CN115512304B - 基于图像识别的地铁站安全监控系统 - Google Patents

基于图像识别的地铁站安全监控系统 Download PDF

Info

Publication number
CN115512304B
CN115512304B CN202211407433.XA CN202211407433A CN115512304B CN 115512304 B CN115512304 B CN 115512304B CN 202211407433 A CN202211407433 A CN 202211407433A CN 115512304 B CN115512304 B CN 115512304B
Authority
CN
China
Prior art keywords
image
contour
personnel
monitoring
parameters
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
CN202211407433.XA
Other languages
English (en)
Other versions
CN115512304A (zh
Inventor
游磊
王奇
李明源
范文杰
石东东
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.)
Chengdu University
Original Assignee
Chengdu University
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 Chengdu University filed Critical Chengdu University
Priority to CN202211407433.XA priority Critical patent/CN115512304B/zh
Publication of CN115512304A publication Critical patent/CN115512304A/zh
Application granted granted Critical
Publication of CN115512304B publication Critical patent/CN115512304B/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
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • 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)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了基于图像识别的地铁站安全监控系统，涉及图像监控技术领域，解决了现在的入区人员均佩戴有口罩，故对不同人员进行识别时，存在困难，同时，因未对此类人员进行识别并记录，便导致可疑人员出现时，并不能根据监测录像及时找到对应的可疑人员的技术问题，对不同入场人员的移动录像进行实时分析，对行迹可疑的入场人员进行判定，并通过追踪标记单元，对此类可疑人员进行标记，当此类可疑人员消失时间超出指定预设参数时，生成对应的派遣信号，并通过此派遣信号对安保人员进行调遣，对异常人员进行实时监视，便可充分提升安防监控效果。

Description

基于图像识别的地铁站安全监控系统
技术领域
本发明属于图像监控技术领域，具体是基于图像识别的地铁站安全监控系统。
背景技术
图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术，是应用深度学习算法的一种实践应用。
专利号为CN104683770B的发明公开了一种基于图像识别的校园教学大楼安全监控系统及方法，包括监控中心模块、远程控制模块、视频监控模块、手动报警模块、意外事件报警模块、报警模块、传输网络模块，在教学大楼的每个楼道单元中设置视频监控模块、手动报警模块、意外事件报警模块、报警模块，实时统计的上下楼道的学生人数，当大于设定值时，自动报警模块将信号发送给监控中心模块，监控中心模块将接到的报警信号发送给报警设备和远程控制模块，报警设备进行声光报警，对即将或者正在上下楼的学生进行提醒，每个楼道的手动报警模块可以让下楼过程中的突发事件进行手动报警，从而引起学生的注意。
在对应的地铁站区域，在入口处均需要设置对应的监测探头对入区人员进行监视，因现在的入区人员均佩戴有口罩，故对不同人员进行识别时，存在困难，同时，因未对此类人员进行识别并记录，便导致可疑人员出现时，并不能根据监测录像及时找到对应的可疑人员，导致整个地铁站的安全监控程度较低，存在一定的风险性。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了基于图像识别的地铁站安全监控系统，用于解决现在的入区人员均佩戴有口罩，故对不同人员进行识别时，存在困难，同时，因未对此类人员进行识别并记录，便导致可疑人员出现时，并不能根据监测录像及时找到对应的可疑人员的技术问题。
为实现上述目的，根据本发明的第一方面的实施例提出基于图像识别的地铁站安全监控系统，包括图像采集端、监控处理中心、监控端以及显示终端；
所述监控处理中心包括图像轮廓分析单元、特征参数处理单元、模板数据库、监控图像分析单元、追踪标记单元以及异常人员处理单元；
所述图像采集端，用于对所监测的图像进行采集，所监测的图像为地铁站入口处所获取进入人员的整体图像，并将所获取进入人员的整体图像传输至监控处理中心内；
所述监控处理中心内部的图像轮廓分析单元，对所获取的整体图像进行轮廓分析，获取得到整体图像的整体轮廓，同时截取面部图像，并将所获取的整体轮廓以及面部参数传输至特征参数处理单元内；
所述特征参数处理单元，根据接收到的整体轮廓以及面部图像，从模板数据库内提取对应的轮廓模板，将轮廓模板与整体轮廓进行匹配处理，得到不同入场人员的限定参数，再将限定参数以及面部图像进行合并处理对不同入场人员的特征数据包进行获取；
所述监控图像分析单元，对不同入场人员的移动录像进行实时分析，对行迹可疑的入场人员进行判定，并通过追踪标记单元，对此类可疑人员进行标记并跟踪。
优选的，所述图像轮廓分析单元对所获取的整体图像进行轮廓分析的具体方式为：
将所获取的整体图像嵌入至预设的白底模板内，通过整体图像与预设的白底模板进行结合，得到第一组待处理图像；
对第一组待处理图像内部整体图像的色彩参数完全调节为白底模板色彩参数，再对白底模板进行色彩改变，使白底模板修整为黑底模板，得到第二组待处理图像；
将第一组待处理图像与第二组待处理图像进行结合，对色彩分割路径进行获取，并通过所获取的分割路径合并为整体轮廓，将获取得到的整体轮廓传输至特征参数处理单元内。
优选的，所述特征参数处理单元对整体轮廓以及面部图像进行处理的具体方式为：
S1、将接收到的整体轮廓与预设的轮廓模板进行合并，从轮廓模板内获取此整体轮廓的中心点，并将此中心点标记为ZXi（X1i，Y1i），其中i代表不同的入场人员，其中X1i和Y1i为此中心点的坐标参数，再依次获取整体轮廓的四肢区域的中心点，并依次将四肢区域的中心点依次标记为Ai（Xai，Yai）、Bi（Xbi，Ybi）、Ci（Xci，Yci）以及Di（Xdi，Ydi）；
S2、采用
Figure 807090DEST_PATH_IMAGE001
得到Ai点与中心点ZXi之间的距离参数JLazi，再采用相同的方式获取得到Bi、Ci以及Di点与中心点ZXi之间的距离参数JLbzi，JLczi和JLdzi；
S3、采用XDi=JLazi+JLbzi+JLczi+JLdzi得到不同入场人员的限定参数XDi，再对面部图像进行获取（具体的面部图像，是带了口罩的具体参数），并将此面部图像标记为待核对图像，待核对图像与对应的限定参数进行捆绑，生成属于不同入场人员的特征数据包，并对不同入场人员的特征数据包进行存储。
优选的，所述监控图像分析单元对不同入场人员的移动录像进行实时分析的具体方式为：
对不同入场人员的行径速度进行获取，并将此行径速度标记为XJi，将此行径速度XJi与预设参数YS1进行比对，预设参数YS1由操作人员根据经验拟定，当XJi＜YS1时，不生成任何信号，当XJi≥YS1时，生成超速信号；
再对不同入场人员指定时长的摆头次数进行记录，其中指定时长为5min，并将摆头次数标记为BTi，将摆头次数BTi与预设参数YS2进行比对，其中预设参数YS2由操作人员根据经验拟定，当BTi＜YS2时，不生成任何信号，当BTi≥YS2时，生成异常信号；
将同时存在超速信号以及异常信号的入场人员标记为异常人员，并通过标记i值提取对应的特征数据包，根据特征数据包内部的参数对异常人员进行实时跟踪，并同时通过追踪标记单元生成追踪标记，将追踪标记传输至特征数据包内。
优选的，所述异常人员处理单元，对异常人员消失于监控画面的消失时间进行获取，并将消失时间标记为XSi，将消失时间XSi与预设参数YS3进行比对，其中预设参数YS3由操作人员根据经验拟定，当XSi＜YS3时，不生成任何信号，当XSi≥YS3时，生成派遣信号，通过派遣信号，对安保人员进行调遣，对异常人员进行实时监视。
与现有技术相比，本发明的有益效果是：对所监测的图像进行采集，所监测的图像为地铁站入口处所获取进入人员的整体图像，图像轮廓分析单元，对所获取的整体图像进行轮廓分析，获取得到整体图像的整体轮廓，同时截取面部图像，并将所获取的整体轮廓以及面部参数传输至特征参数处理单元内，根据接收到的整体轮廓以及面部图像，从模板数据库内提取对应的轮廓模板，将轮廓模板与整体轮廓进行匹配处理，得到不同入场人员的限定参数，再将限定参数以及面部图像进行合并处理对不同入场人员的特征数据包进行获取，采用此种方式，便可对佩戴有口罩的入场人员进行充分识别并进行记录，便于操作人员根据监控录像快速找到对应的入场人员；
再对不同入场人员的移动录像进行实时分析，对行迹可疑的入场人员进行判定，并通过追踪标记单元，对此类可疑人员进行标记，当此类可疑人员消失时间超出指定预设参数时，生成对应的派遣信号，并通过此派遣信号对安保人员进行调遣，对异常人员进行实时监视，便可充分提升安防监控效果。
附图说明
图1为本发明原理框架示意图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，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做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。
请参阅图1，本申请提供了基于图像识别的地铁站安全监控系统，包括图像采集端、监控处理中心、监控端以及显示终端；
所述图像采集端输出端与监控处理中心输入端电性连接，所述监控端输出端与监控处理中心输入端电性连接，所述监控处理中心输出端与显示终端输入端电性连接；
所述监控处理中心包括图像轮廓分析单元、特征参数处理单元、模板数据库、监控图像分析单元、追踪标记单元以及异常人员处理单元；
所述图像轮廓分析单元输出端与特征参数处理单元输入端电性连接，所述特征参数处理单元与模板数据库之间双向连接，所述特征参数处理单元与监控图像分析单元输入端电性连接，所述监控图像分析单元与追踪标记单元之间双向连接，所述监控图像分析单元与异常人员处理单元输入端电性连接；
所述图像采集端，用于对所监测的图像进行采集，所监测的图像为地铁站入口处所获取进入人员的整体图像，并将所获取进入人员的整体图像传输至监控处理中心内；
所述监控处理中心内部的图像轮廓分析单元，对所获取的整体图像进行轮廓分析，获取得到整体图像的整体轮廓，同时截取面部图像，并将所获取的整体轮廓以及面部参数传输至特征参数处理单元内，进行轮廓分析的具体方式为：
将所获取的整体图像嵌入至预设的白底模板内，通过整体图像与预设的白底模板进行结合，得到第一组待处理图像；
对第一组待处理图像内部整体图像的色彩参数完全调节为白底模板色彩参数，再对白底模板进行色彩改变，使白底模板修整为黑底模板，得到第二组待处理图像；
将第一组待处理图像与第二组待处理图像进行结合，对色彩分割路径进行获取，并通过所获取的分割路径合并为整体轮廓，将获取得到的整体轮廓传输至特征参数处理单元内。
所述特征参数处理单元，根据接收到的整体轮廓以及面部图像，从模板数据库内提取对应的轮廓模板，将轮廓模板与整体轮廓进行匹配处理，得到不同入场人员的限定参数，再将限定参数以及面部图像进行合并处理对不同入场人员的特征数据包进行获取，且特征参数处理单元对整体轮廓以及面部图像进行处理的具体方式为：
S1、将接收到的整体轮廓与预设的轮廓模板进行合并，从轮廓模板内获取此整体轮廓的中心点，并将此中心点标记为ZXi（X1i，Y1i），其中i代表不同的入场人员，其中X1i和Y1i为此中心点的坐标参数，再依次获取整体轮廓的四肢区域的中心点，并依次将四肢区域的中心点依次标记为Ai（Xai，Yai）、Bi（Xbi，Ybi）、Ci（Xci，Yci）以及Di（Xdi，Ydi）；
S2、采用
Figure DEST_PATH_IMAGE002
得到Ai点与中心点ZXi之间的距离参数JLazi，再采用相同的方式获取得到Bi、Ci以及Di点与中心点ZXi之间的距离参数JLbzi，JLczi和JLdzi；
S3、采用XDi=JLazi+JLbzi+JLczi+JLdzi得到不同入场人员的限定参数XDi，再对面部图像进行获取（具体的面部图像，是带了口罩的具体参数），并将此面部图像标记为待核对图像，待核对图像与对应的限定参数进行捆绑，生成属于不同入场人员的特征数据包，并对不同入场人员的特征数据包进行存储。
所述监控图像分析单元，对不同入场人员的移动录像进行实时分析，对行迹可疑的入场人员进行判定，并通过追踪标记单元，对此类可疑人员进行标记，其中进行实时分析的具体方式为：
对不同入场人员的行径速度进行获取，并将此行径速度标记为XJi，将此行径速度XJi与预设参数YS1进行比对，预设参数YS1由操作人员根据经验拟定，当XJi＜YS1时，不生成任何信号，当XJi≥YS1时，生成超速信号；
再对不同入场人员指定时长的摆头次数进行记录，其中指定时长为5min，并将摆头次数标记为BTi，将摆头次数BTi与预设参数YS2进行比对，其中预设参数YS2由操作人员根据经验拟定，当BTi＜YS2时，不生成任何信号，当BTi≥YS2时，生成异常信号；
将同时存在超速信号以及异常信号的入场人员标记为异常人员，并通过标记i值提取对应的特征数据包，根据特征数据包内部的参数对异常人员进行实时跟踪，并同时通过追踪标记单元生成追踪标记，将追踪标记传输至特征数据包内（监控端实时对不同的入场人员进行监控，并同时对不同的入场人员进行参数处理，根据处理得到的参数与特征数据包内部的参数进行比对，比对一致时，通过追踪标记，对异常人员进行实时跟踪，当异常人员消失于监控画面时，再次采用同样的方式，对此类异常人员进行实时跟踪）。
所述异常人员处理单元，对异常人员消失于监控画面的消失时间进行获取，并将消失时间标记为XSi，将消失时间XSi与预设参数YS3进行比对，其中预设参数YS3由操作人员根据经验拟定，当XSi＜YS3时，不生成任何信号，当XSi≥YS3时，生成派遣信号，通过派遣信号，对安保人员进行调遣，对异常人员进行实时监视；
上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
本发明的工作原理：对所监测的图像进行采集，所监测的图像为地铁站入口处所获取进入人员的整体图像，图像轮廓分析单元，对所获取的整体图像进行轮廓分析，获取得到整体图像的整体轮廓，同时截取面部图像，并将所获取的整体轮廓以及面部参数传输至特征参数处理单元内，根据接收到的整体轮廓以及面部图像，从模板数据库内提取对应的轮廓模板，将轮廓模板与整体轮廓进行匹配处理，得到不同入场人员的限定参数，再将限定参数以及面部图像进行合并处理对不同入场人员的特征数据包进行获取，再对不同入场人员的移动录像进行实时分析，对行迹可疑的入场人员进行判定，并通过追踪标记单元，对此类可疑人员进行标记，当此类可疑人员消失时间超出指定预设参数时，生成对应的派遣信号，并通过此派遣信号对安保人员进行调遣，对异常人员进行实时监视，便可充分提升安防监控效果。
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

Claims (1)

1.基于图像识别的地铁站安全监控系统，其特征在于，包括图像采集端、监控处理中心、监控端以及显示终端；
所述监控处理中心包括图像轮廓分析单元、特征参数处理单元、模板数据库、监控图像分析单元、追踪标记单元以及异常人员处理单元；
所述图像采集端，用于对所监测的图像进行采集，所监测的图像为地铁站入口处所获取进入人员的整体图像，并将所获取进入人员的整体图像传输至监控处理中心内；
所述监控处理中心内部的图像轮廓分析单元，对所获取的整体图像进行轮廓分析，获取得到整体图像的整体轮廓，同时截取面部图像，并将所获取的整体轮廓以及面部参数传输至特征参数处理单元内；
所述特征参数处理单元，根据接收到的整体轮廓以及面部图像，从模板数据库内提取对应的轮廓模板，将轮廓模板与整体轮廓进行匹配处理，得到不同入场人员的限定参数，再将限定参数以及面部图像进行合并处理对不同入场人员的特征数据包进行获取；
所述监控图像分析单元，对不同入场人员的移动录像进行实时分析，对行迹可疑的入场人员进行判定，并通过追踪标记单元，对此类可疑人员进行标记并跟踪；
所述图像轮廓分析单元对所获取的整体图像进行轮廓分析的具体方式为：
将所获取的整体图像嵌入至预设的白底模板内，通过整体图像与预设的白底模板进行结合，得到第一组待处理图像；
对第一组待处理图像内部整体图像的色彩参数完全调节为白底模板色彩参数，再对白底模板进行色彩改变，使白底模板修整为黑底模板，得到第二组待处理图像；
将第一组待处理图像与第二组待处理图像进行结合，对色彩分割路径进行获取，并通过所获取的分割路径合并为整体轮廓，将获取得到的整体轮廓传输至特征参数处理单元内；
所述特征参数处理单元对整体轮廓以及面部图像进行处理的具体方式为：
S1、将接收到的整体轮廓与预设的轮廓模板进行合并，从轮廓模板内获取此整体轮廓的中心点，并将此中心点标记为ZXi（X1i，Y1i），其中i代表不同的入场人员，其中X1和Y1为此中心点的坐标参数，再依次获取整体轮廓的四肢区域的中心点，并依次将四肢区域的中心点依次标记为Ai（Xai，Yai）、Bi（Xbi，Ybi）、Ci（Xci，Yci）以及Di（Xdi，Ydi）；
S2、采用
Figure QLYQS_1
得到Ai点与中心点ZXi之间的距离参数JLazi，再采用相同的方式获取得到Bi、Ci以及Di点与中心点ZXi之间的距离参数JLbzi，JLczi和JLdzi；
S3、采用XDi=JLazi+JLbzi+JLczi+JLdzi得到不同入场人员的限定参数XDi，再对面部图像进行获取，并将此面部图像标记为待核对图像，待核对图像与对应的限定参数进行捆绑，生成属于不同入场人员的特征数据包，并对不同入场人员的特征数据包进行存储；
所述监控图像分析单元对不同入场人员的移动录像进行实时分析的具体方式为：
对不同入场人员的行径速度进行获取，并将此行径速度标记为XJi，将此行径速度XJi与预设参数YS1进行比对，预设参数YS1由操作人员根据经验拟定，当XJi＜YS1时，不生成任何信号，当XJi≥YS1时，生成超速信号；
再对不同入场人员指定时长的摆头次数进行记录，其中指定时长为5min，并将摆头次数标记为BTi，将摆头次数BTi与预设参数YS2进行比对，其中预设参数YS2由操作人员根据经验拟定，当BTi＜YS2时，不生成任何信号，当BTi≥YS2时，生成异常信号；
将同时存在超速信号以及异常信号的入场人员标记为异常人员，并通过标记i值提取对应的特征数据包，根据特征数据包内部的参数对异常人员进行实时跟踪，并同时通过追踪标记单元生成追踪标记，将追踪标记传输至特征数据包内；
所述异常人员处理单元，对异常人员消失于监控画面的消失时间进行获取，并将消失时间标记为XSi，将消失时间XSi与预设参数YS3进行比对，其中预设参数YS3由操作人员根据经验拟定，当XSi＜YS3时，不生成任何信号，当XSi≥YS3时，生成派遣信号，通过派遣信号，对安保人员进行调遣，对异常人员进行实时监视。
CN202211407433.XA 2022-11-10 2022-11-10 基于图像识别的地铁站安全监控系统 Active CN115512304B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211407433.XA CN115512304B (zh) 2022-11-10 2022-11-10 基于图像识别的地铁站安全监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211407433.XA CN115512304B (zh) 2022-11-10 2022-11-10 基于图像识别的地铁站安全监控系统

Publications (2)

Publication Number Publication Date
CN115512304A CN115512304A (zh) 2022-12-23
CN115512304B true CN115512304B (zh) 2023-03-03

Family

ID=84514147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211407433.XA Active CN115512304B (zh) 2022-11-10 2022-11-10 基于图像识别的地铁站安全监控系统

Country Status (1)

Country Link
CN (1) CN115512304B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116400003B (zh) * 2023-03-07 2023-11-28 浙江中检海德标准技术有限公司 建筑材料燃烧实验系统及燃烧分析方法
CN116259013B (zh) * 2023-05-16 2023-07-28 河北达梦软件技术有限公司 一种入侵检测系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013235329A (ja) * 2012-05-07 2013-11-21 Taiwan Colour & Imaging Technology Corp 顔識別監視管理方法
WO2016141641A1 (zh) * 2015-03-11 2016-09-15 中兴通讯股份有限公司 一种可疑人员识别方法及装置
CN109819208A (zh) * 2019-01-02 2019-05-28 江苏警官学院 一种基于人工智能动态监控的密集人群安防监控管理方法
CN112733819A (zh) * 2021-03-30 2021-04-30 成都大学 一种基于深度学习图像处理的多模式安保监测方法
CN215663738U (zh) * 2021-09-17 2022-01-28 华润微电子（重庆）有限公司 一种电瓶车的智能安防系统
WO2022030558A1 (ja) * 2020-08-07 2022-02-10 エヌ・ティ・ティ・コミュニケーションズ株式会社 人物を検出または追跡する装置、システム、方法及びプログラム
CN114173094A (zh) * 2021-12-06 2022-03-11 中国南方电网有限责任公司超高压输电公司检修试验中心 视频监控方法、装置、计算机设备和存储介质
CN114554141A (zh) * 2021-12-27 2022-05-27 广东飞企互联科技股份有限公司 一种智慧园区安防系统及管理方法
CN114863528A (zh) * 2022-05-07 2022-08-05 绿漫科技有限公司 一种基于物联网的小区智能安防监控方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SG10201802532YA (en) * 2018-03-27 2019-10-30 Nec Asia Pacific Pte Ltd Method and system for identifying an individual in a crowd

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013235329A (ja) * 2012-05-07 2013-11-21 Taiwan Colour & Imaging Technology Corp 顔識別監視管理方法
WO2016141641A1 (zh) * 2015-03-11 2016-09-15 中兴通讯股份有限公司 一种可疑人员识别方法及装置
CN109819208A (zh) * 2019-01-02 2019-05-28 江苏警官学院 一种基于人工智能动态监控的密集人群安防监控管理方法
WO2022030558A1 (ja) * 2020-08-07 2022-02-10 エヌ・ティ・ティ・コミュニケーションズ株式会社 人物を検出または追跡する装置、システム、方法及びプログラム
CN112733819A (zh) * 2021-03-30 2021-04-30 成都大学 一种基于深度学习图像处理的多模式安保监测方法
CN215663738U (zh) * 2021-09-17 2022-01-28 华润微电子（重庆）有限公司 一种电瓶车的智能安防系统
CN114173094A (zh) * 2021-12-06 2022-03-11 中国南方电网有限责任公司超高压输电公司检修试验中心 视频监控方法、装置、计算机设备和存储介质
CN114554141A (zh) * 2021-12-27 2022-05-27 广东飞企互联科技股份有限公司 一种智慧园区安防系统及管理方法
CN114863528A (zh) * 2022-05-07 2022-08-05 绿漫科技有限公司 一种基于物联网的小区智能安防监控方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
一种基于异常事件检测的智能视频监控系统;胡辉等;《现代计算机(专业版)》;20170205(第04期);全部页 *
监控视频中异常行为自动检测系统的设计与实现;许锋等;《中国刑警学院学报》;20140915(第03期);全部页 *

Also Published As

Publication number Publication date
CN115512304A (zh) 2022-12-23

Similar Documents

Publication Publication Date Title
CN115512304B (zh) 基于图像识别的地铁站安全监控系统
CN110287923B (zh) 人体姿态获取方法、装置、计算机设备及存储介质
CN109522793B (zh) 基于机器视觉的多人异常行为检测与识别方法
CN112396658B (zh) 一种基于视频的室内人员定位方法及定位系统
CN109299683B (zh) 一种基于人脸识别和行为大数据的安防评估系统
KR101215948B1 (ko) 신체정보 및 얼굴인식에 기반한 감시 시스템의 영상정보 마스킹 방법
CN108062349A (zh) 基于视频结构化数据及深度学习的视频监控方法和系统
CN109508706B (zh) 一种基于微表情识别和无感人脸识别的静默活体检测方法
CN113223046B (zh) 一种监狱人员行为识别的方法和系统
US20220366697A1 (en) Image processing method and apparatus, electronic device and storage medium
CN114255537A (zh) 一种基于生物识别的智能安检闸机一体化系统及方法
CN108446690A (zh) 一种基于多视角动态特征的人脸活体检测方法
CN115841651B (zh) 基于计算机视觉与深度学习的施工人员智能监测系统
CN111091110A (zh) 一种基于人工智能的反光背心穿戴识别方法
CN114078224A (zh) 一种基于5g网络架构的基建现场监控系统及方法
CN112287823A (zh) 一种基于视频监控的面部口罩识别方法
CN115797856A (zh) 一种基于机器视觉的施工场景智慧安全监控方法
CN113469654A (zh) 一种基于智能算法融合的变电站多层次安全管控系统
CN115223249A (zh) 一种基于机器视觉的井下人员不安全行为快速分析与识别方法
CN115496640A (zh) 一种火电厂智慧安全系统
CN106970709A (zh) 一种基于全息成像的3d交互方法和装置
CN113706824A (zh) 一种基于物联网监控的老人居家看护系统
CN114463911B (zh) 一种应用于高铁站台的安全防护系统
CN114429677A (zh) 一种煤矿场景作业行为安全识别考核方法及系统
CN110969127A (zh) 一种基于视觉的安全帽识别方法

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
GR01 Patent grant
GR01 Patent grant