CN109087363B - 一种基于hsv颜色空间的污水排放检测方法 - Google Patents
一种基于hsv颜色空间的污水排放检测方法 Download PDFInfo
- Publication number
- CN109087363B CN109087363B CN201810685114.2A CN201810685114A CN109087363B CN 109087363 B CN109087363 B CN 109087363B CN 201810685114 A CN201810685114 A CN 201810685114A CN 109087363 B CN109087363 B CN 109087363B
- Authority
- CN
- China
- Prior art keywords
- cleanliness
- sewage
- video frame
- water body
- water
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- 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
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Abstract
本发明属于视频检测技术领域,具体涉及一种基于HSV颜色空间的污水排放检测方法。一种基于HSV颜色空间的污水排放检测方法,步骤1:将视频帧转换到HSV空间,得到一个三维的图像矩阵,分别对应色调、饱和度、亮度分量;步骤2:采用3x3的模板对洁净度空间的视频帧进行中值滤波;步骤3:计算秒内洁净度累计差分图,定位水体排放区域;步骤4:对帧水体污染与否做出判断;步骤5:示警并存储污水排放视频帧。本发明能够较好地区分各种颜色的污水与净水,且基于洁净度累计变化的方法能够对流动水体进行“精准”地定位。只对排污阶段的视频信息进行存储,能够为相关部门查证、制定相关处理办法提供切实可靠的参考依据。
Description
技术领域
本发明属于视频检测技术领域,具体涉及一种基于HSV颜色空间的污水排放检测方法。
背景技术
水是人类赖以生存的基础资源,然而随着社会生产的迅猛发展以及人类生活方式的不断改变,水源污染已成为了人类无法忽视、亟待解决的生存环境问题。当前,国内的生产、生活污水非法排放问题较为严重,尤其是一些小型工厂为了降低生产成本,对工业污水不加处理就肆意排放,极大地破坏了周边水体质量,造成了一系列的次生环境问题。
我国的淡水资源总量位居世界前列,但因人口众多、分布差异等因素,人均水资源占有量却处于世界末端水平,人均占有量仅2300多立方米,不足世界人均水资源的四分之一。为了提高水的利用率,保护余量不多的淡水资源,必要的监控管理是不可或缺的。现阶段对于水资源环境的监测主要是通过监测人员的不定期巡查,或是通过对监控视频进行查看分析,这种方式在一定程度上达到了监管效果,但并不能实时监测,及时地对异常情况进行处理,且监控设备由于存储容量、无选择存储的原因并不能较好保存排污过程的视频数据,为相关部门的取证带来困难。
目前基于视频的污水排放检测技术较少且都存在一定的局限性,使用场景较为单一。如章华于2016年提到的污水悬浮颗粒浓度检测方法,对于矿渣污水等一些不可溶污染物的检测具有一定的效果,但需对水体进行定期采样,并不能达到实时监测的效果;牟天瑜于2016年提到的方法只能对一些特定颜色的污水进行检测;HuiDiao Cao等提出通过水面气泡的检测来反映水质状况,同样只能适用于一些特定场合。
基于视觉的污水排放检测技术通常包含两个部分,首先对水体排放区域进行定位,然后通过污水特征的提取对排放区域的水体是否为污水做出判断。对于定位的问题,陈喜胜等通过背景减除提取运动目标的方法来定位流动的水域,但并未提及具体的背景构建方法。然而无论是均值背景建模、混合高斯背景建模,还是一些其他的背景建模方法,通过背景减除来对常规运动目标(如行驶的车辆、行人等)进行定位具有较好的检测效果,但对于水体排放这种区域相对稳定、变化较为缓慢的场景并不能达到较好的效果,甚至于根本无法定位,尤其是在同质水体排放过程中。邱国玉等利用自然水体与异质水体在温度上的差异,通过红外热成像技术进行暗排口的检测,不但设备昂贵,而且适用条件较为苛刻,因为通常排放的异质水与自然水在温度上相差无几。对于污水特征选取的问题,章华提出通过水中悬浮颗粒的浓度来表征水质状况,牟天瑜提出通过水体颜色来表征,HuiDiao Cao等通过水面气泡量来表征,陈喜胜等提出在排放区域定位准确的前提下通过灰度空间的Ostu阈值进行判定。这些特征在一定程度上体现了某些污水的特点,能够在某些特定场合下使用,但并不能适用于大多数的场景。
发明内容
为了克服现有技术中的不足,提高污水排放监测设备的存储效率,为相关部门取证以及制定相关处理方案提供视频依据,本发明提出了一种基于HSV颜色空间的污水排放检测方法。
本发明的技术方案如下:
一种基于HSV颜色空间的污水排放检测方法,步骤如下:
步骤1:将视频帧转换到HSV空间,得到一个三维的图像矩阵,分别对应色调、饱和度、亮度分量;
在RGB颜色空间中,三种颜色分量的取值与所生成的颜色之间的联系并不直观,而HSV颜色空间中的三种分量色调(Hue)、饱和度(Saturation)、亮度(Value)更类似于人类感觉颜色的方式,包含了关于颜色的详细信息,即“什么颜色?深浅如何?明暗如何?”
饱和度是指颜色的纯度,值越高则颜色越纯越深,其在HSV颜色空间中的表达式为:
式中,max、min分别为归一化后的RGB空间R、G、B分量中的最大值与最小值。
亮度分量V是一种特殊的灰度,即最大化灰度:
V=max(R,G,B) (2)
式中,R、G、B分别为像素点对应的归一化的RGB颜色分量。
从光学的角度来说,饱和度也指掺杂白光的程度,值越大表示掺杂的白光量越少。对于水体而言,净水呈亮白色,具有较低的饱和度,而有色污水则具有较高的饱和度。由式(1)可知,饱和度无法区分不同程度的黑白色,即灰度,其饱和度几乎都为零。如极端情况,纯黑与纯白,其RGB颜色分量分别为(0,0,0)、(1,1,1),则其饱和度值都为0,此时的饱和度就不具备分辨的能力。
由式(2)可知,HSV颜色空间中的亮度值能够区分不同程度的黑白色,却无法区分其它颜色,如最基本的红色(1,0,0)、绿色(0,1,0)、蓝色(0,0,1),具有相同的亮度值,却是完全不同的颜色。
对于水体来说,彩色的水是污水,黑色以及较深灰色的水同样是污水。显然,HSV空间的饱和度、亮度分量中的任意一个都无法达到区分净水与污水的目的,但两者又存在互补的关系,即饱和度无法区分灰度但亮度可以,亮度无法区分彩色但饱和度可以。由于净水呈现亮白色,具有较高的亮度值和较低的饱和度值,由此构建一个新度量用于区分净水与污水,即洁净度(Cleanliness)表达式为:
洁净度进一步表示为:
式中,max、min分别为归一化后R、G、B中的最大值与最小值。
洁净度是一个介于0到1之间的值,且值越大,洁净度越高。对于水体来说,洁净度越高表示越接近净水。洁净度能够较好地区分灰度与色彩,从而达到区分净水与污水的效果。
将饱和度S、亮度分量V按照式(3)求取洁净度,得到一维的视频帧洁净度矩阵。
步骤2:对一维的视频帧洁净度矩阵进行中值滤波;
中值滤波是一种非线性平滑技术,将每一像素点的灰度值设置为该点邻域窗口内所有像素点灰度的中值。图像中含有噪声和干扰会对处理结果造成影响,在图像处理中,中值滤波具有良好的滤除效果,在滤除噪声的同时,能够保存信号的边缘信息,是经典的平滑噪声的方法。本发明方法采用3x3的模板对洁净度空间的一维的视频帧洁净度矩阵进行中值滤波,得到降噪后视频帧洁净度矩阵。
步骤3:计算秒内洁净度累计差分图,定位水体排放区域;
3.1视频帧率为s,则每秒共有C1、C2、C3……Cs共s个视频帧洁净度矩阵,经过步骤2,得到s个降噪后视频帧洁净度矩阵,对相邻的降噪后视频帧洁净度矩阵做相减并取绝对值,得到D1、D2……Ds-1共s-1个差分图;
3.2将得到的s-1个差分图进行累加,得到一个秒内累计的矩阵,即差分图D。
3.3定位水体排放区域。
(1)通过设定阈值对累计差分图D进行二值化,得到二值图Dth;
所述的阈值为0.2。
(2)对二值图Dth进行形态学闭运算,得到Dclose;
(3)对Dclose进行连通域求解,得到多个连通域,分别求取每个连通域的最小外接矩形,最小外接矩形面积大于视频帧面积的10%的外接矩形信息,即为水体排放区域。所述的外接矩形信息包括矩形的左上角坐标以及宽度和高度信息。
步骤4:对帧水体污染与否做出判断;
(1)截取Dclose中水体排放区域,记为Prect;
(2)对后续视频帧进行步骤1和2操作,并根据外接矩形信息对得到的结果截取水体排放区域,记为Crect;
(3)计算Cdst:
Prect×Crect-Prect+1=Cdst
统计Prect中非零元素个数,作为排放水体的面积Stotal;统计Cdst中小于0.3的元素个数,作为污染水体的面积Spollute;
(4)取Spollute与Stotal的比值作为帧水体污染度R,若R大于设定污水阈值,则该帧为污水帧。所述的设定污水阈值为0.8。
步骤5:示警并存储污水排放视频帧。
为了提高方法的鲁棒性,并不能根据一帧或少数几帧污水帧而判定有污水排放,这样容易造成误判。为此,将判断依据设定为:一段时间内较多数目的帧被判定为污水帧则有污水排放。具体方法为:
对污水帧进行计数,如相邻污水帧间有N个净水帧,则重新计数。若污水帧数大于M倍视频帧率,则认为有污水排放,示警,同时开始存储视频数据,以备查证。N的值等于视频帧率,M取值为3。
本发明中步骤4判断是否为污染帧的定位信息来自于上一秒中对视频帧间累计差分图的分析,即定位信息每秒都会更新,以适用于多排放管口非同时排放的情形。
本发明的有益效果:在HSV颜色空间基础上提出的洁净度特征能够较好地区分各种颜色的污水与净水,且基于洁净度累计变化的方法能够对流动水体进行“精准”地定位。此外,通过本方法,只对排污阶段的视频信息进行存储,在提高存储设备使用效率的同时,能够为相关部门查证、制定相关处理办法提供切实可靠的参考依据。
附图说明
图1为本发明的基本流程图。
图2秒内洁净度变化累计差分图示意。
图3(a)为视频1净水排放时的水体定位效果图。
图3(b)为视频1污水排放时的水体定位效果图。
图3(c)为视频2的水体定位效果图。
图4(a)为视频1的检测结果示意图。
图4(b)为视频2的检测结果示意图。
具体实施方式
下面结合技术方案和附图对本发明的具体实施方式和效果进行说明和展示。
由于基于视频的污水排放检测方法较少,目前还没有一个统一的视频数据库用来对各种方法进行测试和评价,且排污视频较为敏感,一般人员难以获取视频数据。为了验证本方法的有效性,通过模拟水体排放过程,拍摄了一段视频,即视频1,在网络上获取了另一段视频,即视频2,用来测试本方法。
根据技术方案具体实施方式的基本流程图,首先将视频帧转换到HSV空间,并根据饱和度及亮度分量求其洁净度,然后进行中值滤波平滑噪声,紧接着计算秒内洁净度累计差分图,然后二值化,进行形态学闭运算,通过连通域最小外接矩形定位水体排放区域,定位效果如图3(a)、图3(b)、图3(c)所示。锁定排放区域后,需要计算排放水体的污染度,并根据污染度对该帧是否为污染帧做出判断,最后根据污染帧的累计数目判断是否有污水排放现象,若有污水排放则进行示警并存储视频数据,最终的检测效果如图4(a)、图4(b)所示。
如图2所示,该图反映的是一段水体排放视频中每秒内的洁净度累计差分图。水体从无到有,水势由小到大都能够清楚地反映出来,且相邻帧间差分能够较好地降低甚至规避光照变化的影响。可见,洁净度累计差分图能够很好的体现水体的整个排放过程,且能够精准、细致地反映水体在整个排放过程中的变化。
为了对水体排放区域进行定位,需要对累计差分图进行二值化,这就需要一个合适的分割阈值。为了确定最佳分割阈值,利用最大类间方差法分别对图2中的累计差分图求取Ostu阈值,结果如表1所示:
表1
结合视频信息和表1中数据可知,前10张累计图的Ostu阈值为0.01级的,此时没有排放水体,存在的差异来自于微弱的光照变化,后续累计图的Ostu阈值为0.1级的,此时有水体排放。可见有无水体排放,Ostu阈值的差别还是很大的,相差了一个数量级,因此能够设定一个合适的阈值,方法中设定为0.2;将累计图二值化。
为了对排放区域进行准确定位,对二值化的累计差分图进行形态学闭运算后求取连通域的最小外接矩形,并将面积较小的最小外接矩形舍弃,则最终的矩形区域即为水体排放区域。
综上所述,本发明提出的污水排放检测方法能够较为准确地对各种排水口排放的较大量的、流速较快的水体进行基于视觉的是否污染的定性检测。
Claims (5)
1.一种基于HSV颜色空间的污水排放检测方法,其特征在于,步骤如下:
步骤1:将视频帧转换到HSV颜色空间,得到一个三维的图像矩阵,分别对应色调、饱和度、亮度分量;
饱和度是指颜色的纯度,值越高则颜色越纯越深,其在HSV颜色空间中的表达式为:
式中,max、min分别为归一化后的RGB空间R、G、B分量中的最大值与最小值;
亮度分量V是一种特殊的灰度,即最大化灰度:
V=max(R,G,B) (2)
式中,R、G、B分别为像素点对应的归一化的RGB颜色分量;
构建新度量洁净度用于区分净水与污水,表达式为:
洁净度进一步表示为:
式中,max、min分别为归一化后R、G、B中的最大值与最小值;
洁净度是一个介于0到1之间的值,且值越大,洁净度越高;对于水体来说,洁净度越高表示越接近净水;
将饱和度S、亮度分量V按照式(3)求取洁净度,得到一维的视频帧洁净度矩阵;
步骤2:对一维的视频帧洁净度矩阵进行中值滤波;
步骤3:计算秒内洁净度累计差分图,定位水体排放区域;
3.1视频帧率为s,则每秒共有C1、C2、C3……Cs共s个视频帧洁净度矩阵,经过步骤2,得到s个降噪后视频帧洁净度矩阵,对相邻的降噪后视频帧洁净度矩阵做相减并取绝对值,得到D1、D2……Ds-1共s-1个差分图;
3.2将得到的s-1个差分图进行累加,得到一个秒内累计的矩阵,即差分图D;
3.3定位水体排放区域;
(1)通过设定阈值对累计差分图D进行二值化,得到二值图Dth;
(2)对二值图Dth进行形态学闭运算,得到Dclose;
(3)对Dclose进行连通域求解,得到多个连通域,分别求取每个连通域的最小外接矩形,最小外接矩形面积大于视频帧面积的10%的外接矩形信息,即为水体排放区域;所述的外接矩形信息包括矩形的左上角坐标以及宽度和高度信息;
步骤4:对帧水体污染做出判断;
(1)截取Dclose中水体排放区域,记为Prect;
(2)对后续视频帧进行步骤1和2操作,并根据外接矩形信息对得到的结果截取水体排放区域,记为Crect;
(3)计算Cdst:
Prect×Crect-Prect+1=Cdst
统计Prect中非零元素个数,作为排放水体的面积Stotal;统计Cdst中小于0.3的元素个数,作为污染水体的面积Spollute;
(4)取Spollute与Stotal的比值作为帧水体污染度R,帧水体污染度R大于设定污水阈值时,则该帧为污水帧;
步骤5:示警并存储污水排放视频帧;
对污水帧进行计数,相邻污水帧间有N个净水帧时,则重新计数;污水帧数大于M倍视频帧率时,则认为有污水排放,示警,同时开始存储视频数据,以备查证,所述的步骤2采用3x3的模板对洁净度空间的一维的视频帧洁净度矩阵进行中值滤波,得到降噪后视频帧洁净度矩阵。
2.如权利要求1所述的一种基于HSV颜色空间的污水排放检测方法,其特征在于,步骤3.3中采用的阈值为0.2。
3.如权利要求1或2所述的一种基于HSV颜色空间的污水排放检测方法,其特征在于,步骤4中的设定污水阈值为0.8。
4.如权利要求1或2所述的一种基于HSV颜色空间的污水排放检测方法,其特征在于,步骤5中N的值等于视频帧率,M取值为3。
5.如权利要求3所述的一种基于HSV颜色空间的污水排放检测方法,其特征在于,步骤5中N的值等于视频帧率,M取值为3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810685114.2A CN109087363B (zh) | 2018-06-28 | 2018-06-28 | 一种基于hsv颜色空间的污水排放检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810685114.2A CN109087363B (zh) | 2018-06-28 | 2018-06-28 | 一种基于hsv颜色空间的污水排放检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109087363A CN109087363A (zh) | 2018-12-25 |
CN109087363B true CN109087363B (zh) | 2021-12-21 |
Family
ID=64839979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810685114.2A Active CN109087363B (zh) | 2018-06-28 | 2018-06-28 | 一种基于hsv颜色空间的污水排放检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109087363B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110533626B (zh) * | 2019-06-19 | 2021-11-09 | 浙江大学 | 一种全天候水质识别方法 |
CN110751635B (zh) * | 2019-10-12 | 2024-03-19 | 湖南师范大学 | 一种基于帧间差分和hsv颜色空间的口腔检测方法 |
CN110865418B (zh) * | 2019-12-05 | 2022-06-14 | 重庆商勤科技有限公司 | 污水违规排放监测方法、装置及计算机可读存储介质 |
CN112001271A (zh) * | 2020-08-05 | 2020-11-27 | 安徽智星交通科技股份有限公司 | 一种工地道路保洁方法、装置和系统 |
CN113887412B (zh) * | 2021-09-30 | 2022-06-07 | 中国科学院过程工程研究所 | 污染排放的检测方法、检测终端、监控系统及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN102184413A (zh) * | 2011-05-16 | 2011-09-14 | 浙江大华技术股份有限公司 | 车辆智能监控系统中车身颜色自动识别方法 |
CN104392205A (zh) * | 2014-10-24 | 2015-03-04 | 浙江力石科技股份有限公司 | 一种非正常车牌的识别方法和系统 |
CN105675623A (zh) * | 2016-01-29 | 2016-06-15 | 重庆扬讯软件技术有限公司 | 一种基于污水口视频的污水颜色与流量检测的实时分析方法 |
CN106412619A (zh) * | 2016-09-28 | 2017-02-15 | 江苏亿通高科技股份有限公司 | 一种基于hsv颜色直方图和dct感知哈希的镜头边界检测方法 |
-
2018
- 2018-06-28 CN CN201810685114.2A patent/CN109087363B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
CN102184413A (zh) * | 2011-05-16 | 2011-09-14 | 浙江大华技术股份有限公司 | 车辆智能监控系统中车身颜色自动识别方法 |
CN104392205A (zh) * | 2014-10-24 | 2015-03-04 | 浙江力石科技股份有限公司 | 一种非正常车牌的识别方法和系统 |
CN105675623A (zh) * | 2016-01-29 | 2016-06-15 | 重庆扬讯软件技术有限公司 | 一种基于污水口视频的污水颜色与流量检测的实时分析方法 |
CN106412619A (zh) * | 2016-09-28 | 2017-02-15 | 江苏亿通高科技股份有限公司 | 一种基于hsv颜色直方图和dct感知哈希的镜头边界检测方法 |
Non-Patent Citations (3)
Title |
---|
An efficient detection method for rare colored capsule based on RGB and HSV color space;Liu Feng等;《2014 IEEE International Conference on Granular Computing (GrC)》;20141215;第175-178页 * |
最大类间方差法在污水排放图像处理中的应用研究;陈喜胜等;《现代计算机(专业版) 》;20171115;第65-70、75页 * |
结合SURF 与Kalman滤波的CAMShift跟踪算法;张磊等;《电子测量与仪器学报》;20170315;第389-394页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109087363A (zh) | 2018-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109087363B (zh) | 一种基于hsv颜色空间的污水排放检测方法 | |
CN110135269B (zh) | 一种基于混合颜色模型与神经网络的火灾图像检测方法 | |
TWI409718B (zh) | 移動中車輛之車牌定位方法 | |
CN102348128B (zh) | 具有摄像机异常检测装置的监视用摄像机系统 | |
CN105453153B (zh) | 交通灯检测 | |
CN101236606B (zh) | 视频监控中的阴影消除方法及系统 | |
CN112036254B (zh) | 基于视频图像的运动车辆前景检测方法 | |
CN112149543B (zh) | 一种基于计算机视觉的建筑扬尘识别系统与方法 | |
CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
CN105915840B (zh) | 一种基于视频信号的工厂烟气排放自动监测的方法 | |
CN104749184A (zh) | 自动光学检测方法和系统 | |
CN105761261A (zh) | 一种检测摄像头遭人为恶意破坏的方法 | |
CN103761529A (zh) | 一种基于多色彩模型和矩形特征的明火检测方法和系统 | |
CN101738394A (zh) | 室内烟雾检测方法及系统 | |
CN103035013A (zh) | 一种基于多特征融合的精确运动阴影检测方法 | |
CN104732220A (zh) | 一种面向监控视频的特定颜色人体检测方法 | |
CN112395928A (zh) | 一种设备状态运行自动检测的方法 | |
CN102902960A (zh) | 基于高斯建模与目标轮廓的遗留物检测方法 | |
CN103489012A (zh) | 一种基于支持向量机的人群密集度检测方法及系统 | |
CN101950352B (zh) | 一种去除光照影响的目标检测方法及装置 | |
CN103456123B (zh) | 一种基于流动和扩散特征的视频烟气探测方法 | |
CN107066929B (zh) | 一种融合多种特征的高速公路隧道停车事件分级识别方法 | |
JP2007206843A (ja) | 水中または水面における移動体の計数方法、移動体の計数装置及び移動体の計数プログラム | |
CN104574313B (zh) | 红绿灯的红灯颜色增强方法及其增强系统 | |
CN112364884A (zh) | 一种移动物体侦测的方法 |
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 |