CN114253203A - 一种基于图像处理的智慧校园安全监控方法 - Google Patents
一种基于图像处理的智慧校园安全监控方法 Download PDFInfo
- Publication number
- CN114253203A CN114253203A CN202210194726.8A CN202210194726A CN114253203A CN 114253203 A CN114253203 A CN 114253203A CN 202210194726 A CN202210194726 A CN 202210194726A CN 114253203 A CN114253203 A CN 114253203A
- Authority
- CN
- China
- Prior art keywords
- campus
- monitoring
- real
- dimensional model
- time
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/048—Monitoring; Safety
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Abstract
本发明实施例涉及安全监控技术领域,具体公开了一种基于图像处理的智慧校园安全监控方法。本发明实施例通过获取校园人员的形体识别信息;构建校园监控三维模型;在校园监控三维模型中生成并记录多个校园人员对应的行动追踪路线;标记重点活动对象,并根据重点活动对象的活动分布密度,在校园监控三维模型中进行巡查重点提示。能够采集校园人员的形体识别信息并构建校园监控三维模型,根据实时监控数据在校园监控三维模型中生成和记录校园人员的行动追踪路线,并对不能识别的对象进行标记与分布密度计算,在校园监控三维模型中进行巡查重点提示,从而能够为校园安全值班人员的安全巡查提供指导,便于及时发现校园中存在安全隐患的位置。
Description
技术领域
本发明属于安全监控技术领域,尤其涉及一种基于图像处理的智慧校园安全监控方法。
背景技术
监控系统是安防系统中应用最多的系统之一,现在市面上较为适合的工地监控系统是手持式视频通信设备,视频监控现在是主流。校园监控系统主要是网络化实时高清视频监控。它使管理人员在控制室中能观察到所有重要地点的情况,将监测区的情况以视频图像等方式实时传送到管理中心,值班人员通过主控显示器可以随时了解学校各个地方的实时情况。
现有的校园安全监控,只是对校园的安全状况进行拍摄记录,通常只能在发生安全事故之后,根据校园安全监控拍摄的视频进行事后分析与追查,而不能及时对校园的安全进行实时的分析与预警,因此不能及时发现校园中存在安全隐患的位置,不能够为校园安全值班人员的安全巡查提供指导。
发明内容
本发明实施例的目的在于提供一种基于图像处理的智慧校园安全监控方法,旨在解决背景技术中提出的问题。
为实现上述目的,本发明实施例提供如下技术方案:
一种基于图像处理的智慧校园安全监控方法,所述方法具体包括以下步骤:
在多个指定地点对校园人员进行形象数据采集,获取多个校园人员的形体识别信息;
对校园进行实时监控,获取多个实时监控数据,根据所述实时监控数据,构建校园监控三维模型;
根据多个所述实时监控数据和多个所述形体识别信息进行行动追踪,在所述校园监控三维模型中生成并记录多个校园人员对应的行动追踪路线;
通过对多个所述实时监控数据进行实时分析,标记不能识别的重点活动对象,并计算所述重点活动对象的活动分布密度,根据所述活动分布密度,在所述校园监控三维模型中进行巡查重点提示。
作为本发明实施例技术方案进一步的限定,所述在多个指定地点对校园人员进行形象数据采集,获取多个校园人员的形体识别信息具体包括以下步骤:
将校园大门、宿舍楼大门的位置设置为指定地点,并设置采集频率;
根据所述采集频率,在多个所述指定地点对校园人员进行面部拍摄和形体拍摄,获取面部识别数据和形体识别数据;
综合所述面部识别数据和所述形体识别数据,生成形体识别信息。
作为本发明实施例技术方案进一步的限定,所述对校园进行实时监控,获取多个实时监控数据,根据所述实时监控数据,构建校园监控三维模型具体包括以下步骤:
对校园多个监控位置进行实时监控,获取多个实时监控数据;
根据多个所述实时监控数据和对应的监控位置,构建校园监控三维模型。
作为本发明实施例技术方案进一步的限定,所述根据多个所述实时监控数据和对应的监控位置,构建校园监控三维模型具体包括以下步骤:
获取校园的三维电子地图;
根据所述三维电子地图,构建校园三维基础模型;
将多个所述实时监控数据和对应的监控位置导入所述校园三维基础模型中,生成校园监控三维模型。
作为本发明实施例技术方案进一步的限定,所述根据多个所述实时监控数据和多个所述形体识别信息进行行动追踪,在所述校园监控三维模型中生成并记录多个校园人员对应的行动追踪路线具体包括以下步骤:
根据多个所述形体识别信息,在多个所述实时监控数据中进行校园人员识别,生成识别结果;
根据所述识别结果,记录多个所述校园人员在不同的监控位置出现的监控时间,实时生成追踪监控数据;
根据所述追踪监控数据,在所述校园监控三维模型中生成多个校园人员对应的行动追踪路线;
将多个所述行动追踪路线进行记录存储。
作为本发明实施例技术方案进一步的限定,所述通过对多个所述实时监控数据进行实时分析,标记不能识别的重点活动对象,并计算所述重点活动对象的活动分布密度,根据所述活动分布密度,在所述校园监控三维模型中进行巡查重点提示具体包括以下步骤:
通过对多个所述实时监控数据进行实时分析,标记不能识别的重点活动对象;
根据多个所述监控位置,将校园监控三维模型分为多个巡查监控区域;
计算多个所述巡查监控区域中重点活动对象的活动分布密度,并根据所述活动分布密度,在所述校园监控三维模型中进行巡查重点提示。
作为本发明实施例技术方案进一步的限定,所述计算多个所述巡查监控区域中重点活动对象的活动分布密度,并根据所述活动分布密度,在所述校园监控三维模型中进行巡查重点提示具体包括以下步骤:
统计多个所述巡查监控区域中重点活动对象的对象数量;
根据多个所述对象数量,计算多个所述巡查监控区域中重点活动对象的活动分布密度;
将多个所述活动分布密度与对应巡查监控区域的预设巡查密度进行比较;
在所述活动分布密度大于对应的预设巡查密度时,在所述校园监控三维模型的对应区域进行巡查重点提示。
与现有技术相比,本发明的有益效果是:
本发明实施例通过获取校园人员的形体识别信息;构建校园监控三维模型;在校园监控三维模型中生成并记录多个校园人员对应的行动追踪路线;标记重点活动对象,并根据重点活动对象的活动分布密度,在校园监控三维模型中进行巡查重点提示。能够采集校园人员的形体识别信息并构建校园监控三维模型,根据实时监控数据在校园监控三维模型中生成和记录校园人员的行动追踪路线,并对不能识别的对象进行标记与分布密度计算,在校园监控三维模型中进行巡查重点提示,从而能够为校园安全值班人员的安全巡查提供指导,便于及时发现校园中存在安全隐患的位置。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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,下面描述中的附图仅仅是本发明的一些实施例。
图1示出了本发明实施例提供的方法的流程图。
图2示出了本发明实施例提供的方法中形体识别信息获取的流程图。
图3示出了本发明实施例提供的方法中实时监控数据获取的流程图。
图4示出了本发明实施例提供的方法中构建校园监控三维模型的流程图。
图5示出了本发明实施例提供的方法中行动追踪路线生成记录的流程图。
图6示出了本发明实施例提供的方法中重点活动对象标记分析的流程图。
图7示出了本发明实施例提供的方法中活动分布密度计算处理的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解的是,在现有技术中,校园安全监控,只是对校园的安全状况进行拍摄记录,通常只能在发生安全事故之后,根据校园安全监控拍摄的视频进行事后分析与追查,而不能及时对校园的安全进行实时的分析与预警,因此不能及时发现校园中存在安全隐患的位置,不能够为校园安全值班人员的安全巡查提供指导。
为解决上述问题,本发明实施例通过获取校园人员的形体识别信息;构建校园监控三维模型;在校园监控三维模型中生成并记录多个校园人员对应的行动追踪路线;标记重点活动对象,并根据重点活动对象的活动分布密度,在校园监控三维模型中进行巡查重点提示。能够采集校园人员的形体识别信息并构建校园监控三维模型,根据实时监控数据在校园监控三维模型中生成和记录校园人员的行动追踪路线,并对不能识别的对象进行标记与分布密度计算,在校园监控三维模型中进行巡查重点提示,从而能够为校园安全值班人员的安全巡查提供指导,便于及时发现校园中存在安全隐患的位置。
图1示出了本发明实施例提供的方法的流程图。
具体的,一种基于图像处理的智慧校园安全监控方法,其特征在于,所述方法具体包括以下步骤:
步骤S101,在多个指定地点对校园人员进行形象数据采集,获取多个校园人员的形体识别信息。
在本发明实施例中,可以在校园大门、宿舍楼出口等位置对进入校园、走出宿舍楼的校园人员进行面部识别拍摄与全身拍摄,综合面部识别拍摄与全身拍摄采集的数据,生成校园人员的形体识别信息。
具体的,图2示出了本发明实施例提供的方法中形体识别信息获取的流程图。
其中,在本发明提供的优选实施方式中,所述在多个指定地点对校园人员进行形象数据采集,获取多个校园人员的形体识别信息具体包括以下步骤:
步骤S1011,将校园大门、宿舍楼大门的位置设置为指定地点,并设置采集频率。
在本发明实施例中,将校园大门、宿舍楼大门等进出校园公共区域的位置设置为指定地点,并设置采集频率。具体的,采集频率可以为一天一次,采集时间为每天上午九点。
步骤S1012,根据所述采集频率,在多个所述指定地点对校园人员进行面部拍摄和形体拍摄,获取面部识别数据和形体识别数据。
在本发明实施例中,根据采集频率对应的采集时间,在多个指定地点对进入校园公共区域的校园人员进行面部拍摄和形体拍摄,得到校园人员的面部识别数据和形体识别数据。具体的,形体识别数据为对校园人员进行全身拍摄时,获取的体型、穿着数据。
步骤S1013,综合所述面部识别数据和所述形体识别数据,生成形体识别信息。
在本发明实施例中,建立面部识别数据与形体识别数据之间的联系,从而更新面部识别数据识别出的校园人员身份与体型、穿着之间的对应关系。
进一步的,所述基于图像处理的智慧校园安全监控方法还包括以下步骤:
步骤S102,对校园进行实时监控,获取多个实时监控数据,根据所述实时监控数据,构建校园监控三维模型。
在本发明实施例中,在校园的多个位置进行实时监控拍摄,并实时获取监控拍摄的实时监控数据,根据校园的电子地图、多个监控拍摄的位置、多个监控拍摄实时获取的实时监控数据,构建校园监控三维模型。具体的,校园监控三维模型能够实时反映校园各个位置具有监控拍摄区域的监控拍摄图像,并对一段时间的监控拍摄数据进行保存,通过点击校园监控三维模型中对应监控位置的图标,可以获取该监控位置当前实时监控的视频和存储的历史监控视频。
具体的,图3示出了本发明实施例提供的方法中实时监控数据获取的流程图。
其中,在本发明提供的优选实施方式中,所述对校园进行实时监控,获取多个实时监控数据,根据所述实时监控数据,构建校园监控三维模型具体包括以下步骤:
步骤S1021,对校园多个监控位置进行实时监控,获取多个实时监控数据。
在本发明实施例中,通过设置在校园中的多个监控位置,进行实时监控,得到每个监控位置的实时监控数据。
步骤S1022,根据多个所述实时监控数据和对应的监控位置,构建校园监控三维模型。
在本发明实施例中,通过获取校园的三维电子地图,根据三维电子地图进行校园三维基础模型的构建,并将多个监控位置对应的实时监控数据导入校园三维基础模型中,得到校园监控三维模型,并在校园监控三维模型中,生成多个与监控位置对应的监控数据点击窗口,通过点击对应监控位置对应的窗口,可以浏览该监控位置的实时监控画面,并且可以查询历史监控数据。
具体的,图4示出了本发明实施例提供的方法中构建校园监控三维模型的流程图。
其中,在本发明提供的优选实施方式中,所述根据多个所述实时监控数据和对应的监控位置,构建校园监控三维模型具体包括以下步骤:
步骤S10221,获取校园的三维电子地图。
步骤S10222,根据所述三维电子地图,构建校园三维基础模型。
步骤S10223,将多个所述实时监控数据和对应的监控位置导入所述校园三维基础模型中,生成校园监控三维模型。
进一步的,所述基于图像处理的智慧校园安全监控方法还包括以下步骤:
步骤S103,根据多个所述实时监控数据和多个所述形体识别信息进行行动追踪,在所述校园监控三维模型中生成并记录多个校园人员对应的行动追踪路线。
在本发明实施例中,通过实时分析多个不同位置的实时监控数据,从监控视频中识别形体识别信息对应的校园人员,并根据该校园人员在不同监控位置出现的时间,进行校园人员在校园中行动的追踪,进而生成多个校园人员对应的行动追踪路线,便于安全管理人员能够快速查询校园人员在校园公共区域的行动路线,而不需要自己去判断校园人员某一时间在哪一个位置,保障校园的安全。
具体的,图5示出了本发明实施例提供的方法中行动追踪路线生成记录的流程图。
其中,在本发明提供的优选实施方式中,所述根据多个所述实时监控数据和多个所述形体识别信息进行行动追踪,在所述校园监控三维模型中生成并记录多个校园人员对应的行动追踪路线具体包括以下步骤:
