CN102006462A - 利用运动信息的快速监控视频增强方法及其实现装置 - Google Patents

利用运动信息的快速监控视频增强方法及其实现装置 Download PDF

Info

Publication number
CN102006462A
CN102006462A CN 201010561404 CN201010561404A CN102006462A CN 102006462 A CN102006462 A CN 102006462A CN 201010561404 CN201010561404 CN 201010561404 CN 201010561404 A CN201010561404 A CN 201010561404A CN 102006462 A CN102006462 A CN 102006462A
Authority
CN
China
Prior art keywords
image
video
moving region
illumination
module
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
Application number
CN 201010561404
Other languages
English (en)
Other versions
CN102006462B (zh
Inventor
毛耀斌
侯杰
叶曙光
吴瑛
李秋洁
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.)
Nanjing University of Science and Technology
Original Assignee
Nanjing University of Science and Technology
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 Nanjing University of Science and Technology filed Critical Nanjing University of Science and Technology
Priority to CN201010561404XA priority Critical patent/CN102006462B/zh
Publication of CN102006462A publication Critical patent/CN102006462A/zh
Application granted granted Critical
Publication of CN102006462B publication Critical patent/CN102006462B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Processing Of Color Television Signals (AREA)

Abstract

本发明公开了一种利用运动信息的快速监控视频增强方法及其实现装置，属于图像处理技术领域。该方法首先对输入图像序列当前帧进行运动区域检测，接着计算各个运动区域的光照分布变化显著性，对显著运动区域的光照分布进行更新，最后依据当前光照估计，采用MSRCR方法对当前帧进行增强。实验结果表明，本发明有效减少了视频增强的帧间冗余计算，实现了彩色监控视频的实时增强。此外，本发明公开的方法适用范围广泛，能有效增强恶劣天气下的监控视频，为后续目标检测与跟踪、行为分析等中高层视频分析任务的实时有效处理提供了可能，在安防监控领域有着广阔的应用前景。

Description

利用运动信息的快速监控视频增强方法及其实现装置
技术领域
本发明涉及一种视频增强技术，特别是一种利用运动信息的快速监控视频增强方法及其实现装置。
背景技术
图像增强是图像处理领域的一项重要技术，能够增强图像中的有用信息和细节，改善图像的视觉效果。图像增强技术在视频监控系统中应用广泛，用来改善黑天、雾天、雨天、雪天等恶劣天气、恶劣光照条件下的监控图像。同时，作为智能视频监控系统的前端预处理部分，图像增强能够有效提高目标检测与跟踪、行为分析等中高层视频分析任务对恶劣天气条件下监控视频的分析准确性。
监控视频增强方法需要满足以下要求：（1）鲁棒性，即能够处理各种恶劣光照、恶劣天气下的室内外场景；（2）自适应性，即无需人工调节参数，方法能自动适应光照和天气变化；（3）实时性，即能够满足后续中高层视频分析任务的实时性要求。目前，常用的图像增强技术大体可分为以下三类：
（1）基于输入输出设备物理特性的增强技术，如增益/偏置校正、伽马校正等。此类技术能够优化图像的动态范围，解决恶劣光照条件下监控视频过暗或过亮的问题，但其参数适应范围较窄，光照、天气条件变化时需要人工调节；
（2）基于图像统计信息的增强技术，如直方图均衡化等。此类技术能够增强图像全局对比度，但容易增强噪声而丢失有用信息；
（3）基于视觉理论的增强技术，如彩色恢复多尺度Retinex（Multi-scale Retinex with Color Restoration，简称MSRCR）方法等。此类技术从颜色恒常性理论出发，通过估计物体反射率恢复其本质颜色，从而去除光照和天气影响，实现图像增强。此类技术依据人眼视觉特性，具有良好的参数适应性与广泛的适用范围，但计算量大，难以进行实时的图像处理。
综上所述，现有图像增强技术均有各自的缺陷，实际应用到视频监控系统中面临着各种局限。
发明内容
本发明的目的在于提供一种利用运动信息的视频图像增强方法，从而实现彩色监控视频的实时增强。
实现本发明目的的技术解决方案为：一种利用运动信息的快速监控视频增强方法，包括以下步骤：
步骤1、采集图像，获取输入图像序列并判断该图像是否为第一帧，若为第一帧则对整个图像区域计算光照分布估计，之后执行步骤6，若不为第一帧则执行步骤2；
步骤2、根据输入图像序列，计算两帧间运动图像；
步骤3、寻找运动图像上非零区域的外接矩形，并将其标记为运动区域；
步骤4、对上述运动区域光照分布变化的显著性进行预测，只保留显著运动区域，将其余的运动区域删除；
步骤5、对上述显著运动区域重新计算光照分布估计，得到当前图像的光照分布估计；
步骤6、采用MSRCR方法对输入图像进行增强；
步骤7、输出增强图像。
一种实现利用运动信息的快速监控视频增强方法的装置，包括视频输入模块、光照估计模块、视频增强模块、视频输出模块和运动信息提取模块；所述视频输入模块从外界提取视频信息，并传递给运动信息提取模块和光照估计模块，其中运动信息提取模块对视频序列进行运动检测与光照变化显著性评估，并将显著运动区域信息传递给光照估计模块；光照估计模块更新显著运动区域的光照估计，并将光照估计传递给视频增强模块；视频增强模块对视频进行多尺度Retinex增强并进行彩色恢复，然后将增强后的视频序列传递给视频输出模块，视频输出模块将增强图像序列输出。
本发明与现有技术相比，其显著优点：1）本发明基于Retinex视觉原理，不需要调整参数，能够自动适应场景，能有效增强黑天、雾天、雨天、雪天视频；2）本发明利用视频中的运动信息消除方法的帧间冗余计算，对彩色视频提供实时增强。在本发明提供的实验装置上，对720                                                
Figure 887432DEST_PATH_IMAGE001
576分辨率彩色视频处理速度可达18~19帧/秒；3）本发明为后续目标检测、跟踪、行为分析等中高层视频分析任务对恶劣天气条件下监控视频的实时有效处理提供了可能。
下面结合附图对本发明作进一步详细描述。
附图说明
图1为本发明的利用运动信息的快速监控视频增强方法的流程框图。
图2为本发明提供的利用运动信息的快速视频增强设备框图。
图3为本发明实施例的输入图像。
图4为本发明实施例中两帧间的运动图像。
图5为本发明实施例中标记出的运动区域。
图6为本发明实施例中输出的增强图像。
具体实施方式
结合图1，本发明的利用运动信息的快速监控视频增强方法，包括以下步骤：
步骤1、采集图像，获取输入图像序列并判断该图像是否为第一帧，若为第一帧则对整个图像区域计算光照分布估计，之后执行步骤6，若不为第一帧则执行步骤2；
对整个图像区域计算光照分布估计所采用的公式为：
Figure 243721DEST_PATH_IMAGE002
其中，
Figure 23458DEST_PATH_IMAGE003
为像素坐标，
Figure 356350DEST_PATH_IMAGE004
为第1帧输入图像，
Figure 170722DEST_PATH_IMAGE005
为第1帧的光照估计，“”为图像处理中的卷积操作，
Figure 135584DEST_PATH_IMAGE007
为方差为
Figure 770703DEST_PATH_IMAGE008
的高斯核函数。
步骤2、根据输入图像序列，计算两帧间运动图像；具体包括以下步骤：
步骤21、计算输入图像当前帧与前一帧的帧差图像
Figure 439582DEST_PATH_IMAGE009
：
Figure 432945DEST_PATH_IMAGE010
，
其中，为当前第帧输入图像，
Figure 323038DEST_PATH_IMAGE013
为第
Figure 752882DEST_PATH_IMAGE014
帧输入图像；
步骤22、将帧差图像
Figure 932191DEST_PATH_IMAGE009
中绝对值小于阈值的像素点的值设为0，得到运动图像：
Figure 850785DEST_PATH_IMAGE016
其中，为硬阈值，
Figure 291704DEST_PATH_IMAGE018
，
Figure 308202DEST_PATH_IMAGE019
为软阈值，其值为运动图像中非零像素点占所有像素点比例为
Figure 806179DEST_PATH_IMAGE020
时的值，即
Figure 577826DEST_PATH_IMAGE021
，
Figure 466148DEST_PATH_IMAGE022
。
步骤3、寻找运动图像上非零区域的外接矩形，并将其标记为运动区域；具体包括以下步骤：
步骤31、寻找第
Figure 201010561404X100002DEST_PATH_IMAGE023
个运动区域
Figure 784872DEST_PATH_IMAGE024
，
其中
Figure 137356DEST_PATH_IMAGE025
为矩形左上角坐标，
Figure 17587DEST_PATH_IMAGE026
为矩形右下角坐标，定义运动区域积分为，遍历运动图像
Figure 876138DEST_PATH_IMAGE015
，用寻找到的第一个非零像素点的坐标初始化
Figure 286391DEST_PATH_IMAGE028
，即
Figure 399841DEST_PATH_IMAGE029
；
步骤32、对于第
Figure 262754DEST_PATH_IMAGE030
次迭代，分别在四个方向上对当前区域
Figure 201010561404X100002DEST_PATH_IMAGE031
以步长
Figure 937929DEST_PATH_IMAGE032
进行扩张，其中，从而得到扩张区域、、
Figure 537352DEST_PATH_IMAGE036
和
Figure 718934DEST_PATH_IMAGE037
，计算当前区域和扩张区域的区域积分，将值最大的区域作为下次迭代的初始区域
Figure 344826DEST_PATH_IMAGE038
；
步骤33、重复步骤32直到运动区域矩形不再改变，得到第
Figure 244649DEST_PATH_IMAGE023
个运动区域
Figure 810759DEST_PATH_IMAGE028
；
步骤34、更新运动图像
Figure 50111DEST_PATH_IMAGE015
：
，
之后返回步骤31直到所有运动区域都被标记。
步骤4、对上述运动区域光照分布变化的显著性进行预测，只保留显著运动区域，将其余的运动区域删除；
当前帧与前一帧的光照分布变化如下：
Figure 735487DEST_PATH_IMAGE040
其中，
Figure 105288DEST_PATH_IMAGE041
为当前第帧的光照估计，
Figure 730622DEST_PATH_IMAGE042
为第帧的光照估计，为步骤2得到的初始运动图像，“
Figure 962779DEST_PATH_IMAGE006
”为图像处理中的卷积操作，
Figure 930735DEST_PATH_IMAGE007
为方差为
Figure 26867DEST_PATH_IMAGE008
的高斯核函数，实际处理时，采用三个不同尺度的高斯核函数。
以
Figure 676154DEST_PATH_IMAGE043
作为运动区域
Figure 541342DEST_PATH_IMAGE028
在尺度
Figure 617883DEST_PATH_IMAGE044
下的显著性度量，当它大于一定阈值时，认为该运动区域在尺度
Figure 201311DEST_PATH_IMAGE044
下光照分布变化显著，需重新计算，否则，认为光照分布估计不变，无需重新计算：
Figure 451026DEST_PATH_IMAGE045
。
将运动区域内的运动图像
Figure 373983DEST_PATH_IMAGE015
