CN101739694B - 基于图像分析的高压输电线的超高检测的方法及装置 - Google Patents
基于图像分析的高压输电线的超高检测的方法及装置 Download PDFInfo
- Publication number
- CN101739694B CN101739694B CN2010100339493A CN201010033949A CN101739694B CN 101739694 B CN101739694 B CN 101739694B CN 2010100339493 A CN2010100339493 A CN 2010100339493A CN 201010033949 A CN201010033949 A CN 201010033949A CN 101739694 B CN101739694 B CN 101739694B
- Authority
- CN
- China
- Prior art keywords
- superelevation
- line
- high voltage
- target
- voltage transmission
- 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.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种基于图像分析的高压输电线的超高检测的方法和装置，该方法包括：步骤101使用相机获取高压输电线的场景图像并确定高压输电线的超高线；和步骤102对获取的场景图像进行图像分析，并根据所述超高线判断是否存在目标进入所述超高线的事件并输出结果。本发明所提供的方法和装置可以简单、有效地对是否存在目标进入超高线的事件进行检测并输出结果，能确保高压输电线安全、稳定地运行。
Description
技术领域
本发明涉及基于图像分析的高压输电线的超高检测的方法及装置，属于图像处理、视频监控领域
背景技术
电力工业是国民经济的重要基础产业，安全、稳定和充足的电力供应是保障国民经济稳定发展的前提，是社会、企业、百姓及媒体关注的焦点。在国家电网中，远距离、大跨度高压输电线路环境复杂、易受损害，因此检测高压输电线，确保高压输电线运行安全、稳定显得极为重要。
由于高压输电线路的复杂程度难以预测，而传统的感应器对高压输电线的超高检测难以推广应用。日本专利JP3089103(A)公开了一种基于图像的高压输电线的超高检测的装置，该装置采用双摄像机获取场景图像，并对获取的图像进行图像处理以检测高压输电线。但该装置成本较高且不易推广。该日本专利JP3089103(A)在此引用作为参考。
综上所述，目前迫切需要提出一种能简单地、有效地检测高压输电线超高的方法及装置，且该方法及装置易于推广。
发明内容
根据本发明的一个方面，本发明提供一种基于图像分析的高压输电线的超高检测的方法，所述方法包括：步骤101使用相机获取高压输电线的场景图像并确定高压输电线的超高线；和步骤102对获取的场景图像进行图像分析，并根据所述超高线判断是否存在目标进入所述超高线的事件并输出结果。
优选地，所述步骤101包括：步骤1011将相机固定在架设高压输电线的铁塔上，并根据高压输电线的禁入距离来确定所述相机的高度，所述禁入距离是指相机的高度与高压输电线的最低弧垂点高度之间的距离；步骤1012确定所述相机的角度，使所述相机保持平视；和步骤1013确定高压输电线的超高线，所述超高线是指所述相机获取的场景图像的水平中线。
优选地，所述相机为CCD相机或CMOS相机。
优选地，所述步骤102包括：
步骤1021检测场景图像中的运动目标；
步骤1022跟踪场景图像中的运动目标；和
步骤1023对运动目标进行超高检测并输出检测结果。
优选地，所述步骤1021包括：
步骤1021A根据场景图像建立背景模型；
步骤1021B预处理图像，消除场景图像对背景模型的影响；
步骤1021C标记区域，根据背景模型对场景图像进行前景分割，并标记出连通区域；
步骤1021D维护状态，判定运动目标检测系统当前所处的状态，做出相应处理，并且在必要时做异常检测；
步骤1021E增强区域，使用阴影检测、高亮检测和树滤波，剔除阴影、高亮和树叶摆动的虚假区域；和
步骤1021F分裂与合并区域，使用背景模型提供的约束以及人和车模型的先验知识对区域进行合并和分裂处理，以解决目标过分割和目标相互遮挡问题。
优选地，所述步骤1022包括：步骤1022A预测目标，估计目标的下一帧运动；步骤1022B匹配目标，跟踪匹配的稳定目标，并滤除虚假目标；和步骤1022C更新目标，更新当前帧中稳定目标的模板。
优选地，步骤1023包括：根据场景图像中超高线的位置和跟踪的运动目标的位置来判断所述运动目标是否进入超高线并输出结果，其中：场景图像中超高线的方程为y＝0，运动目标所在区域的左上y坐标(即运动目标所在区域的左上角点的纵坐标)、右下y坐标(即运动目标所在区域的右下角点的纵坐标)分别为leftup_y、rightdown_y。如果条件leftup_y＜0＜rightdown_y，则认为场景图像中存在运动目标进入超高线的事件。
根据本发明的另一个方面，本发明提供了一种基于图像分析的高压输电线的超高检测的装置，所述装置包括：相机1，用于获取高压输电线的场景图像并确定高压输电线的超高线；和图像分析单元2，用于对获取的场景图像进行图像分析，并根据超高线判断是否存在目标进入超高线的事件并输出结果。
优选地，所述图像分析单元2包括：运动目标检测模块21，用于检测场景图像中的运动目标；运动目标跟踪模块22，用于跟踪场景图像中的运动目标；和运动目标超高判断及输出模块23，用于对运动目标进行超高检测并输出检测结果。
本发明所提供的方法和装置可以简单地、有效地对是否存在目标进入超高线的事件进行检测并输出结果，从而能确保高压输电线安全、稳定地运行。并且，本发明的方法简单易行，装置成本低，因此还具有易于推广的优点。
附图说明
图1示出了按照本发明的基于图像分析的高压输电线的超高检测的方法的流程图；
图2示出了按照本发明的方法的步骤101的流程图；
图3示出了按照本发明的一个实施方式的相机安装的位置以及超高线的位置确认；
图4示出了按照本发明的方法的步骤102的流程图；
图5示出了按照本发明的基于图像分析的高压输电线的超高检测的装置的框架图；
图6示出了按照本发明的装置的图像分析单元2的框架图。
具体实施方式
为使贵审查员能进一步了解本发明的结构、特征及其他目的，现结合所附较佳实施例详细说明如下，所说明的较佳实施例仅用于说明本发明的技术方案，并非限定本发明。
如图1所示，图1示出了按照本发明的基于图像分析的高压输电线的超高检测的方法的流程图。由图1可以看出，本发明的基于图像分析的高压输电线的超高检测的方法包括：
步骤101，使用相机获取高压输电线的场景图像并确定超高线；
步骤102，对获取的场景图像进行图像分析，并根据所述超高线判断是否存在目标进入所述超高线的事件并输出结果。
在步骤101中，为了确定高压输电线的场景图像的超高线，本发明按照一定的步骤安装相机。如图2所示，图2示出了按照本发明的方法的步骤101的流程图。由图2可以看出，所述步骤101包括：步骤1011，确定相机的高度。具有不同标称电压的高压输电线的禁入距离是不同的，因此需要根据高压输电线的标称电压来确定禁入距离，然后根据高压输电线的禁入距离来确定相机的高度。例如，对于标称电压分别为110KV、220KV、330KV、500KV的高压输电线，其相应地禁入距离分别为5m、6m、7m、9m，因此相机的高度应分别与高压输电线的最低弧垂点高度相差5m、6m、7m、9m。作为一种优选的实施方式，相机的高度与高压输电线的最低弧垂点高度之间的距离等于禁入距离。同时，在本发明中，相机固定在架设高压输电线的铁塔上。
步骤1012，确定相机的角度，使相机保持平视。实施时，以所要保护的高压输电线为垂直方向的对称中心，以对面铁塔(或者已知高度的参考物)为参考，使得相机获取的场景图像的水平中线通过对面铁塔等同高度的点，并保证水平中线与铁塔横梁方向水平。
图3示出了按照本发明的一个实施方式的相机安装的位置以及超高线的位置确认，由图3可以看出：相机安装在铁塔上，并选择对面铁塔作为参考物，相机的高度应与高压输电线的最低弧垂点高度相差5m，即该高压输电线的标称电压为110KV。
步骤1013，确定高压输电线的超高线，所述超高线是指所述相机获取的场景图像的水平中线。该水平中线是将相机获取的场景图像的高度二等分的水平线。
在步骤102中，如图4所示，图4示出了按照本发明的方法的步骤102的流程图。由图4可以看出，步骤102进一步包括：
步骤1021，检测场景图像中的运动目标。该步骤可以通过现有的任意一种运动目标检测方法来实施。作为一种优选地实施方式，本发明采用申请人先前的申请号为200910077433.6的专利申请所提供的运动目标检测方法及系统来实施该步骤1021。
其中专利申请200910077433.6所提供的运动目标检测方法包括以下步骤：
步骤1021A根据场景图像建立背景模型。
步骤1021B预处理图像，消除场景图像对背景模型的影响。所述预处理图像包括：滤波处理和全局运动补偿。其中，所述滤波处理包括：对图像进行噪声过滤处理、图像平滑处理；所述全局运动补偿，是补偿由于相机轻微摆动而引起的图像全局运动，在全局运动补偿中，运动模型包括平移、旋转、变焦。
步骤1021C标记区域，根据背景模型对场景图像进行前景分割，并标记出连通区域。其中，所述标记区域包括如下步骤：前景分割，基于背景模型对场景图像进行分割，以得到前景的二值图像；形态学处理，使用数学形态学的方法处理所述的二值图像，以去除面积较小的虚假区域，并填充面积较大的区域；以及连通区域标记，用连通域的方法标记同一场景中的不同区域，以区别不同的目标区域。
步骤1021D维护状态，判定运动目标检测系统当前所处的状态，做出相应处理，并且在必要时做异常检测。其中，所述维护状态包括状态判定和异常检测。所述状态判定，是判定运动目标检测系统当前所处的状态，做出相应处理，当场景稳定时间超过阈值1，系统由初始化状态进入工作状态；当场景改变时间超过阈值2，系统由工作状态进入初始化状态。所述异常检测，是在视频信号干扰严重，以及有人为的遮挡相机的情况时执行，根据两次背景的边缘匹配值及背景初始化成功的最短时间判断，若当前帧的背景与背景模型的边缘相匹配的数值小于阈值3或背景初始化成功的最短时间超过阈值4，则认为是异常现象。其中，阈值1优选为0.5～2秒之间，阈值2优选为5～20秒之间，阈值3优选为30～50之间，阈值4优选为6～20秒之间。
步骤1021E增强区域，使用阴影检测、高亮检测和树滤波，剔除阴影、高亮和树叶摆动的虚假区域。其中，阴影检测是针对每个连通区域，分别计算该连通区域内的像素值的均值，并将该均值作为阈值，判定该区域的阴影区域，然后将阴影区域滤除，若像素值小于所述阈值，则判定为阴影；高亮检测是用于检测图像是否处于高亮状态，若是，则进行亮度补偿，亮度补偿使得图像的像素值的均值为128；树滤波，用于检测图像中的摆动树叶和摆动树叶阴影，并将其从前景图像中滤除。其中，检测摆动树叶是根据以下两个特征之一判定实现的：(1)运动轨迹跟踪，当运动轨迹点中目标对应区域属于运动区域面积的部分小于运动区域面积的阈值5时，则认为该目标是摆动树叶；(2)质心运动的振幅，当相邻轨迹点中目标质心的位移变化超过目标宽度的阈值6时，则认为该目标是摆动树叶。检测摆动树叶阴影的方法是：分别统计膨胀操作前后该区域内膨胀操作前后像素值为“1”的点的个数，并计算它们的比值，若该比值小于阈值7，则认为该区域是摆动树叶阴影的区域。其中，阈值5优选为5％～15％之间，阈值6优选为1.5～2.5之间，阈值7优选为40％～60％之间。
步骤1021F分裂与合并区域，使用背景模型提供的约束以及人和车模型的先验知识对区域进行合并和分裂处理，以解决目标过分割和目标相互遮挡问题。所述分裂与合并区域是基于所述增强区域的处理过程，判定相邻两区域是否是同一目标区域；若属于同一目标区域，则将这两个区域合并；否则，将其分裂。其中，相邻两区域是指区域边缘距离小于阈值8的区域。阈值8优选为3～7个像素之间。
步骤1022，跟踪场景图像中的运动目标。该步骤可以通过现有的任意一种运动目标跟踪方法来实施。作为一种优选地实施方式，本发明采用申请人先前的申请号为200910077435.5的专利申请所提供运动目标跟踪方法及系统实施该步骤1022。其中专利申请200910077435.5所提供的运动目标跟踪方法包括以下步骤：
步骤1022A预测目标，估计目标的下一帧运动。所述预测目标是根据目标运动的累加位移及其相应的累加时间，计算该目标运动的平均速度，并根据该速度预测目标的下一次位移。其中，所述累加位移、累加时间及平均运动速度的关系为：
v＝s/t
其中，s为目标质心稳定运动多帧后的位移，t为目标运动多帧所需的时间，v为该目标稳定运动的平均速度。
根据所述平均速度v预测的下一次位移为：
s′＝v·Δt
其中，Δt为预测的目标时间，s′为目标质心稳定运动Δt时间后的位移。
步骤1022B匹配目标，跟踪匹配的稳定目标，并滤除虚假目标。所述匹配目标包括跟踪匹配的稳定目标和滤除虚假目标。其中，所述跟踪匹配的稳定目标是判定检测区域与跟踪目标是否匹配，所述匹配根据下述公式中检测区域与目标的匹配系数D来判定：
D＝Da*ADa+Db*ADb+Dc*ADc
其中，Da为面积匹配系数，Db为直方图匹配系数，Dc为距离匹配系数。ADa、ADb、ADc分别为Da、Db、Dc对应的权值系数，当检测区域与目标的匹配系数D大于阈值9时，则判定该检测区域与目标匹配。
滤除虚假目标是通过目标运动的轨迹分析，以滤除虚假的目标区域。其中，轨迹分析是利用目标轨迹信息，统计面积变化的平滑性和质心点变化的平稳性。
面积匹配系数Da，是当检测区域与目标相交的区域的面积大于目标的面积的阈值10时，则认为该检测区域满足面积的匹配，Da取1；否则Da取0。直方图匹配系数Db，是当检测区域与目标相交的区域的直方图大于目标的直方图的阈值11时，则认为该检测区域满足直方图的匹配，Db取1；否则Db取0。距离匹配系数Dc，根据检测区域是运动的还是静止的两种情况来考虑距离匹配系数Dc；若当前帧图像与前一帧图像中检测区域的差分图像中，前景点的个数大于背景点个数的阈值12时，则认为检测区域是运动的，否则认为该检测区域是静止的。当检测区域是运动时，计算当前一帧图像中检测区域的中心与当前帧图像中检测区域的中心的距离，若该距离小于目标所在矩形框的对角线长度的阈值13，则认为满足距离的匹配，Dc取1；否则Dc取0。当检测区域是静止时，计算前一帧图像中检测区域的中心与当前帧图像中检测区域的中心的距离，若该距离小于阈值14，则认为满足距离的匹配，Dc取1；否则Dc取0。
其中，阈值9优选为0.7～0.8之间，阈值10优选为40％～60％之间，阈值11优选为40％～60％之间，阈值12优选为65％～75％之间，阈值13优选为1.5～2之间，阈值14优选为8～12个像素之间。
步骤1022C更新目标，更新当前帧中稳定目标的模板。
专利申请200910077433.6和200910077435.5在此全文并入作为参考。
步骤1023，对运动目标进行超高检测并输出检测结果。该步骤根据场景图像中超高线的位置和跟踪的运动目标的位置来判断该目标是否进入超高线并输出结果。其中，场景图像中超高线的方程为y＝0，运动目标所在区域的左上y坐标(即运动目标所在区域的左上角点的纵坐标)、右下y坐标(即运动目标所在区域的右下角点的纵坐标)分别为leftup_y、rightdown_y。如果条件leftup_y＜0＜rightdown_y，则认为场景图像中存在运动目标进入超高线的事件。
如图5所示，图5示出了按照本发明的基于图像分析的高压输电线的超高检测的装置的框架图。由图5可以看出，与基于图像分析的高压输电线的超高检测的方法相对应，本发明的基于图像分析的高压输电线的超高检测的装置包括：相机1，用于获取高压输电线的场景图像并确定高压输电线的超高线；和图像分析单元2，用于对获取的场景图像进行图像分析，并根据超高线判断是否存在目标进入超高线的事件并输出结果。
其中，相机1可以是普通的相机，例如CCD相机、CMOS相机。安装相机时需要将相机以一定的高度和角度固定在铁塔上。实施时，相机的高度与高压输电线的最低弧垂点高度相距的距离与高压输电线的禁入距离相同，相机保持平视。
如图6所示，图6示出了按照本发明的装置的图像分析单元2的框架图。由图6可以看出，本发明的图像分析单元2包括：运动目标检测模块21，用于检测场景图像中的运动目标；运动目标跟踪模块22，用于跟踪场景图像中的运动目标；和运动目标超高判断及输出模块23，用于对运动目标进行超高检测并输出检测结果。根据场景图像中超高线的位置和跟踪的运动目标的位置，来判断该运动目标是否进入超高线并输出结果。
需要声明的是，上述发明内容及具体实施方式意在证明本发明所提供技术方案的实际应用，不应解释为对本发明保护范围的限定。本领域技术人员在本发明的精神和原理内，当可作各种修改、等同替换、或改进。本发明的保护范围以所附权利要求书为准。
Claims (5)
1.基于图像分析的高压输电线的超高检测的方法，其特征在于，所述方法包括：
步骤101使用相机获取高压输电线的场景图像并确定高压输电线的超高线；和
步骤102对获取的场景图像进行图像分析，并根据所述超高线判断是否存在目标进入所述超高线的事件并输出结果；
其中步骤101包括：步骤1011将相机固定在架设高压输电线的铁塔上，并根据高压输电线的禁入距离来确定所述相机的高度，所述禁入距离是指相机的高度与高压输电线的最低弧垂点高度之间的距离；步骤1012确定所述相机的角度，使所述相机保持平视；步骤1013确定高压输电线的超高线，所述超高线是指所述相机获取的场景图像的水平中线；
步骤102包括：步骤1021检测场景图像中的运动目标；步骤1022跟踪场景图像中的运动目标；步骤1023对运动目标进行超高检测并输出检测结果；
步骤1023包括：根据场景图像中超高线的位置和跟踪的运动目标的位置来判断所述运动目标是否进入超高线并输出结果，其中：场景图像中超高线的方程为y＝0，运动目标所在区域的左上y坐标、右下y坐标分别为leftup_y、rightdown_y；如果条件leftup_y＜0＜rightdown_y，则认为场景图像中存在运动目标进入超高线的事件。
2.如权利要求1所述的方法，其特征在于，所述相机为CCD相机或CMOS相机。
3.如权利要求1所述的方法，其特征在于，所述步骤1021包括：
步骤1021A根据场景图像建立背景模型；
步骤1021B预处理图像，消除场景图像对背景模型的影响；
步骤1021C标记区域，根据背景模型对场景图像进行前景分割，并标记出连通区域；
步骤1021D维护状态，判定运动目标检测系统当前所处的状态，做出相应处理，并且在必要时做异常检测；
步骤1021E增强区域，使用阴影检测、高亮检测和树滤波，剔除阴影、高亮和树叶摆动的虚假区域；和
步骤1021F分裂与合并区域，使用背景模型提供的约束以及人和车模型的先验知识对区域进行合并和分裂处理，以解决目标过分割和目标相互遮挡问题。
4.如权利要求1所述的方法，其特征在于，所述步骤1022包括：
步骤1022A预测目标，估计目标的下一帧运动；
步骤1022B匹配目标，跟踪匹配的稳定目标，并滤除虚假目标；和
步骤1022C更新目标，更新当前帧中稳定目标的模板。
5.基于图像分析的高压输电线的超高检测的装置，其特征在于，所述装置包括：
相机1，用于获取高压输电线的场景图像并确定高压输电线的超高线；
图像分析单元2，用于对获取的场景图像进行图像分析，并根据超高线判断是否存在目标进入超高线的事件并输出结果；
其中相机1实现以下步骤：步骤1011将相机固定在架设高压输电线的铁塔上，并根据高压输电线的禁入距离来确定所述相机的高度，所述禁入距离是指相机的高度与高压输电线的最低弧垂点高度之间的距离；步骤1012确定所述相机的角度，使所述相机保持平视；步骤1013确定高压输电线的超高线，所述超高线是指所述相机获取的场景图像的水平中线；
图像分析单元2包括：运动目标检测模块21，用于检测场景图像中的运动目标；运动目标跟踪模块22，用于跟踪场景图像中的运动目标；运动目标超高判断及输出模块23，用于对运动目标进行超高检测并输出检测结果；
运动目标超高判断及输出模块23实现以下步骤：根据场景图像中超高线的位置和跟踪的运动目标的位置来判断所述运动目标是否进入超高线并输出结果，其中：场景图像中超高线的方程为y＝0，运动目标所在区域的左上y坐标、右下y坐标分别为leftup_y、rightdown_y；如果条件leftup_y＜0＜rightdown_y，则认为场景图像中存在运动目标进入超高线的事件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010100339493A CN101739694B (zh) | 2010-01-07 | 2010-01-07 | 基于图像分析的高压输电线的超高检测的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2010100339493A CN101739694B (zh) | 2010-01-07 | 2010-01-07 | 基于图像分析的高压输电线的超高检测的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101739694A CN101739694A (zh) | 2010-06-16 |
| CN101739694B true CN101739694B (zh) | 2011-10-05 |
Family
ID=42463144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2010100339493A Active CN101739694B (zh) | 2010-01-07 | 2010-01-07 | 基于图像分析的高压输电线的超高检测的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101739694B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105373135B (zh) * | 2014-08-01 | 2019-01-01 | 深圳中集天达空港设备有限公司 | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 |
| CN105302151B (zh) * | 2014-08-01 | 2018-07-13 | 深圳中集天达空港设备有限公司 | 一种飞机入坞引导和机型识别的系统及方法 |
| CN105335985B (zh) * | 2014-08-01 | 2019-03-01 | 深圳中集天达空港设备有限公司 | 一种基于机器视觉的入坞飞机实时捕获方法及系统 |
| CN105447431B (zh) * | 2014-08-01 | 2018-11-27 | 深圳中集天达空港设备有限公司 | 一种基于机器视觉的入坞飞机跟踪定位方法及系统 |
| CN104408459A (zh) * | 2014-10-27 | 2015-03-11 | 国家电网公司 | 电力设备监控中使用的图像识别方法 |
| CN105303757B (zh) * | 2015-09-25 | 2017-12-05 | 凌云光技术集团有限责任公司 | 防人为外力破坏的电网智能监控方法及系统 |
| CN106352800A (zh) * | 2016-08-13 | 2017-01-25 | 哈尔滨理工大学 | 输电线路弧垂智能图像辨识测量方法 |
| CN107883917B (zh) * | 2017-11-20 | 2021-02-02 | 中国科学院遥感与数字地球研究所 | 基于多时相阴影差异的高压线塔高度提取方法 |
| CN110718096A (zh) * | 2019-09-12 | 2020-01-21 | 广州中交通信有限公司 | 一种桥梁碰撞预警系统及预警方法 |
| CN112669266B (zh) * | 2020-12-18 | 2023-08-08 | 深兰科技（上海）有限公司 | 超高检测方法、装置、电子设备和存储介质 |
| CN113076899B (zh) * | 2021-04-12 | 2023-04-07 | 华南理工大学 | 一种基于目标跟踪算法的高压输电线路异物检测方法 |
-
2010
- 2010-01-07 CN CN2010100339493A patent/CN101739694B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN101739694A (zh) | 2010-06-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101739694B (zh) | 基于图像分析的高压输电线的超高检测的方法及装置 | |
| CN101739686B (zh) | 运动目标跟踪方法及其系统 | |
| CN101739550B (zh) | 运动目标检测方法及系统 | |
| CN103049787B (zh) | 一种基于头肩特征的人数统计方法和系统 | |
| CN105744232B (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
| CN102324016B (zh) | 一种高密度人群流量统计方法 | |
| CN100555331C (zh) | 一种用于煤矿的矿工出入自动监测的方法 | |
| CN102915433B (zh) | 基于字符组合的车牌定位和识别方法 | |
| CN103246896B (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
| CN103473791A (zh) | 监控视频中异常速度事件自动识别方法 | |
| CN104601965A (zh) | 摄像头遮挡检测方法 | |
| Pan et al. | Traffic surveillance system for vehicle flow detection | |
| CN102799863A (zh) | 视频监控中的团体人群异常行为检测方法 | |
| CN102622895A (zh) | 一种基于视频的车辆速度检测方法 | |
| CN104463904A (zh) | 一种高压线异物入侵目标检测方法 | |
| CN103473554A (zh) | 人流统计系统及方法 | |
| CN110127479A (zh) | 一种基于视频分析的电梯门开关异常检测方法 | |
| CN103489012B (zh) | 一种基于支持向量机的人群密集度检测方法及系统 | |
| Karpagavalli et al. | Estimating the density of the people and counting the number of people in a crowd environment for human safety | |
| CN103699878A (zh) | 一种识别电动扶梯异常运行状况的方法和系统 | |
| CN101877135B (zh) | 一种基于背景重构的运动目标检测方法 | |
| CN112446913A (zh) | 一种通道闸行人数量统计与尾随判断方法、装置和设备 | |
| Chen et al. | Automatic head detection for passenger flow analysis in bus surveillance videos | |
| CN104574340A (zh) | 一种基于历史图像的视频入侵检测方法 | |
| CN107240111B (zh) | 边沿连通分割客流统计方法 |
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 | ||
| ASS | Succession or assignment of patent right |
Owner name: NETPOSA TECHNOLOGIES, LTD. Free format text: FORMER OWNER: BEIJING ZANB SCIENCE + TECHNOLOGY CO., LTD. Effective date: 20150716 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20150716 Address after: 100102, Beijing, Chaoyang District, Tong Tung Street, No. 1, Wangjing SOHO tower, two, C, 26 floor Patentee after: NETPOSA TECHNOLOGIES, Ltd. Address before: 100048 Beijing city Haidian District Road No. 9, building 4, 5 layers of international subject Patentee before: Beijing ZANB Technology Co.,Ltd. |
|
| PP01 | Preservation of patent right | ||
| PP01 | Preservation of patent right |
Effective date of registration: 20220726 Granted publication date: 20111005 |