步骤S1031,根据多个所述形体识别信息,在多个所述实时监控数据中进行校园人员识别,生成识别结果。
在本发明实施例中,通过实时分析多个不同位置的实时监控数据,从监控视频中识别形体识别信息对应的校园人员,生成识别结果。
步骤S1032,根据所述识别结果,记录多个所述校园人员在不同的监控位置出现的监控时间,实时生成追踪监控数据。
在本发明实施例中,根据识别结果,将对应校园人员在实时监控数据中出现的时间进行记录,并根据校园人员在不同监控位置出现的记录时间,实时生成对应校园人员的追踪监控数据。
步骤S1033,根据所述追踪监控数据,在所述校园监控三维模型中生成多个校园人员对应的行动追踪路线。
在本发明实施例中,按照追踪监控数据,在校园监控三维模型中生成反应校园人员在不同时间出现位置的行动追踪路线,从而得到不同校园人员的行动追踪路线。
步骤S1034,将多个所述行动追踪路线进行记录存储。
在本发明实施例中,将不同校园人员的行动追踪路线进行记录与存储,从而便于安全管理人员快速查询校园人员在校园公共区域的行动路线。
进一步的,所述基于图像处理的智慧校园安全监控方法还包括以下步骤:
步骤S104,通过对多个所述实时监控数据进行实时分析,标记不能识别的重点活动对象,并计算所述重点活动对象的活动分布密度,根据所述活动分布密度,在所述校园监控三维模型中进行巡查重点提示。
在本发明实施例中,通过对多个实时监控数据进行实时分析,标记监控中不能识别的对象为重点活动对象,并对校园监控三维模型中的校园监控位置进行多个巡查监控区域的划分,计算每个巡查监控区域内的重点活动对象的密度,并在重点活动对象密度超过预设值的巡查监控区域生成巡查重点提示,并将巡查重点提示展示在校园监控三维模型中,便于安全管理人员根据巡查重点提示,对该巡查监控区域进行重点巡查。
具体的,图6示出了本发明实施例提供的方法中重点活动对象标记分析的流程图。
其中,在本发明提供的优选实施方式中,所述通过对多个所述实时监控数据进行实时分析,标记不能识别的重点活动对象,并计算所述重点活动对象的活动分布密度,根据所述活动分布密度,在所述校园监控三维模型中进行巡查重点提示具体包括以下步骤:
步骤S1041,通过对多个所述实时监控数据进行实时分析,标记不能识别的重点活动对象。
步骤S1042,根据多个所述监控位置,将校园监控三维模型分为多个巡查监控区域。
在本发明实施例中,将校园监控三维模型中不同的监控位置进行区域划分,得到多个巡查监控区域。具体的,巡查监控区域根据区域特点的不同进行划分,可以分为:科研巡查监控区域、教学巡查监控区域、购物巡查监控区域、就餐巡查监控区域、运动巡查监控区域等。
步骤S1043,计算多个所述巡查监控区域中重点活动对象的活动分布密度,并根据所述活动分布密度,在所述校园监控三维模型中进行巡查重点提示。
在本发明实施例中,计算在不同巡查监控区域重点活动对象的人数,得到重点活动对象的活动分布密度,并将活动分布密度与对应的预设巡查密度进行比较,在活动分布密度大于对应的预设巡查密度时,在校园监控三维模型的对应区域进行巡查重点提示。
具体的,图7示出了本发明实施例提供的方法中活动分布密度计算处理的流程图。
其中,在本发明提供的优选实施方式中,所述计算多个所述巡查监控区域中重点活动对象的活动分布密度,并根据所述活动分布密度,在所述校园监控三维模型中进行巡查重点提示具体包括以下步骤:
步骤S10431,统计多个所述巡查监控区域中重点活动对象的对象数量。
步骤S10432,根据多个所述对象数量,计算多个所述巡查监控区域中重点活动对象的活动分布密度。
步骤S10433,将多个所述活动分布密度与对应巡查监控区域的预设巡查密度进行比较。
步骤S10434,在所述活动分布密度大于对应的预设巡查密度时,在所述校园监控三维模型的对应区域进行巡查重点提示。
进一步的,在本发明提供的又一个优选实施方式中,一种基于图像处理的智慧校园安全监控系统,包括:
形象数据采集单元,用于在多个指定地点对校园人员进行形象数据采集,获取多个校园人员的形体识别信息。
在本发明实施例中,形象数据采集单元可以在校园大门、宿舍楼出口等位置对进入校园、走出宿舍楼的校园人员进行面部识别拍摄与全身拍摄,综合面部识别拍摄与全身拍摄采集的数据,生成校园人员的形体识别信息。
校园监控三维模型构建单元,用于对校园进行实时监控,获取多个实时监控数据,根据所述实时监控数据,构建校园监控三维模型。
在本发明实施例中,校园监控三维模型构建单元在校园的多个位置进行实时监控拍摄,并实时获取监控拍摄的实时监控数据,根据校园的电子地图、多个监控拍摄的位置、多个监控拍摄实时获取的实时监控数据,构建校园监控三维模型。具体的,校园监控三维模型能够实时反映校园各个位置具有监控拍摄区域的监控拍摄图像,并对一段时间的监控拍摄数据进行保存,通过点击校园监控三维模型中对应监控位置的图标,可以获取该监控位置当前实时监控的视频和存储的历史监控视频。
行动追踪路线生成记录单元,用于根据多个所述实时监控数据和多个所述形体识别信息进行行动追踪,在所述校园监控三维模型中生成并记录多个校园人员对应的行动追踪路线。
在本发明实施例中,行动追踪路线生成记录单元通过实时分析多个不同位置的实时监控数据,从监控视频中识别形体识别信息对应的校园人员,并根据该校园人员在不同监控位置出现的时间,进行校园人员在校园中行动的追踪,进而生成多个校园人员对应的行动追踪路线,便于安全管理人员能够快速查询校园人员在校园公共区域的行动路线,而不需要自己去判断校园人员某一时间在哪一个位置,保障校园的安全。
重点活动对象标记处理单元,用于通过对多个所述实时监控数据进行实时分析,标记不能识别的重点活动对象,并计算所述重点活动对象的活动分布密度,根据所述活动分布密度,在所述校园监控三维模型中进行巡查重点提示。
在本发明实施例中,重点活动对象标记处理单元通过对多个实时监控数据进行实时分析,标记监控中不能识别的对象为重点活动对象,并对校园监控三维模型中的校园监控位置进行多个巡查监控区域的划分,计算每个巡查监控区域内的重点活动对象的密度,并在重点活动对象密度超过预设值的巡查监控区域生成巡查重点提示,并将巡查重点提示展示在校园监控三维模型中,便于安全管理人员根据巡查重点提示,对该巡查监控区域进行重点巡查。
综上所述,本发明实施例能够采集校园人员的形体识别信息并构建校园监控三维模型,根据实时监控数据在校园监控三维模型中生成和记录校园人员的行动追踪路线,并对不能识别的对象进行标记与分布密度计算,在校园监控三维模型中进行巡查重点提示,从而能够为校园安全值班人员的安全巡查提供指导,便于及时发现校园中存在安全隐患的位置。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于图像处理的智慧校园安全监控方法,其特征在于,所述方法具体包括以下步骤:
在多个指定地点对校园人员进行形象数据采集,获取多个校园人员的形体识别信息;
对校园进行实时监控,获取多个实时监控数据,根据所述实时监控数据,构建校园监控三维模型;
根据多个所述实时监控数据和多个所述形体识别信息进行行动追踪,在所述校园监控三维模型中生成并记录多个校园人员对应的行动追踪路线;
通过对多个所述实时监控数据进行实时分析,标记不能识别的重点活动对象,并计算所述重点活动对象的活动分布密度,根据所述活动分布密度,在所述校园监控三维模型中进行巡查重点提示。
2.根据权利要求1所述的基于图像处理的智慧校园安全监控方法,其特征在于,所述在多个指定地点对校园人员进行形象数据采集,获取多个校园人员的形体识别信息具体包括以下步骤:
将校园大门、宿舍楼大门的位置设置为指定地点,并设置采集频率;
根据所述采集频率,在多个所述指定地点对校园人员进行面部拍摄和形体拍摄,获取面部识别数据和形体识别数据;
综合所述面部识别数据和所述形体识别数据,生成形体识别信息。
3.根据权利要求1所述的基于图像处理的智慧校园安全监控方法,其特征在于,所述对校园进行实时监控,获取多个实时监控数据,根据所述实时监控数据,构建校园监控三维模型具体包括以下步骤:
对校园多个监控位置进行实时监控,获取多个实时监控数据;
根据多个所述实时监控数据和对应的监控位置,构建校园监控三维模型。
4.根据权利要求3所述的基于图像处理的智慧校园安全监控方法,其特征在于,所述根据多个所述实时监控数据和对应的监控位置,构建校园监控三维模型具体包括以下步骤:
获取校园的三维电子地图;
根据所述三维电子地图,构建校园三维基础模型;
将多个所述实时监控数据和对应的监控位置导入所述校园三维基础模型中,生成校园监控三维模型。
5.根据权利要求3所述的基于图像处理的智慧校园安全监控方法,其特征在于,所述根据多个所述实时监控数据和多个所述形体识别信息进行行动追踪,在所述校园监控三维模型中生成并记录多个校园人员对应的行动追踪路线具体包括以下步骤:
根据多个所述形体识别信息,在多个所述实时监控数据中进行校园人员识别,生成识别结果;
根据所述识别结果,记录多个所述校园人员在不同的监控位置出现的监控时间,实时生成追踪监控数据;