建模为高斯函数，最终，得到如下不等式用来判断运动区域在尺度
Figure 683742DEST_PATH_IMAGE044
下光照分布变化是否显著：
Figure 190684DEST_PATH_IMAGE046
。
阈值为：
Figure 21554DEST_PATH_IMAGE048
，
简而言之，对运动区域光照分布变化的显著性进行预测具体为：
，
阈值
Figure 794655DEST_PATH_IMAGE047
为：
Figure 589436DEST_PATH_IMAGE048
，
其中，
Figure 283722DEST_PATH_IMAGE049
为运动区域积分，是常数，一般取[0.125，0.25]；若运动区域满足以上不等式则判断为显著运动区域并且保留，否则删除。
步骤5、对上述显著运动区域重新计算光照分布估计，得到当前图像的光照分布估计；对显著运动区域重新计算光照分布估计，具体为：
Figure 918283DEST_PATH_IMAGE051
其中，
Figure 313492DEST_PATH_IMAGE052
为在尺度
Figure 301433DEST_PATH_IMAGE044
下的显著运动区域。
步骤6、采用MSRCR方法对输入图像进行增强；具体为：
步骤61、对RGB各个颜色通道计算MSR（Multi-scale Retinex，多尺度Retinex）增强结果，第
Figure 327158DEST_PATH_IMAGE053
个通道的多尺度Retinex增强图像为：
Figure 594191DEST_PATH_IMAGE054
，
其中，为当前第
Figure 134074DEST_PATH_IMAGE053
个通道的输入图像，为当前第
Figure 85029DEST_PATH_IMAGE053
个通道的光照估计分布，
Figure 822041DEST_PATH_IMAGE057
光照估计各个尺度权重；
步骤62、对RGB各个通道进行颜色恢复，第
Figure 781645DEST_PATH_IMAGE053
个通道的颜色恢复系数为
Figure 211489DEST_PATH_IMAGE058
，
其中，
Figure 187535DEST_PATH_IMAGE059
为120，则最终得到的各个通道的MSRCR增强图像为
Figure 665921DEST_PATH_IMAGE060
。
步骤7、输出增强图像。
下面结合实例对本发明做进一步详细的说明。
本发明公开了一种利用运动信息的快速监控视频增强方法，并提供了一种视频增强设备，系统结构如图2所示。一种实现利用运动信息的快速监控视频增强方法的设备，包括视频输入模块、光照估计模块、视频增强模块、视频输出模块和运动信息提取模块；所述视频输入模块从外界提取视频信息，并将视频序列传递给运动信息提取模块和光照估计模块；运动信息提取模块对视频序列进行运动检测与光照变化显著性评估，并将显著运动区域信息传递给光照估计模块；光照估计模块更新显著运动区域的光照估计，并将光照估计传递给视频增强模块；视频增强模块对视频进行多尺度Retinex增强并进行彩色恢复，然后将增强后的视频序列传递给视频输出模块，视频输出模块将增强图像序列输出。系统以工控机为计算平台，其上搭载Intel Core Duo T2600处理器，工作主频为2.16GHz，视频输入输出均为PAL/NTSC制标准视频信号。
本实例的流程图如图1所示。输入图像大小为720
Figure 309392DEST_PATH_IMAGE001
576，如图3所示。首先，计算输入图像当前帧与前一帧的帧差图像，引入阈值
Figure 582242DEST_PATH_IMAGE019
、
Figure 311163DEST_PATH_IMAGE017
，将帧差图像中绝对值小于阈值的像素点的值设为0，得到运动图像，如图4所示（为了便于观看已将像素值进行了拉伸），其中，
Figure 389978DEST_PATH_IMAGE017
取10，
Figure 825638DEST_PATH_IMAGE020
取5%。接着寻找运动图像中非零区域的外接矩形，将其标记为运动区域，如图5所示，其中，
Figure 331706DEST_PATH_IMAGE032
取3。然后预测运动区域的光照分布变化显著性，其中
Figure 547924DEST_PATH_IMAGE050
为0.25，对高于阈值的显著运动区域重新计算光照分布估计。最后采用MSRCR方法对输入图像进行增强，得到的增强图像如图6所示，其中
Figure 430429DEST_PATH_IMAGE061
。
本发明利用运动信息消除视频增强方法中的帧间冗余计算，在本发明提供的实验装置上，对720
Figure 222061DEST_PATH_IMAGE001
576分辨率彩色监控视频的处理速度可达18~19帧/秒，在获得良好增强效果的同时达到监控系统对图像增强的实时性要求。

Claims (8)

1.一种利用运动信息的快速监控视频增强方法，其特征在于，包括以下步骤：
步骤1、采集图像，获取输入图像序列并判断该图像是否为第一帧，若为第一帧则对整个图像区域计算光照分布估计，之后执行步骤6，若不为第一帧则执行步骤2；
步骤2、根据输入图像序列，计算两帧间运动图像；
步骤3、寻找运动图像上非零区域的外接矩形，并将其标记为运动区域；
步骤4、对上述运动区域光照分布变化的显著性进行预测，只保留显著运动区域，将其余的运动区域删除；
步骤5、对上述显著运动区域重新计算光照分布估计，得到当前图像的光照分布估计；
步骤6、采用MSRCR方法对输入图像进行增强；
步骤7、输出增强图像。
2.根据权利要求1所述的利用运动信息的快速监控视频增强方法，其特征在于，步骤1对整个图像区域计算光照分布估计所采用的公式为：
Figure 201010561404X100001DEST_PATH_IMAGE001
其中，
Figure 201010561404X100001DEST_PATH_IMAGE002
为像素坐标，
Figure DEST_PATH_IMAGE003
为第一帧输入图像，
Figure 201010561404X100001DEST_PATH_IMAGE004
为第一帧的光照估计，“
Figure DEST_PATH_IMAGE005
”为图像处理中的卷积操作，
Figure 201010561404X100001DEST_PATH_IMAGE006
为方差为
Figure DEST_PATH_IMAGE007
的高斯核函数。
3.根据权利要求1所述的利用运动信息的快速监控视频增强方法，其特征在于，步骤2计算两帧间运动图像包括以下步骤：
步骤21、计算输入图像当前帧与前一帧的帧差图像
Figure 201010561404X100001DEST_PATH_IMAGE008
：
，
其中，
Figure 201010561404X100001DEST_PATH_IMAGE010
为当前第
Figure DEST_PATH_IMAGE011
帧输入图像，为第
Figure DEST_PATH_IMAGE013
帧输入图像；
步骤22、将帧差图像中绝对值小于阈值的像素点的值设为0，得到运动图像
Figure 201010561404X100001DEST_PATH_IMAGE014
：
Figure DEST_PATH_IMAGE015
其中，
Figure 201010561404X100001DEST_PATH_IMAGE016
为硬阈值，
Figure DEST_PATH_IMAGE017
，
Figure 201010561404X100001DEST_PATH_IMAGE018
为软阈值，其值为运动图像中非零像素点占所有像素点比例为
Figure DEST_PATH_IMAGE019
时的值，即
，
Figure DEST_PATH_IMAGE021
。
4.根据权利要求1所述的利用运动信息的快速监控视频增强方法，其特征在于，步骤3寻找运动图像中非零区域的外接矩形，将其标记为运动区域，具体包括以下步骤：
步骤31、寻找第
Figure 201010561404X100001DEST_PATH_IMAGE022
个运动区域
Figure DEST_PATH_IMAGE023
，
其中
Figure 201010561404X100001DEST_PATH_IMAGE024
为矩形左上角坐标，
Figure DEST_PATH_IMAGE025
为矩形右下角坐标，定义运动区域积分为
Figure 201010561404X100001DEST_PATH_IMAGE026
，遍历运动图像，用寻找到的第一个非零像素点的坐标初始化，即；
步骤32、对于第
Figure DEST_PATH_IMAGE029
次迭代，分别在四个方向上对当前区域
Figure 201010561404X100001DEST_PATH_IMAGE030
以步长进行扩张，其中
Figure 201010561404X100001DEST_PATH_IMAGE032
，从而得到扩张区域
Figure DEST_PATH_IMAGE033
、、
Figure DEST_PATH_IMAGE035
和，计算当前区域和扩张区域的区域积分，将值最大的区域作为下次迭代的初始区域
Figure DEST_PATH_IMAGE037
；
步骤33、重复步骤32直到运动区域矩形不再改变，得到第
Figure 862661DEST_PATH_IMAGE022
个运动区域
Figure 257870DEST_PATH_IMAGE027
；
步骤34、更新运动图像
Figure 72242DEST_PATH_IMAGE014
：
Figure 201010561404X100001DEST_PATH_IMAGE038
，
之后返回步骤31直到所有运动区域都被标记。
5.根据权利要求1所述的利用运动信息的快速监控视频增强方法，其特征在于，步骤4对运动区域光照分布变化的显著性进行预测具体为：
Figure DEST_PATH_IMAGE039
，
阈值
Figure 201010561404X100001DEST_PATH_IMAGE040
为：
Figure DEST_PATH_IMAGE041
，
其中，
Figure 201010561404X100001DEST_PATH_IMAGE042
为运动区域积分，
Figure DEST_PATH_IMAGE043
是常数，一般取[0.125，0.25]；若运动区域满足以上不等式则判断为显著运动区域并且保留，否则删除。
6.根据权利要求1所述的利用运动信息的快速监控视频增强方法，其特征在于，步骤5对显著运动区域重新计算光照分布估计，具体为：
Figure 201010561404X100001DEST_PATH_IMAGE044
其中，为当前第
Figure 146902DEST_PATH_IMAGE011
帧的光照估计，为第
Figure 351618DEST_PATH_IMAGE013
帧的光照估计，
Figure DEST_PATH_IMAGE047
为在尺度下的显著运动区域。
7.根据权利要求1所述的利用运动信息的快速监控视频增强方法，其特征在于，步骤6采用MSRCR方法对当前输入图像进行增强具体为：
步骤61、对RGB各个颜色通道计算MSR增强结果，第个通道的多尺度Retinex增强图像为：
Figure 201010561404X100001DEST_PATH_IMAGE050
，
其中，
Figure DEST_PATH_IMAGE051
为当前第个通道的输入图像，
Figure 201010561404X100001DEST_PATH_IMAGE052
为当前第
Figure 524346DEST_PATH_IMAGE049
个通道的光照估计分布，光照估计各个尺度权重；
步骤62、对RGB各个通道进行颜色恢复，第
Figure 216358DEST_PATH_IMAGE049
个通道的颜色恢复系数为
Figure 201010561404X100001DEST_PATH_IMAGE054
，
其中，为120，则最终得到的各个通道的MSRCR增强图像为
Figure 201010561404X100001DEST_PATH_IMAGE056
。
8.一种实现权利要求1所述利用运动信息的快速监控视频增强方法的装置，其特征在于，包括视频输入模块、光照估计模块、视频增强模块、视频输出模块和运动信息提取模块；所述视频输入模块从外界提取视频信息，并传递给运动信息提取模块和光照估计模块，其中运动信息提取模块对视频序列进行运动检测与光照变化显著性评估，并将显著运动区域信息传递给光照估计模块；光照估计模块更新显著运动区域的光照估计，并将光照估计传递给视频增强模块；视频增强模块对视频进行多尺度Retinex增强并进行彩色恢复，然后将增强后的视频序列传递给视频输出模块，视频输出模块将增强图像序列输出。
CN201010561404XA 2010-11-27 2010-11-27 利用运动信息的快速监控视频增强方法及其实现装置 Expired - Fee Related CN102006462B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201010561404XA CN102006462B (zh) 2010-11-27 2010-11-27 利用运动信息的快速监控视频增强方法及其实现装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201010561404XA CN102006462B (zh) 2010-11-27 2010-11-27 利用运动信息的快速监控视频增强方法及其实现装置

Publications (2)

Publication Number Publication Date
CN102006462A true CN102006462A (zh) 2011-04-06
CN102006462B CN102006462B (zh) 2012-11-14

Family

ID=43813482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201010561404XA Expired - Fee Related CN102006462B (zh) 2010-11-27 2010-11-27 利用运动信息的快速监控视频增强方法及其实现装置

Country Status (1)

Country Link
CN (1) CN102006462B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436640A (zh) * 2011-09-21 2012-05-02 北京航空航天大学 一种基于HIS空间的多尺度Retinex模型的雾天图像清晰化方法
CN107133610A (zh) * 2017-06-01 2017-09-05 电子科技大学 一种复杂路况下行车流量视觉检测与计数方法
CN107633491A (zh) * 2017-09-26 2018-01-26 中国科学院长春光学精密机械与物理研究所 一种基于目标检测的区域图像增强方法及存储介质
CN109063630A (zh) * 2018-07-27 2018-12-21 北京以萨技术股份有限公司 一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法
CN109063694A (zh) * 2018-09-12 2018-12-21 北京科技大学 一种视频目标检测识别方法
CN112931309A (zh) * 2021-02-02 2021-06-11 中国水利水电科学研究院 一种鱼类增殖放流去向的监测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008048188A (ja) * 2006-08-17 2008-02-28 Brother Ind Ltd 画像処理プログラムおよび画像処理装置
CN101149794A (zh) * 2007-10-16 2008-03-26 王海燕 基于视频的车辆检测跟踪及系统
CN101236606A (zh) * 2008-03-07 2008-08-06 北京中星微电子有限公司 视频监控中的阴影消除方法及系统
US20080240598A1 (en) * 2007-03-30 2008-10-02 Brother Kogyo Kabushiki Kaisha Image processor
CN101303766A (zh) * 2008-07-09 2008-11-12 北京航空航天大学 一种基于Retinex理论的快速彩色图像增强方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008048188A (ja) * 2006-08-17 2008-02-28 Brother Ind Ltd 画像処理プログラムおよび画像処理装置
US20080240598A1 (en) * 2007-03-30 2008-10-02 Brother Kogyo Kabushiki Kaisha Image processor
CN101149794A (zh) * 2007-10-16 2008-03-26 王海燕 基于视频的车辆检测跟踪及系统
CN101236606A (zh) * 2008-03-07 2008-08-06 北京中星微电子有限公司 视频监控中的阴影消除方法及系统
CN101303766A (zh) * 2008-07-09 2008-11-12 北京航空航天大学 一种基于Retinex理论的快速彩色图像增强方法

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436640A (zh) * 2011-09-21 2012-05-02 北京航空航天大学 一种基于HIS空间的多尺度Retinex模型的雾天图像清晰化方法
CN107133610A (zh) * 2017-06-01 2017-09-05 电子科技大学 一种复杂路况下行车流量视觉检测与计数方法
CN107133610B (zh) * 2017-06-01 2020-09-01 电子科技大学 一种复杂路况下行车流量视觉检测与计数方法
CN107633491A (zh) * 2017-09-26 2018-01-26 中国科学院长春光学精密机械与物理研究所 一种基于目标检测的区域图像增强方法及存储介质
CN109063630A (zh) * 2018-07-27 2018-12-21 北京以萨技术股份有限公司 一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法
CN109063630B (zh) * 2018-07-27 2022-04-26 以萨技术股份有限公司 一种基于可分离卷积技术和帧差补偿策略的快速车辆检测方法
CN109063694A (zh) * 2018-09-12 2018-12-21 北京科技大学 一种视频目标检测识别方法
CN112931309A (zh) * 2021-02-02 2021-06-11 中国水利水电科学研究院 一种鱼类增殖放流去向的监测方法及系统
CN112931309B (zh) * 2021-02-02 2021-11-09 中国水利水电科学研究院 一种鱼类增殖放流去向的监测方法及系统

Also Published As

Publication number Publication date
CN102006462B (zh) 2012-11-14

Similar Documents

Publication Publication Date Title
CN106846359B (zh) 基于视频序列的运动目标快速检测方法
CN107527332B (zh) 基于改进Retinex的低照度图像色彩保持增强方法
CN106296612B (zh) 一种图像质量评价和天气状况引导的分级式监控视频清晰化系统及方法
CN104253930B (zh) 一种实时视频去雾方法
CN107301623B (zh) 一种基于暗通道和图像分割的交通图像去雾方法及系统
CN102768760B (zh) 一种基于图像纹理的图像快速去雾方法
CN102831591B (zh) 一种基于高斯滤波的单幅图像的实时去雾方法
CN102006462B (zh) 利用运动信息的快速监控视频增强方法及其实现装置
CN103985091A (zh) 基于亮度暗先验与双边滤波的单幅图像去雾方法
KR101582478B1 (ko) 정지영상에 포함된 헤이즈 제거를 위한 영상 처리 장치 및 그 방법
CN104616290A (zh) 一种统计矩阵模型和自适应阈值相结合的目标检测算法
CN108876820B (zh) 一种基于均值漂移的遮挡条件下移动目标追踪方法
CN102202163A (zh) 一种监控视频的自适应增强方法及其装置
CN105046677A (zh) 一种用于交通视频图像的增强处理方法和装置
CN104167006B (zh) 一种任意手形的手势跟踪方法
CN103208105B (zh) 一种红外图像细节增强与噪声自适应抑制方法
CN103258332A (zh) 一种抗光照变化的运动目标检测方法
CN104717400A (zh) 一种监控视频的实时去雾方法
CN107360344A (zh) 监控视频快速去雾方法
Liu et al. Pixel Based Temporal Analysis Using Chromatic Property for Removing Rain from Videos.
CN108305225A (zh) 基于暗通道先验的交通监控图像快速去雾方法
CN115170619B (zh) 一种基于密集光流法的云遮挡预测方法
CN101754032A (zh) 保持颜色的去雾方法
Xia et al. Automatic multi-vehicle tracking using video cameras: An improved CAMShift approach
CN115375733A (zh) 基于视频和点云数据的雪车雪橇三维滑行轨迹提取方法

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
C53 Correction of patent for invention or patent application
CB03 Change of inventor or designer information

Inventor after: Mao Yaobin

Inventor after: Hou Jie

Inventor after: Ye Shuguang

Inventor after: Wu Ying

Inventor after: Li Qiujie

Inventor before: Mao Yaobin

Inventor before: Hou Jie

Inventor before: Ye Shuguang

Inventor before: Wu Ying

Inventor before: Li Qiujie

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20121114

Termination date: 20151127