CN115051990A - 一种基于边缘计算的地铁站监控方法 - Google Patents

一种基于边缘计算的地铁站监控方法 Download PDF

Info

Publication number
CN115051990A
CN115051990A CN202210751807.3A CN202210751807A CN115051990A CN 115051990 A CN115051990 A CN 115051990A CN 202210751807 A CN202210751807 A CN 202210751807A CN 115051990 A CN115051990 A CN 115051990A
Authority
CN
China
Prior art keywords
monitoring camera
subway station
target
target monitoring
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.)
Pending
Application number
CN202210751807.3A
Other languages
English (en)
Inventor
余丹
张腾怀
兰雨晴
王丹星
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.)
China Standard Intelligent Security Technology Co Ltd
Original Assignee
China Standard Intelligent Security 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 China Standard Intelligent Security Technology Co Ltd filed Critical China Standard Intelligent Security Technology Co Ltd
Priority to CN202210751807.3A priority Critical patent/CN115051990A/zh
Publication of CN115051990A publication Critical patent/CN115051990A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/002—Generating a prealarm to the central station
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Analysis (AREA)

Abstract

本发明的实施例公开一种基于边缘计算的地铁站监控方法，涉及边缘计算技术领域。所述方法，包括：通过设置于地铁站内的监控摄像头实时采集地铁站内图像；通过监控摄像头内置的预设边缘计算系统对所述地铁站内图像进行处理，检测所述地铁站内图像中的异常情况；若所述地铁站内图像中存在异常情况，则向地铁车站工作人员发送第一报警信息。本发明实现了智能、自动的监控地铁车站的异常情况并进行报警，有效地减少了车站工作人员的工作量。

Description

一种基于边缘计算的地铁站监控方法
技术领域
本发明属于边缘计算技术领域，尤其涉及一种基于边缘计算的地铁站监控方法。
背景技术
随着城市轨道交通的快速发展，地铁出行的快捷性，方便性，高效性，准时性得到了广大市民的认可，越来越多的人选择了地铁作为主要的出行方式。随着地铁人流的增大，地铁车站成为了人员非常密集的场所，一旦发生安全事故，后果都是非常严重的，因此对安全性要求都比较高，需要专业安全检查监测方法。
目前地铁车站监控方法，一是靠人工进行车站巡检，巡检过程中发现异常情况进行及时的处置；二是靠监控摄像头或者安检机设备进行辅助，监控摄像头采集车站内的图像，然后发送给车控室内的工作人员进行远程巡检和查看；安检机会对进站乘客携带的物品进行X光扫描，接着将扫描的图像发送工作人员进行查看，人工发现异常时进行及时的处理。现有的车站监控方法，都需要投入大量工作人员进行异常情况的监测，工作量大，并且工作人员也不能每时每刻对车站内图像进行不间断的查看检查，达不到完全排查，存在漏检的问题，特别是在早晚高峰时段。
发明内容
有鉴于此，本发明实施例提供一种基于边缘计算的地铁站监控方法，用于解决现有车站监控方法，不够智能，存在监控漏洞，投入人工成本大问题。本发明利用边缘计算系统对地铁站内的图像进行异常情况检测和异常报警，实现了智能、自动的监控车站的异常情况并进行报警，有效地减少了车站工作人员的工作量。
本发明实施例提供一种基于边缘计算的地铁站监控方法，包括：
通过设置于地铁站内的监控摄像头实时采集地铁站内图像；
通过监控摄像头内置的预设边缘计算系统对所述地铁站内图像进行处理，检测所述地铁站内图像中的异常情况；
若所述地铁站内图像中存在异常情况，则向地铁车站工作人员发送第一报警信息。
在一可选实施例中，所述基于边缘计算的地铁站监控方法，还包括：
通过设置于地铁站内的X光安检机采集安检物品图像；
通过X光安检机内置的预设边缘计算系统对安检物品图像进行处理，检测安检物品是否是危险物品；
若所述安检物品是危险物品，则向地铁车站工作人员发送第二报警信息。
在一可选实施例中，所述向地铁车站工作人员发送第一报警信息之后，还包括：
将存在异常情况的地铁站内图像作为目标图像，确定存在的异常情况在目标图像中的位置及对应目标监控摄像头标识；
根据所述异常情况在目标图像中的位置，调整所述目标监控摄像头标识对应的目标监控摄像头的照射方向和/或提供目标监控摄像头的调整建议，以使目标监控摄像头朝向异常情况的位置。
在一可选实施例中，所述根据所述异常情况在目标图像中的位置，调整所述目标监控摄像头标识对应的目标监控摄像头的照射方向，包括：
根据所述异常情况在目标图像中的位置及第一公式，计算目标图像中的非法像素点相对于目标监控摄像头中心位置的上下左右综合偏离值；其中，所述目标监控摄像头为采集所述目标图像的监控摄像头，所述非法像素点为异常情况在所述目标图像中的位置对应的像素点；
根据所述非法像素点相对于目标监控摄像头中心位置的上下左右综合偏离值及第二公式，计算所述目标监控摄像头的上下左右综合调整控制值；
按照所述目标监控摄像头的上下左右综合调整控制值和预设调整策略，调整目标监控摄像头的照射方向；
其中，所述第一公式为：
Figure BDA0003718598860000031
在第一公式中，I(k)表示目标监控摄像头采集的第k幅目标图像中的非法像素点相对于目标监控摄像头中心位置的上下综合偏离值；J(k)表示目标监控摄像头采集的第k幅目标图像中的非法像素点相对于目标监控摄像头中心位置的左右综合偏离值；[i(k_a),j(k_a)]表示目标监控摄像头采集的第k幅目标图像中的第a个非法像素点在所述第k幅目标图像中的第i(k_a)行第j(k_a)列的位置；G(k)表示目标监控摄像头采集的第k幅目标图像中的非法像素点总个数；m表示目标监控摄像头拍摄的图像中每一行像素点的总个数；n表示目标监控摄像头拍摄的图像中每一列像素点的总个数，k＝1,2,3,…,K，K为目标监控摄像头采集的存在异常情况的地铁站内图像的总数；
所述第二公式为：
Figure BDA0003718598860000032
在第二公式中，ΔI表示所述目标监控摄像头的上下综合调整控制值；ΔJ表示所述目标监控摄像头的左右综合调整控制值；||表示求取绝对值；
其中，所述预设调整策略为：当ΔI>0时，将所述目标监控摄像头的照射方向竖直向下调整；当ΔI<0时，将所述目标监控摄像头的照射方向竖直向上调整；当ΔJ>0时，将所述目标监控摄像头的照射方向水平向右调整；当ΔJ<0时，将所述目标监控摄像头的照射方向水平向左调整。
在一可选实施例中，所述提供目标监控摄像头的调整建议，包括：
根据第三公式，计算设置于目标监控摄像头上方的十字LED灯阵的各方向灯光点亮个数；
按照所述十字LED灯阵的各方向灯光点亮个数，控制所述十字LED灯阵的各方向灯光点亮相应个数，以提醒地铁车站工作人员所述目标监控摄像头的照射方向需要调整的方向和幅度；
其中，所述第三公式为：
Figure BDA0003718598860000041
在第三公式中，Edown表示所述十字LED灯阵最中间的灯下方所有灯的灯光点亮个数；Eup表示所述十字LED灯阵最中间的灯上方所有灯的灯光点亮个数；Eright表示所述十字LED灯阵最中间的灯右方所有灯的灯光点亮个数；Eleft表示所述十字LED灯阵最中间的灯左方所有灯的灯光点亮个数；F表示所述十字LED灯阵最中间的灯的上、下、左、右任一方向上所有灯的个数。
在一可选实施例中，所述基于边缘计算的地铁站监控方法，还包括：
定期检测各监控摄像头上方的十字LED灯阵是否处于正常工作状态；
若监控摄像头处于正常工作状态，则控制监控摄像头上方的十字LED灯阵最中间的灯点亮，反之，控制监控摄像头上方的十字LED灯阵最中间的灯不亮。
在一可选实施例中，所述异常情况，包括以下至少一项：乘客摔倒、电扶梯倒转、乘客打架、可疑物品遗留、设备故障。
本发明提供的一种基于边缘计算的地铁站监控方法，首选通过地铁车站内监控摄像头实时采集地铁站内图像，接着让预设边缘计算系统对所述站内图像进行检测，获知异常情况，最后将异常情况以报警的方式通知车站工作人员。本发明实现了智能、自动的监控车站的异常情况并进行报警，有效地减少了车站工作人员的工作量，此外，在各监控端对本地采集的监控数据进行边缘计算，能够进一步提高检测效率，提高了地铁车站监控管理的效率。
附图说明
为了更清楚地说明本发明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，下面描述中的附图仅仅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它的附图。
图1为本发明实施例提供的一种基于边缘计算的地铁站监控方法流程图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1为本发明实施例提供的一种基于边缘计算的地铁站监控方法流程图。
参见图1，该方法包括如下步骤S101-S103：
S101：通过设置于地铁站内的监控摄像头实时采集地铁站内图像。
本实施例中，监控摄像头可以使用车站内已有的CCTV摄像头和视频采集的高清摄像头，有效地减少方法实施的成本的，降低了实施的难度。
S102：通过监控摄像头内置的预设边缘计算系统对所述地铁站内图像进行处理，检测所述地铁站内图像中的异常情况。
本实施例中，所述异常情况，可以包括：乘客摔倒、电扶梯倒转、乘客打架、可疑物品遗留、设备故障等中的至少一项，及时发现这些异常情况，可以让车站工作人员及时的排除掉这些安全隐患，保证了车站的安全性。
S103：若所述地铁站内图像中存在异常情况，则向地铁车站工作人员发送第一报警信息。
上述技术方案的有益效果为：首选通过车站内监控摄像头实时采集地铁站内图像，接着让预设边缘计算系统对所述站内图像进行检测，获知异常情况，最后将异常情况以报警的方式通知车站工作人员。本发明实现了智能、自动的监控车站的异常情况并进行报警，便于工作人员对异常情况进行处理，有效地减少了车站工作人员的工作量，提高了地铁车站监控管理的效率。
作为一可选实施例，所述基于边缘计算的地铁站监控方法，还包括以下步骤S104-S106：
S104：通过设置于地铁站内的X光安检机采集安检物品图像；
S105：通过X光安检机内置的预设边缘计算系统对安检物品图像进行处理，检测安检物品是否是危险物品；
S106：若所述安检物品是危险物品，则向地铁车站工作人员发送第二报警信息。
上述技术方案的有益效果为：在乘客进站乘坐地铁前，都需要通过车站内的X光安检机的安检。在安检过程中，安检机会采集乘客携带物品图像，然后由安检机内置的预设边缘计算系统对安检物品图像进行处理和危险物品检测，在存在危险物品时，自动向车站工作人员进行报警，便于开展处置工作，车站人员再也不用安排多个专人观看乘客携带物品图像，检测是否存在危险物品，有效地提高了地铁车站监控的效率，保证了地铁车站的安全。
作为一可选实施例，所述步骤S103之后，还可以包括以下步骤A10-A20：
步骤A10：将存在异常情况的地铁站内图像作为目标图像，确定存在的异常情况在目标图像中的位置及对应目标监控摄像头标识。
步骤A20：根据所述异常情况在目标图像中的位置，调整所述目标监控摄像头标识对应的目标监控摄像头的照射方向和/或提供目标监控摄像头的调整建议，以使目标监控摄像头朝向异常情况的位置。
上述技术方案的有益效果为：每个监控摄像头根据自己采集到的历史异常情况在其采集图像中的位置信息，调整照射方向，以使得监控摄像头朝向异常情况的位置，便于后续采集异常情况的图像更加准确、清晰，也使得异常情况检测更加准确。
作为一可选实施例，所述步骤S202中的根据所述异常情况在目标图像中的位置，调整所述目标监控摄像头标识对应的目标监控摄像头的照射方向，可以包括以下步骤S301-S303：
S301：根据所述异常情况在目标图像中的位置及第一公式，计算目标图像中的非法像素点相对于目标监控摄像头中心位置的上下左右综合偏离值；其中，所述目标监控摄像头为采集所述目标图像的监控摄像头，所述非法像素点为异常情况在所述目标图像中的位置对应的像素点；
S302：根据所述非法像素点相对于目标监控摄像头中心位置的上下左右综合偏离值及第二公式，计算所述目标监控摄像头的上下左右综合调整控制值；
S303：按照所述目标监控摄像头的上下左右综合调整控制值和预设调整策略，调整目标监控摄像头的照射方向；
其中，所述第一公式为：
Figure BDA0003718598860000071
在第一公式中，I(k)表示目标监控摄像头采集的第k幅目标图像中的非法像素点相对于目标监控摄像头中心位置的上下综合偏离值；J(k)表示目标监控摄像头采集的第k幅目标图像中的非法像素点相对于目标监控摄像头中心位置的左右综合偏离值；[i(k_a),j(k_a)]表示目标监控摄像头采集的第k幅目标图像中的第a个非法像素点在所述第k幅目标图像中的第i(k_a)行第j(k_a)列的位置；G(k)表示目标监控摄像头采集的第k幅目标图像中的非法像素点总个数；m表示目标监控摄像头拍摄的图像中每一行像素点的总个数；n表示目标监控摄像头拍摄的图像中每一列像素点的总个数，k＝1,2,3,…,K，K为目标监控摄像头采集的存在异常情况的地铁站内图像的总数；
所述第二公式为：
Figure BDA0003718598860000081
在第二公式中，ΔI表示所述目标监控摄像头的上下综合调整控制值；ΔJ表示所述目标监控摄像头的左右综合调整控制值；||表示求取绝对值；
其中，所述预设调整策略为：当ΔI>0时，将所述目标监控摄像头的照射方向竖直向下调整；当ΔI<0时，将所述目标监控摄像头的照射方向竖直向上调整；当ΔJ>0时，将所述目标监控摄像头的照射方向水平向右调整；当ΔJ<0时，将所述目标监控摄像头的照射方向水平向左调整；另外，当ΔI＝0时，则说明所述目标监控摄像头的照射方向不偏上也不偏下，正合适；当ΔJ＝0时，则说明所述目标监控摄像头的照射方向不偏左也不偏右，正合适。
具体地，预设调整策略还可以包括ΔI和ΔJ的不同取值与调整角度的对应关系，则在根据第二公式计算出ΔI和ΔJ后，可以根据预设调整策略将目标监控摄像头往相应方向调整对应的角度。
上述技术方案的有益效果为：利用第一公式(1)根据每次识别到的多个非法像素点的位置得到所述多个非法像素点相对于摄像头中心位置的上下左右综合偏离情况，从而知晓每次检测到异常情况(如危险行为、不合法物品)时的大致综合方位，便于后续调整所述摄像头的拍摄方向；然后利用第二公式(2)根据每次识别出的多个非法像素点相对于摄像头的中心位置的上下左右偏离情况得到所述摄像头的上下左右综合调整控制值，从而根据多次识别出的危险行为、不合法物品的综合位置选择出最佳的拍摄方位并得到所述摄像头相应的上下左右综合调整值，最后根据所述上下左右综合调整值，自动的调整监控摄像头的照射方向，有效地提高了系统的智能化水平，并提高了摄像头采集图像的质量，进一步的提高了车站异常情况检测的准确度。
作为一可选实施例，所述步骤S202中提供目标监控摄像头的调整建议，可以包括以下步骤S401-S402：
S401：根据第三公式，计算设置于目标监控摄像头上方的十字LED灯阵的各方向灯光点亮个数；
S402：按照所述十字LED灯阵的各方向灯光点亮个数，控制所述十字LED灯阵的各方向灯光点亮相应个数，以提醒地铁车站工作人员所述目标监控摄像头的照射方向需要调整的方向和幅度；
其中，所述第三公式为：
Figure BDA0003718598860000091
在第三公式中，Edown表示所述十字LED灯阵最中间的灯下方所有灯的灯光点亮个数；Eup表示所述十字LED灯阵最中间的灯上方所有灯的灯光点亮个数；Eright表示所述十字LED灯阵最中间的灯右方所有灯的灯光点亮个数；Eleft表示所述十字LED灯阵最中间的灯左方所有灯的灯光点亮个数；F表示所述十字LED灯阵最中间的灯的上、下、左、右任一方向上所有灯的个数。
本实施例中，车站工作人员可以根据所述十字LED灯阵中的灯光点亮情况来对所述摄像头的照射方向进行调整，最中间的灯哪一方向的灯被点亮则向着其方向进行调整，并且根据其方向上的灯光点亮个数来控制调整的幅度，从而使得所述摄像头根据历史检测情况调整到更易于拍摄危险行为、不合法物品的拍摄方向上。
上述技术方案的有益效果为：利用第三公式(3)根据所述摄像头的上下左右综合调整控制值所述摄像头上方的十字LED灯阵上的灯光亮灭，从而车站工作人员可以根据十字LED灯阵的灯光亮灭来进行调整，从而将摄像头调整到更易于拍摄危险行为、不合法物品的拍摄方向上，便于更好的观察和识别，提高了工作效率。
作为一可选实施例，所述基于边缘计算的地铁站监控方法，还可以包括以下步骤S501-S503：
S501：定期检测各监控摄像头上方的十字LED灯阵是否处于正常工作状态；是则执行S502，否则执行S503。
S502：控制监控摄像头上方的十字LED灯阵最中间的灯点亮。
S503：控制监控摄像头上方的十字LED灯阵最中间的灯不亮。
上述技术方案的有益效果为：摄像头的上方的十字LED灯阵的最中间的灯常亮，用于指示当前十字LED灯阵处于正常工作状态，并且还可以作为用于指示十字LED灯阵故障的故障灯，便于提示车站工作人员十字LED灯阵的故障信息，便于及时对故障的十字LED灯阵进行维修。
从上述实施例的内容可知，在地铁车站的监控摄像头以及安检机中添加边缘计算系统，为摄像头添加智能识别功能，可以识别出异常情况(含危险行为、不合法物品等)，并能在识别后准确报警。此外，在所述摄像头每次利用智能识别功能识别出危险行为、不合法物品后会在摄像头的图像中存在多个非法像素点，系统会根据每次识别到的多个非法像素点的位置得到所述多个非法像素点相对于摄像头中心位置的上下左右综合偏离情况，每当识别出一定次数的危险行为、不合法物品后，根据每次识别出的多个非法像素点相对于摄像头中心位置的上下左右综合偏离情况得到所述摄像头的上下左右综合调整控制值，并在所述摄像头的上方设置一个十字LED灯阵(其灯阵的灯光照射方向与摄像头的拍摄方向相反，便于工作人员观看灯光来调整摄像头的拍摄方向，最中间的灯常亮用于指示当前十字LED灯阵处于工作状态，并且还作为用于指示十字LED灯阵故障的故障灯)，根据所述摄像头的上下左右综合调整控制值，控制所述摄像头上方的十字LED灯阵上的灯光亮灭，使得车站工作人员可以根据十字LED灯阵的灯光亮灭来进行调整，从而将摄像头调整到更易于拍摄危险行为、不合法物品的拍摄方向上，便于更好的观察和识别，提高了工作效率。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的方法的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的方法。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的方法的步骤。
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。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (7)

1.一种基于边缘计算的地铁站监控方法，其特征在于，包括：
通过设置于地铁站内的监控摄像头实时采集地铁站内图像；
通过监控摄像头内置的预设边缘计算系统对所述地铁站内图像进行处理，检测所述地铁站内图像中的异常情况；
若所述地铁站内图像中存在异常情况，则向地铁车站工作人员发送第一报警信息。
2.如权利要求1所述的基于边缘计算的地铁站监控方法，其特征在于，还包括：
通过设置于地铁站内的X光安检机采集安检物品图像；
通过X光安检机内置的预设边缘计算系统对安检物品图像进行处理，检测安检物品是否是危险物品；
若所述安检物品是危险物品，则向地铁车站工作人员发送第二报警信息。
3.如权利要求1或2所述的基于边缘计算的地铁站监控方法，其特征在于，所述向地铁车站工作人员发送第一报警信息之后，还包括：
将存在异常情况的地铁站内图像作为目标图像，确定存在的异常情况在目标图像中的位置及对应目标监控摄像头标识；
根据所述异常情况在目标图像中的位置，调整所述目标监控摄像头标识对应的目标监控摄像头的照射方向和/或提供目标监控摄像头的调整建议，以使目标监控摄像头朝向异常情况的位置。
4.如权利要求3所述的基于边缘计算的地铁站监控方法，其特征在于，所述根据所述异常情况在目标图像中的位置，调整所述目标监控摄像头标识对应的目标监控摄像头的照射方向，包括：
根据所述异常情况在目标图像中的位置及第一公式，计算目标图像中的非法像素点相对于目标监控摄像头中心位置的上下左右综合偏离值；其中，所述目标监控摄像头为采集所述目标图像的监控摄像头，所述非法像素点为异常情况在所述目标图像中的位置对应的像素点；
根据所述非法像素点相对于目标监控摄像头中心位置的上下左右综合偏离值及第二公式，计算所述目标监控摄像头的上下左右综合调整控制值；
按照所述目标监控摄像头的上下左右综合调整控制值和预设调整策略，调整目标监控摄像头的照射方向；
其中，所述第一公式为：
Figure FDA0003718598850000021
在第一公式中，I(k)表示目标监控摄像头采集的第k幅目标图像中的非法像素点相对于目标监控摄像头中心位置的上下综合偏离值；J(k)表示目标监控摄像头采集的第k幅目标图像中的非法像素点相对于目标监控摄像头中心位置的左右综合偏离值；[i(k_a),j(k_a)]表示目标监控摄像头采集的第k幅目标图像中的第a个非法像素点在所述第k幅目标图像中的第i(k_a)行第j(k_a)列的位置；G(k)表示目标监控摄像头采集的第k幅目标图像中的非法像素点总个数；m表示目标监控摄像头拍摄的图像中每一行像素点的总个数；n表示目标监控摄像头拍摄的图像中每一列像素点的总个数，k＝1,2,3,…,K，K为目标监控摄像头采集的存在异常情况的地铁站内图像的总数；
所述第二公式为：
Figure FDA0003718598850000022
在第二公式中，ΔI表示所述目标监控摄像头的上下综合调整控制值；ΔJ表示所述目标监控摄像头的左右综合调整控制值；||表示求取绝对值；
其中，所述预设调整策略为：当ΔI>0时，将所述目标监控摄像头的照射方向竖直向下调整；当ΔI<0时，将所述目标监控摄像头的照射方向竖直向上调整；当ΔJ>0时，将所述目标监控摄像头的照射方向水平向右调整；当ΔJ<0时，将所述目标监控摄像头的照射方向水平向左调整。
5.如权利要求4所述的基于边缘计算的地铁站监控方法，其特征在于，所述提供目标监控摄像头的调整建议，包括：
根据第三公式，计算设置于目标监控摄像头上方的十字LED灯阵的各方向灯光点亮个数；
按照所述十字LED灯阵的各方向灯光点亮个数，控制所述十字LED灯阵的各方向灯光点亮相应个数，以提醒地铁车站工作人员所述目标监控摄像头的照射方向需要调整的方向和幅度；
其中，所述第三公式为：
Figure FDA0003718598850000031
在第三公式中，Edown表示所述十字LED灯阵最中间的灯下方所有灯的灯光点亮个数；Eup表示所述十字LED灯阵最中间的灯上方所有灯的灯光点亮个数；Eright表示所述十字LED灯阵最中间的灯右方所有灯的灯光点亮个数；Eleft表示所述十字LED灯阵最中间的灯左方所有灯的灯光点亮个数；F表示所述十字LED灯阵最中间的灯的上、下、左、右任一方向上所有灯的个数。
6.如权利要求5所述的基于边缘计算的地铁站监控方法，其特征在于，所述方法还包括：
定期检测各监控摄像头上方的十字LED灯阵是否处于正常工作状态；
若监控摄像头处于正常工作状态，则控制监控摄像头上方的十字LED灯阵最中间的灯点亮，反之，控制监控摄像头上方的十字LED灯阵最中间的灯不亮。
7.如权利要求3-6中任一项所述的基于边缘计算的地铁站监控方法，其特征在于，所述异常情况，包括以下至少一项：乘客摔倒、电扶梯倒转、乘客打架、可疑物品遗留、设备故障。
CN202210751807.3A 2022-06-28 2022-06-28 一种基于边缘计算的地铁站监控方法 Pending CN115051990A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210751807.3A CN115051990A (zh) 2022-06-28 2022-06-28 一种基于边缘计算的地铁站监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210751807.3A CN115051990A (zh) 2022-06-28 2022-06-28 一种基于边缘计算的地铁站监控方法

Publications (1)

Publication Number Publication Date
CN115051990A true CN115051990A (zh) 2022-09-13

Family

ID=83165199

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210751807.3A Pending CN115051990A (zh) 2022-06-28 2022-06-28 一种基于边缘计算的地铁站监控方法

Country Status (1)

Country Link
CN (1) CN115051990A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013025767A (ja) * 2011-07-26 2013-02-04 Hitachi Building Systems Co Ltd 映像監視システム
CN112766192A (zh) * 2021-01-25 2021-05-07 北京市地铁运营有限公司地铁运营技术研发中心 一种智能列车监控系统
CN113489893A (zh) * 2020-07-31 2021-10-08 深圳技术大学 实时目标物体追踪定位方法以及实时目标物体追踪定位装置
CN113936029A (zh) * 2021-11-10 2022-01-14 上海鹰觉科技有限公司 基于视频的违法捕鱼自动检测方法及系统
CN114565910A (zh) * 2022-03-03 2022-05-31 东南大学 一种监测地铁站内乘客行走实时位姿状态的办法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013025767A (ja) * 2011-07-26 2013-02-04 Hitachi Building Systems Co Ltd 映像監視システム
CN113489893A (zh) * 2020-07-31 2021-10-08 深圳技术大学 实时目标物体追踪定位方法以及实时目标物体追踪定位装置
CN112766192A (zh) * 2021-01-25 2021-05-07 北京市地铁运营有限公司地铁运营技术研发中心 一种智能列车监控系统
CN113936029A (zh) * 2021-11-10 2022-01-14 上海鹰觉科技有限公司 基于视频的违法捕鱼自动检测方法及系统
CN114565910A (zh) * 2022-03-03 2022-05-31 东南大学 一种监测地铁站内乘客行走实时位姿状态的办法

Similar Documents

Publication Publication Date Title
US20230174343A1 (en) Image analytics for elevator maintenance
KR102105568B1 (ko) 무인비행체를 이용한 구조물 진단방법 및 이를 이용한 구조물 진단시스템
CA2564171A1 (en) Atm security system
JP6527772B2 (ja) 空間光測定方法及び空間光測定システム
KR101514696B1 (ko) 교량 안전사고 관리시스템
KR100956978B1 (ko) 교통사고 유의지역 통합관리 시스템
CN108731611B (zh) 一种人防门吊角形变状态检测系统及方法
CN116416579B (zh) 一种园区安防监控存储信息智能分析管理系统
CN103729908A (zh) 铁路隧道智能巡检装置及其使用方法
JP7070115B2 (ja) 遠隔監視システム
KR20140031541A (ko) 전차선로 결함 검사시스템
CN110170997A (zh) 一种用于公共场所的巡逻机器人控制系统及其工作方法
CN111506011A (zh) 一种施工安全监测方法和装置
JP4177288B2 (ja) 鉄道車両用屋根上機器監視測定装置
CN114104755B (zh) 高炉槽上料仓智能管理系统及方法
CN115761591A (zh) 多作业现场违规识别方法
JP2003246268A (ja) ホーム転落者検知方法及び装置
CN103389312B (zh) 铜管检测系统
CN115051990A (zh) 一种基于边缘计算的地铁站监控方法
KR101542134B1 (ko) 스마트 카메라모듈을 통한 열차선로 상의 낙석·사람으로 이루어진 관심 객체 실시간 감시 장치 및 방법
JP4244818B2 (ja) 流下ガラス流下速度計測方法および計測装置
KR20200133596A (ko) 자동 차량 통합 검색 시스템
CN110046592A (zh) 一种交通诱导屏监控方法
CN110769042B (zh) 一种用于铁路装卸作业信息采集的系统
CN107945546A (zh) 用于交通视频自动识别的高速公路能见度预警系统及方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20220913