CN115565143A - 基于视频监控的缆车运行风险预警方法、设备及存储介质 - Google Patents
基于视频监控的缆车运行风险预警方法、设备及存储介质 Download PDFInfo
- Publication number
- CN115565143A CN115565143A CN202211241867.7A CN202211241867A CN115565143A CN 115565143 A CN115565143 A CN 115565143A CN 202211241867 A CN202211241867 A CN 202211241867A CN 115565143 A CN115565143 A CN 115565143A
- Authority
- CN
- China
- Prior art keywords
- passenger
- risk
- image
- early warning
- cable car
- 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
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
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Human Computer Interaction (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于视频监控的缆车运行风险预警方法、设备及存储介质,该方法包括以下步骤:利用摄像头获取缆车的空车内部图像和运行时的实时内部视频图像;将所获得的当前帧实时内部视频图像与空车内部图像进行差值运算;得到当前帧的乘客图像;对乘客图像区域进行边缘检测,得到乘客体貌特征;根据所述乘客体貌特征预测风险事件,所述风险事件包括超员、姿态异常、位置异常、表情异常、性别风险、年龄风险、身高风险或者体重风险中的一项或两项以上。本发明的方法能够自动识别缆车运行过程中的风险事项,减少人力成本,提高预警效率,降低事故风险。
Description
技术领域
本发明涉及缆车运输技术领域,具体基于视频监控的缆车运行风险预警方法、设备及存储介质。
背景技术
目前,旅游景区缆车的运行管理仍然是依靠人工完成。缆车在停靠期间,管理人员对缆车上乘客进行观察,统计人员数量,年龄结构,身高估算,评估不安全人群和因素,进行上报,以保证乘客能够安全乘车。
依靠人工进行管理,需要人员成本,这个花费比较高。人员管理运行,需要经验,但因为人员流动,往往很难找到或培养出合格的管理人员。此外,管理人员管理过程中,只是在乘客上下车前后参与管理,运行过程中无从知晓缆车和乘客的情况,对乘客不正确的乘车行为,无法有效地管理和及时提醒。
发明内容
本发明的目的在于克服上述现有技术中缆车在运行时依靠人工对乘员进行管理人力成本高、无法掌握乘客乘车过程的缺陷,提供一种基于视频监控的缆车运行风险预警方法,该方法能够自动识别缆车运行过程中的风险事项,减少人力成本,提高预警效率,降低事故风险。
一种基于视频监控的缆车运行风险预警方法,其包括以下步骤:
利用摄像头获取缆车的空车内部图像和运行时的实时内部视频图像;
将所获得的当前帧实时内部视频图像与空车内部图像进行差值运算;得到当前帧的乘客图像;
对乘客图像区域进行边缘检测,得到乘客体貌特征;
根据所述乘客体貌特征预测风险事件,所述风险事件包括超员、姿态异常、位置异常、表情异常、性别风险、年龄风险、身高风险或者体重风险中的一项或两项以上。
进一步的,根据所述乘客体貌特征预测超员的步骤包括:根据所述乘客体貌特征提取乘客身体轮廓,统计乘客身体轮郭中的闭合曲线的数量,当所述闭合曲线的数量大于预设乘员数量阈值时,发出超员预警信息。
进一步的,根据所述乘客轮廓预测姿态异常的步骤包括:将所述乘客体貌特征做为样本集,采用退火算法分成正常姿态类和非正常姿态类,当存在非正常姿态类时发出姿态异常预警信息。
进一步的,根据所述乘客体貌特征预测位置异常的步骤包括:
在缆车内设置标识线,提取标线区域位置图;
根据所述乘客体貌特征标出乘客身体位置图;
将标线区域位置图和乘客身体位置图进行分层,分层后做拓扑分析,求解乘客体貌特征与标识线的关系,所述关系包括相交、相离和包含,并以相互距离进行度量,得到不同的距离度量样本;
根据距离度量样本,采用支持向量机将关系进行分类,分成正常位置类和非正常位置类,当存在非正常位置类时发出位置异常预警信息。
进一步的,根据所述乘客体貌特征预测身高异常的步骤包括:
在缆车内部设一高度已知的参考物;
获取包含所述参考物的乘客图像;
根据所述乘客图像中的参考物的图像高度和乘客的图像高度,计算乘客的真实身高;
当所述乘客的真实身高值不在预设的身高值范围内时,发出身高风险预警信息。
进一步的,根据所述乘客体貌特征预测体重风险的步骤包括:
根据所述乘客体貌特征提取乘客身体轮廓,求出图像中所述乘客身体轮廓的最小外接矩形的长、宽和高;
根据乘客的真实身高和图像高度的比例关系,计算乘客实际体长L和体宽K;
计算乘客的体重M,M=CHLK,C为体重估算常量系数;
当所述体重M值不在预设的体重值范围内时,发出体重风险预警信息。
进一步的,根据所述乘客体貌特征预测风险事件,包括以下步骤:
根据所述乘客体貌特征提取人脸特征,采用退火算法预测乘客性别及年龄阶段,所述性别包括男和女,所述年龄阶段包括儿童、成人和老年;或者,以提取的人脸特征为样本,采用支持向量机进行分类,所述分类包括正常表情和非正常表情;当所述性别与预设的性别阈值不一致时,发出性别风险预警信息;当所述年龄阶段不在预设的年龄阈值范围时,发出年龄风险预警信息;当存在所述非正常表情时,发出表情异常预警信息。
进一步的,所述人脸特征的提取方法为先从所述乘客体貌特征区域中提取人脸,然后再对人脸进行特征提取,所述特征提取包括以下步骤:
将提取的人脸图像灰度化;
采用Gamma校正法对输入图像进行颜色空间归一化;
计算图像每个像素的梯度;
将图像划分成若干个像素的单元;
统计每个单元的梯度直方图,形成每个单元的描述块;
将每几个单元组成一个区间,一个区间内所有单元的特征描述块串联起来便得到该区间的方向梯度直方图特征描述块;
将图像内的所有区间的方向梯度直方图特征描述块串联起来就可以得到该图像的方向梯度直方图特征描述块了,为可供分类使用的所述人脸特征。
本发明还提供了一种电子设备,其包括:存储有可执行程序代码的存储器;与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行上述的一种基于视频监控的缆车运行风险预警方法。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行上述的一种基于视频监控的缆车运行风险预警方法。
与现有技术相比,本发明的有益效果是:
本发明通过缆车上的摄像机获取实时获取缆车在运行期间的视频图像信息,通过获取的视频图像提取乘客体貌特征,并以乘客体貌特征进行乘客数量、乘客性别、身高、年龄、位置、表情等乘客属性判断,从而预测缆车在运行期间是否有风险事件发生,例如:通过乘客数量判断是否超员,通过乘客位置判断是否处于风险位置、通过乘客表情判断乘客是否身体不适、通过乘客性别、年龄及身高的预测判断该乘客是否属于禁止乘车的人员,无法人工参与就可以及时识别缆车运行期间的风险并做出提醒。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种基于视频监控的缆车运行风险预警方法流程示意图;
图2为本发明实施例公开的一种基于视频监控的缆车运行风险预警方法的身高预测原理图;
图3是本发明实施例公开的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,示例性地,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开了一种基于视频监控的缆车运行风险预警方法、电子设备及存储介质,该方法利用装载在缆车上的摄像头来获取缆车的空车内部图像和运行时的实时内部视频图像;将所获得的当前帧实时内部视频图像与空车内部图像进行差值运算,得到当前帧的乘客图像;对乘客图像区域进行边缘检测,得到乘客体貌特征;根据所述乘客体貌特征预测风险事件,所述风险事件包括超员、姿态异常、位置异常、表情异常、性别风险、年龄风险、身高风险或者体重风险中的一项或两项以上。以下结合附图进行详细描述。
实施例一
一种基于视频监控的缆车运行风险预警方法,该方法需要在缆车车内安装摄像头,用于获取缆车车内的视频图像。该方法包括以下步骤:
首先,利用摄像头获取缆车的空车内部图像Vq。在缆车运行时获取缆车内部的实时内部视频图像Vp。接着,将所获得的当前帧实时内部视频图像Vp与空车内部图像Vq进行差值运算,即Vq-Vp,去除背景,获得车内的目标物,得到当前帧的乘客图像V。乘客图像V中背景值变为0,不为0的部分即为乘客。然后对乘客图像V区域进行边缘检测,得到乘客体貌特征。最后,根据所述乘客体貌特征预测风险事件,所述风险事件包括超员、姿态异常、位置异常、表情异常、性别风险、年龄风险、身高风险或者体重风险中的一项或两项以上。
预测超员风险事件的方法为:根据所述乘客体貌特征提取乘客身体轮廓,统计乘客身体轮郭中的闭合曲线的数量,闭合曲线的数量即为乘客的数量,记为n。设置乘员数量阈值(即满员人数)为N,当n>N是,即为超员,发出超员预警信息。
预测姿态异常的方法为:将所述乘客体貌特征做为样本集,采用退火算法分成正常姿态类和非正常姿态类,当存在非正常姿态类时发出姿态异常预警信息。具体地,以乘客体貌特征做姿态样本,对样本中的乘客体貌特征进行分类,分为非正常姿态(如站立姿态、蹲下姿态)和正常姿态(如正常坐姿),采用退火算法建立姿态模型,然后将获取到的乘客体貌特征输入姿态模型中,即可通过该乘客体貌特征判断乘客的姿态是正常姿态还是非正常姿态,当判断为非正常姿态时,发出预交异常预警信息。本实施方式中,退火算法为现有算法,在此不再赘述。
预测位置异常的方法为:在缆车内设置标识线,提取标线区域位置图;根据所述乘客体貌特征标出乘客身体位置图;将标线区域位置图和乘客身体位置图进行分层,分层后做拓扑分析,求解乘客体貌特征与标识线的关系,所述关系包括相交、相离和包含,并以相互距离进行度量,得到不同的距离度量样本;根据距离度量样本,采用支持向量机将关系进行分类,分成正常位置类(乘客体貌特征在标识线区域范围内)和非正常位置类(乘客体貌特征在标识线区域范围外,或者在标识线上),当存在非正常位置类时发出位置异常预警信息。
预测身高异常的方法为:在缆车内部设一高度已知的参考物;获取包含所述参考物的乘客图像;根据所述乘客图像中的参考物的图像高度和乘客的图像高度,计算乘客的真实身高;当所述乘客的真实身高值不在预设的身高值范围内时,发出身高风险预警信息。
请参照图2,图2揭示了本实施方式中计算乘客身高的原理。图2中,线段be为图像中的参考物,线段af为图像中的乘客,首先要建立计算坐标系:
(1)画出地平线P1P2,参考面J1J2J3J4,平行线J1J2,J3J4交于P1,平行J1J3,J2J4交于P2;
(2)延长ab,交地平线于点c;
(3)延长ce,交af于点d。
因为点c在无穷远处,所以cd和ca在空间中是平行直线,abed也就是真实空间的矩形ABED的像,BE为真实空间的参考物,AD为真实空间的乘客AF上与BE平行相等的线段。
然而,知道了某些点在图像上的像,它们的实际长度比是无法直接从图上测得的,因为大家的深度不一样,这时就要利用成像前后一条直线上四个点交比不变的性质,考察参考物的三个点A、D、F以及其延长到无穷远处的点G,就可以得到(大写字母换成小写字母):(AD/AF)/(GD/GF)=(ad/af)/(gd/gf)
因为已经求出了点d,等式右边所有的量都可以从图像上测出。等式左边的点G在真实空间是所有垂直直线的交点,这个点在无穷远,和无穷相比点F和点D的差异可以忽略不计,所以GD/GF=1,这样就得到最终结果:
AD/AF=(ad/af)/(gd/gf)
上式中等式右边可以从图像测量中得出,而AD与参考物BE的量相等,因此AF(乘客的真实身高)可以求得。
预测体重风险的方法为:根据所述乘客体貌特征提取乘客身体轮廓,求出图像中所述乘客身体轮廓的最小外接矩形的长、宽和高;根据乘客的真实身高和图像高度的比例关系,计算乘客实际体长L和体宽K;计算乘客的体重M,M=CHLK,C为体重估算常量系数;当所述体重M值不在预设的体重值范围内时,发出体重风险预警信息。
预测表情异常的方法为:从所述乘客体貌特征中提取人脸特征,以提取的人脸特征为样本,采用支持向量机进行分类,所述分类包括正常表情和非正常表情(如痛苦的表情);当存在所述非正常表情时,发出表情异常预警信息。
预测年龄风险及性别风险的方法为:从所述乘客体貌特征中提取人脸特征,采用退火算法预测乘客性别及年龄阶段,所述性别包括男和女,所述年龄阶段包括儿童、成人和老年;当所述性别与预设的性别阈值不一致时,发出性别风险预警信息;当所述年龄阶段不在预设的年龄阈值范围时,发出年龄风险预警信息。
本实施方式中,人脸特征的提取方法为先从所述乘客体貌特征区域中提取人脸,然后再对人脸进行特征提取,所述特征提取包括以下步骤:
将提取的人脸图像灰度化:即是将图像看做一个x,y,z(灰度)的三维图像;
采用Gamma校正法对输入图像进行颜色空间归一化:目的是调节图像的对比度,降低图像局部的阴影和光照变化所造成的影响,同时可以抑制噪音的干扰;