根据所述追踪监控数据,在所述校园监控三维模型中生成多个校园人员对应的行动追踪路线;
将多个所述行动追踪路线进行记录存储。
6.根据权利要求3所述的基于图像处理的智慧校园安全监控方法,其特征在于,所述通过对多个所述实时监控数据进行实时分析,标记不能识别的重点活动对象,并计算所述重点活动对象的活动分布密度,根据所述活动分布密度,在所述校园监控三维模型中进行巡查重点提示具体包括以下步骤:
通过对多个所述实时监控数据进行实时分析,标记不能识别的重点活动对象;
根据多个所述监控位置,将校园监控三维模型分为多个巡查监控区域;
计算多个所述巡查监控区域中重点活动对象的活动分布密度,并根据所述活动分布密度,在所述校园监控三维模型中进行巡查重点提示。
7.根据权利要求6所述的基于图像处理的智慧校园安全监控方法,其特征在于,所述计算多个所述巡查监控区域中重点活动对象的活动分布密度,并根据所述活动分布密度,在所述校园监控三维模型中进行巡查重点提示具体包括以下步骤:
统计多个所述巡查监控区域中重点活动对象的对象数量;
根据多个所述对象数量,计算多个所述巡查监控区域中重点活动对象的活动分布密度;
将多个所述活动分布密度与对应巡查监控区域的预设巡查密度进行比较;
在所述活动分布密度大于对应的预设巡查密度时,在所述校园监控三维模型的对应区域进行巡查重点提示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210194726.8A CN114253203A (zh) | 2022-03-02 | 2022-03-02 | 一种基于图像处理的智慧校园安全监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210194726.8A CN114253203A (zh) | 2022-03-02 | 2022-03-02 | 一种基于图像处理的智慧校园安全监控方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114253203A true CN114253203A (zh) | 2022-03-29 |
Family
ID=80800138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210194726.8A Withdrawn CN114253203A (zh) | 2022-03-02 | 2022-03-02 | 一种基于图像处理的智慧校园安全监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114253203A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114928436A (zh) * | 2022-07-20 | 2022-08-19 | 华东交通大学 | 一种智慧校园网络安全防护系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100956125B1 (ko) * | 2009-08-28 | 2010-05-06 | 에이치씨테크(주) | 어린이 보호구역용 통합 보안 시스템 및 그 작동 방법 |
CN104239851A (zh) * | 2014-07-25 | 2014-12-24 | 重庆科技学院 | 基于行为分析的智能小区巡检系统及其控制方法 |
CN111967400A (zh) * | 2020-08-19 | 2020-11-20 | 顾晓东 | 一种基于人工智能的校园安全监测预警管理系统 |
CN112929611A (zh) * | 2021-02-07 | 2021-06-08 | 重庆惠统智慧科技有限公司 | 校园智能安全防控系统 |
CN214623846U (zh) * | 2021-03-17 | 2021-11-05 | 滁州职业技术学院 | 基于人脸识别的校园智能安防装置 |
-
2022
- 2022-03-02 CN CN202210194726.8A patent/CN114253203A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100956125B1 (ko) * | 2009-08-28 | 2010-05-06 | 에이치씨테크(주) | 어린이 보호구역용 통합 보안 시스템 및 그 작동 방법 |
