CN106530331A - 视频监控系统及方法 - Google Patents
视频监控系统及方法 Download PDFInfo
- Publication number
- CN106530331A CN106530331A CN201611046635.0A CN201611046635A CN106530331A CN 106530331 A CN106530331 A CN 106530331A CN 201611046635 A CN201611046635 A CN 201611046635A CN 106530331 A CN106530331 A CN 106530331A
- Authority
- CN
- China
- Prior art keywords
- video
- video image
- moving target
- image
- analysis server
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- 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
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Computer Networks & Wireless Communication (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明实施例公开了一种视频监控系统及方法。所述系统包括:至少一个视频图像采集卡,用于视频图像的采集;视频图像分析服务器,与至少一个所述视频图像采集卡远程连接,用于从采集的视频图像中识别运动目标,并根据所述运动目标的特征,从其他视频中跟踪相同的运动目标;至少一个视频侦查终端,与所述视频图像分析服务器部署在同一个私有云内,并且与所述视频图像分析服务器连接,用于显示对所述运动目标的跟踪结果。本发明实施例提供的视频监控系统及方法能够在海量的监控视频中发现相同的运动目标,为案件侦破提供有效的线索。
Description
技术领域
本发明实施例涉及视频图像处理技术领域,尤其涉及一种视频监控系统及方法。
背景技术
随着“金盾工程”、“平安城市”和“天网工程”的深入开展,公安机关实现了各类公共场所、道路等视频监控体系建设,形成了一张覆盖城乡、重要场所、主要路段以及居民区的立体监控网,成为强化社会面控制、防范打击各类犯罪的有效手段,视频监控信息已经成为了刑事侦查的重要信息来源。
但由于缺乏成熟、有效的信息技术作为支撑手段,视频侦查工作目前还基本停留在“人工+人海”方式,这不仅需要投入大量的警力,耗费宝贵的时间和精力,而且在有些案件中,因涉及的监控区域广、视频量大,需要花费较长时间才能发现。
利用视频监控录像发现案件线索,排查、追踪、锁定嫌疑目标的视频侦查技术在刑事案件侦查中发挥着日益重要的作用。发展、运用视频侦查技术已得到了公安部及各级公安机关的普遍重视,视频侦查技术已成为继刑事技术、行动技术、网侦技术之后侦查破案的第四大技术支撑。然而,现有技术中还没有利用视频侦查技术发现不同视频文件中的关联,进而为案件侦破提供线索的有效手段。
发明内容
针对上述技术问题,本发明实施例提供了一种视频监控系统及方法,以在海量的监控视频中发现相同的运动目标,为案件侦破提供有效的线索。
一方面,本发明实施例提供了一种视频监控系统,所述系统包括:
至少一个视频图像采集卡,用于视频图像的采集;
视频图像分析服务器,与至少一个所述视频图像采集卡远程连接,用于从采集的视频图像中识别运动目标,并根据所述运动目标的特征,从其他视频中跟踪相同的运动目标;
至少一个视频侦查终端,与所述视频图像分析服务器部署在同一个私有云内,并且与所述视频图像分析服务器连接,用于显示对所述运动目标的跟踪结果。
另一方面,本发明实施例还提供了一种视频监控方法,所述方法包括:
由视频图像中识别运动目标;
利用粒子滤波算法,跟踪所述运动目标;
获取所述运动目标的图像特征,其中,所述图像特征包括颜色特征、纹理特征、图像深度特征,或者特征点;
根据所述图像特征,在存储的其他视频图像中检索所述运动目标。
本发明实施例提供的视频监控系统及方法,通过视频图像分析服务器识别采集到的视频图像中的运动目标,在根据识别到的运动目标的特征,由存储的其他视频图像中检索相同的运动目标,在海量的监控视频中能够发现相同的运动目标,为案件侦破提供有效的线索。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是本发明第一实施例提供的视频监控系统的系统架构图;
图2是本发明第二实施例提供的视频监控方法的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
第一实施例
本实施例提供了视频监控系统的一种技术方案。参见图1,在该技术方案中,所诉视频监控系统包括:视频图像采集卡11、视频图像分析服务器12、视频侦查终端13、视频计算服务器14、海量视频存储服务器15、地理信息系统(Geographic information system,GIS)服务器16、高速网络交换机17、视频侦查取证设备18。
视频图像采集卡11是视频监控系统的图像采集设备,主要的用途在于犯罪现场的视频图像采集。可以理解,在实际的视频监控系统中,视频图像采集卡11的数量通常是多于一个的。并且,视频图像采集卡11的部署位置通常与视频图像分析服务器12相异,因此,视频图像采集卡11与视频图像分析服务器12之间的网络连接通常是远程连接。
视频图像分析服务器12是整个视频监控系统的核心。它通过与之保持有远程连接的各个视频图像采集卡11采集视频图像,从采集到的视频图像中识别运动目标,再根据从这些运动目标中识别的图像特征,从存储的其他视频图像中查找识别得到的运动目标。
假设选定的运动目标是逃窜中的犯罪分子,则通过对不同视频图像之间的上述分析过程,可以大致得到犯罪分子的逃窜路线,进而为案件的侦破提供有利线索。
优选的,在上述分析过程中,视频图像分析服务器12可以首先在一个视频图像中识别运动目标,然后在该视频图像中,采用粒子滤波算法对识别到的运动目标进行跟踪。在识别上述运动目标之后,继续识别该运动目标的图像特征,最后依据识别到的运动目标的图像特征,在由其他视频图像采集卡11采集到的视频图像中检索所述运动目标。
上述图像特征可以包括:颜色特征、纹理特征、图像深度特征,或者特征点。采用粒子滤波算法的优势在于,能够克服短时部分遮挡对目标跟踪产生的影响,提高了运动目标跟踪的鲁棒性。
而且,视频图像分析服务器12执行的转码操作是无损转码操作,有效保障了转码后视频的质量和可信度。
在进行视频图像中的运动目标识别的过程中,优选的,视频图像分析服务器12需要对采集图像的背景进行背景建模,然后从采集到的图像中减除背景建模后的背景模型,再利用背景减除后的图像进行运动目标识别。这样做的好处在于,使得运动目标的检测能够克服阴影、光照变化和微小运动目标的干扰,提高了运动目标检测识别的鲁棒性。
视频侦查终端13与视频图像分析服务器12部署在相同的私有云内。视频图像分析服务器12在完成了对视频图像的上述分析过程之后,通过上述视频侦查终端13将分析结果显示给用户。
所谓私有云可以是部署在视频图像分析服务器12本地的局域网,以及加载在该局域网上的软件及硬件工具的集合。私有云还可以是部署在视频图像分析服务器12本地的互相相连的多个局域网,以及在这些局域网上加载的软件和硬件工具集合。
视频侦查终端13还实现了1080P高清视频的快速分析,单机每小时可分析检索50小时1080P高清视频,分析性能十倍于国内同类产品。
由于上述视频监控系统中部署于不同地点的视频图像采集卡11可能是不同厂商、不同规格的设备,采集到的视频图像可能具有不同的数据格式。在获取到由不同的视频图像采集卡11采集的视频图像之后,与视频图像分析服务器12之间保持网络连接的视频计算服务器14会对具有不同数据存储格式的视频图像进行视频转码操作。由于执行了视频转码操作,使得上述视频监控系统能够兼容不同的视频制式,使得视频监控系统能够与多种不同的视频图像采集卡11连接,拓宽了视频监控系统的应用范围。
海量视频存储服务器15同样与视频图像分析服务器12部署于相同的私有云,而且海量视频存储服务器15与视频图像分析服务器12保持网络连接。视频图像分析服务器12在获取到由不同的视频图像采集卡11采集到的视频图像之后,经过视频计算服务器14的视频转码之后,将转码之后的视频图像存储在海量视频存储服务器15之上。海量视频存储服务器15具有较大的存储空间,能够为海量的视频文件提供存储服务。
GIS服务器16为视频监控系统提供地图服务。在部署GIS服务器16之后,视频监控系统提供给用户的展示数据更为丰富。具体的讲,视频监控系统中由视频侦查终端13提供给用户的展示数据除了由视频图像采集卡11采集到的视频图像,还包括关于视频采集现场的地图信息,使用户能够结合GIS信息及视频数据对嫌疑人的空间活动轨迹、时间活动轨迹进行分析和判断,为用户提供了方便的案件综合分析和研判平台。
高速网络交换机17与视频图像分析服务器12部署在相同的私有云中。它是视频图像分析服务器12与其他网络设备之间的网络交换设备,用于保证视频图像分析服务器12与其他网络设备之间的高速网络通讯。此处,其他网络设备是指:视频图像采集卡11、视频侦查终端13、视频计算服务器14、海量视频存储服务器15、GIS服务器16,或者视频侦查取证设备18。
视频侦查取证设备18在功能上与视频图像采集卡11类似,在视频监控系统中同样起视频采集的作用。与视频图像采集卡11的不同之处在于,视频侦查取证设备18具备一定的本地视频图像数据处理能力,能够在其本地执行简单的视频时移、转码等视频处理操作。
需要说明的是,无论是由视频侦查取证设备18采集的视频图像,还是由视频图像采集卡11采集的视频图像,在视频图像分析服务器12上执行图像分析时,视频图像分析服务器12对它们会同等对待。也就是说,在进行视频图像分析时,视频图像分析服务器12并不会因为视频图像的采集来源设备类型的不同,造成对于视频图像的处理流程上的不同。
视频监控系统提供丰富的接口供其他系统调用,同时在部署后可与其他符合GB/28181-2011标准的公安业务系统无缝对接,向作战平台开放各类信息数据,实现在作战室中综合利用社会面视频数据、平安城市视频数据、公安网上各业务系统数据、视频专网上业务系统数据、PGIS(VGIS)数据、SIS超级情报系统、案件库历史案件数据等多元数据,实现多元数据融合作战,进一步提高视频侦查的信息化程度,使视频侦查质量与效率迈上一个新的台阶。
视频监控服务提供方式可以是SDK,也可以是Web Service。无论需要对接的系统是C/S还是B/S模式,都能很容易地实现数据访问,并进行二次开发。
本实施例通过在视频监控系统内设置包括视频图像采集卡及视频侦查取证设备的视频采集设备,用于对视频图像进行目标识别及检索的视频图像分析服务器,以及向用户显示分析结果的视频侦查终端,能够在海量的监控视频中发现相同的运动目标,为案件侦破提供有效的线索。
第二实施例
本实施例提供了视频监控方法的一种技术方案。具体的,视频监控方法包括:对采集到的所述视频图像进行视频转码;由视频图像中识别运动目标;利用粒子滤波算法,跟踪所述运动目标;获取所述运动目标的图像特征;根据所述图像特征,在存储的其他视频图像中检索所述运动目标。
参见图2,视频监控方法包括:
S21,对采集到的所述视频图像进行视频转码。
由于用来采集视频图像的视频采集设备的制式不一,采集到的视频图像的格式并不统一。为了使得视频监控系统兼容不同的视频采集设备,以及不同的视频数据制式,在通过不同的视频采集设备采集到视频图像之后,对采集到的视频图像进行视频转码。执行视频转码之后,由不同的视频采集设备采集到的视频图像具有相同的文件制式,方便了对视频图像的后续分析处理。
S22,由视频图像中识别运动目标。
在本实施例中,具体的,对运动目标的识别包括:采用背景建模算法,对所述视频图像的背景进行建模;根据所述背景建模的建模结果,对所述视频图像进行背景减除;针对进行背景减除后的结果视频图像,识别所述运动目标。
采用上述过程对运动目标进行识别的优势在于:使得运动目标的检测能够克服阴影、光照变化和微小运动目标的干扰,提高了运动目标检测识别的鲁棒性。
S23,利用粒子滤波算法,跟踪所述运动目标。
运用粒子滤波算法跟踪运动目标的有益效果在于:能够克服短时部分遮挡对目标跟踪产生的影响,提高了运动目标跟踪的鲁棒性。
S24,获取所述运动目标的图像特征,其中,所述图像特征包括颜色特征、纹理特征、图像深度特征,或者特征点。
为了能够在存储的其他视频图像中检索运动目标,在识别到所述运动目标之后,获取所述运动目标的图像特征。所述图像特征包括:运动目标的颜色特征、纹理特征、图像深度特征,或者特征点。
S25,根据所述图像特征,在存储的其他视频图像中检索所述运动目标。
具体的,在存储的其他视频图像中检索所述运动目标包括:计算所述视频图像的色彩对比度,并将所述色彩对比度与预设的色彩对比度阈值进行比较;若所述色彩对比度高于所述色彩对比度阈值,则根据颜色特征或者纹理特征在其他视频中检索所述运动目标;若所述色彩对比度低于所述色彩对比度阈值,则根据图像深度特征,或者特征点在其他视频中检索所述运动目标。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种视频监控系统,其特征在于,包括:
至少一个视频图像采集卡,用于视频图像的采集;
视频图像分析服务器,与至少一个所述视频图像采集卡远程连接,用于从采集的视频图像中识别运动目标,并根据所述运动目标的特征,从其他视频中跟踪相同的运动目标;
至少一个视频侦查终端,与所述视频图像分析服务器部署在同一个私有云内,并且与所述视频图像分析服务器连接,用于显示对所述运动目标的跟踪结果。
2.根据权利要求1所述的视频监控系统,其特征在于,还包括:
视频计算服务器,部署于所述私有云内,并且与所述视频图像分析服务器连接,用于对由所述视频图像采集卡采集到的视频图像进行转码运算;
海量视频存储服务器,部署于所述私有云内,并且与所述视频图像分析服务器连接,用于对所述视频图像采集卡采集到的海量视频图像进行存储;
地理信息系统GIS服务器,部署于所述私有云内,并且与所述视频图像分析服务器连接,用于对所述视频图像分析服务器提供地理信息系统GIS服务。
3.根据权利要求1所述的视频监控系统,其特征在于,还包括:
高速网络交换机,部署于所述私有云内,并且与所述视频图像分析服务器连接,用于保证所述视频图像分析服务器与所述视频图像采集卡及所述视频侦查终端之间的通讯连接。
4.根据权利要求1所述的视频监控系统,其特征在于,还包括:
视频侦查取证设备,与所述视频图像分析服务器之间保持远程连接,用于视频图像的采集。
5.根据权利要求1至4任一所述的视频监控系统,其特征在于,所述视频图像分析服务器具体用于:
根据所述视频侦查终端的指令,由所述视频图像中识别运动目标;
利用粒子滤波算法,跟踪所述运动目标;
获取所述运动目标的图像特征,其中,所述图像特征包括颜色特征、纹理特征、图像深度特征,或者特征点;
根据所述图像特征,在存储的其他视频中检索所述运动目标。
6.根据权利要求5所述的视频监控系统,其特征在于,所述私有云包括:在所述视频图像分析服务器的本地部署的局域网,以及在所述局域网上设置的软硬件工具集合。
7.一种视频监控方法,其特征在于,包括:
由视频图像中识别运动目标;
利用粒子滤波算法,跟踪所述运动目标;
获取所述运动目标的图像特征,其中,所述图像特征包括颜色特征、纹理特征、图像深度特征,或者特征点;
根据所述图像特征,在存储的其他视频图像中检索所述运动目标。
8.根据权利要求7所述的方法,其特征在于,由视频图像中识别运动目标包括:
采用背景建模算法,对所述视频图像的背景进行建模;
根据所述背景建模的建模结果,对所述视频图像进行背景减除;
针对进行背景减除后的结果视频图像,识别所述运动目标。
9.根据权利要求7所述的方法,其特征在于,根据所述图像特征,在存储的其他视频中检索所述运动目标包括:
计算所述视频图像的色彩对比度,并将所述色彩对比度与预设的色彩对比度阈值进行比较;
若所述色彩对比度高于所述色彩对比度阈值,则根据颜色特征或者纹理特征在其他视频中检索所述运动目标;
若所述色彩对比度低于所述色彩对比度阈值,则根据图像深度特征,或者特征点在其他视频中检索所述运动目标。
10.根据权利要求7至9任一所述的方法,其特征在于,还包括:
在由视频图像中识别运动目标之前,对采集到的所述视频图像进行视频转码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611046635.0A CN106530331A (zh) | 2016-11-23 | 2016-11-23 | 视频监控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611046635.0A CN106530331A (zh) | 2016-11-23 | 2016-11-23 | 视频监控系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106530331A true CN106530331A (zh) | 2017-03-22 |
Family
ID=58357920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611046635.0A Pending CN106530331A (zh) | 2016-11-23 | 2016-11-23 | 视频监控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106530331A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107645673A (zh) * | 2017-08-29 | 2018-01-30 | 湖北航天技术研究院总体设计所 | 一种遥测图像实时解码单元 |
CN109344290A (zh) * | 2018-11-19 | 2019-02-15 | 福建工程学院 | 一种基于区块链技术寻找走失儿童的方法 |
CN111126153A (zh) * | 2019-11-25 | 2020-05-08 | 北京锐安科技有限公司 | 基于深度学习的安全监测方法、系统、服务器及存储介质 |
CN111327925A (zh) * | 2019-06-04 | 2020-06-23 | 杭州海康威视系统技术有限公司 | 数据处理方法、装置、电子设备及机器可读存储介质 |
CN113727144A (zh) * | 2021-09-02 | 2021-11-30 | 中国联合网络通信集团有限公司 | 基于混合云的高清直播系统及流媒体方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070183629A1 (en) * | 2006-02-09 | 2007-08-09 | Porikli Fatih M | Method for tracking objects in videos using covariance matrices |
CN101093603A (zh) * | 2007-07-03 | 2007-12-26 | 北京智安邦科技有限公司 | 智能视频监控设备模组和系统及其监控方法 |
CN101299812A (zh) * | 2008-06-25 | 2008-11-05 | 北京中星微电子有限公司 | 视频分析和存储方法、系统,及视频检索方法、系统 |
CN101872524A (zh) * | 2009-08-14 | 2010-10-27 | 杭州海康威视数字技术股份有限公司 | 基于虚拟墙的视频监控方法、系统及装置 |
CN201773466U (zh) * | 2009-09-09 | 2011-03-23 | 深圳辉锐天眼科技有限公司 | 物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置 |
CN102184551A (zh) * | 2011-05-10 | 2011-09-14 | 东北大学 | 结合多种特征匹配和粒子滤波的目标自动跟踪方法及系统 |
CN102521844A (zh) * | 2011-11-30 | 2012-06-27 | 湖南大学 | 基于视觉注意机制的改进粒子滤波目标跟踪的方法 |
CN102752574A (zh) * | 2011-04-18 | 2012-10-24 | 中兴通讯股份有限公司 | 一种视频监控系统及方法 |
CN102903119A (zh) * | 2012-05-22 | 2013-01-30 | 北京国铁华晨通信信息技术有限公司 | 一种目标跟踪方法和装置 |
-
2016
- 2016-11-23 CN CN201611046635.0A patent/CN106530331A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070183629A1 (en) * | 2006-02-09 | 2007-08-09 | Porikli Fatih M | Method for tracking objects in videos using covariance matrices |
CN101093603A (zh) * | 2007-07-03 | 2007-12-26 | 北京智安邦科技有限公司 | 智能视频监控设备模组和系统及其监控方法 |
CN101299812A (zh) * | 2008-06-25 | 2008-11-05 | 北京中星微电子有限公司 | 视频分析和存储方法、系统,及视频检索方法、系统 |
CN101872524A (zh) * | 2009-08-14 | 2010-10-27 | 杭州海康威视数字技术股份有限公司 | 基于虚拟墙的视频监控方法、系统及装置 |
CN201773466U (zh) * | 2009-09-09 | 2011-03-23 | 深圳辉锐天眼科技有限公司 | 物体滞留/偷窃事件检测、跟踪和识别的视频监控预警装置 |
CN102752574A (zh) * | 2011-04-18 | 2012-10-24 | 中兴通讯股份有限公司 | 一种视频监控系统及方法 |
CN102184551A (zh) * | 2011-05-10 | 2011-09-14 | 东北大学 | 结合多种特征匹配和粒子滤波的目标自动跟踪方法及系统 |
CN102521844A (zh) * | 2011-11-30 | 2012-06-27 | 湖南大学 | 基于视觉注意机制的改进粒子滤波目标跟踪的方法 |
CN102903119A (zh) * | 2012-05-22 | 2013-01-30 | 北京国铁华晨通信信息技术有限公司 | 一种目标跟踪方法和装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107645673A (zh) * | 2017-08-29 | 2018-01-30 | 湖北航天技术研究院总体设计所 | 一种遥测图像实时解码单元 |
CN107645673B (zh) * | 2017-08-29 | 2020-05-15 | 湖北航天技术研究院总体设计所 | 一种遥测图像实时解码单元 |
CN109344290A (zh) * | 2018-11-19 | 2019-02-15 | 福建工程学院 | 一种基于区块链技术寻找走失儿童的方法 |
CN111327925A (zh) * | 2019-06-04 | 2020-06-23 | 杭州海康威视系统技术有限公司 | 数据处理方法、装置、电子设备及机器可读存储介质 |
CN111126153A (zh) * | 2019-11-25 | 2020-05-08 | 北京锐安科技有限公司 | 基于深度学习的安全监测方法、系统、服务器及存储介质 |
CN111126153B (zh) * | 2019-11-25 | 2023-07-21 | 北京锐安科技有限公司 | 基于深度学习的安全监测方法、系统、服务器及存储介质 |
CN113727144A (zh) * | 2021-09-02 | 2021-11-30 | 中国联合网络通信集团有限公司 | 基于混合云的高清直播系统及流媒体方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Anomaly detection in surveillance video based on bidirectional prediction | |
CN106530331A (zh) | 视频监控系统及方法 | |
CN109961019B (zh) | 一种时空行为检测方法 | |
CN110807385B (zh) | 目标检测方法、装置、电子设备及存储介质 | |
JP6943187B2 (ja) | センシングデータ処理システムとそのエッジサーバ、伝送トラフィック削減方法およびプログラム | |
CN102811343B (zh) | 一种基于行为识别的智能视频监控系统 | |
Hu et al. | GeoAI at ACM SIGSPATIAL: progress, challenges, and future directions | |
Pittore et al. | Toward a rapid probabilistic seismic vulnerability assessment using satellite and ground-based remote sensing | |
CN105631427A (zh) | 可疑人员检测方法与系统 | |
CN102959946A (zh) | 基于相关3d点云数据来扩充图像数据的技术 | |
CN104486585B (zh) | 一种基于gis的城市海量监控视频管理方法及系统 | |
JP2018022475A (ja) | 背景モデルを更新するための方法及び装置 | |
WO2017081327A1 (en) | Method and system for processing image data | |
WO2014201891A1 (zh) | 多目标跟踪方法、系统及计算机存储介质 | |
CN115393681A (zh) | 一种目标融合方法、装置、电子设备及存储介质 | |
CN103187083B (zh) | 一种基于时域视频融合的存储方法及其系统 | |
Liang et al. | MUS-CDB: Mixed uncertainty sampling with class distribution balancing for active annotation in aerial object detection | |
Sharma et al. | Video interframe forgery detection: Classification, technique & new dataset | |
Chern et al. | Impact of loss functions on semantic segmentation in far‐field monitoring | |
CN115187884A (zh) | 一种高空抛物识别方法、装置、电子设备及存储介质 | |
CN112052337A (zh) | 基于时空关联的目标关系探测方法、系统及存储介质 | |
Kamenetsky et al. | Aerial car detection and urban understanding | |
Marceline et al. | Cloud storage optimization for video surveillance applications | |
CN112306985A (zh) | 一种数字视网膜多模态特征联合精准检索方法 | |
KR102426594B1 (ko) | 크라우드소싱 환경에서 객체의 위치를 추정하는 시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170322 |