CN112019723B - 区块链的大数据目标监控方法及系统 - Google Patents
区块链的大数据目标监控方法及系统 Download PDFInfo
- Publication number
- CN112019723B CN112019723B CN202010925985.4A CN202010925985A CN112019723B CN 112019723 B CN112019723 B CN 112019723B CN 202010925985 A CN202010925985 A CN 202010925985A CN 112019723 B CN112019723 B CN 112019723B
- Authority
- CN
- China
- Prior art keywords
- target
- pixel point
- video
- monitoring video
- cloud computing
- 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
Images
Classifications
-
- 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
- H04N23/68—Control of cameras or camera modules for stable pick-up of the scene, e.g. compensating for camera body vibrations
- H04N23/682—Vibration or motion blur correction
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
-
- 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
- H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N25/00—Circuitry of solid-state image sensors [SSIS]; Control thereof
- H04N25/60—Noise processing, e.g. detecting, correcting, reducing or removing noise
- H04N25/61—Noise processing, e.g. detecting, correcting, reducing or removing noise the noise originating only from the lens unit, e.g. flare, shading, vignetting or "cos4"
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/222—Studio circuitry; Studio devices; Studio equipment
- H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
- H04N5/2622—Signal amplitude transition in the zone between image portions, e.g. soft edges
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种区块链的大数据目标监控方法及系统,所述方法包括:通过摄像装置采集监控视频,将监控视频发送到云计算终端;区块链节点向云计算终端的申请调出所述监控视频;云计算终端向所述区块链节点发送所述监控视频;区块链节点对通过监控视频对初测目标进行调整,得到最终检测的目标;发送所述终检测的目标的位置信息至所述云计算终端;云计算终端根据所述位置信息生成控制信息,将所述控制信息发送至所述摄像装置。高准确性的目标检测识别,控制摄像装置调整对所述目标的拍摄距离和角度,能够提高监控的准确性和有效性。
Description
技术领域
本发明涉及交通领域,具体而言,涉及一种区块链的大数据目标监控方法及系统。
背景技术
在商场、高速公路、公交、地铁、卖场、火车、高铁、银行、医院等系统中,都需要对人物、车辆、物品进行监视,以保证人们的人身以及财产安全。随着科技的发展,因为云计算技术、区块链技术具有能够数据共享的优点,为此,云计算、区块链越来越广泛地应用于各个领域中。
在有运动目标或者运动背景的条件下,拍摄的监控视频会存在运动模糊的情况,降低了视频的质量。现有技术中,目标检测方法主要依赖于背景差算法,而对于基于这样低质量的视频,背景差算法检测的效果很差,准确性很低。而视频监控以来与对视频中的目标的检测识别,目标检测识别准确性低,则视频监控的准确性也低,监控效果差。
发明内容
本发明的目的在于提供了一种区块链的大数据目标监控方法及系统,用以解决现有技术中存在的上述问题。
第一方面,本发明实施例提供了一种区块链的大数据目标监控方法,包括:
通过摄像装置采集监控视频,将监控视频发送到云计算终端;
云计算终端将所述监控视频存储到大数据库中进行大数据备案;
区块链节点向云计算终端的申请调出所述监控视频;
云计算终端向所述区块链节点发送所述监控视频;
区块链节点在监控视频中检测出存在运动模糊阴影的图像,对存在运动模糊阴影的图像进行运动模糊阴影恢复;在监控视频中检测出存在运动模糊阴影的图像都恢复完成后,监控视频变成恢复视频,所述恢复视频包括多张进行了运动模糊阴影恢复的图像;在进行了恢复视频中进行目标检测,得到初测目标;对通过监控视频对初测目标进行调整,得到最终检测的目标;发送所述终检测的目标的位置信息至所述云计算终端;
云计算终端根据所述位置信息生成控制信息,将所述控制信息发送至所述摄像装置,以使所述摄像装置调整对所述目标的拍摄距离和角度。
