CN109685009A - 一种区域人群密度视频检测的方法 - Google Patents
一种区域人群密度视频检测的方法 Download PDFInfo
- Publication number
- CN109685009A CN109685009A CN201811591057.8A CN201811591057A CN109685009A CN 109685009 A CN109685009 A CN 109685009A CN 201811591057 A CN201811591057 A CN 201811591057A CN 109685009 A CN109685009 A CN 109685009A
- Authority
- CN
- China
- Prior art keywords
- region
- image
- crowd density
- video detection
- crowd
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- 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
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0236—Threshold setting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- 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
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Child & Adolescent Psychology (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
一种区域人群密度视频检测的方法,属于视屏监控方法领域,其特征在于包括:对采集到的图像进行图像分割;将运动物体检测出来,对分割出来的物体进行处理与加工运算,得到前景信息;对前景信息进行分析处理,并统计出人员总数;若人员总数超过阈值则发出预警信息;预警后的进入预设时间段的预警保护状态,避免同一人群重复报警。准确检测出在指定的区域内活动人群的数目,当该数值超过设定的警戒阈值时,及时发出预警信息,以防止人群过于密集所产生的安全隐患;算法鲁棒性强实时性高,不会随场景变化而导致人数输出产生剧烈跳变,且算法运算量较小,完全满足实时性要求。
Description
技术领域
本发明属于视屏监控方法领域,特别涉及在数字视频监控中对检测区域中的行人准确性检测的方法。
背景技术
对检测区域中的行人进行检测和跟踪是一个很难的问题,较常见的方法如通过背景模型检测运动区域并进行前景分割,如MoG,或通过人体模型、特征对人体进行检测,如HoG等。另外存在一类研究,避开了检测区域中行人的分割检测的问题,而是通过一些全局统计特征对人群的密度进行估计。还有一种研究,直接针对高密度人群中的行人进行检测和跟踪。该研究针对大流量高密度的街道场景,提出了一种结合头部检测和粒子滤波的方法对行人进行跟踪。但该方法无论在跟踪的准确性和实时性上都难以满足行人统计对于精度和时效性的要求。
传统的区域人群密度估计的途径主要有:利用视频监控器监控某一场景,利用视频监控器对周围环境进行例行地扫描来查找发生危险的地方,并有专门的工作人员盯着屏幕,以便发生情况及时通报并采取措施,这样做主要有如下缺点:
(1)不能起到预防的作用,即使人可以根据经验来发出危险警告,但由于人的主观性太强,很容易发生预告太晚或者错误预告的情况。
(2)易造成漏报,目前市场中的应用多是基于像素点统计与纹理特征统计的,基于像素点统计的方法不能解决高密度人群的行人检测问题,原因在于:在高密度人群视频中,观测区域的大部分或者全部处于运动的状态,行人间存在严重的遮挡。基于纹理分析的LBP统计法及灰度共生矩阵等方法虽然可以在一定程度上解决人与人重叠所带来的高密度人群错误分类,但是其复杂度较高,运算量大,实时性不强。在低密度人群的错误分类概率比较大,而且这类方法并不能给出检测区域内的具体人数,只能定性地把人群密度分为低,中,高,阻碍了检测结果地进一步细化,为预警带来困难。
还有一种基于人头检测的方法,低密度时准确率较高,所需训练样本较大,对摄像头安装角度要求较苛刻,在高密度人群中由于人员重叠会产生失效等问题。
发明内容
本发明旨在解决上述问题,提供一种区域人群密度视频检测的方法。
本发明所述区域人群密度视频检测的方法,包括:
对采集到的图像进行图像分割;
将运动物体检测出来,对分割出来的物体进行处理与加工运算,得到前景信息;
对前景信息进行分析处理,并统计出人员总数;
若人员总数超过阈值则发出预警信息;
预警后的进入预设时间段的预警保护状态,避免同一人群重复报警。
本发明所述区域人群密度视频检测的方法,所述对采集到的图像进行图像分割的步骤包括:检测区域背景建模及分割,图像中的每个像素点均保留N帧的颜色样本值,N为预先设定的值;根据这N帧样本的出现频率来确定每个像素的概率密度模型。
本发明所述区域人群密度视频检测的方法,其特征在于:所述对前景信息进行分析处理的方式为:对前景信息利用形态学滤波进行处理得到图像块,对图像块进行筛选处理后统计出检测区域内人员总数;所述形态学滤波包括膨胀和腐蚀两种方式。
本发明所述区域人群密度视频检测的方法,其特征在于:所述每一个像素点的概率的计算步骤为:给定一维空间n个数据点集合s={xi},i=1...n},它的未知概率密度函数为P(x),取核函数为Kh(x),则在x点处的概率可用如下公式计算:
其中,h为核函数的带宽,x为核函数的中心点;
核函数为:将在每个采样点为中心的局部函数的平均效果,作为该采样点概率密度函数的估计值,或者核估计器在被估计点为中心的窗口内,计算数据点加权的局部平均。
本发明所述区域人群密度视频检测的方法,所述膨胀方式的处理过程为:
1)用结构元素B,扫描图像A的每一个像素;
2)用结构元素与其覆盖的二值图像做“与”操作;
3)如果都为0,结果图像的该像素为0,否则为1;
以得到B的相对与它自身原点的映像并且由z对映进行像移位为基础的,A被B膨胀是所有位移z的集合,这样,B和A至少有一个元素是重叠。
本发明所述区域人群密度视频检测的方法,所述腐蚀方式的处理过程为:对Z中的集合A和B,B对A进行腐蚀的过程如下:
1)用结构元素B,扫描图像A的每一个像素;
2)用结构元素与其覆盖的二值图像做“与”操作;
3)如果都为1,结果图像的该像素为1,否则为0。
本发明所述区域人群密度视频检测的方法,所述对于图像块进行筛选处理的方式为:通过如下公式计算检测区域面积:
根据公式(ax1+by1+c)*(ax2+by2+c)<0判断多边形的任意四个顶点 (x1,y1),(x2,y2),(x3,y3),(x4,y4)是否有交叉,若四点两两均满足上式条件的则认为有交叉,不合格,若不是则认为没交叉,输入点正确,合格;单人面积相对于ROI面积的比例影响着检测的精度,因此在一开始时必须对区域的大小进行合理的参数设置。由于多边形的坐标输入不当,有可能使得形状出现交叉,因此必须对这种情况予以避免。
本发明所述区域人群密度视频检测的方法,所述人员总数在输出时进行平滑与滤波处理,具体方法为:采用以下措施:在t1,t2,t3...tn时间段内,输出的值如果大于报警门限,且次数大于阈值,即Pt>PVal且Count>Val,是则输出报警信息,且按下式输出
每次输出保持一定帧数,到下一个变化节点到来时,再根据情况决定是否要改变输出以及改变多少。
本发明所述区域人群密度视频检测的方法,所述为避免同一人群重复报警,需要对所检测区域边缘进行人员进出检测;从整个图像中选取ROI区域,该区域即为检测区域,在检测区域中心做相似多边形,用以检测人员进出。
本发明所述区域人群密度视频检测的方法,所述多边形中心的确定方法为:设一区域D(x,y)内的点集,根据如下公式确定区域的中心:
根据如下公式计算出的多边形中心坐标(Xm,Ym):
调整λ的值,从而得到不同的相似多边形;从感兴趣区域边缘人员的运动情况来判断人员的增减情况;若无人员增减而出现人员显著减少,则认为人群大部分都在静止,而非减少,不予重复报警。
本发明所述区域人群密度视频检测的方法,具有如下技术效果:
(1)准确检测出在指定的区域内活动人群的数目,当该数值超过设定的警戒阈值时,及时发出预警信息,以防止人群过于密集所产生的安全隐患。
(2)无论在人群密度高低与否都能进行准确检测,同一区域同一人群不会重复产生预警信息。
(3)算法鲁棒性强实时性高,不会随场景变化而导致人数输出产生剧烈跳变,且算法运算量较小,完全满足实时性要求。
附图说明
图1为本发明所述区域人群密度视频检测的方法的流程示意图;
图2为本发明所述区域人群密度视频检测的方法报警示意截图。
具体实施方式
下面结合附图及实施例对本发明所述区域人群密度视频检测的方法进行详细说明。
实施例一
本发明所述区域人群密度视频检测的方法,如图1所示包括如下步骤:
1)对采集到的图像进行图像分割;
2)将运动物体检测出来,对分割出来的物体进行处理与加工运算,得到前景信息;
3)对前景信息进行分析处理,并统计出人员总数;
4)若人员总数超过阈值则发出预警信息;
5)预警后的进入预设时间段的预警保护状态,避免同一人群重复报警。
对采集到的图像进行图像分割的步骤包括:检测区域背景建模及分割,图像中的每个像素点均保留N帧的颜色样本值,N为预先设定的值;根据这N帧样本的出现频率来确定每个像素的概率密度模型。
对前景信息进行分析处理的方式为:对前景信息利用形态学滤波进行处理得到图像块,对图像块进行筛选处理后统计出检测区域内人员总数;所述形态学滤波包括膨胀和腐蚀两种方式。
每一个像素点的概率的计算步骤为:给定一维空间n个数据点集合 s={xi},i=1...n},它的未知概率密度函数为P(x),取核函数为Kh(x),则在x点处的概率可用如下公式计算:
其中,h为核函数的带宽,x为核函数的中心点;核函数为:将在每个采样点为中心的局部函数的平均效果,作为该采样点概率密度函数的估计值,或者核估计器在被估计点为中心的窗口内,计算数据点加权的局部平均。
膨胀方式的处理过程为:
1)用结构元素B,扫描图像A的每一个像素;
2)用结构元素与其覆盖的二值图像做“与”操作;
3)如果都为0,结果图像的该像素为0,否则为1;
以得到B的相对与它自身原点的映像并且由z对映进行像移位为基础的,A被B膨胀是所有位移z的集合,这样,B和A至少有一个元素是重叠。
腐蚀方式的处理过程为:对Z中的集合A和B,B对A进行腐蚀的过程如下:
1)用结构元素B,扫描图像A的每一个像素;
2)用结构元素与其覆盖的二值图像做“与”操作;
3)如果都为1,结果图像的该像素为1,否则为0。
对于图像块进行筛选处理的方式为:通过如下公式计算检测区域面积:
根据公式(ax1+by1+c)*(ax2+by2+c)<0判断多边形的任意四个顶点 (x1,y1),(x2,y2),(x3,y3),(x4,y4)是否有交叉,若四点两两均满足上式条件的则认为有交叉,不合格,若不是则认为没交叉,输入点正确,合格;单人面积相对于ROI面积的比例影响着检测的精度,因此在一开始时必须对区域的大小进行合理的参数设置。由于多边形的坐标输入不当,有可能使得形状出现交叉,因此必须对这种情况予以避免。
人员总数在输出时进行平滑与滤波处理,具体方法为:采用以下措施:在 t1,t2,t3...tn时间段内,输出的值如果大于报警门限,且次数大于阈值,即Pt>PVal且 Count>Val,是则输出报警信息,且按下式输出
每次输出保持一定帧数,到下一个变化节点到来时,再根据情况决定是否要改变输出以及改变多少。
为避免同一人群重复报警,需要对所检测区域边缘进行人员进出检测;从整个图像中选取ROI区域,该区域即为检测区域,在检测区域中心做相似多边形,用以检测人员进出。
多边形中心的确定方法为:设一区域D(x,y)内的点集,根据如下公式确定区域的中心:
根据如下公式计算出的多边形中心坐标(,):
调整λ的值,从而得到不同的相似多边形;从感兴趣区域边缘人员的运动情况来判断人员的增减情况;若无人员增减而出现人员显著减少,则认为人群大部分都在静止,而非减少,不予重复报警。
实施例二在实施例一的基础上,本发明所述区域人群密度视频检测的方法的实施过程可概括为:1) 摄像机的安装:本发明针对俯拍角度下的摄像机,应用效果最佳,摄像机安装角度:俯角大于15度,小于70度,45度左右为最佳。
2)镜头参数的调节与设定:根据镜头远近设定密度检测参数,并调焦至镜头最清晰,根据实际场景设置系统参数,以适应远近目标大小差异的影响;设置预警级别,以适应不同人群密度可能产生的预警输出。
3)视频获取与解析:从摄像机获取视频,并对视频流进行解码,获得可用于分析的图像信息。
4)视频图像内容分析:对解码后的视频图像进行内容分析,获得其中活动人员的位置和区域信息,并对目标进行跟踪分析,获得运动轨迹,根据本发明所述方法,计算出监控区域内的人员的数量。
5)预警信息:如果监控区域内人员的数量,超过了警戒阈值,则产生预警信息,如图2所示,达到报警阈值之后,检测框内颜色改变。
Claims (10)
1.一种区域人群密度视频检测的方法,其特征在于包括:
对采集到的图像进行图像分割;
将运动物体检测出来,对分割出来的物体进行处理与加工运算,得到前景信息;
对前景信息进行分析处理,并统计出人员总数;
若人员总数超过阈值则发出预警信息;
预警后的进入预设时间段的预警保护状态,避免同一人群重复报警。
2.根据权利要求1所述区域人群密度视频检测的方法,其特征在于:所述对采集到的图像进行图像分割的步骤包括:检测区域背景建模及分割,图像中的每个像素点均保留N帧的颜色样本值,N为预先设定的值;根据这N帧样本的出现频率来确定每个像素的概率密度模型。
3.根据权利要求2所述区域人群密度视频检测的方法,其特征在于:所述对前景信息进行分析处理的方式为:对前景信息利用形态学滤波进行处理得到图像块,对图像块进行筛选处理后统计出检测区域内人员总数;所述形态学滤波包括膨胀和腐蚀两种方式。
4.根据权利要求3所述区域人群密度视频检测的方法,其特征在于:所述每一个像素点的概率的计算步骤为:给定一维空间n个数据点集合s={xi},i=1...n,它的未知概率密度函数为P(x),取核函数为Kh(x),则在x点处的概率可用如下公式计算:
其中,h为核函数的带宽,x为核函数的中心点;
核函数为:将在每个采样点为中心的局部函数的平均效果,作为该采样点概率密度函数的估计值,或者核估计器在被估计点为中心的窗口内,计算数据点加权的局部平均。
5.根据权利要求4所述区域人群密度视频检测的方法,其特征在于:所述膨胀方式的处理过程为:
1)用结构元素B,扫描图像A的每一个像素;
2)用结构元素与其覆盖的二值图像做“与”操作;
3)如果都为0,结果图像的该像素为0,否则为1;
以得到B的相对与它自身原点的映像并且由z对映进行像移位为基础的,A被B膨胀是所有位移z的集合,这样,B和A至少有一个元素是重叠。
6.根据权利要求4或5所述区域人群密度视频检测的方法,其特征在于:所述腐蚀方式的处理过程为:对Z中的集合A和B,B对A进行腐蚀的过程如下:
1)用结构元素B,扫描图像A的每一个像素;
2)用结构元素与其覆盖的二值图像做“与”操作;
3)如果都为1,结果图像的该像素为1,否则为0。
7.根据权利要求6所述区域人群密度视频检测的方法,其特征在于:所述对于图像块进行筛选处理的方式为:通过如下公式计算检测区域面积:
根据公式:(ax1+by1+c)*(ax2+by2+c)<0判断多边形的任意四个顶点(x1,y1),(x2,y2),(x3,y3),(x4,y4)是否有交叉,若四点两两均满足上式条件的则认为有交叉,不合格,若不是则认为没交叉,输入点正确,合格。
8.根据权利要求7所述区域人群密度视频检测的方法,其特征在于:所述人员总数在输出时进行平滑与滤波处理,具体方法为:采用以下措施:在t1,t2,t3...tn时间段内,输出的值如果大于报警门限,且次数大于阈值,即Pt>PVal且Count>Val,是则输出报警信息,且按下式输出
9.根据权利要求8所述区域人群密度视频检测的方法,其特征在于:所述为避免同一人群重复报警,需要对所检测区域边缘进行人员进出检测;从整个图像中选取ROI区域,该区域即为检测区域,在检测区域中心做相似多边形,用以检测人员进出。
10.根据权利要求9所述区域人群密度视频检测的方法,其特征在于:所述多边形中心的确定方法为:设一区域D(x,y)内的点集,根据如下公式确定区域的中心,
根据如下公式计算出的多边形中心坐标(Xm,Ym):
调整λ的值,从而得到不同的相似多边形;从感兴趣区域边缘人员的运动情况来判断人员的增减情况;若无人员增减而出现人员显著减少,则认为人群大部分都在静止,而非减少,不予重复报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811591057.8A CN109685009A (zh) | 2018-12-20 | 2018-12-20 | 一种区域人群密度视频检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811591057.8A CN109685009A (zh) | 2018-12-20 | 2018-12-20 | 一种区域人群密度视频检测的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109685009A true CN109685009A (zh) | 2019-04-26 |
Family
ID=66189314
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811591057.8A Pending CN109685009A (zh) | 2018-12-20 | 2018-12-20 | 一种区域人群密度视频检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685009A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111885202A (zh) * | 2020-08-03 | 2020-11-03 | 南京亚太嘉园智慧空间营造有限公司 | 一种基于vgg算法的物联网展馆用信息处理平台 |
CN112333431A (zh) * | 2020-10-30 | 2021-02-05 | 深圳市商汤科技有限公司 | 场景监测方法、装置、电子设备及存储介质 |
CN112327661A (zh) * | 2020-11-28 | 2021-02-05 | 安徽信息工程学院 | 人员密集度识别技术在能耗管理系统中的运用 |
CN113312442A (zh) * | 2021-07-30 | 2021-08-27 | 景网技术有限公司 | 一种智慧城市电子地图生成方法和系统 |
CN113822151A (zh) * | 2021-08-09 | 2021-12-21 | 中标慧安信息技术股份有限公司 | 用于监测市场内部人员聚集密度的方法和系统 |
CN111885202B (zh) * | 2020-08-03 | 2024-05-31 | 南京亚太嘉园智慧空间营造有限公司 | 一种基于vgg算法的物联网展馆用信息处理平台 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246547A (zh) * | 2008-03-03 | 2008-08-20 | 北京航空航天大学 | 一种根据场景变化特征对视频中运动物体检测的方法 |
CN102156985A (zh) * | 2011-04-11 | 2011-08-17 | 上海交通大学 | 基于虚拟卡口的行人及车辆数目计数方法 |
CN103577875A (zh) * | 2013-11-20 | 2014-02-12 | 北京联合大学 | 一种基于fast的计算机辅助cad人数统计方法 |
CN108206932A (zh) * | 2016-12-16 | 2018-06-26 | 北京迪科达科技有限公司 | 一种校园智能监控管理系统 |
-
2018
- 2018-12-20 CN CN201811591057.8A patent/CN109685009A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101246547A (zh) * | 2008-03-03 | 2008-08-20 | 北京航空航天大学 | 一种根据场景变化特征对视频中运动物体检测的方法 |
CN102156985A (zh) * | 2011-04-11 | 2011-08-17 | 上海交通大学 | 基于虚拟卡口的行人及车辆数目计数方法 |
CN103577875A (zh) * | 2013-11-20 | 2014-02-12 | 北京联合大学 | 一种基于fast的计算机辅助cad人数统计方法 |
CN108206932A (zh) * | 2016-12-16 | 2018-06-26 | 北京迪科达科技有限公司 | 一种校园智能监控管理系统 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111885202A (zh) * | 2020-08-03 | 2020-11-03 | 南京亚太嘉园智慧空间营造有限公司 | 一种基于vgg算法的物联网展馆用信息处理平台 |
CN111885202B (zh) * | 2020-08-03 | 2024-05-31 | 南京亚太嘉园智慧空间营造有限公司 | 一种基于vgg算法的物联网展馆用信息处理平台 |
CN112333431A (zh) * | 2020-10-30 | 2021-02-05 | 深圳市商汤科技有限公司 | 场景监测方法、装置、电子设备及存储介质 |
CN112327661A (zh) * | 2020-11-28 | 2021-02-05 | 安徽信息工程学院 | 人员密集度识别技术在能耗管理系统中的运用 |
CN113312442A (zh) * | 2021-07-30 | 2021-08-27 | 景网技术有限公司 | 一种智慧城市电子地图生成方法和系统 |
CN113312442B (zh) * | 2021-07-30 | 2021-11-09 | 景网技术有限公司 | 一种智慧城市电子地图生成方法和系统 |
CN113822151A (zh) * | 2021-08-09 | 2021-12-21 | 中标慧安信息技术股份有限公司 | 用于监测市场内部人员聚集密度的方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685009A (zh) | 一种区域人群密度视频检测的方法 | |
CN105678811B (zh) | 一种基于运动检测的人体异常行为检测方法 | |
CN102542289B (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
CN111144247A (zh) | 一种基于深度学习的自动扶梯乘客逆行检测方法 | |
CN105678803A (zh) | 基于w4算法和帧间差分的视频监控目标检测方法 | |
CN107506734A (zh) | 一种群体突发异常事件检测与定位方法 | |
CN111062273A (zh) | 一种遗留物品追溯检测与报警方法 | |
CN105893946A (zh) | 一种正面人脸图像的检测方法 | |
CN105809954B (zh) | 交通事件检测方法以及系统 | |
CN109711322A (zh) | 一种基于rfcn的人车分离方法 | |
Manikandan et al. | Video object extraction by using background subtraction techniques for sports applications | |
CN110189355A (zh) | 安全疏散通道占用检测方法、装置、电子设备及存储介质 | |
Kongurgsa et al. | Real-time intrusion—detecting and alert system by image processing techniques | |
Sun et al. | Indoor occupancy measurement by the fusion of motion detection and static estimation | |
CN115527158A (zh) | 一种基于视频监控的人员异常行为检测方法及装置 | |
CN108830161B (zh) | 基于视频流数据的烟雾识别方法 | |
Wang et al. | Traffic camera anomaly detection | |
Yang et al. | Bird's-eye view social distancing analysis system | |
TW201432633A (zh) | 跌倒偵測方法 | |
CN110633681A (zh) | 一种基于视频的离床检测方法 | |
Benraya et al. | Comparison of background subtraction methods | |
KR101467307B1 (ko) | 인공 신경망 모델을 이용한 보행자 계수 방법 및 장치 | |
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 | |
Yang et al. | Crowd activity change point detection in videos via graph stream mining | |
Stephens et al. | Grouping multi-vector streaklines for human activity identification |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190426 |