CN115601945A - 基于落石视频监测的露天矿岩质滑坡智能预警系统及方法 - Google Patents
基于落石视频监测的露天矿岩质滑坡智能预警系统及方法 Download PDFInfo
- Publication number
- CN115601945A CN115601945A CN202211271788.0A CN202211271788A CN115601945A CN 115601945 A CN115601945 A CN 115601945A CN 202211271788 A CN202211271788 A CN 202211271788A CN 115601945 A CN115601945 A CN 115601945A
- Authority
- CN
- China
- Prior art keywords
- early warning
- video
- rock
- rockfall
- cloud server
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 84
- 238000012544 monitoring process Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000005096 rolling process Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000005065 mining Methods 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
-
- 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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种基于落石视频监测的露天矿岩质滑坡智能预警系统及方法，涉及露天矿岩质滑坡监测技术领域。该系统及方法包括视频采集模块、无线传输模块、云服务器和预警发布终端；视频采集模块实时采集露天矿岩质边坡的视频图像数据，并通过无线传输模块传输至云服务器；云服务器中部署落石智能检测程序，实时处理从视频采集模块传输来的视频流，计算落石频率与运动区块面积，进而判断露天矿岩质边坡是否有滑坡危险，如果有则向预警发布终端发送预警指令，并将视频流保存在本地；预警发布终端根据云服务器发送的预警指令进行预警。该系统及方法利用目标追踪算法实时对监测视频流进行分析，能够更精准及时的进行滑坡预警。
Description
技术领域
本发明涉及露天矿岩质滑坡监测预警技术领域，尤其涉及一种基于落石视频监测的露天矿岩质滑坡智能预警系统及方法。
背景技术
随着资源的不断开发利用，深凹露天矿成为世界上露天矿山的发展趋势，露天矿深部开采过程中确保边坡安全和提高经济效益的矛盾日益突出。露天矿高陡岩质边坡稳定性问题是露天矿安全生产的核心问题，开展露天矿边坡监测预警的相关研究对于保证矿山安全生产，提高经济效益，具有重要的理论与实际意义。
对于露天矿岩质滑坡，处于临界状态的滑体在受到外界扰动(降雨、爆破振动)的影响下，滑体向下运动的同时解体成碎石，转化成碎石-坡积物。岩质滑坡的启动是由单一的岩桥断裂，重力势能转换为动能，激发下一级别岩桥断裂，能量逐级传递，最终发生整体滑坡，形成一种“多米诺骨牌”效应，利用落石视频监测可以很好的对露天矿岩质滑坡进行预警。
目前露天矿边坡的稳定性监测多采用坡表雷达、微震、位移、应力等设备进行监测，这些监测手段由于花费较多无法广泛布置于整体矿山边坡，充分利用露天矿普遍存在的视频监测数据(金属非金属露天矿山高陡边坡安全监测技术规范AQ/T 2063-2018要求视频监控应覆盖主要坡面)，从而①充分发挥露天矿的特点，利用规范要求的视频监控作为数据来源，成本低且监测覆盖面广；②视频监测能够实现实时在线监测，避免人工监测产生的漏报现象；③应用深度学习方法，使得系统能够适用更广泛的应用场景，避免画面晃动、烟尘等干扰源对识别结果的影响。利用基于落石视频监测的方法可以对露天矿岩质滑坡进行提前量为几秒至几小时的预警。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，提供一种基于落石视频监测的露天矿岩质滑坡智能预警系统及方法，实现对露天矿岩质滑坡进行智能预警。
为解决上述技术问题，本发明所采取的技术方案是：
一方面，本发明提供一种基于落石视频监测的露天矿岩质滑坡智能预警系统，包括视频采集模块、无线传输模块、云服务器和预警发布终端；所述视频采集模块实时采集露天矿岩质边坡的视频图像数据，并通过无线传输模块传输至云服务器；所述云服务器中部署落石智能检测程序，实时处理从视频采集模块传输来的视频流，判断露天矿岩质边坡是否有滑坡危险，如果有则向预警发布终端发送预警指令，并将视频流保存在本地；所述预警发布终端根据云服务器发送的预警指令进行预警。
优选地，所述视频采集模块包括多个布置在露天矿岩质边坡不同位置的多个高清网络摄像头。
优选地，所述高清网络摄像头获取的影像中，每一像素代表的实际物理尺寸小于等于5cm、分辨率高于1280*720、帧率大于15；同时，网络摄像头具有无线通讯功能。
优选地，所述预警发布终端设置在露天矿本地，包括扬声器和电子警示牌。
另一方面，本发明提供一种基于落石视频监测的露天矿岩质滑坡智能预警方法，包括以下步骤：
步骤1：将露天矿岩质边坡划分为若干区段，每一区段均布设一个矿用高清网络摄像头，摄像头直视边坡坡面，确保该区段能完全被摄像头视野覆盖；
步骤2：在云服务器中部署落石智能检测程序，实时处理从网络摄像头中传输来的视频流，并将视频流保存在本地；所述落石智能检测程序采用运动目标追踪算法从视频中逐帧检测出每个落石，进而计算出每一帧的落石频率，并根据落石产生的位置自动计算并圈定边坡运动区块；同时计算出每个落石的滚动路径、计算滚动速度和落石尺寸；
所述落石智能检测程序采用帧差法对视频流进行落石检测，具体包括以下步骤：
步骤S1：抓帧；通过OpenCV读取视频文件，获得视频中的每帧图像；
步骤S2：监测；将获得的前后两帧图像进行比较，找出两帧图像的不同，判断这种不同是否属于运动，并对运动的区块标记出来；
(1)通过像素对每帧图像进行区块划分；将每帧图像划分为多个区块；
(2)判定运动像素；对前后两帧图像中所有对应像素点取差值，计算前后两帧图像的差异，，如果前后两帧图像中对应的像素点的差值大于设定值，则判定该像素是运动像素；
(3)判断运行区块；统计每个区块中运动像素的个数，如果一个区块中一半以上的像素为运动像素，则判定该区块为运动区块，运动区块即为落石；
(4)合并邻居区块；对于一个运动区块，搜索其相邻区块，并判断各相邻区块是否为运动区块，如果相邻区块被判定为运动区块，则判定该相邻区块与该运动区块的速度和方向是否小于设定阈值，如果小于则将该相邻区块合并到该运动区块；
(5)标记运动区块；使用方框标记运动区块；
步骤S3：将处理后的每帧图像按原始视频的图像顺序和帧率还原成视频；通过还原后的视频计算得到落石频率和运动区块面积，进而计算出每个落石的滚动路径、滚动速度和落石尺寸；最后判断该网络摄像头监测区段落石频率或运动区块面积是否超过设定阈值；
步骤S4：将帧差算法程序布置在云服务器的Docker容器中，在监测视频传入云服务器后，自动调用此程序进行落石监测；
步骤3：在云服务器中部署报警程序，进行危险事件识别及预警信息发布；
云服务器中部署的报警程序判断各网络摄像头监测区段落石频率或运动区块面积是否超过设定阈值，如果超过，则云服务器控制预警发布终端发布预警信息，提醒相关区段人员与设备按照预案撤离。
采用上述技术方案所产生的有益效果在于：本发明提供的基于落石视频监测的露天矿岩质滑坡智能预警系统及方法，(1)将边坡划分为若干区段，分别设置矿用高清网络摄像头，可以对露天矿岩质滑坡进行分区监测预警；(2)利用目标追踪算法实时对监测视频流进行分析，逐帧检测落石数目，计算落石频率，并根据落石产生的位置自动计算并圈定边坡运动区块。(3)检测包括落石频率和运动区块面积，增加了该系统及方法的适用场景。(4)利用程序对视频流进行计算，边传输边处理，避免了“程序等数据”的情况，保证“实时监测、实时预警”。(5)落石频率或运动区块面积超过设定阈值，则认为滑坡进入不可逆的阶段，因此可以提前数十秒至数小时发布滑坡预警。(6)云服务器与报警器连接，保证第一时间发布预警，确保人员和设备能及时撤离。
附图说明
图1为本发明实施例提供的基于落石视频监测的露天矿岩质滑坡智能预警系统的结构框图；
图2为本发明实施例提供的基于落石视频监测的露天矿岩质滑坡智能预警系统安装侧视图；
图3为本发明实施例提供的基于落石视频监测的露天矿岩质滑坡智能预警方法的流程图；
图4为本发明实施例提供的露天铁矿滑坡落石现场图，其中，(a)为滑坡前35s，(b)为滑坡前35s，(c)为滑坡前5s，(d)为滑坡发生；
图5为本发明实施例提供的滑坡规模与落石监测预警时间的对比结果图。
图中，1、矿用高清网络摄像头；2、云服务器；3、预警发布终端；4、危险边坡；5、落石。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
本实施例中，一种基于落石视频监测的露天矿岩质滑坡智能预警系统，如图1所示，包括视频采集模块、无线传输模块、云服务器和预警发布终端；所述视频采集模块实时采集露天矿岩质边坡的视频图像数据，并通过无线传输模块传输至云服务器；所述云服务器中部署落石智能检测程序，实时处理从视频采集模块传输来的视频流，判断露天矿岩质边坡是否有滑坡危险，如果有则向预警发布终端发送预警指令，并将视频流保存在本地；所述预警发布终端设置在露天矿本地，包括扬声器和电子警示牌，能够根据云服务器发送的预警指令进行监测信息显示并通过扬声器进行滑坡预警。
本实施例中，视频采集模块包括多个布置在露天矿岩质边坡不同位置的多个高清网络摄像头。高清网络摄像头获取的影像中，每一像素代表的实际物理尺寸小于等于5cm、分辨率高于1280*720、帧率大于15；同时，网络摄像头具有无线通讯功能，能够将采集的视频图像数据通过无线传输模块实时上传至云服务器。本实施例中，在某露天矿，系统安装如图2所示，其中，矿用高清网络摄像头1直视危险边坡4的坡面，能够实时采集落石5的视频图像，并将采集的视频图像传输至云服务器2，云服务器2通过视频图像来判断是否有滑坡落石危险，如果有落石危险，则向预警发布终端3发送预警信号。
本实施例中，一种基于落石视频监测的露天矿岩质滑坡智能预警方法，如图3所示，包括以下步骤：
步骤1：将露天矿岩质边坡划分为若干区段，每一区段均布设一个矿用高清网络摄像头，摄像头直视边坡坡面，确保该区段能完全被摄像头视野覆盖；
本实施例中，要求矿用高清网络摄像头获取的影像中，每一像素代表的实际物理尺寸小于等于5cm、分辨率高于1280*720、帧率大于15；同时，网络摄像头具有无线通讯功能，能够将拍摄的视频上传至云服务器中；
步骤2：在云服务器中部署落石智能检测程序，实时处理从网络摄像头中传输来的视频流，并将视频流保存在本地；所述落石智能检测程序利用帧差法、光流法、高斯混合模型法、自组织背景监测等传统运动目标追踪算法或Cascade CNN、YOLO、FgSegNet等运动目标追踪的深度学习算法从视频中逐帧检测出每个落石，进而计算出每一帧的落石频率，并根据落石产生的位置自动计算并圈定边坡运动区块；同时计算出每个落石的滚动路径、计算滚动速度和落石尺寸；
本实施例中，落石智能检测程序采用帧差法对视频流进行落石检测，具体包括以下步骤：
步骤S1：抓帧；通过OpenCV读取视频文件，获得视频中的每帧图像；
步骤S2：监测；将获得的前后两帧图像进行比较，找出两帧图像的不同，判断这种不同是否属于运动，并对运动的区块用方框标记出来；
(1)通过像素对每帧图像进行区块划分；图像是由像素组成的点阵，每个像素包含四个通道，第一个通道为alpha，第2到4通道表示R、G、B；为了后面的识别，将每帧图像划分为多个区块；本实施例中，将每帧图像划分为10×10的区块。
(2)判定运动像素；对前后两帧图像中所有对应像素点取差值，计算前后两帧图像的差异，，如果前后两帧图像中对应的像素点的差值大于设定值，则判定该像素是运动像素；
(3)判断运行区块；统计每个区块中运动像素的个数，如果一个区块中一半以上的像素为运动像素，则判定该区块为运动区块，运动区块即为落石；
(4)合并邻居区块；对于一个运动区块，搜索其相邻区块，并判断各相邻区块是否为运动区块，如果相邻区块被判定为运动区块，则判定该相邻区块与该运动区块的速度和方向是否小于设定阈值，如果小于则将该相邻区块合并到该运动区块；
(5)标记运动区块；使用方框标记运动区块；
步骤S3：将处理后的每帧图像按原始视频的图像顺序和帧率还原成视频；通过还原后的视频计算得到落石频率或运动区块面积，进而计算出每个落石的滚动路径、滚动速度和落石尺寸；最后判断该网络摄像头监测区段落石频率或运动区块面积是否超过设定阈值；
步骤S4：将帧差算法程序布置在云服务器的Docker容器中，在监测视频传入云服务器后，自动调用此程序进行落石监测；
步骤3：在云服务器中部署报警程序，进行危险事件识别及预警信息发布；
云服务器中部署的报警程序判断各网络摄像头监测区段落石频率或运动区块面积是否超过设定阈值，如果超过，则云服务器控制预警发布终端发布预警信息，提醒相关区段人员与设备按照预案撤离。
本实施例中，某露天铁矿滑坡落石现场如图4所示。通过本发明的露天矿岩质滑坡智能预警系统及方法，对31个不同露天矿进行监测预警，监测得到的滑坡规模与落石监测预警时间的对比如图5所示，从图中可以看出，本发明的系统及方法，能够及时有效的对露天矿进行落石监测预警。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (7)
1.一种基于落石视频监测的露天矿岩质滑坡智能预警系统，其特征在于：包括视频采集模块、无线传输模块、云服务器和预警发布终端；所述视频采集模块实时采集露天矿岩质边坡的视频图像数据，并通过无线传输模块传输至云服务器；所述云服务器中部署落石智能检测程序，实时处理从视频采集模块传输来的视频流，判断露天矿岩质边坡是否有滑坡危险，如果有则向预警发布终端发送预警指令，并将视频流保存在本地；所述预警发布终端根据云服务器发送的预警指令进行预警。
2.根据权利要求1所述的基于落石视频监测的露天矿岩质滑坡智能预警系统，其特征在于：所述视频采集模块包括多个布置在露天矿岩质边坡不同位置的多个高清网络摄像头。
3.根据权利要求2所述的基于落石视频监测的露天矿岩质滑坡智能预警系统，其特征在于：所述高清网络摄像头获取的影像中，每一像素代表的实际物理尺寸小于等于5cm、分辨率高于1280*720、帧率大于15；同时，网络摄像头具有无线通讯功能。
4.根据权利要求1所述的基于落石视频监测的露天矿岩质滑坡智能预警系统，其特征在于：所述预警发布终端设置在露天矿本地，包括扬声器和电子警示牌。
5.一种基于落石视频监测的露天矿岩质滑坡智能预警方法，基于权利要求1所述系统实现，其特征在于：包括以下步骤：
步骤1：将露天矿岩质边坡划分为若干区段，每一区段均布设一个矿用高清网络摄像头，摄像头直视边坡坡面，确保该区段能完全被摄像头视野覆盖；
步骤2：在云服务器中部署落石智能检测程序，实时处理从网络摄像头中传输来的视频流，并将视频流保存在本地；所述落石智能检测程序采用运动目标追踪算法从视频中逐帧检测出每个落石，进而计算出每一帧的落石频率，并根据落石产生的位置自动计算并圈定边坡运动区块；同时计算出每个落石的滚动路径、计算滚动速度和落石尺寸；
步骤3：在云服务器中部署报警程序，进行危险事件识别及预警信息发布；
云服务器中部署的报警程序判断各网络摄像头监测区段落石频率或运动区块面积是否超过设定阈值，如果超过，则云服务器控制预警发布终端发布预警信息，提醒相关区段人员与设备按照预案撤离。
6.根据权利要求5所述的基于落石视频监测的露天矿岩质滑坡智能预警方法，其特征在于：所述落石智能检测程序采用帧差法对视频流进行落石检测，具体包括以下步骤：
步骤S1：抓帧；通过OpenCV读取视频文件，获得视频中的每帧图像；
步骤S2：监测；将获得的前后两帧图像进行比较，找出两帧图像的不同，判断这种不同是否属于运动，并对运动的区块标记出来；
步骤S3：将处理后的每帧图像按原始视频的图像顺序和帧率还原成视频；通过还原后的视频计算得到落石频率或运动区块面积，进而计算出每个落石的滚动路径、滚动速度和落石尺寸；
步骤S4：将帧差算法程序布置在云服务器的Docker容器中，在监测视频传入云服务器后，自动调用此程序进行落石监测。
7.根据权利要求6所述的基于落石视频监测的露天矿岩质滑坡智能预警方法，其特征在于：所述步骤S2的具体方法为：
(1)通过像素对每帧图像进行区块划分；将每帧图像划分为多个区块；
(2)判定运动像素；对前后两帧图像中所有对应像素点取差值，计算前后两帧图像的差异，，如果前后两帧图像中对应的像素点的差值大于设定值，则判定该像素是运动像素；
(3)判断运行区块；统计每个区块中运动像素的个数，如果一个区块中一半以上的像素为运动像素，则判定该区块为运动区块，运动区块即为落石；
(4)合并邻居区块；对于一个运动区块，搜索其相邻区块，并判断各相邻区块是否为运动区块，如果相邻区块被判定为运动区块，则判定该相邻区块与该运动区块的速度和方向是否小于设定阈值，如果小于则将该相邻区块合并到该运动区块；
(5)标记运动区块；使用方框标记运动区块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211271788.0A CN115601945A (zh) | 2022-10-18 | 2022-10-18 | 基于落石视频监测的露天矿岩质滑坡智能预警系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211271788.0A CN115601945A (zh) | 2022-10-18 | 2022-10-18 | 基于落石视频监测的露天矿岩质滑坡智能预警系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115601945A true CN115601945A (zh) | 2023-01-13 |
Family
ID=84847131
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211271788.0A Pending CN115601945A (zh) | 2022-10-18 | 2022-10-18 | 基于落石视频监测的露天矿岩质滑坡智能预警系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115601945A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116665422A (zh) * | 2023-05-29 | 2023-08-29 | 广西交通设计集团有限公司 | 一种公路边坡落石风险监测预警系统 |
| CN116882754A (zh) * | 2023-07-25 | 2023-10-13 | 杭州慧政软件开发有限公司 | 一种矿山砂石行业全闭环监管预警方法和系统 |
| CN117558106A (zh) * | 2023-11-24 | 2024-02-13 | 中国地质科学院探矿工艺研究所 | 一种非接触式表面变形定量监测预警方法及监测系统 |
-
2022
- 2022-10-18 CN CN202211271788.0A patent/CN115601945A/zh active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116665422A (zh) * | 2023-05-29 | 2023-08-29 | 广西交通设计集团有限公司 | 一种公路边坡落石风险监测预警系统 |
| CN116665422B (zh) * | 2023-05-29 | 2024-03-29 | 广西交通设计集团有限公司 | 一种公路边坡落石风险监测预警系统 |
| CN116882754A (zh) * | 2023-07-25 | 2023-10-13 | 杭州慧政软件开发有限公司 | 一种矿山砂石行业全闭环监管预警方法和系统 |
| CN116882754B (zh) * | 2023-07-25 | 2024-04-16 | 杭州慧政软件开发有限公司 | 一种矿山砂石行业全闭环监管预警方法和系统 |
| CN117558106A (zh) * | 2023-11-24 | 2024-02-13 | 中国地质科学院探矿工艺研究所 | 一种非接触式表面变形定量监测预警方法及监测系统 |
| CN117558106B (zh) * | 2023-11-24 | 2024-05-03 | 中国地质科学院探矿工艺研究所 | 一种非接触式表面变形定量监测预警方法及监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115601945A (zh) | 基于落石视频监测的露天矿岩质滑坡智能预警系统及方法 | |
| CN106373430B (zh) | 一种基于计算机视觉的交叉路口通行预警方法 | |
| CN111432179A (zh) | 基于计算机视觉的输煤皮带智能巡检系统及方法 | |
| CN111582016A (zh) | 基于云边协同深度学习的智能免维护电网监控方法及系统 | |
| CN110422589B (zh) | 一种煤矿转载机堆煤安全报警方法、装置、设备、介质 | |
| CN108596028B (zh) | 一种基于视频录像中的异常行为检测算法 | |
| CN103096121B (zh) | 一种摄像头移动检测方法及装置 | |
| CN101266710A (zh) | 一种基于规则的全天候智能视频分析监控方法 | |
| US20230005176A1 (en) | Throwing position acquisition method and apparatus, computer device and storage medium | |
| CN115082864B (zh) | 一种建筑施工安全监控系统 | |
| CN112149522A (zh) | 电缆通道智能可视化防外破监测系统及方法 | |
| CN111310736B (zh) | 一种保护区内车辆卸载堆土的快速识别方法 | |
| CN112863100B (zh) | 一种智能施工安全监测系统及方法 | |
| CN102722700A (zh) | 视频监控中遗留物品检测的方法和系统 | |
| CN103093192A (zh) | 高压输电线舞动的识别方法 | |
| CN113362374A (zh) | 一种基于目标跟踪网络的高空抛物检测方法及系统 | |
| KR102140606B1 (ko) | 가상공간을 이용한 영상정보 기반 급경사지 위험 감시 방법 | |
| CN110691224A (zh) | 一种变电站周界视频智能检测系统 | |
| CN110519566B (zh) | 一种基于视频处理的皮带运动状态监测方法 | |
| CN105811578B (zh) | 输电线路监控平台及其电源监控算法和图像预警算法 | |
| CN104079872A (zh) | 基于内容的视频图像处理和人机交互方法 | |
| CN103093579B (zh) | 一种基于视频的泥石流或山体滑坡报警系统 | |
| CN117351649A (zh) | 一种综合YOLOv8和帧差法的落石识别监测系统及方法 | |
| CN116433645A (zh) | 一种皮带鼓包检测方法与检测系统 | |
| CN115762089A (zh) | 矿仓下料检堵装置 |
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 |