CN111738108A - 一种视频流的人头检测方法及系统 - Google Patents
一种视频流的人头检测方法及系统 Download PDFInfo
- Publication number
- CN111738108A CN111738108A CN202010514193.8A CN202010514193A CN111738108A CN 111738108 A CN111738108 A CN 111738108A CN 202010514193 A CN202010514193 A CN 202010514193A CN 111738108 A CN111738108 A CN 111738108A
- Authority
- CN
- China
- Prior art keywords
- frame
- processed image
- human head
- storage unit
- head detection
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 123
- 238000012545 processing Methods 0.000 claims abstract description 61
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000010219 correlation analysis Methods 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 230000001629 suppression Effects 0.000 claims description 6
- 230000008034 disappearance Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000013135 deep learning Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000009432 framing Methods 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视频流的人头检测方法及系统,属于视频处理技术领域,方法包括:步骤S1,对视频流进行拆解,以得到包括连续多帧图像的图片序列;步骤S2,生成对应于帧图像的第一处理图像;步骤S3,提取位于当前帧之前预定帧数内的第一处理图像作为前置帧;步骤S4,处理得到第二处理图像;步骤S5,将第二处理图像作为人头检测结果输出;系统包括:采集单元、分解单元、第一处理单元、第一存储单元、提取单元、第二处理单元、第二存储单元、输出单元;有益效果是:有效降低复杂环境下特征提取的难度,提升了人头检测的准确率和召回率,解决了视频人头检测突然消失而导致的检测人头阶跃的问题。
Description
技术领域
本发明涉及视频处理技术领域,尤其涉及一种视频流的人头检测方法及系统。
背景技术
随着计算机视觉和模式识别技术的快速发展,目标检测技术得到了广泛应用,基于神经网络的人头检测技术为目标检测领域的一个分支,该技术通过使用摄像头获取包括客流量信息的视频流,同时通过人头检测技术,实时检测视频流中的人头位置并做打框、统计处理,实现对各类场景下的人流进行实时监测及告警提示,规避由于人群过于密集可能引起的相关风险。
目前,常用的目标检测算法包括深度学习框架:SSD(Single ShotMultiBoxDetector)、Faster Rcnn、yoloV3等。现有技术中,使用算法模型仅对视频流中的当前图片帧进行检测或是仅根据相邻下一帧的检测结果倒序推理当前帧的检测结果。每帧检测结果通常是算法根据单一帧图片检测得出,并没有进行多帧关联,从而导致检测效果不稳定,召回率即画面检测出的正确人头数在总人头数中的占比会出现波动,同时在检测目标被遮或受光线等环境因素影响下会出现目标人头有时未被检测的问题,进而导致的检测人头阶跃现象的发生,无法有效满足复杂场景下人头检测高召回率的要求。
发明内容
根据现有技术中存在的上述问题,现提供一种视频流人头检测方法及系统,通过抽帧处理降低数据运算量,节省资源开销,并通过深度学习神经网络人头检测模型以及多帧关联分析合并有效降低复杂环境下特征提取的难度,提升了人头检测的准确率和召回率,解决了视频人头检测突然消失而导致的检测人头阶跃的问题。
上述技术方案具体包括:
一种视频流的人头检测方法,其中,提供一第一存储单元、一第二存储单元以及一视频流,并采用一第一线程执行所述人头检测方法;
所述人头检测方法进一步包括:
步骤S1,对所述视频流进行拆解,以得到包括连续多帧图像的图片序列;
步骤S2,按照预定间隔规则对所述图片序列中的所述帧图像进行顺序抽取,并采用一预先训练的人头检测模型对抽取的所述帧图像进行处理,以生成对应于所述帧图像的第一处理图像,并将所述第一处理图像存入所述第一存储单元;
步骤S3,提取所述第一存储单元中的一所述第一处理图像作为当前帧,并提取位于所述当前帧之前预定帧数内的所述第一处理图像作为前置帧;
步骤S4,对所述当前帧和所述前置帧进行多帧关联分析合并处理,得到对应于所述当前帧的第二处理图像并存入所述第二存储单元;
步骤S5,将所述第二处理图像作为人头检测结果输出。
优选地,其中,所述第一处理图像中包括经由所述人头检测模型识别并形成的人头检测框。
优选地,其中,所述步骤S4中,所述多帧关联分析合并处理的方式包括:
步骤S41,将所述当前帧和所述前置帧合并形成一帧图像;
步骤S42,检测得到合并后的一帧图像中的多个所述人头检测框的重叠置信度;
步骤S43,根据所述重叠置信度以及每个所述人头检测框所对应的分类置信度,对合并后的一帧图像进行非极大值抑制处理,得到所述第二处理图像。
优选地,其中,采用一独立于所述第一线程的第二线程,定期提取所述第二存储单元中的所述第二处理图像以展示给用户。
优选地,其中,所述第一处理图像按照生成的时间顺序存入所述第一存储单元,并于所述第一存储单元存满时,将待写入所述第一存储单元的所述第一处理图像覆盖最早写入所述第一存储单元的所述第一处理图像。
一种视频流的人头检测系统,其中包括:
采集单元,用于采集一视频流;
分解单元,连接所述采集单元,用于对所述视频流进行拆解,以得到包括连续多帧图像的图片序列;
第一处理单元,连接所述分解单元,用于按照预定间隔规则对所述图片序列中的所述帧图像进行顺序抽取,并采用一预先训练的人头检测模型对抽取的所述帧图像进行处理,以生成对应于所述帧图像的第一处理图像;
第一存储单元,连接所述第一处理单元,用于存储所述第一处理图像;
提取单元,连接所述第一存储单元,用于提取所述第一存储单元中的一所述第一处理图像标记为当前帧,并提取位于所述当前帧之前预定帧数内的所述第一处理图像标记为前置帧;
第二处理单元,连接所述提取单元,用于对所述当前帧和所述前置帧进行多帧关联分析合并处理,得到对应于所述当前帧的第二处理图像;
第二存储单元,连接所述第二处理单元,用于存储所述第二处理图像;
输出单元,连接所述第二存储单元,用于将所述第二处理图像作为人头检测结果输出
优选地,其中,所述第一处理图像中包括经由所述人头检测模型识别并形成的人头检测框。
优选地,其中,所述第二处理单元具体包括:
合并模块,用于将所述当前帧和所述前置帧合并形成一帧图像;
检测模块,连接所述合并模块,用于检测得到合并后的一帧图像中的多个所述人头检测框的重叠置信度;
处理模块,连接所述检测模块,用于根据所述重叠置信度以及每个所述人头检测框所对应的分类置信度,对合并后的一帧图像进行非极大值抑制处理,得到所述第二处理图像。
优选地,其中,所述人头检测系统还包括:
展示单元,连接所述第二存储单元,用于定时提取所述第二存储单元中的所述第二处理图像以展示给用户。
优选地,其中,所述第一处理图像按照生成的时间顺序存入所述第一存储单元,并于所述第一存储单元存满时,将待写入所述第一存储单元的所述第一处理图像覆盖最早写入所述第一存储单元的所述第一处理图像。
上述技术方案的有益效果在于:
提供一种视频流人头检测方法及系统,通过抽帧处理降低数据运算量,节省资源开销,并通过深度学习神经网络人头检测模型以及多帧关联分析合并有效降低复杂环境下特征提取的难度,提升了人头检测的准确率和召回率,解决了视频人头检测突然消失而导致的检测人头阶跃的问题。
附图说明
图1是本发明的较佳实施例中,一种视频流的人头检测方法的流程示意图;
图2是本发明的较佳实施例中,步骤S4的分步骤流程示意图;
图3是本发明的较佳实施例中,一种视频流的人头检测系统的结构示意图;
图4是本发明的较佳实施例中,第二处理单元的内部结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出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。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
一种视频流的人头检测方法,其中,提供一第一存储单元4、一第二存储单元7以及一视频流,并采用一第一线程执行人头检测方法;
人头检测方法进一步包括:
步骤S1,对视频流进行拆解,以得到包括连续多帧图像的图片序列;
步骤S2,按照预定间隔规则对图片序列中的帧图像进行顺序抽取,并采用一预先训练的人头检测模型对抽取的帧图像进行处理,以生成对应于帧图像的第一处理图像,并将第一处理图像存入第一存储单元4;
步骤S3,提取第一存储单元4中的一第一处理图像作为当前帧,并提取位于当前帧之前预定帧数内的第一处理图像作为前置帧;
步骤S4,对当前帧和前置帧进行多帧关联分析合并处理,得到对应于当前帧的第二处理图像并存入第二存储单元7;
步骤S5,将第二处理图像作为人头检测结果输出。
作为优选的实施方式,随着电信转型业务的发展,在智慧园区、楼宇等产品中,越来越多嵌入园区、楼宇等内部视频流。其中部分场景存在大人流量现象,存在人群过于密集导致的安全隐患的可能。通过人头检测技术,实时检测视频流中的人头位置并做打框、统计处理,实现对此类场景人流进行实时监测及告警提示,规避可能出现的相关风险。本发明共分为两个线程,第一个线程中,首先创建一第一存储单元4作为缓存池,创建一第二存储单元7作为资源池,然后使用深度学习人脸检测模型自训练的SSD人头检测模型,对当前帧进行检测得到第一处理图像,并将第一处理图像存储进入缓存池,即第一存储单元4中。随后使用本次的检测结果以及本次检测结果之前的多帧检测结果进行关联分析合并,将合并后得到的第二处理图像存储进入第二存储单元7中,通过多帧关联分析合并可以有效防止漏检现象及检测结果阶跃现象的放生。
通过外部采集设备采集得到包含相应人流信息的视频流,通过对视频流进行实时处理拆解,得到连续的多帧图片序列;由于图片序列根据视频流顺序生成,因此,相邻帧图像之间具备较强的逻辑性,通过抽帧检测的方法不仅可以减少计算开销,缩短处理时间,还可以使用前置帧的检测结果影响当前帧的结果,增强关联性。从图片序列中抽取帧图像的规则可以根据具体需要具体制定,在本发明的一个具体实施例中,可以先根据序列号对帧图像进行奇数帧和偶数帧的划分,随后顺序抽取图片序列中的偶数帧进行人头检测,而略过奇数帧。随后采用预先训练完成的SSD人头检测模型对抽取的帧图像进行人头检测。
在本发明的较佳实施例中,采用一独立于第一线程的第二线程,定期提取第二存储单元7中的第二处理图像以展示给用户。
具体的在本实施例中,还包括一第二线程,用于定时抽取第二存储单元7中处理后的图片并展示给用户,第二线程与第一线程同步进行,有效降低了检测结果受目标遮挡与形态快速改变的影响,解决了视频人头检测突然消失而导致的前后画面不一致的问题,攻克了视频播放卡顿的难题,这同时提高了检测人头的召回率及准确率,使得在展现时保持输出结果稳定,防止视频展示出现检测人头数阶跃的现象。
在本发明的较佳实施例中,第一处理图像中包括经由人头检测模型识别并形成的人头检测框。
具体的,在本实施例中,SSD人头检测模型为使用深度学习人脸检测模型自训练的SSD人头检测深度学习模型,而具体训练生成过程为本领域已经公开的现有技术,在此不再赘述。
在本发明的较佳实施例中,步骤S4中,多帧关联分析合并处理的方式包括:
步骤S41,将当前帧和前置帧合并形成一帧图像;
步骤S42,检测得到合并后的一帧图像中的多个人头检测框的重叠置信度;
步骤S43,根据重叠置信度以及每个人头检测框所对应的分类置信度,对合并后的一帧图像进行非极大值抑制处理,得到第二处理图像。
具体的,在本实施例中,多帧关联分析合并中将前N帧(N为自定义正整数)的检测结果和当前帧相联系,减少不必要的重复打框及漏检的同时考虑到顺序图片序列整体的联系,极大的提升视频检测的整体连续性和完整性。其具体做法将当前图片帧经过自定义目标检测模型输出的检测结果保存到第一存储单元4中,并和前N帧(N为自定义正整数)检测结果做关联合并得到当前帧最终结果。当且仅当缓存中所有帧没有人头出现的时候显示没有检测到人头。在不影响场景显示的情况下,从很大的程度上解决了漏检的现象发生。
在本发明的较佳实施例中,第一处理图像按照生成的时间顺序存入第一存储单元4,并于第一存储单元4存满时,将待写入第一存储单元4的第一处理图像覆盖最早写入第一存储单元4的第一处理图像。
具体的,在本实施例中,第一存储单元4总共可以存储N帧的第一处理图像,前后多帧关联性强。结合前置N帧(自定义)与当前帧多种检测结果作为当前人脸检测结果。多帧检测结果实时更新,保证实时性的同时提升检测召回率及准确率,对于顺序图片序列的检测逻辑性强。抽帧检测,使用前置帧的检测结果影响当前帧结果,计算开销小,耗时短,多线程优化,检测和展示同步进行,攻克视频展示卡顿难题,检测结果受目标姿势与形态快速改变的影响小。视频人头检测画面连续,没有人头检测突然消失而导致的前后画面不一致的问题。可满足复杂场景人头检测的高召回率要求。自动化运行,减少了人工干预、部署灵活,成本低,利旧率高,无需更换摄像头即可实现人头检测功能。
一种视频流的人头检测系统,其中包括:
采集单元1,用于采集一视频流;
分解单元2,连接采集单元1,用于对视频流进行拆解,以得到包括连续多帧图像的图片序列;
第一处理单元3,连接分解单元2,用于按照预定间隔规则对图片序列中的帧图像进行顺序抽取,并采用一预先训练的人头检测模型对抽取的帧图像进行处理,以生成对应于帧图像的第一处理图像;
第一存储单元4,连接第一处理单元3,用于存储第一处理图像;
提取单元5,连接第一存储单元4,用于提取第一存储单元4中的一第一处理图像标记为当前帧,并提取位于当前帧之前预定帧数内的第一处理图像标记为前置帧;
第二处理单元6,连接提取单元5,用于对当前帧和前置帧进行多帧关联分析合并处理,得到对应于当前帧的第二处理图像;
第二存储单元7,连接第二处理单元6,用于存储第二处理图像;
输出单元8,连接第二存储单元7,用于将第二处理图像作为人头检测结果输出
在本发明的较佳实施例中,第一处理图像中包括经由人头检测模型识别并形成的人头检测框。
在本发明的较佳实施例中,第二处理单元6具体包括:
合并模块61,用于将当前帧和前置帧合并形成一帧图像;
检测模块62,连接合并模块61,用于检测得到合并后的一帧图像中的多个人头检测框的重叠置信度;
处理模块63,连接检测模块62,用于根据重叠置信度以及每个人头检测框所对应的分类置信度,对合并后的一帧图像进行非极大值抑制处理,得到第二处理图像。
在本发明的较佳实施例中,人头检测系统还包括:
展示单元9,连接第二存储单元7,用于定时提取第二存储单元7中的第二处理图像以展示给用户。
在本发明的较佳实施例中,第一处理图像按照生成的时间顺序存入第一存储单元4,并于第一存储单元4存满时,将待写入第一存储单元4的第一处理图像覆盖最早写入第一存储单元4的第一处理图像。
上述技术方案的有益效果在于:
提供一种视频流人头检测方法及系统,通过抽帧处理降低数据运算量,节省资源开销,并通过深度学习神经网络人头检测模型以及多帧关联分析合并有效降低复杂环境下特征提取的难度,提升了人头检测的准确率和召回率,解决了视频人头检测突然消失而导致的检测人头阶跃的问题。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (10)
1.一种视频流的人头检测方法,其特征在于,提供一第一存储单元、一第二存储单元以及一视频流,并采用一第一线程执行所述人头检测方法;
所述人头检测方法进一步包括:
步骤S1,对所述视频流进行拆解,以得到包括连续多帧图像的图片序列;
步骤S2,按照预定间隔规则对所述图片序列中的所述帧图像进行顺序抽取,并采用一预先训练的人头检测模型对抽取的所述帧图像进行处理,以生成对应于所述帧图像的第一处理图像,并将所述第一处理图像存入所述第一存储单元;
步骤S3,提取所述第一存储单元中的一所述第一处理图像作为当前帧,并提取位于所述当前帧之前预定帧数内的所述第一处理图像作为前置帧;
步骤S4,对所述当前帧和所述前置帧进行多帧关联分析合并处理,得到对应于所述当前帧的第二处理图像并存入所述第二存储单元;
步骤S5,将所述第二处理图像作为人头检测结果输出。
2.根据权利要求1所述的人头检测方法,其特征在于,所述第一处理图像中包括经由所述人头检测模型识别并形成的人头检测框。
3.根据权利要求2所述的人头检测方法,其特征在于,所述步骤S4中,所述多帧关联分析合并处理的方式包括:
步骤S41,将所述当前帧和所述前置帧合并形成一帧图像;
步骤S42,检测得到合并后的一帧图像中的多个所述人头检测框的重叠置信度;
步骤S43,根据所述重叠置信度以及每个所述人头检测框所对应的分类置信度,对合并后的一帧图像进行非极大值抑制处理,得到所述第二处理图像。
4.根据权利要求1所述的视频流人头检测方法,其特征在于,采用一独立于所述第一线程的第二线程,定期提取所述第二存储单元中的所述第二处理图像以展示给用户。
5.根据权利要求1所述的视频流人头检测方法,其特征在于,所述第一处理图像按照生成的时间顺序存入所述第一存储单元,并于所述第一存储单元存满时,将待写入所述第一存储单元的所述第一处理图像覆盖最早写入所述第一存储单元的所述第一处理图像。
6.一种视频流的人头检测系统,其特征在于,包括:
采集单元,用于采集一视频流;
分解单元,连接所述采集单元,用于对所述视频流进行拆解,以得到包括连续多帧图像的图片序列;
第一处理单元,连接所述分解单元,用于按照预定间隔规则对所述图片序列中的所述帧图像进行顺序抽取,并采用一预先训练的人头检测模型对抽取的所述帧图像进行处理,以生成对应于所述帧图像的第一处理图像;
第一存储单元,连接所述第一处理单元,用于存储所述第一处理图像;
提取单元,连接所述第一存储单元,用于提取所述第一存储单元中的一所述第一处理图像标记为当前帧,并提取位于所述当前帧之前预定帧数内的所述第一处理图像标记为前置帧;
第二处理单元,连接所述提取单元,用于对所述当前帧和所述前置帧进行多帧关联分析合并处理,得到对应于所述当前帧的第二处理图像;
第二存储单元,连接所述第二处理单元,用于存储所述第二处理图像;
输出单元,连接所述第二存储单元,用于将所述第二处理图像作为人头检测结果输出
7.根据权利要求6所述的人头检测系统,其特征在于,所述第一处理图像中包括经由所述人头检测模型识别并形成的人头检测框。
8.根据权利要求6所述的人头检测系统,其特征在于,所述第二处理单元具体包括:
合并模块,用于将所述当前帧和所述前置帧合并形成一帧图像;
检测模块,连接所述合并模块,用于检测得到合并后的一帧图像中的多个所述人头检测框的重叠置信度;
处理模块,连接所述检测模块,用于根据所述重叠置信度以及每个所述人头检测框所对应的分类置信度,对合并后的一帧图像进行非极大值抑制处理,得到所述第二处理图像。
9.根据权利要求6所述的人头检测系统,其特征在于,所述人头检测系统还包括:
展示单元,连接所述第二存储单元,用于定时提取所述第二存储单元中的所述第二处理图像以展示给用户。
10.根据权利要求6所述的视频流人头检测系统,其特征在于,所述第一处理图像按照生成的时间顺序存入所述第一存储单元,并于所述第一存储单元存满时,将待写入所述第一存储单元的所述第一处理图像覆盖最早写入所述第一存储单元的所述第一处理图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514193.8A CN111738108B (zh) | 2020-06-08 | 2020-06-08 | 一种视频流的人头检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010514193.8A CN111738108B (zh) | 2020-06-08 | 2020-06-08 | 一种视频流的人头检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111738108A true CN111738108A (zh) | 2020-10-02 |
CN111738108B CN111738108B (zh) | 2024-01-16 |
Family
ID=72648468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010514193.8A Active CN111738108B (zh) | 2020-06-08 | 2020-06-08 | 一种视频流的人头检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111738108B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733677A (zh) * | 2020-12-31 | 2021-04-30 | 桂林海威科技股份有限公司 | 一种人流量统计系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018095082A1 (zh) * | 2016-11-28 | 2018-05-31 | 江苏东大金智信息系统有限公司 | 一种视频监测中运动目标的快速检测方法 |
CN110084173A (zh) * | 2019-04-23 | 2019-08-02 | 精伦电子股份有限公司 | 人头检测方法及装置 |
CN111144220A (zh) * | 2019-11-29 | 2020-05-12 | 福建省星云大数据应用服务有限公司 | 适于大数据的人员检测方法、装置、设备和介质 |
-
2020
- 2020-06-08 CN CN202010514193.8A patent/CN111738108B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018095082A1 (zh) * | 2016-11-28 | 2018-05-31 | 江苏东大金智信息系统有限公司 | 一种视频监测中运动目标的快速检测方法 |
CN110084173A (zh) * | 2019-04-23 | 2019-08-02 | 精伦电子股份有限公司 | 人头检测方法及装置 |
CN111144220A (zh) * | 2019-11-29 | 2020-05-12 | 福建省星云大数据应用服务有限公司 | 适于大数据的人员检测方法、装置、设备和介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112733677A (zh) * | 2020-12-31 | 2021-04-30 | 桂林海威科技股份有限公司 | 一种人流量统计系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111738108B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10832069B2 (en) | Living body detection method, electronic device and computer readable medium | |
US8073203B2 (en) | Generating effects in a webcam application | |
CN110942009B (zh) | 基于时空混合卷积网络的跌倒检测方法与系统 | |
WO2020215552A1 (zh) | 多目标跟踪方法、装置、计算机设备及存储介质 | |
CN113807276B (zh) | 基于优化的YOLOv4模型的吸烟行为识别方法 | |
CN113365147B (zh) | 基于音乐卡点的视频剪辑方法、装置、设备及存储介质 | |
CN111507248A (zh) | 一种低分辨热力图的人脸额头区域检测与定位方法及其系统 | |
US20110280442A1 (en) | Object monitoring system and method | |
CN109660762A (zh) | 智能抓拍装置中大小图关联方法及装置 | |
CN111738108B (zh) | 一种视频流的人头检测方法及系统 | |
CN111223549A (zh) | 一种基于姿态矫正的疾病预防的移动端系统及方法 | |
CN109986553B (zh) | 一种主动交互的机器人、系统、方法及存储装置 | |
JP4110323B2 (ja) | 情報出力方法及び装置及びプログラム及び情報出力プログラムを格納したコンピュータ読み取り可能な記憶媒体 | |
US7826667B2 (en) | Apparatus for monitor, storage and back editing, retrieving of digitally stored surveillance images | |
CN110475139B (zh) | 一种视频字幕的遮挡方法、装置、存储介质及电子设备 | |
CN109299777B (zh) | 一种基于人工智能的数据处理方法及其系统 | |
CN111083443A (zh) | 一种基于深度学习的监控中心辅助系统及方法 | |
CN115116136A (zh) | 一种异常行为检测方法、装置、介质 | |
CN114245032B (zh) | 视频取景的自动切换方法及系统、视频播放器及存储介质 | |
CN116189027A (zh) | 基于多层特征融合的Faster R-cnn上下文机制优化方法 | |
JP2004080156A (ja) | 画像処理装置、画像処理方法、プログラム及び記録媒体並びに画像処理システム | |
CN114613010A (zh) | 检测模型的训练方法及装置、吸烟行为的检测方法及装置 | |
CN114220175A (zh) | 运动模式识别方法及其装置、设备、介质、产品 | |
CN114387670A (zh) | 基于时空特征融合的步态识别方法、装置及存储介质 | |
CN111582031A (zh) | 基于神经网络的多模型协同暴力检测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |