CN107786848A - 运动目标检测与动作识别的方法、装置、终端及存储介质 - Google Patents

运动目标检测与动作识别的方法、装置、终端及存储介质 Download PDF

Info

Publication number
CN107786848A
CN107786848A CN201711032343.6A CN201711032343A CN107786848A CN 107786848 A CN107786848 A CN 107786848A CN 201711032343 A CN201711032343 A CN 201711032343A CN 107786848 A CN107786848 A CN 107786848A
Authority
CN
China
Prior art keywords
current video
video frame
moving target
action recognition
object detection
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.)
Withdrawn
Application number
CN201711032343.6A
Other languages
English (en)
Inventor
周燕红
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201711032343.6A priority Critical patent/CN107786848A/zh
Publication of CN107786848A publication Critical patent/CN107786848A/zh
Withdrawn legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/144—Movement detection
    • 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)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种运动目标检测与动作识别的方法、装置、终端及存储介质，其中，该方法包括：采集当前视频帧；检测所述当前视频帧中的运动目标；提取所述运动目标的动作特征；将所述提取出的动作特征与预先保存在数据库中的标准动作特征模板进行匹配，得到动作识别结果。本发明通过检测当前视频帧中的运动目标，优化检测效果，能够去除运动目标检测时的拖影及孔洞现象，改善运动目标检测效果，提高动作识别的准确率。

Description

运动目标检测与动作识别的方法、装置、终端及存储介质
技术领域
本发明涉及智能视频监控技术领域，尤其涉及一种运动目标检测与动作识别的方法、装置、终端及存储介质。
背景技术
运动目标检测与动作识别是智能视频处理和计算机视觉的重要研究内容，其对智能视频监控以及安全领域的发展有着重要的推动作用。
运动检测是在相机固定和目标运动的条件下，通过除去当前图像帧中的背景来识别出符合运动目标的区域，对后续的目标跟踪、目标识别、行为理解等高层视觉处理的结果有着直接的影响。动作识别在运动目标检测的基础之上，通过对提取出的运动目标进行识别，得到动作识别的结果。
现有的运动目标检测方法能够处理复杂的场景、光照的变化以及周期性的扰动，但时常会出现拖影及孔洞的现象，降低了运动目标的检测效果，从而降低了后期动作识别的准确率。
发明内容
本发明提供一种运动目标检测与动作识别的方法、装置、终端及存储介质，能够去除运动目标检测时的拖影及孔洞现象，提高运动目标检测与动作识别的准确率。
第一方面，本发明实施例提供了一种运动目标检测与动作识别的方法，包括：
采集当前视频帧；
检测所述当前视频帧中的运动目标；
提取所述运动目标的动作特征；
将所述提取出的动作特征与预先保存在数据库中的标准动作特征模板进行匹配，得到动作识别结果。
第二方面，本发明实施例提供了一种运动目标检测与动作识别的装置，包括：
视频帧采集模块，用于采集当前视频帧；
运动目标检测模块，用于检测所述当前视频帧中的运动目标；
动作特征提取模块，用于提取所述运动目标的动作特征；
动作识别模块，用于将所述提取出的动作特征与预先保存在数据库中的标准动作特征进行匹配，得到动作识别结果。
第三方面，本发明实施例提供了一种终端，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所述的运动目标检测与动作识别的方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现发明任意实施例所述的运动目标检测与动作识别的方法。
本发明实施例提供一种运动目标检测与动作识别的方法、装置、终端及存储介质，通过检测当前视频帧中的运动目标，优化检测效果，能够去除运动目标检测时的拖影及孔洞现象，改善运动目标检测效果，提高动作识别的准确率。
附图说明
图1是本发明实施例一提供的一种运动目标检测与动作识别方法的流程图；
图2是本发明实施例二提供的一种运动目标检测与动作识别装置的结构示意图；
图3为本发明实施例三提供的一种终端的结构示意图。
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。
实施例一
图1为本发明实施例一提供的一种运动目标检测与动作识别方法的流程图，本实施例可适用于基于视频监控的运动目标检测与动作识别的情况，该方法可以由运动目标检测与动作识别的装置来执行，该运动目标检测与动作识别的装置可以采用软件和/或硬件的方式实现。参考图1，该方法具体包括如下：
步骤110、采集当前视频帧。
可以采用视频图像采集设备，例如工业摄像机、电脑摄像头等，实时采集当前正在播放的视频帧；或者对已有的视频数据进行处理，当其正在播放时，采集当前正在播放的视频帧。将采集到的视频帧发送并保存至后台终端设备，以供下一步处理，终端包括但不局限于手机、智能电视、笔记本、平板电脑等电子设备。
步骤120、检测当前视频帧中的运动目标。
根据场景的背景模型以及相邻帧间空间域的相关性，检测并提取出当前视频帧中的运动目标。视频中的运动目标可以是人或者动物，本实施例主要对检测到的人体运动目标进行动作识别。
步骤130、提取所述运动目标的动作特征。
动作可以包括行走、跑步、跳跃以及摔倒等动作。示例性的，当对室内家居的环境进行监控时，当检测出有人摔倒时，后台终端设备立即收到报警指示，以告知他人家中有人摔倒，需要帮助。
步骤140、将所述提取出的动作特征与预先保存在数据库中的标准动作特征模板进行匹配，得到动作识别结果。
数据库中的标准动作特征模板为人为的对正样本中的动作特征进行学习而获得的模板。所述正样本为该类动作中符合该动作特征且不夸张的样本数据。在提取动作特征之后，将提取的动作特征与数据库中的标准动作特征模板进行匹配，例如可以通过相似度计算的方法，设定相似度阈值，当计算得到的相似度值超过该阈值时，则判定该动作特征与数据库中该动作的标准动作特征模板匹配，进而识别出该动作。
进一步地，步骤120包括：在获取当前视频帧之前，对当前场景进行背景建模，得到该监控场景的背景模型。检测当前视频帧中的运动目标，优选的，将所述当前视频帧与背景模型进行匹配，并判断所述当前视频帧与其前一视频帧中同一像素点是否线性相关，根据所述当前视频帧与背景模型的匹配结果以及线性相关性结果提取所述运动目标。若匹配失败，则说明当前视频帧不是背景图像，若当前视频帧中的该像素与前一帧视频图像同一像素点是线性无关，代表该像素的发生变化。当匹配失败且线性无关，进而提取所述当前帧中的所述运动目标，否则无运动目标。在提取所述运动目标之后，根据所述当前视频帧与所述背景模型的匹配结果以及所述线性相关性结果更新所述背景模型。
本实施例的技术方案，在采集到当前视频帧后，通过将当前视频帧与背景模型进行匹配，并判断当前视频帧与其前一视频帧中同一像素点是否线性相关，根据当前视频帧与背景模型的匹配结果以及线性相关性结果提取，综合考虑单个像素的独立性以及相邻像素间的空间域相关性来提取运动目标，优化检测效果，能够去除运动目标检测时的拖影及孔洞现象，改善运动目标检测效果，提高动作识别的准确率。
实施例二
图2为本发明实施例二提供的一种运动目标检测与动作识别装置的结构示意图，本实施例可适用于基于视频监控的运动目标检测与动作识别的情况，可执行本发明任意实施例所提供的运动目标检测与动作识别的方法。参考图2，该装置的具体结构如下：
视频帧采集模块210，用于采集当前视频帧；
运动目标检测模块220，用于检测当前视频帧中的运动目标；
动作特征提取模块230，用于提取所述运动目标的动作特征；
动作识别模块240，用于将所述提取出的动作特征与预先保存在数据库中的动作特征进行匹配，得到动作识别结果。
进一步地，该装置包括背景建模模块250，用于在获取当前帧之前，对当前场景进行背景建模，得到该监控场景的背景模型。
进一步地，该装置包括运动目标提取模块260，具体用于：将所述当前视频帧与背景模型进行匹配，并判断所述当前视频帧与其前一视频帧中同一像素点是否线性相关，根据所述当前视频帧与背景模型的匹配结果以及线性相关性结果提取所述运动目标；
根据所述当前视频帧与背景模型的匹配结果以及线性相关性判断运动目标，若匹配失败且线性无关，则提取所述当前帧中的所述运动目标，否则无运动目标。
进一步地，该装置还包括背景模型更新模块270，用于在提取所述运动目标之后，根据当前视频帧更新所述背景模型。
本实施例的技术方案，通过各个模块间的相互配合，实现背景建模、视频采集、运动目标检测、运动目标提取、背景模型更新、动作特征提取以及动作识别等功能，达到了优化检测效果，去除运动目标检测时的拖影及孔洞现象，改善运动目标检测效果，提高动作识别的准确率。
实施例三
图3为本发明实施例三提供的一种终端的结构示意图，终端可以是手机、智能电视、平板电脑等。如图3所示，该终端具体包括：一个或多个处理器310，图3中以一个处理器310为例；存储器320，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器310执行，使得一个或多个处理器310实现本发明任意实施例所述的运动目标检测与动作识别的方法。处理器310与存储器320可以通过总线或其他方式连接，图3中以通过总线连接为例。
存储器320，作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的运动目标检测与动作识别方法对应的程序指令(例如，视频帧的采集与保存、运动目标的提取以及动作特征的识别)。处理器310通过运行存储在存储器320中的软件程序、指令以及模块，从而执行终端的各种功能应用以及数据处理，即实现上述的运动目标检测与动作识别的方法。
存储器320可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器320可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器320可进一步包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实施例四
本发明实施例四还提供一种计算机可读存储介质，其上存储有计算机程序(或称为计算机可执行指令)，该程序被处理器执行时用于执行一种运动目标检测与动作识别方法，该方法包括：
采集当前视频帧；
检测所述当前视频帧中的运动目标；
提取所述运动目标的动作特征；
将所述提取出的动作特征与预先保存在数据库中的标准动作特征模板进行匹配，得到动作识别结果。
当然，本发明实施例所提供的一种计算机可读存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的运动目标检测与动作识别方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的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，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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)执行本发明各个实施例所述的方法。值得注意的是，上述搜索装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种运动目标检测与动作识别的方法，其特征在于，包括：
采集当前视频帧；
检测所述当前视频帧中的运动目标；
提取所述运动目标的动作特征；
将所述提取出的动作特征与预先保存在数据库中的标准动作特征模板进行匹配，得到动作识别结果。
2.根据权利要求1所述的方法，其特征在于，在获取所述当前视频帧之前，包括：
对当前场景进行背景建模，得到该监控场景的背景模型。
3.根据权利要求1所述的方法，其特征在于，检测所述当前视频帧中的运动目标，包括：
将所述当前视频帧与所述背景模型进行匹配，并判断所述当前视频帧与其前一视频帧中同一像素点是否线性相关，根据所述当前视频帧与所述背景模型的匹配结果以及线性相关性结果提取所述运动目标。
4.根据权利要求3所述的方法，其特征在于，根据所述当前视频帧与所述背景模型的匹配结果以及所述线性相关性结果判断运动目标，还包括：
若匹配失败且线性无关，则提取所述当前帧中的所述运动目标，否则无运动目标。
5.根据权利要求1或3或4所述的方法，其特征在于，在提取所述运动目标之后，包括：
根据所述当前视频帧与所述背景模型的匹配结果以及所述线性相关性结果更新所述背景模型。
6.一种运动目标检测与动作识别的装置，其特征在于，包括：
视频帧采集模块，用于采集当前视频帧；
运动目标检测模块，用于检测所述当前视频帧中的运动目标；
动作特征提取模块，用于提取所述运动目标的动作特征；
动作识别模块，用于将所述提取出的动作特征与预先保存在数据库中的标准动作特征进行匹配，得到动作识别结果。
7.根据权利要求6所述的装置，其特征在于，还包括：
运动目标提取模块，用于将所述当前视频帧与所述背景模型进行匹配，并判断所述当前视频帧与其前一视频帧中同一像素点是否线性相关，根据所述当前视频帧与所述背景模型的匹配结果以及线性相关性结果提取所述运动目标。
8.根据权利要求7所述的装置，其特征在于，所述运动目标提取模块还用于：根据所述当前视频帧与所述背景模型的匹配结果以及所述线性相关性判断运动目标，若匹配失败且线性无关，则提取所述当前视频帧中的所述运动目标，否则无运动目标。
9.一种终端，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至5中任一项所述的运动目标检测与动作识别的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5中任一项所述的运动目标检测与动作识别的方法。
CN201711032343.6A 2017-10-30 2017-10-30 运动目标检测与动作识别的方法、装置、终端及存储介质 Withdrawn CN107786848A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711032343.6A CN107786848A (zh) 2017-10-30 2017-10-30 运动目标检测与动作识别的方法、装置、终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711032343.6A CN107786848A (zh) 2017-10-30 2017-10-30 运动目标检测与动作识别的方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
CN107786848A true CN107786848A (zh) 2018-03-09

Family

ID=61432152

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711032343.6A Withdrawn CN107786848A (zh) 2017-10-30 2017-10-30 运动目标检测与动作识别的方法、装置、终端及存储介质

Country Status (1)

Country Link
CN (1) CN107786848A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108854031A (zh) * 2018-05-29 2018-11-23 深圳臻迪信息技术有限公司 通过无人摄影技术分析运动数据的方法及相关装置
CN108875687A (zh) * 2018-06-28 2018-11-23 泰康保险集团股份有限公司 一种护理质量的评估方法及装置
CN109344755A (zh) * 2018-09-21 2019-02-15 广州市百果园信息技术有限公司 视频动作的识别方法、装置、设备及存储介质
CN109598190A (zh) * 2018-10-23 2019-04-09 深圳壹账通智能科技有限公司 用于动作识别的方法、装置、计算机设备及存储介质
CN109882019A (zh) * 2019-01-17 2019-06-14 同济大学 一种基于目标检测和动作识别的汽车电动尾门开启方法
CN111191542A (zh) * 2019-12-20 2020-05-22 腾讯科技（深圳）有限公司 虚拟场景中的异常动作识别方法、装置、介质及电子设备
WO2020216116A1 (zh) * 2019-04-26 2020-10-29 腾讯科技（深圳）有限公司 动作识别方法和装置、人机交互方法和装置
CN114627560A (zh) * 2022-05-13 2022-06-14 浙江大华技术股份有限公司 一种动作识别方法、动作识别模型训练方法及相关装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101202994A (zh) * 2006-12-14 2008-06-18 北京三星通信技术研究有限公司 辅助用户健身的方法和装置
CN101324959A (zh) * 2008-07-18 2008-12-17 北京中星微电子有限公司 一种检测运动目标的方法及装置
CN105554474A (zh) * 2016-02-01 2016-05-04 福建省计量科学研究院 一种安全监控系统及方法
CN106295524A (zh) * 2016-08-01 2017-01-04 马平 一种基于视觉词袋的人体动作识别方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101202994A (zh) * 2006-12-14 2008-06-18 北京三星通信技术研究有限公司 辅助用户健身的方法和装置
CN101324959A (zh) * 2008-07-18 2008-12-17 北京中星微电子有限公司 一种检测运动目标的方法及装置
CN105554474A (zh) * 2016-02-01 2016-05-04 福建省计量科学研究院 一种安全监控系统及方法
CN106295524A (zh) * 2016-08-01 2017-01-04 马平 一种基于视觉词袋的人体动作识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王宝珠等: "基于朗斯基函数的混合高斯模型运动目标检测", 《计算机应用研究》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108854031A (zh) * 2018-05-29 2018-11-23 深圳臻迪信息技术有限公司 通过无人摄影技术分析运动数据的方法及相关装置
CN108875687A (zh) * 2018-06-28 2018-11-23 泰康保险集团股份有限公司 一种护理质量的评估方法及装置
CN109344755A (zh) * 2018-09-21 2019-02-15 广州市百果园信息技术有限公司 视频动作的识别方法、装置、设备及存储介质
CN109344755B (zh) * 2018-09-21 2024-02-13 广州市百果园信息技术有限公司 视频动作的识别方法、装置、设备及存储介质
CN109598190A (zh) * 2018-10-23 2019-04-09 深圳壹账通智能科技有限公司 用于动作识别的方法、装置、计算机设备及存储介质
CN109882019B (zh) * 2019-01-17 2021-03-26 同济大学 一种基于目标检测和动作识别的汽车电动尾门开启方法
CN109882019A (zh) * 2019-01-17 2019-06-14 同济大学 一种基于目标检测和动作识别的汽车电动尾门开启方法
WO2020216116A1 (zh) * 2019-04-26 2020-10-29 腾讯科技（深圳）有限公司 动作识别方法和装置、人机交互方法和装置
US20210271892A1 (en) * 2019-04-26 2021-09-02 Tencent Technology (Shenzhen) Company Limited Action recognition method and apparatus, and human-machine interaction method and apparatus
US11710351B2 (en) * 2019-04-26 2023-07-25 Tencent Technology (Shenzhen) Company Limited Action recognition method and apparatus, and human-machine interaction method and apparatus
CN111191542B (zh) * 2019-12-20 2023-05-02 腾讯科技（深圳）有限公司 虚拟场景中的异常动作识别方法、装置、介质及电子设备
CN111191542A (zh) * 2019-12-20 2020-05-22 腾讯科技（深圳）有限公司 虚拟场景中的异常动作识别方法、装置、介质及电子设备
CN114627560A (zh) * 2022-05-13 2022-06-14 浙江大华技术股份有限公司 一种动作识别方法、动作识别模型训练方法及相关装置

Similar Documents

Publication Publication Date Title
CN107786848A (zh) 运动目标检测与动作识别的方法、装置、终端及存储介质
CN110807385B (zh) 目标检测方法、装置、电子设备及存储介质
Zou et al. Occupancy detection in the office by analyzing surveillance videos and its application to building energy conservation
CN109325964B (zh) 一种人脸追踪方法、装置及终端
CN110751022B (zh) 基于图像识别的城市宠物活动轨迹监测方法及相关设备
EP3654285B1 (en) Object tracking using object attributes
JP6018674B2 (ja) 被写体再識別のためのシステム及び方法
US20170213081A1 (en) Methods and systems for automatically and accurately detecting human bodies in videos and/or images
CN109325456B (zh) 目标识别方法、装置、目标识别设备及存储介质
CN108009466B (zh) 行人检测方法和装置
CN111860318A (zh) 一种建筑工地行人徘徊检测方法、装置、设备及存储介质
EP2798578A2 (en) Clustering-based object classification
CN110706247B (zh) 一种目标跟踪方法、装置及系统
US20160125232A1 (en) Dynamic face identification
CN103870824A (zh) 一种在人脸检测跟踪过程中的人脸捕捉方法及装置
Roy et al. A hierarchical method combining gait and phase of motion with spatiotemporal model for person re-identification
CN103246896A (zh) 一种鲁棒性车辆实时检测与跟踪方法
CN111242077A (zh) 一种人物追踪方法、系统及服务器
Yu et al. Robustness improvement of visual templates matching based on frequency-tuned model in ratslam
CN113657163A (zh) 行为识别方法、电子装置和存储介质
CN116434325A (zh) 一种特定动作的检测方法、装置、设备及存储介质
Harish et al. Intruder detection by extracting semantic content from surveillance videos
Yoon et al. Tracking System for mobile user Based on CCTV
KR20220078893A (ko) 영상 속 사람의 행동 인식 장치 및 방법
Li et al. Loitering detection based on trajectory analysis

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20180309

WW01 Invention patent application withdrawn after publication