CN116153100B - 基于物联网的施工现场的监控方法、系统、设备及介质 - Google Patents
基于物联网的施工现场的监控方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116153100B CN116153100B CN202310422846.3A CN202310422846A CN116153100B CN 116153100 B CN116153100 B CN 116153100B CN 202310422846 A CN202310422846 A CN 202310422846A CN 116153100 B CN116153100 B CN 116153100B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- monitoring
- image
- liquid crystal
- crystal display
- 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
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
- G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- 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
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及施工监控技术领域,揭露了一种基于物联网的施工现场的监控方法、系统、设备及介质,方法包括:根据预设的监控设备对施工现场进行信息采集,得到监控图像序列;对监控图像序列进行背景差分处理,得到待测车辆;获取测距节点,根据测距节点对待测车辆进行激光测距,根据激光测距的结果对待测车辆进行预警判定,预警判定是否有外来车辆闯入;当预警判定的结果为有外来车辆闯入时,对待测车辆进行跟踪预测,得到待测车辆的预测位置;利用预测位置对待测车辆进行雷达测速,根据雷达测速的结果对待测车辆进行报警判断,得到报警提示。本发明可以提高施工现场的监管安全性。
Description
技术领域
本发明涉及施工监控技术领域,尤其涉及一种基于物联网的施工现场的监控方法、系统、设备及介质。
背景技术
随着社会的不断进步,安全生产的概念已经深入人心,人们对安全生产的要求也越来越高,对于安全事故多发的行业,工地现场的管理人员想要对施工现场进行全方面管理,就需要定制合理的工地远程监控的解决方案。例如,在建筑行业的施工现场,尽管施工方会对施工现场进行安全区范围划定,以此进行隔离防护,但在实际交通案例中,仍会出现安全区后方不时闯入车辆的情况,不但对施工人员造成了人身伤害,对施工设施也造成了一定损坏;另外,在大型工地施工现场中,出入工地的施工车辆及其他车辆数目众多,施工现场对车辆的管理直接关系到施工现场的秩序和安全,如对进入工地的车辆数目不加以控制,则会造成施工工地的内部拥堵;而如果施工现场中有过多的非施工车辆进入,也会造成一定混乱。
然而,目前施工现场中对车辆的监管还大多依赖于人力,比如采取人工记录进出的车辆数、车辆种类、车辆是否超速等措施,这些监管措施大都依靠值班人员人工进行监管,不仅耗费人力物力、也存在很多安全隐患问题。因此,如何提高施工现场的监管安全性已经成为一个亟待解决的问题。
发明内容
本发明提供一种基于物联网的施工现场的监控方法、系统、设备及介质,其主要目的在于解决施工现场的监管安全性较低的问题。
为实现上述目的,本发明提供的一种基于物联网的施工现场的监控方法,包括:
根据预设的监控设备对施工现场进行信息采集,得到监控图像序列;
对所述监控图像序列进行背景差分处理,得到待测车辆;
获取测距节点,根据所述测距节点对所述待测车辆进行激光测距,根据激光测距的结果对所述待测车辆进行预警判定,预警判定是否有外来车辆闯入;
当预警判定的结果为有外来车辆闯入时,对所述待测车辆进行跟踪预测,得到所述待测车辆的预测位置;
利用所述预测位置对所述待测车辆进行雷达测速,根据雷达测速的结果对所述待测车辆进行报警判断,得到报警提示。
可选地,所述根据预设的监控设备对施工现场进行信息采集,得到监控图像序列,包括:
对所述监控设备进行区域编号,并且根据区域编号的结果创建监控线程;
根据所述监控线程对施工现场进行采集,得到监控采集信息;
对所述监控采集信息进行数据转换,得到监控图像序列。
可选地,所述对所述监控图像序列进行背景差分处理,得到待测车辆,包括:
获取所述监控图像序列的图像参数,根据所述图像参数对所述监控图像序列进行背景分割,得到初始背景图像;
利用下式对所述监控图像序列进行背景分割:
其中,表示为所述初始背景图像在/>时刻的像素值;/>表示为所述监控图像序列中的像素/>在/>时刻的取值;/>表示为所述监控图像序列中的像素/>在/>时刻时混合高斯模型中第/>个高斯分布的均值向量;/>表示为高斯分布概率密度函数;/>表示为混合高斯模型中高斯分布的个数;/>表示为所述监控图像序列中的像素/>在/>时刻时混合高斯模型中第/>个高斯分布的权重系数;
将所述监控图像序列中的当前帧图像与所述初始背景图像作灰度差计算,得到差分图像;
利用下式将所述监控图像序列中的当前帧图像与所述初始背景图像作灰度差计算:
其中,表示为所述差分图像在/>时刻的像素值;/>表示为所述当前帧图像在/>时刻的像素值;/>所述初始背景图像在/>时刻的像素值;
对所述差分图像进行阈值选取,得到初始阈值,根据所述初始阈值对所述差分图像进行区域分割,得到第一区域及第二区域;
分别计算所述第一区域及第二区域的像素点均值,根据所述像素点均值对所述初始阈值进行更新处理,得到更新阈值;
利用所述更新阈值对所述差分图像中的像素点进行筛选,根据筛选结果生成待测车辆。
可选地,所述根据所述测距节点对所述待测车辆进行激光测距,包括:
对所述测距节点进行参数设置,得到节点参数;
根据所述节点参数对所述待测车辆进行车距计算,得到待测距离;
利用下式根据所述节点参数对所述待测车辆进行车距计算:
其中,表示为所述待测距离;/>表示为所述节点参数中相位差的半波长的个数;表示为所述节点参数中激光往返一次后形成的相位差不足半波长的个数;/>表示为光速;/>表示为所述节点参数中调制信号的角频率。
可选地,所述当预警判定的结果为有外来车辆闯入时,对所述待测车辆进行跟踪预测,得到所述待测车辆的预测位置,包括:
获取所述待测车辆的状态数据,根据所述状态数据对所述待测车辆进行滤波预测,得到中心状态向量;
利用下式根据所述状态数据对所述待测车辆进行滤波预测:
其中,表示为所述待测车辆对应的第/>帧图像的中心状态向量;/>表示为所述状态数据中的状态转移矩阵;/>表示为所述待测车辆对应的第/>帧图像的中心状态向量;/>表示为所述状态数据中的噪声状态;
对所述中心状态向量进行预测值计算,得到所述待测车辆的预测位置;
利用下式对所述中心状态向量进行预测值计算:
其中,表示为所述待测车辆对应的第/>帧图像的中心状态向量的预测值;/>表示为所述状态数据中的状态转移矩阵;/>表示为所述状态数据中的状态转移矩阵的转置矩阵;/>表示为所述待测车辆对应的第/>帧图像的中心状态向量的预测值;/>表示为所述待测车辆对应的第/>帧图像的预测位置;/>表示为所述待测车辆对应的第/>帧图像的预测位置;/>表示为预设的高斯分布参数。
可选地,所述利用所述预测位置对所述待测车辆进行雷达测速,包括:
利用下式对所述待测车辆进行雷达测速:
其中,表示所待测车辆的行驶速度;/>表示为预设的雷达设备接收到的微波频率;/>表示为预设的雷达设备的微波发射方向与水平面的夹角;/>表示为预设的雷达设备发出的微波波长。
可选地,所述根据雷达测速的结果对所述待测车辆进行报警判断,得到报警提示,包括:
对所述雷达测速的结果进行时间预测,得到所述待测车辆的预测行驶时间;
当所述预测行驶时间大于预设的时间阈值,则进行报警处理。
为了解决上述问题,本发明还提供一种基于物联网的施工现场的监控系统,所述系统包括:
信息采集模块,用于根据预设的监控设备对施工现场进行信息采集,得到监控图像序列;
背景差分处理模块,用于对所述监控图像序列进行背景差分处理,得到待测车辆;
激光测距模块,用于获取测距节点,根据所述测距节点对所述待测车辆进行激光测距,根据激光测距的结果对所述待测车辆进行预警判定,预警判定是否有外来车辆闯入;
跟踪预测模块,用于当预警判定的结果为有外来车辆闯入时,对所述待测车辆进行跟踪预测,得到所述待测车辆的预测位置;
雷达测速模块,用于利用所述预测位置对所述待测车辆进行雷达测速,根据雷达测速的结果对所述待测车辆进行报警判断,得到报警提示。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述所述的基于物联网的施工现场的监控方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一个计算机程序,所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于物联网的施工现场的监控方法。
本发明实施例通过对监控图像序列进行背景差分处理,得到待测车辆,可以对运动的车辆进行及时检测并准确提取出待测车辆的图像信息,提高对施工现场的监测效率;根据激光测距的结果对待测车辆进行预警判定,可以对待测车辆进行初始预警,并及时进行跟踪预测,提高了预警的准确性;根据雷达测速的结果对所述待测车辆进行报警判断,得到报警提示,可以对待测车辆的形式时间进行预测,给工作人员采取措施预留了充分的时间,提高施工现场的监管安全性。因此本发明提出的基于物联网的施工现场的监控方法、系统、设备及介质,可以解决施工现场的监管安全性较低的问题。
附图说明
图1为本发明一实施例提供的基于物联网的施工现场的监控方法的流程示意图;
图2为本发明一实施例提供的根据预设的监控设备对施工现场进行信息采集,得到监控图像序列的流程示意图;
图3为本发明一实施例提供的对监控图像序列进行背景差分处理,得到待测车辆的流程示意图;
图4为本发明一实施例提供的基于物联网的施工现场的监控系统的功能模块图;
图5为本发明一实施例提供的实现所述基于物联网的施工现场的监控方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
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。
本申请实施例提供一种基于物联网的施工现场的监控方法。所述基于物联网的施工现场的监控方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于物联网的施工现场的监控方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content DeliveryNetwork,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于物联网的施工现场的监控方法的流程示意图。在本实施例中,所述基于物联网的施工现场的监控方法包括:
S1、根据预设的监控设备对施工现场进行信息采集,得到监控图像序列。
本发明实施例中,所述监控设备包括多台与本地计算机系统相互关联的摄像机、反光板以及GMOS传感器(Complementary Metal-Oxide-Semiconductor,半导体图像传感器)等硬件设备组成;所述监控设备分别安装在施工现场的安全区域,全方位覆盖了施工安全区域范围,通过无线通信网络,将设备手机信息进行射频传输。
请参阅图2所示,本发明实施例中,所述根据预设的监控设备对施工现场进行信息采集,得到监控图像序列,包括:
S21、对所述监控设备进行区域编号,并且根据区域编号的结果创建监控线程;
S22、根据所述监控线程对施工现场进行采集,得到监控采集信息;
S23、对所述监控采集信息进行数据转换,得到监控图像序列。
本发明实施例中,区域编号是按照所述监控设备离安全区的距离远近进行数字编号,例如,将距离安全区最远的监控设备所能覆盖的区域范围标记为1;所述监控线程可以根据编号数字从小到大的顺序将所述监控设备采集到的视频信息进行数据传输,在所述监控线程下,视频信息会按照编号进行分类上传以及存储,从而可以实现监控采集信息的并行写入以及多点上传,提高监控采集信息传输的效率。
本发明实施例中,所述监控采集信息在所述监控线程中传输是以数据块的形式存在,每一个数据块的大小是固定的,可以为64MB;然后由预设的数据块服务器进行文件存储,所述数据块的服务可以由多个,决定了本地计算机系统的存储规模;数据转换是将以数据块形式存在的所述监控采集信息进行图像展示,可以采用OpenCV(计算机视觉库)的cv2.imread()函数对所述监控采集信息进行图像读取,该数据库将所述监控采集信息视为数组进行数据存储,在利用函数读取文件时再将这些数组按照指定的格式进图像读取,例如,待读取的数组原始数据对应的是灰度图像,读取后依然是灰度图像。
S2、对所述监控图像序列进行背景差分处理,得到待测车辆。
请参阅图3所示,本发明实施例中,所述对所述监控图像序列进行背景差分处理,得到待测车辆,包括:
S31、获取所述监控图像序列的图像参数,根据所述图像参数对所述监控图像序列进行背景分割,得到初始背景图像;
S32、将所述监控图像序列中的当前帧图像与所述初始背景图像作灰度差计算,得到差分图像;
S33、对所述差分图像进行阈值选取,得到初始阈值,根据所述初始阈值对所述差分图像进行区域分割,得到第一区域及第二区域;
S34、分别计算所述第一区域及第二区域的像素点均值,根据所述像素点均值对所述初始阈值进行更新处理,得到更新阈值;
S35、利用所述更新阈值对所述第一区域及第二区域中的像素点进行筛选,根据筛选结果生成待测车辆。
本发明实施例中,所述图像参数包括所述监控图像序列中的图像像素值、均值向量以及权重系数等参数;背景差分法是对静止场景进行运动分割的方法,可以将所述监控图像序列中的当前帧图像与所述初始背景图像作差分运算,得到目标运动区域的灰度图,对灰度图进行阈值化提取运动区域,从而可以得到待测车辆的位置、轮廓、大小等特征。
本发明实施例中,利用下式对所述监控图像序列进行背景分割:
其中,表示为所述初始背景图像在/>时刻的像素值;/>表示为所述监控图像序列中的像素/>在/>时刻的取值;/>表示为所述监控图像序列中的像素/>在/>时刻时混合高斯模型中第/>个高斯分布的均值向量;/>表示为高斯分布概率密度函数;/>表示为混合高斯模型中高斯分布的个数;/>表示为所述监控图像序列中的像素/>在/>时刻时混合高斯模型中第/>个高斯分布的权重系数。
进一步的,如果像素为RGB三通道,则为向量,并且/>。
本发明实施例中,利用下式将所述监控图像序列中的当前帧图像与所述初始背景图像作灰度差计算:
其中,表示为所述差分图像在/>时刻的像素值;/>表示为所述当前帧图像在/>时刻的像素值;/>所述初始背景图像在/>时刻的像素值。
本发明实施例中,阈值选取是选择所述差分图像中像素点最大值和最小值,然后对所述像素点最大值和最小值进行均值计算,将均值计算的结果作为所述差分图像的初始阈值,然后根据所述初始阈值对所述差分图像中的像素点进行筛选,将大于所述初始阈值的像素点划分为一个区域,得到第一区域,将小于所述初始阈值的像素点划分为一个区域,得到第二区域;更新处理是对所述第一区域及第二区域的像素点均值进行均值计算,得到更新阈值,然后根据所述更新阈值对所述第一区域及第二区域的像素点进行筛选,将大于所述更新阈值的像素点进行保留,保留的像素点构成所述待测车辆。
S3、获取测距节点,根据所述测距节点对所述待测车辆进行激光测距,根据激光测距的结果对所述待测车辆进行预警判定,预警判定是否有外来车辆闯入。
本发明实施例中,所述测距节点包括一个主节点和一个辅助节点构成,其中,主节点与辅助节点之间的无线通讯距离可以为500m,所述辅助节点收集的距离数据经过无线通讯网络汇集于主节点后,本地计算机系统对所述主节点的节点状态进行设置,并根据所述主节点状态度所述待测车辆进行预警判定。
本发明实施例中,所述根据所述测距节点对所述待测车辆进行激光测距,包括:
对所述测距节点进行参数设置,得到节点参数;
根据所述节点参数对所述待测车辆进行车距计算,得到待测距离。
本发明实施例中,激光测距是对所述测距节点进行信号调制,可以利用正弦信号调制发射信号的幅度,并通过检测从待测车辆反射的回波信号与发射信号之间的相移进行待测距离计算;激光测距可以采用相位法激光测距仪,所述相位法激光测距仪可以准确地测量半个波长内的相位差,保障了激光测距地测量精度;所述节点参数包括:相位差中半波长的个数、调制信号的角频率等。
本发明实施例中,可以利用下式根据所述节点参数对所述待测车辆进行车距计算:
其中,表示为所述待测距离;/>表示为所述节点参数中相位差的半波长的个数;表示为所述节点参数中激光往返一次后形成的相位差不足半波长的个数;/>表示为光速;/>表示为所述节点参数中调制信号的角频率。
本发明实施例中,预警判定是将所述待测距离与预设的距离值进行比较,当所述待测距离大于所述距离值时,则证明施工现场有外来车辆驶入,所述距离值可以为100m;例如,当所述主节点存储的状态数据为50m时,所述主节点的状态数据将传输至本地计算机系统,并在显示器上提示单车道50m内即将有车辆驶入,发出预警提示:有外来车辆闯入。
当预警判定的结果为无外来车辆闯入时,执行S4、无需对所述待测车辆进行跟踪预测。
当预警判定的结果为有外来车辆闯入时,执行S5、对所述待测车辆进行跟踪预测,得到所述待测车辆的预测位置。
本发明实施例中,所述当预警判定的结果为有外来车辆闯入时,对所述待测车辆进行跟踪预测,得到所述待测车辆的预测位置,包括:
获取所述待测车辆的状态数据,根据所述状态数据对所述待测车辆进行滤波预测,得到中心状态向量;
对所述中心状态向量进行预测值计算,得到所述待测车辆的预测位置。
本发明实施例中,所述预测位置是对所述中心状态向量进行曲线拟合的结果,根据预测值计算的结果可以得到所述待测车辆对应的位置信息以及图像帧;根据所述待测车辆在所述图像帧中的位置变化可以对所述待测车辆进行运动状态判断,从而得到所述待测车辆的预测位置。
本发明实施例中,利用下式根据所述状态数据对所述待测车辆进行滤波预测:
其中,表示为所述待测车辆对应的第/>帧图像的中心状态向量;/>表示为所述状态数据中的状态转移矩阵;/>表示为所述待测车辆对应的第/>帧图像的中心状态向量;/>表示为所述状态数据中的噪声状态。
本发明实施例中,利用下式对所述中心状态向量进行预测值计算:
其中,表示为所述待测车辆对应的第/>帧图像的中心状态向量的预测值;/>表示为所述状态数据中的状态转移矩阵;/>表示为所述状态数据中的状态转移矩阵的转置矩阵;/>表示为所述待测车辆对应的第/>帧图像的中心状态向量的预测值;/>表示为所述待测车辆对应的第/>帧图像的预测位置;/>表示为所述待测车辆对应的第/>帧图像的预测位置;/>表示为预设的高斯分布参数。
S6、利用所述预测位置对所述待测车辆进行雷达测速,根据雷达测速的结果对所述待测车辆进行报警判断,得到报警提示。
本发明实施例中,利用所述预测位置可以判断所述待测车辆的前进方向,从而调整雷达设备的检测角度,以便更加全面的跟踪所述待测车辆;雷达测速主要是运用多普勒效应,当所述待测车辆靠近雷达天线时,雷达设备收到的信号频率将高于发射机的频率,然后根据频率的改编数值计算出所述待测车辆与所述雷达设备间的相对速度。
本发明实施例中,利用下式对所述待测车辆进行雷达测速:
其中,表示所待测车辆的行驶速度;/>表示为预设的雷达设备接收到的微波频率;/>表示为预设的雷达设备的微波发射方向与水平面的夹角;/>表示为预设的雷达设备发出的微波波长。
本发明实施例中,所述根据雷达测速的结果对所述待测车辆进行报警判断,得到报警提示,包括:
对所述雷达测速的结果进行时间预测,得到所述待测车辆的预测行驶时间;
当所述预测行驶时间大于预设的时间阈值,则进行报警处理。
本发明实施例中,所述待测车辆的预测行驶时间是指所述待测车辆在匀速行驶的情况下,驶入至施工现场的安全区域的预测时间,可以根据所述预测位置与所述待测车辆的行驶速度计算得到;所述时间阈值可以为30s,当所述待测车辆在预计在30s内进入施工现场的安全区,则本地计算机系统会进入报警状态,提醒工作人员对所述待测车辆进行规避管理。
如图4所示,是本发明一实施例提供的基于物联网的施工现场的监控系统的功能模块图。
本发明所述基于物联网的施工现场的监控系统400可以安装于电子设备中。根据实现的功能,所述基于物联网的施工现场的监控系统400可以包括信息采集模块401、背景差分处理模块402、激光测距模块403、跟踪预测模块404及雷达测速模块405。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述信息采集模块401,用于根据预设的监控设备对施工现场进行信息采集,得到监控图像序列;
所述背景差分处理模块402,用于对所述监控图像序列进行背景差分处理,得到待测车辆;
所述激光测距模块403,用于获取测距节点,根据所述测距节点对所述待测车辆进行激光测距,根据激光测距的结果对所述待测车辆进行预警判定,预警判定是否有外来车辆闯入;
