CN103456009A - 目标检测方法与装置、监控系统 - Google Patents
目标检测方法与装置、监控系统 Download PDFInfo
- Publication number
- CN103456009A CN103456009A CN2013103822978A CN201310382297A CN103456009A CN 103456009 A CN103456009 A CN 103456009A CN 2013103822978 A CN2013103822978 A CN 2013103822978A CN 201310382297 A CN201310382297 A CN 201310382297A CN 103456009 A CN103456009 A CN 103456009A
- Authority
- CN
- China
- Prior art keywords
- pixel
- processing
- area
- similar
- target
- 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
Images
Abstract
本申请涉及目标检测方法与装置、监控系统,方法包括:在获取的视频图像中,对当前帧中正处理像素点,在前一帧图像中搜索与其最为相似的最相似像素点;根据最相似像素点的坐标位置和正处理的像素点的坐标位置关系,确定用于增加背景像素点和目标像素点之间的差异的增强系数;将增强系数作为权重参数引入对正处理像素点的判断,以判断正处理像素点是目标像素点或背景像素点。由于最相似像素点和正处理像素点的坐标位置关系可反映出目标的运动信息,据此来确定增强系数,将增强系数作为权重参数引入目标判断中,以便扩大目标和背景之间的差异,从而可在目标与背景差异较小的情况下更容易地实现目标与背景的分割,达到目标检测的目的。
Description
技术领域
本申请涉及视频智能分析技术,特别涉及一种目标检测方法与装置、以及一种监控系统。
背景技术
在视频智能分析技术中,通常需要对场景中的目标进行检测、跟踪等处理。常用的目标检测方法包括帧间差分法和背景差分法。帧间差分法是一种通过对视频图像中相邻两帧作差分运算来获得运动目标轮廓的方法。当监控场景中出现异常物体运动时,帧与帧之间会出现较为明显的差别,两帧相减得到两帧图像亮度差的绝对值,通过判断它是否大于阈值来分析视频或图像序列的运动特性,确定图像序列中有无物体运动。背景差分法则首先将选定的背景图像储存起来,然后将序列图像当前帧与背景图像做减法运算,由于运动物体和背景在灰度或色彩上存在差别,相减后所得结果中每一像素的值和一个预先设定的阈值相比较,如果这个像素的值大于设定的阈值,则判定被监控的场景中存在运动物体,从而得到运动的目标。当目标与背景差异较小时,无论是采用帧间差分法或是背景差分法,都不容易检测到目标像素。
发明内容
根据本申请的第一方面,本申请提供一种目标检测方法,包括:相似查找步骤,在获取的视频图像中,对当前帧图像中正处理的像素点,在前一帧图像中搜索与所述正处理的像素点最为相似的最相似像素点;系数确定步骤,根据所述最相似像素点和所述正处理的像素点的坐标位置关系,确定用于增加背景像素点和目标像素点之间的差异的增强系数,所述增强系数随所述最相似像素点和所述正处理的像素点之间的距离的增加而增大;目标检测步骤,将所述增强系数作为权重参数引入对所述正处理的像素点的判断,以判断所述正处理的像素点是目标像素点或背景像素点。
进一步地,所述相似查找步骤包括:以所述正处理的像素点为中心,确定出匹配模板和第一区域,所述匹配模板的面积小于所述第一区域的面积;在所述前一帧图像中,以与所述正处理的像素点坐标位置相同的像素点作为中心,按所述匹配模板在对应的第一区域的范围进行遍历,确定出所述最相似像素点、最相似相关度和最不似相关度。
进一步地,所述系数确定步骤包括:以所述正处理的像素点为中心,确定出第二区域,所述第二区域的面积小于所述第一区域的面积;根据所述最相似像素点的坐标位置,判断其在当前帧图像中的对应像素点的坐标位置,如果所述对应像素点的坐标位置处于所述第二区域内,则设定所述增强系数为零,如果所述对应像素点的坐标位置处于所述第二区域之外且所述第一区域之内,则所述增强系数的计算公式为β=F*(d/R),其中F=(Qmax-Qmin)/Qmax,β表示所述增强系数,F表示差异程度参数,d表示所述正处理的像素点与所述最相似像素点之间的距离,R表示所述正处理的像素点与所述第一区域的最远的边缘点之间的距离,Qmax表示所述最不似相关度,Qmin表示所述最相似相关度。
优选地,所述第一区域为以所述正处理的像素点为圆心、第一预设尺寸为半径的圆形区域,所述第二区域为以所述正处理的像素点为圆心、第二预设尺寸为半径的圆形区域,所述第一预设尺寸大于所述第二预设尺寸;所述R为所述第一预设尺寸。
进一步地,所述目标检测步骤中,对所述正处理的像素点的判断采用帧间差分法或单一背景差分法,则对于所述正处理的像素点,计算其和在所述前一帧图像中与其坐标位置相同的像素点之间的亮度差,得到差异值,如果差异值加上所述增强系数与预设差分阈值的乘积的和大于所述预设差分阈值,则所述正处理的像素点属于目标像素点。
进一步地,所述目标检测步骤中,对所述正处理的像素点的判断采用多高斯分布模型的背景差分法,则对于所述正处理的像素点,假设其为第i个多高斯分布模型,i为正整数,则将前i-1个多高斯分布模型的权重之和乘以所述增强系数与1的和,得到新的权重值,如果所述新的权重值大于预设比例阈值,则所述正处理的像素点属于目标像素点。
根据本申请的第二方面,本申请提供一种目标检测装置,包括:相似查找模块,用于在获取的视频图像中,对当前帧图像中正处理的像素点,在前一帧图像中搜索与所述正处理的像素点最为相似的最相似像素点;系数确定模块,用于根据所述最相似像素点的坐标位置和所述正处理的像素点的坐标位置关系,确定用于增强背景像素点和目标像素点之间的差异的增强系数,所述增强系数随所述最相似像素点的坐标位置和所述正处理的像素点之间的距离的增加而增大;目标检测模块,用于将所述增强系数作为权重参数引入对所述正处理的像素点的判断,以判断所述正处理的像素点是目标像素点或背景像素点。
进一步地,所述在前一帧图像中搜索与所述正处理的像素点最为相似的最相似像素点包括:以所述正处理的像素点为中心,确定出匹配模板和第一区域,所述匹配模板的面积小于所述第一区域的面积;在所述前一帧图像中,以与所述正处理的像素点坐标位置相同的像素点作为中心,按所述匹配模板在对应的第一区域的范围进行遍历,确定出所述最相似像素点、最相似相关度和最不似相关度。
进一步地,所述确定用于增强背景像素点和目标像素点之间的差异的增强系数包括:以所述正处理的像素点为中心,确定出第二区域,所述第二区域的面积小于所述第一区域的面积;根据所述最相似像素点的坐标位置,判断其在当前帧图像中的对应像素点的坐标位置,如果所述对应像素点的坐标位置处于所述第二区域内,则设定所述增强系数为零,如果所述对应像素点的坐标位置处于所述第二区域之外且所述第一区域之内,则所述增强系数的计算公式为β=F*(d/R),其中F=(Qmax-Qmin)/Qmax,β表示所述增强系数,F表示差异程度参数,d表示所述正处理的像素点与所述最相似像素点之间的距离,R表示所述正处理的像素点与所述第一区域的最远的边缘点之间的距离,Qmax表示所述最不似相关度,Qmin表示所述最相似相关度。
根据本申请的第三方面,本申请提供一种监控系统,包括如上所述的目标检测装置。
本申请的有益效果是:由于最相似像素点和正处理像素点的坐标位置关系可反映出目标的运动信息,据此来确定增强系数,将增强系数作为权重参数引入目标判断中,以便扩大目标和背景之间的差异,从而可在目标与背景差异较小的情况下更容易地实现目标与背景的分割,达到目标检测的目的。
附图说明
图1为本申请一种实施例的目标检测方法的流程示意图;
图2为本申请一种实施例的目标检测方法的一种举例示意图;
图3为本申请一种实施例的目标检测装置的结构示意图;
图4为本申请一种实施例的监控系统的结构示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
实施例1:
如图1所示,本实施例提供了一种目标检测方法,其包括如下步骤S101~S105:
相似查找步骤S101,在获取的视频图像中,对当前帧图像中当前正在处理的像素点,在前一帧图像中搜索与该正处理的像素点最为相似的像素点,这里称为最相似像素点,该最相似像素点与该正处理的像素点之间的相关度最大。
对于获取的视频图像一般进行逐帧处理,当前帧图像即为当前正在处理的图像,然后在当前帧图像中逐像素点进行处理,即判断当前正在处理的像素点是属于背景的像素点,这里称为背景像素点,或是属于目标(即前景)的像素点,这里称为目标像素点。
本步骤S101中,以正处理的像素点为中心,确定出匹配模板和第一区域,匹配模板的面积小于第一区域的面积,然后在前一帧图像中,以与正处理的像素点坐标位置相同的像素点为中心,按匹配模板在对应的第一区域的范围内进行遍历,进行相似度比较,确定出最相似像素点、最相似相关度和最不似相关度。这里最相似相关度即是最相似像素点与正处理像素点之间的相关度,类似地,最不似相关度是指在第一区域内与正处理的像素点相似度最小的相似度,而最不似像素点是指在第一区域内与正处理的像素点的相似度最小的像素点。
相似度比较所采用的算法可以是常用的相似度计算方法,例如,一种相似度计算方法中,在当前帧图像中以正处理像素点P为中心,P的坐标位置为(x,y),取图像中预设大小的区域作为模板M,得到当前帧图像中该模板的关于像素值的一个值,例如模板中各像素点的像素值之和Sp,而在前一帧图像中,设在坐标位置为(x,y)的像素点为Q,以Q为中心在图像中选取预设大小的第一区域,然后在该第一区域中按模板M进行遍历,同样可得到前一帧图像中不同位置处模板的关于像素值的值Sq1、Sq2、…Sqn,n为总的位置个数,则相似度为Sp与Sqi(1≤i≤n)之间的差值的绝对值,从而可以得到n个差值的绝对值,该值越小越相似,其中最小值者为最相似相关度,其对应的模板所在位置的中心像素即为最相似像素点,而最大值者为最不似相关度。
系数确定步骤S103,根据最相似像素点与正处理的像素点的坐标位置关系,确定用于增强背景像素点和目标像素点之间的差异的增强系数,增强系数随最相似像素点和正处理的像素点之间的距离的增加而增大。
本步骤S103中,以该正处理的像素点为中心,确定出第二区域,第二区域的面积与匹配模板的面积相当,且小于第一区域的面积,然后根据前一帧图像中的最相似像素点的坐标位置(x’,y’),得到其在当前帧图像的对应像素点,该对应像素点坐标位置仍为(x’,y’),根据对应像素点的坐标位置确定增强系数。
在当前帧图像中,如果该对应像素点的坐标位置落在第二区域内,则设定增强系数β=0;如果该对应像素点的坐标位置落在第二区域外且第一区域内,则增强系数β=F*(d/R),其中F=(Qmax-Qmin)/Qmax,F表示差异程度参数,d表示正处理的像素点与最相似像素点之间的距离,R表示正处理的像素点与第一区域的最远的边缘点之间的距离,Qmax表示最不似相关度,Qmin表示所述最相似相关度。
一种具体实现中,第一区域为以正处理的像素点为圆心、第一预设尺寸为半径的圆形区域,第二区域为以正处理的像素点为圆心、第二预设尺寸为半径的圆形区域,第一预设尺寸大于第二预设尺寸;R为第一预设尺寸。也就是说,如图2所示,假定当前正在处理的像素点为P,以它为中心,取一个半径为R的大圆C1和一个半径为r的小圆C2,r比R小很多,以P为中心,取当前帧图像中大小为m*m的区域作为模板区域M,通常模板区域M的面积与小圆C2相当。M在大圆C1的范围与前一帧图像进行相似度比较,确定一个最相似像素点s及其对应的最相似相关度Qmin,以及最不相似相关度Qmax。如果最相似像素点s落在C2内,则β=0;如果最相似像素点s落在C2内且在C1内,则计算点s到点P的距离d,将最相似相关度与最不似相关度之间进行归一化得到代表最大差异程度参数F,F=(Qmax-Qmin)/Qmax,该参数F也代表了相似度的可信度,范围在0~1.0之间,如果大圆区域内的差异越小则可信度F就越低,由此设定该正处理的像素点的增强系数为β=F*(d/R)。
目标检测步骤S105,将增强系数作为权重参数引入对正处理的像素点的判断,即将增强系数作为权重参数引入目标检测所用算法中扩大目标与背景的差异,即以判断正处理的像素点是目标像素点或背景像素点。
常用的目标检测算法包括帧间差分法和背景差分法,背景差分法有单一背景差分法和以多高斯分布为模型的背景差分法。
无论帧间差分法或是单一背景差分法,其思想都可用数学形式表示为:d(x,y,t)=I(x,y,t)-u(x,y,t),其中I(x,y,t)表示第t时刻的当前帧图像的像素值I(x,y),u(x,y,t)表示第t时刻的背景图像(采用单一背景差分法时)或前一帧图像(采用帧间差分法时)的像素值u(x,y)。
如果是采用常用的帧间差分法或单一背景差分法,则当前正处理像素点的差异值为D=d(x,y,t),假设预设差分阈值为T,那么通常认为如果D>T,则该正处理像素点为目标像素点,这种常用的方法在目标和背景差异不大时,比较难区分出目标像素点和背景像素点。
而采用本实施例的增强系数,在帧间差分法或是单一背景差分法中,当前正处理像素点的差异值为D2=D+T*β,即将增强系数作为权重参数引入,增大了目标和背景的差异以达到目标和背景分割的条件,此时,如果D2>T,则认为正处理的像素点属于目标像素点。
而对于以多高斯分布为模型的背景差分法,其基本思想是将图像中每一个像素点的像素值看成是一个随机过程,并假设该点的某一像素值出现的概率服从多高斯分布,通过多个高斯概率密度函数的加权平均来平滑地近似任意形状的密度分布函数。令I(x,y,t)表示像素点(x,y)在t时刻的像素值,则有:
对于一个像素的K个高斯分量,根据ω/σ的值对它们进行从大到小的排列,对于满足下式的前b个高斯分布则被当做是背景模型:
其中Ratio是背景模型占有高斯分布的最小比例。
采用本实施例的增强系数,在以多高斯分布为模型的背景差分法中,将增强系数作为权重参数引入,使得高斯分布的加权系数之和增大,因为如上式所示,加权之和越大表示属于背景的可能性越大,也就是说,对于正处理的像素点,假设其为第i个多高斯分布模型,i为正整数,则将前i-1个多高斯分布模型的权重之和乘以(1+β),得到新的权重值,如果新的权重值大于预设比例阈值,则该正处理的像素点属于目标像素点。
本实施例中,由于最相似像素点和正处理像素点的坐标位置关系可反映出目标的运动信息,据此来确定增强系数,将增强系数作为权重参数引入目标判断中,以便扩大目标和背景之间的差异,从而可在目标与背景差异较小的情况下更容易地实现目标与背景的分割,达到目标检测的目的。
实施例2:
基于实施例1的目标检测方法,本申请实施例还提供了一种目标检测装置,如图3所示,包括:
相似查找模块301,用于在获取的视频图像中,对当前帧图像中正处理的像素点,在前一帧图像中搜索与正处理的像素点最为相似的最相似像素点,即,以正处理的像素点为中心,确定出匹配模板和第一区域,匹配模板的面积小于第一区域的面积,在前一帧图像中,以与正处理的像素点坐标位置相同的像素点作为中心,按匹配模板在对应的第一区域的范围进行遍历,确定出最相似像素点、最相似相关度和最不似相关度。
系数确定模块303,用于根据最相似像素点的坐标位置和正处理的像素点的坐标位置关系,确定用于增强背景像素点和目标像素点之间的差异的增强系数,增强系数随最相似像素点的坐标位置和正处理的像素点之间的距离的增加而增大,即以正处理的像素点为中心,确定出第二区域,第二区域的面积小于第一区域的面积,根据最相似像素点的坐标位置,判断其在当前帧图像中的对应像素点的坐标位置,如果对应像素点的坐标位置处于第二区域内,则设定增强系数为零,如果对应像素点的坐标位置处于第二区域之外且第一区域之内,则增强系数的计算公式为β=F*(d/R),其中F=(Qmax-Qmin)/Qmax,β表示增强系数,F表示差异程度参数,d表示正处理的像素点与最相似像素点之间的距离,R表示正处理的像素点与第一区域的最远的边缘点之间的距离,Qmax表示最不似相关度,Qmin表示最相似相关度。
目标检测模块305,用于将增强系数作为权重参数引入对正处理的像素点的判断,以判断正处理的像素点是目标像素点或背景像素点。
各模块的实现可参考前述实施例1中的相关说明,此处不作重述。类似地,本实施例的目标检测装置在目标与背景差异小时,例如夜间、雾天目标对比度低或者强光变化下,可利用运动信息有效地增强目标检测的能力。
实施例3:
本申请实施例还提供一种监控系统,如图4所示,包括:视频采集装置401、目标检测装置402和中央控制装置403。其中,视频采集装置401用于连续采集视频图像,将当前采集到的视频图像发送至目标检测装置402;目标检测装置402用于接收来自视频采集装置的视频图像,然后进行目标检测处理,其具体目标检测方法可参考前述实施例中的相关描述,此处不作重述;中央控制装置403用于接收来自目标检测装置的判断结果,并根据接收到的判断结果确定是否发出告警信号。
从上述技术方案可以看出,本申请实施例提供的目标检测方法、装置及监控系统,其基于正处理像素点及其最相似像素点的坐标关系,扩大背景和目标的分割界限,减小了场景光纤等客观因素对监控目标产生的干扰影响,提高目标检测的准确性。
本领域技术人员可以理解,上述实施方式中各种方法的全部或部分步骤可以通过程序来指令相关硬件完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器、随机存储器、磁盘或光盘等。
以上内容是结合具体的实施方式对本申请所作的进一步详细说明,不能认定本申请的具体实施只局限于这些说明。对于本申请所属技术领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干简单推演或替换。
Claims (10)
1.一种目标检测方法,其特征在于,包括:
相似查找步骤,在获取的视频图像中,对当前帧图像中正处理的像素点,在前一帧图像中搜索与所述正处理的像素点最为相似的最相似像素点;
系数确定步骤,根据所述最相似像素点和所述正处理的像素点的坐标位置关系,确定用于增加背景像素点和目标像素点之间的差异的增强系数,所述增强系数随所述最相似像素点和所述正处理的像素点之间的距离的增加而增大;
目标检测步骤,将所述增强系数作为权重参数引入对所述正处理的像素点的判断,以判断所述正处理的像素点是目标像素点或背景像素点。
2.如权利要求1所述的目标检测方法,其特征在于,所述相似查找步骤包括:
以所述正处理的像素点为中心,确定出匹配模板和第一区域,所述匹配模板的面积小于所述第一区域的面积;
在所述前一帧图像中,以与所述正处理的像素点坐标位置相同的像素点作为中心,按所述匹配模板在对应的第一区域的范围进行遍历,确定出所述最相似像素点、最相似相关度和最不似相关度。
3.如权利要求2所述的目标检测方法,其特征在于,所述系数确定步骤包括:
以所述正处理的像素点为中心,确定出第二区域,所述第二区域的面积小于所述第一区域的面积;
根据所述最相似像素点的坐标位置,判断其在当前帧图像中的对应像素点的坐标位置,
如果所述对应像素点的坐标位置处于所述第二区域内,则设定所述增强系数为零,
如果所述对应像素点的坐标位置处于所述第二区域之外且所述第一区域之内,则所述增强系数的计算公式为β=F*(d/R),其中F=(Qmax-Qmin)/Qmax,β表示所述增强系数,F表示差异程度参数,d表示所述正处理的像素点与所述最相似像素点之间的距离,R表示所述正处理的像素点与所述第一区域的最远的边缘点之间的距离,Qmax表示所述最不似相关度,Qmin表示所述最相似相关度。
4.如权利要求3所述的目标检测方法,其特征在于,所述第一区域为以所述正处理的像素点为圆心、第一预设尺寸为半径的圆形区域,所述第二区域为以所述正处理的像素点为圆心、第二预设尺寸为半径的圆形区域,所述第一预设尺寸大于所述第二预设尺寸;所述R为所述第一预设尺寸。
5.如权利要求4所述的目标检测方法,其特征在于,所述目标检测步骤中,对所述正处理的像素点的判断采用帧间差分法或单一背景差分法,则对于所述正处理的像素点,计算其和在所述前一帧图像中与其坐标位置相同的像素点之间的亮度差,得到差异值,如果差异值加上所述增强系数与预设差分阈值的乘积的和大于所述预设差分阈值,则所述正处理的像素点属于目标像素点。
6.如权利要求4所述的目标检测方法,其特征在于,所述目标检测步骤中,对所述正处理的像素点的判断采用多高斯分布模型的背景差分法,则对于所述正处理的像素点,假设其为第i个多高斯分布模型,i为正整数,则将前i-1个多高斯分布模型的权重之和乘以所述增强系数与1的和,得到新的权重值,如果所述新的权重值大于预设比例阈值,则所述正处理的像素点属于目标像素点。
7.一种目标检测装置,其特征在于,包括:
相似查找模块,用于在获取的视频图像中,对当前帧图像中正处理的像素点,在前一帧图像中搜索与所述正处理的像素点最为相似的最相似像素点;
系数确定模块,用于根据所述最相似像素点和所述正处理的像素点的坐标位置关系,确定用于增强背景像素点和目标像素点之间的差异的增强系数,所述增强系数随所述最相似像素点和所述正处理的像素点之间的距离的增加而增大;
目标检测模块,用于将所述增强系数作为权重参数引入对所述正处理的像素点的判断,以判断所述正处理的像素点是目标像素点或背景像素点。
8.如权利要求7所述的目标检测装置,其特征在于,所述在前一帧图像中搜索与所述正处理的像素点最为相似的最相似像素点包括:
以所述正处理的像素点为中心,确定出匹配模板和第一区域,所述匹配模板的面积小于所述第一区域的面积;
在所述前一帧图像中,以与所述正处理的像素点坐标位置相同的像素点作为中心,按所述匹配模板在对应的第一区域的范围进行遍历,确定出所述最相似像素点、最相似相关度和最不似相关度。
9.如权利要求8所述的目标检测装置,其特征在于,所述确定用于增强背景像素点和目标像素点之间的差异的增强系数包括:
以所述正处理的像素点为中心,确定出第二区域,所述第二区域的面积小于所述第一区域的面积;
根据所述最相似像素点的坐标位置,判断其在当前帧图像中的对应像素点的坐标位置,
如果所述对应像素点的坐标位置处于所述第二区域内,则设定所述增强系数为零,
如果所述对应像素点的坐标位置处于所述第二区域之外且所述第一区域之内,则所述增强系数的计算公式为β=F*(d/R),其中F=(Qmax-Qmin)/Qmax,β表示所述增强系数,F表示差异程度参数,d表示所述正处理的像素点与所述最相似像素点之间的距离,R表示所述正处理的像素点与所述第一区域的最远的边缘点之间的距离,Qmax表示所述最不似相关度,Qmin表示所述最相似相关度。
10.一种监控系统,其特征在于,包括如权利要求7-9任一项所述的目标检测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310382297.8A CN103456009B (zh) | 2013-08-28 | 2013-08-28 | 目标检测方法与装置、监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310382297.8A CN103456009B (zh) | 2013-08-28 | 2013-08-28 | 目标检测方法与装置、监控系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103456009A true CN103456009A (zh) | 2013-12-18 |
CN103456009B CN103456009B (zh) | 2016-04-20 |
Family
ID=49738337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310382297.8A Expired - Fee Related CN103456009B (zh) | 2013-08-28 | 2013-08-28 | 目标检测方法与装置、监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103456009B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106663325A (zh) * | 2014-08-06 | 2017-05-10 | 索尼半导体解决方案公司 | 图像处理装置、图像处理方法和程序 |
CN111104930A (zh) * | 2019-12-31 | 2020-05-05 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、电子设备及存储介质 |
CN112099482A (zh) * | 2019-05-28 | 2020-12-18 | 原相科技股份有限公司 | 可增加台阶距离判断精度的移动机器人 |
CN112288723A (zh) * | 2020-10-30 | 2021-01-29 | 北京市商汤科技开发有限公司 | 缺陷检测方法、装置、计算机设备及存储介质 |
CN112508846A (zh) * | 2020-10-30 | 2021-03-16 | 北京市商汤科技开发有限公司 | 缺陷检测方法及装置、电子设备和存储介质 |
CN116030396A (zh) * | 2023-02-27 | 2023-04-28 | 温州众成科技有限公司 | 一种用于视频结构化提取的精确分割方法 |
CN117278692A (zh) * | 2023-11-16 | 2023-12-22 | 邦盛医疗装备(天津)股份有限公司 | 一种医疗检测车病患监测数据脱敏保护方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504771A (zh) * | 2009-03-20 | 2009-08-12 | 北京航空航天大学 | 一种非参数化模型的视觉跟踪方法 |
WO2010083235A1 (en) * | 2009-01-13 | 2010-07-22 | Futurewei Technologies, Inc. | Image processing system and method for object tracking |
CN101827204A (zh) * | 2010-04-19 | 2010-09-08 | 成都索贝数码科技股份有限公司 | 一种运动目标侦测方法及系统 |
CN101923711A (zh) * | 2010-07-16 | 2010-12-22 | 西安电子科技大学 | 基于邻域相似性及掩模增强的sar图像变化检测方法 |
CN103020924A (zh) * | 2012-12-13 | 2013-04-03 | 武汉大学 | 基于相似场景的低照度监控图像增强方法 |
-
2013
- 2013-08-28 CN CN201310382297.8A patent/CN103456009B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010083235A1 (en) * | 2009-01-13 | 2010-07-22 | Futurewei Technologies, Inc. | Image processing system and method for object tracking |
CN101504771A (zh) * | 2009-03-20 | 2009-08-12 | 北京航空航天大学 | 一种非参数化模型的视觉跟踪方法 |
CN101827204A (zh) * | 2010-04-19 | 2010-09-08 | 成都索贝数码科技股份有限公司 | 一种运动目标侦测方法及系统 |
CN101923711A (zh) * | 2010-07-16 | 2010-12-22 | 西安电子科技大学 | 基于邻域相似性及掩模增强的sar图像变化检测方法 |
CN103020924A (zh) * | 2012-12-13 | 2013-04-03 | 武汉大学 | 基于相似场景的低照度监控图像增强方法 |
Non-Patent Citations (1)
Title |
---|
李劲菊 等: "一种复杂背景下运动目标检测与跟踪方法", 《仪器仪表学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106663325A (zh) * | 2014-08-06 | 2017-05-10 | 索尼半导体解决方案公司 | 图像处理装置、图像处理方法和程序 |
CN106663325B (zh) * | 2014-08-06 | 2020-06-16 | 索尼半导体解决方案公司 | 图像处理装置及其图像处理方法 |
CN112099482A (zh) * | 2019-05-28 | 2020-12-18 | 原相科技股份有限公司 | 可增加台阶距离判断精度的移动机器人 |
CN112099482B (zh) * | 2019-05-28 | 2024-04-19 | 原相科技股份有限公司 | 可增加台阶距离判断精度的移动机器人 |
CN111104930A (zh) * | 2019-12-31 | 2020-05-05 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、电子设备及存储介质 |
CN111104930B (zh) * | 2019-12-31 | 2023-07-11 | 腾讯科技(深圳)有限公司 | 视频处理方法、装置、电子设备及存储介质 |
CN112288723A (zh) * | 2020-10-30 | 2021-01-29 | 北京市商汤科技开发有限公司 | 缺陷检测方法、装置、计算机设备及存储介质 |
CN112508846A (zh) * | 2020-10-30 | 2021-03-16 | 北京市商汤科技开发有限公司 | 缺陷检测方法及装置、电子设备和存储介质 |
CN116030396A (zh) * | 2023-02-27 | 2023-04-28 | 温州众成科技有限公司 | 一种用于视频结构化提取的精确分割方法 |
CN117278692A (zh) * | 2023-11-16 | 2023-12-22 | 邦盛医疗装备(天津)股份有限公司 | 一种医疗检测车病患监测数据脱敏保护方法 |
CN117278692B (zh) * | 2023-11-16 | 2024-02-13 | 邦盛医疗装备(天津)股份有限公司 | 一种医疗检测车病患监测数据脱敏保护方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103456009B (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103456009B (zh) | 目标检测方法与装置、监控系统 | |
KR102129893B1 (ko) | 딥러닝 네트워크 및 평균 이동을 기반으로 하는 선박 자동추적 방법 및 시스템 | |
CN108062349B (zh) | 基于视频结构化数据及深度学习的视频监控方法和系统 | |
CN102073851B (zh) | 一种城市交通事故自动识别方法和系统 | |
US9361702B2 (en) | Image detection method and device | |
CN114299417A (zh) | 一种基于雷视融合的多目标跟踪方法 | |
CN103700087B (zh) | 移动侦测方法和装置 | |
CN109544592B (zh) | 针对相机移动的运动目标检测算法 | |
CN103971386A (zh) | 一种动态背景场景下的前景检测方法 | |
CN104112279B (zh) | 一种目标检测方法及装置 | |
CN105354791A (zh) | 一种改进的自适应混合高斯前景检测方法 | |
CN102867175B (zh) | 一种基于立体视觉的atm机行为分析方法 | |
CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
CN110633643A (zh) | 一种面向智慧社区的异常行为检测方法及系统 | |
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 | |
CN103164711A (zh) | 基于像素和支持向量机的区域人流密度估计的方法 | |
CN105469090B (zh) | 红外图像中基于频域残差的小目标检测方法及装置 | |
CN102789578A (zh) | 基于多源目标特征支持的红外遥感图像变化检测方法 | |
CN104766079A (zh) | 一种远距离红外弱小目标检测方法 | |
CN105279772A (zh) | 一种红外序列图像的可跟踪性判别方法 | |
CN102129559B (zh) | 基于PrimalSketch算法的SAR图像目标检测方法 | |
CN104599291B (zh) | 基于结构相似度和显著性分析的红外运动目标检测方法 | |
CN105469054B (zh) | 正常行为的模型构建方法及异常行为的检测方法 | |
CN106934332A (zh) | 一种多目标跟踪的方法 | |
RU2012151309A (ru) | Устройство обработки изображений и способ управления им |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160420 Termination date: 20180828 |
|
CF01 | Termination of patent right due to non-payment of annual fee |