CN102799862A - 高清视频监控图像的行人快速定位、事件检测系统及方法 - Google Patents
高清视频监控图像的行人快速定位、事件检测系统及方法 Download PDFInfo
- Publication number
- CN102799862A CN102799862A CN2012102227951A CN201210222795A CN102799862A CN 102799862 A CN102799862 A CN 102799862A CN 2012102227951 A CN2012102227951 A CN 2012102227951A CN 201210222795 A CN201210222795 A CN 201210222795A CN 102799862 A CN102799862 A CN 102799862A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- image
- target
- detection area
- video 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.)
- Pending
Links
Images
Abstract
本发明高清视频监控图像的行人快速定位、事件检测系统及方法,该系统由高清视频监控图像增强处理模块、行人目标快速检测定位模块、设定侦测区域灰度图像二值化处理模块、行人目标及运动轨迹图像倾斜度校正模块、行人目标运动轨迹跟踪及行为特征提取模块和行人目标事件检测及可信度评估模块组成。与现有技术相比,本发明具有针对200万像素以上的高清视频监控背景下行人目标快速定位及其行为分析(事件检测)以及非均匀光照条件下高清视频监控图像增强处理效果好、动态范围大、行人目标快速定位及其行为分析(事件检测)精度高、误报率低等优点,同时嵌入式软件设计可大大提高软件可信、可靠度和稳定性,降低前端嵌入式系统参数设置难度。
Description
技术领域
本发明涉及一种可用于公共安全、停车管理、智能交通、综合应急等领域复杂监控场景下基于高清视频监控图像的行人快速定位、事件检测系统及方法。
背景技术
近年来,高清摄像机越来越多地应用于公共安全、停车管理、智能交通、综合应急等领域复杂背景下的高清视频监控。基于传统标清视频监控图像的行人目标定位及事件检测方法无法直接转化为针对复杂场景下的高清视频监控图像,主要原因在于200万像素以上的高清视频监控图像分辨率高,监控场景大、图像背景复杂,设定侦测区域行人目标快速定位及事件检测难度大,误报率高。复杂场景下的高清视频监控图像中有多个行人目标需同时定位并结合现场管理需求判断事件检测类型,而现有基于标清视频监控图像的行人目标识别及事件检测方法一般仅针对简单背景下的单一目标。此外,高清视频监控图像设定侦测区域中行人目标快速定位及事件检测方法,不仅要求准确率高、误报率低,而且要求定位速度快。因此如何在高清视频监控图像(设定侦测区域)中快速、准确地定位行人目标并实施事件检测,是现有智能分析技术中普遍面临且亟待解决的问题。
发明内容
本发明针对现有技术缺陷,提供一种图像增强效果好,定位速度快,事件检测准确率高的基于高清视频监控图像的行人快速定位、事件检测系统及方法。
为实现上述目的,本发明的技术方案是:基于高清视频监控图像的行人快速定位、事件检测系统,该系统由高清视频监控图像增强处理模块、行人目标快速检测定位模块、设定侦测区域灰度图像二值化处理模块、行人目标及运动轨迹图像倾斜度校正模块、行人目标运动轨迹跟踪及行为特征提取模块和行人目标事件检测及可信度评估模块组成;
其中,所述高清视频监控图像增强处理模块用于实现对前端高清视频监控摄像机实时采集图像的数字增强处理,根据高清视频监控图像中背景/场景和内容/目标图像实时确定图像滤波器模板类型及加权系数,获取最佳信噪比增强图像,提高后续行人定位及事件检测精度,消除图像噪声干扰;
所述行人目标快速检测定位模块用于实现设定侦测区域与动态背景图像间实时比对,采用自适应梯度检测定位算法对其中行人目标进行快速检测、定位;
所述设定侦测区域灰度图像二值化处理模块用于实现设定侦测区域图像转换为灰度图像后的二值化处理;
所述行人目标及运动轨迹图像倾斜度校正模块用于实现非均匀光照条件下高清视频监控图像设定侦测区域中行人目标倾斜度校正等图像运动补偿功能,以提高设定侦测区域图像中行人目标定位及识别精度;
所述行人目标运动轨迹跟踪及行为特征提取模块根据实时检测到的高清视频监控图像设定侦测区域中行人目标运动轨迹及行为特征进行样本匹配,实现行人目标行为特征快速分类及识别实现在经图像倾斜度校正后的二值化图像中行人目标运动轨迹图像分割及特征提取;
所述行人目标事件检测及可信度评估模块采用动态样本聚类分析法实现行人目标运动轨迹图像匹配识别和本地行人目标运动轨迹图像(特征)样本库中特征样本的优化、调整。
本发明的另一目的是提供基于高清视频监控图像的行人快速定位、事件检测方法,具体包括以下步骤:
步骤1,高清视频监控图像增强处理模块对高清摄像机实时采集的高清视频监控图像进行增强处理,实时比对设定侦测区域图像与动态背景图像,对实时采集的高清视频监控图像中设定侦测区域行人目标进行快速检测、定位;
步骤2,行人目标快速检测定位模块将实时检测到的设定侦测区域行人目标图像映射到原始高清视频监控图像设定侦测区域动态背景图像中,依据预置报警门限及现场管理需求排除检测出行人目标中干扰成份,跟踪行人目标运动轨迹,对行人目标行为特征进行分类;
步骤3,将高清视频监控图像中设定侦测区域图像转换为灰度图像,并对高清视频监控图像中设定侦测区域灰度图像进行二值化处理;
步骤4,将行人目标运动轨迹与管理样本库模板进行实时比对,确定设定侦测区域行人目标行为特征及事件/检测类型;
步骤5,实时学习、优化管理样本库行人目标行为特征及事件/检测类型,实时评估设定侦测区域行人目标事件/检测)类型可信度;
进一步,所述方法步骤5采用动态样本聚类分析法对行人目标行为特征及事件检测结果可信度进行评估。
本发明针对复杂背景下的高清(200万像素以上)视频监控图像行人目标快速定位及事件检测需求,嵌入式软件功能设计实现非均匀光照条件下高清视频监控图像增强处理和软件的可信、可靠性,行人目标快速检测、定位速度快,适应动态范围大、事件检测精度高,提高前端嵌入式系统(智能摄像机)可靠性和稳定性,降低现场参数设置要求和难度。
附图说明
图1为本发明基于高清视频监控图像的行人事件检测方法流程图;
图2为本发明基于高清视频监控图像的行人事件检测软件流程。
具体实施方式
下面通过附图和实施例,对本发明技术方案做进一步的详细描述。
图1为本发明高清视频监控图像的行人目标快速定位及事件检测方法流程图,如图所示,本发明具体技术实现方案包括如下步骤:
步骤201,对高清摄像机实时采集的高清视频监控图像进行增强处理(根据高清视频监控图像中背景和内容确定图像增强滤波器模板类型及加权系数),实时比对高清视频监控图像中设定侦测区域图像与动态背景图像之间的差别,对实时采集的高清视频监控图像中设定侦测区域行人目标进行快速检测、定位(采用自适应梯度检测定位算法);
步骤202,将实时检测到的高清视频监控图像中设定侦测区域行人目标图像映射到原始高清视频监控图像设定侦测区域动态背景图像中,依据预置报警门限及现场管理需求排除检测出行人目标中干扰成份,跟踪行人目标运动轨迹,对行人目标行为特征进行分类;
步骤203,将高清视频监控图像中设定侦测区域图像转换为灰度图像,并对高清视频监控图像中设定侦测区域灰度图像进行二值化处理;
步骤204,将行人目标运动轨迹与管理样本库模板进行实时比对,确定设定侦测区域行人目标行为特征及事件(检测)类型(采用自学习方式和择优判断算法形成的行人目标运动轨迹及行为特征);
步骤205,实时学习、优化管理样本库行人目标行为特征及事件(检测)类型(采用自学习方式和择优判断算法形成的行人目标运动轨迹及行为特征样本),实时评估设定侦测区域行人目标事件(检测)类型可信度。
所述的步骤205采用动态样本聚类分析法对行人目标运动轨迹、行为特征及事件检测结果可信度进行评估。
图2为本发明基于高清视频监控图像的行人事件检测的系统逻辑框图,基于高清视频监控图像的行人快速定位、事件检测系统,该系统由高清视频监控图像增强处理模块、设定侦测区域行人目标快速检测定位模块、设定侦测区域灰度图像二值化处理模块、行人目标及运动轨迹图像倾斜度校正模块、行人目标运动轨迹跟踪及行为特征提取模块和行人目标事件检测及可信度评估模块组成。
高清视频监控图像增强处理模块1实现对前端高清视频监控摄像机实时采集图像的数字增强处理,根据高清视频监控图像中背景(场景)和内容(目标)图像实时确定图像滤波器模板类型(自适应维纳滤波器)及加权系数,获取最佳信噪比增强图像,提高后续行人定位及事件检测精度;设定侦测区域行人目标快速检测定位模块2实现设定侦测区域与动态背景图像间实时比对,采用自适应梯度检测定位算法对其中行人目标进行快速检测、定位;设定侦测区域灰度图像二值化处理模块3实现设定侦测区域图像转换为灰度图像后的二值化处理;行人目标及运动轨迹图像倾斜度校正模块4基于垂直游程长统计的行人目标及运动轨迹图像倾斜度校正算法(水平倾斜度校正算法类似)实现设定侦测区域行人目标及运动轨迹图像倾斜度校正处理;行人目标运动轨迹跟踪及行为特征提取模块5实现在经图像倾斜度校正后的二值化图像中行人目标运动轨迹图像分割及特征提取;行人目标事件检测及可信度评估模块6采用动态样本聚类分析法实现行人目标运动轨迹图像匹配识别和本地行人目标运动轨迹图像(特征)样本库中特征样本的优化、调整。
本发明基于高清视频监控图像的行人事件检测系统流程如下:
高清视频监控图像增强处理模块
在高清视频监控系统中,现场高清视频监控摄像机的安装、参数设置及环境因素,造成实时采集的高清视频监控图像退化(图像变形、噪声覆盖等),将直接影响基于高清视频监控图像的行人目标定位及事件检测精度。
“高清视频监控图像增强处理”模块实现对前端高清视频监控摄像机实时采集图像的数字增强处理,根据高清视频监控图像中背景(场景)和内容(目标)实时确定图像滤波器模板类型(自适应维纳滤波器)及加权系数,获取最佳信噪比增强图像,提高行人目标定位及事件检测精度。
设定侦测区域行人目标快速检测定位模块
现场高清视频监控摄像机实时采集的高清视频监控图像,分辨率在200万像素以上(1920x1080),整幅图像实时处理量较大,将直接影响视频图像处理速度,从而影响系统后续行人目标定位及事件检测实时性。
现场高清视频监控摄像机实时采集图像中,根据系统现场监控场景及相关应用管理需求,可用于行人目标快速定位及事件检测的有效区域,是高清视频监控图像中的局部区域,可根据现场监控场景及应用管理需求进行设置,以提高高清视频监控图像(有效区域)处理速度和行人目标定位及事件检测实时性和有效性。“设定侦测区域行人目标快速检测定位”模块实现设定侦测区域与动态背景间图像实时比对,采用自适应梯度检测定位算法对其中行人目标进行快速检测、定位。
采用的自适应梯度检测定位算法能可同时检测出多个行人目标,并根据行人目标特征对行人目标进行匹配识别,根据设定侦测区域中行人目标的运动轨迹及图像特征,本发明采用金字塔算法对设定侦测区域行人目标运动轨迹进行分解(子图像),跟踪检测出行人目标运动轨迹及图像特征,最后将行人目标运动轨迹及图像特征与本地样本库中样本进行匹配(设置匹配门限和检测精度),并对行人目标运动轨迹及图像特征进行分类,最终确定行人目标类型并(自学习)优化本地样本库中样本图像。本发明设定金字塔算法的水平、垂直方向运动轨迹分解系数分别为γx(<1.0)和γy(<1.0),第一级分解由原始侦测区域运动轨迹图像I水平方向和垂直方向分别缩放γx和γy倍,得到第一级金字塔图像I1,再由I1水平方向和垂直方向运动轨迹分别缩放γx和γy倍,得到第二级金字塔图像I2,...,依此类推可作N(N=I,2,3,...)级分解(根据行人目标数量、识别精度及现场管理需求设定)。一般取γx=0.5,γy=0.5以便提高设定侦测区域行人目标运动轨迹图像分解速度,在设定侦测区域(待识别)目标数量≤20时,一般N取2。
对每一级金字塔图像进行彩色空间变换(转换为灰度图像),以减小设定侦测区域行人目标检测、定位及事件检测(运动轨迹图像)处理运算量,对于完成彩色空间变换的设定侦测区域图像,采用运动轨迹垂直边缘(轮廓)特征提取算法进行行人目标快速检测、定位,其特点是速度快、误报率低。
设定侦测区域灰度图像二值化处理模块
二值化处理是数字图像处理的基础,也是设定侦测区域图像行人目标识别的重要环节。灰度图像比彩色图像更容易进行二值化处理,本发明在将设定侦测区域图像转换为灰度图像后立即进行二值化处理,图像二值化处理方法很多,本发明针对现场管理需求及设定侦测区域行人目标图像特点、检测(定位)精度进行选择,在设定侦测区域行人目标定位算法中,如果环境光照均匀且对比度较强,则采用直方图法进行设定侦测区域图像二值化处理;若环境光照不均匀时,则无法直接采用直方图法进行设定侦测区域图像二值化处理,本发明采用设定侦测区域图像分割和灰度逻辑水平技术GLLT(Gray Logical Level Technique)算法有效解决光照不均匀和低对比度条件下的设定侦测区域图像二值化处理——根据设定侦测区域图像及行人目标图像特点,将设定侦测区域图像划分为若干个子区域(根据管理需求及目标数量),并在各子区域图像中对行人目标图像进行快速检测、定位及后续事件检测处理。GLLT算法流程如下:
1).设f(x,y)为设定侦测区域图像中(x,y)点灰度值,g(x,y)为其平滑后灰度值。根据设定侦测区域中行人目标图像模板W(一般取W=3),以行人目标图像中心计算(2W+l)×(2W+l)模板窗口灰度平均值:
2).设设定侦测区域图像中距离目标像素点(x,y)W个像素的8邻接像素点为P0,P1,…P7。若g(x,y)比其4邻接像素Pi,P(i+4)mod8,P(i+1)mod8,P(i+5)mod8(i=0,1,2,3)高T个灰度级,则(x,y)被划分为“白象素”(取值255);若g(x,y)比其4邻接像素Pi,P(i+4)mod8,P(i+1)mod8,P(i+5)mod8(i=0,1,2,3)低T个灰度级,则(x,y)被划分为“黑象素”(取值128);否则该象素标记为“未分类象素”(取值0)。判决规则为:
3).分区域计算取值255和128的像素所对应平均灰度图像值G1和G2。
4).按如下规则对取值为0的未分类像素进行分类:
GLLT算法适应性强、速度快、鲁棒性强,不需要复杂的参数设置,可有效解决诸如直方图法二值化处理时门限值较难确定问题。
行人目标图像及运动轨迹倾斜度校正模块
行人目标图像及运动轨迹倾斜度校正直接影响行人目标定位及事件检测精度,且倾斜度校正在整个行人目标定位及事件检测流程中所占比例较大,因此,行人目标图像及运动轨迹倾斜度校正算法效率是基于高清视频监控图像的行人事件检测算法的重点和难点。在行人目标及其运动轨迹图像中,主要有水平倾斜和垂直倾斜两类。本发明基于垂直游程长统计的行人目标图像及运动轨迹倾斜度校正算法(水平倾斜度校正算法类似)。
1).找出行人目标图像边框坐标,x0,x1,y0,yi并计算其中心坐标(xc,yc);
2).设边界位置偏移值为Dk,则像素点(x,y)移位到(xs,ys):
ys=y;
3).对给定Dk的位移图像,计算垂直方向黑白游程长度平方和;
4).设DMax为边界位置最大偏移值,对在区间[-DMax,+DMax]内任一整数偏移值Dk,计算垂直方向黑白游程长度平方和,找出最大值,则其所对应位移图像即为倾斜度校正后的图像。
行人目标运动轨迹跟踪及行为特征提取模块
行人目标运动轨迹图像分割是在经行人目标图像倾斜度校正后的二值化图像中,采用垂直投影法划分出行人目标运动轨迹子图像及其相互关联关系。该模块难点在于行人目标运动轨迹图像粘连(包括行人目标与背景之间的粘连)和噪声图像干扰,通过行人目标运动轨迹子图像预测和估计来指导行人目标运动轨迹图像粘连和噪声图像的分割。
行人目标事件检测及可信度评估模块
本发明采用动态样本聚类分析法对行人目标运动轨迹图像进行匹配识别,通过与本地行人目标运动轨迹图像(特征)样本库中特征样本进行比对(通过对这些样本的训练自适应得到权重系数),对行人目标运动轨迹图像(特征)样本数量、拟合度等指标进行评估,优化、调整行人目标运动轨迹图像(特征)样本数据,采用学习方式和择优判断算法形成的行人目标行为特征样本,以提高行人目标事件检测精度。
本发明具有针对复杂背景下高清(200万像素以上)视频监控图像行人目标快速定位以及非均匀光照条件下图像增强处理效果好、动态范围大、目标定位及事件检测精度高等优点,同时嵌入式软件设计可大大提高软件可信、可靠度和稳定性,降低前端嵌入式系统参数设置要求。
专业人员还可进一步意识到,结合本文所公开实施例各示例模块及算法步骤,可以电子硬件、计算机软件或二者结合方式实现,本文已按相关功能一般性描述各示例功能及实现流程,这些功能以何种方式实现,取决于相关技术方案应用和设计约束条件。专业技术人员可对特定应用使用不同技术实现方案来实现所描述功能,但这种实现不应认为超出本发明范围。
结合本文所公开实施例方法或技术实现方案,可以软件、嵌入式软件、硬件或相结合方式执行。软件模块可置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM或技术领域内所公知的任意其它形式存储介质中。
以上所述基于高清视频监控图像的行人事件检测方法及嵌入式软件技术实现方案,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明具体技术实现方案而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.高清视频监控图像的行人快速定位、事件检测系统,其特征在于,该系统由高清视频监控图像增强处理模块、行人目标快速检测定位模块、设定侦测区域灰度图像二值化处理模块、行人目标及运动轨迹图像倾斜度校正模块、行人目标运动轨迹跟踪及行为特征提取模块和行人目标事件检测及可信度评估模块组成;
其中,所述高清视频监控图像增强处理模块用于实对前端高清视频监控摄像机实时采集图像的数字增强处理,根据高清视频监控图像中背景/场景和内容/目标图像实时确定图像滤波器模板类型及加权系数,获取最佳信噪比增强图像,提高后续行人定位及事件检测精度,消除图像噪声干扰;
所述行人目标快速检测定位模块用于实现设定侦测区域与动态背景图像间实时比对,并采用自适应梯度检测定位算法对其中行人目标进行快速检测、定位;
所述设定侦测区域灰度图像二值化处理模块用于实现设定侦测区域图像转换为灰度图像后的二值化处理;
所述行人目标及运动轨迹图像倾斜度校正模块用于实现非均匀光照条件下高清视频监控图像设定侦测区域中行人目标倾斜度校正等图像运动补偿功能,以提高设定侦测区域图像中行人目标定位及识别精度;
所述行人目标运动轨迹跟踪及行为特征提取模块根据实时检测到的高清视频监控图像设定侦测区域中行人目标运动轨迹及行为特征进行样本匹配,实现行人目标行为特征快速分类及识别实现在经图像倾斜度校正后的二值化图像中行人目标运动轨迹图像分割及特征提取;
所述行人目标事件检测及可信度评估模块用于采用动态样本聚类分析法实现行人目标运动轨迹图像匹配识别和本地行人目标运动轨迹图像/特征样本库中特征样本的优化、调整。
2.高清视频监控图像的行人快速定位、事件检测系方法,其特征在于,具体包括以下步骤:
步骤1,高清视频监控图像增强处理模块对高清摄像机实时采集的高清视频监控图像进行增强处理,实时比对设定侦测区域图像与动态背景图像,对实时采集的高清视频监控图像中设定侦测区域行人目标进行快速检测、定位;
步骤2,行人目标快速检测定位模块将实时检测到的设定侦测区域行人目标图像映射到原始高清视频监控图像设定侦测区域动态背景图像中,依据预置报警门限及现场管理需求排除检测出行人目标中干扰成份,跟踪行人目标运动轨迹,对行人目标行为特征进行分类;
步骤3,将高清视频监控图像中设定侦测区域图像转换为灰度图像,并对高清视频监控图像中设定侦测区域灰度图像进行二值化处理;
步骤4,将行人目标运动轨迹与管理样本库模板进行实时比对,确定设定侦测区域行人目标行为特征及事件/检测类型;
步骤5,实时学习、优化管理样本库行人目标行为特征及事件/检测类型,实时评估设定侦测区域行人目标事件/检测)类型可信度。
3.根据权利要求2所述的高清视频监控图像设定侦测区域行人快速定位、事件检测方法,其特征在于,所述方法步骤5采用动态样本聚类分析法对行人目标行为特征及事件检测结果可信度进行评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102227951A CN102799862A (zh) | 2012-06-29 | 2012-06-29 | 高清视频监控图像的行人快速定位、事件检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102227951A CN102799862A (zh) | 2012-06-29 | 2012-06-29 | 高清视频监控图像的行人快速定位、事件检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102799862A true CN102799862A (zh) | 2012-11-28 |
Family
ID=47198962
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012102227951A Pending CN102799862A (zh) | 2012-06-29 | 2012-06-29 | 高清视频监控图像的行人快速定位、事件检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102799862A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106250A (zh) * | 2013-01-14 | 2013-05-15 | 浙江元亨通信技术股份有限公司 | 视频监控智能分析检索方法及其系统 |
CN103400159A (zh) * | 2013-08-05 | 2013-11-20 | 中国科学院上海微系统与信息技术研究所 | 快速移动场景中的目标分类识别方法及分类器获取方法 |
CN105117693A (zh) * | 2015-08-12 | 2015-12-02 | 杜宪利 | 基于光学标识的视频检测方法 |
CN107341445A (zh) * | 2017-06-07 | 2017-11-10 | 武汉大千信息技术有限公司 | 监控场景下行人目标的全景描述方法及系统 |
CN107735800A (zh) * | 2016-02-04 | 2018-02-23 | 华为技术有限公司 | 一种图像处理方法以及相关装置 |
TWI622000B (zh) * | 2015-09-29 | 2018-04-21 | 新加坡商雲網科技新加坡有限公司 | 行人偵測系統及方法 |
CN108062349A (zh) * | 2017-10-31 | 2018-05-22 | 深圳大学 | 基于视频结构化数据及深度学习的视频监控方法和系统 |
CN108197507A (zh) * | 2017-12-30 | 2018-06-22 | 刘智 | 一种隐私实时保护方法和系统 |
CN110245554A (zh) * | 2019-04-29 | 2019-09-17 | 中科智城(广州)信息科技有限公司 | 一种行人运动趋势的预警的方法、系统平台及存储介质 |
CN110677619A (zh) * | 2019-08-20 | 2020-01-10 | 青岛萨纳斯智能科技股份有限公司 | 一种智能监控视频处理方法 |
CN111368688A (zh) * | 2020-02-28 | 2020-07-03 | 深圳市商汤科技有限公司 | 行人监测方法及相关产品 |
CN111516605A (zh) * | 2020-04-28 | 2020-08-11 | 上汽大众汽车有限公司 | 多传感器监控设备及监控方法 |
CN112101170A (zh) * | 2020-09-08 | 2020-12-18 | 平安科技(深圳)有限公司 | 目标定位方法、装置、计算机设备及存储介质 |
CN113569645A (zh) * | 2021-06-28 | 2021-10-29 | 广东技术师范大学 | 基于图像检测的轨迹生成方法、装置及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334845A (zh) * | 2007-06-27 | 2008-12-31 | 中国科学院自动化研究所 | 一种基于轨迹序列分析和规则归纳的视频行为识别方法 |
CN101630360A (zh) * | 2008-07-14 | 2010-01-20 | 上海分维智能科技有限公司 | 一种在高清晰图像中识别车牌的方法 |
-
2012
- 2012-06-29 CN CN2012102227951A patent/CN102799862A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334845A (zh) * | 2007-06-27 | 2008-12-31 | 中国科学院自动化研究所 | 一种基于轨迹序列分析和规则归纳的视频行为识别方法 |
CN101630360A (zh) * | 2008-07-14 | 2010-01-20 | 上海分维智能科技有限公司 | 一种在高清晰图像中识别车牌的方法 |
Non-Patent Citations (1)
Title |
---|
邹依峰: "智能视频监控中的行人检测与跟踪方法研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103106250B (zh) * | 2013-01-14 | 2016-11-23 | 浙江元亨通信技术股份有限公司 | 视频监控智能分析检索方法及其系统 |
CN103106250A (zh) * | 2013-01-14 | 2013-05-15 | 浙江元亨通信技术股份有限公司 | 视频监控智能分析检索方法及其系统 |
CN103400159A (zh) * | 2013-08-05 | 2013-11-20 | 中国科学院上海微系统与信息技术研究所 | 快速移动场景中的目标分类识别方法及分类器获取方法 |
CN103400159B (zh) * | 2013-08-05 | 2016-09-07 | 中国科学院上海微系统与信息技术研究所 | 快速移动场景中的目标分类识别方法及分类器获取方法 |
CN105117693A (zh) * | 2015-08-12 | 2015-12-02 | 杜宪利 | 基于光学标识的视频检测方法 |
TWI622000B (zh) * | 2015-09-29 | 2018-04-21 | 新加坡商雲網科技新加坡有限公司 | 行人偵測系統及方法 |
CN107735800B (zh) * | 2016-02-04 | 2021-09-14 | 华为技术有限公司 | 一种图像处理方法以及相关装置 |
CN107735800A (zh) * | 2016-02-04 | 2018-02-23 | 华为技术有限公司 | 一种图像处理方法以及相关装置 |
CN107341445A (zh) * | 2017-06-07 | 2017-11-10 | 武汉大千信息技术有限公司 | 监控场景下行人目标的全景描述方法及系统 |
CN108062349A (zh) * | 2017-10-31 | 2018-05-22 | 深圳大学 | 基于视频结构化数据及深度学习的视频监控方法和系统 |
CN108062349B (zh) * | 2017-10-31 | 2022-03-08 | 深圳大学 | 基于视频结构化数据及深度学习的视频监控方法和系统 |
CN108197507A (zh) * | 2017-12-30 | 2018-06-22 | 刘智 | 一种隐私实时保护方法和系统 |
CN110245554A (zh) * | 2019-04-29 | 2019-09-17 | 中科智城(广州)信息科技有限公司 | 一种行人运动趋势的预警的方法、系统平台及存储介质 |
CN110245554B (zh) * | 2019-04-29 | 2021-06-29 | 中科智城(广州)信息科技有限公司 | 一种行人运动趋势的预警的方法、系统平台及存储介质 |
CN110677619A (zh) * | 2019-08-20 | 2020-01-10 | 青岛萨纳斯智能科技股份有限公司 | 一种智能监控视频处理方法 |
CN111368688A (zh) * | 2020-02-28 | 2020-07-03 | 深圳市商汤科技有限公司 | 行人监测方法及相关产品 |
CN111516605A (zh) * | 2020-04-28 | 2020-08-11 | 上汽大众汽车有限公司 | 多传感器监控设备及监控方法 |
CN111516605B (zh) * | 2020-04-28 | 2021-07-27 | 上汽大众汽车有限公司 | 多传感器监控设备及监控方法 |
CN112101170A (zh) * | 2020-09-08 | 2020-12-18 | 平安科技(深圳)有限公司 | 目标定位方法、装置、计算机设备及存储介质 |
CN113569645A (zh) * | 2021-06-28 | 2021-10-29 | 广东技术师范大学 | 基于图像检测的轨迹生成方法、装置及系统 |
CN113569645B (zh) * | 2021-06-28 | 2024-03-22 | 广东技术师范大学 | 基于图像检测的轨迹生成方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102799862A (zh) | 高清视频监控图像的行人快速定位、事件检测系统及方法 | |
CN102768731A (zh) | 基于高清视频图像目标自动定位识别系统及方法 | |
CN101630360B (zh) | 一种在高清晰图像中识别车牌的方法 | |
CN102902951A (zh) | 高清视频监控图像的车辆目标定位、事件检测系统及方法 | |
US10217229B2 (en) | Method and system for tracking moving objects based on optical flow method | |
US10198657B2 (en) | All-weather thermal-image pedestrian detection method | |
US9159137B2 (en) | Probabilistic neural network based moving object detection method and an apparatus using the same | |
CN109255350B (zh) | 一种基于视频监控的新能源车牌检测方法 | |
Kumar et al. | An efficient approach for detection and speed estimation of moving vehicles | |
CN103824070A (zh) | 一种基于计算机视觉的快速行人检测方法 | |
CN101937508A (zh) | 一种基于高清图像的车牌定位与识别方法 | |
CN104200466A (zh) | 一种预警方法及摄像机 | |
US20200293794A1 (en) | Methods and systems for accurately recognizing vehicle license plates | |
CN105335701A (zh) | 一种基于hog与d-s证据理论多信息融合的行人检测方法 | |
US20160210517A1 (en) | Image storage method and apparatus thereof | |
CN104902265A (zh) | 一种基于背景边缘模型的摄像机异常检测方法及系统 | |
CN111191535B (zh) | 基于深度学习的行人检测模型构建方法及行人检测方法 | |
CN111008574A (zh) | 一种基于形体识别技术的重点人员轨迹分析方法 | |
CN103530640A (zh) | 基于AdaBoost与SVM的无牌车辆检测方法 | |
CN108269221B (zh) | 一种jpeg重压缩图像篡改定位方法 | |
Shafie et al. | Smart video surveillance system for vehicle detection and traffic flow control | |
CN108009480A (zh) | 一种基于特征识别的图像人体行为检测方法 | |
CN102810203A (zh) | 基于高清视频监控图像的不明物品、事件检测系统及方法 | |
CN116342644A (zh) | 一种适用于煤场的智能化监控方法及系统 | |
CN112329671B (zh) | 一种基于深度学习的行人奔跑行为检测方法及相关组件 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20121128 |