CN116074479A - 基于图像分析的乘务监控系统、方法、设备及存储介质 - Google Patents
基于图像分析的乘务监控系统、方法、设备及存储介质 Download PDFInfo
- Publication number
- CN116074479A CN116074479A CN202310193008.3A CN202310193008A CN116074479A CN 116074479 A CN116074479 A CN 116074479A CN 202310193008 A CN202310193008 A CN 202310193008A CN 116074479 A CN116074479 A CN 116074479A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- scene model
- area
- equipment
- image analysis
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 313
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000010191 image analysis Methods 0.000 title claims abstract description 32
- 230000011218 segmentation Effects 0.000 claims abstract description 39
- 230000004424 eye movement Effects 0.000 claims abstract description 25
- 238000009434 installation Methods 0.000 claims description 48
- 238000012806 monitoring device Methods 0.000 claims description 23
- 230000002093 peripheral effect Effects 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000015654 memory Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/013—Eye tracking input arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/16—Image acquisition using multiple overlapping images; Image stitching
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/2222—Prompting
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及乘务监控技术领域,具体公开了一种基于图像分析的乘务监控系统、方法、设备及存储介质,所述方法包括接收监控设备获取到的监控视频,根据切分边界对监控视频进行拼接,填充场景模型;对填充后的场景模型进行识别,根据识别结果对场景模型中的区域进行标记,并调节对应的监控设备的监控参数;获取并记录监控人员的眼动数据,根据眼动数据确定忽视区域,对忽视区域进行标记。本发明通过在场景模型上移植识别技术,识别风险区域,调整相应的监控设备的清晰度,引导监控人员进行监控工作,极大地缓解了监控压力;此外,通过实时的对监控人员进行二次监控,基于眼动识别技术标记监控人员的忽视区,极大地提高了监控过程的全面性。
Description
技术领域
本发明涉及乘务监控技术领域,具体是一种基于图像分析的乘务监控系统、方法、设备及存储介质。
背景技术
乘务员是对交通运输工具上服务人员的概称,是在公共交通工具上为乘客提供服务的工作人员,如列车乘务员、公交乘务员、空中乘务员等。
乘务员不仅代表着一个公司甚至是一个区域的形象,而且负责交通运输工具的安全,岗位十分重要,因此,管理方会对乘务员的工作进行监控,实时的敦促乘务员要认真工作,防止因为操作失误导致的安全问题。
现有的监控方式,大都通过安防摄像头对乘务员进行监控,有些地方会让乘务员随身携带定位器或其他监控设备(双方都知晓并且允许);实际上,无论何种方式,都需要监控人员,不同的方式只是监控人员获取乘务员信息的途径不同;当需要监控的区域较多时,监控人员的压力会非常大,很容易因为疲劳的原因导致监控失职,因此,如何缓解监控人员的监控压力是本发明技术方案想要解决的技术问题。
发明内容
本发明的目的在于提供一种基于图像分析的乘务监控系统、方法、设备及存储介质,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于图像分析的乘务监控方法,所述方法包括:
