CN116824687A - 一种行为监测方法、装置、终端及存储介质 - Google Patents
一种行为监测方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN116824687A CN116824687A CN202210289261.4A CN202210289261A CN116824687A CN 116824687 A CN116824687 A CN 116824687A CN 202210289261 A CN202210289261 A CN 202210289261A CN 116824687 A CN116824687 A CN 116824687A
- Authority
- CN
- China
- Prior art keywords
- human body
- preset
- behavior
- abnormal
- threshold value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 238000012806 monitoring device Methods 0.000 title claims abstract description 8
- 230000006399 behavior Effects 0.000 claims abstract description 97
- 230000002159 abnormal effect Effects 0.000 claims abstract description 49
- 206010000117 Abnormal behaviour Diseases 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003062 neural network model Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- 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
-
- 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
Abstract
本发明实施例公开了一种行为监测方法、装置、终端及存储介质,应用于设置有摄像头的场景,该方法包括:获取所述摄像头实时拍摄得到的图像数据;对所述图像数据进行人体区分识别,得到一个或多个人体图像;对各所述人体图像进行行为识别;若行为识别结果为异常,则确定异常信息,并基于所述异常信息进行警示流程;所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。本方案中通过摄像头实时进行监控,以获取到实时的图像数据,后续以图像识别的方式监控人员的行为,实现了自动化的监控,提升了效率,且不依赖人力,拓展了适用范围。
Description
技术领域
本发明涉及行为监测技术领域,尤其涉及一种行为监测方法、装置、终端及存储介质。
背景技术
目前,在一些场所,需要对所在其中的人员进行行为监测,监测人员的行为是否异常,但是现有监测方式一般采用人工观察的方式来进行,现有的这种采用人工监测方式存在一定的缺陷,具体的,人工观察的效率低、资源消耗大、人力使用多,也无法实现实时监测,导致人工观察的效果不好,应用范围受限。
由此,现在需要有一种更好的方案来解决现有技术中的问题。
发明内容
有鉴于此,本发明提出了一种行为监测方法、装置、终端及存储介质,本方案中通过摄像头实时进行监控,以获取到实时的图像数据,后续以图像识别的方式监控人员的行为,实现了自动化的监控,提升了效率,且不依赖人力,拓展了适用范围。
具体的,本发明提出了以下具体的实施例:
本发明实施例提出了一种行为监测方法,应用于设置有摄像头的场景,该方法包括:
获取所述摄像头实时拍摄得到的图像数据;
对所述图像数据进行人体区分识别,得到一个或多个人体图像;
对各所述人体图像进行行为识别;
若行为识别结果为异常,则确定异常信息,并基于所述异常信息进行警示流程;所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。
在一个具体的实施例中,所述对各所述人体图像进行行为识别,包括:
针对各所述人体图像,确定所述人体图像中人体上多个预设点的位置;
将所述人体图像中的人体的中心点与预设样本人体中的中心点重合,并将所述人体图像中多个预设点的位置与预设样本人体上的多个预设点的位置进行比较;
若比较的结果为位置的差值大于预设第一阈值,则行为识别结果为异常;
若比较的结果为位置差值不大于预设第一阈值且大于预设第二阈值,则进行预警流程;所述预设第一阈值大于所述预设第二阈值;
若比较的结果为位置差值不大于预设第二阈值,则行为识别结果为正常。
在一个具体的实施例中,所述比较基于下列公式进行:
F=∑Qi;Qi=AiPi;其中,i=1、2、…,n;n为预设点的数量;Ai为预设点的权重;Pi为所述人体图像与预设样本人体两者中人体上同一预设点的距离差值。
在一个具体的实施例中,还包括:
获取人为反馈的行为信息;
若所述行为信息与行为识别结果不一致,则对预设点的权重进行调整,以使所述行为识别结果与所述行为信息一致。
在一个具体的实施例中,所述对各所述人体图像进行行为识别,包括:
通过训练好的神经网络模型对各所述人体图像进行处理,以识别所述人体图像中的行为是否异常。
本发明实施例还提出了一种行为监测装置,应用于设置有摄像头的场景,该装置包括:
获取模块,用于获取所述摄像头实时拍摄得到的图像数据;
分割模块,用于对所述图像数据进行人体区分识别,得到一个或多个人体图像;
行为识别模块,用于对各所述人体图像进行行为识别;
处理模块,用于若行为识别结果为异常,则确定异常信息,并基于所述异常信息进行警示流程;所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。
在一个具体的实施例中,所述行为识别模块,用于:
针对各所述人体图像,确定所述人体图像中人体上多个预设点的位置;
将所述人体图像中的人体的中心点与预设样本人体中的中心点重合,并将所述人体图像中多个预设点的位置与预设样本人体上的多个预设点的位置进行比较;
若比较的结果为位置的差值大于预设第一阈值,则行为识别结果为异常;
若比较的结果为位置差值不大于预设第一阈值且大于预设第二阈值,则进行预警流程;所述预设第一阈值大于所述预设第二阈值;
若比较的结果为位置差值不大于预设第二阈值,则行为识别结果为正常。
在一个具体的实施例中,所述比较基于下列公式进行:
F=∑Qi;Qi=AiPi;其中,i=1、2、…,n;n为预设点的数量;Ai为预设点的权重;Pi为所述人体图像与预设样本人体两者中人体上同一预设点的距离差值。
本发明实施例还提出了一种终端,包括处理器与存储器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明实施例还提出了一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被执行时实现上述的方法。
以此,本发明实施例提出了一种行为监测方法、装置、终端及存储介质,应用于设置有摄像头的场景,该方法包括:获取所述摄像头实时拍摄得到的图像数据;对所述图像数据进行人体区分识别,得到一个或多个人体图像;对各所述人体图像进行行为识别;若行为识别结果为异常,则确定异常信息,并基于所述异常信息进行警示流程;所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。本方案中通过摄像头实时进行监控,以获取到实时的图像数据,后续以图像识别的方式监控人员的行为,实现了自动化的监控,提升了效率,且不依赖人力,拓展了适用范围。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对本发明保护范围的限定。在各个附图中,类似的构成部分采用类似的编号。
图1示出了本发明实施例提出的一种行为监测方法的流程示意图;
图2示出了本发明实施例提出的一种行为监测方法中样本人体的示意图;
图3示出了本发明实施例提出的一种行为监测装置的结构示意图;
图4示出了本发明实施例提出的一种行为监测装置的另一结构示意图。
具体实施方式
下面将结合本发明实施例中附图,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。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
在下文中,可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合,并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
除非另有限定,否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含义并且将不被解释为具有理想化的含义或过于正式的含义,除非在本发明的各种实施例中被清楚地限定。
实施例1
本发明实施例1公开了一种行为监测方法,应用于设置有摄像头的场景,如图1所示,该方法包括以下步骤:
步骤101、获取所述摄像头实时拍摄得到的图像数据;
具体的,摄像头可以选择高清摄像头,具体的数量也可以有多个。
步骤102、对所述图像数据进行人体区分识别,得到一个或多个人体图像;
具体的,在获取到图像数据后,由于图像中可能有多个人体,因此为了后续进行行为识别处理,先进行人体区分识别,以得到一个或多个人体图像,每个人体图像中只包括一个完整的人体。
步骤103、对各所述人体图像进行行为识别;
具体的行为识别方式可以有多种,例如可以采用训练好的神经网络模型,也可以对人体上预设点的位置进行识别确定,在此情况下与样本人体进行比较,以此通过距离差值的方式来识别行为是否异常。
步骤104、若行为识别结果为异常,则确定异常信息,并基于所述异常信息进行警示流程;所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。
在识别出行为异常之后,则需要及时进行警示,为了提高警示的针对性,基于异常信息进行警示。
在一个具体的实施例中,所述对各所述人体图像进行行为识别,包括:
针对各所述人体图像,确定所述人体图像中人体上多个预设点的位置;
将所述人体图像中的人体的中心点与预设样本人体中的中心点重合,并将所述人体图像中多个预设点的位置与预设样本人体上的多个预设点的位置进行比较;
若比较的结果为位置的差值大于预设第一阈值,则行为识别结果为异常;
若比较的结果为位置差值不大于预设第一阈值且大于预设第二阈值,则进行预警流程;所述预设第一阈值大于所述预设第二阈值;
若比较的结果为位置差值不大于预设第二阈值,则行为识别结果为正常。
具体的,如图2所示,为样本人体的图像,其中包括多个预设点(图2中的A1、A3、A4、A5、A6)和中心点(图2中的A2),在获取到人体图像后,将人体图像中人体的中心点和样本人体中的重心点重合,然后确定各个预设点的位置,并与样本人体的预设点位置进行比较,确定距离差值,以此确定是否异常。
在一个具体的实施例中,所述比较基于下列公式进行:
F=∑Qi;Qi=AiPi;其中,i=1、2、…,n;n为预设点的数量;Ai为预设点的权重;Pi为所述人体图像与预设样本人体两者中人体上同一预设点的距离差值。
在一个具体的实施例中,还包括:
获取人为反馈的行为信息;
若所述行为信息与行为识别结果不一致,则对预设点的权重进行调整,以使所述行为识别结果与所述行为信息一致。
考虑到识别可能有误差,在此情况下,可以有人为反馈的行为信息,基于人为反馈的信息可以对权重进行修正,以此提高识别的准确性。
在一个具体的实施例中,所述对各所述人体图像进行行为识别,包括:
通过训练好的神经网络模型对各所述人体图像进行处理,以识别所述人体图像中的行为是否异常。
实施例2
为了对本发明进行进一步的说明,本发明实施例2还公开了一种行为监测装置,应用于设置有摄像头的场景,如图3所示,该装置包括:
获取模块201,用于获取所述摄像头实时拍摄得到的图像数据;
分割模块202,用于对所述图像数据进行人体区分识别,得到一个或多个人体图像;
行为识别模块203,用于对各所述人体图像进行行为识别;
处理模块204,用于若行为识别结果为异常,则确定异常信息,并基于所述异常信息进行警示流程;所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。
在一个具体的实施例中,所述行为识别模块203,用于:
针对各所述人体图像,确定所述人体图像中人体上多个预设点的位置;
将所述人体图像中的人体的中心点与预设样本人体中的中心点重合,并将所述人体图像中多个预设点的位置与预设样本人体上的多个预设点的位置进行比较;
若比较的结果为位置的差值大于预设第一阈值,则行为识别结果为异常;
若比较的结果为位置差值不大于预设第一阈值且大于预设第二阈值,则进行预警流程;所述预设第一阈值大于所述预设第二阈值;
若比较的结果为位置差值不大于预设第二阈值,则行为识别结果为正常。
在一个具体的实施例中,所述比较基于下列公式进行:
F=∑Qi;Qi=AiPi;其中,i=1、2、…,n;n为预设点的数量;Ai为预设点的权重;Pi为所述人体图像与预设样本人体两者中人体上同一预设点的距离差值。
在一个具体的实施例中,如图4所示,还包括:
反馈调整模块205,用于获取人为反馈的行为信息;
若所述行为信息与行为识别结果不一致,则对预设点的权重进行调整,以使所述行为识别结果与所述行为信息一致。
在一个具体的实施例中,所述行为识别模块203,用于:
通过训练好的神经网络模型对各所述人体图像进行处理,以识别所述人体图像中的行为是否异常。
实施例3
本发明实施例3还公开了一种终端,其特征在于,包括处理器与存储器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现实施例1中所述的方法。
实施例4
本发明实施例4还公开了一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被执行时实现实施例1中所述的方法。
以此,本发明实施例提出了一种行为监测方法、装置、终端及存储介质,应用于设置有摄像头的场景,该方法包括:获取所述摄像头实时拍摄得到的图像数据;对所述图像数据进行人体区分识别,得到一个或多个人体图像;对各所述人体图像进行行为识别;若行为识别结果为异常,则确定异常信息,并基于所述异常信息进行警示流程;所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。本方案中通过摄像头实时进行监控,以获取到实时的图像数据,后续以图像识别的方式监控人员的行为,实现了自动化的监控,提升了效率,且不依赖人力,拓展了适用范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或更多个模块集成形成一个独立的部分。
所述功能如果以软件功能模块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取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种行为监测方法,其特征在于,应用于设置有摄像头的场景,该方法包括:
获取所述摄像头实时拍摄得到的图像数据;
对所述图像数据进行人体区分识别,得到一个或多个人体图像;
对各所述人体图像进行行为识别;
若行为识别结果为异常,则确定异常信息,并基于所述异常信息进行警示流程;所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。
2.如权利要求1所述的方法,其特征在于,所述对各所述人体图像进行行为识别,包括:
针对各所述人体图像,确定所述人体图像中人体上多个预设点的位置;
将所述人体图像中的人体的中心点与预设样本人体中的中心点重合,并将所述人体图像中多个预设点的位置与预设样本人体上的多个预设点的位置进行比较;
若比较的结果为位置的差值大于预设第一阈值,则行为识别结果为异常;
若比较的结果为位置差值不大于预设第一阈值且大于预设第二阈值,则进行预警流程;所述预设第一阈值大于所述预设第二阈值;
若比较的结果为位置差值不大于预设第二阈值,则行为识别结果为正常。
3.如权利要求2所述的方法,其特征在于,所述比较基于下列公式进行:
F=∑Qi;Qi=AiPi;其中,i=1、2、···,n;n为预设点的数量;Ai为预设点的权重;Pi为所述人体图像与预设样本人体两者中人体上同一预设点的距离差值。
4.如权利要求3所述的方法,其特征在于,还包括:
获取人为反馈的行为信息;
若所述行为信息与行为识别结果不一致,则对预设点的权重进行调整,以使所述行为识别结果与所述行为信息一致。
5.如权利要求1所述的方法,其特征在于,所述对各所述人体图像进行行为识别,包括:
通过训练好的神经网络模型对各所述人体图像进行处理,以识别所述人体图像中的行为是否异常。
6.一种行为监测装置,其特征在于,应用于设置有摄像头的场景,该装置包括:
获取模块,用于获取所述摄像头实时拍摄得到的图像数据;
分割模块,用于对所述图像数据进行人体区分识别,得到一个或多个人体图像;
行为识别模块,用于对各所述人体图像进行行为识别;
处理模块,用于若行为识别结果为异常,则确定异常信息,并基于所述异常信息进行警示流程;所述异常信息包括所述摄像头所在的区域、异常行为对应的人体的信息与发生行为异常的时间。
7.如权利要求6所述的装置,其特征在于,所述行为识别模块,用于:
针对各所述人体图像,确定所述人体图像中人体上多个预设点的位置;
将所述人体图像中的人体的中心点与预设样本人体中的中心点重合,并将所述人体图像中多个预设点的位置与预设样本人体上的多个预设点的位置进行比较;
若比较的结果为位置的差值大于预设第一阈值,则行为识别结果为异常;
若比较的结果为位置差值不大于预设第一阈值且大于预设第二阈值,则进行预警流程;所述预设第一阈值大于所述预设第二阈值;
若比较的结果为位置差值不大于预设第二阈值,则行为识别结果为正常。
8.如权利要求7所述的装置,其特征在于,所述比较基于下列公式进行:
F=∑Qi;Qi=AiPi;其中,i=1、2、···,n;n为预设点的数量;Ai为预设点的权重;Pi为所述人体图像与预设样本人体两者中人体上同一预设点的距离差值。
9.一种终端,其特征在于,包括处理器与存储器,所述存储器中存储有计算机程序,所述处理器执行所述计算机程序时实现权利要求1-5任一项所述的方法。
10.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,所述计算机程序被执行时实现权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210289261.4A CN116824687A (zh) | 2022-03-22 | 2022-03-22 | 一种行为监测方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210289261.4A CN116824687A (zh) | 2022-03-22 | 2022-03-22 | 一种行为监测方法、装置、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116824687A true CN116824687A (zh) | 2023-09-29 |
Family
ID=88122648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210289261.4A Pending CN116824687A (zh) | 2022-03-22 | 2022-03-22 | 一种行为监测方法、装置、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116824687A (zh) |
-
2022
- 2022-03-22 CN CN202210289261.4A patent/CN116824687A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679504A (zh) | 基于摄像头场景的人脸识别方法、装置、设备及存储介质 | |
CN108337505B (zh) | 信息获取方法和装置 | |
CN111931713B (zh) | 一种异常行为检测方法、装置、电子设备及存储介质 | |
CN111027347A (zh) | 一种视频识别方法、装置和计算机设备 | |
CN111814776B (zh) | 一种图像处理方法、设备、服务器及存储介质 | |
CN104573680A (zh) | 图像检测方法、图像检测装置以及交通违法检测系统 | |
CN113869137A (zh) | 事件检测方法、装置、终端设备及存储介质 | |
CN114040094B (zh) | 一种基于云台相机的预置位调节方法和设备 | |
CN111798482A (zh) | 一种目标跟踪方法及设备 | |
CN111611944A (zh) | 身份识别方法及装置、电子设备、存储介质 | |
EP3493157A1 (en) | Method and system for visual change detection using multi-scale analysis | |
CN112580467A (zh) | 视频回归测试方法、装置、计算机设备及存储介质 | |
CN116824687A (zh) | 一种行为监测方法、装置、终端及存储介质 | |
CN112581444A (zh) | 一种异常检测方法、装置及设备 | |
CN110517234B (zh) | 特征骨异常检测方法及装置 | |
CN111986103A (zh) | 图像处理方法、装置、电子设备和计算机存储介质 | |
EP2483834A1 (de) | Verfahren und vorrichtung zum erkennen einer fehldetektion eines objekts in einem bild | |
CN116824135A (zh) | 基于机器视觉的大气自然环境试验工业产品识别分割方法 | |
CN115083004B (zh) | 一种身份识别方法、装置和计算机可读存储介质 | |
CN108960181A (zh) | 基于多尺度分块lbp和隐马尔科夫模型的黑烟车检测方法 | |
CN111597979B (zh) | 一种目标对象聚类方法及装置 | |
CN114812736A (zh) | 一种水位监测的方法、装置、终端及存储介质 | |
US20210089886A1 (en) | Method for processing data based on neural networks trained by different methods and device applying method | |
CN114170543A (zh) | 数据处理方法、装置、计算机设备及计算机可读存储介质 | |
CN110543830B (zh) | 动作检测方法、装置、存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 030006 room 707, block a, Gaoxin Guozhi building, No. 3, East Lane 2, Taiyuan Xuefu Park, Shanxi comprehensive reform demonstration zone, Taiyuan, Shanxi Province Applicant after: Changhe Information Co.,Ltd. Address before: 030006 room 707, block a, Gaoxin Guozhi building, No. 3, East Lane 2, Taiyuan Xuefu Park, Shanxi comprehensive reform demonstration zone, Taiyuan, Shanxi Province Applicant before: Shanxi Changhe Technology Co.,Ltd. |