CN108334824A - 基于背景差分和迭代搜索的高压隔离开关状态识别方法 - Google Patents
基于背景差分和迭代搜索的高压隔离开关状态识别方法 Download PDFInfo
- Publication number
- CN108334824A CN108334824A CN201810055660.8A CN201810055660A CN108334824A CN 108334824 A CN108334824 A CN 108334824A CN 201810055660 A CN201810055660 A CN 201810055660A CN 108334824 A CN108334824 A CN 108334824A
- Authority
- CN
- China
- Prior art keywords
- high voltage
- voltage isolator
- image
- background
- frame
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于背景差分和迭代搜索的高压隔离开关状态识别方法,依次包括以下步骤:1)取多帧连续图像序列,将多帧图像序列中对应位置的像素点灰度值取中间值作为背景图像中对应像素点的灰度值,获取背景图像;2)对当前帧图像和背景帧图像进行差分运算,得到前景图像;3)通过阴影抑制法对前景图像进行处理,标记出高压隔离开关的位置;4)当高压隔离开关的位置发生变化时,通过迭代计算跟踪高压隔离开关的位置;5)以上一帧的结果作为输入循环迭代,获取高压隔离开关的运动轨迹;6)获取高压隔离开关的运动轨迹后,根据开关追踪点与中心线的夹角分析高压隔离开关的状态。本发明实时性强,应用范围广,稳定可靠。
Description
技术领域
本发明涉及视频检测技术领域,更具体地说,涉及一种基于背景差分和迭代搜索的高压隔离开关状态识别方法。
背景技术
高压隔离开关主要用于高压线路的关合开断,保证了高压电器及装置在检修工作时的安全,起到隔离电压的作用。高压隔离开关一般具备基于机械原理的辅助开关定位功能,但是这一功能在机械本身出现锈蚀、磨损等情况时容易出现定位偏差,往往需要线路维护人员到隔离开关现场确认开关状态。为此需要采用远程视频监控手段来节约人力成本,提高维护效率。
目前国内对高压电力设备的监控主要有几种方式。一是对监控设备进行改造升级,采用高速红外摄像等技术,能够实时监控高压开关内部的高速清晰图像,可对视频图像进行长时间的录像、跟踪、分析、鉴别,这一方式成本较高,且适用性不强。另一类则是基于目标检测技术,如霍夫森林算法,这样的技术方案往往计算量较大,难以实时捕捉开关状态,且容易受到环境编号的影响。还有比如采用模态分析法来实现开关状态识别的方法,通过采集开关的震动信号、温度信号、图像等多个信息来反映开关状态,这一方法同样存在成本较高,难以广泛应用等问题,且由于涉及的设备较多,需要定时检测调整以保障各个设备的稳定运行。
现有技术的方法普遍存在的成本较高,鲁棒性和应用广度不够的问题。因此,亟需一种有效的检测手段,实现高压隔离开关状态的实时监测,杜绝因隔离开关闭合不到位、过位等问题而产生的安全事故。
发明内容
本发明要解决的技术问题在于,提供一种基于背景差分和迭代搜索的高压隔离开关状态识别方法。
本发明解决其技术问题所采用的技术方案是:构造一种基于背景差分和迭代搜索的高压隔离开关状态识别方法,包括以下步骤:
步骤1),从视频监控图像中取多帧连续图像序列,将多帧图像序列中对应位置的像素点灰度值取中间值作为背景图像中对应像素点的灰度值,获取背景图像;
步骤2),对当前帧图像和背景帧图像进行差分运算,得到前景图像;
步骤3),通过阴影抑制法对前景图像进行处理,标记出高压隔离开关的位置;
步骤4),当高压隔离开关的位置发生变化时,通过迭代计算跟踪高压隔离开关的位置;
步骤5),以上一帧的结果作为输入循环迭代,获取高压隔离开关的运动轨迹;
步骤6),获取高压隔离开关的运动轨迹后,根据开关追踪点与中心线的夹角分析高压隔离开关的状态。
优选地,在所述步骤1)中,先对视频监控图像进行预处理,消除视频监控图像中的噪声;然后对多帧连续图像序列进行分帧处理,将多帧图像序列中对应位置的像素点灰度值按从小到大排列,然后取中间值作为背景图像中对应像素点的灰度值,完成背景建模,确定背景图像。
优选地,在所述步骤2)中,设Pt(x,y)、Ft(x,y)分别为当前帧与背景帧图像,K为前景灰度阀值,将当前帧与背景帧作灰度减法运算并取绝对值,若满足|Pt(x,y)-Ft(x,y)|>K,则该点为前景点,进一步得到前景图像。
优选地,在所述步骤3)中,通过基于YUV彩色空间的阴影抑制法对前景图像进行后处理,消除图像中的阴影,并获取高压隔离开关的位置,
Nx,y的值等于1时表示此像素点是前景运动目标,Nx,y等于0时表示此像素点属于背景区域,其中,D(Y)是当前像素点和背景像素点的亮度差值,D(U)与D(V)分别是当前像素点和背景像素点的色度差值,K(Y)是亮度差分阈值,K(UV)是色度检测阈值。
优选地,在所述步骤4)包括以下步骤:
步骤4-1),在步骤1)至步骤3)中的背景差分法检测视频第1帧图像序列和后续多帧图像序列中高压隔离开关的位置,并用方框标注出高压隔离开关的位置,若在后续其中一帧多帧图像序列中方框和第1帧图像序列的方框重合面积低于设定阈值,判断高压隔离开关此时处于运动状态,启用追踪算法;
步骤4-2),当启用追踪算法时,先将图像从RGB颜色空间转换为HSV颜色空间,对H分量进行直方图统计,直方图代表不同H分量取值出现的概率,得到颜色概率查找表,再将图像中每个像素值用其颜色出现的概率进行替换,由此得到颜色概率分布图;
步骤4-3),对图像进行迭代找到概率分布的极值来定位目标,具体包括以下步骤:
步骤4-3-1),在颜色概率分布图中选取搜索框W;
步骤4-3-2),计算零阶矩,
N00=∑x∑yP(x,y),
计算一阶矩,
N10=∑x∑yxP(x,y),N01=∑x∑yyP(x,y),
计算搜索框的质心,
步骤4-3-3),调整搜索框宽度,宽度为长度为l=1s;
步骤4-3-4),移动搜索框的中心到质心,如果移动距离大于预设的固定阈值,则重复步骤4-3-2)至步骤4-3-4),直到搜索框的中心与质心间的移动距离小于预设的固定阈值。
优选地,在所述步骤5)中,将步骤4-3)扩展到连续图像序列,将上一帧的结果包括搜索框的大小和中心,作为下一帧搜索框的初始值,如此循环迭代。
优选地,在所述步骤6)中,将摄像头固定安装在高压隔离开关的正下方并位于两块闸刀正中间的位置,以两闸刀的中线为基准线,实时跟踪选定跟踪点的位置,设跟踪点和高压隔离开关中间点所成直线到基准线的角度为θ,根据下面的规则对高压隔离开关的状态进行判定:
若θ<θ0,则高压隔离开关处于断开状态;
若θ>θ1,则高压隔离开关处于闭合状态;
若θt<θt+Δt,则高压隔离开关处于由断开至闭合的状态;
若θt>θt+Δt,则高压隔离开关处于由闭合至断开的状态;
其中,θ0、θ1分别为判断断开、闭合状态的阈值,θt、θt+Δt分别为t和t+Δt时刻的视频帧中跟踪点和高压隔离开关中间点所成直线到基准线的角度。
实施本发明基于背景差分和迭代搜索的高压隔离开关状态识别方法,具有以下有益效果:
1、本发明实时性强,能够快速定位运动目标,有效捕捉高压隔离开关的整个运动过程。
2、本发明应用范围广,不需要对高压隔离开关的运动进行建模,不局限于某种特外形或者型号的高压隔离开关,扩展了本发明的应用场景范围。
3、本发明稳定可靠,在周围环境存在干扰(如光线、遮挡)或图像不稳定时,不会丢失跟踪目标,能够适应各种天气、光照条件,且不需要对摄像机和高压隔离开关工作状态有太多的限定。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是基于背景差分和迭代搜索的高压隔离开关状态识别方法的流程示意图;
图2是高压隔离开关的闭合状态示意图;
图3是高压隔离开关的断开状态示意图;
图4是高压隔离开关在闭合状态下的角度变化示意图(俯视图);
图5是高压隔离开关在半开状态下的角度变化示意图(俯视图);
图6是高压隔离开关在断开状态下的角度变化示意图(俯视图)。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
如图1所示,本发明提供一种基于背景差分和迭代搜索的高压隔离开关状态识别方法,包括以下步骤:
步骤1),先对视频监控图像进行预处理,消除视频监控图像中的噪声;然后从视频监控图像中取多帧连续图像序列,对多帧连续图像序列进行分帧处理,将多帧图像序列中对应位置的像素点灰度值按从小到大排列,然后取中间值作为背景图像中对应像素点的灰度值,完成背景建模,确定背景图像。,将多帧图像序列中对应位置的像素点灰度值取中间值作为背景图像中对应像素点的灰度值,获取背景图像。
步骤2),对当前帧图像和背景帧图像进行差分运算,得到前景图像。设Pt(x,y)、Ft(x,y)分别为当前帧与背景帧图像,K为前景灰度阀值,将当前帧与背景帧作灰度减法运算并取绝对值,若满足|Pt(x,y)-Ft(x,y)|>K,则该点为前景点,进一步得到前景图像。
步骤3),通过阴影抑制法对前景图像进行处理,标记出高压隔离开关的位置。通过基于YUV彩色空间的阴影抑制法对前景图像进行后处理,消除图像中的阴影,并获取高压隔离开关的位置,
Nx,y的值等于1时表示此像素点是前景运动目标,Nx,y等于0时表示此像素点属于背景区域,其中,D(Y)是当前像素点和背景像素点的亮度差值,D(U)与D(V)分别是当前像素点和背景像素点的色度差值,K(Y)是亮度差分阈值,K(UV)是色度检测阈值。
步骤4),当高压隔离开关的位置发生变化时,通过迭代计算跟踪高压隔离开关的位置。步骤4)具体包括以下步骤:
步骤4-1),在步骤1)至步骤3)中的背景差分法检测视频第1帧图像序列和后续多帧图像序列中高压隔离开关的位置,并用方框标注出高压隔离开关的位置,若在后续其中一帧多帧图像序列中方框和第1帧图像序列的方框重合面积低于设定阈值,判断高压隔离开关此时处于运动状态,启用追踪算法;
步骤4-2),当启用追踪算法时,先将图像从RGB颜色空间转换为HSV颜色空间,对H分量进行直方图统计,直方图代表不同H分量取值出现的概率,得到颜色概率查找表,再将图像中每个像素值用其颜色出现的概率进行替换,由此得到颜色概率分布图;
步骤4-3),对图像进行迭代找到概率分布的极值来定位目标,具体包括以下步骤:
步骤4-3-1),在颜色概率分布图中选取搜索框W;
步骤4-3-2),计算零阶矩,
N00=∑x∑yP(x,y),
计算一阶矩,
N10=∑x∑yxP(x,y),N01=∑x∑yyP(x,y),
计算搜索框的质心,
步骤4-3-3),调整搜索框宽度,宽度为长度为l=1s;
步骤4-3-4),移动搜索框的中心到质心,如果移动距离大于预设的固定阈值,则重复步骤4-3-2)至步骤4-3-4),直到搜索框的中心与质心间的移动距离小于预设的固定阈值。
步骤5),以上一帧的结果作为输入循环迭代,获取高压隔离开关的运动轨迹。将步骤4-3)扩展到连续图像序列,将上一帧的结果包括搜索框的大小和中心,作为下一帧搜索框的初始值,如此循环迭代。
步骤6),获取高压隔离开关的运动轨迹后,根据开关追踪点与中心线的夹角分析高压隔离开关的状态。将摄像头固定安装在高压隔离开关的正下方并位于两块闸刀正中间的位置,以两闸刀的中线为基准线,实时跟踪选定跟踪点的位置,设跟踪点和高压隔离开关中间点所成直线到基准线的角度为θ,根据下面的规则对高压隔离开关的状态进行判定:
若θ<θ0,则高压隔离开关处于断开状态,如图3和图6所示;
若θ>θ1,则高压隔离开关处于闭合状态,如图2和图4所示;
若θt<θt+Δt,则高压隔离开关处于由断开至闭合的状态,如图5所示;
若θt>θt+Δt,则高压隔离开关处于由闭合至断开的状态,如图5所示;
其中,θ0、θ1分别为判断断开、闭合状态的阈值,θt、θt+Δt分别为t和t+Δt时刻的视频帧中跟踪点和高压隔离开关中间点所成直线到基准线的角度。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (7)
1.一种基于背景差分和迭代搜索的高压隔离开关状态识别方法,其特征在于,包括以下步骤:
步骤1),从视频监控图像中取多帧连续图像序列,将多帧图像序列中对应位置的像素点灰度值取中间值作为背景图像中对应像素点的灰度值,获取背景图像;
步骤2),对当前帧图像和背景帧图像进行差分运算,得到前景图像;
步骤3),通过阴影抑制法对前景图像进行处理,标记出高压隔离开关的位置;
步骤4),当高压隔离开关的位置发生变化时,通过迭代计算跟踪高压隔离开关的位置;
步骤5),以上一帧的结果作为输入循环迭代,获取高压隔离开关的运动轨迹;
步骤6),获取高压隔离开关的运动轨迹后,根据开关追踪点与中心线的夹角分析高压隔离开关的状态。
2.根据权利要求1所述的基于背景差分和迭代搜索的高压隔离开关状态识别方法,其特征在于,在所述步骤1)中,先对视频监控图像进行预处理,消除视频监控图像中的噪声;然后对多帧连续图像序列进行分帧处理,将多帧图像序列中对应位置的像素点灰度值按从小到大排列,然后取中间值作为背景图像中对应像素点的灰度值,完成背景建模,确定背景图像。
3.根据权利要求1所述的基于背景差分和迭代搜索的高压隔离开关状态识别方法,其特征在于,在所述步骤2)中,设Pt(x,y)、Ft(x,y)分别为当前帧与背景帧图像,K为前景灰度阀值,将当前帧与背景帧作灰度减法运算并取绝对值,若满足|Pt(x,y)-Ft(x,y)|>K,则该点为前景点,进一步得到前景图像。
4.根据权利要求1所述的基于背景差分和迭代搜索的高压隔离开关状态识别方法,其特征在于,在所述步骤3)中,通过基于YUV彩色空间的阴影抑制法对前景图像进行后处理,消除图像中的阴影,并获取高压隔离开关的位置,
Nx,y的值等于1时表示此像素点是前景运动目标,Nx,y等于0时表示此像素点属于背景区域,其中,D(Y)是当前像素点和背景像素点的亮度差值,D(U)与D(V)分别是当前像素点和背景像素点的色度差值,K(Y)是亮度差分阈值,K(UV)是色度检测阈值。
5.根据权利要求1所述的基于背景差分和迭代搜索的高压隔离开关状态识别方法,其特征在于,在所述步骤4)包括以下步骤:
步骤4-1),在步骤1)至步骤3)中的背景差分法检测视频第1帧图像序列和后续多帧图像序列中高压隔离开关的位置,并用方框标注出高压隔离开关的位置,若在后续其中一帧多帧图像序列中方框和第1帧图像序列的方框重合面积低于设定阈值,判断高压隔离开关此时处于运动状态,启用追踪算法;
步骤4-2),当启用追踪算法时,先将图像从RGB颜色空间转换为HSV颜色空间,对H分量进行直方图统计,直方图代表不同H分量取值出现的概率,得到颜色概率查找表,再将图像中每个像素值用其颜色出现的概率进行替换,由此得到颜色概率分布图;
步骤4-3),对图像进行迭代找到概率分布的极值来定位目标,具体包括以下步骤:
步骤4-3-1),在颜色概率分布图中选取搜索框W;
步骤4-3-2),计算零阶矩,
N00=∑x∑yP(x,y),
计算一阶矩,
N10=∑x∑yxP(x,y),N01=∑x∑yyP(x,y),
计算搜索框的质心,
步骤4-3-3),调整搜索框宽度,宽度为长度为l=1s;
步骤4-3-4),移动搜索框的中心到质心,如果移动距离大于预设的固定阈值,则重复步骤4-3-2)至步骤4-3-4),直到搜索框的中心与质心间的移动距离小于预设的固定阈值。
6.根据权利要求5所述的基于背景差分和迭代搜索的高压隔离开关状态识别方法,其特征在于,在所述步骤5)中,将步骤4-3)扩展到连续图像序列,将上一帧的结果包括搜索框的大小和中心,作为下一帧搜索框的初始值,如此循环迭代。
7.根据权利要求1所述的基于背景差分和迭代搜索的高压隔离开关状态识别方法,其特征在于,在所述步骤6)中,将摄像头固定安装在高压隔离开关的正下方并位于两块闸刀正中间的位置,以两闸刀的中线为基准线,实时跟踪选定跟踪点的位置,设跟踪点和高压隔离开关中间点所成直线到基准线的角度为θ,根据下面的规则对高压隔离开关的状态进行判定:
若θ<θ0,则高压隔离开关处于断开状态;
若θ>θ1,则高压隔离开关处于闭合状态;
若θt<θt+Δt,则高压隔离开关处于由断开至闭合的状态;
若θt>θt+Δt,则高压隔离开关处于由闭合至断开的状态;
其中,θ0、θ1分别为判断断开、闭合状态的阈值,θt、θt+Δt分别为t和t+Δt时刻的视频帧中跟踪点和高压隔离开关中间点所成直线到基准线的角度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810055660.8A CN108334824B (zh) | 2018-01-19 | 2018-01-19 | 基于背景差分和迭代搜索的高压隔离开关状态识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810055660.8A CN108334824B (zh) | 2018-01-19 | 2018-01-19 | 基于背景差分和迭代搜索的高压隔离开关状态识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108334824A true CN108334824A (zh) | 2018-07-27 |
CN108334824B CN108334824B (zh) | 2022-05-06 |
Family
ID=62925324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810055660.8A Active CN108334824B (zh) | 2018-01-19 | 2018-01-19 | 基于背景差分和迭代搜索的高压隔离开关状态识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108334824B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389617A (zh) * | 2018-08-27 | 2019-02-26 | 深圳大学 | 一种基于片上异构系统的运动目标识别与追踪方法及系统 |
CN111586348A (zh) * | 2020-04-15 | 2020-08-25 | 福建星网视易信息系统有限公司 | 一种视频背景图像获取方法、存储介质、视频抠像方法和存储设备 |
CN111723796A (zh) * | 2019-03-20 | 2020-09-29 | 天津美腾科技有限公司 | 基于机器视觉的配电柜停送电状态识别方法及装置 |
CN112255536A (zh) * | 2020-09-21 | 2021-01-22 | 山东产研鲲云人工智能研究院有限公司 | 开关故障的检测方法、装置、电子设备及存储介质 |
CN112750149A (zh) * | 2021-01-16 | 2021-05-04 | 胡滨 | 基于运动目标检测的高压隔离开关故障监测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110296A (zh) * | 2011-02-24 | 2011-06-29 | 上海大学 | 一种复杂场景下的运动目标跟踪方法 |
CN102663358A (zh) * | 2012-03-29 | 2012-09-12 | 山西省电力公司晋中供电分公司 | 变电站二次保护设备运行状态的视频图像识别方法 |
CN104331710A (zh) * | 2014-11-19 | 2015-02-04 | 集美大学 | 开关状态识别系统 |
CN105303158A (zh) * | 2015-08-31 | 2016-02-03 | 国家电网公司 | 一种变电站隔离开关线段拟合视频智能分析算法 |
CN106250902A (zh) * | 2016-07-29 | 2016-12-21 | 武汉大学 | 基于图像特征模板匹配的电力系统开关状态检测方法 |
US20170069089A1 (en) * | 2011-10-12 | 2017-03-09 | Seno Medical Instruments, Inc. | System And Method For Acquiring Optoacoustic Data And Producing Parametric Maps Using Subband Acoustic Compensation |
-
2018
- 2018-01-19 CN CN201810055660.8A patent/CN108334824B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110296A (zh) * | 2011-02-24 | 2011-06-29 | 上海大学 | 一种复杂场景下的运动目标跟踪方法 |
US20170069089A1 (en) * | 2011-10-12 | 2017-03-09 | Seno Medical Instruments, Inc. | System And Method For Acquiring Optoacoustic Data And Producing Parametric Maps Using Subband Acoustic Compensation |
CN102663358A (zh) * | 2012-03-29 | 2012-09-12 | 山西省电力公司晋中供电分公司 | 变电站二次保护设备运行状态的视频图像识别方法 |
CN104331710A (zh) * | 2014-11-19 | 2015-02-04 | 集美大学 | 开关状态识别系统 |
CN105303158A (zh) * | 2015-08-31 | 2016-02-03 | 国家电网公司 | 一种变电站隔离开关线段拟合视频智能分析算法 |
CN106250902A (zh) * | 2016-07-29 | 2016-12-21 | 武汉大学 | 基于图像特征模板匹配的电力系统开关状态检测方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389617A (zh) * | 2018-08-27 | 2019-02-26 | 深圳大学 | 一种基于片上异构系统的运动目标识别与追踪方法及系统 |
CN111723796A (zh) * | 2019-03-20 | 2020-09-29 | 天津美腾科技有限公司 | 基于机器视觉的配电柜停送电状态识别方法及装置 |
CN111723796B (zh) * | 2019-03-20 | 2021-06-08 | 天津美腾科技有限公司 | 基于机器视觉的配电柜停送电状态识别方法及装置 |
CN111586348A (zh) * | 2020-04-15 | 2020-08-25 | 福建星网视易信息系统有限公司 | 一种视频背景图像获取方法、存储介质、视频抠像方法和存储设备 |
CN111586348B (zh) * | 2020-04-15 | 2022-04-12 | 福建星网视易信息系统有限公司 | 一种视频背景图像获取方法、存储介质、视频抠像方法和存储设备 |
CN112255536A (zh) * | 2020-09-21 | 2021-01-22 | 山东产研鲲云人工智能研究院有限公司 | 开关故障的检测方法、装置、电子设备及存储介质 |
CN112255536B (zh) * | 2020-09-21 | 2023-05-26 | 山东产研鲲云人工智能研究院有限公司 | 开关故障的检测方法、装置、电子设备及存储介质 |
CN112750149A (zh) * | 2021-01-16 | 2021-05-04 | 胡滨 | 基于运动目标检测的高压隔离开关故障监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108334824B (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108334824A (zh) | 基于背景差分和迭代搜索的高压隔离开关状态识别方法 | |
CN103208126B (zh) | 一种自然环境下运动物体监测方法 | |
CN101441771B (zh) | 基于色彩饱和度与运动模式的视频火灾烟雾检测方法 | |
CN102663743B (zh) | 一种复杂场景中多摄影机协同的人物追踪方法 | |
CN103077539B (zh) | 一种复杂背景及遮挡条件下的运动目标跟踪方法 | |
CN106204643A (zh) | 基于多特征联合与Mean Shift算法的多目标跟踪方法 | |
Vosters et al. | Background subtraction under sudden illumination changes | |
CN101315701A (zh) | 运动目标图像分割方法 | |
Ahmad et al. | A novel method for vegetation encroachment monitoring of transmission lines using a single 2D camera | |
CN104298964A (zh) | 一种人体行为动作快速识别方法及装置 | |
CN107067595A (zh) | 一种指示灯的状态辨识方法、装置及电子设备 | |
CN103425960B (zh) | 一种视频中快速运动物体侦测方法 | |
CN114202646A (zh) | 一种基于深度学习的红外图像吸烟检测方法与系统 | |
CN102006462A (zh) | 利用运动信息的快速监控视频增强方法及其实现装置 | |
Bohush et al. | Smoke and flame detection in video sequences based on static and dynamic features | |
CN108010050B (zh) | 一种基于自适应背景更新和选择性背景更新的前景检测方法 | |
CN111369578B (zh) | 云台异动智能跟踪方法及其系统 | |
CN104574340A (zh) | 一种基于历史图像的视频入侵检测方法 | |
CN107609556B (zh) | 一种输电线路环境中高空作业机械的检测方法 | |
Hsieh et al. | Grid-based template matching for people counting | |
Ming et al. | Background Modeling and Subtraction Using a Local-linear-dependence-based Cauchy Statistical Model. | |
Ablameyko et al. | Smoke detection in video based on motion and contrast | |
Amato et al. | Background subtraction technique based on chromaticity and intensity patterns | |
CN109670403A (zh) | 一种变电站电动刀闸二次回路锈蚀识别方法 | |
Jingbiao et al. | Dynamic gesture recognition algorithm in human computer interaction |
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 |