[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN110428522A - 一种智慧新城的智能安防系统 - Google Patents

一种智慧新城的智能安防系统 Download PDF

Info

Publication number
CN110428522A
CN110428522A CN201910669716.3A CN201910669716A CN110428522A CN 110428522 A CN110428522 A CN 110428522A CN 201910669716 A CN201910669716 A CN 201910669716A CN 110428522 A CN110428522 A CN 110428522A
Authority
CN
China
Prior art keywords
video
face
pixel
data
frame
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
Application number
CN201910669716.3A
Other languages
English (en)
Other versions
CN110428522B (zh
Inventor
纪刚
周粉粉
周萌萌
周亚敏
商胜楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qingdao Lianhe Chuangzhi Technology Co ltd
Original Assignee
Qingdao Lianhe Chuangzhi Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Qingdao Lianhe Chuangzhi Technology Co ltd filed Critical Qingdao Lianhe Chuangzhi Technology Co ltd
Priority to CN201910669716.3A priority Critical patent/CN110428522B/zh
Publication of CN110428522A publication Critical patent/CN110428522A/zh
Application granted granted Critical
Publication of CN110428522B publication Critical patent/CN110428522B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/71—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/215—Motion-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/269—Analysis of motion using gradient-based 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
    • G06V10/94—Hardware or software architectures specially adapted for image or video understanding
    • G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
    • 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
    • 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
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
    • 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
    • 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
    • G06T2207/30232—Surveillance
    • 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
    • G06V20/44—Event detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明属于安防设备制造技术领域，具体涉及一种智慧新城的智能安防系统。门禁系统是在重点区域的卡口位置部署的4G人脸抓拍摄像机，用以实现超高密度的人脸抓拍，在不与设备直接接触的情况下，摄像机以固定频率采集人脸动态画面，对每一帧检测到的人脸图像应用人脸识别算法；4G人脸抓拍摄像机内嵌智能人脸识别算法模块，在摄像机前端实现人脸识别；内嵌智能人脸识别算法模块的4G人脸抓拍摄像机，在边缘侧的前端摄像设备上就近处理采集数据，通过在数据源头一侧提供近端服务，应用程序在边缘侧发起，能够产生更快的网络服务响应，减少了时延和传输成本，降低了宽带的传输成本以及联通云端存储的负载。

Description

一种智慧新城的智能安防系统
技术领域：
本发明属于安防设备制造技术领域，具体涉及一种智慧新城的智能安防系统，在进行人物识别中具有极高的准确性。
背景技术：
视频监控是安全防范系统的重要组成部分，它是一种防范能力较强的综合系统。智慧新城各重点区域，重点场所、区域全部部署4G视频监控摄像头，实现社会治安与城市管理智能化高清视频建设，4G网络摄像头可以支持手机、电脑远程实时视频监控；视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。近年来，随着计算机、网络以及图像处理、传输技术的飞速发展，视频监控技术也有了长足的发展。随着视频监控技术的不断发展，其应用也越来越广泛，并且，用户对视频监控的要求也越来越高，目前越来越多的用户希望利用视频监控系统实现远程监控，以实时了解被监控场所的情况。由于视频监控系统是针对视频数据的处理，涉及一系列的算法调用、压缩、传输及大容量存储等操作，对服务器本身性能的要求非常高，会成为效率提高的瓶颈。然而，若不采用上述监控前端和监控终端一对一的配置方式，开放一个监控前端和多个监控终端的通信接口，尽管可以相对减少一些服务器的负载，却又存在较大的安全风险。因此，本发明寻求设计提供一种智慧新城的智能安防系统，能够有效提高视频处理效率，同时提高监控的精确程度。
发明内容：
本发明的目的在于克服现有技术存在的上述缺陷，寻求设计提供一种智慧新城的智能安防系统。
为了实现上述目的，本发明涉及的一种智慧新城的智能安防系统通过如下技术方案实现：数据采集子系统，包括有门禁系统、视频监控系统；数据处理子模块，包括有人脸识别模块、异常行为分析模块、异常事件监测模块、区域入侵处理模块；云存储子系统包括有视频数据模块、智能设备数据存储模块；报警系统包括有异常报警模块；公共管理平台包括有视频管理平台；根据预设的策略，各系统进行联动协同工作，本发明将硬件设备、视频管理平台、海量数据、智能AI分析算法、联通云结合，实现智能安防系统。
数据采集子系统包括门禁系统、视频监控系统和安装的多种智能设备；
门禁系统是在重点区域的卡口位置部署的4G人脸抓拍摄像机，用以实现超高密度的人脸抓拍，在不与设备直接接触的情况下，摄像机以固定频率采集人脸动态画面，对每一帧检测到的人脸图像应用人脸识别算法，将不同角度的人像画面从背景中分离出来，保存到人脸库中；人脸识别算法实现人脸特征提取、人脸检测、人脸定位、人脸跟踪、特征对比、人脸预警的过程；当人像在摄像头拍摄的范围内移动，人脸识别算法会自动地对人像进行跟踪，捕获到的人像与人脸库中的已登记的人像做对比核实是否为同一个人，因为人脸库中存储了不同角度的人脸像，人脸识别算法支持侧脸和俯仰角检测，并具有99.99％的人脸识别准确率，人脸信息对比成功，闸机口开放，对比结果失败，实现报警系统的联动，提示预警信息，闸机口无法打开；
4G人脸抓拍摄像机内嵌智能人脸识别算法模块，在摄像机前端实现人脸识别，4G人脸抓拍摄像机以固定频率采集人脸像，智能人脸识别算法模块能够滤掉大量无关图像信息，只保留包含人脸像的图像进行处理并通过4G网络将图像数据传输到联通云端进行存储；
内嵌智能人脸识别算法模块的4G人脸抓拍摄像机，在边缘侧的(边缘计算有利于实时的数据分析和智能化处理，边缘侧相当于一个模块，靠近设备终端，实现数据的过滤和分析，能够提高数据的利用效率，智能视频AI处理算法与边缘计算结合，使整个系统智能性更高)前端摄像设备上就近处理采集数据，无需大量数据上传到云端，通过在数据源头一侧提供近端服务，应用程序在边缘侧发起，能够产生更快的网络服务响应，减少了时延和传输成本，大大降低了宽带的传输成本以及联通云端存储的负载；
门禁系统中的智能人脸识别算法模块设置有自学模块，能够随着检测人员的发型、肤色、年龄等变化动态更新人脸数据库，始终保持数据库的人脸模板最新，从而可以每次都能正确识别人脸；
门禁系统中安装的4G抓拍摄像机同样适用于对可疑车辆的抓拍，将抓拍的车辆车牌信息，抓拍时间、抓拍地点等等信息通过TCP网络协议上传到联通云端进行统一存储，并建立重点场所的人员信息数据库；
视频监控系统：4G网络监控摄像机采集到的数据绝大部分是非结构化的，要充分挖掘这些数据，就要进行视频数据的结构化处理，采用视频结构化技术(包括时空分割技术、特征提取技术、对象识别技术、深度学习技术)，对采集到的视频资源统一接入管理，实现车辆结构化、行人结构化、人脸结构化，对视频监控区域出现异常事件(区域入侵事件、绊线检测事件、人群聚集事件、徘徊滞留事件)进行分析，通过对视频数据的智能分析，在海量视频画面中提取出关键信息，并进行文本的语义描述，使视频更好地利用起来；
视频数据量巨大，若视频实时监控上传到云中心，需要占用大量带宽，而且云处理数据也需要一定的时间，加大了用户请求响应时间，从监控视频中分析人体行为并对异常行为进行报警需要对视频的处理响应时间都有极高的要求，在云端进行处理和计算并不现实。
4G监控设备前端卡口嵌入有智能AI处理算法模块，用以进行初步的视频图像筛选处理，使得海量监控数据能够在边缘侧提供就近处理服务，筛掉大量无关视频图像信息；将经过处理后的图像数据经4G网络将监控视频数据传输到联通云端，视频管理平台可以直接访问云端视频数据，整个视频管理中心可以对整个监控区域进行实时查看和历史记录查询，了解监控区域动态变化；视频数据经过智能结构化处理、分类后，存入相应的结构化数据仓库，如人脸照片数据库、人脸特征数据库、行为图片及特征数据库、车辆图像及特征库，综合不同的数据仓库以及关联视频片段仓库能够建立相应的检索引擎，实现对各类的数据仓库的深度信息挖掘，提高了数据在云端处理的效率。
为了能够分析视频中的运动目标，并将不同种类的目标进行分类以便放到不同类型的数据库中，方便后期的智能检索，需要对视频进行结构化处理，对视频中的运动目标进行分割采用，具体实现方式如下：
采用无监督视频分割的扩散机制对视频图像进行数据结构化处理，在视频序列x＝{x1,...,xF}的F帧xi，i∈{1,2,...,F}上分配初始前景显著性估计，使用超像素将每一帧图像划分为一组节点，并使用全局邻域图估计和编码帧内和帧间的语义关系，通过一个加权行随机邻域矩阵表示全局邻域图，其中N是视频中的节点总数。执行每一个节点的初始化前景显著性估计的扩散是通过当前节点估计与邻域矩阵G的重复矩阵相乘来实现，作为第t次扩散步骤vt＝Gvt-1。基于扩散的无监督视频分割算法邻域矩阵G和初始化v0作为唯一输入；
采用u表示视频显著性前景运动，ui和pi分别表示第i帧图像中的显著性前景和像素，为了计算显著性运动估计，单独处理每一帧xi，其中i∈{1,2,...,F}，给定一帧图像xi，参考像素点pi的强度值，表示第i帧和第i+1帧中在以像素pi为单位测量物体运动的光流矢量，βi表示帧i处的边界像素集合。
基于和计算视频帧i中的显著性运动前景，每一个都测量第i帧图像的任何像素pi和边界集合βi。第一个距离计算在边界上观察到的像素pi和公共流动方向之间的最小流动方向差；第二个距离计算像素pi和边界像素之间的路径代价函数；和都捕捉到像素pi处的运动和背景运动之间的相似性；
计算光流方向的差值：光流方向差在视频帧i处的像素pi和边界βi的公共光流方向；首先，采用k-means将边界光流方向聚类为K个集合，其中k∈{1,...,K}，将聚类中心点包含到集合中，实现如下：
其中表示分配像素pi到聚类k中的指标，r代表所有指标变量的串联；将Ki更新为只包含分配了超过1/6边界像素的中心，给定聚类中心的情况下，通过捕捉帧i中像素pi和帧i边界中观察到的主光流方向之间的光流差，通过以下公式实现：
计算最小势垒距离：计算视频帧i中像素pi和边界像素的最小势垒距离Dbd,i，通过如下公式计算得到：
其中表示路径，边缘集合连接像素pi和边界像素s∈βi，通过在帧i中计算最小生成树，边缘权重wi(e)用来计算公式(1)中最小生成树和势垒距离，通过计算相邻像素最大光流方向差值得到：e＝(pi,qi)是连接两个像素pi和qi的边；采用4连通领域的方法计算最小生成树。将两点间的势垒距离计算为两点间最小生成树路径上的最大边权与最小边权之差，该点和边界上任何点之间势垒距离的最小值作为该点的最小势垒距离；
计算前景运动型显著：通过归一化后的两个距离度量和来获得视频帧i中像素化的显著性前景目标ui；
通过计算邻域矩阵G＝T×E×V计算得到邻域图，其中T为帧间信息，E为帧内信息，V为long-range(远程)components。
帧间时序信息：通过提取光流信息获得帧间时序信息，为防止运动边界处的光流估计不准确，在前后一致性的同时，将超像素连接在相邻帧间的光流向量之间；为计算光流邻域矩阵T，连续的两针图像xi和xi+1，每一帧图像包含像素pi和pi+1，计算每个像素的前向光流场fi(pi)和后向光流场bi+1(pi+1)，通过计算得到的光流场定义视频帧xi在像素pi处的前向置信度得分实现公式如下：
后向置信度得分实现如下：
其中σ2为超参数；置信度得分测量了像素pi和通过pi+fi(pi)将光流场跟随到帧xi+1之后的结果，并通过pi+fi(pi)+bi+1(pi+fi(pi))返回到帧xi中的结果；采用置信度得分计算帧i和帧i+1中两个超像素si,k和si+1,m的连接强度，通过公式实现：
其中δ(·)表示指标函数，|si,k|和|si+1,k|代表在si,k和si+1,m处的像素数量；上式中第一项比较以超像素si,k开始，si+1,m结束的连接强度与源于si,k和si+1,m的总强度；第二项类似表示；
帧内空间信息防止帧内视觉边缘的扩散，如果没有被强边缘分离，允许信息在同一帧中相邻的超像素之间传播，为寻找边缘感知的空间E,首先采用训练好的帧与帧间的边缘响应，利用边缘响应通过对衰减函数求和的方法为所有超像素计算置信度得分A(s)，实现如下：
其中G(p)∈[0,1]表示在像素p处的边缘响应，σw和ε代表超参数；
通过上述边缘信息计算边缘感知邻域矩阵E：
如果si,k在空间上接近si+1,m，也就是两个超像素之间的中心距离小于1.5倍的超像素尺寸平方根；
若两个超像素之间具有视觉相似性，基于视觉相似性的长连接允许远离在时间或空间上的超像素之间进行传播，通过近邻图像能够使长连接传播信息更加有效，为计算视觉相似性矩阵V，这些超像素与超像素si,m关系最为密切，首先执行k最近邻搜索，对每一个超像素si,m，在r帧的时间范围内发现si,m的k个最近邻，在特征空间采用欧几里得距离计算超像素之间的距离；
通过连接计算得到的超像素内像素的LBP和RGB直方图来计算超像素的特征f(s)，同时还包括HOG特征以及超像素中心的x和y坐标；
通过定义视觉相似性矩阵，使超像素si,m的k最近邻通过N(si,m)引用，视觉相似性矩阵表示为：
其中σ为超参数，f(s)表示超像素s的特征表示；
对多路监控视频图像进行结构化处理后，不仅减少了图像中大量无用数据，获取有用的数据，而且减少了云端存储数据的负载能力。在目标识别的准确度上，由于人体行为的非刚性特性，使得行为具有多样性和多变性，该图像处理算法能够对不同个体产生的同一种人体行为具有比较高的准确度，使之能够应用在实际中。为了满足实际的应用需求，视频图像的处理速度每秒处理30帧图像，能够达到准实时的效果。
通过算法检测出的前景目标，需要通过IOU和准确度公式评价指标来判断前景目标的准确度，算法检测出的目标与实际目标的IOU比值越大，代表该算法的前景检测效果越好，准确性较高。
多路视频监控画面可通过视频管理平台实时查看，对不同监控范围中的重点区域设置不同等级的电子围栏作为警戒区，每一路监控摄像头前端嵌入智能AI人体行为识别算法分析监控画面设置的电子围栏是否出现异常车辆、宠物、遗留物、越界人员、非工作人员等入侵对象，经AI人体行为识别算法初步处理后，将分析处理后的结果反馈到管理平台前端，若检测到异常行为(摔倒、徘徊)和异常事件(聚集、打架、遗留物、围栏越界等)，视频信息管理平台将自动弹出发生异常行为和异常事件的画面，并进行录像存储，管理人员核实报警信息是否属于误判的情况，若确定为异常，工作人员及时进行处理；视频监控系统与报警系统进行联动，采用在监控画面中自动弹出报警信息的方式，既提高了保安人员处理警情的正确性，也可为保安人员迅速破案提供原始资料与证据；
视频后台服务提供基于云计算的视频监控服务功能，并通过协议接口与外部调用者进行通信，同时4G监控摄像头可以支持手机、电脑远程查看实时视频监控画面；
4G监控摄摄像机对于复杂应用场景，能依据场景化按需加载不同的软件和算法，通过多特征提取与识别、多摄像机间的协同、端云间的协同成倍地提高智能分析效率，内置实时图像质量检测与评估特性，并具备自我感知和场景适应性学习能力，让算法和应用不断迭代和演进；
多种智能设备包括智能马桶久坐提醒装置、燃气报警器、红外探测器、室内UWB定位系统等多种智能设备；智能马桶久坐提醒装置具有久坐提醒模块，对如厕久坐人员进行异常提醒，以防发生意外；燃气报警器对室内的烟雾浓度进行测量，如果烟雾浓度超出预设值，报警器发出警报；红外报警器对重大安防区域进行红外布线，当在该区域出现会运动的物体时就会触犯了红外线，红外探头检测到异常，发出报警，室内定位系统布置多种智能基站，人员携带定位标签能够确定人员的位置；
数据处理模块：数据处理系统对采集到的数据经内嵌的智能算法对原始数据进行筛选处理，滤掉无关信息，完成对信息的加工、整理、计算等各种处理过程，保留有用的信息，并进行存储，通过4G网络将信息上传到联通云端。
联通云端：联通云端主要存储各种不同类型数据格式的信息，包括监控视频数据、智能AI算法(智能人脸识别算法模块、异常行为识别算法，异常事件识别算法)、数据库存储信息(各种智能设备基本信息管理、人脸信息数据库、各种报警信息存储)；经各智能设备的边缘数据处理后，上传到联通云，联通云端存储多种类型的数据，通过4G网络进行云端接收来自不同智能设备的信息，多种数据统一在联通云端存储，方便后期的检索与查询。
报警模块：
典型区域场景中智能设备之间通过路由器组成局域网，用以监控区域包括有围墙、重要出入口、电梯、楼道、重要道路、地下库在内的区域，报警系统需要与红外报警器、烟感报警器、门禁系统和监控系统进行联动，若检测到异常，立马通过扬声器发生警报声，重点监控区域设置的不同电子围栏等级，检测到区域入侵者或者电子围栏越界等异常行为和异常事件时，视频管理平台出现弹窗报警，重要出入口设置的门禁人脸识别，一旦达到报警门禁条件，就会自动触发报警系统。
视频管理平台：管理平台实现对整个系统的智能管理，连接联通云端，大量视频数据、智能设备采集的数据存储在联通云，视频管理平台与联通云端通信连接，并且能够进行查看，视频管理平台包括有如下模块：
1)基本信息管理：重点区域内的人员进入进行管理；
2)设备状态管理包括安装的智能视频监控设备、红外报警设备、燃气报警设备、定位设备等工作状态进行管理，对设备的属性进行设置，实现设备的增删改查，采用的数据库为MySQL；
3)区域入侵管理：设置的区域一旦触发立即报警；
4)异常行为/事件管理：保存每次发生的异常行为/事件发生的类型、地点与时间，便于统计；
5)报警显示与确认：视频监控管理平台弹出的报警画面，需要工作人员进行确认，以防出现误检或者漏检的情况；
6)历史记录查询：包括监控视频查询、报警记录查询；对保存的报警记录以时间、事件类型、行为类型、发生地点等条件进行查询；
7)人脸识别显示：显示出入口的门禁系统抓拍的人脸画面，采集的人脸图像与人脸库中的人脸像进行比对；
8)电子围栏设置：不同区域设置不同的电子围栏等级；
9)实时视频监控：该模块具有采、传、存、看的功能，获取每一路监控的视频流地址，将摄像头采集到的图像数据通过4G网络进行传输，数据存储在联通云中，在前端可以任意调用其中一路监控进行实时显示，且对原视频画面通过智能AI算法处理后，通过切换显示按钮，可显示处理后的监控画面，并给出画面中人的行为标签和行为准确度，实时视频画面中检测到异常，弹出异常报警对话框，同时保存异常画面，等待相关工作人员处理异常；视频管理平台的前端搭载4G摄像头硬件，将采集到的数据传输至后台视频管理平台，实时监控视频画面，后端的AI智能算法能够分析视频中的人体行为。
本发明与现有技术相比，取得的有益效果如下：
(1)监控摄像头在边缘端嵌入的智能AI算法能够将摄像头采集的视频数据结构化处理为不同种类的目标，方便用户的查询和调取。由于数据在边缘端先进行处理，筛掉大量冗余的数据，再传输到云端，极大的减少了云端数据的负载压力。
(2)采用图像中显著性运动引导的视频分割方法，在对前景目标的分割时实现目标的细分，相较于其他的前景目标分割方法，该方法在处理复杂背景下的视频和非刚性的运动目标时具有显著的效果。
(3)该方法有别于有监督学习方法，不需要挑选大量样本和标注样本中的感兴趣目标，该方法可以自己学习将图像分割出的目标归类。
综述，其主体设计构思巧妙，使用安全方便，图像处理效率和准确率大大提高，应用环境友好，市场前景广阔。
附图说明：
图1为本发明涉及的图像处理流程示意图。
图2为本发明涉及的视频监控设备及连接控制关系原理示意图。
图3为本发明涉及的视频管理平台功能原理示意图。
图4为本发明涉及的总体拓扑结构原理示意图。
图5为本发明涉及的功能架构原理示意图。
具体实施方式：
下面通过实施例并结合附图对本发明作进一步说明。
实施例1：
本实施例涉及的一种智慧新城的智能安防系统通过如下方式实现：数据采集子系统，包括有门禁系统、视频监控系统；数据处理子模块，包括有人脸识别模块、异常行为分析模块、异常事件监测模块、区域入侵处理模块；云存储子系统包括有视频数据模块、智能设备数据存储模块；报警系统包括有异常报警模块；公共管理平台包括有视频管理平台；根据预设的策略，各系统进行联动协同工作，本发明将硬件设备、视频管理平台、海量数据、智能AI分析算法、联通云结合，实现智能安防系统。
数据采集子系统包括门禁系统、视频监控系统和安装的多种智能设备；
门禁系统是在重点区域的卡口位置部署的4G人脸抓拍摄像机，用以实现超高密度的人脸抓拍，在不与设备直接接触的情况下，摄像机以固定频率采集人脸动态画面，对每一帧检测到的人脸图像应用人脸识别算法，将不同角度的人像画面从背景中分离出来，保存到人脸库中；人脸识别算法实现人脸特征提取、人脸检测、人脸定位、人脸跟踪、特征对比、人脸预警的过程；当人像在摄像头拍摄的范围内移动，人脸识别算法会自动地对人像进行跟踪，捕获到的人像与人脸库中的已登记的人像做对比核实是否为同一个人，因为人脸库中存储了不同角度的人脸像，人脸识别算法支持侧脸和俯仰角检测，并具有99.99％的人脸识别准确率，人脸信息对比成功，闸机口开放，对比结果失败，实现报警系统的联动，提示预警信息，闸机口无法打开；
4G人脸抓拍摄像机内嵌智能人脸识别算法模块，在摄像机前端实现人脸识别，4G人脸抓拍摄像机以固定频率采集人脸像，智能人脸识别算法模块能够滤掉大量无关图像信息，只保留包含人脸像的图像进行处理并通过4G网络将图像数据传输到联通云端进行存储；
内嵌智能人脸识别算法模块的4G人脸抓拍摄像机，在边缘侧的(边缘计算有利于实时的数据分析和智能化处理，边缘侧相当于一个模块，靠近设备终端，实现数据的过滤和分析，能够提高数据的利用效率，智能视频AI处理算法与边缘计算结合，使整个系统智能性更高)前端摄像设备上就近处理采集数据，无需大量数据上传到云端，通过在数据源头一侧提供近端服务，应用程序在边缘侧发起，能够产生更快的网络服务响应，减少了时延和传输成本，大大降低了宽带的传输成本以及联通云端存储的负载；
门禁系统中的智能人脸识别算法模块设置有自学模块，能够随着检测人员的发型、肤色、年龄等变化动态更新人脸数据库，始终保持数据库的人脸模板最新，从而可以每次都能正确识别人脸；
门禁系统中安装的4G抓拍摄像机同样适用于对可疑车辆的抓拍，将抓拍的车辆车牌信息，抓拍时间、抓拍地点等等信息通过TCP网络协议上传到联通云端进行统一存储，并建立重点场所的人员信息数据库；
视频监控系统：4G网络监控摄像机采集到的数据绝大部分是非结构化的，要充分挖掘这些数据，就要进行视频数据的结构化处理，采用视频结构化技术(包括时空分割技术、特征提取技术、对象识别技术、深度学习技术)，对采集到的视频资源统一接入管理，实现车辆结构化、行人结构化、人脸结构化，对视频监控区域出现异常事件(区域入侵事件、绊线检测事件、人群聚集事件、徘徊滞留事件)进行分析，通过对视频数据的智能分析，在海量视频画面中提取出关键信息，并进行文本的语义描述，使视频更好地利用起来；
视频数据量巨大，若视频实时监控上传到云中心，需要占用大量带宽，而且云处理数据也需要一定的时间，加大了用户请求响应时间，从监控视频中分析人体行为并对异常行为进行报警需要对视频的处理响应时间都有极高的要求，在云端进行处理和计算并不现实。
4G监控设备前端卡口嵌入有智能AI处理算法模块，用以进行初步的视频图像筛选处理，使得海量监控数据能够在边缘侧提供就近处理服务，筛掉大量无关视频图像信息；将经过处理后的图像数据经4G网络将监控视频数据传输到联通云端，视频管理平台可以直接访问云端视频数据，整个视频管理中心可以对整个监控区域进行实时查看和历史记录查询，了解监控区域动态变化；视频数据经过智能结构化处理、分类后，存入相应的结构化数据仓库，如人脸照片数据库、人脸特征数据库、行为图片及特征数据库、车辆图像及特征库，综合不同的数据仓库以及关联视频片段仓库能够建立相应的检索引擎，实现对各类的数据仓库的深度信息挖掘，提高了数据在云端处理的效率。
为了能够分析视频中的运动目标，并将不同种类的目标进行分类以便放到不同类型的数据库中，方便后期的智能检索，需要对视频进行结构化处理，对视频中的运动目标进行分割采用，具体实现方式如下：
采用无监督视频分割的扩散机制对视频图像进行数据结构化处理，在视频序列x＝{x1,...,xF}的F帧xi，i∈{1,2,...,F}上分配初始前景显著性估计，使用超像素将每一帧图像划分为一组节点，并使用全局邻域图估计和编码帧内和帧间的语义关系，通过一个加权行随机邻域矩阵表示全局邻域图，其中N是视频中的节点总数。执行每一个节点的初始化前景显著性估计的扩散是通过当前节点估计与邻域矩阵G的重复矩阵相乘来实现，作为第t次扩散步骤vt＝Gvt-1。基于扩散的无监督视频分割算法邻域矩阵G和初始化v0作为唯一输入；
采用u表示视频显著性前景运动，ui和pi分别表示第i帧图像中的显著性前景和像素，为了计算显著性运动估计，单独处理每一帧xi，其中i∈{1,2,...,F}，给定一帧图像xi，参考像素点pi的强度值，表示第i帧和第i+1帧中在以像素pi为单位测量物体运动的光流矢量，βi表示帧i处的边界像素集合。
基于和计算视频帧i中的显著性运动前景，每一个都测量第i帧图像的任何像素pi和边界集合βi。第一个距离计算在边界上观察到的像素pi和公共流动方向之间的最小流动方向差；第二个距离计算像素pi和边界像素之间的路径代价函数；和都捕捉到像素pi处的运动和背景运动之间的相似性；
计算光流方向的差值：光流方向差在视频帧i处的像素pi和边界βi的公共光流方向；首先，采用k-means将边界光流方向聚类为K个集合，其中k∈{1,...,K}，将聚类中心点包含到集合中，实现如下：
其中表示分配像素pi到聚类k中的指标，r代表所有指标变量的串联；将Ki更新为只包含分配了超过1/6边界像素的中心，给定聚类中心的情况下，通过捕捉帧i中像素pi和帧i边界中观察到的主光流方向之间的光流差，通过以下公式实现：
计算最小势垒距离：计算视频帧i中像素pi和边界像素的最小势垒距离Dbd,i，通过如下公式计算得到：
其中表示路径，边缘集合连接像素pi和边界像素s∈βi，通过在帧i中计算最小生成树，边缘权重wi(e)用来计算公式(1)中最小生成树和势垒距离，通过计算相邻像素最大光流方向差值得到：
e＝(pi,qi)是连接两个像素pi和qi的边；采用4连通领域的方法计算最小生成树。将两点间的势垒距离计算为两点间最小生成树路径上的最大边权与最小边权之差，该点和边界上任何点之间势垒距离的最小值作为该点的最小势垒距离；
计算前景运动型显著：通过归一化后的两个距离度量和来获得视频帧i中像素化的显著性前景目标ui；
通过计算邻域矩阵G＝T×E×V计算得到邻域图，其中T为帧间信息，E为帧内信息，V为long-range(远程)components。
帧间时序信息：通过提取光流信息获得帧间时序信息，为防止运动边界处的光流估计不准确，在前后一致性的同时，将超像素连接在相邻帧间的光流向量之间；为计算光流邻域矩阵T，连续的两针图像xi和xi+1，每一帧图像包含像素pi和pi+1，计算每个像素的前向光流场fi(pi)和后向光流场bi+1(pi+1)，通过计算得到的光流场定义视频帧xi在像素pi处的前向置信度得分实现公式如下：
后向置信度得分实现如下：
其中σ2为超参数；置信度得分测量了像素pi和通过pi+fi(pi)将光流场跟随到帧xi+1之后的结果，并通过pi+fi(pi)+bi+1(pi+fi(pi))返回到帧xi中的结果；采用置信度得分计算帧i和帧i+1中两个超像素si,k和si+1,m的连接强度，通过公式实现：
其中δ(·)表示指标函数，|si,k|和|si+1,k|代表在si,k和si+1,m处的像素数量；上式中第一项比较以超像素si,k开始，si+1,m结束的连接强度与源于si,k和si+1,m的总强度；第二项类似表示；
帧内空间信息防止帧内视觉边缘的扩散，如果没有被强边缘分离，允许信息在同一帧中相邻的超像素之间传播，为寻找边缘感知的空间E,首先采用训练好的帧与帧间的边缘响应，利用边缘响应通过对衰减函数求和的方法为所有超像素计算置信度得分A(s)，实现如下：
其中G(p)∈[0,1]表示在像素p处的边缘响应，σw和ε代表超参数；
通过上述边缘信息计算边缘感知邻域矩阵E：
如果si,k在空间上接近si+1,m，也就是两个超像素之间的中心距离小于1.5倍的超像素尺寸平方根；
若两个超像素之间具有视觉相似性，基于视觉相似性的长连接允许远离在时间或空间上的超像素之间进行传播，通过近邻图像能够使长连接传播信息更加有效，为计算视觉相似性矩阵V，这些超像素与超像素si,m关系最为密切，首先执行k最近邻搜索，对每一个超像素si,m，在r帧的时间范围内发现si,m的k个最近邻，在特征空间采用欧几里得距离计算超像素之间的距离；
通过连接计算得到的超像素内像素的LBP和RGB直方图来计算超像素的特征f(s)，同时还包括HOG特征以及超像素中心的x和y坐标；
通过定义视觉相似性矩阵，使超像素si,m的k最近邻通过N(si,m)引用，视觉相似性矩阵表示为：
其中σ为超参数，f(s)表示超像素s的特征表示；
对多路监控视频图像进行结构化处理后，不仅减少了图像中大量无用数据，获取有用的数据，而且减少了云端存储数据的负载能力。在目标识别的准确度上，由于人体行为的非刚性特性，使得行为具有多样性和多变性，该图像处理算法能够对不同个体产生的同一种人体行为具有比较高的准确度，使之能够应用在实际中。为了满足实际的应用需求，视频图像的处理速度每秒处理30帧图像，能够达到准实时的效果。
通过算法检测出的前景目标，需要通过IOU和准确度公式评价指标来判断前景目标的准确度，算法检测出的目标与实际目标的IOU比值越大，代表该算法的前景检测效果越好，准确性较高。
多路视频监控画面可通过视频管理平台实时查看，对不同监控范围中的重点区域设置不同等级的电子围栏作为警戒区，每一路监控摄像头前端嵌入智能AI人体行为识别算法分析监控画面设置的电子围栏是否出现异常车辆、宠物、遗留物、越界人员、非工作人员等入侵对象，经AI人体行为识别算法初步处理后，将分析处理后的结果反馈到管理平台前端，若检测到异常行为(摔倒、徘徊)和异常事件(聚集、打架、遗留物、围栏越界等)，视频信息管理平台将自动弹出发生异常行为和异常事件的画面，并进行录像存储，管理人员核实报警信息是否属于误判的情况，若确定为异常，工作人员及时进行处理；视频监控系统与报警系统进行联动，采用在监控画面中自动弹出报警信息的方式，既提高了保安人员处理警情的正确性，也可为保安人员迅速破案提供原始资料与证据；
视频后台服务提供基于云计算的视频监控服务功能，并通过协议接口与外部调用者进行通信，同时4G监控摄像头可以支持手机、电脑远程查看实时视频监控画面；
4G监控摄摄像机对于复杂应用场景，能依据场景化按需加载不同的软件和算法，通过多特征提取与识别、多摄像机间的协同、端云间的协同成倍地提高智能分析效率，内置实时图像质量检测与评估特性，并具备自我感知和场景适应性学习能力，让算法和应用不断迭代和演进；
多种智能设备包括智能马桶久坐提醒装置、燃气报警器、红外探测器、室内UWB定位系统等多种智能设备；智能马桶久坐提醒装置具有久坐提醒模块，对如厕久坐人员进行异常提醒，以防发生意外；燃气报警器对室内的烟雾浓度进行测量，如果烟雾浓度超出预设值，报警器发出警报；红外报警器对重大安防区域进行红外布线，当在该区域出现会运动的物体时就会触犯了红外线，红外探头检测到异常，发出报警，室内定位系统布置多种智能基站，人员携带定位标签能够确定人员的位置；
数据处理模块：数据处理系统对采集到的数据经内嵌的智能算法对原始数据进行筛选处理，滤掉无关信息，完成对信息的加工、整理、计算等各种处理过程，保留有用的信息，并进行存储，通过4G网络将信息上传到联通云端。
联通云端：联通云端主要存储各种不同类型数据格式的信息，包括监控视频数据、智能AI算法(智能人脸识别算法模块、异常行为识别算法，异常事件识别算法)、数据库存储信息(各种智能设备基本信息管理、人脸信息数据库、各种报警信息存储)；经各智能设备的边缘数据处理后，上传到联通云，联通云端存储多种类型的数据，通过4G网络进行云端接收来自不同智能设备的信息，多种数据统一在联通云端存储，方便后期的检索与查询。
报警模块：
典型区域场景中智能设备之间通过路由器组成局域网，用以监控区域包括有围墙、重要出入口、电梯、楼道、重要道路、地下库在内的区域，报警系统需要与红外报警器、烟感报警器、门禁系统和监控系统进行联动，若检测到异常，立马通过扬声器发生警报声，重点监控区域设置的不同电子围栏等级，检测到区域入侵者或者电子围栏越界等异常行为和异常事件时，视频管理平台出现弹窗报警，重要出入口设置的门禁人脸识别，一旦达到报警门禁条件，就会自动触发报警系统。
视频管理平台：管理平台实现对整个系统的智能管理，连接联通云端，大量视频数据、智能设备采集的数据存储在联通云，视频管理平台与联通云端通信连接，并且能够进行查看，视频管理平台包括有如下模块：
1)基本信息管理：重点区域内的人员进入进行管理；
2)设备状态管理包括安装的智能视频监控设备、红外报警设备、燃气报警设备、定位设备等工作状态进行管理，对设备的属性进行设置，实现设备的增删改查，采用的数据库为MySQL；
3)区域入侵管理：设置的区域一旦触发立即报警；
4)异常行为/事件管理：保存每次发生的异常行为/事件发生的类型、地点与时间，便于统计；
5)报警显示与确认：视频监控管理平台弹出的报警画面，需要工作人员进行确认，以防出现误检或者漏检的情况；
6)历史记录查询：包括监控视频查询、报警记录查询；对保存的报警记录以时间、事件类型、行为类型、发生地点等条件进行查询；
7)人脸识别显示：显示出入口的门禁系统抓拍的人脸画面，采集的人脸图像与人脸库中的人脸像进行比对；
8)电子围栏设置：不同区域设置不同的电子围栏等级；
9)实时视频监控：该模块具有采、传、存、看的功能，获取每一路监控的视频流地址，将摄像头采集到的图像数据通过4G网络进行传输，数据存储在联通云中，在前端可以任意调用其中一路监控进行实时显示，且对原视频画面通过智能AI算法处理后，通过切换显示按钮，可显示处理后的监控画面，并给出画面中人的行为标签和行为准确度，实时视频画面中检测到异常，弹出异常报警对话框，同时保存异常画面，等待相关工作人员处理异常；视频管理平台的前端搭载4G摄像头硬件，将采集到的数据传输至后台视频管理平台，实时监控视频画面，后端的AI智能算法能够分析视频中的人体行为。

Claims (2)

1.一种智慧新城的智能安防系统，其特征在于通过如下技术方案实现：数据采集子系统，包括有门禁系统、视频监控系统；数据处理子模块，包括有人脸识别模块、异常行为分析模块、异常事件监测模块、区域入侵处理模块；云存储子系统包括有视频数据模块、智能设备数据存储模块；报警系统包括有异常报警模块；公共管理平台包括有视频管理平台；根据预设的策略，各系统进行联动协同工作，本发明将硬件设备、视频管理平台、海量数据、智能AI分析算法、联通云结合，实现智能安防系统；
数据采集子系统包括门禁系统、视频监控系统和安装的多种智能设备；
门禁系统是在重点区域的卡口位置部署的4G人脸抓拍摄像机，用以实现超高密度的人脸抓拍，在不与设备直接接触的情况下，摄像机以固定频率采集人脸动态画面，对每一帧检测到的人脸图像应用人脸识别算法，将不同角度的人像画面从背景中分离出来，保存到人脸库中；人脸识别算法实现人脸特征提取、人脸检测、人脸定位、人脸跟踪、特征对比、人脸预警的过程；当人像在摄像头拍摄的范围内移动，人脸识别算法会自动地对人像进行跟踪，捕获到的人像与人脸库中的已登记的人像做对比核实是否为同一个人，因为人脸库中存储了不同角度的人脸像，人脸识别算法支持侧脸和俯仰角检测，并具有99.99％的人脸识别准确率，人脸信息对比成功，闸机口开放，对比结果失败，实现报警系统的联动，提示预警信息，闸机口无法打开；
4G人脸抓拍摄像机内嵌智能人脸识别算法模块，在摄像机前端实现人脸识别，4G人脸抓拍摄像机以固定频率采集人脸像，智能人脸识别算法模块能够滤掉大量无关图像信息，只保留包含人脸像的图像进行处理并通过4G网络将图像数据传输到联通云端进行存储；
内嵌智能人脸识别算法模块的4G人脸抓拍摄像机，在边缘侧的前端摄像设备上就近处理采集数据，无需大量数据上传到云端，通过在数据源头一侧提供近端服务，应用程序在边缘侧发起，能够产生更快的网络服务响应，减少了时延和传输成本，大大降低了宽带的传输成本以及联通云端存储的负载；边缘计算有利于实时的数据分析和智能化处理，边缘侧相当于一个模块，靠近设备终端，实现数据的过滤和分析，能够提高数据的利用效率，智能视频AI处理算法与边缘计算结合，使整个系统智能性更高；
门禁系统中的智能人脸识别算法模块设置有自学模块，能够随着检测人员的发型、肤色、年龄等变化动态更新人脸数据库，始终保持数据库的人脸模板最新，从而可以每次都能正确识别人脸；
视频监控系统：采用视频结构化技术，主要包括有时空分割技术、特征提取技术、对象识别技术、深度学习技术，对采集到的视频资源统一接入管理，实现车辆结构化、行人结构化、人脸结构化，对视频监控区域出现异常事件进行分析，通过对视频数据的智能分析，在视频画面中提取出关键信息，并进行文本的语义描述；
4G监控设备前端卡口嵌入有智能AI处理算法模块，用以进行初步的视频图像筛选处理，使得监控数据能够在边缘侧提供就近处理服务，筛掉大量无关视频图像信息；将经过处理后的图像数据经4G网络将监控视频数据传输到联通云端，视频管理平台可以直接访问云端视频数据，整个视频管理中心可以对整个监控区域进行实时查看和历史记录查询，了解监控区域动态变化；视频数据经过智能结构化处理、分类后，存入相应的结构化数据仓库，包括有人脸照片数据库、人脸特征数据库、行为图片及特征数据库、车辆图像及特征库，综合不同的数据仓库以及关联视频片段仓库能够建立相应的检索引擎，实现对各类的数据仓库的深度信息挖掘，提高了数据在云端处理的效率；
多路视频监控画面能够通过视频管理平台实时查看，对不同监控范围中的重点区域设置不同等级的电子围栏作为警戒区，每一路监控摄像头前端嵌入智能AI人体行为识别算法分析监控画面设置的电子围栏是否出现异常车辆、宠物、遗留物、越界人员、非工作人员入侵，经AI人体行为识别算法初步处理后，将分析处理后的结果反馈到管理平台前端，若检测到异常行为和异常事件，视频信息管理平台将自动弹出发生异常行为和异常事件的画面，并进行录像存储，管理人员核实报警信息是否属于误判的情况，若确定为异常，工作人员及时进行处理；视频监控系统与报警系统进行联动，采用在监控画面中自动弹出报警信息的方式，既提高了保安人员处理警情的正确性，也可为保安人员迅速破案提供原始资料与证据；
视频后台服务提供基于云计算的视频监控服务功能，并通过协议接口与外部调用者进行通信，同时4G监控摄像头可以支持手机、电脑远程查看实时视频监控画面；
4G监控摄摄像机对于复杂应用场景，能依据场景化按需加载不同的软件和算法，通过多特征提取与识别、多摄像机间的协同、端云间的协同成倍地提高智能分析效率，内置实时图像质量检测与评估特性，并具备自我感知和场景适应性学习能力，让算法和应用不断迭代和演进；
多种智能设备包括智能马桶久坐提醒装置、燃气报警器、红外探测器、室内UWB定位系统等多种智能设备；智能马桶久坐提醒装置具有久坐提醒模块，对如厕久坐人员进行异常提醒，以防发生意外；燃气报警器对室内的烟雾浓度进行测量，如果烟雾浓度超出预设值，报警器发出警报；红外报警器对重大安防区域进行红外布线，当在该区域出现会运动的物体时就会触犯了红外线，红外探头检测到异常，发出报警，室内定位系统布置多种智能基站，人员携带定位标签能够确定人员的位置；
数据处理模块：数据处理系统对采集到的数据经内嵌的智能算法对原始数据进行筛选处理，滤掉无关信息，完成对信息的加工、整理、计算等各种处理过程，保留有用的信息，并进行存储，通过4G网络将信息上传到联通云端；
联通云端：联通云端主要存储各种不同类型数据格式的信息，包括监控视频数据、智能AI算法(智能人脸识别算法模块、异常行为识别算法，异常事件识别算法)、数据库存储信息(各种智能设备基本信息管理、人脸信息数据库、各种报警信息存储)；经各智能设备的边缘数据处理后，上传到联通云，联通云端存储多种类型的数据，通过4G网络进行云端接收来自不同智能设备的信息，多种数据统一在联通云端存储，方便后期的检索与查询；
报警模块：
典型区域场景中智能设备之间通过路由器组成局域网，用以监控区域包括有围墙、重要出入口、电梯、楼道、重要道路、地下库在内的区域，报警系统需要与红外报警器、烟感报警器、门禁系统和监控系统进行联动，若检测到异常，立马通过扬声器发生警报声，重点监控区域设置的不同电子围栏等级，检测到区域入侵者或者电子围栏越界等异常行为和异常事件时，视频管理平台出现弹窗报警，重要出入口设置的门禁人脸识别，一旦达到报警门禁条件，就会自动触发报警系统；
视频管理平台：管理平台实现对整个系统的智能管理，连接联通云端，大量视频数据、智能设备采集的数据存储在联通云，视频管理平台与联通云端通信连接，并且能够进行查看，视频管理平台包括有如下模块：
1)基本信息管理：重点区域内的人员进入进行管理；
2)设备状态管理包括安装的智能视频监控设备、红外报警设备、燃气报警设备、定位设备等工作状态进行管理，对设备的属性进行设置，实现设备的增删改查，采用的数据库为MySQL；
3)区域入侵管理：设置的区域一旦触发立即报警；
4)异常行为/事件管理：保存每次发生的异常行为/事件发生的类型、地点与时间，便于统计；
5)报警显示与确认：视频监控管理平台弹出的报警画面，需要工作人员进行确认，以防出现误检或者漏检的情况；
6)历史记录查询：包括监控视频查询、报警记录查询；对保存的报警记录以时间、事件类型、行为类型、发生地点等条件进行查询；
7)人脸识别显示：显示出入口的门禁系统抓拍的人脸画面，采集的人脸图像与人脸库中的人脸像进行比对；
8)电子围栏设置：不同区域设置不同的电子围栏等级；
9)实时视频监控：该模块具有采、传、存、看的功能，获取每一路监控的视频流地址，将摄像头采集到的图像数据通过4G网络进行传输，数据存储在联通云中，在前端可以任意调用其中一路监控进行实时显示，且对原视频画面通过智能AI算法处理后，通过切换显示按钮，可显示处理后的监控画面，并给出画面中人的行为标签和行为准确度，实时视频画面中检测到异常，弹出异常报警对话框，同时保存异常画面，等待相关工作人员处理异常；视频管理平台的前端搭载4G摄像头硬件，将采集到的数据传输至后台视频管理平台，实时监控视频画面，后端的AI智能算法能够分析视频中的人体行为。
2.根据权利要求1所述的一种智慧新城的智能安防系统，其特征在于为了能够分析视频中的运动目标，并将不同种类的目标进行分类以便放到不同类型的数据库中，方便后期的智能检索，需要对视频进行结构化处理，对视频中的运动目标进行分割采用，具体实现方式如下：
采用无监督视频分割的扩散机制对视频图像进行数据结构化处理，在视频序列x＝{x1,...,xF}的F帧xi，i∈{1,2,...,F}上分配初始前景显著性估计，使用超像素将每一帧图像划分为一组节点，并使用全局邻域图估计和编码帧内和帧间的语义关系，通过一个加权行随机邻域矩阵表示全局邻域图，其中N是视频中的节点总数；执行每一个节点的初始化前景显著性估计的扩散是通过当前节点估计与邻域矩阵G的重复矩阵相乘来实现，作为第t次扩散步骤vt＝Gvt-1，基于扩散的无监督视频分割算法邻域矩阵G和初始化v0作为唯一输入；
采用u表示视频显著性前景运动，ui和pi分别表示第i帧图像中的显著性前景和像素，为了计算显著性运动估计，单独处理每一帧xi，其中i∈{1,2,...,F}，给定一帧图像xi，参考像素点pi的强度值，表示第i帧和第i+1帧中在以像素pi为单位测量物体运动的光流矢量，βi表示帧i处的边界像素集合；
基于和计算视频帧i中的显著性运动前景，每一个都测量第i帧图像的任何像素pi和边界集合βi；第一个距离计算在边界上观察到的像素pi和公共流动方向之间的最小流动方向差；第二个距离计算像素pi和边界像素之间的路径代价函数；和都捕捉到像素pi处的运动和背景运动之间的相似性；
计算光流方向的差值：光流方向差在视频帧i处的像素pi和边界βi的公共光流方向；首先，采用k-means将边界光流方向聚类为K个集合，其中k∈{1,...,K}，将聚类中心点包含到集合中，实现如下：
其中表示分配像素pi到聚类k中的指标，r代表所有指标变量的串联；将Ki更新为只包含分配了超过1/6边界像素的中心，给定聚类中心的情况下，通过捕捉帧i中像素pi和帧i边界中观察到的主光流方向之间的光流差，通过以下公式实现：
计算最小势垒距离：计算视频帧i中像素pi和边界像素的最小势垒距离Dbd,i，通过如下公式计算得到：
其中表示路径，边缘集合连接像素pi和边界像素s∈βi，通过在帧i中计算最小生成树，边缘权重wi(e)用来计算公式(1)中最小生成树和势垒距离，通过计算相邻像素最大光流方向差值得到：e＝(pi,qi)是连接两个像素pi和qi的边；采用4连通领域的方法计算最小生成树，将两点间的势垒距离计算为两点间最小生成树路径上的最大边权与最小边权之差，该点和边界上任何点之间势垒距离的最小值作为该点的最小势垒距离；
计算前景运动型显著：通过归一化后的两个距离度量和来获得视频帧i中像素化的显著性前景目标ui；
通过计算邻域矩阵G＝T×E×V计算得到邻域图，其中T为帧间信息，E为帧内信息，V为long-range(远程)components；
帧间时序信息：通过提取光流信息获得帧间时序信息，为防止运动边界处的光流估计不准确，在前后一致性的同时，将超像素连接在相邻帧间的光流向量之间；为计算光流邻域矩阵T，连续的两针图像xi和xi+1，每一帧图像包含像素pi和pi+1，计算每个像素的前向光流场fi(pi)和后向光流场bi+1(pi+1)，通过计算得到的光流场定义视频帧xi在像素pi处的前向置信度得分实现公式如下：
后向置信度得分实现如下：
其中σ2为超参数；置信度得分测量了像素pi和通过pi+fi(pi)将光流场跟随到帧xi+1之后的结果，并通过pi+fi(pi)+bi+1(pi+fi(pi))返回到帧xi中的结果；采用置信度得分计算帧i和帧i+1中两个超像素si,k和si+1,m的连接强度，通过公式实现：
其中δ(·)表示指标函数，|si,k|和|si+1,k|代表在si,k和si+1,m处的像素数量；上式中第一项比较以超像素si,k开始，si+1,m结束的连接强度与源于si,k和si+1,m的总强度；第二项类似表示；
帧内空间信息防止帧内视觉边缘的扩散，如果没有被强边缘分离，允许信息在同一帧中相邻的超像素之间传播，为寻找边缘感知的空间E,首先采用训练好的帧与帧间的边缘响应，利用边缘响应通过对衰减函数求和的方法为所有超像素计算置信度得分A(s)，实现如下：
其中G(p)∈[0,1]表示在像素p处的边缘响应，σw和ε代表超参数；
通过上述边缘信息计算边缘感知邻域矩阵E：
如果si,k在空间上接近si+1,m，也就是两个超像素之间的中心距离小于1.5倍的超像素尺寸平方根；
若两个超像素之间具有视觉相似性，基于视觉相似性的长连接允许远离在时间或空间上的超像素之间进行传播，通过近邻图像能够使长连接传播信息更加有效，为计算视觉相似性矩阵V，这些超像素与超像素si,m关系最为密切，首先执行k最近邻搜索，对每一个超像素si,m，在r帧的时间范围内发现si,m的k个最近邻，在特征空间采用欧几里得距离计算超像素之间的距离；
通过连接计算得到的超像素内像素的LBP和RGB直方图来计算超像素的特征f(s)，同时还包括HOG特征以及超像素中心的x和y坐标；
通过定义视觉相似性矩阵，使超像素si,m的k最近邻通过N(si,m)引用，视觉相似性矩阵表示为：
其中σ为超参数，f(s)表示超像素s的特征表示；
对多路监控视频图像进行结构化处理后，不仅减少了图像中大量无用数据，获取有用的数据，而且减少了云端存储数据的负载能力，在目标识别的准确度上，由于人体行为的非刚性特性，使得行为具有多样性和多变性，该图像处理算法能够对不同个体产生的同一种人体行为具有比较高的准确度，使之能够应用在实际中，为了满足实际的应用需求，视频图像的处理速度每秒处理30帧图像，能够达到准实时的效果。
CN201910669716.3A 2019-07-24 2019-07-24 一种智慧新城的智能安防系统 Active CN110428522B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910669716.3A CN110428522B (zh) 2019-07-24 2019-07-24 一种智慧新城的智能安防系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910669716.3A CN110428522B (zh) 2019-07-24 2019-07-24 一种智慧新城的智能安防系统

