CN102722894A - 一种基于摄像机自动标定的智能视频监控方法 - Google Patents

一种基于摄像机自动标定的智能视频监控方法 Download PDF

Info

Publication number
CN102722894A
CN102722894A CN2012101612754A CN201210161275A CN102722894A CN 102722894 A CN102722894 A CN 102722894A CN 2012101612754 A CN2012101612754 A CN 2012101612754A CN 201210161275 A CN201210161275 A CN 201210161275A CN 102722894 A CN102722894 A CN 102722894A
Authority
CN
China
Prior art keywords
target
video
video camera
camera
monitoring
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
CN2012101612754A
Other languages
English (en)
Other versions
CN102722894B (zh
Inventor
尚凌辉
贺磊盈
刘家佳
高勇
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.)
ZHEJIANG ICARE VISION TECHNOLOGY Co Ltd
Original Assignee
ZHEJIANG ICARE VISION TECHNOLOGY 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 ZHEJIANG ICARE VISION TECHNOLOGY Co Ltd filed Critical ZHEJIANG ICARE VISION TECHNOLOGY Co Ltd
Priority to CN201210161275.4A priority Critical patent/CN102722894B/zh
Publication of CN102722894A publication Critical patent/CN102722894A/zh
Application granted granted Critical
Publication of CN102722894B publication Critical patent/CN102722894B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种摄像机自动标定方法和基于摄像机自动标定的智能视频监控方法，包括两个大步骤：首先，对摄像机自动标定；对视频监控图像中应用标定结果，计算所有目标相关信息，实现智能视频监控。本发明采用摄像机自动标定，避免手工标记参考点的操作，用最小紧凑包围盒代替包围盒能提高计算结果的精度，相对于基于消失点和消失线的几何模型，标定过程减少人工标记，操作简单。

