CN104965964B - 一种基于监控视频分析的建筑物人员分布模型建立方法 - Google Patents
一种基于监控视频分析的建筑物人员分布模型建立方法 Download PDFInfo
- Publication number
- CN104965964B CN104965964B CN201510477558.3A CN201510477558A CN104965964B CN 104965964 B CN104965964 B CN 104965964B CN 201510477558 A CN201510477558 A CN 201510477558A CN 104965964 B CN104965964 B CN 104965964B
- Authority
- CN
- China
- Prior art keywords
- mtd
- msub
- mrow
- mtr
- personnel
- 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.)
- Active
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于监控视频分析的建筑物人员分布模型建立方法，包括以下步骤：对单个摄像机拍摄的监控视频进行图像分割，获得运动目标并跟踪；将多个摄像机的运动目标跟踪结果进行融合，进行时空配准；根据不同区域和不同时间段的人员分布规律建立混合高斯模型，得到平均人员分布和密度分布函数；设定统计周期的具体时间间隔，统计第一个周期的人员数据L1建立模型，再统计第二个周期的人员数据L2加上第一个周期的数据L1更新模型，从第三个周期开始，每个统计周期结束后加上前两个周期的统计数据进行模型更新。将获得的数据信息在不同区域和不同时间段的人员分布规律建立模型，根据更新周期，实时更新，更加有效地用于建筑节能等领域。
Description
技术领域
本发明涉及建筑中人员分布模型的建立技术领域，尤其涉及一种基于监控视频分析的建筑物人员分布模型建立方法，特别是针对智能建筑中多摄像机环境下。
背景技术
人员分布模型是建立在人数统计的基础上建立的人员数据模型。目前，在智能建筑中，根据建筑物内监控视频的人员跟踪结果构建人员分布模型，具有十分重要的意义。依据人员分布模型，可以实时对建筑物内在人员流动数据做好统计，以便开展后续的数据分析和人员行为分析工作。同时，该模型也可应用于智能建筑中资源的合理调配和制定相应的空调和照明系统节能策略工作中。
很多公司和研究机构已经进行研究，如美国卡内基-梅隆大学建筑物性能测试中心的智能工作区间的HVAC和照明系统的控制系统；杨峥等人提出了一种人员估计模型，该模型是建立在不干扰的组合传感器的基础上，通过检测室内温度、湿度、二氧化碳浓度、光、声音和运动来达到人数统计。JoaoViroted等人根据建筑物内人员行为构建能源预测随机模型，来达到节能的目的。这些措施起到一定的节能效果，但没有考虑根据一定时间和一定区域内人员分布规律模型来制定基于整个建筑物内如何统一协调和规划空调和照明系统运行策略实现节能问题，这主要是因为现在智能建筑设备中没有能完成自动进行人员分布规律检测的设备，因此，这方面的工作目前很少。
发明内容
本发明的目的就是为了解决上述问题，提供一种基于监控视频分析的建筑物人员分布模型建立方法，将智能监控视频内容与建筑物楼层平面图根据摄像机在平面图的拓扑分布情况和时序约束关系这些信息进行多信息融合，将获得的数据信息在不同区域和不同时间段的人员分布规律建立模型，根据更新周期，实时更新，更加有效地应用到建筑节能等领域。
为了实现上述目的，本发明采用如下技术方案：
一种基于监控视频分析的建筑物人员分布模型建立方法，包括以下步骤：
步骤一、对单个摄像机拍摄的监控视频进行图像分割，获得运动目标并进行跟踪；
步骤二、将多个摄像机的运动目标跟踪结果进行融合，进行时空配准，获得不同区域内对应的不同时间段的人员分布数据；
步骤三、根据所述步骤二的结果建立每个不同区域对应每个时间段的混合高斯模型，得到平均人员分布和密度分布函数f；
步骤四、设定统计周期的具体时间间隔，统计第一个周期的人员数据建立模型，再统计第二个周期的人员数据加上第一个周期的数据更新模型，从第三个周期开始，每个统计周期结束后加上前两个周期的统计数据进行模型更新。
所述步骤一中的具体方法为，
步骤1.1、将当前帧图像和背景图像都分成设定大小的宏块，比较当前帧宏块与背景图像同位宏块的差；
步骤1.2、若步骤1.1求得的差值小于设定阈值，则无运动目标，后面只需比较当前帧和背景图像四周的宏块，从而提高检测的效率；若差值大于设定阈值，则当前帧宏块标记为前景块，并标记其运动方向，将相邻的前景块合并，进行空洞填充，得到运动对象，然后计算所述运动对象的颜色、纹理、形状、速度和位置信息；
步骤1.3、为了实现跟踪，在下一帧所述运动对象的运动方向上利用所述步骤1.2求得的颜色、纹理、形状、速度和位置信息进行匹配，找到组成该运动对象宏块的相似块，就能获得该运动对象在下一帧中的位置，依次进行就能够实现跟踪，从而实现对单个摄像机拍摄的监控视频进行图像分割，获得运动目标并进行跟踪。
所述步骤二中，将每个摄像机的运动目标图像映射到楼层平面上实现摄像机时空配准。
所述步骤二的具体方法为：
对每个摄像机拍摄图像的点x＝(x,y,t)和楼层平面点X＝(X,Y,t)之间建立映射关系：X＝Hx，其中x是摄像机图像上的点；X是楼层平面的点；H是一个3×3的映射矩阵，通过一组映射点求出；
目标融合是在特征层上进行；设m，n是根据摄像机拓扑分布和时序关系相邻的任意两个摄像机，Tm为t时刻第m个摄像机经映射后运动目标跟踪的参数集合，Tm为：
Tm＝{sm1,sm2,…smi,vm1,vm2,…vmi,cm1,cm2,…cmi,lm1,lm2…lmi,t}，
其中i是第m个摄像机中运动目标的个数，s是目标的形状特征，v是目标的速度特征参数，c是目标的颜色特征参数，l是目标的位置特征参数；
t时刻第n个摄像机经映射后运动目标跟踪的参数集合Tn为：
Tn＝{sn1,sn2,…snj,vn1,vn2,…vnj,cn1,cn2,…cnj,ln1,ln2…lnj,t}
其中j是第n个摄像机中运动目标的个数；
则融合后跟踪结果的参数集合P为：P＝Tm∪Tn。
对有重叠监控区域的摄像机，通过计算Tm和Tn中不同运动目标的质心距离进行判断，运动目标最小外接矩形的几何中心作为对应运动目标的质心；当两目标的质心距离小于设定阈值时，就认为两个目标是同一目标，进行目标合并。
所述步骤三的具体方法为：
将建筑物区域划分成n块区域，C1，C2，C3，...Cn代表n块区域内的人员分布数量；将一天24小时按每两个小时划分成12个时间段，代表不同区域的人员分布，
其中，m＝12，中包含的n个列向量分别代表n块区域在12个时间段的人员分布情况；其中Cij(i≤n,j≤m)代表在第i个区域第j个时段的人员分布数量；
根据分别计算平均人员分布和协方差矩阵Σh，建立密度分布函数f，
本发明的有益效果：
本发明将智能监控视频内容与建筑物楼层平面图根据摄像机在平面图的拓扑分布情况和时序约束关系这些信息进行多信息融合，将获得的数据信息在不同区域和不同时间段的人员分布规律建立模型，根据更新周期，实时更新，更加有效地用于建筑节能等领域。
附图说明
图1为本发明的方法流程示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
一种基于监控视频分析的建筑物人员分布模型建立方法，包括以下步骤：
步骤一、对单个摄像机拍摄的监控视频进行图像分割，获得运动目标并进行跟踪；
步骤二、将多个摄像机的运动目标跟踪结果进行融合，进行时空配准，获得不同区域内对应的不同时间段的人员分布数据；
步骤三、根据所述步骤二的结果建立每个不同区域对应每个时间段的混合高斯模型，得到平均人员分布和密度分布函数f；
步骤四、设定统计周期的具体时间间隔，统计第一个周期的人员数据建立模型，再统计第二个周期的人员数据加上第一个周期的数据更新模型，从第三个周期开始，每个统计周期结束后加上前两个周期的统计数据进行模型更新。
例如要对某建筑内某层走廊建立人员分布模型，假设该层走廊有3个监控摄像机，将走廊分成两个区域C1，C2，将一天24小时按每两个小时划分成12个时间段，如[00:00:00—02:00:00]，[02:00:00—04:00:00]....[22:00:00—00:00:00]。
首先对单个摄像机利用步骤一的分割跟踪算法得到运动对象和其运动跟踪结果和特征。
该分割跟踪算法的具体方法为：采用了基于宏块的运动目标检测与跟踪算法，将当前帧图像和背景图像都分成一定大小的宏块，如16×16大小，比较当前帧宏块与背景图像同位宏块的差，差值小于设定阈值，则无运动目标，后面只需比较当前帧和背景图像四周的宏块，从而提高检测的效率；若差值大于设定阈值，则当前帧宏块标记为前景块，并标记其运动方向，即从图像的哪一边进入，将相邻的前景块合并，进行空洞填充，得到运动对象，然后计算该运动对象的颜色、纹理、形状、速度和位置信息。要实现跟踪，只需在下一帧该运动对象的运动方向上利用上面求得的特征进行匹配，找到组成该运动对象宏块的相似块，就可获得该运动对象在下一帧中的位置，依次进行就可以实现跟踪，从而实现对单个摄像机拍摄的监控视频进行图像分割，获得运动目标并进行跟踪。背景建模和更新可采用Vibe算法中背景建模和更新的方法。
在步骤二中对步骤一得到的3个摄像机的运动目标跟踪结果进行融合，进行时空配准，从而获得整个走廊人员分布数据，即这两个区域十二个时段中出现的人员统计数据。
步骤三是将步骤二中获得的数据在这两个区域内分别建立混合高斯模型，构建人员分布模型。
构建的人员分布模型可以应用在不同领域。比如可以根据人员分布模型与建筑节能的关系，制定出空调和照明系统的节能控制策略等。
步骤四模型更新具体实施，可选择更新周期为一个月。刚开始统计走廊内一个月的人员数据后，建立混合高斯模型；在第二个周期(即第二个月)内，将第二个月内统计的人员数据加上第一个周期的数据组成一个新的数据更新计算平均人员分布协方差矩阵Σh和密度分布函数f，实现混合高斯模型更新；第三个月(第三个周期)统计第三个月内的人员数据后，加上前两个月的数据，更新模型。以后每个周期更新，都要把本周期内的统计数据加上前两个周期的数据更新模型。
本模型在智能建筑中资源的合理调配和制定相应的空调和照明系统节能策略这一方面意义重大。
假设Sn是第n区域根据监控系统得到的人员分布情况参数，其形式如下：
整个建筑物不同时间段不同区域人员分布规律的统计模型S可由下式描述：S＝{S1,S2...Sn}
根据该模型可以得到建筑物内不同区域不同时间人员分布密度，据此建立空调和照明系统的运行辅助规则和策略。
对Si区域，若其第j个时间段内的fij大于某设定上限阈值Tu，加强空气流动和温湿度控制，保证温湿度等指标满足设定要求；同时适当提高环境照度。若fij小于某设定下限阈值Td，控制策略与之相反。若Td＜fij＜Tu，则保持空调和照明系统设定的工作条件不变。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (5)
1.一种基于监控视频分析的建筑物人员分布模型建立方法，其特征是，包括以下步骤：
步骤一、对单个摄像机拍摄的监控视频进行图像分割，获得运动目标并进行跟踪；
所述步骤一中的具体方法为：
步骤1.1、将当前帧图像和背景图像都分成设定大小的宏块，比较当前帧宏块与背景图像同位宏块的差；
步骤1.2、若所述步骤1.1求得的差值小于设定阈值，则无运动目标，后面只需比较当前帧和背景图像四周的宏块，从而提高检测的效率；若差值大于设定阈值，则当前帧宏块标记为前景块，并标记其运动方向，将相邻的前景块合并，进行空洞填充，得到运动对象，然后计算所述运动对象的颜色、纹理、形状、速度和位置信息；
步骤1.3、为了实现跟踪，在下一帧所述运动对象的运动方向上利用所述步骤1.2求得的颜色、纹理、形状、速度和位置信息进行匹配，找到组成该运动对象宏块的相似块，就能获得该运动对象在下一帧中的位置，依次进行就能够实现跟踪，从而实现对单个摄像机拍摄的监控视频进行图像分割，获得运动目标并进行跟踪；
步骤二、将多个摄像机的运动目标跟踪结果进行融合，进行时空配准，获得不同区域内对应的不同时间段的人员分布数据；
步骤三、根据所述步骤二的结果建立每个不同区域对应每个时间段的混合高斯模型，得到平均人员分布和密度分布函数f；
步骤四、设定统计周期的具体时间间隔，统计第一个周期的人员数据建立模型，再统计第二个周期的人员数据加上第一个周期的数据更新模型，从第三个周期开始，每个统计周期结束后加上前两个周期的统计数据进行模型更新。
2.如权利要求1所述一种基于监控视频分析的建筑物人员分布模型建立方法，其特征是，所述步骤二中，将每个摄像机的运动目标图像映射到楼层平面上实现摄像机时空配准。
3.如权利要求1所述一种基于监控视频分析的建筑物人员分布模型建立方法，其特征是，所述步骤二的具体方法为：
对每个摄像机拍摄图像的点x＝(x,y,t)和楼层平面点X＝(X,Y,t)之间建立映射关系：X＝Hx，其中H是一个3×3的映射矩阵，通过一组映射点求出；
目标融合是在特征层上进行；设m，n是根据摄像机拓扑分布和时序关系相邻的任意两个摄像机，Tm为t时刻第m个摄像机经映射后运动目标跟踪的参数集合，Tm为：
Tm＝{sm1,sm2,…smi,vm1,vm2,…vmi,cm1,cm2,…cmi,lm1,lm2…lmi,t}，
其中i是第m个摄像机中运动目标的个数，s是目标的形状特征，v是目标的速度特征参数，c是目标的颜色特征参数，l是目标的位置特征参数；
t时刻第n个摄像机经映射后运动目标跟踪的参数集合Tn为：
Tn＝{sn1,sn2,…snj,vn1,vn2,…vnj,cn1,cn2,…cnj,ln1,ln2…lnj,t}
其中j是第n个摄像机中运动目标的个数；
则融合后跟踪结果的参数集合P为：P＝Tm∪Tn。
4.如权利要求3所述一种基于监控视频分析的建筑物人员分布模型建立方法，其特征是，对有重叠监控区域的摄像机，通过计算Tm和Tn中不同运动目标的质心距离进行判断，运动目标最小外接矩形的几何中心作为对应运动目标的质心；当两目标的质心距离小于设定阈值时，就认为两个目标是同一目标，进行目标合并。
5.如权利要求1所述一种基于监控视频分析的建筑物人员分布模型建立方法，其特征是，所述步骤三的具体方法为：
将建筑物区域划分成n块区域，C1，C2，C3，...Cn代表n块区域内的人员分布数量；将一天24小时按每两个小时划分成12个时间段，代表不同区域的人员分布，
其中，m＝12，中包含的n个列向量分别代表n块区域在12个时间段的人员分布情况；其中Cij(i≤n,j≤m)代表在第i个区域第j个时段的人员分布数量；
根据分别计算平均人员分布和协方差矩阵∑h，建立密度分布函数f，
<mrow>
<mover>
<msub>
<mi>&mu;</mi>
<mi>h</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>&mu;</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>&mu;</mi>
<mn>21</mn>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>&mu;</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>&mu;</mi>
<mn>22</mn>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>n</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>&mu;</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>&mu;</mi>
<mrow>
<mn>2</mn>
<mi>m</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>&mu;</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mover>
<msub>
<mi>D</mi>
<mi>h</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>,</mo>
<mover>
<msub>
<mi>&mu;</mi>
<mi>h</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>,</mo>
<msub>
<mi>&Sigma;</mi>
<mi>h</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mi>&pi;</mi>
<mo>)</mo>
</mrow>
<mfrac>
<mi>n</mi>
<mn>2</mn>
</mfrac>
</msup>
<mo>|</mo>
<msub>
<mi>&Sigma;</mi>
<mi>h</mi>
</msub>
<msup>
<mo>|</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
</msup>
</mrow>
</mfrac>
<mi>exp</mi>
<mo>{</mo>
<mfrac>
<mn>1</mn>
<mn>2</mn>
</mfrac>
<msup>
<mrow>
<mo>(</mo>
<mover>
<msub>
<mi>D</mi>
<mi>h</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>-</mo>
<mover>
<msub>
<mi>&mu;</mi>
<mi>h</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<msubsup>
<mi>&Sigma;</mi>
<mi>h</mi>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mrow>
<mo>(</mo>
<mover>
<msub>
<mi>D</mi>
<mi>h</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>-</mo>
<mover>
<msub>
<mi>&mu;</mi>
<mi>h</mi>
</msub>
<mo>&RightArrow;</mo>
</mover>
<mo>)</mo>
</mrow>
<mo>}</mo>
<mo>.</mo>
</mrow>
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510477558.3A CN104965964B (zh) | 2015-08-06 | 2015-08-06 | 一种基于监控视频分析的建筑物人员分布模型建立方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510477558.3A CN104965964B (zh) | 2015-08-06 | 2015-08-06 | 一种基于监控视频分析的建筑物人员分布模型建立方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104965964A CN104965964A (zh) | 2015-10-07 |
| CN104965964B true CN104965964B (zh) | 2018-01-30 |
Family
ID=54220002
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510477558.3A Active CN104965964B (zh) | 2015-08-06 | 2015-08-06 | 一种基于监控视频分析的建筑物人员分布模型建立方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104965964B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105628193B (zh) * | 2016-01-27 | 2018-05-18 | 中国铁道科学研究院电子计算技术研究所 | 车站运营环境亮度监测方法 |
| CN105574302B (zh) * | 2016-02-29 | 2018-12-07 | 江苏中锐华东建筑设计研究院有限公司 | 基于移动平台分析的大型公共场所建筑设计方法 |
| CN107067160A (zh) * | 2017-03-13 | 2017-08-18 | 同济大学 | 一种基于bim的装配式建筑劳动力调配方法 |
| CN109005390B (zh) * | 2018-08-31 | 2020-12-04 | 山东建筑大学 | 基于信号强度与视频的人员分布模型建立方法及系统 |
| CN112653832A (zh) * | 2019-10-10 | 2021-04-13 | 华为技术有限公司 | 一种监控方法、装置和设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542289A (zh) * | 2011-12-16 | 2012-07-04 | 重庆邮电大学 | 一种基于多高斯计数模型的人流量统计方法 |
| CN103778442A (zh) * | 2014-02-26 | 2014-05-07 | 哈尔滨工业大学深圳研究生院 | 一种基于视频人数统计分析的中央空调控制方法 |
-
2015
- 2015-08-06 CN CN201510477558.3A patent/CN104965964B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102542289A (zh) * | 2011-12-16 | 2012-07-04 | 重庆邮电大学 | 一种基于多高斯计数模型的人流量统计方法 |
| CN103778442A (zh) * | 2014-02-26 | 2014-05-07 | 哈尔滨工业大学深圳研究生院 | 一种基于视频人数统计分析的中央空调控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| Multi Camera Person Tracking Applying a Graph-Cuts based Foreground Segmentation in a Homography Framework;Arsić D 等;《Performance Evaluation of Tracking and Surveillance (PETS-Winter)》;20091231;第1-8页 * |
| 视频监控系统中的多摄像头跟踪优化设计;李志华 等;《哈尔滨工业大学学报》;20080930;第40卷(第9期);第1485-1490页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104965964A (zh) | 2015-10-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104965964B (zh) | 一种基于监控视频分析的建筑物人员分布模型建立方法 | |
| CN105447458B (zh) | 一种大规模人群视频分析系统和方法 | |
| Javed et al. | Knight/spl trade: a real time surveillance system for multiple and non-overlapping cameras | |
| CN110490911B (zh) | 基于约束条件下非负矩阵分解的多摄像头多目标追踪方法 | |
| CN104778690A (zh) | 一种基于摄像机网络的多目标定位方法 | |
| CN105424026A (zh) | 一种基于点云轨迹的室内导航定位方法与系统 | |
| CN103164711A (zh) | 基于像素和支持向量机的区域人流密度估计的方法 | |
| CN107895080A (zh) | 融合图像信息的大空间建筑空调动态负荷估计及新风量控制方法 | |
| Leng et al. | An extended floor field model based on regular hexagonal cells for pedestrian simulation | |
| CN106023259A (zh) | 一种运动目标频率检测方法及装置 | |
| CN104320617A (zh) | 一种基于深度学习的全天候视频监控方法 | |
| CN103971384B (zh) | 一种无线视频传感器节点协作目标跟踪方法 | |
| CN108171459A (zh) | 基于博弈论的智能仓储优化方法 | |
| CN105427345A (zh) | 基于相机投影矩阵的三维人流运动分析方法 | |
| Basak et al. | Developing an agent-based model for pilgrim evacuation using visual intelligence: A case study of Ratha Yatra at Puri | |
| CN106815563A (zh) | 一种基于人体表观结构的人群数量预测方法 | |
| CN103646254A (zh) | 一种高密度行人检测方法 | |
| CN104038730B (zh) | 一种视频传感器网络多移动目标监测优化方法 | |
| Liu et al. | Multi-UAV Cooperative Task Planning for Border Patrol based on Hierarchical Optimization. | |
| Fehr et al. | Counting people in groups | |
| Guo et al. | Investigation of crowd’s aggregation measurement based on an entropy model | |
| CN102005052A (zh) | 基于核密度估计的遮挡人体跟踪方法 | |
| CN108596478A (zh) | 一种基于物理网的建筑能源管理方法 | |
| CN110248308A (zh) | 基于可见光和wifi融合的智慧校园lbs定位系统 | |
| CN116187634A (zh) | 智能排队系统及用于其的预测方法 |
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 |