Publications (2)

Publication Number Publication Date
CN110428522A true CN110428522A (zh) 2019-11-08
CN110428522B CN110428522B (zh) 2021-04-30

Family

ID=68410541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910669716.3A Active CN110428522B (zh) 2019-07-24 2019-07-24 一种智慧新城的智能安防系统

Country Status (1)

Country Link
CN (1) CN110428522B (zh)

Cited By (66)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110853276A (zh) * 2019-12-05 2020-02-28 电子科技大学中山学院 一种智能安防入侵检测系统
CN110913181A (zh) * 2019-12-06 2020-03-24 太原师范学院 一种基于边缘计算的仓库视频监控系统
CN110996067A (zh) * 2019-12-19 2020-04-10 哈尔滨融智爱科智能科技有限公司 基于深度学习的高危作业环境下的人员安全实时智能视频监控系统
CN111104916A (zh) * 2019-12-23 2020-05-05 中科讯安(深圳)科技有限公司 一种基于物联网的人群画像感知的数据分析系统
CN111191631A (zh) * 2020-01-08 2020-05-22 哈尔滨融智爱科智能科技有限公司 基于图像域模板匹配的视频监控监管区域多设备联动方法
CN111263114A (zh) * 2020-02-14 2020-06-09 北京百度网讯科技有限公司 异常事件报警方法和装置
CN111459965A (zh) * 2019-12-24 2020-07-28 中国科学院沈阳自动化研究所 一种面向边缘计算的信息监控系统
CN111491133A (zh) * 2020-04-09 2020-08-04 河南城建学院 应用电子人像锁定技术的商场安全监控系统
CN111510689A (zh) * 2020-07-01 2020-08-07 成都宜泊信息科技有限公司 一种视频监控系统及监控方法
CN111540152A (zh) * 2020-04-20 2020-08-14 张杜平 一种智能安防预警系统
CN111583485A (zh) * 2020-04-16 2020-08-25 北京澎思科技有限公司 小区门禁系统、门禁控制方法和装置、门禁单元及介质
CN111582165A (zh) * 2020-05-07 2020-08-25 广东中立建设有限公司 一种电力配电站房监控系统
CN111698470A (zh) * 2020-06-03 2020-09-22 河南省民盛安防服务有限公司 一种基于云边协同计算的安防视频监控系统及其实现方法
CN111726579A (zh) * 2020-06-12 2020-09-29 平湖市凯翔电子科技有限公司 校园安防监控系统
CN111738163A (zh) * 2020-06-23 2020-10-02 广东辰启科技有限责任公司 一种边缘计算盒子前端识别的处理方法
CN111787189A (zh) * 2020-07-17 2020-10-16 塔盾信息技术(上海)有限公司 一种增强现实与地理信息融合的网格化自动监测系统
CN111832457A (zh) * 2020-07-01 2020-10-27 济南浪潮高新科技投资发展有限公司 基于云边协同的陌生人入侵检测方法
CN111862434A (zh) * 2020-07-30 2020-10-30 上海茂声智能科技有限公司 行人通行的控制系统和方法
CN111866450A (zh) * 2020-06-18 2020-10-30 昇辉控股有限公司 基于云边协同的智能视频监控装置
CN111898524A (zh) * 2020-07-29 2020-11-06 江苏艾什顿科技有限公司 一种5g边缘计算网关及其应用
CN111932704A (zh) * 2020-07-17 2020-11-13 苏州企智信息科技有限公司 一种基于视频行为识别的经营规范智能巡查方法
CN111950478A (zh) * 2020-08-17 2020-11-17 浙江东鼎电子股份有限公司 一种动态平板秤称重区域汽车s型行驶行为检测方法
CN112016474A (zh) * 2020-08-31 2020-12-01 重庆紫光华山智安科技有限公司 一种人脸识别方法、装置、设备及计算机可读存储介质
CN112040196A (zh) * 2020-09-15 2020-12-04 南京智能仿真技术研究院有限公司 一种基于机器视觉的室内智能安防系统
CN112050944A (zh) * 2020-08-31 2020-12-08 深圳数联天下智能科技有限公司 门口位置确定方法及相关装置
CN112153345A (zh) * 2020-09-25 2020-12-29 内蒙古蒙达发电有限责任公司 一种基于5g应用作业的现场智慧反违章管控平台
CN112200955A (zh) * 2020-10-09 2021-01-08 北京首钢自动化信息技术有限公司 一种用于控制目标对象通行的方法及装置
CN112383615A (zh) * 2020-11-12 2021-02-19 山东建筑大学 一种基于边缘计算的住宅楼门禁安防系统及方法
CN112417987A (zh) * 2020-10-30 2021-02-26 四川天翼网络服务有限公司 一种基于多角度人脸采集的无感识别通行方法及系统
CN112614161A (zh) * 2020-12-28 2021-04-06 之江实验室 一种基于边缘置信度的三维物体跟踪方法
CN112634580A (zh) * 2021-03-05 2021-04-09 深圳佳兆业科技集团有限公司 社区警情处理方法、服务器、执行终端及系统
CN112699328A (zh) * 2020-12-28 2021-04-23 建信金融科技有限责任公司 网点服务数据处理方法、装置、系统、设备及存储介质
CN112733819A (zh) * 2021-03-30 2021-04-30 成都大学 一种基于深度学习图像处理的多模式安保监测方法
CN112770090A (zh) * 2020-12-28 2021-05-07 杭州电子科技大学 一种基于异动检测与目标跟踪的监控方法
CN112818854A (zh) * 2021-02-01 2021-05-18 南通大学 一种应用于校园安防的全天候视频寻人方法
CN112861642A (zh) * 2021-01-15 2021-05-28 北京睿芯高通量科技有限公司 一种移动载具用实时人脸车牌识别5g警用安防系统及方法
CN112907808A (zh) * 2021-01-29 2021-06-04 西藏宁算科技集团有限公司 一种基于云计算的特定区域面部识别预警系统
CN113297415A (zh) * 2021-04-27 2021-08-24 安徽继远软件有限公司 面向电力边缘侧的边缘视频分析智能服务方法及系统
CN113392714A (zh) * 2021-05-20 2021-09-14 上海可深信息科技有限公司 一种聚众事件检测方法及系统
CN113468948A (zh) * 2021-04-26 2021-10-01 深圳市安软科技股份有限公司 基于视图数据的治安防控方法、模块、设备及存储介质
CN113762163A (zh) * 2021-09-09 2021-12-07 杭州澳亚生物技术股份有限公司 一种gmp车间智能化监控管理方法及系统
CN113823054A (zh) * 2021-11-24 2021-12-21 中国南方电网有限责任公司超高压输电公司广州局 换流站的综合安防管理系统、方法、装置和计算机设备
CN113903115A (zh) * 2021-10-04 2022-01-07 哈尔滨徙木科技有限公司 一种智慧城市安防系统
CN113902997A (zh) * 2021-06-21 2022-01-07 苏州亿尔奇信息科技有限公司 基于视频监控的异常行为报警方法及系统
CN114281553A (zh) * 2022-03-08 2022-04-05 开泰远景信息科技有限公司 一种业务处理方法、系统及云平台
CN114363344A (zh) * 2022-01-04 2022-04-15 保利和悦生活科技服务有限公司 一种基于云计算的智能化社区服务管理方法及系统
CN114461591A (zh) * 2021-12-27 2022-05-10 天翼云科技有限公司 一种对象存储方法、装置和电子设备
CN114666554A (zh) * 2022-05-23 2022-06-24 创意信息技术股份有限公司 一种边缘网关云服务管理系统
CN114827540A (zh) * 2022-04-14 2022-07-29 山西长河科技股份有限公司 一种基于视频智能分析技术的监测站安全运行方法和终端
CN114937303A (zh) * 2022-06-07 2022-08-23 慧之安信息技术股份有限公司 基于人脸识别的景区登记监控方法
CN115103155A (zh) * 2022-05-30 2022-09-23 广州工商学院 一种基于大数据的公共视频监控系统
CN115223002A (zh) * 2022-05-09 2022-10-21 广州汽车集团股份有限公司 模型训练方法、开门动作检测方法、装置以及计算机设备
WO2023280273A1 (zh) * 2021-07-08 2023-01-12 云丁网络技术(北京)有限公司 一种控制方法和系统
TWI803760B (zh) * 2019-06-27 2023-06-01 核桃運算股份有限公司 仿生計算系統及其雲端系統
CN116955092A (zh) * 2023-09-20 2023-10-27 山东小萌信息科技有限公司 基于数据分析的多媒体系统监控方法及系统
CN117011963A (zh) * 2023-10-07 2023-11-07 四川金投科技股份有限公司 一种基于电子钥匙的智能锁及智能门控系统
CN117135324A (zh) * 2023-09-08 2023-11-28 南京启征信息技术有限公司 一种视频一体化智能识别系统
CN117197876A (zh) * 2023-11-07 2023-12-08 深圳凯升联合科技有限公司 一种基于深度学习的人脸识别安防系统及其方法
CN117424985A (zh) * 2023-11-10 2024-01-19 江苏峰鑫网络科技有限公司 一种多场景网络视频监测预警系统
CN117424988A (zh) * 2023-12-15 2024-01-19 浙江大学台州研究院 一种用于智能化管理焊机的图像处理系统和处理方法
CN117671918A (zh) * 2023-11-10 2024-03-08 深圳市亲邻科技有限公司 一种基于边缘服务器的社区特殊区域安全识别方法与系统
IT202200025557A1 (it) 2022-12-14 2024-06-14 Autostrade Per Litalia S P A Metodo e sistema per l’identificazione in tempo reale di anomalie di elementi stradali attraverso riconoscimento visivo a bordo veicolo
CN118196876A (zh) * 2024-05-20 2024-06-14 东南大学 一种虚拟身份认证装置及其认证方法
CN118247872A (zh) * 2024-05-27 2024-06-25 常州市小麦物联科技有限公司 一种基于大数据的智能门禁异常数据传输系统及方法
CN118262288A (zh) * 2024-04-02 2024-06-28 中建科工集团运营管理有限公司 大型场馆可疑人员追踪监测系统、方法及介质
CN118506287A (zh) * 2024-07-17 2024-08-16 江西博微新技术有限公司 区域安全监控方法、系统、可读存储介质及计算机

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002304651A (ja) * 2001-04-06 2002-10-18 Nippon Telegr & Teleph Corp <Ntt> 入退室管理装置とその方法、およびこの方法の実行プログラムとこの実行プログラムを記録した記録媒体
CN101778260A (zh) * 2009-12-29 2010-07-14 公安部第三研究所 一种基于结构化描述的视频监控管理方法及系统
CN204229196U (zh) * 2014-09-01 2015-03-25 无锡市七芯物联科技有限公司 一种可应用于智能家居、智能电网的物联网教学实训平台
CN104537336A (zh) * 2014-12-17 2015-04-22 厦门立林科技有限公司 一种具备自学习功能的人脸识别方法和系统
CN205959347U (zh) * 2016-08-17 2017-02-15 成都环球物讯科技有限责任公司 社区智能化及电子监控报警系统
CN107742092A (zh) * 2016-08-31 2018-02-27 彭青 智慧城市公共监控系统
CN109218660A (zh) * 2017-07-07 2019-01-15 中兴通讯股份有限公司 一种视频处理方法及装置
CN109302586A (zh) * 2018-10-22 2019-02-01 成都臻识科技发展有限公司 一种结构化人脸抓拍相机及相应视频监控系统
CN109618286A (zh) * 2018-10-24 2019-04-12 广州烽火众智数字技术有限公司 一种实时监控系统和方法
KR20190072323A (ko) * 2017-12-15 2019-06-25 동의대학교 산학협력단 영상 감시 시스템 및 영상 감시방법

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002304651A (ja) * 2001-04-06 2002-10-18 Nippon Telegr & Teleph Corp <Ntt> 入退室管理装置とその方法、およびこの方法の実行プログラムとこの実行プログラムを記録した記録媒体
CN101778260A (zh) * 2009-12-29 2010-07-14 公安部第三研究所 一种基于结构化描述的视频监控管理方法及系统
CN204229196U (zh) * 2014-09-01 2015-03-25 无锡市七芯物联科技有限公司 一种可应用于智能家居、智能电网的物联网教学实训平台
CN104537336A (zh) * 2014-12-17 2015-04-22 厦门立林科技有限公司 一种具备自学习功能的人脸识别方法和系统
CN205959347U (zh) * 2016-08-17 2017-02-15 成都环球物讯科技有限责任公司 社区智能化及电子监控报警系统
CN107742092A (zh) * 2016-08-31 2018-02-27 彭青 智慧城市公共监控系统
CN109218660A (zh) * 2017-07-07 2019-01-15 中兴通讯股份有限公司 一种视频处理方法及装置
KR20190072323A (ko) * 2017-12-15 2019-06-25 동의대학교 산학협력단 영상 감시 시스템 및 영상 감시방법
CN109302586A (zh) * 2018-10-22 2019-02-01 成都臻识科技发展有限公司 一种结构化人脸抓拍相机及相应视频监控系统
CN109618286A (zh) * 2018-10-24 2019-04-12 广州烽火众智数字技术有限公司 一种实时监控系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周宾: "人脸识别技术在"智慧南京"城市建设中的应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
王文新: "海量视频摘要及检索关键技术研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (88)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI803760B (zh) * 2019-06-27 2023-06-01 核桃運算股份有限公司 仿生計算系統及其雲端系統
CN110853276A (zh) * 2019-12-05 2020-02-28 电子科技大学中山学院 一种智能安防入侵检测系统
CN110913181A (zh) * 2019-12-06 2020-03-24 太原师范学院 一种基于边缘计算的仓库视频监控系统
CN110996067A (zh) * 2019-12-19 2020-04-10 哈尔滨融智爱科智能科技有限公司 基于深度学习的高危作业环境下的人员安全实时智能视频监控系统
CN111104916A (zh) * 2019-12-23 2020-05-05 中科讯安(深圳)科技有限公司 一种基于物联网的人群画像感知的数据分析系统
CN111459965B (zh) * 2019-12-24 2023-05-05 中国科学院沈阳自动化研究所 一种面向边缘计算的信息监控系统
CN111459965A (zh) * 2019-12-24 2020-07-28 中国科学院沈阳自动化研究所 一种面向边缘计算的信息监控系统
CN111191631A (zh) * 2020-01-08 2020-05-22 哈尔滨融智爱科智能科技有限公司 基于图像域模板匹配的视频监控监管区域多设备联动方法
CN111263114A (zh) * 2020-02-14 2020-06-09 北京百度网讯科技有限公司 异常事件报警方法和装置
CN111491133A (zh) * 2020-04-09 2020-08-04 河南城建学院 应用电子人像锁定技术的商场安全监控系统
CN111583485A (zh) * 2020-04-16 2020-08-25 北京澎思科技有限公司 小区门禁系统、门禁控制方法和装置、门禁单元及介质
CN111540152A (zh) * 2020-04-20 2020-08-14 张杜平 一种智能安防预警系统
CN111582165A (zh) * 2020-05-07 2020-08-25 广东中立建设有限公司 一种电力配电站房监控系统
CN111582165B (zh) * 2020-05-07 2024-02-09 广东中立建设有限公司 一种电力配电站房监控系统
CN111698470A (zh) * 2020-06-03 2020-09-22 河南省民盛安防服务有限公司 一种基于云边协同计算的安防视频监控系统及其实现方法
CN111698470B (zh) * 2020-06-03 2021-09-03 中科民盛安防(河南)有限公司 一种基于云边协同计算的安防视频监控系统及其实现方法
CN111726579A (zh) * 2020-06-12 2020-09-29 平湖市凯翔电子科技有限公司 校园安防监控系统
CN111726579B (zh) * 2020-06-12 2022-02-11 禾研(嘉兴)建筑智能化工程有限公司 校园安防监控系统
CN111866450A (zh) * 2020-06-18 2020-10-30 昇辉控股有限公司 基于云边协同的智能视频监控装置
CN111738163A (zh) * 2020-06-23 2020-10-02 广东辰启科技有限责任公司 一种边缘计算盒子前端识别的处理方法
CN111832457A (zh) * 2020-07-01 2020-10-27 济南浪潮高新科技投资发展有限公司 基于云边协同的陌生人入侵检测方法
CN111510689A (zh) * 2020-07-01 2020-08-07 成都宜泊信息科技有限公司 一种视频监控系统及监控方法
CN111832457B (zh) * 2020-07-01 2022-07-22 山东浪潮科学研究院有限公司 基于云边协同的陌生人入侵检测方法
CN111932704A (zh) * 2020-07-17 2020-11-13 苏州企智信息科技有限公司 一种基于视频行为识别的经营规范智能巡查方法
CN111787189A (zh) * 2020-07-17 2020-10-16 塔盾信息技术(上海)有限公司 一种增强现实与地理信息融合的网格化自动监测系统
CN111898524A (zh) * 2020-07-29 2020-11-06 江苏艾什顿科技有限公司 一种5g边缘计算网关及其应用
CN111862434A (zh) * 2020-07-30 2020-10-30 上海茂声智能科技有限公司 行人通行的控制系统和方法
CN111950478A (zh) * 2020-08-17 2020-11-17 浙江东鼎电子股份有限公司 一种动态平板秤称重区域汽车s型行驶行为检测方法
CN111950478B (zh) * 2020-08-17 2021-07-23 浙江东鼎电子股份有限公司 一种动态平板秤称重区域汽车s型行驶行为检测方法
CN112050944A (zh) * 2020-08-31 2020-12-08 深圳数联天下智能科技有限公司 门口位置确定方法及相关装置
CN112050944B (zh) * 2020-08-31 2023-12-08 深圳数联天下智能科技有限公司 门口位置确定方法及相关装置
CN112016474B (zh) * 2020-08-31 2021-11-09 重庆紫光华山智安科技有限公司 一种人脸识别方法、装置、设备及计算机可读存储介质
CN112016474A (zh) * 2020-08-31 2020-12-01 重庆紫光华山智安科技有限公司 一种人脸识别方法、装置、设备及计算机可读存储介质
CN112040196A (zh) * 2020-09-15 2020-12-04 南京智能仿真技术研究院有限公司 一种基于机器视觉的室内智能安防系统
CN112153345A (zh) * 2020-09-25 2020-12-29 内蒙古蒙达发电有限责任公司 一种基于5g应用作业的现场智慧反违章管控平台
CN112200955A (zh) * 2020-10-09 2021-01-08 北京首钢自动化信息技术有限公司 一种用于控制目标对象通行的方法及装置
CN112417987A (zh) * 2020-10-30 2021-02-26 四川天翼网络服务有限公司 一种基于多角度人脸采集的无感识别通行方法及系统
CN112383615A (zh) * 2020-11-12 2021-02-19 山东建筑大学 一种基于边缘计算的住宅楼门禁安防系统及方法
CN112770090A (zh) * 2020-12-28 2021-05-07 杭州电子科技大学 一种基于异动检测与目标跟踪的监控方法
CN112614161A (zh) * 2020-12-28 2021-04-06 之江实验室 一种基于边缘置信度的三维物体跟踪方法
CN112699328A (zh) * 2020-12-28 2021-04-23 建信金融科技有限责任公司 网点服务数据处理方法、装置、系统、设备及存储介质
CN112861642A (zh) * 2021-01-15 2021-05-28 北京睿芯高通量科技有限公司 一种移动载具用实时人脸车牌识别5g警用安防系统及方法
CN112907808A (zh) * 2021-01-29 2021-06-04 西藏宁算科技集团有限公司 一种基于云计算的特定区域面部识别预警系统
CN112818854A (zh) * 2021-02-01 2021-05-18 南通大学 一种应用于校园安防的全天候视频寻人方法
CN112818854B (zh) * 2021-02-01 2023-12-05 南通大学 一种应用于校园安防的全天候视频寻人方法
CN112634580A (zh) * 2021-03-05 2021-04-09 深圳佳兆业科技集团有限公司 社区警情处理方法、服务器、执行终端及系统
CN112733819A (zh) * 2021-03-30 2021-04-30 成都大学 一种基于深度学习图像处理的多模式安保监测方法
CN113468948A (zh) * 2021-04-26 2021-10-01 深圳市安软科技股份有限公司 基于视图数据的治安防控方法、模块、设备及存储介质
CN113468948B (zh) * 2021-04-26 2023-11-10 深圳市安软科技股份有限公司 基于视图数据的治安防控方法、模块、设备及存储介质
CN113297415B (zh) * 2021-04-27 2023-09-15 安徽继远软件有限公司 面向电力边缘侧的边缘视频分析智能服务方法及系统
CN113297415A (zh) * 2021-04-27 2021-08-24 安徽继远软件有限公司 面向电力边缘侧的边缘视频分析智能服务方法及系统
CN113392714A (zh) * 2021-05-20 2021-09-14 上海可深信息科技有限公司 一种聚众事件检测方法及系统
CN113902997A (zh) * 2021-06-21 2022-01-07 苏州亿尔奇信息科技有限公司 基于视频监控的异常行为报警方法及系统
WO2023280273A1 (zh) * 2021-07-08 2023-01-12 云丁网络技术(北京)有限公司 一种控制方法和系统
CN113762163A (zh) * 2021-09-09 2021-12-07 杭州澳亚生物技术股份有限公司 一种gmp车间智能化监控管理方法及系统
CN113903115A (zh) * 2021-10-04 2022-01-07 哈尔滨徙木科技有限公司 一种智慧城市安防系统
CN113903115B (zh) * 2021-10-04 2024-05-03 深圳盛达德安全科技服务有限公司 一种智慧城市安防系统
CN113823054A (zh) * 2021-11-24 2021-12-21 中国南方电网有限责任公司超高压输电公司广州局 换流站的综合安防管理系统、方法、装置和计算机设备
CN114461591A (zh) * 2021-12-27 2022-05-10 天翼云科技有限公司 一种对象存储方法、装置和电子设备
CN114363344A (zh) * 2022-01-04 2022-04-15 保利和悦生活科技服务有限公司 一种基于云计算的智能化社区服务管理方法及系统
CN114281553B (zh) * 2022-03-08 2022-05-13 开泰远景信息科技有限公司 一种业务处理方法、系统及云平台
CN114281553A (zh) * 2022-03-08 2022-04-05 开泰远景信息科技有限公司 一种业务处理方法、系统及云平台
CN114827540A (zh) * 2022-04-14 2022-07-29 山西长河科技股份有限公司 一种基于视频智能分析技术的监测站安全运行方法和终端
CN115223002A (zh) * 2022-05-09 2022-10-21 广州汽车集团股份有限公司 模型训练方法、开门动作检测方法、装置以及计算机设备
CN115223002B (zh) * 2022-05-09 2024-01-09 广州汽车集团股份有限公司 模型训练方法、开门动作检测方法、装置以及计算机设备
CN114666554A (zh) * 2022-05-23 2022-06-24 创意信息技术股份有限公司 一种边缘网关云服务管理系统
WO2023231082A1 (zh) * 2022-05-30 2023-12-07 广州工商学院 一种基于大数据的公共视频监控系统
CN115103155A (zh) * 2022-05-30 2022-09-23 广州工商学院 一种基于大数据的公共视频监控系统
CN114937303A (zh) * 2022-06-07 2022-08-23 慧之安信息技术股份有限公司 基于人脸识别的景区登记监控方法
IT202200025557A1 (it) 2022-12-14 2024-06-14 Autostrade Per Litalia S P A Metodo e sistema per l’identificazione in tempo reale di anomalie di elementi stradali attraverso riconoscimento visivo a bordo veicolo
CN117135324A (zh) * 2023-09-08 2023-11-28 南京启征信息技术有限公司 一种视频一体化智能识别系统
CN116955092B (zh) * 2023-09-20 2024-01-30 山东小萌信息科技有限公司 基于数据分析的多媒体系统监控方法及系统
CN116955092A (zh) * 2023-09-20 2023-10-27 山东小萌信息科技有限公司 基于数据分析的多媒体系统监控方法及系统
CN117011963B (zh) * 2023-10-07 2023-12-08 四川金投科技股份有限公司 一种基于电子钥匙的智能锁及智能门控系统
CN117011963A (zh) * 2023-10-07 2023-11-07 四川金投科技股份有限公司 一种基于电子钥匙的智能锁及智能门控系统
CN117197876A (zh) * 2023-11-07 2023-12-08 深圳凯升联合科技有限公司 一种基于深度学习的人脸识别安防系统及其方法
CN117197876B (zh) * 2023-11-07 2024-04-09 深圳凯升联合科技有限公司 一种基于深度学习的人脸识别安防系统及其方法
CN117424985A (zh) * 2023-11-10 2024-01-19 江苏峰鑫网络科技有限公司 一种多场景网络视频监测预警系统
CN117671918A (zh) * 2023-11-10 2024-03-08 深圳市亲邻科技有限公司 一种基于边缘服务器的社区特殊区域安全识别方法与系统
CN117424985B (zh) * 2023-11-10 2024-05-31 江苏峰鑫网络科技有限公司 一种多场景网络视频监测预警系统
CN117671918B (zh) * 2023-11-10 2024-08-27 深圳市亲邻科技有限公司 一种基于边缘服务器的社区特殊区域安全识别方法与系统
CN117424988B (zh) * 2023-12-15 2024-03-15 浙江大学台州研究院 一种用于智能化管理焊机的图像处理系统和处理方法
CN117424988A (zh) * 2023-12-15 2024-01-19 浙江大学台州研究院 一种用于智能化管理焊机的图像处理系统和处理方法
CN118262288A (zh) * 2024-04-02 2024-06-28 中建科工集团运营管理有限公司 大型场馆可疑人员追踪监测系统、方法及介质
CN118262288B (zh) * 2024-04-02 2024-10-01 中建科工集团运营管理有限公司 大型场馆可疑人员追踪监测系统、方法及介质
CN118196876A (zh) * 2024-05-20 2024-06-14 东南大学 一种虚拟身份认证装置及其认证方法
CN118247872A (zh) * 2024-05-27 2024-06-25 常州市小麦物联科技有限公司 一种基于大数据的智能门禁异常数据传输系统及方法
CN118506287A (zh) * 2024-07-17 2024-08-16 江西博微新技术有限公司 区域安全监控方法、系统、可读存储介质及计算机

Also Published As

Publication number Publication date
CN110428522B (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
CN110428522A (zh) 一种智慧新城的智能安防系统
Franklin et al. Anomaly detection in videos for video surveillance applications using neural networks
CN101795395B (zh) 一种人群态势监控系统及方法
US10346688B2 (en) Congestion-state-monitoring system
US7617167B2 (en) Machine vision system for enterprise management
CN104303193B (zh) 基于聚类的目标分类
KR102149832B1 (ko) 딥러닝 기반의 자동 폭력 감지 시스템
CN105426820B (zh) 基于安防监控视频数据的多人异常行为检测方法
CN108174165A (zh) 电力安全作业及运维智能监管系统及方法
CN108062349A (zh) 基于视频结构化数据及深度学习的视频监控方法和系统
CN111814638B (zh) 基于深度学习的安防场景火焰检测方法
US11288954B2 (en) Tracking and alerting traffic management system using IoT for smart city
CN115346163A (zh) 仓库安全监控方法、装置、系统、设备和计算机存储介质
CN110414360A (zh) 一种异常行为的检测方法及检测设备
CN116246424B (zh) 一种老年人行为安全监控系统
CN116419059A (zh) 基于行为标签的自动监控方法、装置、设备及介质
CN109284740A (zh) 对鼠情进行统计的方法、装置、设备以及存储介质
KR101513180B1 (ko) 감시카메라 영상을 이용한 실시간 결제 이벤트 요약 시스템 및 그 방법
CN114222163A (zh) 一种营业厅智能视频分析系统
CN118229085A (zh) 基于注意力预测机制的智慧园区能管风险视觉管理系统
CN111160150A (zh) 基于深度残差神经网络卷积的视频监控人群行为的识别方法
CN115346170A (zh) 一种燃气设施区域的智能监控方法及装置
Vaishnavi et al. Implementation of Abnormal Event Detection using Automated Surveillance System
Costache et al. Target audience response analysis in out-of-home advertising using computer vision
CN118379798B (zh) 一种基于课堂密集场景的双阶段人员行为识别方法

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
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 266200 Household No. 8, Qingda Third Road, Laoshan District, Qingdao City, Shandong Province

Patentee after: QINGDAO LIANHE CHUANGZHI TECHNOLOGY Co.,Ltd.

Address before: Room 1204, No. 40, Hong Kong Middle Road, Shinan District, Qingdao, Shandong 266200

Patentee before: QINGDAO LIANHE CHUANGZHI TECHNOLOGY Co.,Ltd.