RU2676028C1 - Method of detecting left object in video stream - Google Patents
Method of detecting left object in video stream Download PDFInfo
- Publication number
- RU2676028C1 RU2676028C1 RU2018109141A RU2018109141A RU2676028C1 RU 2676028 C1 RU2676028 C1 RU 2676028C1 RU 2018109141 A RU2018109141 A RU 2018109141A RU 2018109141 A RU2018109141 A RU 2018109141A RU 2676028 C1 RU2676028 C1 RU 2676028C1
- Authority
- RU
- Russia
- Prior art keywords
- pixel
- parameters
- background
- current frame
- pixels
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
Abstract
Description
Область техники, к которой относится изобретениеFIELD OF THE INVENTION
Изобретение относится к области обработки растровых изображений, а именно к способам автоматического анализа видеопотока, представленного в виде последовательности растровых изображений (кадров), с целью выявления стабильных неподвижных объектов.The invention relates to the field of processing bitmap images, and in particular to methods for automatically analyzing a video stream represented as a sequence of bitmap images (frames) in order to identify stable stationary objects.
Уровень техникиState of the art
Из уровня техники известно большое количество средств для анализа видеопотока и детектирования объектов.The prior art knows a large number of tools for analyzing the video stream and detecting objects.
В качестве наиболее близкого аналога выбран известный способ обнаружения оставленных объектов в видеопотоке, состоящий в использовании двух моделей фона с разными периодами накопления (быстрый и медленный фон) (CN 103226712, опубликован 31.07.2013, МПК G06K 9/62). Данный известный способ характеризуется невысокой вычислительной сложностью и обеспечивает приемлемые показатели в отношении ложноотрицательного обнаружения или пропуска объекта. Недостатком данного известного средства является частые ложные срабатывания, обусловленное тем, что обнаружение объекта ведется сразу по двум фонам.As the closest analogue, the well-known method for detecting abandoned objects in the video stream is selected, which consists in using two background models with different accumulation periods (fast and slow background) (CN 103226712, published July 31, 2013, IPC G06K 9/62). This known method is characterized by low computational complexity and provides acceptable performance regarding false-negative detection or skipping of the object. The disadvantage of this known tool is the frequent false positives, due to the fact that the detection of the object is carried out immediately on two backgrounds.
Раскрытие изобретенияDisclosure of invention
Настоящее изобретение решает задачу автоматического обнаружения класса объектов, представляющих потенциальную опасность: оставленных предметов, остановившихся людей или автомобилей.The present invention solves the problem of automatically detecting a class of objects that represent a potential hazard: abandoned objects, stopped people or cars.
Технический результат, достигаемый настоящим изобретением, состоит в повышение качества обнаружения оставленных предметов в видеопотоке за счет снижения количества ложных срабатываний и обеспечения достоверности результатов анализа.The technical result achieved by the present invention is to improve the quality of detection of left objects in the video stream by reducing the number of false positives and ensuring the reliability of the analysis results.
Указанный технический результат достигается тем, что способ обнаружения оставленного предмета в потоке видеоинформации состоит в том, что:The specified technical result is achieved by the fact that the method of detecting an abandoned object in the video stream is that:
- обеспечивают поток изображений наблюдаемого пространства, содержащий последовательность растровых кадров;- provide a stream of images of the observed space containing a sequence of raster frames;
- формируют статистику параметров каждого пикселя упомянутых кадров;- form statistics of the parameters of each pixel of the said frames;
- формируют попиксельное предсказание кадра, включающее быстрый фон и медленный фон, при этом упомянутый быстрый фон формируют на основе статистики параметров каждого пикселя, собранной за первый предшествующий период, а медленный фон формируют на основе статистики параметров каждого пикселя, собранной за второй предшествующий период;- form a pixel-by-pixel prediction of the frame including a fast background and a slow background, wherein said fast background is formed based on statistics of parameters of each pixel collected for the first previous period, and a slow background is formed based on statistics of parameters of each pixel collected for the second previous period;
- получают изображение текущего кадра;- receive an image of the current frame;
- осуществляют сравнение параметров каждого пикселя упомянутого текущего кадра с параметрами соответствующего пикселя упомянутого предсказания кадра;- comparing the parameters of each pixel of said current frame with the parameters of the corresponding pixel of said frame prediction;
- формируют кандидата на неподвижный объект в составе упомянутого текущего кадра на основе пикселей упомянутого текущего кадра, параметры которых незначительно отличаются от параметров соответствующих пикселей упомянутого быстрого фона, но значительно отличаются от параметров пикселей упомянутого медленного фона;- form a candidate for a stationary object in the composition of the said current frame based on the pixels of the said current frame, the parameters of which are slightly different from the parameters of the corresponding pixels of the said fast background, but significantly differ from the pixel parameters of the said slow background;
- делают вывод об обнаружении оставленного предмета путем формирования пространственно-связного множества пикселей кандидата на неподвижный объект, при условии соответствия упомянутого множества заданным условиям.- conclude that the abandoned object is detected by forming a spatially connected set of pixels of a candidate for a fixed object, provided that the said set meets the specified conditions.
Указанный технический результат достигается также тем, что способ первый предшествующий период имеет длительность от 0,5 секунды до 1,5 секунды, а второй предшествующий период имеет длительность от 10 секунд до 20 секунд.The specified technical result is also achieved by the fact that the method of the first preceding period has a duration of 0.5 seconds to 1.5 seconds, and the second preceding period has a duration of 10 seconds to 20 seconds.
Краткое описание фигур чертежейBrief Description of the Drawings
На Фиг. 1 показано изображение, полученное стационарной видеокамерой, с наложенной на него ограничивающей прямоугольной рамкой обнаруженного оставленного предмета (а),In FIG. 1 shows an image obtained by a stationary video camera, with the bounding rectangular frame of the detected left subject (a) superimposed on it,
На Фиг. 2 показана растровая маска обнаружения на быстром фоне (маска оставленного предмета отсутствует).In FIG. 2 shows a raster detection mask on a fast background (mask of the left object is missing).
На Фиг. 3 показана растровая маска обнаружения на медленном фоне (маска оставленного предмета присутствует).In FIG. 3 shows a raster detection mask on a slow background (a mask of an abandoned object is present).
Осуществление изобретенияThe implementation of the invention
Современные стационарные системы IP-видеонаблюдения оснащаются подсистемами видеоаналитики для автоматического анализа видеопотока с целью обнаружения объектов. Под объектами подразумеваются связные множества пикселей, имеющие сходные характеристики при переходе от кадра к кадру и перемещающиеся (или перемещавшиеся в известной истории наблюдений) в системе координат кадра. К особым классам относятся неподвижные объекты, перемещение которых не было зафиксировано в истории наблюдений. Такие объекты появляются в случае, когда подвижный объект в процессе обнаружения и сопровождения от кадра к кадру разделяется на несколько объектов, часть из которых остается неподвижными и детектируется как потенциальные новые объекты. Разделение объекта подсистемой обнаружения на несколько частей может быть ошибочным вследствие случайных флуктуаций яркостных или текстурных характеристик кадра. В этом случае происходит ошибка определения первого рода, иначе говоря, ложноположительное срабатывание. Разделение объекта может быть верным, в ситуации, когда некий перемещающийся объект (человек, транспортное средство) неожиданно оставляет на месте какой-либо предмет (сумку, коробку, портфель). В этом случае необходимо обнаружить и классифицировать в первом приближении такой оставленный предмет, который может представлять потенциальную угрозу безопасности. В таких условиях, подсистема обнаружения может не обнаружить оставленный предмет, т.е. допустить ошибку второго рода, иначе говоря, пропуск объекта.Modern stationary IP video surveillance systems are equipped with video analytics subsystems for automatic analysis of the video stream in order to detect objects. Objects mean connected sets of pixels having similar characteristics when moving from frame to frame and moving (or moving in a known observation history) in the frame coordinate system. Special classes include fixed objects, the movement of which was not recorded in the history of observations. Such objects appear in the case when a moving object in the process of detection and tracking from frame to frame is divided into several objects, some of which remain motionless and are detected as potential new objects. Separation of an object by the detection subsystem into several parts may be erroneous due to random fluctuations in the brightness or texture characteristics of the frame. In this case, an error of determination of the first kind occurs, in other words, a false positive response. Separation of an object can be true in a situation where a moving object (person, vehicle) suddenly leaves an object in place (bag, box, briefcase). In this case, it is necessary to detect and classify, as a first approximation, such an abandoned object that could pose a potential security risk. Under such conditions, the detection subsystem may not detect an abandoned object, i.e. make a mistake of the second kind, in other words, skipping an object.
Новые, неожиданно появляющиеся объекты изначально являются неподвижными, хотя порождены движущимися объектами, и для их детектирования затруднено применение методов, предназначенных для детектирования движущихся объектов. На практике процедура обнаружения неожиданно оставленного предмета дополнительно осложняется присутствием различных движущихся объектов на переднем плане (людей, транспортных средств или и тех, и других), которые периодически перекрывают оставленный объект в поле зрения камеры наблюдения.New, unexpectedly appearing objects are initially motionless, although generated by moving objects, and for their detection it is difficult to apply methods designed to detect moving objects. In practice, the procedure for detecting an unexpectedly abandoned object is further complicated by the presence of various moving objects in the foreground (people, vehicles, or both), which periodically overlap the left object in the field of view of the surveillance camera.
Проблема обнаружения оставленных неподвижных объектов связана с ключевой особенностью семейства алгоритмов детектирования, основанных на разделении каждого кадра видеопотока на фоновую составляющую, малоподвижную в смысле изменения яркости пикселей во времени, и передний план, содержащий пиксели, значительно меняющие яркость от кадра к кадру. Пиксели неподвижного объекта имеют стабильную яркость, которая мало изменяется от кадра к кадру, и в течение непродолжительного времени (время определяется скоростью обновления фоновой составляющей кадра) классифицируются как фон. В таких условиях вероятна ошибка второго рода: ложноотрицательное обнаружение или пропуск объекта.The problem of detecting abandoned stationary objects is associated with a key feature of the family of detection algorithms based on dividing each frame of the video stream into a background component, inactive in the sense of changing the brightness of pixels over time, and a foreground containing pixels that significantly change the brightness from frame to frame. The pixels of a fixed object have a stable brightness, which varies little from frame to frame, and for a short time (time is determined by the speed of updating the background component of the frame) are classified as background. Under such conditions, a mistake of the second kind is likely: a false negative detection or skipping of an object.
Настоящее изобретение направлено на решение этой проблемы и обеспечивает обнаружение оставленных неподвижных объектов с приемлемыми вероятностями ложноположительных и ложноотрицательных обнаружений.The present invention seeks to solve this problem and provides detection of abandoned stationary objects with acceptable probabilities of false positive and false negative detections.
Суть предложенного способа состоит в следующем.The essence of the proposed method is as follows.
Выполняют захват и фиксирование потока растровых кадров, содержащих изображение наблюдаемого пространства, обеспечивая тем самым поток изображений наблюдаемого пространства, содержащий последовательность растровых кадров. Производят определение параметров яркости каждого пикселя кадров в потоке и формируют статистику параметров каждого пикселя упомянутых кадров.Capture and fix the stream of raster frames containing an image of the observed space, thereby providing a stream of images of the observed space containing a sequence of raster frames. The brightness parameters of each pixel of the frames in the stream are determined and statistics of the parameters of each pixel of the said frames are generated.
На следующем этапе формируют попиксельное предсказание кадра, включающее быстрый фон и медленный фон.In the next step, a pixel-by-pixel prediction of the frame is formed, including a fast background and a slow background.
Обеспечивают формирование на первом кадре, с возможным уточнением на следующих кадрах, быстрого фона текущего кадра, как предсказание значений яркости в каждом пикселе. Предсказание выполняется приближением к медиане значения яркости каждого пикселя по доступной истории наблюдений. Период накопления быстрого фона выбирается в диапазоне от 20 мс до 100 мс в зависимости от класса объектов, которые требуется сопровождать. Данный параметр выбирается исходя из конкретных условий и задач по обнаружению объектов. Для типовой задачи обнаружения и сопровождения объекта «человек» оптимальным в смысле качества обнаружения и вычислительной сложности является значение периода 65 мс, что позволяет качественно обновлять быстрый фон по 15 кадрам в секунду. Время так называемого «врастания» остановившегося объекта-человека в быстрый фон, то есть время, за которое значительная часть принадлежащих объекту пикселей будут переклассифицированы как фоновые и множество пикселей потеряет связность, при периоде накопления 65 мс составляет примерно 1 секунду. Данный период может варьироваться в ряде случаев от 0,5 до 1,5 секунды. Быстрый односекундный фон позволяет выявить описанным алгоритмом быстрое движение в кадре, иначе говоря, скоротечные изменения яркости пикселей.They provide the formation on the first frame, with the possible refinement on the next frames, of a fast background of the current frame, as a prediction of the brightness values in each pixel. The prediction is carried out by approaching the median of the brightness values of each pixel according to the available observation history. The accumulation period of the fast background is selected in the range from 20 ms to 100 ms, depending on the class of objects that you want to accompany. This parameter is selected based on specific conditions and tasks for detecting objects. For a typical task of detecting and tracking an object “human”, the period value of 65 ms is optimal in the sense of detection quality and computational complexity, which allows qualitatively updating the fast background at 15 frames per second. The time of the so-called "growing" of a stopped human object into a fast background, that is, the time during which a significant part of the pixels belonging to the object will be reclassified as background and many pixels will lose connectivity, with an accumulation period of 65 ms is about 1 second. This period can vary in some cases from 0.5 to 1.5 seconds. A fast one-second background makes it possible to identify the fast motion in the frame by the described algorithm, in other words, transient changes in pixel brightness.
Далее обеспечивают формирование на первом кадре или уточнение на следующих кадрах медленного фона текущего кадра, как предсказание значений яркости в каждом пикселе. Предсказание выполняется приближением к медиане значения яркости каждого пикселя по доступной истории наблюдений. Период накопления медленного фона выбирается в диапазоне от 25Оме до 8000 мс в зависимости от класса объектов, которые требуется сопровождать, и конкретное значение выбирается исходя из условий наблюдения и поставленных задач. Для типовой задачи обнаружения и сопровождения объектов «человек» и «оставленный предмет» оптимальным в смысле качества обнаружения и вычислительной сложности является значение периода 1000 мс, что позволяет качественно обновлять медленный фон по 1 кадру в секунду, игнорируя остальные кадры. Время «врастания» остановившегося объекта-человека в медленный фон, то есть время, за которое значительная часть принадлежащих объекту пикселей будут переклассифицированы как фоновые и множество пикселей потеряет связность, при периоде накопления 1000 мс составляет от 10 до 20 секунд (в отдельных случаях до 30 секунд). Медленный двадцатисекундный фон позволяет выявить на кадре медленное движение, иначе говоря, выявить плавные изменения яркости пикселей.Next, they provide the formation on the first frame or refinement on the next frames of the slow background of the current frame, as a prediction of the brightness values in each pixel. The prediction is carried out by approaching the median of the brightness values of each pixel according to the available observation history. The period of accumulation of the slow background is selected in the range from 25 Ohms to 8000 ms depending on the class of objects that need to be followed, and a specific value is selected based on the observation conditions and tasks. For a typical task of detecting and tracking objects "man" and "abandoned object", the value of the period of 1000 ms is optimal in terms of detection quality and computational complexity, which allows you to qualitatively update the slow background at 1 frame per second, ignoring the remaining frames. The time of "growing" of a stopped human object into a slow background, that is, the time during which a significant part of the pixels belonging to the object will be reclassified as background and the set of pixels will lose connectivity, with an accumulation period of 1000 ms is from 10 to 20 seconds (in some cases up to 30 seconds). A slow twenty-second background allows you to detect slow motion on the frame, in other words, to reveal smooth changes in pixel brightness.
Таким образом, быстрый фон формируют на основе статистики параметров каждого пикселя, собранной за первый предшествующий период (0,5-1,5 секунд), а медленный фон формируют на основе статистики параметров каждого пикселя, собранной за второй предшествующий период (10-30 секунд). Далее получают изображение текущего кадра.Thus, a fast background is formed based on the statistics of the parameters of each pixel collected for the first previous period (0.5-1.5 seconds), and a slow background is formed based on the statistics of the parameters of each pixel collected for the second previous period (10-30 seconds ) Next, an image of the current frame is obtained.
Первичное обнаружение на текущем кадре потенциальных объектов по быстрому фону с помощью алгоритма обнаружения с адаптивным порогом.Primary detection of potential objects in the current frame against a fast background using an adaptive threshold detection algorithm.
Производится сравнение параметров каждого пикселя упомянутого текущего кадра с параметрами соответствующего пикселя упомянутого предсказания кадра, т.е. осуществляется попиксельное вычисление абсолютной разницы яркости пикселя текущего кадра и яркости пикселя быстрого фона и сравнение полученного значения с порогом. При превышении порога пиксель текущего кадра классифицируется как принадлежащий потенциальному объекту и маркируется в растровой маске быстрого обнаружения значением 255. В ином случае пиксель текущего кадра классифицируется как принадлежащий фону и маркируется в растровой маске быстрого обнаружения значением 0.The parameters of each pixel of the said current frame are compared with the parameters of the corresponding pixel of the said frame prediction, i.e. pixel-by-pixel calculation of the absolute difference between the pixel brightness of the current frame and the pixel brightness of the fast background is carried out, and the obtained value is compared with a threshold. If the threshold is exceeded, the pixel of the current frame is classified as belonging to the potential object and marked in the quick detection raster mask with the value 255. Otherwise, the pixel of the current frame is classified as belonging to the background and marked in the quick detection raster mask with the value 0.
Далее осуществляют первичное обнаружение на текущем кадре потенциальных объектов по медленному фону с помощью алгоритма обнаружения с адаптивным порогом. Производится попиксельное вычисление абсолютной разницы яркости пикселя текущего кадра и яркости пикселя медленного фона и сравнение полученного значения с порогом. При превышении порога пиксель текущего кадра классифицируется как принадлежащий потенциальному объекту и маркируется в растровой маске медленного обнаружения значением 255. В ином случае пиксель текущего кадра классифицируется как принадлежащий фону и маркируется в растровой маске медленного обнаружения значением 0.Next, primary detection of potential objects on the current frame by a slow background is performed using the detection algorithm with an adaptive threshold. Per-pixel calculation of the absolute difference between the pixel brightness of the current frame and the pixel brightness of a slow background is performed and the obtained value is compared with a threshold. If the threshold is exceeded, the pixel of the current frame is classified as belonging to the potential object and marked in the raster mask of slow detection with a value of 255. Otherwise, the pixel of the current frame is classified as belonging to the background and marked in the raster mask of slow detection with a value of 0.
Вторичное обнаружение на текущем кадре объектов осуществляют по результатам первичного обнаружения. Потенциальный объект формально переводится в статус неподвижного объекта (оставленного предмета) при соблюдении следующих условий:Secondary detection on the current frame of objects is carried out according to the results of primary detection. A potential object is formally transferred to the status of a fixed object (abandoned object) subject to the following conditions:
- объект не обнаруживается на быстром фоне и устойчиво обнаруживается на медленном;- the object is not detected on a fast background and stably detected on a slow one;
- размеры объекта в пикселях лежат в заданном диапазоне;- the size of the object in pixels lies in a given range;
- отношение размеров объекта лежит в заданном диапазоне;- the ratio of the size of the object lies in a given range;
- пространственная плотность пикселей в составе объекта выше заданной.- spatial density of pixels in the composition of the object is higher than the specified.
Дополнительный текстурный анализ неподвижных объектов выполняется путем вычисления коэффициентов корреляции между пикселями неподвижного объекта на текущем кадре и пикселями медленного фона. Если усредненный коэффициент корреляции превышает заданный порог, то есть текстура объекта на текущем кадре близка к текстуре медленного фона, обнаружение считается ложным, обусловленным случайными флуктуациями яркости кадра при сохранившейся текстуре. Объект снимается с обслуживания и в дальнейшем игнорируется. Порог схожести определяет чувствительность алгоритма обнаружения оставленных предметов и в общем случае является настраиваемым под конкретные условия наблюдения.An additional texture analysis of stationary objects is performed by calculating the correlation coefficients between the pixels of a stationary object in the current frame and the pixels of a slow background. If the average correlation coefficient exceeds a predetermined threshold, that is, the texture of the object in the current frame is close to the texture of a slow background, the detection is considered false due to random fluctuations in the brightness of the frame with the texture preserved. The object is removed from service and subsequently ignored. The similarity threshold determines the sensitivity of the detection algorithm for abandoned objects and, in the general case, is customizable for specific observation conditions.
Таким образом, формируют кандидата на неподвижный объект в составе упомянутого текущего кадра на основе пикселей упомянутого текущего кадра, параметры которых незначительно отличаются от параметров соответствующих пикселей упомянутого быстрого фона, но значительно отличаются от параметров пикселей упомянутого медленного фона.Thus, a candidate for a stationary object is formed as part of said current frame based on pixels of said current frame, the parameters of which are slightly different from the corresponding pixels of the said fast background, but significantly differ from the pixel parameters of the said slow background.
Вывод об обнаружении оставленного предмета делают путем формирования пространственно-связного множества пикселей кандидата на неподвижный объект, при условии соответствия упомянутого множества заданным условиям.The conclusion about the detection of an abandoned object is made by forming a spatially connected set of pixels of a candidate for a fixed object, provided that the said set meets the specified conditions.
Дополнительной отличительной особенностью данного изобретения является введение дополнительной процедуры текстурного анализа на конечном этапе работы алгоритма обнаружения: в случае если яркость пикселей обнаруженного неподвижного объекта сильно коррелируют с яркостью пикселей медленного фона, объект считается ложным и снимается с сопровождения.An additional distinctive feature of this invention is the introduction of an additional texture analysis procedure at the final stage of the detection algorithm: if the brightness of the pixels of a detected stationary object strongly correlates with the brightness of pixels of a slow background, the object is considered false and is removed from tracking.
Реализация описанного способа может быть осуществлена программным способом на вычислительном комплексе общего назначения или программно-аппаратным способом на вычислительном комплексе специального назначения, располагающим аппаратным ускорителем операций цифровой обработки сигналов.Implementation of the described method can be carried out programmatically on a general-purpose computing complex or hardware-software method on a special-purpose computing complex having a hardware accelerator of digital signal processing operations.
Claims (9)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2018109141A RU2676028C1 (en) | 2018-03-14 | 2018-03-14 | Method of detecting left object in video stream |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2018109141A RU2676028C1 (en) | 2018-03-14 | 2018-03-14 | Method of detecting left object in video stream |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2676028C1 true RU2676028C1 (en) | 2018-12-25 |
Family
ID=64753783
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2018109141A RU2676028C1 (en) | 2018-03-14 | 2018-03-14 | Method of detecting left object in video stream |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2676028C1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2723900C1 (en) * | 2020-02-04 | 2020-06-18 | Общество с ограниченной ответственностью "Скайтрэк" (ООО "Скайтрэк") | Method and system for analyzing static objects in a video stream |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103226712A (en) * | 2013-05-19 | 2013-07-31 | 南京新方向智能技术有限公司 | Finite-stage machine-based method for detecting abandoned object |
| US20140099028A1 (en) * | 2012-10-09 | 2014-04-10 | Samsung Electronics Co., Ltd. | System and method for video recognition based on visual image matching |
| US20140333777A1 (en) * | 2010-05-13 | 2014-11-13 | Honeywell International Inc. | Surveillance system with direct database server storage |
| RU2632473C1 (en) * | 2016-09-30 | 2017-10-05 | ООО "Ай Ти Ви групп" | Method of data exchange between ip video camera and server (versions) |
-
2018
- 2018-03-14 RU RU2018109141A patent/RU2676028C1/en active IP Right Revival
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140333777A1 (en) * | 2010-05-13 | 2014-11-13 | Honeywell International Inc. | Surveillance system with direct database server storage |
| US20140099028A1 (en) * | 2012-10-09 | 2014-04-10 | Samsung Electronics Co., Ltd. | System and method for video recognition based on visual image matching |
| CN103226712A (en) * | 2013-05-19 | 2013-07-31 | 南京新方向智能技术有限公司 | Finite-stage machine-based method for detecting abandoned object |
| RU2632473C1 (en) * | 2016-09-30 | 2017-10-05 | ООО "Ай Ти Ви групп" | Method of data exchange between ip video camera and server (versions) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2723900C1 (en) * | 2020-02-04 | 2020-06-18 | Общество с ограниченной ответственностью "Скайтрэк" (ООО "Скайтрэк") | Method and system for analyzing static objects in a video stream |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9158985B2 (en) | Method and apparatus for processing image of scene of interest | |
| US9230175B2 (en) | System and method for motion detection in a surveillance video | |
| EP1859411B1 (en) | Tracking objects in a video sequence | |
| Tavakkoli et al. | Non-parametric statistical background modeling for efficient foreground region detection | |
| CN109035295B (en) | Multi-target tracking method, device, computer equipment and storage medium | |
| Shukla et al. | Moving object tracking of vehicle detection: a concise review | |
| KR101868103B1 (en) | A video surveillance apparatus for identification and tracking multiple moving objects and method thereof | |
| CN113396423A (en) | Method of processing information from event-based sensors | |
| KR20190141577A (en) | Method, device and system for determining whether pixel positions in an image frame belong to a background or a foreground | |
| Chang et al. | Localized detection of abandoned luggage | |
| Fernando et al. | Object identification, enhancement and tracking under dynamic background conditions | |
| CN115049954A (en) | Target identification method, device, electronic equipment and medium | |
| Benraya et al. | Comparison of background subtraction methods | |
| KR101690050B1 (en) | Intelligent video security system | |
| Hardas et al. | Moving object detection using background subtraction shadow removal and post processing | |
| Devi et al. | A survey on different background subtraction method for moving object detection | |
| US20200394802A1 (en) | Real-time object detection method for multiple camera images using frame segmentation and intelligent detection pool | |
| RU2676028C1 (en) | Method of detecting left object in video stream | |
| Chowdhury et al. | A background subtraction method using color information in the frame averaging process | |
| Ming et al. | Background Modeling and Subtraction Using a Local-linear-dependence-based Cauchy Statistical Model. | |
| Ortego et al. | Stationary foreground detection for video-surveillance based on foreground and motion history images | |
| Yang et al. | A modified method of vehicle extraction based on background subtraction | |
| Yam et al. | Fast video object detection via multiple background modeling | |
| KR20150055481A (en) | Background-based method for removing shadow pixels in an image | |
| KR101588648B1 (en) | A method on the pedestrian detection and tracking for intelligent video surveillance |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20200315 |
|
| NF4A | Reinstatement of patent |
Effective date: 20210208 |