CN115730915A - 基于物联大数据分析的智能研判预警方法 - Google Patents
基于物联大数据分析的智能研判预警方法 Download PDFInfo
- Publication number
- CN115730915A CN115730915A CN202211448196.1A CN202211448196A CN115730915A CN 115730915 A CN115730915 A CN 115730915A CN 202211448196 A CN202211448196 A CN 202211448196A CN 115730915 A CN115730915 A CN 115730915A
- Authority
- CN
- China
- Prior art keywords
- staff
- image
- employee
- detained
- determined
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000007405 data analysis Methods 0.000 title claims description 7
- 238000004080 punching Methods 0.000 claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 18
- 230000000007 visual effect Effects 0.000 claims description 15
- 230000000717 retained effect Effects 0.000 abstract 1
- 238000012216 screening Methods 0.000 abstract 1
- 230000003111 delayed effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Images
Abstract
本发明公开了基于物联大数据分析的智能研判预警方法,属于安全管理技术领域,具体包括以下步骤:获取员工的个人信息和打卡记录,所述个人信息包括联系方式、职务信息和全景图像;获取办公场所的监控记录;对所述打卡记录进行分析,选取打卡记录存在异常的员工,并标记为待定员工,并通过监控记录筛选滞留员工;将所述滞留员工的个人信息生成标签发送至门禁系统,所述门禁系统生成禁止关闭指令,若滞留员工通过门禁,则解除自动关闭指令,若滞留员工未通过门禁,则始终保持禁止关闭指令;获取所述滞留员工的联系方式,对所述滞留员工进行提醒;本发明实现了自动识别预警滞留员工,避免了安全隐患。
Description
技术领域
本发明涉及安全管理技术领域,具体涉及基于物联大数据分析的智能研判预警方法。
背景技术
随着企业的发展,企业对于安全管控越来越重要,尤其是对于员工的管理。部分企业由于业务繁忙,常常会有员工留在公司加班,但是很多企业或物业为了夜间的安全管控,往往会在深夜关闭办公场所的门禁系统,以防止有外部人员深夜混入办公场所,造成安全隐患;然而部分员工由于业务繁忙,常常会遗忘了门禁关闭时间,等发觉时,门禁已经被关闭,造成员工被滞留在办公场所,某些员工会暂留一晚或者联系工作员工开启门禁,而某些员工可能抱着侥幸心理,攀爬翻墙试图自行离开,从而导致发生生命安全事故,因此需要一种基于物联大数据分析的智能研判预警方法,在临近门禁关闭时,及时发现仍未离开办公场所的员工,对门禁工作人员和员工进行预警,提前避免员工被滞留。
发明内容
本发明的目的在于提供基于物联大数据分析的智能研判预警方法,解决以下技术问题:
(1)部分员工由于业务繁忙,常常会遗忘了门禁关闭时间,等发觉时,门禁已经被关闭,造成员工被滞留在办公场所,某些员工可能抱着侥幸心理,攀爬翻墙试图自行离开,从而导致发生生命安全事故,因此需要一种基于物联大数据分析的智能研判预警方法,在临近门禁关闭时,及时发现仍未离开办公场所的员工,对门禁工作人员和员工进行预警,提前避免员工被滞留。
本发明的目的可以通过以下技术方案实现:
基于物联大数据分析的智能研判预警方法,用于办公场所的员工管理,包括:
获取员工的个人信息和打卡记录,所述个人信息包括联系方式、职务信息和全景图像;获取办公场所的监控记录;
对所述打卡记录进行分析,选取打卡记录存在异常的员工,并标记为待定员工,根据所述监控记录获取所述待定员工的进出轨迹,若所述待定员工当日最后一次出现在监控记录中为进入轨迹,则判定该员工为滞留员工;若所述待定员工当日最后一次出现在监控记录中为离开轨迹,则判定该员工为正常员工;
将所述滞留员工的个人信息生成标签发送至门禁系统,所述门禁系统生成禁止关闭指令,若滞留员工通过门禁,则解除自动关闭指令,若滞留员工未通过门禁,则始终保持禁止关闭指令;
获取所述滞留员工的联系方式,对所述滞留员工进行提醒。
作为本发明进一步的方案:所述进出轨迹的判定过程为:
所述监控记录通过监控设备获取,所述监控设备用于实时拍摄路过员工的外表视频,所述监控设备分别设置于门禁的入口和出口,若位于入口的所述监控设备拍摄到所述待定员工进入,则待定员工当日的进入轨迹增加一次,并自动记录该次轨迹的时间;若位于出口的所述监控设备拍摄到所述待定员工离开,则待定员工当日的离开轨迹增加一次,并自动记录该次轨迹的时间。
作为本发明进一步的方案:从监控记录中识别员工身份的过程为:
将待定员工的所述全景图像拆分为若干个视角的待定员工图像,将所述外表视频拆分为若干个图像帧并标记为未知员工图像;
在任一所述待定员工图像中标注出待定员工身体的最小外接矩形,计算所述待定员工身体的最小外接矩形的长宽比k;在所有未知员工图像中标注出未知员工身体的最小外接矩形,依次计算所述未知员工身体的最小外接矩形的长宽比p1,p2,…,pn,提取p1,p2,…,pn中与k数值相等的pn,则pn对应的未知员工图像与该待定员工图像为相同视角下拍摄的,将pn对应的未知员工图像与该待定员工图像进行特征比对。
作为本发明进一步的方案:在提取p1,p2,…,pn中与k相等的数值的过程中,对于任一待定员工图像,若p1,p2,…,pn中存在多个数值与该待定员工身体的长宽比k相等,则将该待定员工图像标记为第一图像,将多个数值对应的未知员工图像标记为第二图像,通过图像帧差法分别识别所述第一图像和第二图像中的背景图像,计算第一图像中背景图像占完整图像的比例P,计算第二图像中背景图像占完整图像的比例Q,判定与比例P差值最小的比例Q对应的第二图像与第一图像为相同视角。
作为本发明进一步的方案:所述特征对比的过程为:
将所述待定员工图像标记为源域图像,将所述未知员工图像标记为目标域图像,构建ReID模型,将所述源域图像送入所述ReID模型中提取身份特征;将目标域图像送入ReID模型中提取身份特征;将所述源域图像的身份特征与所述目标域图像的身份特征进行匹配,获取与所述源域图像员工特征相似度最高的目标域图像,若所述相似度大于预设阈值,则该目标域图像与所述源域图像表示同一位员工,若否,则继续匹配。
作为本发明进一步的方案:所述全景图像为预先拍摄的员工身体各角度的全景图像。
作为本发明进一步的方案:对所述打卡记录分析的过程为:
获取员工的打卡记录,若所述打卡记录中包括上班打卡和下班打卡,则判定该员工为打卡正常;若所述打卡记录仅包括下班打卡,则标记该员工为打卡正常;若所述打卡记录仅包括上班打卡,则判定该员工为打卡异常。
作为本发明进一步的方案:对所述滞留员工进行提醒的过程包括:
获取所述滞留员工的联系方式,通过所述联系方式提醒滞留员工离开,当无法与所述滞留员工联系时,获取所述滞留员工的职务信息,根据所述职务信息获取滞留员工所在工位并进行实地提醒。
本发明的有益效果:
(1)本发明当临近门禁关闭时,通过获取员工的打卡记录,从中选取打卡记录存在异常的员工,并标记为待定员工,从监控记录中获取待定员工的进出轨迹,判断待定员工最后一次出现在门禁时的轨迹是离开还是进入,从而判定是否依然存在员工滞留在办公场所内,此时门禁会自动禁止关闭,从而为员工留出通道,且工作员工也会提醒滞留员工及时离开;本发明实现了自动识别滞留员工,及时对工作人员和滞留员工进行预警,避免了滞留人员非正常离开导致的安全隐患;
(2)本发明将相同视角的待定员工图像与未知员工图像进行特征对比,并通过背景图像识别进一步筛选,从而确定了监控设备拍摄的未知员工的身份信息;直接将相同视角的图像进行对比,首先避免了无效对比工作量,其次避免了不同视角图像特征对比导致的结果误判,从而提高了识别的准确率;
(3)本发明基于Transformer网络构建ReID身份再识别模型,ReID模型基于自注意力机制构筑深度网络;在特定任务中,Transformer的表现优于神经网络模型,其最大的优点来自Transformer适用于并行化,因此本发明的检测识别准确率高,对跨域适应性强,对大数据图像识别更便捷准确。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的流程示意图。
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,本领域普通技术员工在没有作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所示,本发明为基于物联大数据分析的智能研判预警方法用于办公场所的员工管理,包括:
获取员工的个人信息和打卡记录,所述个人信息包括联系方式、职务信息和全景图像;获取办公场所的监控记录;
对所述打卡记录进行分析,选取打卡记录存在异常的员工,并标记为待定员工,根据所述监控记录获取所述待定员工的进出轨迹,若所述待定员工当日最后一次出现在监控记录中为进入轨迹,则判定该员工为滞留员工;若所述待定员工当日最后一次出现在监控记录中为离开轨迹,则判定该员工为正常员工;
将所述滞留员工的个人信息生成标签发送至门禁系统,所述门禁系统生成禁止关闭指令,若滞留员工通过门禁,则解除自动关闭指令,若滞留员工未通过门禁,则始终保持禁止关闭指令;
获取所述滞留员工的联系方式,对所述滞留员工进行提醒。
很多企业或物业为了夜间的安全管控,往往会在深夜关闭办公场所的门禁系统,以防止有人深夜混入办公场所,造成安全隐患;然而部分员工由于业务繁忙,常常会遗忘了门禁关闭时间,等发觉时,门禁已经被关闭,造成员工被滞留在办公场所,某些员工会暂留一晚或者联系工作员工开启门禁,而某些员工可能抱着侥幸心理,攀爬翻墙试图自行离开,从而导致发生生命安全事故,因此需要一种基于物联大数据分析的智能研判预警方法,在临近门禁关闭时,及时发现仍未离开办公场所的员工,避免员工被滞留;
于是本发明当临近门禁关闭时,通过获取员工的打卡记录,从中选取打卡记录存在异常的员工,并标记为待定员工,从监控记录中获取待定员工的进出轨迹,判断待定员工最后一次出现在门禁时的轨迹是离开还是进入,从而判定是否依然存在员工滞留在办公场所内,此时门禁会自动禁止关闭,从而为员工留出通道,且工作员工也会提醒滞留员工及时离开;本发明实现了自动识别滞留员工,及时对工作人员和滞留员工进行预警,避免了滞留人员非正常离开导致的安全隐患。
在本发明的一种优选的实施例中,所述进出轨迹的判定过程为:
所述监控记录通过监控设备获取,所述监控设备用于实时拍摄路过员工的外表视频,所述监控设备分别设置于门禁的入口和出口,若位于入口的所述监控设备拍摄到所述待定员工进入,则待定员工当日的进入轨迹增加一次,并自动记录该次轨迹的时间;若位于出口的所述监控设备拍摄到所述待定员工离开,则待定员工当日的离开轨迹增加一次,并自动记录该次轨迹的时间。
在本实施例的一种优选的情况中,从监控记录中识别员工身份的过程为:
将待定员工的所述全景图像拆分为若干个视角的待定员工图像,将所述外表视频拆分为若干个图像帧并标记为未知员工图像;
在任一所述待定员工图像中标注出待定员工身体的最小外接矩形,计算所述待定员工身体的最小外接矩形的长宽比k;在所有未知员工图像中标注出未知员工身体的最小外接矩形,依次计算所述未知员工身体的最小外接矩形的长宽比p1,p2,…,pn,提取p1,p2,…,pn中与k数值相等的pn,则pn对应的未知员工图像与该待定员工图像为相同视角下拍摄的,将pn对应的未知员工图像与该待定员工图像进行特征比对;
待定员工的全景图像和路过的未知员工的外表视频,均是有一连串的图像组成,但是每张图像所拍摄的身体的具体视角角度又不相同,为了直接让同视角的身体图像进行对比,提高识别的准确率和减少无效的对比工作量,本发明以员工身体的轮廓为界限获得员工的最小外接矩形,计算最小外界矩形的长宽比,将身体轮廓的最小外界矩形的长宽比相同的两张员工图像进行对比,降低了相似度对比的范围,减少身体形态不同的员工图像之间的无效对比。
在本实施例的另一种优选的情况中,在提取p1,p2,…,pn中与k相等的数值的过程中,对于任一待定员工图像,若p1,p2,…,pn中存在多个数值与该待定员工身体的长宽比k相等,则将该待定员工图像标记为第一图像,将多个数值对应的未知员工图像标记为第二图像,通过图像帧差法分别识别所述第一图像和第二图像中的背景图像,计算第一图像中背景图像占完整图像的比例P,计算第二图像中背景图像占完整图像的比例Q,判定与比例P差值最小的比例Q对应的第二图像与第一图像为相同视角;
由于待定员工图像是由全景图像拆分而来的,故存在若干张员工身体轮廓最小外接矩形的长宽比相同,但是视角却并不相同的情况,所以为了排除这种情况,对图像中的背景图像进行识别,根据背景图像占完整图像的百分比,即间接得出员工身体图像占完整图像的百分比,从而筛选出相同视角的位置员工图像。
在本发明的另一种优选的实施例中,所述特征对比的过程为:
将所述待定员工图像标记为源域图像,将所述未知员工图像标记为目标域图像,构建ReID模型,将所述源域图像送入所述ReID模型中提取身份特征;将目标域图像送入ReID模型中提取身份特征;将所述源域图像的身份特征与所述目标域图像的身份特征进行匹配,获取与所述源域图像员工特征相似度最高的目标域图像,若所述相似度大于预设阈值,则该目标域图像与所述源域图像表示同一位员工,若否,则继续匹配;
值得注意的是,所述全景图像为预先拍摄的员工身体各角度的全景图像。
在发明的另一种优选的实施例中,对所述打卡记录分析的过程为:
获取员工的打卡记录,若所述打卡记录中包括上班打卡和下班打卡,则判定该员工为打卡正常;若所述打卡记录仅包括下班打卡,则标记该员工为打卡正常;若所述打卡记录仅包括上班打卡,则判定该员工为打卡异常;
在本发明中,为了筛选出可能滞留在办公场所的员工,因此仅将上班打卡而下班未打卡的人员判定为打卡异常,从而快速筛选员工。
在本发明的另一种优选的实施例中,对所述滞留员工进行提醒的过程包括:
获取所述滞留员工的联系方式,通过所述联系方式提醒滞留员工离开,当无法与所述滞留员工联系时,获取所述滞留员工的职务信息,根据所述职务信息获取滞留员工所在工位并进行实地提醒。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (8)
1.基于物联大数据分析的智能研判预警方法,用于办公场所的员工管理,其特征在于,包括:
获取员工的个人信息和打卡记录,所述个人信息包括联系方式、职务信息和全景图像;获取办公场所的监控记录;
对所述打卡记录进行分析,选取打卡记录存在异常的员工,并标记为待定员工,根据所述监控记录获取所述待定员工的进出轨迹,若所述待定员工当日最后一次出现在监控记录中为进入轨迹,则判定该员工为滞留员工;若所述待定员工当日最后一次出现在监控记录中为离开轨迹,则判定该员工为正常员工;
将所述滞留员工的个人信息生成标签发送至门禁系统,所述门禁系统生成禁止关闭指令,若滞留员工通过门禁,则解除自动关闭指令,若滞留员工未通过门禁,则始终保持禁止关闭指令;
获取所述滞留员工的联系方式,对所述滞留员工进行提醒。
2.根据权利要求1所述的基于物联大数据分析的智能研判预警方法,其特征在于,所述进出轨迹的判定过程为:
所述监控记录通过监控设备获取,所述监控设备用于实时拍摄路过员工的外表视频,所述监控设备分别设置于门禁的入口和出口,若位于入口的所述监控设备拍摄到所述待定员工进入,则待定员工当日的进入轨迹增加一次,并自动记录该次轨迹的时间;若位于出口的所述监控设备拍摄到所述待定员工离开,则待定员工当日的离开轨迹增加一次,并自动记录该次轨迹的时间。
3.根据权利要求2所述的基于物联大数据分析的智能研判预警方法,其特征在于,从监控记录中识别员工身份的过程为:
将待定员工的所述全景图像拆分为若干个视角的待定员工图像,将所述外表视频拆分为若干个图像帧并标记为未知员工图像;在任一所述待定员工图像中标注出待定员工身体的最小外接矩形,计算所述待定员工身体的最小外接矩形的长宽比k;在所有未知员工图像中标注出未知员工身体的最小外接矩形,依次计算所述未知员工身体的最小外接矩形的长宽比p1,p2,…,pn,提取p1,p2,…,pn中与k数值相等的pn;则pn对应的未知员工图像与该待定员工图像为相同视角下拍摄的,将pn对应的未知员工图像与该待定员工图像进行特征比对。
4.根据权利要求3所述的基于物联大数据分析的智能研判预警方法,其特征在于,在提取p1,p2,…,pn中与k相等的数值的过程中,对于任一待定员工图像,若p1,p2,…,pn中存在多个数值与该待定员工身体的长宽比k相等,则将该待定员工图像标记为第一图像,将多个数值对应的未知员工图像标记为第二图像,通过图像帧差法分别识别所述第一图像和第二图像中的背景图像,计算第一图像中背景图像占完整图像的比例P,计算第二图像中背景图像占完整图像的比例Q,判定与比例P差值最小的比例Q对应的第二图像与第一图像为相同视角。
5.根据权利要求4所述的基于物联大数据分析的智能研判预警方法,其特征在于,所述特征对比的过程为:
将所述待定员工图像标记为源域图像,将所述未知员工图像标记为目标域图像,构建ReID模型,将所述源域图像送入所述ReID模型中提取身份特征;将目标域图像送入ReID模型中提取身份特征;将所述源域图像的身份特征与所述目标域图像的身份特征进行匹配,获取与所述源域图像员工特征相似度最高的目标域图像,若所述相似度大于预设阈值,则该目标域图像与所述源域图像表示同一位员工,若否,则继续匹配。
6.根据权利要求2所述的基于物联大数据分析的智能研判预警方法,其特征在于,所述全景图像为预先拍摄的员工身体各角度的全景图像。
7.根据权利要求1所述的基于物联大数据分析的智能研判预警方法,其特征在于,对所述打卡记录分析的过程为:
获取员工的打卡记录,若所述打卡记录中包括上班打卡和下班打卡,则判定该员工为打卡正常;若所述打卡记录仅包括下班打卡,则标记该员工为打卡正常;若所述打卡记录仅包括上班打卡,则判定该员工为打卡异常。
8.根据权利要求1所述的基于物联大数据分析的智能研判预警方法,其特征在于,对所述滞留员工进行提醒的过程包括:
获取所述滞留员工的联系方式,通过所述联系方式提醒滞留员工离开,当无法与所述滞留员工联系时,获取所述滞留员工的职务信息,根据所述职务信息获取滞留员工所在工位并进行实地提醒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211448196.1A CN115730915B (zh) | 2022-11-18 | 2022-11-18 | 基于物联大数据分析的智能研判预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211448196.1A CN115730915B (zh) | 2022-11-18 | 2022-11-18 | 基于物联大数据分析的智能研判预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115730915A true CN115730915A (zh) | 2023-03-03 |
CN115730915B CN115730915B (zh) | 2023-10-31 |
Family
ID=85296663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211448196.1A Active CN115730915B (zh) | 2022-11-18 | 2022-11-18 | 基于物联大数据分析的智能研判预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115730915B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110129789A (ko) * | 2010-05-26 | 2011-12-02 | 수원대학교산학협력단 | 얼굴과 신체 정보를 융합한 다중 생체 인식을 이용한 영상 감시 시스템 및 방법 |
JP3207565U (ja) * | 2016-09-06 | 2016-11-17 | 株式会社a−Sol Japan | 静電気管理システム |
CN109243040A (zh) * | 2018-11-20 | 2019-01-18 | 日立楼宇技术(广州)有限公司 | 一种门禁通行管理方法、装置、设备和存储介质 |
CN110598535A (zh) * | 2019-07-31 | 2019-12-20 | 广西大学 | 一种监控视频数据中使用的人脸识别分析方法 |
CN112687044A (zh) * | 2019-11-28 | 2021-04-20 | 上海云思智慧信息技术有限公司 | 滞留人员的管理方法、系统、介质及设备 |
-
2022
- 2022-11-18 CN CN202211448196.1A patent/CN115730915B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110129789A (ko) * | 2010-05-26 | 2011-12-02 | 수원대학교산학협력단 | 얼굴과 신체 정보를 융합한 다중 생체 인식을 이용한 영상 감시 시스템 및 방법 |
JP3207565U (ja) * | 2016-09-06 | 2016-11-17 | 株式会社a−Sol Japan | 静電気管理システム |
CN109243040A (zh) * | 2018-11-20 | 2019-01-18 | 日立楼宇技术(广州)有限公司 | 一种门禁通行管理方法、装置、设备和存储介质 |
CN110598535A (zh) * | 2019-07-31 | 2019-12-20 | 广西大学 | 一种监控视频数据中使用的人脸识别分析方法 |
CN112687044A (zh) * | 2019-11-28 | 2021-04-20 | 上海云思智慧信息技术有限公司 | 滞留人员的管理方法、系统、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115730915B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110942545B (zh) | 基于人脸识别和视频围栏的人员密集出入口门禁控制系统及方法 | |
CN110738127B (zh) | 基于无监督深度学习神经网络算法的安全帽识别方法 | |
CN109657608B (zh) | 基于人脸识别技术的尾随分析方法 | |
CN105913037A (zh) | 基于人脸识别与射频识别的监控跟踪系统 | |
CN109671189B (zh) | 一种基于人脸和车辆关联特征的智能出入口系统 | |
CN111783530A (zh) | 一种在限制区域内监控及鉴别行为的安全系统及方法 | |
CN112216010A (zh) | 一种校园安全管理方法、系统、设备及存储介质 | |
CN110516568B (zh) | 一种基于人脸识别的高校多场景数据管理方法及系统 | |
KR101092472B1 (ko) | 감시카메라를 활용한 비디오 색인 시스템 및 그 색인 방법 | |
CN112132048A (zh) | 一种基于计算机视觉的社区巡更分析方法及系统 | |
CN111754669A (zh) | 一种基于人脸识别技术的高校学生管理系统 | |
CN115620471A (zh) | 一种基于大数据筛查的图像识别安防系统 | |
CN111767881A (zh) | 一种基于ai技术的自适应人群密度估计装置 | |
CN114500950A (zh) | 基于智慧城市的箱体异常状态检测系统及方法 | |
CN111353343A (zh) | 一种基于视频监控的营业厅服务规范质检方法 | |
CN110533889B (zh) | 一种敏感区域电子设备监测定位装置与方法 | |
CN115730915A (zh) | 基于物联大数据分析的智能研判预警方法 | |
CN111160150A (zh) | 基于深度残差神经网络卷积的视频监控人群行为的识别方法 | |
Lakshmi et al. | Automated face recognition by smart security system using AI & ML algorithms | |
US11893827B2 (en) | Systems and methods of detecting mask usage | |
Roy et al. | Vehicle number plate recognition and parking system | |
CN115862211A (zh) | 针对尾随人员的小区安防管控系统及方法 | |
US20220269878A1 (en) | Systems and methods of detecting incorrect mask usage | |
Ho et al. | Public space behavior modeling with video and sensor analytics | |
Blauensteiner et al. | A socio-technical approach for event detection in security critical infrastructure |
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 |