WO2021159604A1 - 一种轨道列车的监控系统，监控方法及监控装置 - Google Patents

一种轨道列车的监控系统，监控方法及监控装置 Download PDF

Info

Publication number
WO2021159604A1
WO2021159604A1 PCT/CN2020/085920 CN2020085920W WO2021159604A1 WO 2021159604 A1 WO2021159604 A1 WO 2021159604A1 CN 2020085920 W CN2020085920 W CN 2020085920W WO 2021159604 A1 WO2021159604 A1 WO 2021159604A1
Authority
WO
WIPO (PCT)
Prior art keywords
early warning
monitoring
preset
threshold
sound
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.)
Ceased
Application number
PCT/CN2020/085920
Other languages
English (en)
French (fr)
Inventor
崔蕾
孙少婧
吕白
韩璐
皮国瑞
戴忠贤
刘金海
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.)
CRRC Tangshan Co Ltd
Original Assignee
CRRC Tangshan 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 CRRC Tangshan Co Ltd filed Critical CRRC Tangshan Co Ltd
Priority to EP20919029.7A priority Critical patent/EP4105101A4/en
Publication of WO2021159604A1 publication Critical patent/WO2021159604A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0072—On-board train data handling
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L15/00—Indicators provided on the vehicle or train for signalling purposes
    • B61L15/0081—On-board diagnosis or maintenance
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
    • B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
    • B61L23/041—Obstacle detection
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL 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 SYSTEMS, e.g. PERSONAL 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
    • G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL 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
    • G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
    • G08B13/19615—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion wherein said pattern is defined by the user
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING SYSTEMS, e.g. PERSONAL 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
    • G08B13/19639—Details of the system layout
    • G08B13/19647—Systems specially adapted for intrusion detection in or around a vehicle

Definitions

  • This application relates to the technical field of rail trains, in particular to a monitoring system, monitoring method and monitoring device for rail trains.
  • the high-speed rail project carriage video monitoring system only has a passenger room camera to collect monitoring data, including video and audio, and store it in the video monitoring server to realize the driver's monitoring of the passenger room. It cannot analyze the data and warn of emergencies. .
  • the related track train monitoring system only collects monitoring data without analyzing the monitoring data, which is an urgent technical problem for those skilled in the art to solve.
  • the embodiments of the present application provide a monitoring system, a monitoring method, and a monitoring device for a rail train to solve the technical problem that the monitoring system of a related rail train only collects monitoring data without analyzing the monitoring data.
  • the embodiment of the present application provides a monitoring system for a rail train, including:
  • An acquiring device configured to acquire monitoring data in the rail train, where the monitoring data includes video
  • a monitoring server connected to the acquisition device to receive and store the monitoring data, and transmit the monitoring data to each analysis host;
  • a plurality of analysis hosts are respectively set in the carriages of the rail train, and are used to identify and analyze preset targets from the monitoring data. When the behavior of the preset targets meets the preset early warning conditions, report to the early warning device Send warning information;
  • An early warning device is connected to the monitoring server and is used to perform an early warning after receiving the early warning information forwarded by the monitoring server.
  • a monitoring method for rail trains includes the following steps:
  • a monitoring device for rail trains including:
  • An acquisition module configured to acquire monitoring data in the rail train, where the monitoring data includes video
  • the receiving and storing module is used to receive and store the monitoring data, and transmit the monitoring data;
  • the analysis module is used to identify and analyze a preset target from the monitoring data, and send early warning information when the behavior of the preset target meets a preset early warning condition;
  • the early warning module is used to receive early warning information and perform early warning.
  • the monitoring data in the rail train is acquired through the acquisition device, and the monitoring data is transmitted to each analysis host.
  • the analysis host is installed in the rail train. In this way, each analysis host analyzes a large amount of monitoring data separately, which can speed up the analysis;
  • the analysis host identifies and analyzes a preset target from the monitoring data, and when the behavior of the preset target meets a preset early warning condition, it sends early warning information to the early warning device, and the early warning device performs an early warning.
  • the monitoring system of the rail train in the embodiment of the application stores the monitoring data, which is convenient for later recalling and viewing, and also analyzes the monitoring data, and performs early warning when the preset early warning conditions are met, thereby realizing automatic analysis and early warning. It provides a basis for discovering special situations in time and implementing intervention measures as soon as possible.
  • FIG. 1 is a schematic structural diagram of a monitoring system for a rail train according to an embodiment of the application
  • FIG. 2 is a schematic diagram of the monitoring system shown in Figure 1 and installed on a rail train;
  • Figure 3 is a flow chart of the analysis host of the monitoring system shown in Figure 1 for analyzing whether there are dangerous behaviors;
  • Fig. 4 is a flow chart of analyzing whether the protected area is invaded by the analysis host of the monitoring system shown in Fig. 1;
  • Fig. 5 is a flow chart of analyzing whether people are crowded by the analysis host of the monitoring system shown in Fig. 1.
  • Fig. 1 is a schematic structural diagram of a monitoring system for a rail train according to an embodiment of the application
  • Fig. 2 is a schematic diagram of the monitoring system shown in Fig. 1 and installed on a rail train.
  • a monitoring system for a rail train includes:
  • the obtaining device 100 is configured to obtain monitoring data in the rail train, where the monitoring data includes video;
  • the monitoring server 200 is connected to the acquisition device to receive and store the monitoring data, and transmit the monitoring data to the analysis host;
  • a plurality of analysis hosts 300 are respectively arranged in the carriages of the rail train, and are used to identify and analyze a preset target from the monitoring data. When the behavior of the preset target meets a preset early warning condition, send an early warning The device sends early warning information;
  • the early warning device 400 is connected to the monitoring server and configured to perform an early warning after receiving the early warning information forwarded by the monitoring server.
  • the monitoring data in the rail train is obtained through the acquisition device, and the monitoring data is transmitted to each analysis host.
  • the analysis host is installed in the rail train. In this way, each analysis host monitors a large number of Data analysis can speed up the analysis; the analysis host recognizes and analyzes the preset target from the monitoring data, and when the behavior of the preset target meets the preset early warning conditions, the early warning information is sent to the early warning device to give an early warning.
  • the device carries out early warning.
  • the monitoring system of the rail train in the embodiment of the application stores the monitoring data, which is convenient for later recalling and viewing, and also analyzes the monitoring data, and performs early warning when the preset early warning conditions are met, thereby realizing automatic analysis and early warning. It provides a basis for discovering special situations in time and implementing intervention measures as soon as possible.
  • most rail trains are connected by Ethernet.
  • the acquisition device and the monitoring server are connected via Ethernet.
  • the Ethernet of the rail train is effectively used.
  • the amount of monitoring data is large and suitable for Data transmission via Ethernet.
  • the monitoring server and the analysis host are connected via Ethernet.
  • the analysis of the host computer uses the principle of time difference and the hybrid algorithm of background image difference, and uses the subtraction of adjacent frame images to extract the information of foreground target movement.
  • the process of video analysis background subtraction method: First, the system conducts background learning. The learning time varies according to the degree of background excitement, during which the system automatically establishes a background model. After that, the system enters the "analysis" state. If a moving object appears in the foreground and is within the set range and the preset target size meets the setting, the system will extract and track the preset target, and follow the pre-algorithm (intrusion, Remaining, fighting, etc.) trigger an early warning.
  • pre-algorithm intrusion, Remaining, fighting, etc.
  • the monitoring system Before triggering an early warning, the monitoring system has the function of identifying preset targets, which is to compare the extracted preset targets with the established model and select the best match.
  • the following describes how the monitoring system realizes early warning of dangerous behaviors.
  • Fig. 3 is a flow chart of analyzing whether there is a dangerous behavior by the analysis host of the monitoring system shown in Fig. 1.
  • the preset early warning conditions include reaching or exceeding the threshold of the action range;
  • the analysis host is specifically used to analyze whether there is a dangerous behavior, including step S300: identifying the preset target from the preset dangerous behavior monitoring range in the video of the rail train passenger compartment area and Analyze whether the action range of the preset target within the monitoring range of dangerous behavior reaches or exceeds the action range threshold:
  • Step S310 when reaching or exceeding the threshold value of the action amplitude, sending the early warning information of the dangerous behavior to the early warning device;
  • Step S320 When the action range of the preset target within the monitoring range of the dangerous behavior does not reach nor exceed the action range threshold, the warning information of the dangerous behavior is not sent;
  • the early warning device is specifically used for early warning of dangerous behaviors based on the early warning information of the dangerous behaviors.
  • an analysis of whether there is a dangerous behavior is performed, and the basis of the analysis is that the motion range threshold is reached or exceeded.
  • the analysis host determines that there is a dangerous behavior and gives an early warning;
  • the amplitude does not reach or exceed the threshold of the action amplitude, the analysis host determines that there is no dangerous behavior.
  • Dangerous behaviors can be set according to the situation, and various dangerous behaviors such as fights that require manual intervention by the staff of the rail train are included through the setting, so as to realize the early warning of dangerous behaviors.
  • the preset dangerous behavior monitoring range should not include the position where passengers need to carry out large-scale actions such as taking and unloading luggage, otherwise it is easy to cause misjudgment.
  • the range of an arbitrary polygon as the dangerous behavior monitoring range
  • the "audio detection mode”, "video detection mode” and “audio and video detection mode” three behavior detection Kind of.
  • the minimum detection size under CIF resolution is 64 ⁇ 32 pixels; the minimum response time is less than 2 seconds, and the detection success rate is greater than 80%.
  • the monitoring server sends the real-time video of the acquisition device in the passenger compartment area of the rail train to the analysis host by multicast, and the analysis host analyzes the video. Once someone has dangerous behavior, a corresponding warning will be generated.
  • the analysis of whether there is a dangerous behavior by the analysis host is achieved by obtaining a series of unique static and dynamic characteristics of the video image to realize the description and judgment of a specific event.
  • other computer vision and pattern recognition technologies such as optical flow, cluster analysis, image feature description, and classifiers are used.
  • the following describes how the monitoring system realizes the early warning of the intrusion of the protected area.
  • Fig. 4 is a flow chart of analyzing whether the protection area is invaded by the analysis host of the monitoring system shown in Fig. 1.
  • the preset early warning conditions also include preset targets in the protected area;
  • the analysis host is specifically used to analyze whether the protected area is invaded, and includes step S400: identifying whether there is a preset target from the preset intrusion behavior monitoring range in the video of the protected area:
  • Step S410 when the preset target exists, send the warning information that the protected area is invaded to the warning device;
  • Step S420 If the preset target does not exist, the early warning information that the protected area has been invaded is not sent to the early warning device;
  • the early warning device is specifically configured to perform an early warning of the intrusion of the protected area according to the early warning information of the intrusion of the protected area.
  • the early warning device is specifically configured to perform an early warning of the intrusion of the protected area according to the early warning information of the intrusion of the protected area.
  • the acquisition device deployed in the carriage can be deployed in key areas (such as the driver's cab, mechanic's room, etc.).
  • key areas such as the driver's cab, mechanic's room, etc.
  • the safety precautions for the key areas of the rail train can be realized And protection.
  • the basic method is to use the continuously input image sequence to obtain a background image as a reference.
  • the subsequent images are compared with the background image to obtain different pixels, and then these pixels are marked for connectivity. These marked areas are the initial Then, these targets are tracked to form a continuous tracking trajectory, and then the above-mentioned foreground and tracking trajectory are analyzed; compared with the preset rule information, the warning information is output.
  • Intrusion behavior monitoring range can be set to any polygonal intrusion behavior monitoring range
  • one or two of two behavior detections can be set: crossing the boundary of the intrusion behavior monitoring range and in the intrusion behavior monitoring range;
  • the direction of the crossing can be set to enter, leave or both directions. Whether the protection area is invaded or not is monitored under CIF resolution.
  • the minimum detection target size 10 ⁇ 10 pixels ,
  • the response time is less than 1 second, and the monitoring success rate is greater than 90%.
  • the following describes how the monitoring system realizes early warning of crowded people.
  • Fig. 5 is a flow chart of analyzing whether people are crowded by the analysis host of the monitoring system shown in Fig. 1.
  • the preset early warning conditions also include reaching or exceeding the threshold for the number of personnel;
  • the analysis host is specifically used to analyze whether people are crowded, including step S500: Whether the number of preset targets identified from the preset crowded monitoring range in the video of the designated area meets or exceeds the number of people Threshold:
  • Step S510 When the threshold of the number of personnel is reached or exceeded, the early warning information of crowded personnel is sent to the early warning device;
  • Step S520 When the threshold of the number of personnel has not been reached or exceeded, the early warning information of crowded personnel is not sent;
  • the early warning device is specifically configured to perform early warning of crowded people according to the early warning information of crowded people.
  • An acquisition device is set for locations where rail trains are prone to congestion, that is, the locations that are prone to congestion are designated areas, such as the aisle between the entrance of the rail train and the entrance of the passenger compartment; the congestion monitoring range preset in the video of the designated area, In the height range where the face is usually located, exclude the position where the face cannot reach at the height of the aisle.
  • the preset congestion monitoring range in the video of the designated area when the number of identified preset targets reaches or exceeds the threshold of the number of people, the early warning information of the people congestion is sent to the early warning device, so as to realize the early warning of the congestion.
  • the following describes how the monitoring system realizes the early warning of abnormal sound.
  • the monitoring data also includes audio;
  • the preset early warning conditions also include reaching or exceeding the voice early warning threshold;
  • the analysis host is also used to analyze whether the sound is abnormal, including: whether the sound level of the audio reaches or exceeds the sound warning threshold:
  • the sound warning threshold is not reached or exceeded, and the warning information of abnormal sound is not sent to the warning device;
  • the early warning device is also used to perform a sound abnormal warning based on the sound abnormal warning information.
  • the acquisition devices on both sides of the rail train are cameras with pickups, which can collect audio in real time, and the analysis host can analyze and process the audio. If the sound intensity exceeds the sound warning threshold, an abnormal sound warning is generated.
  • the intensity of the audio sound can be set; the shortest duration of the sound alarm can be set, the minimum response time for abnormal sound is 1 second, and the detection success rate is greater than 90%.
  • the monitoring system also includes a face database
  • the analysis host is also used to analyze whether key personnel on deployment are found, including: capturing face images from the video, and comparing the captured face images with the faces in the face database for recognition , When the captured face image matches the face in the face database, sending the early warning information of finding the key personnel to be deployed to the early warning device;
  • the early warning device is also used to perform an early warning for the discovery of key personnel based on the early warning information of the key personnel to be deployed and controlled.
  • the early warning of the key personnel needs to collect the information of the passengers, and through the analysis of the host comparison, the retrieval and early warning of the key personnel are realized.
  • the specific realization is that the acquisition device realizes the video capture, and the analysis host realizes the feature import of the database and the search and comparison query.
  • the analysis host is mainly divided into an image capture module, an image comparison module, a face database management module, and a face feature retrieval module:
  • Image capture module Capture real-time images in high-speed rail cars through the capture device in the rail train, and detect the face images in the captured video images every few frames and send them to the image Comparison module for comparison;
  • Image comparison module extract facial features in the image capture module
  • Face database management module manage the feature data of the face that has been recorded in the system
  • Face feature retrieval module retrieve whether the extracted face feature exists in the face database and determine whether it is the face of the key personnel.
  • the core of the early warning for key personnel is face recognition.
  • the face recognition algorithm includes three parts: face detection, face key detection, and face recognition. Face detection is to find all the faces contained in a picture, and face key point detection is to detect the key point coordinates of the face on the detected face image, and then estimate the posture of the face. Face recognition is Turn the face into a vector of a specific dimension, and judge whether it is a face image of the same person according to the similarity of the vector.
  • the analysis host performs at least one analysis of the monitoring data acquired by each acquisition device according to the setting position of the acquisition device, including analysis of whether there is a dangerous behavior, an analysis of whether a protected area is invaded, and personnel An analysis of whether it is crowded, an analysis of whether the sound is abnormal, and an analysis of whether a key deployment control personnel is found.
  • the monitoring data acquired by the acquiring device is analyzed separately, making full use of the monitoring data.
  • the protection area includes a driver's cab and/or a mechanic's room of a rail train.
  • the acquisition device includes a panoramic camera and a hemispherical camera with a sound pickup function
  • the panoramic camera 120 is set at the passing station of the rail train
  • the monitoring system also includes a monitoring screen, which is set in each room of the mechanic's room;
  • the monitoring screen is used to display real-time monitoring pictures and used to display the early warning information.
  • the preset target is identified and analyzed from the monitoring data, and when the behavior of the preset target meets the preset early warning condition, the step of sending early warning information specifically includes:
  • Analyzing whether there is a dangerous behavior including identifying and analyzing the preset target from the preset dangerous behavior monitoring range in the video of the rail train passenger compartment area, the preset target is within the monitoring range of the dangerous behavior Whether the action range of the behavior reaches or exceeds the action range threshold:
  • the warning message of dangerous behavior is sent; among them, the early warning conditions include reaching or exceeding the threshold of the action range;
  • the steps of receiving early warning information and performing early warning include:
  • the pre-warning of the dangerous behavior is carried out.
  • the preset target is identified from the monitoring data and analyzed, and when the behavior of the preset target reaches the preset early warning condition, the step of sending early warning information specifically includes:
  • Analyzing whether the protected area is invaded including identifying whether the preset target exists from the preset intrusion behavior monitoring range in the video of the protected area:
  • the preset target When the preset target exists, send an early warning message that the protected area is invaded; wherein, the early warning condition also includes the preset target in the protected area;
  • the steps of receiving early warning information and performing early warning include:
  • an early warning of the intrusion of the protected area is performed.
  • the preset target is identified from the monitoring data and analyzed, and when the behavior of the preset target reaches the preset early warning condition, the step of sending early warning information specifically includes:
  • the preset early warning conditions also include the threshold for the number of personnel being reached or exceeded;
  • the steps of receiving early warning information and performing early warning include:
  • an early warning of crowded people is performed.
  • the monitoring method of rail trains also includes:
  • the warning message of abnormal sound is sent; wherein the monitoring data also includes audio, and the preset warning conditions also include reaching or exceeding the sound warning threshold;
  • an abnormal sound warning is performed.
  • the monitoring method of rail trains also includes:
  • Analyze whether the key personnel to be deployed is found including: capturing face images from the video, and comparing the captured face images with the faces in the face database, and comparing the captured face images with When the faces in the face database are matched, sending an early warning message that key personnel are found to be deployed;
  • an early warning is carried out for the key personnel who are found to be deployed and controlled.
  • An acquisition module configured to acquire monitoring data in the rail train, where the monitoring data includes video
  • the receiving and storing module is used to receive and store the monitoring data, and transmit the monitoring data;
  • the analysis module is used to identify and analyze a preset target from the monitoring data, and send early warning information when the behavior of the preset target meets a preset early warning condition;
  • the early warning module is used to receive early warning information and perform early warning.
  • the analysis module includes:
  • the dangerous behavior analysis sub-module is used to analyze whether there are dangerous behaviors, including identifying and analyzing the preset target from the dangerous behavior monitoring range preset in the video of the rail train passenger compartment area, and in the dangerous behavior monitoring Whether the action range of the preset target within the range reaches or exceeds the action range threshold:
  • the warning message of dangerous behavior is sent; among them, the early warning conditions include reaching or exceeding the threshold of the action range;
  • the early warning module includes:
  • the dangerous behavior early warning sub-module is used for early warning of dangerous behaviors based on the warning information of the dangerous behaviors.
  • the analysis module further includes:
  • the intruded analysis sub-module is used to analyze whether the protected area is invaded, including: identifying whether the preset target exists from the preset intrusion behavior monitoring range in the video of the protected area:
  • the preset target exists, sending an early warning message that the protected area is invaded; wherein the preset early warning condition also includes a preset target in the protected area;
  • the early warning module also includes:
  • the intrusion early warning sub-module is used for the early warning information of the intrusion of the protected area, and the early warning of the intrusion of the protected area.
  • the analysis module further includes:
  • the crowding analysis sub-module is used to analyze whether people are crowded, including: whether the number of preset targets identified from the preset crowded monitoring range in the video of the designated area meets or exceeds the threshold of the number of people:
  • the preset early warning conditions also include the threshold for the number of personnel being reached or exceeded;
  • the early warning module also includes:
  • the congestion early warning sub-module is used to give early warning of crowdedness based on the early warning information of crowdedness.
  • the analysis module further includes:
  • the sound analysis sub-module is used to analyze whether the sound is abnormal, including whether the sound level of the audio reaches or exceeds the sound warning threshold:
  • the warning message of abnormal sound is sent; wherein the monitoring data also includes audio, and the preset warning conditions also include reaching or exceeding the sound warning threshold;
  • the early warning module also includes:
  • the sound abnormality early warning sub-module is used to perform sound abnormality early warning based on the sound abnormality warning information.
  • the analysis module further includes:
  • the key deployment control personnel analysis sub-module is used to analyze whether the key deployment control personnel are found, including: capturing face images from the video, and comparing the captured face images with the faces in the face database for recognition , When the captured face image matches the face in the face database, send an early warning message that the key personnel are found;
  • the early warning module also includes:
  • the early warning sub-module for the key personnel to be discovered is used to perform the early warning of the key personnel to be discovered based on the early warning information of the key personnel to be discovered.
  • connection can also be detachable or integrated; it can be mechanical, electrical, or communication; it can be directly connected or indirectly connected through an intermediate medium, and it can be the internal communication between two components. Or the interaction between two elements.
  • connection can also be detachable or integrated; it can be mechanical, electrical, or communication; it can be directly connected or indirectly connected through an intermediate medium, and it can be the internal communication between two components. Or the interaction between two elements.
  • the "on" or “under” of the first feature of the second feature may include direct contact between the first feature and the second feature, or include the first feature.
  • the second feature is not in direct contact but through another feature between them.
  • the "above”, “above” and “above” of the first feature on the second feature include the first feature directly above and obliquely above the second feature, or it simply means that the first feature is higher in level than the second feature.
  • the “below”, “below” and “below” of the first feature of the second feature include the first feature directly above and diagonally above the second feature, or it simply means that the level of the first feature is smaller than the second feature.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Alarm Systems (AREA)
  • Train Traffic Observation, Control, And Security (AREA)
  • Image Analysis (AREA)

