CN106422210A - 一种基于图像处理的人体运动状态检测方法及系统 - Google Patents

一种基于图像处理的人体运动状态检测方法及系统 Download PDF

Info

Publication number
CN106422210A
CN106422210A CN201610896563.2A CN201610896563A CN106422210A CN 106422210 A CN106422210 A CN 106422210A CN 201610896563 A CN201610896563 A CN 201610896563A CN 106422210 A CN106422210 A CN 106422210A
Authority
CN
China
Prior art keywords
color
rectangle frame
target
motion state
image
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
Application number
CN201610896563.2A
Other languages
English (en)
Other versions
CN106422210B (zh
Inventor
王雷
李宏非
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Haoxiang Technology Co Ltd
Original Assignee
Beijing Haoxiang Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Haoxiang Technology Co Ltd filed Critical Beijing Haoxiang Technology Co Ltd
Priority to CN201610896563.2A priority Critical patent/CN106422210B/zh
Publication of CN106422210A publication Critical patent/CN106422210A/zh
Application granted granted Critical
Publication of CN106422210B publication Critical patent/CN106422210B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B2071/065—Visualisation of specific exercise parameters

Landscapes

  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明具体涉及一种基于图像处理的人体运动状态检测方法及系统，该方法包括：实时读取一路图像采集装置拍摄的原始图像；利用运动向量检测法捕捉原始图像中纵向及横向运动单元，实时绘制出第一颜色的矩形框；判断第一颜色的矩形框内图像的像素大小与原始图像的像素大小是否满足预设比例关系；判断第二颜色的矩形框的持续运动时间是否小于预设时间；根据预设判断策略，对第二颜色的矩形框进行二次筛选；输出该第二颜色的矩形框的运动状态。通过本发明的技术方案，可解决现有技术中多路视频分析带来的较高的运算代价、复杂的硬件设备、较严格并且难度较高的安装实施要求、繁杂的后期维护等难题。

Description

一种基于图像处理的人体运动状态检测方法及系统
技术领域
本发明涉及图像处理技术领域，具体涉及一种基于图像处理的人体运动状态检测方法及系统。
背景技术
当前，基于实时视频流的图像分析技术逐步应用于各种场景中，并得到越来越广泛的认可，在教室、会场、法庭等室内环境中，有效识别并准确判断人物的起立、移动、静止等行为特征在视频录制、实时控制、视频精细应用等环节具有重要意义。
以教室为例，为了识别教室中的学生行为特征，当前技术需要在教室的前后两侧墙壁以及天花板上安装2～4路摄像机(个别特殊教室里甚至需要4～8路)，每一台摄像机都需要按照严格的高度、角度进行安装以获取特定区域、特定角度的视频供系统分析，这样的实现方式解决了识别人物的起立、移动、静止等行为特征的目标，但是存在一些问题：
1、部署安装的工程量和难度较大，多路视频设备的布线、安装、调试都是必须的工作量，同时，这些摄像机的安装高度根据应用有严格要求，例如：小学生安装高度1米左右，中学生安装高度1.3米左右，大学生或者成人安装高度1.5米左右，这样严格的安装高度在实施中会碰到窗户、门等客观条件制约，必须采用额外的工作量来进行现场装修整改以满足基本安装条件。同时，关键设备低位安装不仅存有使用上的安全隐患，也加大了设备故障率，增加维护工作量。
2、系统运算性能要求比较高，多路视频流的实时处理、每一路的实时分析、各路分析之间的实时比对，这些运算综合起来需要一个较高档次的运算平台来支撑。在实际中，这样的运算要求大约需要酷睿i7运算体系，如果采用嵌入式需要TI8168或者多颗TI6402DSP支撑，整个系统的硬件投入较大，设计要求较高，设备形态偏复杂。
因此，目前技术虽然能够达到识别目标特征的应用目标，但是在实现上需要较高的硬件设备投入和严格的工程实施保障，无法满足各行各业日益增加的大批量应用需求，不利于应用推广以及行业发展。
发明内容
有鉴于此，本发明的目的在于克服现有技术的不足，提供一种基于图像处理的人体运动状态检测方法及系统，解决现有技术中多路视频分析带来的较高的运算代价、复杂的硬件设备、较严格并且难度较高的安装实施要求、繁杂的后期维护等难题。
为实现以上目的，本发明采用如下技术方案：
一种基于图像处理的人体运动状态检测方法，包括：
步骤S1、实时读取一路图像采集装置拍摄的原始图像；
步骤S2、利用运动向量检测法捕捉原始图像中纵向及横向运动单元，并对所述运动单元进行边缘检测，以确定边缘点阵；
步骤S3、根据所述边缘点阵在原始图像中的位置，实时绘制出第一颜色的矩形框；
步骤S4、判断第一颜色的矩形框内图像的像素大小与原始图像的像素大小是否满足预设比例关系，若是，则判定被监测人体运动目标在第一颜色的矩形框中，并将第一颜色的矩形框改为第二颜色的矩形框；
步骤S5、利用背景差分和时间差分复合算法计算第二颜色的矩形框的持续运动时间；
步骤S6、判断第二颜色的矩形框的持续运动时间是否小于预设时间，若是，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
步骤S7、根据预设判断策略，对步骤S6筛选后保留的第二颜色的矩形框进行二次筛选，以舍弃无效运动目标所对应的第二颜色的矩形框，并判断有效运动目标的运动状态；
步骤S8、将步骤S7筛选后保留的第二颜色的矩形框以动态图像的形式显示出来。
优选地，所述预设判断策略为：
若第二颜色的矩形框面积变化率保持在5％之内，且在预设时间内持续地纵向运动，则判定该第二颜色的矩形框内的被监测人体运动目标为有效运动目标，且该有效运动目标的运动状态为起立；
若第二颜色的矩形框面积变化率保持在5％之内，且在预设时间内持续地横向运动，则判定该第二颜色的矩形框内的被监测人体运动目标为有效运动目标，且该有效运动目标的运动状态为移动；
若第二颜色的矩形框面积变化率为0，且在预设时间内无运动，且内存中无该第二颜色的矩形框的运动状态记录，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
若第二颜色的矩形框面积变化率为0，且在预设时间内无运动，但内存中有该第二颜色的矩形框的运动状态记录，则判定该第二颜色的矩形框内的被监测人体运动目标为有效运动目标，根据内存中前一时刻所记录的运动状态判定当前时刻该有效运动目标的运动状态；
若第二颜色的矩形框面积变化率大于20％，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
若第二颜色的矩形框面积变化率介于5％～20％之间，且在预设时间内无持续的运动，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
若第二颜色的矩形框面积变化率介于5％～20％之间，但在预设时间有特定方向持续的运动，返回步骤S5重新判断该第二颜色的矩形框内的被监测人体运动目标是否为有效运动目标。
优选地，所述步骤S4具体为：
判断第一颜色的矩形框内图像的像素大小X与原始图像的像素大小Y是否满足：Y*1％＜X＜Y*20％，其中X，Y为正整数；若是，则判定被监测人体运动目标在第一颜色的矩形框中，并将第一颜色的矩形框改为第二颜色的矩形框。
优选地，所述图像采集装置为广角摄像机；所述第一颜色为红色，第二颜色为蓝色；所述预设时间为1秒。
优选地，所述基于图像处理的人体运动状态检测方法每隔10毫秒运行一次。
一种基于图像处理的人体运动状态检测系统，包括：
读取单元，用于实时读取图像采集装置拍摄的原始图像；
边缘检测单元，用于利用运动向量检测法捕捉原始图像中纵向及横向运动单元，并对所述运动单元进行边缘检测，以确定边缘点阵；
绘制单元，用于根据所述边缘点阵在原始图像中的位置，实时绘制出第一颜色的矩形框；
第一判断单元，用于判断第一颜色的矩形框内图像的像素大小与原始图像的像素大小是否满足预设比例关系，若是，则判定被监测人体运动目标在第一颜色的矩形框中，并将第一颜色的矩形框改为第二颜色的矩形框；
计算单元，用于利用背景差分和时间差分复合算法计算第二颜色的矩形框的持续运动时间；
第二判断单元，用于判断第二颜色的矩形框的持续运动时间是否小于预设时间，若是，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
第三判断单元，用于根据预设判断策略，对第二判断单元筛选后保留的第二颜色的矩形框进行二次筛选，以舍弃无效运动目标所对应的第二颜色的矩形框，并判断有效运动目标的运动状态；
输出单元，将第三判断单元筛选后保留的第二颜色的矩形框以动态图像的形式显示出来。
本发明采用以上技术方案，至少具备以下有益效果：
由上述技术方案可知，本发明提供的这种基于图像处理的人体运动状态检测方法及系统，对一路无严格要求的图像采集装置拍摄的原始图像进行分析，经过三次判断处理(分别采用不同的图像分析算法和判断策略)识别出有效的运动目标，并能够根据预设的判断策略检测出被监测人体运动目标的运动状态，为后续基于一路视频流去研究运动目标的跟踪及定位奠定了基础。
本发明提供的这种基于图像处理的人体运动状态检测方法的优点在于所有的输出结果都是对一路视频流分析所得，并且识别准确率完全达到了应用标准(一般认为图像识别准确率达到95％以上才能支撑后期应用)，能够解决现有技术中多路视频分析带来的较高的运算代价、复杂的硬件设备、较严格并且难度较高的安装实施要求、繁杂的后期维护等难题，极大提升了视频监控系统应用的经济性、实用性和稳定性，从而可以加速技术普及和应用推广，促进相关产业的快速发展。
附图说明
图1为本发明一实施例提供的一种基于图像处理的人体运动状态检测方法的流程示意图；
图2为本发明一实施例提供的一种基于图像处理的人体运动状态检测系统的示意框图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
参见图1，本发明一实施例提供的一种基于图像处理的人体运动状态检测方法，包括：
步骤S1、实时读取一路图像采集装置拍摄的原始图像；
步骤S2、利用运动向量检测法捕捉原始图像中纵向及横向运动单元，并对所述运动单元进行边缘检测，以确定边缘点阵；
步骤S3、根据所述边缘点阵在原始图像中的位置，实时绘制出第一颜色的矩形框；
步骤S4、判断第一颜色的矩形框内图像的像素大小与原始图像的像素大小是否满足预设比例关系，若是，则判定被监测人体运动目标在第一颜色的矩形框中，并将第一颜色的矩形框改为第二颜色的矩形框；
步骤S5、利用背景差分和时间差分复合算法计算第二颜色的矩形框的持续运动时间；
步骤S6、判断第二颜色的矩形框的持续运动时间是否小于预设时间，若是，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
步骤S7、根据预设判断策略，对步骤S6筛选后保留的第二颜色的矩形框进行二次筛选，以舍弃无效运动目标所对应的第二颜色的矩形框，并判断有效运动目标的运动状态；
步骤S8、将步骤S7筛选后保留的第二颜色的矩形框以动态图像的形式显示出来。
其中，所述运动状态包括：起立、移动、起立后静止、移动中静止、从静止回到坐下、从起立变为移动、从静止变为移动，从移动回到坐下。
需要说明的是，预设比例关系、预设时间、预设判断策略皆根据历史经验值进行设置和制定。
对图像采集装置的安装没有严格要求，可根据需要进行安装。例如：室内环境中，在人物前后向的墙壁上高度约2米的任意位置安装摄像机一部，成像分辨率可以在D1(704*576)～1080P(1920*1080)之间，镜头角度与地面保持15-20度。
由上述技术方案可知，本发明提供的这种基于图像处理的人体运动状态检测方法，对一路无严格要求的视频图像采集装置拍摄的原始图像进行分析，经过三次判断处理(分别采用不同的图像分析算法和判断策略)识别出有效的运动目标，并能够根据预设的判断策略检测出被监测人体运动目标的运动状态。同时，还能够根据有效运动目标的运动状态去控制图像采集装置的拍摄角度，从而输出包含被监测人体运动目标在各个监测时间点的运动状态的运动轨迹。
本发明提供的这种基于图像处理的人体运动状态检测方法的优点在于所有的输出结果都是对一路视频流分析所得，并且识别准确率完全达到了应用标准(一般认为图像识别准确率达到95％以上才能支撑后期应用)，能够解决现有技术中多路视频分析带来的较高的运算代价、复杂的硬件设备、较严格并且难度较高的安装实施要求、繁杂的后期维护等难题，极大提升了视频监控系统应用的经济性、实用性和稳定性，从而可以加速技术普及和应用推广，促进相关产业的快速发展。
优选地，所述预设判断策略为：
若第二颜色的矩形框面积变化率保持在5％之内，且在预设时间内持续地纵向运动，则判定该第二颜色的矩形框内的被监测人体运动目标为有效运动目标，且该有效运动目标的运动状态为起立；
若第二颜色的矩形框面积变化率保持在5％之内，且在预设时间内持续地横向运动，则判定该第二颜色的矩形框内的被监测人体运动目标为有效运动目标，且该有效运动目标的运动状态为移动；
若第二颜色的矩形框面积变化率为0，且在预设时间内无运动，且内存中无该第二颜色的矩形框的运动状态记录，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
若第二颜色的矩形框面积变化率为0，且在预设时间内无运动，但内存中有该第二颜色的矩形框的运动状态记录，则判定该第二颜色的矩形框内的被监测人体运动目标为有效运动目标，根据内存中前一时刻所记录的运动状态判定当前时刻该有效运动目标的运动状态(如内存记录前一时刻的运动状态为起立，确定当前时刻运动状态为起立后静止；如内存记录前一时刻的运动状态为移动，确定当前时刻运动状态为移动后静止。)；
若第二颜色的矩形框面积变化率大于20％，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
若第二颜色的矩形框面积变化率介于5％～20％之间，且在预设时间内无持续的运动，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
若第二颜色的矩形框面积变化率介于5％～20％之间，但在预设时间有特定方向持续的运动，返回步骤S5重新判断该第二颜色的矩形框内的被监测人体运动目标是否为有效运动目标。
优选地，所述步骤S4具体为：
判断第一颜色的矩形框内图像的像素大小X与原始图像的像素大小Y是否满足：Y*1％＜X＜Y*20％，其中X，Y为正整数；若是，则判定被监测人体运动目标在第一颜色的矩形框中，并将第一颜色的矩形框改为第二颜色的矩形框。
优选地，所述图像采集装置为广角摄像机；所述第一颜色为红色，第二颜色为蓝色；所述预设时间为1秒。
优选地，所述基于图像处理的人体运动状态检测方法每隔10毫秒运行一次。
参见图2，本发明还提出了一种基于图像处理的人体运动状态检测系统100，包括：
读取单元101，用于实时读取图像采集装置拍摄的原始图像；
边缘检测单元102，用于利用运动向量检测法捕捉原始图像中纵向及横向运动单元，并对所述运动单元进行边缘检测，以确定边缘点阵；
绘制单元103，用于根据所述边缘点阵在原始图像中的位置，实时绘制出第一颜色的矩形框；
第一判断单元104，用于判断第一颜色的矩形框内图像的像素大小与原始图像的像素大小是否满足预设比例关系，若是，则判定被监测人体运动目标在第一颜色的矩形框中，并将第一颜色的矩形框改为第二颜色的矩形框；
计算单元105，用于利用背景差分和时间差分复合算法计算第二颜色的矩形框的持续运动时间；
第二判断单元106，用于判断第二颜色的矩形框的持续运动时间是否小于预设时间，若是，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
第三判断单元107，用于根据预设判断策略，对第二判断单元筛选后保留的第二颜色的矩形框进行二次筛选，以舍弃无效运动目标所对应的第二颜色的矩形框，并判断有效运动目标的运动状态；
输出控制单元108，用于将第三判断单元筛选后保留的第二颜色的矩形框以动态图像的形式显示出来。
本发明不局限于上述最佳实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是具有与本申请相同或相近似的技术方案，均落在本发明的保护范围之内。术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上，除非另有明确的限定。

Claims (6)

1.一种基于图像处理的人体运动状态检测方法，其特征在于，包括：
步骤S1、实时读取一路图像采集装置拍摄的原始图像；
步骤S2、利用运动向量检测法捕捉原始图像中纵向及横向运动单元，并对所述运动单元进行边缘检测，以确定边缘点阵；
步骤S3、根据所述边缘点阵在原始图像中的位置，实时绘制出第一颜色的矩形框；
步骤S4、判断第一颜色的矩形框内图像的像素大小与原始图像的像素大小是否满足预设比例关系，若是，则判定被监测人体运动目标在第一颜色的矩形框中，并将第一颜色的矩形框改为第二颜色的矩形框；
步骤S5、利用背景差分和时间差分复合算法计算第二颜色的矩形框的持续运动时间；
步骤S6、判断第二颜色的矩形框的持续运动时间是否小于预设时间，若是，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
步骤S7、根据预设判断策略，对步骤S6筛选后保留的第二颜色的矩形框进行二次筛选，以舍弃无效运动目标所对应的第二颜色的矩形框，并判断有效运动目标的运动状态；
步骤S8、将步骤S7筛选后保留的第二颜色的矩形框以动态图像的形式显示出来。
2.根据权利要求1所述的基于图像处理的人体运动状态检测方法，其特征在于，所述预设判断策略为：
若第二颜色的矩形框面积变化率保持在5％之内，且在预设时间内持续地纵向运动，则判定该第二颜色的矩形框内的被监测人体运动目标为有效运动目标，且该有效运动目标的运动状态为起立；
若第二颜色的矩形框面积变化率保持在5％之内，且在预设时间内持续地横向运动，则判定该第二颜色的矩形框内的被监测人体运动目标为有效运动目标，且该有效运动目标的运动状态为移动；
若第二颜色的矩形框面积变化率为0，且在预设时间内无运动，且内存中无该第二颜色的矩形框的运动状态记录，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
若第二颜色的矩形框面积变化率为0，且在预设时间内无运动，但内存中有该第二颜色的矩形框的运动状态记录，则判定该第二颜色的矩形框内的被监测人体运动目标为有效运动目标，根据内存中前一时刻所记录的运动状态判定当前时刻该有效运动目标的运动状态；
若第二颜色的矩形框面积变化率大于20％，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
若第二颜色的矩形框面积变化率介于5％～20％之间，且在预设时间内无持续的运动，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
若第二颜色的矩形框面积变化率介于5％～20％之间，但在预设时间有特定方向持续的运动，返回步骤S5重新判断该第二颜色的矩形框内的被监测人体运动目标是否为有效运动目标。
3.根据权利要求1所述的基于图像处理的人体运动状态检测方法，其特征在于，所述步骤S4具体为：
判断第一颜色的矩形框内图像的像素大小X与原始图像的像素大小Y是否满足：Y*1％＜X＜Y*20％，其中X，Y为正整数；若是，则判定被监测人体运动目标在第一颜色的矩形框中，并将第一颜色的矩形框改为第二颜色的矩形框。
4.根据权利要求1所述的基于图像处理的人体运动状态检测方法，其特征在于，所述图像采集装置为广角摄像机；所述第一颜色为红色，第二颜色为蓝色；所述预设时间为1秒。
5.根据权利要求1～4任一项所述的基于图像处理的人体运动状态检测方法，其特征在于，所述基于图像处理的人体运动状态检测方法每隔10毫秒运行一次。
6.一种基于图像处理的人体运动状态检测系统，其特征在于，包括：
读取单元，用于实时读取图像采集装置拍摄的原始图像；
边缘检测单元，用于利用运动向量检测法捕捉原始图像中纵向及横向运动单元，并对所述运动单元进行边缘检测，以确定边缘点阵；
绘制单元，用于根据所述边缘点阵在原始图像中的位置，实时绘制出第一颜色的矩形框；
第一判断单元，用于判断第一颜色的矩形框内图像的像素大小与原始图像的像素大小是否满足预设比例关系，若是，则判定被监测人体运动目标在第一颜色的矩形框中，并将第一颜色的矩形框改为第二颜色的矩形框；
计算单元，用于利用背景差分和时间差分复合算法计算第二颜色的矩形框的持续运动时间；
第二判断单元，用于判断第二颜色的矩形框的持续运动时间是否小于预设时间，若是，则判定该第二颜色的矩形框内的被监测人体运动目标为无效运动目标，舍弃该第二颜色的矩形框；
第三判断单元，用于根据预设判断策略，对第二判断单元筛选后保留的第二颜色的矩形框进行二次筛选，以舍弃无效运动目标所对应的第二颜色的矩形框，并判断有效运动目标的运动状态；
输出单元，用于将第三判断单元筛选后保留的第二颜色的矩形框以动态图像的形式显示出来。
CN201610896563.2A 2016-10-13 2016-10-13 一种基于图像处理的人体运动状态检测方法及系统 Active CN106422210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610896563.2A CN106422210B (zh) 2016-10-13 2016-10-13 一种基于图像处理的人体运动状态检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610896563.2A CN106422210B (zh) 2016-10-13 2016-10-13 一种基于图像处理的人体运动状态检测方法及系统

Publications (2)

Publication Number Publication Date
CN106422210A true CN106422210A (zh) 2017-02-22
CN106422210B CN106422210B (zh) 2018-07-20

Family

ID=58174734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610896563.2A Active CN106422210B (zh) 2016-10-13 2016-10-13 一种基于图像处理的人体运动状态检测方法及系统

Country Status (1)

Country Link
CN (1) CN106422210B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106941580A (zh) * 2017-03-22 2017-07-11 北京昊翔信达科技有限公司 基于单一探测镜头实现教师学生自动跟踪的方法和系统
CN108355340A (zh) * 2018-02-06 2018-08-03 浙江大学 一种基于视频信息的拍球计数方法
CN108379816A (zh) * 2018-02-06 2018-08-10 浙江大学 一种智能拍球计数方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100210377A1 (en) * 2007-09-21 2010-08-19 Lock Timothy J Object location and movement detection system and method
CN103502987A (zh) * 2011-02-17 2014-01-08 耐克国际有限公司 使用图像数据选择并关联体育活动数据
CN103518203A (zh) * 2010-11-24 2014-01-15 耐克国际有限公司 包括训练程序的自动化个人训练的方法和系统
US20140375817A1 (en) * 2010-11-10 2014-12-25 Nike, Inc. Systems and Methods for Time-Based Athletic Activity Measurement and Display
CN105210084A (zh) * 2013-03-15 2015-12-30 耐克创新有限合伙公司 来自运动表现的图像数据的反馈信号
CN205028351U (zh) * 2015-10-15 2016-02-10 北京昊翔信达科技有限公司 基于dsp的图像定位跟踪切换装置
CN205028350U (zh) * 2015-10-15 2016-02-10 北京昊翔信达科技有限公司 基于arm和dsp的图像定位跟踪切换装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100210377A1 (en) * 2007-09-21 2010-08-19 Lock Timothy J Object location and movement detection system and method
US20140375817A1 (en) * 2010-11-10 2014-12-25 Nike, Inc. Systems and Methods for Time-Based Athletic Activity Measurement and Display
CN103518203A (zh) * 2010-11-24 2014-01-15 耐克国际有限公司 包括训练程序的自动化个人训练的方法和系统
CN103502987A (zh) * 2011-02-17 2014-01-08 耐克国际有限公司 使用图像数据选择并关联体育活动数据
CN105210084A (zh) * 2013-03-15 2015-12-30 耐克创新有限合伙公司 来自运动表现的图像数据的反馈信号
CN205028351U (zh) * 2015-10-15 2016-02-10 北京昊翔信达科技有限公司 基于dsp的图像定位跟踪切换装置
CN205028350U (zh) * 2015-10-15 2016-02-10 北京昊翔信达科技有限公司 基于arm和dsp的图像定位跟踪切换装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106941580A (zh) * 2017-03-22 2017-07-11 北京昊翔信达科技有限公司 基于单一探测镜头实现教师学生自动跟踪的方法和系统
CN106941580B (zh) * 2017-03-22 2019-12-03 北京昊翔信达科技有限公司 基于单一探测镜头实现教师学生自动跟踪的方法和系统
CN108355340A (zh) * 2018-02-06 2018-08-03 浙江大学 一种基于视频信息的拍球计数方法
CN108379816A (zh) * 2018-02-06 2018-08-10 浙江大学 一种智能拍球计数方法

Also Published As

Publication number Publication date
CN106422210B (zh) 2018-07-20

Similar Documents

Publication Publication Date Title
CN111882580B (zh) 一种视频多目标跟踪方法及系统
CN103593678B (zh) 一种大跨度桥梁车辆动态荷载分布检测方法
CN105915846B (zh) 一种单双目复用的入侵物监测方法及系统
CN103517042A (zh) 一种养老院老人危险行为监测方法
CN102982341A (zh) 一种可跨摄像机的自适应人群密度估计方法
CN106204595A (zh) 一种基于双目摄像机的机场场面三维全景监视方法
CN106422210A (zh) 一种基于图像处理的人体运动状态检测方法及系统
CN102447835A (zh) 无盲区多目标协同跟踪方法及系统
CN104318588A (zh) 一种基于位置感知判别外观模型的多摄像机目标跟踪方法
CN105243664A (zh) 一种基于视觉的轮式移动机器人快速目标跟踪方法
CN102222346A (zh) 一种车辆检测和跟踪方法
CN109580137B (zh) 一种基于计算机视觉技术的桥梁结构位移影响线实测方法
CN105139016A (zh) 监控摄像头的干扰检测系统及其应用方法
CN103426179A (zh) 一种基于均值偏移多特征融合的目标跟踪方法及装置
CN112597877A (zh) 一种基于深度学习的厂区人员异常行为检测方法
CN111339905A (zh) 基于深度学习及多视角的cim井盖状态视觉检测系统
Song et al. Real-time monitoring for crowd counting using video surveillance and GIS
CN111681382A (zh) 一种基于视觉分析检测施工现场跨越临时围栏的方法
CN106941580B (zh) 基于单一探测镜头实现教师学生自动跟踪的方法和系统
CN101303726A (zh) 基于粒子动态采样模型的红外人体目标跟踪系统
CN111783675A (zh) 基于车辆语义感知的智慧城市视频自适应hdr控制方法
CN104786227B (zh) 基于高压带电作业机器人的跌落开关更换控制系统及方法
CN105701578A (zh) 一种基于电子鼻和红外摄像仪烟羽前端扩散路径预测方法
CN114202819B (zh) 一种基于机器人的变电站巡检方法、系统及计算机
WO2011129473A1 (ko) 하늘상태 자동관측 시스템 및 방법

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