CN106686347B - 一种基于视频的判定地铁摄像机移位的方法 - Google Patents

一种基于视频的判定地铁摄像机移位的方法 Download PDF

Info

Publication number
CN106686347B
CN106686347B CN201611020833.XA CN201611020833A CN106686347B CN 106686347 B CN106686347 B CN 106686347B CN 201611020833 A CN201611020833 A CN 201611020833A CN 106686347 B CN106686347 B CN 106686347B
Authority
CN
China
Prior art keywords
video
judgement
connected domain
feature
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.)
Active
Application number
CN201611020833.XA
Other languages
English (en)
Other versions
CN106686347A (zh
Inventor
狄颖琪
徐漫江
胡波
黄卫岭
郝明明
朱东升
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.)
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
Original Assignee
Nari Technology Co Ltd
NARI Nanjing Control System 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 Nari Technology Co Ltd, NARI Nanjing Control System Co Ltd filed Critical Nari Technology Co Ltd
Priority to CN201611020833.XA priority Critical patent/CN106686347B/zh
Publication of CN106686347A publication Critical patent/CN106686347A/zh
Application granted granted Critical
Publication of CN106686347B publication Critical patent/CN106686347B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00—Diagnosis, testing or measuring for television systems or their details
    • H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于视频的地铁摄像机移位判定的实现方法。该方法包括：用特征标志物作为感兴趣区域的检测点；站内环境采用序列均值方法生成背景帧，站外环境依据引入不同的天气、光照、时间段的历史数据利用高斯模型生成背景帧；利用基于灰度比值统计方法降低光线、阴影干扰；采用连通域算法在二值图像上形成图像检测特征；对形成的特征通过规则过滤出有效的检测特征；对过滤出的有效特征基于规则进行判断，对初次判断为可疑的特征运用模板匹配的方法判断该特征点是否标记摄像机已经移位。本发明充分利用了监控系统的已有视频帧图像，提供了一种简单、高效、实时的特征检测方法保障摄像机在范围内，并在发生移位时发出报警。

Description

一种基于视频的判定地铁摄像机移位的方法
技术领域
本发明涉及了一种基于视频的判定地铁摄像机移位的方法，属于视频采集技术领域。
背景技术
随着自动化技术的发展，地铁环境的综合监控系统集成了各个子专业系统以实现各子系统之间的资源共享、协同调度。 CCTV 视频监控子系统在安全、监控、协同联动等方面有着重要的作用。摄像机因为敲击等人为因素容易造成机体非正常移位；另一方面，因为机械故障也会间接导致机体移位或镜头旋转。这些都将导致监控区域无法得到预期的画面，因此实时监控摄像机的位置和角度将尤为关键。
目前对摄像机位置的监测主要采用两种方式：一种方式是通过摄像机中的硬件装置或内置的视频模块，但是这种方式的缺点是：提高了摄像机成本，单一的硬件装置容易出现漏判和误判，视频模块由于对整幅图做判断，计算量巨大，无法满足实时性要求；另一方面，对大量已经安装的不带硬件装置和内置视频模块的摄像机不适用。另一种方式是通过人为比对视频，这种方式的缺点是：摄像机数量众多，人工耗时耗力，也无法满足实时性要求。
发明内容
本发明所要解决的技术问题是提供一种基于视频的判定地铁摄像机移位的方法，通过对特征标志物和感兴趣区域做检测，增强特征的获取能力和减少了计算量，从而提高了准确性和实时性。
为了解决上述技术问题，本发明所采用的技术方案是：
一种基于视频的判定地铁摄像机移位的方法，包括如下步骤：
（1）选取和设计定位标志物，选定感兴趣区域，遵循目标与背景最大差异化原则；
（2）依据站内外环境不同，分别设计背景帧的生成方法，其中，站内环境的背景帧通过一段稳定的视频序列帧求均值而得到；站外背景帧的生成利用历史视频图像数据，将依据不同天气w、光照l、典型时间段t，收集序列帧并通过高斯模型生成背景帧M（w，l，t），其表征的意义为w天气，l光照，t时间输入下所对应的背景帧M；
（3）对视频帧进行图像预处理，以便形成特征检测的基础；其中视频帧的图像预处理包括如下步骤：
（a）把当前帧与背景帧做差分运算，得到差分图，对差分图做一次canny运算增强并进行二值化处理，得到二值图像；对二值图像上的感兴趣区域ROI做统计，判断统计图上是否形成较清晰的双峰；并在二值图像上手动框选检测特征区，并标记为模板和存储。
（b）通过当前图像与背景图像上对应的像素点比值确定明暗区，在暗区上用灰度比值统计和正太曲线拟合的方法估算出阴影的范围，并适当松弛a，把二值图像上对应的阴影区像素点的值置为0；
（c）二值图像通过形态学的连通域算法形成主要的检测特征，其具体过程为：扫描一遍图像记录链式线段的信息，对相邻的链式线段进行追溯合并，记录连通域的个数C，第i个连通域的特征向量Vi=（Si，Wi，Hi），其中Si，Wi，Hi分别表征面积、长度和高度；
（d）对得到的连通域做基于规则的过滤，具体过程如下：对于每个连通域，如果Hi大于感兴趣区域高度的一半时，则过滤掉连通域(即认为该连通域是符合我们的检测特征)，对过滤出来的连通域做一次判定，如果面积Si大于我们设定的阈值t，则统计变量Cot的值加1；
（4）对摄像机移位的判定：统计二值图像上像素值为1的点的个数Cout，如果Cout大于我们设定的阈值Tc并且有步骤（3）得到的连通域个数C大于1时，则初步认为摄像机有可能偏移，并进入模板匹配阶段，否则即认为计算机没有发生非预期的偏移；
（5）模板匹配阶段的判定：模板集的获取通过两种方式：一是通过历史数据形成模板，二是实时通过人为交互的方式得到；把二值图像分别与模板P做差分运算，并分别统计模板与差分图像素值为l的个数，分别记为tl，dl, 如果dl与tl的比值小于0.5，则不认为摄像机移位，否则认为摄像机移位并发出报警。
前述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（1）中定位标志物的选取可以是人为设计或是在工程场景中选取，标志物纹理清晰、不被遮挡，标志物与背景能形成较大差异特征。
前述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（1）中感兴趣区域包含完整的特征标志物，并以其为中心向四周外延一定范围，设定松弛程度为β，计算其最大外接矩形并保存其坐标。
前述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：步骤（3）中，对二值图像上的感兴趣区域ROI做统计，判断统计图上是否形成较清晰的双峰；并在二值图像上手动框选检测特征区，并标记为模板和存储。
前述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：在步骤（3）之前引入阴影消除技术，避免阴影对检测和判定的影响，阴影消除技术主要基于灰度比值统计特性，具体设计如下：(1)依据背景素点和当前像素点的比值
ρ（i，j）=b（i，j）/f（i，j）来判定亮区和暗区，如果ρ（i，j）＞1则是暗区，反之则是亮区，(2) 基于暗区的像素点灰度比值统计特性，采用正态分布曲线拟合对阴影灰度的可能分布区间进行估计，即求子区间[t1，t2]像素个数C(x)>0，x( t1，t2)，正态分布在其均值处达到概率最大幅值C(x0)=max{ C(x)}，本方法中对阴影灰度进行了一定的定义置信区间
[μ-2σ，μ+2σ]，从而增强阴影提取效果，如果当前像素在阴影分布区，相应像素值被置为0。
