CN106650620B - 一种应用无人机监测的目标人员识别追踪方法 - Google Patents
一种应用无人机监测的目标人员识别追踪方法 Download PDFInfo
- Publication number
- CN106650620B CN106650620B CN201611010433.0A CN201611010433A CN106650620B CN 106650620 B CN106650620 B CN 106650620B CN 201611010433 A CN201611010433 A CN 201611010433A CN 106650620 B CN106650620 B CN 106650620B
- Authority
- CN
- China
- Prior art keywords
- image
- target person
- unmanned plane
- sample image
- vector
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种应用无人机监测的目标人员识别追踪方法，包括步骤：1)获取目标人员基准特征向量X0；2)无人机获取目标可能存在区域视频图像；3)图像加载时间戳和空间戳；4)对图像进行预处理，获得行人样本图像；5)接收无人机发回行人样本图像；6)提取接收行人样本图像特征向量Xi，并与目标人员的基准特征向量X0比较计算相似性度量Di；7)根据Di值判断目标人员最可能出现时间和地点。本发明方法可为寻找目标人员提供便利，提高搜寻速度，具有实际推广价值。
Description
技术领域
本发明涉及交通视频监测领域，尤其是指一种应用无人机监测的目标人员识别追踪方法。
背景技术
对于视频监控系统，在行人检测技术的基础上，分析某个特定的人是否在监控视频中出现过，利用已经存在的人体目标图像库，当场景或者时间变化的时候，首先检测出监控视频中的行人，搜索图库，将检测到的行人与目标图像库进行匹配，再次识别和确认当前查找的行人的身份。我们将这种技术成为智能视频监控系统中行人再识别技术。
而以上方法仅适用于大区域的多摄像头视频监控，对于一些无摄像头的的区域却无能为力。而如今，无人机航拍已经得到广泛应用。利用无人机进行拍摄获得图像可以很好的解决这一难题。无人机监测的目标人员识别追踪法是在行人检测的基础上，利用无人机对特定的人群进行航拍，并将拍摄的图像进行再次识别，适用于无摄像头大的区域或存在摄像头盲区的区域，对区域内进行大面积无差别拍摄，从而获得目标人物图像。对于搜寻犯罪嫌疑人以及找寻走失人员具有很好的帮助。从此可见，此方法具有一定的可行性和实际推广价值。
发明内容
本发明的目的在于克服现有技术的缺点和不足，提供一种行之有效、科学合理的应用无人机监测的目标人员识别追踪方法。
为实现上述目的，本发明所提供的技术方案为：一种应用无人机监测的目标人员识别追踪方法，包括以下步骤：
1)获取目标人员基准特征向量X0
输入目标人员单个或多个图像，去掉背景，图像预处理后，提取特征向量，作为基准特征向量；
2)利用无人机获取目标可能存在区域视频图像
利用带有GPS和高清摄像头的无人机在目标可能出现的区域进行拍摄，要求合适的拍摄距离，以合适的速度飞行，以保证图像清晰；
3)图像加载时间戳和空间戳
利用无人机自带GPS定位及GPS时钟，给图像加载空间戳和时间戳；
4)对图像进行预处理，获得行人样本图像
对图像进行预处理，将人从人群中分离，并获得行人样本图像；
5)接收无人机发回行人样本图像
6)提取接收行人样本图像特征向量Xi，并与目标人员的基准特征向量X0比较计算相似性度量Di，其中，对接收行人样本图像提取特征向量Xi，利用欧式距离计算与基准特征向量间的相似性度量Di；
7)根据Di值判断目标人员最可能出现时间和地点
对计算得到的多个相似性度量Di进行比较，得到最小相似性度量，利用GPS和时钟信息，得到目标人员最可能出现时间和地点。
在步骤1)中，所述基准特征向量X0是通过将输入的目标人员图像预处理后转换为HSV格式，统计所述格式的图像内的各种颜色的像素数量获得。
在步骤2)中，所述合适的距离和速度以能够拍摄出与输入的目标人员图像像素相差不大的人物图像为标准。
在步骤3)中，所述时间戳和空间戳通过GPS时钟和GPS定位获得。
在步骤4)中，所述图片预处理包括以下内容：
4.1)采用领域平均法来减少噪声；
4.2)采用Hough变换检测出行人是否倾斜，然后对图像进行水平校正；
4.3)采用基于HSV色彩空间的去阴影法和基于LBP算子的去阴影方相结合的方法，去除运动目标的阴影；
4.4)采用平均值法对图像进行灰度化处理；
4.5)采用直方图修正法使图像具有期望的灰度分布。
在步骤4)中，所述获得行人样本图像是通过Hough圆检测方法检测目标的头部进行分割得到多个行人图像，对相同行人图像选取一个最大最清晰的作为样本图像，要求样本图像像素大于100×100。
在步骤5)中，所述接收无人机发回行人样本图像的方式有两种：利用无线网络实时传输或存储设备后期接收。
在步骤6)中，所述相似性度量Di采用欧式距离公式运算获得；
其中Di为第i个图像的特征向量与基准特征向量的相似性度量，Xi为第i个图像的特征向量，X0为基准特征向量，k表示特征向量或基准向量的位数，n为特征向量或基准向量的维数。
在步骤7)中，所述根据Di值判断目标人员最可能出现时间和地点是通过比较计算得到的多个相似性度量Di，找到相似性度量最小的人物图像以及拍摄此人物图像的GPS和时间信息，从而得到目标人员最可能出现时间和地点。
本发明与现有技术相比，具有如下优点与有益效果：
1、本发明提供的目标人员识别追踪法是在行人检测的基础上，利用无人机对特定的人群进行航拍，并将拍摄的图像进行再次识别，适用于无摄像头大的区域或存在摄像头盲区的区域，对区域内进行大面积无差别拍摄，从而获得目标人物图像。这对于搜寻犯罪嫌疑人以及找寻走失人员具有很好的帮助，从此可见，本发明方法具有一定的可行性和很大的实际推广价值。
2、本发明方法简单易行，可对未安装摄像头的区域或安装有摄像头却存在盲区的区域进行目标人员搜寻。
附图说明
图1为本发明的步骤框架图。
图2为本发明的图片预处理流程图。
具体实施方式
下面结合具体实施例对本发明做进一步的说明。
如图1所示，本实施例所述的目标人员识别追踪方法，包括以下步骤：
1)获取目标人员基准特征向量X0
输入目标人员单个或多个图像，去掉背景，图像预处理后，提取特征向量，作为基准特征向量；其中所述基准特征向量X0是通过将输入的目标人员图像预处理后转换为HSV格式，统计所述格式的图像内的各种颜色的像素数量获得。
2)利用无人机获取目标可能存在区域视频图像
利用带有GPS和高清摄像头的无人机在目标可能出现的区域进行拍摄，要求合适的拍摄距离，以合适的速度飞行，以保证图像清晰；其中所述合适的距离和速度以能够拍摄出与输入的目标人员图像像素相差不大的人物图像为标准。
3)图像加载时间戳和空间戳
利用无人机自带GPS定位及GPS时钟，给图像加载空间戳和时间戳；其中所述时间戳和空间戳通过GPS时钟和GPS定位获得。
4)对图像进行预处理，获得行人样本图像
对图像进行预处理，将人从人群中分离，并获得行人样本图像；其中，如图2所示，所述图片预处理包括以下内容：
4.1)采用领域平均法来减少噪声；
4.2)采用Hough变换检测出行人是否倾斜，然后对图像进行水平校正；
4.3)采用基于HSV色彩空间的去阴影法和基于LBP算子的去阴影方相结合的方法，去除运动目标的阴影；
4.4)采用平均值法对图像进行灰度化处理；
4.5)采用直方图修正法使图像具有期望的灰度分布。
所述获得行人样本图像是通过Hough圆检测方法检测目标的头部进行分割得到多个行人图像，对相同行人图像选取一个最大最清晰的作为样本图像，要求样本图像像素大于100×100。
5)接收无人机发回行人样本图像
所述接收无人机发回行人样本图像的方式有两种：利用无线网络实时传输或存储设备后期接收。
6)提取接收行人样本图像特征向量Xi，并与目标人员的基准特征向量X0比较计算相似性度量Di，其中，对接收行人样本图像提取特征向量Xi，利用欧式距离计算与基准特征向量间的相似性度量Di；
所述相似性度量Di采用欧式距离公式运算获得；
其中Di为第i个图像的特征向量与基准特征向量的相似性度量，Xi为第i个图像的特征向量，X0为基准特征向量，k表示特征向量或基准向量的位数，n为特征向量或基准向量的维数。
7)根据Di值判断目标人员最可能出现时间和地点
对计算得到的多个相似性度量Di进行比较，得到最小相似性度量，利用GPS和时钟信息，得到目标人员最可能出现时间和地点。其具体是：通过比较计算得到的多个相似性度量Di，找到相似性度量最小的人物图像以及拍摄此人物图像的GPS和时间信息，从而得到目标人员最可能出现时间和地点。
本发明方法的工作原理，如下：
本发明方法可对未安装摄像头的区域，也可以对安装有摄像头却存在盲区的区域进行目标人员搜寻。
输入目标人员当天拍摄的单个或多个图像，通过将输入的目标人员图像预处理后转换为HSV格式，统计所述格式的图像内的各种颜色的像素数量获得特征向量X0＝(X0 1,X0 2,…,X0 n)，作为基准特征向量；
利用带有GPS的无人机在目标可能出现的区域进行拍摄，并利用无人机自带GPS定位及GPS时钟，给图像加载空间戳和时间戳；
