CN115331386B - 一种基于计算机视觉的防垂钓检测告警系统 - Google Patents

一种基于计算机视觉的防垂钓检测告警系统 Download PDF

Info

Publication number
CN115331386B
CN115331386B CN202211251290.8A CN202211251290A CN115331386B CN 115331386 B CN115331386 B CN 115331386B CN 202211251290 A CN202211251290 A CN 202211251290A CN 115331386 B CN115331386 B CN 115331386B
Authority
CN
China
Prior art keywords
fishing
detection
module
image
pedestrian
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
CN202211251290.8A
Other languages
English (en)
Other versions
CN115331386A (zh
Inventor
李小娜
李乐乐
刘海峰
王子磊
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.)
Hefei Zhongke Leinao Intelligent Technology Co ltd
Original Assignee
Hefei Zhongke Leinao Intelligent 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 Hefei Zhongke Leinao Intelligent Technology Co ltd filed Critical Hefei Zhongke Leinao Intelligent Technology Co ltd
Priority to CN202211251290.8A priority Critical patent/CN115331386B/zh
Publication of CN115331386A publication Critical patent/CN115331386A/zh
Application granted granted Critical
Publication of CN115331386B publication Critical patent/CN115331386B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • 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
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/16—Implementation or adaptation of Internet protocol [IP], of transmission control protocol [TCP] or of user datagram protocol [UDP]
    • H04L69/161—Implementation details of TCP/IP or UDP/IP stack architecture; Specification of modified or new header fields
    • H04L69/162—Implementation details of TCP/IP or UDP/IP stack architecture; Specification of modified or new header fields involving adaptations of sockets based mechanisms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Emergency Management (AREA)
  • Psychiatry (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于计算机视觉的防垂钓检测告警系统，属于防垂钓检测技术领域，包括相机、检测芯片；所述相机包括镜头、图像传感器、图像信号处理模块、视频输入模块；所述镜头、图像传感器、图像信号处理模块、视频输入模块依次通信连接，光线经镜头和图像传感器后转换为数字信号。本发明使用相机对防钓行为进行检测，与传统算法相比，提高防钓行为检测准确性；相机内置检测芯片，直接在检测芯片内进行防钓鱼行为检测，可有效避免了图像传输后端，后端再传回的检测不及时问题。

Description

一种基于计算机视觉的防垂钓检测告警系统
技术领域
本发明涉及防垂钓检测技术领域，具体涉及一种基于计算机视觉的防垂钓检测告警系统。
背景技术
钓鱼作为一项人们的休闲爱好，越来越受到人们的欢迎，各大小池塘附近总不免看到钓鱼人的身影。然而在人工养殖鱼塘或工业园区附近，钓鱼是被禁止的，如何在非钓鱼区域防止钓鱼行为的发生并在钓鱼行为发生时进行告警是不得不进行研究的一个领域。
目前针对防钓的方法有多种，例如人工管控措施，组织人员进行安全宣传并张贴防钓警示标志，这种方法是最原始的，浪费人力成本且效率低。基于雷达的放钓感应装置和基于红外探测的防钓系统等传统防钓方法成本高且误差大。基于镜头的防钓检测智能装置等系统需要传送镜头数据到后端服务器，存在网络传输风险，无法及时地对人员进行告警。为此，提出一种基于计算机视觉的防垂钓检测告警系统。
发明内容
本发明所要解决的技术问题在于：如何在低成本前提下提高防钓检测效率，且在发生防钓行为时及时发生告警，提供了一种基于计算机视觉的防垂钓检测告警系统。
本发明是通过以下技术方案解决上述技术问题的，本发明包括相机、检测芯片；所述相机包括镜头、图像传感器、图像信号处理模块、视频输入模块；所述镜头、图像传感器、图像信号处理模块、视频输入模块依次通信连接，光线经镜头和图像传感器后转换为数字信号，然后经图像信号处理模块进行预处理，通过视频输入模块获取经图像信号处理模块处理的实时图像；所述检测芯片内置于镜头内部，所述检测芯片内部设置有防钓检测模块，所述防钓检测模块与所述视频输入模块通信连接，通过所述防钓检测模块对实时图像进行分析和处理。
更进一步地，所述检测芯片内部设置有配置模块，所述配置模块用于对算法配置文件进行读写，通过算法配置文件来控制是否开启相应算法，算法所需的计算参数写在算法配置文件内。
更进一步地，所述检测芯片内部设置有告警模块，所述告警模块用于接收所述防钓检测模块输出的告警信号，并调用相机上设置的扬声器进行告警，同时发送启动录像指令。
更进一步地，所述基于计算机视觉的防垂钓检测告警系统还包括后台系统，所述后台系统包括后台websocket服务器与后台http服务器。
更进一步地，所述检测芯片内部还设置有websocket传输模块，用于将产生告警信号的图像进行压缩，并传输至后台websocket服务器。
更进一步地，所述检测芯片内部还设置有录像模块、http传输模块，所述录像模块用于接收录像启动指令，启动录像任务，录够设定时长的图像数据后通过http传输模块发送给后台http服务器。
更进一步地，所述钓鱼区域识别模块包括钓鱼区域识别模块、行人检测模块和钓鱼分类模块，其中，所述钓鱼区域识别模块用于利用深度学习分割算法识别图像中的水面区域，标记水面区域掩膜，对水面区域掩膜进行形态学图像处理，按设定比例扩大该区域并保存；所述行人检测模块用于对深度学习图像检测算法对图像进行行人检测，检测得分大于第一设定阈值时，认为检测到行人；所述钓鱼分类模块用于识别该行人是否存在钓鱼行为，检测得分大于第二设定阈值时，则判断行人存在钓鱼行为，发出告警信号。
本发明人还提供了一种基于计算机视觉的防垂钓检测告警方法，采用上述的系统进行防垂钓检测告警工作，包括以下步骤：
S1：利用相机镜头采集光线信息，通过图像传感器转换为数字信号；
S2：相机中的图像信号处理模块对数字信号进行处理并传输到视频输入模块；
S3：经视频输入模块处理后获取实时图像，并传入防钓检测模块中进行防钓检测分析；
S4：若防钓检测模块给出告警信号，则通知告警模块，启动扬声器进行报警，而后通知录像模块，启动录像任务，同时将检测的图像进行图像压缩，通过websocket发送给websocket服务器，并通过录像模块录制设定时间的图像数据后通过http传输模块发送给http服务器。
更进一步地，在所述步骤S3中，防钓检测模块进行防钓检测分析的具体过程如下：
S31：图像传输到防钓检测模块后，防钓检测模块从配置文件读取是否为首次检测以及相机的转动信息；
S32：若为首次检测或不为首次检测而相机相对于上次检测位置存在转动，则从配置文件获取是否进行钓鱼区域识别的参数；若从配置文件获取是否进行钓鱼区域识别的参数为True，则将实时图像送入行人检测模块，则计算水面区域掩膜与检测到的行人位置的交并比，若交并比大于0.5，则认为有行人进入钓鱼区域，则发出告警信号，否则不进行告警；若从配置文件获取是否进行钓鱼区域识别的参数为False，则不进行钓鱼区域自动检测，直接将图像输入行人检测模块，进行行人检测；图像经过行人检测模块后，得到行人位置，根据行人位置从图像中将该行人从图像裁剪出来，将裁剪出的图像传入钓鱼分类模块中；
S33：钓鱼分类模块通过深度学习分类算法判别行人是否存在钓鱼行为，若算法得分大于0.6，则认为该行人存在钓鱼行为，发出告警信号，否则认为该行人不存在钓鱼行为，不发出告警信号。
更进一步地，所述钓鱼分类模块中的深度学习分类算法采用CNN分类网络，并以Resnet50网络为主干网络。
本发明相比现有技术具有以下优点：该基于计算机视觉的防垂钓检测告警系统，使用相机对防钓行为进行检测，与传统算法相比，提高防钓行为检测准确性；相机内置检测芯片，直接在检测芯片内进行防钓鱼行为检测，可有效避免了图像传输后端，后端再传回的检测不及时问题。
附图说明
图1是本发明实施例二中基于计算机视觉的防垂钓检测告警系统的结构示意图；
图2是本发明实施例二中防钓检测模块的工作流程示意图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例一
本实施例提供一种技术方案：一种基于计算机视觉的防垂钓检测告警系统，在相机的镜头内加入检测芯片（DSP芯片）；将镜头架在目标水域附近，光线经镜头和图像传感器后转换为数字信号，然后经ISP模块（图像信号处理模块）预处理后进入视频输入模块获取实时图像。获取的实时图像被送入防钓检测模块进行防钓检测；若经防钓检测模块后，有告警信号产生，则先送入告警模块，该告警模块会调用相机上的扬声器发声：“系统监测您正在靠近危险区域或您正在钓鱼，请尽快离开”，然后将产生告警信号的图像进行压缩，通过websocket发送给后台websocket服务器，并启动录像模块，将录像通过http传输模块发送给后台http服务器，通知服务器端（后台系统）工作人员有钓鱼行为发生。
在本实施例中，防钓检测模块的处理逻辑为：首次进行防钓检测或在检测时镜头进行了上下左右位置的调整时，会从检测芯片内读取配置文件信息，获取是否进行钓鱼区域识别的参数，若该参数为True，则会对从相机获取的图像进行钓鱼水域自动检测，而后进行行人检测识别，凡靠近水域附近的行人皆视为有垂钓行为发生，并发出告警信息。若钓鱼区域识别的参数为False，则先对从相机获取的图像进行行人检测，检测到有行人后，进一步对行人进行是否钓鱼的判断，若该行人有钓鱼行为产生则发出告警信号，若无告警信号产生，则不发出告警信号。
实施例二
需要说明的是，本实施例用于对实施例一中的系统进行更进一步地说明，如图1、图2所示，本实施例中的基于计算机视觉的防垂钓检测告警系统包括相机、DSP芯片、后台系统，其中，所述DSP芯片设置在所述相机的镜头内部，所述DSP芯片中设置有防钓检测模块，所述防钓检测模块用于对相机采集的实时图像进行分析和处理，所述后台系统用于显示防钓检测模块的处理结果，方便工作人员查看。
在本实施例中，所述相机包括镜头、图像传感器、ISP模块，所述镜头、图像传感器与所述ISP模块依次通信连接，光线经镜头和图像传感器后转换为数字信号，然后经ISP模块（图像信号处理模块）进行预处理。
在本实施例中，所述相机还包括视频输入模块，用于获取经过ISP模块处理的实时图像。
在本实施例中，所述DSP芯片还设置有配置模块，配置模块主要用于对算法配置文件进行读写，本系统会通过算法配置文件来控制是否开启相应算法，且算法所需的计算参数也写在配置文件内。
在本实施例中，所述DSP芯片中还设置有告警模块，所述告警模块用于接收所述防钓检测模块输出的告警信号，并调用相机上设置的扬声器进行告警，同时发送启动录像指令。
在本实施例中，所述DSP芯片中还设置有websocket传输模块，用于将产生告警信号的图像进行压缩，并传输至后台websocket服务器。
在本实施例中，所述DSP芯片中还包括录像模块、http传输模块，用于接收录像启动指令，启动录像任务，录够足够时间的图像数据后通过http传输模块发送给后台http服务器，以便工作人员查看信息。
在本实施例中，所述后台系统包括后台websocket服务器、后台http服务器。
在本实施例中，所述钓鱼区域识别模块包括钓鱼区域识别模块、行人检测模块和钓鱼分类模块；所述钓鱼区域识别模块用于利用深度学习分割算法识别图像中的水面区域，标记水面区域mask（掩膜），对水面区域mask进行形态学图像处理，适当的扩大该标记区域，并保存该区域；所述行人检测模块用于对深度学习图像检测算法对图像进行行人检测，检测得分大于0.8可认为检测到行人；所述钓鱼分类模块用于识别该行人是否存在钓鱼行为，若得分大于0.6，则认为行人存在钓鱼行为，产生告警信号。
在本实施例中，本系统的处理过程如下：
S1：利用相机镜头采集光线信息，通过图像传感器转换为数字信号；
S2：相机中的ISP模块对数字信号进行处理并传输到视频输入模块；
S3：经视频输入模块处理后获取实时图像，并传入防钓检测模块中进行防钓检测分析；
S4：若防钓检测模块给出告警信号，则通知告警模块，启动扬声器：“系统监测您正在靠近危险区域或您正在钓鱼，请尽快离开”，而后通知录像模块，启动录像任务，同时将检测的图像进行图像压缩，通过websocket发送给websocket服务器，录像模块录够足够时间的数据后通过http传输模块发送给http服务器，以便工作人员查看信息。
在所述步骤S3中，防钓检测模块的分析处理过程如下：
S31：图像传输到防钓检测模块后，防钓检测模块从配置文件读取是否为首次检测以及相机的转动信息；其中，算法配置文件是设计系统时自带的，利用程序读取文件，获取所需参数；
S32：若首次检测信息为True（即为首次检测），或首次检测信息为False（即不为首次检测）而相机转动信息为True（即相机相对于上次检测位置存在转动），则从配置文件获取是否进行钓鱼区域识别的参数，若该参数为True，开启钓鱼区域识别，则不论行人是否存在钓鱼行为，只要靠近该区域，则会发出告警信号，是对钓鱼行为的一种预防措施；而针对靠近路边等水域，只需在有钓鱼行为发生时才发生告警，则需关闭钓鱼区域识别信号，会有另外一种钓鱼行为检测方式被提供；
作为更具体的，若从配置文件获取是否进行钓鱼区域识别的参数为True，则计算水面区域mask与行人位置的IOU（交并比），若IOU大于0.5，则认为有行人进入危险区域（钓鱼区域），则发出告警信号，否则不进行告警；若从配置文件获取是否进行钓鱼区域识别的参数为False，则不进行钓鱼区域自动检测，直接将图像输入行人检测模块，进行行人检测；图像经过行人检测模块后，得到行人位置，根据行人位置，从图像中将该行人图像剪出来，将剪出后的图像传入钓鱼分类模块中；
S33：钓鱼分类模块通过深度学习分类算法判别行人是否存在钓鱼行为，若算法得分大于0.85，则认为该行为存在钓鱼行为，发出告警信号，否则认为该行为不存在钓鱼行为，不发出告警信号。
钓鱼分类模块中的深度学习分类算法采用CNN分类网络，并以Resnet50网络为主干网络。在经过行人检测后，图像中被检测到的行人部分被以裁剪出来，裁剪出的图片尺寸调成到224*224，而后进行归一化处理，再送入CNN分类网络中，经CNN分类网络推理完成后，得到该行人是否存在钓鱼的概率p，若p>0.85，则认为该行人存在钓鱼行为，需进行报警提示。
综上所述，上述实施例的基于计算机视觉的防垂钓检测告警系统，使用相机对防钓行为进行检测，与传统算法相比，提高防钓行为检测准确性；相机内置检测芯片，直接在检测芯片内进行防钓鱼行为检测，可有效避免了图像传输后端，后端再传回的检测不及时问题。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于计算机视觉的防垂钓检测告警系统，其特征在于，包括：相机、检测芯片；所述相机包括镜头、图像传感器、图像信号处理模块、视频输入模块；所述镜头、图像传感器、图像信号处理模块、视频输入模块依次通信连接，光线经镜头和图像传感器后转换为数字信号，然后经图像信号处理模块进行预处理，通过视频输入模块获取经图像信号处理模块处理的实时图像；所述检测芯片内置于镜头内部，所述检测芯片内部设置有防钓检测模块，所述防钓检测模块与所述视频输入模块通信连接，通过所述防钓检测模块对实时图像进行分析和处理；
所述防垂钓检测告警系统进行防垂钓检测告警工作，包括以下步骤：
S1：利用相机镜头采集光线信息，通过图像传感器转换为数字信号；
S2：相机中的图像信号处理模块对数字信号进行处理并传输到视频输入模块；
S3：经视频输入模块处理后获取实时图像，并传入防钓检测模块中进行防钓检测分析；
S4：若防钓检测模块给出告警信号，则通知告警模块，启动扬声器进行报警，而后通知录像模块，启动录像任务，同时将检测的图像进行图像压缩，通过websocket发送给websocket服务器，并通过录像模块录制设定时间的图像数据后通过http传输模块发送给http服务器；
在所述步骤S3中，防钓检测模块进行防钓检测分析的具体过程如下：
S31：图像传输到防钓检测模块后，防钓检测模块从配置文件读取是否为首次检测以及相机的转动信息；
S32：若为首次检测或不为首次检测而相机相对于上次检测位置存在转动，则从配置文件获取是否进行钓鱼区域识别的参数；若从配置文件获取是否进行钓鱼区域识别的参数为True，则将实时图像送入行人检测模块，则计算水面区域掩膜与检测到的行人位置的交并比，若交并比大于0.5，则认为有行人进入钓鱼区域，则发出告警信号，否则不进行告警；若从配置文件获取是否进行钓鱼区域识别的参数为False，则不进行钓鱼区域自动检测，直接将图像输入行人检测模块，进行行人检测；图像经过行人检测模块后，得到行人位置，根据行人位置从图像中将该行人从图像裁剪出来，将裁剪出的图像传入钓鱼分类模块中；
S33：钓鱼分类模块通过深度学习分类算法判别行人是否存在钓鱼行为，若算法得分大于0.85，则认为该行人存在钓鱼行为，发出告警信号，否则认为该行人不存在钓鱼行为，不发出告警信号。
2.根据权利要求1所述的一种基于计算机视觉的防垂钓检测告警系统，其特征在于：所述检测芯片内部设置有配置模块，所述配置模块用于对算法配置文件进行读写，通过算法配置文件来控制是否开启相应算法，算法所需的计算参数写在算法配置文件内。
3.根据权利要求2所述的一种基于计算机视觉的防垂钓检测告警系统，其特征在于：所述检测芯片内部设置有告警模块，所述告警模块用于接收所述防钓检测模块输出的告警信号，并调用相机上设置的扬声器进行告警，同时发送启动录像指令。
4.根据权利要求3所述的一种基于计算机视觉的防垂钓检测告警系统，其特征在于：所述基于计算机视觉的防垂钓检测告警系统还包括后台系统，所述后台系统包括后台websocket服务器与后台http服务器。
5.根据权利要求4所述的一种基于计算机视觉的防垂钓检测告警系统，其特征在于：所述检测芯片内部还设置有websocket传输模块，用于将产生告警信号的图像进行压缩，并传输至后台websocket服务器。
6.根据权利要求5所述的一种基于计算机视觉的防垂钓检测告警系统，其特征在于：所述检测芯片内部还设置有录像模块、http传输模块，所述录像模块用于接收录像启动指令，启动录像任务，录够设定时长的图像数据后通过http传输模块发送给后台http服务器。
7.根据权利要求6所述的一种基于计算机视觉的防垂钓检测告警系统，其特征在于：所述防钓检测模块包括钓鱼区域识别模块、行人检测模块和钓鱼分类模块，其中，所述钓鱼区域识别模块用于利用深度学习分割算法识别图像中的水面区域，标记水面区域掩膜，对水面区域掩膜进行形态学图像处理，按设定比例扩大该区域并保存；所述行人检测模块用于对深度学习图像检测算法对图像进行行人检测，检测得分大于第一设定阈值时，认为检测到行人；所述钓鱼分类模块用于识别该行人是否存在钓鱼行为，检测得分大于第二设定阈值时，则判断行人存在钓鱼行为，发出告警信号。
8.根据权利要求7所述的一种基于计算机视觉的防垂钓检测告警系统，其特征在于：所述钓鱼分类模块通过深度学习分类算法判别行人是否存在钓鱼行为。
CN202211251290.8A 2022-10-13 2022-10-13 一种基于计算机视觉的防垂钓检测告警系统 Active CN115331386B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211251290.8A CN115331386B (zh) 2022-10-13 2022-10-13 一种基于计算机视觉的防垂钓检测告警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211251290.8A CN115331386B (zh) 2022-10-13 2022-10-13 一种基于计算机视觉的防垂钓检测告警系统

Publications (2)

Publication Number Publication Date
CN115331386A CN115331386A (zh) 2022-11-11
CN115331386B true CN115331386B (zh) 2022-12-27

Family

ID=83913638

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211251290.8A Active CN115331386B (zh) 2022-10-13 2022-10-13 一种基于计算机视觉的防垂钓检测告警系统

Country Status (1)

Country Link
CN (1) CN115331386B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115497172B (zh) * 2022-11-18 2023-02-17 合肥中科类脑智能技术有限公司 钓鱼行为检测方法、装置及边缘处理设备、存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006352736A (ja) * 2005-06-20 2006-12-28 Victor Co Of Japan Ltd 監視カメラ装置
KR20160039587A (ko) * 2016-03-22 2016-04-11 (주)럭스콤 조수간만 차이를 반영한 해양 양식장 방범용 감시 시스템 및 제어 방법
CN105812723A (zh) * 2014-12-31 2016-07-27 中兴通讯股份有限公司 一种智能摄像头监控的方法及装置
CN106682596A (zh) * 2016-12-14 2017-05-17 苏州航天系统工程有限公司 一种基于视频图像分析的违规垂钓监测方法
CN106845396A (zh) * 2017-01-18 2017-06-13 南京理工大学 基于自动图像识别的非法钓鱼行为识别方法
CN109040693A (zh) * 2018-08-31 2018-12-18 上海赛特斯信息科技股份有限公司 智能告警系统及方法
CN111461078A (zh) * 2020-05-18 2020-07-28 江苏电力信息技术有限公司 一种基于计算机视觉技术的防钓监控方法
CN111695492A (zh) * 2020-06-10 2020-09-22 国网山东省电力公司电力科学研究院 一种输电线路下垂钓隐患的检测方法及系统
CN112733809A (zh) * 2021-02-22 2021-04-30 常灵逸 一种用于自然保护区监控系统的智能图像识别方法及系统
CN114155470A (zh) * 2021-12-08 2022-03-08 中科计算技术西部研究院 一种河道区域入侵检测方法、系统及存储介质
CN115052132A (zh) * 2022-07-05 2022-09-13 国网江苏省电力有限公司南通市通州区供电分公司 基于人工智能的防垂钓触电预警方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10652464B2 (en) * 2017-07-31 2020-05-12 Honeywell International Inc. Systems and methods for automatically switching a surveillance camera into an auto corridor mode

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006352736A (ja) * 2005-06-20 2006-12-28 Victor Co Of Japan Ltd 監視カメラ装置
CN105812723A (zh) * 2014-12-31 2016-07-27 中兴通讯股份有限公司 一种智能摄像头监控的方法及装置
KR20160039587A (ko) * 2016-03-22 2016-04-11 (주)럭스콤 조수간만 차이를 반영한 해양 양식장 방범용 감시 시스템 및 제어 방법
CN106682596A (zh) * 2016-12-14 2017-05-17 苏州航天系统工程有限公司 一种基于视频图像分析的违规垂钓监测方法
CN106845396A (zh) * 2017-01-18 2017-06-13 南京理工大学 基于自动图像识别的非法钓鱼行为识别方法
CN109040693A (zh) * 2018-08-31 2018-12-18 上海赛特斯信息科技股份有限公司 智能告警系统及方法
CN111461078A (zh) * 2020-05-18 2020-07-28 江苏电力信息技术有限公司 一种基于计算机视觉技术的防钓监控方法
CN111695492A (zh) * 2020-06-10 2020-09-22 国网山东省电力公司电力科学研究院 一种输电线路下垂钓隐患的检测方法及系统
CN112733809A (zh) * 2021-02-22 2021-04-30 常灵逸 一种用于自然保护区监控系统的智能图像识别方法及系统
CN114155470A (zh) * 2021-12-08 2022-03-08 中科计算技术西部研究院 一种河道区域入侵检测方法、系统及存储介质
CN115052132A (zh) * 2022-07-05 2022-09-13 国网江苏省电力有限公司南通市通州区供电分公司 基于人工智能的防垂钓触电预警方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
融入深度学习的垂钓行为检测方法;张远学 等;《现代计算机》;20200205;全文 *

Also Published As

Publication number Publication date
CN115331386A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN108090458B (zh) 人体跌倒检测方法和装置
CN109040693B (zh) 智能告警系统及方法
CN100574376C (zh) 摄像装置、摄像系统以及摄像方法
WO2021223665A1 (zh) 一种减少无效告警的方法及装置
CN113052029A (zh) 基于动作识别的异常行为监管方法、装置及存储介质
CN110580808B (zh) 一种信息处理方法、装置、电子设备及智能交通系统
CN110163100B (zh) 一种防拍照显示器
CN115331386B (zh) 一种基于计算机视觉的防垂钓检测告警系统
JP2003219399A (ja) 監視対象物を識別する監視装置
KR101372860B1 (ko) 영상 검색 시스템 및 영상 분석 서버
CN114666546B (zh) 一种通信铁塔用监控方法、装置及通信铁塔
CN210666820U (zh) 一种基于dsp边缘计算的行人异常行为检测系统
CN110705416B (zh) 一种基于驾驶员面部图像建模的安全驾驶预警方法及系统
CN111723671A (zh) 一种智慧灯杆呼救系统及方法
JP2006202000A (ja) 車両監視方法及び特定文字パターン認識装置及び車両監視システム
CN114495395A (zh) 一种人形检测方法、监控预警方法、装置及系统
KR101060528B1 (ko) 보안시스템으로 적용되는 영상처리 시스템 및 그 운영방법
CN117253120A (zh) 火灾的识别方法、装置及存储介质
TK et al. An experiment analysis on tracking and detecting the vehicle speed using machine learning and iot
CN113283273A (zh) 基于视觉技术的前方障碍物实时检测方法及系统
CN110866462A (zh) 一种集成于智慧警务车的行为识别系统和识别方法
CN114299413A (zh) 一种用于建筑工程的图像采集预警系统
TWI614698B (zh) 四足動物發情偵測方法
CN220629441U (zh) 一种水下目标生物抓拍系统
CN111160067A (zh) 危险识别方法、装置、电子设备及计算机可读存储介质

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