一种基于视频智能识别的区域警示方法及系统与流程

    专利2025-03-01  8


    本发明属于视频识别领域,尤其涉及一种基于视频智能识别的区域警示方法及系统。


    背景技术:

    1、视频智能识别是一种基于计算机视觉和深度学习的技术,通过对视频图像进行分析和处理,以实现目标物体的自动识别、跟踪和理解。它结合了图像处理、模式识别和机器学习等多个领域的知识和算法,可以从视频中提取出有意义的信息,并进行高级的认知和分析。

    2、视频智能识别的目标包括但不限于物体检测、跟踪、行为分析、场景理解等。通过检测和识别视频帧中的目标物体,系统可以实现自动地标识和跟踪物体的位置、轨迹和特征。利用物体的移动模式、形态变化和关系,视频智能识别可以分析和预测目标的行为动作,如进入/离开区域、交叉移动等。此外,通过对驾驶行为、人群行为、事件发生等场景进行分析,视频智能识别技术可以提供更全面和精准的视频理解和应用。

    3、在现有技术中,仍然存在一些情况下无法准确识别目标对象的问题,如低光照、模糊图像或目标部分遮挡等情况可能导致误检或漏检。当使用视频流进行目标检测时,背景干扰可能会对识别算法造成干扰。复杂的背景、相似的物体或运动模糊可能会导致误判和错误的定位。且某些场景需要实时性较高的警示系统,但现有技术在处理复杂场景、大规模视频流或处理时间较长的算法时可能无法满足实时性的要求。


    技术实现思路

    1、本发明的目的在于提供一种基于视频智能识别的区域警示方法,旨在解决背景技术中确定的现有技术存在的技术问题。

    2、本发明是这样实现的,一种基于视频智能识别的区域警示方法,所述方法包括:

    3、接收监控摄像头的实时视频流,并在视频流中每增加一次货物时,对视频流图像进行提取,得到若干视频图像,对若干视频图像进行目标检测和识别,定位并标识货物的位置和边界框;

    4、将若干视频图像中每个目标的位置和边界框进行叠加,并建立货物区域的虚拟三维模型;

    5、通过监听器跟踪每个货物在三维模型中的位置,当货物新增、被遮挡、移动或消失时,对货物的相应位置和状态进行更新;

    6、在三维模型每次更新时,将更新后的三维模型与初始三维模型进行对比,当监测到非授权的货物变化时,发出警示信息。

    7、作为本发明更进一步的方案,所述对若干视频图像进行目标检测和识别,定位并标识货物的位置和边界框,具体包括:

    8、接收监控摄像头的实时视频流,并从视频流中获取每帧图像;

    9、对所提取的图像帧进行分析,判定图像中存在的货物,并定位货物在图像中的位置,提取货物的边界框和特征信息;

    10、根据识别结果,将货物的边界框和特征信息在视频图像中进行标识,并将其与货物的位置信息进行关联。

    11、作为本发明更进一步的方案,所述建立货物区域的虚拟三维模型具体包括:

    12、根据所标识的全部货物的位置信息,将每次出现的货物位置相关联,并将每个货物的位置和边界框进行叠加;

    13、使用所记录的叠加位置和边界框数据,构建货物区域的虚拟三维模型。

    14、作为本发明更进一步的方案,所述当货物新增、被遮挡、移动或消失时,对货物的相应位置和状态进行更新,具体包括:

    15、根据每个货物在视频帧中的位置,并基于每个视频帧的目标检测结果进行连续追踪,并在三维模型中更新货物状态;

    16、将当前所提取的视频帧与初始视频帧的货物信息进行比对,检测货物的状态变化;

    17、根据货物的状态变化信息,对三维模型中的货物状态进行更新。

    18、作为本发明更进一步的方案,所述将更新后的三维模型与初始三维模型进行对比,具体包括:

    19、对比每次更新后的三维模型与初始三维模型,并获取货物的变化信息;

    20、在货物发生变化时,判定该货物变化是否为已授权的变化;

    21、当货物变化信息不是已授权的变化时,将该货物变化设置为异常变化,并发出警示信息。

    22、本发明的另一目的在于提供一种基于视频智能识别的区域警示系统,所述系统包括:

    23、目标识别模块,用于接收监控摄像头的实时视频流,并在视频流中每增加一次货物时,对视频流图像进行提取,得到若干视频图像,对若干视频图像进行目标检测和识别,定位并标识货物的位置和边界框;

    24、模型构建模块,用于将若干视频图像中每个目标的位置和边界框进行叠加,并建立货物区域的虚拟三维模型;

    25、货物监听模块,通过监听器跟踪每个货物在三维模型中的位置,当货物新增、被遮挡、移动或消失时,对货物的相应位置和状态进行更新;

    26、异常报警模块,用于在三维模型每次更新时,将更新后的三维模型与初始三维模型进行对比,当监测到非授权的货物变化时,发出警示信息。

    27、作为本发明更进一步的方案,所述目标识别模块包括:

    28、视频输入提取单元,用于接收监控摄像头的实时视频流,并从视频流中获取每帧图像;

    29、目标识别单元,用于对所提取的图像帧进行分析,判定图像中存在的货物,并定位货物在图像中的位置,提取货物的边界框和特征信息;

    30、定位标识单元,用于根据识别结果,将货物的边界框和特征信息在视频图像中进行标识,并将其与货物的位置信息进行关联。

    31、作为本发明更进一步的方案,所述模型构建模块包括:

    32、定位叠加单元,用于根据所标识的全部货物的位置信息,将每次出现的货物位置相关联,并将每个货物的位置和边界框进行叠加;

    33、三维模型单元,用于使用所记录的叠加位置和边界框数据,构建货物区域的虚拟三维模型。

    34、作为本发明更进一步的方案,所述货物监听模块包括:

    35、目标追踪单元,用于根据每个货物在视频帧中的位置,并基于每个视频帧的目标检测结果进行连续追踪,并在三维模型中更新货物状态;

    36、状态变化检测单元,用于将当前所提取的视频帧与初始视频帧的货物信息进行比对,检测货物的状态变化;

    37、数据更新单元,用于根据货物的状态变化信息,对三维模型中的货物状态进行更新。

    38、作为本发明更进一步的方案,所述异常报警模块包括:

    39、模型比对单元,用于对比每次更新后的三维模型与初始三维模型,并获取货物的变化信息;

    40、异常判定单元,用于在货物发生变化时,判定该货物变化是否为已授权的变化;

    41、通知报警单元,用于当货物变化信息不是已授权的变化时,将该货物变化设置为异常变化,并发出警示信息。

    42、本发明的有益效果是:

    43、该方法能够实时接收监控摄像头的实时视频流,并对每一帧图像进行目标检测和识别,定位并标识货物的位置和边界框。通过高效的目标检测算法和深度学习模型,可以快速而准确地检测和定位货物,提高警示的实时响应。通过将每帧视频图像中的目标位置和边界框进行叠加和关联,构建精确而综合的三维模型。这样的虚拟模型不仅反映了货物的实时状态和位置,还为后续的位置追踪和状态更新提供了有力支持。

    44、同时使用监听器跟踪每个货物在三维模型中的位置,并对货物的变化状态进行实时更新。当货物新增、被遮挡、移动或消失时,通过实时追踪和更新,可以及时捕捉到这些变化。与传统的静态分析方法相比,该技术能够实时监测货物状态的动态变化,提高了对非授权变化的敏感度。


    技术特征:

    1.一种基于视频智能识别的区域警示方法,其特征在于,所述方法包括:

    2.根据权利要求1所述的方法,其特征在于,所述对若干视频图像进行目标检测和识别,定位并标识货物的位置和边界框,具体包括:

    3.根据权利要求2所述的方法,其特征在于,所述建立货物区域的虚拟三维模型具体包括:

    4.根据权利要求3所述的方法,其特征在于,所述当货物新增、被遮挡、移动或消失时,对货物的相应位置和状态进行更新,具体包括:

    5.根据权利要求4所述的方法,其特征在于,所述将更新后的三维模型与初始三维模型进行对比,具体包括:

    6.一种基于视频智能识别的区域警示系统,其特征在于,所述系统包括:

    7.根据权利要求6所述的系统,其特征在于,所述目标识别模块包括:

    8.根据权利要求7所述的系统,其特征在于,所述模型构建模块包括:

    9.根据权利要求8所述的系统,其特征在于,所述货物监听模块包括:

    10.根据权利要求9所述的系统,其特征在于,所述异常报警模块包括:


    技术总结
    本发明适用于视频识别领域,提供了一种基于视频智能识别的区域警示方法及系统,所述系统包括:目标识别模块、模型构建模块、货物监听模块、异常报警模块。该方法通过高效的目标检测算法和深度学习模型,可以快速而准确地检测和定位货物,提高警示的实时响应。通过将每帧视频图像中的目标位置和边界框进行叠加和关联,构建精确而综合的三维模型。这样的虚拟模型不仅反映了货物的实时状态和位置,还为后续的位置追踪和状态更新提供了有力支持。同时使用监听器跟踪每个货物在三维模型中的位置,并对货物的变化状态进行实时更新。当货物新增、被遮挡、移动或消失时,通过实时追踪和更新,可以及时捕捉到这些变化。

    技术研发人员:沈嫒嫒
    受保护的技术使用者:南京中律信息科技有限公司
    技术研发日:
    技术公布日:2024/4/29
    转载请注明原文地址:https://wp.8miu.com/read-83631.html

    最新回复(0)