CN115396591A - 智能双光摄像机图像处理方法、装置、摄像机及介质 - Google Patents
智能双光摄像机图像处理方法、装置、摄像机及介质 Download PDFInfo
- Publication number
- CN115396591A CN115396591A CN202210828632.1A CN202210828632A CN115396591A CN 115396591 A CN115396591 A CN 115396591A CN 202210828632 A CN202210828632 A CN 202210828632A CN 115396591 A CN115396591 A CN 115396591A
- Authority
- CN
- China
- Prior art keywords
- target person
- target
- image frame
- frame data
- camera
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 230000006399 behavior Effects 0.000 claims abstract description 100
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000003542 behavioural effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000011084 recovery Methods 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 42
- 230000004297 night vision Effects 0.000 description 8
- 230000009471 action Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013136 deep learning model Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
-
- 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
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
Abstract
本申请涉及安防监控的领域,尤其是涉及智能双光摄像机图像处理方法、装置、摄像机及介质。方法包括:在识别到有人员进入摄像机的拍摄区域内时,每隔预设的抽帧间隔获取图像帧数据;根据图像帧数据,确定目标人员的行为危险等级,目标人员为位于拍摄区域内的人员,行为危险等级表征目标人员存在违法行为的可能性;从图像帧数据中识别出目标人员的人脸图像信息;若行为危险等级为预设的报警等级,则根据人脸图像信息,从历史图像帧数据中选择含有人脸图像的图像帧作为历史目标数据;将历史目标数据和图像帧数据发送至用户端终端设备中。本申请具有在商铺被盗窃后便于追回损失的效果。
Description
技术领域
本申请涉及安防监控的领域,尤其是涉及一种智能双光摄像机图像处理方法、装置、摄像机及介质。
背景技术
智能双光摄像机是指监控摄像机支持两种灯光模式控制,例如红外灯和白光灯,在正常情况下夜晚开红外灯且图像为黑白色,利于降低摄像机的功耗和建设成本,也不会因为强光影响周边住户,当发生人形检测或者移动侦测报警时,摄像机会开启白光灯并且图像切换成彩色,当摄像机拍摄到的图像变为彩色画面后,对于人形的识别将变得更加精准,更容易辨认识别。
智能双光夜视摄像机常被用于商超、街边商铺、汽车4S店、学校等防盗或需要进行区域警戒的位置。
在街边商铺附近的预设区域内经常会设置一个摄像机,摄像机用于监控商铺附近的监控区域内的情况。现在商铺开始使用智能双光夜视摄像机,可以有效降低功耗,并且在夜晚有人经过监控区域时的拍摄清晰度相较于普通摄像机而言通常较高。有效减小了夜晚拍摄像素低的情况出现。当有危险人员趁着夜色且无人时闯入商铺内进行盗窃,智能双光夜视摄像机可以在夜晚有人进入监控区域时拍摄到相应的画面,形成相应录像。
盗窃一般为隐匿行为,在发生入室盗窃的行为后,常常需要办案人员查看当天的视频,还需要对过往的视频进行浏览查看,以便查找实施盗窃等行为的危险人员的相关数据,明确实施盗窃等行为的危险人员的身份以及协同人员等。
但是,在用户发现财产被盗窃后,执法人员在进行相关查证的过程时,还需要查看当天的视频数据,耗费时间长,在查证过程中危险人员可能已经逃走,难以追回用户的损失。
发明内容
为了在商铺被盗窃后能够便于追回损失,本申请提供一种智能双光摄像机图像处理方法、装置、摄像机及介质。
第一方面,本申请提供一种智能双光摄像机图像处理方法,采用如下的技术方案:
一种智能双光摄像机图像处理方法,包括:
在识别到有人员进入摄像机的拍摄区域内时,每隔预设的抽帧间隔获取图像帧数据;
根据所述图像帧数据,确定目标人员的行为危险等级,所述目标人员为位于所述拍摄区域内的人员,行为危险等级表征目标人员存在不安全行为的可能性;
从所述图像帧数据中识别出所述目标人员的人脸图像信息;
若所述行为危险等级为预设的报警等级,则根据所述人脸图像信息,从历史图像帧数据中选择含有所述人脸图像的图像帧作为历史目标数据;
将所述历史目标数据和所述图像帧数据发送至用户端终端设备中。
通过采用上述技术方案,在有人员进入摄像机的拍摄区域内时,按照预设的抽帧间隔获取图像帧数据,并从每次获得的图像帧数据中识别出目标人员的人脸图像,之后,根据图像帧数据中的目标人员的行为,确定目标人员的行为危险等级,当行为危险等级为预设的报警等级时,根据人脸图像信息从历史图像帧数据中选择含有目标人员的人脸图像的图像帧作为历史目标数据,将历史目标数据与图像帧数据发送至用户端终端设备中,以便在有危险人员入室盗窃时,能够及时提醒用户,用户可以根据终端设备显示的图像,直观看到危险人员的历史存在情况,进而便于追踪该危险人员,向执法人员提供证据,提高执法人员的查证与取证速度,以便能够在该危险人员未逃脱时及时追回财产损失。
在一种可能的实现方式中,所述根据所述图像帧数据,确定所述目标人员的行为危险等级,包括:
将所述拍摄区域进行范围划分,划分为重点区域与一般区域;
在获取到警戒指令时,根据所述图像帧数据判断所述目标人员所处的区域,所述警戒指令为在需要对危险人员进行防范时输出的指令;
若所述目标人员所处的区域为一般区域,则确定所述目标人员的行为危险等级为一般危险等级;
若所述目标人员所处的区域为重点区域,则根据图像帧数据判断所述目标人员是否进入室内;
若进入室内,则确定所述目标人员的行为危险等级为中间危险等级,若未进入室内,则确定所述目标人员的行为危险等级为警戒危险等级;
其中,所述预设的报警等级为中间危险等级。
通过采用上述技术方案,在确定目标人员的行为危险等级时,首先将拍摄区域进行划分,划分为一般区域与重点区域,在获取到警戒指令时,表征需要对危险人员进行防范,此时,判断目标人员所处的区域,当目标人员所处的区域为一般区域时,确定目标人员的行为危险等级为一般危险等级;当目标人员所处的区域为重点区域,未进入室内时,确定目标人员的行为危险等级为警戒危险等级,若目标人员进入室内,则确定目标人员的行为危险等级为中间危险等级;在需要警戒时进行防范,利用对目标人员所处的区域进行行为危险等级的判定,准确性更高。
在一种可能的实现方式中,所述若所述目标人员所处的区域为一般区域,则确定所述目标人员的行为危险等级为一般危险等级,之后还包括:
根据所述图像帧数据,识别目标物品的特征,所述目标物品为所述目标人员携带的物品;
根据所述特征,判断所述目标物品是否为危险物品;
若是,则将所述目标人员对应的一般危险等级更新为警戒危险等级。
通过采用上述技术方案,在对目标人员对应的行为危险等级进行分类时,当目标人员携带有危险物品时,则该目标人员对应的行为危险等级由一般危险等级更新为警戒危险等级,以便加强对目标人员的防范效果,提高了划分目标人员行为危险等级合理性的效果。
在一种可能的实现方式中,所述根据所述图像帧数据,确定目标人员的行为危险等级,之后还包括:
若所述目标人员对应的行为危险等级为警戒危险等级,则将所述目标人员对应的图像帧数据在预设时刻发送至用户端终端设备中,所述预设时刻为预先设定的发送的时刻。
通过采用上述技术方案,若目标人员对应的行为危险等级为警戒危险等级,则将目标人员对应的图像帧数据在预先设定的发送的时刻,发送至用户端终端设备中,以便用户通过终端设备中显示的图像明确目标人员的具体情况,并在认为有危险人员时能够及时防范。
在一种可能的实现方式中,所述若所述行为危险等级为预设的报警等级,则根据所述人脸图像信息,从历史图像帧数据中选择含有所述人脸图像的图像帧数据作为历史目标数据,之后还包括:
若历史图像帧数据中无含有所述人脸图像的历史目标数据,则获取所述目标人员处于摄像机拍摄区域的时长区间;
根据所述时长区间,从摄像机内部存储的历史视频中,确定目标视频数据,并将所述目标视频数据反馈至终端设备中,所述目标视频数据对应的时长区间包括所述目标人员处于摄像机拍摄区域的时长区间。
通过采用上述技术方案,当历史图像帧数据中无含有所述人脸图像的历史目标数据时,获取目标人员处于摄像机拍摄区域的时长区间,之后从摄像机内部存储的历史视频中,确定时长区间对应的历史视频,作为目标视频数据,并将所述目标视频数据反馈至终端设备中,以便用户能够在查找不到具有相同人脸图像的历史图像时,能够及时查看过往视频,以便从过往视频中查找到危险人员的情况。
在一种可能的实现方式中,所述方法还包括:
将所述一般区域划分为边界区域与中间区域;
当所述目标人员位于边界区域时,获取目标人员所处在边界区域的时长,若所述时长大于等于预设的时长阈值,则输出切换指令以使摄像机转换为全彩模式。
通过采用上述技术方案,在目标人员处于边界区域时,当目标人员位于边界区域时,当目标人员处在边界区域的时长大于等于预设的时长阈值时,才控制摄像机切换为全彩模式,减小了电能的消耗。
在一种可能的实现方式中,所述获取目标人员所处在边界区域的时长,之后还包括:
若所述时长小于预设的时长阈值,则获取所述目标人员在预设周期内位于边界区域的频率,若频率超出预设的频率阈值,则输出切换指令以使摄像机转换为全彩模式。
通过采用上述技术方案,对于人员经常穿过边界区域的情况,在目标人员出现的频率高于预设的频率阈值时,输出切换指令使摄像机切换为全彩模式,以便提高对危险人员的防范效果。
第二方面,本申请提供一种智能双光摄像机图像处理装置,采用如下的技术方案:
一种智能双光摄像机图像处理装置,包括:
图像获取模块,用于在识别到有人员进入摄像机的拍摄区域内时,每隔预设的抽帧间隔获取图像帧数据;
等级确定模块,用于根据所述图像帧数据,确定目标人员的行为危险等级,所述目标人员为位于所述拍摄区域内的人员,行为危险等级表征目标人员存在不安全行为的可能性;
人脸识别模块,用于从所述图像帧数据中识别出所述目标人员的人脸图像信息;
历史确定模块,用于若所述行为危险等级为预设的报警等级,则根据所述人脸图像信息,从历史图像帧数据中选择含有所述人脸图像的图像帧作为历史目标数据;
第一反馈模块,用于将所述历史目标数据和所述图像帧数据发送至用户端终端设备中。
通过采用上述技术方案,在有人员进入摄像机的拍摄区域内时,图像获取模块将按照预设的抽帧间隔获取图像帧数据,并且由人脸识别模块从每次获得的图像帧数据中识别出目标人员的人脸图像,之后,由等级确定模块根据图像帧数据中的目标人员的行为,确定目标人员的行为危险等级,当行为危险等级为预设的报警等级时,由历史确定模块根据人脸图像信息从历史图像帧数据中选择含有目标人员的人脸图像的图像帧作为历史目标数据,之后由第一反馈模块将历史目标数据与图像帧数据发送至用户端终端设备中,以便在有危险人员入室盗窃时,能够及时提醒用户,用户可以根据终端设备显示的图像,直观看到危险人员的历史存在情况,进而便于追踪危险人员,向执法人员提供证据,提高执法人员的查证与取证速度,以便能够在危险人员未逃脱时及时追回财产损失。
在一种可能的实现方式中,所述等级确定模块在根据所述图像帧数据,确定所述目标人员的行为危险等级时,具体用于:
将所述拍摄区域进行范围划分,划分为重点区域与一般区域;
在获取到警戒指令时,根据所述图像帧数据判断所述目标人员所处的区域,所述警戒指令为在需要对危险人员进行防范时输出的指令;
若所述目标人员所处的区域为一般区域,则确定所述目标人员的行为危险等级为一般危险等级;
若所述目标人员所处的区域为重点区域,则根据图像帧数据判断所述目标人员是否进入室内;
若进入室内,则确定所述目标人员的行为危险等级为中间危险等级,若未进入室内,则确定所述目标人员的行为危险等级为警戒危险等级;
其中,所述预设的报警等级为中间危险等级。
在一种可能的实现方式中,所述装置还包括:
物品识别模块,用于根据所述图像帧数据,识别目标物品的特征,所述目标物品为所述目标人员携带的物品;
物品判断模块,用于根据所述特征,判断所述目标物品是否为危险物品;
等级更新模块,用于若是,则将所述目标人员对应的一般危险等级更新为警戒危险等级。
在一种可能的实现方式中,所述装置还包括:
第二反馈模块,用于若所述目标人员对应的行为危险等级为警戒危险等级,则将所述目标人员对应的图像帧数据在预设时刻发送至用户端终端设备中,所述预设时刻为预先设定的发送的时刻。
在一种可能的实现方式中,所述装置还包括:
区间获取模块,用于若历史图像帧数据中无含有所述人脸图像的历史目标数据,则获取所述目标人员处于摄像机拍摄区域的时长区间;
视频确定模块,用于根据所述时长区间,从摄像机内部存储的历史视频中,确定目标视频数据,并将所述目标视频数据反馈至终端设备中,所述目标视频数据对应的时长区间包括所述目标人员处于摄像机拍摄区域的时长区间。
在一种可能的实现方式中,所述装置还包括:
划分模块,用于将所述一般区域划分为边界区域与中间区域;
时长获取模块,用于当所述目标人员位于边界区域时,获取目标人员所处在边界区域的时长,若所述时长大于等于预设的时长阈值,则输出切换指令以使摄像机转换为全彩模式。
在一种可能的实现方式中,所述装置还包括:
频率获取模块,用于若所述时长小于预设的时长阈值,则获取所述目标人员在预设周期内位于边界区域的频率,若频率超出预设的频率阈值,则输出切换指令以使摄像机转换为全彩模式。
第三方面,本申请提供一种摄像机,采用如下的技术方案:
一种摄像机,该摄像机包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述智能双光夜视摄像机图像处理的方法。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,包括:存储有能够被处理器加载并执行上述智能双光摄像机图像处理方法的计算机程序。
综上所述,本申请包括以下有益技术效果:
在有人员进入摄像机的拍摄区域内时,按照预设的抽帧间隔获取图像帧数据,并从每次获得的图像帧数据中识别出目标人员的人脸图像,之后,根据图像帧数据中的目标人员的行为,确定目标人员的行为危险等级,当行为危险等级为预设的报警等级时,根据人脸图像信息从历史图像帧数据中选择含有目标人员的人脸图像的图像帧作为历史目标数据,将历史目标数据与图像帧数据发送至用户端终端设备中,以便在有危险人员入室盗窃时,能够及时提醒用户,用户可以根据终端设备显示的图像,直观看到危险人员的历史存在情况,进而便于追踪危险人员,向执法人员提供证据,提高执法人员的查证与取证速度,以便能够在危险人员未逃脱时及时追回财产损失。
附图说明
图1是本申请实施例智能双光摄像机图像处理方法的流程示意图;
图2是本申请实施例智能双光摄像机图像处理装置的方框示意图;
图3是本申请实施例摄像机的示意图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
本申请实施例提供了一种智能双光摄像机图像处理方法,由摄像机执行,更具体地,由智能双光夜视摄像机执行,参照图1,该方法包括:
步骤S101、在识别到有人员进入摄像机的拍摄区域内时,每隔预设的抽帧间隔获取图像帧数据。
具体地,在商铺安装好智能双光夜视摄像机(简称摄像机)后,摄像机拍摄到的区域为拍摄区域,一般在设置摄像机的位置时,通常将拍摄区域设置在商铺门前。
在无人进入摄像机的拍摄区域时,摄像机从拍摄到的视频数据中按照预设的时间间隔抽取图片帧,当抽取出图片帧后,通过目标检测算法,识别图片帧中是否有人存在,当无人存在时,继续按照预设的时间间隔从视频数据中抽取图片帧并识别是否有人存在;当有人存在时,则表征有人进入摄像机的拍摄区域,若为夜晚,则将控制补光灯开启,使得拍摄到的图像为全彩图像。
摄像机拍摄到的视频数据由一帧一帧的图像数据组成,在识别到有人在摄像机的拍摄区域内时,将按照预设的抽帧间隔从视频数据中抽取图像帧,抽取到的图像帧即为图像帧数据。
其中,预设的抽帧间隔可以是1秒,可以是2秒,还可以是5秒等,可以根据实际情况进行设定,当摄像机的处理性能较为优越时,可以选择较短的抽帧间隔,以便拥有更好的效果。
例如,当选择抽帧间隔为2秒时,则摄像机将每隔两秒从视频数据中抽取一张图像帧数据。
步骤S102、根据图像帧数据,确定目标人员的行为危险等级。
其中,目标人员为位于拍摄区域内的人员;行为危险等级表征目标人员存在企图侵害财产安全的不安全行为的可能性。
具体地,目标人员处于拍摄区域内,获取到的图像帧数据中也将包含目标人员当前的行为和具体情况,因此可以通过图像帧数据分析得到目标人员当前是否存在发生不安全行为的可能性,进而确定目标人员的行为危险等级。当目标人员对应的行为危险等级越高时,表征目标人员发生不安全行为的可能性越大。
例如,当目标人员靠近门窗区域时,表征目标人员发生违法行为的可能性较大,当目标人员仅经过拍摄区域,表征目标人员发生不安全行为的可能性较低;当目标人员破门而入时,表征目标人员发生不安全行为。
在一种可能的实现方式中,在步骤S102中,根据图像帧数据,确定目标人员的行为危险等级,包括:
步骤S1021(图中未示出)、将拍摄区域进行范围划分,划分为重点区域与一般区域。
具体地,摄像机所拍摄的范围往往会覆盖重点区域,例如,门前或窗户前,在危险人员想要入室盗窃时,仅可通过门窗等可穿过的地方进入,因此,将门窗位置附近的预设区域作为重点区域,将门窗对应的预设区域以外的区域作为一般区域,在目标人员进入重点区域时,可以认为目标人员有进入室内进行盗窃的意图或可能性;在目标人员处于一般区域时,可以认为目标人员存在入室盗窃行为的可能性较低。
步骤S1022(图中未示出)、在获取到警戒指令时,判断目标人员所处的区域。
其中,警戒指令为在需要对危险人员进行防范时输出的指令。
具体地,当摄像机获取到警戒指令时,摄像机将进入警戒状态,才对进入拍摄区域的目标人员的行为危险等级进行判断与预警。
在一种可能的实现方式中,获取警戒指令的方式可以是,用户通过终端设备输入警戒指令,之后被摄像机获取到。
用户携带有终端设备,摄像机与终端设备连接,在用户想要进行警戒时可以通过终端设备输入警戒指令,被摄像机获取,进而使得摄像机进入警戒状态。
在另一种可能的实现方式中,警戒指令可以是当用户离开店铺时关闭门窗后自动发出的指令。当用户正常营业时,经常有人员进出店铺,这些人员普遍不是企图实施盗窃等不安全行为的危险人员;当用户暂停营业的时间段内,例如在夜晚需要休息而关闭门窗时,以及,当用户离开店铺时,多为危险人员企图实施不安全行为的时期。店铺的门禁装置与摄像机连接,当用户离开店铺关门时,门禁装置将自动输出警戒指令至摄像机,被摄像机获取。
在另一种可能的实现方式中,在店铺的门口设置有接触开关,当关门时,接触开关被触发,而输出警戒指令,接触开关与摄像机连接,在接收到警戒指令时进入警戒状态。
步骤S1023(图中未示出)、若目标人员所处的区域为一般区域,则确定目标人员的行为危险等级为一般危险等级。
步骤S1024(图中未示出)、若目标人员所处的区域为重点区域,则根据图像帧数据判断目标人员是否进入室内;若进入室内,则确定目标人员的行为危险等级为中间危险等级,若未进入室内,则确定目标人员的行为危险等级为警戒危险等级。
具体地,一般危险等级表征当前目标人员发生不安全行为的可能性较小,警戒危险等级表征当前目标人员发生不安全行为的可能性较大,中间危险等级表征目标人员已经实施不安全行为。
在目标人员在重点区域时,表征目标人员有较强的实施不安全行为的可能性,将目标人员划分为警戒危险等级;若目标人员在重点区域,并且由重点区域进入室内,则基本可以认为目标人员正在实施或已经实施不安全行为,将目标人员划分为中间危险等级。
其中,判断目标人员是否进入室内的方式可以是,对目标人员进行追踪的方式,追踪目标人员的轨迹,根据目标人员的轨迹确定目标人员是否进入室内。
步骤S103、从图像帧数据中识别出目标人员的人脸图像信息。
具体地,利用目标检测算法,从图像帧数据中识别出目标人员的人脸图像,其中,目标检测算法可以是yolo算法。
其中,视频数据中抽取出的图像帧中可能为含有目标人员的人脸图像,也可能存在没有目标人员的人脸图像的情况。因此,在识别目标人员的人脸图像信息时,在从视频数据中抽取出图像帧数据后,若采用目标检测算法识别不出来目标人员对应的人脸图像时,可能当前图像帧数据中无人脸图像,则识别出的人脸图像信息对应为空数据;之后继续每隔预设的抽帧间隔进行抽帧,若在后续抽出的图像帧数据中能够识别出目标人员的人脸图像,则输出的人脸图像信息即为识别出的结果;若在目标人员处于拍摄区域内的过程中,抽出的图像帧数据中均无目标人员的人脸图像,则人脸图像信息最终为空数据。
步骤S104、若行为危险等级为预设的报警等级,则根据人脸图像信息,从历史图像帧数据中选择含有人脸图像的图像帧作为历史目标数据。
其中,预设的报警等级为中间危险等级。
具体地,当行为危险等级为预设的报警等级时,即,当行为危险等级为中间危险等级时,表征目标人员已经实施不安全行为。例如,根据摄像机拍摄到的图像帧数据中判断出目标人员已经进入室内进行偷盗。
历史图像帧数据为摄像机内存储的历史所有的图像帧数据。摄像机在每次有人员进入拍摄区域后,均将按照预设的抽帧间隔进行抽帧,并进行人脸图像识别,识别后的人脸图像以及抽到的图像帧数据将被存储在摄像机内的存储器中,每隔预设周期将存储器内的数据转存至与摄像机连接的电子设备中进行存档,历史图像帧数据为在摄像机内存储的图像帧数据。根据摄像机的内存大小的不同,可以调整预设周期,内存小的可以将预设周期设定的小一些,内存大的可以将预设周期设定的大一些。
历史目标数据为历史图像帧中含有目标人员的人脸图像的各个帧数据。当危险人员想要实施入室盗窃的不安全行为时,往往会预先“踩点”,在目标地点周围预先进行情况查看,因此,在摄像机内存储的历史图像帧数据中,通常会含有危险人员的相关图像,继而,根据危险人员的人脸图像信息,从历史图像帧数据中选择出历史目标数据。历史目标数据可能包括一个图像帧,也可能包括多个图像帧,还可能无对应的图像帧。
将目标人员的人脸图像与每个历史图像帧数据中的人脸图像进行对比,确认相似度,当任意一个历史图像帧数据对应的相似度超出预设的相似度阈值时,即认为该历史图像帧数据中含有目标人员的人脸图像,并将该历史图像帧数据作为历史目标数据。
步骤S105、将历史目标数据和图像帧数据发送至用户端终端设备中。
具体地,用户端终端设备可以是手机,还可以是平板电脑,还可以是台式电脑。将历史目标数据和图像帧数据均反馈至用户端终端设备中,其中,反馈的方式可以是,将历史目标数据和图像帧数据反馈至APP上,用户手机中安装有APP,可以直接通过APP查看相应数据;反馈的方式还可以是,将历史目标数据和图像帧数据反馈至商铺内的电脑中,将历史目标数据和图像帧数据预先存储至电脑中。
用户可以通过终端设备中显示的含有目标人员的人脸的所有图像帧,查看危险人员的相关图像,在危险人员盗窃后可以及时发现被盗窃,而且在执法人员办案过程中可以提供相应证据,便于执法人员办案,进而减小危险人员逃脱的几率,提高追回财产损失的几率。
值得说明的是,图1仅是一种可能的执行顺序,在本申请实施例中,步骤S102可以在步骤S103之前执行,步骤S102可以与步骤S103同时执行,步骤S102也可以在步骤S103之后执行,在本申请实施例中不做限定。
本申请实施例提供了一种智能双光摄像机图像处理方法,在有人员进入摄像机的拍摄区域内时,按照预设的抽帧间隔获取图像帧数据,并从每次获得的图像帧数据中识别出目标人员的人脸图像,之后,根据图像帧数据中的目标人员的行为,确定目标人员的行为危险等级,当行为危险等级为预设的报警等级时,根据人脸图像信息从历史图像帧数据中选择含有目标人员的人脸图像的图像帧作为历史目标数据,将历史目标数据与图像帧数据发送至用户端终端设备中,以便在有危险人员入室盗窃时,能够及时提醒用户,用户可以根据终端设备显示的图像,直观看到危险人员的历史存在情况,进而便于追踪危险人员,向执法人员提供证据,提高执法人员的查证与取证速度,以便能够在危险人员未逃脱时及时追回财产损失。
本申请实施例的一种可能的实现方式,在步骤S1023中,若目标人员所处的区域为一般区域,则确定目标人员的行为危险等级为一般危险等级,之后还包括:
步骤Sa1(图中未示出)、根据图像帧数据,识别目标物品的特征,目标物品为目标人员携带的物品;
步骤Sa2(图中未示出)、根据特征,判断目标物品是否为危险物品;
步骤Sa3(图中未示出)、若是,则将目标人员对应的一般危险等级更新为警戒危险等级。
具体地,在目标人员携带刀具、斧头、锤子等物品时,在经过摄像机对应的拍摄区域时,可以认为该目标人员的危险程度较高,对店铺造成侵害的危险性较高,其对应的行为危险等级往往较高,因此将携带刀具、斧头、锤子等危险物品的人员对应的行为危险等级由一般危险等级更新为警戒危险等级。
首先根据图像帧数据识别目标人员携带的物品作为目标物品,其中,识别目标物品的方式可以是,识别图像帧数据中的各个物体的边缘轮廓,以及各个物体对应的区域,将与目标人员重叠区域对应的物体作为目标物品。
识别出目标物品后,判断目标物品是否为危险物品,其中危险物品包括刀具、斧头和锤子,根据识别出的目标物品,确定目标物品的种类,之后再判断目标物品的种类是否为危险物品;其中,确定目标物品的种类的方式可以是将图像帧数据输入至预先训练好的深度学习模型中得到的目标物品的种类。预先训练好的深度学习模型为利用大量标记好的样本数据,利用深度学习的算法进行训练,最后生成的深度学习模型;其中,样本数据为标记了目标物品种类的图像帧数据,在将图像帧数据输入至深度学习模型中后,将自动输出目标物品的种类。深度学习算法可以是神经网络算法。
本申请实施例一种可能的实现方式,在步骤S102中,根据图像帧数据,确定目标人员的行为危险等级,之后还包括:
若目标人员对应的行为危险等级为警戒危险等级,则将目标人员对应的图像帧数据在预设时刻发送至用户端终端设备中。
其中,预设时刻为预先设定的发送的时刻。目标人员对应的图像帧数据为含有目标人员的图像帧数据。
具体地,当目标人员对应的行为危险等级为警戒危险等级时,表征目标人员具备实施盗窃等危险行为的可能性,且,该可能性较大,用户需要进行防范,例如,携带危险物品在拍摄区域内移动;再例如,在需要警戒的时间段内,处于重点区域的目标人员。
当行为危险等级为警戒危险等级时,则将目标人员对应的图像帧数据发送至用户端终端设备中,预设时刻可以是早上8点,还可以是早上6点等自动设定的时刻。
例如,在当天晚上有人进入重点区域,但没有实施不安全行为,该目标人员对应为警戒危险等级,预设时刻为早上8点,则在第二天早上8点时,将当天晚上进入重点区域的目标人员对应的图像帧数据发送至用户端终端设备中,以便用户通过终端设备中显示的图像明确目标人员的具体情况,在认为有危险人员时,能够及时防范。
其中,目标人员对应的图像帧数据可以是多个,也可以是一个,可以将所有含有目标人员的图像帧发送至用户端终端设备中,也可以从所有含有目标人员的图像帧中选择其中一个图像帧数据发送至用户端终端设备中。
本申请实施例一种可能的实现方式,在步骤S104中,若行为危险等级为预设的报警等级,则根据人脸图像信息,从历史图像帧数据中选择含有人脸图像的图像帧数据作为历史目标数据,之后还包括:
步骤Sb1(图中未示出)、若历史图像帧数据中无含有人脸图像的历史目标数据,则获取目标人员处于摄像机拍摄区域的时长区间。
具体地,历史图像帧数据中无含有人脸图像的历史目标数据时,即,从历史图像帧数据中未找到与当前的图像帧数据具有相同人脸的图像,一种原因可能是,当前目标人员采取了易容措施,或遮挡面部等导致人脸图像难以匹配;第二种原因可能是当前目标人员通过更换角度等手段规避了摄像机拍摄到脸部特征,而致使未识别到人脸图像,使得人脸图像信息为空集。
此时,获取目标人员进入摄像机拍摄区域的起始时刻,与目标人员最后一次出现在摄像机拍摄区域的终点时刻,时长区间为起始时刻与终点时刻之间的区间;例如,目标人员于2022年6月6日,晚上12点进入摄像机的拍摄区域,在12点30分最后一次出现在拍摄区域,且被划分为了且被划分为中间报警等级;则目标人员进入拍摄区域的起始时刻为晚上12点,重点时刻为12点30分,则时长区间为12点至12点30所处的区间。
步骤Sb2(图中未示出)、根据时长区间,从摄像机内部存储的历史视频中,确定目标视频数据,并将目标视频数据反馈至终端设备中。
其中,目标视频数据对应的时长区间包括目标人员处于摄像机拍摄区域的时长区间。
具体地,对于危险人员想要实施盗窃等不安全行为之前,在查探周围环境时,可能会在过往的相同的时间段内预先进行查探,而若没有找到与目标人员相关的历史目标数据,则获取包括之前同一时长区间的历史视频作为目标视频数据,并将目标视频数据反馈至终端设备中,以便用户在查找不到具有相同人脸图像的历史图像时,能够及时查看过往视频,以便从过往视频中查找到危险人员的情况。继续以步骤Sb1中的例子为例进行说明,时长区间为12点至12点30分,则从摄像机内部存储的视频数据中,选择时长区间为12点至12点30分对应的视频,截取出来作为目标视频数据,例如,6月5日12点至12点30分的历史视频,和/或,6月4日12点至12点30分的历史视频;还可以将时长区间由12点至12点30分延长后再截取目标视频数据,例如选择6月5日12点至12点50分的历史视频。
本申请实施例一种可能的实现方式,方法还包括:
步骤Sc1(图中未示出)、将一般区域划分为边界区域与中间区域。
其中,边界区域在拍摄区域的边界,中间区域为一般区域中除边界区域以外的所有区域。
步骤Sc2(图中未示出)、当目标人员位于边界区域时,获取目标人员所处在边界区域的时长,若时长大于等于预设的时长阈值,则输出切换指令以使摄像机转换为全彩模式。
具体地,当有人从街边路过时,或有人在街边玩耍时,可能会经常经过边界区域,此时为了节约摄像机的能源消耗,在检测到有目标人员位于边界区域时,首先获取目标人员所处的边界区域的时长,当目标人员所处的时长大于等于预设的时长阈值时,表征目标人员长时间处于边界区域,再输出切换指令,控制补光灯开启以令摄像机切换为全彩模式。在时长小于预设的时长阈值时,摄像机依旧保持为红外模式,以减小能量的损耗。
而若是目标人员处于中间区域与重点区域时,则摄像机直接输出切换指令,控制补光灯开启以使摄像机切换为全彩模式。
其中,获取目标人员所处在边界区域的时长的方式为,在目标人员进入边界区域的时刻开始计时,在目标人员离开边界区域时结束计时,之后计时清零;在目标人员下一次进入边界时从零开始重新计时。
本申请实施例一种可能的实现方式,获取目标人员所处在边界区域的时长,之后还包括:
若时长小于预设的时长阈值,则获取目标人员在预设周期内位于边界区域的频率,若频率超出预设的频率阈值,则输出切换指令以使摄像机转换为全彩模式。
具体地,当时长小于预设的时长阈值时,表征目标人员每次处在边界区域的时间太短,将摄像机切换为全彩模式的必要性低,此时为了降低摄像机的功耗将继续采取红外模式。但是对于经常出现在边界区域的人员来说,该人员为危险人员的可能性较大,因此为了在有人员经常出现在边界区域时,将摄像机切换为全彩模式,以便提高拍摄的清晰度。此时,获取目标人员在预设周期内位于边界区域的频率。其中,预设周期为人为设定的周期,例如1小时、2小时等。判断在预设周期内该目标人员出现在边界区域的频率,例如在2小时内目标人员出现了3次,则频率为3。当频率超出预设的频率阈值时,此时控制摄像机开启全彩模式。当目标人员离开拍摄区域时,摄像机继续恢复至红外模式;当目标人员再次进入拍摄区域时,摄像机直接启动全彩模式。
上述实施例从方法流程的角度介绍一种智能双光夜视摄像机图像处理的方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种智能双光夜视摄像机图像处理的装置,具体详见下述实施例。
参照图2,一种智能双光摄像机图像处理装置100,包括:
图像获取模块1001,用于在识别到有人员进入摄像机的拍摄区域内时,每隔预设的抽帧间隔获取图像帧数据;
等级确定模块1002,用于根据图像帧数据,确定目标人员的行为危险等级,目标人员为位于拍摄区域内的人员,行为危险等级表征目标人员存在不安全行为的可能性;
人脸识别模块1003,用于从图像帧数据中识别出目标人员的人脸图像信息;
历史确定模块1004,用于若行为危险等级为预设的报警等级,则根据人脸图像信息,从历史图像帧数据中选择含有人脸图像的图像帧作为历史目标数据;
第一反馈模块1005,用于将历史目标数据和图像帧数据发送至用户端终端设备中。
具体地,在有人员进入摄像机的拍摄区域内时,图像获取模块1001将按照预设的抽帧间隔获取图像帧数据,并且由人脸识别模块1003从每次获得的图像帧数据中识别出目标人员的人脸图像,之后,由等级确定模块1002根据图像帧数据中的目标人员的行为,确定目标人员的行为危险等级,当行为危险等级为预设的报警等级时,由历史确定模块1004根据人脸图像信息从历史图像帧数据中选择含有目标人员的人脸图像的图像帧作为历史目标数据,之后由第一反馈模块1005将历史目标数据与图像帧数据发送至用户端终端设备中,以便在有危险人员入室盗窃时,能够及时提醒用户,用户可以根据终端设备显示的图像,直观看到危险人员的历史存在情况,进而便于追踪危险人员,向执法人员提供证据,提高执法人员的查证与取证速度,以便能够在危险人员未逃脱时及时追回财产损失。
本申请实施例的一种可能的实现方式,等级确定模块1002在根据图像帧数据,确定目标人员的行为危险等级时,具体用于:
将拍摄区域进行范围划分,划分为重点区域与一般区域;
在获取到警戒指令时,根据图像帧数据判断目标人员所处的区域,警戒指令为在需要对危险人员进行防范时输出的指令;
若目标人员所处的区域为一般区域,则确定目标人员的行为危险等级为一般危险等级;
若目标人员所处的区域为重点区域,则根据图像帧数据判断目标人员是否进入室内;
若进入室内,则确定目标人员的行为危险等级为中间危险等级,若未进入室内,则确定目标人员的行为危险等级为警戒危险等级;
其中,预设的报警等级为中间危险等级。
本申请实施例的一种可能的实现方式,装置100还包括:
物品识别模块,用于根据图像帧数据,识别目标物品的特征,目标物品为目标人员携带的物品;
物品判断模块,用于根据特征,判断目标物品是否为危险物品;
等级更新模块,用于若是,则将目标人员对应的一般危险等级更新为警戒危险等级。
本申请实施例的一种可能的实现方式,装置100还包括:
第二反馈模块,用于若目标人员对应的行为危险等级为警戒危险等级,则将目标人员对应的图像帧数据在预设时刻发送至用户端终端设备中,预设时刻为预先设定的发送的时刻。
本申请实施例的一种可能的实现方式,装置100还包括:
区间获取模块,用于若历史图像帧数据中无含有人脸图像的历史目标数据,则获取目标人员处于摄像机拍摄区域的时长区间;
视频确定模块,用于根据时长区间,从摄像机内部存储的历史视频中,确定目标视频数据,并将目标视频数据反馈至终端设备中,目标视频数据对应的时长区间包括目标人员处于摄像机拍摄区域的时长区间。
本申请实施例的一种可能的实现方式,装置100还包括:
划分模块,用于将一般区域划分为边界区域与中间区域;
时长获取模块,用于当目标人员位于边界区域时,获取目标人员所处在边界区域的时长,若时长大于等于预设的时长阈值,则输出切换指令以使摄像机转换为全彩模式。
本申请实施例的一种可能的实现方式,装置100还包括:
频率获取模块,用于若时长小于预设的时长阈值,则获取目标人员在预设周期内位于边界区域的频率,若频率超出预设的频率阈值,则输出切换指令以使摄像机转换为全彩模式。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还从实体装置的角度介绍了一种摄像机,如图3所示,图3所示的电子设备1100包括:处理器1101和存储器1103。其中,处理器1101和存储器1103相连,如通过总线1102相连。可选地,电子设备1100还可以包括收发器1104。需要说明的是,实际应用中收发器1104不限于一个,该电子设备1100的结构并不构成对本申请实施例的限定。
处理器1101可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器1101也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线1102可包括一通路,在上述组件之间传送信息。总线1102可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线1102可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器1103可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器1103用于存储执行本申请方案的应用程序代码,并由处理器1101来控制执行。处理器1101用于执行存储器1103中存储的应用程序代码,以实现前述方法实施例所示的内容。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种智能双光摄像机图像处理方法,其特征在于,包括:
在识别到有人员进入摄像机的拍摄区域内时,每隔预设的抽帧间隔获取图像帧数据;
根据所述图像帧数据,确定目标人员的行为危险等级,所述目标人员为位于所述拍摄区域内的人员,行为危险等级表征目标人员存在不安全行为的可能性;
从所述图像帧数据中识别出所述目标人员的人脸图像信息;
若所述行为危险等级为预设的报警等级,则根据所述人脸图像信息,从历史图像帧数据中选择含有所述人脸图像的图像帧作为历史目标数据;
将所述历史目标数据和所述图像帧数据发送至用户端终端设备中。
2.根据权利要求1所述的方法,其特征在于,所述根据所述图像帧数据,确定所述目标人员的行为危险等级,包括:
将所述拍摄区域进行范围划分,划分为重点区域与一般区域;
在获取到警戒指令后,根据所述图像帧数据,判断所述目标人员所处的区域,所述警戒指令为在需要对危险人员进行防范时发出的指令;
若所述目标人员所处的区域为一般区域,则确定所述目标人员的行为危险等级为一般危险等级;
若所述目标人员所处的区域为重点区域,则根据图像帧数据判断所述目标人员是否进入室内;
若进入室内,则确定所述目标人员的行为危险等级为中间危险等级,若未进入室内,则确定所述目标人员的行为危险等级为警戒危险等级;
其中,所述预设的报警等级为中间危险等级。
3.根据权利要求2所述的方法,其特征在于,所述若所述目标人员所处的区域为一般区域,则确定所述目标人员的行为危险等级为一般危险等级,之后还包括:
根据所述图像帧数据,识别目标物品的特征,所述目标物品为所述目标人员携带的物品;
根据所述特征,判断所述目标物品是否为危险物品;
若是,则将所述目标人员对应的一般危险等级更新为警戒危险等级。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述图像帧数据,确定目标人员的行为危险等级,之后还包括:
若所述目标人员对应的行为危险等级为警戒危险等级,则将所述目标人员对应的图像帧数据在预设时刻发送至用户端终端设备中,所述预设时刻为预先设定的发送的时刻。
5.根据权利要求1所述的方法,其特征在于,所述若所述行为危险等级为预设的报警等级,则根据所述人脸图像信息,从历史图像帧数据中选择含有所述人脸图像的图像帧数据作为历史目标数据,之后还包括:
若历史图像帧数据中无含有所述人脸图像的历史目标数据,则获取所述目标人员处于摄像机拍摄区域的时长区间;
根据所述时长区间,从摄像机内部存储的历史视频中,确定目标视频数据,并将所述目标视频数据反馈至终端设备中,所述目标视频数据对应的时长区间包括所述目标人员处于摄像机拍摄区域的时长区间。
6.根据权利要求2所述的方法,其特征在于,所述方法还包括:
将所述一般区域划分为边界区域与中间区域;
当所述目标人员位于边界区域时,获取目标人员所处在边界区域的时长,若所述时长大于等于预设的时长阈值,则输出切换指令以使摄像机转换为全彩模式。
7.根据权利要求6所述的方法,其特征在于,所述获取目标人员所处在边界区域的时长,之后还包括:
若所述时长小于预设的时长阈值,则获取所述目标人员在预设周期内位于边界区域的频率,若频率超出预设的频率阈值,则输出切换指令以使摄像机转换为全彩模式。
8.一种智能双光摄像机图像处理装置,其特征在于,包括:
图像获取模块,用于在识别到有人员进入摄像机的拍摄区域内时,每隔预设的抽帧间隔获取图像帧数据;
等级确定模块,用于根据所述图像帧数据,确定目标人员的行为危险等级,所述目标人员为位于所述拍摄区域内的人员,行为危险等级表征目标人员存在不安全行为的可能性;
人脸识别模块,用于从所述图像帧数据中识别出所述目标人员的人脸图像信息;
历史确定模块,用于若所述行为危险等级为预设的报警等级,则根据所述人脸图像信息,从历史图像帧数据中选择含有所述人脸图像的图像帧作为历史目标数据;
第一反馈模块,用于将所述历史目标数据和所述图像帧数据发送至用户端终端设备中。
9.一种摄像机,其特征在于,该摄像机包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1~7任一项所述的智能双光摄像机图像处理方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~7任一项所述的智能双光摄像机图像处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210828632.1A CN115396591A (zh) | 2022-07-15 | 2022-07-15 | 智能双光摄像机图像处理方法、装置、摄像机及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210828632.1A CN115396591A (zh) | 2022-07-15 | 2022-07-15 | 智能双光摄像机图像处理方法、装置、摄像机及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115396591A true CN115396591A (zh) | 2022-11-25 |
Family
ID=84117703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210828632.1A Pending CN115396591A (zh) | 2022-07-15 | 2022-07-15 | 智能双光摄像机图像处理方法、装置、摄像机及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115396591A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152871A (zh) * | 2023-10-27 | 2023-12-01 | 济南泰格电子技术有限公司 | 一种灯光和门禁联合的控制方法、系统、电子设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065410A (zh) * | 2012-12-21 | 2013-04-24 | 深圳和而泰智能控制股份有限公司 | 入侵检测报警的方法和装置 |
CN104821060A (zh) * | 2015-05-19 | 2015-08-05 | 深圳市保千里电子有限公司 | 一种抢劫预警方法及装置 |
CN106157505A (zh) * | 2015-03-25 | 2016-11-23 | 中兴通讯股份有限公司 | 一种非法入室告警方法及装置 |
CN110781750A (zh) * | 2019-09-25 | 2020-02-11 | 万翼科技有限公司 | 危险人物监控处理方法、装置、计算机设备和存储介质 |
CN110795963A (zh) * | 2018-08-01 | 2020-02-14 | 深圳云天励飞技术有限公司 | 一种基于人脸识别的监控方法、装置及设备 |
CN112995527A (zh) * | 2021-02-27 | 2021-06-18 | 深圳市数码龙电子有限公司 | 用于摄像头的补光方法、系统、智能终端及存储介质 |
CN113808354A (zh) * | 2021-11-16 | 2021-12-17 | 深圳市思拓通信系统有限公司 | 一种用于工地危险区域预警的方法、装置及介质 |
CN114493947A (zh) * | 2022-01-30 | 2022-05-13 | 山东浪潮工业互联网产业股份有限公司 | 基于人工智能的校园安全管控方法、装置、设备及介质 |
-
2022
- 2022-07-15 CN CN202210828632.1A patent/CN115396591A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065410A (zh) * | 2012-12-21 | 2013-04-24 | 深圳和而泰智能控制股份有限公司 | 入侵检测报警的方法和装置 |
CN106157505A (zh) * | 2015-03-25 | 2016-11-23 | 中兴通讯股份有限公司 | 一种非法入室告警方法及装置 |
CN104821060A (zh) * | 2015-05-19 | 2015-08-05 | 深圳市保千里电子有限公司 | 一种抢劫预警方法及装置 |
CN110795963A (zh) * | 2018-08-01 | 2020-02-14 | 深圳云天励飞技术有限公司 | 一种基于人脸识别的监控方法、装置及设备 |
CN110781750A (zh) * | 2019-09-25 | 2020-02-11 | 万翼科技有限公司 | 危险人物监控处理方法、装置、计算机设备和存储介质 |
CN112995527A (zh) * | 2021-02-27 | 2021-06-18 | 深圳市数码龙电子有限公司 | 用于摄像头的补光方法、系统、智能终端及存储介质 |
CN113808354A (zh) * | 2021-11-16 | 2021-12-17 | 深圳市思拓通信系统有限公司 | 一种用于工地危险区域预警的方法、装置及介质 |
CN114493947A (zh) * | 2022-01-30 | 2022-05-13 | 山东浪潮工业互联网产业股份有限公司 | 基于人工智能的校园安全管控方法、装置、设备及介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152871A (zh) * | 2023-10-27 | 2023-12-01 | 济南泰格电子技术有限公司 | 一种灯光和门禁联合的控制方法、系统、电子设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109166261B (zh) | 基于图像识别的图像处理方法、装置、设备及存储介质 | |
CN108351968B (zh) | 一种针对犯罪活动的告警方法、装置、存储介质及服务器 | |
Tian et al. | Robust detection of abandoned and removed objects in complex surveillance videos | |
US20140369567A1 (en) | Authorized Access Using Image Capture and Recognition System | |
US20130170711A1 (en) | Edge detection image capture and recognition system | |
KR101858396B1 (ko) | 지능형 침입 탐지 시스템 | |
Bhatia et al. | IOT based facial recognition system for home security using LBPH algorithm | |
CN110675582A (zh) | 一种自动报警方法及装置 | |
EP2779133A2 (en) | System and method of anomaly detection | |
CN110569770A (zh) | 人体入侵行为识别方法、装置、存储介质及电子设备 | |
Chang et al. | Localized detection of abandoned luggage | |
Chhoriya | Automated criminal identification system using face detection and recognition | |
KR101515214B1 (ko) | 얼굴 인식을 통한 신원확인 방법과 얼굴인식을 이용한 출입관리 경보 시스템 및 출입관리 경보 제어방법 | |
CN115396591A (zh) | 智能双光摄像机图像处理方法、装置、摄像机及介质 | |
KR102142315B1 (ko) | 영상 분석 기반의 금융자동화기기 보안 시스템 및 그 방법 | |
CN108596057B (zh) | 一种基于人脸识别的信息安全管理系统 | |
JP5752977B2 (ja) | 画像監視装置 | |
CN108108696B (zh) | 一种安全防护方法、装置及系统 | |
CN112183167B (zh) | 考勤方法、认证方法、活体检测方法、装置及设备 | |
EP3109837A1 (en) | System and method of smart incident analysis in control system using floor maps | |
CN116246402A (zh) | 一种监控方法及装置 | |
JP2012212216A (ja) | 画像監視装置 | |
CN112102543A (zh) | 一种安检系统和方法 | |
JP2012212215A (ja) | 画像監視装置 | |
Dirgantara et al. | Design of Face Recognition Security System on Public Spaces |
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 |