CN107330916A - 一种运动物体检测方法及系统 - Google Patents
一种运动物体检测方法及系统 Download PDFInfo
- Publication number
- CN107330916A CN107330916A CN201710452869.3A CN201710452869A CN107330916A CN 107330916 A CN107330916 A CN 107330916A CN 201710452869 A CN201710452869 A CN 201710452869A CN 107330916 A CN107330916 A CN 107330916A
- Authority
- CN
- China
- Prior art keywords
- background
- image
- field picture
- foreground
- moving object
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000011946 reduction process Methods 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 230000011218 segmentation Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 6
- 230000005055 memory storage Effects 0.000 claims description 2
- 230000001052 transient effect Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000036624 brainpower Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种运动物体检测方法和系统,所述方法包括:对视频的图像进行降噪处理;设置背景帧图像;计算视频当前帧图像与所述背景帧图像间的差分图像;将所述差分图像进行二值化处理,提取出目标运动物体的前景物体,计算所述前景物体的前景像素点所占比例;确认所述前景像素点所占比例超过预设阈值,提示检测到运动物体。本发明提供的方法,通过实时背景更新方式,提升了检测效果,并且简化了操作过程,降低了检测难度。
Description
技术领域
本发明涉及视频图像处理领域,更具体地,涉及一种运动物体检测方法及系统。
背景技术
目前,视频运动物体检测是计算机视觉研究领域的一个重要部分,运动物体检测是视频自动分析技术中的一个重要环节,主要内容是将兴趣事件从视频序列中分离出来。视频运动物体检测在视频智能监控、视频压缩、视频检索和图像增强等方面有着广泛的运用。在实际视频处理过程中,视频中光线强度,背景变动等因素,都会对检测过程造成一定的影响。
在现有技术中,运动物体检测技术主要有三种方法,分别是光流法、背景差分法和帧间差分法。其中,光流法计算过程复杂,对硬件要求高,难以满足实时检测的要求。帧间差分法具有很强的自适应能力,对光照变化不敏感,检测有效而稳定,但它在较大程度上依赖差分帧的选择时机和物体的运动速度。背景差分法实现最简单,能够完整地分割出运动物体,但它对光照等外部条件造成的场景变化过于敏感,而且检测性能与背景图像的好坏息息相关。
发明内容
为克服现有技术中,对视频图像中的运动物体检测计算过程复杂,对图像光照等外部条件造成的场景变化过于敏感等问题,提出一种运动物体检测方法及系统。
根据本发明的第一方面,提供一种运动物体检测方法,包括:
步骤1,对视频的图像进行降噪处理;设置背景帧图像;
步骤2,计算视频当前帧图像与所述背景帧图像间的差分图像;将所述差分图像进行二值化处理,提取出目标运动物体的前景物体,计算所述前景物体的前景像素点所占比例;
步骤3,确认所述前景像素点所占比例超过预设阈值,提示检测到运动物体。
所述步骤1中设置背景帧图像的步骤具体为:当开始检测所述视频的图像时,将第一帧图像作为背景帧图像。
其中,所述步骤3后,还包括背景图像更新步骤;通过所述当前帧图像和所述背景帧图像进行组合,生成新背景图像,重复执行步骤2和步骤3。
其中,所述通过所述当前帧图像的和所述背景帧图像进行组合,生成新背景图像的步骤具体为:使用背景更新公式
Background(x,y,i+1)=a*Input(x,y,i)+(1-a)*Background(x,y,i)
计算出所述新背景图像;
式中,Background(x,y,i)表示检测第i帧图像时的背景图像,Input(x,y,i)表示当前第i帧图像,Background(x,y,i+1)表示新背景图像,a表示权重;其中,a取值范围为0<a<1。
其中,所述对视频信息的图像进行降噪处理的步骤具体为:
对摄像头实时获取的图像使用中值滤波处理,去除所述实时图像中的噪点。
其中,当所述前景像素点所占比例未超过预设阈值时,则提示未检测到运动物体。
其中,所述步骤3中,确认所述前景像素点所占比例超过预设阈值的步骤具体为:利用直方图统计所述差分图像前景像素点数量和背景像素点数量,计算出所述前景像素点所占比例。
根据本发明的第二方面,提供一种运动物体检测系统,包括:
图像处理模块,对视频的图像进行降噪处理;设置背景帧图像;
差分图像计算模块,用于计算视频当前帧图像与所述背景帧图像间的差分图像;将所述差分图像进行二值化处理,提取出目标运动物体的前景物体,计算所述前景物体的前景像素点所占比例;
运动物体检测模块,用于确认所述前景像素点所占比例超过预设阈值,提示检测到运动物体。
根据本发明第三方面,提供一种计算机程序,包括程序代码,所述程序代码用于执行如下操作:
接收视频信息,对所述视频信息的图像进行降噪处理;
设置背景帧图像;
计算得出视频当前帧图像与所述背景帧图像之间的差分图像;
将所述差分图像进行二值化处理,提取出运动的前景物体,计算所述前景物体的前景像素点所占比例。
根据本发明第四方面,提供一种运动物体检测设备设备,包括:
至少一个处理器;以及
与所述处理器连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式所提供的运动物体检测方法。
本发明提供了一种运动物体检测方法及系统,所述方法采用了实时背景更新方式,提升了检测效果,降低了检测难度。
附图说明
图1为本发明一实施例提供的一种运动物体检测方法的整体流程图;
图2为本发明又一实施例提供的一种运动物体检测系统的整体结构图;
图3为本发明再一实施例提供的一种运动物体检测设备结构框图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
参考图1,图1为本发明一实施例提供的一种运动物体检测方法流程图,如图1所示,所述方法包括:
S101,对视频的图像进行降噪处理;设置背景帧图像;
S102,计算视频当前帧图像与所述背景帧图像间的差分图像;将所述差分图像进行二值化处理,提取出目标运动物体的前景物体,计算所述前景物体的前景像素点所占比例;
S103,确认所述前景像素点所占比例超过预设阈值,提示检测到运动物体。
具体的,S101中对视频的图像进行降噪处理;设置背景帧图像。
其中,中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近真实值,从而消除孤立的噪声点。
同时,在开始对视频图像进行检测的时候,直接将第一帧图像作为背景初始化。
通过此方法,中值滤波对脉冲噪声有良好的过滤作用,特别是在去除噪声的同时,能够保护信号的边缘,使之不被模糊。而且中值滤波的算法比较简单,也易于用硬件实现;同时,相较于传统的背景建模,极大地简化了背景建模过程。
在上述实施例的基础上,所述方法还包括背景图像更新步骤;
通过所述当前帧图像的和所述背景帧图像进行组合,生成新背景图像,重复执行步骤2和步骤3。
具体的,模型更新算法在当前帧进行中值滤波后,与背景帧进行综合,两帧图像的权重根据具体的应用场景来设置,如果希望背景变化较快,可以将当前帧的权重设置的较大,如果希望背景变化较慢,则将当前帧的权重设置的较小即可,背景更新的数学表达式如下:
Background(x,y,i+1)=a*Input(x,y,i)+(1-a)*Background(x,y,i);
式中,Background(x,y,i)表示检测第i帧图像时的背景图像,Input(x,y,i)表示当前第i帧图像,Background(x,y,i+1)表示新背景图像,a表示权重;其中,a取值范围为0<a<1。
通过此方法,采用了实时背景更新方式,提升了检测效果,降低了检测难度。
具体的,在S102中,计算得出视频当前帧图像与所述背景帧图像之间的差分图像,其中,差分图像由当前帧与背景帧相减,得到两帧图像亮度差,然后取绝对值得到。
随后,将所述差分图像进行二值化处理,提取出运动的前景物体,计算所述前景物体的前景像素点所占比例。通过对S103中获取的差分图像进行二值化处理,二值化的关键是阈值的选取,本实施例中,二值化的阈值取值为15。随后,利用直方图计算差分图像中前景像素点所占的比例。这里使用直方图统计出二值图中前景点和背景点的像素数量,进而计算出前景点像素所占比例,当前景点像素比例超过一定值的时候,即可认定图像中有运动物体。
通过此方法,程序设计复杂度低;对光线等场景变化不太敏感,能够适应各种动态环境,稳定性较好;同时简化了运动物体检测的操作过程,降低了运动物体检测的硬件要求;使用直方图可以很方便地统计出二值图中的前景像素点和背景像素点数量。
在上述实施例的基础上,所述方法还包括:当所述前景像素点所占比例未超过预设阈值时,提示未检测到运动物体。。
具体的,通过预先设置阈值,将S102中获取的前景点像素点比例与预设阈值进行比较,当所述前景像素点比例未超过预设阈值的时候,则判定未检测到运动物体。
参考图2,图2为本发明又一实施例提供的一种运动物体检测系统结构图,如图2所示,所述系统包括图像处理模块21、差分图像计算模块22、运动物体检测模块23。
其中,图像处理模块21用于对视频的图像进行降噪处理;设置背景帧图像。
具体的,采用中值滤波处理从摄像头实时获取的图像帧,对原始图像进行去噪点处理,当开始检测所述视频信息的图像时,将第一帧图像作为背景帧图像。
通过此系统,中值滤波对脉冲噪声有良好的过滤作用,特别是在去除噪声的同时,能够保护信号的边缘,使之不被模糊。而且中值滤波的算法比较简单,也易于用硬件实现。
通过此系统,相较于传统的背景建模,极大地简化了背景建模过程,降低了检测难度。
在上述实施例的基础上,图像处理模块21还用于背景帧图像更新,通过所述当前帧图像的和所述背景帧图像进行组合,生成新背景图像,然后使用新的背景图像,继续进行运动物体检测。
具体的,模型更新算法在当前帧进行中值滤波后,与背景帧进行综合,两帧图像的权重根据具体的应用场景来设置,如果希望背景变化较快,可以将当前帧的权重设置的较大,如果希望背景变化较慢,则将当前帧的权重设置的较小即可,背景更新的数学表达式如下:
Background(x,y,i+1)=a*Input(x,y,i)+(1-a)*Background(x,y,i);
式中,Background(x,y,i)表示检测第i帧图像时的背景图像,Input(x,y,i)表示当前第i帧图像,Background(x,y,i+1)表示新背景图像,a表示权重;其中,a取值范围为0<a<1。
通过此系统,采用了实时背景更新方式,提升了检测效果,降低了检测难度。
差分图像计算模块22用于计算得出视频当前帧图像与所述背景帧图像之间的差分图像,将所述差分图像进行二值化处理,提取出目标运动物体的前景物体,计算所述前景物体的前景像素点所占比例。
具体的,差分图像由当前帧与背景帧相减,得到得到两帧图像亮度差,然后取绝对值得到;将所述差分图像进行二值化处理,提取出运动的前景物体,计算所述前景物体的前景像素点所占比例,二值化的关键是阈值的选取,本实施例中,二值化的阈值取值为15。随后,利用直方图计算差分图像中前景像素点所占的比例。这里使用直方图统计出二值图中前景点和背景点的像素数量,进而计算出前景点像素所占比例,当前景点像素比例超过一定值的时候,即可认定图像中有运动物体。
通过此系统,程序设计复杂度低;对光线等场景变化不太敏感,能够适应各种动态环境,稳定性较好;简化了运动物体检测的操作过程,降低了运动物体检测的硬件要求。
其中,运动物体检测模块23用于确认所述前景像素点所占比例超过预设阈值,提示检测到运动物体。
具体的,通过预先设置阈值,差分图像计算模块21中获取的前景点像素点比例与预设阈值进行比较,当所述前景像素点比例超过预设阈值的时候,则进行提示,提示图像中检测到运动物体,当所述前景像素点比例未超过预设阈值的时候,则判定未检测到运动物体。
在本发明提供的又一实施例中,公开一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:对视频的图像进行降噪处理;设置背景帧图像;计算视频当前帧图像与所述背景帧图像间的差分图像;将所述差分图像进行二值化处理,提取出目标运动物体的前景物体,计算所述前景物体的前景像素点所占比例;确认所述前景像素点所占比例超过预设阈值,提示检测到运动物体。
在本发明提供的再一实施例中,参考图3,图3为本发明再一实施例提供的一种运动物体检测设备结构框图。如图3所示,所述运动物体检测设备包括:处理器301、存储器302及总线303。
所述处理器301用于调用所述存储器302中的程序指令,以执行上述各方法实施例所提供的方法,例如包括,对视频的图像进行降噪处理;设置背景帧图像;计算视频当前帧图像与所述背景帧图像间的差分图像;将所述差分图像进行二值化处理,提取出目标运动物体的前景物体,计算所述前景物体的前景像素点所占比例;确认所述前景像素点所占比例超过预设阈值,提示检测到运动物体。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种运动物体检测方法,其特征在于,包括:
步骤1,对视频的图像进行降噪处理;设置背景帧图像;
步骤2,计算视频当前帧图像与所述背景帧图像间的差分图像;将所述差分图像进行二值化处理,提取出目标运动物体的前景物体,计算所述前景物体的前景像素点所占比例;
步骤3,确认所述前景像素点所占比例超过预设阈值,提示检测到运动物体。
2.根据权利要求1所述的一种运动物体检测方法,其特征在于,所述步骤1中设置背景帧图像的步骤具体为:当开始检测所述视频的图像时,将第一帧图像作为背景帧图像。
3.根据权利要求2所述的一种运动物体检测方法,其特征在于,所述步骤3后,还包括背景图像更新步骤;
通过所述当前帧图像和所述背景帧图像进行组合,生成新背景图像,重复执行步骤2和步骤3。
4.根据权利要求3所述的一种运动物体检测方法,其特征在于,所述通过所述当前帧图像的和所述背景帧图像进行组合,生成新背景图像的步骤具体为:使用背景更新公式
Background(x,y,i+1)=a*Input(x,y,i)+(1-a)*Background(x,y,i)
计算出所述新背景图像;
式中,Background(x,y,i)表示检测第i帧图像时的背景图像,Input(x,y,i)表示当前第i帧图像,Background(x,y,i+1)表示新背景图像,a表示权重;其中,a取值范围为0<a<1。
5.根据权利要求1所述的一种运动物体检测方法,其特征在于,所述对视频信息的图像进行降噪处理的步骤具体为:
对摄像头实时获取的图像使用中值滤波处理,去除所述实时图像中的噪点。
6.根据权利要求1所述的一种运动物体检测方法,其特征在于,当所述前景像素点所占比例未超过预设阈值时,提示未检测到运动物体。
7.根据权利要求1所述的一种运动物体检测方法,其特征在于,所述步骤3中,确认所述前景像素点所占比例超过预设阈值的步骤具体为:
利用直方图统计所述差分图像前景像素点数量和背景像素点数量,计算出所述前景像素点所占比例。
8.一种运动物体检测系统,其特征在于,包括:
图像处理模块,对视频的图像进行降噪处理;设置背景帧图像;
差分图像计算模块,用于计算视频当前帧图像与所述背景帧图像间的差分图像;将所述差分图像进行二值化处理,提取出目标运动物体的前景物体,计算所述前景物体的前景像素点所占比例;
运动物体检测模块,用于确认所述前景像素点所占比例超过预设阈值,提示检测到运动物体。
9.一种计算机程序产品,其特征在于,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行如权利要求1至7任一所述的方法。
10.一种运动物体检测设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710452869.3A CN107330916A (zh) | 2017-06-15 | 2017-06-15 | 一种运动物体检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710452869.3A CN107330916A (zh) | 2017-06-15 | 2017-06-15 | 一种运动物体检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107330916A true CN107330916A (zh) | 2017-11-07 |
Family
ID=60195186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710452869.3A Pending CN107330916A (zh) | 2017-06-15 | 2017-06-15 | 一种运动物体检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107330916A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108010039A (zh) * | 2017-12-19 | 2018-05-08 | 北京奇虎科技有限公司 | 基于自适应阈值分割的视频人物装扮方法及装置 |
CN109146915A (zh) * | 2018-08-01 | 2019-01-04 | 浙江深眸科技有限公司 | 判断异常活动物体的低计算量运动检测方法 |
CN110009800A (zh) * | 2019-03-14 | 2019-07-12 | 北京京东尚科信息技术有限公司 | 一种识别方法和设备 |
CN110418192A (zh) * | 2019-06-26 | 2019-11-05 | 视联动力信息技术股份有限公司 | 一种图像处理方法、装置及存储介质 |
CN110619654A (zh) * | 2019-08-02 | 2019-12-27 | 北京佳讯飞鸿电气股份有限公司 | 一种运动目标检测与跟踪方法 |
CN110675527A (zh) * | 2019-09-28 | 2020-01-10 | 孔华 | 碰瓷行为现场预防装置 |
CN111209771A (zh) * | 2018-11-21 | 2020-05-29 | 晶睿通讯股份有限公司 | 类神经网络辨识效能提升方法及其相关辨识效能提升装置 |
CN111310733A (zh) * | 2020-03-19 | 2020-06-19 | 成都云盯科技有限公司 | 基于监控视频的人员进出检测方法、装置和设备 |
CN111917976A (zh) * | 2020-07-21 | 2020-11-10 | 青岛聚好联科技有限公司 | 电子设备及图像中运动对象提取方法 |
CN112800846A (zh) * | 2020-12-30 | 2021-05-14 | 深圳云天励飞技术股份有限公司 | 高空抛物的监测方法、装置、电子设备及存储介质 |
CN113438891A (zh) * | 2021-07-02 | 2021-09-24 | 南通海舟电子科技有限公司 | 一种电路板自动化组装工艺 |
CN113469893A (zh) * | 2020-05-08 | 2021-10-01 | 上海齐感电子信息科技有限公司 | 视频中图像的噪声估计方法、及视频降噪方法 |
CN115330834A (zh) * | 2022-07-13 | 2022-11-11 | 广东交通职业技术学院 | 一种运动目标检测方法、系统、装置及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236606A (zh) * | 2008-03-07 | 2008-08-06 | 北京中星微电子有限公司 | 视频监控中的阴影消除方法及系统 |
CN102496276A (zh) * | 2011-12-01 | 2012-06-13 | 青岛海信网络科技股份有限公司 | 一种高效车辆检测方法 |
CN102750710A (zh) * | 2012-05-31 | 2012-10-24 | 信帧电子技术(北京)有限公司 | 一种图像中运动目标统计方法和装置 |
CN103439229A (zh) * | 2013-08-06 | 2013-12-11 | 西安交通大学 | 一种基于数字视频的快速铁谱分析方法 |
CN104700429A (zh) * | 2014-10-05 | 2015-06-10 | 安徽工程大学 | 一种机载显示器的运动检测方法 |
CN104700430A (zh) * | 2014-10-05 | 2015-06-10 | 安徽工程大学 | 机载显示器的运动检测方法 |
-
2017
- 2017-06-15 CN CN201710452869.3A patent/CN107330916A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236606A (zh) * | 2008-03-07 | 2008-08-06 | 北京中星微电子有限公司 | 视频监控中的阴影消除方法及系统 |
CN102496276A (zh) * | 2011-12-01 | 2012-06-13 | 青岛海信网络科技股份有限公司 | 一种高效车辆检测方法 |
CN102750710A (zh) * | 2012-05-31 | 2012-10-24 | 信帧电子技术(北京)有限公司 | 一种图像中运动目标统计方法和装置 |
CN103439229A (zh) * | 2013-08-06 | 2013-12-11 | 西安交通大学 | 一种基于数字视频的快速铁谱分析方法 |
CN104700429A (zh) * | 2014-10-05 | 2015-06-10 | 安徽工程大学 | 一种机载显示器的运动检测方法 |
CN104700430A (zh) * | 2014-10-05 | 2015-06-10 | 安徽工程大学 | 机载显示器的运动检测方法 |
Non-Patent Citations (1)
Title |
---|
朱志宇: "《流形粒子滤波算法及其在视频目标跟踪中的应用》", 31 January 2015 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108010039A (zh) * | 2017-12-19 | 2018-05-08 | 北京奇虎科技有限公司 | 基于自适应阈值分割的视频人物装扮方法及装置 |
CN108010039B (zh) * | 2017-12-19 | 2021-04-06 | 北京奇虎科技有限公司 | 基于自适应阈值分割的视频人物装扮方法及装置 |
CN109146915A (zh) * | 2018-08-01 | 2019-01-04 | 浙江深眸科技有限公司 | 判断异常活动物体的低计算量运动检测方法 |
CN111209771A (zh) * | 2018-11-21 | 2020-05-29 | 晶睿通讯股份有限公司 | 类神经网络辨识效能提升方法及其相关辨识效能提升装置 |
CN110009800A (zh) * | 2019-03-14 | 2019-07-12 | 北京京东尚科信息技术有限公司 | 一种识别方法和设备 |
CN110418192A (zh) * | 2019-06-26 | 2019-11-05 | 视联动力信息技术股份有限公司 | 一种图像处理方法、装置及存储介质 |
CN110619654A (zh) * | 2019-08-02 | 2019-12-27 | 北京佳讯飞鸿电气股份有限公司 | 一种运动目标检测与跟踪方法 |
CN110619654B (zh) * | 2019-08-02 | 2022-05-13 | 北京佳讯飞鸿电气股份有限公司 | 一种运动目标检测与跟踪方法 |
CN110675527A (zh) * | 2019-09-28 | 2020-01-10 | 孔华 | 碰瓷行为现场预防装置 |
CN111310733A (zh) * | 2020-03-19 | 2020-06-19 | 成都云盯科技有限公司 | 基于监控视频的人员进出检测方法、装置和设备 |
CN111310733B (zh) * | 2020-03-19 | 2023-08-22 | 成都云盯科技有限公司 | 基于监控视频的人员进出检测方法、装置和设备 |
CN113469893A (zh) * | 2020-05-08 | 2021-10-01 | 上海齐感电子信息科技有限公司 | 视频中图像的噪声估计方法、及视频降噪方法 |
CN113469893B (zh) * | 2020-05-08 | 2024-03-22 | 上海齐感电子信息科技有限公司 | 视频中图像的噪声估计方法、及视频降噪方法 |
CN111917976A (zh) * | 2020-07-21 | 2020-11-10 | 青岛聚好联科技有限公司 | 电子设备及图像中运动对象提取方法 |
CN112800846A (zh) * | 2020-12-30 | 2021-05-14 | 深圳云天励飞技术股份有限公司 | 高空抛物的监测方法、装置、电子设备及存储介质 |
CN113438891A (zh) * | 2021-07-02 | 2021-09-24 | 南通海舟电子科技有限公司 | 一种电路板自动化组装工艺 |
CN115330834A (zh) * | 2022-07-13 | 2022-11-11 | 广东交通职业技术学院 | 一种运动目标检测方法、系统、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107330916A (zh) | 一种运动物体检测方法及系统 | |
CN108921782B (zh) | 一种图像处理方法、装置及存储介质 | |
CN110163818B (zh) | 一种用于海事无人机的低照度视频图像增强方法 | |
CN104182718B (zh) | 一种人脸特征点定位方法及装置 | |
US11132544B2 (en) | Visual fatigue recognition method, visual fatigue recognition device, virtual reality apparatus and storage medium | |
US20100098331A1 (en) | System and method for segmenting foreground and background in a video | |
CN103345644B (zh) | 在线训练的目标检测方法及装置 | |
CN109815881A (zh) | 行为识别模型的训练方法、行为识别方法、装置及设备 | |
CN109977906B (zh) | 手势识别方法及系统、计算机设备及存储介质 | |
CN111667420B (zh) | 图像处理方法及装置 | |
CN112862728B (zh) | 伪影去除方法、装置、电子设备和存储介质 | |
CN113034634A (zh) | 基于脉冲信号的自适应成像方法、系统及计算机介质 | |
CN105447890A (zh) | 一种抗光照影响的运动车辆检测方法 | |
CN110852965A (zh) | 一种基于生成对抗网络的视频光照增强方法及系统 | |
JP2011053951A (ja) | 画像処理装置 | |
Liu et al. | Scene background estimation based on temporal median filter with Gaussian filtering | |
CN110799984A (zh) | 跟踪控制方法、设备、计算机可读存储介质 | |
CN112287792B (zh) | 采集人脸图像的方法、装置及电子设备 | |
JP2011071925A (ja) | 移動体追尾装置および方法 | |
WO2020044630A1 (ja) | 検出器生成装置、モニタリング装置、検出器生成方法及び検出器生成プログラム | |
CN116309158A (zh) | 网络模型的训练方法、三维重建方法、装置、设备和介质 | |
WO2023001110A1 (zh) | 神经网络训练方法、装置及电子设备 | |
JP2016024743A (ja) | 動画像処理装置、動画像情報処理プログラムおよび動画像処理方法 | |
CN117044215A (zh) | 用于低光照媒体增强的方法和系统 | |
CN114782666A (zh) | 识别模型训练方法及装置、车牌识别方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171107 |