CN108133488A - 一种红外图像前景检测方法及设备 - Google Patents
一种红外图像前景检测方法及设备 Download PDFInfo
- Publication number
- CN108133488A CN108133488A CN201711483420.XA CN201711483420A CN108133488A CN 108133488 A CN108133488 A CN 108133488A CN 201711483420 A CN201711483420 A CN 201711483420A CN 108133488 A CN108133488 A CN 108133488A
- Authority
- CN
- China
- Prior art keywords
- image
- infrared image
- brightness value
- pixels
- background
- 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 42
- 238000012549 training Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims description 33
- 230000004927 fusion Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06T7/215—Motion-based segmentation
-
- G06T5/70—
-
- G06T5/90—
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Abstract
本发明公开了一种红外图像前景检测方法及设备，属于数据处理技术领域，包括采集N帧没有运动目标干扰的红外图像作为训练图像，并计算每一帧训练图像的平均亮度值；对每个像素位置的图像亮度值进行分析，统计不同亮度值的分布概率，得到图像背景像素位置‑亮度值的分布关系；按照图像背景像素位置‑亮度值的分布关系，对当前采集的红外图像进行前景检测，得到当前采集的红外图像的前景图。通过背景建模，可以获得相对稳定背景区域，降低运动目标或者是噪声对背景以及后续前景操作的干扰，即便在强红外光情形下，也依然能够稳定的对背景进行分析，得到精确的前景区域。
Description
技术领域
本发明涉及数据处理技术领域，特别涉及一种适用于强红外光情形下的背景建模和前景检测方法。
背景技术
在图像处理过程中，经常需要从一段视频或者一系列图片中找到感兴趣的目标，这时需要进行背景建模。在背景建模时若遇到强红外光情形时，由于墙壁有凸凹现象，在红外线照射到突出点地方的时候，亮度会不停的发生变化。摄像机拍摄之后，由于相机拍摄的图片是黑色的，则该点的出现闪烁的白色亮点，得到的背景图中包含大量的像素点，其亮度值处于一个较大的不稳定状态，若不处理则对前景检测有较大影响，若进行精细处理，会使背景建模繁琐，耗时较长，
发明内容
本发明的目的在于提供一种红外图像前景检测方法及设备，以适用于强红外光情形下的背景建模。
为实现以上目的，本发明采用的技术方案为：
第一方面，提供一种红外图像前景检测方法，包括如下步骤：
采集N帧没有运动目标干扰的红外图像作为训练图像，并计算每一帧训练图像的平均亮度值；
对每个像素位置的图像亮度值进行分析，统计不同亮度值的分布概率，得到图像背景像素位置-亮度值的分布关系；
按照图像背景像素位置-亮度值的分布关系，对当前采集的红外图像进行前景检测，得到当前采集的红外图像的前景图。
优选地，所述计算每一帧训练图像的平均亮度值，具体包括：
采用阈值k对每一帧训练图像进行二值化处理，得到对应的二值化图像；
遍历二值化图像的像素点，将像素点不为0的值进行累加得到累加结果；
将累加结果除以像素点值不为0的像素点个数，得到该帧训练图像的亮度平均值作为光源亮度参考值。
优选地，所述对每个像素位置的图像亮度值进行分析，统计不同亮度值的分布概率，得到图像背景像素位置-亮度值的分布关系，具体包括：
对当前采集的红外图像进行亮度均值计算，得到当前红外图像的亮度均值；
利用当前红外图像的亮度均值和给定光源亮度参考值，对当前红外图像中每一像素位置进行归一化处理，得到归一化处理后的各像素位置；
对归一化处理后的各像素位置，分析得到其对应的亮度值；
对N帧训练图像中每一个像素点对应的亮度值进行统计，得到N帧训练图像在同一像素点位置处亮度值的分布概率；
在每一像素位置，选取背景频率出现最高的10个亮度值，将其作为背景亮度的候选参考，得到图像背景像素位置-亮度值的分布关系。
优选地，所述按照图像背景像素位置-亮度值的分布关系，对当前采集的红外图像进行前景检测，具体包括：
遍历当前采集的红外图像每一个像素点的亮度值；
根据当前像素的位置，在所述图像背景像素位置-亮度值的分布关系中查找对应位置出现频率最高的10个亮度值；
判断各像素点的亮度值是否在所述10个亮度值之中；
若是，则判断该像素点属于是背景；
若否，则判断该像素点归入到前景像素范围中，得到当前采集的红外图像的前景图。
优选地，还包括：
对所述当前红外图像的前景图进行噪声过滤以及漏洞修补处理，得到优化后的前景图像。
优选地，所述对当前红外图像的前景图进行噪声过滤处理，具体包括：
对当前采集的红外图进行连通域提取，得到一次提取连通区域；
对一次提取连通域进行融合处理，得到融合后的红外图像；
对融合后的红外图像重新进行连通域提取，得到二次提取连通区域；
根据二次提取连通区域的尺寸，并分析每个二次提取连通域的尺寸大小；
当二次提取连通域的尺寸大小小于5个像素点时，确定该连通域属于噪声区域，将其过滤。
优选地，所述对当前红外图像的前景图进行漏洞修补处理，具体包括：
若所述二次提取连通域中白色区域内部出现黑色的区域，则对该连通域的内部黑色区域进行提取；
对提取的很色区域尺寸进行分析，若其内部黑色区域的面积小于5个像素，则将其填充为白色。
优选地，所述对一次提取连通域进行融合处理，得到融合后的红外图像，具体包括：
在一次提取连通区域中，将距离小于3个像素的一次提取连通域连接起来；
采用形态学滤波中的闭运算将两个连通域融合在一起，形成一个连通域，得到融合后的红外图像。
第二方面，提供一种红外图像前景检测设备，包括平均亮度值计算模块、背景位置-亮度值的分布关系计算模块以及前景图检测模块；
平均亮度值计算模块，用于采集N帧没有运动目标干扰的红外图像作为训练图像，并计算每一帧训练图像的平均亮度值；
背景位置-亮度值的分布关系计算模块，用于对每个像素位置的图像亮度值进行分析，统计不同亮度值的分布概率，得到图像背景像素位置-亮度值的分布关系；
前景图检测模块，用于按照图像背景像素位置-亮度值的分布关系，对当前采集的红外图像进行前景检测，得到当前采集的红外图像的前景图。
第三方面，提供另一一种红外图像前景检测设备，包括存储器和处理器，存储器中存储若干程序指令，该若干程序指令适用于处理器加载并执行如下步骤：
采集N帧没有运动目标干扰的红外图像作为训练图像，并计算每一帧训练图像的平均亮度值；
对每个像素位置的图像亮度值进行分析，统计不同亮度值的分布概率，得到图像背景像素位置-亮度值的分布关系；
按照图像背景像素位置-亮度值的分布关系，对当前采集的红外图像进行前景检测，得到当前采集的红外图像的前景图。
与现有技术相比，本发明存在以下技术效果：本发明通过采集一定数量的没有运动目标干扰的红外图像作为训练图像进行背景训练，对训练图像进行二值化操作，过滤掉外界光源强度的干扰，计算训练图像的亮度均值，构建像素位置-亮度值分布规律。利用像素位置-亮度值分布规律对当前采集的红外图像进行前景图像提取，通过背景建模，可以获得相对稳定背景区域，降低运动目标或者是噪声对背景以及后续前景操作的干扰，即便在强红外光情形下，也依然能够稳定的对背景进行分析，得到精确的前景区域。
附图说明
下面结合附图，对本发明的具体实施方式进行详细描述：
图1是一种红外图像前景检测方法的流程示意图；
图2是亮度值分布概率建立流程示意图；
图3是前景图像检测流程示意图；
图4是另一种红外图像前景检测方法的流程示意图；
图5是一种红外图像前景检测设备的结构示意图。
具体实施方式
为了更进一步说明本发明的特征，请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用，并非用来对本发明的保护范围加以限制。
如图1所示，本实施例公开了一种红外图像前景检测方法，包括如下步骤：
S101、采集N帧没有运动目标干扰的红外图像作为训练图像，并计算每一帧训练图像的平均亮度值；
S102、对每个像素位置的图像亮度值进行分析，统计不同亮度值的分布概率，得到图像背景像素位置-亮度值的分布关系；
S103、按照图像背景像素位置-亮度值的分布关系，对当前采集的红外图像进行前景检测，得到当前采集的红外图像的前景图。
进一步地，在进行背景建模之前，需要事先存储一定数量的图像，用于进行背景训练。步骤S101中采集一定数量图像的过程为：通过计算机向摄像机发送指令，控制摄像头连续拍摄投影区域约16分钟，获得N幅帧图像，图像的数目可以设定为N(比如100000)幅。需要说明的是，在进行图像采集时，要保证摄像头的视野区域内没有运动目标的出现，并且没有外界可见光的变化，以确保采集的图像干扰性较小。
在步骤S101中，计算每一帧训练图像的平均亮度值的具体过程为：
采用阈值k对每一帧训练图像进行二值化处理，得到对应的二值化图像；
需要说明的是，阈值k是根据经验值所设定的一个较低的灰度阈值，其取值可设定在(20，25)之间，利用该灰度化阈值k对各帧训练图像进行二值化处理，得到N帧对应的二值化图像。其中二值化操作的原理为：将各像素点(x,y)对应的灰度值与阈值k进行比较，若小于阈值k，则将该点的像素值置为0，否则该点的像素值不变，遍历训练图像中各像素点则得到对应的二值化图像。
遍历二值化图像的像素点，将像素点不为0的值进行累加得到累加结果S；
将累加结果S除以像素点值不为0的像素点个数n，得到该帧训练图像的亮度平均值
进一步地，如图2所示，步骤S102，具体包括：
对当前采集的红外图像进行亮度均值计算，得到当前红外图像的亮度均值；
需要说明的是，该处对当前采集的红外图像进行亮度均值的计算过程为：
用灰度阈值k对当前采集的红外图像进行阈值化处理，对得到的二值化图像中像素点非零的个数进行统计记为m，将图像中所有像素值非零的值，进行累加，记为T，则平均亮度值记为
利用当前红外图像的亮度均值Lα和给定光源亮度参考值L，对当前红外图像中每一像素位置进行归一化处理，得到归一化处理后的各像素位置；
需要说明的是，该处进行归一化处理的作用是为了消除掉光源强度变化的干扰。归一化的具体过程为：若即每一个像素值进行同样放大倍，否则，则缩小到原来值的倍。
对归一化处理后的各像素位置，分析得到其对应的亮度值；
对N帧训练图像中每一个像素点对应的亮度值进行统计，得到N帧训练图像在同一像素点位置处亮度值的分布概率；
需要说明的是，统计N个亮度值的分布概率，得到[0,255]之间的频率曲线。即对于N幅图像来说，同一个位置的像素值共有N个，一共将N帧训练图像的所有像素点位置都进行统计。
在每一像素位置，从N帧训练图像中选取背景频率出现最高的10个亮度值，将其作为背景亮度的候选参考，得到图像背景像素位置-亮度值的分布关系。
需要说明的是，对于训练图像中每一个像素位置，选择在该像素位置中，这N幅训练图像中频率出现最高的10个亮度值，将其作为背景亮度的候选参考。即获取到了图像背景位置-亮度值的分布规律关系。
进一步地，如图3所示，步骤S103，具体包括：
根据各像素的位置，在所述图像背景像素位置-亮度值的分布关系中查找对应位置出现频率最高的10个亮度值；
判断各像素点的亮度值是否在所述10个亮度值之中；
若某一像素点的亮度值在这10个候选亮度值之中，则判断该像素点属于是背景；
若否，则判断该像素点归入到前景像素范围中；
遍历当前采集的红外图像每一个像素点的亮度值，则得到当前采集的红外图像的前景图。
在实际应用中，为了确保提取的前景图像的准确性，本实施例提出一种较为优选的方案，如图4所示，即对上述实施例提取得到的前景图进行优化处理，具体为：对所述当前红外图像的前景图进行噪声过滤以及漏洞修补处理，得到优化后的前景图像。
其中，对当前红外图像的前景图进行噪声过滤处理，具体包括：
对当前采集的红外图进行连通域提取，得到一次提取连通区域；
需要说明的是，若一次提取得到的连通区域没有发生连接现象时，则直接进行噪声过滤。
对一次提取连通域进行融合处理，得到融合后的红外图像；
对融合后的红外图像重新进行连通域提取，得到二次提取连通区域；
根据二次提取连通区域的尺寸，并分析每个二次提取连通域的尺寸大小；
当二次提取连通域的尺寸大小小于5个像素点时，确定该连通域属于噪声区域，将其过滤。
进一步地，对当前红外图像的前景图进行漏洞修补处理，具体包括：
若所述二次提取连通域中白色区域内部出现黑色的区域，则对该连通域的内部黑色区域进行提取；
对提取的很色区域尺寸进行分析，若其内部黑色区域的面积小于5个像素，则将其填充为白色。
还需说明的是，对一次提取连通域进行融合处理，得到融合后的红外图像，具体包括：
在一次提取连通区域中，用一条直线将距离小于3个像素的两个一次提取连通域连接起来；
采用形态学滤波中的闭运算将两个连通域融合在一起，形成一个连通域，得到融合后的红外图像。
本实施例中通过对提取的前景图像进行优化处理，提高了前景检测的质量。
如图5所示，本实施例公开了一种红外图像前景检测设备，包括平均亮度值计算模块10、背景位置-亮度值的分布关系计算模块20以及前景图检测模块30；
平均亮度值计算模块10，用于采集N帧没有运动目标干扰的红外图像作为训练图像，并计算每一帧训练图像的平均亮度值；
背景位置-亮度值的分布关系计算模块20，用于对每个像素位置的图像亮度值进行分析，统计不同亮度值的分布概率，得到图像背景像素位置-亮度值的分布关系；
前景图检测模块30，用于按照图像背景像素位置-亮度值的分布关系，对当前采集的红外图像进行前景检测，得到当前采集的红外图像的前景图。
另一方面，还公开了一种红外图像前景检测设备，包括存储器和处理器，存储器中存储若干程序指令，该若干程序指令适用于处理器加载并执行如下步骤：
采集N帧没有运动目标干扰的红外图像作为训练图像，并计算每一帧训练图像的平均亮度值；
对每个像素位置的图像亮度值进行分析，统计不同亮度值的分布概率，得到图像背景像素位置-亮度值的分布关系；
按照图像背景像素位置-亮度值的分布关系，对当前采集的红外图像进行前景检测，得到当前采集的红外图像的前景图。
需要说明的是，本实施例公开的一种红外图像检测设备中的各模块或者处理器执行的指令，均与上述检测方法具有相应的流程，达到相应的技术效果，为文本简洁，此处不再赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种红外图像前景检测方法，其特征在于，包括：
采集N帧没有运动目标干扰的红外图像作为训练图像，并计算每一帧训练图像的平均亮度值；
对每个像素位置的图像亮度值进行分析，统计不同亮度值的分布概率，得到图像背景像素位置-亮度值的分布关系；
按照图像背景像素位置-亮度值的分布关系，对当前采集的红外图像进行前景检测，得到当前采集的红外图像的前景图。
2.如权利要求1所述的红外图像前景检测方法，其特征在于，所述计算每一帧训练图像的平均亮度值，具体包括：
采用阈值k对每一帧训练图像进行二值化处理，得到对应的二值化图像；
遍历二值化图像的像素点，将像素点不为0的值进行累加得到累加结果；
将累加结果除以像素点值不为0的像素点个数，得到该帧训练图像的亮度平均值作为光源亮度参考值。
3.如权利要求2所述的红外图像前景检测方法，其特征在于，所述对每个像素位置的图像亮度值进行分析，统计不同亮度值的分布概率，得到图像背景像素位置-亮度值的分布关系，具体包括：
对当前采集的红外图像进行亮度均值计算，得到当前红外图像的亮度均值；
利用当前红外图像的亮度均值和给定光源亮度参考值，对当前红外图像中每一像素位置进行归一化处理，得到归一化处理后的各像素位置；
对归一化处理后的各像素位置，分析得到其对应的亮度值；
对N帧训练图像中每一个像素点对应的亮度值进行统计，得到N帧训练图像在同一像素点位置处亮度值的分布概率；
在每一像素位置，选取背景频率出现最高的10个亮度值，将其作为背景亮度的候选参考，得到图像背景像素位置-亮度值的分布关系。
4.如权利要求1所述的红外图像前景检测方法，其特征在于，所述按照图像背景像素位置-亮度值的分布关系，对当前采集的红外图像进行前景检测，具体包括：
遍历当前采集的红外图像每一个像素点的亮度值；
根据当前像素的位置，在所述图像背景像素位置-亮度值的分布关系中查找对应位置出现频率最高的10个亮度值；
判断各像素点的亮度值是否在所述10个亮度值之中；
若是，则判断该像素点属于是背景；
若否，则判断该像素点归入到前景像素范围中，得到当前采集的红外图像的前景图。
5.如权利要求1-4任一项所述的红外图像前景检测方法，其特征在于，还包括：
对所述当前红外图像的前景图进行噪声过滤以及漏洞修补处理，得到优化后的前景图像。
6.如权利要求5所述的红外图像前景检测方法，其特征在于，所述对当前红外图像的前景图进行噪声过滤处理，具体包括：
对当前采集的红外图进行连通域提取，得到一次提取连通区域；
对一次提取连通域进行融合处理，得到融合后的红外图像；
对融合后的红外图像重新进行连通域提取，得到二次提取连通区域；
根据二次提取连通区域的尺寸，并分析每个二次提取连通域的尺寸大小；
当二次提取连通域的尺寸大小小于5个像素点时，确定该连通域属于噪声区域，将其过滤。
7.如权利要求6所述的红外图像前景检测方法，其特征在于，所述对当前红外图像的前景图进行漏洞修补处理，具体包括：
若所述二次提取连通域中白色区域内部出现黑色的区域，则对该连通域的内部黑色区域进行提取；
对提取的很色区域尺寸进行分析，若其内部黑色区域的面积小于5个像素，则将其填充为白色。
8.如权利要求6所述的红外图像前景检测方法，其特征在于，所述对一次提取连通域进行融合处理，得到融合后的红外图像，具体包括：
在一次提取连通区域中，将距离小于3个像素的一次提取连通域连接起来；
采用形态学滤波中的闭运算将两个连通域融合在一起，形成一个连通域，得到融合后的红外图像。
9.一种红外图像前景检测设备，其特征在于，包括平均亮度值计算模块、背景位置-亮度值的分布关系计算模块以及前景图检测模块；
平均亮度值计算模块，用于采集N帧没有运动目标干扰的红外图像作为训练图像，并计算每一帧训练图像的平均亮度值；
背景位置-亮度值的分布关系计算模块，用于对每个像素位置的图像亮度值进行分析，统计不同亮度值的分布概率，得到图像背景像素位置-亮度值的分布关系；
前景图检测模块，用于按照图像背景像素位置-亮度值的分布关系，对当前采集的红外图像进行前景检测，得到当前采集的红外图像的前景图。
10.一种红外图像前景检测设备，其特征在于，包括存储器和处理器，存储器中存储若干程序指令，该若干程序指令适用于处理器加载并执行如下步骤：
采集N帧没有运动目标干扰的红外图像作为训练图像，并计算每一帧训练图像的平均亮度值；
对每个像素位置的图像亮度值进行分析，统计不同亮度值的分布概率，得到图像背景像素位置-亮度值的分布关系；
按照图像背景像素位置-亮度值的分布关系，对当前采集的红外图像进行前景检测，得到当前采集的红外图像的前景图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711483420.XA CN108133488A (zh) | 2017-12-29 | 2017-12-29 | 一种红外图像前景检测方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711483420.XA CN108133488A (zh) | 2017-12-29 | 2017-12-29 | 一种红外图像前景检测方法及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108133488A true CN108133488A (zh) | 2018-06-08 |
Family
ID=62394066
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711483420.XA Pending CN108133488A (zh) | 2017-12-29 | 2017-12-29 | 一种红外图像前景检测方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108133488A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110619614A (zh) * | 2019-10-24 | 2019-12-27 | 广州酷狗计算机科技有限公司 | 图像处理的方法、装置、计算机设备以及存储介质 |
| CN111190141A (zh) * | 2020-01-09 | 2020-05-22 | 大连理工大学 | 一种可见光室内定位中基于图像叠加确定光源发射序列的方法 |
| CN111445411A (zh) * | 2020-03-26 | 2020-07-24 | 深圳数联天下智能科技有限公司 | 图像去噪方法、装置、计算机设备和存储介质 |
| CN112767295A (zh) * | 2021-01-14 | 2021-05-07 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、存储介质与电子设备 |
| TWI795069B (zh) * | 2021-11-11 | 2023-03-01 | 海軍軍官學校 | 水上視訊監控之前景偵測裝置 |
| CN117115097A (zh) * | 2023-08-14 | 2023-11-24 | 哈尔滨市科佳通用机电股份有限公司 | 基于异常检测的teds检测方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030156759A1 (en) * | 2002-02-19 | 2003-08-21 | Koninklijke Philips Electronics N.V. | Background-foreground segmentation using probability models that can provide pixel dependency and incremental training |
| CN101324927A (zh) * | 2008-07-18 | 2008-12-17 | 北京中星微电子有限公司 | 一种阴影检测方法及装置 |
| CN101448151A (zh) * | 2007-11-28 | 2009-06-03 | 汉王科技股份有限公司 | 一种自适应内核密度估计运动检测装置和方法 |
| CN101807345A (zh) * | 2010-03-26 | 2010-08-18 | 重庆大学 | 一种基于视频检测技术的交通拥堵判别方法 |
| CN102903120A (zh) * | 2012-07-19 | 2013-01-30 | 中国人民解放军国防科学技术大学 | 基于时空条件信息的运动目标检测方法 |
| CN103065145A (zh) * | 2012-12-07 | 2013-04-24 | 北京中邮致鼎科技有限公司 | 一种车辆运动阴影消除方法 |
| CN103530893A (zh) * | 2013-10-25 | 2014-01-22 | 南京大学 | 相机抖动场景下基于背景差和运动信息的前景检测方法 |
-
2017
- 2017-12-29 CN CN201711483420.XA patent/CN108133488A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030156759A1 (en) * | 2002-02-19 | 2003-08-21 | Koninklijke Philips Electronics N.V. | Background-foreground segmentation using probability models that can provide pixel dependency and incremental training |
| CN101448151A (zh) * | 2007-11-28 | 2009-06-03 | 汉王科技股份有限公司 | 一种自适应内核密度估计运动检测装置和方法 |
| CN101324927A (zh) * | 2008-07-18 | 2008-12-17 | 北京中星微电子有限公司 | 一种阴影检测方法及装置 |
| CN101807345A (zh) * | 2010-03-26 | 2010-08-18 | 重庆大学 | 一种基于视频检测技术的交通拥堵判别方法 |
| CN102903120A (zh) * | 2012-07-19 | 2013-01-30 | 中国人民解放军国防科学技术大学 | 基于时空条件信息的运动目标检测方法 |
| CN103065145A (zh) * | 2012-12-07 | 2013-04-24 | 北京中邮致鼎科技有限公司 | 一种车辆运动阴影消除方法 |
| CN103530893A (zh) * | 2013-10-25 | 2014-01-22 | 南京大学 | 相机抖动场景下基于背景差和运动信息的前景检测方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110619614A (zh) * | 2019-10-24 | 2019-12-27 | 广州酷狗计算机科技有限公司 | 图像处理的方法、装置、计算机设备以及存储介质 |
| CN111190141A (zh) * | 2020-01-09 | 2020-05-22 | 大连理工大学 | 一种可见光室内定位中基于图像叠加确定光源发射序列的方法 |
| CN111190141B (zh) * | 2020-01-09 | 2023-05-12 | 大连理工大学 | 一种可见光室内定位中基于图像叠加确定光源发射序列的方法 |
| CN111445411A (zh) * | 2020-03-26 | 2020-07-24 | 深圳数联天下智能科技有限公司 | 图像去噪方法、装置、计算机设备和存储介质 |
| CN112767295A (zh) * | 2021-01-14 | 2021-05-07 | Oppo广东移动通信有限公司 | 图像处理方法、图像处理装置、存储介质与电子设备 |
| TWI795069B (zh) * | 2021-11-11 | 2023-03-01 | 海軍軍官學校 | 水上視訊監控之前景偵測裝置 |
| CN117115097A (zh) * | 2023-08-14 | 2023-11-24 | 哈尔滨市科佳通用机电股份有限公司 | 基于异常检测的teds检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108133488A (zh) | 一种红外图像前景检测方法及设备 | |
| CN106856002B (zh) | 一种无人机拍摄图像质量评价方法 | |
| CN109754377B (zh) | 一种多曝光图像融合方法 | |
| CN107133969B (zh) | 一种基于背景反投影的移动平台运动目标检测方法 | |
| CN107784669A (zh) | 一种光斑提取及其质心确定的方法 | |
| CN108288264B (zh) | 一种广角摄像头模组脏污测试方法 | |
| CN105158268A (zh) | 精冲零部件缺陷智能在线检测方法、系统及装置 | |
| CN107705288A (zh) | 伪目标运动强干扰下的危险气体泄漏红外视频检测方法 | |
| CN102221559A (zh) | 基于机器视觉的织物疵点在线自动检测方法及其装置 | |
| CN109166111B (zh) | 一种电子墨水屏缺陷检测方法及系统 | |
| CN103679656B (zh) | 一种图像自动锐化方法 | |
| CN104853151A (zh) | 一种基于视频图像的大空间火灾监测系统 | |
| CN109360163A (zh) | 一种高动态范围图像的融合方法及融合系统 | |
| CN114926407A (zh) | 一种基于深度学习的钢材表面缺陷检测系统 | |
| CN106651801A (zh) | 一种光斑定位时去除噪声的方法及系统 | |
| CN110189375A (zh) | 一种基于单目视觉测量的图像目标识别方法 | |
| CN107705254A (zh) | 一种基于街景图的城市环境评估方法 | |
| CN113706461A (zh) | 一种基于图像识别的绝缘毯微缺陷识别系统 | |
| CN108898132A (zh) | 一种基于形状上下文描述的太赫兹图像危险品识别方法 | |
| CN111292228A (zh) | 镜头缺陷检测方法 | |
| CN102610104A (zh) | 一种车载的前方车辆检测方法 | |
| CN113971681A (zh) | 一种复杂环境下带式输送机边缘检测方法 | |
| CN109815784A (zh) | 一种基于红外热像仪的智能分类方法、系统及存储介质 | |
| Hu et al. | A low illumination video enhancement algorithm based on the atmospheric physical model | |
| CN109544535B (zh) | 一种基于红外截止滤镜光学滤波特性的窥视摄像头检测方法及系统 |
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 | ||
| CB02 | Change of applicant information |
Address after: 230000 Yafu Park, Juchao Economic Development Zone, Chaohu City, Hefei City, Anhui Province Applicant after: ANHUI HUISHI JINTONG TECHNOLOGY Co.,Ltd. Address before: 102, room 602, C District, Hefei National University, Mount Huangshan Road, 230000 Hefei Road, Anhui, China Applicant before: ANHUI HUISHI JINTONG TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information |