CN107948465A - 一种检测摄像头被干扰的方法和装置 - Google Patents
一种检测摄像头被干扰的方法和装置 Download PDFInfo
- Publication number
- CN107948465A CN107948465A CN201711307328.8A CN201711307328A CN107948465A CN 107948465 A CN107948465 A CN 107948465A CN 201711307328 A CN201711307328 A CN 201711307328A CN 107948465 A CN107948465 A CN 107948465A
- Authority
- CN
- China
- Prior art keywords
- frame
- camera
- image
- unit
- region
- 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.)
- Granted
Links
Classifications
-
- 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
- H04N5/147—Scene change detection
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种检测摄像头被干扰的方法和装置,该方法包括以下步骤:步骤1,计算当前视频帧的图像熵,通过图像熵的大小初步判断摄像头是否存在干扰;步骤2,若步骤1判断摄像头不存在干扰,获取摄像头在最近N帧内连续变化的区域,通过连续变化区域的大小判断摄像头存在干扰;步骤3,创建或定期更新参考背景;步骤4,当参考背景存在,则比较当前帧与参考背景的差异,判断摄像头是否存在干扰。该方法可以检测多种摄像头被干扰情况,例如黑白帧、摄像头被遮挡、摄像头被移动,该方法中使用的参考背景动态变化,有效应对一些自然因素的影响。
Description
技术领域
本发明涉及图像处理领域,特别涉及检测摄像头被干扰的方法。
背景技术
近年来视频监控已渗透到国民生活的各个领域:小区安保监控、银行自动柜员机监控、交通方面的违章和流量监控等。视频监控可以有效防止各种刑事案件的发生,及时提供车流量和路况信息,实现准确快速的交通指挥调度。然而随着视频监控的普及,一些可疑人员人为了躲避监控,对摄像头做出各种干扰,如有人用手遮挡摄像头,用颜料喷涂摄像头,转动摄像头使之朝向错误的方向等,因此计算机自动准确及时的识别这些干扰:即相机干扰检测(camera tampering detection)有重要的实际应用意义。
将相机干扰定义为:相机所拍摄到的画面要有剧烈的变化,且这样的行为必须持续一定的时间。因为有些偶然行为可能引起图像的短时突然变化,对于这些行为要予以排除。为此相机干扰检测需要解决三个问题:一、算法要有很好的实时性;二、应该对相机细小的振动、转动等不敏感,而应该对图像图形明显变化敏感;三、短暂无害变化不能被当作干扰检出。
现有技术中有多种检测摄像头是否被干扰的方法,但是这些方法中存在一些问题,例如,有的方法参考背景固定,光照、下雨、场景渐变(例如白天到黑夜)等情况会带来误检;有的方法通过训练SVM分类器来判断是否存在遮挡,前期需要进行大量的视频数据采集和标注工作,前期成本高;有的方法采用多个摄像头对场景拍摄形成对比,不仅成本高,而且也存在两个摄像头同时被干扰的情况。
发明内容
针对上述方法的不足,本发明的目的是提供一种检测摄像头被干扰的方法和装置,该方法能有效检测摄像头黑帧、遮挡、移动等多种干扰情况,且参考背景动态变化,减少自然因素或场景渐变带来的影响。
为解决上述技术问题,本发明实施例提供了一种检测摄像头被干扰的方法,所述方法包括以下步骤:
计算当前视频帧的图像熵,通过图像熵的大小初步判断摄像头是否存在干扰;
获取摄像头在最近N帧内连续变化的区域,通过连续变化的区域的大小判断摄像头是否存在干扰;
创建或定期更新参考背景;
当参考背景存在,则比较当前帧与参考背景的差异,判断摄像头是否存在干扰。
本发明实施例还提供了一种检测摄像头被干扰的装置,包括获取单元、图像熵计算单元、第一判断单元、变化区域计算单元、第二判断单元、背景更新单元、比较单元、第三判断单元,上述单元按顺序电连接;
所述获取单元,用于获取摄像头采集的当前视频帧图像;
所述图像熵计算单元,用于计算所述视频帧图像的图像熵;
所述第一判断单元,用于判断图像熵计算单元输出的图像熵是否在预设的范围内;
所述变化区域计算单元,用于计算最新N帧视频帧的连续变化区域;
所述第二判断单元,用于判断所述变化区域计算模块输出的N帧内持续变化区域的大小是否在预设的范围内;
所述背景更新单元,用于创建或定期更新参考背景;
所述比较模块,用于比较当前帧与参考帧的差异;
所述第三判断模块,用于所述比较模块输出的当前帧与参考帧的差异是否在预设的范围内;
所述变化区域计算单元包括存储单元和连续变化计算单元;
所述存储单元,用于顺序储存最新N帧视频图像;
所述连续变化计算单元,用于计算所述存储单元所存储的N帧视频帧的连续变化区域。
本发明所述的一种检测摄像头被干扰的方法和装置,具有如下优点:
1、计算量小,完全可以达到实时检测的要求;
2、参考背景动态变化,有效减少光照、下雨、白天到黑夜等一些自然因素带来的影响;
3、可以检测黑白帧、摄像头被遮挡、摄像头被移动等多种干扰情况;
4、正常行人或运动物品通过不会使摄像头误判为干扰。
附图说明
图1是本发明所述方法流程示意图。
图2是本发明所述装置示意图。
具体实施例
下面结合附图对本发明的技术方案进行详细说明。
附图1是本发明所述检测摄像头被干扰的方法流程图,结合该图,该方法主要包括以下步骤:
步骤1,计算当前视频帧的图像熵,通过图像熵的大小初步判断摄像头是否存在干扰。
图像熵的计算公式为:,其中表示图像中的某个灰度值,灰度值的范围为,表示该灰度值在该图像中出现的概率。从该公式可知,如果某图像(视频帧)灰度分布很不均衡时,根据该公式得到的图像熵将很小,通过这个特点可以判断图像是否为黑帧或白帧,例如当视频黑帧时,该图像几乎所有的像素的灰度值为0,图像熵接近于0。通过设置一个阈值tamper_threshold_1,当计算得出的图像熵小于该阈值,则可判断该摄像头存在干扰。所述当前视频帧理解为当前时刻摄像头采集的一帧图像。
优选地,阈值tamper_threshold_1的数值为1.0。
步骤2,若步骤1判断摄像头不存在干扰,获取摄像头在最近N帧内连续变化的区域,通过连续变化的区域的大小判断摄像头是否存在干扰。
步骤21,若步骤1判断摄像头不存在干扰,获取摄像头在最近N帧内的连续变化;
创建一图像队列,该图像队列用于缓存N帧最近视频帧,当该图像队列存在时只需要更新即可;若该图像队列中所缓存的视频帧的帧数已经达到N,则先将该队列中的第一帧删除,然后缓存当前帧至图像队列(即缓存至第N帧),反之,则直接缓存当前帧至图像队列;上述操作都是为了获取摄像头最近采集的N帧视频图像,但是经过上述操作后,若图像队列中所缓存的视频帧数未达到N,则无法计算N帧内的连续变化,则对该帧的干扰检测停止,而开始等待下一帧检测;下面获取这N帧视频的连续变化:取队列中相同间隔的()帧图像,后帧图像均分别与帧图像中最前一帧图像作帧差处理,从而获得个帧差图像,从而获得摄像头在N帧内前景的连续变动。
优选地,N取值为10,取值为4。
对步骤21中获取N帧连续变化的操作列举一实际数值例,例如N取值为10,取值为4,缓存10帧图像至图像队列,取队列中相同间隔的4帧图像,即第1、4、7、10帧,将第4、7、10帧分别与第1帧做帧差处理,获得3帧帧差图像,从而获得摄像头在10帧内的前景连续变动。
步骤22,计算N帧内连续变化的区域,若连续变化的区域大于某一阈值,则可判断摄像头存在干扰;
通过设置阈值binary_threshold对步骤21中得到的个帧差图像二值化,从而凸出帧差图像中的感兴趣变化区域,然后对个二值化图像作交运算获得图像image1,从而得到N帧内持续变化的区域。
对图像image1进行统计,对image1中所有像素的灰度值求和,预先设置阈值tamper_threshold_2,若和值大于该阈值,则可判断摄像头存在干扰。
对二值化图像image1的所有像素值求和,实际上就是计算N帧一直变化区域的大小,即认为若变化的区域过大,摄像头则存在干扰。
步骤3,创建或定期更新参考背景。
摄像头在正常工作中,是实时采集图像的,对于采集到的图像统计帧数,当统计到当前帧数为的倍数时,设置步骤2中缓存的N帧图像的第一帧作为参考背景(即每帧图像,则更新参考背景),当然,参考背景不存在时,则创建该参考背景,反之,则更新参考背景。
优选地,取值为50。
步骤4,当参考背景存在,则比较当前帧与参考背景的差异,判断摄像头是否存在干扰。
当参考背景不存在时,则停止对该帧的干扰检测,而开始等待下一帧的检测,当参考帧存在时,取当前视频帧与该参考帧作帧差,以阈值binary_threshold对侦差图像二值化得到image2,对image2的所有像素的灰度值求和,将该和与预先设置的阈值tamper_threshold_3比较,若该和大于该阈值,则判断摄像头存在干扰。
附图2是本发明所述检测摄像头被干扰的装置示意图,该装置以模块化的方式对上述方法进行描述,主要包括:获取单元、图像熵计算单元、第一判断单元、变化区域计算单元、第二判断单元、背景更新单元、比较单元、第三判断单元,上述单元依次电连接;
所述获取单元,用于获取摄像头采集的当前视频帧图像;
所述图像熵计算单元,用于计算所述视频帧图像的图像熵;
图像熵的计算公式为:,其中表示图像中的某个灰度值,灰度值的范围为,表示该灰度值在该图像中出现的概率。从该公式可知,如果某图像(视频帧)灰度分布很不均衡时,根据该公式得到的图像熵将很小。
所述第一判断单元,用于判断图像熵计算单元输出的图像熵是否在预设的范围内;
对应的,当所述图像熵的数值在预设的范围内,则确定摄像头未被干扰,反之,摄像头存在干扰。预先设置一个阈值tamper_threshold_1,所述预设范围为大于tamper_threshold_1,即当所述图像熵小于等于该阈值,则可判断该摄像头存在干扰。
优选地,阈值tamper_threshold_1的数值为1.0。
所述变化区域计算单元,用于计算最新N帧视频帧的连续变化区域;
摄像头在正常工作中,是实时采集图像的,所述当前帧是摄像头当前时刻所采集到的一帧视频帧,所述最新N 帧视频帧是指当前帧以前(包括当前帧)的N帧摄像头最新采集到的视频帧。
所述变化区域计算单元内包括一存储单元,该存储单元用于顺序储存最新N帧视频图像;摄像头实时采集到一帧图像时,该存储单元就会更新所存储的视频帧,若所述存储单元中所存储的视频帧数已经达到N,则需先删除第一帧(即最先存储的帧),然后存储当前视频帧。若存储单元中所存储的视频帧数未达到N,则无法判断N帧的连续变化,则对该帧的干扰检测停止。
所述变化区域计算单元还包括一连续变化计算单元,该单元用于计算所述存储单元所存储的N帧视频帧的连续变化区域;取存储单元中相同间隔的帧图像,后帧图像均分别与帧图像中最前一帧图像作帧差处理,从而获得个帧差图像,设置阈值binary_threshold对这个帧差图像二值化,从而凸出帧差图像中的感兴趣变化区域,然后对个二值化图像作交运算获得图像image1,从而得到N帧内持续变化的区域。
所述第二判断单元,用于判断所述变化区域计算模块输出的N帧内持续变化区域的大小是否在预设的范围内;
对应的,当所述N帧内持续变化区域的大小在预设的范围内,则确定摄像头不存在干扰,反之,摄像头存在干扰。对所述变化区域计算模块输出的image 1中所有像素的灰度值求和,预先设置一个阈值tamper_threshold_2,所述预设范围即为小于tamper_threshold_2,即当所述image1的所有像素的和值大于等于该阈值,则可判断该摄像头存在干扰。
所述背景更新单元,用于创建或定期更新参考背景;摄像头实时采集图像,对于采集到的图像统计帧数,当统计到当前帧数为的倍数时,设置所述变化区域计算单元的所述存储单元中存储的N帧图像的第一帧作为参考背景,当然,参考背景不存在时,则首先创建参考背景。
优选地,取值为50。
所述比较模块,用于比较当前帧与参考帧的差异;
若参考背景当前还未创建,则对该帧不进行处理,对该帧的干扰检测停止。当参考帧存在时,取当前视频帧与该参考帧做帧差,以阈值binary_threshold对帧差,图像二值化得到image2。对image2的所有像素的灰度值求和,将该和与预先设置的阈值tamper_threshold_3比较,若该和大于该阈值,则判断摄像头存在干扰。
所述第三判断模块,用于所述比较模块输出的当前帧与参考帧的差异是否在预设的范围内;
对应的,当所述当前帧与参考帧的差异在预设的范围内,则确定摄像头不存在干扰,反之,摄像头存在干扰。对所述比较模块输出的image 2中所有像素的灰度值求和,预先设置一个阈值tamper_threshold_3,所述预设范围即为小于tamper_threshold_3,即当所述image2的所有像素的和值大于等于该阈值,则可判断该摄像头存在干扰。
本发明所述的一种检测摄像头被干扰的方法和装置,具有如下优点:
1、计算量小,完全可以达到实时检测的要求;
2、参考背景动态变化,有效减少光照、下雨、白天到黑夜等一些自然因素带来的影响;
3、可以检测黑白帧、摄像头被遮挡、摄像头被移动等多种干扰情况;
4、正常行人或运动物品通过不会使摄像头误判为干扰。
Claims (8)
1.一种检测摄像头被干扰的方法,其特征在于包括以下步骤:
计算当前视频帧的图像熵,通过图像熵的大小初步判断摄像头是否存在干扰;
获取摄像头在最近N帧内连续变化的区域,通过连续变化的区域的大小判断摄像头是否存在干扰;
创建或定期更新参考背景;
当参考背景存在,则比较当前帧与参考背景的差异,判断摄像头是否存在干扰。
2.如权利要求1所述的一种检测摄像头被干扰的方法,其特征在于,所述获取摄像头在最近N帧内连续变化的区域的方法包括:
当图像队列不存在时,创建一个图像队列;
所述图像队列用于存储当前帧在内的最新N帧视频图像;
当图像队列中存在N帧视频图像,取所述图像队列中相同间隔的帧图像,,后帧图像均分别与帧图像中最前一帧图像作帧差处理,获得个帧差图像;
将所述个帧差图像相交。
3.如权利要求2所述的一种检测摄像头被干扰的方法,其特征在于, 所述定期更新参考背景的方法包括:
当统计到当前帧的帧数为的倍数时,将所述图像队列中的第一帧图像作为参考背景。
4.如权利要求1-3任一项所述的一种检测摄像头被干扰的方法,其特征在于,所述比较当前帧与参考背景的差异的方法包括:
将当前帧与参考背景作帧差,得帧差图像;
将所述帧差图像二值化。
5.一种检测摄像头被干扰的装置,包括获取单元、图像熵计算单元、第一判断单元、变化区域计算单元、第二判断单元、背景更新单元、比较单元、第三判断单元,上述单元按顺序电连接,其特征在于,
所述获取单元,用于获取摄像头采集的当前视频帧图像;
所述图像熵计算单元,用于计算所述视频帧图像的图像熵;
所述第一判断单元,用于判断图像熵计算单元输出的图像熵是否在预设的范围内;
所述变化区域计算单元,用于计算最新N帧视频帧的连续变化区域;
所述第二判断单元,用于判断所述变化区域计算模块输出的N帧内持续变化区域的大小是否在预设的范围内;
所述背景更新单元,用于创建或定期更新参考背景;
所述比较模块,用于比较当前帧与参考帧的差异;
所述第三判断模块,用于所述比较模块输出的当前帧与参考帧的差异是否在预设的范围内;
所述变化区域计算单元包括存储单元和连续变化计算单元;
所述存储单元,用于顺序储存最新N帧视频图像;
所述连续变化计算单元,用于计算所述存储单元所存储的N帧视频帧的连续变化区域。
6.如权利要求5所述的一种检测摄像头被干扰的装置,其特征在于,所述连续变化计算单元计算所述存储单元所存储的N帧视频帧的连续变化区域包括:
取所述存储单元中相同间隔的帧图像,后帧图像均分别与帧图像中最前一帧图像作帧差处理,从而获得个帧差图像;
对这个帧差图像二值化处理,得到个二值化图像;
对所述个二值化图像作交运算处理。
7.如权利要求6所述的一种检测摄像头被干扰的装置,其特征在于,所述背景更新单元定期更新参考背景包括:
当统计到当前帧的帧数为的倍数时,将所述存储单元中存储的N帧视频图像中的第一帧图像作为参考背景。
8.如权利要求5-7任一项所述的一种检测摄像头被干扰的装置,其特征在于,所述比较模块比较当前帧与参考帧的差异包括:
将当前帧与参考背景作帧差,得帧差图像;
将所述帧差图像二值化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711307328.8A CN107948465B (zh) | 2017-12-11 | 2017-12-11 | 一种检测摄像头被干扰的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711307328.8A CN107948465B (zh) | 2017-12-11 | 2017-12-11 | 一种检测摄像头被干扰的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107948465A true CN107948465A (zh) | 2018-04-20 |
CN107948465B CN107948465B (zh) | 2019-10-25 |
Family
ID=61946451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711307328.8A Active CN107948465B (zh) | 2017-12-11 | 2017-12-11 | 一种检测摄像头被干扰的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107948465B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108970152A (zh) * | 2018-08-15 | 2018-12-11 | 浙江大丰实业股份有限公司 | 伸展式舞台伸展状态监控系统 |
CN110321819A (zh) * | 2019-06-21 | 2019-10-11 | 浙江大华技术股份有限公司 | 摄像设备的遮挡检测方法、装置及存储装置 |
CN111401824A (zh) * | 2018-12-14 | 2020-07-10 | 浙江宇视科技有限公司 | 工时计算方法及装置 |
CN111723644A (zh) * | 2020-04-20 | 2020-09-29 | 北京邮电大学 | 一种监控视频遮挡检测方法及系统 |
CN111882584A (zh) * | 2020-07-29 | 2020-11-03 | 广东智媒云图科技股份有限公司 | 一种通过灰度图像进行油烟量判断的方法及装置 |
CN112400315A (zh) * | 2018-07-13 | 2021-02-23 | Abb瑞士股份有限公司 | 拍摄装置监测方法 |
CN112637552A (zh) * | 2020-11-24 | 2021-04-09 | 深圳市宇虹飞科技有限公司 | 一种安防视频信号传输系统 |
CN113012186A (zh) * | 2019-12-19 | 2021-06-22 | 合肥君正科技有限公司 | 一种遮挡检测中背景初始化预判断的方法 |
CN113011227A (zh) * | 2019-12-19 | 2021-06-22 | 合肥君正科技有限公司 | 一种遮挡检测中背景更新预判断期间避免误报的辅助检测方法 |
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 |
CN113744137A (zh) * | 2020-05-27 | 2021-12-03 | 合肥君正科技有限公司 | 一种螺旋矩阵式的帧差平滑处理方法 |
CN113763414A (zh) * | 2020-05-27 | 2021-12-07 | 合肥君正科技有限公司 | 一种车内监控画面遮挡检测误报警恢复的方法 |
CN113822223A (zh) * | 2021-10-12 | 2021-12-21 | 精英数智科技股份有限公司 | 一种用于检测摄像头被遮挡移动的方法及装置 |
WO2024065389A1 (zh) * | 2022-09-29 | 2024-04-04 | 京东方科技集团股份有限公司 | 用于检测摄像头干扰的方法、系统和电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08329383A (ja) * | 1995-06-05 | 1996-12-13 | Nec Corp | 車線変更検出手段および方法 |
JPH11194011A (ja) * | 1998-01-05 | 1999-07-21 | Canon Inc | 干渉装置 |
CN101299275A (zh) * | 2008-06-25 | 2008-11-05 | 北京中星微电子有限公司 | 一种目标检测方法、装置及一种监控系统 |
CN102098531A (zh) * | 2010-12-16 | 2011-06-15 | 东软集团股份有限公司 | 一种检测摄像机被干扰的方法及装置 |
CN103780899A (zh) * | 2012-10-25 | 2014-05-07 | 华为技术有限公司 | 一种检测摄像机是否被干扰的方法、装置及视频监控系统 |
US20140348390A1 (en) * | 2013-05-21 | 2014-11-27 | Peking University Founder Group Co., Ltd. | Method and apparatus for detecting traffic monitoring video |
CN104240235A (zh) * | 2014-08-26 | 2014-12-24 | 北京君正集成电路股份有限公司 | 一种检测摄像头被遮挡的方法及系统 |
-
2017
- 2017-12-11 CN CN201711307328.8A patent/CN107948465B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08329383A (ja) * | 1995-06-05 | 1996-12-13 | Nec Corp | 車線変更検出手段および方法 |
JPH11194011A (ja) * | 1998-01-05 | 1999-07-21 | Canon Inc | 干渉装置 |
CN101299275A (zh) * | 2008-06-25 | 2008-11-05 | 北京中星微电子有限公司 | 一种目标检测方法、装置及一种监控系统 |
CN102098531A (zh) * | 2010-12-16 | 2011-06-15 | 东软集团股份有限公司 | 一种检测摄像机被干扰的方法及装置 |
CN103780899A (zh) * | 2012-10-25 | 2014-05-07 | 华为技术有限公司 | 一种检测摄像机是否被干扰的方法、装置及视频监控系统 |
US20140348390A1 (en) * | 2013-05-21 | 2014-11-27 | Peking University Founder Group Co., Ltd. | Method and apparatus for detecting traffic monitoring video |
CN104240235A (zh) * | 2014-08-26 | 2014-12-24 | 北京君正集成电路股份有限公司 | 一种检测摄像头被遮挡的方法及系统 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112400315A (zh) * | 2018-07-13 | 2021-02-23 | Abb瑞士股份有限公司 | 拍摄装置监测方法 |
CN108970152A (zh) * | 2018-08-15 | 2018-12-11 | 浙江大丰实业股份有限公司 | 伸展式舞台伸展状态监控系统 |
CN111401824A (zh) * | 2018-12-14 | 2020-07-10 | 浙江宇视科技有限公司 | 工时计算方法及装置 |
CN110321819B (zh) * | 2019-06-21 | 2021-09-14 | 浙江大华技术股份有限公司 | 摄像设备的遮挡检测方法、装置及存储装置 |
CN110321819A (zh) * | 2019-06-21 | 2019-10-11 | 浙江大华技术股份有限公司 | 摄像设备的遮挡检测方法、装置及存储装置 |
CN113011227B (zh) * | 2019-12-19 | 2024-01-26 | 合肥君正科技有限公司 | 一种遮挡检测中背景更新预判断期间避免误报的辅助检测方法 |
CN113012186A (zh) * | 2019-12-19 | 2021-06-22 | 合肥君正科技有限公司 | 一种遮挡检测中背景初始化预判断的方法 |
CN113011227A (zh) * | 2019-12-19 | 2021-06-22 | 合肥君正科技有限公司 | 一种遮挡检测中背景更新预判断期间避免误报的辅助检测方法 |
CN111723644A (zh) * | 2020-04-20 | 2020-09-29 | 北京邮电大学 | 一种监控视频遮挡检测方法及系统 |
CN113763414A (zh) * | 2020-05-27 | 2021-12-07 | 合肥君正科技有限公司 | 一种车内监控画面遮挡检测误报警恢复的方法 |
CN113744137A (zh) * | 2020-05-27 | 2021-12-03 | 合肥君正科技有限公司 | 一种螺旋矩阵式的帧差平滑处理方法 |
CN113763414B (zh) * | 2020-05-27 | 2023-07-04 | 合肥君正科技有限公司 | 一种车内监控画面遮挡检测误报警恢复的方法 |
CN113744137B (zh) * | 2020-05-27 | 2024-05-31 | 合肥君正科技有限公司 | 一种螺旋矩阵式的帧差平滑处理方法 |
CN111882584A (zh) * | 2020-07-29 | 2020-11-03 | 广东智媒云图科技股份有限公司 | 一种通过灰度图像进行油烟量判断的方法及装置 |
CN112637552A (zh) * | 2020-11-24 | 2021-04-09 | 深圳市宇虹飞科技有限公司 | 一种安防视频信号传输系统 |
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 |
CN113822223A (zh) * | 2021-10-12 | 2021-12-21 | 精英数智科技股份有限公司 | 一种用于检测摄像头被遮挡移动的方法及装置 |
WO2024065389A1 (zh) * | 2022-09-29 | 2024-04-04 | 京东方科技集团股份有限公司 | 用于检测摄像头干扰的方法、系统和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107948465B (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107948465A (zh) | 一种检测摄像头被干扰的方法和装置 | |
CN104091176B (zh) | 人像比对在视频中的应用技术 | |
CN107679471B (zh) | 基于视频监控平台的室内人员空岗检测方法 | |
US20190122082A1 (en) | Intelligent content displays | |
US7982774B2 (en) | Image processing apparatus and image processing method | |
CN105426820B (zh) | 基于安防监控视频数据的多人异常行为检测方法 | |
CN104123544A (zh) | 基于视频分析的异常行为检测方法及系统 | |
JP2013218679A (ja) | 短時間の駐車違反を取り締まるための、ビデオベースの検知装置及び通知装置 | |
CN103093192B (zh) | 高压输电线舞动的识别方法 | |
CN106845325B (zh) | 一种信息检测方法及装置 | |
CN109274945B (zh) | 一种自适应进行图像真彩色还原的方法及系统 | |
KR102434154B1 (ko) | 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법 | |
CN115841651B (zh) | 基于计算机视觉与深度学习的施工人员智能监测系统 | |
CN111325048A (zh) | 一种人员聚集检测方法和装置 | |
CN112287823A (zh) | 一种基于视频监控的面部口罩识别方法 | |
CN103456123B (zh) | 一种基于流动和扩散特征的视频烟气探测方法 | |
CN110519566A (zh) | 一种基于视频处理的皮带运动状态监测方法 | |
CN103049748B (zh) | 行为监测方法及装置 | |
CN115035564A (zh) | 基于巡逻车智能摄像机的人脸识别方法、系统及相关组件 | |
CN107122732A (zh) | 一种监控场景下高鲁棒性的快速车牌定位方法 | |
CN108073873A (zh) | 基于高清智能摄像机的人脸检测与识别系统 | |
CN108765829A (zh) | 一种基于智能视频分析的市政物品失窃检测与报警方法 | |
CN111985331B (zh) | 预防商业秘密被窃照的检测方法及装置 | |
CN115619838B (zh) | 用于医疗废弃物冷库的遗漏风险监控系统 | |
CN116342481A (zh) | 一种基于机器视觉的转炉烟道结渣监测系统及方法 |
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 |