CN114973155B - 一种基于ai图像识别行为智能监测分析管理系统 - Google Patents

一种基于ai图像识别行为智能监测分析管理系统 Download PDF

Info

Publication number
CN114973155B
CN114973155B CN202210913747.0A CN202210913747A CN114973155B CN 114973155 B CN114973155 B CN 114973155B CN 202210913747 A CN202210913747 A CN 202210913747A CN 114973155 B CN114973155 B CN 114973155B
Authority
CN
China
Prior art keywords
vehicle
time period
set time
monitoring
abnormal
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
Application number
CN202210913747.0A
Other languages
English (en)
Other versions
CN114973155A (zh
Inventor
郑智宇
庄少伟
李浩然
邓志颖
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.)
Eagle Drive Technology Shenzhen Co Ltd
Original Assignee
Eagle Drive Technology Shenzhen Co Ltd
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 Eagle Drive Technology Shenzhen Co Ltd filed Critical Eagle Drive Technology Shenzhen Co Ltd
Priority to CN202210913747.0A priority Critical patent/CN114973155B/zh
Publication of CN114973155A publication Critical patent/CN114973155A/zh
Application granted granted Critical
Publication of CN114973155B publication Critical patent/CN114973155B/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
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及AI图像识别技术领域，具体公开一种基于AI图像识别行为智能监测分析管理系统，包括智能设备布设模块、异常声响监测分析模块、异常气味监测分析模块、停放环境监测分析模块、车辆停放状态综合分析模块、反馈传送分析与执行模块和数据存储模块。通过反馈传送器对异常车辆停放状态进行反馈，消除了当前过程导向型监测方式存在的繁琐性和局限性，节省了车主大量的时间和精力，并且将预警停放信息通过反馈传送器进行反馈的方式，属于结果导向型，提高了车辆停放状态展示的直观性，使得监测效果大幅度提升，有效保障了车主对车辆停放环境觉察的及时性，从而大幅度提高车辆停放异常的响应效率和处理效率。

Description

一种基于AI图像识别行为智能监测分析管理系统
技术领域
本发明涉及AI图像识别技术领域，具体而言，涉及一种基于AI图像识别行为智能监测分析管理系统。
背景技术
在社会经济快速发展的趋势下，越来越多的车辆如雨后春笋般争相涌入大众视野，但随着车主因长期出差等特殊原因，导致车辆长时间停放，车辆停放的安全问题接踵而来，在此环境下，对车辆停放状态的监测和分析变得尤为重要。
目前在对车辆长时间的停放进行监测和分析时，仅通过摄像头对停放车辆周身环境进行监测，监测维度过于单一，无法及时发现车辆停放安全问题，其具体体现在以下方面：1.目前在对车辆长时间的停放进行监测和分析时，通常会对经过车辆的人员和行驶车辆进行监测，往往忽略了对动物进行监测，导致监测力度不强，无法保障车辆停放环境监测的精准性和可靠性，同时需要车主自行查看监控视频，属于过程导向型，查看过程较为繁琐，且需要耗费车主大量的时间和精力，使得监测效果不佳，无法保障车主对车辆停放环境觉察的及时性，从而无法提高车辆停放异常的响应效率和处理效率。
2.车辆长时间的停放会导致老鼠在车辆内部繁殖、扎根，进而对车辆内部的线路和器件造成严重的损坏，当前仅针对车辆外部进行监测，忽略对车辆内部进行监测，无法确保车辆长时间停放后车辆内部线路和器件的完整性和可用性，不仅给车主造成了一定的财产损失，同时还使得车主后续行驶车辆的安全隐患增加。
3.车辆长时间的停放会导致车辆汽油管和机油管的老化加重，进而使车辆存在漏油、漏气的风险，由此使车辆各部位的使用效果日益降低，以致失去原有的技术性能，且加大了车辆的磨损。
发明内容
为了克服背景技术中的缺点，本发明实施例提供了一种基于AI图像识别行为智能监测分析管理系统，能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现：一种基于AI图像识别行为智能监测分析管理系统，包括：智能设备布设模块，用于获取指定车辆各车面的中心点，并记为车辆监测点，同时在各车辆监测点位置布设智能设备，其中智能设备包括噪音传感器、
Figure 150341DEST_PATH_IMAGE001
全景摄像头、电子鼻、重量传感器和反馈传送器。
异常声响监测分析模块，用于通过智能设备对各设定时间段内各车辆监测点位置内的声响进行监测和分析，进而得到各设定时间段内指定车辆对应的声响异常评估指数。
异常气味监测分析模块，用于通过智能设备对各设定时间段内各车辆监测点位置内的气味进行监测和分析，进而得到各设定时间段内指定车辆对应的气味异常评估指数。
停放环境监测分析模块，用于通过智能设备对各设定时间段内各车辆监测点位置内的环境进行视频监测和分析，得到各设定时间段内指定车辆对应的停放环境异常评估指数，其中停放环境监测分析模块包括活动人员监测分析单元、活动动物监测分析单元、行驶车辆监测分析单元和整体环境监测分析单元。
车辆停放状态综合分析模块，用于对各设定时间段内指定车辆对应的声响异常评估指数、气味异常评估指数和停放环境异常评估指数进行综合分析，得到各设定时间段内指定车辆对应的停放状态异常系数。
反馈传送分析与执行模块，用于对各设定时间段内指定车辆对应的停放状态异常系数进行分析，得到预警停放信息，并通过反馈传送器反馈至指定车辆车主的指定设备中。
数据存储模块，用于存储指定车辆对应各授权人员的面部图像，存储指定车辆对应的预警活动动物数量、预警活动动物移动频次和预警活动动物重量，并存储指定车辆对应的预警行驶车辆数量、预警行驶速度和参考安全间距。
作为优选方案，所述通过智能设备对各设定时间段内各车辆监测点位置内的声响进行监测和分析，其具体执行过程如下：通过智能设备中的噪音传感器对各设定时间段内各车辆监测点位置内存在的声响次数、各次声响对应的音色和各次声响对应的响度进行监测，并将各设定时间段内各车辆监测点位置内各次声响对应的响度记为
Figure 5165DEST_PATH_IMAGE002
，i表示为各设定时间段的编号，i=1，2，......，n，j表示为各车辆监测点的编号，j=1，2，......，m，f表示为各次声响的编号，f=1，2，......，g。
将各设定时间段内各车辆监测点位置内各次声响对应的音色与设定的各种音色对应的影响因子进行匹配，得到各设定时间段内各车辆监测点位置内各次声响对应的影响因子，记为
Figure 971853DEST_PATH_IMAGE003
。
依据公式
Figure 39166DEST_PATH_IMAGE004
计算出各设定时间段内指定车辆对应的声响异常评估指数，
Figure 58067DEST_PATH_IMAGE005
表示为第i个设定时间段内指定车辆对应的声响异常评估指数，e表示为自然常数，
Figure 83792DEST_PATH_IMAGE006
表示为设定的允许声响响度，
Figure 537776DEST_PATH_IMAGE007
表示为设定的声响异常评估补偿因子。
作为优选方案，所述通过智能设备对各设定时间段内各车辆监测点位置内的气味进行监测和分析，其具体执行过程如下：通过智能设备中的电子鼻对各设定时间段内各车辆监测点位置内的气味类型数量和各类型气味对应的浓度进行监测，并将各设定时间段内各车辆监测点位置内各类型气味对应的浓度记为
Figure 674359DEST_PATH_IMAGE008
，q表示为各气味类型的编号，q=1，2，......y。
将各设定时间段内各车辆监测点位置内的各类型气味与设定的各种类型气味对应的影响因子进行匹配，得到各设定时间段内各车辆监测点位置内各类型气味对应的影响因子，记为
Figure 795767DEST_PATH_IMAGE009
。
将各设定时间段内各车辆监测点位置内各类型气味与设定的各种类型气味对应的允许浓度进行匹配，得到各气味类型对应的允许浓度，并记为
Figure 461235DEST_PATH_IMAGE010
。
依据公式
Figure 402515DEST_PATH_IMAGE011
计算出各设定时间段内指定车辆对应的气味异常评估指数，
Figure 77210DEST_PATH_IMAGE012
表示为第i个设定时间段内指定车辆对应的气味异常评估指数，
Figure 787546DEST_PATH_IMAGE013
表示为设定的气味异常评估补偿因子。
作为优选方案，所述活动人员监测分析单元用于对各设定时间段内指定车辆对应的活动人员进行监测和分析，其具体执行过程如下：第一步：通过智能设备中的
Figure 155074DEST_PATH_IMAGE014
全景摄像头对各设定时间段内各车辆监测点位置内对应的环境视频进行采集，得到各设定时间段内各车辆监测点位置内对应的环境视频，并从中分割出存在活动人员的视频，记为目标人员视频，同时将各设定时间段内各车辆监测点位置内目标人员视频进行图像分割，得到各设定时间段内各车辆监测点位置内对应的目标人员图像。
第二步：将各设定时间段内各车辆监测点位置内对应的目标人员图像聚焦在活动人员的面部上，并将其与数据存储模块中存储的指定车辆对应各授权人员的面部图像进行匹配，若某设定时间段内某车辆监测点位置对应的活动人员面部图像匹配成功，则将该设定时间段内该车辆监测点位置对应的活动人员记为安全人员，若某设定时间段内某车辆监测点位置对应的活动人员面部图像匹配不成功，则将该设定时间段内该车辆监测点位置对应的活动人员记为异常人员，统计各设定时间段内各车辆监测点位置内异常人员的数量，记为
Figure 849229DEST_PATH_IMAGE015
，并提取各异常人员对应的面部图像，进而执行第三步。