CN104239851A (zh) * | 2014-07-25 | 2014-12-24 | 重庆科技学院 | 基于行为分析的智能小区巡检系统及其控制方法 |
CN111967400A (zh) * | 2020-08-19 | 2020-11-20 | 顾晓东 | 一种基于人工智能的校园安全监测预警管理系统 |
CN112929611A (zh) * | 2021-02-07 | 2021-06-08 | 重庆惠统智慧科技有限公司 | 校园智能安全防控系统 |
CN214623846U (zh) * | 2021-03-17 | 2021-11-05 | 滁州职业技术学院 | 基于人脸识别的校园智能安防装置 |
Non-Patent Citations (2)
Title |
---|
上海城方租赁住房运营管理有限公司: "《新时代租住》", 31 July 2020, 同济大学出版社 * |
范立华: "《大学生校园安全防范》", 31 December 2016, 上海人民出版社 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114928436A (zh) * | 2022-07-20 | 2022-08-19 | 华东交通大学 | 一种智慧校园网络安全防护系统 |
CN114928436B (zh) * | 2022-07-20 | 2022-09-27 | 华东交通大学 | 一种智慧校园网络安全防护系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9142106B2 (en) | Tailgating detection | |
CN101848377B (zh) | 一种基于云计算及海量视频检索的多视频录入装置智能联动的装置和方法 | |
CN103841367A (zh) | 一种监控系统 | |
CN111768123A (zh) | 配电网施工现场可视化管理系统 | |
CN110705477A (zh) | 行为分析方法、装置、电子设备和计算机存储介质 | |
CN110096606B (zh) | 一种外籍人员管理方法、装置和电子设备 | |
CN114253203A (zh) | 一种基于图像处理的智慧校园安全监控方法 | |
CN115935003B (zh) | 一种基于大数据的信息收集方法与系统 | |
CN108288017A (zh) | 获取对象密度的方法及装置 | |
Al-Shaery et al. | In-depth survey to detect, monitor and manage crowd | |
CN114049593A (zh) | 监控方法、装置、设备及存储介质 | |
CN115099724A (zh) | 施工场景的监控预警方法、装置、设备及存储介质 | |
JP2019169011A (ja) | 予兆検知システムおよびプログラム | |
CN107730212A (zh) | 一种施工项目人员远程实时管理系统 | |
CN114329106A (zh) | 用于社区的大数据分析系统及方法 | |
CN112102530B (zh) | 一种校园物联网智能云锁管理系统 | |
CN113823054A (zh) | 换流站的综合安防管理系统、方法、装置和计算机设备 | |
US20210264374A1 (en) | Time monitoring system | |
CN115375206B (zh) | 一种海上风电工程建设管理方法与系统 | |
CN117354469B (zh) | 一种基于安防预警的小区监控视频目标跟踪方法及系统 | |
CN112507928A (zh) | 基于人脸识别的访客管理系统及方法 | |
CN116432194A (zh) | 一种智能社区监控方法及系统 | |
CN111651690A (zh) | 涉案信息查找方法、装置以及计算机设备 | |
CN111144248B (zh) | 基于st-fhcd网络模型的人数统计方法、系统及介质 | |
Kaine | The impact of facial recognition systems on business practices within an operational setting |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220329 |