CN117576633A - 一种基于机器视觉的社会治安防控体系智能感知系统 - Google Patents
一种基于机器视觉的社会治安防控体系智能感知系统 Download PDFInfo
- Publication number
- CN117576633A CN117576633A CN202410060686.7A CN202410060686A CN117576633A CN 117576633 A CN117576633 A CN 117576633A CN 202410060686 A CN202410060686 A CN 202410060686A CN 117576633 A CN117576633 A CN 117576633A
- Authority
- CN
- China
- Prior art keywords
- module
- trailing
- police
- alarm
- electrically connected
- 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
- 230000033001 locomotion Effects 0.000 claims abstract description 56
- 230000008447 perception Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims description 21
- 230000000007 visual effect Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000001815 facial effect Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 7
- 239000003550 marker Substances 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 208000027418 Wounds and injury Diseases 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000006378 damage Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 208000014674 injury Diseases 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 abstract description 8
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000010223 real-time analysis Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010330 laser marking Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000714 time series forecasting Methods 0.000 description 1
- 230000001052 transient 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- 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
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- 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
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19608—Tracking movement of a target, e.g. by detecting an object predefined as a target, using target direction and or velocity to predict its new position
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Alarm Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及应用于图像采集与处理领域的一种基于机器视觉的社会治安防控体系智能感知系统，该系统通过机器视觉和深度学习算法，实现了对人群运动状态的实时分析、尾随行为的识别与预警，该系统能够从监控图像中提取复杂特征，预测人群间的关系，并根据预测结果匹配尾随状态，触发声光报警系统并将尾随者信息发送给安保部门，以吓退潜在威胁，其目的在于提升公共场所的安全性，特别适用于城市化进程加速、人员流动频繁的地区，为社会安全问题提供创新的解决方案。
Description
技术领域
本发明涉及的一种基于机器视觉的社会治安防控体系智能感知系统，特别是涉及应用于图像采集与处理领域的一种基于机器视觉的社会治安防控体系智能感知系统的防尾随系统和处理方法。
背景技术
在当今社会，日益增长的安全问题日益引发关注。随着城市化进程的加速，人员流动越来越频繁，尤其是在拥挤的公共场所，人们更加容易成为不良行为的目标。其中，一种特别令人担忧的现象是尾随行为，这种行为不仅可能侵犯个人隐私，还可能导致个人安全风险。
为解决被尾随的问题，市场中的某社会治安防控体系采用与门禁相结合的设计，具有一定的市场占比。
中国发明专利CN201210297132.6说明书公开了一种敞开式校园防尾随系统，该系统将视频识别和RFID定位技术结合为一体，系统将RFID和视频检测产生的两种人员实时布置图对照比较，判别尾随现象的出现与否，并提供尾随现象的具体照片资料，供管理人员及时进行安全管理。
但在开放的公共场所中与门禁相结合的防尾随系统显然不适用，具有很大的局限性。
申请内容
针对上述现有技术，本发明要解决的技术问题是如何有效防止在人流密集的公共场所被尾随。
为解决上述问题，本发明提供了一种基于机器视觉的社会治安防控体系智能感知系统，包括警务平台和系统初始化模块，系统初始化模块上电连接有图像采集模块，且图像采集模块上电连接有标记分组模块，标记分组模块上电连接有特征提取计算模块，且特征提取计算模块上电连接有运动预测模块，运动预测模块上电连接有运动状态匹配模块，且运动状态匹配模块上电连接有尾随判断模块，尾随判断模块上电连接有吸引模块和声光报警模块，且吸引模块和声光报警模块与警务平台电连接，警务平台包括接警模块和出警派遣模块，出警派遣模块包括区域划分单元、嫌疑人追踪单元、警力协调单元和巡逻警力派遣单元。
在上述基于机器视觉的社会治安防控体系智能感知系统中，通过机器视觉和深度学习算法对尾随行为进行识别和预警。
作为本申请的进一步改进，包括以下操作步骤：
S1、系统初始化：在系统中设置一个时钟，作为图像采样的时基，通过系统初始化模块初始化机器学习模型，准备特征提取和特征预测所需的算法和参数；
S2、图像采集与初步处理：通过系统设置的时钟对监控区域的图像进行采集，而后对图像采集模块所采集到的图像进行初步的处理，再通过标记分组模块提取并标记图像中正在行走的人群，并且把人群按照行走方向分组；
S3、特征提取与处理：通过特征提取计算模块对人群进行特征提取，计算每组人群的行走速度、人与人之间的距离和个体特征，这些特征可以描述人群的运动状态、位置分布和个体特性；
S4、运动预测及个体之间的关系判断：利用机器学习算法建立人群特征与运动趋势之间的关系，通过运动预测模块进行运动预测，通过训练模型，学习特征与人群关系之间的规律，得到一个人群个体之间关系模型；
S5、运动状态匹配与尾随判断：根据特征预测模型，通过运动状态匹配模块对人群的运动状态及个体之间的关系进行预测，根据预测结果与机器训练的尾随状态模型进行匹配，通过尾随判断模块判断陌生个体间是否具有尾随的关系，判定成功后会发出声光警报吸引尾随者注意并拍照录像将判断结果发送至当地安保部门和警务部门；
S6、声光报警与信息发送：当系统判定A被B尾随后，会触发吸引模块和声光报警模块，首先通过吸引模块吸引尾随者的注意力并拍摄尾随者的面部和身体特征并把这些信息发送给当地的警务人员，随后警务平台派遣警员通过声光报警模块发出声音警报，吓退尾随者，并同时派出警力对被尾随人员进行现场保护。
作为本申请的再进一步改进，智能感知系统还包括特征信息库，且特征信息库与图像采集模块、特征提取计算模块和吸引模块电连接，特征信息库上还电连接有特征比对模块。
作为本申请的更进一步改进，包括以下操作步骤：
N1、将通过吸引模块所拍摄到的尾随者的面部和身体特征存录到特征信息库中并建档；
N2、图像采集模块所采集到的图像先通过特征提取计算模块提取到人群的面部和身体特征，然后通过特征比对模块与特征信息库中的特征进行比对，若比对上了则直接触发声光报警模块进行快速响应，并同时向警务平台发出预警；
N3、警务平台通过接警模块接收到警报，而后再通过出警派遣模块派出警力对被尾随者进行保护，通过区域划分单元来定位具体哪个区域发出了警报，然后通过嫌疑人追踪单元调动此区域内所有的摄像头对嫌疑人进行追踪定位，同时通过警力协调单元和巡逻警力派遣单元向此区域派出警力，一方面可以对被尾随者进行及时的保护以有力阻止进一步伤害事件的发生，另一方面还能对尾随者进行震慑和警告。
作为本申请的又一种改进，声光报警模块上还电连接有追踪标记模块，且追踪标记模块包括激光标记器，激光标记器包括自动追踪摄像头，且自动追踪摄像头上安装激光发射器，追踪标记模块与图像采集模块电连接，当尾随判断模块判定成功后，自动追踪摄像头随即跟踪尾随者，激光发射器跟随自动追踪摄像头移动，以此通过激光标记出尾随者，不仅起到进一步有效吓退的目的，而且也方便警务人员快速找到尾随者。
综上所述，本发明的有益效果为：
1、尾随行为识别和预警：系统能够准确分析人群的运动状态，及时识别出潜在的尾随行为，并通过声光报警吸引尾随者的注意，为潜在的受害者提供警示，从而有效预防不良事件的发生；
2、实时监测和反应：由于系统实时监测和处理图像，它能够在瞬息万变的环境中快速响应和判断，大大缩短了从识别到警示的时间，提高了处理紧急情况的能力；
3、精准的预测和判断：利用深度学习等算法，系统可以准确预测人群之间的关系和运动趋势，基于历史数据建立的模型使得判断尾随状态更加准确，减少了误报率；
4、自动化警示机制：一旦识别到尾随行为，系统自动启动声光报警，无需人工干预，确保了反应的迅速性和一致性，降低了漏报和延误的风险；
5、降低了人力成本：系统的自动化和智能化特性减少了需要人工监控和干预的需求，降低了人力资源成本，使得监控更加高效和经济；
6、公共场所安全增强：通过有效预防尾随行为，系统提升了公共场所的整体安全水平，增加了市民在人流密集区域的安全感，为城市居民提供更安心的生活环境。
附图说明
图1为本申请第一种实施方式的模块原理图；
图2为本申请第一种实施方式的系统流程图；
图3为本申请第二种实施方式的模块原理图；
图4为本申请第二种实施方式的模块图。
具体实施方式
下面结合附图对本申请的两种实施方式作详细说明。
第一种实施方式：
图1示出包括警务平台和系统初始化模块，系统初始化模块上电连接有图像采集模块，且图像采集模块上电连接有标记分组模块，标记分组模块上电连接有特征提取计算模块，且特征提取计算模块上电连接有运动预测模块，运动预测模块上电连接有运动状态匹配模块，且运动状态匹配模块上电连接有尾随判断模块，尾随判断模块上电连接有吸引模块和声光报警模块，且吸引模块和声光报警模块与警务平台电连接，警务平台包括接警模块和出警派遣模块，出警派遣模块包括区域划分单元、嫌疑人追踪单元、警力协调单元和巡逻警力派遣单元；
声光报警模块上还电连接有追踪标记模块，且追踪标记模块包括激光标记器，激光标记器包括自动追踪摄像头，且自动追踪摄像头上安装激光发射器，追踪标记模块与图像采集模块电连接，当尾随判断模块判定成功后，自动追踪摄像头随即跟踪尾随者，激光发射器跟随自动追踪摄像头移动，以此通过激光标记出尾随者，不仅起到进一步有效吓退的目的，而且也方便警务人员快速找到尾随者；
图1、2示出包括以下操作步骤：
S1、系统初始化：在系统中设置一个时钟，作为图像采样的时基（例如设置摄像头每隔100ms就会拍摄一张图片，则设置时基为100ms），通过系统初始化模块初始化机器学习模型，准备特征提取和特征预测所需的算法和参数；
S2、图像采集与初步处理：通过系统设置的时钟对监控区域的图像进行采集，而后对图像采集模块所采集到的图像进行初步的处理，再通过标记分组模块提取并标记图像中正在行走的人群，并且把人群按照行走方向分组（比如人群朝三个方向行走，则把人群分为三组）；
S2步骤中，摄像头按照所设定的固定频率进行拍照，随后会对所拍摄的图像进行初步处理，对采集到的图像进行处理时，会提取出画面中得到所有人物，之后根据拍摄到的几组不同的图像判断画面中的人的运动状态，把这些人先按照行走方向分组，同向行走的人为一组，为之后的运动检测及预测减少压力及资源；
S3、特征提取与处理：通过特征提取计算模块对人群进行特征提取，计算每组人群的行走速度、人与人之间的距离和个体特征，这些特征可以描述人群的运动状态、位置分布和个体特性，在此可以用光流法计算出人的行走速度，用欧氏距离来计算人与人的间距，特征则可以用卷积神经网络（CNN）来提取；
S3步骤中，对分组过后的人群进行分批处理，通过图像处理算法计算出每个的行走速度，每人之间的距离，每个人的特征，以提供之后的运动状态预测所需的数据，其中个人特征分为身高、体型、衣服颜色、装饰等，以防止混淆不同的人；
S4、运动预测及个体之间的关系判断：利用机器学习算法建立人群特征与运动趋势之间的关系，通过运动预测模块进行运动预测，通过训练模型，学习特征与人群关系之间的规律，得到一个人群个体之间关系模型，在此可以用时序预测（Time SeriesForecasting）或循环神经网络（RNN）等算法来进行运动趋势的预测，通过深度训练来确定个体之间的关系；
S4步骤中，利用机器学习算法建立人群特征与运动趋势之间的关系，进行运动预测，即确定每个人的运动状态，随后通过算法根据运动状态进行运动预测，得到每个人即将运动的状态，之后根据运动状态判断是否有尾随的情况，再通过训练模型，学习特征与人群关系之间的规律，得到个体之间关系模型，模型建立后，开始将每组的人进行关系绑定与标记，当多个人被确认为同行的好友之后，这些人会被标记为一个个体，不会对他们之间进行尾随检测；
S5、运动状态匹配与尾随判断：根据特征预测模型，通过运动状态匹配模块对人群的运动状态及个体之间的关系进行预测，根据预测结果与机器训练的尾随状态模型进行匹配，在此可以使用匹配算法，如模式匹配或相似性度量，将预测的运动状态与尾随状态模型进行比较判断，通过尾随判断模块判断陌生个体间是否具有尾随的关系，判定成功后会发出声光警报吸引尾随者注意并拍照录像将判断结果发送至当地安保部门和警务部门；
S5步骤中，尾随关系的数据需要事先进行机器训练，得到一个关于尾随的运动状态的模型，再根据预测出的状态与机器训练的尾随运动状态进行匹配，第一次匹配成功时，为防止随机情况出现，会先对尾随者B与被尾随者A进行标记和记录，并再次进行预测与判断，若再次判断成功时，则证明A被B尾随，若第二次判断不成功，则不会判定A被B尾随，但标记不会取消，系统会定时检测二者运动状态，直到再次判断成功，则判定为尾随，或者二者长时间脱离尾随判定界限则取消标记，长时间脱离尾随判定即双方有人转向或是停下等等；
S6、声光报警与信息发送：当系统判定A被B尾随后，会触发吸引模块和声光报警模块，首先通过吸引模块吸引尾随者的注意力并拍摄尾随者的面部和身体特征并把这些信息发送给当地的警务人员，随后警务平台派遣警员通过声光报警模块发出声音警报，吓退尾随者，并同时派出警力对被尾随人员进行现场保护；
S6步骤中，系统判定成功后会使用闪烁的灯光信号来吸引尾随者的注意力，让其转头面向摄像头，方便抓拍尾随者的面貌，一定程度上弥补了面部识别模糊不清的情况，发出灯光信号的同时会通过互联网或其他通信方式来通知当地的警务人员，并发出警报声吓退尾随者来保证被尾随者的安全。
第二种实施方式：
图3、4示出智能感知系统还包括特征信息库，且特征信息库与图像采集模块、特征提取计算模块和吸引模块电连接，特征信息库上还电连接有特征比对模块；
包括以下操作步骤：
N1、将通过吸引模块所拍摄到的尾随者的面部和身体特征存录到特征信息库中并建档；
N2、图像采集模块所采集到的图像先通过特征提取计算模块提取到人群的面部和身体特征，然后通过特征比对模块与特征信息库中的特征进行比对，若比对上了则直接触发声光报警模块进行快速响应，并同时向警务平台发出预警；
N3、警务平台通过接警模块接收到警报，而后再通过出警派遣模块派出警力对被尾随者进行保护，通过区域划分单元来定位具体哪个区域发出了警报，然后通过嫌疑人追踪单元调动此区域内所有的摄像头对嫌疑人进行追踪定位，同时通过警力协调单元和巡逻警力派遣单元向此区域派出警力，一方面可以对被尾随者进行及时的保护以有力阻止进一步伤害事件的发生，另一方面还能对尾随者进行震慑和警告。
结合当前实际需求，本申请采用的上述实施方式，保护范围并不局限于此，在本领域技术人员所具备的知识范围内，不脱离本申请构思作出的各种变化，仍落在本发明的保护范围。
Claims (5)
1.一种基于机器视觉的社会治安防控体系智能感知系统，其特征在于：包括警务平台和系统初始化模块，所述系统初始化模块上电连接有图像采集模块，且图像采集模块上电连接有标记分组模块，所述标记分组模块上电连接有特征提取计算模块，且特征提取计算模块上电连接有运动预测模块，所述运动预测模块上电连接有运动状态匹配模块，且运动状态匹配模块上电连接有尾随判断模块，所述尾随判断模块上电连接有吸引模块和声光报警模块，且吸引模块和声光报警模块与警务平台电连接，所述警务平台包括接警模块和出警派遣模块，所述出警派遣模块包括区域划分单元、嫌疑人追踪单元、警力协调单元和巡逻警力派遣单元。
2.根据权利要求1所述的一种基于机器视觉的社会治安防控体系智能感知系统，其特征在于：包括以下操作步骤：
S1、系统初始化：在系统中设置一个时钟，作为图像采样的时基，通过系统初始化模块初始化机器学习模型，准备特征提取和特征预测所需的算法和参数；
S2、图像采集与初步处理：通过系统设置的时钟对监控区域的图像进行采集，而后对图像采集模块所采集到的图像进行初步的处理，再通过标记分组模块提取并标记图像中正在行走的人群，并且把人群按照行走方向分组；
S3、特征提取与处理：通过特征提取计算模块对人群进行特征提取，计算每组人群的行走速度、人与人之间的距离和个体特征，这些特征可以描述人群的运动状态、位置分布和个体特性；
S4、运动预测及个体之间的关系判断：利用机器学习算法建立人群特征与运动趋势之间的关系，通过运动预测模块进行运动预测，通过训练模型，学习特征与人群关系之间的规律，得到一个人群个体之间关系模型；
S5、运动状态匹配与尾随判断：根据特征预测模型，通过运动状态匹配模块对人群的运动状态及个体之间的关系进行预测，根据预测结果与机器训练的尾随状态模型进行匹配，通过尾随判断模块判断陌生个体间是否具有尾随的关系，判定成功后会发出声光警报吸引尾随者注意并拍照录像将判断结果发送至当地安保部门和警务部门；
S6、声光报警与信息发送：当系统判定A被B尾随后，会触发吸引模块和声光报警模块，首先通过吸引模块吸引尾随者的注意力并拍摄尾随者的面部和身体特征并把这些信息发送给当地的警务平台，随后警务平台派遣警员通过声光报警模块发出声音警报，吓退尾随者，并同时派出警力对被尾随人员进行现场保护。
3.根据权利要求1所述的一种基于机器视觉的社会治安防控体系智能感知系统，其特征在于：所述智能感知系统还包括特征信息库，且特征信息库与图像采集模块、特征提取计算模块和吸引模块电连接，所述特征信息库上还电连接有特征比对模块。
4.根据权利要求3所述的一种基于机器视觉的社会治安防控体系智能感知系统，其特征在于：包括以下操作步骤：
N1、将通过吸引模块所拍摄到的尾随者的面部和身体特征存录到特征信息库中并建档；
N2、图像采集模块所采集到的图像先通过特征提取计算模块提取到人群的面部和身体特征，然后通过特征比对模块与特征信息库中的特征进行比对，若比对上了则直接触发声光报警模块进行快速响应，并同时向警务平台发出预警；
N3、警务平台通过接警模块接收到警报，而后再通过出警派遣模块派出警力对被尾随者进行保护，通过区域划分单元来定位具体哪个区域发出了警报，然后通过嫌疑人追踪单元调动此区域内所有的摄像头对嫌疑人进行追踪定位，同时通过警力协调单元和巡逻警力派遣单元向此区域派出警力，一方面可以对被尾随者进行及时的保护以有力阻止进一步伤害事件的发生，另一方面还能对尾随者进行震慑和警告。
5.根据权利要求1所述的一种基于机器视觉的社会治安防控体系智能感知系统，其特征在于：所述声光报警模块上还电连接有追踪标记模块，且追踪标记模块包括激光标记器，所述激光标记器包括自动追踪摄像头，且自动追踪摄像头上安装激光发射器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410060686.7A CN117576633B (zh) | 2024-01-16 | 2024-01-16 | 一种基于机器视觉的社会治安防控体系智能感知系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410060686.7A CN117576633B (zh) | 2024-01-16 | 2024-01-16 | 一种基于机器视觉的社会治安防控体系智能感知系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117576633A true CN117576633A (zh) | 2024-02-20 |
| CN117576633B CN117576633B (zh) | 2024-03-15 |
Family
ID=89886672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410060686.7A Active CN117576633B (zh) | 2024-01-16 | 2024-01-16 | 一种基于机器视觉的社会治安防控体系智能感知系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117576633B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060247070A1 (en) * | 2001-06-11 | 2006-11-02 | Recognition Insight, Llc | Swing position recognition and reinforcement |
| CN110930568A (zh) * | 2019-12-05 | 2020-03-27 | 江苏中云智慧数据科技有限公司 | 一种视频防尾随系统及方法 |
| CN113240829A (zh) * | 2021-02-24 | 2021-08-10 | 南京工程学院 | 一种基于机器视觉的闸机智能通行检测方法 |
-
2024
- 2024-01-16 CN CN202410060686.7A patent/CN117576633B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060247070A1 (en) * | 2001-06-11 | 2006-11-02 | Recognition Insight, Llc | Swing position recognition and reinforcement |
| CN110930568A (zh) * | 2019-12-05 | 2020-03-27 | 江苏中云智慧数据科技有限公司 | 一种视频防尾随系统及方法 |
| CN113240829A (zh) * | 2021-02-24 | 2021-08-10 | 南京工程学院 | 一种基于机器视觉的闸机智能通行检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117576633B (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9911294B2 (en) | Warning system and method using spatio-temporal situation data | |
| CN110348348B (zh) | 一种参建人员进场身份快速识别方法及预警系统 | |
| CN111325048B (zh) | 一种人员聚集检测方法和装置 | |
| CN110674761B (zh) | 一种区域行为预警方法及系统 | |
| US20220366697A1 (en) | Image processing method and apparatus, electronic device and storage medium | |
| CN112329691A (zh) | 一种监控视频的分析方法及装置、电子设备、存储介质 | |
| CN109492548B (zh) | 基于视频分析的区域mask图片的获得方法 | |
| CN114359976B (zh) | 一种基于人物识别的智能安防方法与装置 | |
| CN210110004U (zh) | 一种基于人工智能的油田行为监控系统 | |
| CN112757300A (zh) | 机器人的防护系统及方法 | |
| CN116189305B (zh) | 一种基于神经网络模型嵌入的人员危险动作识别方法 | |
| CN113223046A (zh) | 一种监狱人员行为识别的方法和系统 | |
| CN114358980A (zh) | 一种基于物联网的智慧社区物业管理系统及方法 | |
| CN111062238B (zh) | 基于人体骨架信息及多目标跟踪的扶梯流量监测方法及系统 | |
| CN110809137A (zh) | 一种校园安全防踩踏监控系统及方法 | |
| CN113723369A (zh) | 控制方法、装置、电子设备及存储介质 | |
| JPH09130781A (ja) | 広域監視装置 | |
| CN117576633B (zh) | 一种基于机器视觉的社会治安防控体系智能感知系统 | |
| EP1261951B1 (en) | Surveillance method, system and module | |
| JP2023536692A (ja) | レーストラックのａｉベースのモニタリング | |
| CN113345151A (zh) | 一种安防报警系统和报警方法 | |
| CN114170644A (zh) | 基于视频结构化的警用行人轻生行为预警方法 | |
| CN113420626A (zh) | 一种施工现场安全行为判别方法和存储设备 | |
| CN114611400B (zh) | 一种预警信息筛选方法及系统 | |
| KR100712959B1 (ko) | 지역방범 추적시스템 및 그 방법 |
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 |