CN111369578B - 云台异动智能跟踪方法及其系统 - Google Patents
云台异动智能跟踪方法及其系统 Download PDFInfo
- Publication number
- CN111369578B CN111369578B CN202010116453.6A CN202010116453A CN111369578B CN 111369578 B CN111369578 B CN 111369578B CN 202010116453 A CN202010116453 A CN 202010116453A CN 111369578 B CN111369578 B CN 111369578B
- Authority
- CN
- China
- Prior art keywords
- background
- abnormal
- video
- pixel
- motion
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000002159 abnormal effect Effects 0.000 claims abstract description 37
- 208000012661 Dyskinesia Diseases 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000012544 monitoring process Methods 0.000 claims description 22
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 6
- 230000003068 static effect Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- 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
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种云台异动智能跟踪方法及其系统,该方法由摄像机输出、算法处理和云台跟踪三个模块构成。由摄像机对待监控画面拍摄并将视频返回具有人工智能算法的处理器中,经算法对待监控画面中的异动情况进行分析,确定需要跟踪的异动主体后,云台根据处理器的计算结果,实现对异动进行跟踪。本发明使用算法对摄像机拍摄的视频画面进行处理,识别出异动人或物,联动云台,对识别出的异动进行精密拍摄和跟踪。
Description
技术领域
本发明涉及云台控制,具体涉及一种云台异动智能跟踪方法及其系统。
背景技术
随着科技的进步,在安防监控、边境巡检、交通维护、人流监测、防爆处突等各领域,对于视频监控的智能化要求逐渐增高,而目前现存的智能跟踪云台主要基于雷达监控功能的智能跟踪云台和基于AI增强移动检测云台,但由于相关设备和技术的局限性,主要存在以下问题:
1)基于雷达监控功能的智能跟踪云台因为雷达信号发出传回需要时间间隔,若需要跟踪的主体单位时间内运动速度过快则可能造成收到的雷达信号大幅偏离该物体实际位置;且由于雷达技术的特殊性,对运动物体的辨别程度较低,通常使用视频AI进行处理分析,而视频链路与雷达链路之间存在时延,跟踪效果的实时性及准确度均会收到影响。
2)基于AI增强移动监测的云台,通常会直接在云台中内置人工智能跟踪算法,该方法由于拍摄分辨率和针对算法的硬件配置等问题,大多仅可运用于简单的监控场景,不能适应更复杂、精密性要求更高的监控环境。若要满足多种监控环境的需求,则需要针对该种环境做相应的定制,成本较高,且维护难度大,不利于大面积实施。
3)单一使用云台的进行监控,可能造成当多个异动同时产生时,云台由于仅能检测并跟踪一处异动而跟踪检测不全面;若多个云台同时操作,可能造成不同云台跟踪同一个主体,降低监控跟踪效率。
发明内容
本发明的目的在于克服现有技术的不足,提供一种云台异动智能跟踪方法及其系统,使用算法对摄像机拍摄的视频画面进行处理,识别出异动人或物,联动云台,对识别出的异动进行精密拍摄和跟踪。
本发明的目的是通过以下技术方案来实现的:
一种云台异动智能跟踪方法,该方法为:
S1:通过摄像机对待监控画面拍摄,并将拍摄的视频信号上传至返处理器中;
S2:处理器对接收的视频信号进行分析,分析视频信号中是否出现异动;
S3:当视频信号中的画面无异动时,摄像机正常对监控区域进行拍摄,当视频画面出现异常动态情况时,处理器调用云台对该处异常动态情况做实时的跟踪操作,直至其消失在监控画面中。
进一步的,所述S2中,视频信号分析的步骤为:
1)利用两帧相减得到两帧图像亮度差的绝对值,用以判断其是否大于阈值,进一步分析出视频或图像序列的运动特性,确定图像序列中有无物体运动;
2)通过视频信号视频序列的帧间信息来进行背景重建,需要选择性的更新背景;
3)利用图像特征和机器学习结合的方式进行判别类目标跟踪,当前帧以目标区域为正样本,背景区域为负样本,用机器学习来训练分类器,训练时使用背景信息,让分类器有效区分前景和背景,下一帧用训练好的分类器找最优区域,从而实现对目标的跟踪。
进一步的,所述更新背景的更新方式为:
定义连续视频中每个像素独立,且灰度值遵循高斯分布,出现新的视频帧时,更新像素点遵循的相应高斯分布中的参数,其均值定义为:
对于当前像素点而言,是其灰度值;/>是在前面几帧中它的灰度值均值;/>决定背景更新快慢,是根据不同场景的经验取值,/>值大,则背景更新速度快;/>值小,则背景更新速度慢;/>用其无偏估计代替,当/>时,该像素点为运动目标点,若小于,则为背景;当上次计算中该像素为运动目标点时,M=1,当该像素为背景时,M=0。
进一步的,所述S2中利用帧间差分法和背景差分法结合方式识别异动;先使用帧间差分法检测出相邻两帧之间发生变化的区域;在物体连续运动中,以当前某段待处理图像序列的平均值作为参考图像,产生一个不考虑运动目标时其背景与当前静态场景相似的背景图像,在区分出图像中变化区域和非变化区域后,将当前帧中变化区域与背景图像该区域做差分,以此实现运动目标的检测
一种云台异动智能跟踪系统,该系统包括摄像机、处理器和云台,所述摄像机拍摄
的视频信号传输至处理器进行异动目标跟踪和识别,并控制云台对该处异动做实时的跟踪操作,直至其消失在监控画面中。
进一步的,所述处理器集成AI算法模块用于完成异动目标跟踪和识别,所述处理器与摄像机和云台独立开分布式部署。
本发明的有益效果是:
1)在摄像机/云台内集成AI算法模块的技术,由于摄像机/云台尺寸限制,无法集成高性能AI算法模块,无论是算法的效率还是算法的精度,都无法完全满足高精度、高运动速率的跟踪需求;而本次发明提供的基于人工智能算法的异动跟踪云台架构,将人工智能算法单独成型,分布式部署,稳定性优于集成性AI模块,极大提高效能,满足高精度、高运动速率的跟踪需求。
2)使用背景差分法,相较于传统图像识别算法,运算效率有显著提升,且降低了对硬件平台的性能需求,极大的降低了成本。
附图说明
图1为本发明系统顶层架构图。
具体实施方式
下面结合具体实施例进一步详细描述本发明的技术方案,但本发明的保护范围不局限于以下所述。
一种云台异动智能跟踪方法,该方法为:
S1:通过摄像机对待监控画面拍摄,并将拍摄的视频信号上传至返处理器中;
S2:处理器对接收的视频信号进行分析,分析视频信号中是否出现异动;
S3:当视频信号中的画面无异动时,摄像机正常对监控区域进行拍摄,当视频画面出现异常动态情况时,处理器调用云台对该处异常动态情况做实时的跟踪操作,直至其消失在监控画面中。
进一步的,所述S2中,视频信号分析的步骤为:
1)利用两帧相减得到两帧图像亮度差的绝对值,用以判断其是否大于阈值,大于阈值时分析运动特性。小于阈值时,通过视频信号视频序列的帧间信息来进行背景重建,确定是否有运动的情况进一步可分析出视频或图像序列的运动特性,确定图像序列中有无物体运动;
2)通过视频信号视频序列的帧间信息来进行背景重建,需要选择性的更新背景;
理想情况下,将没有运动的帧作为背景图像,但实际上,光线、环境的等变化也可能成为背景变化的因素,所以不能简单地将一帧没有运动目标的图像帧作为背景图像而不对背景进行更新。
定义连续视频中每个像素独立,且灰度值遵循高斯分布,出现新的视频帧时,更新像素点遵循的相应高斯分布中的参数,其均值定义为:
对于当前像素点而言,是其灰度值;/>是在前面几帧中它的灰度值均值;/>决定背景更新快慢,是根据不同场景的经验取值,/>值大,则背景更新速度快;/>值小,则背景更新速度慢;/>用其无偏估计代替,当/>时,该像素点为运动目标点,若小于,则为背景;当上次计算中该像素为运动目标点时,M=1,当该像素为背景时,M=0。
3)利用图像特征和机器学习结合的方式进行判别类目标跟踪,当前帧以目标区域为正样本,背景区域为负样本,用机器学习来训练分类器,训练时使用背景信息,让分类器有效区分前景和背景,下一帧用训练好的分类器找最优区域,从而实现对目标的跟踪。
先使用帧间差分法检测出相邻两帧之间发生变化的区域;在物体连续运动中,以当前某段待处理图像序列的平均值作为参考图像,产生一个不考虑运动目标时其背景与当前静态场景相似的背景图像,在区分出图像中变化区域和非变化区域后,将当前帧中变化区域与背景图像该区域做差分,以此实现运动目标的检测。
如图1所示,一种云台异动智能跟踪系统,该系统包括摄像机、处理器和云台,所述摄像机拍摄的视频信号传输至处理器进行异动目标跟踪和识别,并控制云台对该处异动做实时的跟踪操作,直至其消失在监控画面中。
进一步的,所述处理器集成AI算法模块用于完成异动目标跟踪和识别,所述处理器与摄像机和云台独立开分布式部署。
该方法由摄像机输出、算法处理和云台跟踪三个模块构成。由摄像机对待监控画面拍摄并将视频返回具有人工智能算法的处理器中,经算法对待监控画面中的异动情况进行分析,确定需要跟踪的异动主体后,云台根据处理器的计算结果,实现对异动进行跟踪。当画面无异动时,摄像机正常对监控区域进行拍摄,后台处理器未识别出异动情况,智能跟踪云台不跟踪。当画面出现异常动态情况时,视频信号经由摄像机拍摄后传输到后台处理器,处理器经过复合的人工智能算法,识别到监控画面中的异常情况,处理器调用云台对该处异动做实时的跟踪操作,直至其消失在监控画面中(监控画面重新出现无异动状态)。
2.相关算法
智能异动跟踪云台架构中,后台处理器利用帧间差分法和背景差分法的融合运用识别摄像机拍摄到的画面中的异动,利用目标跟踪算法对该被检测的异动主体进行跟踪。
1)帧间差分法
帧间差分法通过对视频图像序列中连续的两帧作差分运算来获得运动目标轮廓的方法。它可以很好地适用于存在多个运动目标和摄像机移动的情况。当视频场景中出现异常的目标运动时,连续两帧之间会出现较显著的差别,算法利用两帧相减得到两帧图像亮度差的绝对值,用以判断其是否大于阈值,进一步可分析出视频或图像序列的运动特性,确定图像序列中有无物体运动。因为帧间差分法对帧间时间间隔较为依赖,若时间差不恰当则会造成识别的误差(帧间差过大可能会识别成两个不同的物体,帧间差过小可能会识别为未运动),所以需要结合背景差分法共同对视频中的主体进行运动检测。
2)背景差分法
背景差分法是一种利用视频图像序列中的当前帧与其背景参考模型比较,用以检测运动物体的方法 ,性能主要依赖其相关的背景建模技术。
背景差分法在检测速度快的运动目标是较为准确且极易实现,其关键是背景图像的获取。由于静止背景是不易直接获得的,同时背景图像可能存在的动态变化,所以需要通过视频序列的帧间信息来进行背景重建,需要选择性的更新背景。
3)目标跟踪
利用图像特征和机器学习结合的方式进行判别类目标跟踪,当前帧以目标区域为正样本,背景区域为负样本,用机器学习来训练分类器,训练时使用背景信息,让分类器有效区分前景和背景,下一帧用训练好的分类器找最优区域,从而实现对目标的跟踪。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (2)
1.一种云台异动智能跟踪方法,其特征在于,该方法为:
S1:通过摄像机对待监控画面拍摄,并将拍摄的视频信号上传至返处理器中;
S2:处理器对接收的视频信号进行分析,分析视频信号中是否出现异动;
S3:当视频信号中的画面无异动时,摄像机正常对监控区域进行拍摄,当视频画面出现异常动态情况时,处理器调用云台对该处异常动态情况做实时的跟踪操作,直至其消失在监控画面中;
所述S2中,视频信号分析的步骤为:
1)利用两帧相减得到两帧图像亮度差的绝对值,用以判断其是否大于阈值,大于阈值时分析运动特性,小于阈值时,通过视频信号视频序列的帧间信息来进行背景重建,确定是否有运动的情况进一步分析出视频或图像序列的运动特性,确定图像序列中有无物体运动;
2)通过视频信号视频序列的帧间信息来进行背景重建,需要选择性更新背景;
3)利用图像特征和机器学习结合的方式进行判别类目标跟踪,当前帧以目标区域为正样本,背景区域为负样本,用机器学习来训练分类器,训练时使用背景信息,让分类器有效区分前景和背景,下一帧用训练好的分类器找最优区域,从而实现对目标的跟踪;
所述更新背景的更新方式为:
定义连续视频中每个像素独立,且灰度值遵循高斯分布,出现新的视频帧时,更新像素点遵循的相应高斯分布中的参数,其均值定义为:
2.根据权利要求1所述的云台异动智能跟踪方法,其特征在于,所述S2中利用帧间差分法和背景差分法结合方式识别异动;先使用帧间差分法检测出相邻两帧之间发生变化的区域;在物体连续运动中,以当前某段待处理图像序列的平均值作为参考图像,产生一个不考虑运动目标时其背景与当前静态场景相似的背景图像,在区分出图像中变化区域和非变化区域后,将当前帧中变化区域与背景图像该区域做差分,以此实现运动目标的检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010116453.6A CN111369578B (zh) | 2020-02-25 | 2020-02-25 | 云台异动智能跟踪方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010116453.6A CN111369578B (zh) | 2020-02-25 | 2020-02-25 | 云台异动智能跟踪方法及其系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111369578A CN111369578A (zh) | 2020-07-03 |
CN111369578B true CN111369578B (zh) | 2023-06-30 |
Family
ID=71208292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010116453.6A Active CN111369578B (zh) | 2020-02-25 | 2020-02-25 | 云台异动智能跟踪方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111369578B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113727095B (zh) * | 2021-08-27 | 2024-07-02 | 杭州萤石软件有限公司 | 摄像头移动的检测方法、装置、设备、系统及存储介质 |
CN115174861B (zh) * | 2022-07-07 | 2023-09-22 | 广州后为科技有限公司 | 一种云台摄像机自动跟踪移动目标方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1449186A (zh) * | 2003-04-03 | 2003-10-15 | 上海交通大学 | 异常目标自动发现及跟踪摄像机系统 |
CN101795400A (zh) * | 2010-03-16 | 2010-08-04 | 上海复控华龙微系统技术有限公司 | 一种婴幼儿主动跟踪监护的方法及其实现系统 |
CN201707536U (zh) * | 2009-12-15 | 2011-01-12 | 山东神戎电子股份有限公司 | 分体式智能随动云台 |
CN104156978A (zh) * | 2014-07-04 | 2014-11-19 | 合肥工业大学 | 基于球载平台的多目标动态跟踪方法 |
CN104915655A (zh) * | 2015-06-15 | 2015-09-16 | 西安电子科技大学 | 一种多路监控视频的管理方法与设备 |
CN105338248A (zh) * | 2015-11-20 | 2016-02-17 | 成都因纳伟盛科技股份有限公司 | 智能多目标主动跟踪监控方法及系统 |
EP3352450A1 (en) * | 2017-01-19 | 2018-07-25 | Alpine Electronics, Inc. | Vehicle image recording apparatus and method of recording image data of an environment proximate to a vehicle |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8180107B2 (en) * | 2009-02-13 | 2012-05-15 | Sri International | Active coordinated tracking for multi-camera systems |
US10373470B2 (en) * | 2013-04-29 | 2019-08-06 | Intelliview Technologies, Inc. | Object detection |
-
2020
- 2020-02-25 CN CN202010116453.6A patent/CN111369578B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1449186A (zh) * | 2003-04-03 | 2003-10-15 | 上海交通大学 | 异常目标自动发现及跟踪摄像机系统 |
CN201707536U (zh) * | 2009-12-15 | 2011-01-12 | 山东神戎电子股份有限公司 | 分体式智能随动云台 |
CN101795400A (zh) * | 2010-03-16 | 2010-08-04 | 上海复控华龙微系统技术有限公司 | 一种婴幼儿主动跟踪监护的方法及其实现系统 |
CN104156978A (zh) * | 2014-07-04 | 2014-11-19 | 合肥工业大学 | 基于球载平台的多目标动态跟踪方法 |
CN104915655A (zh) * | 2015-06-15 | 2015-09-16 | 西安电子科技大学 | 一种多路监控视频的管理方法与设备 |
CN105338248A (zh) * | 2015-11-20 | 2016-02-17 | 成都因纳伟盛科技股份有限公司 | 智能多目标主动跟踪监控方法及系统 |
EP3352450A1 (en) * | 2017-01-19 | 2018-07-25 | Alpine Electronics, Inc. | Vehicle image recording apparatus and method of recording image data of an environment proximate to a vehicle |
Non-Patent Citations (3)
Title |
---|
A Dual Complementary Verification Method for Dynamic Tumor Tracking On Vero SBRT;Pels K;《MEDICAL PHYSICS》;第第39卷卷(第第6期期);第3971页 * |
Superman vs Giant: A Study on Spatial Perception for a Multi-Scale Mixed Reality Flying Telepresence Interface;Thammathip Piumsomboon等;《 IEEE Transactions on Visualization and Computer Graphics》;第第24卷卷(第第11期期);第2974 - 2982页 * |
基于自然路标的室内机器人双目视觉绝对定位方法研究;安学成;《中国优秀硕士学位论文全文数据库 信息科技辑 (月刊) 2016 年》(第第09期期);第I138-427页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111369578A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Javed et al. | Tracking and object classification for automated surveillance | |
EP2801078B1 (en) | Context aware moving object detection | |
CN109872341A (zh) | 一种基于计算机视觉的高空抛物检测方法与系统 | |
CN108537829B (zh) | 一种监控视频人员状态识别方法 | |
CN108022258B (zh) | 基于单次多框检测器与卡尔曼滤波的实时多目标跟踪方法 | |
CN102073851A (zh) | 一种城市交通事故自动识别方法和系统 | |
CN101344965A (zh) | 基于双目摄像的跟踪系统 | |
CN111369578B (zh) | 云台异动智能跟踪方法及其系统 | |
CN112614159B (zh) | 一种面向仓库场景的跨摄像头多目标跟踪方法 | |
CN106210635A (zh) | 一种智慧金睛识别移动过快报警方法和装置 | |
Denman et al. | Multi-spectral fusion for surveillance systems | |
CN103473533B (zh) | 视频运动对象异常行为自动检测方法 | |
CN109118516A (zh) | 一种目标从运动到静止的跟踪方法及装置 | |
KR20140132140A (ko) | 군중 궤적 추출을 이용한 비정상 행동 검출에 기초한 영상 감시 방법 및 영상 감시 장치 | |
Ge et al. | Multi-target tracking based on Kalman filtering and optical flow histogram | |
CN109816700B (zh) | 一种基于目标识别的信息统计方法 | |
Zhang et al. | An optical flow based moving objects detection algorithm for the UAV | |
Dong et al. | An automatic object detection and tracking method based on video surveillance | |
CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 | |
Jiang et al. | Surveillance from above: A detection-and-prediction based multiple target tracking method on aerial videos | |
CN109815861B (zh) | 一种基于人脸识别的用户行为信息统计方法 | |
CN115188081B (zh) | 一种面向复杂场景的检测跟踪一体化方法 | |
CN116862832A (zh) | 一种基于三维实景模型的作业人员定位方法 | |
Qu et al. | Research on Video Tracking Algorithm Based on Yolo Target Detection | |
KR20120088367A (ko) | 회전줌 카메라 기반 평균이동 알고리즘을 이용한 객체추적 시스템 |
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 | ||
CP03 | Change of name, title or address |
Address after: No. 401, 4th Floor, Building 2, No. 88 Shengtong Street, Chengdu High tech Zone, China (Sichuan) Pilot Free Trade Zone, Chengdu City, Sichuan Province 610095 Patentee after: Sichuan Guochuang Innovation Vision Ultra HD Video Technology Co.,Ltd. Country or region after: China Address before: No.2, south 2nd Road, Xinyuan, high tech Zone, Chengdu, Sichuan 610000 Patentee before: Sichuan Xinshi Chuangwei ultra high definition Technology Co.,Ltd. Country or region before: China |
|
CP03 | Change of name, title or address |