CN110633625A - 识别方法和系统 - Google Patents
识别方法和系统 Download PDFInfo
- Publication number
- CN110633625A CN110633625A CN201910699881.3A CN201910699881A CN110633625A CN 110633625 A CN110633625 A CN 110633625A CN 201910699881 A CN201910699881 A CN 201910699881A CN 110633625 A CN110633625 A CN 110633625A
- Authority
- CN
- China
- Prior art keywords
- target
- attribute information
- information
- identification
- suspicious
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 48
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000008033 biological extinction Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种识别方法,应用于数据处理装置端,所述方法包括接收来自第一目标识别装置的关于第一目标的第一属性信息;接收来自第二目标识别装置的关于第二目标的第二属性信息;将所述第一属性信息与所述第二属性信息进行比较;以及根据比较结果,确定所述第一目标与所述第二目标是否为同一目标。本申请还提供一种应用于目标识别装置的识别方法以及一种识别系统。根据上述识别方法和系统,通过接收和利用来自两个以上目标识别装置发送的有关可疑目标的信息,在比较和分析信息后,确定可疑目标是为真实存在的目标。
Description
技术领域
本申请大致涉及图像处理领域,尤其涉及一种识别方法和系统。
背景技术
在现有图像处理方案中,往往通过图像识别算法识别所捕获图像的信息。例如,一个摄像机捕获到图像,将图像进行处理后,供观察者(例如监控人员)查看。
为了获取更清晰的图像,现有技术中通常通过提高摄像机的图像处理能力来实现,例如,摄像机的图像处理能力越强,图像处理能力越好,所反馈的图像越清晰,能够给观察者更好的参考。
提高摄像机的图像处理能力的确能够在一定程度上提升图像识别的效果,然而,为了获取更清晰的图像,需要更好的摄像机,这会增加投入的成本。而且,由于受环境以及目标体积过小的影响,还是会存在摄像机无法识别目标的情形,例如,对于图像中的目标是真实存在的目标还是只是例如受环境影响产生的虚假目标,例如噪声点。将这种不能确定是否是真实存在的目标称为可疑目标。
因此,需要提供一种方案来确定可疑目标是否为真实目标。
发明内容
现有技术中存在无法确定可疑目标是否为真实目标的问题。
针对现有技术存在的上述问题,本发明提供一种识别方法和系统,通过接收和利用来自两个以上目标识别装置发送的有关可疑目标的信息,在比较和分析信息后,确定可疑目标是为真实存在的目标。
根据第一方面,提供一种识别方法,应用于数据处理装置端,其包括:
接收来自第一目标识别装置的关于第一目标的第一属性信息;
接收来自第二目标识别装置的关于第二目标的第二属性信息;
将所述第一属性信息与所述第二属性信息进行比较;以及
根据比较结果,确定所述第一目标与所述第二目标是否为同一目标。
根据第二方面,提供一种识别方法,应用于目标识别装置端,其包括:
确定需要进行核实的目标;
获取所述目标的目标属性信息;以及
将该目标属性信息发送至数据处理装置。
根据第三方面,提供一种识别系统,其包括数据处理装置、第一目标识别装置和第二目标识别装置,其中,所述数据处理装置用于实施根据第一方面的步骤,所述第一目标识别装置和所述第二目标识别装置用于实施根据第二方面的步骤。
根据上述识别方法和系统,通过接收和利用来自两个以上目标识别装置发送的有关可疑目标的信息,在比较和分析信息后,确定可疑目标是为真实存在的目标。而且,目标识别装置可采用常规的装置,例如普通的摄像机和/或雷达,能够减少系统成本。
为进一步清楚解释本发明的特征及技术内容,请参阅以下有关本发明的详细说明与附图,然而所提供的附图仅用于提供参考与说明,并非用来对本发明加以限制。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本发明实施例的识别系统的示意图。
图2是根据本发明实施例的数据处理装置实施识别方法的流程图。
图3是根据本发明实施例的目标识别装置实施识别方法的流程图。
附图标记说明:
100-数据处理装置,
110-第一目标识别装置,
120-第二目标识别装置。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"坚直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语"第一"、"第二"仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,"多个"的含义是两个或两个以上,除非另有明确具体的限定。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
在本发明的实施例中,通过接收和利用来自两个以上目标识别装置发送的有关可疑目标的信息,在比较和分析信息后,确定可疑目标是为真实存在的目标。而且,目标识别装置可采用常规的装置,例如普通的摄像机和/或雷达,能够减少系统成本。
以下结合附图对本申请的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本申请,并不用于限定本申请。
图1是根据本发明实施例的识别系统的示意图。如图1所示,识别系统包括数据处理装置100、第一目标识别装置110以及第二目标识别装置120。
其中,第一目标识别装置110和第二目标识别装置120分别用于捕获目标属性信息,并将各自捕获的可疑目标的目标属性信息传递至数据处理装置100。数据处理装置100将所接收的来自第一目标识别装置110和第二目标识别装置120的目标属性信息进行比较与分析,从而确定第一目标识别装置110和第二目标识别装置120所捕获的是否为同一目标。如果为同一目标,则判定该可疑目标是真实存在的目标;否则,则判定该可疑目标不是真实存在的目标。关于第一目标识别装置110和第二目标识别装置120如何获取可疑目标的目标属性信息、数据处理装置100如何将可疑目标的目标属性信息进行比较和分析以及数据处理装置100如何判定该可疑目标是否是真实存在的目标,将会在下文中进行详细描述。
需要注意的是,图1中只显示了两个目标识别装置110和120,本领域技术人员能够理解的是这只是一种实现方式,根据实际需要,目标识别装置的数量还可以是三个、四个、五个…,这些都属于本申请覆盖的范围。
第一目标识别装置110和第二目标识别装置120可以为摄像机和/或雷达,其中,摄像机包括球形摄像机、数码摄像机等,雷达包括微波雷达、毫米波雷达、激光雷达等。
基于上述识别系统,本案提供识别方法,该识别方法分别由数据处理装置和第一或第二目标识别装置实施,图2是根据本发明实施例的数据处理装置实施识别方法的流程图。图3是根据本发明实施例的目标识别装置实施识别方法的流程图。
如图2所示,一种识别方法包括:
S201,接收来自第一目标识别装置的关于第一目标的第一属性信息。
为方便说明,以第一目标识别装置为摄像机为例。摄像机捕获到一帧一帧的图像,图像中包括了很多目标,例如,人、树、动物等等。这些目标有些是清晰的,但是受环境(例如,光影效果)或目标体积等的影响,图像的目标中可能会有一些不清晰的目标。摄像机可以通过一个或一系列的图像识别算法(例如,神经网络算法),判定一个目标是真实存在的还是可疑的(即是否真实存在尚不确定)。
对于图像中的目标,尤其是待确定的可疑目标,摄像机可以获取该目标的目标属性信息。该目标属性信息可以包括目标的位置信息,还可以包括目标的速度信息或体积信息等。
S202,接收来自第二目标识别装置的关于第二目标的第二属性信息。
该步骤与步骤S201类似,不同之处在于第二目标识别装置可以是雷达。雷达捕获到雷达图像,图像中包括了很多目标,这些目标有些是清晰的,但是如果目标非沿雷达径向持续运动,例如目标时动时静,目标切向运动等,雷达就不能够确定地探测目标。雷达可以通过信号处理技术,雷达数据处理技术等技术,其中,信号处理技术主要包括变换、滤波、调制、解调、检测以及谱分析和估计等,雷达数据处理技术主要包括数据预处理、航迹起始、数据关联、跟踪滤波、航迹消亡以及质量评估等,判定一个目标是真实存在的还是可疑的(即是否真实存在尚不确定)。
对于雷达图像中的目标,尤其是待确定的可疑目标,雷达可以获取该目标的目标属性信息。该目标属性信息可以包括目标的位置信息,还可以包括目标的速度信息或体积信息等。
以上将第一目标识别装置和第二目标识别装置分别具体化为摄像机和雷达,然而这只是为了便于说明的一种具体实现方式。第一目标识别装置可以为摄像机、雷达或其他目标识别装置,第二目标识别装置也可以为摄像机、雷达或其他目标识别装置,并且,第一目标识别装置和第二目标识别装置也可以是相同类型的目标识别装置,例如,均为摄像机或均为雷达。
为了便于数据处理装置的分析和判断,第一属性信息和第二属性信息应包含相同类型的属性信息,例如均包含位置信息。
S203,将第一属性信息与第二属性信息进行比较。
数据处理装置将接收的来自第一目标识别装置和第二目标识别装置的第一属性信息与第二属性信息进行比较。例如,第一属性信息和第二属性信息均包括位置信息,则数据处理装置将来自二者的位置信息进行比较。在一个优选的实施例中,数据处理装置将来自二者的位置信息进行比较之前,将位置信息转换在同一个坐标系或同一个参照物下进行比较。再如,第一属性信息和第二属性信息均包括速度信息,则数据处理装置将来自二者的速度信息进行比较。类似的,数据处理装置还可以比较来自第一目标识别装置和第二目标识别装置的目标属性信息,例如体积等。
在一个优选实施例中,数据处理装置比较的目标属性信息的种类大余一种,例如,同时比较位置信息和速度信息,再如,同时比较位置信息、速度信息和体积信息等等。所比较的目标属性信息的种类越多,对于可疑目标的判定结果的置信度越高。
S204,根据比较结果,确定第一目标与第二目标是否为同一目标。
判断所述第一属性信息和所述第二属性信息是否满足重合度要求。例如,目标属性信息包括位置信息或速度信息,数据处理装置将第一目标识别装置传递和第二目标识别装置分别传递的位置信息或速度信息进行比较,确定二者的位置信息或速度信息是一致的,即满足重合度要求,则判定第一目标识别装置传递和第二目标识别装置分别捕获的可疑目标是真实存在的目标;否则,则判定可疑目标不是真实存在的目标。
在一个具体实现方式中,数据处理装置可以预设一个阈值,第一目标识别装置和第二目标识别装置的目标属性信息之间的差别在该阈值范围内时,确定第一目标识别装置和第二目标识别装置分别捕获的目标为同一目标,即确定可疑目标为真实存在的目标。
例如,对于目标属性信息为位置信息的情形,数据处理装置可以预设一个位置阈值,第一目标识别装置传递和第二目标识别装置的位置信息的差别在该位置阈值内,则确定第一目标识别装置和第二目标识别装置分别捕获的目标为同一目标。再如,对于目标属性信息为速度信息的情形,数据处理装置可以预设一个速度阈值,第一目标识别装置传递和第二目标识别装置的速度信息的差别在该速度阈值内,则确定第一目标识别装置和第二目标识别装置分别捕获的目标为同一目标。类似地,还可以设置其他目标属性信息下的阈值以及判定方法。
并且在目标属性信息包括多种时,要求各种目标属性信息均满足重合度要求,对于可疑目标的判定结果的置信度越高。
根据上述识别方法,通过接收和利用来自两个以上目标识别装置发送的有关可疑目标的信息,在比较和分析信息后,确定可疑目标是为真实存在的目标。而且,目标识别装置可采用常规的装置,例如普通的摄像机和/或雷达,能够减少系统成本。
本发明还提供一种由目标识别装置实施的识别方法。如图3所示,一种识别方法包括:
S301,确定需要进行核实的目标。
确定要进行核实的目标包括确定可疑目标,也可包括确定非可疑目标(例如,确定存在的目标)。其中,确定可疑目标包括:设置目标置信度阈值,当所述目标的置信度低于该目标置信度阈值时,将所述目标确定为可疑目标。
如上所述,目标识别装置可以为摄像机、雷达或其他目标识别装置。对于摄像机来说,摄像机捕获到一帧一帧的图像,图像中包括了很多目标,例如,人、树、动物等等。这些目标有些是清晰的,但是受环境(例如,光影效果)或目标体积等的影响,图像的目标中可能会有一些不清晰的目标。摄像机可以通过一个或一系列的图像识别算法(例如,神经网络算法),判定一个目标是真实存在的还是可疑的(即是否真实存在尚不确定)。在一个可选实施例中,摄像机可以预先设定一个目标置信度阈值,例如,80%,通过一个或一系列的图像识别算法,一个目标的置信度,例如60%,低于该目标置信度阈值,则判定该目标为可疑目标,否则,则判定该目标是非可疑目标。
对于雷达来说,捕获到雷达图像,图像中包括了很多目标,这些目标有些是清晰的,但是如果目标非沿雷达径向持续运动,例如目标时动时静,目标切向运动等,雷达就不能够确定地探测目标。雷达可以通过一个或一系列的雷达识别算法,例如,恒虚警率(Constant Fa l se-Al arm Rate,CFAR)算法、聚类算法、目标跟踪算法等,判定一个目标是真实存在的还是可疑的(即是否真实存在尚不确定)。在一个可选实施例中,雷达可以预先设定一个目标置信度阈值,例如,80%,通过一个或一系列的雷达识别算法,一个目标的置信度,例如60%,低于该目标置信度阈值,则判定该目标为可疑目标,否则,则判定该目标是非可疑目标。
以上实施例只是判断目标是否为可疑目标的一种方式,本领域技术人员在上述实施例的教示下想到的其他判断方式,都属于本发明覆盖的范围。
S302,获取目标的目标属性信息。
目标识别装置可以将可疑目标的目标属性信息传递至数据处理装置,也可以将非可疑目标(例如,确定存在的目标)的目标属性信息传递至数据处理装置。
目标属性信息可以包括目标的位置信息,还可以包括目标的速度信息或体积信息等。
S303,将目标属性数据发送至数据处理装置。
目标识别装置将目标属性数据发送至数据处理装置,供数据处理装置处理和判断。
根据上述识别方法,通过接收和利用来自两个以上目标识别装置发送的有关可疑目标的信息,在比较和分析信息后,确定可疑目标是为真实存在的目标。而且,目标识别装置可采用常规的装置,例如普通的摄像机和/或雷达,能够减少系统成本。
此外,本发明还提供一种识别系统,其包括数据处理装置、第一目标识别装置和第二目标识别装置。参照上述实施例,数据处理装置用于:
接收来自第一目标识别装置的关于第一目标的第一属性信息;
接收来自第二目标识别装置的关于第二目标的第二属性信息;
将所述第一属性信息与所述第二属性信息进行比较;以及
根据比较结果,确定所述第一目标与所述第二目标是否为同一目标。
其中,所述根据比较结果,确定所述第一目标与所述第二目标是否为同一目标包括:判断所述第一属性信息和所述第二属性信息是否满足重合度要求。
其中,所述判断所述第一属性信息和所述第二属性信息是否满足重合度要求包括:将所述第一属性信息和所述第二属性信息之间的差别与预设的阈值范围进行比较,并在所述差别处于所述阈值范围内时,确定所述第一目标与所述第二目标为同一目标。
其中,所述第一属性信息和所述第二属性信息均包括位置信息。
其中,所述第一属性信息和所述第二属性信息均还包括速度信息以及/或者体积信息。
其中,所述第一目标识别装置和所述第二目标识别装置包括摄像机和/或雷达。
参照上述实施例,第一目标识别装置和第二目标识别装置用于:
确定需要进行核实的目标;
获取所述目标的目标属性信息;以及
将该目标属性信息发送至数据处理装置。
其中,所述确定要进行核实的目标包括将可疑目标确定为要进行核实的目标。
其中,所述确定可疑目标包括:将目标的置信度与预设的目标置信度阈值进行比较,并在所述目标的置信度低于所述目标置信度阈值时,,将所述目标确定为可疑目标。
其中,所述第一目标识别目标属性信息和所述第二目标识别目标属性信息均包括位置信息。
其中,所述第一属性信息和所述第二属性信息均还包括速度信息以及/或者体积信息。
其中,所述第一目标识别装置和所述第二目标识别装置包括摄像机和/或雷达。
根据上述识别方法和系统,通过接收和利用来自两个以上目标识别装置发送的有关可疑目标的信息,在比较和分析信息后,确定可疑目标是为真实存在的目标。而且,目标识别装置可采用常规的装置,例如普通的摄像机和/或雷达,能够减少系统成本。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
最后应说明的是:以上所述仅为本申请的优选实施例而已,并不用于限制本申请,尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (13)
1.一种识别方法,应用于数据处理装置端,其包括:
接收来自第一目标识别装置的关于第一目标的第一属性信息;
接收来自第二目标识别装置的关于第二目标的第二属性信息;
将所述第一属性信息与所述第二属性信息进行比较;以及
根据比较结果,确定所述第一目标与所述第二目标是否为同一目标。
2.如权利要求1所述的方法,其中,所述根据比较结果,确定所述第一目标与所述第二目标是否为同一目标包括:判断所述第一属性信息和所述第二属性信息是否满足重合度要求。
3.如权利要求或2所述的方法,其中,所述判断所述第一属性信息和所述第二属性信息是否满足重合度要求包括:将所述第一属性信息和所述第二属性信息之间的差别与预设的阈值范围进行比较,并在所述差别处于所述阈值范围内时,确定所述第一目标与所述第二目标为同一目标。
4.如权利要求1至3中任意一者所述的方法,其中,所述第一属性信息和所述第二属性信息均包括位置信息。
5.如权利要求4所述的方法,其中,所述第一属性信息和所述第二属性信息均还包括速度信息以及/或者体积信息。
6.如权利要求1至3中任意一者所述的方法,其中,所述第一目标识别装置和所述第二目标识别装置包括摄像机和/或雷达。
7.一种识别方法,应用于目标识别装置端,其包括:
确定需要进行核实的目标;
获取所述目标的目标属性信息;以及
将该目标属性信息发送至数据处理装置。
8.如权利要求7所述的方法,其中,所述确定要进行核实的目标包括:将可疑目标确定为要进行核实的目标。
9.如权利要求8所述的方法,其中,所述将可疑目标确定为要进行核实的目标包括:将目标的置信度与预设的目标置信度阈值进行比较,并在所述目标的置信度低于所述目标置信度阈值时,将所述目标确定为可疑目标。
10.如权利要求7至9中任意一者所述的方法,其中,所述第一目标识别目标属性信息和所述第二目标识别目标属性信息均包括位置信息。
11.如权利要求10所述的方法,其中,所述第一属性信息和所述第二属性信息均还包括速度信息以及/或者体积信息。
12.如权利要求7至9中任意一者所述的方法,其中,所述第一目标识别装置和所述第二目标识别装置包括摄像机和/或雷达。
13.一种识别系统,其包括数据处理装置、第一目标识别装置和第二目标识别装置,其中,所述数据处理装置用于执行根据权利要求1至6任意一者所述的方法,而所述第一目标识别装置和所述第二目标识别装置用于执行根据权利要求7至12任意一者所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910699881.3A CN110633625A (zh) | 2019-07-31 | 2019-07-31 | 识别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910699881.3A CN110633625A (zh) | 2019-07-31 | 2019-07-31 | 识别方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110633625A true CN110633625A (zh) | 2019-12-31 |
Family
ID=68969859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910699881.3A Pending CN110633625A (zh) | 2019-07-31 | 2019-07-31 | 识别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110633625A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111238466A (zh) * | 2020-01-20 | 2020-06-05 | 和宇健康科技股份有限公司 | 一种室内导航方法、装置、介质及终端设备 |
CN112305531A (zh) * | 2020-12-29 | 2021-02-02 | 北京海兰信数据科技股份有限公司 | 一种目标检测方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542843A (zh) * | 2010-12-07 | 2012-07-04 | 比亚迪股份有限公司 | 防止车辆碰撞的预警方法及装置 |
CN104821056A (zh) * | 2015-04-30 | 2015-08-05 | 湖南华诺星空电子技术有限公司 | 基于雷达与视频融合的智能警戒方法 |
CN105522998A (zh) * | 2014-10-15 | 2016-04-27 | 本田技研工业株式会社 | 物体识别装置 |
CN106379319A (zh) * | 2016-10-13 | 2017-02-08 | 上汽大众汽车有限公司 | 一种汽车辅助驾驶系统及控制方法 |
CN108180909A (zh) * | 2017-12-22 | 2018-06-19 | 北京三快在线科技有限公司 | 相对位置确定方法、装置及电子设备 |
CN108710828A (zh) * | 2018-04-18 | 2018-10-26 | 北京汽车集团有限公司 | 识别目标物的方法、装置和存储介质以及车辆 |
CN108805900A (zh) * | 2017-05-03 | 2018-11-13 | 杭州海康威视数字技术股份有限公司 | 一种跟踪目标的确定方法及装置 |
CN109711241A (zh) * | 2018-10-30 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 物体检测方法、装置与电子设备 |
-
2019
- 2019-07-31 CN CN201910699881.3A patent/CN110633625A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542843A (zh) * | 2010-12-07 | 2012-07-04 | 比亚迪股份有限公司 | 防止车辆碰撞的预警方法及装置 |
CN105522998A (zh) * | 2014-10-15 | 2016-04-27 | 本田技研工业株式会社 | 物体识别装置 |
CN104821056A (zh) * | 2015-04-30 | 2015-08-05 | 湖南华诺星空电子技术有限公司 | 基于雷达与视频融合的智能警戒方法 |
CN106379319A (zh) * | 2016-10-13 | 2017-02-08 | 上汽大众汽车有限公司 | 一种汽车辅助驾驶系统及控制方法 |
CN108805900A (zh) * | 2017-05-03 | 2018-11-13 | 杭州海康威视数字技术股份有限公司 | 一种跟踪目标的确定方法及装置 |
CN108180909A (zh) * | 2017-12-22 | 2018-06-19 | 北京三快在线科技有限公司 | 相对位置确定方法、装置及电子设备 |
CN108710828A (zh) * | 2018-04-18 | 2018-10-26 | 北京汽车集团有限公司 | 识别目标物的方法、装置和存储介质以及车辆 |
CN109711241A (zh) * | 2018-10-30 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 物体检测方法、装置与电子设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111238466A (zh) * | 2020-01-20 | 2020-06-05 | 和宇健康科技股份有限公司 | 一种室内导航方法、装置、介质及终端设备 |
CN111238466B (zh) * | 2020-01-20 | 2020-12-08 | 和宇健康科技股份有限公司 | 一种室内导航方法、装置、介质及终端设备 |
CN112305531A (zh) * | 2020-12-29 | 2021-02-02 | 北京海兰信数据科技股份有限公司 | 一种目标检测方法及装置 |
CN112305531B (zh) * | 2020-12-29 | 2022-02-11 | 北京海兰信数据科技股份有限公司 | 一种目标检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9530221B2 (en) | Context aware moving object detection | |
JP5297078B2 (ja) | 車両の死角における移動物体を検知するための方法、および死角検知装置 | |
US9367748B1 (en) | System and method for autonomous lock-on target tracking | |
CN111582130B (zh) | 一种基于多源异构信息的交通行为感知融合系统及方法 | |
CN110428442B (zh) | 目标确定方法、目标确定系统和监控安防系统 | |
CN110633625A (zh) | 识别方法和系统 | |
WO2023071992A1 (zh) | 多传感器信号融合的方法、装置、电子设备及存储介质 | |
CN108535714B (zh) | 一种毫米波雷达检测开放空间遮挡物体的方法及装置 | |
US11698459B2 (en) | Method and apparatus for determining drivable region information | |
CN112183219A (zh) | 一种基于人脸识别的公共安全视频监测方法及系统 | |
CN114581944B (zh) | 一种毫米波图像处理方法、装置及电子设备 | |
CN108446581B (zh) | 一种恶劣环境中的无人机检测方法 | |
CN112668389A (zh) | 高空抛物目标检测方法、设备、系统及存储介质 | |
CN111480180B (zh) | 用于检测和跟踪目标的方法和装置、光电设备 | |
CN113994381A (zh) | 检测移动物体的方法 | |
KR101652193B1 (ko) | 레이더를 이용한 타겟 검출 방법 및 그 장치 | |
WO2023275544A1 (en) | Methods and systems for detecting vessels | |
CN116740874A (zh) | 一种入侵检测方法及相关装置 | |
CN112435479B (zh) | 目标物体违章检测方法、装置、计算机设备及系统 | |
KR102421043B1 (ko) | 영상처리장치 및 그 장치의 구동방법 | |
Lee et al. | Fire detection using color and motion models | |
Zhou et al. | Multi-object particle filter tracking with automatic event analysis | |
CN110517427B (zh) | 一种报警信息识别方法、服务器和系统 | |
KR20180105855A (ko) | 퓨전 탐지 시스템, 탐지 프로세서, 레이더 장치 및 물체 탐지 방법 | |
CN111754713B (zh) | 视频监控方法、装置及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191231 |