对图像进行预处理：采用领域平均法来减少噪声；采用Hough变换检测出行人是否倾斜，然后对图像进行水平校正；采用基于HSV色彩空间的去阴影方法和基于LBP算子的去阴影方法相结合，去除运动目标的阴影；采用平均值法对图像进行灰度化处理；采用直方图修正法使图像具有期望的灰度分布。
采用Hough圆检测方法，利用该方法对目标的头部进行检测，从而将人从人群中分割出来，并对相同行人的图像选取一个最大最清晰的作为样本图像。
接收无人机发回行人样本图像，并将样本图像转换为HSV格式，统计所述格式的图像内的各种颜色的像素数量获得人物特征向量Xi＝(xi 1,xi 2,…,xi n).
通过欧式距离公式计算相似性度量，即
其中Di为第i个图像的特征向量与基准特征向量的相似性度量，Xi为第i个图像的特征向量，X0为基准特征向量，k表示特征向量或基准向量的位数，n为特征向量或基准向量的维数。
最后找到相似性度量为Dmin＝min(D1,D2,…,Di,…)的人物图像，并同过拍摄此人物图像的GPS和时间信息，判断出目标人员最可能出现时间和地点。
下面结合具体案例对本发明方法进行进一步说明，如下：
对城市某个广场某个走失儿童进行搜寻测试，其实施步骤如附图1所示，首先获取该儿童在当天被某一摄像头拍摄的图像，对图像进行预处理，将图像转换为HSV格式，统计所述格式的图像内的各种颜色的像素数量获得特征向量X0＝(X0 1,X0 2,…,X0 n)，作为基准特征向量；利用带有GPS的无人机在该广场内进行航拍，并给拍摄的图像加载空间戳和时间戳；对拍摄的图像进行预处理，并将人物分割出来，并对相同行人的图像选取一个最大最清晰的作为样本图像；接收无人机发回行人样本图像，将样本图像转换为HSV格式，统计所述格式的图像内的各种颜色的像素数量，获得大量人物特征向量Xi＝(xi 1,xi 2,…,xi n)；分别计算这些人物特征向量与基准特征向量之间的欧式距离比较得到相似性度量最小的样本图像，通过此样本图像的GPS和时间信息，判断出该儿童最可能出现时间和地点。
以上所述实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。
Claims (4)
1.一种应用无人机监测的目标人员识别追踪方法，其特征在于，包括以下步骤：
1)获取目标人员基准特征向量X0
所述基准特征向量X0是通过将输入的目标人员单个或多个图像，去掉背景，图像预处理后转换为HSV格式，提取特征向量，统计所述格式的图像内的各种颜色的像素数量获得；
2)利用无人机获取目标可能存在区域视频图像
利用带有GPS和高清摄像头的无人机在目标可能出现的区域进行拍摄，以能够拍摄出输入的目标人员图像的人物图像为标准；
3)图像加载时间戳和空间戳
利用无人机自带GPS定位及GPS时钟，给图像加载空间戳和时间戳；
4)对图像进行预处理，获得行人样本图像
对图像进行预处理，将人从人群中分离，并获得行人样本图像；
所述图片预处理包括以下内容：
4.1)采用领域平均法来减少噪声；
4.2)采用Hough变换检测出行人是否倾斜，然后对图像进行水平校正；
4.3)采用基于HSV色彩空间的去阴影法和基于LBP算子的去阴影方相结合的方法，去除运动目标的阴影；
4.4)采用平均值法对图像进行灰度化处理；
4.5)采用直方图修正法使图像具有期望的灰度分布；
所述获得行人样本图像是通过Hough圆检测方法检测目标的头部进行分割得到多个行人图像，对相同行人图像选取一个最大最清晰的作为样本图像，要求样本图像像素大于100×100；
5)接收无人机发回行人样本图像
6)提取接收行人样本图像特征向量Xi，并与目标人员的基准特征向量X0比较计算相似性度量Di，其中，对接收行人样本图像提取特征向量Xi，利用欧式距离计算与基准特征向量间的相似性度量Di，所述相似性度量Di采用欧式距离公式运算获得；
其中Di为第i个图像的特征向量与基准特征向量的相似性度量，Xi为第i个图像的特征向量，X0为基准特征向量，k表示特征向量或基准向量的位数，n为特征向量或基准向量的维数；
7)根据Di值判断目标人员最可能出现时间和地点
对计算得到的多个相似性度量Di进行比较，得到最小相似性度量，利用GPS和时钟信息，得到目标人员最可能出现时间和地点。
2.根据权利要求1所述的一种应用无人机监测的目标人员识别追踪方法，其特征在于：在步骤3)中，所述时间戳和空间戳通过GPS时钟和GPS定位获得。
3.根据权利要求1所述的一种应用无人机监测的目标人员识别追踪方法，其特征在于：在步骤5)中，所述接收无人机发回行人样本图像的方式有两种：利用无线网络实时传输或存储设备后期接收。
4.根据权利要求1所述的一种应用无人机监测的目标人员识别追踪方法，其特征在于：在步骤7)中，所述根据Di值判断目标人员最可能出现时间和地点是通过比较计算得到的多个相似性度量Di，找到相似性度量最小的人物图像以及拍摄此人物图像的GPS和时间信息，从而得到目标人员最可能出现时间和地点。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611010433.0A CN106650620B (zh) | 2016-11-17 | 2016-11-17 | 一种应用无人机监测的目标人员识别追踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611010433.0A CN106650620B (zh) | 2016-11-17 | 2016-11-17 | 一种应用无人机监测的目标人员识别追踪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106650620A CN106650620A (zh) | 2017-05-10 |
| CN106650620B true CN106650620B (zh) | 2019-05-14 |
Family
ID=58807242
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611010433.0A Active CN106650620B (zh) | 2016-11-17 | 2016-11-17 | 一种应用无人机监测的目标人员识别追踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106650620B (zh) |
Families Citing this family (27)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108038415B (zh) * | 2017-11-06 | 2021-12-28 | 湖南华诺星空电子技术有限公司 | 一种基于机器视觉的无人机自动检测与跟踪方法 |
| CN108121947A (zh) * | 2017-11-27 | 2018-06-05 | 易瓦特科技股份公司 | 基于地面站示警灰霾源的方法、装置及系统 |
| CN108108660A (zh) * | 2017-11-27 | 2018-06-01 | 易瓦特科技股份公司 | 基于无人机对灰霾源进行标识的方法、装置及系统 |
| CN108229311A (zh) * | 2017-11-27 | 2018-06-29 | 易瓦特科技股份公司 | 基于无人机识别灰霾源的方法、装置及系统 |
| CN108052874A (zh) * | 2017-11-27 | 2018-05-18 | 易瓦特科技股份公司 | 基于远程服务器识别灰霾源的方法、装置及系统 |
| CN108052871A (zh) * | 2017-11-27 | 2018-05-18 | 易瓦特科技股份公司 | 基于地面站识别灰霾源的方法、装置及系统 |
| CN108427904A (zh) * | 2017-11-27 | 2018-08-21 | 易瓦特科技股份公司 | 基于无人机识别灰霾源的方法、装置及系统 |
| CN108154079A (zh) * | 2017-11-27 | 2018-06-12 | 易瓦特科技股份公司 | 基于无人机对灰霾源进行示警的方法、装置及系统 |
| CN108229312A (zh) * | 2017-11-27 | 2018-06-29 | 易瓦特科技股份公司 | 基于地面站示警灰霾源的方法、装置及系统 |
| CN108256414A (zh) * | 2017-11-27 | 2018-07-06 | 易瓦特科技股份公司 | 示警灰霾源的方法、装置及系统 |
| CN108427903A (zh) * | 2017-11-27 | 2018-08-21 | 易瓦特科技股份公司 | 基于无人机对灰霾源进行示警的方法、装置及系统 |
| CN108108661A (zh) * | 2017-11-27 | 2018-06-01 | 易瓦特科技股份公司 | 基于无人机示警灰霾源的方法、装置及系统 |
| CN108062513A (zh) * | 2017-11-27 | 2018-05-22 | 易瓦特科技股份公司 | 基于远程服务器对灰霾源进行标识的方法、装置及系统 |
| CN108052875A (zh) * | 2017-11-27 | 2018-05-18 | 易瓦特科技股份公司 | 基于远程服务器识别灰霾源的方法、装置及系统 |
| CN108197528A (zh) * | 2017-11-27 | 2018-06-22 | 易瓦特科技股份公司 | 用于对灰霾源进行示警的方法、装置及系统 |
| CN108229310A (zh) * | 2017-11-27 | 2018-06-29 | 易瓦特科技股份公司 | 识别灰霾源的方法、装置及系统 |
| CN108426804B (zh) * | 2017-11-27 | 2020-12-18 | 易瓦特科技股份公司 | 基于远程服务器对灰霾源进行示警的方法、装置及系统 |
| CN108229309A (zh) * | 2017-11-27 | 2018-06-29 | 易瓦特科技股份公司 | 用于对灰霾源进行示警的方法、装置及系统 |
| CN108256412A (zh) * | 2017-11-27 | 2018-07-06 | 易瓦特科技股份公司 | 示警灰霾源的方法、装置及系统 |
| CN108596007A (zh) * | 2017-11-27 | 2018-09-28 | 易瓦特科技股份公司 | 用于对灰霾源进行标识的方法、装置及系统 |
| CN108597054A (zh) * | 2018-04-28 | 2018-09-28 | 深圳春沐源控股有限公司 | 防走失巡检方法和防走失巡检系统 |
| CN108777007A (zh) * | 2018-06-13 | 2018-11-09 | 唐旭 | 基于gis的儿童防走失监控系统 |
| CN109670540B (zh) * | 2018-12-04 | 2021-07-16 | 华南理工大学 | 基于kNN算法的客运枢纽区域驻留人数变化趋势短时预测方法 |
| EP3748602A1 (en) * | 2019-06-03 | 2020-12-09 | Sony Corporation | Monitoring vehicle movement for traffic risk mitigation |
| US11514630B2 (en) | 2020-04-01 | 2022-11-29 | International Business Machines Corporation | Scalable visual analytics for remote sensing applications |
| CN113297947B (zh) * | 2021-05-19 | 2022-04-15 | 徐州工程学院 | 一种基于无人机监测的交通目标检测和识别方法 |
| CN116866719B (zh) * | 2023-07-12 | 2024-02-02 | 山东恒辉软件有限公司 | 一种基于图像识别的高清视频内容智能分析处理方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013114583A (ja) * | 2011-11-30 | 2013-06-10 | Aiphone Co Ltd | 移動方向識別装置 |
| CN103810476A (zh) * | 2014-02-20 | 2014-05-21 | 中国计量学院 | 基于小群体信息关联的视频监控网络中行人重识别方法 |
| CN104318217A (zh) * | 2014-10-28 | 2015-01-28 | 吴建忠 | 一种基于分布式云计算的人脸识别情报分析方法和系统 |
| CN104346602A (zh) * | 2013-08-07 | 2015-02-11 | 上海贯城信息科技有限公司 | 一种基于特征向量的人脸识别方法及装置 |
| CN105404894A (zh) * | 2015-11-03 | 2016-03-16 | 湖南优象科技有限公司 | 无人机用目标追踪方法及其装置 |
| CN105447459A (zh) * | 2015-11-18 | 2016-03-30 | 上海海事大学 | 一种无人机自动检测目标和跟踪方法 |
| CN106056075A (zh) * | 2016-05-27 | 2016-10-26 | 广东亿迅科技有限公司 | 基于无人机的社区网格化中重点人员识别及跟踪系统 |
-
2016
- 2016-11-17 CN CN201611010433.0A patent/CN106650620B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013114583A (ja) * | 2011-11-30 | 2013-06-10 | Aiphone Co Ltd | 移動方向識別装置 |
| CN104346602A (zh) * | 2013-08-07 | 2015-02-11 | 上海贯城信息科技有限公司 | 一种基于特征向量的人脸识别方法及装置 |
| CN103810476A (zh) * | 2014-02-20 | 2014-05-21 | 中国计量学院 | 基于小群体信息关联的视频监控网络中行人重识别方法 |
| CN104318217A (zh) * | 2014-10-28 | 2015-01-28 | 吴建忠 | 一种基于分布式云计算的人脸识别情报分析方法和系统 |
| CN105404894A (zh) * | 2015-11-03 | 2016-03-16 | 湖南优象科技有限公司 | 无人机用目标追踪方法及其装置 |
| CN105447459A (zh) * | 2015-11-18 | 2016-03-30 | 上海海事大学 | 一种无人机自动检测目标和跟踪方法 |
| CN106056075A (zh) * | 2016-05-27 | 2016-10-26 | 广东亿迅科技有限公司 | 基于无人机的社区网格化中重点人员识别及跟踪系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106650620A (zh) | 2017-05-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106650620B (zh) | 一种应用无人机监测的目标人员识别追踪方法 | |
| CN106447680B (zh) | 动态背景环境下雷达与视觉融合的目标检测与跟踪方法 | |
| CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
| US9792505B2 (en) | Video monitoring method, video monitoring system and computer program product | |
| CN105224912B (zh) | 基于运动信息和轨迹关联的视频行人检测和跟踪方法 | |
| CN111832457B (zh) | 基于云边协同的陌生人入侵检测方法 | |
| CN104751491B (zh) | 一种人群跟踪及人流量统计方法及装置 | |
| CN109918971B (zh) | 监控视频中人数检测方法及装置 | |
| CN103279791B (zh) | 基于多特征的行人计算方法 | |
| CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
| CN104361327A (zh) | 一种行人检测方法和系统 | |
| CN111325048B (zh) | 一种人员聚集检测方法和装置 | |
| CN112200841B (zh) | 一种基于行人体态的跨域多摄像头跟踪方法和装置 | |
| CN109359577B (zh) | 一种基于机器学习的复杂背景下人数检测系统 | |
| CN110633648B (zh) | 一种自然行走状态下的人脸识别方法和系统 | |
| CN107592507A (zh) | 自动跟踪捕捉高清晰正面人脸照片的方法 | |
| CN106056624A (zh) | 无人机高清图像小目标检测与跟踪系统及其检测跟踪方法 | |
| CN106251363A (zh) | 一种智慧金睛识别人流人数统计方法和装置 | |
| CN109948474A (zh) | Ai热成像全天候智能监控方法 | |
| CN112613568A (zh) | 基于可见光及红外多光谱图像序列的目标识别方法和装置 | |
| CN103914850B (zh) | 一种基于运动匹配的视频自动标注方法及自动标注系统 | |
| CN106650639A (zh) | 一种适用于安防的监控系统行人再识别方法 | |
| CN116862832A (zh) | 一种基于三维实景模型的作业人员定位方法 | |
| CN110287957A (zh) | 一种低慢小目标的定位方法及定位装置 | |
| CN109871771A (zh) | 一种基于单视角视频的自动检测人体的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |