CN116168344A - 一种基于阵列计算视觉的安保监测方法及装置 - Google Patents
一种基于阵列计算视觉的安保监测方法及装置 Download PDFInfo
- Publication number
- CN116168344A CN116168344A CN202310140401.6A CN202310140401A CN116168344A CN 116168344 A CN116168344 A CN 116168344A CN 202310140401 A CN202310140401 A CN 202310140401A CN 116168344 A CN116168344 A CN 116168344A
- Authority
- CN
- China
- Prior art keywords
- security
- monitoring
- personnel
- video data
- array computing
- 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 131
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000007781 pre-processing Methods 0.000 claims abstract description 24
- 230000011664 signaling Effects 0.000 claims description 19
- 238000012806 monitoring device Methods 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 10
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 230000006399 behavior Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 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
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
-
- 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
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/76—Television signal recording
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computer Security & Cryptography (AREA)
- Development Economics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于阵列计算视觉的安保监测方法及装置,涉及阵列计算成像技术领域,利用了阵列计算相机和监测模型,对视频数据进行快速、科学地监测,及时发现安保事件,并通知相关人员,本发明能够全方位、全场景的准确识别安保事件;采用了阵列计算相机,无需多点位布局监控,节省了成本的同时,消除了视频盲点。方案要点为:采集阵列计算相机的视频数据;对视频数据进行预处理,获得待监测图片;将待监测图片输入监测模型,判断是否出现安保事件:若出现安保事件,发送提示信息至安保人员。本发明主要用于大型活动安保监测中。
Description
技术领域
本发明涉及阵列计算成像技术领域,尤其涉及一种基于阵列计算视觉的安保监测方法及装置。
背景技术
安保问题是一场重大活动的重中之重,目前,要实现全方位的实时监控、指挥调度和视频录像中可疑目标的检索查证等,还必须依靠大量的工作人员时刻紧盯屏幕,监视所有摄像机的实况视频,以及回放相关视频录像,查找可疑人员,车辆目标和线索,因此,解决重大活动安保问题成为了亟待解决的问题。
现有安保视频监控解决了视频的存储、回放和部分位置的视频智能分析,以及各厂商视频流的互联互通,但仍然无法全方位、全场景的准确识别、定位和查找视频中的人,车,物等目标信息;并且传统的视频监控布局点位众多,造成资金浪费,而且还有盲点区域;缺少多源数据融合处理,发现的安全预警事件误报率高、目标丢失等情况。
发明内容
本发明提供一种基于阵列计算视觉的安保监测方法及装置,包括:采集阵列计算相机的视频数据;对视频数据进行预处理,获得待监测图片;将待监测图片输入监测模型,判断是否出现安保事件:若出现安保事件,发送提示信息至安保人员。利用了阵列计算相机和监测模型,对视频数据进行快速、科学地监测,及时发现安保事件,并通知相关人员,相比于现有技术,本发明能够全方位、全场景的准确识别安保事件;采用了阵列计算相机,无需多点位布局监控,节省了成本的同时,消除了视频盲点。
除此之外,通过获取场所内每个人的手机信令数据,计算人员密集度,有效预防了人员踩踏事件;并融合了场所空间地理数据,实时跟踪目标的运行轨迹和所述安保事件发生的标点位置,预防了安保事件的发生,有效保障了公众的人身安全。
最后,通过对安保事件分类统计、运动监测算法和跟踪算法,设置监测阈值,实时监测,进一步预防了安保事件的发生。
为达到上述目的,本发明采用如下技术方案:
本发明第一方面提供一种基于阵列计算视觉的安保监测方法,包括:
采集阵列计算相机的视频数据。
对所述视频数据进行预处理,获得待监测图片。
将所述待监测图片输入监测模型,判断是否出现安保事件:
若出现安保事件,发送提示信息至安保人员。
进一步的,所述的基于阵列计算视觉的安保监测方法,在将所述待监测图片输入监测模型,判断是否出现安保问题之后,还包括:
获取场所内每个人的手机信令数据。
计算人员密集度,以预防人员踩踏事件。
进一步的,所述的基于阵列计算视觉的安保监测方法,在计算人员密集度,以预防人员踩踏事件之后,还包括:
融合所述场所空间地理数据。
实时跟踪目标的运行轨迹和所述安保事件发生的标点位置。
进一步的,所述的基于阵列计算视觉的安保监测方法,在实时跟踪目标的运行轨迹和所述安保事件发生的标点位置之后,还包括:
对所述安保事件进行分类统计,以预防安保事件的发生。
进一步的,所述的基于阵列计算视觉的安保监测方法,在对所述安保事件进行分类统计,以预防安保事件的发生之后,还包括:
获取所述视频数据。
通过运动监测算法得到运动目标区域。
对各所述目标,通过跟踪算法得到一个跟踪结果。
通过所述跟踪结果以及对所述视频数据特征提取,得到各所述目标的行为分析结果和异常行为监测结果。
利用多源数据融合技术,设置监测阈值,通过监测模型进行实时监测,若出现安保事件,发送提示信息至安保人员。
本发明第二方面提供一种基于阵列计算视觉的安保监测装置,包括:
采集单元,用于采集阵列计算相机的视频数据。
预处理单元,用于对所述视频数据进行预处理,获得待监测图片。
判断单元,用于将所述待监测图片输入监测模型,判断是否出现安保事件:
若出现安保事件,发送提示信息至安保人员。
进一步的,所述的基于阵列计算视觉的安保监测装置,还包括:
第一获取单元,用于获取场所内每个人的手机信令数据。
计算单元,用于计算人员密集度,以预防人员踩踏事件。
进一步的,所述的基于阵列计算视觉的安保监测装置,还包括:
融合单元,用于融合所述场所空间地理数据。
跟踪单元,用于实时跟踪目标的运行轨迹和所述安保事件发生的标点位置。
进一步的,所述的基于阵列计算视觉的安保监测装置,还包括:
分类统计单元,用于对所述安保事件进行分类统计,以预防安保事件的发生。
进一步的,所述的基于阵列计算视觉的安保监测装置,还包括:
第二获取单元,用于获取所述视频数据。
第三获取单元,用于通过运动监测算法获取运动目标区域。
第四获取单元,用于对各所述目标,通过跟踪算法获取一个跟踪结果。
得到单元,用于通过所述跟踪结果以及对所述视频数据特征提取,得到各所述目标的行为分析结果和异常行为监测结果。
监测单元,用于利用多源数据融合技术,设置监测阈值,通过监测模型进行实时监测,若出现安保事件,发送提示信息至安保人员。
本发明提供一种基于阵列计算视觉的安保监测方法及装置,包括:采集阵列计算相机的视频数据;对视频数据进行预处理,获得待监测图片;将待监测图片输入监测模型,判断是否出现安保事件:若出现安保事件,发送提示信息至安保人员。利用了阵列计算相机和监测模型,对视频数据进行快速、科学地监测,及时发现安保事件,并通知相关人员,相比于现有技术,本发明能够全方位、全场景的准确识别安保事件;采用了阵列计算相机,无需多点位布局监控,节省了成本的同时,消除了视频盲点。
除此之外,通过获取场所内每个人的手机信令数据,计算人员密集度,有效预防了人员踩踏事件;并融合了场所空间地理数据,实时跟踪目标的运行轨迹和所述安保事件发生的标点位置,预防了安保事件的发生,有效保障了公众的人身安全。
最后,通过对安保事件分类统计、运动监测算法和跟踪算法,设置监测阈值,实时监测,进一步预防了安保事件的发生。
附图说明
为了更清楚地说明本发明实施例的技术方案,以下将对实施例描述中所需要使用的附图作简单地介绍,附图仅用于示出实施方式的目的,而并不认为是对本发明的限制。
图1为本发明实施例中一种基于阵列计算视觉的安保监测方法流程示意图;
图2为本发明实施例中另一种基于阵列计算视觉的安保监测方法流程示意图;
图3为本发明实施例中另一种基于阵列计算视觉的安保监测方法流程示意图;
图4为本发明实施例中另一种基于阵列计算视觉的安保监测方法流程示意图;
图5为本发明实施例中另一种基于阵列计算视觉的安保监测方法流程示意图;
图6为本发明实施例中一种基于阵列计算视觉的安保监测装置组成结构示意图;
图7为本发明实施例中另一种基于阵列计算视觉的安保监测装置组成结构示意图。
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作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。
除非另有定义,本发明所使用的所有的技术和科学术语与属于本发明术领域的技术人员通常理解的含义相同;本发明中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。
在本发明实施例的描述中,技术术语“第一”“第二”等仅用于区别不同对象,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量、特定顺序或主次关系。在本发明实施例的描述中,“多个”的含义是两个以上,除非另有明确具体的限定。
在本发明实施例的描述中,术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
在本发明实施例的描述中,术语“多个”指的是两个以上(包括两个),同理,“多组”指的是两组以上(包括两组),“多片”指的是两片以上(包括两片)。
在本发明实施例的描述中,技术术语“中心”“纵向”“横向”“长度”“宽度”“厚度”“上”“下”“前”“后”“左”“右”“竖直”“水平”“顶”“底”“内”“外”“顺时针”“逆时针”“轴向”“径向”“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明实施例的限制。
在本发明实施例的描述中,除非另有明确的规定和限定,技术术语“安装”“相连”“连接”“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;也可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明例中的具体含义。、
继第一代胶卷时代“镜头+胶卷”、第二代数码时代“镜头+光学传感器”之后,以“阵列镜头+图像处理器+图像算法”为基础的第三代成像技术计算成像近年来正显露雏形,并开始在视频安防监控等诸多场景下得到落地应用。
实施例1
本发明实施例提供一种基于阵列视觉的安保监测方法,如图1所示,包括:
101、采集阵列计算相机的视频数据。
阵列计算相机是采用了阵列计算视觉技术,是以“阵列镜头+图像处理器+图像算法”为基础的第三代成像技术。阵列计算相机布局时,能够实现大范围、超高清、全局覆盖监控和记录。
通过实时处理框架实现阵列计算相机视频数据的采集。
102、对所述视频数据进行预处理,获得待监测图片。
其中,对视频数据进行解码抽帧,从而获得待检测图片。
103、将所述待监测图片输入监测模型,判断是否出现安保事件:
1031、若出现安保事件,发送提示信息至安保人员。
其中,监测模型:获取地图信息、位置信息、人员比对信息、人员运动参数等,人员运动参数包括:人员运动轨迹和人员运动弥散性因子等多源数据的融合,融合后根据设定的危险因素阈值或者高斯极值分析来判断风险信息。
本发明提供一种基于阵列计算视觉的安保监测方法,包括:采集阵列计算相机的视频数据;对视频数据进行预处理,获得待监测图片;将待监测图片输入监测模型,判断是否出现安保事件:若出现安保事件,发送提示信息至安保人员。利用了阵列计算相机和监测模型,对视频数据进行快速、科学地监测,及时发现安保事件,并通知相关人员,相比于现有技术,本发明能够全方位、全场景的准确识别安保事件;采用了阵列计算相机,无需多点位布局监控,节省了成本的同时,消除了视频盲点。
实施例2
本发明实施例提供一种基于阵列计算视觉的安保监测方法,如图2所示,包括:
201、采集阵列计算相机的视频数据。
202、对所述视频数据进行预处理,获得待监测图片。
203、将所述待监测图片输入监测模型,判断是否出现安保事件:
2031、若出现安保事件,发送提示信息至安保人员。
204、获取场所内每个人的手机信令数据。
205、计算人员密集度,以预防人员踩踏事件。
当今时代,手机已经是每个人必备的电子设备,本发明实施例通过获取场所内每个人的手机信令数据,计算人员密集度,以预防人员踩踏事件,例如:某一大型活动场所的面积为200平方米,获取到场所内手机信令数量为400,则该场所的人员密度=400/200=2,即此时该场所内人员密度为2人/平方米,需要及时疏散场所内人群,以免发生踩踏事件。
本发明提供一种基于阵列计算视觉的安保监测方法,包括:采集阵列计算相机的视频数据;对视频数据进行预处理,获得待监测图片;将待监测图片输入监测模型,判断是否出现安保事件:若出现安保事件,发送提示信息至安保人员。利用了阵列计算相机和监测模型,对视频数据进行快速、科学地监测,及时发现安保事件,并通知相关人员,相比于现有技术,本发明能够全方位、全场景的准确识别安保事件;采用了阵列计算相机,无需多点位布局监控,节省了成本的同时,消除了视频盲点。
除此之外,通过获取场所内每个人的手机信令数据,计算人员密集度,有效预防了人员踩踏事件。
实施例3
本发明实施例提供一种基于阵列计算视觉的安保监测方法,如图3所示,包括:
301、采集阵列计算相机的视频数据。
302、对所述视频数据进行预处理,获得待监测图片。
303、将所述待监测图片输入监测模型,判断是否出现安保事件:
3031、若出现安保事件,发送提示信息至安保人员。
304、获取场所内每个人的手机信令数据。
305、计算人员密集度,以预防人员踩踏事件。
306、融合所述场所空间地理数据。
307、实时跟踪目标的运行轨迹和所述安保事件发生的标点位置。
因为阵列计算相机在布局时,能够实现了大范围、超高清、全局覆盖监控和记录,所以就可以融合场所空间地理数据,当发生安保事件时,既可以定位到安保事件发生的标点位置,还可以跟踪目标人、车、物等运行轨迹,高效及时的侦破安保事件。
本发明提供一种基于阵列计算视觉的安保监测方法,包括:采集阵列计算相机的视频数据;对视频数据进行预处理,获得待监测图片;将待监测图片输入监测模型,判断是否出现安保事件:若出现安保事件,发送提示信息至安保人员。利用了阵列计算相机和监测模型,对视频数据进行快速、科学地监测,及时发现安保事件,并通知相关人员,相比于现有技术,本发明能够全方位、全场景的准确识别安保事件;采用了阵列计算相机,无需多点位布局监控,节省了成本的同时,消除了视频盲点。
除此之外,通过获取场所内每个人的手机信令数据,计算人员密集度,有效预防了人员踩踏事件;并融合了场所空间地理数据,实时跟踪目标的运行轨迹和所述安保事件发生的标点位置,预防了安保事件的发生,有效保障了公众的人身安全。
实施例4
本发明实施例提供一种基于阵列计算视觉的安保监测方法,如图4所示,包括:
401、采集阵列计算相机的视频数据。
402、对所述视频数据进行预处理,获得待监测图片。
403、将所述待监测图片输入监测模型,判断是否出现安保事件:
4031、若出现安保事件,发送提示信息至安保人员。
404、获取场所内每个人的手机信令数据。
405、计算人员密集度,以预防人员踩踏事件。
406、融合所述场所空间地理数据。
407、实时跟踪目标的运行轨迹和所述安保事件发生的标点位置。
408、对所述安保事件进行分类统计,以预防安保事件的发生。
在固定场所内,对一段时间或整个安装时间内的安保事件进行分类统计,得到安保事件高发的时段、地点等信息,以预防类似安保事件的发生。
本发明提供一种基于阵列计算视觉的安保监测方法,包括:采集阵列计算相机的视频数据;对视频数据进行预处理,获得待监测图片;将待监测图片输入监测模型,判断是否出现安保事件:若出现安保事件,发送提示信息至安保人员。利用了阵列计算相机和监测模型,对视频数据进行快速、科学地监测,及时发现安保事件,并通知相关人员,相比于现有技术,本发明能够全方位、全场景的准确识别安保事件;采用了阵列计算相机,无需多点位布局监控,节省了成本的同时,消除了视频盲点。
除此之外,通过获取场所内每个人的手机信令数据,计算人员密集度,有效预防了人员踩踏事件;并融合了场所空间地理数据,实时跟踪目标的运行轨迹和所述安保事件发生的标点位置,预防了安保事件的发生,有效保障了公众的人身安全。
最后,通过对安保事件分类统计,进一步预防了安保事件的发生。
实施例5
本发明实施例提供一种基于阵列计算视觉的安保监测方法,如图5所示,包括:
501、采集阵列计算相机的视频数据。
502、对所述视频数据进行预处理,获得待监测图片。
503、将所述待监测图片输入监测模型,判断是否出现安保事件:
若出现安保事件,发送提示信息至安保人员。
504、获取场所内每个人的手机信令数据。
505、计算人员密集度,以预防人员踩踏事件。
506、融合所述场所空间地理数据。
507、实时跟踪目标的运行轨迹和所述安保事件发生的标点位置。
508、对所述安保事件进行分类统计,以预防安保事件的发生。
509、获取所述视频数据。
其中,通过阵列计算相机采集视频数据并进行压缩、抽帧,从而获取视频数据。
510、通过运动监测算法得到运动目标区域。
运动监测算法主要是利用视频连续帧间的上下文来对划定区域进行定位,识别人员的动作、异常行为、跌倒行为等。
511、对各所述目标,通过跟踪算法得到一个跟踪结果。
针对每个进入摄像头有效检测区域内的人员进行活动过程中的轨迹追踪,判断是否存在可疑行为。
512、通过所述跟踪结果以及对所述视频数据特征提取,得到各所述目标的行为分析结果和异常行为监测结果。
对可疑人员出现的位置进行目标类型检测,区分是否可疑人员或异常事件。
513、利用多源数据融合技术,设置监测阈值,通过监测模型进行实时监测,若出现安保事件,发送提示信息至安保人员。
利用多源数据融合技术,根据判断的异常结果,同时在根据GIS地图和手机信令数据精准定位到具体目标区域,设置监测阈值,通过监测模型进行实时监测,若出现安保事件及时告警,并发送提示信息至安保人员。
本发明提供一种基于阵列计算视觉的安保监测方法,包括:采集阵列计算相机的视频数据;对视频数据进行预处理,获得待监测图片;将待监测图片输入监测模型,判断是否出现安保事件:若出现安保事件,发送提示信息至安保人员。利用了阵列计算相机和监测模型,对视频数据进行快速、科学地监测,及时发现安保事件,并通知相关人员,相比于现有技术,本发明能够全方位、全场景的准确识别安保事件;采用了阵列计算相机,无需多点位布局监控,节省了成本的同时,消除了视频盲点。
除此之外,通过获取场所内每个人的手机信令数据,计算人员密集度,有效预防了人员踩踏事件;并融合了场所空间地理数据,实时跟踪目标的运行轨迹和所述安保事件发生的标点位置,预防了安保事件的发生,有效保障了公众的人身安全。
最后,通过对安保事件分类统计、运动监测算法和跟踪算法,设置监测阈值,实时监测,进一步预防了安保事件的发生。
实施例6
本发明实施例提供一种基于阵列计算视觉的安保监测装置,如图6所示,包括:
采集单元61,用于采集阵列计算相机的视频数据。
预处理单元62,用于对所述视频数据进行预处理,获得待监测图片。
判断单元63,用于将所述待监测图片输入监测模型,判断是否出现安保事件:
若出现安保事件,发送提示信息至安保人员。
此处需要说明的是:本实施例中各单元或模块的详细介绍,可对应参照其它实施例,此处不在赘述。
本发明提供一种基于阵列计算视觉的安保监测装置,包括:采集阵列计算相机的视频数据;对视频数据进行预处理,获得待监测图片;将待监测图片输入监测模型,判断是否出现安保事件:若出现安保事件,发送提示信息至安保人员。利用了阵列计算相机和监测模型,对视频数据进行快速、科学地监测,及时发现安保事件,并通知相关人员,相比于现有技术,本发明能够全方位、全场景的准确识别安保事件;采用了阵列计算相机,无需多点位布局监控,节省了成本的同时,消除了视频盲点。
实施例7
本发明实施例提供一种基于阵列计算视觉的安保监测装置,如图7所示,包括:
采集单元71,用于采集阵列计算相机的视频数据;
预处理单元72,用于对所述视频数据进行预处理,获得待监测图片;
判断单元73,用于将所述待监测图片输入监测模型,判断是否出现安保事件:
若出现安保事件,发送提示信息至安保人员。
第一获取单元74,用于获取场所内每个人的手机信令数据;
计算单元75,用于计算人员密集度,以预防人员踩踏事件。
融合单元76,用于融合所述场所空间地理数据;
跟踪单元77,用于实时跟踪目标的运行轨迹和所述安保事件发生的标点位置。
分类统计单元78,用于对所述安保事件进行分类统计,以预防安保事件的发生。
第二获取单元79,用于获取所述视频数据;
第三获取单元710,用于通过运动监测算法获取运动目标区域;
第四获取单元711,用于对各所述目标,通过跟踪算法获取一个跟踪结果;
得到单元712,用于通过所述跟踪结果以及对所述视频数据特征提取,得到各所述目标的行为分析结果和异常行为监测结果;
监测单元713,用于利用多源数据融合技术,设置监测阈值,通过监测模型进行实时监测,若出现安保事件,发送提示信息至安保人员。
本发明提供一种基于阵列计算视觉的安保监测装置,包括:采集阵列计算相机的视频数据;对视频数据进行预处理,获得待监测图片;将待监测图片输入监测模型,判断是否出现安保事件:若出现安保事件,发送提示信息至安保人员。利用了阵列计算相机和监测模型,对视频数据进行快速、科学地监测,及时发现安保事件,并通知相关人员,相比于现有技术,本发明能够全方位、全场景的准确识别安保事件;采用了阵列计算相机,无需多点位布局监控,节省了成本的同时,消除了视频盲点。
除此之外,通过获取场所内每个人的手机信令数据,计算人员密集度,有效预防了人员踩踏事件;并融合了场所空间地理数据,实时跟踪目标的运行轨迹和所述安保事件发生的标点位置,预防了安保事件的发生,有效保障了公众的人身安全。
最后,通过对安保事件分类统计、运动监测算法和跟踪算法,设置监测阈值,实时监测,进一步预防了安保事件的发生。
此处需要说明的是:本实施例中各单元或模块的详细介绍,可对应参照其它实施例,此处不在赘述。
最后应说明的是:以上各实施例仅用以说明本发明技术方案,非对其限制;尽管参照前述各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:其依然可以对前述各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各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。尤其是,只要不存在结构冲突,各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的特定实施例,而是包括落入权利要求的范围内的所有技术方案。
Claims (10)
1.一种基于阵列计算视觉的安保监测方法,其特征在于,包括:
采集阵列计算相机的视频数据;
对所述视频数据进行预处理,获得待监测图片;
将所述待监测图片输入监测模型,判断是否出现安保事件:
若出现安保事件,发送提示信息至安保人员。
2.根据权利要求1所述的基于阵列计算视觉的安保监测方法,其特征在于,在将所述待监测图片输入监测模型,判断是否出现安保问题之后,还包括:
获取场所内每个人的手机信令数据;
计算人员密集度,以预防人员踩踏事件。
3.根据权利要求2所述的基于阵列计算视觉的安保监测方法,其特征在于,在计算人员密集度,以预防人员踩踏事件之后,还包括:
融合所述场所空间地理数据;
实时跟踪目标的运行轨迹和所述安保事件发生的标点位置。
4.根据权利要求3所述的基于阵列计算视觉的安保监测方法,其特征在于,在实时跟踪目标的运行轨迹和所述安保事件发生的标点位置之后,还包括:
对所述安保事件进行分类统计,以预防安保事件的发生。
5.根据权利要求4所述的基于阵列计算视觉的安保监测方法,其特征在于,在对所述安保事件进行分类统计,以预防安保事件的发生之后,还包括:
获取所述视频数据;
通过运动监测算法得到运动目标区域;
对各所述目标,通过跟踪算法得到一个跟踪结果;
通过所述跟踪结果以及对所述视频数据特征提取,得到各所述目标的行为分析结果和异常行为监测结果;
利用多源数据融合技术,设置监测阈值,通过监测模型进行实时监测,若出现安保事件,发送提示信息至安保人员。
6.一种基于阵列计算视觉的安保监测装置,其特征在于,包括:
采集单元,用于采集阵列计算相机的视频数据;
预处理单元,用于对所述视频数据进行预处理,获得待监测图片;
判断单元,用于将所述待监测图片输入监测模型,判断是否出现安保事件:
若出现安保事件,发送提示信息至安保人员。
7.根据权利要求6所述的基于阵列计算视觉的安保监测装置,其特征在于,还包括:
第一获取单元,用于获取场所内每个人的手机信令数据;
计算单元,用于计算人员密集度,以预防人员踩踏事件。
8.根据权利要求7所述的基于阵列计算视觉的安保监测装置,其特征在于,还包括:
融合单元,用于融合所述场所空间地理数据;
跟踪单元,用于实时跟踪目标的运行轨迹和所述安保事件发生的标点位置。
9.根据权利要求8所述的基于阵列计算视觉的安保监测装置,其特征在于,还包括:
分类统计单元,用于对所述安保事件进行分类统计,以预防安保事件的发生。
10.根据权利要求9所述的基于阵列计算视觉的安保监测装置,其特征在于,还包括:
第二获取单元,用于获取所述视频数据;
第三获取单元,用于通过运动监测算法获取运动目标区域;
第四获取单元,用于对各所述目标,通过跟踪算法获取一个跟踪结果;
得到单元,用于通过所述跟踪结果以及对所述视频数据特征提取,得到各所述目标的行为分析结果和异常行为监测结果;
监测单元,用于利用多源数据融合技术,设置监测阈值,通过监测模型进行实时监测,若出现安保事件,发送提示信息至安保人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310140401.6A CN116168344A (zh) | 2023-02-21 | 2023-02-21 | 一种基于阵列计算视觉的安保监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310140401.6A CN116168344A (zh) | 2023-02-21 | 2023-02-21 | 一种基于阵列计算视觉的安保监测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116168344A true CN116168344A (zh) | 2023-05-26 |
Family
ID=86416044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310140401.6A Pending CN116168344A (zh) | 2023-02-21 | 2023-02-21 | 一种基于阵列计算视觉的安保监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116168344A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609588A (zh) * | 2008-06-16 | 2009-12-23 | 云南正卓信息技术有限公司 | 全自动无人值守别墅防入侵智能视频监控报警系统 |
CN102724482A (zh) * | 2012-06-18 | 2012-10-10 | 西安电子科技大学 | 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统 |
US20160042621A1 (en) * | 2014-06-13 | 2016-02-11 | William Daylesford Hogg | Video Motion Detection Method and Alert Management |
CN105760454A (zh) * | 2016-02-04 | 2016-07-13 | 东南大学 | 一种城市人口分布密度实时动态测量方法 |
CN106210615A (zh) * | 2015-04-30 | 2016-12-07 | 北京文安智能技术股份有限公司 | 一种城市管理自动监测方法、装置及系统 |
CN107860337A (zh) * | 2017-10-11 | 2018-03-30 | 华天科技(昆山)电子有限公司 | 基于阵列相机的结构光三维重建方法与装置 |
CN109934844A (zh) * | 2019-01-28 | 2019-06-25 | 中国人民解放军战略支援部队信息工程大学 | 一种融合地理空间信息的多目标跟踪方法及系统 |
CN110459027A (zh) * | 2019-08-15 | 2019-11-15 | 青岛文达通科技股份有限公司 | 一种基于多源异构数据融合的社区安全防护方法及系统 |
CN110992233A (zh) * | 2019-12-13 | 2020-04-10 | 中国科学院深圳先进技术研究院 | 一种针对城市聚集事件的应急疏散方法与系统 |
CN115035685A (zh) * | 2022-06-10 | 2022-09-09 | 北京拙河科技有限公司 | 一种基于弥散性运动神经网络的广场安保监测方法及装置 |
-
2023
- 2023-02-21 CN CN202310140401.6A patent/CN116168344A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101609588A (zh) * | 2008-06-16 | 2009-12-23 | 云南正卓信息技术有限公司 | 全自动无人值守别墅防入侵智能视频监控报警系统 |
CN102724482A (zh) * | 2012-06-18 | 2012-10-10 | 西安电子科技大学 | 基于gps和gis的智能视觉传感网络运动目标接力跟踪系统 |
US20160042621A1 (en) * | 2014-06-13 | 2016-02-11 | William Daylesford Hogg | Video Motion Detection Method and Alert Management |
CN106210615A (zh) * | 2015-04-30 | 2016-12-07 | 北京文安智能技术股份有限公司 | 一种城市管理自动监测方法、装置及系统 |
CN105760454A (zh) * | 2016-02-04 | 2016-07-13 | 东南大学 | 一种城市人口分布密度实时动态测量方法 |
CN107860337A (zh) * | 2017-10-11 | 2018-03-30 | 华天科技(昆山)电子有限公司 | 基于阵列相机的结构光三维重建方法与装置 |
CN109934844A (zh) * | 2019-01-28 | 2019-06-25 | 中国人民解放军战略支援部队信息工程大学 | 一种融合地理空间信息的多目标跟踪方法及系统 |
CN110459027A (zh) * | 2019-08-15 | 2019-11-15 | 青岛文达通科技股份有限公司 | 一种基于多源异构数据融合的社区安全防护方法及系统 |
CN110992233A (zh) * | 2019-12-13 | 2020-04-10 | 中国科学院深圳先进技术研究院 | 一种针对城市聚集事件的应急疏散方法与系统 |
CN115035685A (zh) * | 2022-06-10 | 2022-09-09 | 北京拙河科技有限公司 | 一种基于弥散性运动神经网络的广场安保监测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10930151B2 (en) | Roadside parking management method, device, and system based on multiple cameras | |
CN101615295B (zh) | 图像处理系统和图像处理方法 | |
US7535353B2 (en) | Surveillance system and surveillance method | |
Trivedi et al. | Distributed interactive video arrays for event capture and enhanced situational awareness | |
CN107122743B (zh) | 安防监控方法、装置和电子设备 | |
CN112132048A (zh) | 一种基于计算机视觉的社区巡更分析方法及系统 | |
CN101587592A (zh) | 目标运动识别系统 | |
KR20130000660A (ko) | 이동객체 추적 카메라 장치 | |
CN114495011A (zh) | 基于目标检测的非机动车和行人非法闯入识别方法、存储介质和计算机设备 | |
EP3432575A1 (en) | Method for performing multi-camera automatic patrol control with aid of statistics data in a surveillance system, and associated apparatus | |
CN114566056A (zh) | 一种公路隧道行车安全风险辨识与防控方法及系统 | |
Soman et al. | Detection of anomalous behavior in an examination hall towards automated proctoring | |
Purohit et al. | Multi-sensor surveillance system based on integrated video analytics | |
CN111382610B (zh) | 一种事件检测方法、装置及电子设备 | |
KR20160093253A (ko) | 영상 기반 이상 흐름 감지 방법 및 그 시스템 | |
CN112422909B (zh) | 一种基于人工智能的视频行为分析管理系统 | |
CN104050785A (zh) | 基于虚拟化边界与人脸识别技术的安全警戒方法 | |
KR101964230B1 (ko) | 데이터 처리 시스템 | |
CN110517506B (zh) | 基于交通视频图像检测停车事件的方法、装置及存储介质 | |
CN111753587B (zh) | 一种倒地检测方法及装置 | |
CN105025240A (zh) | 一种执法记录仪及其控制方法 | |
JP2006285399A (ja) | 交差点における車両の動きを監視するための映像監視方法及び装置 | |
CN111723725A (zh) | 一种基于视频ai多维分析系统 | |
CN116168344A (zh) | 一种基于阵列计算视觉的安保监测方法及装置 | |
KR101686851B1 (ko) | Cctv 카메라를 이용한 통합 관제 시스템 |
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 |