Abstract

一种轨道列车的监控系统，包括：获取装置（100），用于获取所述轨道列车内的监控数据，所述监控数据包括视频；监控服务器（200），与所述获取装置（100）连接以接收及存储所述监控数据，并将所述监控数据传输至各个分析主机（300）；多个分析主机（300）分别设置在所述轨道列车的车厢内，用于从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，向预警装置（400）发送预警信息；预警装置(400)，与所述分析主机（300）连接，用于在接收到所述预警信息后进行预警。以及一种监控方法及一种监控装置。所述轨道列车监控系统能够对监控数据进行分析并及时报警。

Description

一种轨道列车的监控系统，监控方法及监控装置 技术领域
本申请涉及轨道列车技术领域，具体地，涉及一种轨道列车的监控系统，监控方法及监控装置。
背景技术
目前高铁项目车厢视频监控系统只单设有客室摄像机，用于采集监控数据，包括视频和音频，存储于视频监控服务器，实现司机对客室的监测，不能对数据进行分析并对紧急情况预警。。
因此，相关的轨道列车的监控系统仅采集监控数据，未对监控数据进行分析，是本领域技术人员急需要解决的技术问题。
在背景技术中公开的上述信息仅用于加强对本申请的背景的理解，因此其可能包含没有形成为本领域普通技术人员所知晓的相关技术的信息。
发明内容
本申请实施例提供了一种轨道列车的监控系统，监控方法及监控装置，以解决相关的轨道列车的监控系统仅采集监控数据，未对监控数据进行分析的技术问题。
本申请实施例提供了一种轨道列车的监控系统，包括：
获取装置，用于获取所述轨道列车内的监控数据，所述监控数据包括视频；
监控服务器，与所述获取装置连接以接收及存储所述监控数据，并将所述监控数据传输至各个分析主机；
多个分析主机，分别设置在所述轨道列车的车厢内，用于从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，向预警装置发送预警信息；
预警装置，与所述监控服务器连接，用于在接收到所述监控服务器转发的所述预警信息后进行预警。
本申请实施例还提供以下技术方案：
一种轨道列车的监控方法，包括如下步骤：
获取所述轨道列车内的监控数据，所述监控数据包括视频；
接收及存储所述监控数据，并传输监控数据；
从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，发送预警信息；
接收预警信息，进行预警。
本申请实施例还提供以下技术方案：
一种轨道列车的监控装置，包括：
获取模块，用于获取所述轨道列车内的监控数据，所述监控数据包括视频；
接收及存储模块，用于接收及存储所述监控数据，并传输监控数据；
分析模块，用于从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，发送预警信息；
预警模块，用于接收预警信息，进行预警。
本申请实施例由于采用以上技术方案，具有以下技术效果：
通过获取装置获取轨道列车内的监控数据，监控数据传输至各个分析主机，轨道列车的车厢内设置有分析主机，这样，各个分析主机各自对大量的监控数据进行分析，能够加快分析的速度；在分析主机从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，向预警装置发送预警信息，预警装置进行预警。本申请实施例的轨道列车的监控系统，对监控数据进行存储，便于以后的调用和查看，也对监控数据进行了分析，在满足预设的预警条件时，进行预警，实现了自动分析及预警，为及时发现特殊情况，尽早进行干预措施提供了依据。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例的一种轨道列车的监控系统的结构示意图；
图2为图1所示的监控系统与安装于轨道列车的示意图；
图3为图1所示监控系统的分析主机进行是否存在危险行为的分析的流程图；
图4为图1所示监控系统的分析主机进行保护区域是否被侵入的分析的流程图；
图5为图1所示监控系统的分析主机进行人员是否拥挤的分析的流程图。
附图标记说明：
100获取装置，110半球形摄像机，120全景摄像机，
200监控服务器，300分析主机，400预警装置。
具体实施方式
为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
实施例一
图1为本申请实施例的一种轨道列车的监控系统的结构示意图；图2为图1所示的监控系统与安装于轨道列车的示意图。
如图1和图2所示，本申请实施例的一种轨道列车的监控系统，包括：
获取装置100，用于获取所述轨道列车内的监控数据，所述监控数据包括 视频；
监控服务器200，与所述获取装置通过连接以接收及存储所述监控数据，并将所述监控数据传输至分析主机；
多个分析主机300，分别设置在所述轨道列车的车厢内，用于从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，向预警装置发送预警信息；
预警装置400，与所述监控服务器连接，用于在接收到所述监控服务器转发的所述预警信息后进行预警。
本申请实施例的轨道列车的监控系统，通过获取装置获取轨道列车内的监控数据，监控数据传输至各个分析主机，轨道列车的车厢内设置有分析主机，这样，各个分析主机各自对大量的监控数据进行分析，能够加快分析的速度；在分析主机从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，向预警装置发送预警信息，预警装置进行预警。本申请实施例的轨道列车的监控系统，对监控数据进行存储，便于以后的调用和查看，也对监控数据进行了分析，在满足预设的预警条件时，进行预警，实现了自动分析及预警，为及时发现特殊情况，尽早进行干预措施提供了依据。
实施中，轨道列车中多是采用以太网连接的。本申请实施例的轨道列车的监控系统，获取装置和监控服务器之间是通过以太网连接的，一方面有效的利用了轨道列车的以太网，另一方面，监控数据的量较大，也适合通过以太网进行数据传输。监控服务器和分析主机之间是通过以太网连接的。
分析主机对视频的分析采用时间差分的原理和背景图像差分的混合算法,用相邻帧图象相减来提取前景目标移动的信息。视频分析的过程(背景减除方法)：首先系统进行背景学习，学习时间根据背景热闹程度有所不同，期间系统自动建立背景模型。之后系统进入“分析“状态，如果前景出现移动物体，并在设置的范围区域内且预设目标大小满足设置，系统将会把该预设目标进行 提取并跟踪，并根据预先的算法(入侵、遗留、斗殴等)触发预警。(期间如果背景出现获取装置抖动等，监控系统将启动预处理功能，来过滤掉这些动态背景)。在触发预警之前，监控系统具有预设目标识别的功能，即将提取的预设目标与已经建立的模型进行比对，并选择最佳的匹配。
下面对监控系统如何实现危险行为的预警进行说明。
图3为图1所示监控系统的分析主机进行是否存在危险行为的分析的流程图。实施中，预设的预警条件包括达到或超过动作幅度阀值；
如图3所示，所述分析主机具体用于进行是否存在危险行为的分析，包括步骤S300：从所述轨道列车客室区域的视频中预设的危险行为监测范围识别出所述预设目标并分析，在危险行为监测范围内所述预设目标的行为动作幅度是否达到或超过动作幅度阀值：
步骤S310：达到或超过动作幅度阀值时，向所述预警装置发送危险行为的预警信息；
步骤S320：在危险行为监测范围内所述预设目标的行为动作幅度未达到也未超过动作幅度阀值时，不发送危险行为的预警信息；
所述预警装置具体用于根据所述危险行为的预警信息，进行危险行为的预警。
针对所述轨道列车客室区域的视频中预设的危险行为监测范围，进行否存在危险行为的分析，分析的依据是达到或超过动作幅度阀值。在预设的危险行为监测范围内，作为预设目标的人的行为动作幅度达到或超过动作幅度阀值时，分析主机判断为存在危险行为，进行预警；在作为预设目标的人的行为动作幅度未达到也未超过动作幅度阀值时，分析主机判断不存在危险行为。危险行为可以根据情况进行设定，通过设定实现将斗殴等需要轨道列车的工作人员进行人工干预的各种危险行为包含在内，从而实现对危险行为的预警。
根据轨道列车客室区域中乘客所需进行的动作，对预设的危险行为监测范 围进行设置。如预设的危险行为监测范围不应该包括乘客需要进行取放行李等大幅度动作的位置，否则容易导致误判。具体的，通过设定任意多边形的范围设置为危险行为监测范围，对每一个危险行为监测范围，设定“音频检测模式”、“视频检测模式”和“音视频检测模式”，三种行为检测的一种。对于客室内危险行为监测范围的危险行为分析，CIF分辨下最小检测大小：64×32像素；最小响应时间小于2秒，检测成功率大于80％。
仅对预设的危险行为监测范围内进行是否存在危险行为的分析，是有针对性的进行是否存在危险行为的分析，降低了误判的可能性，增加了危险行为的预警的准确率，同时，也降低了分析主机进行分析的数据量。
监控服务器通过组播的方式把轨道列车客室区域内的获取装置的实时视频发送给分析主机，由分析主机对视频进行分析处理，一旦有人有危险行为情况的发生，则产生相应预警。
分析主机进行是否存在危险行为的分析是通过获取视频的图像的一系列特有的静态和动态的特性，实现对特定事件的描述和判别实现的。为了实现危险行为的分析，用到光流、聚类分析、图像特征描述、分类器等其他计算机视觉和模式识别技术。
下面对监控系统如何实现保护区域被侵入的预警进行说明。
图4为图1所示监控系统的分析主机进行保护区域是否被侵入的分析的流程图。实施中，预设的预警条件还包括保护区域内有预设目标；
如图4所示，所述分析主机具体用于进行保护区域是否被侵入的分析，包括步骤S400：从所述保护区域的视频中预设的侵入行为监测范围识别出是否存在预设目标：
步骤S410：存在所述预设目标时，向所述预警装置发送保护区域被侵入的预警信息；
步骤S420：不存在所述预设目标，不向所述预警装置发送保护区域被侵入 的预警信息；
所述预警装置具体用于根据所述保护区域被侵入的预警信息，进行保护区域被侵入的预警。
针对轨道列车的司机室和机械师室等需要特别保护的，不允许非工作人员进入的区域，设定为保护区域，并在保护区域的视频中预设侵入行为监测范围，如可以是门口周围。针对保护区域的视频，进行保护区域内是否被侵入的分析，分析的依据是保护区域中侵入行为监测范围内是否有人：
在侵入行为监测范围内识别出所述预设目标时，向所述预警装置发送保护区域被侵入的预警信息；
在侵入行为监测范围内未识别出所述预设目标时，不发送保护区域被侵入的预警信息；
所述预警装置具体用于根据所述保护区域被侵入的预警信息，进行保护区域被侵入的预警。
通过部署在车厢的获取装置可以针对重点区域(如司机室、机械师室等)进行布防，通过设置监测区域、监测面积和预警时间，以及预警输出方式，可实现对于轨道列车重点区域的安全防范和保护。
保护区域是否被侵入的预警分析，采用依赖轨迹的行为分析技术。基本方法是利用连续输入的图像序列，获取一个背景图像作为参考，后续进入的图像和背景图像进行比对，获取差异的像素点，然后对这些像素点进行连通性标记，这些标记的区域即初始的目标，然后对这些目标进行跟踪，形成连续的跟踪轨迹，然后对上述前景以及跟踪轨迹进行分析；与预先设置的规则信息比较，输出预警信息。
侵入行为监测范围可以设定任意多边形状的侵入行为监测范围；
(1)可以在同一场景中设置多个相互独立的侵入行为监测范围；
(2)对每一个侵入行为监测范围，可以设定穿越侵入行为监测范围的边界和在侵入行为监测范围两种行为检测的一或两种；
(3)在侵入行为监测范围内的监测，可以设定预设目标个数、最短报警时间，重复报警间隔时间等等；
(4)对穿越侵入行为监测范围的边界的预设目标，可以设置穿越的方向为进入、离开或是双向，保护区域是否被侵入监测在CIF分辨率下，最小检测目标大小：10×10像素，响应时间小于1秒，监测成功率大于90％。
下面对监控系统如何实现人员拥挤的预警进行说明。
图5为图1所示监控系统的分析主机进行人员是否拥挤的分析的流程图。实施中，预设的预警条件还包括达到或超过人员数量阀值；
如图5所示，所述分析主机具体用于进行人员是否拥挤的分析，包括步骤S500：从指定区域的视频中预设的拥挤监测范围识别出的预设目标的数量是否达到或超过人员数量阀值：
步骤S510：达到或超过人员数量阀值时，向所述预警装置发送人员拥挤的预警信息；
步骤S520：未达到也未超过人员数量阀值时，不发送人员拥挤的预警信息；
所述预警装置具体用于根据所述人员拥挤的预警信息，进行人员拥挤的预警。
针对轨道列车易于发生拥挤的位置设置获取装置，即该易于发生拥挤的位置就是指定区域，如轨道列车的入口到客室入口之间的过道中；在指定区域的视频中预设的拥挤监测范围，在人脸通常所在的高度范围内，排除过道的高处人脸达到不了的位置。在指定区域的视频中预设的拥挤监测范围内，识别出的预设目标的数量达到或超过人员数量阀值时，向所述预警装置发送人员拥挤的预警信息，从而实现对拥挤进行预警。
下面对监控系统如何实现声音异常预警进行说明。
实施中，所述监控数据还包括音频；预设的预警条件还包括达到或超过声 音预警阀值；
所述分析主机还用于进行声音是否异常的分析，包括：在所述音频的声音大小是否达到或超过声音预警阀值：
达到或超过声音预警阀值时，向所述预警装置发送声音异常的预警信息；
未达到也未超过声音预警阀值，不向所述预警装置发送声音异常的预警信息；
所述预警装置还用于根据所述声音异常的预警信息，进行声音异常预警。
轨道列车的车厢两侧的获取装置是具有拾音器的摄像机，可以对音频进行实时采集，由分析主机对音频进行分析处理。如果声音强度超过声音预警阀值，则产生声音异常预警。可以设定音频的声音的强度；可以设定声音报警的最短持续时间，对于声音异常的最小响应时间为1秒，检测成功率大于90％。
下面对监控系统如何实现重点布控人员的预警进行说明。
实施中，监控系统还包括人脸数据库；
所述分析主机还用于进行是否发现重点布控人员的分析，包括：从所述视频中抓取人脸图像，并将抓取的人脸图像与所述人脸数据库中的人脸进行对比识别，在抓取的人脸图像与所述人脸数据库中的人脸匹配时，向所述预警装置发送发现重点布控人员的预警信息；
所述预警装置还用于根据所述发现重点布控人员的预警信息，进行发现重点布控人员的预警。
这样，就实现了重点布控人员的预警。
重点布控人员的预警需要对乘车人员信息进行采集，通过分析主机对比，实现对重点布控人员的检索和预警。具体实现是由获取装置实现视频的抓拍，由分析主机实现数据库的特征导入和检索比对查询。
分析主机主要划分为图像抓取模块、图像比对模块、人脸数据库管理模块和人脸特征检索模块：
(1)图像抓取模块：通过轨道列车内的获取装置，抓取高铁车厢内的实时图像，并每隔若干帧就将抓取到的视频图像中的人脸图像检测出来，并传到图像比对模块进行比对；
(2)图像比对模块：提取图像抓取模块中的人脸特征；
(3)人脸数据库管理模块：管理已经记录在系统中的人脸的特征数据；
(4)人脸特征检索模块：检索提取出的人脸特征是否存在于人脸数据库中并且判断是否是重点布控人员的人脸。
重点布控人员的预警的核心是人脸识别，人脸识别算法包括三个部分：人脸检测，人脸关键检测，人脸识别。其中人脸检测是找到一张图片中包含的所有人脸，人脸关键点检测是在检测到人脸图像上检测出人脸的关键点坐标，进而估计出人脸的姿态，人脸识别是把人脸变成特定维数的向量，根据向量的相似程度来判断是否为同一个人的人脸图像。
实施中，所述分析主机，根据所述获取装置的设置位置，对各个所述获取装置获取的监控数据进行至少一种分析，包括是否存在危险行为的分析，保护区域是否被侵入的分析，人员是否拥挤的分析，声音是否异常的分析，是否发现重点布控人员的分析。
这样，根据获取装置的位置，对获取装置获取的监控数据分别进行了分析，充分利用了监控数据。
具体的，所述保护区域包括轨道列车的司机室和/或机械师室。
具体的，所述获取装置包括全景摄像机和具有拾音功能的半球形摄像机；
如图2所示，所述全景摄像机120设置在所述轨道列车的通过台处；
所述轨道列车设置内设置有四个所述半球形摄像机110。
实时中，监控系统还包括监控屏，所述监控屏设置在每个所述机械师室的室内；
所述监控屏用于显示实时监控画面，且用于显示所述预警信息。
实施例二
本申请实施例的一种轨道列车的监控方法，包括如下步骤：
获取所述轨道列车内的监控数据，所述监控数据包括视频；
接收及存储所述监控数据，并传输监控数据；
从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，发送预警信息；
接收预警信息，进行预警。
实施中，从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，发送预警信息的步骤具体包括：
进行是否存在危险行为的分析，包括从所述轨道列车客室区域的视频中预设的危险行为监测范围识别出所述预设目标并分析，在所述危险行为监测范围内所述预设目标的行为动作幅度是否达到或超过动作幅度阀值：
达到或超过动作幅度阀值时，发送危险行为的预警信息；其中，预警条件包括达到或超过动作幅度阀值；
接收预警信息，进行预警的步骤具体包括：
根据所述危险行为的预警信息，进行危险行为的预警。
实施中，从所述监控数据中识别预设目标并分析，在所述预设目标的行为达到预设的预警条件时，发送预警信息的步骤具体包括：
进行保护区域是否被侵入的分析，包括从所述保护区域的视频中预设的侵入行为监测范围识别出是否存在所述预设目标：
存在所述预设目标时，发送保护区域被侵入的预警信息；其中，预警条件还包括保护区域内有预设目标；
接收预警信息，进行预警的步骤具体包括：
根据所述保护区域被侵入的预警信息，进行保护区域被侵入的预警。
实施中，从所述监控数据中识别预设目标并分析，在所述预设目标的行为达到预设的预警条件时，发送预警信息的步骤具体包括：
进行人员是否拥挤的分析，包括从指定区域的视频中预设的拥挤监测范围识别出的预设目标的数量是否达到或超过人员数量阀值：
达到或超过人员数量阀值时，发送人员拥挤的预警信息；其中，预设的预警条件还包括达到或超过人员数量阀值；
接收预警信息，进行预警的步骤具体包括：
根据所述人员拥挤的预警信息，进行人员拥挤的预警。
实施中，轨道列车的监控方法还包括：
进行声音是否异常的分析，包括在所述音频的声音大小是否达到或超过声音预警阀值：
达到或超过声音预警阀值时，发送声音异常的预警信息；其中，所述监控数据还包括音频，预设的预警条件还包括达到或超过声音预警阀值；
根据所述声音异常的预警信息，进行声音异常预警。
实施中，轨道列车的监控方法还包括：
进行是否发现重点布控人员的分析，包括：从所述视频中抓取人脸图像，并将抓取的人脸图像与人脸数据库中的人脸进行对比识别，在抓取的人脸图像与所述人脸数据库中的人脸匹配时，发送发现重点布控人员的预警信息；
根据所述发现重点布控人员的预警信息，进行发现重点布控人员的预警。
实施例三
本申请实施例的一种轨道列车的监控装置，包括：
获取模块，用于获取所述轨道列车内的监控数据，所述监控数据包括视频；
接收及存储模块，用于接收及存储所述监控数据，并传输监控数据；
分析模块，用于从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，发送预警信息；
预警模块，用于接收预警信息，进行预警。
实施中，所述分析模块包括：
危险行为分析子模块，用于进行是否存在危险行为的分析，包括从所述轨道列车客室区域的视频中预设的危险行为监测范围识别出所述预设目标并分析，在所述危险行为监测范围内所述预设目标的行为动作幅度是否达到或超过动作幅度阀值：
达到或超过动作幅度阀值时，发送危险行为的预警信息；其中，预警条件包括达到或超过动作幅度阀值；
所述预警模块包括：
危险行为预警子模块，用于根据所述危险行为的预警信息，进行危险行为的预警。
实施中，所述分析模块还包括：
被侵入分析子模块，用于进行保护区域是否被侵入的分析，包括：从所述保护区域的视频中预设的侵入行为监测范围识别出是否存在所述预设目标：
存在所述预设目标时，发送保护区域被侵入的预警信息；其中，预设的预警条件还包括保护区域内有预设目标；
所述预警模块还包括：
被侵入预警子模块，用于所述保护区域被侵入的预警信息，进行保护区域被侵入的预警。
实施中，所述分析模块还包括：
拥挤分析子模块，用于进行人员是否拥挤的分析，包括：从指定区域的视频中预设的拥挤监测范围识别出的预设目标的数量是否达到或超过人员数量阀值：
达到或超过人员数量阀值时，发送人员拥挤的预警信息；其中，预设的预警条件还包括达到或超过人员数量阀值；
所述预警模块还包括：
拥挤预警子模块，用于根据所述人员拥挤的预警信息，进行人员拥挤的预警。
实施中，所述分析模块还包括：
声音分析子模块，用于进行声音是否异常的分析，包括在所述音频的声音大小是否达到或超过声音预警阀值：
达到或超过声音预警阀值时，发送声音异常的预警信息；其中，所述监控数据还包括音频，预设的预警条件还包括达到或超过声音预警阀值；
所述预警模块还包括：
声音异常预警子模块，用于根据所述声音异常的预警信息，进行声音异常预警。
实施中，所述分析模块还包括：
重点布控人员分析子模块，用于进行是否发现重点布控人员的分析，包括：从所述视频中抓取人脸图像，并将抓取的人脸图像与人脸数据库中的人脸进行对比识别，在抓取的人脸图像与所述人脸数据库中的人脸匹配时，发送发现重点布控人员的预警信息；
所述预警模块还包括：
发现重点布控人员预警子模块，用于根据所述发现重点布控人员的预警信息，进行发现重点布控人员的预警。
在本申请及其实施例的描述中，需要理解的是，术语“顶”、“底”、“高度”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。
在本申请及其实施例中，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接，还可以是通信；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内 部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
在本申请及其实施例中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。
上文的公开提供了许多不同的实施方式或例子用来实现本申请的不同结构。为了简化本申请的公开，上文中对特定例子的部件和设置进行描述。当然，它们仅仅为示例，并且目的不在于限制本申请。此外，本申请可以在不同例子中重复参考数字和/或参考字母，这种重复是为了简化和清楚的目的，其本身不指示所讨论各种实施方式和/或设置之间的关系。此外，本申请提供了的各种特定的工艺和材料的例子，但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
尽管已描述了本申请一些可选的实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括一些可选的实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (22)

  1. 一种轨道列车的监控系统，其特征在于，包括：
    获取装置，用于获取所述轨道列车内的监控数据，所述监控数据包括视频；
    监控服务器，与所述获取装置连接以接收及存储所述监控数据，并将所述监控数据传输至各个分析主机；
    多个分析主机，分别设置在所述轨道列车的车厢内，用于从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，向预警装置发送预警信息；
    预警装置，与所述监控服务器连接，用于在接收到所述监控服务器转发的所述预警信息后进行预警。
  2. 根据权利要求1所述的轨道列车的监控系统，其特征在于，预警条件包括达到或超过动作幅度阀值；
    所述分析主机具体用于进行是否存在危险行为的分析，包括从所述轨道列车客室区域的视频中预设的危险行为监测范围识别出所述预设目标并分析，在所述危险行为监测范围内所述预设目标的行为动作幅度是否达到或超过动作幅度阀值：
    达到或超过动作幅度阀值时，向所述预警装置发送危险行为的预警信息；
    所述预警装置具体用于根据所述危险行为的预警信息，进行危险行为的预警。
  3. 根据权利要求2所述的轨道列车的监控系统，其特征在于，预警条件还包括保护区域内预设的侵入行为监测范围有预设目标；
    所述分析主机具体用于进行保护区域是否被侵入的分析，包括从所述保护区域的视频中预设的侵入行为监测范围识别出是否存在所述预设目标：
    存在所述预设目标时，向所述预警装置发送保护区域被侵入的预警信息；
    所述预警装置具体用于根据所述保护区域被侵入的预警信息，进行保护区域被侵入的预警。
  4. 根据权利要求3所述的轨道列车的监控系统，其特征在于，预警条件还包括达到或超过人员数量阀值；
    所述分析主机具体用于进行人员是否拥挤的分析，包括从指定区域的视频中预设的拥挤监测范围识别出的预设目标的数量是否达到或超过人员数量阀值：
    达到或超过人员数量阀值时，向所述预警装置发送人员拥挤的预警信息；
    所述预警装置具体用于根据所述人员拥挤的预警信息，进行人员拥挤的预警。
  5. 根据权利要求4所述的轨道列车的监控系统，其特征在于，所述监控数据还包括音频；预警条件还包括达到或超过声音预警阀值；
    所述分析主机还用于进行声音是否异常的分析，包括：在所述音频的声音大小是否达到或超过声音预警阀值：
    达到或超过声音预警阀值时，向所述预警装置发送声音异常的预警信息；
    所述预警装置还用于根据所述声音异常的预警信息，进行声音异常预警。
  6. 根据权利要求5所述的轨道列车的监控系统，其特征在于，还包括人脸数据库；
    所述分析主机还用于进行是否发现重点布控人员的分析，包括：从所述视频中抓取人脸图像，并将抓取的人脸图像与所述人脸数据库中的人脸进行对比识别，在抓取的人脸图像与所述人脸数据库中的人脸匹配时，向所述预警装置发送发现重点布控人员的预警信息；
    所述预警装置还用于根据所述发现重点布控人员的预警信息，进行发现重点布控人员的预警。
  7. 根据权利要求6所述的轨道列车的监控系统，其特征在于，所述分析主机，根据所述获取装置的设置位置，对各个所述获取装置获取的监控数据进行至少一种分析，包括是否存在危险行为的分析，保护区域是否被侵入的分析，人员是否拥挤的分析，声音是否异常的分析，是否发现重点布控人员的分析。
  8. 根据权利要求7所述的轨道列车的监控系统，其特征在于，所述保护区域包括轨道列车的司机室和/或机械师室。
  9. 根据权利要求8所述的轨道列车的监控系统，其特征在于，所述获取装置包括全景摄像机和具有拾音功能的半球形摄像机；
    所述全景摄像机设置在所述轨道列车的通过台处；
    所述轨道列车设置内设置有四个所述半球形摄像机。
  10. 根据权利要求9所述的轨道列车的监控系统，其特征在于，所述预警装置包括监控屏，所述监控屏设置在每个所述机械师室的室内；
    所述监控屏用于显示实时监控画面，且用于显示所述预警信息。
  11. 一种轨道列车的监控方法，其特征在于，包括如下步骤：
    获取所述轨道列车内的监控数据，所述监控数据包括视频；
    接收及存储所述监控数据，并传输监控数据；
    从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，发送预警信息；
    接收预警信息，进行预警。
  12. 根据权利要求11所述的轨道列车的监控方法，其特征在于，从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，发送预警信息的步骤具体包括：
    进行是否存在危险行为的分析，包括从所述轨道列车客室区域的视频中预设的危险行为监测范围识别出所述预设目标并分析，在所述危险行为监测范围内所述预设目标的行为动作幅度是否达到或超过动作幅度阀值：
    达到或超过动作幅度阀值时，发送危险行为的预警信息；其中，预警条件包括达到或超过动作幅度阀值；
    接收预警信息，进行预警的步骤具体包括：
    根据所述危险行为的预警信息，进行危险行为的预警。
  13. 根据权利要求12所述的轨道列车的监控方法，其特征在于，从所述 监控数据中识别预设目标并分析，在所述预设目标的行为达到预设的预警条件时，发送预警信息的步骤具体包括：
    进行保护区域是否被侵入的分析，包括所述保护区域的视频中预设的侵入行为监测范围识别出是否存在所述预设目标：
    存在所述预设目标时，发送保护区域被侵入的预警信息；其中，预警条件还包括保护区域内有预设目标；
    接收预警信息，进行预警的步骤具体包括：
    根据所述保护区域被侵入的预警信息，进行保护区域被侵入的预警。
  14. 根据权利要求13所述的轨道列车的监控方法，其特征在于，从所述监控数据中识别预设目标并分析，在所述预设目标的行为达到预设的预警条件时，发送预警信息的步骤具体包括：
    进行人员是否拥挤的分析，包括从指定区域的视频中预设的拥挤监测范围识别出的预设目标的数量是否达到或超过人员数量阀值：
    达到或超过人员数量阀值时，发送人员拥挤的预警信息；其中，预设的预警条件还包括达到或超过人员数量阀值；
    接收预警信息，进行预警的步骤具体包括：
    根据所述人员拥挤的预警信息，进行人员拥挤的预警。
  15. 根据权利要求14所述的轨道列车的监控方法，其特征在于，还包括：
    进行声音是否异常的分析，包括在所述音频的声音大小是否达到或超过声音预警阀值：
    达到或超过声音预警阀值时，发送声音异常的预警信息；其中，所述监控数据还包括音频，预设的预警条件还包括达到或超过声音预警阀值；
    根据所述声音异常的预警信息，进行声音异常预警。
  16. 根据权利要求15所述的轨道列车的监控方法，其特征在于，还包括：
    进行是否发现重点布控人员的分析，包括：从所述视频中抓取人脸图像，并将抓取的人脸图像与人脸数据库中的人脸进行对比识别，在抓取的人脸图像 与所述人脸数据库中的人脸匹配时，发送发现重点布控人员的预警信息；
    根据所述发现重点布控人员的预警信息，进行发现重点布控人员的预警。
  17. 一种轨道列车的监控装置，其特征在于，包括：
    获取模块，用于获取所述轨道列车内的监控数据，所述监控数据包括视频；
    接收及存储模块，用于接收及存储所述监控数据，并传输监控数据；
    分析模块，用于从所述监控数据中识别预设目标并分析，在所述预设目标的行为满足预设的预警条件时，发送预警信息；
    预警模块，用于接收预警信息，进行预警。
  18. 根据权利要求17所述的轨道列车的监控装置，其特征在于，所述分析模块包括：
    危险行为分析子模块，用于进行是否存在危险行为的分析，包括从所述轨道列车客室区域的视频中预设的危险行为监测范围识别出所述预设目标并分析，在所述危险行为监测范围内所述预设目标的行为动作幅度是否达到或超过动作幅度阀值：
    达到或超过动作幅度阀值时，发送危险行为的预警信息；其中，预警条件包括达到或超过动作幅度阀值；
    所述预警模块包括：
    危险行为预警子模块，用于根据所述危险行为的预警信息，进行危险行为的预警。
  19. 根据权利要求18所述的轨道列车的监控装置，其特征在于，所述分析模块还包括：
    被侵入分析子模块，用于进行保护区域是否被侵入的分析，包括：从所述保护区域的视频中预设的侵入行为监测范围识别出是否存在所述预设目标：
    存在所述预设目标时，发送保护区域被侵入的预警信息；其中，预设的预警条件还包括保护区域内有预设目标；
    所述预警模块还包括：
    被侵入预警子模块，用于所述保护区域被侵入的预警信息，进行保护区域被侵入的预警。
  20. 根据权利要求19所述的轨道列车的监控装置，其特征在于，所述分析模块还包括：
    拥挤分析子模块，用于进行人员是否拥挤的分析，包括：从指定区域的视频中预设的拥挤监测范围识别出的预设目标的数量是否达到或超过人员数量阀值：
    达到或超过人员数量阀值时，发送人员拥挤的预警信息；其中，预设的预警条件还包括达到或超过人员数量阀值；
    所述预警模块还包括：
    拥挤预警子模块，用于根据所述人员拥挤的预警信息，进行人员拥挤的预警。
  21. 根据权利要求20所述的轨道列车的监控装置，其特征在于，所述分析模块还包括：
    声音分析子模块，用于进行声音是否异常的分析，包括：在所述音频的声音大小是否达到或超过声音预警阀值：
    达到或超过声音预警阀值时，发送声音异常的预警信息；其中，所述监控数据还包括音频，预设的预警条件还包括达到或超过声音预警阀值；
    所述预警模块还包括：
    声音异常预警子模块，用于根据所述声音异常的预警信息，进行声音异常预警。
  22. 根据权利要求21所述的轨道列车的监控装置，其特征在于，所述分析模块还包括：
    重点布控人员分析子模块，用于进行是否发现重点布控人员的分析，包括：从所述视频中抓取人脸图像，并将抓取的人脸图像与人脸数据库中的人脸进行对比识别，在抓取的人脸图像与所述人脸数据库中的人脸匹配时，发送发现重 点布控人员的预警信息；
    所述预警模块还包括：
    发现重点布控人员预警子模块，用于根据所述发现重点布控人员的预警信息，进行发现重点布控人员的预警。
PCT/CN2020/085920 2020-02-12 2020-04-21 一种轨道列车的监控系统，监控方法及监控装置 Ceased WO2021159604A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
EP20919029.7A EP4105101A4 (en) 2020-02-12 2020-04-21 MONITORING SYSTEM, MONITORING METHOD AND MONITORING DEVICE FOR A RAILWAY TRAIN

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010089249.X 2020-02-12
CN202010089249.XA CN113256924A (zh) 2020-02-12 2020-02-12 一种轨道列车的监控系统，监控方法及监控装置

Publications (1)

Publication Number Publication Date
WO2021159604A1 true WO2021159604A1 (zh) 2021-08-19

Family

ID=77219738

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/085920 Ceased WO2021159604A1 (zh) 2020-02-12 2020-04-21 一种轨道列车的监控系统，监控方法及监控装置

Country Status (3)

Country Link
EP (1) EP4105101A4 (zh)
CN (1) CN113256924A (zh)
WO (1) WO2021159604A1 (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113850967A (zh) * 2021-10-18 2021-12-28 江苏立源自动化工程有限公司 基于煤炭装车系统的铁路货车运行安全与故障预警系统
CN113989874A (zh) * 2021-09-22 2022-01-28 安徽沃恒建设工程项目管理有限公司 公路施工安全事故预警系统及方法
CN114066157A (zh) * 2021-10-15 2022-02-18 江苏禹治流域管理技术研究院有限公司 一种采砂数据预警分析系统
CN114173220A (zh) * 2021-12-03 2022-03-11 中国铁道科学研究院集团有限公司标准计量研究所 铁路货物运输监控数据传输方法和装置
CN114283378A (zh) * 2021-12-22 2022-04-05 京东方科技集团股份有限公司 一种监控方法、装置、存储介质及电子设备
CN114863349A (zh) * 2022-06-30 2022-08-05 中关村科学城城市大脑股份有限公司 一种基坑安全防护监测方法及系统
CN115009324A (zh) * 2022-07-08 2022-09-06 成都西交轨道交通技术服务有限公司 基于云边协同的轨道交通不稳定网络事故预警系统及方法
CN115099739A (zh) * 2022-06-10 2022-09-23 广州中爆数字信息科技股份有限公司 基于条件函数的通用预警系统和方法
CN115378968A (zh) * 2022-07-20 2022-11-22 慧之安信息技术股份有限公司 一种基于边缘计算的生物实验室安全检测系统
CN115547004A (zh) * 2022-09-20 2022-12-30 中车长春轨道客车股份有限公司 一种动车组车上人员数量控制终端及管控方法
CN116366806A (zh) * 2023-02-16 2023-06-30 深圳市华天龙电子有限公司 一种基于物联网的智能监控系统
CN116363817A (zh) * 2023-02-02 2023-06-30 淮阴工学院 一种化工厂危险区域入侵预警方法及系统
CN116743970A (zh) * 2023-08-14 2023-09-12 安徽塔联智能科技有限责任公司 一种具有视频ai预警分析的智能管理平台
CN116834810A (zh) * 2023-06-19 2023-10-03 中国铁道科学研究院集团有限公司 基于动态检测数据分析的高速铁路安全预警方法及装置
CN117251440A (zh) * 2023-09-20 2023-12-19 华安钢宝利高新汽车板加工(娄底)有限公司 一种行车电脑开发用数据传输自动纠正系统及方法
CN117395685A (zh) * 2023-10-30 2024-01-12 中国铁建电气化局集团有限公司 一种基于人工智能的高铁无线网络优化系统
CN117557966A (zh) * 2024-01-09 2024-02-13 南京格瑞物联科技有限公司 基于监控图像识别的校园异常行为安全检测方法及系统
CN118155357A (zh) * 2024-03-07 2024-06-07 广州市烨兴融集团有限公司 一种智慧办公的视频监控管理方法、系统、设备及介质
CN118296513A (zh) * 2024-06-04 2024-07-05 广东电网有限责任公司 变电站异物检测方法及系统

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114228794B (zh) * 2021-12-17 2023-09-22 神思电子技术股份有限公司 一种ctc调度的自动化监控方法及设备
CN114148378B (zh) * 2021-12-31 2022-07-19 安徽徽一通讯科技有限公司 铁路区间作业防护用声光报警器
CN114722102B (zh) * 2022-04-24 2023-01-13 中咨数据有限公司 一种基于大数据分析的轨道交通能耗系统智能监测管理系统
CN114715220A (zh) * 2022-06-07 2022-07-08 深圳龙铁高科技术有限公司 一种机车智能预警方法以及预警系统
CN115171021A (zh) * 2022-07-18 2022-10-11 全图通位置网络有限公司 一种基于gpu的乘客实时交互处理方法和系统
CN115235091A (zh) * 2022-07-20 2022-10-25 青岛海尔空调器有限总公司 安保空调系统及其控制方法、装置、存储介质
JP7754782B2 (ja) * 2022-08-05 2025-10-15 株式会社国際電気 列車監視システム
CN116189305B (zh) * 2023-03-09 2023-07-18 合肥市轨道交通集团有限公司 一种基于神经网络模型嵌入的人员危险动作识别方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1710875A (zh) * 2005-06-07 2005-12-21 沈阳泽通数码有限公司 铁路列车数字化安全保障视频监控系统
EP2088566A2 (de) * 2008-02-08 2009-08-12 Siemens Aktiengesellschaft Video-Überwachungssystem für ein Fahrzeug und Verfahren zum Überwachen eines Fahrzeugs
CN101795395A (zh) * 2009-02-04 2010-08-04 深圳市先进智能技术研究所 一种人群态势监控系统及方法
CN102254401A (zh) * 2011-05-11 2011-11-23 北京城市系统工程研究中心 一种客流运动智能分析方法
CN102385791A (zh) * 2011-11-08 2012-03-21 天津银箭科技有限公司 电子地图视频与报警监控联动系统
EP2945370A1 (en) * 2013-01-10 2015-11-18 Mitsubishi Electric Corporation Vehicle interior monitoring system, and vehicle interior monitoring method
CN205847433U (zh) * 2016-07-05 2016-12-28 北京清网华科技有限公司 一种车载视频监控系统
CN108297899A (zh) * 2018-02-07 2018-07-20 北京明铁科技有限公司 一种列车安全监控预警系统
CN108900814A (zh) * 2018-07-27 2018-11-27 安徽安为科技有限公司 一种列车远程视频监控系统
CN109543538A (zh) * 2018-10-23 2019-03-29 深圳壹账通智能科技有限公司 获取警情对象的轨迹的方法、装置、计算机设备和存储介质
CN110588729A (zh) * 2019-10-22 2019-12-20 西南交通大学 一种基于大数据的铁路监控辅助系统

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101174298A (zh) * 2006-11-02 2008-05-07 上海银晨智能识别科技有限公司 分散点大流量的人脸识别系统及识别方法
US20110316697A1 (en) * 2010-06-29 2011-12-29 General Electric Company System and method for monitoring an entity within an area
CN101917604A (zh) * 2010-09-03 2010-12-15 中铁上海设计院集团有限公司 用于轨道交通中的视频图像智能分析方法
CN202818505U (zh) * 2012-09-25 2013-03-20 毛振刚 列车车厢视频监控管理系统
CN103973653A (zh) * 2013-02-01 2014-08-06 上海迪爱斯通信设备有限公司 智能感知分析仪
CN103297751A (zh) * 2013-04-23 2013-09-11 四川天翼网络服务有限公司 智慧天网视频行为分析系统
US10392038B2 (en) * 2016-05-16 2019-08-27 Wi-Tronix, Llc Video content analysis system and method for transportation system
CN206100297U (zh) * 2016-08-16 2017-04-12 山西省交通科学研究院 一种列车车载监控系统
GB2556942A (en) * 2016-11-28 2018-06-13 Univ Of Lancaster Transport passenger monitoring systems
CN109606427B (zh) * 2019-01-11 2020-09-11 东北石油大学 基于ZigBee的列车车厢安全警告方法
CN110544360B (zh) * 2019-08-07 2022-04-08 北京全路通信信号研究设计院集团有限公司 一种列车安全驾驶监测系统及方法
CN110525456B (zh) * 2019-08-07 2020-11-24 北京全路通信信号研究设计院集团有限公司 一种列车安全驾驶监测系统及方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1710875A (zh) * 2005-06-07 2005-12-21 沈阳泽通数码有限公司 铁路列车数字化安全保障视频监控系统
EP2088566A2 (de) * 2008-02-08 2009-08-12 Siemens Aktiengesellschaft Video-Überwachungssystem für ein Fahrzeug und Verfahren zum Überwachen eines Fahrzeugs
CN101795395A (zh) * 2009-02-04 2010-08-04 深圳市先进智能技术研究所 一种人群态势监控系统及方法
CN102254401A (zh) * 2011-05-11 2011-11-23 北京城市系统工程研究中心 一种客流运动智能分析方法
CN102385791A (zh) * 2011-11-08 2012-03-21 天津银箭科技有限公司 电子地图视频与报警监控联动系统
EP2945370A1 (en) * 2013-01-10 2015-11-18 Mitsubishi Electric Corporation Vehicle interior monitoring system, and vehicle interior monitoring method
CN205847433U (zh) * 2016-07-05 2016-12-28 北京清网华科技有限公司 一种车载视频监控系统
CN108297899A (zh) * 2018-02-07 2018-07-20 北京明铁科技有限公司 一种列车安全监控预警系统
CN108900814A (zh) * 2018-07-27 2018-11-27 安徽安为科技有限公司 一种列车远程视频监控系统
CN109543538A (zh) * 2018-10-23 2019-03-29 深圳壹账通智能科技有限公司 获取警情对象的轨迹的方法、装置、计算机设备和存储介质
CN110588729A (zh) * 2019-10-22 2019-12-20 西南交通大学 一种基于大数据的铁路监控辅助系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4105101A4 *

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113989874A (zh) * 2021-09-22 2022-01-28 安徽沃恒建设工程项目管理有限公司 公路施工安全事故预警系统及方法
CN114066157A (zh) * 2021-10-15 2022-02-18 江苏禹治流域管理技术研究院有限公司 一种采砂数据预警分析系统
CN113850967B (zh) * 2021-10-18 2022-05-27 江苏立源自动化工程有限公司 基于煤炭装车系统的铁路货车运行安全与故障预警系统
CN113850967A (zh) * 2021-10-18 2021-12-28 江苏立源自动化工程有限公司 基于煤炭装车系统的铁路货车运行安全与故障预警系统
CN114173220B (zh) * 2021-12-03 2023-06-27 中国铁道科学研究院集团有限公司标准计量研究所 铁路货物运输监控数据传输方法和装置
CN114173220A (zh) * 2021-12-03 2022-03-11 中国铁道科学研究院集团有限公司标准计量研究所 铁路货物运输监控数据传输方法和装置
CN114283378A (zh) * 2021-12-22 2022-04-05 京东方科技集团股份有限公司 一种监控方法、装置、存储介质及电子设备
CN115099739A (zh) * 2022-06-10 2022-09-23 广州中爆数字信息科技股份有限公司 基于条件函数的通用预警系统和方法
CN114863349A (zh) * 2022-06-30 2022-08-05 中关村科学城城市大脑股份有限公司 一种基坑安全防护监测方法及系统
CN115009324A (zh) * 2022-07-08 2022-09-06 成都西交轨道交通技术服务有限公司 基于云边协同的轨道交通不稳定网络事故预警系统及方法
CN115009324B (zh) * 2022-07-08 2023-11-03 成都西交轨道交通技术服务有限公司 基于云边协同的轨道交通不稳定网络事故预警系统及方法
CN115378968A (zh) * 2022-07-20 2022-11-22 慧之安信息技术股份有限公司 一种基于边缘计算的生物实验室安全检测系统
CN115378968B (zh) * 2022-07-20 2024-06-04 慧之安信息技术股份有限公司 一种基于边缘计算的生物实验室安全检测系统
CN115547004A (zh) * 2022-09-20 2022-12-30 中车长春轨道客车股份有限公司 一种动车组车上人员数量控制终端及管控方法
CN116363817B (zh) * 2023-02-02 2024-01-02 淮阴工学院 一种化工厂危险区域入侵预警方法及系统
CN116363817A (zh) * 2023-02-02 2023-06-30 淮阴工学院 一种化工厂危险区域入侵预警方法及系统
CN116366806A (zh) * 2023-02-16 2023-06-30 深圳市华天龙电子有限公司 一种基于物联网的智能监控系统
CN116366806B (zh) * 2023-02-16 2025-01-28 深圳市华天龙电子有限公司 一种基于物联网的智能监控系统
CN116834810A (zh) * 2023-06-19 2023-10-03 中国铁道科学研究院集团有限公司 基于动态检测数据分析的高速铁路安全预警方法及装置
CN116743970A (zh) * 2023-08-14 2023-09-12 安徽塔联智能科技有限责任公司 一种具有视频ai预警分析的智能管理平台
CN116743970B (zh) * 2023-08-14 2023-11-21 安徽塔联智能科技有限责任公司 一种具有视频ai预警分析的智能管理平台
CN117251440B (zh) * 2023-09-20 2024-05-07 华安钢宝利高新汽车板加工(娄底)有限公司 一种行车电脑开发用数据传输自动纠正系统及方法
CN117251440A (zh) * 2023-09-20 2023-12-19 华安钢宝利高新汽车板加工(娄底)有限公司 一种行车电脑开发用数据传输自动纠正系统及方法
CN117395685A (zh) * 2023-10-30 2024-01-12 中国铁建电气化局集团有限公司 一种基于人工智能的高铁无线网络优化系统
CN117557966A (zh) * 2024-01-09 2024-02-13 南京格瑞物联科技有限公司 基于监控图像识别的校园异常行为安全检测方法及系统
CN117557966B (zh) * 2024-01-09 2024-04-02 南京格瑞物联科技有限公司 基于监控图像识别的校园异常行为安全检测方法及系统
CN118155357A (zh) * 2024-03-07 2024-06-07 广州市烨兴融集团有限公司 一种智慧办公的视频监控管理方法、系统、设备及介质
CN118296513A (zh) * 2024-06-04 2024-07-05 广东电网有限责任公司 变电站异物检测方法及系统

Also Published As

Publication number Publication date
EP4105101A1 (en) 2022-12-21
CN113256924A (zh) 2021-08-13
EP4105101A4 (en) 2023-08-02

Similar Documents

Publication Publication Date Title
EP4105101A1 (en) Monitoring system, monitoring method, and monitoring device for railway train
CN117749995B (zh) 一种基于多场景识别与语音交互的视频监控方法及系统
JP6905850B2 (ja) 画像処理システム、撮像装置、学習モデル作成方法、情報処理装置
WO2019191142A1 (en) Smart area monitoring with artificial intelligence
WO2019153193A1 (zh) 一种出租车运营监测方法、设备、存储介质和系统
KR101036947B1 (ko) 컴퓨터 영상 분석기술을 이용한 범죄 및 사고예방 자동경비 시스템
CN102081844A (zh) 一种交通视频行为分析与报警服务器
US20080136934A1 (en) Flame Detecting Method And Device
CN104583051A (zh) 对铁路线路的监视
WO2020024552A1 (zh) 道路安全监控方法及系统、计算机可读存储介质
KR101459024B1 (ko) 시설물 감시용 보안 시스템
CN114359976B (zh) 一种基于人物识别的智能安防方法与装置
KR20210043960A (ko) IoT와 인공지능 기술을 이용한 행동인식 기반의 안전 감시 시스템 및 방법
CN114358980A (zh) 一种基于物联网的智慧社区物业管理系统及方法
KR101407952B1 (ko) 엘리베이터 방범시스템 및 방법
CN113055651A (zh) 一种人工智能型车辆安防系统及计算机可读存储介质
CN106572324A (zh) 一种节能型智能监控装置
CN116486615A (zh) 一种基于电单车头盔侦测处理交通事故的方法及电单车
KR20240103413A (ko) Ai드론 기반 산업단지 순찰 시스템
KR102680429B1 (ko) 상황별 데이터 자동학습 기반 지능형 영상분석 플랫폼
CN111182269B (zh) 一种具有智能违法警示功能的安防摄像设备及方法
CN111241918B (zh) 一种基于人脸识别的车用防跟踪方法及系统
JP2008092279A (ja) 監視システム及び監視方法
KR20030040434A (ko) 지원 또는 증거 자료를 필요로 하는 사건을 검출하기 위한영상 기반 방법 및 장치
JP2012010121A (ja) 行動監視システム、行動監視プログラム、及び行動監視方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20919029

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2020919029

Country of ref document: EP

Effective date: 20220912