CN111343431A - 基于图像矫正的机场目标检测系统 - Google Patents
基于图像矫正的机场目标检测系统 Download PDFInfo
- Publication number
- CN111343431A CN111343431A CN202010174583.5A CN202010174583A CN111343431A CN 111343431 A CN111343431 A CN 111343431A CN 202010174583 A CN202010174583 A CN 202010174583A CN 111343431 A CN111343431 A CN 111343431A
- Authority
- CN
- China
- Prior art keywords
- image
- module
- video
- unit
- target
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 238000007499 fusion processing Methods 0.000 claims abstract description 8
- 238000010191 image analysis Methods 0.000 claims abstract description 8
- 238000012986 modification Methods 0.000 claims abstract description 8
- 230000004048 modification Effects 0.000 claims abstract description 8
- 230000000694 effects Effects 0.000 claims abstract description 5
- 238000003702 image correction Methods 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 230000004807 localization Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G06T5/80—
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明提供了一种基于图像矫正的机场目标检测系统,包括:若干个前端视频获取模块、图像输入模块、图像分析模块、智能报警模块和融合处理模块;每个前端视频获取模块用于获取机场场面活动的视频监控图像;图像输入模块用于接收每个前端视频获取模块发送的监控图像并对图像畸变进行校正后输出;图像分析模块用于对可疑目标进行检测跟踪;智能报警模块用于异常报警提醒;融合处理模块包括服务器、用于验证管理员身份和操作等级的权限管理单元、视频监控参数修改单元和视频显示单元,本发明该可对可疑目标进行自动检测及可视化报警并,从而避免安全事故的发生并提高机场运行效率。
Description
技术领域
本发明涉及机场场面监控技术领域,尤其涉及到一种基于图像矫正的机场目标检测系统。
背景技术
随着航空运量的增长和机场规模的扩大,机场场面活动日趋复杂,容易影响机场安全和运行效率,因此对机场的场面活动目标进行智能化监控十分重要,目前,民航机场的机场围界入侵监控系统大多采用红外方式来监控围界入侵行为,该监控方式存在误报率高,且需要监管员进行监控回放确认的问题,增加了工作人员的工作量和机场的运营成本,且对车辆行人越界、入侵不能进行自动检测告警提示,降低了机场的飞行安全及事件处理效率。
综上所述,如何提供一种可实现对机场场面可疑目标进行自动检测和报警,从而避免安全事故发生且误报率低的基于图像矫正的机场目标检测系统,是本领域技术人员急需解决的问题。
发明内容
本方案针对上文提到的问题和需求,提出一种基于图像矫正的机场目标检测系统,其由于采取了如下技术方案而能够解决上述技术问题。
为了达到上述目的,本发明提供如下技术方案:一种基于图像矫正的机场目标检测系统包括:若干个前端视频获取模块、图像输入模块、图像分析模块、智能报警模块和融合处理模块;
每个前端视频获取模块用于获取人工划分热区中不同区域的机场场面活动视频监控图像并将所述视频监控图像发送至所述图像输入模块,所述每个前端视频获取模块包括协调输出单元和与协调输出单元相连的图像采集单元,所述图像采集单元包括摄像机、图像亮度及图像清晰度自适应调整模块和图像自动聚焦控制模块;
所述图像输入模块包括分流协调输入单元、视频图像校正单元和视频补偿输出单元,所述分流协调输入单元接收所述每个前端视频获取模块发送的视频监控图像通过所述视频图像校正单元对图像畸变进行校正,校正后的图像通过所述视频补偿输出单元进行输出;
所述图像分析模块用于对所述图像输入模块输出的视频图像中的可疑目标进行检测跟踪,当所述可疑目标存在异常行为时向所述智能报警模块发送报警信息;
所述智能报警模块包括用于文本描述及报警图像快照关联的事件关联单元、映射单元和交互式电子地图单元,所述事件关联列表单元与所述交互式电子地图单元相连接在电子地图上显示报警位置和现场信息;
所述融合处理模块包括服务器、用于验证管理员身份和操作等级的权限管理单元、视频监控参数修改单元和视频显示单元,所述权限管理单元、所述参数修改单元和所述视频显示单元均与所述服务器相连接。
进一步地,所述协调输出单元的输出端与所述分流协调输入单元的输入端通过无线通讯方式相连,将所述每个前端视频获取模块获取的全景图像数据发送至视频图像校正单元进行畸变校正得到校正后的视频图像。
更进一步地,所述无线通讯方式包括采用TCP/IP网络进行数据通讯,以IP作为地址进行数据交换。
更进一步地,所述畸变校正具体包括:首先采用泰勒多项式模拟广角镜头的一般化模型F(ρ)=α0+α1ρ+α2ρ2+α3ρ3+α4ρ4,为畸变图像的没一点到畸变图像中心点的距离,α0至α4为畸变系数;提取多对图像的理想坐标和畸变坐标点对,理想坐标(x,y)计算方式为以图像的中心特征点作为无畸变的理想点,通过实际测量可以得到棋盘格中每个正方形格子的边长,故可以推算出其他特征点的理想坐标D[k],k=1,2,...255,其中中心角点的坐标为D[128],畸变坐标计算方式为调用openCV库中的函数cvGoodFeaturesToTrack检测棋盘格角点,调用函数cvFindComerSubPix将角点位置精确到亚像素级精度得到角点的整数坐标C[k],k=1,2,...255,其中中心角点的坐标为C[128];将畸变图像中角点到畸变中心的距离设为实际距离d,棋盘格中角点到棋盘格中心得距离设为理想距离u,然后运用最小二乘法求得畸变系数,即求解F(ρ)取得最小值的多项式系数;最后采用双线性差值得到全景畸变图像的校正图像。
进一步地,所述视频补偿输出单元包括并行输出模块、视频轮循模块和光补偿模块,所述视频轮循模块接收多组校正后的视频图像信息形成轮循列表存储至数据库中,监管员可通过所述轮循列表对监控图像进行索引和轮循历史回放。
更进一步地,所述光补偿模块输出端与所述视频图像校正单元的反馈接口相连根据所述视频图像校正单元处理的视频图像顺光或者背光或者无光情况,分别采用对应的光线补偿模式。
进一步地,所述映射单元将所述事件关联单元的图像快照的同区坐标数据和电子地图上的地理空间坐标进行映射,实现报警目标的地理空间定位。
进一步地,所述可疑目标进行检测跟踪的步骤包括:对实时视频流进行预处理得到序列图像;输入图像采用混合高斯模型对背景进行建模,RGB的3个颜色通道分别用一个单独的高斯函数进行描述某个像素位置的颜色表示为I(p),其中,wk(t)是p位置像素的第k个高斯模型在第t帧时的权重,μk(t)是第k个高斯模型的均值,为方差,h是高斯概率密度函数,比较P(I(p),t)与设定阈值大小检测提取出运动前景;然后对各个前景块进行分析,区分出包含单个物体的简单前景块和包含多个物体的复杂前景块,对于简单前景块,直接利用其尺度将其归类到行人和车辆目标中,对于复杂前景块提取其方向梯度直方图特征,结合Adaboost分类器找出其中的行人和车辆目标;最后采用基于粒子滤波的跟踪方法进行目标跟踪;当检测到跟踪目标在进入飞机滑行区等危险区域和从出口进入机场区域停靠或滞留超过一定的时间,则判定所述跟踪目标为危险目标并向所述智能报警模块发送报警信息。
进一步地,所述并行输出模块与所述视频显示单元相连用于显示实时监控录像和历史监控回放
进一步地,所述摄像机与所述协调输出单元相连,所述图像亮度及图像清晰度自适应调整模块与所述摄像机的反馈接口相连,所述自动聚焦控制模块与所述摄像机的焦距驱动装置相连。
本发明的有益效果是,该发明利用视频监控网络对机场场面进行全景监视,对可疑目标进行自动检测及对入侵飞机滑行区等危险区域的车辆和行人等情况发生时自动产生报警信号提醒监控人员注意,使管理部门能及时反应,及时组织力量去处理这些偶然事件,从而避免安全事故的发生,同时也减少了机场可能的损失。
下文中将结合附图对实施本发明的最优实施例进行更详尽的描述,以便能容易地理解本发明的特征和优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下文中将对本发明实施例的附图进行简单介绍。其中,附图仅仅用于展示本发明的一些实施例,而非将本发明的全部实施例限制于此。
图1为本发明的组成结构示意图。
图2为本发明中每个前端视频获取模块的组成结构示意图。
图3为本实施例中畸变校正具体步骤示意图。
图4为本发明中图像输入模块的连接示意图。
图5为本实施例中可疑目标进行检测跟踪的步骤示意图。
具体实施方式
为了使得本发明的技术方案的目的、技术方案和优点更加清楚,下文中将结合本发明具体实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。附图中相同的附图标记代表相同的部件。需要说明的是,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了一种可对可疑目标进行自动检测及对入侵飞机滑行区等危险区域的车辆和行人等情况发生时自动产生报警信号提醒监控人员注意,使管理部门能及时反应,及时组织力量去处理这些偶然事件,从而避免安全事故的发生,同时也减少了机场可能的损失的基于图像矫正的机场目标检测系统。如附图1至附图5所示,该基于图像矫正的机场目标检测系统包括:若干个前端视频获取模块、图像输入模块、图像分析模块、智能报警模块和融合处理模块,其中,所述图像分析模块用于对所述图像输入模块输出的视频图像中的可疑目标进行检测跟踪,当所述可疑目标存在异常行为时向所述智能报警模块发送报警信息;所述智能报警模块包括用于文本描述及报警图像快照关联的事件关联单元、映射单元和交互式电子地图单元,所述事件关联列表单元与所述交互式电子地图单元相连接在电子地图上显示报警位置和现场信息,所述映射单元将所述事件关联单元的图像快照的同区坐标数据和电子地图上的地理空间坐标进行映射,实现报警目标的地理空间定位;所述融合处理模块包括服务器、用于验证管理员身份和操作等级的权限管理单元、视频监控参数修改单元和视频显示单元,所述权限管理单元、所述参数修改单元和所述视频显示单元均与所述服务器相连接。
每个前端视频获取模块用于获取人工划分热区中不同区域的机场场面活动视频监控图像并将所述视频监控图像发送至所述图像输入模块,所述每个前端视频获取模块包括协调输出单元和与协调输出单元相连的图像采集单元,所述图像采集单元包括摄像机、图像亮度及图像清晰度自适应调整模块和图像自动聚焦控制模块,,所述摄像机与所述协调输出单元相连,所述图像亮度及图像清晰度自适应调整模块与所述摄像机的反馈接口相连,所述自动聚焦控制模块与所述摄像机的焦距驱动装置相连。
所述图像输入模块包括分流协调输入单元、视频图像校正单元和视频补偿输出单元,所述分流协调输入单元接收所述每个前端视频获取模块发送的视频监控图像通过所述视频图像校正单元对图像畸变进行校正,校正后的图像通过所述视频补偿输出单元进行输出;所述协调输出单元的输出端与所述分流协调输入单元的输入端通过无线通讯方式相连,将所述每个前端视频获取模块获取的全景图像数据发送至视频图像校正单元进行畸变校正得到校正后的视频图像,其中,所述无线通讯方式包括采用TCP/IP网络进行数据通讯,以IP作为地址进行数据交换。而所述视频补偿输出单元包括并行输出模块、视频轮循模块和光补偿模块,所述视频轮循模块接收多组校正后的视频图像信息形成轮循列表存储至数据库中,监管员可通过所述轮循列表对监控图像进行索引和轮循历史回放,所述光补偿模块输出端与所述视频图像校正单元的反馈接口相连根据所述视频图像校正单元处理的视频图像顺光或者背光或者无光情况,分别采用对应的光线补偿模式。所述并行输出模块与所述视频显示单元相连用于显示实时监控录像和历史监控回放。
如图3所示,所述畸变校正具体步骤包括:S1:首先采用泰勒多项式模拟广角镜头的一般化模型F(ρ)=α0+α1ρ+α2ρ2+α3ρ3+α4ρ4,为畸变图像的没一点到畸变图像中心点的距离,α0至α4为畸变系数;S2:提取多对图像的理想坐标和畸变坐标点对,理想坐标(x,y)计算方式为以图像的中心特征点作为无畸变的理想点,通过实际测量可以得到棋盘格中每个正方形格子的边长,故可以推算出其他特征点的理想坐标D[k],k=1,2,...255,其中中心角点的坐标为D[128],畸变坐标计算方式为调用openCV库中的函数cvGoodFeaturesToTrack检测棋盘格角点,调用函数cvFindComerSubPix将角点位置精确到亚像素级精度得到角点的整数坐标C[k],k=1,2,...255,其中中心角点的坐标为C[128];S3:将畸变图像中角点到畸变中心的距离设为实际距离d, 棋盘格中角点到棋盘格中心得距离设为理想距离u,S4:然后运用最小二乘法求得畸变系数,即求解F(ρ)取得最小值的多项式系数;S5:最后采用双线性差值得到全景畸变图像的校正图像。
如图5所示,所述可疑目标进行检测跟踪的步骤包括:S1:所述可疑目标进行检测跟踪的步骤包括:对实时视频流进行预处理得到序列图像;S2:输入图像采用混合高斯模型对背景进行建模,RGB的3个颜色通道分别用一个单独的高斯函数进行描述某个像素位置的颜色表示为I(p),其中,wk(t)是p位置像素的第k个高斯模型在第t帧时的权重,μk(t)是第k个高斯模型的均值,为方差,h是高斯概率密度函数,比较P(I(p),t)与设定阈值大小检测提取出运动前景;S3:然后对各个前景块进行分析,区分出包含单个物体的简单前景块和包含多个物体的复杂前景块,对于简单前景块,直接利用其尺度将其归类到行人和车辆目标中,对于复杂前景块提取其方向梯度直方图特征,结合Adaboost分类器找出其中的行人和车辆目标;S4:最后采用基于粒子滤波的跟踪方法进行目标跟踪;S5:当检测到跟踪目标在进入飞机滑行区等危险区域和从出口进入机场区域停靠或滞留超过一定的时间,则判定所述跟踪目标为危险目标并向所述智能报警模块发送报警信息。
在本实施例中,而可疑目标检测包括行人、车辆和包裹检测,所述报警信息包括报警类型、报警时间、报警地点和视频源信息等,P(I(p),t)为像素p呈现为背景颜色的概率,初始化时,确定像素P在前20帧的颜色通道的平均值分别确定各高斯模型的μk(t),设定
应当说明的是,本发明所述的实施方式仅仅是实现本发明的优选方式,对属于本发明整体构思,而仅仅是显而易见的改动,均应属于本发明的保护范围之内。
Claims (10)
1.一种基于图像矫正的机场目标检测系统,其特征在于,包括:若干个前端视频获取模块、图像输入模块、图像分析模块、智能报警模块和融合处理模块;
每个前端视频获取模块用于获取人工划分热区中不同区域的机场场面活动视频监控图像并将所述视频监控图像发送至所述图像输入模块,所述每个前端视频获取模块包括协调输出单元和与协调输出单元相连的图像采集单元,所述图像采集单元包括摄像机、图像亮度及图像清晰度自适应调整模块和图像自动聚焦控制模块;
所述图像输入模块包括分流协调输入单元、视频图像校正单元和视频补偿输出单元,所述分流协调输入单元接收所述每个前端视频获取模块发送的视频监控图像通过所述视频图像校正单元对图像畸变进行校正,校正后的图像通过所述视频补偿输出单元进行输出;
所述图像分析模块用于对所述图像输入模块输出的视频图像中的可疑目标进行检测跟踪,当所述可疑目标存在异常行为时向所述智能报警模块发送报警信息;
所述智能报警模块包括用于文本描述及报警图像快照关联的事件关联单元、映射单元和交互式电子地图单元,所述事件关联列表单元与所述交互式电子地图单元相连接在电子地图上显示报警位置和现场信息;
所述融合处理模块包括服务器、用于验证管理员身份和操作等级的权限管理单元、视频监控参数修改单元和视频显示单元,所述权限管理单元、所述参数修改单元和所述视频显示单元均与所述服务器相连接。
2.根据权利要求1所述的基于图像矫正的机场目标检测系统,其特征在于,所述协调输出单元的输出端与所述分流协调输入单元的输入端通过无线通讯方式相连,将所述每个前端视频获取模块获取的全景图像数据发送至视频图像校正单元进行畸变校正得到校正后的视频图像。
3.根据权利要求2所述的基于图像矫正的机场目标检测系统,其特征在于,所述无线通讯方式包括采用TCP/IP网络进行数据通讯,以IP作为地址进行数据交换。
4.根据权利要求2所述的基于图像矫正的机场目标检测系统,其特征在于,所述畸变校正具体包括:首先采用泰勒多项式模拟广角镜头的一般化模型F(ρ)=α0+α1ρ+α2ρ2+α3ρ3+α4ρ4, 为畸变图像的没一点到畸变图像中心点的距离,α0至α4为畸变系数;提取多对图像的理想坐标和畸变坐标点对,理想坐标(x,y)计算方式为以图像的中心特征点作为无畸变的理想点,通过实际测量可以得到棋盘格中每个正方形格子的边长,故可以推算出其他特征点的理想坐标D[k],k=1,2,...255,其中中心角点的坐标为D[128],畸变坐标计算方式为调用openCV库中的函数cvGoodFeaturesToTrack检测棋盘格角点,调用函数cvFindComerSubPix将角点位置精确到亚像素级精度得到角点的整数坐标C[k],k=1,2,...255,其中中心角点的坐标为C[128];将畸变图像中角点到畸变中心的距离设为实际距离d,棋盘格中角点到棋盘格中心得距离设为理想距离u,然后运用最小二乘法求得畸变系数,即求解F(ρ)取得最小值的多项式系数;最后采用双线性差值得到全景畸变图像的校正图像。
5.根据权利要求1所述的基于图像矫正的机场目标检测系统,其特征在于,所述视频补偿输出单元包括并行输出模块、视频轮循模块和光补偿模块,所述视频轮循模块接收多组校正后的视频图像信息形成轮循列表存储至数据库中,监管员可通过所述轮循列表对监控图像进行索引和轮循历史回放。
6.根据权利要求5所述的基于图像矫正的机场目标检测系统,其特征在于,所述光补偿模块输出端与所述视频图像校正单元的反馈接口相连根据所述视频图像校正单元处理的视频图像顺光或者背光或者无光情况,分别采用对应的光线补偿模式。
7.根据权利要求1所述的基于图像矫正的机场目标检测系统,其特征在于,所述映射单元将所述事件关联单元的图像快照的同区坐标数据和电子地图上的地理空间坐标进行映射,实现报警目标的地理空间定位。
8.根据权利要求1所述的基于图像矫正的机场目标检测系统,其特征在于,所述可疑目标进行检测跟踪的步骤包括:对实时视频流进行预处理得到序列图像;输入图像采用混合高斯模型对背景进行建模,RGB的3个颜色通道分别用一个单独的高斯函数进行描述某个像素位置的颜色表示为I(p), 其中,wk(t)是p位置像素的第k个高斯模型在第t帧时的权重,μk(t)是第k个高斯模型的均值,为方差,h是高斯概率密度函数,比较P(I(p),t)与设定阈值大小检测提取出运动前景;然后对各个前景块进行分析,区分出包含单个物体的简单前景块和包含多个物体的复杂前景块,对于简单前景块,直接利用其尺度将其归类到行人和车辆目标中,对于复杂前景块提取其方向梯度直方图特征,结合Adaboost分类器找出其中的行人和车辆目标;最后采用基于粒子滤波的跟踪方法进行目标跟踪;当检测到跟踪目标在进入飞机滑行区等危险区域和从出口进入机场区域停靠或滞留超过一定的时间,则判定所述跟踪目标为危险目标并向所述智能报警模块发送报警信息。
9.根据权利要求1所述的基于图像矫正的机场目标检测系统,其特征在于,所述并行输出模块与所述视频显示单元相连用于显示实时监控录像和历史监控回放。
10.根据权利要求1所述的基于图像矫正的机场目标检测系统,其特征在于,所述摄像机与所述协调输出单元相连,所述图像亮度及图像清晰度自适应调整模块与所述摄像机的反馈接口相连,所述自动聚焦控制模块与所述摄像机的焦距驱动装置相连。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010174583.5A CN111343431B (zh) | 2020-03-13 | 2020-03-13 | 基于图像矫正的机场目标检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010174583.5A CN111343431B (zh) | 2020-03-13 | 2020-03-13 | 基于图像矫正的机场目标检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111343431A true CN111343431A (zh) | 2020-06-26 |
CN111343431B CN111343431B (zh) | 2021-10-15 |
Family
ID=71184329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010174583.5A Active CN111343431B (zh) | 2020-03-13 | 2020-03-13 | 基于图像矫正的机场目标检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111343431B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012136A (zh) * | 2021-03-24 | 2021-06-22 | 中国民航大学 | 一种基于目标检测的机场行李计数方法及计数系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182968A (zh) * | 2014-08-05 | 2014-12-03 | 西北工业大学 | 宽基线多阵列光学探测系统模糊动目标分割方法 |
CN105354862A (zh) * | 2015-09-30 | 2016-02-24 | 深圳大学 | 一种监控视频中运动目标的阴影检测方法、系统 |
CN109271554A (zh) * | 2018-09-07 | 2019-01-25 | 江西省云眼大视界科技有限公司 | 一种智能视频识别系统及其应用 |
US20190080179A1 (en) * | 2016-03-29 | 2019-03-14 | Hitachi Kokusai Electric Inc. | Monitoring system and terminal device |
CN110349188A (zh) * | 2019-07-18 | 2019-10-18 | 深圳大学 | 基于tsk模糊模型的多目标跟踪方法、装置及存储介质 |
CN110536114A (zh) * | 2019-08-05 | 2019-12-03 | 特斯联(北京)科技有限公司 | 一种目标智能追踪的停车场cctv监视系统及方法 |
-
2020
- 2020-03-13 CN CN202010174583.5A patent/CN111343431B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182968A (zh) * | 2014-08-05 | 2014-12-03 | 西北工业大学 | 宽基线多阵列光学探测系统模糊动目标分割方法 |
CN105354862A (zh) * | 2015-09-30 | 2016-02-24 | 深圳大学 | 一种监控视频中运动目标的阴影检测方法、系统 |
US20190080179A1 (en) * | 2016-03-29 | 2019-03-14 | Hitachi Kokusai Electric Inc. | Monitoring system and terminal device |
CN109271554A (zh) * | 2018-09-07 | 2019-01-25 | 江西省云眼大视界科技有限公司 | 一种智能视频识别系统及其应用 |
CN110349188A (zh) * | 2019-07-18 | 2019-10-18 | 深圳大学 | 基于tsk模糊模型的多目标跟踪方法、装置及存储介质 |
CN110536114A (zh) * | 2019-08-05 | 2019-12-03 | 特斯联(北京)科技有限公司 | 一种目标智能追踪的停车场cctv监视系统及方法 |
Non-Patent Citations (1)
Title |
---|
孙培双: ""鱼眼图像畸变校正算法的研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113012136A (zh) * | 2021-03-24 | 2021-06-22 | 中国民航大学 | 一种基于目标检测的机场行李计数方法及计数系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111343431B (zh) | 2021-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11019268B2 (en) | Video surveillance system and video surveillance method | |
US11356599B2 (en) | Human-automation collaborative tracker of fused object | |
KR101647370B1 (ko) | 카메라 및 레이더를 이용한 교통정보 관리시스템 | |
US8098290B2 (en) | Multiple camera system for obtaining high resolution images of objects | |
CN108802758B (zh) | 一种基于激光雷达的智能安防监控装置、方法和系统 | |
CN111967393A (zh) | 一种基于改进YOLOv4的安全帽佩戴检测方法 | |
CN111325051B (zh) | 一种基于人脸图像roi选取的人脸识别方法及装置 | |
CN108376246A (zh) | 一种多人脸识别及跟踪系统及方法 | |
US9418299B2 (en) | Surveillance process and apparatus | |
CN111488803A (zh) | 一种融合目标检测和目标跟踪的机场目标行为理解系统 | |
CN111343431B (zh) | 基于图像矫正的机场目标检测系统 | |
LU500512B1 (en) | Crowd distribution form detection method based on unmanned aerial vehicle and artificial intelligence | |
CN103607558A (zh) | 一种视频监控系统及其目标匹配方法和装置 | |
KR102434154B1 (ko) | 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법 | |
CN112800918A (zh) | 一种非法运动目标的身份识别方法及装置 | |
CN110517506B (zh) | 基于交通视频图像检测停车事件的方法、装置及存储介质 | |
US20190249994A1 (en) | Surveillance apparatus, control method, and program | |
EP4087236A1 (en) | Video surveillance system with vantage point transformation | |
US20120026292A1 (en) | Monitor computer and method for monitoring a specified scene using the same | |
Heo et al. | Autonomous reckless driving detection using deep learning on embedded GPUs | |
CN112802058A (zh) | 一种非法运动目标的跟踪方法及装置 | |
CN117897737A (zh) | 一种无人机监控方法、装置、无人机及监控设备 | |
KR101248154B1 (ko) | 가변크기 영역 기반의 객체 움직임 추정 방법 및 이를 실행하는 장치, 그리고 이를 실행하는 움직임 추정 프로그램을 기록한 컴퓨터로 판독가능한 기록매체 | |
CN112818780A (zh) | 一种航空器监控识别系统的布防区域设置方法及装置 | |
CN104469328B (zh) | 一种人车自动识别系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200626 Assignee: Zhejiang tuobao Technology Co.,Ltd. Assignor: Big data and Information Technology Research Institute of Wenzhou University Contract record no.: X2022980010948 Denomination of invention: Airport target detection system based on image rectification Granted publication date: 20211015 License type: Common License Record date: 20220722 |
|
EE01 | Entry into force of recordation of patent licensing contract |