CN113971838A - 一种基于识别人员安全行为画像的检测方法及装置 - Google Patents
一种基于识别人员安全行为画像的检测方法及装置 Download PDFInfo
- Publication number
- CN113971838A CN113971838A CN202111259502.2A CN202111259502A CN113971838A CN 113971838 A CN113971838 A CN 113971838A CN 202111259502 A CN202111259502 A CN 202111259502A CN 113971838 A CN113971838 A CN 113971838A
- Authority
- CN
- China
- Prior art keywords
- person
- histogram
- gradient
- smoke
- video image
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 230000006399 behavior Effects 0.000 claims abstract description 58
- 239000000779 smoke Substances 0.000 claims abstract description 58
- 238000000605 extraction Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000000391 smoking effect Effects 0.000 claims abstract description 20
- 238000003860 storage Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 239000003086 colorant Substances 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 description 8
- 210000000988 bone and bone Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010295 mobile communication Methods 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
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种识别人员安全行为画像的检测方法及装置，方法包括：基于对视频图像中的危险源区域进行点集提取以及对视频图像中人员进行骨骼点集提取，判断人员是否处于危险源区域；若人员处于危险源区域，判断人员是否存在抽烟行为；若人员存在抽烟行为，则计算获取的人员嘴部视频图像中烟雾的某一像素点的梯度，并基于某一像素点的梯度构建梯度方向的直方图；将构建的梯度方向的直方图与预设的抽烟烟雾直方图数据库中的直方图进行对比。基于大数据建立抽烟烟雾直方图数据库，让获取的人员嘴部视频图像的直方图与数据库中的抽烟烟雾直方图进行对比，确定人员在危险区域内是否抽烟，即实现对危险区域内人员的行为进行检测，能够减少检测任务量。
Description
技术领域
本发明属于行为检测技术领域，尤其涉及一种基于识别人员安全行为画像的检测方法及装置。
背景技术
行为检测在社会安全领域有着广泛应用，比如监控环境下的异常行为检测、商场中的偷窃行为检测识别等。化工厂是从事化学工业的工厂，在化工厂生产过程中，需要人工操作化工设备，由于化工厂具有严格的生产安全性要求，需要对化工厂内的人员进行行为检测。
传统的检测方式，采用摄像机对厂区进行实时监测，但是在对人员进行检测时，需要对所有人员进行检测，检测任务繁重，易造成检测过程堵塞，同时，对于危险区域内的抽烟危险行为，检测过程复杂，不直观，无法满足使用者的需求。
发明内容
本发明提供一种基于识别人员安全行为画像的检测方法及装置，用于至少解决上述技术问题之一。
第一方面，本发明提供一种基于识别人员安全行为画像的检测方法，包括：获取包含危险源区域以及危险源区域外围的视频图像；基于对所述视频图像中的危险源区域进行点集提取以及对所述视频图像中人员进行骨骼点集提取，判断所述人员是否处于危险源区域；若所述人员处于危险源区域，判断所述人员是否存在抽烟行为；若所述人员存在抽烟行为，则计算获取的人员嘴部视频图像中烟雾的某一像素点的梯度，并基于某一像素点的梯度构建梯度方向的直方图，其中，某一像素点(x，y)处的梯度大小为G(x，y)和梯度方向α(x，y)分别为：
式中，Gx(x，y)为x轴上某一像素点(x，y)的梯度大小，Gy(x，y)为y轴上某一像素点(x，y)的梯度大小；将构建的梯度方向的直方图与预设的抽烟烟雾直方图数据库中的直方图进行对比；若构建的梯度方向的直方图预设的抽烟烟雾直方图数据库中某一的直方图相同，则所述人员在危险源区域内抽烟。
第二方面，本发明提供一种基于识别人员安全行为画像的检测装置，包括：获取模块，配置为获取包含危险源区域以及危险源区域外围的视频图像；第一判断模块，配置为基于对所述视频图像中的危险源区域进行点集提取以及对所述视频图像中人员进行骨骼点集提取，判断所述人员是否处于危险源区域；第二判断模块，配置为若所述人员处于危险源区域，判断所述人员是否存在抽烟行为；计算模块，配置为若所述人员存在抽烟行为，则计算获取的人员嘴部视频图像中烟雾的某一像素点的梯度，并基于某一像素点的梯度构建梯度方向的直方图，其中，某一像素点(x，y)处的梯度大小为G(x，y)和梯度方向α(x，y)分别为：
式中，Gx(x，y)为x轴上某一像素点(x，y)的梯度大小，Gy(x，y)为y轴上某一像素点(x，y)的梯度大小；对比模块，配置为将构建的梯度方向的直方图与预设的抽烟烟雾直方图数据库中的直方图进行对比；输出模块，配置为若构建的梯度方向的直方图预设的抽烟烟雾直方图数据库中某一的直方图相同，则所述人员在危险源区域内抽烟。
第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的一种基于识别人员安全行为画像的检测方法的步骤。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行本发明任一实施例的一种基于识别人员安全行为画像的检测方法的步骤。
本申请的一种基于识别人员安全行为画像的检测方法及装置，对视频图像进行处理，减少了环境因素对于图片的干扰，能够形成危险区域和人员的轮廓，确定危险区域和人员所处位置，实时的对危险区域进行监视的效果，基于大数据建立抽烟烟雾直方图数据库，让获取的人员嘴部视频图像的直方图与数据库中的抽烟烟雾直方图进行对比，确定人员在危险区域内是否抽烟，即实现对危险区域内人员的行为进行检测，能够减少检测任务量，提高检测效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本发明一实施例提供的一种基于识别人员安全行为画像的检测方法的流程图；
图2为本发明一实施例提供的又一种基于识别人员安全行为画像的检测方法的流程图；
图3为本发明一实施例提供的一种基于识别人员安全行为画像的检测装置的结构框图；
图4是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其示出了本申请的一种基于识别人员安全行为画像的检测方法的流程图。
如图1所示，在步骤S101中，获取包含危险源区域以及危险源区域外围的视频图像；
在步骤S102中，基于对所述视频图像中的危险源区域进行点集提取以及对所述视频图像中人员进行骨骼点集提取，判断所述人员是否处于危险源区域；
在步骤S103中，若所述人员处于危险源区域，判断所述人员是否存在抽烟行为；
在步骤S104中，若所述人员存在抽烟行为，则计算获取的人员嘴部视频图像中烟雾的某一像素点的梯度，并基于某一像素点的梯度构建梯度方向的直方图，其中，某一像素点(x，y)处的梯度大小为G(x，y)和梯度方向α(x，y)分别为：
式中，Gx(x，y)为x轴上某一像素点(x，y)的梯度大小，Gy(x，y)为y轴上某一像素点(x，y)的梯度大小；
在步骤S105中，将构建的梯度方向的直方图与预设的抽烟烟雾直方图数据库中的直方图进行对比；
在步骤S106中，若构建的梯度方向的直方图预设的抽烟烟雾直方图数据库中某一的直方图相同，则所述人员在危险源区域内抽烟。
本实施例的方法，对视频图像进行处理，减少了环境因素对于图片的干扰，能够形成危险区域和人员的轮廓，确定危险区域和人员所处位置，实时的对危险区域进行监视的效果，基于大数据建立抽烟烟雾直方图数据库，让获取的人员嘴部视频图像的直方图与数据库中的抽烟烟雾直方图进行对比，确定人员在危险区域内是否抽烟，即实现对危险区域内人员的行为进行检测，能够减少检测任务量，提高检测效率。
请参阅图2，其示出了本申请的又一种基于识别人员安全行为画像的检测方法的流程图。
如图2所示，一种基于识别人员安全行为画像的检测方法包括以下步骤：
S1、获取化工厂危险源区域以及危险源区域外围的视频图像
在本实施例中，采用高清视频摄像机获取化工厂危险源区域以及危险源区域外围的视频图像，也可以是其他摄像设备。
S2、对图像进行危险区域的点集提取以及图像中人员的骨骼点集提取
对危险源区域图像进行点集提取，包括以下步骤：
基于加权法将所述视频图像转化为灰度图，其中，转化的表达式为：GRAY＝k1*R+k2*G+k3B，
式中，R、G和B分别为红、绿、蓝三原色的分量，k1、k2和k3均为权重值；
基于高斯模糊对所述灰度图进行去噪处理，其中，去噪处理的表达式为：
式中，x、y分别为某一像素点的x轴坐标和y轴坐标，σ为正态分布的标准差；
根据Canny算子对所述灰度图进行轮廓提取，使得到边缘二值图像；
提取边缘二值图像中的直线，使得到危险源区域的点集以及人员骨骼的点集。
在本步骤中，通过将摄像设备获取视频图像，并对视频图像进行处理，减少了环境因素对于图片的干扰，通过提取轮廓图中的直线，能够形成危险区域和人员的轮廓，即确定危险区域的点集和人员的骨骼点集，进而确定危险区域和人员所处位置。
判断人员是否处于危险区域的方法为：
若人员的骨骼点集处于危险区域的点集内，则说明人员处于危险区域内，否则，说明人员处于危险区域外。
相对于传统的直接对所有人员进行行为检测，能够首先确定人员是否进入到危险区域，从而实现实时的对危险区域进行监视的效果，并能够减少检测任务量，提高检测效率，避免检测任务量过大造成堵塞。
S3、根据人员是否处于危险区域内，确定是否继续对人员进行行为检测
若人员未处于危险区域内，则不对人员进行行为检测，若处于危险区域内，则对人员进行行为检测。
对人员进行行为检测，包括获取人员嘴部视频图像，并构建梯度方向的直方图；基于大数据建立抽烟烟雾直方图数据库；判定人员是否抽烟。
其中，人员嘴部视频图像，并提取香烟HOG特征，包括：将嘴部图像进行整体归一化，其中，归一化公式为：I(x，y)＝I(x，y)y，式中，γ为图像I(X，Y)归一化时的参数；计算图像烟雾的梯度，其中，某一像素点(x，y)处的梯度大小为G(x，y)和梯度方向α(x，y)分别为：
式中，Gx(x，y)为x轴上某一像素点(x，y)的梯度大小，Gy(x，y)为y轴上某一像素点(x，y)的梯度大小；构建梯度方向的直方图。
判定人员是否抽烟是指将获取的梯度方向的直方图与数据库中的抽烟烟雾直方图进行对比，若将获取的梯度方向的直方图与数据库中的抽烟烟雾直方图相同，则说明有人员在危险区域内抽烟。
在本实施例中，基于大数据建立抽烟烟雾直方图数据库，即通过人员模拟建立抽烟烟雾直方图数据库，作为对比库，将获取的人员嘴部视频图像，通过图像进行整体归一化，增强了图像的亮度和清晰度，并构建直方图，使得后续对比更佳的直观化，让获取的人员嘴部视频图像的直方图与数据库中的抽烟烟雾直方图进行对比，确定人员在危险区域内是否抽烟，即实现对危险区域内人员的行为进行检测。
请参阅图3，其示出了本申请的一种基于识别人员安全行为画像的检测装置的结构框图。
如图3所示，检测装置200，包括获取模块210、第一判断模块220、第二判断模块230、计算模块240、对比模块250以及输出模块260。
其中，获取模块210，配置为获取包含危险源区域以及危险源区域外围的视频图像；第一判断模块220，配置为基于对所述视频图像中的危险源区域进行点集提取以及对所述视频图像中人员进行骨骼点集提取，判断所述人员是否处于危险源区域；第二判断模块230，配置为若所述人员处于危险源区域，判断所述人员是否存在抽烟行为；计算模块240，配置为若所述人员存在抽烟行为，则计算获取的人员嘴部视频图像中烟雾的某一像素点的梯度，并基于某一像素点的梯度构建梯度方向的直方图，其中，某一像素点(x，y)处的梯度大小为G(x，y)和梯度方向α(x，y)分别为：
式中，Gx(x，y)为x轴上某一像素点(x，y)的梯度大小，Gy(x，y)为y轴上某一像素点(x，y)的梯度大小；对比模块250，配置为将构建的梯度方向的直方图与预设的抽烟烟雾直方图数据库中的直方图进行对比；输出模块260，配置为若构建的梯度方向的直方图预设的抽烟烟雾直方图数据库中某一的直方图相同，则所述人员在危险源区域内抽烟。
应当理解，图3中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征以及相应的技术效果同样适用于图3中的诸模块，在此不再赘述。
在另一些实施例中，本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于识别人员安全行为画像的检测方法；
作为一种实施方式，本发明的计算机可读存储介质存储有计算机可执行指令，计算机可执行指令设置为：
获取包含危险源区域以及危险源区域外围的视频图像；
基于对所述视频图像中的危险源区域进行点集提取以及对所述视频图像中人员进行骨骼点集提取，判断所述人员是否处于危险源区域；
若所述人员处于危险源区域，判断所述人员是否存在抽烟行为；
若所述人员存在抽烟行为，则计算获取的人员嘴部视频图像中烟雾的某一像素点的梯度，并基于某一像素点的梯度构建梯度方向的直方图，其中，某一像素点(x，y)处的梯度大小为G(x，y)和梯度方向α(x，y)分别为：
式中，Gx(x，y)为x轴上某一像素点(x，y)的梯度大小，Gy(x，y)为y轴上某一像素点(x，y)的梯度大小；
将构建的梯度方向的直方图与预设的抽烟烟雾直方图数据库中的直方图进行对比；
若构建的梯度方向的直方图预设的抽烟烟雾直方图数据库中某一的直方图相同，则所述人员在危险源区域内抽烟。
计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据基于识别人员安全行为画像的检测装置的使用所创建的数据等。此外，计算机可读存储介质可以包括高速随机存取存储器，还可以包括存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至基于识别人员安全行为画像的检测装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图4是本发明实施例提供的电子设备的结构示意图，如图4所示，该设备包括：一个处理器310以及存储器320。电子设备还可以包括：输入装置330和输出装置340。处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图4中以通过总线连接为例。存储器320为上述的计算机可读存储介质。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例基于识别人员安全行为画像的检测方法。输入装置330可接收输入的数字或字符信息，以及产生与基于识别人员安全行为画像的检测装置的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
作为一种实施方式，上述电子设备应用于基于识别人员安全行为画像的检测装置中，用于客户端，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；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
获取包含危险源区域以及危险源区域外围的视频图像；
基于对所述视频图像中的危险源区域进行点集提取以及对所述视频图像中人员进行骨骼点集提取，判断所述人员是否处于危险源区域；
若所述人员处于危险源区域，判断所述人员是否存在抽烟行为；
若所述人员存在抽烟行为，则计算获取的人员嘴部视频图像中烟雾的某一像素点的梯度，并基于某一像素点的梯度构建梯度方向的直方图，其中，某一像素点(x，y)处的梯度大小为G(x，y)和梯度方向α(x，y)分别为：
式中，Gx(x，y)为x轴上某一像素点(x，y)的梯度大小，Gy(x，y)为y轴上某一像素点(x，y)的梯度大小；
将构建的梯度方向的直方图与预设的抽烟烟雾直方图数据库中的直方图进行对比；
若构建的梯度方向的直方图预设的抽烟烟雾直方图数据库中某一的直方图相同，则所述人员在危险源区域内抽烟。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，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)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种基于识别人员安全行为画像的检测方法，其特征在于，包括：
获取包含危险源区域以及危险源区域外围的视频图像；
基于对所述视频图像中的危险源区域进行点集提取以及对所述视频图像中人员进行骨骼点集提取，判断所述人员是否处于危险源区域；
若所述人员处于危险源区域，判断所述人员是否存在抽烟行为；
若所述人员存在抽烟行为，则计算获取的人员嘴部视频图像中烟雾的某一像素点的梯度，并基于某一像素点的梯度构建梯度方向的直方图，其中，某一像素点(x，y)处的梯度大小为G(x，y)和梯度方向α(x，y)分别为：
式中，Gx(x，y)为x轴上某一像素点(x，y)的梯度大小，Gy(x，y)为y轴上某一像素点(x，y)的梯度大小；
将构建的梯度方向的直方图与预设的抽烟烟雾直方图数据库中的直方图进行对比；
若构建的梯度方向的直方图预设的抽烟烟雾直方图数据库中某一的直方图相同，则所述人员在危险源区域内抽烟。
2.根据权利要求1所述的一种基于识别人员安全行为画像的检测方法，其特征在于，在计算获取的人员嘴部视频图像中烟雾的某一像素点的梯度之前，所述方法还包括：
若所述人员存在抽烟行为，将获取的所述人员嘴部视频图像进行整体归一化，其中，归一化公式为：I(x，y)＝I(x，y)γ，
式中，γ为图像I(X，Y)归一化时的参数。
3.根据权利要求1所述的一种基于识别人员安全行为画像的检测方法，其特征在于，所述基于对所述视频图像中的危险源区域进行点集提取以及对所述视频图像中人员进行骨骼点集提取包括：
基于加权法将所述视频图像转化为灰度图，其中，转化的表达式为：GRAY＝k1*R+k2*G+k3B，
式中，R、G和B分别为红、绿、蓝三原色的分量，k1、k2和k3均为权重值；
基于高斯模糊对所述灰度图进行去噪处理，其中，去噪处理的表达式为：
式中，x、y分别为某一像素点的x轴坐标和y轴坐标，σ为正态分布的标准差；
根据Canny算子对所述灰度图进行轮廓提取，使得到边缘二值图像；
提取边缘二值图像中的直线，使得到危险源区域的点集以及人员骨骼的点集。
4.根据权利要求1所述的一种基于识别人员安全行为画像的检测方法，其特征在于，在判断所述人员是否处于危险源区域之后，所述方法还包括：
若所述人员不处于危险源区域，则不对所述人员进行行为检测。
5.一种基于识别人员安全行为画像的检测装置，其特征在于，包括：
获取模块，配置为获取包含危险源区域以及危险源区域外围的视频图像；
第一判断模块，配置为基于对所述视频图像中的危险源区域进行点集提取以及对所述视频图像中人员进行骨骼点集提取，判断所述人员是否处于危险源区域；
第二判断模块，配置为若所述人员处于危险源区域，判断所述人员是否存在抽烟行为；
计算模块，配置为若所述人员存在抽烟行为，则计算获取的人员嘴部视频图像中烟雾的某一像素点的梯度，并基于某一像素点的梯度构建梯度方向的直方图，其中，某一像素点(x，y)处的梯度大小为G(x，y)和梯度方向α(x，y)分别为：
式中，Gx(x，y)为x轴上某一像素点(x，y)的梯度大小，Gy(x，y)为y轴上某一像素点(x，y)的梯度大小；
对比模块，配置为将构建的梯度方向的直方图与预设的抽烟烟雾直方图数据库中的直方图进行对比；
输出模块，配置为若构建的梯度方向的直方图预设的抽烟烟雾直方图数据库中某一的直方图相同，则所述人员在危险源区域内抽烟。
6.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至4任一项所述的方法。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111259502.2A CN113971838B (zh) | 2021-10-28 | 2021-10-28 | 一种基于识别人员安全行为画像的检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111259502.2A CN113971838B (zh) | 2021-10-28 | 2021-10-28 | 一种基于识别人员安全行为画像的检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113971838A true CN113971838A (zh) | 2022-01-25 |
| CN113971838B CN113971838B (zh) | 2024-07-12 |
Family
ID=79588837
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111259502.2A Active CN113971838B (zh) | 2021-10-28 | 2021-10-28 | 一种基于识别人员安全行为画像的检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113971838B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101869442B1 (ko) * | 2017-11-22 | 2018-06-20 | 공주대학교 산학협력단 | 화재 감지 장치 및 방법 |
| CN108898098A (zh) * | 2018-06-27 | 2018-11-27 | 天津大学 | 基于监控平台的早期视频烟雾检测方法 |
| CN108960094A (zh) * | 2018-06-21 | 2018-12-07 | 吉旗物联科技（上海）有限公司 | 一种基于方向梯度直方图的驾驶员抽烟动作检测算法 |
| CN110046560A (zh) * | 2019-03-28 | 2019-07-23 | 青岛小鸟看看科技有限公司 | 一种危险驾驶行为检测方法和相机 |
| CN110569771A (zh) * | 2019-08-30 | 2019-12-13 | 重庆博拉智略科技有限公司 | 吸烟识别方法、装置、存储介质及电子设备 |
| CN111553214A (zh) * | 2020-04-20 | 2020-08-18 | 哈尔滨工程大学 | 一种驾驶员吸烟行为检测方法及系统 |
| WO2021003824A1 (zh) * | 2019-07-11 | 2021-01-14 | 平安科技（深圳）有限公司 | 基于图像识别的违章建筑识别方法、装置 |
-
2021
- 2021-10-28 CN CN202111259502.2A patent/CN113971838B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101869442B1 (ko) * | 2017-11-22 | 2018-06-20 | 공주대학교 산학협력단 | 화재 감지 장치 및 방법 |
| CN108960094A (zh) * | 2018-06-21 | 2018-12-07 | 吉旗物联科技（上海）有限公司 | 一种基于方向梯度直方图的驾驶员抽烟动作检测算法 |
| CN108898098A (zh) * | 2018-06-27 | 2018-11-27 | 天津大学 | 基于监控平台的早期视频烟雾检测方法 |
| CN110046560A (zh) * | 2019-03-28 | 2019-07-23 | 青岛小鸟看看科技有限公司 | 一种危险驾驶行为检测方法和相机 |
| WO2021003824A1 (zh) * | 2019-07-11 | 2021-01-14 | 平安科技（深圳）有限公司 | 基于图像识别的违章建筑识别方法、装置 |
| CN110569771A (zh) * | 2019-08-30 | 2019-12-13 | 重庆博拉智略科技有限公司 | 吸烟识别方法、装置、存储介质及电子设备 |
| CN111553214A (zh) * | 2020-04-20 | 2020-08-18 | 哈尔滨工程大学 | 一种驾驶员吸烟行为检测方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 孙建坤;杨若瑜: "基于颜色直方图和小波变换的视频烟雾检测", 计算机科学, vol. 41, no. 12, 31 December 2017 (2017-12-31) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113971838B (zh) | 2024-07-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110232369B (zh) | 一种人脸识别方法和电子设备 | |
| CN111814776B (zh) | 一种图像处理方法、设备、服务器及存储介质 | |
| CN111460988A (zh) | 一种违规行为识别方法及装置 | |
| CN113792791A (zh) | 针对视觉模型的处理方法及装置 | |
| CN110059607B (zh) | 活体多重检测方法、装置、计算机设备及存储介质 | |
| JP2011145179A (ja) | 官能検査装置及び官能検査方法 | |
| CN114241370A (zh) | 基于数字孪生变电站的入侵识别方法、装置和计算机设备 | |
| CN113936252A (zh) | 基于视频监控的电瓶车智能管理系统及方法 | |
| CN115083008A (zh) | 运动目标检测方法、装置、设备及存储介质 | |
| CN112883762A (zh) | 一种活体检测方法、装置、系统及存储介质 | |
| CN108900895B (zh) | 一种对视频流的目标区域的屏蔽方法及其装置 | |
| CN117934897A (zh) | 一种设备异常检测方法、装置、设备以及存储介质 | |
| CN113011300A (zh) | 一种ai视觉辨识违规行为的方法、系统及设备 | |
| US20230051823A1 (en) | Systems, methods, and computer program products for image analysis | |
| CN113971838A (zh) | 一种基于识别人员安全行为画像的检测方法及装置 | |
| CN113191336B (zh) | 基于图像识别的电力隐患识别方法及系统 | |
| CN111935480B (zh) | 一种用于图像获取装置的检测方法及相关装置 | |
| CN114495015A (zh) | 人体姿态检测方法和装置 | |
| CN113420631A (zh) | 一种基于图像识别的安全报警方法及装置 | |
| CN113870210A (zh) | 一种图像质量评估方法、装置、设备及存储介质 | |
| CN108230182B (zh) | 一种电力作业现场物体安全特征识别系统 | |
| CN112686851A (zh) | 一种图像检测方法、装置及存储介质 | |
| CN115187918B (zh) | 一种监控视频流中移动物体的识别方法及系统 | |
| CN113361444B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN113643266B (zh) | 图像检测方法、装置及电子设备 |
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 |