所述跟踪预测模块404,用于当预警判定的结果为有外来车辆闯入时,对所述待测车辆进行跟踪预测,得到所述待测车辆的预测位置;
所述雷达测速模块405,用于利用所述预测位置对所述待测车辆进行雷达测速,根据雷达测速的结果对所述待测车辆进行报警判断,得到报警提示。
详细地,本发明实施例中所述基于物联网的施工现场的监控系统400中所述的各模块在使用时采用与附图中所述的基于物联网的施工现场的监控方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明一实施例提供的实现基于物联网的施工现场的监控方法的电子设备的结构示意图。
所述电子设备500可以包括处理器501、存储器502、通信总线503以及通信接口504,还可以包括存储在所述存储器502中并可在所述处理器501上运行的计算机程序,如基于物联网的施工现场的监控程序。
其中,所述处理器501在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing Unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器501是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器502内的程序或者模块(例如执行基于物联网的施工现场的监控程序等),以及调用存储在所述存储器502内的数据,以执行电子设备的各种功能和处理数据。
所述存储器502至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器502在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器502在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器502还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器502不仅可以用于存储安装于电子设备的应用软件及各类数据,例如基于物联网的施工现场的监控程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线503可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器502以及至少一个处理器501等之间的连接通信。
所述通信接口504用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备500的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理系统与所述至少一个处理器501逻辑相连,从而通过电源管理系统实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备500中的所述存储器502存储的基于物联网的施工现场的监控程序是多个指令的组合,在所述处理器501中运行时,可以实现:
根据预设的监控设备对施工现场进行信息采集,得到监控图像序列;
对所述监控图像序列进行背景差分处理,得到待测车辆;
获取测距节点,根据所述测距节点对所述待测车辆进行激光测距,根据激光测距的结果对所述待测车辆进行预警判定,预警判定是否有外来车辆闯入;
当预警判定的结果为有外来车辆闯入时,对所述待测车辆进行跟踪预测,得到所述待测车辆的预测位置;
利用所述预测位置对所述待测车辆进行雷达测速,根据雷达测速的结果对所述待测车辆进行报警判断,得到报警提示。
具体地,所述处理器501对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备500集成的模块/单元如果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读存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或系统、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
根据预设的监控设备对施工现场进行信息采集,得到监控图像序列;
对所述监控图像序列进行背景差分处理,得到待测车辆;
获取测距节点,根据所述测距节点对所述待测车辆进行激光测距,根据激光测距的结果对所述待测车辆进行预警判定,预警判定是否有外来车辆闯入;
当预警判定的结果为有外来车辆闯入时,对所述待测车辆进行跟踪预测,得到所述待测车辆的预测位置;
利用所述预测位置对所述待测车辆进行雷达测速,根据雷达测速的结果对所述待测车辆进行报警判断,得到报警提示。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块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。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或系统也可以由一个单元或系统通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
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案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (4)
1.一种基于物联网的施工现场的监控方法,其特征在于,所述方法包括:
根据预设的监控设备对施工现场进行信息采集,得到监控图像序列;
所述根据预设的监控设备对施工现场进行信息采集,得到监控图像序列,包括:
对所述监控设备进行区域编号,并且根据区域编号的结果创建监控线程;
根据所述监控线程对施工现场进行采集,得到监控采集信息;
对所述监控采集信息进行数据转换,得到监控图像序列;
对所述监控图像序列进行背景差分处理,得到待测车辆;
所述对所述监控图像序列进行背景差分处理,得到待测车辆,包括:
获取所述监控图像序列的图像参数,根据所述图像参数对所述监控图像序列进行背景分割,得到初始背景图像;
利用下式对所述监控图像序列进行背景分割:
其中,表示为所述初始背景图像在/>时刻的像素值;/>表示为所述监控图像序列中的像素/>在/>时刻的取值;/>表示为所述监控图像序列中的像素/>在/>时刻时混合高斯模型中第/>个高斯分布的均值向量;/>表示为高斯分布概率密度函数;/>表示为混合高斯模型中高斯分布的个数;/>表示为所述监控图像序列中的像素/>在/>时刻时混合高斯模型中第/>个高斯分布的权重系数;
将所述监控图像序列中的当前帧图像与所述初始背景图像作灰度差计算,得到差分图像;
利用下式将所述监控图像序列中的当前帧图像与所述初始背景图像作灰度差计算:
其中,表示为所述差分图像在/>时刻的像素值;/>表示为所述当前帧图像在/>时刻的像素值;/>所述初始背景图像在/>时刻的像素值;
对所述差分图像进行阈值选取,得到初始阈值,根据所述初始阈值对所述差分图像进行区域分割,得到第一区域及第二区域;
分别计算所述第一区域及第二区域的像素点均值,根据所述像素点均值对所述初始阈值进行更新处理,得到更新阈值;
利用所述更新阈值对所述差分图像中的像素点进行筛选,根据筛选结果生成待测车辆;
获取测距节点,根据所述测距节点对所述待测车辆进行激光测距,根据激光测距的结果对所述待测车辆进行预警判定,预警判定是否有外来车辆闯入;
所述根据所述测距节点对所述待测车辆进行激光测距,包括:
对所述测距节点进行参数设置,得到节点参数;
根据所述节点参数对所述待测车辆进行车距计算,得到待测距离;
利用下式根据所述节点参数对所述待测车辆进行车距计算:
其中,表示为所述待测距离;/>表示为所述节点参数中相位差的半波长的个数;/>表示为所述节点参数中激光往返一次后形成的相位差不足半波长的个数;/>表示为光速;/>表示为所述节点参数中调制信号的角频率;
当预警判定的结果为有外来车辆闯入时,对所述待测车辆进行跟踪预测,得到所述待测车辆的预测位置;
所述当预警判定的结果为有外来车辆闯入时,对所述待测车辆进行跟踪预测,得到所述待测车辆的预测位置,包括:
获取所述待测车辆的状态数据,根据所述状态数据对所述待测车辆进行滤波预测,得到中心状态向量;
利用下式根据所述状态数据对所述待测车辆进行滤波预测:
其中,表示为所述待测车辆对应的第/>帧图像的中心状态向量;/>表示为所述状态数据中的状态转移矩阵;/>表示为所述待测车辆对应的第/>帧图像的中心状态向量;/>表示为所述状态数据中的噪声状态;
对所述中心状态向量进行预测值计算,得到所述待测车辆的预测位置;
利用下式对所述中心状态向量进行预测值计算:
其中,表示为所述待测车辆对应的第/>帧图像的中心状态向量的预测值;/>表示为所述状态数据中的状态转移矩阵;/>表示为所述状态数据中的状态转移矩阵的转置矩阵;/>表示为所述待测车辆对应的第/>帧图像的中心状态向量的预测值;/>表示为所述待测车辆对应的第/>帧图像的预测位置;/>表示为所述待测车辆对应的第/>帧图像的预测位置;/>表示为预设的高斯分布参数;
利用所述预测位置对所述待测车辆进行雷达测速,根据雷达测速的结果对所述待测车辆进行报警判断,得到报警提示;
所述利用所述预测位置对所述待测车辆进行雷达测速,包括:
利用下式对所述待测车辆进行雷达测速:
其中,表示所待测车辆的行驶速度;/>表示为预设的雷达设备接收到的微波频率;/>表示为预设的雷达设备的微波发射方向与水平面的夹角;/>表示为预设的雷达设备发出的微波波长;
所述根据雷达测速的结果对所述待测车辆进行报警判断,得到报警提示,包括:对所述雷达测速的结果进行时间预测,得到所述待测车辆的预测行驶时间;当所述预测行驶时间小于预设的时间阈值,则进行报警处理。
2.一种基于物联网的施工现场的监控系统,其特征在于,所述系统包括:
信息采集模块,用于根据预设的监控设备对施工现场进行信息采集,得到监控图像序列;
所述根据预设的监控设备对施工现场进行信息采集,得到监控图像序列,包括:
对所述监控设备进行区域编号,并且根据区域编号的结果创建监控线程;
根据所述监控线程对施工现场进行采集,得到监控采集信息;
对所述监控采集信息进行数据转换,得到监控图像序列;
背景差分处理模块,用于对所述监控图像序列进行背景差分处理,得到待测车辆;
所述对所述监控图像序列进行背景差分处理,得到待测车辆,包括:
获取所述监控图像序列的图像参数,根据所述图像参数对所述监控图像序列进行背景分割,得到初始背景图像;
利用下式对所述监控图像序列进行背景分割:
其中,表示为所述初始背景图像在/>时刻的像素值;/>表示为所述监控图像序列中的像素/>在/>时刻的取值;/>表示为所述监控图像序列中的像素/>在/>时刻时混合高斯模型中第/>个高斯分布的均值向量;/>表示为高斯分布概率密度函数;/>表示为混合高斯模型中高斯分布的个数;/>表示为所述监控图像序列中的像素/>在/>时刻时混合高斯模型中第/>个高斯分布的权重系数;
将所述监控图像序列中的当前帧图像与所述初始背景图像作灰度差计算,得到差分图像;
利用下式将所述监控图像序列中的当前帧图像与所述初始背景图像作灰度差计算:
其中,表示为所述差分图像在/>时刻的像素值;/>表示为所述当前帧图像在/>时刻的像素值;/>所述初始背景图像在/>时刻的像素值;
对所述差分图像进行阈值选取,得到初始阈值,根据所述初始阈值对所述差分图像进行区域分割,得到第一区域及第二区域;
分别计算所述第一区域及第二区域的像素点均值,根据所述像素点均值对所述初始阈值进行更新处理,得到更新阈值;
利用所述更新阈值对所述差分图像中的像素点进行筛选,根据筛选结果生成待测车辆;
激光测距模块,用于获取测距节点,根据所述测距节点对所述待测车辆进行激光测距,根据激光测距的结果对所述待测车辆进行预警判定,预警判定是否有外来车辆闯入;
所述根据所述测距节点对所述待测车辆进行激光测距,包括:
对所述测距节点进行参数设置,得到节点参数;
根据所述节点参数对所述待测车辆进行车距计算,得到待测距离;
利用下式根据所述节点参数对所述待测车辆进行车距计算:
其中,表示为所述待测距离;/>表示为所述节点参数中相位差的半波长的个数;/>表示为所述节点参数中激光往返一次后形成的相位差不足半波长的个数;/>表示为光速;/>表示为所述节点参数中调制信号的角频率;
跟踪预测模块,用于当预警判定的结果为有外来车辆闯入时,对所述待测车辆进行跟踪预测,得到所述待测车辆的预测位置;
所述当预警判定的结果为有外来车辆闯入时,对所述待测车辆进行跟踪预测,得到所述待测车辆的预测位置,包括:
获取所述待测车辆的状态数据,根据所述状态数据对所述待测车辆进行滤波预测,得到中心状态向量;
利用下式根据所述状态数据对所述待测车辆进行滤波预测:
其中,表示为所述待测车辆对应的第/>帧图像的中心状态向量;/>表示为所述状态数据中的状态转移矩阵;/>表示为所述待测车辆对应的第/>帧图像的中心状态向量;/>表示为所述状态数据中的噪声状态;
对所述中心状态向量进行预测值计算,得到所述待测车辆的预测位置;
利用下式对所述中心状态向量进行预测值计算:
其中,表示为所述待测车辆对应的第/>帧图像的中心状态向量的预测值;/>表示为所述状态数据中的状态转移矩阵;/>表示为所述状态数据中的状态转移矩阵的转置矩阵;/>表示为所述待测车辆对应的第/>帧图像的中心状态向量的预测值;/>表示为所述待测车辆对应的第/>帧图像的预测位置;/>表示为所述待测车辆对应的第/>帧图像的预测位置;/>表示为预设的高斯分布参数;
雷达测速模块,用于利用所述预测位置对所述待测车辆进行雷达测速,根据雷达测速的结果对所述待测车辆进行报警判断,得到报警提示;
所述利用所述预测位置对所述待测车辆进行雷达测速,包括:
利用下式对所述待测车辆进行雷达测速:
其中,表示所待测车辆的行驶速度;/>表示为预设的雷达设备接收到的微波频率;/>表示为预设的雷达设备的微波发射方向与水平面的夹角;/>表示为预设的雷达设备发出的微波波长;
所述根据雷达测速的结果对所述待测车辆进行报警判断,得到报警提示,包括:对所述雷达测速的结果进行时间预测,得到所述待测车辆的预测行驶时间;当所述预测行驶时间小于预设的时间阈值,则进行报警处理。
3.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1所述的基于物联网的施工现场的监控方法。
4.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1所述的基于物联网的施工现场的监控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310422846.3A CN116153100B (zh) | 2023-04-20 | 2023-04-20 | 基于物联网的施工现场的监控方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310422846.3A CN116153100B (zh) | 2023-04-20 | 2023-04-20 | 基于物联网的施工现场的监控方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116153100A CN116153100A (zh) | 2023-05-23 |
CN116153100B true CN116153100B (zh) | 2023-07-18 |
Family
ID=86356738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310422846.3A Active CN116153100B (zh) | 2023-04-20 | 2023-04-20 | 基于物联网的施工现场的监控方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116153100B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889334A (zh) * | 2019-11-06 | 2020-03-17 | 江河瑞通(北京)技术有限公司 | 人员闯入识别方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6570608B1 (en) * | 1998-09-30 | 2003-05-27 | Texas Instruments Incorporated | System and method for detecting interactions of people and vehicles |
CN111681259B (zh) * | 2020-05-17 | 2023-05-05 | 天津理工大学 | 基于无Anchor机制检测网络的车辆跟踪模型建立方法 |
CN113223296A (zh) * | 2021-06-07 | 2021-08-06 | 李会兵 | 一种高速公路维修施工时的警示系统 |
CN113409528A (zh) * | 2021-07-07 | 2021-09-17 | 北京市政路桥管理养护集团有限公司 | 道路施工区域预警系统 |
CN113538928B (zh) * | 2021-07-09 | 2022-10-14 | 浙江浩腾电子科技股份有限公司 | 一种基于激光测距的可调光交通技术监控成像补光装置 |
-
2023
- 2023-04-20 CN CN202310422846.3A patent/CN116153100B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110889334A (zh) * | 2019-11-06 | 2020-03-17 | 江河瑞通(北京)技术有限公司 | 人员闯入识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116153100A (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109686088B (zh) | 一种交通视频告警方法、设备及系统 | |
CN102081801B (zh) | 多特征自适应融合船舶跟踪和航迹检测方法 | |
CN112950773A (zh) | 基于建筑信息模型的数据处理方法与装置、处理服务器 | |
CN103700261A (zh) | 一种基于视频的道路交通流特征参数监测及交通综合信息服务系统 | |
CN111666821B (zh) | 人员聚集的检测方法、装置及设备 | |
CN113127583A (zh) | 一种数据传输方法和装置 | |
Zhang et al. | Transmission line abnormal target detection based on machine learning yolo v3 | |
CN111369760A (zh) | 一种基于无人机的夜间行人安全预警装置及方法 | |
CN111680610A (zh) | 一种施工场景异常监测方法和装置 | |
CN112434260A (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
CN113505704B (zh) | 图像识别的人员安全侦测方法、系统、设备及存储介质 | |
CN117372979A (zh) | 道路巡检方法、装置、电子设备及存储介质 | |
CN113221724B (zh) | 车辆抛洒物检测方法及系统 | |
CN116153100B (zh) | 基于物联网的施工现场的监控方法、系统、设备及介质 | |
CN114372311B (zh) | 基于bim的设计检测方法、装置、电子设备及存储介质 | |
CN114495421B (zh) | 智能化开放式道路施工作业监测预警方法及系统 | |
KR102377393B1 (ko) | 중장비 및 가스관 인식용 영상 분석 방법 및 시스템 | |
CN111860195B (zh) | 一种基于大数据的安保检测方法及安保检测装置 | |
CN104299002B (zh) | 一种基于监控系统的塔吊图像检测方法 | |
CN116798237B (zh) | 一种交通流量监测方法及设备 | |
CN115620496B (zh) | 应用于输电线路的故障报警方法、装置、设备和介质 | |
CN114581615B (zh) | 一种数据处理方法、装置、设备和存储介质 | |
CN115909625A (zh) | 一种基于微波雷达的泥石流坡面监测方法及系统 | |
CN114267019A (zh) | 识别方法、装置、设备以及存储介质 | |
Perng et al. | Multi-sensor fusion in safety monitoring systems at intersections |
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 |