CN115359424A - 基于遥感图像的安全监控方法、装置、设备及存储介质 - Google Patents

基于遥感图像的安全监控方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115359424A
CN115359424A CN202210994695.4A CN202210994695A CN115359424A CN 115359424 A CN115359424 A CN 115359424A CN 202210994695 A CN202210994695 A CN 202210994695A CN 115359424 A CN115359424 A CN 115359424A
Authority
CN
China
Prior art keywords
remote sensing
abandoned
building
sensing image
current
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.)
Granted
Application number
CN202210994695.4A
Other languages
English (en)
Other versions
CN115359424B (zh
Inventor
刘吉磊
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.)
PEOPLE'S PUBLIC SECURITY UNIVERSITY OF CHINA
Original Assignee
PEOPLE'S PUBLIC SECURITY UNIVERSITY OF CHINA
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 PEOPLE'S PUBLIC SECURITY UNIVERSITY OF CHINA filed Critical PEOPLE'S PUBLIC SECURITY UNIVERSITY OF CHINA
Priority to CN202210994695.4A priority Critical patent/CN115359424B/zh
Publication of CN115359424A publication Critical patent/CN115359424A/zh
Application granted granted Critical
Publication of CN115359424B publication Critical patent/CN115359424B/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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/54—Extraction of image or video features relating to texture
    • 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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition

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)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种基于遥感图像的安全监控方法、装置、设备及存储介质，属于安全监控技术领域。本发明通过在无人机进行废弃建筑物巡检时，获取当前废弃建筑物遥感图像；对所述当前废弃建筑物遥感图像进行比对，得到比对异常图像；对所述比对异常图像进行分析，判断是否存在人员活动；在所述当前废弃建筑物存在人员活动时，生成提醒信息，以对所述当前废弃建筑物进行安全监控，可实时发现废弃建筑物中的异常，及时进行处理，保证人员安全。

Description

基于遥感图像的安全监控方法、装置、设备及存储介质
技术领域
本发明涉及安全监控技术领域，尤其涉及一种基于遥感图像的安全监控方法、装置、设备及存储介质。
背景技术
随着城市化的加剧，城市建设和城市转型正在发生重大改变。城市中有很多废弃建筑物，由于规划或资金的各种原因，导致废弃建筑物逐渐增多，并逐渐被边缘化。
由于废弃建筑物荒废已久，不会被人们过多关注，当存在安全事故或违法行为难以及时察觉和处理，导致废弃建筑物难以进行监控。
发明内容
本发明的主要目的在于提供一种基于遥感图像的安全监控方法、装置、设备及存储介质，旨在解决现有技术中废弃建筑物难以进行监控的技术问题。
为实现上述目的，本发明提供了一种基于遥感图像的安全监控方法，所述方法包括以下步骤:
在无人机进行废弃建筑物巡检时，获取当前废弃建筑物遥感图像；
对所述当前废弃建筑物遥感图像进行比对，得到比对异常图像；
对所述比对异常图像进行分析，判断是否存在人员活动；
在所述当前废弃建筑物存在人员活动时，生成提醒信息，以对所述当前废弃建筑物进行安全监控。
可选地，所述在无人机进行废弃建筑物巡检时，获取当前废弃建筑物遥感图像之前，还包括：
获取无人机拍摄的历史废弃建筑物遥感图像；
对所述历史废弃建筑物遥感图像进行特征提取，生成特征图；
获取所述特征图的像素点；
根据所述像素点设置预设数量的预置框；
确定所述预置框的目标置信度及所述预置框的偏移量；
根据所述目标置信度以及所述偏移量得到历史废弃建筑物的位置信息；
根据所述位置信息对所述历史废弃建筑物进行类别划分，确定所述历史废弃建筑物的危险等级。
可选地，所述根据所述位置信息对所述历史废弃建筑物进行类别划分，确定所述历史废弃建筑物的危险等级，包括：
根据所述位置信息得到历史废弃建筑物所处的环境数据；
根据所述环境数据得到偏僻信息、下沉信息以及倾斜信息；
基于所述偏僻信息、所述下沉信息以及所述倾斜信息计算平均值；
