CN110555397A - 一种人群态势分析方法 - Google Patents
一种人群态势分析方法 Download PDFInfo
- Publication number
- CN110555397A CN110555397A CN201910775856.9A CN201910775856A CN110555397A CN 110555397 A CN110555397 A CN 110555397A CN 201910775856 A CN201910775856 A CN 201910775856A CN 110555397 A CN110555397 A CN 110555397A
- Authority
- CN
- China
- Prior art keywords
- head
- shoulder
- crowd
- frame
- running
- 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
- 238000004458 analytical method Methods 0.000 title abstract description 15
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 20
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000006073 displacement reaction Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
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
- 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
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
本发明涉及一种人群态势分析方法,该方法包括:获取监控区域内的视频流,检测视频流每帧图像中行人的头肩坐标,行人头肩坐标信息:头肩框中心点坐标(x,y),头肩框的宽高(w,h),通过历史坐标计算,头肩框移动速度V,及x方向分量Vx及y方向的分量Vy;本发明方法通过校正监控视频下视角畸变,准确分析出单人奔跑、人群奔跑、人群聚集和人群分散的态势。
Description
技术领域
本发明涉及通过监控视频对人群的分析,具体地指一种人群态势分析方法。
背景技术
通过视频监控对人群态势进行分析,实现对人群聚集、快速分散,奔跑等行为的实时监测和预警,及时发现和预警危害公共安全事件具有重要的意义,是维护公共场所人员安全的重要手段。但是,分析人群态势,不得不面对监控场所的复杂背景,光照,视角畸变等因素,其中,视角畸变是由于监控摄像头架设角度,呈现的视频图像是倾斜向下的视角,这会造成行人在视频中表现出近大远小,并且在图像中移动的行人,实际移动速度相同,但在图像上表现的速度因区域或方向不同而不同,即当摄像头成像与移动的地面不平行的时候,拍摄的图像平面里有位移大小的梯形失真,如图1所示。
近几年,随着人们对公共安全越来越关注,人群态势分析技术成为了研究者讨论的重点。随着人工智能,计算机视觉等技术的发展,对人群态势分析技术的研究也取得了较大的进步,基本能克服背景变换及光照变换的影响,目前只是通过建模简单判断人群拥挤程度或稀疏程度,并且对于人群移动速度分析,没有对视角畸变进行校正,无法获得行人在监控下不同区域的精确速度,从而无法准确分析出单人奔跑、人群奔跑、人群快速分散等态势。
发明内容
鉴于以上现有技术的局限性本发明提供的一种人群态势分析方法,该方法通过校正监控视频下视角畸变,准确分析出单人奔跑、人群奔跑、人群聚集和人群分散的态势。
本发明所采用的技术方案是一种人群态势分析方法,该方法包括:获取监控区域内的视频流,检测视频流每帧图像中行人的头肩坐标,行人头肩坐标信息:头肩框中心点坐标(x,y),头肩框的宽高(w,h),通过历史坐标计算,头肩框移动速度V,及x方向分量Vx及y方向的分量Vy;
通过下式将某个任意方向移动的行人头肩坐标校正到参考高度的移动速度V校正:
上式中,Vx校正为近似水平移动目标校正到参考高度的速度值,Vy校正为近似垂直移动目标校正到参考高度的速度值,R为同一高度的x方向速度和y方向速度的速度比率;Vx为轨迹信息计算得到的目标在x方向速度,h校正为参考高度上头肩框应有的高度,G为校正梯度,ha和hb分别为头肩a和头肩b检测框的框高,ya和yb分别为头肩a和头肩b中心点在图像中位置所处的高度。
进一步地,按照以下要求判断人群态势的状况:
(1)单人停留
目标一定时间内,头肩框移动的距离小于一定阈值;
(2)单人徘徊
目标为非停留行人,在监控范围内走动,且移动路径总和大于目标起始位置与终止位置直线距离的N倍,其中N为阈值参数;
(3)单人奔跑
利用校正后的速度单位时间移动的距离与参考高度处行人头肩框的框高比值来判定目标是否奔跑,比值大于一定阈值,则目标是奔跑状态;
(4)人群奔跑
在判定单人奔跑的基础上,奔跑人数达到一定阈值,通过轨迹信息查找人群奔跑起始点,并使用聚类算法,定位引起人群奔跑的具体区域;
(5)人群聚集
通过图像中头肩位置信息及校正梯度参数G建立人群密度图,通过设定密度阈值,初步筛选出人群密度大的区域,通过密度大区域中行人轨迹,删除边缘孤立行人,进一步缩小及精确聚集区域;
(6)聚集人群移动。
关注人群聚集区域,聚集区域中的人群都以正常的速度向某方向移动,则判定为聚集人群移动;
(7)聚集人群分散及快速分散
关注人群聚集区域,当聚集区域中人群少了50%以上,且离开聚集区域的人群朝不同方向移动开,则判定为聚集人群分散;若分散行人的移动速度达到奔跑级别,则判定为聚集人群快速分散。
在上述技术方案中,所述视频流每帧图像中行人的头肩坐标通过获取监控区域内的视频流和预先训练的深度学习头肩检测模型检测出,所述人体头肩检测模型通过如下步骤训练得到:采集训练样本图片多张,对训练样本图片进行人体头肩坐标标注得到训练样本集合,将训练样本集合中的样本图像和标注结果作为输入,通过多次调整训练参数训练得到人体头肩检测模型;将训练好的模型进行裁剪,并使用英伟达TenosrRT加速库进行加速优化,以使得整个系统能达到实时处理监控视频的要求。
进一步地,上述对检测到的头肩坐标使用多目标跟踪技术实时跟踪头肩目标,并使用匈牙利匹配技术,匹配头肩检测及头肩跟踪结果,进一步优化个别漏检或者误检的行人头肩。
附图说明
图1为摄像头成像与移动的地面不平行的时候,拍摄的图像平面里位移大小的梯形失真示意图。
图2为摄像头拍摄的图像。
图3为对图2根据头肩检测结果生成密度图及聚集区域突显示意图。
图4为人群从危险源处快速分散的示意图。
图5为人群快速奔跑离开危险源的示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明。
S1.获取监控区域内的视频流,根据预先训练的深度学习头肩检测模型检测视频流每帧图像中行人的头肩坐标。其中,人体头肩检测模型通过如下步骤训练得到:采集训练样本图片6w张,对训练样本图片进行人体头肩坐标标注;将训练样本集合中的样本图像和标注结果作为输入,通过多次调整训练参数训练得到人体头肩检测模型。将训练好的模型进行裁剪,并使用英伟达TenosrRT加速库进行加速优化,以使得整个系统能达到实时处理监控视频的要求。
S2.对检测到的头肩坐标使用多目标跟踪技术,实时跟踪头肩目标,使用匈牙利匹配技术,匹配头肩检测及头肩跟踪结果,进一步优化个别漏检或者误检的行人头肩。多目标跟踪技术不仅可以优化行人头肩检测结果,还可以获取行人头肩的历史轨迹信息。
通过头肩检测及跟踪算法,获取某个行人头肩信息如下:头肩框中心点坐标(x,y),头肩框的宽高(w,h),通过历史坐标可计算,头肩框移动速度V,及x方向分量Vx及y方向的分量Vy。在视角畸变的影响下,直接使用V比较不同位置的行人的移动速度,并以此来做奔跑等速度的判断,会造成较大误差,并得到错误的判定结果。
本发明通过以下步骤进行视角畸变的校正:
将行人在画面中不同高度及所在位置头肩检测框的高度的比值关系称之为校正梯度G(Gradient),用来矫正原始速度在移动面上随纵向的变化。把行人的横向位移校正到图像参考高度,就可以比较不同目标的横向速度。用最大似然估计,把所有目标在不同高度的头肩框高度拟合到一次线性方程中,用来表示模型中不同高度的单位宽度,并以此宽度为所在高度的单位位移。
h=G*y+ω
其中,h为头肩检测框的框高,G为校正梯度,y为头肩框中心点在图像中所处高度,ω为场景常量参数。
得到G的计算公式如下公式所示:
其中,G为校正梯度,ha和hb分别为头肩a和头肩b检测框的框高,ya和yb分别为头肩a和头肩b中心点在图像中位置所处的高度。
选取图像高度的一半作为参考高度(例如,1080P的视频,y校正=540),并把所有目标的横向速度校正到画面参考高度做速度比较,校正到参考高度的速度计算公式为:
得:
其中,Vx校正为目标校正到参考高度的x方向速度,Vx为轨迹信息计算得到的目标在x方向速度,h校正为参考高度上头肩框应有的高度。
除此之外,由于视角畸变的影响,行人在某处,以相同的实际速度向x方向移动或y方向移动,在图像画面中表现出移动距离倍数关系,将同一高度的x方向速度和y方向速度的关系称之为速度比率R(Ratio),用来校正相同速度向x方向和y方向移动的视角畸变差异。通过头肩轨迹信息寻找若干在画面中近似水平方向移动及垂直方向移动的行人来计算R,公式如下所示:
其中,Vx校正为某个近似水平移动(x方向)目标校正到参考高度的速度值,Vy校正为某个近似垂直移动(y方向)目标校正到参考高度的速度值。
则某个任意方向移动的目标校正到参考高度的移动速度V校正为:
由于速度准确与否就关系到态势判断的准确性,本发明通过V校正能矫正视角畸变中表现速度的差异,下面对人群态势各种情况的分析过程如下:
(1)单人停留
目标一定时间内,头肩框移动的距离小于一定阈值。
(2)单人徘徊
目标为非停留行人,在监控范围内走动,且移动路径总和大于目标起始位置与终止位置直线距离的N倍,其中N为阈值参数。
(3)单人奔跑
利用校正后的速度单位时间移动的距离与参考高度处行人头肩框的框高比值来判定目标是否奔跑,比值大于一定阈值,则目标是奔跑状态。
(4)人群奔跑
在判定单人奔跑的基础上,奔跑人数达到一定阈值,通过轨迹信息查找人群奔跑起始点,并使用聚类算法,定位引起人群奔跑的具体区域。
(5)人群聚集
通过图像中头肩位置信息及校正梯度参数G建立人群密度图,如图2和图3所示,通过设定密度阈值,初步筛选出人群密度大的区域,通过密度大区域中行人轨迹,删除边缘孤立行人,进一步缩小及精确聚集区域。
(6)聚集人群移动。
关注人群聚集区域,聚集区域中的人群都以正常的速度向某方向移动,则判定为聚集人群移动。
(7)聚集人群分散及快速分散
关注人群聚集区域,当聚集区域中人群少了50%以上,且离开聚集区域的人群朝不同方向移动开,则判定为聚集人群分散;若分散行人的移动速度达到奔跑级别,则判定为聚集人群快速分散。
通过对实时视频分析可以预防或及时处理公共场所中即将发生或刚刚发生的群体或个体危险事件,如图2和3所示,通过对人群聚集态势分析,发出报警信号,将斗殴等事件扼杀在摇篮中;如图4和5所示,通过对奔跑和快速分散态势的准确分析判定,发现和定位危险信息并发出报警信号,阻止危险事件扩散及二次危害的发生。而本发明的核心,对监控场景进行建模,矫正视角畸变,消除视角畸变对态势分析结果的影响,从而大大提高人群态势分析的准确性。
Claims (4)
1.一种人群态势分析方法,其特征在于,包括:
获取监控区域内的视频流,检测视频流每帧图像中行人的头肩坐标,行人头肩坐标信息:头肩框中心点坐标(x,y),头肩框的宽高(w,h),通过历史坐标计算,头肩框移动速度V,及x方向分量Vx及y方向的分量Vy;
通过下式将某个任意方向移动的行人头肩坐标校正到参考高度的移动速度V校正:
上式中,Vx校正为近似水平移动目标校正到参考高度的速度值,Vy校正为近似垂直移动目标校正到参考高度的速度值,R为同一高度的x方向速度和y方向速度的速度比率;Vx为轨迹信息计算得到的目标在x方向速度,h校正为参考高度上头肩框应有的高度,G为校正梯度,ha和hb分别为头肩a和头肩b检测框的框高,ya和yb分别为头肩a和头肩b中心点在图像中位置所处的高度。
2.根据权利要求1所述的人群态势分析方法,其特征在于按照以下要求判断人群态势的状况:
(1)单人停留
目标一定时间内,头肩框移动的距离小于一定阈值;
(2)单人徘徊
目标为非停留行人,在监控范围内走动,且移动路径总和大于目标起始位置与终止位置直线距离的N倍,其中N为阈值参数;
(3)单人奔跑
利用校正后的速度单位时间移动的距离与参考高度处行人头肩框的框高比值来判定目标是否奔跑,比值大于一定阈值,则目标是奔跑状态;
(4)人群奔跑
在判定单人奔跑的基础上,奔跑人数达到一定阈值,通过轨迹信息查找人群奔跑起始点,并使用聚类算法,定位引起人群奔跑的具体区域;
(5)人群聚集
通过图像中头肩位置信息及校正梯度参数G建立人群密度图,通过设定密度阈值,初步筛选出人群密度大的区域,通过密度大区域中行人轨迹,删除边缘孤立行人,进一步缩小及精确聚集区域;
(6)聚集人群移动。
关注人群聚集区域,聚集区域中的人群都以正常的速度向某方向移动,则判定为聚集人群移动;
(7)聚集人群分散及快速分散
关注人群聚集区域,当聚集区域中人群少了50%以上,且离开聚集区域的人群朝不同方向移动开,则判定为聚集人群分散;若分散行人的移动速度达到奔跑级别,则判定为聚集人群快速分散。
3.根据权利要求1或2所述的人群态势分析方法,其特征在于:所述视频流每帧图像中行人的头肩坐标通过获取监控区域内的视频流和预先训练的深度学习头肩检测模型检测出,所述人体头肩检测模型通过如下步骤训练得到:采集训练样本图片多张,对训练样本图片进行人体头肩坐标标注得到训练样本集合,将训练样本集合中的样本图像和标注结果作为输入,通过多次调整训练参数训练得到人体头肩检测模型;将训练好的模型进行裁剪,并使用英伟达TenosrRT加速库进行加速优化,以使得整个系统能达到实时处理监控视频的要求。
4.根据权利要求3所述的人群态势分析方法,其特征在于:对检测到的头肩坐标使用多目标跟踪技术实时跟踪头肩目标,并使用匈牙利匹配技术,匹配头肩检测及头肩跟踪结果,进一步优化个别漏检或者误检的行人头肩。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910775856.9A CN110555397A (zh) | 2019-08-21 | 2019-08-21 | 一种人群态势分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910775856.9A CN110555397A (zh) | 2019-08-21 | 2019-08-21 | 一种人群态势分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110555397A true CN110555397A (zh) | 2019-12-10 |
Family
ID=68737858
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910775856.9A Pending CN110555397A (zh) | 2019-08-21 | 2019-08-21 | 一种人群态势分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110555397A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242096A (zh) * | 2020-02-26 | 2020-06-05 | 贵州安防工程技术研究中心有限公司 | 基于人数梯度的人群聚集判别方法与系统 |
CN111291735A (zh) * | 2020-04-30 | 2020-06-16 | 华夏天信(北京)智能低碳技术研究院有限公司 | 基于轨迹分析的井下人员奔跑异常行为检测方法 |
CN111523281A (zh) * | 2020-07-06 | 2020-08-11 | 华东交通大学 | 极化高密度人群线性波动仿真方法、系统及可读存储介质 |
CN111738225A (zh) * | 2020-07-29 | 2020-10-02 | 中电科新型智慧城市研究院有限公司 | 人群聚集检测方法、装置、设备及存储介质 |
CN112329671A (zh) * | 2020-11-11 | 2021-02-05 | 润联软件系统(深圳)有限公司 | 一种基于深度学习的行人奔跑行为检测方法及相关组件 |
CN113034458A (zh) * | 2021-03-18 | 2021-06-25 | 广州市索图智能电子有限公司 | 室内人员轨迹分析方法、装置及存储介质 |
CN113239772A (zh) * | 2021-05-07 | 2021-08-10 | 南京甄视智能科技有限公司 | 自助银行或atm环境中的人员聚集预警方法与系统 |
CN114821795A (zh) * | 2022-05-05 | 2022-07-29 | 北京容联易通信息技术有限公司 | 一种基于ReID技术的人员跑动检测和预警方法及系统 |
CN115527158A (zh) * | 2022-08-11 | 2022-12-27 | 北京市燃气集团有限责任公司 | 一种基于视频监控的人员异常行为检测方法及装置 |
CN116800931A (zh) * | 2023-05-08 | 2023-09-22 | 佛山众陶联供应链服务有限公司 | 一种基于opc和行人识别模型的智能监控方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160313A (zh) * | 2014-09-15 | 2015-12-16 | 中国科学院重庆绿色智能技术研究院 | 视频监控中人群行为分析的方法及装置 |
CN107818312A (zh) * | 2017-11-20 | 2018-03-20 | 湖南远钧科技有限公司 | 一种基于异常行为识别的嵌入式系统 |
CN108121945A (zh) * | 2017-11-14 | 2018-06-05 | 深圳市深网视界科技有限公司 | 一种多目标检测跟踪方法、电子设备及存储介质 |
-
2019
- 2019-08-21 CN CN201910775856.9A patent/CN110555397A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160313A (zh) * | 2014-09-15 | 2015-12-16 | 中国科学院重庆绿色智能技术研究院 | 视频监控中人群行为分析的方法及装置 |
CN108121945A (zh) * | 2017-11-14 | 2018-06-05 | 深圳市深网视界科技有限公司 | 一种多目标检测跟踪方法、电子设备及存储介质 |
CN107818312A (zh) * | 2017-11-20 | 2018-03-20 | 湖南远钧科技有限公司 | 一种基于异常行为识别的嵌入式系统 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242096B (zh) * | 2020-02-26 | 2023-04-18 | 贵州安防工程技术研究中心有限公司 | 基于人数梯度的人群聚集的判别方法 |
CN111242096A (zh) * | 2020-02-26 | 2020-06-05 | 贵州安防工程技术研究中心有限公司 | 基于人数梯度的人群聚集判别方法与系统 |
CN111291735A (zh) * | 2020-04-30 | 2020-06-16 | 华夏天信(北京)智能低碳技术研究院有限公司 | 基于轨迹分析的井下人员奔跑异常行为检测方法 |
CN111523281A (zh) * | 2020-07-06 | 2020-08-11 | 华东交通大学 | 极化高密度人群线性波动仿真方法、系统及可读存储介质 |
CN111523281B (zh) * | 2020-07-06 | 2020-11-27 | 华东交通大学 | 极化高密度人群线性波动仿真方法、系统及可读存储介质 |
CN111738225A (zh) * | 2020-07-29 | 2020-10-02 | 中电科新型智慧城市研究院有限公司 | 人群聚集检测方法、装置、设备及存储介质 |
CN111738225B (zh) * | 2020-07-29 | 2020-12-11 | 中电科新型智慧城市研究院有限公司 | 人群聚集检测方法、装置、设备及存储介质 |
CN112329671A (zh) * | 2020-11-11 | 2021-02-05 | 润联软件系统(深圳)有限公司 | 一种基于深度学习的行人奔跑行为检测方法及相关组件 |
CN112329671B (zh) * | 2020-11-11 | 2022-06-17 | 润联软件系统(深圳)有限公司 | 一种基于深度学习的行人奔跑行为检测方法及相关组件 |
CN113034458A (zh) * | 2021-03-18 | 2021-06-25 | 广州市索图智能电子有限公司 | 室内人员轨迹分析方法、装置及存储介质 |
CN113034458B (zh) * | 2021-03-18 | 2023-06-23 | 广州市索图智能电子有限公司 | 室内人员轨迹分析方法、装置及存储介质 |
CN113239772A (zh) * | 2021-05-07 | 2021-08-10 | 南京甄视智能科技有限公司 | 自助银行或atm环境中的人员聚集预警方法与系统 |
CN113239772B (zh) * | 2021-05-07 | 2022-09-06 | 南京甄视智能科技有限公司 | 自助银行或atm环境中的人员聚集预警方法与系统 |
CN114821795B (zh) * | 2022-05-05 | 2022-10-28 | 北京容联易通信息技术有限公司 | 一种基于ReID技术的人员跑动检测和预警方法及系统 |
CN114821795A (zh) * | 2022-05-05 | 2022-07-29 | 北京容联易通信息技术有限公司 | 一种基于ReID技术的人员跑动检测和预警方法及系统 |
CN115527158A (zh) * | 2022-08-11 | 2022-12-27 | 北京市燃气集团有限责任公司 | 一种基于视频监控的人员异常行为检测方法及装置 |
CN116800931A (zh) * | 2023-05-08 | 2023-09-22 | 佛山众陶联供应链服务有限公司 | 一种基于opc和行人识别模型的智能监控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110555397A (zh) | 一种人群态势分析方法 | |
CN105574501B (zh) | 一种人流视频侦测分析系统 | |
CN104008371B (zh) | 一种基于多摄像机的区域可疑目标跟踪与识别方法 | |
US9286678B2 (en) | Camera calibration using feature identification | |
TWI448977B (zh) | 基於視訊分析的物件計數方法與裝置 | |
CA3094424C (en) | Safety monitoring and early-warning method for man-machine interaction behavior of underground conveyor belt operator | |
CN113011367B (zh) | 一种基于目标轨迹的异常行为分析方法 | |
CN109076190B (zh) | 检测异常情况的设备和方法 | |
Cheng et al. | Intelligent highway traffic surveillance with self-diagnosis abilities | |
CN110379168B (zh) | 一种基于Mask R-CNN的交通车辆信息获取方法 | |
CN111144247A (zh) | 一种基于深度学习的自动扶梯乘客逆行检测方法 | |
CN106128053A (zh) | 一种智慧金睛识别人员逗留徘徊报警方法和装置 | |
CN109344690B (zh) | 一种基于深度相机的人数统计方法 | |
CN108230254A (zh) | 一种自适应场景切换的高速交通全车道线自动检测方法 | |
CN102542289A (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
CN110189363B (zh) | 一种机场场面移动目标低视角视频测速方法 | |
CN106327880B (zh) | 一种基于监控视频的车速识别方法及其系统 | |
CN113362374A (zh) | 一种基于目标跟踪网络的高空抛物检测方法及系统 | |
KR102199252B1 (ko) | 교통상황 분석 방법 및 장치 | |
CN110147748A (zh) | 一种基于道路边缘检测的移动机器人障碍物识别方法 | |
Kilicarslan et al. | Direct vehicle collision detection from motion in driving video | |
CN106919889A (zh) | 对视频图像中的人头进行检测的方法和装置 | |
CN112329671B (zh) | 一种基于深度学习的行人奔跑行为检测方法及相关组件 | |
CN115410155A (zh) | 一种基于多目标跟踪的人流量统计方法 | |
Heo et al. | Autonomous reckless driving detection using deep learning on embedded GPUs |
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: 20191210 |
|
RJ01 | Rejection of invention patent application after publication |