计算图像每个像素的梯度,包括大小和方向:主要是为了捕获轮廓信息,同时进一步弱化光照的干扰;
将图像划分成若干个像素的单元(例如每单元6*6像素);
统计每个单元的梯度直方图(不同梯度的个数),形成每个单元的描述块;
将每几个单元组成一个区间,一个区间内所有单元的特征描述块串联起来便得到该区间的方向梯度直方图特征描述块;将图像内的所有区间的方向梯度直方图特征描述块串联起来就可以得到该图像的方向梯度直方图特征描述块了,为可供分类使用的所述人脸特征。
本实施方式中,人脸提取方法为:
先将乘客图像中的乘客轮廓区域二值化,再对目标设置分割值,第一次按行扫描图像时,图像中的每个像素值从上到下,从左到右扫描,给每一个有效的像素值一个标签,标签的规则为:
如果该像素的4邻域中左边像素值和上边像素值都为0且都没有标签,则给该像素一个新的标签;
如果该像素的4邻域中左边像素值或上边像素值有一个为1,则该像素的标签是像素值为1的标签;
如果该像素的4邻域中左边像素值和上边像素值都为1,且标签相同,则该像素的标签就是此标签;
如果该像素的4邻域中左边像素值和上边像素值都为1,且标签不同,则把其中较小的标签作为该像素的标签;
标记完成后,通过标签找到的连通区域即为人脸。
实施例二
请参阅图3,图3是本发明实施例公开的一种电子设备的结构示意图。如图3所示,该电子设备可以包括:
存储有可执行程序代码的存储器310;
与存储器310耦合的处理器320;
其中,处理器320调用存储器310中存储的可执行程序代码,执行实施例一中的一种基于视频监控的缆车运行风险预警方法中的部分或全部步骤。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行实施例一中的一种基于视频控制的缆车运行风险预警方法中的部分或全部步骤。
本发明实施例还公开一种计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行实施例一中的一种差分解调接收方法中的部分或全部步骤。
本发明实施例还公开一种应用发布平台,其中,应用发布平台用于发布计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行实施例一中的一种基于视频控制的缆车运行风险预警方法中的部分或全部步骤。
在本发明的各种实施例中,应理解,所述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可位于一个地方,或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可获取的存储器中。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或者该技术方案的全部或者部分,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器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明的各个实施例所述方法的部分或全部步骤。
本领域普通技术人员可以理解所述实施例的各种方法中的部分或全部步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种基于视频控制的缆车运行风险预警方法、电子设备及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种基于视频监控的缆车运行风险预警方法,其特征在于,包括以下步骤:
利用摄像头获取缆车的空车内部图像和运行时的实时内部视频图像;
将所获得的当前帧实时内部视频图像与空车内部图像进行差值运算;得到当前帧的乘客图像;
对乘客图像区域进行边缘检测,得到乘客体貌特征;
根据所述乘客体貌特征预测风险事件,所述风险事件包括超员、姿态异常、位置异常、表情异常、性别风险、年龄风险、身高风险或者体重风险中的一项或两项以上。
2.根据权利要求1所述基于视频监控的缆车运行风险预警方法,其特征在于,根据所述乘客体貌特征预测超员的步骤包括:根据所述乘客体貌特征提取乘客身体轮廓,统计乘客身体轮郭中的闭合曲线的数量,当所述闭合曲线的数量大于预设乘员数量阈值时,发出超员预警信息。
3.根据权利要求1所述基于视频监控的缆车运行风险预警方法,其特征在于,根据所述乘客体貌特征预测姿态异常的步骤包括:将所述乘客体貌特征做为样本集,采用退火算法分成正常姿态类和非正常姿态类,当存在非正常姿态类时发出姿态异常预警信息。
4.根据权利要求1所述基于视频监控的缆车运行风险预警方法,其特征在于,根据所述乘客体貌特征预测位置异常的步骤包括:
在缆车内设置标识线,提取标线区域位置图;
根据所述乘客体貌特征标出乘客身体位置图;
将标线区域位置图和乘客身体位置图进行分层,分层后做拓扑分析,求解乘客体貌特征与标识线的关系,所述关系包括相交、相离和包含,并以相互距离进行度量,得到不同的距离度量样本;
根据距离度量样本,采用支持向量机将关系进行分类,分成正常位置类和非正常位置类,当存在非正常位置类时发出位置异常预警信息。
5.根据权利要求1所述基于视频监控的缆车运行风险预警方法,其特征在于,根据所述乘客体貌特征预测身高异常的步骤包括:
在缆车内部设一高度已知的参考物;
获取包含所述参考物的乘客图像;
根据所述乘客图像中的参考物的图像高度和乘客的图像高度,计算乘客的真实身高H;
当所述乘客的真实身高值不在预设的身高值范围内时,发出身高风险预警信息。
6.根据权利要求5所述基于视频监控的缆车运行风险预警方法,其特征在于,根据所述乘客体貌特征预测体重风险的步骤包括:
根据所述乘客体貌特征提取乘客身体轮廓,求出图像中所述乘客身体轮廓的最小外接矩形的长、宽和高;
根据乘客的真实身高和图像高度的比例关系,计算乘客实际体长L和体宽K;
计算乘客的体重M,M=CHLK,C为体重估算常量系数;
当所述体重M值不在预设的体重值范围内时,发出体重风险预警信息。
7.根据权利要求1所述基于视频监控的缆车运行风险预警方法,其特征在于,根据所述乘客体貌特征预测风险事件,包括以下步骤:
根据所述乘客体貌特征提取人脸特征,采用退火算法预测乘客性别及年龄阶段,所述性别包括男和女,所述年龄阶段包括儿童、成人和老年;或者,以提取的人脸特征为样本,采用支持向量机进行分类,所述分类包括正常表情和非正常表情;当所述性别与预设的性别阈值不一致时,发出性别风险预警信息;当所述年龄阶段不在预设的年龄阈值范围时,发出年龄风险预警信息;当存在所述非正常表情时,发出表情异常预警信息。
8.根据权利要求7所述基于视频监控的缆车运行风险预警方法,其特征在于,所述人脸特征的提取方法为先从所述乘客体貌特征区域中提取人脸,然后再对人脸进行特征提取,所述特征提取包括以下步骤:
将提取的人脸图像灰度化;
采用Gamma校正法对输入图像进行颜色空间归一化;
计算图像每个像素的梯度;
将图像划分成若干个像素的单元;
统计每个单元的梯度直方图,形成每个单元的描述块;
将每几个单元组成一个区间,一个区间内所有单元的特征描述块串联起来便得到该区间的方向梯度直方图特征描述块;
将图像内的所有区间的方向梯度直方图特征描述块串联起来就可以得到该图像的方向梯度直方图特征描述块了,为可供分类使用的所述人脸特征。
9.一种电子设备,其特征在于,包括:存储有可执行程序代码的存储器;与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行权利要求1至8任一项所述的一种基于视频监控的缆车运行风险预警方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行权利要求1至8任一项所述的一种基于视频监控的缆车运行风险预警方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211241867.7A CN115565143A (zh) | 2022-10-11 | 2022-10-11 | 基于视频监控的缆车运行风险预警方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211241867.7A CN115565143A (zh) | 2022-10-11 | 2022-10-11 | 基于视频监控的缆车运行风险预警方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115565143A true CN115565143A (zh) | 2023-01-03 |
Family
ID=84744964
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211241867.7A Pending CN115565143A (zh) | 2022-10-11 | 2022-10-11 | 基于视频监控的缆车运行风险预警方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115565143A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116228751A (zh) * | 2023-05-06 | 2023-06-06 | 武汉新威奇科技有限公司 | 一种螺旋压力机异常预警方法、系统及存储介质 |
-
2022
- 2022-10-11 CN CN202211241867.7A patent/CN115565143A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116228751A (zh) * | 2023-05-06 | 2023-06-06 | 武汉新威奇科技有限公司 | 一种螺旋压力机异常预警方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE102018006765B4 (de) | Verfahren und system(e) für das management von frachtfahrzeugen | |
US7409076B2 (en) | Methods and apparatus for automatically tracking moving entities entering and exiting a specified region | |
CN108171162B (zh) | 人群拥挤度检测方法、装置及系统 | |
CN106056056A (zh) | 一种远距离非接触的行李体积检测系统及其方法 | |
CN109284674A (zh) | 一种确定车道线的方法及装置 | |
US20200333504A1 (en) | Millimeter Wave Image Based Human Body Foreign Object Detection Method and System | |
US11417134B2 (en) | Image analysis device, image analysis method, and recording medium | |
CN111695609A (zh) | 目标物损伤程度判定方法、装置、电子设备及存储介质 | |
CN115565143A (zh) | 基于视频监控的缆车运行风险预警方法、设备及存储介质 | |
CN110255318B (zh) | 基于图像语义分割的电梯轿厢闲置物品检测的方法 | |
CN102819733A (zh) | 一种快速的街景图像中人脸的检测模糊方法 | |
CN109313699A (zh) | 用于对一车辆的输入图像进行目标识别的装置和方法 | |
CN109409191A (zh) | 一种基于机器学习的斑马线车辆避让检测方法及系统 | |
CN110555339A (zh) | 一种目标检测方法、系统、装置及存储介质 | |
CN111612747A (zh) | 产品表面裂缝快速检测方法及检测系统 | |
CN110443119B (zh) | 车厢内货物状态识别方法及装置 | |
DE102018006764B4 (de) | Verfahren und system(e) für das management von frachtfahrzeugen | |
CN112613359B (zh) | 用于人员异常行为检测的神经网络的构建方法 | |
JP2019106149A (ja) | 情報処理装置、情報処理プログラム、及び、情報処理方法 | |
CN114792300B (zh) | 一种基于多尺度注意力x光断针检测方法 | |
CN117237835A (zh) | 一种基于yolov7的货架安全自动检测方法及装置 | |
JP2019066909A (ja) | 物体分布推定装置 | |
CN115100577A (zh) | 基于神经网络的能见度识别方法及系统、电子设备、存储介质 | |
CN108021949B (zh) | 人群拥挤度检测方法、装置、系统及电子设备 | |
CN114882552A (zh) | 基于深度学习的营运车内人员口罩佩戴状态检查方法 |
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 |