【CN110139070A】一种基于深度学习的智能环境监控方法和系统以及设备【专利】

合集下载

基于深度学习的智能安全监控系统设计与实现

基于深度学习的智能安全监控系统设计与实现智能安全监控系统是利用先进的深度学习技术和计算机视觉算法来实现对安全场所的实时监控和预警的系统。

该系统通过利用深度学习模型对图像和视频数据进行分析和识别，从而实现对不安全行为和异常事件的自动检测和报警。

本文将介绍基于深度学习的智能安全监控系统的设计与实现。

首先，智能安全监控系统的设计需要选取合适的深度学习算法和模型。

常用的深度学习算法包括卷积神经网络（Convolutional Neural Networks, CNN）、循环神经网络（Recurrent Neural Networks, RNN）和长短时记忆网络（Long Short-term Memory, LSTM）等。

在安全监控系统中，一般使用CNN处理图像数据和视频数据，因为CNN在图像和视频处理上具有出色的性能。

另外，根据监控场景的不同，也可以采用一些特定的目标检测算法，如Faster R-CNN、YOLO等。

其次，智能安全监控系统的实现需要大量的标注数据集。

标注数据集是用于训练深度学习模型的关键。

标注数据集需要包含各种不同的安全场景和行为，例如盗窃、攻击、火灾等。

对于图像数据，可以手动标注人物、车辆、物体的位置和类别；对于视频数据，可以标注每一帧的检测结果。

为了获得高质量的标注数据集，可以借助众包平台或者人工智能公司提供的标注服务。

接下来，智能安全监控系统需要进行数据的预处理和特征提取。

预处理的步骤包括图像的去噪、图像的增强和图像的归一化等。

特征提取是将图像和视频数据转换为计算机可识别的特征表示的过程。

常用的特征提取方法包括颜色直方图、HOG特征和SIFT特征等。

对于图像和视频数据，也可以使用预训练的深度学习模型提取特征，如使用在ImageNet上预训练的Inception、ResNet等模型。

然后，智能安全监控系统需要进行模型的训练和优化。

在训练深度学习模型时，一般需要使用大规模的计算资源和GPU加速。

一种智能监控系统和方法[发明专利]

专利名称：一种智能监控系统和方法
专利类型：发明专利
发明人：周海龙,厉海洋,张华鹤,吴强,朱晓玲,钱丽静,金莉莎申请号：CN201910932450.7
申请日：20190929
公开号：CN112582050A
公开日：
20210330
专利内容由知识产权出版社提供
摘要：本发明提供了一种智能监控设备及其方法。

所述智能监控系统可包括用于对手术和/或非计划再手术进行排查的自动排查模块，以及用于对日间手术手术和/或非计划所述进行排查的日间自动排查模块。

所述自动排查模块可包括病人与手术模块，用于获得对应于查询时间的所有手术相关情况和/或个人手术情况，和/或根据病人手术相关信息对手术和/或非计划再手术进行排查，以获得对应于查询时间的所需手术相关情况和/或个人手术情况；以及科室与手术模块，用于对手术和/或非计划再手术进行排查，以获得科室完成情况和/或个人完成情况。

申请人：上海市嘉定区南翔医院
地址：201802 上海市嘉定区南翔镇众仁路495号
国籍：CN
代理机构：上海集信知识产权代理有限公司
代理人：唐博
更多信息请下载全文后查看。