前述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（3）中，差分图通过当前帧与背景帧做减法∣Fi-Bi∣运算得到，在差分图像上使用canny算子做一次增强处理，canny阈值分别为50，255。
前述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（3）中，形态学的处理方法是通过一次扫描记录链式线段信息，通过对相邻两层的链式线段的回溯、标记和合并得到连通域信息，基于链式扫描线段的连通域方法形成检测特征，并记录每个连通域的特征向量Vi=（Si，Wi，Hi），其中Si，Wi，Hi分别表征面积、长度和高度。
本发明的有益效果是：基于特征标志物和感兴趣区域做检测，增强特征的获取能力和减少了计算量，从而提高了准确性和实时性；不需要额外的硬件装置和内置视频模块，只要能获得实时视频帧就能完成检测功能；考虑到综合监控系统地铁环境的室外站点，本方法增加了历史数据建模，提高了模型的准确性；通过引入了光照、阴影消除方法增强了算法的鲁棒性；增加模板匹配阶段提高了判断准确率。
附图说明
图1为本发明一次检测流程判定流程；
图2 为本发明预处理阶段流程。
具体实施方式
下面将结合说明书附图，对本发明作进一步的说明。
如图1和图2所示，本发明提出的基于视频的判定摄像机移位方法的实现。该方法通过获取实时画面，经由检测算法，有计算机自动判定摄像机是否移位。
主要包括以下步骤：
步骤1 ：特征标志物的选取和设计
1. 特征标志物的选取和设计为了增加检测特征，因此它的选取和设计遵循两个主要原则，其一标志物的位置不允许被其它场景遮挡；其二标志物选取和设计时应该能与其四周的背景形成最大的差异化特征，定位标志物的选取可以是人为设计或是在工程场景中选取，标志物纹理清晰、不被遮挡，标志物与背景能形成较大差异特征。
2．通过交互的方式设定好感兴趣区域，选取的原则是感兴趣区域包含整个标志物并以其为中心向四周外延一定的范围，设定松弛程度为β，获取其最大外接矩形并记录其坐标位置ROI，通过统计学方法评价感兴趣区域选取质量的好坏，计算其最大外接矩形并保存其坐标。
步骤2 ：生成背景帧
考虑到室内环境与室外环境的不同，分别采用不同的方式生成背景帧：
1.室内环境的背景帧通过一段稳定的视频序列帧求均值而得到。
2.室外环境的背景帧的生成方法是：考虑历史的图像信息数据，将依据不同天气、光照、典型时间段的数据利用高斯模型获得不同背景帧模型M（w，l，t），其表征的意义为w天气，l光照，t时间输入下所对应的背景帧M。
步骤 3：实时视频帧的图像预处理
1.把当前帧与背景帧做差分运算，得到差分图，对差分图做一次canny运算增强并进行二值化处理，得到二值图像，差分图通过当前帧与背景帧做减法∣Fi-Bi∣运算得到，在差分图像上使用canny算子做一次增强处理， canny阈值分别为50，255。
2. 通过当前图像与背景图像上对应的像素点比值确定明暗区，在暗区上用灰度比值统计和正太曲线拟合的方法估算出阴影的范围，并适当松弛a，把二值图像上对应的阴影区像素点的值置为0。
3. 二值图像通过形态学的连通域算法形成主要的检测特征，其具体过程为：扫描一遍图像记录链式线段的信息，对相邻的链式线段进行追溯合并。记录连通域的个数C, 第i个连通域的特征向量Vi=（Si，Wi，Hi），其中Si，Wi，Hi分别表征面积、长度和高度。形态学的处理方法是通过一次扫描记录链式线段信息，通过对相邻两层的链式线段的回溯、标记和合并得到连通域信息，基于链式扫描线段的连通域方法形成检测特征，并记录每个连通域的特征向量Vi=（Si，Wi，Hi）。
4. 对得到的连通域做基于规则的过滤，具体过程如下：对于每个连通域，如果Hi大于感兴趣区域高度的一半时，则过滤掉连通域(即认为该连通域是符合我们的检测特征)，对过滤出来的连通域做一次判定，如果面积Si大于我们设定的阈值t,则统计变量Cot的值加1。
步骤 4：摄像机移位的判定
1.统计二值图像上像素值为1的点的个数Cout，如果Cout大于我们设定的阈值Tc并且有步骤4得到的连通域个数C大于1时，则初步认为摄像机有可能偏移，并进入模板匹配阶段，否则即认为计算机没有发生非预期的偏移。
步骤5 ：模板匹配阶段的判定
模板集的获取通过两种方式：一是通过历史数据形成模板，二是实时通过人为交互的方式得到。
把二值图像分别与模板P做差分运算，并分别统计模板与差分图像素值为1的个数，分别记为t1,d1, 如果d1与t1的比值小于0.5，则不认为摄像机移位，否则认为摄像机移位并发出报警。
其中，在实时视频帧的图像预处理之前，引入阴影消除技术，避免阴影对检测和判定的影响，阴影消除技术主要基于灰度比值统计特性，具体设计如下：(1)依据背景素点和当前像素点的比值ρ（i，j）=b（i，j）/f（i，j）来判定亮区和暗区，如果ρ（i，j）＞1则是暗区，反之则是亮区，(2) 基于暗区的像素点灰度比值统计特性，采用正态分布曲线拟合对阴影灰度的可能分布区间进行估计，即求子区间[t1，t2]像素个数C(x)>0，x( t1，t2)，正态分布在其均值处达到概率最大幅值C(x0)=max{ C(x)}，本方法中对阴影灰度进行了一定的定义置信区间[μ-2σ，μ+2σ]，从而增强阴影提取效果，如果当前像素在阴影分布区，相应像素值被置为0。
综上所述，本发明提供的一种基于视频的判定地铁摄像机移位的方法，通过对特征标志物和感兴趣区域做检测，增强特征的获取能力和减少了计算量，从而提高了准确性和实时性。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界。

Claims (7)

1.一种基于视频的判定地铁摄像机移位的方法，其特征在于：包括如下步骤：
（1）选取和设计定位标志物，选定感兴趣区域，遵循目标与背景最大差异化原则；
（2）依据站内外环境不同，分别设计背景帧的生成方法，其中，站内环境的背景帧通过一段稳定的视频序列帧求均值而得到；站外背景帧的生成利用历史视频图像数据，将依据不同天气w、光照l、典型时间段t，收集序列帧并通过高斯模型生成背景帧M（w，l，t） 其表征的意义为w天气，l光照，t时间输入下所对应的背景帧M；
（3）对视频帧进行图像预处理，以便形成特征检测的基础；其中视频帧的图像预处理包括如下步骤：
（a）把当前帧与背景帧做差分运算，得到差分图，对差分图做一次canny运算增强并进行二值化处理，得到二值图像；
（b）通过当前图像与背景图像上对应的像素点比值确定明暗区，在暗区上用灰度比值统计和正太曲线拟合的方法估算出阴影的范围，并适当松弛a，把二值图像上对应的阴影区像素点的值置为0；
（c）二值图像通过形态学的连通域算法形成主要的检测特征，其具体过程为：扫描一遍图像记录链式线段的信息，对相邻的链式线段进行追溯合并，记录连通域的个数C，第i个连通域的特征向量Vi=（Si，Wi，Hi），其中Si，Wi，Hi分别表征面积、长度和高度；
（d）对得到的连通域做基于规则的过滤，具体过程如下：对于每个连通域，如果Hi大于感兴趣区域高度的一半时，则过滤出连通域，即认为该连通域是符合我们的检测特征，对过滤出来的连通域做一次判定，如果面积Si大于我们设定的阈值t，则统计变量Cot的值加1；
（4）对摄像机移位的判定：统计二值图像上像素值为1的点的个数Cout，如果Cout大于我们设定的阈值Tc并且有步骤（3）得到的连通域个数Cot大于1时，则初步认为摄像机有可能偏移，并进入模板匹配阶段，否则即认为计算机没有发生非预期的偏移；
（5）模板匹配阶段的判定：模板集的获取通过两种方式：一是通过历史数据形成模板，二是实时通过人为交互的方式得到；把二值图像分别与模板P做差分运算，并分别统计模板与差分图像素值为l的个数，分别记为tl，dl, 如果dl与tl的比值小于0.5，则不认为摄像机移位，否则认为摄像机移位并发出报警。
2.根据权利要求1所述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（1）中定位标志物的选取是人为设计或是在工程场景中选取，标志物纹理清晰、不被遮挡，标志物与背景能形成较大差异特征。
3.根据权利要求1所述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（1）中感兴趣区域包含完整的特征标志物，并以其为中心向四周外延一定范围，设定松弛程度为β，计算其最大外接矩形并保存其坐标。
4.根据权利要求3所述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：步骤（3）中，对二值图像上的感兴趣区域ROI做统计，判断统计图上是否形成较清晰的双峰；并在二值图像上手动框选检测特征区，并标记为模板和存储。
5.根据权利要求1所述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：在步骤（3）之前引入阴影消除技术，避免阴影对检测和判定的影响，阴影消除技术主要基于灰度比值统计特性，具体设计如下：(1)依据背景素点和当前像素点的比值
ρ（i，j）=b（i，j）/f（i，j）来判定亮区和暗区，如果ρ（i，j）＞1则是暗区，反之则是亮区，(2) 基于暗区的像素点灰度比值统计特性，采用正态分布曲线拟合对阴影灰度的可能分布区间进行估计，即求子区间[t1，t2]像素个数C(x)>0，x( t1，t2)，正态分布在其均值处达到概率最大幅值C(x0)=max{ C(x)}，本方法中对阴影灰度进行了一定的定义置信区间
[μ-2σ，μ+2σ]，从而增强阴影提取效果，如果当前像素在阴影分布区，相应像素值被置为0。
6.根据权利要求1所述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（3）中，差分图通过当前帧与背景帧做减法∣Fi-Bi∣运算得到，在差分图像上使用canny算子做一次增强处理， canny阈值分别为50，255。
7.根据权利要求1所述的一种基于视频的判定地铁摄像机移位的方法，其特征在于：所述步骤（3）中，形态学的处理方法是通过一次扫描记录链式线段信息，通过对相邻两层的链式线段的回溯、标记和合并得到连通域信息，基于链式扫描线段的连通域方法形成检测特征，并记录每个连通域的特征向量Vi=（Si，Wi，Hi），其中Si，Wi，Hi分别表征面积、长度和高度。
CN201611020833.XA 2016-11-21 2016-11-21 一种基于视频的判定地铁摄像机移位的方法 Active CN106686347B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611020833.XA CN106686347B (zh) 2016-11-21 2016-11-21 一种基于视频的判定地铁摄像机移位的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611020833.XA CN106686347B (zh) 2016-11-21 2016-11-21 一种基于视频的判定地铁摄像机移位的方法

Publications (2)

Publication Number Publication Date
CN106686347A CN106686347A (zh) 2017-05-17
CN106686347B true CN106686347B (zh) 2019-08-23

Family

ID=58865779

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611020833.XA Active CN106686347B (zh) 2016-11-21 2016-11-21 一种基于视频的判定地铁摄像机移位的方法

Country Status (1)

Country Link
CN (1) CN106686347B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110855976B (zh) * 2019-10-08 2022-03-11 南京云计趟信息技术有限公司 摄像头异常检测方法、装置及终端设备
CN113206995A (zh) * 2021-04-29 2021-08-03 超级视线科技有限公司 一种基于视频帧判定泊位线偏转角度的方法
CN113420693B (zh) * 2021-06-30 2022-04-15 成都新潮传媒集团有限公司 一种门状态检测方法、装置、轿厢乘客流量统计方法及设备
CN114419560B (zh) * 2022-04-01 2022-07-12 苏州万店掌网络科技有限公司 一种检测目标物体的方法、装置以及介质
CN116489288B (zh) * 2023-06-20 2023-09-05 北京医百科技有限公司 求图像中最大连通域的方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150736A (zh) * 2012-11-16 2013-06-12 佳都新太科技股份有限公司 一种基于视频监控的摄像机移动检测方法
JP2016024677A (ja) * 2014-07-22 2016-02-08 サクサ株式会社 撮像装置及び判定方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110221895A1 (en) * 2010-03-10 2011-09-15 Vinay Sharma Detection of Movement of a Stationary Video Camera

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103150736A (zh) * 2012-11-16 2013-06-12 佳都新太科技股份有限公司 一种基于视频监控的摄像机移动检测方法
JP2016024677A (ja) * 2014-07-22 2016-02-08 サクサ株式会社 撮像装置及び判定方法

Also Published As

Publication number Publication date
CN106686347A (zh) 2017-05-17

Similar Documents

Publication Publication Date Title
CN106686347B (zh) 一种基于视频的判定地铁摄像机移位的方法
CN107253485B (zh) 异物侵入检测方法及异物侵入检测装置
WO2021208275A1 (zh) 一种交通视频背景建模方法及系统
CN101586956B (zh) 基于单目摄像机的河流水位监测方法
CN104978567B (zh) 基于场景分类的车辆检测方法
CN106127137A (zh) 一种基于3d轨迹分析的目标检测识别算法
CN109712127B (zh) 一种用于机巡视频流的输电线路故障检测方法
CN103578116A (zh) 用于跟踪对象的设备和方法
CN109035278B (zh) 基于图像的消防门及其开关状态的检测方法
CN106709438A (zh) 一种基于视频会议的人数统计方法
CN103279791A (zh) 基于多特征的行人计算方法
CN101916372B (zh) 基于视频的多特征融合的烟检测装置和方法
CN106096603A (zh) 一种融合多特征的动态火焰检测方法及装置
CN101483763A (zh) 一种面向社会治安监控的数字影像处理方法及其装置
CN112287823A (zh) 一种基于视频监控的面部口罩识别方法
CN112528861A (zh) 应用于铁路隧道内道床的异物检测方法及装置
WO2023236886A1 (zh) 一种基于密集光流法的云遮挡预测方法
CN110009621A (zh) 一种篡改视频检测方法、装置、设备及可读存储介质
CN110751635A (zh) 一种基于帧间差分和hsv颜色空间的口腔检测方法
CN114821440B (zh) 一种基于深度学习的移动视频流内容识别分析方法
Zambanini et al. Detecting falls at homes using a network of low-resolution cameras
CN105913008B (zh) 基于假设检验的人群异常事件检测方法
CN103049748A (zh) 行为监测方法及装置
CN109711313B (zh) 一种识别向河道内倾倒污水的实时视频监控方法
CN109583414A (zh) 基于视频检测的室内占道检测方法

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