可选的,所述对初测目标进行调整,得到最终检测的目标,包括:
对监控视频进行目标检测,得到运动尺度变化目标;
获得运动尺度目标与初测目标之间的差值,差值的计算如下:
获得运动尺度目标的轮廓像素点与初测目标的轮廓像素点的距离,轮廓像素点有多个,对应得到多个距离;
获得多个所述距离的均值,以均值作为差值;
若所述差值大于预设值,将所述初测目标整体位置往运动模糊阴影形变最大的方向移动所述差值的距离,以移动后的初测目标作为最终检测的目标。
可选的,所述获得运动尺度目标的轮廓像素点与初测目标的轮廓像素点的距离,轮廓像素点有多个,对应得到多个距离,包括:
对运动尺度变化目标和初测目标进行边缘点匹配,获得多组匹配的边缘点对,每组匹配的边缘点对包括两个相互匹配的第一像素点和第二像素点,第一像素点属于初测目标的边缘像素点,第二像素点属于运动尺度变化目标的边缘像素点;
获得相互匹配的第一像素点和第二像素点的距离。
可选的,所述对运动尺度变化目标和初测目标进行边缘点匹配,获得多组匹配的边缘点对,包括:
检测得到所述运动尺度变化目标的边缘特征点和所述初测目标的边缘特征点;
获得所述运动尺度变化目标的边缘特征点与所述初测目标的边缘特征点的距离;
针对运动尺度变化目标的边缘特征点,若所述边缘特征点的像素值与所述初测目标的边缘特征点稍微像素值的差值在小于第一阈值,且所述边缘特征点与所述初测目标的边缘特征点之间的距离小于第二阈值,确定所述边缘特征点为第二基准像素点,确定与所述第二基准像素点匹配的所述初测目标的边缘特征点为第一基准像素点;
构建以所述第一基准像素点为中心的第一窗口和以第二基准像素点为中心的第二窗口;所述第一窗口和所述第二窗口的尺寸相同;
获得所述第一窗口与所述第二窗口中的像素点的像素值之差的绝对值之和;
若所述和小于第三阈值,确定所述第二基准像素点与第一基准像素点匹配,即所述第二基准像素点为第二像素点,第一基准像素点为与所述第二像素点匹配的第一像素点;
以所述第一基准像素点为基准点,以初测目标的边缘中与第一基准像素点相邻的边缘像素点为中心构建第一窗口;以所述第二基准像素点为基准点,以运动尺度变化目标的边缘中与第二基准像素点相邻的边缘像素点为中心构建第二窗口,获得所述第一窗口与所述第二窗口中的像素点的像素值之差的绝对值之和;
若所述和小于第三阈值,确定所述第二基准像素点相邻的边缘像素点与第一基准像素点相邻的边缘像素点匹配,即所述第二基准像素点相邻的边缘像素点为第二像素点,第一基准像素点相邻的边缘像素点为与所述第二像素点匹配的第一像素点;
每组匹配的边缘点对包括一个第一像素点和一个第二像素点。
可选的,所述在进行了恢复视频中进行目标检测,得到初测目标,包括:
采用光流法在恢复视频中进行目标检测,得到初测目标。
第二方面,本申请实施例还提供了一种区块链的大数据目标监控系统,包括:
摄像装置,用于通过摄像装置采集监控视频,将监控视频发送到云计算终端;
云计算终端,用于将所述监控视频存储到大数据库中进行大数据备案;
区块链节点,用于向云计算终端的申请调出所述监控视频;
云计算终端还用于,向所述区块链节点发送所述监控视频;
区块链节点还用于,在监控视频中检测出存在运动模糊阴影的图像,对存在运动模糊阴影的图像进行运动模糊阴影恢复;在监控视频中检测出存在运动模糊阴影的图像都恢复完成后,监控视频变成恢复视频,所述恢复视频包括多张进行了运动模糊阴影恢复的图像;在进行了恢复视频中进行目标检测,得到初测目标;对通过监控视频对初测目标进行调整,得到最终检测的目标;发送所述终检测的目标的位置信息至所述云计算终端;
云计算终端还用于,根据所述位置信息生成控制信息,将所述控制信息发送至所述摄像装置,以使所述摄像装置调整对所述目标的拍摄距离和角度。
可选的,所述对初测目标进行调整,得到最终检测的目标,包括:
对监控视频进行目标检测,得到运动尺度变化目标;
获得运动尺度目标与初测目标之间的差值,差值的计算如下:
获得运动尺度目标的轮廓像素点与初测目标的轮廓像素点的距离,轮廓像素点有多个,对应得到多个距离;
获得多个所述距离的均值,以均值作为差值;
若所述差值大于预设值,将所述初测目标整体位置往运动模糊阴影形变最大的方向移动所述差值的距离,以移动后的初测目标作为最终检测的目标。
可选的,所述获得运动尺度目标的轮廓像素点与初测目标的轮廓像素点的距离,轮廓像素点有多个,对应得到多个距离,包括:
对运动尺度变化目标和初测目标进行边缘点匹配,获得多组匹配的边缘点对,每组匹配的边缘点对包括两个相互匹配的第一像素点和第二像素点,第一像素点属于初测目标的边缘像素点,第二像素点属于运动尺度变化目标的边缘像素点;
获得相互匹配的第一像素点和第二像素点的距离。
可选的,所述对运动尺度变化目标和初测目标进行边缘点匹配,获得多组匹配的边缘点对,包括:
检测得到所述运动尺度变化目标的边缘特征点和所述初测目标的边缘特征点;
获得所述运动尺度变化目标的边缘特征点与所述初测目标的边缘特征点的距离;
针对运动尺度变化目标的边缘特征点,若所述边缘特征点的像素值与所述初测目标的边缘特征点稍微像素值的差值在小于第一阈值,且所述边缘特征点与所述初测目标的边缘特征点之间的距离小于第二阈值,确定所述边缘特征点为第二基准像素点,确定与所述第二基准像素点匹配的所述初测目标的边缘特征点为第一基准像素点;
构建以所述第一基准像素点为中心的第一窗口和以第二基准像素点为中心的第二窗口;所述第一窗口和所述第二窗口的尺寸相同;
获得所述第一窗口与所述第二窗口中的像素点的像素值之差的绝对值之和;
若所述和小于第三阈值,确定所述第二基准像素点与第一基准像素点匹配,即所述第二基准像素点为第二像素点,第一基准像素点为与所述第二像素点匹配的第一像素点;
以所述第一基准像素点为基准点,以初测目标的边缘中与第一基准像素点相邻的边缘像素点为中心构建第一窗口;以所述第二基准像素点为基准点,以运动尺度变化目标的边缘中与第二基准像素点相邻的边缘像素点为中心构建第二窗口,获得所述第一窗口与所述第二窗口中的像素点的像素值之差的绝对值之和;
若所述和小于第三阈值,确定所述第二基准像素点相邻的边缘像素点与第一基准像素点相邻的边缘像素点匹配,即所述第二基准像素点相邻的边缘像素点为第二像素点,第一基准像素点相邻的边缘像素点为与所述第二像素点匹配的第一像素点;
每组匹配的边缘点对包括一个第一像素点和一个第二像素点。
可选的,所述在进行了恢复视频中进行目标检测,得到初测目标,包括:
采用光流法在恢复视频中进行目标检测,得到初测目标。
相对于现有技术,本发明实施例达到的有益效果如下:
本发明的目的在于提供了一种区块链的大数据目标监控方法及系统,所述方法包括:通过摄像装置采集监控视频,将监控视频发送到云计算终端;云计算终端将所述监控视频存储到大数据库中进行大数据备案;区块链节点向云计算终端的申请调出所述监控视频;云计算终端向所述区块链节点发送所述监控视频;区块链节点在监控视频中检测出存在运动模糊阴影的图像,对存在运动模糊阴影的图像进行运动模糊阴影恢复;在监控视频中检测出存在运动模糊阴影的图像都恢复完成后,监控视频变成恢复视频,所述恢复视频包括多张进行了运动模糊阴影恢复的图像;在进行了恢复视频中进行目标检测,得到初测目标;对通过监控视频对初测目标进行调整,得到最终检测的目标;发送所述终检测的目标的位置信息至所述云计算终端;云计算终端根据所述位置信息生成控制信息,将所述控制信息发送至所述摄像装置,以使所述摄像装置调整对所述目标的拍摄距离和角度。
对存在运动模糊阴影的图像进行运动模糊阴影恢复,基于恢复后的视频进行目标检测,得可以去除运动模糊阴影对目标检测带来的影响,提高目标检测的准确性。另外,通过分别对进行了恢复视频中进行目标检测,得到初测目标,再通过监控视频对初测目标进行调整,得到最终检测的目标,最终检测的目标综合考虑了恢复后的视频以及原始的监控视频的检测结果,提高了目标检测识别的准确性。基于高准确性的目标检测识别,控制摄像装置调整对所述目标的拍摄距离和角度,能够提高监控的准确性和有效性。
附图说明
图1是本发明实施例提供的一种区块链的大数据目标监控方法流程图。
图2是本发明实施例提供的一种电子设备的方框结构示意图。
图标:500-总线;501-接收器;502-处理器;503-发送器;504-存储器;505-总线接口。
具体实施方式
下面结合附图,对本发明作详细的说明。
实施例
本申请提供了一种区块链的大数据目标监控方法,用于检测运动的车辆、行人、飞机、轮船等目标,例如应用于高速公路的车辆检测。本申请所述区块链节点可以是高速公路监控室、城市交通监控室、地铁监控室中的电脑、服务器等设备,区块链中包括多个实现资源共享的电子设备,组成一个区块链系统。请参阅图1,本申请提供的一种区块链的大数据目标监控方法包括:
S101:通过摄像装置(包括摄像头)采集监控视频,将监控视频发送到云计算终端。监控视频包括多张图像。
S102:云计算终端将所述监控视频存储到大数据库中进行大数据备案。
通过云计算终端将所述监控视频存储到大数据库中进行大数据备案,以防监控视频数据丢失。
S103:区块链节点向云计算终端的申请调出所述监控视频。
具体的,区块链节点中的工作人员触发申请调出视频的操作,区块链节点中发送请求调出视频信息至云计算终端。
S104:云计算终端向所述区块链节点发送所述监控视频。
具体的,云计算终端收到请求调出视频信息后,验证区块链节点的身份信息通过,则发送所述监控视频至所述区块链节点。
S105:区块链节点收到监控视频后,执行目标检测识别的步骤之后,发送最终检测的目标的位置信息至所述云计算终端。
其中,目标检测识别的步骤包括:
(1)在监控视频中检测出存在运动模糊阴影的图像,对存在运动模糊阴影的图像进行运动模糊阴影恢复。
(2)在监控视频中检测出存在运动模糊阴影的图像都恢复完成后,监控视频变成恢复视频,所述恢复视频包括多张进行了运动模糊阴影恢复的图像。
(3)在进行了恢复视频中进行目标检测,得到初测目标。
(4)通过监控视频对初测目标进行调整,得到最终检测的目标。
S106:云计算终端根据所述位置信息生成控制信息,将所述控制信息发送至所述摄像装置,以使所述摄像装置调整对所述目标的拍摄距离和角度。
具体的,云计算终端通过计算所述位置信息与摄像装置之间的相对关系(例如角度、拍摄的焦距),随时调整摄像装置与目标之间的角度在设定的角度之内,例如设定的建度为120°,物距在500米之内,当检测到目标与摄像装置之间的角度为150°且向西偏移时,显然摄像装置不能很好地拍摄出目标,那么生成的控制信息为:向东旋转30°到150°之间的角度。若发现拍摄的目标模糊,检测出目标与摄像装置物距大于700米时,那么生成的控制信息还包括:调整焦距以使物距在500米之内。
通过采用以上方案,对存在运动模糊阴影的图像进行运动模糊阴影恢复,基于恢复后的视频进行目标检测,得可以去除运动模糊阴影对目标检测带来的影响,提高目标检测的准确性。另外,通过分别对进行了恢复视频中进行目标检测,得到初测目标,再通过监控视频对初测目标进行调整,得到最终检测的目标,最终检测的目标综合考虑了恢复后的视频以及原始的监控视频的检测结果,提高了目标检测识别的准确性。基于高准确性的目标检测识别,控制摄像装置调整对所述目标的拍摄距离和角度,能够提高监控的准确性和有效性。
其中,所述通过监控视频对初测目标进行调整,得到最终检测的目标,包括:
对监控视频进行目标检测,得到运动尺度变化目标。然后,获得运动尺度目标与初测目标之间的差值,差值的计算如下:
获得运动尺度目标的轮廓像素点与初测目标的轮廓像素点的距离,轮廓像素点有多个,对应得到多个距离;获得多个所述距离的均值,以均值作为差值。
判断差值是否大于设定值,若所述差值大于预设值(预设值可以是2个像素点的长度),将所述初测目标整体位置往运动模糊阴影形变最大的方向移动所述差值的距离,以移动后的初测目标作为最终检测的目标。若所述差值不大于预设值,确定初测目标为最终检测的目标。
如此,能够保证在检测精度很高的时候不轻易做调整,在检测精度很低的时候需要做大力调整(将所述初测目标整体位置往运动模糊阴影形变最大的方向移动所述差值的距离),从而可以快速得到最终检测的目标的准确的位置信息。
对于上面所述的所述获得运动尺度目标的轮廓像素点与初测目标的轮廓像素点的距离,轮廓像素点有多个,对应得到多个距离,具体为:
对运动尺度变化目标和初测目标进行边缘点匹配,获得多组匹配的边缘点对,每组匹配的边缘点对包括两个相互匹配的第一像素点和第二像素点,第一像素点属于初测目标的边缘像素点,第二像素点属于运动尺度变化目标的边缘像素点。
获得相互匹配的第一像素点和第二像素点的距离,轮廓像素点有多个,对应得到多个距离。即运动尺度目标的轮廓像素点与初测目标的轮廓像素点的距离包括多组相互匹配的第一像素点和第二像素点的距离。
只有得到意义匹配的边缘像素点的距离,才能准确代表检测出来的两个目标的距离,考虑到了整体性,提高了距离确定的准确性。
本申请需要特别强调的是,所述对运动尺度变化目标和初测目标进行边缘点匹配,获得多组匹配的边缘点对,具体包括如下步骤:
1、检测得到所述运动尺度变化目标的边缘特征点和所述初测目标的边缘特征点。在此之前,是需要先检测运动尺度变化目标的边缘,以及初测目标的边缘,然后在边缘中检测边缘特征点。特征点可以是角点。
2、获得所述运动尺度变化目标的边缘特征点与初测目标的边缘特征点的距离。
3、针对运动尺度变化目标的边缘特征点,若所述边缘特征点的像素值与所述初测目标的边缘特征点的像素值的差值在小于第一阈值(第一阈值为10),且所述边缘特征点与所述初测目标的边缘特征点之间的距离小于第二阈值(第二阈值为0.08),确定所述边缘特征点为第二基准像素点,确定与所述第二基准像素点匹配的所述初测目标的边缘特征点为第一基准像素点。
4、构建以所述第一基准像素点为中心的第一窗口和以第二基准像素点为中心的第二窗口。其中,第一窗口和第二窗口的尺寸相同。
5、获得所述第一窗口与所述第二窗口中的像素点的像素值之差的绝对值之和。具体的,对第一窗口和第二窗口中的像素点进行排序,序号相同的像素点对应,对应的像素点之间的差值的和就是步骤5中所求的。按照先行后列的方法排序,第一窗口为3*3的矩阵时,9个像素点的排序依次为1、2、3、4、5、6、7、8、9,同样的第二窗口中的9个像素点的排序依次为1、2、3、4、5、6、7、8、9。获得所述第一窗口与所述第二窗口中的像素点的像素值之差的绝对值之和为:
6、若所述和小于第三阈值(第三阈值为50),确定所述第二基准像素点与第一基准像素点匹配,即所述第二基准像素点为第二像素点,第一基准像素点为与所述第二像素点匹配的第一像素点。
如此,对边缘特征点进行匹配,匹配准确性高,计算量小。
在完成了边缘特征点的匹配后,匹配非边缘特征点,具体按照下述方式进行匹配:
7、以所述第一基准像素点为基准点,以初测目标的边缘中与第一基准像素点相邻的边缘像素点为中心构建第一窗口。以所述第二基准像素点为基准点,以运动尺度变化目标的边缘中与第二基准像素点相邻的边缘像素点为中心构建第二窗口,获得所述第一窗口与所述第二窗口中的像素点的像素值之差的绝对值之和。
8、若所述和小于第三阈值,确定所述第二基准像素点相邻的边缘像素点与第一基准像素点相邻的边缘像素点匹配,即所述第二基准像素点相邻的边缘像素点为第二像素点,第一基准像素点相邻的边缘像素点为与所述第二像素点匹配的第一像素点;
每组匹配的边缘点对包括一个第一像素点和一个第二像素点。
即,将第一窗口在初测目标的边缘中进行滑动,将第二窗口在运动尺度变化目标的边缘中进行滑动,二者滑动的步长都是1个像素的距离,按照这个方法,依次对非特征点的边缘像素点(与第二基准像素点相邻的边缘像素点和与第一基准像素点相邻的边缘像素点)进行匹配,从而完成了对所有边缘像素点的匹配,从而实现对初测目标和运动尺度变化目标的边缘的准确匹配。
在本发明实施例中,所涉及的视频目标检测,都可以采用光流法进行检测。
通过采用以上方案,按照特征点线匹配,然后按照窗口滑动对非特征点进行匹配提高了像素点匹配的准确性,提高了边缘检测的准确性,进而提高了初测目标和运动尺度变化目标配准的准确性,依照这个配准结果,对初测目标进行调整,得到的最终的目标的准确性高,同时计算量小,因而提高了目标检测识别的准确性和效率,进而提高了视频监控的有效性。
因为运动速度越快,目标的运动模糊阴影所占的面积越大,目标检测越难。为此,需要去除运动模糊阴影。具体的,对存在运动模糊阴影的图像进行运动模糊阴影恢复。
视频中出现运动模糊的主要原因在于:在相机曝光的过程中,场景发生变化,则映射到相机成像传感器上的光的量发生变化,则就会产生模糊的画面。具体来说,相机曝光有一个曝光时长,假设曝光时长是T。正常情况下,如果成像传感器中每个像素点在曝光时长T内接收到的光的量都稳定且足够,才会获得清晰的图像,从而得到清晰的视频。但是,在相机和目标之间存在高速的相对运动情况下(相机相对于目标抖动,或者目标高速运动,或者二者都发生了运动),对于成像传感器中的某个像素点,其接收到的光的量是不稳定的。假设在一次拍摄过程中,曝光时长是T,照射在目标(人脸)上的光强不变,在初始曝光时刻t1时,成像传感器中的相邻三个像素点a、b、c分别对应的是人的左眼、山根、右眼,即左眼、山根、右眼的反射光线分别被像素点a、b、c接收。如果在整个曝光过程(曝光时长T)中,一直都保持左眼、山根、右眼的反射光线分别被像素点a、b、c接收,如图1所示,那么在图像中就会对应得到左眼、山根、右眼的特征信息,特征信息包括颜色、亮度等。
但是,如果在时刻t2(t2>t1,|t1-t2|<=T)左眼、山根、右眼与像素点a、b、c的相对位置发生了变化,例如相机相对于人头发生了向左的运动,如图1所示,像素点a、b、c分别对应的是人的左耳朵、左眼、山根,即左耳朵、左眼、山根的反射光线分别被像素点a、b、c接收。由于左耳朵、左眼、山根的反射光线的能量与左眼、山根、右眼的反射光线的能量不同,因此,发生了相对运动后,在曝光时长T内,像素点a、b、c在不同的时刻(t1、t2)接收到的光不同,为此,得到的图像不能准确反应左耳朵、左眼、山根、右眼的特征信息,这种情况下,像素点a、b、c最终对应的图像看起来是相似的,但是事实上,左耳朵、左眼、山根、右眼的特征完全不同,就单说颜色都是不同的,但是图像并没有反应出左耳朵、左眼、山根、右眼的不同。
同样的道理,出现运动模糊的图像难以反应出目标的特征,则出现运动模糊的视频同样的难以反应出目标的特征。在一个视频中,会包括多帧拍摄时间相邻的图像,如果在这个视频中出现一帧的图像有运动模糊,那么大概率的,该图像相邻的图像也存在运动模糊。为此,基于背景差算法是不能在存在运动模糊的时中检测出目标的。
为此,在本申请,采用补偿或者减弱的的方式恢复像素值。具体的,对存在运动模糊阴影的图像进行运动模糊阴影恢复,包括:检测出图像中的运动模糊阴影。获得运动模糊阴影中的每个像素点的周边像素点与所述像素点的像素值差值,获得每个周边像素点与所述像素点的角度,以所述角度的余弦值作为权值,按照所述权值对所述像素值差值进行加权求和,以求和得到的值除以周边像素点的数量,得到所述像素点的损失像素值。
具体的,按照下述公式计算得到损失像素值:
其中,Pi表示运动模糊阴影中的第i个像素点的损失像素值。如此,当Pi时正数时则需要进行补偿,当Pi时附属时,就是要削减。其中,表示第i个像素点的第k个周边像素点与第i个像素点之间的连线与以Pi为中心点的坐标系的横坐标正向的角度,正向为运动目标的运动方向的反方向。pk表示第k个周边像素点的像素值与像素点i的像素值的差值,n表示第i个像素点的周边像素点的数量,i是正整数。n的取值可以3、4、5、8,即周边像素点与像素点i(第i个像素点)构成一个以像素点i为中心的像素窗口。的值可以是0°、45°、90°、135°、180°、225°、270°、315°。
对于运动模糊阴影中的每个像素点,将像素点的像素值加上所述损失像素值,得到所述像素点的恢复像素值,每个像素点的像素值恢复成恢复像素值的运动模糊阴影是恢复区域。
具体的,将第i个像素点的像素值加上所述损失像素值,得到所述像素点i的恢复像素值。
对运动模糊阴影中的每个像素点都进行上述的操作,则得到运动模糊阴影对应的恢复区域。如此得到的灰度区域,虽然没有解决运动模糊中出现的前拖和后拖现象,但是,对其像素值进行了恢复。因为恢复像素值过程中,对差值的加权求和是按照角度的余弦值来计算的,这样考虑到了相机与目标发生相对运动时,对相机中的某个像素点最终采集到的像素值受到其周围像素点(对应到物理坐标就是目标的其他部位)的影响的大小。如果运动模糊阴影只有一行像素点,那么如果相机相对于目标是向后运动(那么,运动模糊区域的第一个像素点只会受到第二个像素点对应的目标点对其的影响。第二个像素点的像素值会受到第一个像素点对应的目标点和第三个像素点目标点的影响,但是,因为是向后的运动,理论上第一个像素点对应的目标点对第二个像素点的影响是没有的,但是由于漫反射的存在,第一个像素点对应的目标点也会对第二个像素点的像素值有影响,所以,必须减去该影响,因此,以第一个像素点到第二个像素点的角度大于90°,小于270°,其余弦值都是负的,以余弦值作为权值就可以除去了在前的像素点对应的目标点对在后的像素点的像素点的影响。在运动过程中,曝光有一定的时长,对于第二个像素点,其在接收到了第二个目标点(第二个像素点对应的物理坐标的目标点)反射的光以外,还会接收到第三个目标点(第叁个像素点对应的物理坐标的目标点)反射的光,如图1所示,如此。需要加上第三个像素点对第二个像素点的像素值的影响值(像素值差值),第三个像素点与第二个像素点的角度为0,0的余弦值为1,即完全加上差值,是合理的。当Pi时正数时则需要进行补偿,当Pi时附属时,就是要削减。如此可以提高了对运动模糊阴影的像素值恢复的精度。
在对运动模糊阴影进行像素值灰度后(得到了恢复区域),还需要对运动模糊阴影(恢复区域)进行位置的恢复和调整,具体的按照下述进行操作。
对所述恢复区域进行瘦身,得到瘦身区域,包含了瘦身区域的图像就是恢复好的图像。
求中,对所述恢复区域进行瘦身,得到瘦身区域包括:对恢复区域进行特征点检测和对恢复区域进行形变。具体的,可以对恢复区域进行特征点检测,例如检测角点,通过移动最小二乘法变形算法、反距离加权变形算法、基于最小二乘法的移动网格变形算法等对恢复区域进行瘦身,得到瘦身区域。
在监控视频中检测出存在运动模糊阴影的图像都恢复完成后,监控视频变成恢复视频,所述恢复视频包括多张进行了运动模糊阴影恢复的图像。
在视频采集的时候,周边像素点对应的目标点(物理坐标的实物)会对该像素点的成像有影响,对应的,会反映在周边像素点对该像素点的影响上,为此,基于这种影响对像素点进行像素值恢复,因为每个像素点的周边像素点与该像素点之前存在夹角,那么在对该像素点进行像素值恢复时,考虑到不同的周边像素点在运动时给该像素点带来的影响有方向的影响,那么通过周边像素点与该像素点之前存在夹角作为这个方向影响的因子,进而以所述角度的余弦值作为权值,按照所述权值对所述像素值差值进行加权求和,以求和得到的值除以周边像素点的数量,得到所述像素点的损失像素值,该损失像素值可以准确表示像素点在周边像素点的影响下损失的像素值,将所述像素点的像素值加上所述损失像素值,提高了像素值恢复的准确性。
另外,由于目标在运动过程中会出现运动模糊阴影(运动形变),运动模糊阴影的尺寸会大于目标(形成阴影的实物)本来的尺寸,如此,需要对恢复像素值以后的运动模糊阴影进行瘦身,以提高目标所在视频中位置的准确性,如此,基于恢复后的视频进行目标检测,并对目标进行相应的调整,提高了运动目标检测识别的准确性。
由于相机相对于目标是向后的运动,那么不但在后的像素点对在先的像素点的像素值有影响,在后帧的图像对在先帧的图像的像素值也有影响。为此,为了提高目标检测的准确性,所述区块链的大数据目标监控方法还包括:
在进行了上述的恢复操作后,获得每张图像中的运动模糊阴影的像素值的平均值(像素值均值),以像素值均值作为图像的运动阴影全局像素值,以图像作为一个像素点看待,按照上述相同的方式对图像的运动阴影全局像素值进行调整,再以调整后的运动阴影全局像素值作为基准,重新调整图像中的运动模糊阴影的像素点的像素值。具体为:
获得每张图像中的运动模糊阴影的像素值的平均值(像素值均值),以像素值均值作为图像的运动阴影全局像素值。
对于当前帧图像是第j帧图像,获得第j-1帧图像的运动模糊阴影的像素值的平均值m与第j帧图像的运动模糊阴影的像素值的平均值w的差值h1,j是正整数。获得第j+1帧图像的运动模糊阴影的像素值的平均值r与第j帧图像的运动模糊阴影的像素值的平均值w的差值h2。
第j-1帧图像与第j帧图像的角度为0°,第j+1帧图像与第j帧图像的角度为180°。
按照公式计算得到第j帧图像的损失像素值,此时,n表示与第j帧图像相邻的图像的数量,n=2,qk表示与第j帧图像相邻的第k个图像与第j帧图像的运动模糊阴影的像素值的平均值的差值,表示第j帧图像相邻的第k个图像与第j帧图像之间的角度,Qi表示第j帧图像的损失像素值。展开来说,按照公式Qi=(h1-h2)/2计算得到第j帧图像的损失像素值。
将第j帧图像的运动阴影全局像素值加上第j帧图像的损失像素值,得到调整后的第j帧图像的损失像素值的运动阴影全局像素值(调整运动阴影全局像素值,I+Qi)。I是调整前的第j帧图像的运动阴影全局像素值(像素值均值)
在调整了运动阴影全局像素值后,以调整后的运动阴影全局像素值作为基准,重新调整图像中的运动模糊阴影的像素点的像素值。具体为:
对于第j帧图像的运动模糊阴影(调整后的),获得调整后的运动模糊阴影中每个像素点的像素值(I+Qi)与像素值均值(I)的比值,以比值作为调整因子。
以运动模糊阴影中的每个像素点的像素值加上调整因子第j帧图像的损失像素值之间的乘积,得到最终调整后的运动模糊阴影。具体为:P=Is+Qi(I+Qi)/I。Is为运动模糊阴影中的第s个像素点的像素值,s为正整数。
经过二轮的像素值恢复和调整后,再对视频进行目标检测,得到的初测目标的准确性更高。
针对上述实施例提供一种区块链的大数据目标监控方法,本申请实施例还对应提供区块链的大数据目标监控系统,区块链的大数据目标监控系统用于执行上述的区块链的大数据目标监控方法。区块链的大数据目标监控系统包括:
摄像装置,用于通过摄像装置采集监控视频,将监控视频发送到云计算终端;
云计算终端,用于将所述监控视频存储到大数据库中进行大数据备案;
区块链节点,用于向云计算终端的申请调出所述监控视频;
云计算终端还用于,向所述区块链节点发送所述监控视频;
区块链节点还用于,在监控视频中检测出存在运动模糊阴影的图像,对存在运动模糊阴影的图像进行运动模糊阴影恢复;在监控视频中检测出存在运动模糊阴影的图像都恢复完成后,监控视频变成恢复视频,所述恢复视频包括多张进行了运动模糊阴影恢复的图像;在进行了恢复视频中进行目标检测,得到初测目标;对通过监控视频对初测目标进行调整,得到最终检测的目标;发送所述终检测的目标的位置信息至所述云计算终端;
云计算终端还用于,根据所述位置信息生成控制信息,将所述控制信息发送至所述摄像装置,以使所述摄像装置调整对所述目标的拍摄距离和角度。
其中,云计算终端、区块链节点和摄像装置之间通讯连接。
关于上述实施例中的系统,其中各个模块执行操作的具体方式已经在上述有关方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本发明实施例还提供了一种电子设备,其中,所述的服务端和客户端可以是所述的电子设备。如图2所示,包括存储器504、处理器502及存储在存储器504上并可在处理器502上运行的计算机程序,所述处理器502执行所述程序时实现前所述的区块链的大数据目标监控方法的任一方法的步骤。
其中,在图2中,总线架构(用总线500来代表),总线500可以包括任意数量的互联的总线和桥,总线500将包括由处理器502代表的一个或多个处理器和存储器504代表的存储器的各种电路链接在一起。总线500还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口505在总线500和接收器501和发送器503之间提供接口。接收器501和发送器503可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器502负责管理总线500和通常的处理,而存储器504可以被用于存储处理器502在执行操作时所使用的数据。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前文所述区块链的大数据目标监控方法的任一方法的步骤。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (8)
1.一种区块链的大数据目标监控方法,其特征在于,包括:
通过摄像装置采集监控视频,将监控视频发送到云计算终端;
云计算终端将所述监控视频存储到大数据库中进行大数据备案;
区块链节点向云计算终端的申请调出所述监控视频;
云计算终端向所述区块链节点发送所述监控视频;
区块链节点在监控视频中检测出存在运动模糊阴影的图像,对存在运动模糊阴影的图像进行运动模糊阴影恢复;在监控视频中检测出存在运动模糊阴影的图像都恢复完成后,监控视频变成恢复视频,所述恢复视频包括多张进行了运动模糊阴影恢复的图像;在进行了恢复视频中进行目标检测,得到初测目标;对通过监控视频对初测目标进行调整,得到最终检测的目标;发送所述最终检测的目标的位置信息至所述云计算终端;
云计算终端根据所述位置信息生成控制信息,将所述控制信息发送至所述摄像装置,以使所述摄像装置调整对所述目标的拍摄距离和角度。
2.根据权利要求1所述的方法,其特征在于,所述对初测目标进行调整,得到最终检测的目标,包括:
对监控视频进行目标检测,得到运动尺度变化目标;
获得运动尺度目标与初测目标之间的差值,差值的计算如下:
获得运动尺度目标的轮廓像素点与初测目标的轮廓像素点的距离,轮廓像素点有多个,对应得到多个距离;
获得多个所述距离的均值,以均值作为差值;
若所述差值大于预设值,将所述初测目标整体位置往运动模糊阴影形变最大的方向移动所述差值的距离,以移动后的初测目标作为最终检测的目标。
3.根据权利要求2所述的方法,其特征在于,所述获得运动尺度目标的轮廓像素点与初测目标的轮廓像素点的距离,轮廓像素点有多个,对应得到多个距离,包括:
对运动尺度变化目标和初测目标进行边缘点匹配,获得多组匹配的边缘点对,每组匹配的边缘点对包括两个相互匹配的第一像素点和第二像素点,第一像素点属于初测目标的边缘像素点,第二像素点属于运动尺度变化目标的边缘像素点;
获得相互匹配的第一像素点和第二像素点的距离。
4.根据权利要求1所述的方法,其特征在于,所述在进行了恢复视频中进行目标检测,得到初测目标,包括:
采用光流法在恢复视频中进行目标检测,得到初测目标。
5.一种区块链的大数据目标监控系统,其特征在于,包括:
摄像装置,用于通过摄像装置采集监控视频,将监控视频发送到云计算终端;
云计算终端,用于将所述监控视频存储到大数据库中进行大数据备案;
区块链节点,用于向云计算终端的申请调出所述监控视频;
云计算终端还用于,向所述区块链节点发送所述监控视频;
区块链节点还用于,在监控视频中检测出存在运动模糊阴影的图像,对存在运动模糊阴影的图像进行运动模糊阴影恢复;在监控视频中检测出存在运动模糊阴影的图像都恢复完成后,监控视频变成恢复视频,所述恢复视频包括多张进行了运动模糊阴影恢复的图像;在进行了恢复视频中进行目标检测,得到初测目标;对通过监控视频对初测目标进行调整,得到最终检测的目标;发送所述最终检测的目标的位置信息至所述云计算终端;
云计算终端还用于,根据所述位置信息生成控制信息,将所述控制信息发送至所述摄像装置,以使所述摄像装置调整对所述目标的拍摄距离和角度。
6.根据权利要求5所述的系统,其特征在于,所述对初测目标进行调整,得到最终检测的目标,包括:
对监控视频进行目标检测,得到运动尺度变化目标;
获得运动尺度目标与初测目标之间的差值,差值的计算如下:
获得运动尺度目标的轮廓像素点与初测目标的轮廓像素点的距离,轮廓像素点有多个,对应得到多个距离;
获得多个所述距离的均值,以均值作为差值;
若所述差值大于预设值,将所述初测目标整体位置往运动模糊阴影形变最大的方向移动所述差值的距离,以移动后的初测目标作为最终检测的目标。
7.根据权利要求6所述的系统,其特征在于,所述获得运动尺度目标的轮廓像素点与初测目标的轮廓像素点的距离,轮廓像素点有多个,对应得到多个距离,包括:
对运动尺度变化目标和初测目标进行边缘点匹配,获得多组匹配的边缘点对,每组匹配的边缘点对包括两个相互匹配的第一像素点和第二像素点,第一像素点属于初测目标的边缘像素点,第二像素点属于运动尺度变化目标的边缘像素点;
获得相互匹配的第一像素点和第二像素点的距离。
8.根据权利要求5所述的系统,其特征在于,所述在进行了恢复视频中进行目标检测,得到初测目标,包括:
采用光流法在恢复视频中进行目标检测,得到初测目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010925985.4A CN112019723B (zh) | 2020-09-07 | 2020-09-07 | 区块链的大数据目标监控方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010925985.4A CN112019723B (zh) | 2020-09-07 | 2020-09-07 | 区块链的大数据目标监控方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112019723A CN112019723A (zh) | 2020-12-01 |
CN112019723B true CN112019723B (zh) | 2021-12-07 |
Family
ID=73515972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010925985.4A Active CN112019723B (zh) | 2020-09-07 | 2020-09-07 | 区块链的大数据目标监控方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112019723B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116668631A (zh) * | 2023-04-27 | 2023-08-29 | 南京旭超商务咨询有限公司 | 区块链的大数据目标监控方法及设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104215216A (zh) * | 2014-08-21 | 2014-12-17 | 深圳市金立通信设备有限公司 | 一种测距装置及终端 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8508606B2 (en) * | 2009-11-20 | 2013-08-13 | Hon Hai Precision Industry Co., Ltd. | System and method for deblurring motion blurred images |
CN102148965B (zh) * | 2011-05-09 | 2014-01-15 | 厦门博聪信息技术有限公司 | 多目标跟踪特写拍摄视频监控系统 |
CN104811654B (zh) * | 2014-01-26 | 2018-01-16 | 杭州华为企业通信技术有限公司 | 一种基于物联网的监测方法、装置及系统 |
CN104822055A (zh) * | 2015-05-19 | 2015-08-05 | 重庆大学 | 一种针对雾天的红外热像监控系统及方法 |
CN105447828B (zh) * | 2015-11-23 | 2018-07-17 | 武汉工程大学 | 沿运动模糊路径进行一维反卷积的单视点图像去模糊方法 |
CN106210543B (zh) * | 2016-08-16 | 2019-07-05 | 北京小米移动软件有限公司 | 摄像设备控制方法及装置 |
CN110867046A (zh) * | 2018-08-27 | 2020-03-06 | 西安唐朝机器人科技有限公司 | 一种基于云计算的智能洗车机视频监控预警系统 |
CN110223239B (zh) * | 2019-04-30 | 2023-04-14 | 努比亚技术有限公司 | 一种图像处理方法、终端及计算机可读存储介质 |
-
2020
- 2020-09-07 CN CN202010925985.4A patent/CN112019723B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104215216A (zh) * | 2014-08-21 | 2014-12-17 | 深圳市金立通信设备有限公司 | 一种测距装置及终端 |
Also Published As
Publication number | Publication date |
---|---|
CN112019723A (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106204595B (zh) | 一种基于双目摄像机的机场场面三维全景监视方法 | |
CN110378931A (zh) | 一种基于多摄像头的行人目标移动轨迹获取方法及系统 | |
CN111428575B (zh) | 一种基于孪生网络的针对模糊目标的跟踪方法 | |
CN110689562A (zh) | 一种基于生成对抗网络的轨迹回环检测优化方法 | |
CN107248174A (zh) | 一种基于tld算法的目标跟踪方法 | |
CN105335955A (zh) | 对象检测方法和对象检测装置 | |
CN112037148B (zh) | 大数据运动目标检测识别方法及系统 | |
CN105374049B (zh) | 一种基于稀疏光流法的多角点跟踪方法及装置 | |
CN111899345B (zh) | 一种基于2d视觉图像的三维重建方法 | |
Asmare et al. | Image Enhancement by Fusion in Contourlet Transform. | |
CN112019723B (zh) | 区块链的大数据目标监控方法及系统 | |
Li et al. | Vehicle object detection based on rgb-camera and radar sensor fusion | |
CN111932590A (zh) | 对象跟踪方法、装置、电子设备及可读存储介质 | |
KR101803340B1 (ko) | 영상 기반 주행거리 측정 시스템 및 방법 | |
Guo et al. | Visibility detection approach to road scene foggy images | |
CN117315547A (zh) | 一种解决动态物体大占比的视觉slam方法 | |
CN117036404A (zh) | 一种单目热成像同时定位与建图方法和系统 | |
Zeng et al. | \mathrm 3D^ 2Unet 3 D 2 U net: 3D Deformable Unet for Low-Light Video Enhancement | |
Dong et al. | Standard and event cameras fusion for feature tracking | |
CN116777953A (zh) | 基于多尺度特征聚合增强的遥感图像目标跟踪方法 | |
Zhang et al. | Dim moving infrared target enhancement based on precise trajectory extraction | |
CN115249269A (zh) | 目标检测方法、计算机程序产品、存储介质及电子设备 | |
Sun et al. | Multi-Task Cross-Modality Attention-Fusion for 2D Object Detection | |
CN114612999A (zh) | 一种目标行为分类方法、存储介质及终端 | |
CN112507965A (zh) | 一种电子瞭望系统的目标识别方法及系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211115 Address after: Floor 5-6, building 7, No. 171, hele Second Street, Chengdu hi tech Zone, China (Sichuan) pilot Free Trade Zone, Chengdu, Sichuan 610000 Applicant after: Longteng digital technology (Chengdu) Co., Ltd Address before: 556000 No. 38, Yingpan West Road, Ximen street, Kaili City, Qiandongnan Miao and Dong Autonomous Prefecture, Guizhou Province Applicant before: Yang Xianlian |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |