CN117079218B - 基于视频监控的客运索道缆绳绳位动态监测方法 - Google Patents
基于视频监控的客运索道缆绳绳位动态监测方法 Download PDFInfo
- Publication number
- CN117079218B CN117079218B CN202311213320.0A CN202311213320A CN117079218B CN 117079218 B CN117079218 B CN 117079218B CN 202311213320 A CN202311213320 A CN 202311213320A CN 117079218 B CN117079218 B CN 117079218B
- Authority
- CN
- China
- Prior art keywords
- cableway
- cable
- guide wheel
- model
- twin
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000003993 interaction Effects 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 14
- 238000004904 shortening Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 101100545272 Caenorhabditis elegans zif-1 gene Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007605 air drying Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009956 embroidering Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process 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
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 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
- 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
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于视频监控模型的客运索道缆绳绳位动态监测方法，包括：服务器根据客运索道的基础属性、摄像头的放置位置生成相对应的动态监测模型；服务器生成与所述客运索道所对应的索道孪生示意模型，在索道孪生示意模型中摄像头的相对放置位置生成孪生模型节点；动态监测模型确定相对应的导轮得到导轮区域，基于所述导轮区域对缆绳识别确定与每个导轮区域相对应的缆绳区域；若判断缆绳存在偏移状态，则获取导轮区域中存在偏移状态的导轮中位点，以及与所述导轮中位点相对应缆绳区域的缆绳中位点；基于所述导轮中位点、缆绳中位点计算得到缆绳的偏移量值，基于所述偏移量值对相应展示框内的绳位视频及孪生模型节点突出显示。
Description
技术领域
本发明涉及数据处理技术，尤其涉及一种基于视频监控的客运索道缆绳绳位动态监测方法。
背景技术
索道广泛应用于景区中。而索道主要利用钢绳牵引，其相关结构容易受到大气湿度、钢结构绣化、风干腐蚀等影响，导致缆绳绳位因为外力作用而发生变化，可能发生严重的安全事故。因此，对索道缆绳的监测至关重要。
现有技术中，对索道缆绳的监测往往由景区相应人员进行人工进行实地监测，或者通过摄像系统对其远程监测。然而，上述的方案都需要依赖人为判断，在相关人员疏忽时，可能会导致严重的安全事故。
因此，如何对索道缆绳绳位进行自动化的动态监测和实时预警，提高安全系数，保障索道的安全平稳运行，成为了急需解决的问题。
发明内容
本发明实施例提供一种基于视频监控的客运索道缆绳绳位动态监测方法，可以对索道缆绳绳位进行自动化的动态监测和实时预警，提高安全系数，保障索道的安全平稳运行。
本发明实施例的第一方面，提供一种基于视频监控模型的客运索道缆绳绳位动态监测方法，包括：
服务器根据客运索道的基础属性、摄像头的放置位置生成相对应的动态监测模型，所述动态监测模型所对应的展示界面至少包括每个摄像头所对应的展示框，将摄像头所获取的绳位视频于相应展示框内显示；
服务器生成与所述客运索道所对应的索道孪生示意模型，在索道孪生示意模型中摄像头的相对放置位置生成孪生模型节点，将孪生模型节点与展示框对应设置；
动态监测模型基于绳位模型库对绳位视频进行识别，确定相对应的导轮得到导轮区域，基于所述导轮区域对缆绳识别确定与每个导轮区域相对应的缆绳区域；
对导轮区域的中部识别若判断缆绳存在偏移状态，则获取导轮区域中存在偏移状态的导轮中位点，以及与所述导轮中位点相对应缆绳区域的缆绳中位点；
基于所述导轮中位点、缆绳中位点计算得到缆绳的偏移量值，基于所述偏移量值对相应展示框内的绳位视频及孪生模型节点突出显示。
可选地，所述服务器根据客运索道的基础属性、摄像头的放置位置生成相对应的动态监测模型，所述动态监测模型所对应的展示界面至少包括每个摄像头所对应的展示框，将摄像头所获取的绳位视频于相应展示框内显示，包括：
服务器根据客运索道的基础属性确定每个监测位置处的位置信息，根据摄像头的放置位置与相应的位置信息对应设置；
根据所述位置信息的数量生成动态监测模型的展示界面，每个位置信息具有相对应的摄像头和展示界面的展示框；
服务器获取任意摄像头采集的绳位视频后将相应的绳位视频于相应展示框内显示。
可选地，所述服务器生成与所述客运索道所对应的索道孪生示意模型，在索道孪生示意模型中摄像头的相对放置位置生成孪生模型节点，将孪生模型节点与展示框对应设置，包括：
服务器接收用户的模型配置数据生成相对应的索道孪生示意模型，根据用户对索道孪生示意模型的区域段配置得到索道边缘区域和索道中间区域；
若判断用户选中索道中间区域内的索道线路对应的孪生图像，则对相应的索道线路折叠隐藏显示，以实现对索道中间区域缩短处理得到缩短后的索道孪生示意模型；
接收用户对索道边缘区域处不同位置所选定的孪生图像并添加相对应的位置信息，基于摄像头的放置位置与位置信息的对应关系生成孪生模型节点，并将孪生模型节点与展示框对应设置。
可选地，所述服务器接收用户的模型配置数据生成相对应的索道孪生示意模型，根据用户对索道孪生示意模型的区域段配置得到索道边缘区域和索道中间区域，包括：
所述模型配置数据包括相对应的孪生图像以及孪生图像的位置关系，基于所述孪生图像以及孪生图像的位置关系生成相对应的索道孪生示意模型；
根据用户对孪生图像所添加的索道边缘标签或索道中间标签将索道孪生示意模型分为索道边缘区域和索道中间区域；
根据索道中间区域处孪生图像的位置关系生成相对应的位置标签。
可选地，所述若判断用户选中索道中间区域内的索道线路对应的孪生图像，则对相应的索道线路折叠隐藏显示，以实现对索道中间区域缩短处理得到缩短后的索道孪生示意模型，包括：
若判断用户按照预设选中方式选中索道中间区域内任意的孪生图像，则在索道孪生示意模型中对索道中间区域的孪生图像的索道中间标签显示，并生成相对应的标签选中交互界面；
若判断用户与标签选中交互界面的独立交互栏目交互，则基于独立交互栏目接收相对应的索道选中标签；
若判断用户与标签选中交互界面的批量交互栏目交互，则基于批量交互栏目确定区间边缘的2个索道边缘标签，统计2个区间边缘的索道边缘标签、以及2个区间边缘的索道边缘标签之间的其他索道中间标签得到索道选中标签；
对索道选中标签对应的孪生图像隐藏显示处理，并将与索道选中标签所连接相邻未被隐藏的孪生图像直接连接。
可选地，所述对索道选中标签对应的孪生图像隐藏显示处理，并将与索道选中标签所连接相邻未被隐藏的孪生图像直接连接，包括：
确定每个索道选中标签的相邻的孪生图像所对应的相邻标签，若所述相邻标签也为索道选中标签则不再对其选中；
若所述相邻标签不为索道选中标签则对其选中作为待连接的索道中间标签，将两个待连接的索道中间标签对应的孪生图像作为未被隐藏的孪生图像直接连接。
可选地，所述动态监测模型基于绳位模型库对绳位视频进行识别，确定相对应的导轮得到导轮区域，基于所述导轮区域对缆绳识别确定与每个导轮区域相对应的缆绳区域，包括：
动态监测模型对绳位视频中的元素进行识别，并与绳位模型库内预先训练配置的导轮和/缆绳进行比对，对绳位视频中的导轮进行定位得到相对应的导轮区域，每个导轮对应一个导轮区域；
对所述绳位视频中的图像进行坐标化处理，基于所述导轮所对应像素点的坐标生成对缆绳的待识别区域，绳位模型库对待识别区域内的缆绳识别确定与每个导轮区域相对应的缆绳区域。
可选地，所述对所述绳位视频中的图像进行坐标化处理，基于所述导轮所对应像素点的坐标生成对缆绳的待识别区域，绳位模型库对待识别区域内的缆绳识别确定与每个导轮区域相对应的缆绳区域，包括：
获取导轮所对应的像素点的坐标极值，基于所述坐标极值生成相对应的区域线，所述区域线包括横坐标极大线、横坐标极小线、纵坐标极大线以及纵坐标极小线；
确定所述区域线所对应的区域作为对缆绳的待识别区域，绳位模型库对待识别区域内的缆绳识别得到缆绳以及相对应的缆绳像素点；
根据所述缆绳的移动方向确定每个导轮区域的横坐标区间或纵坐标区间，基于所述横坐标区间或纵坐标区间对相应区间内的缆绳像素点筛选，得到每个导轮区域对应的缆绳区域。
可选地，所述对导轮区域的中部识别若判断缆绳存在偏移状态，则获取导轮区域中存在偏移状态的导轮中位点，以及与所述导轮中位点相对应缆绳区域的缆绳中位点，包括：
生成与每个导轮区域对应的中部识别框，将所述中部识别框的中心点与导轮区域的中心点校准设置后获取中部识别框内像素点的像素值；
若像素值为缆绳非偏移状态下的像素值则判断缆绳不存在偏移状态；
若像素值为缆绳偏移状态下的像素值则判断缆绳存在偏移状态，确定为缆绳偏移状态下的像素值所对应的偏移像素点，并根据偏移像素点的横坐标或纵坐标确定相对应的导轮中位点；
获取与导轮中位点的横坐标或纵坐标相对应缆绳的缆绳中位点，所述横坐标或纵坐标与所述的横坐标区间或纵坐标区间对应。
可选地，所述基于所述导轮中位点、缆绳中位点计算得到缆绳的偏移量值，基于所述偏移量值对相应展示框内的绳位视频及孪生模型节点突出显示，包括：
根据所述移动方向确定导轮中位点、缆绳中位点进行偏移计算的横坐标值或纵坐标值，基于所述横坐标值或纵坐标值之间的差值得到偏移量值；
将所述偏移量值与预设偏移区间比对得到相对应的显示状态，每个预设偏移区间具有预设的显示状态；
对相应展示框内的绳位视频、孪生模型节点的孪生图像按照预设的显示状态突出显示。
有益效果
1、本方案会结合索道的基础属性和摄像头的位置来得到对应的动态监测模型，通过动态监测模型对绳位视频进行识别，先定位导轮区域，之后对导轮区域的中部进行识别判断是否有偏移状态，并在具有偏移状态时，结合导轮中位点、缆绳中位点计算偏移程度，进行区别提醒。本方案通过上述方式可以对索道缆绳绳位进行自动化的动态监测和实时预警，提高安全系数，保障索道的安全平稳运行。开创式的提出利用监控画面实现缆绳绳位的动态监测模式，即充分利用了现有视频监控设备，又避免了传统传感器设备造价成本太大、误报率高、易遭受雷击损坏等非常棘手的问题，提高了绳位动态监测的准确率，又降低了监测成本，是目前索道缆绳绳位动态监测的较优方案。
2、本方案在生成与客运索道所对应的索道孪生示意模型时，会结合用户的需求对得到的初始的索道孪生示意模型进行分析和调整。首先，本方案会对索道孪生示意模型的区域段配置得到索道边缘区域和索道中间区域，然后检测用户选中索道中间区域内的索道线路对应的孪生图像时对相应的索道线路折叠隐藏显示。其中，在进行折叠隐藏显示时，本方案设置了两种方式。一种是独立交互的方式，另一种是批量交互栏目交互。其中，独立交互栏目交互的方式针对少数的选中需求而言较为适用；批量交互栏目交互可以批量的选中所需要的数据，得到索道选中标签，更为高效。
3、本方案在进行偏移判断时，会先得到多个导轮区域，以及缆绳区域，通过偏移状态的判断策略进行偏移的判断。并在确定了偏移后，得到导轮中位点和缆绳中位点，最后结合导轮中位点和缆绳中位点计算得到缆绳的偏移量值。利用不同的提醒状态对不同的偏移量值进行突出显示，以有效提醒管理人员。
附图说明
图1是本发明实施例提供的一种基于视频监控模型的客运索道缆绳绳位动态监测方法的流程示意图；
图2是本发明实施例用于体现展示界面的示意图；
图3是本发明实施例用于体现未偏移状态的缆绳的示意图；
图4是本发明实施例用于体现待识别区域的示意图；
图5是本发明实施例用于体现偏移状态的缆绳的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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做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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“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。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
参见图1，是本发明实施例提供的一种基于视频监控模型的客运索道缆绳绳位动态监测方法的流程示意图，该基于视频监控模型的客运索道缆绳绳位动态监测方法包括S1-S5：
S1，服务器根据客运索道的基础属性、摄像头的放置位置生成相对应的动态监测模型，所述动态监测模型所对应的展示界面至少包括每个摄像头所对应的展示框，将摄像头所获取的绳位视频于相应展示框内显示。
参见图2，可以理解的是，客运索道有上行侧上索道、下行侧下索道、上行侧下索道、下行侧上索道的基础属性，本方案的服务器会确定客运索道的基础属性。同时，本方案会结合摄像头的放置位置生成相对应的动态监测模型。
上述的动态监测模型包括展示界面，展示界面内会包括多个展示框，展示框与摄像头一一对应。服务器会将摄像头所采集的绳位视频于相应展示框内显示。
在一些实施例中，服务器根据客运索道的基础属性、摄像头的放置位置生成相对应的动态监测模型，所述动态监测模型所对应的展示界面至少包括每个摄像头所对应的展示框，将摄像头所获取的绳位视频于相应展示框内显示，包括S11- S13：
S11，服务器根据客运索道的基础属性确定每个监测位置处的位置信息，根据摄像头的放置位置与相应的位置信息对应设置。
服务器会结合客运索道的基础属性确定每个监测位置处的位置信息，然后将摄像头的放置位置与相应的位置信息对应设置，以实现采集视频与展示框的对应设置。
S12，根据所述位置信息的数量生成动态监测模型的展示界面，每个位置信息具有相对应的摄像头和展示界面的展示框。
可以理解的是，由于一个位置信息对应一个摄像头，因此，本方案会结合位置信息的数量生成动态监测模型的展示界面，每个位置信息具有相对应的摄像头和展示界面的展示框，以实现数据的对应展示。
S13，服务器获取任意摄像头采集的绳位视频后将相应的绳位视频于相应展示框内显示。
服务器会得到任意摄像头采集的绳位视频，然后将相应的绳位视频于相应展示框内显示，实现将相应的绳位视频展示在相应的位置处。
S2，服务器生成与所述客运索道所对应的索道孪生示意模型，在索道孪生示意模型中摄像头的相对放置位置生成孪生模型节点，将孪生模型节点与展示框对应设置。
服务器会生成与客运索道所对应的索道孪生示意模型，该生成技术采用现有技术中孪生技术即可。得到的索道孪生示意模型是包括整个索道的数据，例如包括索道的两端的导轮，以及索道中间的缆绳。
服务器会在索道孪生示意模型中摄像头的相对放置位置生成孪生模型节点，然后将孪生模型节点与展示框对应设置，实现对孪生模型节点位置的配置。
在一些实施例中，服务器生成与所述客运索道所对应的索道孪生示意模型，在索道孪生示意模型中摄像头的相对放置位置生成孪生模型节点，将孪生模型节点与展示框对应设置，包括S21- S23：
S21，服务器接收用户的模型配置数据生成相对应的索道孪生示意模型，根据用户对索道孪生示意模型的区域段配置得到索道边缘区域和索道中间区域。
服务器会结合用户的模型配置数据生成相对应的索道孪生示意模型，模型配置数据是转换为孪生数据所需要的数据，其可以是管理员配置的。
在得到索道孪生示意模型后，本方案可以根据用户对索道孪生示意模型的区域段配置得到索道边缘区域和索道中间区域，以实现对索道孪生示意模型的调整。
其中，服务器接收用户的模型配置数据生成相对应的索道孪生示意模型，根据用户对索道孪生示意模型的区域段配置得到索道边缘区域和索道中间区域，包括S211-S213：
S211，所述模型配置数据包括相对应的孪生图像以及孪生图像的位置关系，基于所述孪生图像以及孪生图像的位置关系生成相对应的索道孪生示意模型。
在实际应用中，模型配置数据包括相对应的孪生图像以及孪生图像的位置关系，其可以是管理员配置的。其中，孪生图像可以是索道边缘、索道缆绳等部位对应的孪生图像，位置关系为相应部位之间的相对位置。本方案会结合孪生图像以及孪生图像的位置关系生成相对应的索道孪生示意模型。
S212，根据用户对孪生图像所添加的索道边缘标签或索道中间标签将索道孪生示意模型分为索道边缘区域和索道中间区域。
值得一提的是，用户会结合孪生图像的不同，预先为孪生图像配置不同的标签。例如，针对索道边缘的孪生图像，可以为其配置索道边缘标签；针对索道中间的孪生图像，可以为其配置索道中间标签。
可以理解的是，通过上述标签，可以将索道孪生示意模型分为索道边缘区域和索道中间区域。
S213，根据索道中间区域处孪生图像的位置关系生成相对应的位置标签。
值得一提的是，索道的缆绳较长，其可以对应多个孪生图像，因此，索道中间区域处孪生图像也会有多个。本方案会结合索道中间区域处孪生图像的位置关系生成相对应的位置标签。
示例性的，索道中间区域处有5个孪生图像，可以按照顺序对孪生图像依次编号，例如是编号1、2、3、4、5，得到位置标签。
S22，若判断用户选中索道中间区域内的索道线路对应的孪生图像，则对相应的索道线路折叠隐藏显示，以实现对索道中间区域缩短处理得到缩短后的索道孪生示意模型。
由于索道中间区域处孪生图像较多，索道中间区域较长，会影响其展示效果，本方案提供了用户调整索道中间区域长度的方案，可以对其进行缩短处理。
在判断用户选中索道中间区域内的索道线路对应的孪生图像时，可以认为用户有缩短需求，此时，本方案可以对相应的索道线路进行折叠隐藏显示，以实现对索道中间区域缩短处理得到缩短后的索道孪生示意模型。
其中，若判断用户选中索道中间区域内的索道线路对应的孪生图像，则对相应的索道线路折叠隐藏显示，以实现对索道中间区域缩短处理得到缩短后的索道孪生示意模型，包括S221- S224：
S221，若判断用户按照预设选中方式选中索道中间区域内任意的孪生图像，则在索道孪生示意模型中对索道中间区域的孪生图像的索道中间标签显示，并生成相对应的标签选中交互界面。
如果判断用户按照预设选中方式选中索道中间区域内任意的孪生图像，说明用户需要对索道中间区域进行调整。其中，预设选中方式可以是点击的方式进行选中。
此时，本方案会在索道孪生示意模型中对索道中间区域的孪生图像的索道中间标签进行显示，并生成相对应的标签选中交互界面，用户可以利用标签选中交互界面进行交互。
S222，若判断用户与标签选中交互界面的独立交互栏目交互，则基于独立交互栏目接收相对应的索道选中标签。
需要说明的是，本方案的标签选中交互界面为了贴合用户的需求，设置了两种方式，一种是独立交互栏目交互，另一种是批量交互栏目交互。
如果判断用户与标签选中交互界面的独立交互栏目交互，则说明用户想要一个个选中，此时，本方案会利用独立交互栏目接收相对应的索道选中标签。例如，用户点击了标签1，那么索道选中标签就为标签1。
S223，若判断用户与标签选中交互界面的批量交互栏目交互，则基于批量交互栏目确定区间边缘的2个索道边缘标签，统计2个区间边缘的索道边缘标签、以及2个区间边缘的索道边缘标签之间的其他索道中间标签得到索道选中标签。
独立交互栏目交互的方式针对少数的选中需求而言较为适用，在选中需求较多时，该方式效率较低，因此，本方案还提供了批量交互栏目交互。
本方案在判断用户与标签选中交互界面的批量交互栏目交互时，会基于批量交互栏目确定区间边缘的2个索道边缘标签，例如有10个标签，用户选中了3和6，那么索道边缘标签分别为3和6。
同时，统计2个区间边缘的索道边缘标签、以及2个区间边缘的索道边缘标签之间的其他索道中间标签得到索道选中标签。例如，索道选中标签为3、4、5、6。
可以理解的是，通过上述方式，可以批量的选中所需要的数据，得到索道选中标签，更为高效。
S224，对索道选中标签对应的孪生图像隐藏显示处理，并将与索道选中标签所连接相邻未被隐藏的孪生图像直接连接。
本方案会对索道选中标签对应的孪生图像进行隐藏显示处理，并将与索道选中标签所连接相邻未被隐藏的孪生图像直接连接，具体的连接方式参见下文阐述。
在一些实施例中，对索道选中标签对应的孪生图像隐藏显示处理，并将与索道选中标签所连接相邻未被隐藏的孪生图像直接连接，包括：
确定每个索道选中标签的相邻的孪生图像所对应的相邻标签，若所述相邻标签也为索道选中标签则不再对其选中。
首先，本方案会确定每个索道选中标签的相邻的孪生图像所对应的相邻标签。例如，针对选中的标签3而言，其相邻的为标签2和标签4；针对选中的标签6而言，其相邻的为标签5和标签7。
如果相邻标签也为索道选中标签则不再对其选中，例如，标签4和标签5为索道选中标签，此时，本方案不再对其选中。
若所述相邻标签不为索道选中标签则对其选中作为待连接的索道中间标签，将两个待连接的索道中间标签对应的孪生图像作为未被隐藏的孪生图像直接连接。
可以理解的是，通过上述方式，可以得到标签5和标签7作为待连接的索道中间标签。
在得到待连接的索道中间标签之后，本方案可以将两个待连接的索道中间标签对应的孪生图像作为未被隐藏的孪生图像直接连接，实现对索道中间区域的缩短。
S23，接收用户对索道边缘区域处不同位置所选定的孪生图像并添加相对应的位置信息，基于摄像头的放置位置与位置信息的对应关系生成孪生模型节点，并将孪生模型节点与展示框对应设置。
本方案会接收用户对索道边缘区域处不同位置所选定的孪生图像并添加相对应的位置信息，该过程为用户主动配置的过程，以使得位置相对应。
在位置配置完成后，本方案会结合摄像头的放置位置与位置信息的对应关系生成孪生模型节点，然后将孪生模型节点与展示框对应设置，实现对孪生模型节点的配置。
S3，动态监测模型基于绳位模型库对绳位视频进行识别，确定相对应的导轮得到导轮区域，基于所述导轮区域对缆绳识别确定与每个导轮区域相对应的缆绳区域。
本方案的动态监测模型会结合绳位模型库对绳位视频进行识别，确定相对应的导轮得到导轮区域。在确定导轮区域后，会结合导轮区域对缆绳识别确定与每个导轮区域相对应的缆绳区域。
在一些实施例中，动态监测模型基于绳位模型库对绳位视频进行识别，确定相对应的导轮得到导轮区域，基于所述导轮区域对缆绳识别确定与每个导轮区域相对应的缆绳区域，包括S31- S32：
S31，动态监测模型对绳位视频中的元素进行识别，并与绳位模型库内预先训练配置的导轮和/缆绳进行比对，对绳位视频中的导轮进行定位得到相对应的导轮区域，每个导轮对应一个导轮区域。
首先，利用对应的摄像头采集绳位视频，绳位视频包括导轮和缆绳的图像。
本方案的动态监测模型经过训练以识别导轮、缆绳相关元素。该模型可以采用深度学习技术，例如卷积神经网络（CNN）或循环神经网络（RNN）等。
将绳位视频传送给动态监测模型后，以进行元素的识别，模型会对视频帧进行分析，识别导轮和缆绳等元素的位置。一旦导轮被识别并验证，系统将确定每个导轮的位置，并生成相应的导轮区域。这些导轮区域定义了每个导轮在视频帧中的精确位置。
S32，对所述绳位视频中的图像进行坐标化处理，基于所述导轮所对应像素点的坐标生成对缆绳的待识别区域，绳位模型库对待识别区域内的缆绳识别确定与每个导轮区域相对应的缆绳区域。
本方案为了得到缆绳区域，会对绳位视频中的图像进行坐标化处理。
之后，会确定导轮所对应像素点的坐标生成对缆绳的待识别区域，最后利用绳位模型库对待识别区域内的缆绳进行识别，确定与每个导轮区域相对应的缆绳区域。
其中，对所述绳位视频中的图像进行坐标化处理，基于所述导轮所对应像素点的坐标生成对缆绳的待识别区域，绳位模型库对待识别区域内的缆绳识别确定与每个导轮区域相对应的缆绳区域，包括S321- S323：
S321，获取导轮所对应的像素点的坐标极值，基于所述坐标极值生成相对应的区域线，所述区域线包括横坐标极大线、横坐标极小线、纵坐标极大线以及纵坐标极小线。
参见图3和图4，首先，本方案会得到导轮所对应的像素点的坐标极值，坐标极值为横坐标极大值、横坐标极小值、纵坐标极大值以及纵坐标极小值。
之后，本方案会结合横坐标极大值、横坐标极小值、纵坐标极大值以及纵坐标极小值，生成相对应的区域线，可以理解的是，得到的区域线包括横坐标极大线、横坐标极小线、纵坐标极大线以及纵坐标极小线。
S322，确定所述区域线所对应的区域作为对缆绳的待识别区域，绳位模型库对待识别区域内的缆绳识别得到缆绳以及相对应的缆绳像素点。
参见图4，在得到区域线后，本方案会确定区域线所对应的区域作为对缆绳的待识别区域。可以理解的是，待识别区域是包括所有导轮的方形区域。
在得到待识别区域后，绳位模型库会对待识别区域内的缆绳识别得到缆绳以及相对应的缆绳像素点。其中，缆绳像素点具有预设的识别像素区间。
S323，根据所述缆绳的移动方向确定每个导轮区域的横坐标区间或纵坐标区间，基于所述横坐标区间或纵坐标区间对相应区间内的缆绳像素点筛选，得到每个导轮区域对应的缆绳区域。
可以理解的是，由于索道的运行方向不一样，导致缆绳的移动方向也不一样。例如，有上下运行的，有左右运行的，本方案会结合缆绳的移动方向的不同，确定不同的数据进行后续的处理。
示例性的，参见图3和图4，缆绳的移动方向为上下运行的，因此，导轮也是上下排布的。
在图3和图4示例的基础上，本方案会根据缆绳的移动方向确定每个导轮区域的纵坐标区间，然后结合纵坐标区间对相应区间内的缆绳像素点筛选，得到每个导轮区域对应的缆绳区域，实现对缆绳的划分，使其缆绳区域与对应的导轮区域相匹配。
可以理解的是，如果是左右运行的，导轮需要左右排布，那么上述所确定的纵坐标区间需要修改为横坐标区间，进行左右的划分。
S4，对导轮区域的中部识别若判断缆绳存在偏移状态，则获取导轮区域中存在偏移状态的导轮中位点，以及与所述导轮中位点相对应缆绳区域的缆绳中位点。
本方案会对导轮区域的中部识别，在得到识别结果后，对识别结果进行判断，如果判断缆绳存在偏移状态，则本方案需要导轮区域中存在偏移状态的导轮中位点，以及与导轮中位点相对应缆绳区域的缆绳中位点。
其中，对导轮区域的中部识别若判断缆绳存在偏移状态，则获取导轮区域中存在偏移状态的导轮中位点，以及与所述导轮中位点相对应缆绳区域的缆绳中位点，包括S41-S44：
S41，生成与每个导轮区域对应的中部识别框，将所述中部识别框的中心点与导轮区域的中心点校准设置后获取中部识别框内像素点的像素值。
需要说明的是，本方案预设有中部识别框，其可以是管理员预设的方向框。中部识别框是对应导轮区域中间位置处与缆绳相接的区域。
本方案会得到与每个导轮区域对应的中部识别框，然后将中部识别框的中心点与导轮区域的中心点进行校准设置，实现对中部识别框的定位。
在对中部识别框定位后，本方案会得到中部识别框内像素点的像素值。
S42，若像素值为缆绳非偏移状态下的像素值则判断缆绳不存在偏移状态。
值得一提的是，缆绳偏移和不偏移时，导轮区域对应的中部识别框内的像素值是不同的。参见图5，如果缆绳偏移，导轮区域对应的中部识别框内的像素值是存在黑色像素值的，因为导轮区域对应的中间卡槽处是黑色的；反之，参见图3，如果缆绳未偏移，那么导轮区域对应的中部识别框内的像素值是不存在黑色像素值的，因为导轮区域对应的中间卡槽被缆绳覆盖，黑色像素值被遮挡。需要说明的是，在实际应用中，也可以在导轮的卡槽涂抹所需要的颜色，例如是红色、黄色等容易区分的颜色。
因此，参见图3，如果缆绳未偏移，那么中部识别框内像素点的像素值为缆绳非偏移状态下的像素值，即缆绳的像素值，则判断缆绳不存在偏移状态。
S43，若像素值为缆绳偏移状态下的像素值则判断缆绳存在偏移状态，确定为缆绳偏移状态下的像素值所对应的偏移像素点，并根据偏移像素点的横坐标或纵坐标确定相对应的导轮中位点。
如果像素值为缆绳偏移状态下的像素值，即存在黑色的像素值，则本方案会判断缆绳存在偏移状态。
在偏移状态下，需要确定为缆绳偏移状态下的像素值所对应的偏移像素点，并结合偏移像素点的横坐标或纵坐标确定相对应的导轮中位点。
示例性的，参见图5，由于缆绳是上下运行，左右偏移，所以可以通过偏移像素点的横坐标确定相对应的导轮中位点。在缆绳是左右运行，上下偏移时，可以通过偏移像素点的纵坐标确定相对应的导轮中位点。
其中，通过纵坐标确定相对应的导轮中位点的方式，可以是确定导轮区域内与偏移像素点的纵坐标相同的所有横坐标作为一组坐标数据，然后找到该组坐标数据中最大值（最右边的横坐标）和最小值（最左边的横坐标），然后取最大值（最右边的横坐标）和最小值（最左边的横坐标）的中间值，即可得到导轮中位点。同理，采用横坐标的计算原理类似，不再赘述。
S44，获取与导轮中位点的横坐标或纵坐标相对应缆绳的缆绳中位点，所述横坐标或纵坐标与所述的横坐标区间或纵坐标区间对应。
同时，本方案会确定与导轮中位点的横坐标或纵坐标相对应缆绳的缆绳中位点，其中，横坐标或纵坐标与横坐标区间或纵坐标区间对应。
与步骤S43同理，本方案在得到导轮中位点的横坐标或纵坐标后，会确定缆绳对应横坐标或纵坐标的缆绳中位点。例如，以纵坐标为例，可以找到与缆绳像素点中与纵坐标相同的所有横坐标作为一组坐标数据，然后找到该组坐标数据中最大值（最右边的横坐标）和最小值（最左边的横坐标），然后取最大值（最右边的横坐标）和最小值（最左边的横坐标）的中间值，即可得到缆绳中位点。
S5，基于所述导轮中位点、缆绳中位点计算得到缆绳的偏移量值，基于所述偏移量值对相应展示框内的绳位视频及孪生模型节点突出显示。
在得到导轮中位点和缆绳中位点后，本方案可以结合导轮中位点和缆绳中位点计算得到缆绳的偏移量值，最后结合偏移量值对相应展示框内的绳位视频及孪生模型节点突出显示，以对用户进行提醒。
在一些实施例中，基于所述导轮中位点、缆绳中位点计算得到缆绳的偏移量值，基于所述偏移量值对相应展示框内的绳位视频及孪生模型节点突出显示，包括S51- S53：
S51，根据所述移动方向确定导轮中位点、缆绳中位点进行偏移计算的横坐标值或纵坐标值，基于所述横坐标值或纵坐标值之间的差值得到偏移量值。
首先，本方案会根据移动方向确定导轮中位点、缆绳中位点进行偏移计算的横坐标值或纵坐标值，然后利用横坐标值或纵坐标值之间的差值得到偏移量值。
示例性的，以移动方向为上下为例，进行偏移计算的为横坐标值，即找到导轮中位点、缆绳中位点的横坐标值进行求差计算，得到偏移量值。可以理解的是，实际偏移越大，得到的偏移量值也会越大。
S52，将所述偏移量值与预设偏移区间比对得到相对应的显示状态，每个预设偏移区间具有预设的显示状态。
本方案为了进行不同偏移程度的提醒，会设置多个预设偏移区间，每个预设偏移区间具有预设的显示状态。在得到偏移量值后，本方案可以将偏移量值与预设偏移区间比对得到相对应的显示状态。值得一提的是，上述的偏移量值可以取一个最大的偏移量值，以代表最大的偏离程度，在下述显示的方案中，也可以显示最大偏离程度对应的显示状态。
S53，对相应展示框内的绳位视频、孪生模型节点的孪生图像按照预设的显示状态突出显示。
在得到显示状态后，本方案会对相应展示框内的绳位视频、孪生模型节点的孪生图像按照预设的显示状态突出显示。预设的显示状态可以是预设的显示颜色，例如是红色、黄色等。
本发明还提供一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific IntegratedCircuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和存储介质也可以作为分立组件存在于通信设备中。存储介质可以是只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在存储介质中。设备的至少一个处理器可以从存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中，应理解，处理器可以是中央处理单元（英文：Central Processing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：Digital Signal Processor，简称：DSP）、专用集成电路（英文：Application SpecificIntegrated Circuit，简称：ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各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。
Claims (6)
1.基于视频监控模型的客运索道缆绳绳位动态监测方法，其特征在于，包括：
服务器根据客运索道的基础属性、摄像头的放置位置生成相对应的动态监测模型，所述动态监测模型所对应的展示界面至少包括每个摄像头所对应的展示框，将摄像头所获取的绳位视频于相应展示框内显示，其中，客运索道有上行侧上索道、下行侧下索道、上行侧下索道、下行侧上索道的基础属性；
服务器生成与所述客运索道所对应的索道孪生示意模型，在索道孪生示意模型中摄像头的相对放置位置生成孪生模型节点，将孪生模型节点与展示框对应设置；
动态监测模型基于绳位模型库对绳位视频进行识别，确定相对应的导轮得到导轮区域，基于所述导轮区域对缆绳识别确定与每个导轮区域相对应的缆绳区域；
所述动态监测模型基于绳位模型库对绳位视频进行识别，确定相对应的导轮得到导轮区域，基于所述导轮区域对缆绳识别确定与每个导轮区域相对应的缆绳区域，包括：
动态监测模型对绳位视频中的元素进行识别，并与绳位模型库内预先训练配置的导轮和/或缆绳进行比对，对绳位视频中的导轮进行定位得到相对应的导轮区域，每个导轮对应一个导轮区域；
对所述绳位视频中的图像进行坐标化处理，基于所述导轮所对应像素点的坐标生成对缆绳的待识别区域，绳位模型库对待识别区域内的缆绳识别确定与每个导轮区域相对应的缆绳区域；
所述对所述绳位视频中的图像进行坐标化处理，基于所述导轮所对应像素点的坐标生成对缆绳的待识别区域，绳位模型库对待识别区域内的缆绳识别确定与每个导轮区域相对应的缆绳区域，包括：
获取导轮所对应的像素点的坐标极值，基于所述坐标极值生成相对应的区域线，所述区域线包括横坐标极大线、横坐标极小线、纵坐标极大线以及纵坐标极小线；
确定所述区域线所对应的区域作为对缆绳的待识别区域，绳位模型库对待识别区域内的缆绳识别得到缆绳以及相对应的缆绳像素点；
根据所述缆绳的移动方向确定每个导轮区域的横坐标区间或纵坐标区间，基于所述横坐标区间或纵坐标区间对相应区间内的缆绳像素点筛选，得到每个导轮区域对应的缆绳区域；
对导轮区域的中部识别若判断缆绳存在偏移状态，则获取导轮区域中存在偏移状态的导轮中位点，以及与所述导轮中位点相对应缆绳区域的缆绳中位点；
基于所述导轮中位点、缆绳中位点计算得到缆绳的偏移量值，基于所述偏移量值对相应展示框内的绳位视频及孪生模型节点突出显示；
所述对导轮区域的中部识别若判断缆绳存在偏移状态，则获取导轮区域中存在偏移状态的导轮中位点，以及与所述导轮中位点相对应缆绳区域的缆绳中位点，包括：
生成与每个导轮区域对应的中部识别框，将所述中部识别框的中心点与导轮区域的中心点校准设置后获取中部识别框内像素点的像素值；
若像素值为缆绳非偏移状态下的像素值则判断缆绳不存在偏移状态；
若像素值为缆绳偏移状态下的像素值则判断缆绳存在偏移状态，确定为缆绳偏移状态下的像素值所对应的偏移像素点，并根据偏移像素点的横坐标或纵坐标确定相对应的导轮中位点；
获取与导轮中位点的横坐标或纵坐标相对应缆绳的缆绳中位点，所述横坐标或纵坐标与所述的横坐标区间或纵坐标区间对应；
所述基于所述导轮中位点、缆绳中位点计算得到缆绳的偏移量值，基于所述偏移量值对相应展示框内的绳位视频及孪生模型节点突出显示，包括：
根据所述缆绳的移动方向确定导轮中位点、缆绳中位点进行偏移计算的横坐标值或纵坐标值，基于所述横坐标值或纵坐标值之间的差值得到偏移量值；
将所述偏移量值与预设偏移区间比对得到相对应的显示状态，每个预设偏移区间具有预设的显示状态；
对相应展示框内的绳位视频、孪生模型节点的孪生图像按照预设的显示状态突出显示。
2.根据权利要求1所述的基于视频监控模型的客运索道缆绳绳位动态监测方法，其特征在于，
所述服务器根据客运索道的基础属性、摄像头的放置位置生成相对应的动态监测模型，所述动态监测模型所对应的展示界面至少包括每个摄像头所对应的展示框，将摄像头所获取的绳位视频于相应展示框内显示，包括：
服务器根据客运索道的基础属性确定每个监测位置处的位置信息，根据摄像头的放置位置与相应的位置信息对应设置；
根据所述位置信息的数量生成动态监测模型的展示界面，每个位置信息具有相对应的摄像头和展示界面的展示框；
服务器获取任意摄像头采集的绳位视频后将相应的绳位视频于相应展示框内显示。
3.根据权利要求2所述的基于视频监控模型的客运索道缆绳绳位动态监测方法，其特征在于，
所述服务器生成与所述客运索道所对应的索道孪生示意模型，在索道孪生示意模型中摄像头的相对放置位置生成孪生模型节点，将孪生模型节点与展示框对应设置，包括：
服务器接收用户的模型配置数据生成相对应的索道孪生示意模型，根据用户对索道孪生示意模型的区域段配置得到索道边缘区域和索道中间区域；
若判断用户选中索道中间区域内的索道线路对应的孪生图像，则对相应的索道线路折叠隐藏显示，以实现对索道中间区域缩短处理得到缩短后的索道孪生示意模型；
接收用户对索道边缘区域处不同位置所选定的孪生图像并添加相对应的位置信息，基于摄像头的放置位置与位置信息的对应关系生成孪生模型节点，并将孪生模型节点与展示框对应设置。
4.根据权利要求3所述的基于视频监控模型的客运索道缆绳绳位动态监测方法，其特征在于，
所述服务器接收用户的模型配置数据生成相对应的索道孪生示意模型，根据用户对索道孪生示意模型的区域段配置得到索道边缘区域和索道中间区域，包括：
所述模型配置数据包括相对应的孪生图像以及孪生图像的位置关系，基于所述孪生图像以及孪生图像的位置关系生成相对应的索道孪生示意模型；
根据用户对孪生图像所添加的索道边缘标签或索道中间标签将索道孪生示意模型分为索道边缘区域和索道中间区域；
根据索道中间区域处孪生图像的位置关系生成相对应的位置标签。
5.根据权利要求4所述的基于视频监控模型的客运索道缆绳绳位动态监测方法，其特征在于，
所述若判断用户选中索道中间区域内的索道线路对应的孪生图像，则对相应的索道线路折叠隐藏显示，以实现对索道中间区域缩短处理得到缩短后的索道孪生示意模型，包括：
若判断用户按照预设选中方式选中索道中间区域内任意的孪生图像，则在索道孪生示意模型中对索道中间区域的孪生图像的索道中间标签显示，并生成相对应的标签选中交互界面；
若判断用户与标签选中交互界面的独立交互栏目交互，则基于独立交互栏目接收相对应的索道选中标签；
若判断用户与标签选中交互界面的批量交互栏目交互，则基于批量交互栏目确定区间边缘的2个索道边缘标签，统计2个区间边缘的索道边缘标签、以及2个区间边缘的索道边缘标签之间的其他索道中间标签得到索道选中标签；
对索道选中标签对应的孪生图像隐藏显示处理，并将与索道选中标签所连接相邻未被隐藏的孪生图像直接连接。
6.根据权利要求5所述的基于视频监控模型的客运索道缆绳绳位动态监测方法，其特征在于，
所述对索道选中标签对应的孪生图像隐藏显示处理，并将与索道选中标签所连接相邻未被隐藏的孪生图像直接连接，包括：
确定每个索道选中标签的相邻的孪生图像所对应的相邻标签，若所述相邻标签也为索道选中标签则不再对其选中；
若所述相邻标签不为索道选中标签则对其选中作为待连接的索道中间标签，将两个待连接的索道中间标签对应的孪生图像作为未被隐藏的孪生图像直接连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311213320.0A CN117079218B (zh) | 2023-09-20 | 2023-09-20 | 基于视频监控的客运索道缆绳绳位动态监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311213320.0A CN117079218B (zh) | 2023-09-20 | 2023-09-20 | 基于视频监控的客运索道缆绳绳位动态监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117079218A CN117079218A (zh) | 2023-11-17 |
| CN117079218B true CN117079218B (zh) | 2024-03-08 |
Family
ID=88715449
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311213320.0A Active CN117079218B (zh) | 2023-09-20 | 2023-09-20 | 基于视频监控的客运索道缆绳绳位动态监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117079218B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015219107A (ja) * | 2014-05-16 | 2015-12-07 | 株式会社タダノ | カメラ姿勢検出装置 |
| CN111695234A (zh) * | 2020-04-23 | 2020-09-22 | 中国电子科技集团公司第三十八研究所 | 基于数字孪生的系留气球系统远程监控平台 |
| WO2021004402A1 (zh) * | 2019-07-05 | 2021-01-14 | 深圳数字生命研究院 | 图像识别方法及装置、存储介质和处理器 |
| CN213422178U (zh) * | 2020-09-09 | 2021-06-11 | 山东省地质矿产勘查开发局第一地质大队（山东省第一地质矿产勘查院） | 监测缆绳变化以确保客运索道安全的智能视频监控设备 |
| CN114022671A (zh) * | 2021-11-11 | 2022-02-08 | 中国矿业大学 | 一种基于残差神经网络的索道缆绳绳位智能识别方法 |
| CN114399068A (zh) * | 2022-01-10 | 2022-04-26 | 昭通亮风台信息科技有限公司 | 基于bim的道路生命周期信息管理系统和方法 |
| CN217299074U (zh) * | 2022-04-20 | 2022-08-26 | 徐州徐工基础工程机械有限公司 | 基于图像识别的悬吊式双轮铣削搅拌机刀架偏移检测系统 |
| CN115620192A (zh) * | 2022-09-28 | 2023-01-17 | 芜湖百得思维信息科技有限公司 | 一种高空作业安全绳穿戴检测的方法和装置 |
| CN115660429A (zh) * | 2022-12-29 | 2023-01-31 | 南京数信智能科技有限公司 | 适用于水泥智能制造的数据处理方法及装置 |
| CN115797316A (zh) * | 2022-12-16 | 2023-03-14 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 重载绳监测方法、装置、计算机设备及介质 |
| CN116040514A (zh) * | 2023-01-10 | 2023-05-02 | 海鹰企业集团有限责任公司 | 一种实现深海吊放小型多功能绞车 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11198591B2 (en) * | 2015-01-30 | 2021-12-14 | Tk Elevator Innovation And Operations Gmbh | Real-time rope/cable/belt sway monitoring system for elevator application |
| CN106185627B (zh) * | 2016-07-06 | 2020-09-08 | 林汉丁 | 吊钩偏角监测装置、垂直吊装监控装置及移动式起重机 |
-
2023
- 2023-09-20 CN CN202311213320.0A patent/CN117079218B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015219107A (ja) * | 2014-05-16 | 2015-12-07 | 株式会社タダノ | カメラ姿勢検出装置 |
| WO2021004402A1 (zh) * | 2019-07-05 | 2021-01-14 | 深圳数字生命研究院 | 图像识别方法及装置、存储介质和处理器 |
| CN111695234A (zh) * | 2020-04-23 | 2020-09-22 | 中国电子科技集团公司第三十八研究所 | 基于数字孪生的系留气球系统远程监控平台 |
| CN213422178U (zh) * | 2020-09-09 | 2021-06-11 | 山东省地质矿产勘查开发局第一地质大队（山东省第一地质矿产勘查院） | 监测缆绳变化以确保客运索道安全的智能视频监控设备 |
| CN214407465U (zh) * | 2020-09-09 | 2021-10-15 | 山东省地质矿产勘查开发局第一地质大队（山东省第一地质矿产勘查院） | 基于缆绳绳位变化图像识别的轨道状态监测和预警装置 |
| CN114022671A (zh) * | 2021-11-11 | 2022-02-08 | 中国矿业大学 | 一种基于残差神经网络的索道缆绳绳位智能识别方法 |
| CN114399068A (zh) * | 2022-01-10 | 2022-04-26 | 昭通亮风台信息科技有限公司 | 基于bim的道路生命周期信息管理系统和方法 |
| CN217299074U (zh) * | 2022-04-20 | 2022-08-26 | 徐州徐工基础工程机械有限公司 | 基于图像识别的悬吊式双轮铣削搅拌机刀架偏移检测系统 |
| CN115620192A (zh) * | 2022-09-28 | 2023-01-17 | 芜湖百得思维信息科技有限公司 | 一种高空作业安全绳穿戴检测的方法和装置 |
| CN115797316A (zh) * | 2022-12-16 | 2023-03-14 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 重载绳监测方法、装置、计算机设备及介质 |
| CN115660429A (zh) * | 2022-12-29 | 2023-01-31 | 南京数信智能科技有限公司 | 适用于水泥智能制造的数据处理方法及装置 |
| CN116040514A (zh) * | 2023-01-10 | 2023-05-02 | 海鹰企业集团有限责任公司 | 一种实现深海吊放小型多功能绞车 |
Non-Patent Citations (2)
| Title |
|---|
| Doppelmayr钢丝绳绳位检测系统工作原理及维护技巧;胡明胜;《电气技术》(第12期);第70-73页 * |
| 钢丝绳视觉无损检测与评估方法研究;周坪;《中国优秀博硕士学位论文全文数据库(博士)》(第02期);第1-162页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117079218A (zh) | 2023-11-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019228211A1 (zh) | 基于车道线的智能驾驶控制方法和装置、电子设备 | |
| US10489679B2 (en) | Visualizing and updating long-term memory percepts in a video surveillance system | |
| US20200026936A1 (en) | Vehicle lamp detection methods and apparatuses, methods and apparatuses for implementing intelligent driving, media and devices | |
| US20080298636A1 (en) | Method for detecting water regions in video | |
| US20100195899A1 (en) | Detection of people in real world videos and images | |
| CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
| CN110458198B (zh) | 多分辨率目标识别方法及装置 | |
| KR102558704B1 (ko) | 목표 검출 방법 및 장치, 컴퓨터 시스템 및 판독 가능 저장 매체 | |
| EP3945465B1 (en) | Method, electronic apparatus and storage medium for detecting a static logo of a video | |
| CN109460787A (zh) | 入侵检测模型建立方法、装置及数据处理设备 | |
| CN112580558A (zh) | 红外图像目标检测模型构建方法、检测方法、装置及系统 | |
| US20110280442A1 (en) | Object monitoring system and method | |
| CN115410150A (zh) | 传送带跑偏的检测方法、检测装置和处理器 | |
| CN115690496A (zh) | 基于YOLOv5的实时区域入侵检测方法 | |
| CN113947714B (zh) | 一种视频监控和遥感的多模态协同优化方法及系统 | |
| CN117079218B (zh) | 基于视频监控的客运索道缆绳绳位动态监测方法 | |
| US20210027463A1 (en) | Video image processing and motion detection | |
| CN110316630B (zh) | 电梯摄像头安装角度的偏离预警方法及系统 | |
| CN105678268B (zh) | 一种基于双区域学习的地铁站场景行人计数实现方法 | |
| CN111597889A (zh) | 一种视频中目标移动的检测方法、装置及系统 | |
| CN115471773A (zh) | 一种面向智慧教室的学生跟踪方法及系统 | |
| CN114926631A (zh) | 目标框生成方法、装置、非易失性存储介质及计算机设备 | |
| CN114663980B (zh) | 行为识别方法、深度学习模型的训练方法及装置 | |
| US11869198B2 (en) | Method for identifying still objects from video | |
| CN116259021A (zh) | 一种车道线检测方法、存储介质和电子设备 |
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 |