将所述平均值与预设标准阈值进行比较；
根据所述平均值和所述预设标准阈值的比较结果对历史废弃建筑物的危险等级进行划分；
根据划分结果确定所述历史废弃建筑物的危险等级。
可选地，所述对所述当前废弃建筑物遥感图像进行比对，得到比对异常图像，包括：
将所述当前废弃建筑物遥感图像进行尺寸缩小及灰度化处理，得到处理后的当前废弃建筑物遥感图像；
计算处理后的当前废弃建筑物遥感图像的差异值，得到当前废弃建筑物遥感图像哈希值；
计算所述历史废弃建筑物遥感图像的差异值，得到历史废弃建筑物遥感图像哈希值；
将所述当前废弃建筑物遥感图像哈希值与所述历史废弃建筑物遥感图像哈希值进行比较，根据比较结果得到匹配历史废弃建筑物；
获取所述匹配历史废弃建筑物的危险等级；
将所述匹配历史废弃建筑物的危险等级作为当前废弃建筑物的危险等级；
在所述当前废弃建筑物的危险等级超过预设危险等级阈值时，将所述当前废弃建筑物对应的当前废弃建筑物遥感图像作为比对异常图像。
可选地，所述对所述比对异常图像进行分析，判断是否存在人员活动，包括：
对所述比对异常图像进行校正，得到校正图像；
计算所述校正图像的纹理特征；
基于所述纹理特征进行差值运算，得到差值图像；
将所述差值图像进行阈值分割，得到分割二值结果图；
将所述分割二值结果图进行合并，并将合并后的分割二值结果图进行处理；
根据处理结果得到异常图斑信息；
对所述异常图斑信息进行特征值计算，得到具有特征值的图斑；
基于废弃建筑物的特征对所述异常图斑信息进行分类，提取干扰信息；
基于所述干扰信息和所述具有特征值的图斑判断是否存在人员活动。
可选地，所述在所述当前废弃建筑物存在人员活动时，生成提醒信息，包括：
在所述当前废弃建筑物存在人员活动时，基于所述干扰信息和所述具有特征值的图斑确定人员活动范围；
将所述人员活动范围与预设范围进行比较，确定人员活动类型；
在所述人员活动范围超过所述预设范围时，确认人员活动类型为人员聚集，生成第一提醒信息，以根据所述第一提醒信息对所述当前废弃建筑物进行现场巡检。
可选地，所述在所述当前废弃建筑物存在人员活动时，生成提醒信息，包括：
在所述人员活动范围未超过所述预设范围时，确定活动人员位置；
对所述活动人员位置进行监控，得到活动人员停留时长；
在所述活动人员停留时长超过预设时长阈值时，生成第二提醒信息，以提醒所述活动人员远离所述当前废弃建筑物。
此外，为实现上述目的，本发明还提出一种基于遥感图像的安全监控装置，所述基于遥感图像的安全监控装置包括：
获取模块，用于在无人机进行废弃建筑物巡检时，获取当前废弃建筑物遥感图像；
比对模块，用于对所述当前废弃建筑物遥感图像进行比对，得到比对异常图像；
分析模块，用于对所述比对异常图像进行分析，判断是否存在人员活动；
提醒模块，用于在所述当前废弃建筑物存在人员活动时，生成提醒信息，以对所述当前废弃建筑物进行安全监控。
此外，为实现上述目的，本发明还提出一种基于遥感图像的安全监控设备，所述基于遥感图像的安全监控设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于遥感图像的安全监控程序，所述基于遥感图像的安全监控程序配置为实现如上文所述的基于遥感图像的安全监控方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于遥感图像的安全监控程序，所述基于遥感图像的安全监控程序被处理器执行时实现如上文所述的基于遥感图像的安全监控方法的步骤。
本发明通过在无人机进行废弃建筑物巡检时，获取当前废弃建筑物遥感图像；对所述当前废弃建筑物遥感图像进行比对，得到比对异常图像；对所述比对异常图像进行分析，判断是否存在人员活动；在所述当前废弃建筑物存在人员活动时，生成提醒信息，以对所述当前废弃建筑物进行安全监控，可实时发现废弃建筑物中的异常，及时进行处理，保证人员安全。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于遥感图像的安全监控设备的结构示意图；
图2为本发明基于遥感图像的安全监控方法第一实施例的流程示意图；
图3为基于遥感图像的安全监控方法一实施例中无人机拍摄的当前废弃建筑物遥感图像；
图4为本发明基于遥感图像的安全监控方法第二实施例的流程示意图；
图5为本发明基于遥感图像的安全监控方法第三实施例的流程示意图；
图6为本发明基于遥感图像的安全监控方法第四实施例的流程示意图；
图7为本发明基于遥感图像的安全监控方法第五实施例的流程示意图；
图8为本发明基于遥感图像的安全监控装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于遥感图像的安全监控设备结构示意图。
如图1所示，该基于遥感图像的安全监控设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity，Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对基于遥感图像的安全监控设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于遥感图像的安全监控程序。
在图1所示的基于遥感图像的安全监控设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明基于遥感图像的安全监控设备中的处理器1001、存储器1005可以设置在基于遥感图像的安全监控设备中，所述基于遥感图像的安全监控设备通过处理器1001调用存储器1005中存储的基于遥感图像的安全监控程序，并执行本发明实施例提供的基于遥感图像的安全监控方法。
本发明实施例提供了一种基于遥感图像的安全监控方法，参照图2，图2为本发明基于遥感图像的安全监控方法第一实施例的流程示意图。
本实施例中，所述基于遥感图像的安全监控方法包括以下步骤：
步骤S10：在无人机进行废弃建筑物巡检时，获取当前废弃建筑物遥感图像。
需要说明的是，本实施例的执行主体可为基于遥感图像的安全监控设备，还可为其他可实现相同或相似功能的设备，本实施例对此不作限制，本实施例以基于遥感图像的安全监控设备为例进行说明。
