CN104079800A - 一种视频监控中视频图像的抗抖动方法 - Google Patents
一种视频监控中视频图像的抗抖动方法 Download PDFInfo
- Publication number
- CN104079800A CN104079800A CN201410284570.8A CN201410284570A CN104079800A CN 104079800 A CN104079800 A CN 104079800A CN 201410284570 A CN201410284570 A CN 201410284570A CN 104079800 A CN104079800 A CN 104079800A
- Authority
- CN
- China
- Prior art keywords
- image
- video
- piece
- benchmark
- match
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000006073 displacement reaction Methods 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims description 46
- 238000013519 translation Methods 0.000 claims description 13
- 238000011524 similarity measure Methods 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 3
- 230000001915 proofreading effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 244000291564 Allium cepa Species 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Abstract
本发明涉及一种视频监控中视频图像的抗抖动方法，该方法包括：对视频图像序列进行背景建模，获取监控场景的背景图像，并将其作为参考图像；将参考图像分块，计算每个图像块的纹理特征，选取纹理特征较丰富的图像块作为基准图像块；在当前图像内搜索基准图像块的匹配区域，根据多个匹配区域相对于基准图像块的位移估算当前图像相对于参考图像的位移；最后使用图像的相对位移校正当前视频图像。本发明的视频图像抗抖动方法具有快速方便，安全可靠和精度高的特点。
Description
技术领域
本发明涉及视频监控与图像处理，特别涉及到视频监控中视频图像的抗抖动方法。
背景技术
在视频监控尤其是电力线实时监控中，由于相机架设位置较高，在大风天气或者由于地面震动，摄像头会出现上下左右的晃动，从而导致其输出的视频图像存在抖动现象，影响画面质量，因此需要采取技术手段使图像稳定，消除视频抖动，以改善监控质量。
视频抗抖动的基本方法是图像配准，即基于图像特征相似性计算两幅图像之间的几何变换（例如仿射变换），以此为基础建立图像之间像素点的映射关系。当前比较流行的图像配准技术是基于图像特征点的，首先对两幅图像分别提取关键点（例如角点），然后通过图像之间关键点的相似性度量和点集之间的几何一致性计算出图像之间的几何变换，最后使用这个几何变换将一幅图像中的像素点映射到另一幅图像中对应的像素点。这类基于特征点的方法在图像之间变形较大时也能取得较高的配准精度，但是也存在计算量较大和环境适应性不强的问题。
发明内容
本发明的目的在于克服上述现有技术中存在的不足，提供一种新的视频监控中图像抗抖动的方法。本发明的方法要能大幅度提高匹配精度，提高抗抖动效果，适应视频监控应用中连续的视频图像之间变形不大但是监控场景环境复杂多样的情况。
为达到上述发明目的，并且在假定了图像只有平移运动和轻微的变形前提下，本发明提供的视频抗抖动方法包括四个步骤：
第一步，对摄像头中捕捉到的视频图像序列进行背景建模，获取监控场景的背景图像，并将该获得的背景图像作为参考图像；
第二步，对所述的参考图像作网格化分块以形成多个图像块，计算每个图像块的纹理特征，并选取多个纹理信息丰富的图像块作为基准图像块；
第三步，在当前的监控图像中搜索，以找出与所述的基准图像块最匹配的区域，如果匹配成功的基准图像块达到预先设定的数目，则从所述匹配成功的基准图像块的多个相对位移量计算出当前的监控图像相对于参考图像的相对位移量；
第四步，根据计算出的监控图像中相对位移量对当前视频图像进行平移校正，平移校正后即可获取消除抖动后的监控图像。
在本发明视频监控中视频图像的抗抖动方法中，所述第一步中背景建模的方法或者为高斯混合模型、或者为码书模型，从背景模型中提取权值最大的模态作为参考图像的像素值，最后形成参考图像 。
在本发明视频监控中视频图像的抗抖动方法中，所述第二步中获得基础图像块的过程如下：2a.将参考图像划分成16×16共256个图像块；2b.计算每个图像块的纹理特征；2c.使用纹理特征丰富性指标将图像块按照从大到小的顺序排序，选取前个图像块作为基准图像块。
在本发明视频监控中视频图像的抗抖动方法中，纹理特征计算过程包括：先将图像块分别沿着8个方向（上、下、左、右、左上、右上、左下、右下，即进行平移，以获得8个子图像；在将图像块与上述8个方向的子图像分别进行差分，并将像素差分绝对值的累加值作为区域的相似度量，取上述8个相似度量的最小值作为图像块纹理特征丰富性指标，即；最后计算图像块匹配阈值，其公式为，其中。
在本发明视频监控中视频图像的抗抖动方法中，所述第三步中监控图像中搜索匹配基准图像块并计算位移量的过程为：
首先，在当前图像对应位置的16×16邻域内遍历搜索与基准图像块匹配的区域，计算每个区域的相似度量，并以相似度量最小的区域作为匹配区域，记录匹配区域与基准图像块的相对位移量和匹配相似度量；若匹配相似度量小于图像块匹配阈值，则认为基准图像块搜索匹配成功；
然后，统计搜索匹配成功的基准图像块的数目，若匹配成功数目≥阈值，则根据多个匹配成功区域的相对位移量，使用RANSAC算法估算图像的相对位移，若匹配成功区域数目＜阈值或者图像相对位移估算失败，则继续下一个基准图像块在当前图像的搜索匹配，若搜索匹配成功则重复图像相对位移估算步骤，直到所有的基准图像块都搜索完毕；若图像相对位移估算估算成功，则输出图像的相对位移量，并结束此步骤。
在本发明视频监控中视频图像的抗抖动方法中，根据图像的相对位移校正当前图像，因为所得图像相对位移量为亚像素精度，在对图像进行平移变换时需要作像素插值处理。
基于上述技术方案，本发明的视频监控图像的抗抖动方法在应用中取得了如下技术效果：
1. 处理快速。视频监控要求实时处理，本发明专利提出的算法只对参考图像提取特征，并且要求的匹配特征对也较少，因此算法的计算量不大，能够满足实时要求；
2. 安全可靠。视频监控的场景多种多样，本发明专利提出的算法能够根据图像内容自主选择图像特征并自适应的调整算法参数，因此在各种环境条件下都具有较高的可靠性和稳定性。
附图说明
图1是本发明一种视频监控中视频图像的抗抖动方法的操作流程图。
图2是本发明一种视频监控中视频图像的抗抖动方法中获取参考图像的流程框架图。
图3是本发明一种视频监控中视频图像的抗抖动方法中获取基准图像块的流程框架图。
图4是本发明一种视频监控中视频图像的抗抖动方法中计算相对位移的流程框架图。
图5是本发明一种视频监控中视频图像的抗抖动方法中图像校正的流程框架图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合附图和具体的实施例来对本发明进一步详细说明，但不能以此来限制本发明的保护范围。
请看图1，图1是本发明一种视频监控中视频图像的抗抖动方法的操作流程图。由图可知，在假定了视频监控中视频图像只有平移运动和轻微的变形前提下，本发明对视频图像抖动所采取的抗抖动方法具体包括：
第一步，对摄像头中捕捉到的视频图像序列进行背景建模，获取监控场景的背景图像，并将该获得的背景图像作为参考图像。图2为第一步骤的流程图。对所述视频图像序列进行背景建模是比较常见的技术，目前对视频背景进行建模的方法也有很多，比较常用的背景建模方式包括有高斯混合模型GMM和码书模型CODEBOOK，他们的具体算法可以参考“Chris Stauffer. Adaptive background mixture models for real-time tracking. 1999.”和“Kyungnam Kim. Real-time foreground–background segmentation using codebook model. 2005, Elsevier.”。本步骤中从背景模型提取背景图像将其作为参考图像：背景模型一般是多模态的，并且是对每个像素独立建模的，可以从每个像素的背景模型提取权值最大的像素值，最后形成参考图像。
第二步，对所述的参考图像作网格化分块以形成多个图像块，计算每个图像块的纹理特征，并选取多个纹理信息丰富的图像块作为基准图像块。图3为第二步的操作流程图。将参考图像作网格化分块：参考图像划分成16×16共256个图像块。以一幅704×576的D1图像为例，经过分块后，有256个尺寸为44*36的图像块。所述计算每个图像块的纹理特征包括：首先将图像块分别沿着8个方向（上、下、左、右、左上、右上、左下、右下，即进行平移，以获得8个子图像；然后将图像块与上述8个方向的子图像分别进行差分，并将像素差分绝对值的累加值作为区域的图像块相似度量，取上述8个图像块相似度量的最小值作为图像块纹理特征丰富性指标，即，其含义为由相似度计算纹理特征丰富性指标；最后计算出图像块匹配阈值，其计算公式为，其中为一个0到1之间的系数，例如可以取0.8，这个是由纹理特征丰富性指标计算出的图形块匹配阈值。
选取一定数量纹理信息较丰富的图像块作为基准图像块包括：使用纹理特征丰富性指标将图像块按照从大到小的顺序排序，选取前个图像块作为基准图像块，即基础图像块为，例如取值32或者64。
第三步，在当前的监控图像中搜索，以找出与所述的基准图像块最匹配的区域，如果匹配成功的基准图像块达到预先设定的数目，则从所述匹配成功的基准图像块的多个相对位移量计算出当前的监控图像相对于参考图像的相对位移量。图4为第三步的操作流程图。在当前图像内搜索基准图像块的匹配区域包括：首先在当前图像对应位置的16×16邻域内遍历搜索与基准图像块匹配的区域，计算每个区域的相似度量，并以相似度量最小的区域作为匹配区域，记录匹配区域与基准图像块的相对位移量和匹配相似度量；若匹配相似度量小于图像块匹配阈值，则认为基准图像块搜索匹配成功。
所述根据匹配图像块的多个相对位移量估算当前图像相对于参考图像的位移报考：统计搜索匹配成功的基准图像块的数目，若匹配成功数目≥阈值，则根据多个匹配成功区域的相对位移量，使用RANSAC算法估算图像的相对位移，若匹配成功区域数目＜阈值或者图像相对位移估算失败，则继续下一个基准图像块在当前图像的搜索匹配，若搜索匹配成功则重复图像相对位移估算步骤，直到所有的基准图像块都搜索完毕；若图像相对位移估算估算成功，则输出图像的相对位移，并结束此步骤。其中阈值。RANSAC算法可以参考文献“Fischler, M.A. and Bolles, R.C. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography. Communications of the ACM , 24(6): 381-395, 1981”。
第四步，根据计算出的监控图像中相对位移量对当前视频图像进行平移校正，平移校正后即可获取消除抖动后的监控图像。图5为第四步的操作流程图。上述根据图像的相对位移校正当前图像包括：根据相对位移对当前图像进行平移，确定平移前后两幅图像像素点的映射关系，因为相对位移量为亚像素精度，通过双线性插值计算新图像对应像素点的像素值。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，应当理解，本发明并不限于这里所描述的实现方案，这些实现方案描述的目的在于帮助本领域中的技术人员实践本发明。任何本领域中的技术人员很容易在不脱离本发明精神和范围的情况下进行进一步的改进和完善，因此本发明只受到本发明权利要求的内容和范围的限制，其意图涵盖所有包括在由所附权利要求所限定的本发明精神和范围内的备选方案和等同方案。
Claims (6)
1.一种视频监控中视频图像的抗抖动方法，其特征在于，该方法包括有如下步骤：
第一步，对摄像头中捕捉到的视频图像序列进行背景建模，获取监控场景的背景图像，并将该获得的背景图像作为参考图像；
第二步，对所述的参考图像作网格化分块以形成多个图像块，计算每个图像块的纹理特征，并选取多个纹理信息丰富的图像块作为基准图像块；
第三步，在当前的监控图像中搜索，以找出与所述的基准图像块最匹配的区域，如果匹配成功的基准图像块达到预先设定的数目，则从所述匹配成功的基准图像块的多个相对位移量计算出当前的监控图像相对于参考图像的相对位移量；
第四步，根据计算出的监控图像中相对位移量对当前视频图像进行平移校正，平移校正后即可获取消除抖动后的监控图像。
2.根据权利要求1所述的一种视频监控中视频图像的抗抖动方法，其特征在于，所述第一步中背景建模的方法或者为高斯混合模型、或者为码书模型，从背景模型中提取权值最大的模态作为参考图像的像素值，最后形成参考图像 。
3.根据权利要求2所述的一种视频监控中视频图像的抗抖动方法，其特征在于，所述第二步中获得基础图像块的过程如下：2a.将参考图像划分成16×16共256个图像块；2b.计算每个图像块的纹理特征；2c.使用纹理特征丰富性指标，将图像块按照从大到小的顺序排序，选取前个图像块为基准图像块。
4.根据权利要求3所述的一种视频监控中视频图像的抗抖动方法，其特征在于，纹理特征计算过程包括：先将图像块分别沿着8个方向（上、下、左、右、左上、右上、左下、右下，即进行平移，以获得8个子图像；在将图像块与上述8个方向的子图像分别进行差分，并将像素差分绝对值的累加值作为区域的相似度量，取上述8个相似度量的最小值作为图像块纹理特征丰富性指标，即；最后计算图像块匹配阈值，其公式为，其中。
5.根据权利要求2所述的一种视频监控中视频图像的抗抖动方法，其特征在于，所述第三步中监控图像中搜索匹配基准图像块并计算位移量的过程为：
首先，在当前图像对应位置的16×16邻域内遍历搜索与基准图像块匹配的区域，计算每个区域的相似度量，并以相似度量最小的区域作为匹配区域，记录匹配区域与基准图像块的相对位移量和匹配相似度量；若匹配相似度量小于图像块匹配阈值，则认为基准图像块搜索匹配成功；
然后，统计搜索匹配成功的基准图像块的数目，若匹配成功数目≥阈值，则根据多个匹配成功区域的相对位移量，使用RANSAC算法估算图像的相对位移，若匹配成功区域数目＜阈值或者图像相对位移估算失败，则继续下一个基准图像块在当前图像的搜索匹配，若搜索匹配成功则重复图像相对位移估算步骤，直到所有的基准图像块都搜索完毕；若图像相对位移估算估算成功，则输出图像的相对位移量，并结束此步骤。
6.根据权利要求2所述的一种视频监控中视频图像的抗抖动方法，其特征在于，根据图像的相对位移量校正当前图像，在对图像进行平移校正变换时需要作像素插值处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410284570.8A CN104079800A (zh) | 2014-06-24 | 2014-06-24 | 一种视频监控中视频图像的抗抖动方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410284570.8A CN104079800A (zh) | 2014-06-24 | 2014-06-24 | 一种视频监控中视频图像的抗抖动方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104079800A true CN104079800A (zh) | 2014-10-01 |
Family
ID=51600824
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410284570.8A Pending CN104079800A (zh) | 2014-06-24 | 2014-06-24 | 一种视频监控中视频图像的抗抖动方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104079800A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104580830A (zh) * | 2015-01-09 | 2015-04-29 | 安徽清新互联信息科技有限公司 | 一种面向视频监控的准静态图像抗抖动方法 |
| CN104567815A (zh) * | 2014-12-26 | 2015-04-29 | 北京航天控制仪器研究所 | 一种基于图像匹配的无人机载光电稳定平台自动侦察系统 |
| CN108734175A (zh) * | 2018-04-28 | 2018-11-02 | 北京猎户星空科技有限公司 | 一种图像特征的提取方法、装置及电子设备 |
| CN108880928A (zh) * | 2018-05-22 | 2018-11-23 | 国网山东省电力公司电力科学研究院 | 基于网格计算的分布式输电线路监控图像识别方法与系统 |
| CN112330618A (zh) * | 2020-10-29 | 2021-02-05 | 浙江大华技术股份有限公司 | 图像偏移检测方法、设备及存储介质 |
| CN112565607A (zh) * | 2020-12-03 | 2021-03-26 | 深圳市九象数字科技有限公司 | 一种智能安全帽图像防抖动方法及其装置 |
| CN114295058A (zh) * | 2021-11-29 | 2022-04-08 | 清华大学 | 一种建筑结构的整面动位移的测量方法 |
| CN115297285A (zh) * | 2022-10-09 | 2022-11-04 | 天津希格玛微电子技术有限公司 | 一种读出图像数据的方法、装置、计算机及存储介质 |
| CN116091796A (zh) * | 2023-04-11 | 2023-05-09 | 天之翼(苏州)科技有限公司 | 基于人工智能的无人机采集数据处理方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101447082A (zh) * | 2008-12-05 | 2009-06-03 | 华中科技大学 | 一种运动目标实时检测方法 |
| CN102637295A (zh) * | 2012-03-31 | 2012-08-15 | 北京智安邦科技有限公司 | 一种快速图像电子稳定方法及装置 |
-
2014
- 2014-06-24 CN CN201410284570.8A patent/CN104079800A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101447082A (zh) * | 2008-12-05 | 2009-06-03 | 华中科技大学 | 一种运动目标实时检测方法 |
| CN102637295A (zh) * | 2012-03-31 | 2012-08-15 | 北京智安邦科技有限公司 | 一种快速图像电子稳定方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 李刚: "改进的基于GMM的运动目标检测方法", 《计算机应用研究》 * |
| 胥欣: "混合高斯模型运动检测算法优化", 《计算机应用研究》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104567815A (zh) * | 2014-12-26 | 2015-04-29 | 北京航天控制仪器研究所 | 一种基于图像匹配的无人机载光电稳定平台自动侦察系统 |
| CN104580830B (zh) * | 2015-01-09 | 2017-12-19 | 安徽清新互联信息科技有限公司 | 一种面向视频监控的准静态图像抗抖动方法 |
| CN104580830A (zh) * | 2015-01-09 | 2015-04-29 | 安徽清新互联信息科技有限公司 | 一种面向视频监控的准静态图像抗抖动方法 |
| CN108734175A (zh) * | 2018-04-28 | 2018-11-02 | 北京猎户星空科技有限公司 | 一种图像特征的提取方法、装置及电子设备 |
| CN108880928A (zh) * | 2018-05-22 | 2018-11-23 | 国网山东省电力公司电力科学研究院 | 基于网格计算的分布式输电线路监控图像识别方法与系统 |
| CN112330618B (zh) * | 2020-10-29 | 2023-09-01 | 浙江大华技术股份有限公司 | 图像偏移检测方法、设备及存储介质 |
| CN112330618A (zh) * | 2020-10-29 | 2021-02-05 | 浙江大华技术股份有限公司 | 图像偏移检测方法、设备及存储介质 |
| CN112565607A (zh) * | 2020-12-03 | 2021-03-26 | 深圳市九象数字科技有限公司 | 一种智能安全帽图像防抖动方法及其装置 |
| CN114295058B (zh) * | 2021-11-29 | 2023-01-17 | 清华大学 | 一种建筑结构的整面动位移的测量方法 |
| CN114295058A (zh) * | 2021-11-29 | 2022-04-08 | 清华大学 | 一种建筑结构的整面动位移的测量方法 |
| CN115297285A (zh) * | 2022-10-09 | 2022-11-04 | 天津希格玛微电子技术有限公司 | 一种读出图像数据的方法、装置、计算机及存储介质 |
| CN115297285B (zh) * | 2022-10-09 | 2023-01-06 | 天津希格玛微电子技术有限公司 | 一种读出图像数据的方法、装置、计算机及存储介质 |
| CN116091796A (zh) * | 2023-04-11 | 2023-05-09 | 天之翼(苏州)科技有限公司 | 基于人工智能的无人机采集数据处理方法及系统 |
| CN116091796B (zh) * | 2023-04-11 | 2023-06-02 | 天之翼(苏州)科技有限公司 | 基于人工智能的无人机采集数据处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104079800A (zh) | 一种视频监控中视频图像的抗抖动方法 | |
| CN106875437B (zh) | 一种面向rgbd三维重建的关键帧提取方法 | |
| CN106940704A (zh) | 一种基于栅格地图的定位方法及装置 | |
| CN105872345A (zh) | 基于特征匹配的全帧电子稳像方法 | |
| CN104333675A (zh) | 一种基于球面投影的全景电子稳像方法 | |
| CN109974743B (zh) | 一种基于gms特征匹配及滑动窗口位姿图优化的视觉里程计 | |
| CN111027415B (zh) | 一种基于偏振图像的车辆检测方法 | |
| CN106408596B (zh) | 基于边缘的局部立体匹配方法 | |
| CN104299220A (zh) | 一种对Kinect深度图像中的空洞进行实时填充的方法 | |
| CN105574896B (zh) | 一种面向高分辨率视频的高效背景建模方法 | |
| US20170064279A1 (en) | Multi-view 3d video method and system | |
| CN110516639B (zh) | 一种基于视频流自然场景的人物三维位置实时计算方法 | |
| CN109063549B (zh) | 基于深度神经网络的高分辨率航拍视频运动目标检测方法 | |
| CN102256061A (zh) | 一种二维三维混合的视频稳定方法 | |
| CN104794737A (zh) | 一种深度信息辅助粒子滤波跟踪方法 | |
| CN105139355A (zh) | 一种深度图像的增强方法 | |
| CN109472802A (zh) | 一种基于边缘特征自约束的表面网格模型构建方法 | |
| CN112652020B (zh) | 一种基于AdaLAM算法的视觉SLAM方法 | |
| CN103269435A (zh) | 双目转多目虚拟视点合成方法 | |
| CN103778436A (zh) | 一种基于图像处理的行人姿态检测方法 | |
| CN104200453A (zh) | 基于图像分割和可信度的视差图像校正方法 | |
| CN102637295B (zh) | 一种快速图像电子稳定方法及装置 | |
| CN103428408A (zh) | 一种适用于帧间的图像稳像方法 | |
| CN107360377B (zh) | 一种车载视频稳像方法 | |
| CN104778673B (zh) | 一种改进的高斯混合模型深度图像增强方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| ASS | Succession or assignment of patent right |
Owner name: MAINTENANCE BRANCH OF STATE GRID SHANXI ELECTRIC P Free format text: FORMER OWNER: MAINTENANCE BRANCH OF STATE GRID SHANXI ELECTRIC POWER COMPANY Effective date: 20150408 Owner name: STATE GRID CORPORATION OF CHINA Free format text: FORMER OWNER: SHANGHAI BOHUI COMMUNICATION TECHNOLOGY CO., LTD. Effective date: 20150408 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| COR | Change of bibliographic data |
Free format text: CORRECT: ADDRESS; FROM: 201203 PUDONG NEW AREA, SHANGHAI TO: 100031 XICHENG, BEIJING |
|
| TA01 | Transfer of patent application right |
Effective date of registration: 20150408 Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant after: State Grid Corporation of China Applicant after: Maintenance ancillary firm of Guo Wang Shanxi Province Utilities Electric Co. Applicant after: Shanghai Bohui Communication Technology Co., Ltd. Address before: 201203, Shanghai Pudong New Area Zhangjiang hi tech park, No. 177 blue wave road, B District, 2 floor Applicant before: Shanghai Bohui Communication Technology Co., Ltd. Applicant before: Maintenance ancillary firm of Guo Wang Shanxi Province Utilities Electric Co. |
|
| CB02 | Change of applicant information |
Address after: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant after: State Grid Corporation of China Applicant after: Maintenance ancillary firm of Guo Wang Shanxi Province Utilities Electric Co. Applicant after: SHANGHAI BANDWEAVER TECHNOLOGIES CO., LTD. Address before: 100031 Xicheng District West Chang'an Avenue, No. 86, Beijing Applicant before: State Grid Corporation of China Applicant before: Maintenance ancillary firm of Guo Wang Shanxi Province Utilities Electric Co. Applicant before: Shanghai Bohui Communication Technology Co., Ltd. |
|
| COR | Change of bibliographic data | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141001 |