基于深度学习技术的智能监控系统研究

基于深度学习技术的智能监控系统研究第一章绪论智能监控系统是现代化社会建设和管理的重要组成部分之一。

随着科技的发展和不断提升，监控技术也在不断升级和创新，而其中深度学习技术无疑是目前最具潜力和前景的技术之一。

本篇文章旨在探讨基于深度学习技术的智能监控系统的研究和应用。

第二章监控系统综述监控系统是智能监控系统的基础，也是智能监控技术的主要应用领域。

现代监控系统已广泛应用于各个领域，如公共交通、安防监控、工厂生产、医疗等。

监控系统的应用能够提高社会管理和生活安全等方面的效率和质量。

目前，监控系统已经实现了数字化、自动化和智能化等特点。

第三章深度学习技术深度学习技术是人工智能领域中的一种机器学习技术，可以实现从复杂的数据集中进行学习和提取特征。

其主要特点是层次结构，以及多层神经元之间的联接。

深度学习技术已被广泛应用于图像和语音识别、自然语言处理、预测和控制等领域，并取得了很大的成功。

第四章智能监控系统设计基于深度学习技术的智能监控系统的设计，需要考虑许多方面的因素，如数据采集、数据处理、模型构建、模型训练和优化、算法选择等。

其中，数据采集是智能监控系统的关键环节，数据质量的好坏将直接影响其准确性和可靠性。

为了提高智能监控系统的准确率和效率，必须将深度学习技术与其他相关技术相结合。

第五章智能监控系统的应用基于深度学习技术的智能监控系统已经被广泛应用于社会生产和管理的各个领域。

例如，在公共交通方面，智能监控系统可以自动识别车牌，判断车辆类型和车流量，提高交通管理的效率和准确性；在安防监控方面，智能监控系统能够自动识别犯罪嫌疑人和发生事件，提高安全管理的能力；在工厂生产方面，智能监控系统可以监测机器运行状态和产品质量，实现智能生产和制造。

第六章总结与展望本文主要介绍了基于深度学习技术的智能监控系统的研究和应用。

深度学习技术是智能监控系统的重要基石，可使系统实现更高的准确性和可靠性。

随着科技的发展，智能监控系统在实际应用中将不断升级和创新，以满足人们对安全和效率的不断需求。

一种基于深度学习的多摄像头协同目标跟踪方法[发明专利]

专利名称：一种基于深度学习的多摄像头协同目标跟踪方法专利类型：发明专利
发明人：陈渠,李响
申请号：CN202010606214.9
申请日：20200629
公开号：CN111754552A
公开日：
20201009
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于深度学习的多摄像头协同目标跟踪方法，其特征在于采用Faster
R‑CNN进行目标检测方法，通过图像坐标与平面地理空间坐标的映射关系获取目标的真实位置信息，实现多摄像头视频监控场景下的目标检测与跟踪，具体包括：构建视频监控系统的空间数据模型、映射模型的构建、基于深度学习的目标检测和多摄像头协同目标跟踪。

本发明与现有技术相比具有通过筛选一个摄像头承担目标跟踪任务，实现在多摄像头视频监控场景下对特定目标的识别、定位和跟踪，提升和改善视频监控系统的智能化程度，较好解决了图像信息离散和信息难以整合，实现对特定目标的识别、定位和跟踪的问题。

申请人：华东师范大学
地址：200241 上海市闵行区东川路500号
国籍：CN
代理机构：上海蓝迪专利商标事务所(普通合伙)
更多信息请下载全文后查看。

智能监控系统设计与实现基于深度学习算法

智能监控系统设计与实现基于深度学习算法智能监控系统是一种利用先进技术对特定区域或对象进行实时监测、分析和预警的系统。

随着深度学习算法的不断发展和应用，智能监控系统在安防、交通管理、工业生产等领域得到了广泛应用。

本文将介绍智能监控系统设计与实现基于深度学习算法的相关内容。

1. 智能监控系统概述智能监控系统是利用计算机视觉、图像处理、模式识别等技术，对监控区域内的目标进行实时检测、跟踪和分析，从而实现对目标行为的智能感知和预警。

传统的监控系统往往需要人工干预，存在盲区和漏报的情况，而基于深度学习算法的智能监控系统可以自动学习目标特征，提高监控效率和准确性。

2. 深度学习在智能监控系统中的应用深度学习是一种模拟人脑神经网络结构进行信息处理的机器学习方法，具有强大的特征提取和分类能力。

在智能监控系统中，深度学习算法可以通过大量数据训练神经网络模型，实现对目标物体、行为等特征的自动提取和识别，从而实现对监控场景的智能分析和预警。

3. 智能监控系统设计与实现3.1 数据采集与预处理在设计智能监控系统时，首先需要搭建数据采集平台，获取监控场景中的图像或视频数据。

这些数据可能包含不同光照、角度、尺度下的目标物体，需要进行预处理操作，如去噪、裁剪、尺度归一化等，以便后续深度学习算法的训练和测试。

3.2 深度学习模型选择与训练针对不同的监控任务，可以选择合适的深度学习模型进行训练。

常用的深度学习模型包括卷积神经网络（CNN）、循环神经网络（RNN）、长短时记忆网络（LSTM）等。

通过在大规模数据集上进行有监督学习，调整模型参数，使其能够准确地识别目标物体或行为。

3.3 监控系统部署与优化完成深度学习模型训练后，需要将模型部署到实际的监控系统中。

在部署过程中，需要考虑硬件设备性能、实时性要求等因素，并对系统进行优化，以提高监控效率和准确性。

同时，还需要考虑系统的可扩展性和稳定性，确保系统在长时间运行中不会出现故障。

4. 智能监控系统应用案例4.1 安防监控在安防领域，智能监控系统可以通过深度学习算法实现对异常行为的检测和预警，如入侵检测、人脸识别等。

基于深度学习的智能监控系统设计

基于深度学习的智能监控系统设计在当今社会，安全保障的需求日益增长，智能监控系统作为一种有效的手段，发挥着越来越重要的作用。

基于深度学习的智能监控系统更是凭借其强大的功能和出色的表现，成为了监控领域的前沿技术。

一、智能监控系统的需求分析随着社会的发展，无论是公共场所如商场、车站、机场，还是企业、学校、住宅小区等，都对监控系统提出了更高的要求。

传统的监控系统往往只能提供简单的视频录制和实时查看功能，而无法对监控画面中的内容进行智能分析和处理。

例如，无法自动识别异常行为、无法准确区分不同的人物或物体、无法及时发出警报等。

因此，基于深度学习的智能监控系统应运而生，旨在解决这些痛点问题。

二、深度学习技术在智能监控中的应用深度学习是一种基于神经网络的机器学习技术，它能够自动从大量的数据中学习特征和模式。

在智能监控系统中，深度学习技术主要应用于以下几个方面：1、目标检测与识别通过训练深度学习模型，使其能够准确地检测和识别出监控画面中的人物、车辆、物品等目标。

不仅能够识别出目标的类别，还能够确定其位置和大小。

2、行为分析分析监控画面中人物的行为，例如行走、奔跑、停留、打斗等。

通过对大量行为数据的学习，模型能够判断出哪些行为是正常的，哪些是异常的，并及时发出警报。

3、人脸识别在监控系统中，人脸识别技术可以用于人员身份的确认和追踪。

深度学习模型能够从不同角度和光照条件下准确识别人脸，并与数据库中的人脸信息进行比对。

三、智能监控系统的总体设计1、硬件架构智能监控系统的硬件架构主要包括摄像头、服务器和存储设备。

摄像头负责采集监控画面，服务器用于运行深度学习模型和进行数据分析处理，存储设备用于存储监控视频和相关数据。

为了保证监控画面的质量和清晰度，摄像头应具备高分辨率、宽动态范围和低照度性能。

服务器则需要具备强大的计算能力和存储容量，以满足深度学习模型的训练和运行需求。

2、软件架构软件架构包括数据采集模块、数据预处理模块、模型训练模块、实时监测模块和警报模块。

一种智能监控系统[发明专利]

专利名称：一种智能监控系统
专利类型：发明专利
发明人：赵顾良,孙华,鲁华祥,王守觉申请号：CN200610090143.1
申请日：20060629
公开号：CN101098199A
公开日：
20080102
专利内容由知识产权出版社提供
摘要：本发明公开了一种智能监控系统，包括至少一个信息采集单元，至少一个多功能底座单元和监控服务器单元。

利用本发明，大大降低了监控系统的实现成本，提高了监控目标的灵活性，并实现了多目标监控，满足了不同用户、不同监控环境的各种需求，大大提高了系统的可靠性和安全性。

本发明提供的智能监控系统，应用范围广泛，具有广阔的市场前景。

申请人：中国科学院半导体研究所
地址：100083 北京市海淀区清华东路甲35号
国籍：CN
代理机构：中科专利商标代理有限责任公司
代理人：周国城
更多信息请下载全文后查看。

一种基于深度学习的智能视频监控系统[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202011108392.5(22)申请日 2020.10.16(71)申请人山东科技大学地址 266590 山东省青岛市前湾港路579号(72)发明人杨勇清　潘正祥　朱淑娟　胡家正　(74)专利代理机构青岛润集专利代理事务所(普通合伙) 37327代理人赵以芳(51)Int.Cl.G06K 9/00(2006.01)G06K 9/20(2006.01)G06T 7/20(2017.01)(54)发明名称一种基于深度学习的智能视频监控系统(57)摘要本发明公开了一种基于深度学习的智能视频监控系统，涉及计算机领域。

基于深度学习的智能视频监控系统包括图像采集预处理模块、行人检测模块、行人追踪模块、行人分析模块和客户端模块。

图像采集预处理模块用于给系统提供输入图像数据，并对图像进行预处理。

行人检测模块用于对采集到的图像的人体进行标定，返回人体的质心位置坐标。

行人追踪模块用于实现对行人的跟踪和跟踪轨迹的生成。

行人分析模块用于按照异常行为判定规则对采集到的数据进行判定。

客户端模块用于实时监控画面的显示以及检测结果的显示。

利用深度学习中相关思想和算法模型，实现视频监控的“智能化”。

权利要求书1页说明书3页附图1页CN 112232211 A 2021.01.15C N 112232211A1.一种基于深度学习的智能视频监控系统，其特征在于，包括图像采集预处理模块、行人检测模块、行人追踪模块、行人分析模块和客户端模块；图像采集预处理模块用于给系统提供输入图像数据，并对图像进行预处理；行人检测模块用于对采集到的图像的人体进行标定，返回人体的质心位置坐标；行人追踪模块用于实现对行人的跟踪和跟踪轨迹的生成；行人分析模块用于按照异常行为判定规则对采集到的数据进行判定；客户端模块用于实时监控画面的显示以及检测结果的显示。

一种基于深度学习的人脸追踪安防监控系统及其使用方法[发明专利]

专利名称：一种基于深度学习的人脸追踪安防监控系统及其使用方法
专利类型：发明专利
发明人：陈公兴,赖保均,李升凯,邵经纬,叶青
申请号：CN201910511984.2
申请日：20190613
公开号：CN110300257A
公开日：
20191001
专利内容由知识产权出版社提供
摘要：本发明提供了一种基于深度学习的人脸追踪安防监控系统及其使用方法，包括监控器本体、控制模块、摄像头模块、气体传感器模块、电源电路模块、联网模块和舵机模块，监控器本体包括底座、滑动圈和护盖，底座的周面上设有若干个通孔，滑动圈的上顶面与底座的上顶面互相平齐，护盖设置在滑动圈内并与滑动圈滑动连接，护盖朝着滑动圈的一侧凸出，护盖上设有通槽，通槽垂直于滑动圈的上顶面，护盖的内壁设有固定架，固定架与护盖上顶面的内壁垂直固定连接。

本发明通过采用气体传感器模块检测，能进行声光报警有效保证人的生命安全；还具有深度学习使得识别算法更加精确；加入了断电保护功能，即使被恶意断电也可继续监控。

申请人：广东技术师范大学天河学院
地址：510000 广东省广州市白云区太和镇兴太三路638号
国籍：CN
代理机构：深圳中一联合知识产权代理有限公司
代理人：江欣
更多信息请下载全文后查看。

一种基于深度学习的智能安防实时开窗检测报警系统及方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201911176783.8(22)申请日 2019.11.26(71)申请人北京工业大学地址 100124 北京市朝阳区平乐园100号(72)发明人孙光民　李煜　林朋飞　(74)专利代理机构北京思海天达知识产权代理有限公司 11203代理人沈波(51)Int.Cl.G06T 7/00(2017.01)G06K 9/62(2006.01)G06K 9/46(2006.01)G06N 3/04(2006.01)G06N 3/08(2006.01)G06Q 50/26(2012.01)(54)发明名称一种基于深度学习的智能安防实时开窗检测报警系统及方法(57)摘要本发明公开了一种基于深度学习的智能安防实时开窗检测报警系统及方法，用户通过WEB前端发送HTTP请求，根据HTTP请求的不同执行不同的管理操作；将用于开窗检测的单帧图像送入深度学习算法YOLO V3；使用尺度不变特征变换SIFT得到检测图像和模板图像的特征点，将检测图像的开窗坐标映射到模板图像，根据两相近坐标欧式距离最小的判别准则得到开窗编号，推送到前端进行实时告警。

本发明通过将深度学习算法YOLO V3和图像匹配方法结合，提升开窗检测速度，降低光照影响；同时使用Django主流WEB应用框架，将开窗检测算法封装为接口形式。

本发明实现对建筑物外立面开窗行为的实时检测与报警定位，实现对居民楼高空抛物以及重点区域周围建筑物的有效监控和危险预警。

权利要求书2页说明书5页附图4页CN 110969604 A 2020.04.07C N 110969604A1.一种基于深度学习的智能安防实时开窗检测报警系统，其特征在于：该系统包括任务管理单元、待检测视频流采集单元、开窗检测单元、图像匹配单元和检测结果推送单元；任务管理单元，用于接收WEB前端通过HTTP方式发送过来的请求，包含资源查询请求、任务添加请求、任务删除请求、状态查询请求；待检测视频流采集单元，使用多线程的方式，一路线程捕获视频帧，视频帧包含窗口，另一线程获取第一路线程的最新一帧图像用于开窗检测，考虑到由于每个摄像头的分辨率不同且较高，统一将待检测图像降采样到1920x1080大小；开窗检测单元，将降采样之后的待检测图像输入到提前训练好的YOLO V3检测算法进行检测，检测之后图片的开窗位置使用红框标记，同时得到每个红框的中心点坐标信息；图像匹配单元，将输入检测算法的原图像和模板图像进行匹配，将原图像的中心点坐标映射到原图像，得到开窗编号；检测结果推送单元，将开窗检测得到的编号信息、建筑名称、检测时间结果封装为JSON 格式，推送到WEB前端，进行实时告警。

一种基于深度学习的摄像抄表系统及方法[发明专利]

专利名称：一种基于深度学习的摄像抄表系统及方法专利类型：发明专利
发明人：陶毅,韩磊,刘清雨,潘帅成,夏明亮,郑胜男,王桂珍申请号：CN201910311007.8
申请日：20190418
公开号：CN110021158A
公开日：
20190716
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于深度学习的摄像抄表系统及方法，包括摄像头架、智能抄表终端和射频模块；智能抄表终端和摄像头架通过射频模块无线连接；射频收发器进入射频范围开始无线通信，向MCU发送中断请求，MCU先后激活补光系统、加速度传感器和微距摄像头工作，摄像头将拍摄的图像回传给智能终端上搭载的树莓派，树莓派分割表盘字轮和小表盘进行样本模型训练，得到0‑9的特征向量，然后对采集的表盘图像进行处理后获取水表表盘的实际读数。

本发明中，水表表盘识别精度高、准确率高、通信成本低、数据传输的稳定性高。

申请人：南京工程学院
地址：210000 江苏省南京市江宁科学园弘景大道1号
国籍：CN
代理机构：南京苏高专利商标事务所(普通合伙)
代理人：王安琪
更多信息请下载全文后查看。

一种基于深度学习的智能物体识别系统及控制方法[发明专利]

专利名称：一种基于深度学习的智能物体识别系统及控制方法专利类型：发明专利
发明人：杨森林,闫瞾,张煜,姬颖,李喜龙,崇鑫
申请号：CN201811314270.4
申请日：20181106
公开号：CN109190633A
公开日：
20190111
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于深度学习的智能物体识别系统及控制方法，其特征在于，该系统包括：DSP控制器、FPGA控制器、RAM存储器、DDR3存储器、图像采集模块、红外偏振光成像模块、数据通信接口模块、WIFI控制器、超声波发射接收器、扬声器和电源，本发明采用深度学习算法实现物体检测与目标识别，并将算法在嵌入式硬件上快速实现，能够较好地解决物体检测与识别中一些技术瓶颈，为自动驾驶、行人检测、个人安全防护、智能监控提供更好的技术支撑。

申请人：西安文理学院
地址：710000 陕西省西安市雁塔区太白南路168号
国籍：CN
代理机构：西安利泽明知识产权代理有限公司
代理人：贾晓玲
更多信息请下载全文后查看。

一种基于深度学习的视频智能分析系统[发明专利]

专利名称：一种基于深度学习的视频智能分析系统专利类型：发明专利
发明人：薛敏,喻飞,俞佳雯
申请号：CN201910490256.8
申请日：20190606
公开号：CN110232346A
公开日：
20190913
专利内容由知识产权出版社提供
摘要：本发明是一种基于人工智能的视频分析系统，该系统包含摄像头，拾音器，视频处理模块，音频放大模块，语音处理模块，表情/行为分析模块，云端服务器模块。

基于深度学习的视频智能分析系统可以实时跟踪课堂中的学生老师，通过对老师，学生的动作神态语音判断实时情感，该系统可以为使用者提供评价指标或者判定依据，其用途可以用作情感分析，通过对视频中的人物的动作跟踪判断人物的情感，将其作为一项教育中的课堂评价体系的评价指标。

在教育方面，教育工作者可以通过视频的反馈结果对某一堂课的老师进行教学质量评估，也可以对视频中老师的上课情感，学生情感，学生是否走神进行分析，综合评估老师的教学质量。

申请人：南京睦泽信息科技有限公司
地址：210000 江苏省南京市雨花经济开发区凤华路18号8幢306室
国籍：CN
代理机构：合肥初云专利代理事务所(普通合伙)
代理人：吴朝
更多信息请下载全文后查看。

一种基于深度学习的人工智能系统[发明专利]

专利名称：一种基于深度学习的人工智能系统专利类型：发明专利
发明人：刘鹏
申请号：CN202011302772.2
申请日：20201119
公开号：CN112509388A
公开日：
20210316
专利内容由知识产权出版社提供
摘要：本发明涉及辅助教具技术领域，且公开了一种基于深度学习的人工智能系统，包括固定框，所述固定框通过安装机构安装在竖直的墙壁上，所述固定框外的上端固定连接有驱动电机，所述驱动电机的输出端固定连接有螺杆，所述螺杆通过两个轴承与固定框之间转动连接，所述螺杆上套有螺纹套，所述螺纹套与螺杆之间螺纹连接，所述螺纹套的侧壁上固定连接有人工智能显示主体，所述人工智能显示主体和固定框内的两侧竖直侧壁之间设置有稳定机构，所述稳定机构包括两个稳定板，两个所述稳定板对称固定连接在固定框内的侧壁上，所述稳定板的侧壁上开设有限位槽。

本发明使得学生无法撞到，能够对人工智能显示主体起了较好的保护作用。

申请人：西安米克植意信息科技有限公司
地址：710075 陕西省西安市高新区高新三路8号西高智能大厦1幢10507室
国籍：CN
代理机构：西安吉盛专利代理有限责任公司
代理人：孙齐
更多信息请下载全文后查看。

一种基于人工智能的安防监控系统及方法[发明专利]

专利名称：一种基于人工智能的安防监控系统及方法专利类型：发明专利
发明人：曾洲,张静,万志伟
申请号：CN202010521594.6
申请日：20200610
公开号：CN111432188A
公开日：
20200717
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于人工智能的安防监控系统及方法，所述安防监控系统包括监控中心、红外传感器、设置在小区入口的第一摄像设备、设置在楼栋入口的第二摄像设备和设置在楼栋电梯内的第三摄像设备，所述监控中心包括图像采集控制模块、图像判断模块、信息发送模块、信息反馈统计模块、摄像设备连接模块、危险程度判断模块和分级处理模块，所述图像采集控制模块用于在红外传感器检测到进入者时，传输信息控制第一摄像设备或者第二摄像设备采集进入者的人脸图像，所述图像判断模块用于判断图像采集控制模块采集到的人脸图像的属性，所述信息发送模块用于向楼栋的住户发送进入者的相关信息。

申请人：常州莫森智能科技有限公司,江苏万贝科技有限公司
地址：213000 江苏省常州市武进区常武中路18号常州科教城创研港4号楼206
国籍：CN
代理机构：北京华际知识产权代理有限公司
代理人：李浩
更多信息请下载全文后查看。

【CN109903507A】一种基于深度学习的火灾智能监控系统及其方法【专利】

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910160596.4(22)申请日 2019.03.04(71)申请人上海海事大学地址 201306 上海市浦东新区临港新城海港大道1550号(72)发明人安超　魏海军　刘竑　武燊　梁麒立　(74)专利代理机构上海元好知识产权代理有限公司 31323代理人包姝晴　徐雯琼(51)Int.Cl.G08B 17/12(2006.01)G06K 9/00(2006.01)G06K 9/32(2006.01)(54)发明名称一种基于深度学习的火灾智能监控系统及其方法(57)摘要本发明公开一种基于深度学习的火灾智能监控系统及其方法，包含：图像采集模块，通过双目摄像头进行实时监控；图像分析模块，利用深度学习模型对监控视频图像中的火焰实时检测；报警模块，提醒监控人员观察监控视频图像中的火情；火焰定位模块，接收深度学习模型检测到的火焰像素位置信息，利用双目立体视觉定位算法将火焰像素位置信息映射到空间，得到火焰空间位置信息；定点灭火模块，在报警模块无应答而导致持续报警的条件下，经过预设的间隔时间，接收火焰空间位置信息。

本发明将深度学习和摄像头定位算法结合用于火焰识别，并提出新的卷积核模块，特征提取能力更强，还能在测到火焰时报警，在监控人员无反应情况自动对火焰区域定点灭火。

权利要求书2页说明书5页附图5页CN 109903507 A 2019.06.18C N 109903507A权　利　要　求　书1/2页CN 109903507 A1.一种基于深度学习的火灾智能监控系统，其特征在于，包含：图像采集模块，通过双目摄像头在不同场所下进行实时监控，采集监控视频图像的数据；图像分析模块，利用训练好的深度学习模型对所述监控视频图像中的火焰进行实时检测，判断是否出现火焰，若出现火焰，确定火焰区域，将所述火焰区域通过边界框方式进行标注，并将边界框点作为匹配点，得到火焰像素位置信息；火焰定位模块，接收所述深度学习模型检测到的火焰像素位置信息，利用双目定位映射方法将所述火焰像素位置信息映射到空间，得到火焰空间位置信息，最终找到火焰位置。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910289763.5
(22)申请日 2019.04.11
(71)申请人泉州信息工程学院
地址 362000 福建省泉州市丰泽区博东路
249号（云计算与物联网技术福建省高
等学校重点实验室，泉州信息工程学
院）
(72)发明人陈庆顺　范贵生　吴奇丹　许琼琦　
李华伟　
(74)专利代理机构厦门原创专利事务所(普通
合伙) 35101
代理人徐东峰
(51)Int.Cl.
H04N 7/18(2006.01)
G06N 3/04(2006.01)
G06K 9/00(2006.01)
(54)发明名称一种基于深度学习的智能环境监控方法和系统以及设备(57)摘要本发明公开了一种基于深度学习的智能环境监控方法和系统以及设备。

其中，所述方法包括：网络摄像机可以拍摄环境空间的影像，和监控中心可以实时由物联网采集并记录远端环境空间所在的该网络摄像机拍摄的影像，以及图像识别模块根据该监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，识别该环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果，其中，该禁止使用联网通信设备的场景包括上课或开会等场景。

通过上述方式，能够实现有效监控
环境。

权利要求书2页说明书8页附图3页CN 110139070 A 2019.08.16
C N 110139070
A
权　利　要　求　书1/2页CN 110139070 A
1.一种基于深度学习的智能环境监控方法，其特征在于，包括：
网络摄像机拍摄环境空间的影像；
监控中心实时由物联网采集并记录远端环境空间所在的所述网络摄像机拍摄的影像；
图像识别模块根据所述监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，识别所述环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果；其中，所述禁止使用联网通信设备的场景包括上课或开会场景。

2.如权利要求1所述的基于深度学习的智能环境监控方法，其特征在于，所述图像识别模块根据所述监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，识别所述环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果，包括：
图像识别模块根据所述监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，采用基于深度学习的算法分析方式，识别所述环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果。

3.如权利要求1所述的基于深度学习的智能环境监控方法，其特征在于，在所述图像识别模块根据所述监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，识别所述环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果之后，还包括：
信号屏蔽模块根据所述得到的环境场景识别结果，在所述环境场景识别结果是禁止使用联网通信设备的环境场景时，屏蔽当前环境场景对应的环境空间的手机信号与无线网络信号。

4.如权利要求3所述的基于深度学习的智能环境监控方法，其特征在于，所述信号屏蔽模块根据所述得到的环境场景识别结果，在所述环境场景识别结果是禁止使用联网通信设备的环境场景时，屏蔽当前环境场景对应的环境空间的手机信号与无线网络信号，还包括：信号屏蔽模块根据所述得到的环境场景识别结果，在所述环境场景识别结果是非禁止即允许使用联网通信设备的环境场景时，关闭屏蔽当前环境场景对应的环境空间的手机信号与无线网络信号。

5.一种基于深度学习的智能环境监控系统，其特征在于，包括：
网络摄像机、监控中心和图像识别模块；
所述网络摄像机，用于拍摄环境空间的影像；
所述监控中心，用于实时由物联网采集并记录远端环境空间所在的所述网络摄像机拍摄的影像；
所述图像识别模块，用于根据所述监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，识别所述环境空间当前环境是否是禁止使用联网通信设备的场景得到环境场景识别结果；其中，所述禁止使用联网通信设备的场景包括上课或开会场景。

6.如权利要求5所述的基于深度学习的智能环境监控系统，其特征在于，所述图像识别模块，具体用于：
根据所述监控中心实时由物联网采集并记录远端环境空间所在的网络摄像机拍摄的影像，采用基于深度学习的算法分析方式，识别所述环境空间当前环境是否是禁止使用联
2。