CN110705432A - 一种基于彩色和深度摄像头的行人检测装置及方法 - Google Patents
一种基于彩色和深度摄像头的行人检测装置及方法 Download PDFInfo
- Publication number
- CN110705432A CN110705432A CN201910917429.XA CN201910917429A CN110705432A CN 110705432 A CN110705432 A CN 110705432A CN 201910917429 A CN201910917429 A CN 201910917429A CN 110705432 A CN110705432 A CN 110705432A
- Authority
- CN
- China
- Prior art keywords
- depth
- image
- rgb
- camera
- face
- 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.)
- Granted
Links
Images
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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于彩色和深度摄像头的行人检测装置及方法,该检测装置包括:深度摄像头用于采集图像深度视频信息;RGB摄像头用于采集图像RGB视频信息;帧采样模块用于对深度图像和RGB图像同时采样;滤噪模块分别对同一时刻的深度图像和RGB图像进行消噪和恢复处理,得滤噪后的深度图像和RGB图像;人脸检测模块用于对滤噪后的深度图像和RGB图像中的人脸进行采集,得到三维人脸特征向量,进而对人脸进行识别。该检测装置用于解决前端设备在进行人脸检测及识别时运算量大、即时性差的问题;其检测方法可以跳过人脸不会出现的像素区域,大大节约了人脸检测执行效率,提高硬件资源的有效利用率。
Description
技术领域
本发明涉及行人检测领域,具体涉及一种基于彩色和深度摄像头的行人检测装置及方法,可以通过图像的彩色信息和深度信息来进行无关像素遮蔽、判断人脸出现位置进而对人脸进行识别。
背景技术
现如今人脸识别在生活中应用日益广泛,而随着人们对人脸识别要求的日益提高,基于深度摄像头和RGB摄像头的人脸识别技术被认为具有良好的识别准确度。同时,由于对准确度和快捷性的要求,对一幅图像进行的处理也随之上升,所需提取并且进行比对的人脸特征也不断增加,这虽然提高了算法和设备的可靠性,对硬件具有更高的要求。一般性的前端设备很难进行1:N甚至N:N的人脸比对,在连续帧中采集多张人脸就会占用很大的硬件资源,例如执法记录仪等这种要求功耗低、待电强的设备很难整合人脸检测识别功能,但该功能在前端设备的普及无疑会大大提高相关工作的执行效率。
人脸识别功能又分为人脸检测和人脸识别两个部分,其中在一幅图像中用检索框检索人脸往往占用了前端很大一部分硬件资源。然而对一幅图像中无关区域的检索和对无关像素的处理又占用了很多系统资源。在街道或人员密集处,人群往往只有行走、下蹲等简单姿势,若摄像设备相对地面位置变动不大,人脸出现的位置在图像中只会出现在特定区域,人脸检索其实只需要在部分区域内进行即可。
发明内容
针对现有技术中存在的问题,本发明的目的在于提供一种基于彩色和深度摄像头的行人检测装置及方法,该检测装置用于解决前端设备在进行人脸检测及识别时运算量大、即时性差的问题;其检测方法在进行人脸检测可以跳过人脸不会出现的像素区域,大大节约了人脸检测执行效率,提高硬件资源的有效利用率。
为了达到上述目的,本发明采用以下技术方案予以实现。
(一)一种基于彩色和深度摄像头的行人检测装置,包括:摄像头模组和处理芯片;其中,所述摄像头模组包含深度摄像头和RGB摄像头,所述深度摄像头用于采集图像深度视频信息;所述RGB摄像头用于采集图像RGB视频信息;
所述处理芯片包含帧采样模块、滤噪模块和人脸检测模块;其中,帧采样模块用于对同一时刻的深度图像和RGB图像同时采样,得到的深度图像和RGB图像在同一坐标下重合;
滤噪模块分别对同一时刻的深度图像和RGB图像进行消噪和恢复处理,得滤噪后的深度图像和RGB图像;
人脸检测模块用于对滤噪后的深度图像和RGB图像中的人脸进行采集,得到三维人脸特征向量,进而对人脸进行识别。
优选的,还包括视频编码模块,所述视频编码模块用于将采集图像RGB视频信息进行视频压缩,得视频流;所述视频流存入外部存储器或通过4G传输模块上传。
优选的,还包括控制器,所述控制器的控制端与所述深度摄像头的信号输入端电连接。
(二)一种基于彩色和深度摄像头的行人检测方法,包括以下步骤:
步骤1,深度摄像头和RGB摄像头分别采集同一时刻的图像深度视频信息和图像RGB视频信息,将采集到的图像深度视频和图像RGB视频进行坐标统一;
步骤2,帧采样模块对深度图像视频和RGB图像视频进行同一时刻帧采样,分别得深度图像和RGB图像,所述深度图像和RGB图像在同一坐标系下重合;
步骤3,采用滤噪模块分别对所述深度图像和RGB图像进行消噪和恢复处理,得滤噪后的深度图像和RGB图像;
步骤4,采用人脸检测模块对滤噪后的深度图像和RGB图像中的人脸进行采集,得到三维人脸特征向量,进而对人脸进行识别。
优选的,在步骤4中,在对人脸进行采集之前,先进行路面连续拟合及墙面连续拟合,对滤噪后的深度图像中的无关区域进行遮蔽,得到路面及墙面相对位置信息。
进一步优选的,路面拟合中平面上的点在深度上具有以下函数关系:
其中,u为图像点的深度信息,h为镜头距离地面的高度,q为RGB图像中沿Z方向上的点距离图像最底部的长度,β、γ为未知量;
沿Z方向等距取两点C1、C2,通过如下式可求得β、γ:
Pc=βqc3+γ
将C3对应的uc3代入式中的等式左边,即得实际深度Tc:
若估测深度Pc与实际深度Tc满足:
Pc-Tc≤δ
其中,δ为允许最大误差预设值,则判定该点位于路面的上;否则判定该点不在路面上。
优选的,在得到路面及墙面相对位置信息后,建立行人-环境关系式:
其中,u为图像点的深度信息,h为镜头距离地面的高度,f为镜头焦距,h1为行人实际高度,m1为行人高度在相机中的表达高度;根据建立的行人-环境关系式,得到不同深度的人脸检测带。
优选的,在得到路面及墙面相对位置信息和不同深度的人脸检测带之后,采用人脸检测模块提取图像中的三维人脸特征向量V:
V=[R1 R2 R3 … D1 D2 D3 …]
其中,Ra(a=1、2、3……)为人脸的RGB特征参数,Db(b=1、2、3……)为人脸深度特征参数;在得到三维人脸特征向量V后,进行人脸识别。
与现有技术相比,本发明的有益效果为:
(1)本发明的基于彩色和深度摄像头的行人检测装置除了视频记录功能外,主要针对于摄像镜头在进行人脸检测和识别时,通过同步获取的图像深度信息和RGB信息的融合,对图像中的行人进行人脸检测,提高了执法设备在进人脸检测时捕捉人脸的效率和准确性,降低人脸采集所需的硬件要求。
(2)本发明对某一时刻滤噪后的深度图像进行路面连续拟合和墙面连续拟合,得到该时刻下环境情况对路面及墙体要素的掩蔽,屏蔽图像中无人脸区域,提高了人脸检测的效率及准确度。
(3)对于特定环境下,如执法记录仪在工作时,其摄像头距离路面高度变化不大时,由于人在道路或者座椅上等状态时人脸在图像中所处的位置保持在特定高度内,因此根据人体身高及人在环境中位置等数据可估测出人脸在二维图像中可能出现的区域。在此基础上进行人脸检测可以跳过人脸不会出现的像素区域,大大节约了人脸检测执行效率,提高硬件资源的有效利用率。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1是本发明的基于彩色和深度摄像头的行人检测装置的模块图;
图2是本发明于彩色和深度摄像头的行人检测装置的信号流程图;
图3是几何原理图;
图4是场景重建原理图;
图5是路面信息识别原理图;
图6是墙面信息识别原理图。
以上图中:1深度摄像头;2RGB摄像头;3帧采样模块;4滤噪模块;5人脸检测模块;6视频编码模块;7外部存储器;8 4G传输模块;9控制器。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述,但是本领域的技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限制本发明的范围。
(一)一种基于彩色和深度摄像头的行人检测装置(如图1-2所示),包括:摄像头模组和处理芯片;其中,摄像头模组包含深度摄像头和RGB摄像头,深度摄像头用于采集图像深度视频信息;RGB摄像头用于采集图像RGB视频信息;
处理芯片包含帧采样模块、滤噪模块和人脸检测模块;其中,帧采样模块用于对同一时刻的深度图像和RGB图像同时采样,在视频连续帧中抽取图像帧,得到的深度图像和RGB图像在同一坐标下重合;滤噪模块分别对同一时刻的深度图像和RGB图像进行消噪和恢复处理,得滤噪后的深度图像和RGB图像;人脸检测模块用于对滤噪后的深度图像和RGB图像中的人脸进行采集,得到三维人脸特征向量,进而对人脸进行识别。
还包括视频编码模块,视频编码模块用于将采集图像RGB视频信息进行视频压缩,得视频流;外部存储器用于存储视频,4G传输模块用于与外界进行信息交互。
还包括控制器,控制器的控制端与深度摄像头的信号输入端电连接,用于判断行人检测装置所处环境,启动或关闭深度摄像头,进而控制人脸识别功能的启动或关闭。在正常工况下,行人检测装置只使用RGB摄像头采集RGB视频,在对RGB视频进行帧采样的同时,需通过视频编码模块对RGB图像同时进行视频压缩成H.265视频流,视频编码模块将压缩后的H.265视频流存入外部存储器或通过4G传输模块上传H.265视频流;当控制器判断行人检测装置运行状态正常时,且收到外部行人检测的请求时,控制器开启深度摄像头采集数据,并进行人脸检测流程。当收到外部命令关闭行人检测功能时返回基本运行状态。
(二)一种基于彩色和深度摄像头的行人检测方法,包括以下步骤:
步骤1,深度摄像头和RGB摄像头分别采集同一时刻的图像深度视频信息和图像RGB视频信息,将采集到的图像深度视频和图像RGB视频进行坐标统一,并且应保证深度摄像头和RGB摄像头之间的距离尽可能小。
步骤2,帧采样模块对深度图像视频和RGB图像视频进行同一时刻帧采样,分别得深度图像和RGB图像,深度图像和RGB图像在同一坐标系下重合。
在对RGB视频进行帧采样的同时,需通过视频编码模块对RGB图像同时进行视频压缩成H.265视频流,视频编码模块将压缩后的H.265视频流存入外部存储器或通过4G传输模块上传H.265视频流
步骤3,采用滤噪模块分别对同一时刻的深度图像和RGB图像进行消噪和恢复处理以增强人脸检测,得滤噪后的深度图像和RGB图像;
步骤4,采用人脸检测模块对滤噪后的深度图像和RGB图像中的人脸进行采集,得到三维人脸特征向量,进而继续在前端或后端实现人脸识别等其他操作。
具体的,步骤4中,在人脸检测模块对人脸进行检测之前,先通过滤噪后的深度图像信息进行简单的场景重建,包括路面连续拟合及墙面连续拟合,通过对路面和墙面的识别得到环境掩膜对深度图像中无关区域进行遮蔽。以路面拟合为例(如图3-4所示),在图像中,A点为图像最低视点,路面某一点B与摄像镜头之间的距离u,在已知摄像镜头高度h的情况下可推出如下公式:
其中,等式的左边为实际深度,即路面某一点B距离摄像镜头的水平距离;等式的右边为估测深度。u为图像点的深度信息,h为镜头距离地面的高度,q为RGB图像中沿Z方向(路面走势方向)上的点距离图像最底部的长度(以镜头为原点),β、γ为未知量。
在拟合过程中,如图3-4,沿Z方向等距取两点C1、C2,通过如下式(2)可求得β、γ:
将求得β、γ代入式(1)中的等式右边,即可预测下一点C3的估测深度Pc:
Pc=βqc3+γ 式(3)
将C3对应的uc3代入式(1)中的等式左边,即得实际深度Tc:
若估测深度Pc与实际深度Tc满足:
Pc-Tc≤δ 式(5)
其中,δ为允许最大误差预设值,可根据摄像头精度进行调整,则判定该点位于路面的上。
在实际操作中,如图4-5所示,在1方向上以m/20为间距取2个像素点(m为y方向像素点个数;图中M为设定要取的点的个数,n为当前所取点的个数,根据上式(2)可得到符合该两点的直线,接着在1方向上接着取点,当点位置信息满足Pc-Tc≤δ时认为该点属于路面点;当某一点深度信息变化较大时判定该点为障碍物上的点。将z方向向右偏移得到方向2,再沿着方向2取点。直到取得20个点,根据这20个点估计路面相对摄像装置位置。
在墙面拟合中,其步骤基本与路面拟合一致,在沿z方向取点时应取墙面上的点如图4所示,具体墙面拟合的流程图如图6所示。
在得到路面及墙面相对位置信息后,可根据简单几何关系建立行人-环境关系。以图3中为例,在得到镜头距离地面的高度h、镜头焦距f的情况下,可得到:
其中,u为图像点的深度信息,即路面上某位行人所在B点距离镜头长度;h为镜头距离地面的高度;f为镜头焦距;h1为行人实际高度;m1为行人高度在相机中的表达高度,一般用像素数表达。
根据式(6)建立行人-环境关系,建立3个不同深度T的人脸检测带,其中,T为路面某一点B距离摄像镜头的水平距离,例如深度为T1时,人脸的大小小于20x20,身高处于145~225,可预测行人人脸在RGB图像中出现范围:
由此可得到h1∈(145,225)时,m1∈(m11,m12),则m1+q即为该检测带在Y轴的取值范围:y∈(m11+q,m12+q),q为RGB图像中沿Z方向上的点距离图像最底部的长度。
由于不同深度时人脸在二维图像中的大小也会有不同的取值,一般人脸面积小于20X20,当人脸距离镜头T时,可根据几何关系推出该距离下的人脸在二维图像中大小的取值:
其中,k为世界坐标系下的一个长度,f为镜头焦距,t为该长度在二维图像中的长度或像素数。由此可得到所述三个等级下人脸检测框大小的最大取值。
在得到墙面和路面信息后,还可以对离散化图像Image中无关像素点进行掩蔽,其中,离散化图像Image为s×v维矩阵,表达式如下:
Iij=[R G B D](0≤i≤s,0≤j≤v)
其中,每一个像素点Iij均包含该点的R(红)、G(绿)、B(蓝)、D(深度)四个分量信息。
在路面信息识别和墙面信息识别中已经得到路面和墙面的几何信息,采用无关像素掩蔽矩阵Y对离散化图像Image中无关像素点进行掩蔽,其中,无关像素掩蔽矩阵Y的表达式如下:
其中,kij为无关像素掩蔽矩阵Y中的像素点,(0≤i≤s,0≤j≤v),kij在路面和墙面像素点处取0,在非墙面和路面处取1。
具体掩蔽公式如下:
Image_masked=Image∩Y 式(11)
其中,Image_masked为经过掩蔽后的图像;人脸检测模块最终在该经过掩蔽后的图像上进行特征向量提取。
在经过无关区域掩蔽和人脸检测带划分后,在处理后的图像上进行人脸检测,人脸检测模块会提取人脸特征向量V:
V=[R1 R2 R3 … D1 D2 D3 …]
其中,Ra(a=1、2、3……)为人脸的RGB特征参数,Db(b=1、2、3……)为人脸深度特征参数,在得到人脸特征向量V后,可继续在前端或后端实现人脸识别等其他操作。
本发明中通过路面连续拟合,得到路面相对相机位置后,结合相机镜头焦距f和相机镜头距离地面的高度h,可得到世界坐标系下摄像相机、行人两者的位置关系,借用世界坐标系和二维图像有固定放缩比,结合深度信息就可估测该物体的实际尺寸及位置信息。对RGB图像进行人脸出现带的划分,得到一级深度人脸检测带、二级深度人脸检测带和三级深度人脸检测带。在人脸检索时,根据目标深度信息的不同采取三个不同深度情况下的检索框大小,在距离较近时检索框大小偏大,在距离较远时检索框大小偏小。
虽然,本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (8)
1.一种基于彩色和深度摄像头的行人检测装置,其特征在于,包括:摄像头模组和处理芯片;其中,所述摄像头模组包含深度摄像头和RGB摄像头,所述深度摄像头用于采集图像深度视频信息;所述RGB摄像头用于采集图像RGB视频信息;
所述处理芯片包含帧采样模块、滤噪模块和人脸检测模块;其中,帧采样模块用于对同一时刻的深度图像和RGB图像同时采样,得到的深度图像和RGB图像在同一坐标下重合;
滤噪模块分别对同一时刻的深度图像和RGB图像进行消噪和恢复处理,得滤噪后的深度图像和RGB图像;
人脸检测模块用于对滤噪后的深度图像和RGB图像中的人脸进行采集,得到三维人脸特征向量,进而对人脸进行识别。
2.根据权利要求1所述的基于彩色和深度摄像头的行人检测装置,其特征在于,还包括视频编码模块,所述视频编码模块用于将采集图像RGB视频信息进行视频压缩,得视频流;所述视频流存入外部存储器或通过4G传输模块上传。
3.根据权利要求2所述的基于彩色和深度摄像头的行人检测装置,其特征在于,还包括控制器,所述控制器的控制端与所述深度摄像头的信号输入端电连接。
4.一种基于彩色和深度摄像头的行人检测方法,其特征在于,包括以下步骤:
步骤1,深度摄像头和RGB摄像头分别采集同一时刻的图像深度视频信息和图像RGB视频信息,将采集到的图像深度视频和图像RGB视频进行坐标统一;
步骤2,帧采样模块对深度图像视频和RGB图像视频进行同一时刻帧采样,分别得深度图像和RGB图像,所述深度图像和RGB图像在同一坐标系下重合;
步骤3,采用滤噪模块分别对所述深度图像和RGB图像进行消噪和恢复处理,得滤噪后的深度图像和RGB图像;
步骤4,采用人脸检测模块对滤噪后的深度图像和RGB图像中的人脸进行采集,得到三维人脸特征向量,进而对人脸进行识别。
5.根据权利要求4所述的基于彩色和深度摄像头的行人检测方法,其特征在于,在步骤4中,在对人脸进行采集之前,先进行路面连续拟合及墙面连续拟合,对滤噪后的深度图像中的无关区域进行遮蔽,得到路面及墙面相对位置信息。
8.根据权利要求7所述的基于彩色和深度摄像头的行人检测方法,其特征在于,在得到路面及墙面相对位置信息和不同深度的人脸检测带之后,采用人脸检测模块提取图像中的三维人脸特征向量V:
V=[R1 R2 R3…D1 D2 D3…]
其中,Ra(a=1、2、3......)为人脸的RGB特征参数,Db(b=1、2、3......)为人脸深度特征参数;在得到三维人脸特征向量V后,进行人脸识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910917429.XA CN110705432B (zh) | 2019-09-26 | 2019-09-26 | 一种基于彩色和深度摄像头的行人检测装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910917429.XA CN110705432B (zh) | 2019-09-26 | 2019-09-26 | 一种基于彩色和深度摄像头的行人检测装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110705432A true CN110705432A (zh) | 2020-01-17 |
CN110705432B CN110705432B (zh) | 2022-10-25 |
Family
ID=69196504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910917429.XA Active CN110705432B (zh) | 2019-09-26 | 2019-09-26 | 一种基于彩色和深度摄像头的行人检测装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705432B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462227A (zh) * | 2020-03-27 | 2020-07-28 | 海信集团有限公司 | 室内人员定位装置及方法 |
CN114596657A (zh) * | 2022-02-10 | 2022-06-07 | 北京交通大学 | 一种基于深度数据的闸机通行系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004111687A2 (en) * | 2003-06-12 | 2004-12-23 | Honda Motor Co., Ltd. | Target orientation estimation using depth sensing |
WO2017219391A1 (zh) * | 2016-06-24 | 2017-12-28 | 深圳市唯特视科技有限公司 | 一种基于三维数据的人脸识别系统 |
CN108510583A (zh) * | 2018-04-03 | 2018-09-07 | 北京华捷艾米科技有限公司 | 人脸图像的生成方法和人脸图像的生成装置 |
CN109948400A (zh) * | 2017-12-20 | 2019-06-28 | 宁波盈芯信息科技有限公司 | 一种能够进行人脸特征3d识别的智能手机及其识别方法 |
-
2019
- 2019-09-26 CN CN201910917429.XA patent/CN110705432B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004111687A2 (en) * | 2003-06-12 | 2004-12-23 | Honda Motor Co., Ltd. | Target orientation estimation using depth sensing |
WO2017219391A1 (zh) * | 2016-06-24 | 2017-12-28 | 深圳市唯特视科技有限公司 | 一种基于三维数据的人脸识别系统 |
CN109948400A (zh) * | 2017-12-20 | 2019-06-28 | 宁波盈芯信息科技有限公司 | 一种能够进行人脸特征3d识别的智能手机及其识别方法 |
CN108510583A (zh) * | 2018-04-03 | 2018-09-07 | 北京华捷艾米科技有限公司 | 人脸图像的生成方法和人脸图像的生成装置 |
Non-Patent Citations (2)
Title |
---|
傅泽华等: "二维及三维多模人脸数据库构建", 《数据采集与处理》 * |
吴翔等: "基于双目视觉的立体人脸识别系统", 《计算机系统应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111462227A (zh) * | 2020-03-27 | 2020-07-28 | 海信集团有限公司 | 室内人员定位装置及方法 |
CN114596657A (zh) * | 2022-02-10 | 2022-06-07 | 北京交通大学 | 一种基于深度数据的闸机通行系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110705432B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3648448B1 (en) | Target feature extraction method and device, and application system | |
CN105933678B (zh) | 基于多目标智能跟踪的多焦距镜头联动成像装置 | |
CN110705432B (zh) | 一种基于彩色和深度摄像头的行人检测装置及方法 | |
CN105654733A (zh) | 一种基于视频检测的前后车牌识别方法及装置 | |
CN101106700A (zh) | 视频监控系统中的智能化目标细节捕获装置及方法 | |
CN108769550B (zh) | 一种基于dsp的图像显著分析系统及方法 | |
CN105046719B (zh) | 一种视频监控方法及系统 | |
CN110570456A (zh) | 基于yolo目标检测算法和光流追踪算法融合的机动车轨迹提取方法 | |
CN103366155B (zh) | 通畅路径检测中的时间相干性 | |
CN105184812A (zh) | 一种基于目标跟踪的行人徘徊检测算法 | |
CN109285183B (zh) | 一种基于运动区域图像清晰度的多模视频图像配准方法 | |
CN104662560A (zh) | 一种视频图像处理方法及系统 | |
CN105426816A (zh) | 一种处理人脸图像的方法及装置 | |
CN103581536A (zh) | 图像撷取系统与方法 | |
CN112241982B (zh) | 一种图像处理方法、装置及机器可读存储介质 | |
CN104408444A (zh) | 人体动作识别方法和装置 | |
CN103578121A (zh) | 干扰运动环境下基于共享高斯模型的运动检测方法 | |
CN111368883B (zh) | 基于单目摄像头的避障方法、计算装置及存储装置 | |
Hirose et al. | Real-time recognition of road traffic sign in moving scene image using new image filter | |
CN110430400B (zh) | 一种双目可运动摄像机的地平面区域检测方法 | |
CN103455998B (zh) | 视频图像中阴影的检测方法及装置 | |
CN110070514B (zh) | 一种盲道状态的fpga嵌入式视觉识别方法及便携式设备 | |
CN110415275B (zh) | 一种基于点对点的运动目标检测与跟踪方法 | |
Lin et al. | Airborne moving vehicle detection for urban traffic surveillance | |
CN109034171B (zh) | 视频流中的无牌车辆检测方法和装置 |
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 |