CN116977925A - 一种全方位智能监控的视频安全管理系统 - Google Patents
一种全方位智能监控的视频安全管理系统 Download PDFInfo
- Publication number
- CN116977925A CN116977925A CN202310921425.5A CN202310921425A CN116977925A CN 116977925 A CN116977925 A CN 116977925A CN 202310921425 A CN202310921425 A CN 202310921425A CN 116977925 A CN116977925 A CN 116977925A
- Authority
- CN
- China
- Prior art keywords
- module
- video
- detection
- intelligent
- user
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 25
- 238000007689 inspection Methods 0.000 claims abstract description 14
- 238000011897 real-time detection Methods 0.000 claims abstract description 9
- 238000007619 statistical method Methods 0.000 claims abstract description 8
- 238000007726 management method Methods 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 21
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 239000000779 smoke Substances 0.000 claims description 6
- 230000001788 irregular Effects 0.000 claims description 4
- 230000000391 smoking effect Effects 0.000 abstract description 8
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 241000699666 Mus <mouse, genus> Species 0.000 description 6
- 238000010223 real-time analysis Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 241000699670 Mus sp. Species 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 235000021393 food security Nutrition 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011835 investigation Methods 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
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning 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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种全方位智能监控的视频安全管理系统,其特征在于,包括以下模块:摄像模块,用于根据用户的设置获取餐饮中心的视频或照片信息;AI分析模块,用于根据用户的设置进行实时检测或按时间段进行检测分析;智能巡检模块,摄像模块能够按照预设轨道进行位置变化,以获得更详细的视频或照片信息;监控管理模块,能根据用户的选择参数进行相应的统计分析。本申请能够高精度地实时或非实时地全自动分析出未戴口罩、抽烟、未戴帽子、使用手机等违规行为,还能智能识别是否存在鼠患,并对相关人员进行警告,保障食品安全。
Description
技术领域
本发明属于智能监控技术领域,具体涉及一种全方位智能监控的视频安全管理系统及方法、装置、计算机设备及计算机可读存储介质。
背景技术
食安平台系统主要是管理食安全生产过程中,厨房各生产环节监控并能预警食品生产的不规范行为,智能帮忙监管部门对学校,机关单位等各食堂的监控和实时管理。
现有技术中虽然能够对上述环节进行监控,但无法进行智能分析,实时分析,只能用于后续的调查取证,对食安生产而言,能够实时发现并及时处理不规范行为是十分必要的。
发明内容
为解决上述问题,本发明提出了一种全方位智能监控的视频安全管理系统,其特征在于,包括以下模块:
摄像模块,用于根据用户的设置获取餐饮中心的视频或照片信息;
AI分析模块,用于根据用户的设置进行实时检测或按时间段进行检测分析;
智能巡检模块,摄像模块能够按照预设轨道进行位置变化,以获得更详细的视频或照片信息;
监控管理模块,用于根据用户的选择参数进行相应的统计分析。
作为一种实施例,所述系统还包括与所述摄像模块配合使用的智能导轨。
作为一种实施例,所述系统还包括智能控制模块,能够根据所述摄像模块获取到的信息发出控制指令,用以控制所述智能巡检模块进行移动。
作为一种实施例,所述AI分析模块实现口罩佩戴检测、帽子检测、抽烟检测以及鼠患检测。
作为一种实施例,所述系统还包括预警模块,当实时检测到不规范或异常状况时,由预警模块发出警告信息给相关负责人员。
本申请还提出了一种全方位智能监控的视频安全管理方法,其特征在于,所述方法包括以下步骤:
S1:信息获取步骤,根据用户的设置获取餐饮中心的视频或照片信息;
S2:AI分析步骤,根据用户的设置进行实时检测或按时间段进行检测分析;
S3:智能巡检步骤,由摄像模块按照预设轨道进行位置变化,用以获得更详细的视频或照片信息;
S4:监控管理步骤,根据用户的选择参数进行相应的统计分析。
作为一种实施例,所述方法还包括:所述摄像模块与智能导轨配合使用,完成多角度的信息获取。
作为一种实施例,所述方法还包括利用智能控制模块根据所述摄像模块获取到的信息发出指令,用以控制所述智能巡检模块进行移动。
作为一种实施例,所述AI分析步骤实现口罩佩戴检测、帽子检测、抽烟检测以及鼠患检测。
作为一种实施例,所述方法还包括当实时检测到不规范或异常状况时,由预警模块发出警告信息给相关负责人员。
此外,本发明提供了一种计算机设备,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行上述任意一种方法。
本发明提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行上述任意一种方法。
本发明的有益效果:
本发明提出了一种全方位智能监控的视频安全管理系统,其特征在于,包括以下模块:
摄像模块,用于根据用户的设置获取餐饮中心的视频或照片信息;AI分析模块,用于根据用户的设置进行实时检测或按时间段进行检测分析;智能巡检模块,摄像模块能够按照预设轨道进行位置变化,以获得更详细的视频或照片信息;监控管理模块,用于根据用户的选择参数进行相应的统计分析。本申请实现了AI实时监控、分析厨房的不规范操作行为,如未戴口罩、抽烟等行实时监控并报警智能定时巡检,分析异常行为并告警;智能留样,留样柜开门自动拍照,关门自动拍照记录,能够及时发现异常和问题所在,提高食安水平。
本申请还涉及了一种专用深度神经网络,专门适用于食安领域的异常场景识别,属于本发明的独创性贡献,能够实现实时分析检测。
附图说明
图1是本发明的AI实时分析显示图
图2是本发明的智能巡检记录显示图
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍,显而易见地,下面关于附图结构的描述仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。
应当理解,尽管本文可能使用术语第一和第二等等来描述各种对象,但是这些对象不应当受到这些术语的限制。这些术语仅用于区分一个对象和另一个对象。例如可以将第一对象称作第二对象,并且类似地可以将第二对象称作第一对象,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其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、单独存在B或者同时存在A和B等三种情况;又例如,A、B和/或C,可以表示存在A、B和C中的任意一种或他们的任意组合;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A或者同时存在A和B等两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍,显而易见地,下面关于附图结构的描述仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。
应当理解,尽管本文可能使用术语第一和第二等等来描述各种对象,但是这些对象不应当受到这些术语的限制。这些术语仅用于区分一个对象和另一个对象。例如可以将第一对象称作第二对象,并且类似地可以将第二对象称作第一对象,同时不脱离本发明的示例实施例的范围。
应当理解,对于本文中可能出现的术语“和/或”,其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、单独存在B或者同时存在A和B等三种情况;又例如,A、B和/或C,可以表示存在A、B和C中的任意一种或他们的任意组合;对于本文中可能出现的术语“/和”,其是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A或者同时存在A和B等两种情况;另外,对于本文中可能出现的字符“/”,一般表示前后关联对象是一种“或”关系。
为解决现有技术中存在的问题,如图1-2所示,图1是本发明的AI实时分析显示图
图2是本发明的智能巡检记录显示图;本发明提出了为解决上述问题,本发明提出了一种全方位智能监控的视频安全管理系统,
其特征在于,包括以下模块:
摄像模块,用于根据用户的设置获取餐饮中心的视频或照片信息;
AI分析模块,用于根据用户的设置进行实时检测或按时间段进行检测分析;
智能巡检模块,摄像模块能够按照预设轨道进行位置变化,以获得更详细的视频或照片信息;
监控管理模块,用于根据用户的选择参数进行相应的统计分析。
作为一种实施例,所述系统还包括与所述摄像模块配合使用的智能导轨。
作为一种具体实施例,当发现场景异常时,例如未戴口罩、抽烟、未戴帽子、鼠患等,能够在智能控制模块的指令下,摄像模块沿着导轨运动,指导摄像模块能够高清晰聚焦异常场景信息为止,便于后台分析人员人眼进一步识别,并且系统进行高清取证,以便于后续对相关人员进行警示教育。所述智能导轨的设置与摄像模块的拍摄范围有关,二者的约束条件为1)实现场景二次全覆盖,即每一场景,必须在所有获取的视频或图像证据中出现至少2次;2)在空间上处于不同位置的每一帧图像必须与其他摄像模块获取的图像存在场景交集。
作为一种实施例,所述系统还包括智能控制模块,能够根据所述摄像模块获取到的信息发出控制指令,用以控制所述智能巡检模块进行移动。
作为一种实施例,所述AI分析模块实现口罩佩戴检测、帽子检测、抽烟检测以及鼠患检测。
可选的,所述检测采用深度神经网络模型实现,所述深度神经网络包含有输入层、一个或多个隐含层、输出层;
当训练时,所述输入层用于接收包含口罩、帽子、抽烟以及老鼠的图片;当用于实时或非实时分析时,输入层则接受实时获取的图像信息或待分析的场景图像;
可选的,所述隐含层包含一个或多个卷积层、一个或多个池化层;
可选的,所述深度神经网络采用损失函数,定义如下:
N表示包含历史记录中样本数据集的大小,i取值1~N,yi表示样本xi对应的标签;/>表示样本xi在其标签yi处的权重,b向量包括/>和bj,/>表示样本xi在其标签yi处的偏差,bj表示输出节点j处的偏差;
可选的,所述池化方法如下:
xe=f(weφ(xe-1));
其中,xe表示当前层的输出,we表示当前层的权重,φ表示对数似然损失函数,xe-1表示上一层的输出;
N表示包含历史记录中样本数据集的大小;yi表示样本特征向量xi对应的标签值;Wyi表示样本特征向量xi在其标签yi处的权重,θyi表示为样本xi与其对应标签yi的向量夹角;
所述输出层用于输出异常的类型,包括口罩、帽子、抽烟以及老鼠等异常;
对上述深度神经网络不断进行训练,直到满足预定的条件为止,得到训练后的深度神经网络模型。
作为一种实施例,所述系统还包括预警模块,当实时检测到不规范或异常状况时,由预警模块发出警告信息给相关负责人员。
本申请还提出了一种全方位智能监控的视频安全管理方法,其特征在于,所述方法包括以下步骤:
S1:信息获取步骤,根据用户的设置获取餐饮中心的视频或照片信息;
S2:AI分析步骤,根据用户的设置进行实时检测或按时间段进行检测分析;
S3:智能巡检步骤,由摄像模块按照预设轨道进行位置变化,用以获得更详细的视频或照片信息;
S4:监控管理步骤,根据用户的选择参数进行相应的统计分析。
作为一种实施例,所述方法还包括:所述摄像模块与智能导轨配合使用,完成多角度的信息获取。
作为一种具体实施例,当发现场景异常时,例如未戴口罩、抽烟、未戴帽子、鼠患等,能够在智能控制模块的指令下,摄像模块沿着导轨运动,指导摄像模块能够高清晰聚焦异常场景信息为止,便于后台分析人员人眼进一步识别,并且系统进行高清取证,以便于后续对相关人员进行警示教育。所述智能导轨的设置与摄像模块的拍摄范围有关,二者的约束条件为1)实现场景二次全覆盖,即每一场景,必须在所有获取的视频或图像证据中出现至少2次;2)在空间上处于不同位置的每一帧图像必须与其他摄像模块获取的图像存在场景交集。
作为一种实施例,所述方法还包括利用智能控制模块根据所述摄像模块获取到的信息发出指令,用以控制所述智能巡检模块进行移动。
作为一种实施例,所述AI分析步骤实现口罩佩戴检测、帽子检测、抽烟检测以及鼠患检测。
可选的,所述检测采用深度神经网络模型实现,所述深度神经网络包含有输入层、一个或多个隐含层、输出层;
当训练时,所述输入层用于接收包含口罩、帽子、抽烟以及老鼠的图片;当用于实时或非实时分析时,输入层则接受实时获取的图像信息或待分析的场景图像;
可选的,所述隐含层包含一个或多个卷积层、一个或多个池化层;
可选的,所述深度神经网络采用损失函数,定义如下:
N表示包含历史记录中样本数据集的大小,i取值1~N,yi表示样本xi对应的标签;/>表示样本xi在其标签yi处的权重,b向量包括/>和bj,/>表示样本xi在其标签yi处的偏差,bj表示输出节点j处的偏差;
可选的,所述池化方法如下:
xe=f(weφ(xe-1));
其中,xe表示当前层的输出,we表示当前层的权重,φ表示对数似然损失函数,xe-1表示上一层的输出;
N表示包含历史记录中样本数据集的大小;yi表示样本特征向量xi对应的标签值;Wyi表示样本特征向量xi在其标签yi处的权重,θyi表示为样本xi与其对应标签yi的向量夹角;
所述输出层用于输出异常的类型,包括口罩、帽子、抽烟以及老鼠等异常;
对上述深度神经网络不断进行训练,直到满足预定的条件为止,得到训练后的深度神经网络模型。
作为一种实施例,所述方法还包括当实时检测到不规范或异常状况时,由预警模块发出警告信息给相关负责人员。
此外,本发明提供了一种计算机设备,包括有依次通信连接的存储器、处理器和收发器,其中,所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行上述任意一种方法。
本发明提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行上述任意一种方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种全方位智能监控的视频安全管理系统,其特征在于,包括以下模块:
摄像模块,用于根据用户的设置获取餐饮中心的视频或照片信息;
AI分析模块,用于根据用户的设置进行实时检测或按时间段进行检测分析;
智能巡检模块,摄像模块能够按照预设轨道进行位置变化,以获得更详细的视频或照片信息;
监控管理模块,用于根据用户的选择参数进行相应的统计分析。
2.根据权利要求1所述的一种全方位智能监控的视频安全管理系统,所述系统还包括与所述摄像模块配合使用的智能导轨。
3.根据权利要求1所述的一种全方位智能监控的视频安全管理系统,所述系统还包括智能控制模块,能够根据所述摄像模块获取到的信息发出控制指令,用以控制所述智能巡检模块进行移动。
4.根据权利要求1所述的一种全方位智能监控的视频安全管理系统,所述AI分析模块实现口罩佩戴检测、帽子检测、抽烟检测以及鼠患检测。
5.根据权利要求1所述的一种全方位智能监控的视频安全管理系统,所述系统还包括预警模块,当实时检测到不规范或异常状况时,由预警模块发出警告信息给相关负责人员。
6.一种全方位智能监控的视频安全管理方法,其特征在于,所述方法包括以下步骤:
S1:信息获取步骤,根据用户的设置获取餐饮中心的视频或照片信息;
S2:AI分析步骤,根据用户的设置进行实时检测或按时间段进行检测分析;
S3:智能巡检步骤,由摄像模块按照预设轨道进行位置变化,用以获得更详细的视频或照片信息;
S4:监控管理步骤,根据用户的选择参数进行相应的统计分析。
7.根据权利要求6所述的一种全方位智能监控的视频安全管理方法,所述方法还包括:所述摄像模块与智能导轨配合使用,完成多角度的信息获取。
8.根据权利要求6所述的一种全方位智能监控的视频安全管理方法,所述方法还包括利用智能控制模块根据所述摄像模块获取到的信息发出指令,用以控制所述智能巡检模块进行移动。
9.根据权利要求6所述的一种全方位智能监控的视频安全管理方法,所述AI分析步骤实现口罩佩戴检测、帽子检测、抽烟检测以及鼠患检测。
10.根据权利要求6所述的一种全方位智能监控的视频安全管理方法,所述方法还包括当实时检测到不规范或异常状况时,由预警模块发出警告信息给相关负责人员。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310921425.5A CN116977925B (zh) | 2023-07-25 | 2023-07-25 | 一种全方位智能监控的视频安全管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310921425.5A CN116977925B (zh) | 2023-07-25 | 2023-07-25 | 一种全方位智能监控的视频安全管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116977925A true CN116977925A (zh) | 2023-10-31 |
CN116977925B CN116977925B (zh) | 2024-05-24 |
Family
ID=88470681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310921425.5A Active CN116977925B (zh) | 2023-07-25 | 2023-07-25 | 一种全方位智能监控的视频安全管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116977925B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493847A (zh) * | 2018-12-14 | 2019-03-19 | 广州玛网络科技有限公司 | 声音识别系统以及声音识别装置 |
CN110166741A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 基于人工智能的环境监控方法、装置、设备及存储介质 |
CN110769195A (zh) * | 2019-10-14 | 2020-02-07 | 国网河北省电力有限公司衡水供电分公司 | 输电线路施工现场违章智能监控识别系统 |
CN110879917A (zh) * | 2019-11-08 | 2020-03-13 | 北京交通大学 | 一种基于迁移学习的电力系统暂态稳定自适应评估方法 |
CN113222299A (zh) * | 2021-06-10 | 2021-08-06 | 湘南学院 | 一种用于景区的车辆智能调度系统及方法 |
CN113255563A (zh) * | 2021-06-10 | 2021-08-13 | 湘南学院 | 一种景区人流控制系统及方法 |
CN113992153A (zh) * | 2021-11-19 | 2022-01-28 | 珠海康晋电气股份有限公司 | 一种光伏电站可视化实时监测分布式管理系统 |
CN114708127A (zh) * | 2022-04-15 | 2022-07-05 | 广东南粤科教研究院 | 一种学生积分制综合考核方法及系统 |
CN114724332A (zh) * | 2022-04-13 | 2022-07-08 | 湖北鲲鹏芯科技有限公司 | 一种食材安全监控系统与监控方法 |
WO2022160040A1 (en) * | 2021-01-26 | 2022-08-04 | Musashi Auto Parts Canada Inc. | System and method for manufacturing quality control using automated visual inspection |
US20220383037A1 (en) * | 2021-05-27 | 2022-12-01 | Adobe Inc. | Extracting attributes from arbitrary digital images utilizing a multi-attribute contrastive classification neural network |
CN115756040A (zh) * | 2022-11-18 | 2023-03-07 | 苏州展桦天亿通信有限公司 | 一种智能报警的巡视监控系统 |
CN117331700A (zh) * | 2023-10-24 | 2024-01-02 | 广州一玛网络科技有限公司 | 一种算力网络资源调度系统及方法 |
-
2023
- 2023-07-25 CN CN202310921425.5A patent/CN116977925B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109493847A (zh) * | 2018-12-14 | 2019-03-19 | 广州玛网络科技有限公司 | 声音识别系统以及声音识别装置 |
CN110166741A (zh) * | 2019-04-15 | 2019-08-23 | 深圳壹账通智能科技有限公司 | 基于人工智能的环境监控方法、装置、设备及存储介质 |
CN110769195A (zh) * | 2019-10-14 | 2020-02-07 | 国网河北省电力有限公司衡水供电分公司 | 输电线路施工现场违章智能监控识别系统 |
CN110879917A (zh) * | 2019-11-08 | 2020-03-13 | 北京交通大学 | 一种基于迁移学习的电力系统暂态稳定自适应评估方法 |
WO2022160040A1 (en) * | 2021-01-26 | 2022-08-04 | Musashi Auto Parts Canada Inc. | System and method for manufacturing quality control using automated visual inspection |
US20220383037A1 (en) * | 2021-05-27 | 2022-12-01 | Adobe Inc. | Extracting attributes from arbitrary digital images utilizing a multi-attribute contrastive classification neural network |
CN113255563A (zh) * | 2021-06-10 | 2021-08-13 | 湘南学院 | 一种景区人流控制系统及方法 |
CN113222299A (zh) * | 2021-06-10 | 2021-08-06 | 湘南学院 | 一种用于景区的车辆智能调度系统及方法 |
CN113992153A (zh) * | 2021-11-19 | 2022-01-28 | 珠海康晋电气股份有限公司 | 一种光伏电站可视化实时监测分布式管理系统 |
CN114724332A (zh) * | 2022-04-13 | 2022-07-08 | 湖北鲲鹏芯科技有限公司 | 一种食材安全监控系统与监控方法 |
CN114708127A (zh) * | 2022-04-15 | 2022-07-05 | 广东南粤科教研究院 | 一种学生积分制综合考核方法及系统 |
CN115756040A (zh) * | 2022-11-18 | 2023-03-07 | 苏州展桦天亿通信有限公司 | 一种智能报警的巡视监控系统 |
CN117331700A (zh) * | 2023-10-24 | 2024-01-02 | 广州一玛网络科技有限公司 | 一种算力网络资源调度系统及方法 |
Non-Patent Citations (2)
Title |
---|
张文博 等: "《无人机测绘技术应用及成本研究》", vol. 1, 31 August 2022, 吉林科学技术出版社, pages: 231 - 232 * |
罗庆生 等: "《智能作战机器人》", vol. 1, 30 November 2013, 北京理工大学出版社, pages: 137 - 139 * |
Also Published As
Publication number | Publication date |
---|---|
CN116977925B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Deep learning‐based safety helmet detection in engineering management based on convolutional neural networks | |
US20190012893A1 (en) | Surveillance system and method for predicting patient falls using motion feature patterns | |
CN110209835B (zh) | 一种异常检测方法及装置、计算机存储介质及电子设备 | |
CN108228705B (zh) | 直播视频反馈中的自动对象和活动跟踪设备、方法及介质 | |
CN105426820B (zh) | 基于安防监控视频数据的多人异常行为检测方法 | |
CN103839085B (zh) | 一种列车车厢异常人群密度的检测方法 | |
CN110795963A (zh) | 一种基于人脸识别的监控方法、装置及设备 | |
CN110674790B (zh) | 一种视频监控中异常场景处理方法及系统 | |
CN110663030A (zh) | 用于处理极端数据的边缘设备、系统和方法 | |
US11631306B2 (en) | Methods and system for monitoring an environment | |
CN110197158B (zh) | 一种安保云系统及其应用 | |
CN111325119B (zh) | 一种安全生产的视频监控方法及系统 | |
CN116977925B (zh) | 一种全方位智能监控的视频安全管理系统 | |
CN112633157B (zh) | 一种agv工作区域安全性的实时检测方法及系统 | |
CN107920224A (zh) | 一种异常告警方法、设备及视频监控系统 | |
CN116682034A (zh) | 一种复杂生产作业场景下危险行为检测方法 | |
CN116419059A (zh) | 基于行为标签的自动监控方法、装置、设备及介质 | |
CN111723767A (zh) | 一种图像处理方法、装置及计算机存储介质 | |
CN114049682A (zh) | 一种人体异常行为识别方法、装置、设备及存储介质 | |
CN112347889B (zh) | 一种变电站作业行为辨识方法及装置 | |
CN115240277A (zh) | 安检行为的监控方法、装置、电子设备及存储介质 | |
Dong et al. | [Retracted] Railway Traffic Emergency Management Relying on Image Recognition Technology in the Context of Big Data | |
Lee et al. | Actev18: Human activity detection evaluation for extended videos | |
CN117315592B (zh) | 一种基于机器人端实时监控摄像的识别预警系统 | |
Wu et al. | Design and research of intelligent IDC computer room based on agile model |
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 |