CN111260693B - 一种高空抛物的检测方法 - Google Patents

一种高空抛物的检测方法 Download PDF

Info

Publication number
CN111260693B
CN111260693B CN202010066122.6A CN202010066122A CN111260693B CN 111260693 B CN111260693 B CN 111260693B CN 202010066122 A CN202010066122 A CN 202010066122A CN 111260693 B CN111260693 B CN 111260693B
Authority
CN
China
Prior art keywords
video image
moving target
frame
parabolic
target area
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
Application number
CN202010066122.6A
Other languages
English (en)
Other versions
CN111260693A (zh
Inventor
赵潇
周宇华
盛健
曹晋昌
刘畅
杨小军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sylincom Technology Co ltd
Original Assignee
Beijing Sylincom Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Sylincom Technology Co ltd filed Critical Beijing Sylincom Technology Co ltd
Priority to CN202010066122.6A priority Critical patent/CN111260693B/zh
Publication of CN111260693A publication Critical patent/CN111260693A/zh
Application granted granted Critical
Publication of CN111260693B publication Critical patent/CN111260693B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • G06T7/246Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • G06T3/40Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • G06T7/254Analysis of motion involving subtraction of images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10016Video; Image sequence
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供一种高空抛物的检测方法,首先通过帧差法初步检测得到运动目标区域,总结抛物下降特点,判断运动目标区域是否符合抛物规律,然后通过帧内聚类和帧间聚类对运动目标区域进行进一步筛选,得到更为精确的运动目标区域,有利于精准判断是否有抛物发生;由此可见,本发明能够将抛物发生位置锁定在一个较小的范围,解决现有高空抛物事件一旦发生之后,大多只能靠人工回看的方式追责,耗费人力的同时,很难找到抛物者的问题;而且本发明的高空抛物检测算法不仅能够保证实时性,还基本不受外界环境影响、可以检测小目标等问题,是一种准确性更高、实时性更强的高空抛物检测算法。

Description

一种高空抛物的检测方法
技术领域
本发明属于图像处理技术领域,尤其涉及一种高空抛物的检测方法。
背景技术
高空抛物被称为“悬在城市上空的痛”,这种行为不仅仅是不文明的行为,更是给社会安全带来巨大隐患。而且由于事件发生场所多为高层,目击者较少,抛物时间短,使得事件发生后,执法部门很难追究抛物者的法律责任,造成此类抛物事件屡见不鲜、屡禁不止。高空抛物作为小区经常出现的问题,管理整治关系着社会治安稳定和群众的生命安全,然而,仅仅依靠传统思想道德宣传仍无法达到非常良好的效果,特别是高楼层的居民楼内,为了一时方便,对外抛物的危险更大。通过科学计算和测试,从12米左右高的楼层抛出30克的鸡蛋砸到身上能够使起肿包,从54米左右抛下能够将人的头骨砸破,从75米抛下即可使人当场死亡,造成无法挽回的伤害。同时,受限于监控楼层高度及监控范围,人们往往不能有效的寻找到高空抛物肇事者,面对伤人赔偿问题,往往会带来一系列的司法纠纷,因此,智能高空抛物检测就非常重要。
目前,监管高空抛物行为主要还是依靠居民自发组织的不定时巡逻和在高空抛物经常发生的地段张贴警示标语等方法;但是,不定时巡逻的方法并不能完全监控高空抛物的行为,并且会耗费大量人力,张贴警示标语的方法易被忽视,无法引起足够的重视,起到的效果十分有限。而且,一旦发生抛物伤人等事件之后,目前主要靠人工回看视频寻找证据,会耗费大量的人力物力,而且效果一般。部分高空抛物检测还存在误检率高、难以检测小的运动对象、检测速度慢等缺陷。
运动目标识别技术的主流方法包括光流法、帧差法、背景差法等,光流法代表了物体在运动时图像亮度模式的表观运动,即空间物体表面上的点的运动速度在视觉传感器的成像平面上的表达,当目标区域运动时,计算图像帧的光流场,具有相同光流向量的区域,其运动模式也相同,则可以看作一个运动目标,达到将运动目标分割出来的目的;帧差法是常用的运动目标检测和分割方法之一,即利用视频流帧序列中的前后两帧或者当前视频帧与前某视频帧的差分来计算当前图像帧中的运动目标区域;背景差法是通过将当前帧与定义的背景帧的差分计算运动目标区域。
其中,光流法由于计算量较大,难以达到实时性,而且噪声、多光源、阴影和遮挡等因素都会对光流场分布的计算结果造成严重影响,同时稀疏的光流场很难精确提取运动目标的形状,所以不适合适用于视频监控系统;背景差法由于外界环境变化频繁,会造成结果受外界环境影响而引入大量噪声,影响检测结果;经过分析,结合视频监控场景的特有属性以及系统实时性要求,选择帧差法进行抛物检测。
当前高空抛物存在误检率高,受外界噪声干扰、难以实现实时检测、小目标易漏检等问题,由于抛物在下降过程中速度极快,容易出现形变、模糊、遮挡等现象,采用追踪算法可能会造成抛物检测算法受到影响,进而影响后续的抛物检测和判决结果。而且,抛物发生时的外界环境极为复杂,楼面经常出现窗户反光,天气原因等问题,引发的噪声会对抛物的检测结果造成一定的影响。同时在对现有的事后追责方式研究发现,一旦有抛物事件发生,需要划定责任人时,只能通过人工回看监控视频等方式,难以实现实时检测、事后取证的功能。
发明内容
为解决上述问题,本发明提供一种高空抛物的检测方法,不受外界环境影响,可以检测小目标等问题,是一种准确性更高、实时性更强的高空抛物检测算法。
一种高空抛物的检测方法,包括以下步骤:
S1:连续采集高层建筑的视频,并获取各帧视频图像中的运动目标区域;
S2:依次将各帧视频图像作为当前帧视频图像执行抛物规律判断操作,具体为:
对于当前帧视频图像的运动目标区域,在上一帧视频图像中是否存在一个运动目标区域与其之间的水平位移小于预设值,同时竖直位移大于预设值,若同时存在,则当前帧视频图像符合抛物规律;
S3:依次将符合抛物规律的视频图像作为当前帧视频图像执行帧内聚类操作,具体为:
在当前帧视频图像中任意选取一个运动目标区域作为第一个聚类中心,剔除与第一个聚类中心的水平位移和竖直位移均小于设定值的运动目标区域;
在当前帧视频图像剩余运动目标区域中任意选取一个作为第二个聚类中心,剔除与第二个聚类中心的水平位移和竖直位移均小于设定值的运动目标区域;
以此类推,直到当前帧视频图像中仅剩下作为聚类中心的运动区域目标;
S4:依次将完成帧内聚类操作的视频图像作为当前帧视频图像执行帧间聚类操作,得到待选视频图像,具体为:
依次将上一帧视频图像中的运动目标区域作为聚类中心,然后在当前帧视频图像中剔除与聚类中心的竖直位移小于设定值的运动目标区域;
S5:在待选视频图像中,判断是否存在连续设定帧数包含的运动目标区域完全相同,若存在,则五帧连续的待选视频图像中包含的运动目标区域为最终运动目标区域,完成高空抛物检测。
进一步地,步骤S1中采用帧差法获取视频图像中的运动目标区域后,依次将各帧视频图像作为当前帧视频图像执行超分辨率技术判断操作后,再执行后续步骤,其中,所述超分辨率技术判断操作为:
判断当前帧视频图像是否满足如下任一设定条件,若满足,则采用超分辨率技术提高视频图像的图像分辨率,其中,所述设定条件包括:
当前帧视频图像的运动目标区域的面积小于设定阈值;
当前帧视频图像的上一帧视频图像和下一帧视频图像中的运动目标区域数目均不为零,而当前帧视频图像的运动目标区域数目为零。
进一步地,步骤S1中采用帧差法获取视频图像中的运动目标区域后,判断运动目标区域的宽和高是否满足设定条件,再将满足设定条件的视频图像执行后续步骤,其中,所述设定条件为:
其中,n为运动目标区域的个数,wi为第i个运动目标区域的宽度,hi为第i个运动目标区域的高度,width为视频图像的宽度,height为视频图像的高度。
进一步地,步骤S5中得到最终运动目标区域后,根据视频图像生成对应的抛物轨迹,并保存视频图像。
进一步地,采用帧差法获取各帧视频图像中的运动目标区域。
进一步地,所述设定帧数至少为五帧。
有益效果:
1、本发明提供一种高空抛物的检测方法,首先通过帧差法初步检测得到运动目标区域,总结抛物下降特点,判断运动目标区域是否符合抛物规律,然后通过帧内聚类和帧间聚类对运动目标区域进行进一步筛选,得到更为精确的运动目标区域,有利于精准判断是否有抛物发生;
由此可见,本发明能够将抛物发生位置锁定在一个较小的范围,解决现有高空抛物事件一旦发生之后,大多只能靠人工回看的方式追责,耗费人力的同时,很难找到抛物者的问题;而且本发明的高空抛物检测算法不仅能够保证实时性,还基本不受外界环境影响、可以检测小目标等问题,是一种准确性更高、实时性更强的高空抛物检测算法。
2、本发明提供一种高空抛物的检测方法,针对当前高空抛物检测算法中难以检测小目标的问题,在不增加额外的计算量的基础上,采用判决机制,通过检测信息判断是否需要启动超分辨率技术,如当前抛物不是小目标时,则不需要采用超分辨率技术;由此可见,本发明在合理增加计算量的基础上,大幅度提高检测准确率。
附图说明
图1为本发明提供的一种高空抛物的检测方法的流程图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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。
参见图1,该图为本实施例提供的一种高空抛物的检测方法的流程图。一种高空抛物的检测方法,包括以下步骤:
S1:采用帧差法获取视频图像中运动目标区域。
S2:依次将各帧视频图像作为当前帧视频图像执行抛物规律判断操作,然后将符合抛物规律的视频图像执行后续步骤,其中,所述抛物规律判断操作为:
对于当前帧视频图像的运动目标区域,在上一帧视频图像中是否存在一个运动目标区域与其之间的水平位移小于预设值,同时竖直位移大于预设值,若同时存在,则当前帧视频图像符合抛物规律。
也就是说,检测得到运动目标区域的位置信息之后,首先分析相邻帧检测结果是否符合抛物规律,同时将不符合抛物规律的结果删除,通过观察抛物规则可知,抛物具有以下特点:(1)抛物在相邻帧视频图像中竖直方向处于下降过程中,(2)抛物在相邻帧视频图像中位置的水平方向变化不会过大。首先在一定的帧数N1内,筛选符合条件的抛物,假设相邻帧运动目标区域的坐标信息分别为(xt,yt)和(xt-1,yt-1),若满足公式(1),则认为相邻帧内运动目标区域位置在一定范围内,筛选部分符合抛物条件的检测结果,将不符合条件的区域删除。
其中,abs为取绝对值,Tx1和Ty1分别为设定值。
对于满足上述条件的运动目标区域,在相邻两帧保证连续性的前提下,继续判断相邻多帧的连续性,保证抛物的绝对连续性,假设前后相邻帧检测结果的坐标信息分别为(xt-1,yt-1),(xt,yt)和(xt+1,yt+1),首先针对其中两帧进行计算,若满足公式(1),说明参与计算的运动目标区域位置信息符合抛物的下降过程,根据此条件对结果进行筛选之后,符合条件的运动目标区域位置需要继续进行判断,即保留当前帧中符合条件的位置信息继续参与计算,若与下一帧视频图像的结果满足公式(2),则下一帧视频图像的运动目标区域也符合抛物规律。
由以上陈述可知,在多次判断相邻帧检测结果信息之后,相当于判断连续多帧是否符合抛物下降的规律,然而,在真实测试环境中发现,距离较近的点有可能是密集的噪声点,比如:光照等外界环境影响产生的,在一定范围内,这些噪声点符合在水平方向位置相差较小,在竖直方向会有下降的趋势。但是此时检测到的结果并不是抛物,通过研究检测结果发现,抛物与噪声的另一个差别在于,抛物具有一个相对长期的下降过程,因此,在进行后续判断之前,需要消除密集检测的结果,包括帧内和帧间两种,具体参见步骤S3和步骤S4。
S3:依次将符合抛物规律的视频图像作为当前帧视频图像执行帧内聚类操作,然后将完成帧内聚类操作的视频图像执行后续步骤,其中,所述帧内聚类操作为:
在当前帧视频图像中任意选取一个运动目标区域作为第一个聚类中心,剔除与第一个聚类中心的水平位移和竖直位移均小于设定值的运动目标区域;
在当前帧视频图像剩余运动目标区域中任意选取一个作为第二个聚类中心,剔除与第二个聚类中心的水平位移和竖直位移均小于设定值的运动目标区域;
以此类推,直到当前帧视频图像中仅剩下作为聚类中心的运动区域目标。
由此可见,步骤S3是对于帧内出现距离较近的运动目标区域进行合并,即假设帧内检测结果分别为(x1,y1),(x2,y2)……(xn,yn),其中n为当前帧中运动目标区域的总数目,则在进行帧内结果聚类时,任意选取一个运动目标区域作为第一个聚类中心,若满足公式(3),则不保留此检测结果,其中i为当前帧的某个检测结果,i≤n,达到将帧内聚集在某一区域的目标聚类删除的目的,通过该策略将大大降低外界带来的干扰,提高算法的检测准确率。
其中,x1和y1为第一个聚类中心的坐标,xi和yi为第i个运动目标区域的坐标,Tx2和Ty2分别为设定值。
需要说明的是,为保证所检测抛物具有相对长时间下降的特点,由于抛物在下降过程中,竖直方向相差较大,而水平方向相差相对较小同时聚集的噪声点在水平和竖直方向都会相差较小,因此需要在相邻帧判断竖直方向是否存在密集分布的检测结果,具体参见步骤S4。
S4:依次将完成帧内聚类操作的视频图像作为当前帧视频图像执行帧间聚类操作,得到待选视频图像,其中,所述帧间聚类操作为:
依次将上一帧视频图像中的运动目标区域作为聚类中心,然后在当前帧视频图像中剔除与聚类中心的竖直位移小于设定值的运动目标区域。
也就是说,若假设相邻帧运动目标区域坐标为(xt,yt)和(xt-1,yt-1),若满足公式(4),则当前帧的运动目标区域为噪声点的概率非常大,为了不影响最后的检测结果,需要将其剔除。
(yt-yt-1)<Ty2 (4)
S5:在待选视频图像中,判断是否存在至少连续五帧包含的运动目标区域完全相同,若存在,则五帧连续的待选视频图像中包含的运动目标区域为最终运动目标区域,完成高空抛物检测。
例如,如果在20帧参与计算的目标信息中,符合上述条件的帧数大于5,则说明此时有抛物发生,应开始抛物过程判断模块;若不大于5,则没有抛物发生,则继续检测并抛物事件判断。
同时,在计算完成抛物的整个判别过程之后,已经得到当前抛物的所有位置区域信息,则可以在图片和视频中生成对应的轨迹,保存一定时间长度的抛物视频,完成证据留存,方便事后追责。
实施例二
进一步地,针对当前高空抛物检测算法中难以检测小目标的问题,步骤S1中采用帧差法获取视频图像中的运动目标区域后,依次将各帧视频图像作为当前帧视频图像执行超分辨率技术判断操作后,再执行后续步骤S2~S5,其中,所述超分辨率技术判断操作为:
判断当前帧视频图像是否满足如下任一设定条件,若满足,则采用超分辨率技术提高视频图像的图像分辨率,其中,所述设定条件包括:
当前帧视频图像的运动目标区域的面积小于设定阈值;
当前帧视频图像的上一帧视频图像和下一帧视频图像中的运动目标区域数目均不为零,而当前帧视频图像的运动目标区域数目为零。
也就是说,若运动目标区域面积小于Ns,说明当前可能出现较小抛物,需要对当前帧启用超分辨率技术;前后相邻帧检测运动目标数目不为零,而当前帧运动目标数目为零,可能是由于运动目标区域较小,当前帧出现结果缺失的问题,此时也需要采用超分辨率技术。
实施例三
进一步地,摄像头采集数据之后,用(width,height)表示采集图片的大小,为防止由于摄像头晃动等引起的检测结果不够精确,步骤S1中采用帧差法获取视频图像中的运动目标区域后,判断运动目标区域的宽和高是否满足设定条件,再将满足设定条件的视频图像执行后续步骤S2~S5,其中,所述设定条件为:
其中,n为运动目标区域的个数,wi为第i个运动目标区域的宽度,hi为第i个运动目标区域的高度,width为视频图像的宽度,height为视频图像的高度。也就是说,若运动目标区域的宽和高满足上述设定条件,则认为当前摄像头发生晃动造成画面大幅度变化,而不是真正的运动目标区域,不做抛物判断。
需要说明的是,步骤S1中采用帧差法获取视频图像中的运动目标区域后,也可以先执行实施例二中的超分辨率技术判断操作,再进一步判断运动目标区域的宽和高是否满足设定条件,最后再执行步骤S2~S5。
当然,本发明还可有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当然可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。

Claims (6)

1.一种高空抛物的检测方法,其特征在于,包括以下步骤:
S1:连续采集高层建筑的视频,并获取各帧视频图像中的运动目标区域;
S2:依次将各帧视频图像作为当前帧视频图像执行抛物规律判断操作,具体为:
对于当前帧视频图像的运动目标区域,在上一帧视频图像中是否存在一个运动目标区域与其之间的水平位移小于预设值,同时竖直位移大于预设值,若同时存在,则当前帧视频图像符合抛物规律;
S3:依次将符合抛物规律的视频图像作为当前帧视频图像执行帧内聚类操作,具体为:
在当前帧视频图像中任意选取一个运动目标区域作为第一个聚类中心,剔除与第一个聚类中心的水平位移和竖直位移均小于设定值的运动目标区域;
在当前帧视频图像剩余运动目标区域中任意选取一个作为第二个聚类中心,剔除与第二个聚类中心的水平位移和竖直位移均小于设定值的运动目标区域;
以此类推,直到当前帧视频图像中仅剩下作为聚类中心的运动区域目标;
S4:依次将完成帧内聚类操作的视频图像作为当前帧视频图像执行帧间聚类操作,得到待选视频图像,具体为:
依次将上一帧视频图像中的运动目标区域作为聚类中心,然后在当前帧视频图像中剔除与聚类中心的竖直位移小于设定值的运动目标区域;
S5:在待选视频图像中,判断是否存在连续设定帧数包含的运动目标区域完全相同,若存在,则五帧连续的待选视频图像中包含的运动目标区域为最终运动目标区域,完成高空抛物检测。
2.如权利要求1所述的一种高空抛物的检测方法,其特征在于,步骤S1中采用帧差法获取视频图像中的运动目标区域后,依次将各帧视频图像作为当前帧视频图像执行超分辨率技术判断操作后,再执行后续步骤,其中,所述超分辨率技术判断操作为:
判断当前帧视频图像是否满足如下任一设定条件,若满足,则采用超分辨率技术提高视频图像的图像分辨率,其中,所述设定条件包括:
当前帧视频图像的运动目标区域的面积小于设定阈值;
当前帧视频图像的上一帧视频图像和下一帧视频图像中的运动目标区域数目均不为零,而当前帧视频图像的运动目标区域数目为零。
3.如权利要求1所述的一种高空抛物的检测方法,其特征在于,步骤S1中采用帧差法获取视频图像中的运动目标区域后,判断运动目标区域的宽和高是否满足设定条件,再将满足设定条件的视频图像执行后续步骤,其中,所述设定条件为:
其中,n为运动目标区域的个数,wi为第i个运动目标区域的宽度,hi为第i个运动目标区域的高度,width为视频图像的宽度,height为视频图像的高度。
4.如权利要求1所述的一种高空抛物的检测方法,其特征在于,步骤S5中得到最终运动目标区域后,根据视频图像生成对应的抛物轨迹,并保存视频图像。
5.如权利要求1所述的一种高空抛物的检测方法,其特征在于,采用帧差法获取各帧视频图像中的运动目标区域。
6.如权利要求1所述的一种高空抛物的检测方法,其特征在于,所述设定帧数至少为五帧。
CN202010066122.6A 2020-01-20 2020-01-20 一种高空抛物的检测方法 Active CN111260693B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010066122.6A CN111260693B (zh) 2020-01-20 2020-01-20 一种高空抛物的检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010066122.6A CN111260693B (zh) 2020-01-20 2020-01-20 一种高空抛物的检测方法

Publications (2)

Publication Number Publication Date
CN111260693A CN111260693A (zh) 2020-06-09
CN111260693B true CN111260693B (zh) 2023-07-28

Family

ID=70950835

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010066122.6A Active CN111260693B (zh) 2020-01-20 2020-01-20 一种高空抛物的检测方法

Country Status (1)

Country Link
CN (1) CN111260693B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112016414A (zh) * 2020-08-14 2020-12-01 熵康(深圳)科技有限公司 一种检测高空抛物事件的方法、装置及楼面智能监控系统
CN112365524B (zh) * 2020-11-10 2024-03-29 宁波博登智能科技有限公司 一种基于时序图像的高空抛物实时报警系统
CN112489069A (zh) * 2020-12-12 2021-03-12 江西洪都航空工业集团有限责任公司 一种基于实时视频的车窗抛物检测方法
CN112800868B (zh) * 2021-01-13 2022-10-25 华南理工大学 一种基于事件相机采集分析装置的高空抛物监测方法
CN113065454B (zh) * 2021-03-30 2023-01-17 青岛海信智慧生活科技股份有限公司 一种高空抛物目标识别比较的方法及装置
CN113297949B (zh) * 2021-05-20 2024-02-20 科大讯飞股份有限公司 高空抛物检测方法、装置、计算机设备和存储介质
CN113409362B (zh) * 2021-06-29 2023-02-21 深圳市商汤科技有限公司 高空抛物检测方法和装置、设备及计算机存储介质
CN113409360A (zh) * 2021-06-29 2021-09-17 深圳市商汤科技有限公司 高空抛物检测方法和装置、设备及计算机存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236889A (zh) * 2010-05-18 2011-11-09 王洪剑 一种基于多帧运动估计和融合的超分辨率重构方法
CN102307274A (zh) * 2011-08-31 2012-01-04 南京南自信息技术有限公司 基于边缘检测和帧差法的运动检测方法
CN109309811A (zh) * 2018-08-31 2019-02-05 中建三局智能技术有限公司 一种基于计算机视觉的高空抛物检测系统与方法
CN109872341A (zh) * 2019-01-14 2019-06-11 中建三局智能技术有限公司 一种基于计算机视觉的高空抛物检测方法与系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106331722B (zh) * 2015-07-03 2019-04-26 华为技术有限公司 图像预测方法和相关设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102236889A (zh) * 2010-05-18 2011-11-09 王洪剑 一种基于多帧运动估计和融合的超分辨率重构方法
CN102307274A (zh) * 2011-08-31 2012-01-04 南京南自信息技术有限公司 基于边缘检测和帧差法的运动检测方法
CN109309811A (zh) * 2018-08-31 2019-02-05 中建三局智能技术有限公司 一种基于计算机视觉的高空抛物检测系统与方法
CN109872341A (zh) * 2019-01-14 2019-06-11 中建三局智能技术有限公司 一种基于计算机视觉的高空抛物检测方法与系统

Also Published As

Publication number Publication date
CN111260693A (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN111260693B (zh) 一种高空抛物的检测方法
CN111144247B (zh) 一种基于深度学习的自动扶梯乘客逆行检测方法
CN106910203B (zh) 一种视频监测中运动目标的快速检测方法
Bayona et al. Comparative evaluation of stationary foreground object detection algorithms based on background subtraction techniques
CN104303193B (zh) 基于聚类的目标分类
Piccinini et al. Reliable smoke detection in the domains of image energy and color
CN110874592B (zh) 一种基于总有界变分的森林火灾烟雾图像检测方法
CN104978567B (zh) 基于场景分类的车辆检测方法
CN111401311A (zh) 一种基于图像检测的高空抛物识别方法
Shahbaz et al. Evaluation of background subtraction algorithms for video surveillance
JP2009533778A (ja) 統計的画素モデリングを使った映像セグメント化
CN105678803A (zh) 基于w4算法和帧间差分的视频监控目标检测方法
CN111582253B (zh) 基于事件触发的车牌跟踪识别方法
Sharma Human detection and tracking using background subtraction in visual surveillance
CN109948474A (zh) Ai热成像全天候智能监控方法
Kongurgsa et al. Real-time intrusion—detecting and alert system by image processing techniques
CN108830161B (zh) 基于视频流数据的烟雾识别方法
CN105469054B (zh) 正常行为的模型构建方法及异常行为的检测方法
CN113781516B (zh) 一种高空抛物检测方法
CN106611165B (zh) 一种基于相关滤波和颜色匹配的汽车车窗检测方法及装置
Wang et al. Traffic camera anomaly detection
CN111695545A (zh) 一种基于多目标追踪的单车道逆行检测方法
Xia et al. Automatic multi-vehicle tracking using video cameras: An improved CAMShift approach
CN109446938B (zh) 一种基于多序列双投影的黑烟车检测方法
CN112329515B (zh) 一种高点视频监控拥堵事件检测方法

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