CN104883539A - 一种用于关注区域防篡改的监控方法及系统 - Google Patents
一种用于关注区域防篡改的监控方法及系统 Download PDFInfo
- Publication number
- CN104883539A CN104883539A CN201510221448.0A CN201510221448A CN104883539A CN 104883539 A CN104883539 A CN 104883539A CN 201510221448 A CN201510221448 A CN 201510221448A CN 104883539 A CN104883539 A CN 104883539A
- Authority
- CN
- China
- Prior art keywords
- region
- brightness
- surveyed area
- interest
- background
- 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
Landscapes
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种用于关注区域防篡改的监控方法及系统,该方法包括:选取视频中的静止场景图像作为参考背景;在视频中确定关注区域、关联区域和亮度检测区域;计算参考背景分别与当前帧图像的关注区域、关联区域和亮度检测区域的相似度,并与预设的相似度与工作状态的对应关系确定当前帧图像的工作状态。本发明能够适应环境亮度的变化,防止发生漏检误检的情况。
Description
技术领域
本发明涉及视频监控技术领域,具体涉及一种用于关注区域防篡改的监控方法及系统。
背景技术
在传统的视频监控模式中,工作人员需要时刻地关注着场景内发生的情况。一方面,在该工作模式下,工作人员容易发生疲劳,从而导致关注区域发生漏检情况。另一方面,监控系统产生的海量视频数据,使得提取有价值的信息变得非常困难;一旦发生漏检情况,反复查找对应的视频会浪费时间,有时还会错过处理突出事件的最佳时间。
一些技术领域中(例如,金融行业中的银行、证券等),违法者对设备进行篡改,以达到非法获利的目的。因此,需要使用摄像机对监控区域进行拍摄,并对所拍摄的视频图像进行分析。现有技术中,经常通过图像帧的变化,来识别监测区域是否发生变化(即被篡改)。例如,常用的背景差值算法,采用自适应方法建立背景图像,通过计算当前图像帧与背景图像的差值来判断监测区域的变化,但是这种方法对场景内光线变化敏感,并且当关注区域发生长时间遮挡时无法有效判断关注区域是发生了改变还是被其他物体遮挡。因此基于上述算法建立起来的智能监控系统都存在一定的缺点,容易导致漏检误检结果。
发明内容
本发明要解决的技术问题是:如何实现适应环境亮度变化以及有效判断关注区域被遮挡发生改变的问题,从而防止发生漏检误检的情况。
为实现上述的发明目的,本发明提供了一种用于关注区域防篡改的监控方法及系统。
一方面,本发明提供了一种用于关注区域防篡改的监控方法,包括:
选取视频中静止场景图像作为参考背景;
在视频中确定关注区域、关联区域和亮度检测区域;
计算参考背景分别与当前帧图像的所述关注区域、所述关联区域和所述亮度检测区域的相似度,并与预设的相似度与工作状态的对应关系确定当前帧图像的工作状态。
可选地,还包括更新参考背景的步骤,包括:
计算当前帧图像的所述关注区域、所述关联区域和所述亮度检测区域与当前参考背景的所述关注区域、所述关联区域和所述亮度检测区域的相似度,如果二者相似则采用所述当前帧图像作为参考背景。
可选地,还包括对参考背景的亮度补偿过程,包括:
计算当前帧图像的所述亮度检测区域与当前参考背景的所述亮度检测区域的相似度,如果二者不相似,根据亮度变化量对参考背景进行亮度补偿,用于减少或者消除因亮度变化而引起的参考背景的像素值的线性变化。
可选地,对参考背景进行亮度补偿时,采用最小二乘法计算参考背景与当前帧图像的线性关系系数,以使补偿前后相同像素的方差最小。
可选地,所述视频上确定关注区域、关联区域和亮度检测区域的过程,包括:
根据监控者关心的视频中选择关注区域;
将视频分成若干网格,统计一段时间内无报警情况时每一帧图像中每个网格的变化情况;
将只有亮度变化的网格作为亮度检测区域;
将与所述关注区域同时变化的非关注区域内的网格作为关联区域。
可选地,还包括亮度检测区域的步骤,包括:
在预设时间段内,所述亮度检测区域有运动物体进入,则根据所述视频上确定关注区域、关联区域和亮度检测区域的步骤更换所述亮度检测区域。
另一方面,本发明还提供了一种用于关注区域防篡改的监控系统,用于实现上述的监控方法,包括:
参考背景选取模块,用于选取视频中正常亮度的静止场景图像作为参考背景;
检测区域确定模块,用于在视频中确定关注区域、关联区域和亮度检测区域;
监控模块,用于计算参考背景分别与当前帧图像的所述关注区域、所述关联区域和所述亮度检测区域的相似度,并与预设的相似度与工作状态的对应关系确定当前帧图像的工作状态。
可选地,所述关注区域确定模块包括计算子模块,用于生成关联区域和亮度检测区域。
可选地,还包括校验模块,用于校验关联区域和亮度检测区域是否符合要求。
可选地,还包括亮度补偿模块,用于当亮度发生变化时,根据变化量对参考背景进行亮度补偿。
由上述技术方案可知,本发明在视频中划分为关注区域、关联区域和亮度检测区域,通过计算参考背景与关注区域、关联区域和亮度检测区域的相似度,对当前帧图像的工作状态进行判断,为用户提供有效信息,从而达到了适应环境亮度变化以及有效判断关注区域被遮挡时发生改变的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单的介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种用于关注区域防篡改的监控方法流程图;
图2是本发明实施例中关注区域以及与之对应的关联区域和亮度检测区域分组示意图;
图3是本发明一实施例中采用灰度直方图的监控方法流程图;
图4是本发明实施例提供的一种用于关注区域防篡改的监控系统框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对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作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。
本发明提供了一种用于关注区域防篡改的监控方法,如图1所示,包括:
选取视频中的静止场景图像作为参考背景;
在视频中确定关注区域、关联区域和亮度检测区域;
计算参考背景分别与当前帧图像的所述关注区域、所述关联区域和所述亮度检测区域的相似度,并与预设的相似度与工作状态的对应关系确定当前帧图像的工作状态。
本发明通过设置关注区域、关联区域和亮度检测区域,计算参考背景与关注区域、关联区域和亮度检测区域进行相似度,对当前帧图像的工作状态进行判断,根据工作状态进行相应处理,为用户提供有效信息,从而实现适应亮度发生变化以及有效判断关注区域被遮挡发生改变的问题。本发明可以只处理上面三个区域的数据,实时性好,可以防止发生漏检误检的情况。
首先,介绍步骤S100、选取视频中的静止场景图像作为参考背景。
在视频中选择连续多帧静止场景图像,这些图像需要正常亮度且静止场景中无运动物体,挑选其中一帧图像作为参考背景。可选地,将该多帧静止场景图像相同位置的像素求取该像素所对应参数(例如,像素中的红、绿、蓝、亮度等)的平均值,利用全部像素的参数平均值形成本发明实施例中的参考背景。本发明实施例中通过求取参数平均平均值取得参考背景,可以提高该参考背景的可靠性。当然,本领域技术人员也可以通过其他方法得到该参考背景,本发明不作限定。
可选地,上述步骤S100中还包括减少参考背景的颜色数量的过程,包括:
将当前颜色空间(一般为RGB空间)的参考背景转换到灰度空间,得到灰度参考背景,或者,将当前颜色空间的参考背景转换到HSV(Hue,Saturation,Value)颜色空间,并提取V(Value)通道作为参考背景。
通过对参考背景减少颜色数量,只采用单通道颜色进行后续相似度计算,使得参加计算的数据减少,因此计算速度快且准确度高,可以提高本监控方法的可靠性以及实时性。
其次,介绍步骤S200、在视频中确定关注区域、关联区域和亮度检测区域。
如图2所示,本发明一实施例中,关注区域210是需要检测的区域,若该关注区域发生变化而其他区域未发生变化,视为被篡改。关联区域220是与关注区域对应的区域,当场景内移动物体遮挡关注区域时,此区域必然会被遮挡,其作用是来排除正常遮挡的情况。亮度检测区域230是一个参考区域,仅受不同时间内的自然光、人造光或者运动物体影子的影响,并且运动物体无法进入、遮挡或干扰该区域。通过检测该亮度检测区域可以判断视频亮度是否异常,或者判断是否是场景亮度变化引起各区域图像发生变化,是否需要对背景进行更新进行曝光补偿。
用户可以使用鼠标或者键盘在视频中框选一个区域,该区域即为关注区域210。然后,将选择关注区域之后的视频分成若干网格,在正常情况下(无报警发生),统计一段时间内的每一帧图像中每个网格的变化情况。其中,只发生亮度变化的网格作为亮度检测区域230。与关注区域同时改变(即同时被遮挡)的非关注区域网格作为关联区域220。
当然,在视频中可以设置多个关注区域、关联区域或者亮度检测区域。如图2所示,每个关注区域与一个关联区域和亮度检测区域相对应,并将每个关注区域和与之相对应的关联区域和亮度检测区域分为一组。
可选地,上述步骤S200包括校验亮度检测区域的步骤,包括:
在预设时间段内,亮度检测区域有运动物体进入,则更换亮度检测区域,使得该亮度检测区域只受自然光、人造光或者运动物体影子的影响。
可选地,上述步骤S200包括校验减少当前帧图像的颜色数量的过程,包括:
将当前颜色空间的当前帧图像转换到灰度空间,或者,
将当前颜色空间的当前帧图像转换到HSV颜色空间,并提取V通道作为当前帧图像。
本发明实施例中,对当前帧图像减少颜色空间的颜色数量,采用与参考背景同种颜色空间的单通道颜色进行后续相似度计算,可以提高本监控方法的可靠性以及实时性。
为了减少或者消除亮度对测量图像相似度时的干扰,在亮度检测区域触发亮度补偿后,需要对整个背景图像或者背景图像的关注区域、关联区域和亮度检测区域进行亮度补偿。
可选地,对参考背景的亮度补偿过程,包括:
当亮度发生变化时,根据亮度变化量对参考背景进行亮度补偿,用于减少或者消除因亮度变化而引起的参考背景的像素值的线性变化。
当亮度发生变化时,在一定强度内,在一幅图像上的像素值的变化是线性的。
假设Ai是背景图像的亮度检测区,其大小为m×n,单位为像素。Bi是亮度发生改变的当前帧图像中与参考背景相对应的像素区域。假设这两个区域有如下线性关系:
Ai=Bi×α+β
其中α和β为Ai和Bi的线性关系系数。
对整个背景图像或背景图像的三种区域做形式如Bi×α+β的补偿,可以减少或者消除由于亮度发生变化而引起参考背景的像素值的线性变化。使用补偿后的像素值代替背景图像或者背景图像的三个区域,之后再进行参考背景与当前帧图像的对应区域的图像相似度检测。
为使补偿后Bi×α+β与Ai的方差最小,可以利用最小二乘法求解α和β的值。通过该式一阶导数为0的方法可以求得α和β的值如下:
其中,为背景图像的亮度检测区Ai的平均像素值,为当前帧图像的亮度检测区Bi的平均像素值。
在一定光照强度内,两幅颜色相同仅是亮度不同的图像才有以上的线性关系,如果光照特别强或者暗,都会引起颜色的漂移,从而不能使用上述方法来进行亮度补偿。超出此线性关系的亮度,将定义为亮度异常状态来处理。
为了评价参考背景与当前帧图像的亮度检测区(即Ai和Bi)是否存在以上所述的线性关系,定义一个线性相关系数R。
R的值介于0和1之间,R值越大,则说明Ai和Bi的线性关系越强,通过R大于某一阈值(如0.9)就认为Ai和Bi存在线性关系,可以通过线性亮度补偿的方法来减少或消除亮度对测量图像相似度的干扰。
最后,介绍步骤S300、计算参考背景分别与当前帧图像的关注区域、关联区域和亮度检测区域的相似度,并与预设的相似度与工作状态的对应关系确定当前帧图像的工作状态。
在计算相似度之前,还需要制定预设的相似度与工作状态的对应关系表。定义参考背景与当前帧图像相对应的亮度检测区域230的相似度(或距离值)为第I距离值;参考背景与当前帧图像相对应的关联区域220的相似度(或距离值)为第II距离值;定义参考背景与当前帧图像相对应的关注区域210的相似度(或距离值)为第III距离值。
设置亮度检测区域230的阈值1和阈值2,关联区域220的阈值3和关注区域210的阈值4,并分别设置每个状态对应的最大持续时间T_imax。四个阈值作用都是用来划分参考背景与当前帧图像相对应区域的相似程度。
其中,第I距离值大于阈值1定义为亮度检测区域完全不相似;第I距离值小于阈值1且大于阈值2定义为由于亮度引起的亮度检测区域不相似;第II距离值大于阈值3定义为关联区域不相似,小于阈值3则定义为关联区域相似;第Ⅲ距离值大于阈值4定义为关注区域不相似,小于阈值4则定义为关注区域相似;状态最大持续时间T_imax是为了消除某些正常情况发生的错误报警,如运动物体经过关注区域210时,引起的参考背景与当前帧图像的不相似会产生篡改报警。因此,此处定义只有篡改状态持续时间大于T_imax时,才会产生报警。预设的相似度与工作状态的对应关系如表1所示。
表1 预设的相似度与工作状态的对应关系
本发明实施例中,将参考背景和当前帧图像相对应的关注区域210、关联区域220和亮度检测区域230从RGB空间转换到灰度空间,得到其对应的灰度参考背景和灰度当前帧图像,利用灰度图像计算相似度。对于RGB空间图像转换成灰度图像,可以采用常用的公式:
Gray=R*0.299+G*0.587+B*0.114
也可以采用整数运算或者整数移位运算。本领域技术人员可以根据实际情况进行选择,本发明不作限定。
如图3所示,将参考背景和当前帧图像相对应的关注区域210、关联区域220和亮度检测区域230从RGB颜色空间转换到灰度空间,得到其对应的灰度图形;统计关注区域、关联区域和亮度检测区域在灰度空间的频率直方图;计算参考背景和当前帧图像相对应区域的直方图的巴氏(Bhattacharyya)距离作为二者的相似度;由三个巴氏距离与四个阈值的大小关系查找表1可以得到当前帧图像所处的工作状态;记录状态持续时间t。若状态一直保持,则状态持续时间t随着时间延长而增长;若在状态持续时间t<T_imax时状态发生变化,则将t清零。
如果状态持续时间t>T_imax,则状态成立,产生如表1中对应的报警信息。此时,可以根据实际情况判定所产生的结果是否为正确。如果错误,则根据实际情况增大或减小阈值1~阈值4的值以及延长或缩短状态持续最大时间T_imax,以保持当前状态与实际情况相符;如果正确,则根据表1产生相应的操作。
可选地,上述步骤S300后设置有更新参考背景的步骤,包括:
计算当前帧图像的所述关注区域、所述关联区域和所述亮度检测区域与当前参考背景的所述关注区域、所述关联区域和所述亮度检测区域的相似度,如果二者相似,则采用所述当前帧图像作为参考背景。
当然,本发明实施例也可以采用遍历像素法、统计学方法来计算参考背景与当前帧图像的关注区域、关联区域和亮度检测区域的相似度。选择不同的算法,当前帧图像的关注区域、关联区域和亮度检测区域与预设时间段内的关注区域、关联区域和亮度检测区域的相似度也可能大于相似度预设值,并且持续保持时间超过预设时间值,则采用所述当前帧图像作为参考背景。
实际应用中,在计算两幅图像是否相似的算法中,有些算法的对比结果的数值愈大则代表两幅图像愈相似,另一些算法的结果数值愈小愈相似。如果两幅图像相似,则将该当前帧图像作为参考背景。同样可以解决上述问题,本领域的技术人员可以根据具体情况进行选择,本发明不作限定。
此外,本发明实施例还提供了一种用于关注区域防篡改的监控系统,用于实现上述的监控方法,如图4所示,包括:
参考背景选取模块,用于选取视频中正常亮度的静止场景图像作为参考背景;
检测区域确定模块,用于在视频中确定关注区域、关联区域和亮度检测区域;
监控模块,用于计算参考背景分别与当前帧图像的关注区域、关联区域和亮度检测区域的相似度,并与预设的相似度与工作状态的对应关系确定当前帧图像的工作状态。
可选地,关注区域确定模块包括计算子模块,用于生成关联区域和亮度检测区域。
可选地,还包括校验模块,用于校验关注区域、关联区域和亮度检测区域是否符合要求。
可选地,还包括亮度补偿模块,用于当亮度发生变化时,根据变化量对参考背景进行亮度补偿。
本发明实施例中的监控系统基于上述监控方法实现,因而可以解决同样的技术问题,并取得相同的技术效果,在此不再详述。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种用于关注区域防篡改的监控方法,其特征在于,包括:
选取视频中的静止场景图像作为参考背景;
在视频中确定关注区域、关联区域和亮度检测区域;
计算参考背景分别与当前帧图像的所述关注区域、所述关联区域和所述亮度检测区域的相似度,并与预设的相似度与工作状态的对应关系确定当前帧图像的工作状态。
2.如权利要求1所述的监控方法,其特征在于,还包括更换参考背景的步骤,包括:
计算当前帧图像的所述关注区域、所述关联区域和所述亮度检测区域与当前参考背景的所述关注区域、所述关联区域和所述亮度检测区域的相似度,如果二者相似则采用所述当前帧图像作为参考背景。
3.如权利要求1所述的监控方法,其特征在于,还包括对参考背景的亮度补偿过程,包括:
计算当前帧图像的所述亮度检测区域与当前参考背景的所述亮度检测区域的相似度,如果二者不相似则根据亮度变化量对参考背景进行亮度补偿,用于减少或者消除因亮度变化而引起的参考背景的像素值的线性变化。
4.如权利要求3所述的监控方法,其特征在于,对参考背景进行亮度补偿时,采用最小二乘法计算参考背景与当前帧图像的线性关系系数,以使补偿前后相同像素的方差最小。
5.如权利要求1所述的监控方法,其特征在于,所述在视频上确定关注区域、关联区域和亮度检测区域的过程,包括:
根据监控者关心的视频中选择关注区域;
将视频分成若干网格,统计一段时间内无报警情况时每一帧图像中每个网格的变化情况;
将只有亮度变化的网格作为亮度检测区域;
将与所述关注区域同时变化的非关注区域内的网格作为关联区域。
6.如权利要求5所述的监控方法,其特征在于,还包括亮度检测区域的步骤,包括:
在预设时间段内,所述亮度检测区域有运动物体进入,则根据所述视频上确定关注区域、关联区域和亮度检测区域的步骤更换所述亮度检测区域。
7.一种用于关注区域防篡改的监控系统,用于实现权利要求1-9任一项所述的监控方法,其特征在于,包括:
参考背景选取模块,用于选取视频中正常亮度的静止场景图像作为参考背景;
检测区域确定模块,用于在视频中确定关注区域、关联区域和亮度检测区域;
监控模块,用于计算参考背景分别与当前帧图像的所述关注区域、所述关联区域和所述亮度检测区域的相似度,并与预设的相似度与工作状态的对应关系确定当前帧图像的工作状态。
8.如权利要求7所述的监控系统,其特征在于,所述检测区域确定模块包括计算子模块,用于生成关联区域和亮度检测区域。
9.如权利要求7所述的监控系统,其特征在于,还包括校验模块,用于校验关联区域和亮度检测区域是否符合要求。
10.如权利要求7所述的监控系统,其特征在于,还包括亮度补偿模块,用于当亮度发生变化时,根据变化量对参考背景进行亮度补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510221448.0A CN104883539B (zh) | 2015-05-04 | 2015-05-04 | 一种用于关注区域防篡改的监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510221448.0A CN104883539B (zh) | 2015-05-04 | 2015-05-04 | 一种用于关注区域防篡改的监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104883539A true CN104883539A (zh) | 2015-09-02 |
CN104883539B CN104883539B (zh) | 2017-12-19 |
Family
ID=53950860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510221448.0A Active CN104883539B (zh) | 2015-05-04 | 2015-05-04 | 一种用于关注区域防篡改的监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104883539B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018032270A1 (en) * | 2016-08-15 | 2018-02-22 | Qualcomm Incorporated | Low complexity tamper detection in video analytics |
CN110309804A (zh) * | 2019-07-08 | 2019-10-08 | 上海天诚比集科技有限公司 | 基于九宫格赋权算法的降低光线干扰图像相似度检测方法 |
CN111504971A (zh) * | 2020-05-11 | 2020-08-07 | 吉林大学 | 基于目标响应式3d打印模型与智能手机集成的2,4-二氯苯氧乙酸现场定量检测平台 |
CN111882536A (zh) * | 2020-07-24 | 2020-11-03 | 富德康(北京)科技股份有限公司 | 一种基于图片对比实现散货数量监测的方法 |
CN112399051A (zh) * | 2020-10-15 | 2021-02-23 | 中标慧安信息技术股份有限公司 | 一种应用于垃圾分类的人体检测声音警戒摄像机 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101119480A (zh) * | 2007-09-13 | 2008-02-06 | 中兴通讯股份有限公司 | 一种用于网络视频监控中检测视频遮挡的方法 |
US20080152232A1 (en) * | 2006-12-20 | 2008-06-26 | Axis Ab | Camera tampering detection |
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
US20120274776A1 (en) * | 2011-04-29 | 2012-11-01 | Canon Kabushiki Kaisha | Fault tolerant background modelling |
CN103139547A (zh) * | 2013-02-25 | 2013-06-05 | 昆山南邮智能科技有限公司 | 基于视频图像信号判定摄像镜头遮挡状态的方法 |
-
2015
- 2015-05-04 CN CN201510221448.0A patent/CN104883539B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080152232A1 (en) * | 2006-12-20 | 2008-06-26 | Axis Ab | Camera tampering detection |
CN101119480A (zh) * | 2007-09-13 | 2008-02-06 | 中兴通讯股份有限公司 | 一种用于网络视频监控中检测视频遮挡的方法 |
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
US20120274776A1 (en) * | 2011-04-29 | 2012-11-01 | Canon Kabushiki Kaisha | Fault tolerant background modelling |
CN103139547A (zh) * | 2013-02-25 | 2013-06-05 | 昆山南邮智能科技有限公司 | 基于视频图像信号判定摄像镜头遮挡状态的方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018032270A1 (en) * | 2016-08-15 | 2018-02-22 | Qualcomm Incorporated | Low complexity tamper detection in video analytics |
CN110309804A (zh) * | 2019-07-08 | 2019-10-08 | 上海天诚比集科技有限公司 | 基于九宫格赋权算法的降低光线干扰图像相似度检测方法 |
CN110309804B (zh) * | 2019-07-08 | 2023-03-17 | 上海天诚比集科技有限公司 | 基于九宫格赋权算法的降低光线干扰图像相似度检测方法 |
CN111504971A (zh) * | 2020-05-11 | 2020-08-07 | 吉林大学 | 基于目标响应式3d打印模型与智能手机集成的2,4-二氯苯氧乙酸现场定量检测平台 |
CN111882536A (zh) * | 2020-07-24 | 2020-11-03 | 富德康(北京)科技股份有限公司 | 一种基于图片对比实现散货数量监测的方法 |
CN112399051A (zh) * | 2020-10-15 | 2021-02-23 | 中标慧安信息技术股份有限公司 | 一种应用于垃圾分类的人体检测声音警戒摄像机 |
Also Published As
Publication number | Publication date |
---|---|
CN104883539B (zh) | 2017-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104883539A (zh) | 一种用于关注区域防篡改的监控方法及系统 | |
CN102348128B (zh) | 具有摄像机异常检测装置的监视用摄像机系统 | |
CN103763515B (zh) | 一种基于机器学习的视频异常检测方法 | |
KR101237089B1 (ko) | 랜덤 포레스트 분류 기법을 이용한 산불연기 감지 방법 | |
EP3467767A1 (en) | Anomalous pixel detection | |
US20060215904A1 (en) | Video based fire detection system | |
CN105678803A (zh) | 基于w4算法和帧间差分的视频监控目标检测方法 | |
JP4653207B2 (ja) | 煙検出装置 | |
Shan et al. | Color space selection for moving shadow elimination | |
CN105404847A (zh) | 一种遗留物实时检测方法 | |
CN101299275A (zh) | 一种目标检测方法、装置及一种监控系统 | |
McIvor et al. | The background subtraction problem for video surveillance systems | |
CN102622763A (zh) | 阴影检测与消除方法 | |
CN100469153C (zh) | 视频场景切换检测方法 | |
Zhou et al. | Foreground detection based on co-occurrence background model with hypothesis on degradation modification in dynamic scenes | |
CN110519566B (zh) | 一种基于视频处理的皮带运动状态监测方法 | |
KR101972055B1 (ko) | Cnn 기반 적외선 이미지 내 작업자 및 위험시설 식별 시스템 | |
Li et al. | Intelligent monitoring system of coal conveyor belt based on computer vision technology | |
AU2002232008B2 (en) | Method of detecting a significant change of scene | |
AU2002232008A1 (en) | Method of detecting a significant change of scene | |
CN105335981A (zh) | 一种基于图像的货物监控方法 | |
KR101581162B1 (ko) | 실시간 영상 기반의 화염, 연기 및 물체 움직임 자동 감지 방법, 장치 및 시스템 | |
CN110309838B (zh) | 基于指数变换的视频检测区物体轮廓检测预处理方法 | |
Prudyus et al. | Monitoring of dynamic objects by observation systems of visible range of waves | |
US11908298B2 (en) | Smoke detection system and smoke detection method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |