CN107256225B - 一种基于视频分析的热度图生成方法及装置 - Google Patents
一种基于视频分析的热度图生成方法及装置 Download PDFInfo
- Publication number
- CN107256225B CN107256225B CN201710294391.6A CN201710294391A CN107256225B CN 107256225 B CN107256225 B CN 107256225B CN 201710294391 A CN201710294391 A CN 201710294391A CN 107256225 B CN107256225 B CN 107256225B
- Authority
- CN
- China
- Prior art keywords
- video
- image
- information
- heat map
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004458 analytical method Methods 0.000 title claims abstract description 18
- 238000001514 detection method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000013179 statistical model Methods 0.000 claims description 3
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000000605 extraction Methods 0.000 claims description 2
- 238000009877 rendering Methods 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 239000003086 colorant Substances 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
Abstract
本发明公开了一种基于视频分析的热度图生成方法，属于智能监控领域。该方法可读取摄像机实时采集的视频或者已保存好的视频文件；首先，对视频场景图像中的运动目标进行检测，根据目标停留时间的长短对目标信息进行矫正；然后，对矫正后的目标信息进行统计生成密度图；最后，根据密度图对背景图像进行渲染后生成热度图。本发明可实现对商场、超市等监控场景中客流密度的统计与显示，可有效排除因人员频繁路过而非停留造成的影响，利用不同的颜色表示一段时间内不同区域的人群密度生成热度图，直观显示人群的密度分布，方便管理人员掌握不同时段不同目标区域的客流分布状态。
Description
技术领域
本发明属于智能监控领域，特别涉及一种基于视频分析的热度图生成方法及装置。
背景技术
热度图（Heat map），可以非常直观的呈现一些原本不易理解或表达的数据，比如密度、频率、温度等，通过用区域和颜色这种更容易被人理解的方式来呈现。热度图实际上是三维可视化的俯瞰效果，颜色代表一个维度。在商业应用中，比如商场、超市、便利店中，相同时间段不同区域的人员分布状态不同， 相同区域不同时间段的的人员分布状态也不同，如何使管理人员能一眼掌握顾客的停留状态规律，即某段时间不同区域的人员分布的多少，据此改善运营措施，引导物品的合理摆放，从而提高顾客的满意度，使商业运行更加合理化，热度图应运而生。
目前的热度图生成方法主要分为以下几种：1、影响力叠加法，该方法实现简单，使用较多，但绘制热度图时将每个对象的影响力认为是等大的，而实际场景中每个对象的影响力显然是不一样的，这在一定程度上对精度造成影响，常见的应用有地理对象空间分布计算、鼠标点击次数热度计算；2、网格划分法，该方法实现起来比较简单，即利用网格内对象个数进行热度分析，但网格的大小会直接影响生成热度图的精度，以网格中心作为网格内所有研究对象的中心生成热度图精度不高；3、滑动窗口法，该方法计算量大，过程复杂，而且必须假设研究对象都服从二项分布，与事实存在偏差。
上述现有技术主要存在以下缺陷：
1、现有技术中对运动目标直接叠加的生成热度图的方式，未对人员停留和路过的状态进行区分，会对热度图的准确性产生较大影响，特别是场景中存在走廊、过道等客流必经之地的区域；
2、现有技术中的一些热度图生成工具，算法效率低，生成的热度图背景模糊，视觉效果不好，实现复杂。
发明内容
为弥补上述现有技术的不足，本发明提供一种准确度高的基于视频分析的热度图生成方法及装置。
本发明是通过如下技术方案实现的：
一种基于视频分析的热度图生成方法，其特殊之处在于：包括以下步骤：
（1）视频图像采集：
输入的原始视频图像数据可以是摄像机实时采集的视频，也可以是已保存好的视频文件；
（2）视频图像预处理
视频图像预处理包括图像缩放、色彩空间转换、选取目标区域；
（3）运动目标检测
对视频帧序列进行背景建模后提取运动目标，根据混合高斯背景建模、背景统计模型、码本背景模型、均值法及背景差分法中的一种或几种方法相结合的方式进行背景建模后提取运动目标；
（4）目标信息矫正
对相隔设定时间段内场景中同一位置中同时存在的前景进行相似度判断，根据相似度系数对前景信息进行矫正，得到矫正后的前景目标图像，排除人员频繁路过而非停留造成的误检；
（5）生成密度图
对特定时间段内的矫正后的前景目标图像进行累加统计后归一化处理得到该段时间内的密度图，该密度图包含了该段时间的人群分布状态信息；
（6）生成热度图
对步骤（5）中生成的密度图中的像素值分别与背景图像中同一位置的像素的R、G、B三分量的值进行加权相加后作为热度图对应位置像素的R、G、B值，生成最终的热度图。
本发明的基于视频分析的热度图生成方法，步骤（4）中所述相似度判断过程需要保存每个目标的外接矩形框坐标、质心坐标、目标特征信息；
步骤（4）中所述前景信息矫正过程包括以下步骤：
a）、连通区域检测，对前景图像进行连通区域检测，计算前景区域的面积，将面积小于设定阈值的连通区域删除，求得连通区域的外接矩形框，保存每个符合条件的连通区域的矩形框坐标信息；
b）、计算每个连通区域的外接矩形框的质心坐标并保存；
c）、计算每个连通区域的外接矩形框对应于原始视频中区域中的特征信息并保存，特征信息可以是任何能表达该区域的图像特点的信息；
d）、假设目标在某一区域的停留时间超过Ns判定为停留，对相隔Ns的两帧图像中相同区域共同存在的前景进行相似度判断；具体地，遍历当前帧每个矩形框的质心坐标信息，计算当前帧图像中的每一个外接矩形框的质心坐标与前面相隔Ns的图像的每一个外接矩形框的质心的距离fDis，若fDis小于设定的质心距离阈值，则对这两个外接矩形框区域的特征信息进行相似度匹配；
e）、完成当前帧所有外接矩形框区域的特征信息相似度匹配之后，保留当前帧中相似度大于设定阈值的前景部分，删除不符合条件的前景部分，得到矫正后的前景图像；
f）、保存矫正后的前景图像。
进一步的，步骤c）和d）中所述特征信息可以是任何能表达该区域的图像特点的信息，包含但不限于直方图特征信息、Harris角点信息、SIFT特征点信息、SURF特征点信息、轮廓信息中的一种或几种。
进一步的，所直方图特征信息的相似度度量方法包括相关性、卡方距离、直方图相交、巴氏距离等方法。
进一步的，所述质心距离阈值根据场景大小及人员活动范围大小决定。
作为优选方案，步骤f）中保存的矫正后的前景图像可以替换为保存设定时间单元内的所有矫正后的前景图像累加后归一化得到的一张累计图，特定时间单元可以根据实际需要设定，可以为10mins，30mins，1h等，若要统计某段时间的客流分布状态，则把该段时间内的所有时间单元的累计图累加后归一化处理生成密度图，根据生成的密度图进一步生成热度图。这样做可以有效降低需要存储的数据量，而且不会对生成的热度图的精度造成任何影响，方便硬件实现。
一种用于实现基于视频分析的热度图的生成方法的装置，包括视频数据采集设备、视频数据分析设备、数据存储设备，其特殊之处在于：视频数据采集设备为摄像机；视频数据分析设备包括摄像机、网络硬盘录像机（NVR）、PC、服务器中的一种或几种，设备内工作流程依次连接设有运动目标提取模块、目标信息矫正模块、密度图生成模块和热度图生成模块。
本发明的有益效果是：
（1）本发明可根据实际情况有效排除人员频繁路过造成的误检，生成的热度图准确度高。
（2）本发明利用相似度匹配的方式对运动目标信息进行矫正可有效排除不符合条件的路过人员信息，只保留停留时间超过设定时间阈值的人员信息，停留时间阈值可以根据实际情况由管理人员自己设定。
（3）本发明的热度图渲染方式采用选定时间段内运动目标数据叠加生成的密度图与背景图像相同位置的R、G、B分量像素值加权相加的方式，不需要其它辅助工具，运算速度快，生成的热度图更加清晰，视觉效果更好。
附图说明
附图1是本发明的流程示意图。
附图2是本发明的目标信息矫正的流程示意图。
附图3是用于本发明的基于视频分析的热度图生成方法的装置。
具体实施方式
为了更清楚的阐述本发明的技术的目的、实现流程和优点，下面结合附图和具体实施方式对本发明作进一步详细的说明，本发明的保护范围包括但不限于以下实施例，在不偏离本申请的精神和范围的前提下任何对本发明的技术方案的细节和形式所做出的修改均落入本发明的保护范围内。
实施例1
一种基于视频分析的热度图生成方法，该方法可读取摄像机实时采集的视频，也可以是已保存好的视频文件；首先，对视频场景图像中的运动目标进行检测，根据目标停留时间的长短对目标信息进行矫正；然后，对矫正后的目标信息进行统计生成密度图；最后，根据密度图对背景图像进行渲染后生成热度图。如附图1所示，该实施例包括以下步骤：
S11、视频图像采集
输入待检测的视频数据，假定传入的视频数据是YUV格式的，可以对视频中的每一帧图像都进行检测，热度图是对一段时间内的人员密度的估计，为了减少计算量也可以根据实际情况对原始视频进行降采样后再进行检测，在本实施例中，每1s处理一幅图像。
S12、视频图像预处理
具体地，把原始视频图像进行缩放处理后转化成灰度图像gray_image。
此外，若输入的不是前端摄像机直接采集的视频，画面中通常会有字符显示（OSD），频繁变化的OSD会对热度图的统计的准确性产生很大影响，比如，屏幕上不停变化的时间。为了保证热度图的准确性，需要把存在OSD的那部分区域屏蔽掉，将屏幕中无OSD的区域作为目标（ROI）区域，ROI区域可由用户根据实际需要自由选定。
S13、运动目标检测
对视频帧序列进行背景建模后提取运动目标，根据混合高斯背景建模、背景统计模型、码本背景模型、均值法及背景差分法中的一种或几种方法相结合的方式进行背景建模后提取运动目标，本实施例采用混合高斯背景建模方法检测运动目标。
具体地，对预处理后的视频图像进行背景建模处理得到前景图像fg_image。具体做法为：1）对预处理后的灰度图进行混合高斯背景建模处理，得到混合高斯前景图像，在本实施例中，混合高斯模型选择3个，学习速率设置为0.001；2）用的模板对前景图像分别进行一次膨胀、腐蚀操作，去掉目标内的孔。
S14、目标信息矫正
为了排除人员频繁路过造成的影响，根据相隔设定时间的特定区域范围内的运动目标的相似度对运动目标信息进行矫正。进行相似度判断需要保存每个目标的外接矩形框坐标、质心坐标、目标特征信息，如附图2所示，具体包括以下步骤：
S141、连通区域检测，对前景图像fg_image进行连通区域检测，计算前景区域的面积，将面积小于设定阈值DelMinAreaThr的连通区域删除（消除噪声），求得连通区域的外接矩形框，保存每个符合条件的连通区域的矩形框坐标信息。
S142、计算每个连通区域的外接矩形框的质心坐标并保存。
S143、计算每个连通区域的外接矩形框对应于原始视频区域中的特征信息并保存，特征信息可以是任何能表达该区域的图像特点的信息，比如直方图特征信息、Harris角点信息、SIFT特征点信息、SURF特征点信息、轮廓信息等，可以是一种或多种特征信息的结合，在本实施例中，选择灰度直方图特征。
S144、假设目标在某一区域的停留时间超过Ns判定为停留，对相隔Ns的两帧图像中相同区域共同存在的前景进行相似度判断。具体地，首先，遍历当前帧每个矩形框的质心坐标信息，计算当前帧图像中的每一个外接矩形框的质心坐标与前面相隔Ns的图像的所有的外接矩形框的质心坐标的距离fDis，若fDis<DisThr（质心距离阈值），则对这两个外接矩形框的灰度直方图进行相似度匹配，直方图相似度度量方法可以为相关性、卡方距离、直方图相交、巴氏距离等方法。在本实施例中，选择相关性计算方法，计算方法如公式1：
根据上述公式计算两个前景区域灰度直方图的相似度系数similarity，若相似度系数similarity>SimThr（相似度系数阈值），则保留当前帧中的该矩形框中的运动目标信息，否则，则说明该矩形框中的目标是路过的，是干扰信息，予以删除，对运动目标信息根据相似度特征进行筛选后得到矫正后的运动目标信息图像，所述质心距离阈值DisThr应根据场景的大小及人员活动范围的大小而定，在本实施例中，取DisThr=20；
S145、完成当前帧所有外接矩形框的相似度匹配之后，得到矫正后的前景图像rectify_fg；对r_fg进行一次5*5的膨胀操作。
S15、存储运动信息数据
热度图反映的是检测区域内一段时间的客流分布状态，时间单位可以为小时、日、周、月、年。为了降低需要存储的数据量，方便硬件实现，不用对每帧矫正后的前景图像都进行储存，只需对特定时间单元内的所有矫正后的前景图像进行统计累加后存储一张时间单元内的累积图就可以了，累积时间单元可以为10min，30mins，1h，当然，如果存储设备允许的话，也可以把每帧矫正后的前景运动信息都存储起来。在本实施例中，时间单元设置为1h，即每一个小时存储一张累积图，这样一年只需要存储24*365=8760张累积图，具体实现步骤如下：
S151、根据混合高斯背景建模获得的前景图像的像素有0和255两个值，为了防止后续累加的数据溢出，把矫正后的rectify_fg中的255全部置1；
S152、把1h内的所有rectify_fg对应位置的像素累加求和得到前景累积图像r_fg_all；
S16、生成密度图
根据上一步骤中存储的累积图像数据，取出特定时间段的所有累积图处理后生成该段时间的密度图，生成密度图的目的是根据密度图对背景图像进行渲染后生成热度图，时间单位以小时为例。具体实现步骤如下：
S161、把r_fg_all中的像素值归一化到0~255后对r_fg_all进行连通区域检测，删除面积小于设定阈值DelAllMinblockThr的连通区域；
S162、对修正后的密度图进行一次5*5的膨胀操作；
S163、对膨胀后的图像做一次5*5的中值滤波，得到密度图DensityMap。
若要生成更长时间的热度图，如周、日、月、年，为了防止数据过大溢出，可以把累积图像的数据等比例缩小后再进行累加后执行以上步骤，生成密度图。
S17、生成热度图
根据密度图的像素值的大小对场景背景图像进行渲染，所述背景图像为在原始场景图像中挑选的图像，在本实施例中，选择了一张不包含任何前景的场景图像进行渲染，渲染方式如公式2：
式中，
为密度图DensityMap在坐标位置
的像素值，
分别为背景图像在坐标
的
三分量的值，
为计算得到的热度图在坐标
的
三分量的值，
分别为密度图和背景图像的权重。
实施例2
本实施例提供一种用于实现实施例1中热度图生成方法的装置，如附图3所示，该装置包括：
视频数据采集设备，为所有可以采集视频图像的设备，用于采集视频图像数据，包含但不限于网络视频摄像机，本实施例采用的是网络视频摄像机；
视频数据处理设备，可以为摄像机（IPC）、网络硬盘录像机（NVR）、PC、服务器等设备，用于提取运动目标后获得密度图，并根据密度图生成热度图，本实施例采用的是摄像机（IPC）和网络硬盘录像机（NVR）相结合的方式；
数据存储设备，用于存储累计图数据信息，可以为硬盘、FLASH、光盘等，本实施例采用数字硬盘。
本实施例的视频数据处理设备中的处理过程包括以下几个模块：
视频图像预处理模块，用于对原始视频缩放、色彩空间转换、选取目标（ROI）区域；
运动目标检测模块，用于提取视频图像中的运动目标区域；
前景信息矫正模块，用于对前景信息进行矫正，排除目标频繁路过造成的干扰；
密度图生成模块，用于对特定时间段的矫正后的前景图像进行统计累加归一化处理后获取密度图；
热度图生成模块，用于对密度图和背景图像对应位置的像素值加权相加后生成热度图。
具体的，所述数据存储设备用于存储密度图信息，采用先进先出的覆盖存储的方式，当存储区域全部被占用时，最早的数据再存入新的数据。
通过上述实施例的方法与装置，可以实现对商场、超市等监控场景中客流密度的统计与显示，可有效排除因人员频繁路过而非停留造成的影响，利用不同的颜色表示一段时间内不同区域的人群密度生成热度图，直观显示人群的密度分布，方便管理人员掌握不同时段不同目标区域的客流分布状态。
Claims (8)
1.一种基于视频分析的热度图生成方法，其特征在于：包括以下步骤：
（1）视频图像采集：
输入的原始视频图像数据可以是摄像机实时采集的视频，也可以是已保存好的视频文件；
（2）视频图像预处理
视频图像预处理包括图像缩放、色彩空间转换、选取目标区域；
（3）运动目标检测
对视频帧序列进行背景建模后提取运动目标，根据混合高斯背景建模、背景统计模型、码本背景模型、均值法及背景差分法中的一种或几种方法相结合的方式进行背景建模后提取运动目标；
（4）目标信息矫正
对相隔设定时间段内场景中同一位置中同时存在的前景目标进行相似度判断，根据相似度系数对目标信息进行矫正，得到矫正后的前景目标图像，排除人员频繁路过而非停留造成的误检；
（5）生成密度图
对特定时间段内的矫正后的前景目标图像进行累加统计后归一化处理得到该段时间内的密度图，该密度图包含了该段时间的人群分布状态信息；
（6）生成热度图
对步骤（5）中生成的密度图中的像素值分别与背景图像中同一位置的像素的R、G、B三分量的值进行加权相加后作为热度图对应位置像素的R、G、B值，生成最终的热度图。
2.根据权利要求1所述的一种基于视频分析的热度图生成方法，其特征在于：步骤（4）中所述相似度判断过程需要保存每个目标的外接矩形框坐标、质心坐标、目标特征信息。
3.根据权利要求1或2所述的一种基于视频分析的热度图生成方法，其特征在于：步骤（4）中所述前景信息矫正过程包括以下步骤：
a）、连通区域检测，对前景图像进行连通区域检测，计算前景区域的面积，将面积小于设定阈值的连通区域删除，求得连通区域的外接矩形框，保存每个符合条件的连通区域的矩形框坐标信息；
b）、计算每个连通区域的外接矩形框的质心坐标并保存；
c）、计算每个连通区域的外接矩形框范围内对应于原始视频场景图像区域中的特征信息并保存，特征信息可以是任何能表达该区域的图像特点的信息；
d）、假设目标在某一区域的停留时间超过Ns判定为停留，对相隔Ns的两帧图像中相同区域共同存在的前景进行相似度判断；
具体地，遍历当前帧每个矩形框的质心坐标信息，计算当前帧图像中的每一个外接矩形框的质心坐标与前面相隔Ns的图像的每一个外接矩形框的质心的距离fDis，若fDis小于设定的质心距离阈值，则对这两个外接矩形框区域的特征信息进行相似度匹配；
e）、完成当前帧所有外接矩形框区域的特征信息相似度匹配之后，保留当前帧中相似度大于设定阈值的前景部分，删除不符合条件的前景部分，得到矫正后的前景图像；
f）、保存矫正后的前景图像。
4.根据权利要求3所述的一种基于视频分析的热度图生成方法，其特征在于：步骤c）和步骤d）中所述特征信息包括直方图特征信息、Harris角点信息、SIFT特征点信息、SURF特征点信息、轮廓信息中的一种或几种。
5.根据权利要求4所述的一种基于视频分析的热度图生成方法，其特征在于：步骤d）中所述直方图特征信息的相似度度量方法包括相关性、卡方距离、直方图相交、巴氏距离中的一种或几种。
6.根据权利要求3所述的一种基于视频分析的热度图生成方法，其特征在于：步骤d）中所述质心距离阈值根据场景大小及人员活动范围大小决定。
7.根据权利要求3所述的一种基于视频分析的热度图生成方法，其特征在于：步骤f）中保存的矫正后的前景累积图像为对特定时间单元内的所有矫正后的前景图像进行统计累加后得到的一张时间单元内的累计图。
8.一种用于实现权利要求1所述的一种基于视频分析的热度图的生成方法的装置，包括视频数据采集设备、视频数据分析设备、数据存储设备，其特征在于：所述视频数据采集设备为摄像机；视频数据分析设备包括摄像机、网络硬盘录像机、PC、服务器中的一种或几种，视频数据分析设备内工作流程依次连接设有运动目标提取模块、目标信息矫正模块、密度图生成模块和热度图生成模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710294391.6A CN107256225B (zh) | 2017-04-28 | 2017-04-28 | 一种基于视频分析的热度图生成方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710294391.6A CN107256225B (zh) | 2017-04-28 | 2017-04-28 | 一种基于视频分析的热度图生成方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107256225A CN107256225A (zh) | 2017-10-17 |
| CN107256225B true CN107256225B (zh) | 2020-09-01 |
Family
ID=60028094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710294391.6A Active CN107256225B (zh) | 2017-04-28 | 2017-04-28 | 一种基于视频分析的热度图生成方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107256225B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SG11202002953YA (en) * | 2017-11-06 | 2020-05-28 | Mitsubishi Electric Corp | Crowd density calculation apparatus, crowd density calculation method, and crowd density calculation program |
| CN110310301B (zh) * | 2018-03-27 | 2021-07-16 | 华为技术有限公司 | 一种检测目标对象的方法及装置 |
| CN108520223B (zh) * | 2018-04-02 | 2021-11-12 | 广州方硅信息技术有限公司 | 视频图像的分割方法、分割装置、存储介质和终端设备 |
| CN108985221A (zh) * | 2018-07-12 | 2018-12-11 | 广州视源电子科技股份有限公司 | 视频片段检测方法、装置、设备和存储介质 |
| CN108921137A (zh) * | 2018-08-01 | 2018-11-30 | 深圳市旭发智能科技有限公司 | 一种无人机及存储介质 |
| CN111290001A (zh) * | 2018-12-06 | 2020-06-16 | 杭州海康威视数字技术股份有限公司 | 一种基于gps坐标的目标统筹方法、装置及设备 |
| CN109785403A (zh) * | 2018-12-21 | 2019-05-21 | 广东工业大学 | 一种基于眼跳信息的热度图生成方法 |
| CN109815872A (zh) * | 2019-01-16 | 2019-05-28 | 汉勤汇科技（武汉）有限公司 | 作弊区域检测方法、装置、设备及存储介质 |
| CN112070623A (zh) * | 2019-05-22 | 2020-12-11 | 北京京东尚科信息技术有限公司 | 热力分析方法、装置和系统 |
| CN110392303B (zh) * | 2019-06-17 | 2021-07-06 | 浙江大华技术股份有限公司 | 热度图视频的生成方法、装置、设备以及存储介质 |
| CN110807354B (zh) * | 2019-09-09 | 2024-02-20 | 杭州朗阳科技有限公司 | 一种工业流水线产品计数方法 |
| CN111523468B (zh) * | 2020-04-23 | 2023-08-08 | 北京百度网讯科技有限公司 | 人体关键点识别方法和装置 |
| CN113298597A (zh) * | 2020-08-06 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 对象热度分析系统、方法及装置 |
| WO2022067615A1 (zh) * | 2020-09-30 | 2022-04-07 | 京东方科技集团股份有限公司 | 视频色域分析及显示的方法、装置及系统与计算机设备 |
| CN112822442B (zh) * | 2020-12-31 | 2023-04-28 | 杭州海康威视数字技术股份有限公司 | 热度图生成方法、装置及电子设备 |
| CN113762135A (zh) * | 2021-09-02 | 2021-12-07 | 中远海运科技股份有限公司 | 一种基于视频的交通拥堵检测方法及装置 |
| IT202200002828A1 (it) | 2022-02-16 | 2023-08-16 | Astrea Consulting S R L | Sistema e metodo di monitoraggio intelligente della vendita e contestuale ottimizzazione dello stoccaggio merci per attività commerciali fisiche |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070292024A1 (en) * | 2006-06-20 | 2007-12-20 | Baer Richard L | Application specific noise reduction for motion detection methods |
| EP2093698A1 (en) * | 2008-02-19 | 2009-08-26 | British Telecommunications Public Limited Company | Crowd congestion analysis |
| CN105469378A (zh) * | 2014-08-27 | 2016-04-06 | 上海睿芬信息科技有限公司 | 一种基于热力图的商场客流可视化分析方法 |
| CN104239617B (zh) * | 2014-09-02 | 2017-10-31 | 百度在线网络技术（北京）有限公司 | 热力图的展现方法及装置 |
| CN105741334B (zh) * | 2014-12-11 | 2019-06-18 | 阿里巴巴集团控股有限公司 | 热力图提供方法及装置 |
| CN104731894B (zh) * | 2015-03-18 | 2018-10-16 | 百度在线网络技术（北京）有限公司 | 热力图的展现方法及装置 |
| CN105549727A (zh) * | 2015-08-29 | 2016-05-04 | 宇龙计算机通信科技(深圳)有限公司 | 一种人流量提醒方法及其装置 |
| CN105184258B (zh) * | 2015-09-09 | 2019-04-30 | 苏州科达科技股份有限公司 | 目标跟踪方法及系统、人员行为分析方法及系统 |
| CN105844681A (zh) * | 2016-03-22 | 2016-08-10 | 北京建飞无限科技有限公司 | 热力图绘制方法及装置 |
| CN106023259B (zh) * | 2016-05-26 | 2018-12-07 | 史方 | 一种运动目标频率检测方法及装置 |
| CN106469208B (zh) * | 2016-08-31 | 2019-07-16 | 浙江宇视科技有限公司 | 一种热度图数据处理方法、热度图数据检索方法及装置 |
-
2017
- 2017-04-28 CN CN201710294391.6A patent/CN107256225B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107256225A (zh) | 2017-10-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107256225B (zh) | 一种基于视频分析的热度图生成方法及装置 | |
| CN106875415B (zh) | 一种动态背景中弱小动目标的连续稳定跟踪方法 | |
| Sengar et al. | Moving object detection based on frame difference and W4 | |
| US9483709B2 (en) | Visual saliency estimation for images and video | |
| US20230289979A1 (en) | A method for video moving object detection based on relative statistical characteristics of image pixels | |
| EP1697901B1 (en) | Method for modeling background and foreground regions | |
| CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
| CN110728697A (zh) | 基于卷积神经网络的红外弱小目标检测跟踪方法 | |
| CN109685045A (zh) | 一种运动目标视频跟踪方法及系统 | |
| CN101179713A (zh) | 复杂背景下单个运动目标的检测方法 | |
| CN110415208A (zh) | 一种自适应目标检测方法及其装置、设备、存储介质 | |
| CN110555868A (zh) | 一种复杂地面背景下运动小目标检测方法 | |
| Filonenko et al. | Real-time flood detection for video surveillance | |
| Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
| CN112364865A (zh) | 一种复杂场景中运动小目标的检测方法 | |
| Kongurgsa et al. | Real-time intrusion—detecting and alert system by image processing techniques | |
| Lam et al. | Highly accurate texture-based vehicle segmentation method | |
| CN111353496B (zh) | 一种红外弱小目标实时检测方法 | |
| CN108765463B (zh) | 一种结合区域提取与改进纹理特征的运动目标检测方法 | |
| Angelo | A novel approach on object detection and tracking using adaptive background subtraction method | |
| CN113705380A (zh) | 雾天的目标检测方法、装置、电子设备以及存储介质 | |
| Sheth et al. | Object saliency using a background prior | |
| CN110321808B (zh) | 遗留物与盗移物检测方法、设备和存储介质 | |
| Gao et al. | Traffic video-based moving vehicle detection and tracking in the complex environment | |
| Balcilar et al. | Extracting vehicle density from background estimation using Kalman filter |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A heat map generation method and device based on video analysis Effective date of registration: 20211104 Granted publication date: 20200901 Pledgee: Ji'nan rural commercial bank Limited by Share Ltd. high tech branch Pledgor: JOVISION TECHNOLOGY Co.,Ltd. Registration number: Y2021370000125 |
|
| CP03 | Change of name, title or address |
Address after: Room 1201, building 3, Aosheng building, 1166 Xinluo street, hi tech Zone, Jinan City, Shandong Province Patentee after: Shandong Zhongwei Century Technology Co.,Ltd. Address before: 250101 12th floor, building 3, Aosheng building, 1166 Xinluo street, Jinan hi tech Zone, Jinan City, Shandong Province Patentee before: JOVISION TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20221117 Granted publication date: 20200901 Pledgee: Ji'nan rural commercial bank Limited by Share Ltd. high tech branch Pledgor: JOVISION TECHNOLOGY Co.,Ltd. Registration number: Y2021370000125 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method and device for generating heat map based on video analysis Effective date of registration: 20221121 Granted publication date: 20200901 Pledgee: Ji'nan rural commercial bank Limited by Share Ltd. high tech branch Pledgor: Shandong Zhongwei Century Technology Co.,Ltd. Registration number: Y2022980022679 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |