CN109934850B - 运动目标计数的方法、装置和系统 - Google Patents
运动目标计数的方法、装置和系统 Download PDFInfo
- Publication number
- CN109934850B CN109934850B CN201910217589.3A CN201910217589A CN109934850B CN 109934850 B CN109934850 B CN 109934850B CN 201910217589 A CN201910217589 A CN 201910217589A CN 109934850 B CN109934850 B CN 109934850B
- Authority
- CN
- China
- Prior art keywords
- target
- grid
- grids
- video area
- degree attribute
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本公开提出一种运动目标计数的方法、装置和系统，涉及图像处理领域。通过将视频区域划分成多个网格，基于运动目标在各个网格的运动情况确定其在视频区域的运动情况，进而对视频区域上的运动目标进行计数，可以提高运动目标计数的准确性。
Description
技术领域
本公开涉及图像处理领域，特别涉及一种运动目标计数的方法、装置和系统。
背景技术
在基于视频图像进行运动目标计数的一种相关技术中，设置一条检测线，基于视频图像检测并跟踪目标，如果目标在不同时刻出现在检测线的两边，判定该目标跨越该检测线，计数器增加一。
发明内容
发明人发现，相关技术存在计数不准确的问题。例如，如果运动目标经过视频区域但没有跨线，会导致少计数的情况，或者，运动目标经过视频区域一次但反复跨线，会导致多计数的情况。
本公开实施例将视频区域划分成多个网格，基于运动目标在各个网格的运动情况确定其在视频区域的运动情况，进而对视频区域上的运动目标进行计数，可以提高运动目标计数的准确性。
本公开的一些实施例提出一种运动目标计数的方法，包括：
获取视频数据，所述视频数据相应的视频区域被划分成多个网格，每个网格配置入度属性和出度属性；
基于所述视频数据检测并跟踪所有目标；
针对每个目标：根据每个时刻所述目标的位置信息，确定该时刻所述目标所在的网格，在所述目标第一次出现在所述视频区域的情况下，设置所述目标第一次出现的网格的入度属性值增加一，在所述目标最后一次出现在所述视频区域的情况下，设置所述目标最后一次出现的网格的出度属性值增加一；
根据所有网格的入度属性值和出度属性值中的至少一个，计算在所述视频区域发生预设行为的目标总数。
在一些实施例中，所述计算在所述视频区域发生预设行为的目标总数包括：
将所有网格的入度属性值的累计值确定为进入所述视频区域的目标总数；
或者，将所有网格的出度属性值的累计值确定为离开所述视频区域的目标总数；
或者，将所有网格的入度属性值的累计值与所有网格的出度属性值的累计值的平均值确定为经过所述视频区域的目标总数。
在一些实施例中，针对每个目标：设置所述目标经过的其他网格的入度属性值和出度属性值不变，其中，所述其他网格是所述目标经过的除第一次出现的网格和最后一次出现的网格之外的网格。
在一些实施例中，针对每个目标：设置所述目标第一次出现的网格的出度属性值增加一，设置所述目标经过的其他网格中的任意一个当前网格的出度属性值增加一，设置所述目标经过的当前网格的前一个网格的出度属性值减小一，其中，所述其他网格是所述目标经过的除第一次出现的网格和最后一次出现的网格之外的网格。
在一些实施例中，每个目标配置进入位置属性和离开位置属性；每个目标的进入位置属性，被配置为记录所述目标第一次出现的网格的信息；每个目标的离开位置属性，被配置为记录所述目标最后一次出现的网格的信息。
在一些实施例中，采用以下公式确定目标所在的网格：
其中，所述视频区域被划分成k1行和k2列的多个网格，k1和k2被配置为相同或不同，所述视频区域的宽度信息和高度信息分别表示为width和height，任一时刻所述目标的位置信息表示为(x,y)，该时刻所述目标所在网格表示为p，
表示向下取整的运算符号。
在一些实施例中，基于网格的入度属性和出度属性中的至少一个进行热点分析或者流量控制。
本公开的一些实施例提出一种运动目标计数的装置，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行前述任意一个实施例的运动目标计数的方法。
本公开的一些实施例提出一种运动目标计数的系统，包括：摄像装置和前述任意一个实施例的运动目标计数的装置，
所述摄像装置，被配置为拍摄视频，并传输相应的视频数据给所述运动目标计数的装置。
本公开的一些实施例提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述任意一个实施例的运动目标计数的方法。
附图说明
下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍。根据下面参照附图的详细描述，可以更加清楚地理解本公开，
显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本公开运动目标计数的方法一些实施例的流程示意图。
图2为本公开运动目标计数的方法另一些实施例的流程示意图。
图3为本公开运动目标计数的方法另一些实施例的流程示意图。
图4为本公开应用例的网格划分及目标运动示意图。
图5为本公开运动目标计数的装置一些实施例的示意图。
图6为本公开运动目标计数的系统一些实施例的示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。
图1为本公开运动目标计数的方法一些实施例的流程示意图。该实施例例如可以由运动目标计数的装置执行。
如图1所示，该实施例的方法包括：
步骤110，获取视频数据，视频数据相应的视频区域被划分成多个网格，每个网格配置入度属性和出度属性，网格的入度属性(设为ID)用于记录从该网格进入视频区域的目标总数，网格的出度属性(设为OD)用于记录从该网格离开视频区域的目标总数。ID和OD的初始值例如设置为0。
摄像装置可以拍摄道路、商场、路口等场景的视频，并传输相应的视频数据给运动目标计数的装置。
在一些实施例中，视频区域可以被划分成k1行和k2列的多个网格，k1和k2可以相同或不同，各个网格的尺寸可以相同或不同。网格例如可以是矩形或正方形，以便于实施。但是其他形状的网格同样可以达到准确计数的目的。
步骤120，基于视频数据检测并跟踪所有目标。
目标例如可以是人、车等，可以根据业务场景进行设置。
基于视频数据检测并跟踪目标可以参考现有技术中的目标检测及跟踪技术实现。例如，采用Faster R-CNN(Faster Region-based Convolutional Neural Network，快速区域卷积神经网络)或SSD(Single Shot MultiBox Detector，单发多框检测)等检测模型进行目标检测。Faster R-CNN是一种基于深度学习的两阶段的目标检测方法。SSD是一种基于深度学习的单阶段的目标检测方法。又例如，采用背景减法(Background Subtraction)技术进行目标检测，首先设置背景图像作为参考图像，然后将含有运动目标的图像与背景图像相减得到运动目标。再例如，通过跟踪目标的特征点或特征线来实现对目标的跟踪。
步骤130，针对每个目标执行步骤130a～130c：
步骤130a，根据每个时刻目标的位置信息，确定该时刻目标所在的网格。
例如，采用以下公式确定目标所在的网格：
p＝i×k1+j，
其中，视频区域被划分成k1行和k2列的多个网格，k1和k2被配置为相同或不同，视频区域的宽度信息和高度信息分别表示为width和height，任一时刻目标的位置信息表示为(x,y)，该时刻目标所在网格表示为p，
表示向下取整的运算符号。
步骤130b，在目标第一次出现在视频区域的情况下，设置目标第一次出现的网格的入度属性值增加一，以表明从该网格进入视频区域的目标总数增加一。
步骤130c，在目标最后一次出现在视频区域的情况下，设置目标最后一次出现的网格的出度属性值增加一，以表明从该网格离开视频区域的目标总数增加一。
此外，针对目标经过的除第一次出现的网格和最后一次出现的网格之外的其他网格，这些其他网格的入度属性值和出度属性值最终保持不变，中间过程可以有不同的实现方法。
例如，在步骤130b和130c的基础上，针对每个目标，对其他网格进行(1)或(2)的设置。(1)设置目标经过的其他网格的入度属性值和出度属性值一直不变。(2)设置目标经过的其他网格的入度属性值一直不变，设置目标第一次出现的网格的出度属性值增加一，设置目标经过的其他网格中的任意一个当前网格的出度属性值增加一，并设置目标经过的当前网格的前一个网格的出度属性值减小一，从而使其他网格的出度属性值最终保持不变。
步骤140，根据所有网格的入度属性值和出度属性值中的至少一个，计算在视频区域发生预设行为的目标总数。
例如，将所有网格的入度属性值的累计值确定为进入视频区域的目标总数。公式表示为：
其中，IDi表示网格i的入度属性值，N表示网格的总数，I表示进入视频区域的目标总数。
例如，将所有网格的出度属性值的累计值确定为离开视频区域的目标总数。公式表示为：
其中，ODj表示网格j的出度属性值，N表示网格的总数，O表示离开视频区域的目标总数。
例如，将所有网格的入度属性值的累计值与所有网格的出度属性值的累计值的平均值确定为经过视频区域的目标总数。公式表示为：
其中，I表示进入视频区域的目标总数，O表示离开视频区域的目标总数，S表示经过视频区域的目标总数。假设目标不在视频区域停留，则I和O应该相等。
上述实施例将视频区域划分成多个网格，基于运动目标在各个网格的运动情况确定其在视频区域的运动情况，进而对视频区域上的运动目标进行计数，可以提高运动目标计数的准确性。例如，只要目标出现在视频区域，就会被计数，不会出现少计数的情况；一个目标无论在视频区域如何运动，即使运动轨迹有反复，也只会被计数一次，不会出现重复计数的情况。
图2为本公开运动目标计数的方法另一些实施例的流程示意图。该实施例例如可以由运动目标计数的装置执行。
如图2所示，该实施例的方法包括：
步骤210，获取视频数据，视频数据相应的视频区域被划分成多个网格，每个网格配置入度属性和出度属性。
步骤220，基于视频数据检测并跟踪所有目标。
步骤230，针对每个目标执行步骤230a～230d：
步骤230a，每个目标配置进入位置属性和离开位置属性。每个目标的进入位置属性(设为in_pos)，被配置为记录该目标第一次出现的网格的信息。每个目标的离开位置属性(设为out_pos)，被配置为记录该目标最后一次出现的网格的信息。
步骤230b，根据每个时刻目标的位置信息，确定该时刻目标所在的网格。
步骤230c，在目标第一次出现在视频区域的情况下：设置目标第一次出现的网格的入度属性值增加一，以表明从该网格进入视频区域的目标总数增加一；将目标第一次出现的网格的信息记录到该目标的进入位置属性。
步骤230d，在目标最后一次出现在视频区域的情况下：设置目标最后一次出现的网格的出度属性值增加一，以表明从该网格离开视频区域的目标总数增加一；将目标最后一次出现的网格的信息记录到该目标的离开位置属性。
步骤240，根据所有网格的入度属性值和出度属性值中的至少一个，计算在视频区域发生预设行为的目标总数。
上述实施例不仅能够准确地对运动目标计数，还能够统计运动目标进入或离开的位置信息。
图3为本公开运动目标计数的方法另一些实施例的流程示意图。该实施例例如可以由运动目标计数的装置执行。
如图3所示，该实施例的方法包括：
步骤310，初始化视频区域的网格列表以及每个网格的入度属性ID和出度属性OD。
假设视频区域被划分成4行×4列的共16个网格，则网格列表被初始化为16个网格，这些网格例如可以从0-15依次编号。每个网格的入度属性和出度属性均被初始为0。
步骤320，获取视频数据。
步骤330，基于视频数据检测到若干目标，设其中的任意一个目标为o。
步骤340，对目标o进行跟踪。
步骤350，根据每个时刻目标o的位置信息，确定该时刻目标o所在的网格。假设当前时刻目标o所在的网格为p。
步骤360，判断当前时刻目标o是否第一次出现在视频区域。如果目标o是第一次出现在视频区域，执行步骤370和380。如果目标o不是第一次出现在视频区域，执行步骤390。
步骤370，初始化目标o的进入位置属性in_pos和离开位置属性out_pos，例如，in_pos和out_pos的初始值为-1，以避免与后续记录的网络的信息混淆。
步骤380，由于目标o第一次出现的网格为p，将目标o的in_pos和out_pos属性值均设置为p，将网格p的ID和OD属性值均加1。
步骤390，获取当前时刻的前一时刻目标o的out_pos属性值，将前一时刻目标o的out_pos属性值记录的网格的OD属性值减1，将当前时刻目标o的out_pos属性值设置为p，将网格p的OD属性值加1。
通过步骤360～390，在目标o进入视频区域到离开视频区域的过程中：目标o第一次出现的网格的ID属性值加1，且最后一次出现的网格的OD属性值加1，目标o经过的其他网格的ID和OD属性值最终都不会变化，目标o的in_pos属性值最终记录的是目标o第一次出现的网格的信息，目标o的out_pos属性值最终记录的是目标o最后一次出现的网格的信息。
步骤3100，判断是否输出计数信息，如果不输出计数信息，则继续执行步骤320及其后续步骤，如果输出计数信息，则执行步骤3110。
例如，达到预设的统计时间，输出计数信息。
步骤3110，根据所有网格的ID属性值和OD属性值中的至少一个，计算在视频区域发生预设行为的目标总数，以确定进入、离开或经过视频区域的目标总数，具体计算方法参考步骤140的描述。
上述实施例不仅能够准确地对运动目标计数，还能够统计运动目标进入或离开的位置信息。
下面结合图4描述一个应用例。
视频区域被划分成4×4个网格，并被依次编号为0～15。假设目标o从网格15进入视频区域，经过网格10和5，最后从网格1离开视频区。在统计开始之前，所有网格的ID属性值和OD属性值均被初始化为0，目标o的in_pos属性值和out_pos属性值被初始化为-1。当检测到目标o第一次出现在视频区域，参考步骤130a，可以计算出目标o第一次出现的网格15，网格15的ID属性值和OD属性值均增加1，in_pos属性值和out_pos属性值均更改为15。然后，目标o移动到网格10，网格10的ID属性值不变，网格10的OD属性值增加1，网格15的OD属性值减小1，in_pos属性值不变，out_pos属性值更改为10。接着，目标o移动到网格5，网格5的ID属性值不变，网格5的OD属性值增加1，网格10的OD属性值减小1，in_pos属性值不变，out_pos属性值更改为5。接着，目标o移动到网格1，网格1的ID属性值不变，网格1的OD属性值增加1，网格5的OD属性值减小1，in_pos属性值不变，out_pos属性值更改为1。最后目标o从视频区域消失。
可见，在目标o进入视频区域到离开视频区域的过程中：目标o第一次出现的网格15的ID属性值加1，且最后一次出现的网格1的OD属性值加1，目标o经过的其他网格10和5的ID和OD属性值最终都不会变化，目标o的in_pos属性值最终记录的是目标o第一次出现的网格15的信息，目标o的out_pos属性值最终记录的是目标o最后一次出现的网格1的信息。如果此时统计所有网格的ID属性值和OD属性值，就会得出有1个目标进入、离开并经过视频区域。
基于本公开的运动目标计数信息，可以进行热点分析或者流量控制。例如，分析一段时间内各个网格的入度属性值，确定该段时间从每个网格进入视频区域的人数，入度属性值比较大的网格，说明从该网格进入视频区域的人数比较多，属于热点区域，可以对热点区域进行流量控制，引导人群从非热点区域进入。类似的，分析一段时间内各个网格的出度属性值，确定该段时间从每个网格离开视频区域的人数，并进行热点分析或者流量控制。此外，通过分析各个目标的in_pos属性值或out_pos属性值，也可以获得从各个网格进入或离开视频区域的人数。又例如，如果经过视频区域的总人数较多，可以对该视频区域进行流量控制，引导人群从其他非热点区域通行。
图5为本公开运动目标计数的装置一些实施例的示意图。
如图5所示，该实施例的装置包括：
存储器510；以及
耦接至存储器的处理器520，处理器被配置为基于存储在存储器中的指令，执行前述任意一个实施例的运动目标计数的方法。
存储器510例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(BootLoader)以及其他程序等。
图6为本公开运动目标计数的系统一些实施例的示意图。
如图6所示，该实施例的系统包括：摄像装置610和运动目标计数的装置620，
摄像装置610，被配置为拍摄视频，并传输相应的视频数据给运动目标计数的装置。
运动目标计数的装置620基于视频数据，执行前述任意一个实施例的运动目标计数的方法。
本公开还提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述任意一个实施例的运动目标计数的方法。
本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种运动目标计数的方法，其特征在于，包括：
获取视频数据，所述视频数据相应的视频区域被划分成多个网格，每个网格配置入度属性和出度属性，其中，网格的入度属性用于记录从该网格进入视频区域的目标总数，网格的出度属性用于记录从该网格离开视频区域的目标总数；
基于所述视频数据检测并跟踪所有目标；
针对每个目标：根据每个时刻所述目标的位置信息，确定该时刻所述目标所在的网格，在所述目标第一次出现在所述视频区域的情况下，设置所述目标第一次出现的网格的入度属性值增加一，在所述目标最后一次出现在所述视频区域的情况下，设置所述目标最后一次出现的网格的出度属性值增加一；
根据所有网格的入度属性值和出度属性值中的至少一个，计算在所述视频区域发生进入、离开或经过的预设行为的目标总数。
2.如权利要求1所述的方法，其特征在于，所述计算在所述视频区域发生预设行为的目标总数包括：
将所有网格的入度属性值的累计值确定为进入所述视频区域的目标总数；
或者，将所有网格的出度属性值的累计值确定为离开所述视频区域的目标总数；
或者，将所有网格的入度属性值的累计值与所有网格的出度属性值的累计值的平均值确定为经过所述视频区域的目标总数。
3.如权利要求1所述的方法，其特征在于，
针对每个目标：设置所述目标经过的其他网格的入度属性值和出度属性值不变，其中，所述其他网格是所述目标经过的除第一次出现的网格和最后一次出现的网格之外的网格。
4.如权利要求1所述的方法，其特征在于，
针对每个目标：设置所述目标第一次出现的网格的出度属性值增加一，设置所述目标经过的其他网格中的任意一个当前网格的出度属性值增加一，设置所述目标经过的当前网格的前一个网格的出度属性值减小一，
其中，所述其他网格是所述目标经过的除第一次出现的网格和最后一次出现的网格之外的网格。
5.如权利要求1所述的方法，其特征在于，
每个目标配置进入位置属性和离开位置属性；
每个目标的进入位置属性，被配置为记录所述目标第一次出现的网格的信息；
每个目标的离开位置属性，被配置为记录所述目标最后一次出现的网格的信息。
6.如权利要求1所述的方法，其特征在于，采用以下公式确定目标所在的网格：
其中，所述视频区域被划分成k1行和k2列的多个网格，k1和k2被配置为相同或不同，所述视频区域的宽度信息和高度信息分别表示为width和height，任一时刻所述目标的位置信息表示为(x,y)，该时刻所述目标所在网格表示为p，
表示向下取整的运算符号。
7.如权利要求1所述的方法，其特征在于，还包括：
基于网格的入度属性和出度属性中的至少一个进行热点分析或者流量控制。
8.一种运动目标计数的装置，其特征在于，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行权利要求1-7中任一项所述的运动目标计数的方法。
9.一种运动目标计数的系统，其特征在于，包括：摄像装置和权利要求8所述的运动目标计数的装置，
所述摄像装置，被配置为拍摄视频，并传输相应的视频数据给所述运动目标计数的装置。
10.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-7中任一项所述的运动目标计数的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910217589.3A CN109934850B (zh) | 2019-03-21 | 2019-03-21 | 运动目标计数的方法、装置和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910217589.3A CN109934850B (zh) | 2019-03-21 | 2019-03-21 | 运动目标计数的方法、装置和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109934850A CN109934850A (zh) | 2019-06-25 |
| CN109934850B true CN109934850B (zh) | 2021-04-30 |
Family
ID=66987933
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910217589.3A Active CN109934850B (zh) | 2019-03-21 | 2019-03-21 | 运动目标计数的方法、装置和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109934850B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231755A (zh) * | 2007-01-25 | 2008-07-30 | 上海遥薇实业有限公司 | 运动目标跟踪及数量统计方法 |
| CN102054306A (zh) * | 2011-01-31 | 2011-05-11 | 潘海朗 | 采用可变形二维曲线的人流量检测方法及系统 |
| CN103139212A (zh) * | 2013-02-07 | 2013-06-05 | 无锡南理工科技发展有限公司 | 一种复杂网络安全服务的方法 |
| CN103838846A (zh) * | 2014-03-06 | 2014-06-04 | 中国科学院软件研究所 | 一种基于大数据的面向个人的应急引导方法及系统 |
| CN105512772A (zh) * | 2015-12-22 | 2016-04-20 | 重庆邮电大学 | 一种基于移动网络信令数据的动态人流量预警方法 |
| CN107657330A (zh) * | 2017-08-16 | 2018-02-02 | 深圳先进技术研究院 | 一种候选公交线路计算方法、系统及电子设备 |
| CN108447255A (zh) * | 2018-03-21 | 2018-08-24 | 北方工业大学 | 一种城市道路动态交通网络结构信息系统 |
| CN109410577A (zh) * | 2018-11-09 | 2019-03-01 | 东北林业大学 | 基于空间数据挖掘的自适应交通控制子区划分方法 |
| CN109493587A (zh) * | 2017-09-12 | 2019-03-19 | 方正国际软件(北京)有限公司 | 一种设定公共交通线路的方法和装置 |
-
2019
- 2019-03-21 CN CN201910217589.3A patent/CN109934850B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231755A (zh) * | 2007-01-25 | 2008-07-30 | 上海遥薇实业有限公司 | 运动目标跟踪及数量统计方法 |
| CN102054306A (zh) * | 2011-01-31 | 2011-05-11 | 潘海朗 | 采用可变形二维曲线的人流量检测方法及系统 |
| CN103139212A (zh) * | 2013-02-07 | 2013-06-05 | 无锡南理工科技发展有限公司 | 一种复杂网络安全服务的方法 |
| CN103838846A (zh) * | 2014-03-06 | 2014-06-04 | 中国科学院软件研究所 | 一种基于大数据的面向个人的应急引导方法及系统 |
| CN105512772A (zh) * | 2015-12-22 | 2016-04-20 | 重庆邮电大学 | 一种基于移动网络信令数据的动态人流量预警方法 |
| CN107657330A (zh) * | 2017-08-16 | 2018-02-02 | 深圳先进技术研究院 | 一种候选公交线路计算方法、系统及电子设备 |
| CN109493587A (zh) * | 2017-09-12 | 2019-03-19 | 方正国际软件(北京)有限公司 | 一种设定公共交通线路的方法和装置 |
| CN108447255A (zh) * | 2018-03-21 | 2018-08-24 | 北方工业大学 | 一种城市道路动态交通网络结构信息系统 |
| CN109410577A (zh) * | 2018-11-09 | 2019-03-01 | 东北林业大学 | 基于空间数据挖掘的自适应交通控制子区划分方法 |
Non-Patent Citations (2)
| Title |
|---|
| Computer vision techniques for traffic flow computation;Li Bai 等;《springer》;20041231;第95-100页 * |
| 计算机视觉技术助力京东无人零售店;陈宇 等;《人工智能 落地应用》;20171031;正文第1-6页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109934850A (zh) | 2019-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11049259B2 (en) | Image tracking method | |
| US9147114B2 (en) | Vision based target tracking for constrained environments | |
| CN108182695B (zh) | 目标跟踪模型训练方法及装置、电子设备和存储介质 | |
| CN112465855B (zh) | 客流统计方法、装置、存储介质及设备 | |
| CN111798487A (zh) | 目标跟踪方法、装置和计算机可读存储介质 | |
| CN110853353A (zh) | 基于视觉的密度交通车辆计数和交通流量计算方法及系统 | |
| CN102314591B (zh) | 静止前景物体的检测方法和设备 | |
| CN112560641A (zh) | 基于视频的双向客流通道中的单向客流信息检测方法 | |
| KR101937436B1 (ko) | 3d 영상에서 배경과 전경을 분리하는 장치 및 방법 | |
| CN110555349A (zh) | 一种工作时长统计方法和装置 | |
| Heinrich et al. | Yield prognosis for the agrarian management of vineyards using deep learning for object counting | |
| CN109934850B (zh) | 运动目标计数的方法、装置和系统 | |
| CN111950507B (zh) | 数据处理和模型训练方法、装置、设备及介质 | |
| Salvagnini et al. | Non-myopic information theoretic sensor management of a single pan–tilt–zoom camera for multiple object detection and tracking | |
| CN111784742A (zh) | 一种行人跨镜头追踪方法及装置 | |
| CN116309721A (zh) | 基于多目标跟踪的视频折返识别方法、装置、设备及介质 | |
| Schindler et al. | Instance segmentation and tracking of animals in wildlife videos: SWIFT-segmentation with filtering of tracklets | |
| CN111860261B (zh) | 一种客流值的统计方法、装置、设备及介质 | |
| CN115272967A (zh) | 一种跨摄像机行人实时跟踪识别方法、装置及介质 | |
| CN111339873B (zh) | 客流统计方法、装置、存储介质及计算设备 | |
| CN112613516A (zh) | 用于航拍视频数据的语义分割方法 | |
| Chiddarwar | Application of computer vision algorithms for uninterrupted traffic monitoring based on aerial images and videos | |
| KR20180089976A (ko) | 객체 검출 영역을 이용한 다수 객체 추적 시스템 및 방법 | |
| CN112825193B (zh) | 目标跟踪方法、装置、电子设备以及存储介质 | |
| CN117831760A (zh) | 一种幼儿活力量化统计及社交能力分析的方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |