CN115457466A - 一种基于巡检视频的隐患检测方法、系统及电子设备 - Google Patents

一种基于巡检视频的隐患检测方法、系统及电子设备 Download PDF

Info

Publication number
CN115457466A
CN115457466A CN202211094369.4A CN202211094369A CN115457466A CN 115457466 A CN115457466 A CN 115457466A CN 202211094369 A CN202211094369 A CN 202211094369A CN 115457466 A CN115457466 A CN 115457466A
Authority
CN
China
Prior art keywords
detection
target
image
hidden danger
matching
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
CN202211094369.4A
Other languages
English (en)
Inventor
袁靖
潘明
宋云翔
朱宁
姚彦良
孙晶晶
刘毅
徐梦潇
李自清
李国艺
李丰攀
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.)
Shanghai Xinxin Electric Co ltd
Original Assignee
Shanghai Xinxin Electric 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 Shanghai Xinxin Electric Co ltd filed Critical Shanghai Xinxin Electric Co ltd
Priority to CN202211094369.4A priority Critical patent/CN115457466A/zh
Publication of CN115457466A publication Critical patent/CN115457466A/zh
Pending legal-status Critical Current

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
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了电力巡检领域的一种基于巡检视频的隐患检测方法、系统及电子设备，包括：获取电力系统的实时巡检视频，由巡检视频中提取检测目标的检测图像，按照检测目标的位置和类型进行图像捕捉获得目标实例图像；对目标实例图像进行特征提取获取特征向量；再逐一让每个特征向量在预先构建的特征向量匹配库中进行匹配并计算匹配值，记录匹配值最高的特征向量及其匹配值；响应于所述匹配值高于设定阈值时，判断检测目标为电力系统中已有目标；响应于所述匹配值低于设定阈值时，判断检测目标为电力系统中隐患目标；本发明对电力系统进行巡检并排查隐患，同时避免了检测结果的冗余，提升了检测速度。

Description

一种基于巡检视频的隐患检测方法、系统及电子设备
技术领域
本发明属于电力巡检技术领域，具体涉及基于巡检视频的隐患检测方法、系统及电子设备。
背景技术
在计算机视觉领域，时间维度上的目标跟踪采用检测和重识别是比较常见的方法，基本都是让检测模型通过每帧图像中边界框定位感兴趣的对象，然后提取每个边界框的重识别特征，再根据度量关系将下一帧的特征关联到上一帧实现目标跟踪。但是，在电力巡检视频分析任务中，需要重识别的特征来自更大的时间跨度，只是对相邻帧的特征提取和匹配，并不能在第二次采集的视频中筛选出已有实例和新增实例。此外，如果对每一帧的图像都进行重识别，带来的运行时延和数据量都是较大的，不能满足电力巡检中实时处理要求。
发明内容
本发明的目的在于提供一种基于巡检视频的隐患检测方法、系统及电子设备，实现电力巡检并排查隐患，同时避免了检测结果的冗余，提升了检测速度。
为达到上述目的，本发明所采用的技术方案是：
本发明第一方面提供了一种基于巡检视频的隐患检测方法，包括：
获取电力系统的实时巡检视频，由巡检视频中提取检测目标的检测图像，通过目标检测算法获得检测图像中检测目标的位置和类型，按照检测目标的位置和类型进行图像捕捉获得目标实例图像；
对目标实例图像进行特征提取获取特征向量；再逐一让每个特征向量在预先构建的特征向量匹配库中进行匹配并计算匹配值，记录匹配值最高的特征向量及其匹配值；
响应于所述匹配值高于设定阈值时，判断检测目标为电力系统中已有目标；响应于所述匹配值低于设定阈值时，判断检测目标为电力系统中隐患目标；
对捕捉到的各实例图像进行编号，将各目标实例图像中提取的特征向量建立为下次隐患检测中的特征向量匹配库；重复上述过程对电力系统进行隐患检测。
优选的，首次构建特征向量匹配库的方法包括：
获取电力系统的历史巡检视频，由历史巡检视频中提取包含检测目标的多帧图像，在包含检测目标的多帧图像中选取一帧图像作为历史检测图像，通过目标检测算法获得历史检测图像中检测目标的位置和类型，按照检测目标的位置和类型进行图像捕捉获得目标历史图像；对目标历史图像进行特征提取获取特征向量；对捕捉到的各目标历史图像进行编号，将各各目标历史图像中提取的特征向量建立为特征向量匹配库。
优选的，由巡检视频中提取包含检测目标的检测图像，通过目标检测算法获得检测图像中检测目标的位置和类型，按照检测目标的位置和类型进行图像捕捉获得目标实例图像的方法包括：
通过训练完备的目标检测推理模型对巡检视频进行逐帧检测提取包含检测目标的检测图像，通过目标检测算法获得检测图像中检测目标的位置和类型，按照检测目标的位置移动相应种类的检测框，在检测框中央位置设定捕捉区域，当检测目标进入捕捉区域，触发实例图像捕捉获得目标实例图像；
优选的，目标检测推理模型的训练过程包括：获取电力系统的历次巡检视频构建巡检视频集合；通过巡检视频集合对目标检测推理模型进行训练，响应于目标检测概率大于设定值输出训练完备的目标检测推理模型。
优选的，对目标实例图像进行特征提取获取特征向量的方法包括：
通过训练完备的特征学习推理模型由目标实例图像提取特征，根据提取特征建立双精度向量作为特征向量；
所述特征学习推理模型的训练过程包括：
获取电力系统的历史巡检视频，由历史巡检视频中提取包含检测目标的多帧图像，在包含检测目标的多帧图像中选取一帧图像作为历史检测图像，重复提取历史检测图像构建检测图像训练集合；通过检测图像训练集合对特征学习推理模型进行训练获得训练完备的特征学习推理模型。
本发明第二方面提供了一种基于巡检视频的隐患检测系统，包括：
采集模块，用于获取电力系统的实时巡检视频；
提取模块，用于由巡检视频中提取检测目标的检测图像；
捕捉模块，通过目标检测算法获得检测图像中检测目标的位置和类型，按照检测目标的位置和类型进行图像捕捉获得目标实例图像；对目标实例图像进行特征提取获取特征向量；
匹配模块，用于逐一让每个特征向量在预先构建的特征向量匹配库中进行匹配并计算匹配值，记录匹配值最高的特征向量及其匹配值；
判断模块，用于响应于所述匹配值高于设定阈值时，判断检测目标为电力系统中已有目标；响应于所述匹配值低于设定阈值时，判断检测目标为电力系统中隐患目标；
存储模块，用于对捕捉到的各实例图像进行编号，将各目标实例图像中提取的特征向量建立为下次隐患检测过程中的特征向量匹配库；重复上述过程对电力系统的隐患检测。
优选的，所述采集模块包括第一终端和第二终端；所述第一终端为嵌入式终端、平板电脑、智能手机、便携式计算机、台式机计算机或者智能眼镜；所述第二终端上连接有视频采集设备。
优选的，存储模块设置于所述数据库服务器内；所述提取模块、捕捉模块、判断模块设置于所述应用服务器内；所述数据库服务器、应用服务器、第一终端和第二终端通过网络连接；所述网络为5G通信或者无线通信。
优选的，所述应用服务器上能够调用数据库服务器上的数据，所述第一终端和第二终端能够更新和调用数据库服务器上的数据。
本发明第二方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现所述隐患检测方法的步骤。
优选的，所述处理器包括一个或多个中央处理器、一个或多个图形处理器；所述存储器包括随机存取存储器和只读存储器；所述中央处理器、图形处理器、随机存取存储器和只读存储器通过总线系统；所述总线系统通过I/0接口连接输入单元、输出单元、存储单元、通信单元和视频采集单元；所述视频采集单元作用于获取巡检视频，并存储到只读存储器；中央处理器能够将存储在只读存储器或者存储单元中的计算机程序加载到随机存取存储器中，并运行的计算机程序。
优选的，输入单元包括触摸屏、麦克风、键盘和鼠标；输出单元包括展示大屏、显示器、触摸屏和扬声器；所述存储单元是固态硬盘、机械硬盘、光盘或U盘；通信单元是5G网卡、WIFI收发装置或调制解调器。
与现有技术相比，本发明的有益效果：
本发明对目标实例图像进行特征提取获取特征向量；再逐一让每个特征向量在预先构建的特征向量匹配库中进行匹配并计算匹配值，记录匹配值最高的特征向量及其匹配值；响应于所述匹配值高于设定阈值时，判断检测目标为电力系统中已有目标；响应于所述匹配值低于设定阈值时，判断检测目标为电力系统中隐患目标；有效筛选出匹配值低于阈值的检测目标；在检测过程中，每个检测目标被独立捕捉，避免了检测结果的冗余，提升了检测运行速度。
附图说明
图1是本发明实施例二提供的一种基于巡检视频的隐患检测系统的结构图；
图2是本发明实施例一提供的一种基于巡检视频的隐患检测方法的流程图；
图3是本发明实施例二提供的一种基于巡检视频的隐患检测系统的运行图；
图4是本发明实施例三提供的电子设备的结构图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例一
如图2所示，本发明第一方面提供了一种基于巡检视频的隐患检测方法，包括：
首次构建特征向量匹配库，方法包括：
步骤202，获取电力系统的历史巡检视频，所述历史巡检视频包括但不限于第一次巡检视频；
步骤204，由历史巡检视频中提取包含检测目标的多帧图像，在包含检测目标的多帧图像中选取一帧图像作为历史检测图像，通过目标检测算法获得历史检测图像中检测目标的位置和类型，按照检测目标的位置和类型进行图像捕捉获得目标历史图像；例如有4个实例图像；
步骤206，对目标历史图像进行特征提取获取特征向量，例如得到4个1024维的特征向量；对捕捉到的各目标历史图像进行编号，将各各目标历史图像中提取的特征向量建立为特征向量匹配库。
步骤201，获取电力系统的实时巡检视频，附图中第二巡检视频即表示为本次巡检过程中的实时巡检视频
步骤203，由巡检视频中提取包含检测目标的检测图像，通过目标检测算法获得检测图像中检测目标的位置和类型，按照检测目标的位置和类型进行图像捕捉获得目标实例图像，方法包括：
通过训练完备的目标检测推理模型对巡检视频进行逐帧检测提取包含检测目标的检测图像，通过目标检测算法获得检测图像中检测目标的位置和类型，按照检测目标的位置移动相应种类的检测框，在检测框中央位置设定捕捉区域，当检测目标进入捕捉区域，触发实例图像捕捉获得目标实例图像，例如有6个目标实例图像。
目标检测推理模型的训练过程包括：获取电力系统的历次巡检视频构建巡检视频集合；通过巡检视频集合对目标检测推理模型进行训练，响应于目标检测概率大于设定值输出训练完备的目标检测推理模型。
步骤205，对目标实例图像进行特征提取获取特征向量，方法包括：
通过训练完备的特征学习推理模型由目标实例图像提取特征，根据提取特征建立双精度向量作为特征向量；例如得到6个1024维的特征向量；所述特征学习推理模型的训练过程包括：
获取电力系统的历史巡检视频，由历史巡检视频中提取包含检测目标的多帧图像，在包含检测目标的多帧图像中选取一帧图像作为历史检测图像，重复提取历史检测图像构建检测图像训练集合；通过检测图像训练集合对特征学习推理模型进行训练获得训练完备的特征学习推理模型。
步骤207，再逐一让每个特征向量在预先构建的特征向量匹配库中进行匹配并计算匹配值，记录匹配值最高的特征向量及其匹配值；
步骤208，响应于所述匹配值高于设定阈值时，判断检测目标为电力系统中已有目标；
步骤209，响应于所述匹配值低于设定阈值时，判断检测目标为电力系统中隐患目标；
对捕捉到的各实例图像进行编号，将各目标实例图像中提取的特征向量建立为下次隐患检测中的特征向量匹配库；重复步骤202、步骤204、步骤206、步骤207、步骤208和步骤209过程对电力系统进行隐患检测。
实施例二
如图1和图3所示，一种基于巡检视频的隐患检测系统，本实施例提供的系统可以应用于实施例一所述的方法，包括：
采集模块，用于获取电力系统的实时巡检视频；
提取模块，用于由巡检视频中提取检测目标的检测图像；
捕捉模块，通过目标检测算法获得检测图像中检测目标的位置和类型，按照检测目标的位置和类型进行图像捕捉获得目标实例图像；对目标实例图像进行特征提取获取特征向量；
匹配模块，用于逐一让每个特征向量在预先构建的特征向量匹配库中进行匹配并计算匹配值，记录匹配值最高的特征向量及其匹配值；
判断模块，用于响应于所述匹配值高于设定阈值时，判断检测目标为电力系统中已有目标；响应于所述匹配值低于设定阈值时，判断检测目标为电力系统中隐患目标；
存储模块，用于对捕捉到的各实例图像进行编号，将各目标实例图像中提取的特征向量建立为下次隐患检测过程中的特征向量匹配库；重复上述过程对电力系统的隐患检测。
所述采集模块包括第一终端101和第二终端102；所述第一终端101为嵌入式终端、平板电脑、智能手机、便携式计算机、台式机计算机或者智能眼镜；所述第二终端102上连接有视频采集设备。存储模块设置于所述数据库服务器105内；所述提取模块、捕捉模块、判断模块设置于所述应用服务器104内；所述数据库服务器105、应用服务器104、第一终端101和第二终端102通过网络连接；所述网络为5G通信或者无线通信；所述应用服务器104上能够调用数据库服务器105上的数据，所述第一终端101和第二终端102能够更新和调用数据库服务器105上的数据。
实施例三
如图4所示一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现实施例一所述隐患检测方法的步骤。
所述处理器包括一个或多个中央处理器401、一个或多个图形处理器402；所述存储器包括随机存取存储器（RAM）403和只读存储器（ROM）404；所述中央处理器401、图形处理器402、随机存取存储器403和只读存储器404通过总线系统405；所述总线系统405通过I/0接口406连接输入单元407、输出单元408、存储单元409、通信单元410和视频采集单元411；
所述视频采集单元411作用于获取巡检视频，并存储到只读存储器；中央处理器401能够将存储在只读存储器（ROM）404或者存储单元409中的计算机程序加载到随机存取存储器（RAM）403中，并运行的计算机程序实现实施例一所述隐患检测方法的步骤；输入单元407包括触摸屏、麦克风、键盘和鼠标；输出单元408包括展示大屏、显示器、触摸屏和扬声器；所述存储单元409是固态硬盘、机械硬盘、光盘或U盘；通信单元410是5G网卡、WIFI收发装置或调制解调器。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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功能的装置。
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功能。
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功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种基于巡检视频的隐患检测方法，其特征在于，包括：获取电力系统的实时巡检视频，由巡检视频中提取检测目标的检测图像，通过目标检测算法获得检测图像中检测目标的位置和类型，按照检测目标的位置和类型进行图像捕捉获得目标实例图像；
对目标实例图像进行特征提取获取特征向量；再逐一让每个特征向量在预先构建的特征向量匹配库中进行匹配并计算匹配值，记录匹配值最高的特征向量及其匹配值；
响应于所述匹配值高于设定阈值时，判断检测目标为电力系统中已有目标；响应于所述匹配值低于设定阈值时，判断检测目标为电力系统中隐患目标；
对捕捉到的各实例图像进行编号，将各目标实例图像中提取的特征向量建立为下次隐患检测中的特征向量匹配库；重复上述过程对电力系统进行隐患检测。
2.根据权利要求1所述的一种基于巡检视频的隐患检测方法，其特征在于，首次构建特征向量匹配库的方法包括：
获取电力系统的历史巡检视频，由历史巡检视频中提取包含检测目标的多帧图像，在包含检测目标的多帧图像中选取一帧图像作为历史检测图像，通过目标检测算法获得历史检测图像中检测目标的位置和类型，按照检测目标的位置和类型进行图像捕捉获得目标历史图像；对目标历史图像进行特征提取获取特征向量；对捕捉到的各目标历史图像进行编号，将各各目标历史图像中提取的特征向量建立为特征向量匹配库。
3.根据权利要求1所述的一种基于巡检视频的隐患检测方法，其特征在于，由巡检视频中提取包含检测目标的检测图像，通过目标检测算法获得检测图像中检测目标的位置和类型，按照检测目标的位置和类型进行图像捕捉获得目标实例图像的方法包括：
通过训练完备的目标检测推理模型对巡检视频进行逐帧检测提取包含检测目标的检测图像，通过目标检测算法获得检测图像中检测目标的位置和类型，按照检测目标的位置移动相应种类的检测框，在检测框中央位置设定捕捉区域，当检测目标进入捕捉区域，触发实例图像捕捉获得目标实例图像。
4.根据权利要求1所述的一种基于巡检视频的隐患检测方法，其特征在于，目标检测推理模型的训练过程包括：获取电力系统的历次巡检视频构建巡检视频集合；通过巡检视频集合对目标检测推理模型进行训练，响应于目标检测概率大于设定值输出训练完备的目标检测推理模型。
5.根据权利要求1所述的一种基于巡检视频的隐患检测方法，其特征在于，对目标实例图像进行特征提取获取特征向量的方法包括：
通过训练完备的特征学习推理模型由目标实例图像提取特征，根据提取特征建立双精度向量作为特征向量；
所述特征学习推理模型的训练过程包括：
获取电力系统的历史巡检视频，由历史巡检视频中提取包含检测目标的多帧图像，在包含检测目标的多帧图像中选取一帧图像作为历史检测图像，重复提取历史检测图像构建检测图像训练集合；通过检测图像训练集合对特征学习推理模型进行训练获得训练完备的特征学习推理模型。
6.一种基于巡检视频的隐患检测系统，其特征在于，包括：
采集模块，用于获取电力系统的实时巡检视频；
提取模块，用于由巡检视频中提取检测目标的检测图像；
捕捉模块，通过目标检测算法获得检测图像中检测目标的位置和类型，按照检测目标的位置和类型进行图像捕捉获得目标实例图像；对目标实例图像进行特征提取获取特征向量；
匹配模块，用于逐一让每个特征向量在预先构建的特征向量匹配库中进行匹配并计算匹配值，记录匹配值最高的特征向量及其匹配值；
判断模块，用于响应于所述匹配值高于设定阈值时，判断检测目标为电力系统中已有目标；响应于所述匹配值低于设定阈值时，判断检测目标为电力系统中隐患目标；
存储模块，用于对捕捉到的各实例图像进行编号，将各目标实例图像中提取的特征向量建立为下次隐患检测过程中的特征向量匹配库；重复上述过程对电力系统的隐患检测。
7.根据权利要求6所述的一种基于巡检视频的隐患检测系统，其特征在于，所述采集模块包括第一终端和第二终端；所述第一终端为嵌入式终端、平板电脑、智能手机、便携式计算机、台式机计算机或者智能眼镜；所述第二终端上连接有视频采集设备。
8.根据权利要求6所述的一种基于巡检视频的隐患检测系统，其特征在于，存储模块设置于所述数据库服务器内；所述提取模块、捕捉模块、判断模块设置于所述应用服务器内；所述数据库服务器、应用服务器、第一终端和第二终端通过网络连接；所述网络为5G通信或者无线通信。
9.根据权利要求8所述的一种基于巡检视频的隐患检测系统，其特征在于，所述应用服务器上能够调用数据库服务器上的数据，所述第一终端和第二终端能够更新和调用数据库服务器上的数据。
10.电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至权利要求10任意一项所述隐患检测方法的步骤。
CN202211094369.4A 2022-09-08 2022-09-08 一种基于巡检视频的隐患检测方法、系统及电子设备 Pending CN115457466A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211094369.4A CN115457466A (zh) 2022-09-08 2022-09-08 一种基于巡检视频的隐患检测方法、系统及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211094369.4A CN115457466A (zh) 2022-09-08 2022-09-08 一种基于巡检视频的隐患检测方法、系统及电子设备

Publications (1)

Publication Number Publication Date
CN115457466A true CN115457466A (zh) 2022-12-09

Family

ID=84303429

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211094369.4A Pending CN115457466A (zh) 2022-09-08 2022-09-08 一种基于巡检视频的隐患检测方法、系统及电子设备

Country Status (1)

Country Link
CN (1) CN115457466A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117195860A (zh) * 2023-11-07 2023-12-08 品茗科技股份有限公司 智能巡检方法、系统、电子设备和计算机可读存储介质
CN117314921A (zh) * 2023-11-30 2023-12-29 山东道万电气有限公司 一种基于rfid的轨道巡检设备的起点检测及处置方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117195860A (zh) * 2023-11-07 2023-12-08 品茗科技股份有限公司 智能巡检方法、系统、电子设备和计算机可读存储介质
CN117195860B (zh) * 2023-11-07 2024-03-26 品茗科技股份有限公司 智能巡检方法、系统、电子设备和计算机可读存储介质
CN117314921A (zh) * 2023-11-30 2023-12-29 山东道万电气有限公司 一种基于rfid的轨道巡检设备的起点检测及处置方法
CN117314921B (zh) * 2023-11-30 2024-02-09 山东道万电气有限公司 一种基于rfid的轨道巡检设备的起点检测及处置方法

Similar Documents

Publication Publication Date Title
CN109508688B (zh) 基于骨架的行为检测方法、终端设备及计算机存储介质
US20230081645A1 (en) Detecting forged facial images using frequency domain information and local correlation
CN110431560B (zh) 目标人物的搜索方法和装置、设备和介质
CN115457466A (zh) 一种基于巡检视频的隐患检测方法、系统及电子设备
CN108875708A (zh) 基于视频的行为分析方法、装置、设备、系统及存储介质
CN113128368B (zh) 一种人物交互关系的检测方法、装置及系统
CN111814776B (zh) 一种图像处理方法、设备、服务器及存储介质
CN107704797B (zh) 基于安防视频中行人和车辆的实时检测方法和系统及设备
CN114445768A (zh) 目标识别方法、装置、电子设备及存储介质
CN111126254A (zh) 图像识别方法、装置、设备及存储介质
CN114782892A (zh) 违规行为目标检测方法、装置、设备及存储介质
US11393091B2 (en) Video image processing and motion detection
CN108509876B (zh) 针对视频的物体检测方法、装置、设备、存储介质及程序
CN114360182B (zh) 一种智能告警方法、装置、设备及存储介质
CN110378930B (zh) 运动目标提取方法、装置和电子设备及可读存储介质
CN108596068B (zh) 一种动作识别的方法和装置
CN111597889A (zh) 一种视频中目标移动的检测方法、装置及系统
CN111401317B (zh) 视频分类方法、装置、设备及存储介质
CN115880599A (zh) 基于行为识别算法的物体被盗检测方法及装置
CN113469138A (zh) 对象检测方法和装置、存储介质及电子设备
CN113569771A (zh) 视频分析方法及装置、电子设备和存储介质
CN108694347B (zh) 图像处理方法和装置
CN115187918B (zh) 一种监控视频流中移动物体的识别方法及系统
CN111062337B (zh) 人流方向检测方法及装置、存储介质和电子设备
CN113365027B (zh) 视频处理方法及装置、电子设备和存储介质

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