CN101673404A - 一种目标检测的方法和装置 - Google Patents
一种目标检测的方法和装置 Download PDFInfo
- Publication number
- CN101673404A CN101673404A CN200910236053A CN200910236053A CN101673404A CN 101673404 A CN101673404 A CN 101673404A CN 200910236053 A CN200910236053 A CN 200910236053A CN 200910236053 A CN200910236053 A CN 200910236053A CN 101673404 A CN101673404 A CN 101673404A
- Authority
- CN
- China
- Prior art keywords
- frame image
- detection result
- current frame
- result
- carried out
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 116
- 230000033001 locomotion Effects 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 26
- 230000003287 optical effect Effects 0.000 claims abstract description 19
- 238000012360 testing method Methods 0.000 claims description 36
- 230000004927 fusion Effects 0.000 claims description 24
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract 1
- 238000007499 fusion processing Methods 0.000 abstract 1
- 238000012544 monitoring process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005206 flow analysis Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种目标检测的方法和装置,方法包括:步骤一,获得当前帧图像;步骤二,针对所述当前帧图像,采用混合高斯模型进行前景检测,获得前景检测结果;针对所述当前帧图像和所述当前帧图像的前一帧图像,通过光流计算得到运动检测结果;步骤三,对所述前景检测结果和所述运动检测结果进行融合处理,得到第一检测结果。本发明通过融合多种检测结果的方式克服了单一目标检测技术的一些固有缺陷,能完成复杂场景中的目标检测任务。
Description
技术领域
本发明涉及智能视频监控系统,特别是涉及用于智能视频监控系统中的一种目标检测的方法和装置。
背景技术
智能视频监控首先需要进行前景目标和背景的分离,因此目标检测是非常关键也是非常基础的一个步骤,是智能监控系统中的核心技术之一。
在实现本发明技术方案的过程中,发现现有技术在目标检测过程中,由于受到噪声、多光源、阴影、透明性和遮挡性等多种原因的影响,只用单一的目标检测技术非常难以完成复杂场景中的目标检测任务。
发明内容
本发明实施例的目的是提供一种目标检测的方法和装置,解决现有技术难以完成复杂场景中的目标检测任务的技术问题。
为了实现上述目的,一方面,提供了一种目标检测的方法,包括如下步骤:
步骤一,获得当前帧图像;
步骤二,针对所述当前帧图像,采用混合高斯模型进行前景检测,获得前景检测结果;针对所述当前帧图像和所述当前帧图像的前一帧图像,通过光流计算得到运动检测结果;
步骤三,对所述前景检测结果和所述运动检测结果进行融合处理,得到第一检测结果。
优选地,上述的方法中,还包括:
步骤四,根据所述第一检测结果和对所述前一帧图像的跟踪结果,得到当前帧图像的最终检测结果。
优选地,上述的方法中,所述步骤三具体包括:
对所述前景检测结果和所述运动检测结果进行逻辑“与”运算得到所述第一检测结果。
优选地,上述的方法中,所述步骤四具体包括:
根据所述运动检测结果和前一帧图像的最终检测结果,对所述前一帧图像的非运动目标进行标记,获得所述跟踪结果;
对所述第一检测结果和所述跟踪结果进行逻辑“或”运算得到所述当前帧图像的最终检测结果。
优选地,上述的方法中,所述步骤一之后还包括:对所述当前帧图像进行存储,用于作为下一次检测时的前一帧图像。
本发明的另一个方面,提供一种目标检测的装置,包括:
获取模块,用于:获得当前帧图像;
检测模块,用于:针对所述当前帧图像,采用混合高斯模型进行前景检测,获得前景检测结果;针对所述当前帧图像和所述当前帧图像的前一帧图像,通过光流计算得到运动检测结果;
第一融合模块,用于:对所述前景检测结果和所述运动检测结果进行融合处理,得到第一检测结果。
优选地,上述的装置中,还包括:
第二融合模块,用于:根据所述第一检测结果和对所述前一帧图像的跟踪结果,得到当前帧图像的最终检测结果。
优选地,上述的装置中,所述第一融合模块中包括:
“与”运算单元,用于:对所述前景检测结果和所述运动检测结果进行逻辑“与”运算得到所述第一检测结果。
优选地,上述的装置中,所述第二融合模块具体包括:
跟踪单元,用于:根据所述运动检测结果和前一帧图像的最终检测结果,对所述前一帧图像的非运动目标进行标记,获得所述跟踪结果;
“或”运算单元,用于:对所述第一检测结果和所述跟踪结果进行逻辑“或”运算得到所述当前帧图像的最终检测结果。
优选地,上述的装置中,还包括:
存储模块,用于:对所述当前帧图像进行存储,用于作为下一次检测时的前一帧图像。
本发明实施例至少存在以下技术效果:
1)本发明提出的利用多种目标检测技术,通过融合多种检测结果的方式克服了单一目标检测技术的一些固有缺陷;
2)本发明采用的混合高斯模型与光流计算相结合的方式,具有较为理想的检测结果;
3)本发明将前一帧图像的跟踪结果反馈到当前帧图像的目标检测,克服了一些非运动的前景目标难于检测的问题;
4)本发明相对其他前景目标检测方案更合理,效果更佳。
附图说明
图1为本发明实施例提供的方法的步骤流程图;
图2为本发明实施例提供的融合处理的示意图;
图3为本发明实施例提供的监控系统的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对具体实施例进行详细描述。
图1为本发明实施例提供的方法的步骤流程图,如图所示,目标检测的方法用于智能视频监控系统的图像检测,其包括:
步骤101,获得当前帧图像;
步骤102,针对所述当前帧图像,采用混合高斯模型进行前景检测,获得前景检测结果;针对所述当前帧图像和所述当前帧图像的前一帧图像,通过光流计算得到运动检测结果;
步骤103,对所述前景检测结果和所述运动检测结果进行融合处理,得到第一检测结果。
该方法还可以包括:
步骤104,根据所述第一检测结果和对所述前一帧图像的跟踪结果,得到当前帧图像的最终检测结果。
所述步骤103中,所述融合处理可以通过逻辑“与”运算获得,具体包括:对所述前景检测结果和所述运动检测结果进行逻辑“与”运算得到所述第一检测结果。
所述步骤104具体包括:根据所述运动检测结果和前一帧图像的最终检测结果,对所述前一帧图像的非运动目标进行标记,获得所述跟踪结果;对所述第一检测结果和所述跟踪结果进行逻辑“或”运算得到所述当前帧图像的最终检测结果。
所述步骤101之后还可以包括:对所述当前帧图像进行存储,用于作为下一次检测时的前一帧图像。
可见,本发明方法实施例,是采用混合高斯模型与光流分析相结合以及考虑跟踪结果的综合考虑方式来进行前景目标和背景的分类。该方法实施例综合了混合高斯模型和光流分析的优点,可以更加稳定的检测运动目标,同时又考虑跟踪因素进行验证,使得前景目标与背景的分离更加可靠,并可以处理一些缓慢运动或者暂时停留的一些运动目标的检测。
以下,对混合高斯模型进行前景检测和通过光流计算进行运动检测的过程进行详细说明,其仅为具体举例,本领域的技术人员可以采用任何已知的其他高斯模型或光流计算公式,因此以下举例不能作为实施范围的限定。
(一)用混合高斯模型进行前景检测
a)首先,对输入图像的每个像素按照公式(1)进行判断
上式中,k表示高斯核,t表示时间,Xt表示当前像素值,μk,t表示高斯核的均值,σk,t表示高斯核的方差;
(dk,t)2<λ2 公式(2)
式中λ为高斯核宽度阈值,判断当前像素是否在一定高斯核宽度内。
如果公式(2)成立,则表示该像素与高斯核匹配,如果该高斯核为前景高斯核则该像素为前景,如果该高斯核为背景高斯核则该像素为背景。
b)其次,对高斯核进行在线更新
ωk,t=(1-αk)ωk,t-1+αkMk,t
μk,t=(1-ρk,t)μk,t-1+ρk,tXt
σk,t 2=(1-ρk,t)σk,t-1 2+ρk,t(Xt-μk,t)2 公式(3)
式中,公式(2)匹配表示当前像素在设定的高斯核宽度范围内,即当前像素满足(2)式中的不等式。公式(3)中,ωk,t为每个高斯核的权值,αk为权值更新速率,Xt表示当前像素值,μk,t表示高斯核的均值,σk,t表示高斯核的方差,ρk,t为均值和方差的更新速率。
c)对所有高斯核按照规则进行排序
公式(4)中,T是预先设定的一个阈值,取值范围为0~1。上式表示从排序好的高斯核中,前B个都属于背景核,后面的都属于前景核。
(二)光流计算得到运动目标
这里采用典型的LK(Lucas-Kanade)算法,以下仅简单介绍一下:
a)首先定义光流方程误差
b)计算误差的偏微分,并让其等于0
c)求解上面的方程组得到的运动矢量表示为:
根据公式(7),当运动矢量超过一定阈值,就认为其为运动目标。
(三)各种目标检测结果的融合策略
由于各种前景目标检测方式各有各的优点和缺点,因此本发明设定一定策略,让各种目标检测结果进行融合,以达到最佳前景目标检测结果。
a)首先将混合高斯模型的检测结果和光流计算的结果进行“与”运算得到第一步检测结果;(或称第一次融合处理);
b)对于上一帧的检测目标结果与光流计算(当前帧的光流计算结果)相结合,对于上一帧的非运动目标进行标记;
c)将步骤a)和b)计算的结果进行“或”运算得到最终的目标检测结果。(或称第二次融合处理)。
具体融合如图2所示,为本发明实施例提供的融合处理的示意图,图中,对前景目标检测201、运动目标检测202和前一帧跟踪目标203进行了综合考虑,进行了“与”、“或”等逻辑运算之后,才得到前景目标(当前帧图像的最终检测结果)。
对应以上方法,本发明实施例还提供了一种目标检测的装置,包括:
获取模块301,用于:获得当前帧图像;
检测模块302,用于:针对所述当前帧图像,采用混合高斯模型进行前景检测,获得前景检测结果;针对所述当前帧图像和所述当前帧图像的前一帧图像,通过光流计算得到运动检测结果;
第一融合模块303,用于:对所述前景检测结果和所述运动检测结果进行融合处理,得到第一检测结果。
还包括:第二融合模块304,用于:根据所述第一检测结果和对所述前一帧图像的跟踪结果,得到当前帧图像的最终检测结果。
所述第一融合模块303中包括“与”运算单元,用于:对所述前景检测结果和所述运动检测结果进行逻辑“与”运算得到所述第一检测结果。
所述第二融合模块304具体包括:跟踪单元,用于:根据所述运动检测结果和前一帧图像的最终检测结果,对所述前一帧图像的非运动目标进行标记,获得所述跟踪结果;“或”运算单元,用于:对所述第一检测结果和所述跟踪结果进行逻辑“或”运算得到所述当前帧图像的最终检测结果。
还包括存储模块305,用于:对所述当前帧图像进行存储,用于作为下一次检测时的前一帧图像。
由上可知,针对现有技术的以下缺陷:
现有的目标检测技术大多都是单一目标检测技术,如帧差,核密度估计等,这样的单一技术容易受到各种因素的干扰,而且其技术本身无法克服这些干扰,容易造成误检。
本发明从综合多种检测技术角度出发,用混合高斯模型和光流计算首先融合起运动目标检测结果,消除例如噪声,光照突然变化等方面的影响,再加上前一帧的跟踪结果,消除一些缓慢运动目标以及暂时停留目标的无法检测到的缺憾,达到了比较理想的前景目标检测结果。
综上,本发明实施例与现有技术相比具有以下优势:
1)本发明提出的利用多种目标检测技术,通过融合多种检测结果的方式克服了单一目标检测技术的一些固有缺陷;
2)本发明采用的混合高斯模型与光流计算相结合的方式,具有较为理想的检测结果;
3)本发明将前一帧图像的跟踪结果反馈到当前帧图像的目标检测,克服了一些非运动的前景目标难于检测的问题;
4)本发明相对其他前景目标检测方案更合理,效果更佳。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种目标检测的方法,其特征在于,包括如下步骤:
步骤一,获得当前帧图像;
步骤二,针对所述当前帧图像,采用混合高斯模型进行前景检测,获得前景检测结果;针对所述当前帧图像和所述当前帧图像的前一帧图像,通过光流计算得到运动检测结果;
步骤三,对所述前景检测结果和所述运动检测结果进行融合处理,得到第一检测结果。
2.根据权利要求1所述的方法,其特征在于,还包括:
步骤四,根据所述第一检测结果和对所述前一帧图像的跟踪结果,得到当前帧图像的最终检测结果。
3.根据权利要求2所述的方法,其特征在于,所述步骤三具体包括:
对所述前景检测结果和所述运动检测结果进行逻辑“与”运算得到所述第一检测结果。
4.根据权利要求3所述的方法,其特征在于,所述步骤四具体包括:
根据所述运动检测结果和前一帧图像的最终检测结果,对所述前一帧图像的非运动目标进行标记,获得所述跟踪结果;
对所述第一检测结果和所述跟踪结果进行逻辑“或”运算得到所述当前帧图像的最终检测结果。
5.根据权利要求1所述的方法,其特征在于,所述步骤一之后还包括:对所述当前帧图像进行存储,用于作为下一次检测时的前一帧图像。
6.一种目标检测的装置,其特征在于,包括:
获取模块,用于:获得当前帧图像;
检测模块,用于:针对所述当前帧图像,采用混合高斯模型进行前景检测,获得前景检测结果;针对所述当前帧图像和所述当前帧图像的前一帧图像,通过光流计算得到运动检测结果;
第一融合模块,用于:对所述前景检测结果和所述运动检测结果进行融合处理,得到第一检测结果。
7.根据权利要求6所述的装置,其特征在于,还包括:
第二融合模块,用于:根据所述第一检测结果和对所述前一帧图像的跟踪结果,得到当前帧图像的最终检测结果。
8.根据权利要求6所述的装置,其特征在于,所述第一融合模块中包括:
“与”运算单元,用于:对所述前景检测结果和所述运动检测结果进行逻辑“与”运算得到所述第一检测结果。
9.根据权利要求7所述的装置,其特征在于,所述第二融合模块具体包括:
跟踪单元,用于:根据所述运动检测结果和前一帧图像的最终检测结果,对所述前一帧图像的非运动目标进行标记,获得所述跟踪结果;
“或”运算单元,用于:对所述第一检测结果和所述跟踪结果进行逻辑“或”运算得到所述当前帧图像的最终检测结果。
10.根据权利要求6所述的装置,其特征在于,还包括:
存储模块,用于:对所述当前帧图像进行存储,用于作为下一次检测时的前一帧图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910236053.2A CN101673404B (zh) | 2009-10-19 | 2009-10-19 | 一种目标检测的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910236053.2A CN101673404B (zh) | 2009-10-19 | 2009-10-19 | 一种目标检测的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101673404A true CN101673404A (zh) | 2010-03-17 |
CN101673404B CN101673404B (zh) | 2015-03-04 |
Family
ID=42020614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910236053.2A Active CN101673404B (zh) | 2009-10-19 | 2009-10-19 | 一种目标检测的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101673404B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102013009A (zh) * | 2010-11-15 | 2011-04-13 | 无锡中星微电子有限公司 | 烟雾图像识别方法及装置 |
CN102222349A (zh) * | 2011-07-04 | 2011-10-19 | 江苏大学 | 一种基于边缘模型的前景帧检测方法 |
CN102800105A (zh) * | 2012-06-28 | 2012-11-28 | 西安电子科技大学 | 基于运动矢量的目标检测方法 |
CN105023278A (zh) * | 2015-07-01 | 2015-11-04 | 中国矿业大学 | 一种基于光流法的运动目标跟踪方法及系统 |
CN107169995A (zh) * | 2017-05-05 | 2017-09-15 | 武汉理工大学 | 一种自适应的运动目标视觉检测方法 |
CN107633529A (zh) * | 2017-09-11 | 2018-01-26 | 中国地质大学(武汉) | 一种深度卷积神经网单目标跟踪方法、设备及存储设备 |
CN108038837A (zh) * | 2017-12-08 | 2018-05-15 | 苏州科达科技股份有限公司 | 视频中目标检测方法及系统 |
CN108564597A (zh) * | 2018-03-05 | 2018-09-21 | 华南理工大学 | 一种融合高斯混合模型和h-s光流法的视频前景目标提取方法 |
WO2019114405A1 (zh) * | 2017-12-13 | 2019-06-20 | 北京市商汤科技开发有限公司 | 视频识别及训练方法和装置、电子设备和介质 |
CN110363790A (zh) * | 2018-04-11 | 2019-10-22 | 北京京东尚科信息技术有限公司 | 目标追踪方法、装置和计算机可读存储介质 |
CN112241665A (zh) * | 2019-07-18 | 2021-01-19 | 顺丰科技有限公司 | 一种暴力分拣识别方法、装置、设备及存储介质 |
WO2021035807A1 (zh) * | 2019-08-23 | 2021-03-04 | 深圳大学 | 一种融合光流信息和Siamese框架的目标跟踪方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7499571B1 (en) * | 2003-11-17 | 2009-03-03 | Vidient Systems, Inc | Video surveillance system with rule-based reasoning and multiple-hypothesis scoring |
CN101493944A (zh) * | 2009-03-06 | 2009-07-29 | 北京中星微电子有限公司 | 一种运动目标检测与跟踪的方法和系统 |
-
2009
- 2009-10-19 CN CN200910236053.2A patent/CN101673404B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7499571B1 (en) * | 2003-11-17 | 2009-03-03 | Vidient Systems, Inc | Video surveillance system with rule-based reasoning and multiple-hypothesis scoring |
CN101493944A (zh) * | 2009-03-06 | 2009-07-29 | 北京中星微电子有限公司 | 一种运动目标检测与跟踪的方法和系统 |
Non-Patent Citations (2)
Title |
---|
DONGXIANG ZHOU等: "Modified GMM Background Modeling and Optical Flow for Detection of Moving Objects", 《CONFERENCE PROCEEDINGS OF IEEE INTERNATIONAL CONFERENCE ON SYSTEMS, MAN AND CYBERNETICS》 * |
赵士文: "图像序列中运动目标检测跟踪技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102013009A (zh) * | 2010-11-15 | 2011-04-13 | 无锡中星微电子有限公司 | 烟雾图像识别方法及装置 |
CN102222349A (zh) * | 2011-07-04 | 2011-10-19 | 江苏大学 | 一种基于边缘模型的前景帧检测方法 |
CN102222349B (zh) * | 2011-07-04 | 2013-01-23 | 江苏大学 | 一种基于边缘模型的前景帧检测方法 |
CN102800105A (zh) * | 2012-06-28 | 2012-11-28 | 西安电子科技大学 | 基于运动矢量的目标检测方法 |
CN102800105B (zh) * | 2012-06-28 | 2014-09-17 | 西安电子科技大学 | 基于运动矢量的目标检测方法 |
CN105023278B (zh) * | 2015-07-01 | 2019-03-05 | 中国矿业大学 | 一种基于光流法的运动目标跟踪方法及系统 |
CN105023278A (zh) * | 2015-07-01 | 2015-11-04 | 中国矿业大学 | 一种基于光流法的运动目标跟踪方法及系统 |
CN107169995A (zh) * | 2017-05-05 | 2017-09-15 | 武汉理工大学 | 一种自适应的运动目标视觉检测方法 |
CN107169995B (zh) * | 2017-05-05 | 2020-03-10 | 武汉理工大学 | 一种自适应的运动目标视觉检测方法 |
CN107633529A (zh) * | 2017-09-11 | 2018-01-26 | 中国地质大学(武汉) | 一种深度卷积神经网单目标跟踪方法、设备及存储设备 |
CN108038837A (zh) * | 2017-12-08 | 2018-05-15 | 苏州科达科技股份有限公司 | 视频中目标检测方法及系统 |
CN108038837B (zh) * | 2017-12-08 | 2020-09-29 | 苏州科达科技股份有限公司 | 视频中目标检测方法及系统 |
WO2019114405A1 (zh) * | 2017-12-13 | 2019-06-20 | 北京市商汤科技开发有限公司 | 视频识别及训练方法和装置、电子设备和介质 |
US10909380B2 (en) | 2017-12-13 | 2021-02-02 | Beijing Sensetime Technology Development Co., Ltd | Methods and apparatuses for recognizing video and training, electronic device and medium |
CN108564597A (zh) * | 2018-03-05 | 2018-09-21 | 华南理工大学 | 一种融合高斯混合模型和h-s光流法的视频前景目标提取方法 |
CN108564597B (zh) * | 2018-03-05 | 2022-03-29 | 华南理工大学 | 一种融合高斯混合模型和h-s光流法的视频前景目标提取方法 |
CN110363790A (zh) * | 2018-04-11 | 2019-10-22 | 北京京东尚科信息技术有限公司 | 目标追踪方法、装置和计算机可读存储介质 |
CN112241665A (zh) * | 2019-07-18 | 2021-01-19 | 顺丰科技有限公司 | 一种暴力分拣识别方法、装置、设备及存储介质 |
WO2021035807A1 (zh) * | 2019-08-23 | 2021-03-04 | 深圳大学 | 一种融合光流信息和Siamese框架的目标跟踪方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN101673404B (zh) | 2015-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101673404A (zh) | 一种目标检测的方法和装置 | |
CN108197566B (zh) | 一种基于多路神经网络的监控视频行为检测方法 | |
CN103324937B (zh) | 标注目标的方法和装置 | |
CN101447082B (zh) | 一种运动目标实时检测方法 | |
CN103593678B (zh) | 一种大跨度桥梁车辆动态荷载分布检测方法 | |
CN102903119A (zh) | 一种目标跟踪方法和装置 | |
CN103488993B (zh) | 一种基于fast的人群异常行为识别方法 | |
CN102982313B (zh) | 烟雾检测的方法 | |
CN102073852B (zh) | 基于最优阈值和随机标号法的多车辆分割方法 | |
CN105260749B (zh) | 基于方向梯度二值模式和软级联svm的实时目标检测方法 | |
CN108830305A (zh) | 一种结合dclrn网络和光流法的实时火灾监测方法 | |
CN103246896A (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
CN101022505A (zh) | 复杂背景下运动目标自动检测方法和装置 | |
CN103593672A (zh) | Adaboost分类器在线学习方法及系统 | |
CN102799883A (zh) | 一种从视频图像中提取运动目标的方法及装置 | |
CN105184229A (zh) | 一种动态场景下基于在线学习的实时行人检测方法 | |
CN102254183B (zh) | 一种基于AdaBoost算法的人脸检测方法 | |
CN102111530B (zh) | 移动物体检测装置与方法 | |
CN103996051A (zh) | 基于运动特征变化的视频运动对象异常行为自动检测方法 | |
CN104299243A (zh) | 一种基于霍夫森林的目标跟踪方法 | |
CN101483001A (zh) | 基于视频的入侵检测方法、检测装置、芯片 | |
CN103456009A (zh) | 目标检测方法与装置、监控系统 | |
CN106127813B (zh) | 基于视觉感知能量的监控视频运动片段分割方法 | |
Fan et al. | Long-awaited next-generation road damage detection and localization system is finally here | |
Marathe et al. | In rain or shine: Understanding and overcoming dataset bias for improving robustness against weather corruptions for autonomous vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180412 Address after: 100191 Xueyuan Road, Haidian District, Haidian District, Beijing, No. 607, No. six Patentee after: Beijing Vimicro AI Chip Technology Co Ltd Address before: 100083, Haidian District, Xueyuan Road, Beijing No. 35, Nanjing Ning building, 15 Floor Patentee before: Beijing Vimicro Corporation |
|
TR01 | Transfer of patent right |