在具体实施中，通过基于遥感图像的安全监控设备的终端控制无人机进行巡检，通过获取各个区域的地图信息以及建筑物信息，从而确定需要进行巡检的废弃建筑物，将废弃建筑物的大致范围发送给无人机的控制器，从而控制无人机进行巡检，当无人机检测到废弃建筑物时，可对废弃建筑物进行拍摄，从而获取当前无人机正在进行巡检的废弃建筑物的遥感图像，即当前废弃建筑物遥感图像。同一个废弃建筑物，无人机控制器可控制无人机拍摄当前废弃建筑物的多角度的遥感图像，便于更加全面清楚地了解当前废弃建筑物的具体信息。
在本实施例中，废弃建筑物指的是无人居住的建筑，可能是由于资金短缺或规划需求导致建筑物废弃，废弃建筑物可能并未完工，且由于建筑常年无人居住，导致废弃的建筑物内可能会存在地面架空、木头腐烂、金属生锈以及石膏融化等，因此废弃建筑物会存在大量的安全隐患。而废弃建筑物由于无人监管，会有人员在废弃建筑物周围或废弃建筑物内活动，需要进行安全监控，保证人员安全。
步骤S20：对所述当前废弃建筑物遥感图像进行比对，得到比对异常图像。
应理解的是，对当前废弃建筑物遥感图像进行比对指的是将当前废弃建筑物遥感图像与参照废弃建筑物遥感图像进行比对，参照废弃建筑物遥感图像可为前期收集的大量的废弃建筑物遥感图像样本，通过将当前废弃建筑物遥感图像与参照废弃建筑物遥感图像进行比对，判断当前废弃建筑物遥感图像与参照废弃建筑物遥感图像中的哪一个废弃建筑物一致，并确定当前废弃建筑物的危险等级，将当前废弃建筑物的危险等级超过预设危险等级阈值的废弃建筑物遥感图像作为比对异常图像。预设危险等级阈值可根据用户需求和具体情况进行设置，本实施例对此不作限制。比对异常图像指的是可能存在危险的废弃建筑物的图像，可通过对比对异常图像进行进一步分析，判断是否存在异常。
步骤S30：对所述比对异常图像进行分析，判断是否存在人员活动。
需要说明的是，对比对异常图像进行分析可将比对异常图像进行校正、运算以及分割等，从而提取出比对异常图像中的干扰信息，通过干扰信息判断比对异常图像所对应的当前废弃建筑物是否有人员活动，从而确定人员活动的具体类型。
步骤S40：在所述当前废弃建筑物存在人员活动时，生成提醒信息，以对所述当前废弃建筑物进行安全监控。
需要说明的是，当前废弃建筑物可能为危险建筑物，因此在当前废弃建筑物存在人员活动时，可判断人员活动的类型，确定人员是否在当前废弃建筑物内居住或人员聚集在当前废弃建筑物内，从而生成不同的提醒信息，用来提醒当前废弃建筑物内的人员或提醒公安人员进行现场巡检，从而提高人员安全，实现对当前废弃建筑物的安全监控和人员的安全监控。
如图3所示，图3为本实施例中无人机拍摄的当前废弃建筑物遥感图像，可通过将当前废弃建筑物遥感图像进行比对，得到比对异常的图像，从而根据比对异常图像判断是否存在人员活动，以便及时发现废弃建筑物的异常，及时进行处理保证人员的安全。
本实施例通过在无人机进行废弃建筑物巡检时，获取当前废弃建筑物遥感图像；对所述当前废弃建筑物遥感图像进行比对，得到比对异常图像；对所述比对异常图像进行分析，判断是否存在人员活动；在所述当前废弃建筑物存在人员活动时，生成提醒信息，以对所述当前废弃建筑物进行安全监控，可实时发现废弃建筑物中的异常，及时进行处理，保证人员安全。
参考图4，图4为本发明基于遥感图像的安全监控方法第二实施例的流程示意图。
基于上述第一实施例，本实施例基于遥感图像的安全监控方法在所述步骤S10之前，还包括：
步骤S01：获取无人机拍摄的历史废弃建筑物遥感图像。
需要说明的是，历史废弃建筑物遥感图像指的是无人机前期拍摄的大量的废弃建筑物遥感图像样本，可通过无人机前期进行拍摄，得到历史废弃建筑物遥感图像。
步骤S02：对所述历史废弃建筑物遥感图像进行特征提取，生成特征图。
在本实施例中，可通过特征提取网络对历史废弃建筑物遥感图像进行特征提取，例如VGG卷积神经网络、ResNet(Deep residual network，深度残差网络)等，本实施例对此不作限制。将历史废弃建筑物遥感图像输入至特征提取网络进行特征提取，对历史废弃建筑物遥感图像进行不同尺度的特征提取，得到不同尺度的特征图。
步骤S03：获取所述特征图的像素点。
步骤S04：根据所述像素点设置预设数量的预置框。
在具体实施中，当生成不同尺度的特征图后，可获取特征图的像素点，对于每个特征图的像素点，可以采用不同的大小和长宽比来采样预置框。每个预置框的中心点就是特征像素点的中心，从而根据像素点设置预设数量的预置框，预设数量可根据特征图的尺寸进行设置。
步骤S05：确定所述预置框的目标置信度及所述预置框的偏移量。
步骤S06：根据所述目标置信度以及所述偏移量得到历史废弃建筑物的位置信息。
应理解的是，可将训练得到的卷积核参数对图像经过一系列卷积，计算每个预置框内的目标置信度以及预置框的偏移量。预置框的中心点坐标为(x0，y0)，宽和高为(w0，h0)，真实框匹配到IOU大于0.5的预置框d＝(x0，y0，w0，h0)作为正样本，没有匹配上的为负样本，通过使用多类softmax损失函数计算，得到预置框的目标置信度。预置框的偏移量Δq＝(Δx1，Δy1；Δx2，Δy2；Δx3，Δy3；Δx4，Δy4)，预置框的四点坐标为下式1：
Figure BDA0003805109990000081
Figure BDA0003805109990000082
Figure BDA0003805109990000083
Figure BDA0003805109990000084
上式1中，
Figure BDA0003805109990000085
为预置框的第一点坐标，
Figure BDA0003805109990000086
为预置框的第二点坐标，
Figure BDA0003805109990000091
为预置框的第三点坐标，
Figure BDA0003805109990000092
为预置框的第四点坐标。
通过上式1、预置框中心点坐标以及预置框的宽和高，可计算得到预置框的四个点坐标，从而得到历史废弃建筑物的位置信息。
步骤S07：根据所述位置信息对所述历史废弃建筑物进行类别划分，确定所述历史废弃建筑物的危险等级。
需要说明的是，当得到位置信息后，可根据位置信息确定历史废弃建筑物所处的环境数据，从而根据环境数据对历史废弃建筑物进行类别划分，确定历史废弃建筑的危险等级。历史废弃建筑物的危险等级可为第一危险级别、第二危险级别以及第三危险级别，第一危险级别为最为危险的级别，当历史废弃建筑物的危险等级为第一危险级别时，说明历史废弃建筑物地处极为偏僻，且历史废弃建筑物存在严重倾斜并有随时可能倒塌的危险。第二危险级别为中等危险的级别，当历史废弃建筑物的危险等级为第二危险级别时，历史废弃建筑物地处较为偏僻，且历史废弃建筑物存在倾斜以及下沉的危险。第三危险级别为轻微危险的级别，当历史废弃建筑物的危险等级为第三危险级别时，历史废弃建筑物地处比较偏僻，且历史废弃建筑物可能有倾斜以及下沉的危险。
进一步地，根据所述位置信息对所述历史废弃建筑物进行类别划分，确定所述历史废弃建筑物的危险等级的步骤具体包括：根据所述位置信息得到历史废弃建筑物所处的环境数据；根据所述环境数据得到偏僻信息、下沉信息以及倾斜信息；基于所述偏僻信息、所述下沉信息以及所述倾斜信息计算平均值；将所述平均值与预设标准阈值进行比较；根据所述平均值和所述预设标准阈值的比较结果对历史废弃建筑物的危险等级进行划分；根据划分结果确定所述历史废弃建筑物的危险等级。
在具体实施中，当得到历史废弃建筑物的位置信息，可根据历史废弃建筑物的位置信息确定历史废弃建筑物所处的环境数据，环境数据包括历史废弃建筑物的偏僻信息、下沉信息以及倾斜信息，还可包括其他环境数据，本实施例对此不作限制。
可以理解的是，当得到环境数据中的偏僻信息、下沉信息以及倾斜信息后，可将偏僻信息、下沉信息以及倾斜信息数值化，并计算偏僻信息、下沉信息以及倾斜信息的平均值，预设标准阈值包括第一预设标准阈值和第二预设标准阈值，第一预设标准阈值小于第二预设标准阈值，例如第一预设标准阈值为0.6，第二预设标准阈值为0.8，通过将平均值与预设标准阈值进行比较，例如平均值大于等于第二预设标准阈值，将此平均值对应的历史废弃建筑物划分为第一危险级别，当平均值大于第一预设标准阈值并小于第二预设标准阈值，将此平均值对应的历史废弃建筑物划分为第二危险级别，当平均值小于等于第一预设标准阈值时，将此平均值对应的历史废弃建筑物划分为第三危险级别。根据通过平均值与预设标准阈值的比较结果得到历史废弃建筑物的危险等级。
本实施例通过获取无人机拍摄的历史废弃建筑物遥感图像；对所述历史废弃建筑物遥感图像进行特征提取，生成特征图；获取所述特征图的像素点；根据所述像素点设置预设数量的预置框；确定所述预置框的目标置信度及所述预置框的偏移量；根据所述目标置信度以及所述偏移量得到历史废弃建筑物的位置信息；根据所述位置信息对所述历史废弃建筑物进行类别划分，确定所述历史废弃建筑物的危险等级，可根据历史废弃建筑物的位置信息得到对应的危险等级，从而可快速对废弃建筑物的危险等级进行判断，便于快速识别废弃建筑物的安全情况，提高废弃建筑物的安全监控。
参考图5，图5为本发明基于遥感图像的安全监控方法第三实施例的流程示意图。
基于上述第一和第二实施例，本实施例基于遥感图像的安全监控方法所述步骤S20，具体包括：
步骤S201：将所述当前废弃建筑物遥感图像进行尺寸缩小及灰度化处理，得到处理后的当前废弃建筑物遥感图像。
需要说明的是，将当前废弃建筑物遥感图像与历史废弃建筑物遥感图像进行比对得到比对异常图像，可对当前废弃建筑物遥感图像以及历史废弃建筑物遥感图像分别进行处理，对当前废弃建筑物遥感图像进行处理包括使用差异哈希算法进行处理。
在具体实施中，可将当前废弃建筑物遥感图像的尺寸进行缩小，可最快速的去除遥感图像中的高频和细节，只保留结构明暗，从而得到缩小后的当前废弃建筑物遥感图像，并将缩小后的当前废弃建筑物遥感图像进行灰度化转换，得到64级灰度，从而得到处理后的当前废弃建筑物遥感图像。
步骤S202：计算处理后的当前废弃建筑物遥感图像的差异值，得到当前废弃建筑物遥感图像哈希值。
在本实施例中，当得到处理后的当前废弃建筑物遥感图像后，可计算处理后的当前废弃建筑物遥感图像的差异值，将相邻的两个元素进行相减，可得到不同的差异值，从而得到处理后的当前废弃建筑物遥感图像的差异值，并对差异值进行处理，若差异值为正数或0，则记,为1，若差异值为负数，记为0。并将所有结果结合在一起，得到当前废弃建筑物遥感图像哈希值。
步骤S203：计算所述历史废弃建筑物遥感图像的差异值，得到历史废弃建筑物遥感图像哈希值。
需要说明的是，当得到历史废弃建筑物遥感图像后，可将历史废弃建筑物遥感图像进行尺寸缩小及灰度化处理，得到处理后的历史废弃建筑物遥感图像，并计算处理后的历史废弃建筑物遥感图像的差异值，并对处理后的历史废弃建筑物遥感图像的差异值进行处理，若处理后的历史废弃建筑物遥感图像的差异值为正数或0，则记为1，若处理后的历史废弃建筑物遥感图像的差异值为负数，记为0，将所有结果结合在一起，得到历史废弃建筑物遥感图像哈希值。
步骤S204：将所述当前废弃建筑物遥感图像哈希值与所述历史废弃建筑物遥感图像哈希值进行比较，根据比较结果得到匹配历史废弃建筑物。
在具体实施中，当得到当前废弃建筑物遥感图像哈希值和历史废弃建筑物遥感图像哈希值后，可将两个哈希值进行比较，计算汉明距离，从而得到当前废弃建筑物遥感图像与历史废弃建筑物遥感图像之间的相似度，从历史废弃建筑物遥感图像中挑选与当前废弃建筑物遥感图像相似的遥感图像，将与当前废弃建筑物遥感图像相似的历史废弃建筑物遥感图像作为匹配历史废弃建筑物。
步骤S205：获取所述匹配历史废弃建筑物的危险等级。
步骤S206：将所述匹配历史废弃建筑物的危险等级作为当前废弃建筑物的危险等级。
应理解的是，由于之前各个历史废弃建筑物的危险等级已经划分确定，则可获取匹配历史废弃建筑物的危险等级。并将匹配历史废弃建筑物的危险等级作为当前废弃建筑物的危险等级。
例如匹配历史废弃建筑物的危险等级为第二危险级别，则确定当前废弃建筑物的危险等级为第二危险级别。
步骤S207：在所述当前废弃建筑物的危险等级超过预设危险等级阈值时，将所述当前废弃建筑物对应的当前废弃建筑物遥感图像作为比对异常图像。
在本实施例中，预设危险等级阈值可根据需求进行设置，例如预设危险等级阈值可为第三危险级别对应的阈值、第二危险级别对应的阈值等，本实施例对此不作限制，本实施例以第三危险级别对应的阈值，在当前废弃建筑物的危险等级为第二危险级别或第一危险级别时，确定当前废弃建筑物的危险等级超过预设危险等级阈值，将当前废弃建筑物对应的当前废弃建筑物遥感图像作为比对异常图像。
本实施例将所述当前废弃建筑物遥感图像进行尺寸缩小及灰度化处理，得到处理后的当前废弃建筑物遥感图像；计算处理后的当前废弃建筑物遥感图像的差异值，得到当前废弃建筑物遥感图像哈希值；计算所述历史废弃建筑物遥感图像的差异值，得到历史废弃建筑物遥感图像哈希值；将所述当前废弃建筑物遥感图像哈希值与所述历史废弃建筑物遥感图像哈希值进行比较，根据比较结果得到匹配历史废弃建筑物；获取所述匹配历史废弃建筑物的危险等级；将所述匹配历史废弃建筑物的危险等级作为当前废弃建筑物的危险等级；在所述当前废弃建筑物的危险等级超过预设危险等级阈值时，将所述当前废弃建筑物对应的当前废弃建筑物遥感图像作为比对异常图像。可将当前废弃建筑物遥感图像和历史废弃建筑物遥感图像进行处理，从而可准确快速的将当前废弃建筑物遥感图像和历史废弃建筑物遥感图像之间进行比较，确定相似的遥感图像，从而快速确定当前废弃建筑物的危险等级，可快速准确的定位当前废弃建筑物是否危险或异常。
参考图6，图6为本发明基于遥感图像的安全监控方法第四实施例的流程示意图。
基于上述第一实施例，本实施例基于遥感图像的安全监控方法所述步骤S30，具体包括：
步骤S301：对所述比对异常图像进行校正，得到校正图像。
需要说明的是，对异常图像进行校正包括几何精校正和相对辐射校正等，在异常图像中均匀选择多个同名点用于多项式几何模型参数的计算，校正误差需控制在0.5个像元以内。对异常图像进行几何精校正后，再将经过几何精校正的图像进行相对辐射校正，以消除由于传感器、成像时间、大气辐射等导致的图像辐射亮度差异，从而得到校正图像。
步骤S302：计算所述校正图像的纹理特征。
在本实施例中，可将校正图像生成3*3像素大小的窗口，并生成灰度共生矩阵，计算此矩阵的方差特征作为校正图像的各波段纹理特征值。计算过程如下式2：
Figure BDA0003805109990000131
式2中，fVAR为纹理特征值，i，j为灰度值，d，θ分别为灰度共生矩阵的生成步长和方向，p(i,j,d,θ)为联合条件概率密度，m为p(i,j,d,θ)的均值，n为灰度值的级数。
步骤S303：基于所述纹理特征进行差值运算，得到差值图像。
应理解的是，当计算得到纹理特征值时，将纹理特征值进行逐波段的差值运算获得差值图像。
步骤S304：将所述差值图像进行阈值分割，得到分割二值结果图。
在具体实施中，可通过均值标准差法对各波段的差值图像进行阈值分割，得到相应的二值分割结果图。
步骤S305：将所述分割二值结果图进行合并，并将合并后的分割二值结果图进行处理。
步骤S306：根据处理结果得到异常图斑信息。
需要说明的是，当得到二值分割结果图后，可对获得的各波段的二值结果图进行逻辑合并运算，得到合并后的分割二值结果图，并将合并后的分割二值结果图进行处理，得到异常图斑信息。
步骤S307：对所述异常图斑信息进行特征值计算，得到具有特征值的图斑。
在本实施例中，当得到异常图斑信息后，获取异常图斑信息中的矢量图斑，对每一个矢量图斑进行特征值计算，筛选具有特征值的矢量图斑，即具有特征值的图斑。
步骤S308：基于废弃建筑物的特征对所述异常图斑信息进行分类，提取干扰信息。
可以理解的是，废弃建筑物的特征可根据特征提取模型对废弃建筑物进行特征提取，得到废弃建筑物的特征，并基于废弃建筑物的特征对异常图斑信息进行分类，提取干扰信息。对异常图斑信息进行分类指的是对异常图斑信息中的矢量图斑进行分类。干扰信息指的是当前废弃建筑物中人类活动的干扰信息。
步骤S309：基于所述干扰信息和所述具有特征值的图斑判断是否存在人员活动。
需要说明的是，当异常图斑信息中存在具有特征值的图斑以及干扰信息时，判断当前废弃建筑物中存在人员活动，当异常图斑信息中不存在具有特征值的图斑或干扰信息时，判断当前废弃建筑物中不存在人员活动。
本实施例通过对所述比对异常图像进行校正，得到校正图像；计算所述校正图像的纹理特征；基于所述纹理特征进行差值运算，得到差值图像；将所述差值图像进行阈值分割，得到分割二值结果图；将所述分割二值结果图进行合并，并将合并后的分割二值结果图进行处理；根据处理结果得到异常图斑信息；对所述异常图斑信息进行特征值计算，得到具有特征值的图斑；基于废弃建筑物的特征对所述异常图斑信息进行分类，提取干扰信息；基于所述干扰信息和所述具有特征值的图斑判断是否存在人员活动。可对异常图像进行处理，从而确定是否存在干扰信息以及是否具有特征值的图斑，可快速准确地判断当前废弃建筑物中是否存在人员活动。
参考图7，图7为本发明基于遥感图像的安全监控方法第五实施例的流程示意图。
基于上述第一和第四实施例，本实施例基于遥感图像的安全监控方法所述步骤S40，具体包括：
步骤S401：在所述当前废弃建筑物存在人员活动时，基于所述干扰信息和所述具有特征值的图斑确定人员活动范围。
需要说明的是，在当前废弃建筑物存在人员活动时，可根据干扰信息和具有特征值的图斑确定人员活动范围，当前废弃建筑物遥感图像中有具有特征的图斑以及干扰信息，可将具有特征值的图斑和干扰信息在当前废弃建筑物遥感图像中的分布位置确定人员活动范围。
步骤S402：将所述人员活动范围与预设范围进行比较，确定人员活动类型。
预设范围可根据需求自行设置，可将当前废弃建筑物的四周以及当前废弃建筑物中的每隔三层作为预设范围，并将人员活动范围与设置的预设范围进行比较，根据比较结果确定人员活动类型，例如比较人员活动范围是否超过设置的预设范围，当人员活动范围超过设置的预设范围时，此时人员较多。当人员活动范围未超过预设范围时，人员较少。
步骤S403：在所述人员活动范围超过所述预设范围时，确认人员活动类型为人员聚集，生成第一提醒信息，以根据所述第一提醒信息对所述当前废弃建筑物进行现场巡检。
在具体实施中，当人员活动范围超过预设范围时，说明此时人员较多，则可确定人员活动类型为人员聚集，而在人员聚集时，聚集的人员可能存在一些违法交易，需要进一步监控和处理，则生成第一提醒信息。第一提醒信息用于提醒执法人员，可通过第一提醒信息提醒执法人员对当前废弃建筑物进行现场巡检，以确定人员的安全。
进一步地，在所述人员活动范围未超过所述预设范围时，确定活动人员位置；对所述活动人员位置进行监控，得到活动人员停留时长；在所述活动人员停留时长超过预设时长阈值时，生成第二提醒信息，以提醒所述活动人员远离所述当前废弃建筑物。
在本实施例中，当人员活动范围未超过预设范围时，人员不存在聚集，但人员在当前废弃建筑物周围或在当前废弃建筑物中活动会存在危险，需要进一步确定活动人员是否为长时间停留，则对活动人员位置进行监控，确定活动人员停留时长。预设时长阈值可根据用户需求进行设置，例如预设时长阈值为5h、9h、24h等，本实施例对此不作限制，本实施例以5h为例进行说明，当活动人员停留时长超过5h时，将此活动人员确定为居住在当前废弃建筑物的人员，而当前废弃建筑物存在一定的危险，因此需要提醒居中在当前废弃建筑物中的活动人员，则生成第二提醒信息。
应理解的是，第二提醒信息指的是提醒当前废弃建筑物中活动人员的信息，通过生成第二提醒信息对活动人员进行提醒，例如生成语音信息，将语音信息通过安装在无人机上的扬声器进行播放，从而提醒活动人员远离当前废弃建筑物。
本实施例通过在所述当前废弃建筑物存在人员活动时，基于所述干扰信息和所述具有特征值的图斑确定人员活动范围；将所述人员活动范围与预设范围进行比较，确定人员活动类型；在所述人员活动范围超过所述预设范围时，确认人员活动类型为人员聚集，生成第一提醒信息，以根据所述第一提醒信息对所述当前废弃建筑物进行现场巡检，可快速确定人员活动类型，便于及时对当前废弃建筑物的情况进行识别，提高人员安全。
参照图8，图8为本发明基于遥感图像的安全监控装置第一实施例的结构框图。
如图8所示，本发明实施例提出的基于遥感图像的安全监控装置包括：
获取模块10，用于在无人机进行废弃建筑物巡检时，获取当前废弃建筑物遥感图像。
比对模块20，用于对所述当前废弃建筑物遥感图像进行比对，得到比对异常图像。
分析模块30，用于对所述比对异常图像进行分析，判断是否存在人员活动。
提醒模块40，用于在所述当前废弃建筑物存在人员活动时，生成提醒信息，以对所述当前废弃建筑物进行安全监控。
本实施例通过在无人机进行废弃建筑物巡检时，获取当前废弃建筑物遥感图像；对所述当前废弃建筑物遥感图像进行比对，得到比对异常图像；对所述比对异常图像进行分析，判断是否存在人员活动；在所述当前废弃建筑物存在人员活动时，生成提醒信息，以对所述当前废弃建筑物进行安全监控，可实时发现废弃建筑物中的异常，及时进行处理，保证人员安全。
在一实施例中，所述获取模块10，还用于获取无人机拍摄的历史废弃建筑物遥感图像；对所述历史废弃建筑物遥感图像进行特征提取，生成特征图；获取所述特征图的像素点；根据所述像素点设置预设数量的预置框；确定所述预置框的目标置信度及所述预置框的偏移量；根据所述目标置信度以及所述偏移量得到历史废弃建筑物的位置信息；根据所述位置信息对所述历史废弃建筑物进行类别划分，确定所述历史废弃建筑物的危险等级。
在一实施例中，所述获取模块10，还用于根据所述位置信息得到历史废弃建筑物所处的环境数据；根据所述环境数据得到偏僻信息、下沉信息以及倾斜信息；基于所述偏僻信息、所述下沉信息以及所述倾斜信息计算平均值；将所述平均值与预设标准阈值进行比较；根据所述平均值和所述预设标准阈值的比较结果对历史废弃建筑物的危险等级进行划分；根据划分结果确定所述历史废弃建筑物的危险等级。
在一实施例中，所述比对模块20，还用于将所述当前废弃建筑物遥感图像进行尺寸缩小及灰度化处理，得到处理后的当前废弃建筑物遥感图像；计算处理后的当前废弃建筑物遥感图像的差异值，得到当前废弃建筑物遥感图像哈希值；计算所述历史废弃建筑物遥感图像的差异值，得到历史废弃建筑物遥感图像哈希值；将所述当前废弃建筑物遥感图像哈希值与所述历史废弃建筑物遥感图像哈希值进行比较，根据比较结果得到匹配历史废弃建筑物；获取所述匹配历史废弃建筑物的危险等级；将所述匹配历史废弃建筑物的危险等级作为当前废弃建筑物的危险等级；在所述当前废弃建筑物的危险等级超过预设危险等级阈值时，将所述当前废弃建筑物对应的当前废弃建筑物遥感图像作为比对异常图像。
在一实施例中，所述分析模块30，还用于对所述比对异常图像进行校正，得到校正图像；计算所述校正图像的纹理特征；基于所述纹理特征进行差值运算，得到差值图像；将所述差值图像进行阈值分割，得到分割二值结果图；将所述分割二值结果图进行合并，并将合并后的分割二值结果图进行处理；根据处理结果得到异常图斑信息；对所述异常图斑信息进行特征值计算，得到具有特征值的图斑；基于废弃建筑物的特征对所述异常图斑信息进行分类，提取干扰信息；基于所述干扰信息和所述具有特征值的图斑判断是否存在人员活动。
在一实施例中，所述提醒模块40，还用于在所述当前废弃建筑物存在人员活动时，基于所述干扰信息和所述具有特征值的图斑确定人员活动范围；将所述人员活动范围与预设范围进行比较，确定人员活动类型；在所述人员活动范围超过所述预设范围时，确认人员活动类型为人员聚集，生成第一提醒信息，以根据所述第一提醒信息对所述当前废弃建筑物进行现场巡检。
在一实施例中，所述提醒模块40，还用于在所述人员活动范围未超过所述预设范围时，确定活动人员位置；对所述活动人员位置进行监控，得到活动人员停留时长；在所述活动人员停留时长超过预设时长阈值时，生成第二提醒信息，以提醒所述活动人员远离所述当前废弃建筑物。
此外，为实现上述目的，本发明还提出一种基于遥感图像的安全监控设备，所述基于遥感图像的安全监控设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于遥感图像的安全监控程序，所述基于遥感图像的安全监控程序配置为实现如上文所述的基于遥感图像的安全监控方法的步骤。
由于本基于遥感图像的安全监控设备采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于遥感图像的安全监控程序，所述基于遥感图像的安全监控程序被处理器执行时实现如上文所述的基于遥感图像的安全监控方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于遥感图像的安全监控方法，此处不再赘述。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种基于遥感图像的安全监控方法，其特征在于，所述基于遥感图像的安全监控方法包括：
在无人机进行废弃建筑物巡检时，获取当前废弃建筑物遥感图像；
对所述当前废弃建筑物遥感图像进行比对，得到比对异常图像；
对所述比对异常图像进行分析，判断是否存在人员活动；
在所述当前废弃建筑物存在人员活动时，生成提醒信息，以对所述当前废弃建筑物进行安全监控。
2.如权利要求1所述的基于遥感图像的安全监控方法，其特征在于，所述在无人机进行废弃建筑物巡检时，获取当前废弃建筑物遥感图像之前，还包括：
获取无人机拍摄的历史废弃建筑物遥感图像；
对所述历史废弃建筑物遥感图像进行特征提取，生成特征图；
获取所述特征图的像素点；
根据所述像素点设置预设数量的预置框；
确定所述预置框的目标置信度及所述预置框的偏移量；
根据所述目标置信度以及所述偏移量得到历史废弃建筑物的位置信息；
根据所述位置信息对所述历史废弃建筑物进行类别划分，确定所述历史废弃建筑物的危险等级。
3.如权利要求2所述的基于遥感图像的安全监控方法，其特征在于，所述根据所述位置信息对所述历史废弃建筑物进行类别划分，确定所述历史废弃建筑物的危险等级，包括：
根据所述位置信息得到历史废弃建筑物所处的环境数据；
根据所述环境数据得到偏僻信息、下沉信息以及倾斜信息；
基于所述偏僻信息、所述下沉信息以及所述倾斜信息计算平均值；
将所述平均值与预设标准阈值进行比较；
根据所述平均值和所述预设标准阈值的比较结果对历史废弃建筑物的危险等级进行划分；
根据划分结果确定所述历史废弃建筑物的危险等级。
4.如权利要求3所述的基于遥感图像的安全监控方法，其特征在于，所述对所述当前废弃建筑物遥感图像进行比对，得到比对异常图像，包括：
将所述当前废弃建筑物遥感图像进行尺寸缩小及灰度化处理，得到处理后的当前废弃建筑物遥感图像；
计算处理后的当前废弃建筑物遥感图像的差异值，得到当前废弃建筑物遥感图像哈希值；
计算所述历史废弃建筑物遥感图像的差异值，得到历史废弃建筑物遥感图像哈希值；
将所述当前废弃建筑物遥感图像哈希值与所述历史废弃建筑物遥感图像哈希值进行比较，根据比较结果得到匹配历史废弃建筑物；
获取所述匹配历史废弃建筑物的危险等级；
将所述匹配历史废弃建筑物的危险等级作为当前废弃建筑物的危险等级；
在所述当前废弃建筑物的危险等级超过预设危险等级阈值时，将所述当前废弃建筑物对应的当前废弃建筑物遥感图像作为比对异常图像。
5.如权利要求1-4中任一项所述的基于遥感图像的安全监控方法，其特征在于，所述对所述比对异常图像进行分析，判断是否存在人员活动，包括：
对所述比对异常图像进行校正，得到校正图像；
计算所述校正图像的纹理特征；
基于所述纹理特征进行差值运算，得到差值图像；
将所述差值图像进行阈值分割，得到分割二值结果图；
将所述分割二值结果图进行合并，并将合并后的分割二值结果图进行处理；
根据处理结果得到异常图斑信息；
对所述异常图斑信息进行特征值计算，得到具有特征值的图斑；
基于废弃建筑物的特征对所述异常图斑信息进行分类，提取干扰信息；
基于所述干扰信息和所述具有特征值的图斑判断是否存在人员活动。
6.如权利要求5所述的基于遥感图像的安全监控方法，其特征在于，所述在所述当前废弃建筑物存在人员活动时，生成提醒信息，包括：
在所述当前废弃建筑物存在人员活动时，基于所述干扰信息和所述具有特征值的图斑确定人员活动范围；
将所述人员活动范围与预设范围进行比较，确定人员活动类型；
在所述人员活动范围超过所述预设范围时，确认人员活动类型为人员聚集，生成第一提醒信息，以根据所述第一提醒信息对所述当前废弃建筑物进行现场巡检。
7.如权利要求6所述的基于遥感图像的安全监控方法，其特征在于，所述在所述当前废弃建筑物存在人员活动时，生成提醒信息，包括：
在所述人员活动范围未超过所述预设范围时，确定活动人员位置；
对所述活动人员位置进行监控，得到活动人员停留时长；
在所述活动人员停留时长超过预设时长阈值时，生成第二提醒信息，以提醒所述活动人员远离所述当前废弃建筑物。
8.一种基于遥感图像的安全监控装置，其特征在于，所述基于遥感图像的安全监控装置包括：
获取模块，用于在无人机进行废弃建筑物巡检时，获取当前废弃建筑物遥感图像；
比对模块，用于对所述当前废弃建筑物遥感图像进行比对，得到比对异常图像；
分析模块，用于对所述比对异常图像进行分析，判断是否存在人员活动；
提醒模块，用于在所述当前废弃建筑物存在人员活动时，生成提醒信息，以对所述当前废弃建筑物进行安全监控。
9.一种基于遥感图像的安全监控设备，其特征在于，所述基于遥感图像的安全监控设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于遥感图像的安全监控程序，所述基于遥感图像的安全监控程序配置为实现如权利要求1至7中任一项所述的基于遥感图像的安全监控方法。
10.一种存储介质，其特征在于，所述存储介质上存储有基于遥感图像的安全监控程序，所述基于遥感图像的安全监控程序被处理器执行时实现如权利要求1至7中任一项所述的基于遥感图像的安全监控方法。
CN202210994695.4A 2022-08-18 2022-08-18 基于遥感图像的安全监控方法、装置、设备及存储介质 Active CN115359424B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210994695.4A CN115359424B (zh) 2022-08-18 2022-08-18 基于遥感图像的安全监控方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210994695.4A CN115359424B (zh) 2022-08-18 2022-08-18 基于遥感图像的安全监控方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115359424A true CN115359424A (zh) 2022-11-18
CN115359424B CN115359424B (zh) 2023-04-07

Family

ID=84002976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210994695.4A Active CN115359424B (zh) 2022-08-18 2022-08-18 基于遥感图像的安全监控方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115359424B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104992153A (zh) * 2015-07-02 2015-10-21 中国科学院地理科学与资源研究所 自然保护区人类活动干扰检测方法和系统
CN110398982A (zh) * 2019-06-21 2019-11-01 万翼科技有限公司 一种无人机的巡检方法及系统
CN111435436A (zh) * 2019-12-13 2020-07-21 珠海大横琴科技发展有限公司 一种基于目标位置的周界防入侵方法和装置
CN114167889A (zh) * 2021-11-29 2022-03-11 内蒙古易飞航空科技有限公司 基于图像ai与大数据应用的智能巡检飞行平台
CN114821345A (zh) * 2022-06-27 2022-07-29 绵阳天仪空间科技有限公司 一种基于遥感影像的灾后建筑物的安全检测系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104992153A (zh) * 2015-07-02 2015-10-21 中国科学院地理科学与资源研究所 自然保护区人类活动干扰检测方法和系统
CN110398982A (zh) * 2019-06-21 2019-11-01 万翼科技有限公司 一种无人机的巡检方法及系统
CN111435436A (zh) * 2019-12-13 2020-07-21 珠海大横琴科技发展有限公司 一种基于目标位置的周界防入侵方法和装置
CN114167889A (zh) * 2021-11-29 2022-03-11 内蒙古易飞航空科技有限公司 基于图像ai与大数据应用的智能巡检飞行平台
CN114821345A (zh) * 2022-06-27 2022-07-29 绵阳天仪空间科技有限公司 一种基于遥感影像的灾后建筑物的安全检测系统及方法

Also Published As

Publication number Publication date
CN115359424B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
WO2021000524A1 (zh) 孔位保护门检测方法、装置、计算机设备和存储介质
CN111553310B (zh) 基于毫米波雷达的安检图像获取方法、系统及安检设备
CN111079518B (zh) 一种基于执法办案区场景下的倒地异常行为识别方法
CN109389105B (zh) 一种基于多任务的虹膜检测和视角分类方法
CN111445058B (zh) 数据分析方法、装置、设备及计算机可读存储介质
CN114612469A (zh) 产品缺陷检测方法、装置、设备及可读存储介质
CN112561890A (zh) 图像清晰度的计算方法、装置和计算机设备
CN112989910A (zh) 电力目标检测方法、装置、计算机设备和存储介质
CN114241370A (zh) 基于数字孪生变电站的入侵识别方法、装置和计算机设备
CN114170136A (zh) 接触网支架装置紧固件缺陷检测方法、系统、装置和介质
CN114581491A (zh) 一种行人轨迹跟踪方法、系统及相关装置
JP2010176504A (ja) 画像処理装置、画像処理方法及びプログラム
CN114581419A (zh) 变压器绝缘套管缺陷检测方法、相关设备及可读存储介质
CN112257567B (zh) 行为识别网络的训练、行为识别方法及相关设备
CN115359424B (zh) 基于遥感图像的安全监控方法、装置、设备及存储介质
CN112001963A (zh) 消防通道的排查的方法、系统和计算机设备
CN110751623A (zh) 基于联合特征的缺陷检测方法、装置、设备及存储介质
JP4452793B2 (ja) 不法投棄箇所検知装置、方法、およびプログラム
CN114943720A (zh) 一种电力图像处理方法及装置
JP4512778B2 (ja) 不法投棄箇所検知装置、方法、およびプログラム
CN115527024A (zh) 一种基于图像信息的检测定位方法及系统
CN114332695A (zh) 电梯开关门的识别方法、设备及存储介质
JP2010097341A (ja) 入力画像から検出対象物の像を検出する画像処理装置
EP2380110B1 (en) A method for evaluating quality of image representing a fingerprint pattern
CN117593301B (zh) 基于机器视觉的内存条损伤快速检测方法及系统

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