供的另一种危险评估方法的流程示意图,如图2所示,本公开实施例提供的危险评估方法可包括:
步骤201,获取待处理图像。
步骤202,通过对象检测算法对待处理图像进行检测,得到待处理图像中所包含的监控人物以及监控人物的人物位置。
本实施例中,可以对包含人物的样本图像标注类别和人物位置,将标注的样本图像作为训练集以训练人物检测模型,将待处理图像输入人物检测模型,获取待处理图像中包含的监控人物以及监控人物的人物位置。
步骤203,在检测到监控人物的面部特征的情况下,基于面部特征确定监控人物的人物年龄。
本实施例中,在得到待处理图像中所包含的监控人物及人物位置时,可以检测待处理图像中人物位置处是否包含人脸区域,在检测到人脸区域的情况下,基于人脸区域的图像提取监控人物的面部特征,以基于面部特征确定人物年龄。
作为一种示例,基于面部特征,采用年龄估计算法确定监控人物的人物年龄。本示例中,可以对包含人脸的人脸样本图像标注年龄,将标注的人脸样本图像作为训练集以训练分类模型,分类模型的输入为面部特征,输出为人物年龄。
在实际应用中,由于监控人物的运动复杂多变,存在未检测到监控人物的面部特征的情况,在本公开的一个实施例中,在未检测到监控人物的面部特征的情况下,基于待处理图像估测监控人物的身高,根据身高估测监控人物的人物年龄。本实施例中,可以确定待处理图像中监控人物的人体区域,基于人体区域的顶部位置和底部位置,估测监控人物的身高,例如,可以确定待处理图像中监控人物的头部区域和脚部区域,根据头部区域和脚部区域之间的距离,估测监控人物的身高。进而,根据身高查询预先生成的人物年龄与身高的映射关系表,以估测监控人物的人物年龄。
步骤204,对待处理图像进行物体检测,以获取待处理图像中包含的与人物位置相距预设距离范围内的目标物体的物体信息。
其中,物体信息包括物体类别和物体位置。
步骤205,获取预先记录的物体类别相对于人物年龄的第一危险评估值。
步骤206,根据人物位置和物体位置,确定监控人物和目标物体之间的间距。
本实施例中,监控人物和目标物体之间的间距可以根据监控人物和目标物体在待处理图像中的位置确定,也可以根据监控人物和目标物体在指定场景中的位置确定。
其中,间距包括水平间距和/或竖直间距。
作为一种示例,人物位置为监控人物在待处理图像中的位置,物体位置为目标物体在待处理图像中的位置,可以根据人物位置确定与监控人物对应的横坐标最大值x1、横坐标最小值x2,根据物体位置确定与目标物体对应的横坐标最大值x3、横坐标最小值x4,确定横坐标最大值x1与横坐标最小值x4的差值、横坐标最小值x2与横坐标最大值x3的差值,将两个差值中的最小值作为水平间距。
作为另一种示例,可以根据人物位置确定与监控人物对应的纵坐标最大值y1、纵坐标最小值y2,根据物体位置确定与目标物体对应的纵坐标最大值y3、纵坐标最小值y4,确定纵坐标最大值y1与纵坐标最小值y4的差值、纵坐标最小值y2与纵坐标最大值y3的差值,将两个差值中的最小值作为竖直间距。
作为另一种示例,可以参照上述方式,根据人物位置和物体位置确定水平间距和竖直间距,作为监控人物和目标物体之间的间距。
作为另一种示例,对于人物位置的中心点和物体位置的中心点,可以结合深度信息将中心点的二维坐标转换为指定场景中的三维坐标,根据该三维坐标可以确定水平间距和竖直间距,由此,将三维坐标之间的距离作为监控人物和目标物体之间的间距。
需要说明的是,上述确定监控人物和目标物体之间的间距的多种实现方式,可以根据实际场景需要选择使用,例如根据不同的场景确定水平间距、竖直间距、水平间距和竖直间距,以确定第二危险评估值,此处不作限制。
步骤207,基于间距确定目标物体相对于监控人物的第二危险评估值。
本公开实施例中,第二危险评估值与间距成反比。
在本公开的一个实施例中,基于间距确定目标物体相对于监控人物的第二危险评估值的步骤,包括:获取目标物体对应的自身危险评估值,根据自身危险评估值和间距,确定目标物体相对于监控人物的第二危险评估值。
本实施例中,目标物体的自身危险评估值可以是预先设置的,通过自身危险评估值和间距,可以准确地确定目标物体相对于监控人物的第二危险评估值。可选地,根据自身危险评估值和间距的乘积,确定第二危险评估值。
作为一种示例,物体类别和自身危险评估值之间的映射关系如下表所示:
物体类别 | 自身危险评估值θ |
尖锐物品(别针、钉子和针、剪刀、桌椅边角、菜刀)、药物(农药、灭蝇、灭鼠等)、电源、厨具(灶台、水壶等)、酒瓶、动物等。 | θ>3 |
日化用品、棍状物、绳状物、不适宜攀爬的台阶、水域、未安装防护装置的阳台门窗、露台、手扶电梯、玻璃球等。 | 2<θ<3 |
塑料袋、浴帘、小颗粒物体 | 1<θ<2 |
其他 | 0<θ<1 |
需要说明的是,上述物体类别的划分和映射关系仅为一种示例,各物体类别的自身危险评估值可以根据实际需要设置,此处不作限制。
在本公开的一个实施例中,基于间距确定目标物体相对于监控人物的第二危险评估值的步骤,包括:获取监控人物的臂长,根据臂长和间距,确定目标物体相对于监控人物的第二危险评估值。
作为一种示例,比较臂长和间距的大小,在间距小于等于臂长的情况下,将预设值作为第二危险评估值,在间距大于臂长的情况下,第二危险评估值与间距成反比,例如该预设值为1,间距大于臂长的情况下,第二危险评估值小于1。作为另一种示例,可以确定臂长与间距之间的差值,根据该差值确定第二危险评估值。
本实施例中,获取监控人物的臂长的步骤,可包括:基于待处理图像估测监控人物的臂长;或者,根据人物年龄估测监控人物的臂长。可选地,可以确定待处理图像中监控人物的手臂区域,基于手臂区域的手部位置、肘部位置和肩部位置,估测监控人物的臂长。可选地,根据人物年龄查询预先生成的人物年龄与臂长的映射关系表,以估测监控人物的臂长。
步骤208,对第一危险评估值和第二危险评估值进行加权求和处理,得到加权求和值,根据加权求和值评估目标物体相对于监控人物的危险程度。
本公开实施例中,通过设置第一危险评估值的权重和第二危险评估值的权重,以对第一危险评估值和第二危险评估值进行加权求和处理,可以调整第一危险评估值和第二危险评估值对危险程度的影响,更准确地评估目标物体相对于监控人物的危险程度,满足不同场景的需求。
在本公开的一个实施例中,根据加权求和值评估目标物体相对于监控人物的危险程度的步骤,包括:采用Tanh函数对加权求和值进行处理,得到危险概率,根据危险概率评估目标物体相对于监控人物的危险程度。本实施例中,通过Tanh函数对加权求和值进行处理得到危险概率,能够更直观地展示目标物体相对于监控人物的危险程度。
可选地,危险概率P可通过如下公式确定:
其中,θ为自身危险评估值,x为间距,λ为第一危险评估值,i表示物体类别。
在本公开的一个实施例中,根据加权求和值评估目标物体相对于监控人物的危险程度的步骤,包括:根据预先设置的数值区间与危险程度的对应关系,确定加权求和值所在的目标数值区间以及目标数值区间对应的目标危险程度,将目标危险程度作为目标物体相对于监控人物的危险程度。本实施例中,可以设置多个数值区间以及对应的多个危险程度,通过确定加权求和值所在的目标数值区间,可以确定与加权求和值对应的目标危险程度,作为目标物体相对于监控人物的危险程度。
需要说明的是,上述确定危险程度的步骤可以单独实现,也可以组合实现,此处不再赘述。
步骤209,在危险程度大于预设程度阈值的情况下,执行指定的告警操作。
本实施例中,程度阈值可以根据需要进行设置,此处不作限制。告警操作包括以下操作中的一种或多种:发起语音告警提示、给指定终端发送告警消息、在待处理图像上采用指定的告警标识对目标物体进行标注。其中,指定终端可以是手机、电脑等电子设备,发送告警消息的方式包括但不限于短信、邮件等。
作为一种示例,在危险程度大于预设程度阈值的情况下,发起语音告警提示。
作为另一种示例,预先设置各数值区间对应的告警标识,例如,对于0≤P<0.3的情况,采用绿色的告警标识对目标物体进行标注,对于0.3≤P<0.5的情况,采用黄色的告警标识对目标物体进行标注,对于0.5≤P<0.7的情况,采用橙色的告警标识对目标物体进行标注,对于P≥0.7的情况,采用红色的告警标识对目标物体进行标注。
根据本公开实施例的技术方案,在评估物体相对于监控人物的危险程度时,不仅会基于实际场景下监控人物的位置以及与其相距预设距离范围内的目标物体的位置进行危险评估,还充分考虑到了结合人物年龄特征,基于物体相对于人物年龄进行危险评估,最后将两方面的危险评估值结合在一起客观评估物体相对于监控人物的危险程度,可使危险评估结果切实符合实际情况,而且具有较高的准确性。并且,在危险程度大于预设程度阈值的情况下,执行指定的告警操作,进一步减少了误报,提高了危险告警的准确度。
基于上述实施例,图3为本公开实施例所提供的另一种危险评估方法的流程示意图。
参照图3,本实施例中,获取待处理图像的步骤,包括:获取至少一个摄像头针对指定场景拍摄得到的监控视频,按照指定时间间隔对监控视频进行视频帧抽取,将得到的多个视频帧均作为待处理图像。其中,时间间隔可以根据实际需要设置,可以通过至少一个摄像头采用环拍的方式对指定场景进行拍摄得到监控视频,对采集的监控视频进行切帧和抽取,得到多个视频帧。
进一步,对待处理图像进行人物检测,以获取待处理图像中包含的监控人物的人物信息,以及对待处理图像进行物体检测,以获取待处理图像中包含的与人物位置相距预设距离范围内的目标物体的物体信息。其中,人物信息包括人物年龄和人物位置,物体信息包括物体类别和物体位置。本实施例中,人物年龄可以是基于待处理图像获取面部特征确定的。
可选地,基于面部特征确定监控人物的人物年龄的步骤,还可包括:对面部特征进行身份识别,在识别得到监控人物的身份标识的情况下,通过预设数据库获取身份标识对应的年龄,将获取到的年龄作为监控人物的人物年龄。其中,预设数据库记录有身份标识与身份信息的对应关系,身份信息包含年龄信息。
本实施例中,通过对面部特征进行身份识别,可以基于待处理图像确定监控人物是否为注册用户,注册用户可预存人物年龄等信息。在识别得到监控人物的身份标识的情况下,可以查询数据库得到该监控人物的人物年龄。在未识别得到监控人物的身份标识的情况下,可以对待处理图像进行检测,以获取待处理图像中包含的监控人物的人物年龄。
进一步,获取物体类别相对于人物年龄的第一危险评估值,以及,根据人物位置和物体位置,确定目标物体相对于所述监控人物的第二危险评估值。
可选地,根据人物位置和物体位置,确定目标物体相对于所述监控人物的第二危险评估值的步骤,还可包括:根据各待处理图像对应的人物位置、物体位置以及图像采集时间,预估监控人物针对目标物体的行为趋势,根据行为趋势,确定目标物体相对于监控人物的第二危险评估值。
其中,图像采集时间用于表示各待处理图像的时间顺序,行为趋势包括接近趋势或者远离趋势。举例而言,对于每个待处理图像,根据人物位置和物体位置确定间距,在按照时间顺序排列的多个待处理图像中该间距逐渐增大的情况下,预估监控人物针对目标物体为远离趋势,在按照时间顺序排列的多个待处理图像中该间距逐渐减小的情况下,预估监控人物针对目标物体为接近趋势。对于相同的人物位置和相同的物体位置,行为趋势为接近趋势的情况下的第二危险评估值,大于行为趋势为远离趋势的情况下的第二危险评估值。
进一步,根据第一危险评估值和第二危险评估值,评估目标物体相对于监控人物的危险程度,在危险程度大于预设程度阈值的情况下,执行指定的告警操作。一种危险评估场景示意图例如图4所示,图中虚线为标注的告警标识。
图5为本公开实施例所提供的一种危险评估装置的结构示意图,如图5所示,该危险评估装置包括:图像获取模块51,人物检测模块52,物体检测模块53,第一评估模块54,第二评估模块55,危险程度评估模块56。
其中,图像获取模块51,用于获取待处理图像。
人物检测模块52,用于对待处理图像进行人物检测,以获取待处理图像中包含的监控人物的人物信息;人物信息包括人物年龄和人物位置。
物体检测模块53,用于对待处理图像进行物体检测,以获取待处理图像中包含的与人物位置相距预设距离范围内的目标物体的物体信息;物体信息包括物体类别和物体位置。
第一评估模块54,用于获取预先记录的物体类别相对于人物年龄的第一危险评估值。
第二评估模块55,用于根据人物位置和所述物体位置,确定目标物体相对于所述监控人物的第二危险评估值。
危险程度评估模块56,用于根据第一危险评估值和第二危险评估值,评估目标物体相对于监控人物的危险程度。
在本公开的一个实施例中,人物检测模块52包括:人物检测单元,用于通过对象检测算法对所述待处理图像进行检测,得到所述待处理图像中所包含的监控人物以及所述监控人物的人物位置;年龄确定单元,用于在检测到所述监控人物的面部特征的情况下,基于所述面部特征确定所述监控人物的人物年龄。
在本公开的一个实施例中,人物检测模块52还包括:年龄估测单元,用于在未检测到所述监控人物的面部特征的情况下,基于所述待处理图像估测所述监控人物的身高;根据所述身高估测所述监控人物的人物年龄。
在本公开的一个实施例中,年龄确定单元具体用于:基于所述面部特征,采用年龄估计算法确定所述监控人物的人物年龄。
在本公开的一个实施例中,年龄确定单元具体用于:对所述面部特征进行身份识别;在识别得到所述监控人物的身份标识的情况下,通过预设数据库获取所述身份标识对应的年龄;其中,所述预设数据库记录有身份标识与身份信息的对应关系;所述身份信息包含年龄信息;将获取到的所述年龄作为所述监控人物的人物年龄。
在本公开的一个实施例中,第一评估模块54具体用于:根据预设的第一危险评估表,确定所述人物年龄所在的目标年龄区间以及所述物体类别相对于所述目标年龄区间的危险评估值;其中,所述第一危险评估表中记录有各种物体类别相对于各个年龄区间的危险评估值;将所述物体类别相对于所述目标年龄区间的危险评估值作为所述物体类别相对于所述人物年龄的第一危险评估值。
在本公开的一个实施例中,第二评估模块55包括:间距确定单元,用于根据所述人物位置和所述物体位置,确定所述监控人物和所述目标物体之间的间距;所述间距包括水平间距和/或竖直间距;计算单元,用于基于所述间距确定所述目标物体相对于所述监控人物的第二危险评估值。
在本公开的一个实施例中,计算单元具体用于:获取所述目标物体对应的自身危险评估值;根据所述自身危险评估值和所述间距,确定所述目标物体相对于所述监控人物的第二危险评估值。
在本公开的一个实施例中,计算单元具体用于:获取所述监控人物的臂长;根据所述臂长和所述间距,确定所述目标物体相对于所述监控人物的第二危险评估值。
在本公开的一个实施例中,计算单元具体用于:基于所述待处理图像估测所述监控人物的臂长;或者,根据所述人物年龄估测所述监控人物的臂长。
在本公开的一个实施例中,图像获取模块51具体用于:获取至少一个摄像头针对指定场景拍摄得到的监控视频;按照指定时间间隔对所述监控视频进行视频帧抽取,将得到的多个视频帧均作为待处理图像。
在本公开的一个实施例中,第二评估模块55具体用于:根据各所述待处理图像对应的人物位置、物体位置以及图像采集时间,预估所述监控人物针对所述目标物体的行为趋势;所述行为趋势包括接近趋势或者远离趋势;根据所述行为趋势,确定所述目标物体相对于所述监控人物的第二危险评估值。
在本公开的一个实施例中,危险程度评估模块56包括:加权求和模块,用于对所述第一危险评估值和所述第二危险评估值进行加权求和处理,得到加权求和值;评估模块,用于根据所述加权求和值评估所述目标物体相对于所述监控人物的危险程度。
在本公开的一个实施例中,评估模块具体用于:采用Tanh函数对所述加权求和值进行处理,得到危险概率;根据所述危险概率评估所述目标物体相对于所述监控人物的危险程度。
在本公开的一个实施例中,评估模块具体用于:根据预先设置的数值区间与危险程度的对应关系,确定所述加权求和值所在的目标数值区间以及所述目标数值区间对应的目标危险程度;
将所述目标危险程度作为所述目标物体相对于所述监控人物的危险程度。
在本公开的一个实施例中,危险评估装置还包括:告警模块,用于在所述危险程度大于预设程度阈值的情况下,执行指定的告警操作;所述告警操作包括以下操作中的一种或多种:发起语音告警提示、给指定终端发送告警消息、在所述待处理图像上采用指定的告警标识对所述目标物体进行标注。
本公开实施例所提供的危险评估装置可执行本公开实施例所提供的任意危险评估方法,具备执行方法相应的功能模块和有益效果。本公开装置实施例中未详尽描述的内容可以参考本公开任意方法实施例中的描述。
本公开示例性实施例还提供一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器。所述存储器存储有能够被所述至少一个处理器执行的计算机程序,所述计算机程序在被所述至少一个处理器执行时用于使所述电子设备执行根据本公开实施例的方法。
本公开示例性实施例还提供一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
本公开示例性实施例还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被计算机的处理器执行时用于使所述计算机执行根据本公开实施例的方法。
参考图6,现将描述可以作为本公开的服务器或客户端的电子设备600的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,电子设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606、输出单元607、存储单元608以及通信单元609。输入单元606可以是能向电子设备600输入信息的任何类型的设备,输入单元606可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入。输出单元607可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元608可以包括但不限于磁盘、光盘。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理。例如,在一些实施例中,危险评估方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM602和/或通信单元609而被载入和/或安装到电子设备600上。在一些实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行危险评估方法。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
如本公开使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (14)
1.一种危险评估方法,包括:
获取待处理图像;
对所述待处理图像进行人物检测,以获取所述待处理图像中包含的监控人物的人物信息;所述人物信息包括人物年龄和人物位置;
对所述待处理图像进行物体检测,以获取所述待处理图像中包含的与所述人物位置相距预设距离范围内的目标物体的物体信息;所述物体信息包括物体类别和物体位置;
获取预先记录的所述物体类别相对于所述人物年龄的第一危险评估值;
根据所述人物位置和所述物体位置,确定所述目标物体相对于所述监控人物的第二危险评估值;
根据所述第一危险评估值和所述第二危险评估值,评估所述目标物体相对于所述监控人物的危险程度;
所述根据所述人物位置和所述物体位置,确定所述目标物体相对于所述监控人物的第二危险评估值的步骤,包括:
根据所述人物位置和所述物体位置,确定所述监控人物和所述目标物体之间的间距;所述间距包括水平间距和/或竖直间距;
基于所述间距确定所述目标物体相对于所述监控人物的第二危险评估值;
所述基于所述间距确定所述目标物体相对于所述监控人物的第二危险评估值的步骤,包括:
获取所述目标物体对应的自身危险评估值;
根据所述自身危险评估值和所述间距,确定所述目标物体相对于所述监控人物的第二危险评估值。
2.如权利要求1所述的危险评估方法,其中,所述对所述待处理图像进行人物检测,以获取所述待处理图像中包含的监控人物的人物信息的步骤,包括:
通过对象检测算法对所述待处理图像进行检测,得到所述待处理图像中所包含的监控人物以及所述监控人物的人物位置;
在检测到所述监控人物的面部特征的情况下,基于所述面部特征确定所述监控人物的人物年龄。
3.如权利要求2所述的危险评估方法,其中,所述对所述待处理图像进行人物检测,以获取所述待处理图像中包含的监控人物的人物信息的步骤,还包括:
在未检测到所述监控人物的面部特征的情况下,基于所述待处理图像估测所述监控人物的身高;
根据所述身高估测所述监控人物的人物年龄。
4.如权利要求2所述的危险评估方法,其中,所述基于所述面部特征确定所述监控人物的人物年龄的步骤,包括:
基于所述面部特征,采用年龄估计算法确定所述监控人物的人物年龄。
5.如权利要求2所述的危险评估方法,其中,所述基于所述面部特征确定所述监控人物的人物年龄的步骤,包括:
对所述面部特征进行身份识别;
在识别得到所述监控人物的身份标识的情况下,通过预设数据库获取所述身份标识对应的年龄;其中,所述预设数据库记录有身份标识与身份信息的对应关系;所述身份信息包含年龄信息;
将获取到的所述年龄作为所述监控人物的人物年龄。
6.如权利要求1所述的危险评估方法,其中,所述获取预先记录的所述物体类别相对于所述人物年龄的第一危险评估值的步骤,包括:
根据预设的第一危险评估表,确定所述人物年龄所在的目标年龄区间以及所述物体类别相对于所述目标年龄区间的危险评估值;其中,所述第一危险评估表中记录有各种物体类别相对于各个年龄区间的危险评估值;
将所述物体类别相对于所述目标年龄区间的危险评估值作为所述物体类别相对于所述人物年龄的第一危险评估值。
7.如权利要求1所述的危险评估方法,其中,所述获取待处理图像的步骤,包括:
获取至少一个摄像头针对指定场景拍摄得到的监控视频;
按照指定时间间隔对所述监控视频进行视频帧抽取,将得到的多个视频帧均作为待处理图像。
8.如权利要求1所述的危险评估方法,其中,所述根据所述第一危险评估值和所述第二危险评估值,评估所述目标物体相对于所述监控人物的危险程度的步骤,包括:
对所述第一危险评估值和所述第二危险评估值进行加权求和处理,得到加权求和值;
根据所述加权求和值评估所述目标物体相对于所述监控人物的危险程度。
9.如权利要求8所述的危险评估方法,其中,所述根据所述加权求和值评估所述目标物体相对于所述监控人物的危险程度的步骤,包括:
采用Tanh函数对所述加权求和值进行处理,得到危险概率;
根据所述危险概率评估所述目标物体相对于所述监控人物的危险程度。
10.如权利要求8所述的危险评估方法,其中,所述根据所述加权求和值评估所述目标物体相对于所述监控人物的危险程度的步骤,包括:
根据预先设置的数值区间与危险程度的对应关系,确定所述加权求和值所在的目标数值区间以及所述目标数值区间对应的目标危险程度;
将所述目标危险程度作为所述目标物体相对于所述监控人物的危险程度。
11.如权利要求1所述的危险评估方法,其中,所述方法还包括:
在所述危险程度大于预设程度阈值的情况下,执行指定的告警操作;所述告警操作包括以下操作中的一种或多种:发起语音告警提示、给指定终端发送告警消息、在所述待处理图像上采用指定的告警标识对所述目标物体进行标注。
12.一种危险评估装置,包括:
图像获取模块,用于获取待处理图像;
人物检测模块,用于对所述待处理图像进行人物检测,以获取所述待处理图像中包含的监控人物的人物信息;所述人物信息包括人物年龄和人物位置;
物体检测模块,用于对所述待处理图像进行物体检测,以获取所述待处理图像中包含的与所述人物位置相距预设距离范围内的目标物体的物体信息;所述物体信息包括物体类别和物体位置;
第一评估模块,用于获取预先记录的所述物体类别相对于所述人物年龄的第一危险评估值;
第二评估模块,用于根据所述人物位置和所述物体位置,确定所述目标物体相对于所述监控人物的第二危险评估值;
危险程度评估模块,用于根据所述第一危险评估值和所述第二危险评估值,评估所述目标物体相对于所述监控人物的危险程度;
第二评估模块包括:间距确定单元,用于根据所述人物位置和所述物体位置,确定所述监控人物和所述目标物体之间的间距;所述间距包括水平间距和/或竖直间距;计算单元,用于基于所述间距确定所述目标物体相对于所述监控人物的第二危险评估值;
计算单元具体用于:获取所述目标物体对应的自身危险评估值;根据所述自身危险评估值和所述间距,确定所述目标物体相对于所述监控人物的第二危险评估值。
13.一种电子设备,包括:
处理器;以及
存储程序的存储器,
其中,所述程序包括指令,所述指令在由所述处理器执行时使所述处理器执行根据权利要求1-11中任一项所述的危险评估方法。
14.一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-11中任一项所述的危险评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111337669.6A CN113780255B (zh) | 2021-11-12 | 2021-11-12 | 危险评估方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111337669.6A CN113780255B (zh) | 2021-11-12 | 2021-11-12 | 危险评估方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113780255A CN113780255A (zh) | 2021-12-10 |
CN113780255B true CN113780255B (zh) | 2022-02-22 |
Family
ID=78873871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111337669.6A Active CN113780255B (zh) | 2021-11-12 | 2021-11-12 | 危险评估方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780255B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115223089B (zh) * | 2022-06-22 | 2023-06-06 | 深圳市儿童医院 | 儿童危险行为检测方法、装置、智能终端及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130088568A (ko) * | 2012-01-31 | 2013-08-08 | 강원대학교산학협력단 | 접근 경보 장치 및 접근 경보 방법 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4270010B2 (ja) * | 2004-04-05 | 2009-05-27 | 株式会社デンソー | 物体危険判定装置 |
US7864058B2 (en) * | 2006-09-04 | 2011-01-04 | Panasonic Corporation | Danger determining device, method, danger notifying device, and program for determining danger based on identification information of a person in a watched environment and identification information of an article in the watched environment |
JP6080501B2 (ja) * | 2012-11-05 | 2017-02-15 | 大和ハウス工業株式会社 | 監視システム |
WO2017049188A1 (en) * | 2015-09-17 | 2017-03-23 | Luvozo Pbc | Automated environment hazard detection |
WO2018083738A1 (ja) * | 2016-11-01 | 2018-05-11 | 三菱電機株式会社 | 情報処理装置、報知システム、情報処理方法及びプログラム |
CN107045623B (zh) * | 2016-12-30 | 2020-01-21 | 厦门瑞为信息技术有限公司 | 一种基于人体姿态跟踪分析的室内危险情况告警的方法 |
KR102481883B1 (ko) * | 2017-09-27 | 2022-12-27 | 삼성전자주식회사 | 위험 상황을 감지하는 방법 및 장치 |
US11093747B2 (en) * | 2018-04-16 | 2021-08-17 | Peerwell, Inc. | Hazard recognition |
CN108583571A (zh) * | 2018-04-28 | 2018-09-28 | 深圳市商汤科技有限公司 | 碰撞控制方法及装置、电子设备和存储介质 |
US20230032304A1 (en) * | 2019-10-31 | 2023-02-02 | Matrixcare, Inc. | Systems and methods for quantifying hazards in living spaces |
-
2021
- 2021-11-12 CN CN202111337669.6A patent/CN113780255B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130088568A (ko) * | 2012-01-31 | 2013-08-08 | 강원대학교산학협력단 | 접근 경보 장치 및 접근 경보 방법 |
Also Published As
Publication number | Publication date |
---|---|
CN113780255A (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11275932B2 (en) | Human body attribute recognition method, apparatus, and device and medium | |
CN107045623B (zh) | 一种基于人体姿态跟踪分析的室内危险情况告警的方法 | |
US10009579B2 (en) | Method and system for counting people using depth sensor | |
US20190012531A1 (en) | Movement monitoring system | |
CN107437074B (zh) | 一种身份认证方法和装置 | |
EP3370169A1 (en) | Method and apparatus for identifying network access behavior, server, and storage medium | |
JPWO2015133195A1 (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
JP2020518051A (ja) | 顔姿勢検出方法、装置及び記憶媒体 | |
US10127607B2 (en) | Alert notification | |
JP2012133665A (ja) | 把持物体認識装置、把持物体認識方法、及び把持物体認識プログラム | |
CN113780255B (zh) | 危险评估方法、装置、设备及存储介质 | |
JP7075460B2 (ja) | 情報認識システムおよびその方法 | |
WO2021020500A1 (ja) | 情報処理装置、及び、マーケティング活動支援装置 | |
CN115984767A (zh) | 一种基于监控画面实时分析的异常预警方法及系统 | |
CN114463779A (zh) | 吸烟识别方法、装置、设备及存储介质 | |
CN112149527A (zh) | 一种可穿戴设备检测方法、装置、电子设备及存储介质 | |
CN109992681B (zh) | 数据融合方法及相关产品 | |
CN108647600B (zh) | 人脸识别方法、设备及计算机可读存储介质 | |
JP2020187389A (ja) | 移動体軌跡分析装置、移動体軌跡分析プログラム、および移動体軌跡分析方法 | |
CN109815828A (zh) | 实现主动报警或求助行为检测控制的系统及方法 | |
JP2021099818A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
Luca et al. | Anomaly detection using the Poisson process limit for extremes | |
Fadzil et al. | Recent Development of Crowd Monitoring Technology Solution for Covid-19 Prevention at Airport Terminal. | |
CN112487980A (zh) | 基于微表情治疗方法、装置、系统与计算机可读存储介质 | |
US11670080B2 (en) | Techniques for enhancing awareness of personnel |
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 |