第三步：根据各异常人员对应的面部图像从各设定时间段内各车辆监测点位置内目标人员视频中获取各异常人员的停留时长和各异常人员与指定车辆之间的最短接触距离，分别记为
Figure 62036DEST_PATH_IMAGE016
和
Figure 33403DEST_PATH_IMAGE017
，s表示为各异常人员的编号，s=1，2，......，w。
第四步：依据公式
Figure 165307DEST_PATH_IMAGE018
计算各设定时间段内指定车辆对应的活动人员异常评估指数，
Figure 222124DEST_PATH_IMAGE019
表示为第i个设定时间段内指定车辆对应的活动人员异常评估指数，
Figure 97677DEST_PATH_IMAGE020
表示为设定的预警异常人员数量，
Figure 788464DEST_PATH_IMAGE021
分别表示为设定指定车辆第j个车辆监测点对应的允许停留时长、允许接触距离，
Figure 497794DEST_PATH_IMAGE022
分别表示为设定的异常人员数量、停留时长、接触距离对应的影响因子。
作为优选方案，所述活动动物监测分析单元用于对各设定时间段内指定车辆各车辆监测点对应的活动动物进行监测和分析，其具体执行过程如下：从各设定时间段内各车辆监测点位置内对应的环境视频中分割出存在活动动物的视频，记为目标动物视频。
从各设定时间段内各车辆监测点位置内目标动物视频中获取活动动物的数量和各活动动物对应的移动频次，并分别记为
Figure 369804DEST_PATH_IMAGE023
和
Figure 189992DEST_PATH_IMAGE024
，d表示为各活动动物的编号，d=1，2，......，p。
通过智能设备中的重量传感器获取各设定时间段内指定车辆各车辆监测点对应各目标动物的重量，记为
Figure 729427DEST_PATH_IMAGE025
。
依据公式
Figure 609658DEST_PATH_IMAGE026
计算出各设定时间段内指定车辆对应的活动动物异常评估指数，
Figure 234544DEST_PATH_IMAGE027
表示为第i个设定时间段内指定车辆对应的活动动物异常评估指数，
Figure 327265DEST_PATH_IMAGE028
分别表示为指定车辆对应的预警活动动物数量、预警活动动物移动频次、预警活动动物重量，
Figure 252364DEST_PATH_IMAGE029
分别表示为设定的活动动物数量、移动频次、重量对应的影响因子。
作为优选方案，所述行驶车辆监测分析单元用于对各设定时间段内指定车辆各车辆监测点对应的行驶车辆进行监测和分析，其具体执行过程如下：从各设定时间段内各车辆监测点位置内对应的环境视频中分割出存在行驶车辆的视频，记为目标车辆视频。
从各设定时间段内指定车辆各车辆监测点对应的目标车辆视频中获取行驶车辆的数量和各行驶车辆对应的行驶速度，并分别记为
Figure 37917DEST_PATH_IMAGE030
和
Figure 150099DEST_PATH_IMAGE031
，x表示为各行驶车辆的编号，x=1，2，......，z，同时获取各行驶车辆与指定车辆之间的最短间距，记为安全间距，标记为
Figure 312090DEST_PATH_IMAGE032
。
依据公式
Figure 560538DEST_PATH_IMAGE033
计算出各设定时间段内指定车辆对应的行驶车辆异常评估指数，
Figure 516992DEST_PATH_IMAGE034
表示为第i个时间段内指定车辆对应的行驶车辆异常评估指数，
Figure 116470DEST_PATH_IMAGE035
分别表示为指定车辆对应的预警行驶车辆数量、预警行驶速度、参考安全间距，
Figure 82152DEST_PATH_IMAGE036
分别表示为设定的行驶车辆数量、行驶速度、安全间距对应的影响因子。
作为优选方案，所述整体环境监测分析单元用于计算各设定时间段内指定车辆对应的停放环境异常评估指数，其具体计算公式为
Figure 60472DEST_PATH_IMAGE037
，
Figure 431236DEST_PATH_IMAGE038
表示为第i个设定时间段内指定车辆对应的停放环境异常评估指数，
Figure 3163DEST_PATH_IMAGE039
分别表示为设定的活动人员异常评估指数、活动动物异常评估指数、行驶车辆异常评估指数对应的权值因子。
作为优选方案，所述各设定时间段内指定车辆对应的停放状态异常系数，其具体计算公式为
Figure 756224DEST_PATH_IMAGE040
，
Figure 729996DEST_PATH_IMAGE041
表示为第i个设定时间段内指定车辆对应的停放状态异常系数，
Figure 277521DEST_PATH_IMAGE042
分别表示为声响异常评估指数、气味异常评估指数、停放环境异常评估指数对应的系数因子。
作为优选方案，所述对各设定时间段内指定车辆对应的停放状态异常系数进行分析，其具体分析方式如下：将各设定时间段内指定车辆对应的停放状态异常系数与设定的预警停放状态异常系数阈值进行对比，若某设定时间段内指定车辆对应的停放状态异常系数大于预警停放状态异常系数阈值，则将该设定时间段内指定车辆对应的停放状态记为预警停放状态，并将该设定时间段记为预警停放时间段，进而将预警停放状态和预警停放时间段作为预警停放信息。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：1、本发明通过
Figure 336744DEST_PATH_IMAGE043
全景摄像头和重量传感器对车辆长时间停放时活动人员、活动动物以及行驶车辆进行监测和分析，从一方面来说，不仅有效解决了目前监测维度单一的问题，还增加了车辆停放环境监测的精准性和可靠性；从另一方面来说，通过反馈传送器对异常车辆停放状态进行反馈，消除了当前过程导向型监测方式存在的繁琐性和局限性，节省了车主大量的时间和精力，并且将预警停放信息通过反馈传送器进行反馈的方式，属于结果导向型，提高了车辆停放状态展示的直观性，使得监测效果大幅度提升，有效保障了车主对车辆停放环境觉察的及时性，从而大幅度提高车辆停放异常的响应效率和处理效率，在很大限度上降低了车主车辆停放的损耗率。
2、本发明通过噪声传感器对车辆内部声响进行监测和分析，并由此分析得到设定时间段内车辆内部对应的声响异常评估指数，进而依据声响异常评估指数判断车辆内部是否存在异常，避免老鼠对车辆内部的线路和器件造成严重的损坏，为车辆长时间停放后车辆内部线路和器件的完整性和可用性提供了可靠的评估依据，防止车主因车辆内部的线路和器件异常监测不及时，继续使用而造成的二次损坏，有效降低了车主财产的损失程度，同时还降低了车主后续行驶车辆的安全隐患。
3、本发明通过电子鼻对设定时间段内车辆外部气味进行监测和分析，并由此分析得到设定时间段内车辆外部对应的气味异常评估指数，进而依据气味异常评估指数判断车辆外部汽油管和机油管是否存在异常，不仅在很大程度上避免了车辆失去原有的技术性能，延缓了车辆的老化进程。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明系统模块连接示意图。
图2为本发明停放环境监测分析模块连接示意图。
具体实施方式
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，所描述的实施例仅仅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做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。
参照图1所示，本发明提供一种基于AI图像识别行为智能监测分析管理系统，包括智能设备布设模块、异常声响监测分析模块、异常气味监测分析模块、停放环境监测分析模块、车辆停放状态综合分析模块、反馈传送分析与执行模块和数据存储模块。
所述智能设备布设模块分别与异常声响监测分析模块、异常气味监测分析模块、停放环境监测分析模块和反馈传送分析与执行模块连接，停放环境监测分析模块和数据存储模块连接，车辆停放状态综合分析模块分别与异常声响监测分析模块、异常气味监测分析模块、停放环境监测分析模块和反馈传送分析与执行模块连接。
智能设备布设模块，用于获取指定车辆各车面的中心点，并记为车辆监测点，同时在各车辆监测点位置布设智能设备，其中智能设备包括噪音传感器、
Figure 893496DEST_PATH_IMAGE044
全景摄像头、电子鼻、重量传感器和反馈传送器。
在一个具体的实施例中，电子鼻是利用气体传感器阵列的响应图案来识别气味的电子系统，它可以在几小时、几天甚至数月的时间内连续地、实时地监测特定位置的气味状况。
异常声响监测分析模块，用于通过智能设备对各设定时间段内各车辆监测点位置内的声响进行监测和分析，进而得到各设定时间段内指定车辆对应的声响异常评估指数。
作为优选方案，所述通过智能设备对各设定时间段内各车辆监测点位置内的声响进行监测和分析，其具体执行过程如下：通过智能设备中的噪音传感器对各设定时间段内各车辆监测点位置内存在的声响次数、各次声响对应的音色和各次声响对应的响度进行监测，并将各设定时间段内各车辆监测点位置内各次声响对应的响度记为
Figure 580830DEST_PATH_IMAGE045
，i表示为各设定时间段的编号，i=1，2，......，n，j表示为各车辆监测点的编号，j=1，2，......，m，f表示为各次声响的编号，f=1，2，......，g。
将各设定时间段内各车辆监测点位置内各次声响对应的音色与设定的各种音色对应的影响因子进行匹配，得到各设定时间段内各车辆监测点位置内各次声响对应的影响因子，记为
Figure 315567DEST_PATH_IMAGE046
。
依据公式
Figure 111354DEST_PATH_IMAGE047
计算出各设定时间段内指定车辆对应的声响异常评估指数，
Figure 956950DEST_PATH_IMAGE048
表示为第i个设定时间段内指定车辆对应的声响异常评估指数，e表示为自然常数，
Figure 154582DEST_PATH_IMAGE049
表示为设定的允许声响响度，
Figure 60221DEST_PATH_IMAGE050
表示为设定的声响异常评估补偿因子。
需要说明的是，声响来源包括但不限于车辆内部老鼠啃咬线路、啃咬车辆内部零件、在车辆内部乱窜等。
在一个具体的实施例中，本发明通过噪声传感器对车辆内部声响进行监测和分析，并由此分析得到设定时间段内车辆内部对应的声响异常评估指数，进而依据声响异常评估指数判断车辆内部是否存在异常，避免老鼠对车辆内部的线路和器件造成严重的损坏，为车辆长时间停放后车辆内部线路和器件的完整性和可用性提供了可靠的评估依据，防止车主因车辆内部的线路和器件异常监测不及时，继续使用而造成的二次损坏，有效降低了车主财产的损失程度，同时还降低了车主后续行驶车辆的安全隐患。
异常气味监测分析模块，用于通过智能设备对各设定时间段内各车辆监测点位置内的气味进行监测和分析，进而得到各设定时间段内指定车辆对应的气味异常评估指数。
作为优选方案，所述通过智能设备对各设定时间段内各车辆监测点位置内的气味进行监测和分析，其具体执行过程如下：通过智能设备中的电子鼻对各设定时间段内各车辆监测点位置内的气味类型数量和各类型气味对应的浓度进行监测，并将各设定时间段内各车辆监测点位置内各类型气味对应的浓度记为
Figure 77725DEST_PATH_IMAGE051
，q表示为各气味类型的编号，q=1，2，......y。
将各设定时间段内各车辆监测点位置内的各类型气味与设定的各种类型气味对应的影响因子进行匹配，得到各设定时间段内各车辆监测点位置内各类型气味对应的影响因子，记为
Figure 727012DEST_PATH_IMAGE052
。
将各设定时间段内各车辆监测点位置内各类型气味与设定的各种类型气味对应的允许浓度进行匹配，得到各气味类型对应的允许浓度，并记为
Figure 513571DEST_PATH_IMAGE053
。
依据公式
Figure 590112DEST_PATH_IMAGE054
计算出各设定时间段内指定车辆对应的气味异常评估指数，
Figure 970277DEST_PATH_IMAGE055
表示为第i个设定时间段内指定车辆对应的气味异常评估指数，
Figure 412803DEST_PATH_IMAGE056
表示为设定的气味异常评估补偿因子。
需要说明的是，各类型气味对车辆造成的影响不同，因此各类型气味对应的允许浓度各不相同。
在一个具体的实施例中，本发明通过电子鼻对设定时间段内车辆外部气味进行监测和分析，并由此分析得到设定时间段内车辆外部对应的气味异常评估指数，进而依据气味异常评估指数判断车辆外部汽油管和机油管是否存在异常，不仅在很大程度上避免了车辆失去原有的技术性能，延缓了车辆的老化进程。
参照图2所示，停放环境监测分析模块，用于通过智能设备对各设定时间段内各车辆监测点位置内的环境进行视频监测和分析，得到各设定时间段内指定车辆对应的停放环境异常评估指数，其中停放环境监测分析模块包括活动人员监测分析单元、活动动物监测分析单元、行驶车辆监测分析单元和整体环境监测分析单元。
作为优选方案，所述活动人员监测分析单元用于对各设定时间段内指定车辆对应的活动人员进行监测和分析，其具体执行过程如下：第一步：通过智能设备中的
Figure 335760DEST_PATH_IMAGE057
全景摄像头对各设定时间段内各车辆监测点位置内对应的环境视频进行采集，得到各设定时间段内各车辆监测点位置内对应的环境视频，并从中分割出存在活动人员的视频，记为目标人员视频，同时将各设定时间段内各车辆监测点位置内目标人员视频进行图像分割，得到各设定时间段内各车辆监测点位置内对应的目标人员图像。
第二步：将各设定时间段内各车辆监测点位置内对应的目标人员图像聚焦在活动人员的面部上，并将其与数据存储模块中存储的指定车辆对应各授权人员的面部图像进行匹配，若某设定时间段内某车辆监测点位置对应的活动人员面部图像匹配成功，则将该设定时间段内该车辆监测点位置对应的活动人员记为安全人员，若某设定时间段内某车辆监测点位置对应的活动人员面部图像匹配不成功，则将该设定时间段内该车辆监测点位置对应的活动人员记为异常人员，统计各设定时间段内各车辆监测点位置内异常人员的数量，记为
Figure 566890DEST_PATH_IMAGE058
，并提取各异常人员对应的面部图像，进而执行第三步。
第三步：根据各异常人员对应的面部图像从各设定时间段内各车辆监测点位置内目标人员视频中获取各异常人员的停留时长和各异常人员与指定车辆之间的最短接触距离，分别记为
Figure 575297DEST_PATH_IMAGE059
和
Figure 550075DEST_PATH_IMAGE060
，s表示为各异常人员的编号，s=1，2，......，w。
第四步：依据公式
