CN114979567B - 一种应用于视频智能监控的物体与区域交互方法及系统 - Google Patents

一种应用于视频智能监控的物体与区域交互方法及系统 Download PDF

Info

Publication number
CN114979567B
CN114979567B CN202210472329.2A CN202210472329A CN114979567B CN 114979567 B CN114979567 B CN 114979567B CN 202210472329 A CN202210472329 A CN 202210472329A CN 114979567 B CN114979567 B CN 114979567B
Authority
CN
China
Prior art keywords
target
monitoring
area
interest
region
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
CN202210472329.2A
Other languages
English (en)
Other versions
CN114979567A (zh
Inventor
朱新潮
曾国卿
许志强
孙昌勋
刘佳宁
李威
杨坤
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.)
Beijing Ronglian Yitong Information Technology Co ltd
Original Assignee
Beijing Ronglian Yitong Information Technology 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 Beijing Ronglian Yitong Information Technology Co ltd filed Critical Beijing Ronglian Yitong Information Technology Co ltd
Priority to CN202210472329.2A priority Critical patent/CN114979567B/zh
Publication of CN114979567A publication Critical patent/CN114979567A/zh
Application granted granted Critical
Publication of CN114979567B publication Critical patent/CN114979567B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
    • H04N25/40—Extracting pixel data from image sensors by controlling scanning circuits, e.g. by modifying the number of pixels sampled or to be sampled
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/268—Signal distribution or switching
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明提供了一种应用于视频智能监控的物体与区域交互方法及系统，其方法包括：基于预设摄像头获取目标监控图像，并确定管理终端对所述目标监控图像的监控任务；基于所述监控任务在所述目标监控图像中设置目标感兴趣区域，并对所述目标感兴趣区域进行标记；对所述目标监控图像中的检测目标设置目标框，并基于所述目标框与标记后的目标感兴趣区域的重叠区域，确定检测目标是否与目标感兴趣区域进行了交互。通过对监控图像设置感兴趣区域，并根据不同的监控任务采取不同的交互判断方法，提高了对监控场地视频监控的目的性和针对性，同时可以减少图像分析的计算量，改善了监控效率以及监控准确率。

Description

一种应用于视频智能监控的物体与区域交互方法及系统
技术领域
本发明涉及安防监控技术领域，特别涉及一种应用于视频智能监控的物体与区域交互方法及系统。
背景技术
目前，视频监控系统作为一种社会安全保障体系已在日常生活中被广泛应用，银行、商场、超市、宾馆、街角、路口、收费站等公共场所随处可见摄像头等视频采集设备。这类系统的安装极大地增加了社会安全性，对不法分子的行为起到了实时监控和记录的作用；
但是，目前市场上的监控技术大多数运算复杂，且存在误报的情况，极大的降低了监控效率；
因此，本发明提供了一种应用于视频智能监控的物体与区域交互方法及系统，用以通过对监控图像设置感兴趣区域，并根据不同的监控任务采取不同的交互判断方法，提高了对监控场地视频监控的目的性和针对性，同时可以减少图像分析的计算量，改善了监控效率以及监控准确率。
发明内容
本发明提供一种应用于视频智能监控的物体与区域交互方法及系统，用以通过对监控图像设置感兴趣区域，并根据不同的监控任务采取不同的交互判断方法，提高了对监控场地视频监控的目的性和针对性，同时可以减少图像分析的计算量，改善了监控效率以及监控准确率。
本发明提供了一种应用于视频智能监控的物体与区域交互方法，包括：
步骤1：基于预设摄像头获取目标监控图像，并确定管理终端对所述目标监控图像的监控任务；
步骤2：基于所述监控任务在所述目标监控图像中设置目标感兴趣区域，并对所述目标感兴趣区域进行标记；
步骤3：对所述目标监控图像中的检测目标设置目标框，并基于所述目标框与标记后的目标感兴趣区域的重叠区域，确定检测目标是否与目标感兴趣区域进行了交互。
优选的，一种应用于视频智能监控的物体与区域交互方法，步骤1中，基于预设摄像头获取目标监控图像，包括：
