CN111126176A - 一种用于特定环境的监控分析系统及方法 - Google Patents
一种用于特定环境的监控分析系统及方法 Download PDFInfo
- Publication number
- CN111126176A CN111126176A CN201911233954.6A CN201911233954A CN111126176A CN 111126176 A CN111126176 A CN 111126176A CN 201911233954 A CN201911233954 A CN 201911233954A CN 111126176 A CN111126176 A CN 111126176A
- Authority
- CN
- China
- Prior art keywords
- image
- motion
- human body
- monitoring
- video
- 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
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种用于特定环境的监控分析系统及方法,属于监控分析领域,要解决的技术问题为如何实现对特定环境电梯进行监控并进行异常行为分析。包括:视频采集模块,用于获取监控视频并对监控视频进行帧序列图像抽取,得到多帧原始视频图像;图像预处理模块,用于对原始视频图像进行图像序列预处理,得到去噪后视频图像;背景建模模块,用于基于背景差法对视频图像进行分离,得到背景图像和人体前景图像;特征提取模块,用于通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,得到运动特征;运动轨迹模块,用于在运动轨迹异常时生成警报信息。方法为通过上述系统对特定环境内人体行为进行分析预警。
Description
技术领域
本发明涉及监控分析领域,具体地说是一种用于特定环境的监控分析系统及方法。
背景技术
监控系统在人类生活中应用广泛,智能监控的目的是能够实时处理监控视频,对海量的视频进行快速分析与理解,及时发现关键信息,检测异常行为,并对重要事故进行预警和处理,而不是仅能提供视频信息、提供事后的原因分析。鉴于电梯内暴力事件、突发事件的日益增加,其安全问题引起社会的广泛关注。
传统的监控系统仅提供单一的视频录制功能,无法实现对异常行为的自主监控、分析与处理,且传统的视频监控系统依赖大量的人工介入,其效率和准确性都不能令人满意。传统的人工监控存在以下缺点:
(1)、需要大量的人力物力成本;
(2)、人精力有限,容易发生遗漏、误判等情况;
(3)、人的主观意识较强,对事件判断缺乏准确性和客观性。
特定环境电梯内对人群的异常行为进行检测,例如人群发生打架斗殴或者突发疾病倒地等剧烈运动,通过对视频信息的实时监测,发出预警等信号,可从根源上解决问题、避免问题,从而避免只能在事后人工查看视频寻找责任人的弊端。
基于如何实现对特定环境电梯进行监控并进行异常行为分析,是需要解决的技术问题。
发明内容
本发明的技术任务是针对以上不足,提供一种用于特定环境的监控分析系统及方法,来解决如何实现对特定环境电梯进行监控并进行异常行为分析的问题。
第一方面,本发明提供一种用于特定环境的监控分析系统,包括:
视频采集模块,用于获取监控视频并对监控视频进行帧序列图像抽取,得到多帧原始视频图像;
图像预处理模块,用于对原始视频图像进行图像序列预处理,得到去噪后视频图像;
背景建模模块,用于基于背景差法对视频图像进行分离,得到背景图像和人体前景图像;
特征提取模块,用于通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,得到运动特征;
运动轨迹模块,用于根据连续帧对应的运动特征刻画人体的运动轨迹,根据预设的阈值判断运动轨迹是否异常,并在运动轨迹异常时生成警报信息。
作为优选,所述监控视频PAL制式为30帧/秒或60帧/秒。
作为优选,视频采集模块用于对对监控视频进行帧序列图像抽取,包括:对监控视频每隔K帧抽取一幅图像,所述K为自定义的自然数。
作为优选,图像预处理模块用于通过中值滤波方法对视频图像进行图像序列预处理,以过滤掉抖动影响和光照影响。
作为优选,背景建模模块用于通过基于LBP纹理的背景差法对视频图像进行分离,包括:
基于LBP纹理的背景差法,统计一个区域内的纹理构建LBP纹理直方图,得到背景图对应的LBP纹理直方图;
对于每个去噪后视频图像,计算其LBP纹理直方图,得到当前去噪后视频图像对应的LBP纹理直方图;
对于每个去噪后视频图像,逐一计算当前去噪后视频图像中每个像素点 LBP纹理直方图与背景图对应位置像素点的LBP纹理直方图的差值,如果所述差值大于阈值,当前去噪视频图像中所述像素点为前景图像中的像素点。
作为优选,特征提取模块用于通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,包括:
通过基于视觉特征的运动特征提取方法,将人体外接矩形的高度、宽度和中心点的位置构建三维向量序列,得到人体基于外观的运动特征;
基于运动轨迹的人体识别分析方法对人体相关部位的运动进行分析,得到人体基于运动轨迹的运动特征。
第二方面,本发明提供一种用于特定环境的监控分析方法,通过如第一方面任一项所述的一种用于特定环境的监控分析系统,对特定环境内人体行为进行分析预警,包括如下步骤:
获取监控视频并对监控视频进行帧序列图像抽取,得到多帧原始视频图像;
对原始视频图像进行图像序列预处理,得到去噪后视频图像;
基于背景差法对视频图像进行分离,得到背景图像和人体前景图像;
通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,得到运动特征;
根据连续帧对应的运动特征刻画人体的运动轨迹,根据预设的阈值判断运动轨迹是否异常,并在运动轨迹异常时生成警报信息。
作为优选,通过中值滤波方法对视频图像进行图像序列预处理。
作为优选,基于背景差法对视频图像进行分离,包括如下步骤:
基于LBP纹理的背景差法,统计一个区域内的纹理构建LBP纹理直方图,得到背景图对应的LBP纹理直方图;
对于每个去噪后视频图像,计算其LBP纹理直方图,得到当前去噪后视频图像对应的LBP纹理直方图;
对于每个去噪后视频图像,逐一计算当前去噪后视频图像中每个像素点 LBP纹理直方图与背景图对应位置像素点的LBP纹理直方图的差值,如果所述差值大于阈值,当前去噪视频图像中所述像素点为前景图像中的像素点。
作为优选,通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,包括:
通过基于视觉特征的运动特征提取方法,将人体外接矩形的高度、宽度和中心点的位置构建三维向量序列,得到人体基于外观的运动特征;
基于运动轨迹的人体识别分析方法对人体相关部位的运动进行分析,得到人体基于运动轨迹的运动特征。
本发明的一种用于特定环境的监控分析系统及方法具有以下优点:分析场景中背景图像,并提取人体前景图像,从人体前景图像中提取运动特征,通过对运动特征进行分析以判断人体行为是否异常,从而可对特定环境中人体异常行为进行监测预警,从而从根源上解决问题、避免问题;
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
下面结合附图对本发明进一步说明。
附图1为实施例2一种用于特定环境的监控分析方法的流程框图。
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说明,以使本领域的技术人员可以更好地理解本发明并能予以实施,但所举实施例不作为对本发明的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互结合。
本发明实施例提供一种用于特定环境的监控分析系统及方法,用于解决如何实现对特定环境电梯进行监控并进行异常行为分析的技术问题。
实施例1:
本发明的一种用于特定环境的监控分析系统,包括视频采集模块、图像预处理模块、背景建模模块、特征提取模块和运动轨迹模块。视频采集模块用于获取监控视频并对监控视频进行帧序列图像抽取,得到多帧原始视频图像;特征提取模块以及运动轨迹模块;图像预处理模块用于对原始视频图像进行图像序列预处理,得到去噪后视频图像;背景建模模块用于基于背景差法对视频图像进行分离,得到背景图像和人体前景图像;特征提取模块用于通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,得到运动特征;运动轨迹模块用于根据连续帧对应的运动特征刻画人体的运动轨迹,根据预设的阈值判断运动轨迹是否异常,并在运动轨迹异常时生成警报信息。
本实施例中特定环境为电梯环境。
其中,采集的监控视频PAL制式多为30帧/秒或60帧/秒,视频采集模块对监控视频每隔k帧抽取一幅视频图像,k值根据需要自定义。
图像预处理模块利用中值滤波方法对每帧视频图像进行去噪处理,过滤掉因电梯升降瞬间的抖动影响、开关门瞬间造成的光照影响的图像序列。
对于电梯这种特殊环境,摄像头位置固定,属于静态背景,且多数情况下受光照影响较小,通过背景差法可简单有效地区分背景与人体前景图像。本实施例中背景建模模块通过基于LBP纹理的背景差法对对视频图像中背景和人体进行分离。具体为:
(1)基于LBP纹理的背景差法,统计一个区域内的纹理构建LBP纹理直方图,得到背景图对应的LBP纹理直方图;
(2)对于每个去噪后视频图像,计算其LBP纹理直方图,得到当前去噪后视频图像对应的LBP纹理直方图;
(3)对于每个去噪后视频图像,逐一计算当前去噪后视频图像中每个像素点LBP纹理直方图与背景图对应位置像素点的LBP纹理直方图的差值,如果所述差值大于阈值,当前去噪视频图像中所述像素点为前景图像中的像素点。
场景与行为关系密切,在运动特征的表征中,根据场景不同选取不同的运动特征提取方法。电梯内场景单一、狭小封闭,人群多存在拥挤、遮挡等情况,人体活动范围较小且相对静止。这种情况下,可以采用基于外观形状特征和基于运动特征结合的方法,前者能够描述人体姿态等相关信息,而后者可以描述人体的运动方向和轨迹,可以准确的描述运动特征。
因此,特征提取模块用于通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,具体步骤为:
(1)通过基于视觉特征的运动特征提取方法,将人体外接矩形的高度、宽度和中心点的位置构建三维向量序列,得到人体基于外观的运动特征;
(2)基于运动轨迹的人体识别分析方法对人体相关部位例如头部、手部或者整个人体的运动进行分析,得到人体基于运动轨迹的运动特征,例如位置信息、光流信息、运动方向、运动速度和运动轨迹等。
由于电梯升降过程中人群基本保持静止或者比较小的运动幅度,所以在无异常行为时,其特征向量基本保持不变。异常行为主要包含人群中突然爆发的打架斗殴、突发疾病倒地等大幅度动作。此时会导致人体外接矩形向量值发生剧烈变化,值的大小反映了人体运动的激烈程度。此时,运动轨迹模块根据连续帧的变化刻画出人体的运动轨迹,当变化超出阈值时,表示有异常情况发生,系统根据情况判断是否发出警报。
本发明的一种用于特定环境的监控分析系统,用于对电梯进行监控分析,工作方法为:
通过视频采集模块获取监控视频并对监控视频进行帧序列图像抽取,得到多帧原始视频图像;
通过图像预处理模块对原始视频图像进行图像序列预处理,得到去噪后视频图像;
图像预处理模块基于背景差法对视频图像进行分离,得到背景图像和人体前景图像;
特征提取模块通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,得到运动特征;
运动轨迹模块根据连续帧对应的运动特征刻画人体的运动轨迹,根据预设的阈值判断运动轨迹是否异常,并在运动轨迹异常时生成警报信息。
实施例2:
如附图1所示,本发明的一种用于特定环境的监控分析方法,通过实施例 1公开的一种用于特定环境的监控分析系统,对特定环境内人体行为进行分析预警,包括如下步骤:
S100、获取监控视频并对监控视频进行帧序列图像抽取,得到多帧原始视频图像;
S200、对原始视频图像进行图像序列预处理,得到去噪后视频图像;
S300、基于背景差法对视频图像进行分离,得到背景图像和人体前景图像;
S400、通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,得到运动特征;
S500、根据连续帧对应的运动特征刻画人体的运动轨迹,根据预设的阈值判断运动轨迹是否异常,并在运动轨迹异常时生成警报信息。
其中,步骤S100中,采集的监控视频PAL制式多为30帧/秒或60帧/秒,视频采集模块对监控视频每隔k帧抽取一幅视频图像,k值根据需要自定义。
步骤S200中,利用中值滤波方法对每帧视频图像进行去噪处理,过滤掉抖动影响和光照影响。
步骤S300中,基于背景差法对视频图像进行分离,包括如下步骤:
S310基于LBP纹理的背景差法,统计一个区域内的纹理构建LBP纹理直方图,得到背景图对应的LBP纹理直方图;
S320对于每个去噪后视频图像,计算其LBP纹理直方图,得到当前去噪后视频图像对应的LBP纹理直方图;
S330对于每个去噪后视频图像,逐一计算当前去噪后视频图像中每个像素点LBP纹理直方图与背景图对应位置像素点的LBP纹理直方图的差值,如果所述差值大于阈值,当前去噪视频图像中所述像素点为前景图像中的像素点。
步骤S400中,通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,得到运动特征包括人体基于外观的运动特征以及人体基于运动轨迹的运动特征。该方法包括如下步骤:
S410、通过基于视觉特征的运动特征提取方法,将人体外接矩形的高度、宽度和中心点的位置构建三维向量序列,得到人体基于外观的运动特征;
S420、基于运动轨迹的人体识别分析方法对人体相关部位例如头部、手部或者整个人体等的运动进行分析,得到人体基于运动轨迹的运动特征,例如位置信息、光流信息、运动方向、运动速度和运动轨迹等。
由于电梯升降过程中人群基本保持静止或者比较小的运动幅度,所以在无异常行为时,其特征向量基本保持不变。异常行为主要包含人群中突然爆发的打架斗殴、突发疾病倒地等大幅度动作。此时会导致人体外接矩形向量值发生剧烈变化,值的大小反映了人体运动的激烈程度。此时,可以根据连续帧的变化刻画出人体的运动轨迹,当变化超出阈值时,表示有异常情况发生,系统根据情况判断是否发出警报。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (10)
1.一种用于特定环境的监控分析系统,其特征在于包括:
视频采集模块,用于获取监控视频并对监控视频进行帧序列图像抽取,得到多帧原始视频图像;
图像预处理模块,用于对原始视频图像进行图像序列预处理,得到去噪后视频图像;
背景建模模块,用于基于背景差法对视频图像进行分离,得到背景图像和人体前景图像;
特征提取模块,用于通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,得到运动特征;
运动轨迹模块,用于根据连续帧对应的运动特征刻画人体的运动轨迹,根据预设的阈值判断运动轨迹是否异常,并在运动轨迹异常时生成警报信息。
2.根据权利要求1所述的一种用于特定环境的监控分析系统,其特征在于所述监控视频PAL制式为30帧/秒或60帧/秒。
3.根据权利要求1或2所述的一种用于特定环境的监控分析系统,其特征在于视频采集模块用于对对监控视频进行帧序列图像抽取,包括:对监控视频每隔K帧抽取一幅图像,所述K为自定义的自然数。
4.根据权利要求1或2所述的一种用于特定环境的监控分析系统,其特征在于图像预处理模块用于通过中值滤波方法对视频图像进行图像序列预处理,以过滤掉抖动影响和光照影响。
5.根据权利要求1或2所述的一种用于特定环境的监控分析系统,其特征在于背景建模模块用于通过基于LBP纹理的背景差法对视频图像进行分离,包括:
基于LBP纹理的背景差法,统计一个区域内的纹理构建LBP纹理直方图,得到背景图对应的LBP纹理直方图;
对于每个去噪后视频图像,计算其LBP纹理直方图,得到当前去噪后视频图像对应的LBP纹理直方图;
对于每个去噪后视频图像,逐一计算当前去噪后视频图像中每个像素点LBP纹理直方图与背景图对应位置像素点的LBP纹理直方图的差值,如果所述差值大于阈值,当前去噪视频图像中所述像素点为前景图像中的像素点。
6.根据权利要求1或2所述的一种用于特定环境的监控分析系统,其特征在于特征提取模块用于通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,包括:
通过基于视觉特征的运动特征提取方法,将人体外接矩形的高度、宽度和中心点的位置构建三维向量序列,得到人体基于外观的运动特征;
基于运动轨迹的人体识别分析方法对人体相关部位的运动进行分析,得到人体基于运动轨迹的运动特征。
7.一种用于特定环境的监控分析方法,其特征在于通过如权利要求1-6任一项所述的一种用于特定环境的监控分析系统,对特定环境内人体行为进行分析预警,包括如下步骤:
获取监控视频并对监控视频进行帧序列图像抽取,得到多帧原始视频图像;
对原始视频图像进行图像序列预处理,得到去噪后视频图像;
基于背景差法对视频图像进行分离,得到背景图像和人体前景图像;
通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,得到运动特征;
根据连续帧对应的运动特征刻画人体的运动轨迹,根据预设的阈值判断运动轨迹是否异常,并在运动轨迹异常时生成警报信息。
8.根据权利要求7或8所述的一种用于特定环境的监控分析方法,其特征在于通过中值滤波方法对视频图像进行图像序列预处理。
9.根据权利要求7所述的一种用于特定环境的监控分析方法,其特征在于基于背景差法对视频图像进行分离,包括如下步骤:
基于LBP纹理的背景差法,统计一个区域内的纹理构建LBP纹理直方图,得到背景图对应的LBP纹理直方图;
对于每个去噪后视频图像,计算其LBP纹理直方图,得到当前去噪后视频图像对应的LBP纹理直方图;
对于每个去噪后视频图像,逐一计算当前去噪后视频图像中每个像素点LBP纹理直方图与背景图对应位置像素点的LBP纹理直方图的差值,如果所述差值大于阈值,当前去噪视频图像中所述像素点为前景图像中的像素点。
10.根据权利要求7或8所述的一种用于特定环境的监控分析方法,其特征在于通过基于外观形状特征和基于运动特征结合的方法对人体前景图像进行特征提取,包括:
通过基于视觉特征的运动特征提取方法,将人体外接矩形的高度、宽度和中心点的位置构建三维向量序列,得到人体基于外观的运动特征;
基于运动轨迹的人体识别分析方法对人体相关部位的运动进行分析,得到人体基于运动轨迹的运动特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911233954.6A CN111126176A (zh) | 2019-12-05 | 2019-12-05 | 一种用于特定环境的监控分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911233954.6A CN111126176A (zh) | 2019-12-05 | 2019-12-05 | 一种用于特定环境的监控分析系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111126176A true CN111126176A (zh) | 2020-05-08 |
Family
ID=70497558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911233954.6A Pending CN111126176A (zh) | 2019-12-05 | 2019-12-05 | 一种用于特定环境的监控分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111126176A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111862153A (zh) * | 2020-07-10 | 2020-10-30 | 电子科技大学 | 一种面向行人的长时间多目标跟踪方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101557506A (zh) * | 2009-05-19 | 2009-10-14 | 浙江工业大学 | 基于计算机视觉的电梯轿厢内暴力行为智能检测装置 |
CN102346854A (zh) * | 2010-08-03 | 2012-02-08 | 株式会社理光 | 前景物体检测方法和设备 |
CN103693532A (zh) * | 2013-12-26 | 2014-04-02 | 江南大学 | 一种电梯轿厢内暴力行为检测方法 |
CN105139426A (zh) * | 2015-09-10 | 2015-12-09 | 南京林业大学 | 一种基于非下采样小波变换和lbp的视频运动目标检测方法 |
CN106241534A (zh) * | 2016-06-28 | 2016-12-21 | 西安特种设备检验检测院 | 多人乘梯异常活动智能监控方法 |
CN107665326A (zh) * | 2016-07-29 | 2018-02-06 | 奥的斯电梯公司 | 乘客运输装置的监测系统、乘客运输装置及其监测方法 |
CN108734091A (zh) * | 2018-03-30 | 2018-11-02 | 暨南大学 | 车厢异常行为检测方法、计算机装置和计算机可读存储介质 |
-
2019
- 2019-12-05 CN CN201911233954.6A patent/CN111126176A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101557506A (zh) * | 2009-05-19 | 2009-10-14 | 浙江工业大学 | 基于计算机视觉的电梯轿厢内暴力行为智能检测装置 |
CN102346854A (zh) * | 2010-08-03 | 2012-02-08 | 株式会社理光 | 前景物体检测方法和设备 |
CN103693532A (zh) * | 2013-12-26 | 2014-04-02 | 江南大学 | 一种电梯轿厢内暴力行为检测方法 |
CN105139426A (zh) * | 2015-09-10 | 2015-12-09 | 南京林业大学 | 一种基于非下采样小波变换和lbp的视频运动目标检测方法 |
CN106241534A (zh) * | 2016-06-28 | 2016-12-21 | 西安特种设备检验检测院 | 多人乘梯异常活动智能监控方法 |
CN107665326A (zh) * | 2016-07-29 | 2018-02-06 | 奥的斯电梯公司 | 乘客运输装置的监测系统、乘客运输装置及其监测方法 |
CN108734091A (zh) * | 2018-03-30 | 2018-11-02 | 暨南大学 | 车厢异常行为检测方法、计算机装置和计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
李斌 等: "基于纹理的运动目标检测" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111862153A (zh) * | 2020-07-10 | 2020-10-30 | 电子科技大学 | 一种面向行人的长时间多目标跟踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109117827B (zh) | 基于视频的工服工帽穿戴状态自动识别方法与报警系统 | |
CN103108159B (zh) | 一种电力智能视频分析监控系统和方法 | |
CN102306304B (zh) | 人脸遮挡物识别方法及其装置 | |
CN109919009A (zh) | 目标对象的监控方法、装置及系统 | |
CN109922310A (zh) | 目标对象的监控方法、装置及系统 | |
KR101884611B1 (ko) | 이동객체의 메타데이터 필터링을 이용한 cctv 영상의 관심객체 추출 방법 | |
JP2020078058A (ja) | 画像処理装置、監視システム、画像処理方法、及びプログラム | |
CA2967774A1 (en) | System and method for measuring characteristics of cuttings and fluid front location during drilling operations with computer vision | |
CN105608479A (zh) | 结合深度数据的异常行为检测方法及系统 | |
CN108629316A (zh) | 一种多视角的视频异常事件检测方法 | |
CN110781853B (zh) | 人群异常检测方法以及相关装置 | |
CN109867186B (zh) | 一种基于智能视频分析技术的电梯困人检测方法及系统 | |
CN106355162A (zh) | 一种基于视频监控的入侵检测方法 | |
CN112800860A (zh) | 一种事件相机和视觉相机协同的高速抛撒物检测方法和系统 | |
CN109389794A (zh) | 一种智能化视频监控方法和系统 | |
CN103258232A (zh) | 一种基于双摄像头的公共场所人数估算方法 | |
CN112084963B (zh) | 一种监控预警方法、系统及存储介质 | |
CN112487891B (zh) | 一种应用于电力作业现场的视觉智能动态识别模型构建方法 | |
CN106127814A (zh) | 一种智慧金睛识别人员聚集打斗报警方法和装置 | |
CN111178424A (zh) | 一种石油化工生产现场安全合规性实时检测系统及方法 | |
CN106548158A (zh) | 基于机器视觉的人群密度智能监测系统及方法 | |
KR101030257B1 (ko) | 카메라의 영상을 이용한 보행자 계수 방법 및 장치 | |
Kongurgsa et al. | Real-time intrusion—detecting and alert system by image processing techniques | |
KR20090044957A (ko) | 도난 및 방치 감시 시스템 및 도난 및 방치 검출 방법 | |
WO2016019973A1 (en) | Method for determining stationary crowds |
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 |