Description

一种基于摄像机自动标定的智能视频监控方法
技术领域
本发明属于视频监控领域，具体地说是一种基于摄像机自动标定的智能视频监控方法。
背景技术
随着计算机，网络，图像技术的快速发展，视频监控技术获得长足的进步，无线，高清和智能技术不断地应用到视频监控领域中。传统的视频监控一般只用于事后的录像取证，而且取证时需要人工观察大量的视频。智能视频监控的核心技术是实时分析固定场景的视频序列，从中检测、识别、跟踪并理解目标的行为，最终根据事先制定的规则触发报警。应用智能视频监控技术能消除或很大程度上减少人工干预。
从视频序列中提取的目标只具备二维信息，不能很好地理解目标的真实行为。要想获得目标的真实大小和速度，必须对场景进行一定的理解，这就需要对摄像机进行标定。标定的目的是获取摄像机的内参以及摄像机的安装信息，进一步地计算目标的三维参数。
CN101951502A公开了一种三维智能视频监控方法，其采用了传统的摄像机标定方法，和目前存在许多应用于视频监控的摄像机标定方法，实际的应用中会出现或多或少的缺点。主要方法是首先人工选取平面上不同位置的标定杆的上下两个端点，标定杆可以使站立的人，也可以使平面上竖立的任何直线；然后计算消失点和消失线，最后标定摄像机参数。该方法的不足之处是：需要手工检测标定杆的端点；当摄像机的镜头畸变比较严重时，消失点和消失线的准确性无法保证，最后影响标定结果的精度。
发明内容
本发明提供了一种摄像机自动标定方法，和基于摄像机自动标定的智能视频监控方法，
所述一种的摄像机自动标定方法，包括如下步骤：
选定视频图像中的运动的人属目标作为参照物；
在参照物的运动轨迹线上至少选择四个不同位置作为标记点，提取每个标记点上参照物在视频图像上的底点P1
Figure 2012101612754100002DEST_PATH_IMAGE001
和顶点P2 ；
根据摄像机坐标系与监控平面坐标系的关系，得到参照物的实际高度公式：
Figure 2012101612754100002DEST_PATH_IMAGE003
（1）
参照物在监控平面上的位置坐标（x，y）公式：
Figure 624321DEST_PATH_IMAGE004
             （2）
其中
Figure 2012101612754100002DEST_PATH_IMAGE005
，
Figure 319875DEST_PATH_IMAGE006
为监控视频图像的光心坐标，可以近似认为是图像的中心，
Figure 734676DEST_PATH_IMAGE001
为参照物底点端在监控视频图像中的坐标，
Figure 677224DEST_PATH_IMAGE002
为参照物顶点在监控视频图像中的坐标，H为摄像机离监控平面的高度，θ为摄像机的俯仰角，γ为摄像机的横滚角， f为摄像机的焦距；
    输入自动选定的作为参照物的所述人属目标的真实高度h和所述参照物的至少四组在监控视频图像上的底点P1 和顶点P2
Figure 348825DEST_PATH_IMAGE002
参照物数据；
    得到摄像机参数H，f，θ和γ，实现对摄像机的自动标定。
所述的摄像机自动标定方法，其中所述底点P1 和顶点P2 分别是参考物的目标最小紧凑包围盒下边框的中点和目标最小紧凑包围盒上边框的中点。
所述的摄像机自动标定方法，其中所述参照物数据应用随机采样一致性算法（RANSAC）剔除不好的数据。
所述的摄像机自动标定方法，其中还包括如下步骤：
对摄像机标定结束后，在监控平面上选择一个竖直杆，计算竖直杆的高度，或计算监控平面上两个点之间的距离，判断计算的高度或距离同真实距离的差异来验证标定的精度，如果差距大，表明标定有误，重新标定。
所述的摄像机自动标定方法，其中当监控平面比较空旷时，则应该派遣一名人员作为参照物在监控平面内走动，走动的范围尽可能地遍布摄像机的视场。
所述的一种基于摄像机自动标定的智能视频监控方法，包括如下步骤：
步骤一、采用摄像机自动标定方法，对摄像机进行标定，得到摄像机参数H，f，θ和γ；
步骤二、输入监控视频；
步骤三、提取视频中运动的目标，并对目标进行跟踪；
步骤四、把目标分为人、车和其它三大类别；
步骤五、对于人属目标利用公式（1）得到人的高度h，利用公式（2）得到当前人在所在监控平面上的坐标值（x，y），对于非人目标利用公式（2）分别得到非人目标四个边界上的特征点P1, P2, P3, P4的坐标值和非人目标中心点P0点的坐标值，根据坐标值计算得到P1P2，P3P4之间的距离，P1P2的距离为非人目标的宽度，P3P4的距离为非人目标的长度，并且结合目标在监控平面的当前坐标和历史坐标得到目标的真实速度；
步骤六、分析所有目标的轨迹及行为，判断目标是否触犯当前设置的警戒线，如果是则触发报警；
步骤七、输出所有目标的信息，包括轨迹，速度，大小和状态。
所述的基于摄像机自动标定的智能视频监控方法，其中根据提取的所述运动目标的轮廓特征对目标进行分类。
所述的基于摄像机自动标定的智能视频监控方法，其中根据步骤六得到的目标的真实大小和速度验证目标分类是否合理和目标是否是有效目标。
所述的基于摄像机自动标定的智能视频监控方法，其中当人属目标高度大于３ｍ则把该目标重新标记为其它目标。
所述的基于摄像机自动标定的智能视频监控方法，其中当非人目标的长和宽都小于0.5m时，将该非人目标认定为不属于感兴趣目标，直接舍弃。
相对于现有的于视频监控的摄像机标定方法，本发明的利用摄像机的自动标定方法，计算监控视频中可疑目标的三维信息，从而更好地理解目标的行为，并作出报警判断。系统在初始阶段能自动地选择运动的人体作为标定的参照物，根据人体的真实高度和图像中的高度计算摄像机的基本参数。标定方法是根据建立目标高度的数学模型而获得的解析解，而非通过几何模型获得，因此对摄像机的镜头畸变不敏感。应用标定得到的摄像机参数还原场景中运动目标的三维信息，包括速度、高度和大小等，进而可以验证目标的类别，过滤不感兴趣目标，提高报警的准确率。
附图说明
图1是本发明的摄像机自动标定的流程图；
图2是本发明的智能视频监控的流程图；
图3是摄像机坐标系同地面坐标系的关系图；
图4是人属目标的最小紧凑包围盒示意图；
图5是非人目标的最小紧凑包围盒示意图。
具体实施方式
如图1和2，本发明的基于摄像机自动标定的智能视频监控方法，包括两个大步骤：一、首先，对摄像机自动标定；二、对视频监控图像中应用标定结果，计算所有目标相关信息，实现智能视频监控。
对摄像机自动标定如下：
应用现有技术中的运动检测、跟踪和分类方法选择视频中的一个人作为标定的参照物；
计算参照物的最小紧凑包围盒，进一步地提取目标的特征点，用来得到参照物的大小，速度等参数；
如图3，摄像机坐标系同地面坐标系的关系，根据摄像机的成像角度，得到实际监控平面上参照物的高度和位置的确定公式，
参照物的高度公式：
Figure 922392DEST_PATH_IMAGE003
（1）
参照物的位置坐标公式：
Figure 146700DEST_PATH_IMAGE004
             （2）
其中
Figure 208197DEST_PATH_IMAGE005
，
Figure 302667DEST_PATH_IMAGE006
为监控视频图像的光心坐标，可以近似认为是图像的中心，
Figure 715194DEST_PATH_IMAGE001
为参照物底点端在监控视频图像中的坐标，
Figure 743193DEST_PATH_IMAGE002
为参照物顶点在监控视频图像中的坐标，H为摄像机离监控平面的高度，θ为摄像机的俯仰角，即图3中摄像机光轴Zc与监控平面的夹角，γ为摄像机的横滚角，即图3中摄像机的轴Xc与监控平面的夹角，f为摄像机的焦距。
该确定的公式对镜头的畸变不是很敏感；
由于参照物是走动的，所以可以得到多组参照物在监控视频图像中的参照物数据，应用随机采样一致性算法（RANSAC）剔除不好的数据，最终保留至少四组参照物数据，输入系统自动选定的作为参照物的人员的真实高度h，把保留的参照物数据和真实高度h代入公式（1）得到一个非线性方程组，通过优化算法计算出未知的摄像机参数H，f，θ和γ，成功实现对摄像机的自动标定。
对摄像机标定结束后，可以采用如下方法对标定结果进行验证：
在监控平面上选择一个竖直杆，计算竖直杆的高度，或计算监控平面上两个点之间的距离，判断计算的高度或距离同真实距离的差异来验证标定的精度，如果差距大，表明标定有误，必须重新标定。
实际使用时，摄像机的标定步骤也可以如下：
1．输入监控视频。
2．应用现有运动检测算法，可以用背景建模方法或帧差法，提取视频序列中运动的目标，并对目标进行跟踪。
3．根据提取的运动目标的轮廓特征（细长度、周长、长宽比、弧矩）把目标分为人、车和其它三大类别。
4．在属于人的类别中选择一个目标作为参照物，条件是该目标历史上的形状变化比较稳定，且具备足够长的运动轨迹。
5．在参照物的运动轨迹线上至少选择四个不同位置作为候选的标记点，提取每个标记点中参照物在图像上的底点P1 和顶点P2 ，目标底点是目标最小紧凑包围盒下边框的中点，目标顶点是目标最小紧凑包围盒上边框的中点（如图4所示）。
根据摄像机的成像角度，得到实际监控平面上参照物的高度和位置的确定公式，
参照物的高度公式：
Figure 76588DEST_PATH_IMAGE003
（1）
参照物的位置坐标（x，y）确定公式：
Figure 455748DEST_PATH_IMAGE004
             （2）
其中
Figure 757416DEST_PATH_IMAGE005
，
Figure 117991DEST_PATH_IMAGE006
为监控视频图像的光心坐标，可以近似认为是图像的中心，
Figure 505110DEST_PATH_IMAGE001
为参照物底点端在监控视频图像中的坐标，
Figure 937228DEST_PATH_IMAGE002
为参照物顶点在监控视频图像中的坐标，H为摄像机离监控平面的高度，θ为摄像机的俯仰角，即图3中摄像机光轴Zc与监控平面的夹角，γ为摄像机的横滚角，即图3中摄像机的轴Xc与监控平面的夹角，f为摄像机的焦距。其中公式（2）中只需要参照物底点端在监控视频图像中的坐标
Figure 827824DEST_PATH_IMAGE001
，即可得到该参照物在实际监控平面上的坐标位置。
6. 由于参照物是走动的，所以可以得到多组参照物在监控视频图像中的参照物数据，应用随机采样一致性算法（RANSAC）剔除不好的数据，最终保留至少四组参照物数据，输入系统自动选定的作为参照物的人员的真实高度h，把保留的参照物数据和真实高度h代入公式（1）得到一个非线性方程组，通过优化算法计算出未知的摄像机参数H，f，θ和γ，成功实现对摄像机的自动标定。
7．标定结果验证，选择图像中属于地平面的一个点及其竖直方向上的一个点，用公式（1）计算两个点之间的高度，或者用公式（2）计算平面上任意两点间的距离，判断计算的高度或距离是否同真实值接近，如果相差很大则表明标定结果不准确，必须重新标定。
二、对视频监控中应用标定结果，实现智能视频监控的步骤如下：
1．输入监控视频。
2．应用运动检测算法，可以用背景建模方法或帧差法，提取视频序列中运动的目标，并对目标进行跟踪。
3．根据提取的运动目标的轮廓特征（细长度、周长、长宽比、弧矩）把目标分为人、车和其它三大类别。
4．计算每个目标的最小紧凑包围盒，并提取相应的特征点，如图4，对于人属目标（目标分类为人的目标）利用公式（1）计算人的高度h，利用公式（2）计算当前人在所在平面上的坐标值（x，y），如图5，对于非人目标（目标分类为车和其他的目标）利用公式（2）分别计算出P1, P2, P3, P4, 各个点在所在实际平面（比如地面）的坐标和P0点在所在实际平面的坐标值，根据坐标值计算得到P1P2，P3P4之间的距离，P1P2的距离为目标的宽度，P3P4的距离为目标的长度。结合目标在平面的当前坐标和历史坐标就能计算出目标的真实速度。P1, P2, P3, P4为非人目标的最小紧凑包围盒四个边界的中点，P0为非人目标的中心点。
5．根据步骤4得到的目标的真实大小和速度验证目标分类的合理性及目标的有效性，例如，人属目标的高度大于３ｍ则把该目标重新标记为其它，把长宽都小于0.5m的非人目标认定为不属于感兴趣目标，直接舍弃。利用该方法能有效地过滤大多数树枝摆动引起的碎片，地上小动物和天空中飞舞的小虫等。
6．分析所有目标的轨迹及行为，判断目标是否触犯当前设置的警戒线，如果是则触发报警。这样的警戒线可以是设置在监控视频图像中的一条线，当目标轨迹触碰到这条线时，触发报警。
7．输出所有目标的信息，包括轨迹，速度，大小和状态。
    本系统适用于任何监控场景为平面的情况；标定阶段，如果场景比较空旷，则应该派遣一名人员在监控平面内走动，走动的范围尽可能地遍布摄像机的视场；输入系统自动选定的人员的真实高度；如果条件允许，首先输入摄像机参数H，f，θ和γ的目测值作为算法优化的初值，这样能提高标定的精度；在视频画面中用鼠标选择平面上的一个点和该点竖直方向的另外一个点，用公式（1）计算两点之间的高度，或者在视频画面中用鼠标选择平面上两个点，用公式（2）间接计算两点之间的距离，判断计算得到的高度或距离是否同实际值有差异，如果差异比较大，则认为标定结果有误，可以通过修改摄像机参数H，f，θ和γ的初值再次计算，然后再验证。
本发明采用摄像机自动标定，避免手工标记参考点的操作，用最小紧凑包围盒代替包围盒能提高计算结果的精度，相对于基于消失点和消失线的几何模型，标定过程减少人工标记，操作简单。标定方法是根据建立目标高度的数学模型而获得的解析解，而非传统的几何解，因此减少了镜头畸变的影响。基于标定的结果，计算目标的三维信息，进而提高目标行为的理解能力。
以上所述及图中所示的仅是本发明的优选实施方式。应当指出，对于本领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干变型和改进，这些也应视为属于本发明的保护范围。

