CN105426841B - 基于人脸检测的监控相机自定位方法及装置 - Google Patents
基于人脸检测的监控相机自定位方法及装置 Download PDFInfo
- Publication number
- CN105426841B CN105426841B CN201510800367.6A CN201510800367A CN105426841B CN 105426841 B CN105426841 B CN 105426841B CN 201510800367 A CN201510800367 A CN 201510800367A CN 105426841 B CN105426841 B CN 105426841B
- Authority
- CN
- China
- Prior art keywords
- face
- monitoring camera
- camera
- locating
- self
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 140
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000001514 detection method Methods 0.000 claims description 9
- 238000003384 imaging method Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims 1
- 230000001815 facial effect Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Alarm Systems (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于人脸检测的监控相机自定位方法及装置。所述监控相机自定位方法包括：从多个监控相机中的每一个接收视频流；对来自各监控相机的视频流中的每一帧图像进行人脸检测以获取人脸信息；针对所述每一帧图像，基于所获取的人脸信息计算人脸相对于监控相机的位置，并将人脸与所有其他监控相机中检测到的人脸进行匹配以获取相机间匹配信息；以及基于所述相机间匹配信息计算所述多个监控相机之间的相对位置。本发明提供的基于人脸检测的监控相机自定位方法及装置通过对多个监控相机的视频流进行人脸检测和人脸分析，可以自动计算出多个监控相机之间的相对位置关系，增强了监控产品的功能。
Description
技术领域
本发明涉及图像处理技术领域，具体而言涉及一种基于人脸检测的监控相机自定位方法及装置。
背景技术
在视频监控系统中，当存在很多监控相机的时候，知道相机之间的相对位置关系对于监控应用很重要。现有的监控系统往往要人工对相机的位置进行标定。而在很多监控系统中，在相机安装时并没有对相机的相对位置进行记录，或者在使用的过程中相机的位置发生了改变。
一般的定位方法需要在被定位物上安装发射或接收装置。但是，市面上的监控相机往往没有相应的装置。因此，需要仅依赖相机传回的图像的定位方法。然而，一般的基于图像的定位方法需要多个图像之间有较大的重叠区域以便匹配对应关系，这对相机密度的要求很高，适用性不够广。
发明内容
针对现有技术的不足，一方面，本发明提供一种基于人脸检测的监控相机自定位方法，所述监控相机自定位方法包括：从多个监控相机中的每一个接收视频流；对来自各监控相机的视频流中的每一帧图像进行人脸检测以获取人脸信息；针对所述每一帧图像，基于所获取的人脸信息计算人脸相对于监控相机的位置，并将人脸与所有其他监控相机中检测到的人脸进行匹配以获取相机间匹配信息；以及基于所述相机间匹配信息计算所述多个监控相机之间的相对位置。
在本发明的一个实施例中，所述相机间匹配信息表示为(Ii,Ui,Ji,Vi,Ti)，所述(Ii,Ui,Ji,Vi,Ti)表示第i组匹配是监控相机Ii中相对相机位置为Ui的人脸与Ti秒之前监控相机Ji中相对相机位置为Vi的人脸相匹配。
在本发明的一个实施例中，对多个监控相机之间的相对位置的计算采用如下公式进行：
其中，以任一监控相机的位置为原点，并以所述监控相机成像的横向和纵向为x、y方向建立坐标系，Pi表示每个监控相机的位置，Ri表示每个监控相机的朝向矩阵；v表示人类的步速。
在本发明的一个实施例中，所述人脸相对于监控相机的位置表示为其中，
其中，(x0,y0)、(x1,y1)分别表示以图像中心为原点图像中人脸的两眼位置，a表示人脸的横向转动角度，IPD表示成年人类的瞳距，f表示监控相机的焦距与传感器像素大小的比值。
在本发明的一个实施例中，所述人脸的两眼位置和所述人脸的横向转动角度通过人脸关键点检测器来计算。
在本发明的一个实施例中，所述人脸关键点检测器包括事先训练好的卷积神经网络回归器。
在本发明的一个实施例中，所述人脸检测采用AdaBoost Cascade人脸检测器实现。
在本发明的一个实施例中，所述人脸信息包括当前时间、人脸在图像中的位置和大小以及面部图像。
在本发明的一个实施例中，所述将人脸与所有其他监控相机中检测到的人脸进行匹配基于局部二值特征进行。
在本发明的一个实施例中，所述将人脸与所有其他监控相机中检测到的人脸进行匹配包括将人脸与所有其他监控相机在一个预定时间范围内采集到的视频中检测到的人脸进行匹配。
另一方面，本发明还一种基于人脸检测的监控相机自定位装置，其特征在于，所述监控相机自定位装置包括：视频采集模块，用于从多个监控相机中的每一个接收视频流；人脸检测模块，用于对来自各监控相机的视频流中的每一帧图像进行人脸检测以获取人脸信息；人脸分析模块，用于针对所述每一帧图像基于所获取的人脸信息计算人脸相对于监控相机的位置，并将人脸与所有其他监控相机中检测到的人脸进行匹配以获取相机间匹配信息；以及相机定位模块，用于基于所述相机间匹配信息计算所述多个监控相机之间的相对位置。
本发明提供的基于人脸检测的监控相机自定位方法及装置通过对多个监控相机的视频流进行人脸检测和人脸分析，可以自动计算出多个监控相机之间的相对位置关系，增强了监控产品的功能。
附图说明
本发明的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发明的实施例及其描述，用来解释本发明的原理。
附图中：
图1示出了根据本发明实施例的、基于人脸检测的监控相机自定位方法的流程图；以及
图2示出了根据本发明实施例的、基于人脸检测的监控相机自定位装置的结构框图。
具体实施方式
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
应当理解的是，本发明能够以不同形式实施，而不应当解释为局限于这里提出的实施例。相反地，提供这些实施例将使公开彻底和完全，并且将本发明的范围完全地传递给本领域技术人员。
在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时，单数形式的“一”、“一个”和“所述/该”也意图包括复数形式，除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”，当在该说明书中使用时，确定所述特征、整数、步骤、操作、元件和/或部件的存在，但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时，术语“和/或”包括相关所列项目的任何及所有组合。
为了彻底理解本发明，将在下列的描述中提出详细的步骤以及详细的结构，以便阐释本发明的技术方案。本发明的较佳实施例详细描述如下，然而除了这些详细描述外，本发明还可以具有其他实施方式。
本发明的实施例提供基于人脸检测的监控相机自定位方法，用于利用人脸检测技术实现基于视频的多相机自定位。下面结合图1详细描述该方法。图1示出了根据本发明实施例的、基于人脸检测的监控相机自定位方法100的流程图。如图1所示，方法100包括如下步骤：
步骤101：从多个监控相机中的每一个接收视频流。
监控系统可包括多个监控相机，这些监控相机可以与计算设备相连，从而由计算设备从多个监控相机中接收视频流。
步骤102：对来自各监控相机的视频流中的每一帧图像进行人脸检测以获取人脸信息。
示例性地，对于来自每个监控相机的每一帧，可以使用人脸检测器检测图中的所有人脸。优选地，可以采用AdaBoost Cascade人脸检测器进行人脸检测。基于积分图的AdaBoost方法先利用“积分图”快速计算特征，构造弱分类器；然后通过AdaBoost学习算法，从得到的大量弱分类器中产生一个高效的强分类器；最后采用级联方式将单个的强分类器再合成为一个更加复杂的层叠分类器，使图像背景区域快速地丢弃。采用AdaBoostCascade人脸检测器可以实现真正实时的人脸检测。
在人脸检测后，可以将检测到的人脸信息记录下来。示例性地，检测到的人脸信息可以包括当前时间、人脸在图像中的位置和大小、以及人脸的面部图像等。
步骤103：针对每一帧图像，基于所获取的人脸信息计算人脸相对于监控相机的位置，并将人脸与所有其他监控相机中检测到的人脸进行匹配以获取相机间匹配信息。
针对来自各监控相机的每一帧图像中所检测到的人脸图像，示例性地，可以采用人脸关键点检测器计算图中人脸的两眼的位置和人脸的横向转动角度。其中，人脸关键点检测器可以采用事先训练好的卷积神经网络回归器来实现。基于所计算的人脸两眼的位置和人脸的横向转动角度，可以计算人脸相对于监控相机的位置(即相对相机位置)。示例性地，人脸相对于监控相机的位置可以表示为其可根据小孔成像原理计算得出。其中，
其中，
并且其中，(x0,y0)、(x1,y1)分别表示以图像中心为原点图像中人脸的两眼位置，a表示人脸的横向转动角度，IPD表示成年人类的瞳距，f表示监控相机的焦距与传感器像素大小的比值。示例性地，IPD的典型取值可以为6cm。
在计算人脸相对于监控相机的位置之后，可以利用人脸身份识别算法(例如，局部二值特征)，将本帧图像中的人脸图像与所有其他监控相机中检测到的人脸进行匹配以获取相机间匹配信息。例如，利用人脸身份识别算法(例如，局部二值特征)，将本帧图像中的人脸图像与所有其他监控相机在一个预定时间范围内采集到的视频中检测到的人脸进行匹配以获取相机间匹配信息。如果人脸的面部图像相似程度超过预定的阈值，那么认为两个人脸图像是匹配的。
优选地，所述预定时间范围可以包括截至到当前时刻的一个较短时间范围，例如，从30秒之前到当前时刻的一段时间。优选地，对于每个其他监控相机，可以仅保留时间最靠后的一次匹配，并将得到的相机间匹配信息记录下来。示例性地，相机间匹配信息可以表示为(Ii,Ui,Ji,Vi,Ti)。(Ii,Ui,Ji,Vi,Ti)可以表示第i组匹配是监控相机Ii中相对相机位置为Ui的人脸与Ti秒之前监控相机Ji中相对相机位置为Vi的人脸相匹配。
步骤104：基于相机间匹配信息计算多个监控相机之间的相对位置。
基于上述步骤记录下来的信息，可以定期(例如每天或每周)进行监控相机间相对位置的计算。在计算监控相机间的相对位置时，可以任取一个监控相机的位置作为原点，以其成像的横向和纵向为x、y方向建立坐标系。可以设每个监控相机的位置为未知变量Pi，每个监控相机的朝向(姿态)矩阵为未知变量Ri。如步骤103中所描述的，相机间匹配信息为(Ii,Ui,Ji,Vi,Ti)，(Ii,Ui,Ji,Vi,Ti)可以表示第i组匹配是监控相机Ii中相对相机位置为Ui的人脸与Ti秒之前监控相机Ji中相对相机位置为Vi的人脸相匹配。那么，解如下优化问题即可得P与R：
其中，v表示人类的步速。示例性地，v的典型值可以取1.4m/s。
根据视频中出现的人脸的时间、位置、大小信息，经过优化计算，可获得对相机之间相对位置和姿态的一个很好的估计。
根据本发明上述实施例的基于人脸检测的监控相机自定位方法通过对来自监控相机的图像中人脸的位置、对应关系的提取，利用视频中人员流动的信息进行综合分析，可以自动的计算出监控相机之间的相对位置关系，增强了监控产品的功能，同时也没有对相机硬件有改动的要求，因此实施容易，成本低。此外，由于利用了人脸在相机之间流动的信息，因此本发明所提供的方法及装置对于监控相机密度相对较低的场景有更好的适应性。
根据本发明的另一方面，还提供了基于人脸检测的监控相机自定位装置。图2示出了根据本发明实施例的基于人脸检测的监控相机自定位装置200的结构框图。如图2所示，监控相机自定位装置200包括视频采集模块201、人脸检测模块202、人脸分析模块203以及相机定位模块204。其中，视频采集模块201用于从多个监控相机中的每一个接收视频流；人脸检测模块202用于对来自各监控相机的视频流中的每一帧图像进行人脸检测以获取人脸信息；人脸分析模块203用于针对每一帧图像基于所获取的人脸信息计算人脸相对于监控相机的位置，并将人脸与所有其他监控相机中检测到的人脸进行匹配以获取相机间匹配信息；相机定位模块204用于基于所述相机间匹配信息计算所述多个监控相机之间的相对位置。
在本发明的一个实施例中，人脸检测模块202可以采用人脸检测器检测图中的所有人脸。优选地，人脸检测模块202可以采用AdaBoost Cascade人脸检测器实现。示例性地，人脸检测模块202进行人脸检测所获取的人脸信息可以包括当前时间、人脸在图像中的位置和大小以及人脸的面部图像。
在本发明的一个实施例中，人脸分析模块203所计算的人脸相对于监控相机的位置可以表示为其中，
其中，(x0,y0)、(x1,y1)分别表示以图像中心为原点图像中人脸的两眼位置，a表示人脸的横向转动角度，IPD表示成年人类的瞳距，f表示监控相机的焦距与传感器像素大小的比值。示例性地，IPD的典型取值可以为6cm。
示例性地，人脸分析模块203可以通过人脸关键点检测器来计算人脸的两眼位置和人脸的横向转动角度。其中，人脸关键点检测器可以包括事先训练好的卷积神经网络回归器。
在本发明的一个实施例中，在计算人脸相对于监控相机的位置之后，人脸分析模块203可以基于人脸识别算法(例如局部二值特征)，将本帧图像中的人脸图像与所有其他监控相机中检测到的人脸进行匹配以获取相机间匹配信息。例如，人脸分析模块203可以基于人脸识别算法(例如局部二值特征)，将本帧图像中的人脸图像与所有其他监控相机在一个预定时间范围内采集到的视频中检测到的人脸进行匹配以获取相机间匹配信息。如果人脸的面部图像相似程度超过预定的阈值，那么认为两个人脸图像是匹配的。
优选地，所述预定时间范围可以包括截至到当前时刻的一个较短时间范围，例如，从30秒之前到当前时刻的一段时间。优选地，对于每个其他监控相机，可以仅保留时间最靠后的一次匹配，并将得到的相机间匹配信息记录下来。
在本发明的一个实施例中，人脸分析模块203所获取的相机间匹配信息可以表示为(Ii,Ui,Ji,Vi,Ti)。(Ii,Ui,Ji,Vi,Ti)表示第i组匹配是监控相机Ii中相对相机位置为Ui的人脸与Ti秒之前监控相机Ji中相对相机位置为Vi的人脸相匹配。
在本发明的一个实施例中，相机定位模块204对多个监控相机之间的相对位置的计算可以采用如下公式进行：
其中，以任一监控相机为原点，并以所述监控相机成像的横向和纵向为x、y方向建立坐标系，Pi表示每个监控相机的位置，Ri表示每个监控相机的朝向矩阵；v表示人类的步速。
可以参考图1描述的实施例理解上述每个模块操作的具体过程，此处不再赘述。本发明实施例的各个模块可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的基于人脸检测的监控相机自定位装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在存储载体上提供，或者以任何其他形式提供。
本发明已经通过上述实施例进行了说明，但应当理解的是，上述实施例只是用于举例和说明的目的，而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是，本发明并不局限于上述实施例，根据本发明的教导还可以做出更多种的变型和修改，这些变型和修改均落在本发明所要求保护的范围以内。本发明的保护范围由附属的权利要求书及其等效范围所界定。
Claims (11)
1.一种基于人脸检测的监控相机自定位方法，其特征在于，所述监控相机自定位方法包括：
从多个监控相机中的每一个接收视频流；
对来自各监控相机的视频流中的每一帧图像进行人脸检测以获取人脸信息；
针对所述每一帧图像，基于所获取的人脸信息计算人脸相对于监控相机的位置，并将人脸与所有其他监控相机中检测到的人脸进行匹配以获取相机间匹配信息；以及
基于所述相机间匹配信息计算所述多个监控相机之间的相对位置。
2.如权利要求1所述的监控相机自定位方法，其特征在于，所述相机间匹配信息表示为(Ii,Ui,Ji,Vi,Ti)，所述(Ii,Ui,Ji,Vi,Ti)表示第i组匹配是监控相机Ii中相对相机位置为Ui的人脸与Ti秒之前监控相机Ji中相对相机位置为Vi的人脸相匹配。
3.如权利要求2所述的监控相机自定位方法，其特征在于，对多个监控相机之间的相对位置的计算采用如下公式进行：
其中，以任一监控相机的位置为原点，并以所述监控相机成像的横向和纵向为x、y方向建立坐标系，Pi表示每个监控相机的位置，Ri表示每个监控相机的朝向矩阵；v表示人类的步速。
4.如权利要求1-3中的任一项所述的监控相机自定位方法，其特征在于，所述人脸相对于监控相机的位置表示为其中，
其中，(x0,y0)、(x1,y1)分别表示以图像中心为原点图像中人脸的两眼位置，a表示人脸的横向转动角度，IPD表示成年人类的瞳距，f表示监控相机的焦距与传感器像素大小的比值。
5.如权利要求4中所述的监控相机自定位方法，其特征在于，所述人脸的两眼位置和所述人脸的横向转动角度通过人脸关键点检测器来计算。
6.如权利要求5所述的监控相机自定位方法，其特征在于，所述人脸关键点检测器包括事先训练好的卷积神经网络回归器。
7.如权利要求1-3中的任一项中所述的监控相机自定位方法，其特征在于，所述人脸检测采用AdaBoost Cascade人脸检测器实现。
8.如权利要求1-3中的任一项所述的监控相机自定位方法，其特征在于，所述人脸信息包括当前时间、人脸在图像中的位置和大小以及面部图像。
9.如权利要求1-3中的任一项所述的监控相机自定位方法，其特征在于，所述将人脸与所有其他监控相机中检测到的人脸进行匹配基于局部二值特征进行。
10.如权利要求1-3中的任一项所述的监控相机自定位方法，其特征在于，所述将人脸与所有其他监控相机中检测到的人脸进行匹配包括将人脸与所有其他监控相机在一个预定时间范围内采集到的视频中检测到的人脸进行匹配。
11.一种基于人脸检测的监控相机自定位装置，其特征在于，所述监控相机自定位装置包括：
视频采集模块，用于从多个监控相机中的每一个接收视频流；
人脸检测模块，用于对来自各监控相机的视频流中的每一帧图像进行人脸检测以获取人脸信息；
人脸分析模块，用于针对所述每一帧图像基于所获取的人脸信息计算人脸相对于监控相机的位置，并将人脸与所有其他监控相机中检测到的人脸进行匹配以获取相机间匹配信息；以及
相机定位模块，用于基于所述相机间匹配信息计算所述多个监控相机之间的相对位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510800367.6A CN105426841B (zh) | 2015-11-19 | 2015-11-19 | 基于人脸检测的监控相机自定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510800367.6A CN105426841B (zh) | 2015-11-19 | 2015-11-19 | 基于人脸检测的监控相机自定位方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105426841A CN105426841A (zh) | 2016-03-23 |
| CN105426841B true CN105426841B (zh) | 2019-02-15 |
Family
ID=55505041
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510800367.6A Active CN105426841B (zh) | 2015-11-19 | 2015-11-19 | 基于人脸检测的监控相机自定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105426841B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107403451B (zh) * | 2017-06-16 | 2020-11-10 | 西安电子科技大学 | 自适应二值特征单目视觉里程计方法及计算机、机器人 |
| CN108875574B (zh) * | 2018-05-11 | 2021-06-25 | 北京旷视科技有限公司 | 行人检测误报结果的检测方法、装置、系统和存储介质 |
| CN109871794A (zh) * | 2019-01-31 | 2019-06-11 | 浙江工业大学 | 一种基于深度学习的网球发球机发球方法 |
| CN110675453B (zh) * | 2019-10-16 | 2021-04-13 | 北京天睿空间科技股份有限公司 | 一种已知场景中运动目标的自定位方法 |
| CN113382304B (zh) * | 2021-06-07 | 2023-07-18 | 北博（厦门）智能科技有限公司 | 一种基于人工智能技术的视频拼接方法 |
| CN113343927B (zh) * | 2021-07-03 | 2023-06-23 | 郑州铁路职业技术学院 | 一种适用于面瘫患者的智能化人脸识别方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11101641A (ja) * | 1997-07-31 | 1999-04-13 | Asahi Optical Co Ltd | カメラおよびカメラのキャリブレーション方法 |
| CN102693417A (zh) * | 2012-05-16 | 2012-09-26 | 清华大学 | 基于异构主动视觉网络的人脸图像样本采集优化方法 |
| CN103279949A (zh) * | 2013-05-09 | 2013-09-04 | 浙江大学 | 基于自定位机器人的多相机参数自动标定系统运行方法 |
-
2015
- 2015-11-19 CN CN201510800367.6A patent/CN105426841B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11101641A (ja) * | 1997-07-31 | 1999-04-13 | Asahi Optical Co Ltd | カメラおよびカメラのキャリブレーション方法 |
| CN102693417A (zh) * | 2012-05-16 | 2012-09-26 | 清华大学 | 基于异构主动视觉网络的人脸图像样本采集优化方法 |
| CN103279949A (zh) * | 2013-05-09 | 2013-09-04 | 浙江大学 | 基于自定位机器人的多相机参数自动标定系统运行方法 |
Non-Patent Citations (1)
| Title |
|---|
| RELATIVE POSITION ESTIMATION OF NON-OVERLAPPING CAMERAS;Nadeem Anjum等;《IEEE International Conference on Acoustics speech and signal processing 2007》;20070604;第281-284页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105426841A (zh) | 2016-03-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105426841B (zh) | 基于人脸检测的监控相机自定位方法及装置 | |
| CN108629791B (zh) | 行人跟踪方法和装置及跨摄像头行人跟踪方法和装置 | |
| CN105160318B (zh) | 基于面部表情的测谎方法及系统 | |
| EP3029604B1 (en) | Area information estimating device, area information estimating method, and air conditioning apparatus | |
| US9311719B2 (en) | Image monitoring apparatus for estimating gradient of singleton, and method therefor | |
| US20180253596A1 (en) | System and method for person re-identification using overhead view images | |
| Chen et al. | A fall detection system based on infrared array sensors with tracking capability for the elderly at home | |
| Abaza et al. | Fast learning ear detection for real-time surveillance | |
| US20140270358A1 (en) | Online Learning Method for People Detection and Counting for Retail Stores | |
| TWI537842B (zh) | 人流計數系統 | |
| CN105989608B (zh) | 一种面向智能机器人的视觉捕捉方法及装置 | |
| CN108665476B (zh) | 一种行人跟踪方法以及电子设备 | |
| JP2009211311A (ja) | 画像処理装置及び方法 | |
| CN108875507B (zh) | 行人跟踪方法、设备、系统和计算机可读存储介质 | |
| WO2001073680A1 (en) | Methods and systems for distinguishing individuals utilizing anatomy and gait parameters | |
| CN109271923A (zh) | 人脸姿态检测方法、系统、电子终端及存储介质 | |
| JP2019079357A (ja) | 所定画像領域をマスクした撮影映像を学習映像として選択する学習映像選択装置、プログラム及び方法 | |
| Gianaria et al. | Robust gait identification using Kinect dynamic skeleton data | |
| Davis et al. | Visual surveillance of human activity | |
| RU2750419C1 (ru) | Система и способ идентификации экипировки на человеке | |
| Iwashita et al. | Gait identification using invisible shadows: robustness to appearance changes | |
| Yoon et al. | Tracking System for mobile user Based on CCTV | |
| Kasturi et al. | Classification of human fall in top Viewed kinect depth images using binary support vector machine | |
| Lu et al. | Novel infrared and visible image fusion method based on independent component analysis | |
| Nehra et al. | Unobtrusive and non-invasive human activity recognition using Kinect sensor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant after: BEIJING KUANGSHI TECHNOLOGY Co.,Ltd. Applicant after: MEGVII (BEIJING) TECHNOLOGY Co.,Ltd. Address before: 100190 Beijing, Haidian District Academy of Sciences, South Road, No. 2, block A, No. 313 Applicant before: BEIJING KUANGSHI TECHNOLOGY Co.,Ltd. Applicant before: PINHOLE (BEIJING) TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20160323 Assignee: Chongqing rose Pharmaceutical Co.,Ltd. Assignor: Huazhi Zhongchuang (Beijing) Investment Management Co.,Ltd. Contract record no.: X2023990000869 Denomination of invention: Self positioning method and device for surveillance cameras based on face detection Granted publication date: 20190215 License type: Common License Record date: 20231016 Application publication date: 20160323 Assignee: Beijing gentong Technology Co.,Ltd. Assignor: Huazhi Zhongchuang (Beijing) Investment Management Co.,Ltd. Contract record no.: X2023990000868 Denomination of invention: Self positioning method and device for surveillance cameras based on face detection Granted publication date: 20190215 License type: Common License Record date: 20231016 Application publication date: 20160323 Assignee: Beijing Peipei Network Technology Co.,Ltd. Assignor: Huazhi Zhongchuang (Beijing) Investment Management Co.,Ltd. Contract record no.: X2023990000867 Denomination of invention: Self positioning method and device for surveillance cameras based on face detection Granted publication date: 20190215 License type: Common License Record date: 20231016 Application publication date: 20160323 Assignee: TIANJIN YIYUE INFORMATION TECHNOLOGY Co.,Ltd. Assignor: Huazhi Zhongchuang (Beijing) Investment Management Co.,Ltd. Contract record no.: X2023990000866 Denomination of invention: Self positioning method and device for surveillance cameras based on face detection Granted publication date: 20190215 License type: Common License Record date: 20231016 |