CN111601011A - 一种基于视频流图像的自动告警方法及系统 - Google Patents

一种基于视频流图像的自动告警方法及系统 Download PDF

Info

Publication number
CN111601011A
CN111601011A CN202010280537.3A CN202010280537A CN111601011A CN 111601011 A CN111601011 A CN 111601011A CN 202010280537 A CN202010280537 A CN 202010280537A CN 111601011 A CN111601011 A CN 111601011A
Authority
CN
China
Prior art keywords
background
images
image
pixel point
namely
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
Application number
CN202010280537.3A
Other languages
English (en)
Inventor
孙禄明
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.)
Panoramic Zhilian Wuhan Technology Co ltd
Original Assignee
Panoramic Zhilian Wuhan 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 Panoramic Zhilian Wuhan Technology Co ltd filed Critical Panoramic Zhilian Wuhan Technology Co ltd
Priority to CN202010280537.3A priority Critical patent/CN111601011A/zh
Publication of CN111601011A publication Critical patent/CN111601011A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/14—Picture signal circuitry for video frequency region
    • H04N5/144—Movement detection
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

一种基于视频流图像的自动告警方法及系统，所述方法包括以下步骤：步骤1：对采集到的视频流图像帧预处理，提高图像的质量和信噪比；步骤2：运动目标检测，包括：背景获取、建立背景模型、运动物体检测、背景更新四个子步骤；步骤3：判断报警，即将前一步骤输出的结果与设定的阈值相比较，如果大于阈值，则判定为异常，启动报警。本公开的方法既克服了对光照变化敏感的不足，也可以获得关于运动物体更全面的信息，获得了一种更为稳定、有效的基于视频流图像的自动告警方法。

Description

一种基于视频流图像的自动告警方法及系统
技术领域
本公开涉及图像处理领域，具体涉及一种基于视频流图像的自动告警方法及系统。
背景技术
当今社会中，无论生活场所、还是工作场所，出于安防考虑，往往安装多个摄像头，重要或大型场所有时包含成百上千摄像头。如此众多的摄像头采集的大量实时视频图像，如何有效监控和利用，即对视频图像进行智能化处理，及时反映可疑情况，例如采用视频图像智能识别技术对监控摄像机画面内容进行目标识别与行为检测，自动发现可疑人员及其异常行为、烟雾、火焰等危险事件并自动生成告警，这是一项非常重要的技术问题。
现有技术中，基于视频流图像的自动告警主要包括以下部分：(1)视频图像采集；(2)图像预处理；(3)运动检测；(4)报警判断。其中解决上述技术问题的核心点在于运动检测算法，已有的算法主要包括帧差法、背景差分法和光流法。
帧差法是检测相邻图像之间变化的最简单方法，它直接比较了视频序列中连续的两帧或三帧图像中对应像素点在灰度值上的差异，通过设定阈值来提取视频帧中的运动区域。此方法优点是算法实现简单，复杂度低，可实现实时监控；缺点是对场景光线的变化一般不太敏感，结果精度不高，难以获得目标区域的精确描述。
背景差分法是运动目标检测中最常用的方法，它是利用当前图像与背景实现差分来检测运动区域。该方法计算简单方便，一般能够提供最完整的特征数据，因此应用最为广泛；但对于动态变化的场景，该方法对光照和外来无关事件的干扰等特别敏感，需要考虑很多因素，建立合适的动态背景模型较为困难。
光流场是一种以灰度梯度基本不变或是以亮度恒定的约束假设为基础的目标检测的有效方法。所谓光流是指图像中灰度模式运动的速度，它是景物中可见点的三维速度矢量在成像平面上的投影，表示了景物表面点在图像中位置的瞬时变化。一般情况下，可以认为光流与运动场没有太大区别，因此可以根据图像运动来估计有关景物三维结构的丰富信息，能够检测独立运动的对象，无须知道场景的任何信息，适用于静止和运动背景情况。然而大多数的光流计算方法相当复杂，且抗噪性能较差，如果没有特别的硬件装置则不能应用于全帧视频流的实时处理。
综上所述，本领域技术人员迫切需要一种改进的运动检测算法，能够克服或部分克服上述算法的缺点，集成上述算法的优点。
发明内容
为了解决背景技术所提及的上述问题，本公开提供一种基于视频流图像的自动告警方法，包括以下步骤：
步骤1：对采集到的视频流图像帧预处理，提高图像的质量和信噪比；
步骤2：运动目标检测，包括：
步骤2.1：背景获取，即首先收集某一时间段里的视频序列图像，用于背景的提取；将视频序列中相邻的两帧图像，经过RGB图像转换为灰度图像，再将这两帧图像的灰度值进行差分处理，检测出背景像素点；确定每一个背景像素点的灰度值；
步骤2.2：建立背景模型，即对每一个背景像素点利用高斯模型建模；
步骤2.3：运动物体检测，即将待测帧中的每一个像素点与各自的高斯模型拟合，并据此判断出是背景像素点，还是场景中的目标；
步骤2.4：背景更新，即实时地对背景模型进行更新，以备下一次提取运动目标，使整个检测过程持续进行；
步骤3：判断报警，即将前一步骤输出的结果与设定的阈值相比较，如果大于阈值，则判定为异常，启动报警。
优选地，步骤1中所述图像帧预处理采用以下预处理方法中的任一种：
方法一：空间域方法，主要采用各种图像模板对图像进行卷积处理，以达到压抑或消除噪声的目的；
方法二：频率域方法，主要通过对图像进行变换以后，选用适当的频率带通滤波器进行滤波处理，经反变换后获得去噪声图像。
优选地，步骤2和步骤3之间还包括以下步骤：差分图像处理，消除噪声、断点和孤立点，提高图像质量。
优选地，其中所述差分图像处理使用基于中值滤波和基于数学形态学的方法。
优选地，步骤3中使用自适应的阈值设定函数来设定阈值。
优选地，采用如下方法确定每一个背景像素点的灰度值：先将处理过的每一个像素点的灰度值对应相加，然后分别对每一个像素点的灰度累加值，除以检测过程中属于背景的次数，每一个背景像素点的灰度值就是对应的计算结果。
本公开还提供了一种基于视频流图像的动态检测单元，其包括：背景获取模块、建立背景模型模块、运动物体检测模块和背景更新模块；
所述背景获取模块用于背景获取，即首先收集某一时间段里的视频序列图像，用于背景的提取；将视频序列中相邻的两帧图像，经过RGB图像转换为灰度图像，再将这两帧图像的灰度值进行差分处理，检测出背景像素点；确定每一个背景像素点的灰度值；
所述建立背景模型模块用于建立背景模型，即对每一个背景像素点利用高斯模型建模；
所述运动物体检测模块用于运动物体检测，即将待测帧中的每一个像素点与各自的高斯模型拟合，并据此判断出是背景像素点，还是场景中的目标；
所述背景更新模块用于背景更新，即实时地对背景模型进行更新，以备下一次提取运动目标，使整个检测过程持续进行。
本公开还提供了一种基于视频流图像的自动告警装置，其包括：图像帧预处理单元、运动目标检测单元、判断报警单元；
所述图像帧预处理单元，用于对采集到的视频流图像帧预处理，提高图像的质量和信噪比；
所述运动目标检测单元，其包括：背景获取模块、建立背景模型模块、运动物体检测模块和背景更新模块；所述背景获取模块用于背景获取，即首先收集某一时间段里的视频序列图像，用于背景的提取；将视频序列中相邻的两帧图像，经过RGB图像转换为灰度图像，再将这两帧图像的灰度值进行差分处理，检测出背景像素点；确定每一个背景像素点的灰度值；所述建立背景模型模块用于建立背景模型，即对每一个背景像素点利用高斯模型建模；所述运动物体检测模块用于运动物体检测，即将待测帧中的每一个像素点与各自的高斯模型拟合，并据此判断出是背景像素点，还是场景中的目标；所述背景更新模块用于背景更新，即实时地对背景模型进行更新，以备下一次提取运动目标，使整个检测过程持续进行；
所述判断报警单元，即将接收到的处理结果与设定的阈值相比较，如果大于阈值，则判定为异常，启动报警。
优选地，还包括差分图像处理单元，用于消除噪声、断点和孤立点，提高图像质量。
本公开还提供了一种基于视频流图像的自动告警系统，其包括：视频采集装置、如前所述的基于视频流图像的自动告警装置、以及以视觉显示和/或声音提示手段实现报警的装置。
本公开中的运动目标检测通过背景差分法和帧差法结合来实现，既克服了背景差分法对光照变化敏感的不足，也可以获得关于运动物体更全面的信息，通过两种方法的结合，获得了一种更为稳定、有效的基于视频流图像的自动告警方法。
附图说明
附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分。
图1为本公开的基于视频流图像的自动告警系统的架构图；
图2为本公开的视频处理中的动态检测方法流程图；
图3为本公开的视频处理中的运动目标检测方法流程图；
图4为本公开的视频处理装置结构图；
图5为本公开的动态检测单元结构图。
具体实施方式
下面结合附图和实施方式对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开。
本公开所适用的系统例如如附图1所示，包括视频采集部分(例如摄像头、视频采集卡等)、视频处理部分(例如运行动态检测算法的计算机)、提示部分(例如以视觉显示和/或声音提示等手段实现报警的装置)。上述三部分可以全部位于同一地理位置，也可部分位于同一地理位置，也可全部分布在异地，它们之间通过现有的通信方式实现信息(例如实时图像、告警信息等)的传输。另外，报警装置可以是多个，且多个报警装置可以相同，也可以不同，例如有的是监控中心的报警装置，有的是用户手机。
本公开根据应用场景不同，视频采集部分所采集的视频图像对象则不同，相应的视频处理部分的处理对象和提示部分的提示信息也不同。常见的应用技术领域包括火灾检测、烟雾检测、交通检测、防盗检测等。下面以火灾检测为例，介绍如何应用：视频采集部采集到的视频或图片能够反映出火焰的颜色、形状、跳动方式等方面的变化，视频处理部分根据本公开的方法对采集到的视频或图片信息进行处理，然后判断是否达到了告警阈值，如果以达到，则发送给提示部分告警信息。其他技术领域的应用是类似的。
下面重点对视频处理部分进行介绍，本公开的动态检测方法如附图2所示，包括以下步骤：图像帧预处理、运动目标检测、差分图像处理、判断报警。
本公开中图像帧预处理的目的是提高传给主处理器的图像的质量和信噪比SNR，尽可能多的抑制噪声和背景杂波，其处理结果的好坏直接影响到整个算法的检测率和实时性。本公开中可以采用以下预处理方法中的一种：1.空间域方法，主要采用各种图像模板对图像进行卷积处理，以达到压抑或消除噪声的目的；2.频率域方法，主要通过对图像进行变换以后，选用适当的频率带通滤波器进行滤波处理，经反变换后获得去噪声图像。
本公开中的运动目标检测通过背景差分法和帧差法结合来实现，既克服了背景差分法对光照变化敏感的不足，也可以获得关于运动物体更全面的信息，通过两种方法的结合，获得了一种更为稳定、有效的运动目标检测方法，具体如附图3所示，步骤如下：
步骤1、背景获取。首先收集某一时间段里的视频序列图像，用于背景的提取；将视频序列中相邻的两帧图像，经过RGB图像转换为灰度图像，再将这两帧图像的灰度值进行差分处理，检测出背景像素点；确定每一个背景像素点的灰度值，即：先将处理过的每一个像素点的灰度值对应相加，然后分别对每一个像素点的灰度累加值，除以检测过程中属于背景的次数，每一个背景像素点的灰度值就是对应的计算结果。
步骤2、建立背景模型。背景像素点是随时间缓慢变化的，对选取的背景帧的每一个像素点利用高斯模型建模。
步骤3、运动物体检测。将待测帧中的每一个像素点与各自的高斯模型拟合，并据此判断出是背景像素点，还是场景中的目标。
步骤4、背景更新。由于背景是变化的，要使背景模型能够对外界光线的变换具有自适应性，必须实时地对背景模型进行更新，以备下一次提取运动目标，使整个检测过程持续进行。
本公开中的差分图像处理主要是解决背景提取不够干净、或者外部环境的影响，给图像质量、精度带来一些不利影响的问题，该步骤是可选的。本公开中使用基于中值滤波和基于数学形态学的方法来消除噪声、断点和孤立点等。
本公开中的判断报警主要是将运动目标检测输出的结果或差分图像处理输出的结果与设定的阈值相比较，如果大于阈值，则判定为异常，启动报警。其中阈值设定优选地使用自适应的阈值设定函数来设定。
如附图4所示，本公开还提出了一种视频处理装置，其包括：图像帧预处理单元、运动目标检测单元、差分图像处理单元和判断报警单元。各单元运行并配合完成如前所述的视频处理方法。
如附图5所示，本公开还提出了一种动态检测单元，其包括：背景获取模块、建立背景模型模块、运动物体检测模块和背景更新模块。各模块运行并配合完成如前所述的运动目标检测方法。
本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本公开，而并非是对本公开的范围进行限定。对于所属领域的技术人员而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本公开的范围内。

Claims (10)

1.一种基于视频流图像的自动告警方法，包括以下步骤：
步骤1：对采集到的视频流图像帧预处理，提高图像的质量和信噪比；
步骤2：运动目标检测，包括：
步骤2.1：背景获取，即首先收集某一时间段里的视频序列图像，用于背景的提取；将视频序列中相邻的两帧图像，经过RGB图像转换为灰度图像，再将这两帧图像的灰度值进行差分处理，检测出背景像素点；确定每一个背景像素点的灰度值；
步骤2.2：建立背景模型，即对每一个背景像素点利用高斯模型建模；
步骤2.3：运动物体检测，即将待测帧中的每一个像素点与各自的高斯模型拟合，并据此判断出是背景像素点，还是场景中的目标；
步骤2.4：背景更新，即实时地对背景模型进行更新，以备下一次提取运动目标，使整个检测过程持续进行；
步骤3：判断报警，即将前一步骤输出的结果与设定的阈值相比较，如果大于阈值，则判定为异常，启动报警。
2.如权利要求1所述的方法，其特征在于，步骤1中所述图像帧预处理采用以下预处理方法中的任一种：
方法一：空间域方法，主要采用各种图像模板对图像进行卷积处理，以达到压抑或消除噪声的目的；
方法二：频率域方法，主要通过对图像进行变换以后，选用适当的频率带通滤波器进行滤波处理，经反变换后获得去噪声图像。
3.如权利要求1或2所述的方法，其特征在于，步骤2和步骤3之间还包括以下步骤：
差分图像处理，消除噪声、断点和孤立点，提高图像质量。
4.如权利要求3所述的方法，其特征在于，其中所述差分图像处理使用基于中值滤波和基于数学形态学的方法。
5.如权利要求1或2所述的方法，其特征在于，步骤3中使用自适应的阈值设定函数来设定阈值。
6.如权利要求1或2所述的方法，其特征在于，所述步骤2.1中，采用如下方法确定每一个背景像素点的灰度值：先将处理过的每一个像素点的灰度值对应相加，然后分别对每一个像素点的灰度累加值，除以检测过程中属于背景的次数，每一个背景像素点的灰度值就是对应的计算结果。
7.一种基于视频流图像的动态检测单元，其包括：背景获取模块、建立背景模型模块、运动物体检测模块和背景更新模块；
所述背景获取模块用于背景获取，即首先收集某一时间段里的视频序列图像，用于背景的提取；将视频序列中相邻的两帧图像，经过RGB图像转换为灰度图像，再将这两帧图像的灰度值进行差分处理，检测出背景像素点；确定每一个背景像素点的灰度值；
所述建立背景模型模块用于建立背景模型，即对每一个背景像素点利用高斯模型建模；
所述运动物体检测模块用于运动物体检测，即将待测帧中的每一个像素点与各自的高斯模型拟合，并据此判断出是背景像素点，还是场景中的目标；
所述背景更新模块用于背景更新，即实时地对背景模型进行更新，以备下一次提取运动目标，使整个检测过程持续进行。
8.一种基于视频流图像的自动告警装置，其包括：图像帧预处理单元、运动目标检测单元、判断报警单元；
所述图像帧预处理单元，用于对采集到的视频流图像帧预处理，提高图像的质量和信噪比；
所述运动目标检测单元，其包括：背景获取模块、建立背景模型模块、运动物体检测模块和背景更新模块；所述背景获取模块用于背景获取，即首先收集某一时间段里的视频序列图像，用于背景的提取；将视频序列中相邻的两帧图像，经过RGB图像转换为灰度图像，再将这两帧图像的灰度值进行差分处理，检测出背景像素点；确定每一个背景像素点的灰度值；所述建立背景模型模块用于建立背景模型，即对每一个背景像素点利用高斯模型建模；所述运动物体检测模块用于运动物体检测，即将待测帧中的每一个像素点与各自的高斯模型拟合，并据此判断出是背景像素点，还是场景中的目标；所述背景更新模块用于背景更新，即实时地对背景模型进行更新，以备下一次提取运动目标，使整个检测过程持续进行；
所述判断报警单元，即将接收到的处理结果与设定的阈值相比较，如果大于阈值，则判定为异常，启动报警。
9.如权利要求8所述的装置，其特征在于，还包括差分图像处理单元，用于消除噪声、断点和孤立点，提高图像质量。
10.一种基于视频流图像的自动告警系统，其包括：视频采集装置、如权利要求8或9所述的基于视频流图像的自动告警装置、以及以视觉显示和/或声音提示手段实现报警的装置。
CN202010280537.3A 2020-04-10 2020-04-10 一种基于视频流图像的自动告警方法及系统 Pending CN111601011A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010280537.3A CN111601011A (zh) 2020-04-10 2020-04-10 一种基于视频流图像的自动告警方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010280537.3A CN111601011A (zh) 2020-04-10 2020-04-10 一种基于视频流图像的自动告警方法及系统

Publications (1)

Publication Number Publication Date
CN111601011A true CN111601011A (zh) 2020-08-28

Family

ID=72190659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010280537.3A Pending CN111601011A (zh) 2020-04-10 2020-04-10 一种基于视频流图像的自动告警方法及系统

Country Status (1)

Country Link
CN (1) CN111601011A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112597877A (zh) * 2020-12-21 2021-04-02 中船重工(武汉)凌久高科有限公司 一种基于深度学习的厂区人员异常行为检测方法
CN112967467A (zh) * 2021-02-24 2021-06-15 九江学院 文物防盗方法、系统、移动终端及存储介质
CN113033505A (zh) * 2021-05-20 2021-06-25 南京甄视智能科技有限公司 基于动态分类检测的火焰检测方法、装置、系统与服务器
CN113537557A (zh) * 2021-06-03 2021-10-22 浙江浩腾电子科技股份有限公司 一种城市道路交通隔离栏损坏预警系统及其预警方法
CN114299410A (zh) * 2020-09-21 2022-04-08 株式会社日立制作所 一种异常事件检测方法、系统、计算设备及存储介质
CN116797993A (zh) * 2023-05-13 2023-09-22 全景智联(武汉)科技有限公司 一种基于智慧社区场景的监控方法、系统、介质及设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050117276A (ko) * 2004-06-10 2005-12-14 삼성전자주식회사 비디오 영상으로부터 이동 물체를 추출하는 장치 및 방법
CN103338336A (zh) * 2013-07-03 2013-10-02 国家电网公司 一种架空输电线路通道烟火预警的视频检测方法
CN103473791A (zh) * 2013-09-10 2013-12-25 惠州学院 监控视频中异常速度事件自动识别方法
CN106780548A (zh) * 2016-11-16 2017-05-31 南宁市浩发科技有限公司 基于交通视频的运动车辆检测方法
CN108629792A (zh) * 2017-08-23 2018-10-09 长安通信科技有限责任公司 基于背景建模与背景差分的激光目标检测方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050117276A (ko) * 2004-06-10 2005-12-14 삼성전자주식회사 비디오 영상으로부터 이동 물체를 추출하는 장치 및 방법
CN103338336A (zh) * 2013-07-03 2013-10-02 国家电网公司 一种架空输电线路通道烟火预警的视频检测方法
CN103473791A (zh) * 2013-09-10 2013-12-25 惠州学院 监控视频中异常速度事件自动识别方法
CN106780548A (zh) * 2016-11-16 2017-05-31 南宁市浩发科技有限公司 基于交通视频的运动车辆检测方法
CN108629792A (zh) * 2017-08-23 2018-10-09 长安通信科技有限责任公司 基于背景建模与背景差分的激光目标检测方法和装置

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114299410A (zh) * 2020-09-21 2022-04-08 株式会社日立制作所 一种异常事件检测方法、系统、计算设备及存储介质
CN112597877A (zh) * 2020-12-21 2021-04-02 中船重工(武汉)凌久高科有限公司 一种基于深度学习的厂区人员异常行为检测方法
CN112967467A (zh) * 2021-02-24 2021-06-15 九江学院 文物防盗方法、系统、移动终端及存储介质
CN113033505A (zh) * 2021-05-20 2021-06-25 南京甄视智能科技有限公司 基于动态分类检测的火焰检测方法、装置、系统与服务器
CN113537557A (zh) * 2021-06-03 2021-10-22 浙江浩腾电子科技股份有限公司 一种城市道路交通隔离栏损坏预警系统及其预警方法
CN116797993A (zh) * 2023-05-13 2023-09-22 全景智联(武汉)科技有限公司 一种基于智慧社区场景的监控方法、系统、介质及设备
CN116797993B (zh) * 2023-05-13 2024-03-19 全景智联(武汉)科技有限公司 一种基于智慧社区场景的监控方法、系统、介质及设备

Similar Documents

Publication Publication Date Title
CN111601011A (zh) 一种基于视频流图像的自动告警方法及系统
Toreyin et al. Contour based smoke detection in video using wavelets
CN104966304B (zh) 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法
KR101168760B1 (ko) 화염 검출 방법 및 장치
US7859419B2 (en) Smoke detecting method and device
EP2172903B1 (en) Video motion detection
CN109167997B (zh) 一种视频质量诊断系统及方法
US8712149B2 (en) Apparatus and method for foreground detection
CN109711318B (zh) 一种基于视频流的多人脸检测与跟踪方法
US8922674B2 (en) Method and system for facilitating color balance synchronization between a plurality of video cameras and for obtaining object tracking between two or more video cameras
CN102222214A (zh) 快速物体识别算法
JP4999794B2 (ja) 静止領域検出方法とその装置、プログラム及び記録媒体
KR20060008268A (ko) 씨씨디 영상에서의 연기 검출방법 및 장치
EP2000952B1 (en) Smoke detecting method and device
CN108230607B (zh) 一种基于区域特征分析的图像火灾探测方法
KR101002712B1 (ko) 지능형 카메라 보안 시스템
JP3486229B2 (ja) 画像変化検出装置
EP2000998B1 (en) Flame detecting method and device
CN104778723A (zh) 红外图像中利用三帧差法进行移动侦测的方法
CN101930540A (zh) 基于视频的多特征融合的火焰检测装置和方法
KR100887942B1 (ko) 실시간 이상현상 감지 시스템 및 그 제어방법
CN103425958A (zh) 一种视频中不动物检测的方法
TWI476735B (zh) 攝影機異常種類辨識方法及可偵測攝影異常的監視主機
KR20130044793A (ko) 영상에서 비를 제거하기 위한 영상 처리 장치 및 방법
CN112183310A (zh) 冗余监控画面过滤及无效监控画面筛选的方法及系统

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200828

WD01 Invention patent application deemed withdrawn after publication