Figure 327538DEST_PATH_IMAGE061
计算各设定时间段内指定车辆对应的活动人员异常评估指数，
Figure 260728DEST_PATH_IMAGE062
表示为第i个设定时间段内指定车辆对应的活动人员异常评估指数，
Figure 225273DEST_PATH_IMAGE063
表示为设定的预警异常人员数量，
Figure 269321DEST_PATH_IMAGE064
分别表示为设定指定车辆第j个车辆监测点对应的允许停留时长、允许接触距离，
Figure 635712DEST_PATH_IMAGE065
分别表示为设定的异常人员数量、停留时长、接触距离对应的影响因子。
在一个具体的实施例中，车辆进行长期的停放将导致车辆轮胎失压、变形，而停放时间越长，轮胎变形越不容易恢复，因此需要在设定时间内对车辆进行移动。而对安全人员进行分析的目的是为了避免车主已授权人员对车辆进行维护和调整时，系统无差别的将监测结果反馈至车主的情况。
需要说明的是，对异常人员进行监测和分析目的是为了避免无关人员对车辆造成损伤或致使车辆失窃等情况的发生。
作为优选方案，所述活动动物监测分析单元用于对各设定时间段内指定车辆各车辆监测点对应的活动动物进行监测和分析，其具体执行过程如下：从各设定时间段内各车辆监测点位置内对应的环境视频中分割出存在活动动物的视频，记为目标动物视频。
从各设定时间段内各车辆监测点位置内目标动物视频中获取活动动物的数量和各活动动物对应的移动频次，并分别记为
Figure 598858DEST_PATH_IMAGE066
和
Figure 581857DEST_PATH_IMAGE067
，d表示为各活动动物的编号，d=1，2，......，p。
通过智能设备中的重量传感器获取各设定时间段内指定车辆各车辆监测点对应各目标动物的重量，记为
Figure 164017DEST_PATH_IMAGE068
。
依据公式
Figure 509548DEST_PATH_IMAGE069
计算出各设定时间段内指定车辆对应的活动动物异常评估指数，
Figure 535272DEST_PATH_IMAGE070
表示为第i个设定时间段内指定车辆对应的活动动物异常评估指数，
Figure 553755DEST_PATH_IMAGE071
分别表示为指定车辆对应的预警活动动物数量、预警活动动物移动频次、预警活动动物重量，
Figure 690339DEST_PATH_IMAGE072
分别表示为设定的活动动物数量、移动频次、重量对应的影响因子。
在一个具体的实施例中，活动动物在车辆上的各种行为会对车辆车面造成一定程度的损伤，同时对车辆的整洁度和美观度造成不好的影响。
作为优选方案，所述行驶车辆监测分析单元用于对各设定时间段内指定车辆各车辆监测点对应的行驶车辆进行监测和分析，其具体执行过程如下：从各设定时间段内各车辆监测点位置内对应的环境视频中分割出存在行驶车辆的视频，记为目标车辆视频。
从各设定时间段内指定车辆各车辆监测点对应的目标车辆视频中获取行驶车辆的数量和各行驶车辆对应的行驶速度，并分别记为
Figure 15010DEST_PATH_IMAGE073
和
Figure 211636DEST_PATH_IMAGE074
，x表示为各行驶车辆的编号，x=1，2，......，z，同时获取各行驶车辆与指定车辆之间的最短间距，记为安全间距，标记为
Figure 152916DEST_PATH_IMAGE075
。
依据公式
Figure 562032DEST_PATH_IMAGE076
计算出各设定时间段内指定车辆对应的行驶车辆异常评估指数，
Figure 272367DEST_PATH_IMAGE077
表示为第i个时间段内指定车辆对应的行驶车辆异常评估指数，
Figure 639895DEST_PATH_IMAGE078
分别表示为指定车辆对应的预警行驶车辆数量、预警行驶速度、参考安全间距，
Figure 412679DEST_PATH_IMAGE079
分别表示为设定的行驶车辆数量、行驶速度、安全间距对应的影响因子。
在一个具体的实施例中，当指定车辆周围的行驶车辆的行驶速度过快或安全间距过小时，易发生刮擦的情况，当指定车辆周围的行驶车辆的行驶速度过快或安全间距过小的次数发生较多时，车主需联系相关人员对指定车辆进行挪动，避免事故发生的概率性。
作为优选方案，所述整体环境监测分析单元用于计算各设定时间段内指定车辆对应的停放环境异常评估指数，其具体计算公式为
Figure 140332DEST_PATH_IMAGE080
，
Figure 455907DEST_PATH_IMAGE081
表示为第i个设定时间段内指定车辆对应的停放环境异常评估指数，
Figure 978024DEST_PATH_IMAGE082
分别表示为设定的活动人员异常评估指数、活动动物异常评估指数、行驶车辆异常评估指数对应的权值因子。
需要说明的是，本发明通过
Figure 379050DEST_PATH_IMAGE083
全景摄像头和重量传感器对车辆长时间停放时活动人员、活动动物以及行驶车辆进行监测和分析，不仅有效解决了目前监测维度单一的问题，还增加了车辆停放环境监测的精准性和可靠性。
车辆停放状态综合分析模块，用于对各设定时间段内指定车辆对应的声响异常评估指数、气味异常评估指数和停放环境异常评估指数进行综合分析，得到各设定时间段内指定车辆对应的停放状态异常系数。
作为优选方案，所述各设定时间段内指定车辆对应的停放状态异常系数，其具体计算公式为
Figure 644815DEST_PATH_IMAGE084
，
Figure 80475DEST_PATH_IMAGE085
表示为第i个设定时间段内指定车辆对应的停放状态异常系数，
Figure 507914DEST_PATH_IMAGE086
分别表示为声响异常评估指数、气味异常评估指数、停放环境异常评估指数对应的系数因子。
反馈传送分析与执行模块，用于对各设定时间段内指定车辆对应的停放状态异常系数进行分析，得到预警停放信息，并通过反馈传送器反馈至指定车辆车主的指定设备中。
需要说明的是，本发明通过反馈传送器对异常车辆停放状态进行反馈，消除了当前过程导向型监测方式存在的繁琐性和局限性，节省了车主大量的时间和精力，并且反馈传送器的方式属于结果导向型，提高了车辆停放状态展示的直观性，使得监测效果大幅度提升，有效保障了车主对车辆停放环境觉察的及时性，从而大幅度提高车辆停放异常的响应效率和处理效率，在很大限度上降低了车主车辆停放的损耗率。
作为优选方案，所述对各设定时间段内指定车辆对应的停放状态异常系数进行分析，其具体分析方式如下：将各设定时间段内指定车辆对应的停放状态异常系数与设定的预警停放状态异常系数阈值进行对比，若某设定时间段内指定车辆对应的停放状态异常系数大于预警停放状态异常系数阈值，则将该设定时间段内指定车辆对应的停放状态记为预警停放状态，并将该设定时间段记为预警停放时间段，进而将预警停放状态和预警停放时间段作为预警停放信息。
需要说明的是，对预警停放信息进行反馈，在很大限度上保障了车主对车辆停放状态掌握的及时性，进而及时通知相关人员进行相应的处理，在很大程度上避免了损坏程度的进一步提高。
数据存储模块，用于存储指定车辆对应各授权人员的面部图像，存储指定车辆对应的预警活动动物数量、预警活动动物移动频次和预警活动动物重量，并存储指定车辆对应的预警行驶车辆数量、预警行驶速度和参考安全间距。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (7)

1.一种基于AI图像识别行为智能监测分析管理系统，其特征在于，包括：
智能设备布设模块，用于获取指定车辆各车面的中心点，并记为车辆监测点，同时在各车辆监测点位置布设智能设备，其中智能设备包括噪音传感器、
Figure DEST_PATH_IMAGE001
全景摄像头、电子鼻、重量传感器和反馈传送器；
异常声响监测分析模块，用于通过智能设备对各设定时间段内各车辆监测点位置内的声响进行监测和分析，进而得到各设定时间段内指定车辆对应的声响异常评估指数；
异常气味监测分析模块，用于通过智能设备对各设定时间段内各车辆监测点位置内的气味进行监测和分析，进而得到各设定时间段内指定车辆对应的气味异常评估指数；
停放环境监测分析模块，用于通过智能设备对各设定时间段内各车辆监测点位置内的环境进行视频监测和分析，得到各设定时间段内指定车辆对应的停放环境异常评估指数，其中停放环境监测分析模块包括活动人员监测分析单元、活动动物监测分析单元、行驶车辆监测分析单元和整体环境监测分析单元；
车辆停放状态综合分析模块，用于对各设定时间段内指定车辆对应的声响异常评估指数、气味异常评估指数和停放环境异常评估指数进行综合分析，得到各设定时间段内指定车辆对应的停放状态异常系数；
反馈传送分析与执行模块，用于对各设定时间段内指定车辆对应的停放状态异常系数进行分析，得到预警停放信息，并通过反馈传送器反馈至指定车辆车主的指定设备中；
数据存储模块，用于存储指定车辆对应各授权人员的面部图像，存储指定车辆对应的预警活动动物数量、预警活动动物移动频次和预警活动动物重量，并存储指定车辆对应的预警行驶车辆数量、预警行驶速度和参考安全间距；
所述通过智能设备对各设定时间段内各车辆监测点位置内的声响进行监测和分析，其具体执行过程如下：
通过智能设备中的噪音传感器对各设定时间段内各车辆监测点位置内存在的声响次数、各次声响对应的音色和各次声响对应的响度进行监测，并将各设定时间段内各车辆监测点位置内各次声响对应的响度记为
Figure 226422DEST_PATH_IMAGE002
，i表示为各设定时间段的编号，i=1，2，......，n，j表示为各车辆监测点的编号，j=1，2，......，m，f表示为各次声响的编号，f=1，2，......，g；
将各设定时间段内各车辆监测点位置内各次声响对应的音色与设定的各种音色对应的影响因子进行匹配，得到各设定时间段内各车辆监测点位置内各次声响对应的影响因子，记为
Figure DEST_PATH_IMAGE003
；
依据公式
Figure 81245DEST_PATH_IMAGE004
计算出各设定时间段内指定车辆对应的声响异常评估指数，
Figure DEST_PATH_IMAGE005
表示为第i个设定时间段内指定车辆对应的声响异常评估指数，e表示为自然常数，
Figure 798665DEST_PATH_IMAGE006
表示为设定的允许声响响度，
Figure DEST_PATH_IMAGE007
表示为设定的声响异常评估补偿因子；
所述通过智能设备对各设定时间段内各车辆监测点位置内的气味进行监测和分析，其具体执行过程如下：
通过智能设备中的电子鼻对各设定时间段内各车辆监测点位置内的气味类型数量和各类型气味对应的浓度进行监测，并将各设定时间段内各车辆监测点位置内各类型气味对应的浓度记为
Figure 131558DEST_PATH_IMAGE008
，q表示为各气味类型的编号，q=1，2，......y；
将各设定时间段内各车辆监测点位置内的各类型气味与设定的各种类型气味对应的影响因子进行匹配，得到各设定时间段内各车辆监测点位置内各类型气味对应的影响因子，记为
Figure DEST_PATH_IMAGE009
；
将各设定时间段内各车辆监测点位置内各类型气味与设定的各种类型气味对应的允许浓度进行匹配，得到各气味类型对应的允许浓度，并记为
Figure 742668DEST_PATH_IMAGE010
；
依据公式
Figure DEST_PATH_IMAGE011
计算出各设定时间段内指定车辆对应的气味异常评估指数，
Figure 643759DEST_PATH_IMAGE012
表示为第i个设定时间段内指定车辆对应的气味异常评估指数，
Figure DEST_PATH_IMAGE013
表示为设定的气味异常评估补偿因子。
2.根据权利要求1所述的一种基于AI图像识别行为智能监测分析管理系统，其特征在于：所述活动人员监测分析单元用于对各设定时间段内指定车辆对应的活动人员进行监测和分析，其具体执行过程如下：
第一步：通过智能设备中的
Figure 848475DEST_PATH_IMAGE014
全景摄像头对各设定时间段内各车辆监测点位置内对应的环境视频进行采集，得到各设定时间段内各车辆监测点位置内对应的环境视频，并从中分割出存在活动人员的视频，记为目标人员视频，同时将各设定时间段内各车辆监测点位置内目标人员视频进行图像分割，得到各设定时间段内各车辆监测点位置内对应的目标人员图像；
第二步：将各设定时间段内各车辆监测点位置内对应的目标人员图像聚焦在活动人员的面部上，并将其与数据存储模块中存储的指定车辆对应各授权人员的面部图像进行匹配，若某设定时间段内某车辆监测点位置对应的活动人员面部图像匹配成功，则将该设定时间段内该车辆监测点位置对应的活动人员记为安全人员，若某设定时间段内某车辆监测点位置对应的活动人员面部图像匹配不成功，则将该设定时间段内该车辆监测点位置对应的活动人员记为异常人员，统计各设定时间段内各车辆监测点位置内异常人员的数量，记为
Figure DEST_PATH_IMAGE015
，并提取各异常人员对应的面部图像，进而执行第三步；
第三步：根据各异常人员对应的面部图像从各设定时间段内各车辆监测点位置内目标人员视频中获取各异常人员的停留时长和各异常人员与指定车辆之间的最短接触距离，分别记为
Figure 844113DEST_PATH_IMAGE016
和
Figure DEST_PATH_IMAGE017
，s表示为各异常人员的编号，s=1，2，......，w；
第四步：依据公式
Figure 450675DEST_PATH_IMAGE018
计算各设定时间段内指定车辆对应的活动人员异常评估指数，
Figure DEST_PATH_IMAGE019
表示为第i个设定时间段内指定车辆对应的活动人员异常评估指数，
Figure 381722DEST_PATH_IMAGE020
表示为设定的预警异常人员数量，
Figure DEST_PATH_IMAGE021
分别表示为设定指定车辆第j个车辆监测点对应的允许停留时长、允许接触距离，
Figure 73734DEST_PATH_IMAGE022
分别表示为设定的异常人员数量、停留时长、接触距离对应的影响因子。
3.根据权利要求2所述的一种基于AI图像识别行为智能监测分析管理系统，其特征在于：所述活动动物监测分析单元用于对各设定时间段内指定车辆各车辆监测点对应的活动动物进行监测和分析，其具体执行过程如下：
从各设定时间段内各车辆监测点位置内对应的环境视频中分割出存在活动动物的视频，记为目标动物视频；
从各设定时间段内各车辆监测点位置内目标动物视频中获取活动动物的数量和各活动动物对应的移动频次，并分别记为
Figure DEST_PATH_IMAGE023
和
Figure 889374DEST_PATH_IMAGE024
，d表示为各活动动物的编号，d=1，2，......，p；
通过智能设备中的重量传感器获取各设定时间段内指定车辆各车辆监测点对应各目标动物的重量，记为
Figure DEST_PATH_IMAGE025
；
依据公式
Figure 350443DEST_PATH_IMAGE026
计算出各设定时间段内指定车辆对应的活动动物异常评估指数，
Figure DEST_PATH_IMAGE027
表示为第i个设定时间段内指定车辆对应的活动动物异常评估指数，
Figure 717970DEST_PATH_IMAGE028
分别表示为指定车辆对应的预警活动动物数量、预警活动动物移动频次、预警活动动物重量，
Figure DEST_PATH_IMAGE029
分别表示为设定的活动动物数量、移动频次、重量对应的影响因子。
4.根据权利要求3所述的一种基于AI图像识别行为智能监测分析管理系统，其特征在于：所述行驶车辆监测分析单元用于对各设定时间段内指定车辆各车辆监测点对应的行驶车辆进行监测和分析，其具体执行过程如下：
从各设定时间段内各车辆监测点位置内对应的环境视频中分割出存在行驶车辆的视频，记为目标车辆视频；
从各设定时间段内指定车辆各车辆监测点对应的目标车辆视频中获取行驶车辆的数量和各行驶车辆对应的行驶速度，并分别记为
Figure 897279DEST_PATH_IMAGE030
和
Figure DEST_PATH_IMAGE031
，x表示为各行驶车辆的编号，x=1，2，......，z，同时获取各行驶车辆与指定车辆之间的最短间距，记为安全间距，标记为
Figure 98367DEST_PATH_IMAGE032
；
依据公式
Figure DEST_PATH_IMAGE033
计算出各设定时间段内指定车辆对应的行驶车辆异常评估指数，
Figure 679521DEST_PATH_IMAGE034
表示为第i个时间段内指定车辆对应的行驶车辆异常评估指数，
Figure DEST_PATH_IMAGE035
分别表示为指定车辆对应的预警行驶车辆数量、预警行驶速度、参考安全间距，
Figure 952370DEST_PATH_IMAGE036
分别表示为设定的行驶车辆数量、行驶速度、安全间距对应的影响因子。
5.根据权利要求4所述的一种基于AI图像识别行为智能监测分析管理系统，其特征在于：所述整体环境监测分析单元用于计算各设定时间段内指定车辆对应的停放环境异常评估指数，其具体计算公式为
Figure DEST_PATH_IMAGE037
，
Figure 618975DEST_PATH_IMAGE038
表示为第i个设定时间段内指定车辆对应的停放环境异常评估指数，
Figure DEST_PATH_IMAGE039
分别表示为设定的活动人员异常评估指数、活动动物异常评估指数、行驶车辆异常评估指数对应的权值因子。
6.根据权利要求5所述的一种基于AI图像识别行为智能监测分析管理系统，其特征在于：所述各设定时间段内指定车辆对应的停放状态异常系数，其具体计算公式为
Figure 901052DEST_PATH_IMAGE040
，
Figure DEST_PATH_IMAGE041
表示为第i个设定时间段内指定车辆对应的停放状态异常系数，
Figure 71133DEST_PATH_IMAGE042
分别表示为声响异常评估指数、气味异常评估指数、停放环境异常评估指数对应的系数因子。
7.根据权利要求1所述的一种基于AI图像识别行为智能监测分析管理系统，其特征在于：所述对各设定时间段内指定车辆对应的停放状态异常系数进行分析，其具体分析方式如下：
将各设定时间段内指定车辆对应的停放状态异常系数与设定的预警停放状态异常系数阈值进行对比，若某设定时间段内指定车辆对应的停放状态异常系数大于预警停放状态异常系数阈值，则将该设定时间段内指定车辆对应的停放状态记为预警停放状态，并将该设定时间段记为预警停放时间段，进而将预警停放状态和预警停放时间段作为预警停放信息。
CN202210913747.0A 2022-08-01 2022-08-01 一种基于ai图像识别行为智能监测分析管理系统 Active CN114973155B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210913747.0A CN114973155B (zh) 2022-08-01 2022-08-01 一种基于ai图像识别行为智能监测分析管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210913747.0A CN114973155B (zh) 2022-08-01 2022-08-01 一种基于ai图像识别行为智能监测分析管理系统

Publications (2)

Publication Number Publication Date
CN114973155A CN114973155A (zh) 2022-08-30
CN114973155B true CN114973155B (zh) 2022-10-21

Family

ID=82970212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210913747.0A Active CN114973155B (zh) 2022-08-01 2022-08-01 一种基于ai图像识别行为智能监测分析管理系统

Country Status (1)

Country Link
CN (1) CN114973155B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115524143B (zh) * 2022-10-21 2023-09-19 中国人民解放军陆军装甲兵学院 一种军用车辆健康状态分析管理方法
CN115979337B (zh) * 2022-12-05 2023-11-24 众邦优创(深圳)科技有限公司 面向智慧工地的安全监测云平台
CN115984194B (zh) * 2022-12-16 2023-06-20 浙江大信科技股份有限公司 一种基于物联网的uwb精确定位基站智能管理系统
CN116056034B (zh) * 2023-04-03 2023-06-09 鹰驾科技（深圳）有限公司 一种基于车内环境监测的车载无线通信分析调控系统
CN116533903B (zh) * 2023-05-29 2024-03-22 安徽勒森传感科技有限公司 一种基于汽车传感器的低压预警系统及方法
CN116743970B (zh) * 2023-08-14 2023-11-21 安徽塔联智能科技有限责任公司 一种具有视频ai预警分析的智能管理平台

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825697A (zh) * 2016-05-23 2016-08-03 王小安 一种行车设备

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4572889B2 (ja) * 2006-11-20 2010-11-04 株式会社デンソー 自動車用ユーザーもてなしシステム
US11906659B2 (en) * 2015-07-17 2024-02-20 Origin Wireless, Inc. Method, apparatus, and system for wireless micro motion monitoring
US12036948B2 (en) * 2015-07-17 2024-07-16 Origin Research Wireless, Inc. Method, apparatus, and system for vehicle wireless monitoring
WO2018067867A1 (en) * 2016-10-07 2018-04-12 Cyber Physical Systems, Inc. System and method for driving condition detection and notification
KR101764205B1 (ko) * 2017-04-05 2017-08-02 (주)씨앤아이피 주차된 차량의 상태를 감시하는 시스템
CN108765762A (zh) * 2018-07-25 2018-11-06 智慧式控股有限公司 智慧式无人载客车辆、共享系统及商业模式
CN111079474A (zh) * 2018-10-19 2020-04-28 上海商汤智能科技有限公司 乘客状态分析方法和装置、车辆、电子设备、存储介质
US11043044B2 (en) * 2018-12-04 2021-06-22 Blackberry Limited Systems and methods for vehicle condition inspection for shared vehicles
CN111907437A (zh) * 2019-05-07 2020-11-10 上海博泰悦臻网络技术服务有限公司 车辆、车机设备及其车辆停放状态门窗控制方法
CN110341639A (zh) * 2019-06-18 2019-10-18 平安科技（深圳）有限公司 一种汽车安全预警的方法、装置、设备及存储介质
EP3872520A3 (en) * 2020-02-25 2021-11-03 Origin Wireless, Inc. Device and method for vehicle related wireless monitoring based on multipath channel information
CN113844330A (zh) * 2020-06-28 2021-12-28 昆山宝创新能源科技有限公司 车辆用电池热失控智能控制系统及方法和车辆
CN112433519A (zh) * 2020-11-09 2021-03-02 温州大学大数据与信息技术研究院 一种无人驾驶检测系统及车辆行驶检测方法
CN114801993B (zh) * 2022-06-28 2022-09-06 鹰驾科技（深圳）有限公司 一种汽车盲区监控系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105825697A (zh) * 2016-05-23 2016-08-03 王小安 一种行车设备

Also Published As

Publication number Publication date
CN114973155A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN114973155B (zh) 一种基于ai图像识别行为智能监测分析管理系统
CN105469035A (zh) 基于双目视频分析的驾驶员不良驾驶行为检测系统
CN118072255B (zh) 一种智慧园区多源数据动态监控和实时分析系统及方法
CN112504673B (zh) 基于机器学习的托辊故障诊断方法、系统及存储介质
CN113085450A (zh) 一种轮胎慢漏气检测方法、装置、车辆及计算机存储介质
CN115527340A (zh) 一种基于无人机与监控摄像的智慧工地安全监测系统及方法
Zinemanas et al. MAVD: a dataset for sound event detection in urban environments
CN113670434B (zh) 变电站设备声音异常识别方法、装置和计算机设备
TW202101344A (zh) 用於計算車輛的駕駛人的責任的系統和方法
CN114926825A (zh) 一种基于时空特征融合的车辆驾驶行为检测方法
CN104156691A (zh) 一种基于图像处理的检测行人翻越闸机的监控方法
CN114093143A (zh) 一种车辆驾驶风险感知预警方法及装置
CN116717437A (zh) 一种风电机组故障监测方法及系统
CN112380977A (zh) 吸烟行为检测方法和装置
CN117217730A (zh) 电力设备故障识别方法、装置、设备、介质和产品
Kim et al. An empirical study on real-time data analytics for connected cars: Sensor-based applications for smart cars
CN116911610A (zh) 运输车辆驾驶安全风险监控及评估预警的方法和系统
CN115756922A (zh) 一种故障预测诊断方法、装置、电子设备及存储介质
CN114722964B (zh) 基于电网频率空间和时序特征融合的数字音频篡改被动检测方法及装置
CN112633163B (zh) 一种基于机器学习算法实现非法运营车辆检测的检测方法
CN111339142A (zh) 数据监控响应方法、计算机可读存储介质及数据驱动平台
CN111277795A (zh) 一种基于人工智能的停车场监控方法和系统
Mun et al. Ensemble learning for fault condition prediction and health status monitoring in military ground vehicles
CN118197027B (zh) 一种基于管道预警的无人机调度查验方法以及相关装置
CN115013152B (zh) Doc入口高温报警方法、装置、设备及可读存储介质

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