基于管理终端向所述预设摄像头发送图像采集指令，并基于所述图像采集指令控制所述预设摄像头调整当前拍摄角度，其中，所述图像采集指令包括待监控区域的位置信息，其中，所述预设摄像头为可拍摄角度可调的摄像头；
基于所述当前拍摄角度获取待监控区域的环境信息，并基于所述环境信息判断所述待监控区域的光线亮度是否满足预设图像采集需求；
若不满足，基于所述图像采集指令联动控制预设光源进行补光操作，并基于补光结果对待监控区域进行图像采集，得到目标监控图像；
否则，直接对待监控区域进行图像采集，得到目标监控图像。
优选的，一种应用于视频智能监控的物体与区域交互方法，对待监控区域进行图像采集，包括：
获取所述待监控区域中的预设参考物，并确定所述待监控区域中检测目标与所述预设参考物的前后位置关系；
基于所述前后位置关系以及所述预设摄像头的当前拍摄角度确定所述待监控区域中检测目标与所述预设摄像头的距离信息；
基于所述距离信息对所述预设摄像头的焦距进行调整，并基于调整结果对待监控区域进行图像采集。
优选的，一种应用于视频智能监控的物体与区域交互方法，基于预设摄像头获取目标监控图像，包括：
获取预设摄像头采集到的初始监控图像，并基于预设噪声去除规则去除所述初始监控图像中的噪声数据，得到目标监控图像；
获取所述目标监控图像对应的监控区域的属性标签，并基于所述属性标签对所述目标监控图像进行标记。
优选的，一种应用于视频智能监控的物体与区域交互方法，确定管理终端对所述目标监控图像的监控任务，包括：
获取得到的目标监控图像，并提取所述目标监控图像中的目标监控区域的功能属性信息；
将所述功能属性信息与预设监控任务数据库进行匹配，并基于匹配结果确定所述目标监控图像的目标监控任务。
优选的，一种应用于视频智能监控的物体与区域交互方法，步骤2中，基于所述监控任务在所述目标监控图像中设置目标感兴趣区域，并对所述目标感兴趣区域进行标记，包括：
获取所述目标监控图像的监控任务，并基于所述监控任务确定对所述目标监控图像设置的目标感兴趣区域的目标类型，其中，所述目标类型包括平面目标感兴趣区域类型以及立体目标感兴趣区域类型，具体设置步骤如下：
当所述目标感兴趣区域的目标类型为平面目标感兴趣区域时：
获取历史监控图像，并基于所述历史监控图像确定所述历史监控图像中历史监控对象在所述历史监控图像中不同位置的出现频率；
基于所述出现频率确定所述历史监控图像中不同位置的权重值，并基于所述权重值确定所述目标监控图像的最优目标感兴趣区域位置信息，其中，所述历史监控图像与所述目标监控图像的图像尺寸信息相一致；
将所述目标监控图像放置于第一预设二维坐标系，得到所述目标监控图像在所述第一预设二维坐标系中各像素点的坐标信息，并基于所述最优目标感兴趣区域位置信息，得到最优目标感兴趣区域的目标像素点坐标值；
基于所述目标像素点坐标值确定所述最优目标感兴趣区域的边界范围，并基于预设标记方法根据所述最优目标感兴趣区域的边界范围对所述最优目标感兴趣区域进行标记；
当所述目标感兴趣区域的目标类型为立体目标感兴趣区域时：
获取所述目标监控图像对应的监控区域的地理位置信息，并基于所述地理位置确定所述监控区域中的实际目标感兴趣区域范围，其中，所述实际目标感兴趣区域范围内预设有参考物；
确定所述实际目标感兴趣区域范围内参考物在世界坐标系中的实际世界坐标值；
基于相机成像原理构建坐标转换模型，并基于所述坐标转换模型将所述参考物在世界坐标系中的实际世界坐标值转换为图像坐标系中的图像坐标值；
基于所述参考物在世界坐标系中的实际世界坐标值转换为图像坐标系中的图像坐标值确定世界坐标系与图像坐标系的转换关系，并基于所述转换关系依次将所述实际目标感兴趣区域范围对应的定点转换为图像坐标值，得到定点图像坐标值；
基于所述定点图像坐标值确定所述目标监控图像中的目标感兴趣区域边界信息，并基于预设标记方法根据所述目标感兴趣区域边界信息对目标监控图像中的目标感兴趣区域进行标记。
优选的，一种应用于视频智能监控的物体与区域交互方法，步骤3中，对所述目标监控图像中的检测目标设置目标框，并基于所述目标框与标记后的目标感兴趣区域的重叠区域，确定检测目标是否与目标感兴趣区域进行交互，包括：
获取得到的所述目标监控图像，确定所述目标监控图像中的检测目标；
基于预设图像处理算法，对所述目标监控图像进行处理，得到所述检测目标的边框临界点，并基于所述边框临界点确定所述检测目标的目标框，其中，所述边框临界点不唯一，且所述目标框为矩形框；
基于所述目标监控图像的监控任务确定所述检测目标与目标感兴趣区域的交互类型，其中，所述交互类型为平面交互或立体交互；
当所述交互类型为平面交互时：
将所述检测目标的目标框与所述目标感兴趣区域分别放置于第二预设二维坐标系中，确定所述目标框与目标感兴趣区域相交区域的顶点坐标值，同时确定所述目标框与目标感兴趣区域相并区域的顶点坐标值；
基于所述相交区域的顶点坐标值以及所述相并区域的顶点坐标值确定所述相交区域与所述相并区域的面积比；
将所述面积比与预设阈值进行比较；
若所述面积比大于或等于所述预设阈值，判定所述检测目标与所述目标感兴趣区域成功交互；
否则，未进行交互；
当所述交互类型为立体交互时：
基于预设长度的标记线在所述目标框的左上及右下进行标记，并基于标记结果确定所述目标框与所述目标感兴趣区域的目标相交情况；
若左上及右下的标记线均与所述目标感兴趣区域相交，判定所述检测目标与所述目标感兴趣区域成功交互；
否则，判定所述检测目标未与所述目标感兴趣区域交互。
优选的，一种应用于视频智能监控的物体与区域交互方法，判定所述检测目标与所述目标感兴趣区域成功交互，包括：
获取所述目标监控图像，并基于所述目标监控图像确定所述检测目标与所述目标感兴趣区域的交互程度值；
将所述交互程度值与设定阈值进行比较；
若所述交互程度值大于所述设定阈值，进行告警提醒。
优选的，一种应用于视频智能监控的物体与区域交互方法，判定所述检测目标与所述目标感兴趣区域成功交互，包括：
获取检测目标与所述目标感兴趣区域成功交互时的交互时间，同时获取所述目标监控图像对应的监控区域的属性信息；
基于所述监控区域的属性信息确定所述监控区域的位置名称；
基于所述交互时间以及监控区域的位置名称确定待记录项目，并基于所述待记录项目从预设报告模板库中匹配目标报告模板；
将所述交互时间以及监控区域的位置名称在所述目标报告模板中进行记录，并将所述记录结果传输至管理终端，完成对监控区域的交互监控上报。
优选的，一种应用于视频智能监控的物体与区域交互系统，包括：
图像采集模块，用于基于预设摄像头获取目标监控图像，并确定管理终端对所述目标监控图像的监控任务；
感兴趣区域设置模块，用于基于所述监控任务在所述目标监控图像中设置目标感兴趣区域，并对所述目标感兴趣区域进行标记；
交互监控模块，用于对所述目标监控图像中的检测目标设置目标框，并基于所述目标框与标记后的目标感兴趣区域的重叠区域，确定检测目标是否与目标感兴趣区域进行交互。
上述技术方案的有益效果是：通过对监控图像设置感兴趣区域，并根据不同的监控任务采取不同的交互判断方法，提高了对监控场地视频监控的目的性和针对性，同时可以减少图像分析的计算量，改善了监控效率以及监控准确率。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种应用于视频智能监控的物体与区域交互方法的流程图；
图2为本发明实施例中一种应用于视频智能监控的物体与区域交互方法中步骤1的流程图；
图3为本发明实施例中一种应用于视频智能监控的物体与区域交互系统的结构图；
图4为本发明实施例中目标框的示意图；
图5为本发明实施例中平面交互的示意图；
图6为本发明实施例中立体交互的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供了一种应用于视频智能监控的物体与区域交互方法，包括：
实施例1：
本实施例提供了一种应用于视频智能监控的物体与区域交互方法，如图1所示，包括：
步骤1：基于预设摄像头获取目标监控图像，并确定管理终端对所述目标监控图像的监控任务；
步骤2：基于所述监控任务在所述目标监控图像中设置目标感兴趣区域，并对所述目标感兴趣区域进行标记；
步骤3：对所述目标监控图像中的检测目标设置目标框，并基于所述目标框与标记后的目标感兴趣区域的重叠区域，确定检测目标是否与目标感兴趣区域进行了交互。
该实施例中，预设摄像头是提前设定好的，用于获取监控场地中的实时监控画面。
该实施例中，目标监控图像指的是在某一时间点获取到的监控场地内部的静态监控画面，用于分析检测目标是否进入目标感兴趣区域。
该实施例中，监控任务指的是通过监控画面要实现的监控任务，例如是人脸识别亦或是人员入侵行为检测等。
该实施例中，目标感兴趣区域指的是目标监控图像中的重点监控区域，例如获取到一个广场监控画面，需要监控以广场中心为圆点，以10米为半径的圆内部的人员是否存在违法行为，该圆则为目标监控图像中的目标感兴趣区域。
该实施例中，对所述目标感兴趣区域进行标记可以是通过定点以及将点与点之间通过线段的方式进行标记。
该实施例中，检测目标指的是目标监控图像中的监控主体或监控物体，可以是人也可以是物体。
该实施例中，目标框指的是在目标监控图像中采用矩形框的形式将检测目标进行框选，便于分析检测目标是否与目标感兴趣区域发生交互。
上述技术方案的有益效果是：通过对监控图像设置感兴趣区域，并根据不同的监控任务采取不同的交互判断方法，提高了对监控场地视频监控的目的性和针对性，同时可以减少图像分析的计算量，改善了监控效率以及监控准确率。
实施例2：
在上述实施例1的基础上，本实施例提供了一种应用于视频智能监控的物体与区域交互方法，如图2所示，步骤1中，基于预设摄像头获取目标监控图像，包括：
步骤101：基于管理终端向所述预设摄像头发送图像采集指令，并基于所述图像采集指令控制所述预设摄像头调整当前拍摄角度，其中，所述图像采集指令包括待监控区域的位置信息，其中，所述预设摄像头为可拍摄角度可调的摄像头；
步骤102：基于所述当前拍摄角度获取待监控区域的环境信息，并基于所述环境信息判断所述待监控区域的光线亮度是否满足预设图像采集需求；
步骤103：若不满足，基于所述图像采集指令联动控制预设光源进行补光操作，并基于补光结果对待监控区域进行图像采集，得到目标监控图像；
步骤104：否则，直接对对待监控区域进行图像采集，得到目标监控图像。
该实施例中，管理终端可以是监控室内的计算机等。
该实施例中，调整当前拍摄角度指的是将摄像头的镜头正向面对待监控区域，确保能够将待监控区域进行全面覆盖监控。
该实施例中，环境信息包括待监控区域的光线情况、是否有遮挡物等。
该实施例中，预设图像采集需求是提前设定好的，例如可以是光线需要达到某一具体取值以上、无实物遮挡等。
上述技术方案的有益效果是：通过调整预设摄像头的拍摄角度，并在待监控区域的光线情况不满足图像采集需求时进行补光操作，提高了图像采集的有效性，也为准确分析检测目标与目标感兴趣区域是否发生交互提供了便利。
实施例3：
在上述实施例2的基础上，本实施例提供了一种应用于视频智能监控的物体与区域交互方法，对待监控区域进行图像采集，包括：
获取所述待监控区域中的预设参考物，并确定所述待监控区域中检测目标与所述预设参考物的前后位置关系；
基于所述前后位置关系以及所述预设摄像头的当前拍摄角度确定所述待监控区域中检测目标与所述预设摄像头的距离信息；
基于所述距离信息对所述预设摄像头的焦距进行调整，并基于调整结果对待监控区域进行图像采集。
该实施例中，预设参考物是提前在待监控区域中设置好的，例如可以是花盆等。
上述技术方案的有益效果是：通过确定待监控区域中，检测目标与摄像头的距离信息，实现对摄像头的焦距进行准确调整，提高了对待监控区域图像采集的清晰度，同时也为准确分析检测目标与待监控区域是否发生交互提供了便利。
实施例4：
在上述实施例1的基础上，本实施例提供了一种应用于视频智能监控的物体与区域交互方法，基于预设摄像头获取目标监控图像，包括：
获取预设摄像头采集到的初始监控图像，并基于预设噪声去除规则去除所述初始监控图像中的噪声数据，得到目标监控图像；
获取所述目标监控图像对应的监控区域的属性标签，并基于所述属性标签对所述目标监控图像进行标记。
该实施例中，初始监控图像指的是预设摄像头对监控区域进行直接图像采集得到的监控图像，该图像中可能包含噪声数据等。
该实施例中，预设噪声去除规则是提前设定好的。
该实施例中，属性标签指的是监控区域的位置以及监控区域的面积大小等。
上述技术方案的有益效果是：通过对采集到的监控图像进行去噪处理，确保得到的监控图像准确可靠，为准确判定是否发生交互提供了便利。
实施例5：
在上述实施例1的基础上，本实施例提供了一种应用于视频智能监控的物体与区域交互方法，确定管理终端对所述目标监控图像的监控任务，包括：
获取得到的目标监控图像，并提取所述目标监控图像中的目标监控区域的功能属性信息；
将所述功能属性信息与预设监控任务数据库进行匹配，并基于匹配结果确定所述目标监控图像的目标监控任务。
该实施例中，功能属性信息指的是军事用地、危险区域、闲人免进区域、打卡签到、车牌识别等任一种或多种，包括表示该监控区域的主要功能是什么，例如是禁区还是闲人免进区亦或是陌生人勿入等。
该实施例中，预设监控任务数据库是提前设定好的，内部存储有多种监控任务，例如当监控区域的功能属性信息为禁区时，监控任务即为检测是否有人闯入。
该实施例中，目标监控任务指的是目标监控图像中监控区域对应的监控目标，即要实现的监控内容。
上述技术方案的有益效果是：通过目标监控图像确定目标监控区域对应的监控任务，实现对目标监控区域进行有针对性的检测，提高了对目标监控区域的监控效率，提升了目标监控区域的安全系数。
实施例6：
在上述实施例1的基础上，本实施例提供了一种应用于视频智能监控的物体与区域交互方法，步骤2中，基于所述监控任务在所述目标监控图像中设置目标感兴趣区域，并对所述目标感兴趣区域进行标记，包括：
获取所述目标监控图像的监控任务，并基于所述监控任务确定对所述目标监控图像设置的目标感兴趣区域的目标类型，其中，所述目标类型包括平面目标感兴趣区域类型以及立体目标感兴趣区域类型，具体设置步骤如下：
当所述目标感兴趣区域的目标类型为平面目标感兴趣区域时：
获取历史监控图像，并基于所述历史监控图像确定所述历史监控图像中历史监控对象在所述历史监控图像中不同位置的出现频率；
基于所述出现频率确定所述历史监控图像中不同位置的权重值，并基于所述权重值确定所述目标监控图像的最优目标感兴趣区域位置信息，其中，所述历史监控图像与所述目标监控图像的图像尺寸信息相一致；
将所述目标监控图像放置于第一预设二维坐标系，得到所述目标监控图像在所述第一预设二维坐标系中各像素点的坐标信息，并基于所述最优目标感兴趣区域位置信息，得到最优目标感兴趣区域的目标像素点坐标值；
基于所述目标像素点坐标值确定所述最优目标感兴趣区域的边界范围，并基于预设标记方法根据所述最优目标感兴趣区域的边界范围对所述最优目标感兴趣区域进行标记；
当所述目标感兴趣区域的目标类型为立体目标感兴趣区域时：
获取所述目标监控图像对应的监控区域的地理位置信息，并基于所述地理位置确定所述监控区域中的实际目标感兴趣区域范围，其中，所述实际目标感兴趣区域范围内预设有参考物；
确定所述实际目标感兴趣区域范围内参考物在世界坐标系中的实际世界坐标值；
基于相机成像原理构建坐标转换模型，并基于所述坐标转换模型将所述参考物在世界坐标系中的实际世界坐标值转换为图像坐标系中的图像坐标值；
基于所述参考物在世界坐标系中的实际世界坐标值转换为图像坐标系中的图像坐标值确定世界坐标系与图像坐标系的转换关系，并基于所述转换关系依次将所述实际目标感兴趣区域范围对应的定点转换为图像坐标值，得到定点图像坐标值；
基于所述定点图像坐标值确定所述目标监控图像中的目标感兴趣区域边界信息，并基于预设标记方法根据所述目标感兴趣区域边界信息对目标监控图像中的目标感兴趣区域进行标记。
该实施例中，平面目标感兴趣区域类型指的是2D ROI。
该实施例中，立体目标感兴趣区域类型指的是3D ROI。
该实施例中，历史监控图像指的是对监控区域进行多次监控获取到的监控图像，目的是为了分析监控图像中监控对象在监控图像中普遍出现的图像区域。
该实施例中，历史监控对象指的是监控图像中出现的监控目标，可以是人也可以是物。
该实施例中，权重值指的是监控图像中不同区域在监控图像中的重要程度，权重值越大，表明该区域越重要，即越有可能被设置为目标感兴趣区域。
该实施例中，最优目标感兴趣区域位置信息指的是监控图像中监控对象最容易出现的区域，位置信息指的是该区域在监控图像中的位置情况。
该实施例中，第一预设二维坐标系是提前设定好的，用于确定目标感兴趣区域的坐标信息。
该实施例中，目标像素点坐标值指的是位于目标感兴趣区域范围内的像素点的坐标值。
该实施例中，预设标记方法是提前设定好的，可以是以点和线的组合方式进行标记。
该实施例中，世界坐标系指的是物体在现实生活中的实际地理坐标。
该实施例中，实际目标感兴趣区域范围指的是监控区域中，现场情况下设定的感兴趣区域。
该实施例中，定点指的是目标感兴趣区域边界中的拐弯点。
该实施例中，基于所述转换关系依次将所述实际目标感兴趣区域范围对应的定点转换为图像坐标值，得到定点图像坐标值，包括：
获取实际目标感兴趣区域范围对应的定点的世界坐标值以及图像坐标值，并基于所述世界坐标值以及图像坐标值计算由世界坐标值转换为图像坐标值的准确率，具体步骤包括：
根据如下公式计算由世界坐标值转换为图像坐标值的准确率：
Figure BDA0003623290350000141
其中，η表示由世界坐标值转换为图像坐标值的准确率，且取值范围为(0，1)；μ表示误差因子，且取值范围为(0.25，0.1)；α表示横坐标转换比例；β表示纵坐标转换比例；X表示所述实际目标感兴趣区域范围对应的定点的世界横坐标值；Y表示所述实际目标感兴趣区域范围对应的定点的世界纵坐标值；D表示实际目标感兴趣区域范围对应的定点在目标监控图像中的图像横坐标值；W表示实际目标感兴趣区域范围对应的定点在目标监控图像中的图像纵坐标值；
将所述准确率与预设准确率进行比较；
若所述准确率大于或等于所述预设准确率，判定所述实际目标感兴趣区域范围对应的定点的世界坐标值转换合格；
否则，判定所述实际目标感兴趣区域范围对应的定点的世界坐标值转换不合格，并重新对所述定点的世界坐标值进行转换，直至准确率大于或等于所述预设准确率。
上述预设准确率是提前设定好的，用于衡量坐标转换的准确程度是否达到预期要求。
上述α*X，β*Y指的是世界坐标值在理论成像转换比例下应该得到的图像坐标值。
上述技术方案的有益效果是：通过确定设置的目标感兴趣区域的目标类型实现对不同类型的目标感兴趣区域进行设定，便于根据不同情况准确分析监控区域在图像中的目标感兴趣区域的情况，为准确分析物体与目标感兴趣区域是否发生交互提供了保障，同时也提高了对交互分析的准确率。
实施例7：
在上述实施例1的基础上，本实施例提供了一种应用于视频智能监控的物体与区域交互方法，步骤3中，对所述目标监控图像中的检测目标设置目标框，并基于所述目标框与标记后的目标感兴趣区域的重叠区域，确定检测目标是否与目标感兴趣区域进行交互，包括：
获取得到的所述目标监控图像，确定所述目标监控图像中的检测目标；
基于预设图像处理算法对所述目标监控图像进行处理，得到所述检测目标的边框临界点，并基于所述边框临界点确定所述检测目标的目标框，其中，所述边框临界点不唯一，且所述目标框为矩形框；
基于所述目标监控图像的监控任务确定所述检测目标与目标感兴趣区域的交互类型，其中，所述交互类型为平面交互或立体交互；
当所述交互类型为平面交互时：
将所述检测目标的目标框与所述目标感兴趣区域分别放置于第二预设二维坐标系中，确定所述目标框与目标感兴趣区域相交区域的顶点坐标值，同时确定所述目标框与目标感兴趣区域相并区域的顶点坐标值；
基于所述相交区域的顶点坐标值以及所述相并区域的顶点坐标值确定所述相交区域与所述相并区域的面积比；
将所述面积比与预设阈值进行比较；
若所述面积比大于或等于所述预设阈值，判定所述检测目标与所述目标感兴趣区域成功交互；
否则，未进行交互；
当所述交互类型为立体交互时：
基于预设长度的标记线在所述目标框的左上及右下进行标记，并基于标记结果确定所述目标框与所述目标感兴趣区域的目标相交情况；
若左上及右下的标记线均与所述目标感兴趣区域相交，判定所述检测目标与所述目标感兴趣区域成功交互；
否则，判定所述检测目标未与所述目标感兴趣区域交互。
该实施例中，检测目标包括：人、车、物等具有一定语义信息的物体。
该实施例中，预设图像处理算法是提前设定好的，例如可以是模板匹配、深度学习目标检测模型等。
该实施例中，边框临界点指的是检测对象的最大动作范围对应的边界点。
该实施例中，目标框指的是将检测目标框住的一种矩形，便于分析检测对象与目标感兴趣区域的交互程度，如图4所示。
该实施例中，平面交互如图5所示，平面交互多用于人脸识别等算法；立体交互如图6所示，立体交互多用于入侵检测类算法。
该实施例中，立体交互采用在所述目标框的左上及右下进行标记，目的是为了防止直接采用底边或者顶边监控时，出现只有一截标记进入监控区域就进行告警，但此时检测目标并未闯入目标感兴趣区域，因此采用两截线段进行标记，只有两截线段都和目标感兴趣区域交互才算立体交互的最终交互，避免了误报情况的发生。
该实施例中，第二预设二维坐标系是提前设定好的，用于确定目标框与目标感兴趣区域的交点的坐标值。
该实施例中，面积比指的是目标框与目标感兴趣区域相交面积和相并面积重叠程度。
该实施例中，预设阈值是提前设定好的，用于衡量交互的程度是否达到成功交互的情况。
该实施例中，基于所述相交区域的顶点坐标值以及所述相并区域的顶点坐标值确定所述相交区域与所述相并区域的面积比，包括：
根据如下公式计算所述面积比：
Figure BDA0003623290350000161
S＝|K2-K1|*|P2-P1|；
其中，S表示所述目标框与所述目标感兴趣区域的相交面积值；η表示所述目标框与所述目标感兴趣区域相交区域及相并区域的面积比；K2表示目标框与目标感兴趣区域相交区域的左上顶点的横坐标值；K1表示目标框与目标感兴趣区域相交区域的右下顶点的横坐标值；P2表示目标框与目标感兴趣区域相交区域的左上顶点的纵坐标值；P1表示目标框与目标感兴趣区域相交区域的右下顶点的纵坐标值；x2表示所述目标框的右下顶点的横坐标值；x1表示所述目标框的左上顶点的横坐标值；y2表示所述目标框的右下顶点的纵坐标值；y1表示所述目标框的左上顶点的纵坐标值；L2表示所述目标感兴趣区域的右下顶点的横坐标值；L1表示所述目标感兴趣区域的左上顶点的横坐标值；H2表示所述目标感兴趣区域的右下顶点的纵坐标值；H1表示所述目标感兴趣区域的左上顶点的纵坐标值；
将计算得到的面积比与预设面积比进行比较；
若所述面积比小于所述预设面积比，判定检测目标与目标感兴趣区域未发生交互；
否则，判定检测目标与目标感兴趣区域发生交互，并进行告警操作。
上述相交指的是目标框与目标感兴趣区域存在重叠区域。
上述预设面积比是提前设定好的，可以根据实际监控需要进行修改。
上述技术方案的有益效果是：通过将检测目标用目标框进行圈定，便于对检测目标与感兴趣区域是否交互进行准确分析，同时将交互情况分为两种情况，实现对不同的交互情况进行准确把握，提高了监控的准确率。
实施例8：
在上述实施例7的基础上，本实施例提供了一种应用于视频智能监控的物体与区域交互方法，判定所述检测目标与所述目标感兴趣区域成功交互，包括：
获取所述目标监控图像，并基于所述目标监控图像确定所述检测目标与所述目标感兴趣区域的交互程度值；
将所述交互程度值与设定阈值进行比较；
若所述交互程度值大于所述设定阈值，进行告警提醒。
该实施例中，交互程度值指的是检测目标的目标框与目标感兴趣区域的重叠情况，重叠越多表明交互程度值越重。
该实施例中，设定阈值是根据现场情况提前设定好的，用于衡量检测目标与目标感兴趣区域的交互情况。
上述技术方案的有益效果是：通过将交互程度量化，便于在一定交互程度进行告警，从而便于管理者及时查看报警情况，做出相应的监控措施，提高了交互监控的实用性。
实施例9：
在上述实施例7的基础上，本实施例提供了一种应用于视频智能监控的物体与区域交互方法，判定所述检测目标与所述目标感兴趣区域成功交互，包括：
获取检测目标与所述目标感兴趣区域成功交互时的交互时间，同时获取所述目标监控图像对应的监控区域的属性信息；
基于所述监控区域的属性信息确定所述监控区域的位置名称；
基于所述交互时间以及监控区域的位置名称确定待记录项目，并基于所述待记录项目从预设报告模板库中匹配目标报告模板；
将所述交互时间以及监控区域的位置名称在所述目标报告模板中进行记录，并将所述记录结果传输至管理终端，完成对监控区域的交互监控上报。
该实施例中，监控区域的属性信息指的是监控区域所处的位置情况，例如某小区的花园等。
该实施例中，待记录项目指的是将要记录的项目名称以及项目个数等。
该实施例中，预设报告模板库是提前设定好的，内部存储有多种报告模板，用于记录交互信息。
该实施例中，目标报告模板指的是适用于记录当前交互信息的报告模板。
上述技术方案的有益效果是：通过匹配对应报告模板将不同时间及地点的交互情况进行记录，便于管理终端实时了解不同时间不同地点的交互情况，也有利于保留监控证据，提高了监控效率以及监控效果。
实施例10：
本实施例提供了一种应用于视频智能监控的物体与区域交互系统，如图3所示，包括：
图像采集模块，用于基于预设摄像头获取目标监控图像，并确定管理终端对所述目标监控图像的监控任务；
感兴趣区域设置模块，用于基于所述监控任务在所述目标监控图像中设置目标感兴趣区域，并对所述目标感兴趣区域进行标记；
交互监控模块，用于对所述目标监控图像中的检测目标设置目标框，并基于所述目标框与标记后的目标感兴趣区域的重叠区域，确定检测目标是否与目标感兴趣区域进行交互。
上述技术方案的有益效果是：通过对监控图像设置感兴趣区域，并根据不同的监控任务采取不同的交互判断方法，提高了对监控场地视频监控的目的性和针对性，同时可以减少图像分析的计算量，改善了监控效率以及监控准确率。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种应用于视频智能监控的物体与区域交互方法，其特征在于，包括：
步骤1：基于预设摄像头获取目标监控图像，并确定管理终端对所述目标监控图像的监控任务；
步骤2：基于所述监控任务在所述目标监控图像中设置目标感兴趣区域，并对所述目标感兴趣区域进行标记；
步骤3：对所述目标监控图像中的检测目标设置目标框，并基于所述目标框与标记后的目标感兴趣区域的重叠区域，确定检测目标是否与目标感兴趣区域进行了交互；
获取得到的所述目标监控图像，确定所述目标监控图像中的检测目标；
基于预设图像处理算法对所述目标监控图像进行处理，得到所述检测目标的边框临界点，并基于所述边框临界点确定所述检测目标的目标框，其中，所述边框临界点不唯一，且所述目标框为矩形框；
基于所述目标监控图像的监控任务确定所述检测目标与目标感兴趣区域的交互类型，其中，所述交互类型为平面交互或立体交互；
当所述交互类型为平面交互时：
将所述检测目标的目标框与所述目标感兴趣区域分别放置于第二预设二维坐标系中，确定所述目标框与目标感兴趣区域相交区域的顶点坐标值，同时确定所述目标框与目标感兴趣区域相并区域的顶点坐标值；
基于所述相交区域的顶点坐标值以及所述相并区域的顶点坐标值确定所述相交区域与所述相并区域的面积比；
将所述面积比与预设阈值进行比较；
若所述面积比大于或等于所述预设阈值，判定所述检测目标与所述目标感兴趣区域成功交互；
否则，未进行交互；
当所述交互类型为立体交互时：
基于预设长度的标记线在所述目标框的左上及右下进行标记，并基于标记结果确定所述目标框与所述目标感兴趣区域的目标相交情况；
若左上及右下的标记线均与所述目标感兴趣区域相交，判定所述检测目标与所述目标感兴趣区域成功交互；
否则，判定所述检测目标未与所述目标感兴趣区域交互。
2.根据权利要求1所述的一种应用于视频智能监控的物体与区域交互方法，其特征在于，步骤1中，基于预设摄像头获取目标监控图像，包括：
基于管理终端向所述预设摄像头发送图像采集指令，并基于所述图像采集指令控制所述预设摄像头调整当前拍摄角度，其中，所述图像采集指令包括待监控区域的位置信息，其中，所述预设摄像头为可拍摄角度可调的摄像头；
基于所述当前拍摄角度获取待监控区域的环境信息，并基于所述环境信息判断所述待监控区域的光线亮度是否满足预设图像采集需求；
若不满足，基于所述图像采集指令联动控制预设光源进行补光操作，并基于补光结果对待监控区域进行图像采集，得到目标监控图像；
否则，直接对待监控区域进行图像采集，得到目标监控图像。
3.根据权利要求2所述的一种应用于视频智能监控的物体与区域交互方法，其特征在于，对待监控区域进行图像采集，包括：
获取所述待监控区域中的预设参考物，并确定所述待监控区域中检测目标与所述预设参考物的前后位置关系；
基于所述前后位置关系以及所述预设摄像头的当前拍摄角度确定所述待监控区域中检测目标与所述预设摄像头的距离信息；
基于所述距离信息对所述预设摄像头的焦距进行调整，并基于调整结果对待监控区域进行图像采集。
4.根据权利要求1所述的一种应用于视频智能监控的物体与区域交互方法，其特征在于，基于预设摄像头获取目标监控图像，包括：
获取预设摄像头采集到的初始监控图像，并基于预设噪声去除规则去除所述初始监控图像中的噪声数据，得到目标监控图像；
获取所述目标监控图像对应的监控区域的属性标签，并基于所述属性标签对所述目标监控图像进行标记。
5.根据权利要求1所述的一种应用于视频智能监控的物体与区域交互方法，其特征在于，确定管理终端对所述目标监控图像的监控任务，包括：
获取得到的目标监控图像，并提取所述目标监控图像中的目标监控区域的功能属性信息；
将所述功能属性信息与预设监控任务数据库进行匹配，并基于匹配结果确定所述目标监控图像的目标监控任务。
6.根据权利要求1所述的一种应用于视频智能监控的物体与区域交互方法，其特征在于，步骤2中，基于所述监控任务在所述目标监控图像中设置目标感兴趣区域，并对所述目标感兴趣区域进行标记，包括：
获取所述目标监控图像的监控任务，并基于所述监控任务确定对所述目标监控图像设置的目标感兴趣区域的目标类型，其中，所述目标类型包括平面目标感兴趣区域类型以及立体目标感兴趣区域类型，具体设置步骤如下：
当所述目标感兴趣区域的目标类型为平面目标感兴趣区域时：
获取历史监控图像，并基于所述历史监控图像确定所述历史监控图像中历史监控对象在所述历史监控图像中不同位置的出现频率；
基于所述出现频率确定所述历史监控图像中不同位置的权重值，并基于所述权重值确定所述目标监控图像的最优目标感兴趣区域位置信息，其中，所述历史监控图像与所述目标监控图像的图像尺寸信息相一致；
将所述目标监控图像放置于第一预设二维坐标系，得到所述目标监控图像在所述第一预设二维坐标系中各像素点的坐标信息，并基于所述最优目标感兴趣区域位置信息，得到最优目标感兴趣区域的目标像素点坐标值；
基于所述目标像素点坐标值确定所述最优目标感兴趣区域的边界范围，并基于预设标记方法根据所述最优目标感兴趣区域的边界范围对所述最优目标感兴趣区域进行标记；
当所述目标感兴趣区域的目标类型为立体目标感兴趣区域时：
获取所述目标监控图像对应的监控区域的地理位置信息，并基于所述地理位置确定所述监控区域中的实际目标感兴趣区域范围，其中，所述实际目标感兴趣区域范围内预设有参考物；
确定所述实际目标感兴趣区域范围内参考物在世界坐标系中的实际世界坐标值；
基于相机成像原理构建坐标转换模型，并基于所述坐标转换模型将所述参考物在世界坐标系中的实际世界坐标值转换为图像坐标系中的图像坐标值；
基于所述参考物在世界坐标系中的实际世界坐标值转换为图像坐标系中的图像坐标值确定世界坐标系与图像坐标系的转换关系，并基于所述转换关系依次将所述实际目标感兴趣区域范围对应的定点转换为图像坐标值，得到定点图像坐标值；
基于所述定点图像坐标值确定所述目标监控图像中的目标感兴趣区域边界信息，并基于预设标记方法根据所述目标感兴趣区域边界信息对目标监控图像中的目标感兴趣区域进行标记。
7.根据权利要求1所述的一种应用于视频智能监控的物体与区域交互方法，其特征在于，判定所述检测目标与所述目标感兴趣区域成功交互，包括：
获取所述目标监控图像，并基于所述目标监控图像确定所述检测目标与所述目标感兴趣区域的交互程度值；
将所述交互程度值与设定阈值进行比较；
若所述交互程度值大于所述设定阈值，进行告警提醒。
8.根据权利要求1所述的一种应用于视频智能监控的物体与区域交互方法，其特征在于，判定所述检测目标与所述目标感兴趣区域成功交互，包括：
获取检测目标与所述目标感兴趣区域成功交互时的交互时间，同时获取所述目标监控图像对应的监控区域的属性信息；
基于所述监控区域的属性信息确定所述监控区域的位置名称；
基于所述交互时间以及监控区域的位置名称确定待记录项目，并基于所述待记录项目从预设报告模板库中匹配目标报告模板；
将所述交互时间以及监控区域的位置名称在所述目标报告模板中进行记录，并将所述记录结果传输至管理终端，完成对监控区域的交互监控上报。
9.一种应用于视频智能监控的物体与区域交互系统，其特征在于，包括：
图像采集模块，用于基于预设摄像头获取目标监控图像，并确定管理终端对所述目标监控图像的监控任务；
感兴趣区域设置模块，用于基于所述监控任务在所述目标监控图像中设置目标感兴趣区域，并对所述目标感兴趣区域进行标记；
交互监控模块，用于对所述目标监控图像中的检测目标设置目标框，并基于所述目标框与标记后的目标感兴趣区域的重叠区域，确定检测目标是否与目标感兴趣区域进行交互；
获取得到的所述目标监控图像，确定所述目标监控图像中的检测目标；
基于预设图像处理算法对所述目标监控图像进行处理，得到所述检测目标的边框临界点，并基于所述边框临界点确定所述检测目标的目标框，其中，所述边框临界点不唯一，且所述目标框为矩形框；
基于所述目标监控图像的监控任务确定所述检测目标与目标感兴趣区域的交互类型，其中，所述交互类型为平面交互或立体交互；
当所述交互类型为平面交互时：
将所述检测目标的目标框与所述目标感兴趣区域分别放置于第二预设二维坐标系中，确定所述目标框与目标感兴趣区域相交区域的顶点坐标值，同时确定所述目标框与目标感兴趣区域相并区域的顶点坐标值；
基于所述相交区域的顶点坐标值以及所述相并区域的顶点坐标值确定所述相交区域与所述相并区域的面积比；
将所述面积比与预设阈值进行比较；
若所述面积比大于或等于所述预设阈值，判定所述检测目标与所述目标感兴趣区域成功交互；
否则，未进行交互；
当所述交互类型为立体交互时：
基于预设长度的标记线在所述目标框的左上及右下进行标记，并基于标记结果确定所述目标框与所述目标感兴趣区域的目标相交情况；
若左上及右下的标记线均与所述目标感兴趣区域相交，判定所述检测目标与所述目标感兴趣区域成功交互；
否则，判定所述检测目标未与所述目标感兴趣区域交互。
CN202210472329.2A 2022-04-29 2022-04-29 一种应用于视频智能监控的物体与区域交互方法及系统 Active CN114979567B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210472329.2A CN114979567B (zh) 2022-04-29 2022-04-29 一种应用于视频智能监控的物体与区域交互方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210472329.2A CN114979567B (zh) 2022-04-29 2022-04-29 一种应用于视频智能监控的物体与区域交互方法及系统

Publications (2)

Publication Number Publication Date
CN114979567A CN114979567A (zh) 2022-08-30
CN114979567B true CN114979567B (zh) 2023-03-24

Family

ID=82979815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210472329.2A Active CN114979567B (zh) 2022-04-29 2022-04-29 一种应用于视频智能监控的物体与区域交互方法及系统

Country Status (1)

Country Link
CN (1) CN114979567B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2723900C1 (ru) * 2020-02-04 2020-06-18 Общество с ограниченной ответственностью "Скайтрэк" (ООО "Скайтрэк") Способ и система анализа статичных объектов в видеопотоке
WO2020173036A1 (zh) * 2019-02-26 2020-09-03 博众精工科技股份有限公司 基于深度学习的定位方法和系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101530255B1 (ko) * 2014-09-04 2015-06-24 주식회사 다이나맥스 객체 자동 추적 장치가 구비된 cctv 시스템
US20160206291A1 (en) * 2015-01-16 2016-07-21 General Electric Company Live ultrasound image and historical ultrasound image frame overlapping
TWI666933B (zh) * 2018-04-02 2019-07-21 緯創資通股份有限公司 物件監控方法及其運算裝置
CN109257569B (zh) * 2018-10-24 2020-06-05 广东佳鸿达科技股份有限公司 安防视频监控分析方法
CN109684920B (zh) * 2018-11-19 2020-12-11 腾讯科技（深圳）有限公司 物体关键点的定位方法、图像处理方法、装置及存储介质
CN114219828A (zh) * 2021-11-03 2022-03-22 浙江大华技术股份有限公司 一种基于视频的目标关联方法、装置和可读存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020173036A1 (zh) * 2019-02-26 2020-09-03 博众精工科技股份有限公司 基于深度学习的定位方法和系统
RU2723900C1 (ru) * 2020-02-04 2020-06-18 Общество с ограниченной ответственностью "Скайтрэк" (ООО "Скайтрэк") Способ и система анализа статичных объектов в видеопотоке

Also Published As

Publication number Publication date
CN114979567A (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
EP3343443B1 (en) Object detection for video camera self-calibration
RU2484531C2 (ru) Устройство обработки видеоинформации системы охранной сигнализации
CN105160313A (zh) 视频监控中人群行为分析的方法及装置
CN103986910A (zh) 一种基于智能分析摄像机的客流统计方法和系统
WO2004042673A2 (en) Automatic, real time and complete identification of vehicles
CN111681382A (zh) 一种基于视觉分析检测施工现场跨越临时围栏的方法
CN110728252A (zh) 一种应用于区域人员运动轨迹监控的人脸检测方法
CN115841651B (zh) 基于计算机视觉与深度学习的施工人员智能监测系统
CN107483894A (zh) 基于场景判断实现客运管理的高铁车站视频监控系统
CN112541403B (zh) 一种利用红外摄像头的室内人员跌倒检测方法
CN112184773A (zh) 一种基于深度学习的安全帽佩戴检测方法及系统
CN104463232A (zh) 一种基于hog特征和颜色直方图特征的密度人群计数的方法
CN114140745A (zh) 施工现场人员属性检测方法、系统、装置及介质
CN112800918A (zh) 一种非法运动目标的身份识别方法及装置
CN116630890A (zh) 一种通过对钓鱼区域分析的钓鱼行为检测方法和系统
CN116311166A (zh) 交通障碍物识别方法、装置及电子设备
CN113505704A (zh) 图像识别的人员安全侦测方法、系统、设备及存储介质
CN113569801A (zh) 一种配电施工现场带电设备及其带电区域识别方法及装置
CN113052125A (zh) 一种施工现场违章图像识别告警方法
CN114979567B (zh) 一种应用于视频智能监控的物体与区域交互方法及系统
Bharathi et al. A Conceptual Real-Time Deep Learning Approach for Object Detection, Tracking and Monitoring Social Distance using Yolov5
CN113743380B (zh) 一种基于视频图像动态监测的主动跟踪方法
CN114708544A (zh) 一种基于边缘计算的违规行为智能监测头盔及其监测方法
CN107993446A (zh) 一种交通禁停区域违章停车监测装置
Hung et al. Real-time counting people in crowded areas by using local empirical templates and density ratios

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