CN109409243A - 一种移动目标中人体视觉检测方法 - Google Patents

一种移动目标中人体视觉检测方法 Download PDF

Info

Publication number
CN109409243A
CN109409243A CN201811149138.2A CN201811149138A CN109409243A CN 109409243 A CN109409243 A CN 109409243A CN 201811149138 A CN201811149138 A CN 201811149138A CN 109409243 A CN109409243 A CN 109409243A
Authority
CN
China
Prior art keywords
mobile target
binary picture
prospect
value
complexity
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
Application number
CN201811149138.2A
Other languages
English (en)
Inventor
彭力
谢林柏
吴治海
闻继伟
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.)
Jiangnan University
Original Assignee
Jiangnan University
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 Jiangnan University filed Critical Jiangnan University
Priority to CN201811149138.2A priority Critical patent/CN109409243A/zh
Publication of CN109409243A publication Critical patent/CN109409243A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种移动目标中人体视觉检测方法，包括以下步骤：从实时监控视频中提取视频帧；对所述视频帧进行处理，获取移动目标的前景图像；将所述移动目标的前景图像转换成二值化图；计算所述二值化图的前景的高宽比、周长、面积比和复杂度，判断所述移动目标是否为人体；若所述移动目标不是人体，则返回步骤一；若所述移动目标是人体，则继续下一步；警示。其能够利用图像处理技术完成对进入到监控画面中的人体目标的识别，检测室内是否遭到非法侵入，经济实用。

Description

一种移动目标中人体视觉检测方法
技术领域
本发明涉及视觉检测技术领域，具体涉及一种移动目标中人体视觉检测方法。
背景技术
目前，全球的家庭安防监控市场每年的增幅高达40％，这显示出了其巨大的市场潜力。在美国，家庭联网型报警服务模式在安防市场中占据着重要地位，其中ADT公司最具代表性。从二十世纪三十年代起，ADT就开始着手拓宽防盗报警业务，至今已经成为世界闻名的联网报警服务之一，其拥有超过600万的家庭用户。一项关于居家安防系统的研究显示：一所安装有防盗报警系统的家庭，其发生盗窃案的可能性，相比于未安装防盗系统的家庭，要低60％。在英国，入室盗窃的现象十分普遍，Intamac公司的一项调查显示，在英国有近1/4的家庭曾经发生过盗窃案，而这些不幸失窃的家庭中，五分之四以上不具备防盗监控系统。在日本，西科姆公司在家庭安防产业是当之无愧的龙头老大，其业务以联网报警为主，目前拥有用户已超过130万户。
上世纪末，我国家庭的安全防护还以防盗门、防盗窗为主，远未达到安防监控的程度。后来随着科技的民用化，出现了由门磁开关、主/被动红外探测器构成的家庭安防报警系统，其通过门磁开关来探测房门的开闭，通过红外探测器探知门、窗是否被入侵，并产生现场报警。这些传统的安防监控系统有一个共同的缺陷，那就是无法验证警报的真实性。后来发展出现了由电视监视器和摄像机组成的监控系统，其实现了监控的可视化，使人们可以眼见为实，但其同样有一个致命的缺点，即它要求监控安保人员需时刻监视屏幕，或者进行长时间的录像，发生事故后再调用查看录像，这给安保人员以及破案警方带来了繁重的工作负担，而且当监控点增多时，更无法做到全面的监控。如今市场上安防监控系统多是通过门磁开关以及红外探测器等设备来检测触警，然后经由摄像机将事故现场的情况通过视频或图片的形式发送到监控中心或户主。此种模式既做到了事故发生时的自动触警，又可以达到人们的眼见为实的目的。不过，目前通过多传感器融合而组成的居家安防监控系统仍有很多缺陷，如安装门磁或窗磁传感器会打破建筑物的结构和美观、在夏天红外传感器容易受干扰产生误报等等，人们追求一种完美的居家安防监控的期望从未消失。而对于安防监控的重心在于，在主人不在屋内时，若有盗窃者进入，通过对摄像头所获得的图像进行处理，能否迅速准确地捕捉移动目标，并判断移动目标是否为人体，目前此块在安防监控领域仍处于空白阶段。
发明内容
本发明要解决的技术问题是提供一种移动目标中人体视觉检测方法，其能够利用图像处理技术完成对进入到监控画面中的人体目标的识别，检测室内是否遭到非法侵入，经济实用。
为了解决上述技术问题，本发明提供了一种移动目标中人体视觉检测方法，包括以下步骤：
步骤一、从实时监控视频中提取视频帧；
步骤二、对所述视频帧进行处理，获取移动目标的前景图像；
步骤三、将所述移动目标的前景图像转换成二值化图；
步骤四、计算所述二值化图的前景的高宽比、周长、面积比和复杂度，判断所述移动目标是否为人体；若所述移动目标不是人体，则返回步骤一；若所述移动目标是人体，则继续下一步；
步骤五、警示。
作为优选的，所述计算所述二值化图的前景的高宽比、周长、面积比和复杂度，判断所述移动目标是否为人体，具体包括：定义高宽比的约束范围值，计算所述二值化图的前景的高宽比，判断所述高宽比是否在高宽比约束范围值内；定义周长约束范围值，计算所述二值化图的前景的周长，判断所述周长是否在周长约束范围值内；定义面积比约束范围值，计算所述二值化图的面积比，判断所述二值化图的面积比是否在面积比约束范围值内；定义复杂度约束范围值，计算所述二值化图的复杂度，判断所述复杂度是否在复杂度约束范围值内；
若所述高宽比、所述周长、所述面积比和所述复杂度皆满足对应的约束范围值，则所述移动目标是人体，否则，所述移动目标不是人体。
作为优选的，所述计算所述二值化图的前景的高宽比，具体包括：在所述二值化图上建立oxy坐标系；定义像素点数行阈值T1，对所述前景做逐行扫描，并记录所述前景每行的像素点个数，其中，像素点个数大于T1的一行作为行边界，记录所述行边界在x轴的最小坐标Xmin和最大坐标Xmax；定义像素点数列阈值T2，对所述前景做逐列扫描，并记录所述前景每列的像素点个数，其中，像素点个数大于T2的一列作为列边界，记录所述列边界在y轴的最小坐标Ymin和最大坐标Ymax；计算获得所述二值化图的前景的高宽比HW＝(Ymax-Ymin)/(Xmax-Xmin)。
作为优选的，所述计算所述二值化图的前景的周长，具体包括：使用Canny算子对所述前景进行边缘检测，得到携带所述移动目标的边缘信息的图像；使用计数函数对图像中的边缘像素点数进行计数，所得计数结果即为移动目标的周长b。
作为优选的，所述计算所述二值化图的面积比，具体包括：计算所述二值化图的前景面积a，其中，所述前景面积为所述前景的像素点数；计算所述二值化图的整副图像的面积w，其中，所述整副图像的面积为所述二值化图的整副图像的像素点数；计算获得所述二值化图的面积比，所述二值化图的面积比r＝a/w。
作为优选的，所述计算所述二值化图的复杂度，具体包括：所述复杂度为所述周长的平方与所述面积的比值，即复杂度c＝b2/a。
作为优选的，所述步骤二具体包括：对所述视频帧进行灰度化处理，得到灰度图像I(x,y)；以所述视频帧中的第一帧作为背景图像，建立背景模型B1(x,y)；采用图像平均模型，并通过赋予所述视频帧的当前帧和之前累计背景不同的权重，从而实现当前图像的加权平均，Bk+1(x,y)＝(1-α)Bk(x,y)+αCk(x,y)，其中，Bk(x,y)为当前背景中点(x,y)的像素值，Ck(x,y)为当前帧中点(x,y))的像素值，Bk+1(x,y)为更新后点(x,y)的像素值，α为背景更新速率，k大于等于1；使用背景减除算法获得移动目标前景图像f(x,y)，其中，f(x,y)＝|I(x,y)-Bk+1(x,y)|。
作为优选的，所述步骤三具体包括：将移动目标的前景图像f(x,y)通过阈值化处理，得到二值化图D(x,y)，其中，Tsu为设定的阈值。
作为优选的，所述步骤三和步骤四之间还包括：对所述步骤三所获得的二值化图的前景图像进行腐蚀操作和图像膨胀处理。
与现有技术相比，本发明的有益效果是：
1、本发明利用图像处理技术完成对进入到监控画面中的人体目标的识别，检测室内是否遭到非法侵入。
2、本发明面向室内环境应用，解决家庭成员外出、室内无人的情况下的防盗问题。
3、本发明不需使用门磁开关以及红外探测器等设备，仅调用实时监控的视频帧，对视频帧进行处理，即可判断是否人非法入侵，经济实用。
4、本发明能够实现实时监控，简单方便。
附图说明
为了更清楚的说明本发明实施例技术中的技术方案，下面将对实施例技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还能够根据这些附图获得其他的附图。
图1为本发明中移动目标中人体视觉检测方法示意图；
图2为本发明具有移动目标的图像转换成的二值化图，其中，(a)为第一时间点所采集的视频帧的二值化图；(b)为第二时间点所采集的视频帧的二值化图；(c)为第三时间点所采集的视频帧的二值化图；(d)为第四时间点所采集的视频帧的二值化图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例
参照图1～图2所示，本发明公开了一种移动目标中人体视觉检测方法，包括以下步骤：
步骤一、从实时监控视频中提取视频帧。
步骤二、对所述视频帧进行处理，获取移动目标的前景图像。具体包括以下步骤：
1、对所述视频帧进行灰度化处理，得到灰度图像I(x,y)；
2、以所述视频帧中的第一帧作为背景图像，建立背景模型B1(x,y)；
3、采用图像平均模型，并通过赋予所述视频帧的当前帧和之前累计背景不同的权重，从而实现当前图像的加权平均，Bk+1(x,y)＝(1-α)Bk(x,y)+αCk(x,y)，其中，Bk(x,y)为当前背景中点(x,y)的像素值，Ck(x,y)为当前帧中点(x,y))的像素值，Bk+1(x,y)为更新后点(x,y)的像素值，α为背景更新速率，α越大，背景更新越快；α越小，背景更新越慢，其值的大小应根据实际情况进行设定，k大于等于1；
4、使用背景减除算法获得移动目标前景图像f(x,y)，其中，f(x,y)＝|I(x,y)-Bk+1(x,y)|。
步骤三、将所述移动目标的前景图像转换成二值化图。具体包括以下步骤：
将移动目标的前景图像f(x,y)通过阈值化处理，得到二值化图D(x,y)，其中，Tsu为设定的阈值。
优选的，对步骤三所获得的二值化图的前景图像进行腐蚀操作和图像膨胀处理，这样可以去除二值化图的前景的噪音。
步骤四、计算所述二值化图的前景的高宽比、周长、面积比和复杂度，判断所述移动目标是否为人体；若所述移动目标不是人体，则返回步骤一；若所述移动目标是人体，则继续下一步。
该步骤中计算所述二值化图的前景的高宽比、周长、面积比和复杂度，判断所述移动目标是否为人体，具体包括：
1、定义高宽比的约束范围值，计算所述二值化图的前景的高宽比，判断所述高宽比是否在高宽比约束范围值内。
而所述计算所述二值化图的前景的高宽比，具体包括：
(1.1)、在所述二值化图上建立oxy坐标系；
(1.2)、定义像素点数行阈值T1，对所述前景做逐行扫描，并记录所述前景每行的像素点个数，其中，像素点个数大于T1的一行作为行边界，记录所述行边界在x轴的最小坐标Xmin和最大坐标Xmax；
(1.3)、定义像素点数列阈值T2，对所述前景做逐列扫描，并记录所述前景每列的像素点个数，其中，像素点个数大于T2的一列作为列边界，记录所述列边界在y轴的最小坐标Ymin和最大坐标Ymax；
(1.4)、计算获得所述二值化图的前景的高宽比
HW＝(Ymax-Ymin)/(Xmax-Xmin)。
2、定义周长约束范围值，计算所述二值化图的前景的周长，判断所述周长是否在周长约束范围值内。
而所述计算所述二值化图的前景的周长，具体包括：
(2.1)使用Canny算子对所述前景进行边缘检测，得到携带所述移动目标的边缘信息的图像；
(2.2)使用计数函数对图像中的边缘像素点数进行计数，所得计数结果即为移动目标的周长b。
3、定义面积比约束范围值，计算所述二值化图的面积比，判断所述二值化图的面积比是否在面积比约束范围值内。
而所述计算所述二值化图的面积比，具体包括：
(3.1)计算所述二值化图的前景面积a，其中，所述前景面积为所述前景的像素点数；
(3.2)计算所述二值化图的整副图像的面积w，其中，所述整副图像的面积为所述二值化图的整副图像的像素点数；
(3.3)计算获得所述二值化图的面积比，所述二值化图的面积比r＝a/w。
4、定义复杂度约束范围值，计算所述二值化图的复杂度，判断所述复杂度是否在复杂度约束范围值内。
而所述计算所述二值化图的复杂度，具体包括：所述复杂度是指目标的形状分散度，为所述周长的平方与所述面积的比值，即复杂度c＝b2/a
5、若所述高宽比、所述周长、所述面积比和所述复杂度皆满足对应的约束范围值，则所述移动目标是人体，否则，所述移动目标不是人体。
步骤五、警示。此时，由于判定移动目标为人体，可通过拉响警报器进行警示。
本发明中判定移动目标是不是人体的关键，是对特征参量的识别规则的制定。所谓制定识别规则，就是对提出的高宽比、周长、面积比以及复杂度这些特征参量制定约束条件，比如一个人体目标在监控画面中占的面积比例范围，比例过小的目标，其是人体的可能性也相对小，可能是画面中出现的噪声干扰；或者是目标的高宽比，也应符合一定的比例范围。
对于移动目标几何特征值的约束范围的界定，可以根据一定的先验知识以及实验确定运动人体目标的高宽比大约在2.5到5.0之间，在具体应用中根据实际情况调整最终计算得出结果。
下面我们介绍通过对实际监控视频中的多帧图像进行人体目标识别，根据得出的结果制定约束条件。图2为本发明具有移动目标的图像转换成的二值化图。其中，(a)为第一时间点所采集的视频帧的二值化图；(b)为第二时间点所采集的视频帧的二值化图；(c)为第三时间点所采集的视频帧的二值化图；(d)为第四时间点所采集的视频帧的二值化图。图2(a)(b)(c)和(d)为不同时间点采集视频帧，最终获得的带有移动目标的二值化图。
从上表的数据中可以看出，人体目标的几何特征值是有一定的约束范围的，可以根据上述特征参量的值，制定出如下识别规则：1)高宽比约束条件：人体移动目标的高宽比合理的数值应在2.0-5.0之间；2)面积比约束条件：考虑到目标距离监控摄像镜头的距离，应将比例范围适当放大，应在2％-30％之间；3)周长约束条件：人体移动目标的周长值的合理范围应为200-3000；4)复杂度约束条件：人体移动目标的图像复杂度的数值应在30-150之间。以上四条即作为人体移动目标识别的识别规则。那么，可以通过多次试验，采集多组数据样品，获得人体移动目标的识别规则，即定义高宽比的约束范围值、定义周长约束范围值、定义面积比约束范围值和定义复杂度约束范围值。之后，通过从实时监控视频中提取视频帧，并对视频帧进行一系列处理，具有移动目标的图像转换成的二值化图，判断二值化图是否符合人体移动目标的识别规则，即满足高宽比的约束范围值、周长约束范围值、面积比约束范围值和复杂度约束范围值，从而判定移动目标是否为人体。
本发明中的移动目标中人体视觉检测方法旨在通过集成在自主移动家居安防机器人上的摄像头，利用图像处理技术完成对进入到监控画面中的人体目标的识别，检测室内是否遭到非法侵入，是否需要发送预警信息。该系统面向室内环境应用，主要用于解决家庭成员外出、室内无人的情况下的防盗问题。要解决的核心问题，就是利用图像处理技术实现对画面中人体目标的识别。
本发明涉及对侵入监控视野的运动物体判断其是否为人体，不需要对入侵目标的运动行为进行分析与理解，而主要以提炼视频图像中人体的几何特征(高宽比、周长、面积比等)作为识别检测手段，简单实用。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理能够在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖点相一致的最宽的范围。

Claims (9)

1.一种移动目标中人体视觉检测方法，其特征在于，包括以下步骤：
步骤一、从实时监控视频中提取视频帧；
步骤二、对所述视频帧进行处理，获取移动目标的前景图像；
步骤三、将所述移动目标的前景图像转换成二值化图；
步骤四、计算所述二值化图的前景的高宽比、周长、面积比和复杂度，判断所述移动目标是否为人体；若所述移动目标不是人体，则返回步骤一；若所述移动目标是人体，则继续下一步；
步骤五、警示。
2.如权利要求1所述的移动目标中人体视觉检测方法，其特征在于，所述计算所述二值化图的前景的高宽比、周长、面积比和复杂度，判断所述移动目标是否为人体，具体包括：
定义高宽比的约束范围值，计算所述二值化图的前景的高宽比，判断所述高宽比是否在高宽比约束范围值内；
定义周长约束范围值，计算所述二值化图的前景的周长，判断所述周长是否在周长约束范围值内；
定义面积比约束范围值，计算所述二值化图的面积比，判断所述二值化图的面积比是否在面积比约束范围值内；
定义复杂度约束范围值，计算所述二值化图的复杂度，判断所述复杂度是否在复杂度约束范围值内；
若所述高宽比、所述周长、所述面积比和所述复杂度皆满足对应的约束范围值，则所述移动目标是人体，否则，所述移动目标不是人体。
3.如权利要求2所述的移动目标中人体视觉检测方法，其特征在于，所述计算所述二值化图的前景的高宽比，具体包括：
在所述二值化图上建立oxy坐标系；
定义像素点数行阈值T1，对所述前景做逐行扫描，并记录所述前景每行的像素点个数，其中，像素点个数大于T1的一行作为行边界，记录所述行边界在x轴的最小坐标Xmin和最大坐标Xmax；
定义像素点数列阈值T2，对所述前景做逐列扫描，并记录所述前景每列的像素点个数，其中，像素点个数大于T2的一列作为列边界，记录所述列边界在y轴的最小坐标Ymin和最大坐标Ymax；
计算获得所述二值化图的前景的高宽比HW＝(Ymax-Ymin)/(Xmax-Xmin)。
4.如权利要求2所述的移动目标中人体视觉检测方法，其特征在于，所述计算所述二值化图的前景的周长，具体包括：
使用Canny算子对所述前景进行边缘检测，得到携带所述移动目标的边缘信息的图像；
使用计数函数对图像中的边缘像素点数进行计数，所得计数结果即为移动目标的周长b。
5.如权利要求4所述的移动目标中人体视觉检测方法，其特征在于，所述计算所述二值化图的面积比，具体包括：
计算所述二值化图的前景面积a，其中，所述前景面积为所述前景的像素点数；
计算所述二值化图的整副图像的面积w，其中，所述整副图像的面积为所述二值化图的整副图像的像素点数；
计算获得所述二值化图的面积比，所述二值化图的面积比r＝a/w。
6.如权利要求5所述的移动目标中人体视觉检测方法，其特征在于，所述计算所述二值化图的复杂度，具体包括：
所述复杂度为所述周长的平方与所述面积的比值，即复杂度c＝b2/a。
7.如权利要求1所述的移动目标中人体视觉检测方法，其特征在于，所述步骤二具体包括：
对所述视频帧进行灰度化处理，得到灰度图像I(x,y)；
以所述视频帧中的第一帧作为背景图像，建立背景模型B1(x,y)；
采用图像平均模型，并通过赋予所述视频帧的当前帧和之前累计背景不同的权重，从而实现当前图像的加权平均，Bk+1(x,y)＝(1-α)Bk(x,y)+αCk(x,y)，其中，Bk(x,y)为当前背景中点(x,y)的像素值，Ck(x,y)为当前帧中点(x,y))的像素值，Bk+1(x,y)为更新后点(x,y)的像素值，α为背景更新速率，k大于等于1；
使用背景减除算法获得移动目标前景图像f(x,y)，其中，f(x,y)＝|I(x,y)-Bk+1(x,y)|。
8.如权利要求1所述的移动目标中人体视觉检测方法，其特征在于，所述步骤三具体包括：将移动目标的前景图像f(x,y)通过阈值化处理，得到二值化图D(x,y)，其中，Tsu为设定的阈值。
9.如权利要求1所述的移动目标中人体视觉检测方法，其特征在于，所述步骤三和步骤四之间还包括：对所述步骤三所获得的二值化图的前景图像进行腐蚀操作和图像膨胀处理。
CN201811149138.2A 2018-09-29 2018-09-29 一种移动目标中人体视觉检测方法 Pending CN109409243A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811149138.2A CN109409243A (zh) 2018-09-29 2018-09-29 一种移动目标中人体视觉检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811149138.2A CN109409243A (zh) 2018-09-29 2018-09-29 一种移动目标中人体视觉检测方法

Publications (1)

Publication Number Publication Date
CN109409243A true CN109409243A (zh) 2019-03-01

Family

ID=65465615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811149138.2A Pending CN109409243A (zh) 2018-09-29 2018-09-29 一种移动目标中人体视觉检测方法

Country Status (1)

Country Link
CN (1) CN109409243A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135382A (zh) * 2019-05-22 2019-08-16 北京华捷艾米科技有限公司 一种人体检测方法和装置
CN111881733A (zh) * 2020-06-17 2020-11-03 艾普工华科技（武汉）有限公司 一种工人作业工步规范视觉识别判定与指导方法和系统
CN112019868A (zh) * 2019-05-31 2020-12-01 广州虎牙信息科技有限公司 人像分割方法、装置及电子设备
CN112565863A (zh) * 2020-11-26 2021-03-26 深圳Tcl新技术有限公司 视频播放方法、装置、终端设备及计算机可读存储介质
CN114550074A (zh) * 2022-04-25 2022-05-27 成都信息工程大学 一种基于计算机视觉的图像识别方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101751679A (zh) * 2009-12-24 2010-06-23 北京中星微电子有限公司 运动目标的分类方法和检测方法及其装置
CN103258208A (zh) * 2013-05-10 2013-08-21 杭州电子科技大学 基于视觉的头势有无意图判别方法
CN104751484A (zh) * 2015-03-20 2015-07-01 西安理工大学 一种运动目标检测方法及实现运动目标检测方法的检测系统
CN104866842A (zh) * 2015-06-05 2015-08-26 中国人民解放军国防科学技术大学 一种人体目标入侵检测方法
CN106251544A (zh) * 2016-08-05 2016-12-21 吉林大学 一种基于Android智能手机的入侵报警方法及报警装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101751679A (zh) * 2009-12-24 2010-06-23 北京中星微电子有限公司 运动目标的分类方法和检测方法及其装置
CN103258208A (zh) * 2013-05-10 2013-08-21 杭州电子科技大学 基于视觉的头势有无意图判别方法
CN104751484A (zh) * 2015-03-20 2015-07-01 西安理工大学 一种运动目标检测方法及实现运动目标检测方法的检测系统
CN104866842A (zh) * 2015-06-05 2015-08-26 中国人民解放军国防科学技术大学 一种人体目标入侵检测方法
CN106251544A (zh) * 2016-08-05 2016-12-21 吉林大学 一种基于Android智能手机的入侵报警方法及报警装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张玉静: "智能视频监控的目标检测优化与跟踪分析", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110135382A (zh) * 2019-05-22 2019-08-16 北京华捷艾米科技有限公司 一种人体检测方法和装置
CN110135382B (zh) * 2019-05-22 2021-07-27 北京华捷艾米科技有限公司 一种人体检测方法和装置
CN112019868A (zh) * 2019-05-31 2020-12-01 广州虎牙信息科技有限公司 人像分割方法、装置及电子设备
CN111881733A (zh) * 2020-06-17 2020-11-03 艾普工华科技（武汉）有限公司 一种工人作业工步规范视觉识别判定与指导方法和系统
CN111881733B (zh) * 2020-06-17 2023-07-21 艾普工华科技（武汉）有限公司 一种工人作业工步规范视觉识别判定与指导方法和系统
CN112565863A (zh) * 2020-11-26 2021-03-26 深圳Tcl新技术有限公司 视频播放方法、装置、终端设备及计算机可读存储介质
CN114550074A (zh) * 2022-04-25 2022-05-27 成都信息工程大学 一种基于计算机视觉的图像识别方法及系统

Similar Documents

Publication Publication Date Title
CN109409243A (zh) 一种移动目标中人体视觉检测方法
CN105654647B (zh) 一种实时判断有人入侵室内的识别方法
CN111144291B (zh) 基于目标检测的视频监控区域人员入侵判别方法及装置
CN105678803B (zh) 基于w4算法和帧间差分的视频监控目标检测方法
US8068640B2 (en) Method for detecting image regions that are conspicuous in terms of the movement in them; apparatus and computer program for performing the method
CN105354563A (zh) 结合深度和彩色图像的遮挡人脸检测预警装置及实现方法
CN101609588A (zh) 全自动无人值守别墅防入侵智能视频监控报警系统
CN103514694A (zh) 一种入侵检测监控系统
CN108629316A (zh) 一种多视角的视频异常事件检测方法
CN105825198A (zh) 行人检测方法及装置
CN104050771B (zh) 异常检测的系统和方法
AU2005329453A1 (en) Nuisance alarm filter
CN101299269A (zh) 静止场景的标定方法及装置
CN110490126B (zh) 一种基于人工智能的保险柜安全管控系统
Ha et al. Vision-based smoke detection algorithm for early fire recognition in digital video recording system
CN115100813B (zh) 基于数字孪生的智慧社区系统
KR20160093253A (ko) 영상 기반 이상 흐름 감지 방법 및 그 시스템
CN101461239A (zh) 用于进行中心站警报监控的视频验证系统和方法
CN111753587B (zh) 一种倒地检测方法及装置
CN106921846A (zh) 视频移动终端遗留物检测装置
Aubert et al. Time-scale change detection applied to real-time abnormal stationarity monitoring
CN104240432A (zh) 基于信息融合的富锰渣生产安全监控系统及方法
JP6739119B6 (ja) 危険度判別プログラム及びシステム
CN114554137A (zh) 区域管控方法、装置、设备及存储介质
Frejlichowski et al. Extraction of the foreground regions by means of the adaptive background modelling based on various colour components for a visual surveillance system

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190301

RJ01 Rejection of invention patent application after publication