Claims (10)

1.一种摄像机自动标定方法，包括如下步骤：
选定视频图像中的运动的人属目标作为参照物；
在参照物的运动轨迹线上至少选择四个不同位置作为标记点，提取每个标记点上参照物在视频图像上的底点P1                                              
Figure 502435DEST_PATH_IMAGE001
和顶点P2
Figure 983095DEST_PATH_IMAGE002
；
根据摄像机坐标系与监控平面坐标系的关系，得到参照物的实际高度公式：
Figure 275536DEST_PATH_IMAGE003
（1）
参照物在监控平面上的位置坐标（x，y）公式：
Figure 945683DEST_PATH_IMAGE004
             （2）
其中
Figure 639969DEST_PATH_IMAGE005
，
Figure 291530DEST_PATH_IMAGE006
为监控视频图像的光心坐标，可以近似认为是图像的中心，
Figure 399164DEST_PATH_IMAGE001
为参照物底点端在监控视频图像中的坐标，
Figure 794373DEST_PATH_IMAGE002
为参照物顶点在监控视频图像中的坐标，H为摄像机离监控平面的高度，θ为摄像机的俯仰角，γ为摄像机的横滚角， f为摄像机的焦距；
    输入自动选定的作为参照物的所述人属目标的真实高度h和所述参照物的至少四组在监控视频图像上的底点P1
Figure 343166DEST_PATH_IMAGE001
和顶点P2
Figure 241327DEST_PATH_IMAGE002
参照物数据；
    得到摄像机参数H，f，θ和γ，实现对摄像机的自动标定。
2.如权利要求1的摄像机自动标定方法，其中所述底点P1 和顶点P2
Figure 707261DEST_PATH_IMAGE002
分别是参考物的目标最小紧凑包围盒下边框的中点和目标最小紧凑包围盒上边框的中点。
3.如权利要求1的摄像机自动标定方法，其中所述参照物数据应用随机采样一致性算法（RANSAC）剔除不好的数据。
4.如权利要求1的摄像机自动标定方法，其中还包括如下步骤：
对摄像机标定结束后，在监控平面上选择一个竖直杆，计算竖直杆的高度，或计算监控平面上两个点之间的距离，判断计算的高度或距离同真实距离的差异来验证标定的精度，如果差距大，表明标定有误，重新标定。
5.如权利要求1的摄像机自动标定方法，其中当监控平面比较空旷时，则应该派遣一名人员作为参照物在监控平面内走动，走动的范围尽可能地遍布摄像机的视场。
6.一种基于摄像机自动标定的智能视频监控方法，包括如下步骤：
步骤一、采用如权利要求1-5之一的摄像机自动标定方法，对摄像机进行标定，得到摄像机参数H，f，θ和γ；
步骤二、输入监控视频；
步骤三、提取视频中运动的目标，并对目标进行跟踪；
步骤四、把目标分为人、车和其它三大类别；
步骤五、对于人属目标利用公式（1）得到人的高度h，利用公式（2）得到当前人在所在监控平面上的坐标值（x，y），对于非人目标利用公式（2）分别得到非人目标四个边界上的特征点P1, P2, P3, P4的坐标值和非人目标中心点P0点的坐标值，根据坐标值计算得到P1P2，P3P4之间的距离，P1P2的距离为非人目标的宽度，P3P4的距离为非人目标的长度，并且结合目标在监控平面的当前坐标和历史坐标得到目标的真实速度；
步骤六、分析所有目标的轨迹及行为，判断目标是否触犯当前设置的警戒线，如果是则触发报警；
步骤七、输出所有目标的信息，包括轨迹，速度，大小和状态。
7.如权利要求6的基于摄像机自动标定的智能视频监控方法，其中根据提取的所述运动目标的轮廓特征对目标进行分类。
8.如权利要求6的基于摄像机自动标定的智能视频监控方法，其中根据步骤六得到的目标的真实大小和速度验证目标分类是否合理和目标是否是有效目标。
9.如权利要求6的基于摄像机自动标定的智能视频监控方法，其中当人属目标高度大于３ｍ则把该目标重新标记为其它目标。
10.如权利要求6的基于摄像机自动标定的智能视频监控方法，其中当非人目标的长和宽都小于0.5m时，将该非人目标认定为不属于感兴趣目标，直接舍弃。
CN201210161275.4A 2012-05-23 2012-05-23 一种基于摄像机自动标定的智能视频监控方法 Expired - Fee Related CN102722894B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210161275.4A CN102722894B (zh) 2012-05-23 2012-05-23 一种基于摄像机自动标定的智能视频监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210161275.4A CN102722894B (zh) 2012-05-23 2012-05-23 一种基于摄像机自动标定的智能视频监控方法

Publications (2)

Publication Number Publication Date
CN102722894A true CN102722894A (zh) 2012-10-10
CN102722894B CN102722894B (zh) 2014-10-15

Family

ID=46948640

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210161275.4A Expired - Fee Related CN102722894B (zh) 2012-05-23 2012-05-23 一种基于摄像机自动标定的智能视频监控方法

Country Status (1)

Country Link
CN (1) CN102722894B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103646420A (zh) * 2013-12-12 2014-03-19 浪潮电子信息产业股份有限公司 一种基于自学习算法的智能三维场景还原方法
CN105741275A (zh) * 2016-01-26 2016-07-06 浙江捷尚视觉科技股份有限公司 一种基于固定相机自动标定的人车目标特征提取方法
CN109583267A (zh) * 2017-09-28 2019-04-05 京东方科技集团股份有限公司 车辆用目标检测方法、车辆用目标检测装置和车辆
CN109961483A (zh) * 2017-12-22 2019-07-02 比亚迪股份有限公司 汽车及单目摄像头的标定方法、系统
CN111489398A (zh) * 2019-12-19 2020-08-04 阿里巴巴集团控股有限公司 一种成像设备标定方法以及装置
WO2020181773A1 (zh) * 2019-03-11 2020-09-17 西安光启未来技术研究院 一种快速测量摄像机视野盲区距离的方法和系统
CN113643350A (zh) * 2021-07-21 2021-11-12 宜宾中星技术智能系统有限公司 在视频画面上进行立体测量的方法、装置、终端设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101814184A (zh) * 2010-01-15 2010-08-25 北京智安邦科技有限公司 基于线段的标定方法和装置
US20100295948A1 (en) * 2009-05-21 2010-11-25 Vimicro Corporation Method and device for camera calibration
CN102103747A (zh) * 2009-12-16 2011-06-22 中国科学院电子学研究所 采用参照物高度的监控摄像机外部参数标定方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100295948A1 (en) * 2009-05-21 2010-11-25 Vimicro Corporation Method and device for camera calibration
CN102103747A (zh) * 2009-12-16 2011-06-22 中国科学院电子学研究所 采用参照物高度的监控摄像机外部参数标定方法
CN101814184A (zh) * 2010-01-15 2010-08-25 北京智安邦科技有限公司 基于线段的标定方法和装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MORZINGER, R.等: "Improved person detection in industrial environments using multiple self-calibrated cameras", 《ADVANCED VIDEO AND SIGNAL-BASED SURVEILLANCE (AVSS), 2011 8TH IEEE INTERNATIONAL CONFERENCE ON》, 2 September 2011 (2011-09-02), pages 486 - 491 *
WEIMING HU等: "A survey on visual surveillance of object motion and behaviors", 《SYSTEMS, MAN, AND CYBERNETICS, PART C: APPLICATIONS AND REVIEWS, IEEE TRANSACTIONS ON》, vol. 34, no. 3, 31 August 2004 (2004-08-31), pages 334 - 352 *
杨敏: "视频监控摄像机自标定的一种新方法", 《南京邮电大学学报(自然科学版)》, vol. 29, no. 4, 31 August 2009 (2009-08-31), pages 31 - 34 *
毛海力: "监控视频中的对象跟踪与速度估计", 《万方学位论文数据库》, 31 May 2010 (2010-05-31) *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103646420A (zh) * 2013-12-12 2014-03-19 浪潮电子信息产业股份有限公司 一种基于自学习算法的智能三维场景还原方法
CN105741275A (zh) * 2016-01-26 2016-07-06 浙江捷尚视觉科技股份有限公司 一种基于固定相机自动标定的人车目标特征提取方法
CN105741275B (zh) * 2016-01-26 2018-07-17 浙江捷尚视觉科技股份有限公司 一种基于固定相机自动标定的人车目标特征提取方法
CN109583267A (zh) * 2017-09-28 2019-04-05 京东方科技集团股份有限公司 车辆用目标检测方法、车辆用目标检测装置和车辆
US11482013B2 (en) 2017-09-28 2022-10-25 Beijing Boe Technology Development Co., Ltd. Object tracking method, object tracking apparatus, vehicle having the same, and computer-program product
CN109961483A (zh) * 2017-12-22 2019-07-02 比亚迪股份有限公司 汽车及单目摄像头的标定方法、系统
CN109961483B (zh) * 2017-12-22 2022-03-18 比亚迪股份有限公司 汽车及单目摄像头的标定方法、系统
WO2020181773A1 (zh) * 2019-03-11 2020-09-17 西安光启未来技术研究院 一种快速测量摄像机视野盲区距离的方法和系统
CN111489398A (zh) * 2019-12-19 2020-08-04 阿里巴巴集团控股有限公司 一种成像设备标定方法以及装置
CN111489398B (zh) * 2019-12-19 2023-06-20 阿里巴巴集团控股有限公司 一种成像设备标定方法以及装置
CN113643350A (zh) * 2021-07-21 2021-11-12 宜宾中星技术智能系统有限公司 在视频画面上进行立体测量的方法、装置、终端设备
CN113643350B (zh) * 2021-07-21 2023-09-12 宜宾中星技术智能系统有限公司 在视频画面上进行立体测量的方法、装置、终端设备

Also Published As

Publication number Publication date
CN102722894B (zh) 2014-10-15

Similar Documents

Publication Publication Date Title
CN102722894B (zh) 一种基于摄像机自动标定的智能视频监控方法
Moers et al. The exid dataset: A real-world trajectory dataset of highly interactive highway scenarios in germany
Sochor et al. Comprehensive data set for automatic single camera visual speed measurement
Wu et al. Automatic lane identification using the roadside LiDAR sensors
Munigety et al. Semiautomated tool for extraction of microlevel traffic data from videographic survey
CN110379168B (zh) 一种基于Mask R-CNN的交通车辆信息获取方法
Du et al. Vision-based approach towards lane line detection and vehicle localization
CN105261034B (zh) 一种高速公路上车流量的统计方法及装置
CN104575003B (zh) 一种基于道路监控视频的车辆速度检测方法
Zhang et al. A real-time curb detection and tracking method for UGVs by using a 3D-LIDAR sensor
CN108230254A (zh) 一种自适应场景切换的高速交通全车道线自动检测方法
CN109828267A (zh) 基于实例分割和深度摄像头的变电站巡检机器人障碍物检测和测距方法
CN110555397A (zh) 一种人群态势分析方法
CN106327880B (zh) 一种基于监控视频的车速识别方法及其系统
Sehestedt et al. Robust lane detection in urban environments
Twaddle et al. Modeling the speed, acceleration, and deceleration of bicyclists for microscopic traffic simulation
CN107808524A (zh) 一种基于无人机的道路交叉口车辆检测方法
CN111402632B (zh) 一种交叉口行人运动轨迹的风险预测方法
EP3879446A3 (en) Method for detecting vehicle lane change, roadside device, cloud control platform and program product
CN106446785A (zh) 基于双目视觉的可行道路检测方法
Tarko et al. Tscan: Stationary lidar for traffic and safety studies—object detection and tracking
CN105243354B (zh) 一种基于目标特征点的车辆检测方法
Qing et al. A novel particle filter implementation for a multiple-vehicle detection and tracking system using tail light segmentation
CN110633492A (zh) 一种仿真机器人Android平台的车道偏离预警方法
Kuzmic et al. Comparison between Filtered Canny Edge Detector and Convolutional Neural Network for Real Time Lane Detection in a Unity 3D Simulator.

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: Hangzhou City, Zhejiang province Yuhang District 311121 West Street Wuchang No. 998 building 7 East

Applicant after: ZHEJIANG ICARE VISION TECHNOLOGY Co.,Ltd.

Address before: 310013, Zhejiang, Xihu District, Hangzhou, Tian Shan Road, No. 398, Kun building, 4 floor, South Block

Applicant before: ZHEJIANG ICARE VISION TECHNOLOGY Co.,Ltd.

C53 Correction of patent of invention or patent application
CB02 Change of applicant information

Address after: Hangzhou City, Zhejiang province Yuhang District 311121 West Street Wuchang No. 998 building 7 East

Applicant after: ZHEJIANG ICARE VISION TECHNOLOGY Co.,Ltd.

Address before: Hangzhou City, Zhejiang province Yuhang District 311121 West Street Wuchang No. 998 building 7 East

Applicant before: ZHEJIANG ICARE VISION TECHNOLOGY Co.,Ltd.

COR Change of bibliographic data

Free format text: CORRECT: APPLICANT; FROM: HANGZHOU ICARE VISION TECHNOLOGY CO., LTD. TO: ZHEJIANG ICARE VISION TECHNOLOGY CO., LTD.

C14 Grant of patent or utility model
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Intelligent video monitoring method based on automatic calibration of camera

Effective date of registration: 20190821

Granted publication date: 20141015

Pledgee: Hangzhou Yuhang Small and Medium-sized Enterprise Transfer Service Co.,Ltd.

Pledgor: ZHEJIANG ICARE VISION TECHNOLOGY Co.,Ltd.

Registration number: Y2019330000020

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: 20141015