CN104732220B - 一种面向监控视频的特定颜色人体检测方法 - Google Patents
一种面向监控视频的特定颜色人体检测方法 Download PDFInfo
- Publication number
- CN104732220B CN104732220B CN201510155560.9A CN201510155560A CN104732220B CN 104732220 B CN104732220 B CN 104732220B CN 201510155560 A CN201510155560 A CN 201510155560A CN 104732220 B CN104732220 B CN 104732220B
- Authority
- CN
- China
- Prior art keywords
- msub
- mrow
- color
- key frame
- region
- 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.)
- Expired - Fee Related
Links
Abstract
本发明涉及一种面向监控视频的特定颜色人体检测方法。该方法首先由计算机读入视频文件,解码其关键帧获得待处理图像数据,其次利用改进的背景差法获取存在运动目标的区域,然后针对运动区域采用预先训练好的分类器检测是否存在具有指定颜色人体目标,最后针对人体区域采样验证其是否满足颜色条件。基于关键帧进行处理的策略有效降低处理资源,缩小处理范围,提高处理效率。对同一区域通过不同方法获得的边缘轮廓对比其相似性,有效降低背景被误检测为运动目标的情况;结合关键帧,仅在检测到有运动区域时才更新背景,可以进一步地加快处理速度。基于采样点HSV信息进行颜色验证,进一步确保检测准确度,并且缩小分析范围,兼顾了处理速度。
Description
技术领域
本发明属于面向公共安全预警的视频图像处理领域,具体涉及一种特定颜色人体检测方法。
背景技术
视频监控被广泛应用于公共安全领域,为公共安全管理部分预警与查证提供了有力的数据支撑。但目前面向监控视频的智能化分析程度还比较低,在面向监控视频的特定颜色人体检测方面,尚无公开的专门针对该应用的技术手段。特定颜色人体检测主要用于从海量监控视频中快速筛选或过滤身着指定颜色服装的人员,可以增强公安部门对特定嫌疑目标的监管效率,对预防和打击违法犯罪、追查嫌疑人员、维护社会和谐稳定等具有重要作用。面向监控视频的特定颜色人体检测是监控视频图像处理的重要功能。其处理流程为:首先从监控视频中获取图像数据,然后提取运动区域,进一步地进行人体检测,最后实现特定颜色人体检测。
针对特定颜色人体检测中的各个环节,现有的方法如专利201410110812.1采用ViBe算法为视频图像帧建立背景模型,通过融合帧差法的ViBe算法,分割出前景区域,该方法更新速度较慢;专利201110253323.8采用基于边缘检测和帧差法进行运动检测,专利201310586151.5结合相邻帧差法和混合高斯模型实现运动目标,上述方法的不足是易出现空洞区域;专利201010218630.8采用具有模糊性的模板检测多姿态人体,专利201310415544.X基于彩色与深度信息的人体检测方法,联合特征提取获得的特征用于人体检测,上述方法速度较慢;专利201110026465.0基于深度图像进行人体检测,不适用于常规的监控视频图像。
发明内容
针对现有特定颜色人体检测的技术空白,以及各关键环节现有方法的不足,本发明提出了面向监控视频的特定颜色人体检测方法,首先由计算机读入视频文件,解码其关键帧获得待处理图像数据,其次利用改进的背景差法获取存在运动目标的区域,然后针对运动区域采用预先训练好的分类器检测是否存在具有指定颜色人体目标,最后针对人体区域采样验证其是否满足颜色条件,包括:基于关键帧进行处理的策略、基于改进背景差法实现运动区域检测、基于特定颜色人体样本的HOG特征人体检测、基于纵向中轴10等分采样点的人体颜色验证。
下面对本发明中的技术方案阐述如下:
1、基于关键帧进行处理的策略
视频监控系统都要对原始视频数据压缩编码后进行传输和存储,因此对视频文件的处理应首先进行解码。本发明采取的策略是:对视频文件进行解码时,仅针对其中的关键帧进行后续处理,非关键帧则跳过。具体流程为:
Step1:载入视频文件,读取文件头信息;
Step2:读取帧对应的标志位,判断当前帧是否为关键帧。如是,则启动后续分析;如否,则跳至下一帧,重复Step2。
2、基于改进背景差法实现运动区域检测方法
背景差法是一种经典的运动检测方法,具有计算便捷、空洞区域少的优点。但不足是在背景刷新过程中容易导致个别背景区域被误判为运动目标。在本发明中,目的是基于关键帧检测特定颜色人体目标,因此运动区域有别于其它背景特征。基于此特点,将通过背景差法检测到的运动区域二值轮廓与原始彩色图像该区域基于边缘检测提取到的轮廓进行比对,判断两种轮廓的相似性以确定是否为真实运动区域;并且在检测到有真实运动区域时才刷新背景。其具体实现步骤为:
Step1:选取第一帧关键帧图像为初始背景帧,其中表示像素坐标;
Step2:令当前关键帧为,为关键帧处理序号,为像素坐标,将当前帧与背景帧进行差分二值化运算:
其中为二值化后的差值图像,为关键帧处理序号,为像素坐标,为二值化阈值,可人工动态设定,一般可设置为的灰度均值;
Step3:对当前二值化差值图像进行先腐蚀后膨胀的形态学运算:
其中为形态学模板,为腐蚀后的二值图像,为膨胀后的二值图像,为关键帧处理序号,为像素坐标;
Step4:对提取其中的非零像素点构成的区块序列,其中为各区块,总数为n。遍历该区块序列,如果每个区块的像素数都,则当前关键帧不含满足要求的运动区域,获取下一个关键帧,令,,转至Step2;若存在像素数的区块,则转至step5。其中为区块像素数量阈值,令当前关键帧的高、宽分别为、,可取值为;
Step5:遍历满足区块像素数量阈值条件的区块,其二值化轮廓为,在原始关键帧图像中提取对应区块的边缘轮廓为,计算轮廓距离为:
其中为轮廓集到轮廓集的有向Hausdorff距离,其计算方法为:
其中为欧式距离,的计算方法同理。
如果区块的,则当前关键帧的该区块有满足要求的运动区域,其中为当前轮廓相似度阈值,取值为周长的二分之一。类似地检测完当前关键帧的所有区块后,将当前关键帧更新为背景帧,即,然后获取下一个关键帧,令,转至Step2;若所有区块的,则当前关键帧无满足要求的运动区域,获取下一个关键帧,令,背景帧不更新,即,转至Step2;
按上述流程处理,直至所有关键帧处理完毕。
3、基于颜色分类样本的HOG特征人体检测方法
HOG特征是一种有效的人体形态描述方法。在本发明中,特定颜色人体具有与其他人体不同的形态特征。基于此特点,为了有效提高检测准确性,针对不同颜色的人体检测需求,选用对应定颜色人体图像作为训练正样本。具体实施步骤为:
Step1:将颜色划分为10大类:黑、灰、白、红、橙、黄、绿、青、蓝、紫,针对每一类颜色预先采集大量具有颜色人体区域图像作为正样本,并采集大量无此颜色人体区域图像作为负样本;
Step2:分别提取正负样本的HOG特征进行训练,建立对应于10大类颜色的10个Adaboost分类器;
Step3:根据待检测人体颜色,将待处理的运动区域图像输入该分类器,输出结果为是否存在该类颜色人体。
4、基于纵向中轴10等分采样点的人体颜色验证方法
本发明为了验证基于颜色分类样本的HOG特征人体检测结果,并加快处理速度,利用人体区域应具有大面积指定颜色的特点,对人体区域纵向中轴上采样其10等分点,并计算其HSV值进行分析,以验证是否为指定颜色。其具体实现步骤为:
Step1:提取人体区域纵向中轴线上的10等分点,为其像素坐标,为区域序号,为点序号,;
Step2:将10个等分点的颜色值从原始RGB空间转换到HSV空间,其色调、饱和度、亮度值分别为,,;
Step3:基于HSV色度空间检测10个采样点中为指定颜色像素点的数量,其中10类颜色像素点其HSV值需满足的条件为:
Step4:若,则判断当前区域存在特定颜色人体,否则该区域无特定颜色人体。为人体区域纵向10等分点中特定颜色像素点的数量阈值,一般取值在6到10之间。
本发明的优点在于:
1、基于关键帧进行处理的策略的创新点在于:
有效降低处理资源,缩小处理范围,提高处理效率。
2、基于改进背景差法实现运动区域检测的创新点在于:
(1)对同一区域通过不同方法获得的边缘轮廓对比其相似性,有效降低背景被误检测为运动目标的情况;
(2)结合关键帧,仅在检测到有运动区域时才更新背景,可以进一步地加快处理速度。
3、基于颜色分类样本的HOG特征人体检测方法的创新点在于:选择特定颜色人体作为正样本,可以提高训练所得分类器的准确性。
4、基于纵向中轴10等分采样点的人体颜色验证方法的创新点在于:基于采样点HSV信息进行颜色验证,进一步确保检测准确度,并且缩小分析范围,兼顾了处理速度。
附图说明
图1是本发明实施例的整体示意图;
图2是本发明基于改进背景差法实现运动区域检测的示意图。
具体实施方式
下面结合图示,对本发明的优选实施例作详细介绍。
本发明的人体目标检测工作流程如图1所示,首先计算机读入视频文件,解码其关键帧获得待处理图像数据,其次利用改进的背景差法获取存在运动目标的区域,然后针对运动区域采用预先训练好的分类器检测是否存在具有指定颜色人体目标,最后针对人体区域采样验证其是否满足颜色条件。该方法利用监控视频中特定颜色人体的运动特征与形态特征,能可靠地检测直立行走、奔跑的特定颜色人体目标。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,比如更改应用领域等,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
Claims (3)
1.一种面向监控视频的特定颜色人体检测方法,针对监控视频进行处理,首先由计算机读入视频文件,解码其关键帧获得待处理图像数据,其次利用改进背景差法获取存在运动目标的区域,然后针对运动区域采用预先训练好的分类器检测是否存在具有指定颜色人体目标,最后针对人体区域采样验证其是否满足颜色条件,其特征在于,包括:基于关键帧进行处理的策略、基于改进背景差法实现运动区域检测、基于特定颜色人体样本的HOG特征人体检测、基于纵向中轴10等分采样点的人体颜色验证;
所述基于改进背景差法实现运动区域检测方法,具体过程如下:
Step3.1:选取第一帧关键帧图像为初始背景帧IB(x,y),其中x,y表示像素坐标;
Step3.2:令当前关键帧为Ii(x,y),i为关键帧处理序号,将当前帧与背景帧进行差分二值化运算:
<mrow>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "}">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mo>|</mo>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>I</mi>
<mi>B</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>></mo>
<msub>
<mi>Th</mi>
<mi>B</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mo>|</mo>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>I</mi>
<mi>B</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>&le;</mo>
<msub>
<mi>Th</mi>
<mi>B</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中Di(x,y)为二值化后的差值图像,i为关键帧处理序号,ThB为二值化阈值,设置为IB的灰度均值;
Step3.3:对当前二值化差值图像进行先腐蚀后膨胀的形态学运算:
<mrow>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>D</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&CircleTimes;</mo>
<mi>S</mi>
</mrow>
<mrow>
<msub>
<mi>E</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&CirclePlus;</mo>
<mi>S</mi>
</mrow>
其中S为形态学模板,Ci(x,y)为腐蚀后的二值图像,Ei(x,y)为膨胀后的二值图像,i为关键帧处理序号;
Step3.4:对Ei(x,y)提取其中的非零像素点构成的区块序列Blocks={b1,b2,…,bn},其中b1,b2,…,bn为各区块,总数为n,遍历该区块序列,如果每个区块的像素数都<Thnum,则当前关键帧不含满足要求的运动区域,获取下一个关键帧,令i=i+1,IB(x,y)=IB(x,y),转至Step3.2;若存在像素数≥Thnum的区块,则转至step3.5,其中Thnum为区块像素数量阈值,令当前关键帧的高、宽分别为Height、Width,Thnum可取值为Thnum=(Height×Width)/200;
Step3.5:遍历满足区块像素数量阈值条件的区块bj,其二值化轮廓为O1j,在原始关键帧图像Ii(x,y)中提取对应区块的边缘轮廓为O2j,计算轮廓距离为:
Hj(O1,O2)=max(hj(O1,O2),hj(O2,O1))
其中hj(O1,O2)为轮廓集O1j到轮廓集O2j的有向Hausdorff距离,其计算方法为:
<mrow>
<msub>
<mi>h</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>O</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>O</mi>
<mn>2</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munder>
<mrow>
<mi>max</mi>
<mi> </mi>
<mi>min</mi>
</mrow>
<mrow>
<msub>
<mi>o</mi>
<mn>1</mn>
</msub>
<mo>&Element;</mo>
<msub>
<mi>O</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>o</mi>
<mn>2</mn>
</msub>
<mo>&Element;</mo>
<msub>
<mi>O</mi>
<mn>2</mn>
</msub>
</mrow>
</munder>
<mo>|</mo>
<mo>|</mo>
<msub>
<mi>o</mi>
<mn>1</mn>
</msub>
<mo>-</mo>
<msub>
<mi>o</mi>
<mn>2</mn>
</msub>
<mo>|</mo>
<mo>|</mo>
</mrow>
其中||·||为欧式距离,hj(O2,O1)的计算方法同理;
如果区块的Hj(O1,O2)<ThDj,则当前关键帧的该区块有满足要求的运动区域,其中ThDj为当前轮廓相似度阈值,取值为O1j周长的二分之一,类似地检测完当前关键帧的所有区块后,将当前关键帧更新为背景帧,即IB(x,y)=Ii(x,y),然后获取下一个关键帧,令i=i+1,转至Step3.2;若所有区块的Hj(O1,O2)≥ThDj,则当前关键帧无满足要求的运动区域,获取下一个关键帧,令i=i+1,背景帧不更新,转至Step3.2;
按上述流程处理,直至所有关键帧处理完毕。
2.根据权利要求1所述的一种面向监控视频的特定颜色人体检测方法,其特征在于,所述基于颜色分类样本的HOG特征人体检测方法,具体实施步骤为:
Step4.1:将颜色划分为10大类:黑、灰、白、红、橙、黄、绿、青、蓝、紫,针对每一类颜色预先采集大量具有颜色人体区域图像作为正样本,并采集大量无此颜色人体区域图像作为负样本;
Step4.2:分别提取正负样本的HOG特征进行训练,建立对应于10大类颜色的10个Adaboost分类器;
Step4.3:根据待检测人体颜色,将待处理的运动区域图像输入该分类器,输出结果为是否存在该类颜色人体。
3.根据权利要求1所述的一种面向监控视频的特定颜色人体检测方法,其特征在于,所述基于纵向中轴10等分采样点的人体颜色验证方法,其具体实现步骤为:
Step5.1:提取人体区域纵向中轴线上的10等分点Pmn(x,y),m为区域序号,n为点序号,n=1~10;
Step5.2:将10个等分点的颜色值从原始RGB空间转换到HSV空间,其色调、饱和度、亮度值分别为Hmn(x,y),Smn(x,y),Vmn(x,y);
Step5.3:基于HSV色度空间检测10个采样点中为指定颜色像素点的数量Target_num;
Step5.4:若Target_num≥ThP,则判断当前区域存在特定颜色人体,否则该区域无特定颜色人体,ThP为人体区域纵向10等分点中特定颜色像素点的数量阈值,取值在6到10之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510155560.9A CN104732220B (zh) | 2015-04-03 | 2015-04-03 | 一种面向监控视频的特定颜色人体检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510155560.9A CN104732220B (zh) | 2015-04-03 | 2015-04-03 | 一种面向监控视频的特定颜色人体检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104732220A CN104732220A (zh) | 2015-06-24 |
CN104732220B true CN104732220B (zh) | 2017-12-22 |
Family
ID=53456094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510155560.9A Expired - Fee Related CN104732220B (zh) | 2015-04-03 | 2015-04-03 | 一种面向监控视频的特定颜色人体检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104732220B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107766784A (zh) * | 2016-08-20 | 2018-03-06 | 宋坤骏 | 一种新型视频人数统计算法 |
CN106339719A (zh) * | 2016-08-22 | 2017-01-18 | 微梦创科网络科技(中国)有限公司 | 一种图像识别方法及装置 |
CN107103299B (zh) * | 2017-04-21 | 2020-03-06 | 天津大学 | 一种监控视频中的人数统计方法 |
CN107358242B (zh) * | 2017-07-11 | 2020-09-01 | 浙江宇视科技有限公司 | 目标区域颜色识别方法、装置及监控终端 |
CN108446697B (zh) * | 2018-03-06 | 2019-11-12 | 平安科技(深圳)有限公司 | 图片处理方法、电子装置及存储介质 |
CN108190296A (zh) * | 2018-03-07 | 2018-06-22 | 福建榕工环保机械制造有限公司 | 一种智能垃圾分类收集装置及智能垃圾分类收集系统 |
CN110298893A (zh) * | 2018-05-14 | 2019-10-01 | 桂林远望智能通信科技有限公司 | 一种行人衣着颜色识别模型的生成方法及装置 |
CN109859149B (zh) * | 2019-01-25 | 2023-08-08 | 成都泰盟软件有限公司 | 一种设定目标查找区域小动物运动跟踪方法 |
CN113011218B (zh) * | 2019-12-19 | 2024-03-01 | 合肥君正科技有限公司 | 一种车内监控检测中应对人员上下车自动更新背景的方法 |
CN112101090B (zh) * | 2020-07-28 | 2023-05-16 | 四川虹美智能科技有限公司 | 人体检测方法及装置 |
CN113965733A (zh) * | 2021-12-07 | 2022-01-21 | 中国联合网络通信集团有限公司 | 双目视频监控方法、系统、计算机设备及存储介质 |
CN114897762B (zh) * | 2022-02-18 | 2023-04-07 | 众信方智(苏州)智能技术有限公司 | 一种煤矿工作面采煤机自动定位方法及装置 |
CN117354525B (zh) * | 2023-12-05 | 2024-03-15 | 深圳市旭景数字技术有限公司 | 一种数字媒体实现高效存储和传输的视频编码方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102024145A (zh) * | 2010-12-01 | 2011-04-20 | 五邑大学 | 一种伪装人脸分层识别方法及系统 |
-
2015
- 2015-04-03 CN CN201510155560.9A patent/CN104732220B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102024145A (zh) * | 2010-12-01 | 2011-04-20 | 五邑大学 | 一种伪装人脸分层识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
面向自动柜员机智能安防的异常人脸检测技术和系统研发;王喆;《中国优秀硕士学位论文全文数据库信息科技辑》;20150131(第1期);I138-I139 * |
Also Published As
Publication number | Publication date |
---|---|
CN104732220A (zh) | 2015-06-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104732220B (zh) | 一种面向监控视频的特定颜色人体检测方法 | |
CN104866843B (zh) | 一种面向监控视频的蒙面人脸检测方法 | |
CN107578035A (zh) | 基于超像素‑多色彩空间的人体轮廓提取方法 | |
CN103761529B (zh) | 一种基于多色彩模型和矩形特征的明火检测方法和系统 | |
CN106446926A (zh) | 一种基于视频分析的变电站工人安全帽佩戴检测方法 | |
CN104616006B (zh) | 一种面向监控视频的胡须人脸检测方法 | |
CN102880863B (zh) | 一种基于可变形部件模型的车牌及驾驶员人脸定位方法 | |
WO2022027931A1 (zh) | 基于视频图像的运动车辆前景检测方法 | |
CN107705254B (zh) | 一种基于街景图的城市环境评估方法 | |
CN109670515A (zh) | 一种用于无人机影像中建筑物变化的检测方法及系统 | |
CN103544484A (zh) | 一种基于surf的交通标志识别方法及系统 | |
CN109740572A (zh) | 一种基于局部彩色纹理特征的人脸活体检测方法 | |
CN101447023B (zh) | 人头检测方法和系统 | |
CN104143077B (zh) | 基于图像的行人目标检索方法和系统 | |
CN106503638A (zh) | 用于颜色识别的图像处理、车辆颜色识别方法和系统 | |
CN105893963A (zh) | 一种筛选视频中单个行人目标的最佳易识别帧的方法 | |
CN103390151A (zh) | 人脸检测方法及装置 | |
CN106599880A (zh) | 一种面向无人监考的同人判别方法 | |
Oruklu et al. | Real-time traffic sign detection and recognition for in-car driver assistance systems | |
CN111260645A (zh) | 基于分块分类深度学习的篡改图像检测方法及系统 | |
CN109741406A (zh) | 一种监控场景下的车身颜色识别方法 | |
CN104657714B (zh) | 光照对称性与全局光照强度融合的无参考人脸光照评价方法 | |
CN105809699B (zh) | 一种基于图分割的车窗提取方法及系统 | |
CN103020198A (zh) | 一种在视频中搜索目标的方法 | |
CN104866844B (zh) | 一种面向监控视频的人群聚集检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
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: 20171222 Termination date: 20210403 |