建立监控区域的场景模型,根据场景模型安装监控设备并确定其监控参数;所述监控参数包含切分边界,所述切分边界用于区分监控视频的中心部分和外围部分;
接收监控设备获取到的监控视频,根据切分边界对监控视频进行拼接,填充场景模型;
对填充后的场景模型进行识别,根据识别结果对场景模型中的区域进行标记,并调节对应的监控设备的监控参数;
获取并记录监控人员的眼动数据,根据眼动数据确定忽视区域,对忽视区域进行标记。
作为本发明技术方案进一步的限定:所述建立监控区域的场景模型,根据场景模型安装监控设备并确定其监控参数的步骤包括:
接收用户输入的区域索引,根据所述区域索引查询设计图纸;
基于设计图纸建立监控区域的场景模型;
获取监控设备的符合预设清晰度条件的监控距离范围;
在监控距离范围内选取监控高度和监控角度,并计算监控范围;
匹配所述监控范围和场景模型,确定监控设备的安装表;所述安装表中包括编号项、安装位置项和监控参数项。
作为本发明技术方案进一步的限定:所述匹配所述监控范围和场景模型,确定监控设备的安装表的步骤包括:
显示监控范围,接收工作人员输入的切分边界;所述切分边界为矩形;
根据所述切分边界对场景模型进行切分,得到子场景;
依次对所述子场景进行编号,作为监控设备的编号;
读取监控设备的监控高度和监控角度,根据监控高度和监控角度和子场景的位置确定监控设备的安装位置;
统计所有监控设备的编号、安装位置和监控参数,得到安装表。
作为本发明技术方案进一步的限定:所述接收监控设备获取到的监控视频,根据切分边界对监控视频进行拼接,填充场景模型的步骤包括:
接收监控设备获取到的监控视频;
根据监控设备的编号查询监控参数中的切分边界;
根据切分边界将监控视频分为中心部分和外围部分;
根据监控设备的编号查询安装位置,根据安装位置将中心部分填充至场景模型。
作为本发明技术方案进一步的限定:所述根据监控设备的编号查询安装位置,根据安装位置将中心部分填充至场景模型的步骤包括:
根据监控设备的编号查询安装位置,根据安装位置在场景模型中查询外围部分对应的已存内容;
比对所述外围部分和所述已存内容,计算重合度;
当所述重合度小于预设的重合阈值时,查询并标记外围部分和已存内容对应的监控设备的编号;
统计标记的编号,生成警示信息。
作为本发明技术方案进一步的限定:所述对填充后的场景模型进行识别,根据识别结果对场景模型中的区域进行标记,并调节对应的监控设备的监控参数的步骤包括:
基于预设的识别算法库对填充后的场景模型进行识别,定位异常区域;
查询异常区域对应的监控设备,根据查询到的监控设备的编号在安装表中查询监控参数中的清晰度;
调节所述清晰度。
作为本发明技术方案进一步的限定:所述获取并记录监控人员的眼动数据,根据眼动数据确定忽视区域,对忽视区域进行标记的步骤包括:
根据预设的采集设备获取监控人员的眼动数据,在场景模型中定位含有时间信息的注视区域序列;所述注视区域为相对于场景模型的位置参数;
根据子场景的切分结果对注视区域进行切分,计算各子场景的注视时间特征;所述注视时间特征由时间信息确定;
根据预设的计算公式将注视时间特征转换为注视值;所述注视值用于表征监控人员对某一区域的注视情况;
根据注视值确定并标记忽视子场景。
本发明技术方案还提供了一种基于图像分析的乘务监控系统,所述系统包括:
监控参数确定模块,用于建立监控区域的场景模型,根据场景模型安装监控设备并确定其监控参数;所述监控参数包含切分边界,所述切分边界用于区分监控视频的中心部分和外围部分;
模型填充模块,用于接收监控设备获取到的监控视频,根据切分边界对监控视频进行拼接,填充场景模型;
模型识别模块,用于对填充后的场景模型进行识别,根据识别结果对场景模型中的区域进行标记,并调节对应的监控设备的监控参数;
忽视区识别模块,用于获取并记录监控人员的眼动数据,根据眼动数据确定忽视区域,对忽视区域进行标记。
本发明技术方案还提供了一种设备,所述设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行时,实现所述基于图像分析的乘务监控方法。
本发明技术方案还提供了一种存储介质,所述存储介质中存储有至少一条程序代码,所述程序代码由处理器加载并执行时,实现所述基于图像分析的乘务监控方法。
与现有技术相比,本发明的有益效果是:本发明根据设计图像建立场景模型,基于场景模型安装监控设备,并根据安装关系将监控视频填充至场景模型;通过在场景模型上移植识别技术,从整体上识别风险区域,进而调整相应的监控设备的清晰度,使得监控人员在引导下进行监控工作,极大地缓解了监控压力;此外,通过实时的对监控人员进行二次监控,基于眼动识别技术标记监控人员的忽视区,极大地提高了监控过程的全面性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述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。
图1为基于图像分析的乘务监控方法的流程框图。
图2为基于图像分析的乘务监控方法的第一子流程框图。
图3为基于图像分析的乘务监控方法的第二子流程框图。
图4为基于图像分析的乘务监控方法的第三子流程框图。
图5为基于图像分析的乘务监控方法的第四子流程框图。
图6为基于图像分析的乘务监控系统的组成结构框图。
图中:10-系统,11-监控参数确定模块,12-模型填充模块,13-模型识别模块,14-忽视区识别模块。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为基于图像分析的乘务监控方法的流程框图,本发明实施例中,一种基于图像分析的乘务监控方法,所述方法包括:
步骤S100:建立监控区域的场景模型,根据场景模型安装监控设备并确定其监控参数;所述监控参数包含切分边界,所述切分边界用于区分监控视频的中心部分和外围部分;
在乘务监控领域,需要监控的场景有很多,比如站台、列车或管理区等等,它们统称为监控区域;场景模型是虚拟的监控区域,与监控区域之间存在着预设的比例尺,可以类比于地图;基于场景模型可以确定监控设备的安装参数及监控参数。
值得一提的是,监控参数中含有切分边界,切分边界用于对监控设备获取到的监控视频进行切分,比如,一个摄像头获取到的监控视频是一个椭圆形的范围,在这个椭圆形中确定一个矩形,该矩形就是切分边界,矩形内的区域就是中心部分,矩形外的区域就是外围部分。
步骤S200:接收监控设备获取到的监控视频,根据切分边界对监控视频进行拼接,填充场景模型;
结合上述对切分边界的描述内容,监控设备获取到的监控视频,只有中心部分相互拼接在一起,这么做的好处是,可以拼接的更加规则,最终拼接出的场景模型,每个区域对应哪个监控设备,可以清晰地进行记录;如果不设置切分边界,那么相互拼接的过程中,相邻的监控设备拍摄到的监控视频肯定有重叠部分,对于这一重叠部分的处理过程会非常繁琐。
步骤S300:对填充后的场景模型进行识别,根据识别结果对场景模型中的区域进行标记,并调节对应的监控设备的监控参数;
场景模型相当于是监控区域的整体视频,借助现有的识别算法,对场景模型进行识别,可以对监控区域进行全局性的把控;当识别出风险时,可以在场景模型中进行标记,用于提示监控人员;由于切分边界的存在,场景模型中各位置与监控设备存在着清晰的对应关系,当场景模型中的某个位置出现问题时,可以查询到对应的监控设备,进而向该监控设备发送调节指令,获取更加清晰的视频。
步骤S400:获取并记录监控人员的眼动数据,根据眼动数据确定忽视区域,对忽视区域进行标记;
眼动追踪技术是现有的已经比较成熟的技术,基于眼动追踪技术,可以判断出监控人员在观看场景模型时,分别看了哪些区域,记录这些区域,可以判断出监控人员忽视了哪些区域(由于观看习惯引起的视觉盲点),对这些区域进行标记,可以吸引监控人员的注意力,这可以缓解由于监控人员的粗心导致的监控失职问题。
图2为基于图像分析的乘务监控方法的第一子流程框图,所述建立监控区域的场景模型,根据场景模型安装监控设备并确定其监控参数的步骤包括:
步骤S101:接收用户输入的区域索引,根据所述区域索引查询设计图纸;
区域索引是预设的索引,由区域索引可以在备案数据库中查询到设计图纸。
步骤S102:基于设计图纸建立监控区域的场景模型;
场景模型可以通过获取俯视角度的图纸,再经过一些渲染操作即可生成。
步骤S103:获取监控设备的符合预设清晰度条件的监控距离范围;
监控设备会存在一个有效监控距离,当超出这一有效监控距离时,清晰度会很低,会导致后续的识别算法无法应用;
步骤S104:在监控距离范围内选取监控高度和监控角度,并计算监控范围;
监控距离、监控角度、监控高度和地面可以组成一个三角,借助常规的几何学知识可以大致的确定一个监控范围。
步骤S105:匹配所述监控范围和场景模型,确定监控设备的安装表;所述安装表中包括编号项、安装位置项和监控参数项;
统计所有的监控设备的安装位置和监控参数,可以得到一个安装表;所述安装表以编号为顺序。
进一步的,所述匹配所述监控范围和场景模型,确定监控设备的安装表的步骤包括:
显示监控范围,接收工作人员输入的切分边界;所述切分边界为矩形;
对于一个监控设备,其切分边界由工作人员输入;举例来说,某个监控设备的监控范围是椭圆形,工作人员可以在椭圆中划定一个矩形,作为切分边界;
根据所述切分边界对场景模型进行切分,得到子场景;
由切分边界可以将场景模型切分为一块一块的子场景,子场景与监控设备是一一对应的。
依次对所述子场景进行编号,作为监控设备的编号;
对子场景进行编号,编号结果就可以作为对应的监控设备的编号。
读取监控设备的监控高度和监控角度,根据监控高度和监控角度和子场景的位置确定监控设备的安装位置;
监控高度和监控角度已知,再配合该监控设备需要监控的子场景的实际范围,即可确定监控设备的安装位置,精确度不做要求(可以稍微地偏离一些)。
统计所有监控设备的编号、安装位置和监控参数,得到安装表。
图3为基于图像分析的乘务监控方法的第二子流程框图,所述接收监控设备获取到的监控视频,根据切分边界对监控视频进行拼接,填充场景模型的步骤包括:
步骤S201:接收监控设备获取到的监控视频;
步骤S202:根据监控设备的编号查询监控参数中的切分边界;
根据监控设备的编号可以在安装表中查询相应的切分边界;
步骤S203:根据切分边界将监控视频分为中心部分和外围部分;
步骤S204:根据监控设备的编号查询安装位置,根据安装位置将中心部分填充至场景模型;
由切分边界可以确定需要填充至场景模型的部分,也就是上述中心部分(矩形内的部分)。
作为本发明技术方案的一个优选实施例,所述根据监控设备的编号查询安装位置,根据安装位置将中心部分填充至场景模型的步骤包括:
根据监控设备的编号查询安装位置,根据安装位置在场景模型中查询外围部分对应的已存内容;
比对所述外围部分和所述已存内容,计算重合度;
当所述重合度小于预设的重合阈值时,查询并标记外围部分和已存内容对应的监控设备的编号;
统计标记的编号,生成警示信息。
监控设备实时工作,它每时每刻都在获取新的视频,这些视频中的中心部分填充至场景模型;而外围部分被当作无效的部分剔除;对于此,在本发明技术方案的一个实例中,将外围部分与场景模型中对应的部分进行比对,如果所有监控设备均正常工作,那么获取到的视频应该重合度极高,如果重合度较低,就说明相关的监控设备至少有一个出现了问题,因此,比对环节可以在原有的基础上增设针对监控设备的识别功能。
图4为基于图像分析的乘务监控方法的第三子流程框图,所述对填充后的场景模型进行识别,根据识别结果对场景模型中的区域进行标记,并调节对应的监控设备的监控参数的步骤包括:
步骤S301:基于预设的识别算法库对填充后的场景模型进行识别,定位异常区域;
步骤S302:查询异常区域对应的监控设备,根据查询到的监控设备的编号在安装表中查询监控参数中的清晰度;
步骤S303:调节所述清晰度。
步骤S301至步骤S303实际上是二次开发过程,工作人员可以在本方法的运行主体中,增加各种现有的图像识别技术,用以辅助工作人员检查场景模型。
其中,当存在异常区域时,根据异常区域查询对应的监控设备,提高该监控设备的清晰度,便于工作人员更好地了解现场情形。
图5为基于图像分析的乘务监控方法的第四子流程框图,所述获取并记录监控人员的眼动数据,根据眼动数据确定忽视区域,对忽视区域进行标记的步骤包括:
步骤S401:根据预设的采集设备获取监控人员的眼动数据,在场景模型中定位含有时间信息的注视区域序列;所述注视区域为相对于场景模型的位置参数;
注视区域是含有时间信息的,比如,扫视与注视是两种概念,监控人员在工作时,往往会先扫视,然后注视某个区域,扫视的时间和注视的时间都需要记录;注视区域采用建立在场景模型中的坐标轴表示。
步骤S402:根据子场景的切分结果对注视区域进行切分,计算各子场景的注视时间特征;所述注视时间特征由时间信息确定;
注视区域与场景模型中切分好的子场景是不同的,监控人员的注视区域中有可能涉及多个子场景,一个子场景由一个监控设备进行监控,因此,将注视区域转换为子场景,便于定位相应的监控设备,当监控人员想进一步观看时,可以调节该监控设备的清晰度,获取更加细节的监控视频。
步骤S403:根据预设的计算公式将注视时间特征转换为注视值;所述注视值用于表征监控人员对某一区域的注视情况;
注视时间特征比较简单,就是某个子场景在哪些时段被监控人注视,这些时段的频率、时长和间隔时长均能够反应监控人员的关注度;通过预设的经验公式(上述计算公式)将注视时间特征转换为注视值,更容易进行后续的判断环节。
步骤S404:根据注视值确定并标记忽视子场景;
将注视值与预设的一些注视值阈值进行比对,或者将不同子场景的注视值进行比对,可以判断出哪些子场景被监控人员忽视;被忽视的含义就是该子场景的注视值比其他子场景的注视值低很多。
图6为基于图像分析的乘务监控系统的组成结构框图,本发明实施例中,一种基于图像分析的乘务监控系统,所述系统10包括:
监控参数确定模块11,用于建立监控区域的场景模型,根据场景模型安装监控设备并确定其监控参数;所述监控参数包含切分边界,所述切分边界用于区分监控视频的中心部分和外围部分;
模型填充模块12,用于接收监控设备获取到的监控视频,根据切分边界对监控视频进行拼接,填充场景模型;
模型识别模块13,用于对填充后的场景模型进行识别,根据识别结果对场景模型中的区域进行标记,并调节对应的监控设备的监控参数;
忽视区识别模块14,用于获取并记录监控人员的眼动数据,根据眼动数据确定忽视区域,对忽视区域进行标记。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于图像分析的乘务监控方法,其特征在于,所述方法包括:
建立监控区域的场景模型,根据场景模型安装监控设备并确定其监控参数;所述监控参数包含切分边界,所述切分边界用于区分监控视频的中心部分和外围部分;
接收监控设备获取到的监控视频,根据切分边界对监控视频进行拼接,填充场景模型;
对填充后的场景模型进行识别,根据识别结果对场景模型中的区域进行标记,并调节对应的监控设备的监控参数;
获取并记录监控人员的眼动数据,根据眼动数据确定忽视区域,对忽视区域进行标记。
2.根据权利要求1所述的基于图像分析的乘务监控方法,其特征在于,所述建立监控区域的场景模型,根据场景模型安装监控设备并确定其监控参数的步骤包括:
接收用户输入的区域索引,根据所述区域索引查询设计图纸;
基于设计图纸建立监控区域的场景模型;
获取监控设备的符合预设清晰度条件的监控距离范围;
在监控距离范围内选取监控高度和监控角度,并计算监控范围;
匹配所述监控范围和场景模型,确定监控设备的安装表;所述安装表中包括编号项、安装位置项和监控参数项。
3.根据权利要求2所述的基于图像分析的乘务监控方法,其特征在于,所述匹配所述监控范围和场景模型,确定监控设备的安装表的步骤包括:
显示监控范围,接收工作人员输入的切分边界;所述切分边界为矩形;
根据所述切分边界对场景模型进行切分,得到子场景;
依次对所述子场景进行编号,作为监控设备的编号;
读取监控设备的监控高度和监控角度,根据监控高度和监控角度和子场景的位置确定监控设备的安装位置;
统计所有监控设备的编号、安装位置和监控参数,得到安装表。
4.根据权利要求1所述的基于图像分析的乘务监控方法,其特征在于,所述接收监控设备获取到的监控视频,根据切分边界对监控视频进行拼接,填充场景模型的步骤包括:
接收监控设备获取到的监控视频;
根据监控设备的编号查询监控参数中的切分边界;
根据切分边界将监控视频分为中心部分和外围部分;
根据监控设备的编号查询安装位置,根据安装位置将中心部分填充至场景模型。
5.根据权利要求4所述的基于图像分析的乘务监控方法,其特征在于,所述根据监控设备的编号查询安装位置,根据安装位置将中心部分填充至场景模型的步骤包括:
根据监控设备的编号查询安装位置,根据安装位置在场景模型中查询外围部分对应的已存内容;
比对所述外围部分和所述已存内容,计算重合度;
当所述重合度小于预设的重合阈值时,查询并标记外围部分和已存内容对应的监控设备的编号;
统计标记的编号,生成警示信息。
6.根据权利要求1所述的基于图像分析的乘务监控方法,其特征在于,所述对填充后的场景模型进行识别,根据识别结果对场景模型中的区域进行标记,并调节对应的监控设备的监控参数的步骤包括:
基于预设的识别算法库对填充后的场景模型进行识别,定位异常区域;
查询异常区域对应的监控设备,根据查询到的监控设备的编号在安装表中查询监控参数中的清晰度;
调节所述清晰度。
7.根据权利要求2所述的基于图像分析的乘务监控方法,其特征在于,所述获取并记录监控人员的眼动数据,根据眼动数据确定忽视区域,对忽视区域进行标记的步骤包括:
根据预设的采集设备获取监控人员的眼动数据,在场景模型中定位含有时间信息的注视区域序列;所述注视区域为相对于场景模型的位置参数;
根据子场景的切分结果对注视区域进行切分,计算各子场景的注视时间特征;所述注视时间特征由时间信息确定;
根据预设的计算公式将注视时间特征转换为注视值;所述注视值用于表征监控人员对某一区域的注视情况;
根据注视值确定并标记忽视子场景。
8.一种基于图像分析的乘务监控系统,其特征在于,所述系统包括:
监控参数确定模块,用于建立监控区域的场景模型,根据场景模型安装监控设备并确定其监控参数;所述监控参数包含切分边界,所述切分边界用于区分监控视频的中心部分和外围部分;
模型填充模块,用于接收监控设备获取到的监控视频,根据切分边界对监控视频进行拼接,填充场景模型;
模型识别模块,用于对填充后的场景模型进行识别,根据识别结果对场景模型中的区域进行标记,并调节对应的监控设备的监控参数;
忽视区识别模块,用于获取并记录监控人员的眼动数据,根据眼动数据确定忽视区域,对忽视区域进行标记。
9.一种设备,其特征在于,所述设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行时,实现如权利要求1-7任一项所述的基于图像分析的乘务监控方法。
10.一种存储介质,其特征在于,所述存储介质中存储有至少一条程序代码,所述程序代码由处理器加载并执行时,实现如权利要求1-7任一项所述的基于图像分析的乘务监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310193008.3A CN116074479A (zh) | 2023-03-03 | 2023-03-03 | 基于图像分析的乘务监控系统、方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310193008.3A CN116074479A (zh) | 2023-03-03 | 2023-03-03 | 基于图像分析的乘务监控系统、方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116074479A true CN116074479A (zh) | 2023-05-05 |
Family
ID=86174981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310193008.3A Pending CN116074479A (zh) | 2023-03-03 | 2023-03-03 | 基于图像分析的乘务监控系统、方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116074479A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116895337A (zh) * | 2023-09-07 | 2023-10-17 | 智菲科技集团有限公司 | 一种合成生物元件数据库系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104639911A (zh) * | 2015-02-09 | 2015-05-20 | 浙江宇视科技有限公司 | 一种全景视频拼接方法及装置 |
CN109960265A (zh) * | 2019-04-11 | 2019-07-02 | 长沙理工大学 | 一种基于区间二型模糊集合的无人驾驶车辆视觉引导方法 |
CN111787311A (zh) * | 2020-07-17 | 2020-10-16 | 江苏中州科技有限公司 | 一种安防监控摄像机的故障检测系统及方法 |
CN112188163A (zh) * | 2020-09-29 | 2021-01-05 | 厦门汇利伟业科技有限公司 | 一种实时视频图像自动去重拼接的方法和系统 |
CN113884123A (zh) * | 2021-09-23 | 2022-01-04 | 广州小鹏汽车科技有限公司 | 一种传感器校验方法及装置、车辆、存储介质 |
CN114727058A (zh) * | 2022-03-14 | 2022-07-08 | 杭州登虹科技有限公司 | 一种基于大场景视频监控的视频联动系统 |
CN114928718A (zh) * | 2022-04-29 | 2022-08-19 | 厦门图扑软件科技有限公司 | 视频监控方法、装置、电子设备及存储介质 |
CN115278158A (zh) * | 2022-06-13 | 2022-11-01 | 安徽建工集团股份有限公司总承包分公司 | 一种辅助巡线监控管理系统及方法 |
CN115250950A (zh) * | 2022-08-02 | 2022-11-01 | 苏州数智赋农信息科技有限公司 | 一种基于人工智能的畜禽养猪场巡检方法及系统 |
CN115294534A (zh) * | 2022-10-10 | 2022-11-04 | 广东电网有限责任公司中山供电局 | 一种基于现场作业监控视频的多目标检测与跟踪装置 |
CN115409867A (zh) * | 2022-08-15 | 2022-11-29 | 富成数字技术集团有限公司 | 一种基于视频处理技术的轨迹分析方法及系统 |
CN115631449A (zh) * | 2022-12-19 | 2023-01-20 | 南京和电科技有限公司 | 一种视频智能识别管理方法及系统 |
-
2023
- 2023-03-03 CN CN202310193008.3A patent/CN116074479A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104639911A (zh) * | 2015-02-09 | 2015-05-20 | 浙江宇视科技有限公司 | 一种全景视频拼接方法及装置 |
CN109960265A (zh) * | 2019-04-11 | 2019-07-02 | 长沙理工大学 | 一种基于区间二型模糊集合的无人驾驶车辆视觉引导方法 |
CN111787311A (zh) * | 2020-07-17 | 2020-10-16 | 江苏中州科技有限公司 | 一种安防监控摄像机的故障检测系统及方法 |
CN112188163A (zh) * | 2020-09-29 | 2021-01-05 | 厦门汇利伟业科技有限公司 | 一种实时视频图像自动去重拼接的方法和系统 |
CN113884123A (zh) * | 2021-09-23 | 2022-01-04 | 广州小鹏汽车科技有限公司 | 一种传感器校验方法及装置、车辆、存储介质 |
CN114727058A (zh) * | 2022-03-14 | 2022-07-08 | 杭州登虹科技有限公司 | 一种基于大场景视频监控的视频联动系统 |
CN114928718A (zh) * | 2022-04-29 | 2022-08-19 | 厦门图扑软件科技有限公司 | 视频监控方法、装置、电子设备及存储介质 |
CN115278158A (zh) * | 2022-06-13 | 2022-11-01 | 安徽建工集团股份有限公司总承包分公司 | 一种辅助巡线监控管理系统及方法 |
CN115250950A (zh) * | 2022-08-02 | 2022-11-01 | 苏州数智赋农信息科技有限公司 | 一种基于人工智能的畜禽养猪场巡检方法及系统 |
CN115409867A (zh) * | 2022-08-15 | 2022-11-29 | 富成数字技术集团有限公司 | 一种基于视频处理技术的轨迹分析方法及系统 |
CN115294534A (zh) * | 2022-10-10 | 2022-11-04 | 广东电网有限责任公司中山供电局 | 一种基于现场作业监控视频的多目标检测与跟踪装置 |
CN115631449A (zh) * | 2022-12-19 | 2023-01-20 | 南京和电科技有限公司 | 一种视频智能识别管理方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116895337A (zh) * | 2023-09-07 | 2023-10-17 | 智菲科技集团有限公司 | 一种合成生物元件数据库系统 |
CN116895337B (zh) * | 2023-09-07 | 2023-11-17 | 智菲科技集团有限公司 | 一种合成生物元件数据库系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242574A (zh) | 一种基于gps技术的智慧工地现场巡检管理系统及方法 | |
CN109271881B (zh) | 一种变电站内人员安全管控方法、装置及服务器 | |
CN110889339B (zh) | 基于头肩检测的危险区域分级预警方法与系统 | |
CN106791700B (zh) | 一种企业关键区域人员路径安全监控系统及方法 | |
CN111754483A (zh) | 一种基于热像仪进行异常设备识别的方法及系统 | |
CN109448155A (zh) | 基于ar技术的设备巡视方法 | |
CN114665608B (zh) | 用于变电站的智能感知巡检系统及方法 | |
CN116074479A (zh) | 基于图像分析的乘务监控系统、方法、设备及存储介质 | |
CN115018854B (zh) | 一种重大危险源监测预警系统及其方法 | |
CN116416579B (zh) | 一种园区安防监控存储信息智能分析管理系统 | |
CN112085232A (zh) | 一种基于增强现实技术的运检系统及方法 | |
CN115171361B (zh) | 一种基于计算机视觉的危险行为智能检测预警方法 | |
CN115082861A (zh) | 人员身份与安全违章识别方法及系统 | |
CN115880722A (zh) | 一种配电作业人员穿戴的智能识别方法、系统和介质 | |
CN116345685A (zh) | 一种基于3d虚拟现实技术的配电网数字化巡检方法 | |
CN117171694B (zh) | 一种基于ai技术的配电场景安全识别系统 | |
CN112906441B (zh) | 用于通信行业查勘维护的图像识别系统及方法 | |
CN112034503A (zh) | 一种基于增强现实技术的辐射可视化系统及方法 | |
CN116311034A (zh) | 一种基于对比检测的机器人巡检系统 | |
CN115938009A (zh) | 一种智能电子巡检定位方法及系统 | |
CN114330477B (zh) | 一种基于混合现实设备的电力设备缺陷检测系统及方法 | |
CN115879764A (zh) | 一种变电站维修作业风险预警防范系统及方法 | |
CN114419774A (zh) | 一种智能防疫方法及系统 | |
CN113037984A (zh) | 一种基于雾计算的油气站场安全组合监测系统与方法 | |
CN116579609B (zh) | 一种基于巡检过程中的违规操作分析方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230505 |
|
RJ01 | Rejection of invention patent application after publication |