CN112446358A - 基于视频图像识别技术的目标检测方法 - Google Patents
基于视频图像识别技术的目标检测方法 Download PDFInfo
- Publication number
- CN112446358A CN112446358A CN202011478980.8A CN202011478980A CN112446358A CN 112446358 A CN112446358 A CN 112446358A CN 202011478980 A CN202011478980 A CN 202011478980A CN 112446358 A CN112446358 A CN 112446358A
- Authority
- CN
- China
- Prior art keywords
- target
- monitoring
- pixel points
- picture
- video
- 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
Links
Images
Classifications
-
- 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
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属于图像处理技术领域,具体涉及一种基于视频图像识别技术的目标检测方法,包括如下步骤:视频输入、目标监测、目标跟踪、目标输出;本发明在区域监测中通过背景建模将重点关注监测区域与画面背景进行分离,降低背景因素干扰,并通过目标区域抑制方法,进一步有效过滤无效目标,同时通过目标跟踪方法持续准确定位有效目标,排除虚警目标。与现有技术相比,本发明提出的技术方案在无需其他硬件设备技术支持下,通过对监视摄像机视频图像进行分析,将场景中背景和目标分离进而分析并追踪在摄像机场景内出现的有效目标,具备对风、雨、雪、落叶、飞鸟、飘动的旗帜等多种背景的过滤能力,从而有效提高视频图像识别技术的实用性。
Description
技术领域
本发明属于图像处理技术领域,具体涉及一种基于视频图像识别技术的目标检测方法。
背景技术
近几年,随着高清视频监控的逐步推广和普及,视频监控市场已经实现“看得见、看得清、看得远”,而进一步是向“看的懂”方向发展。为了系统能够理解一些视频中监控的内容,传统技术实现方式主要有两种,一种是“视频联动”技术方式,可通过与其他硬件设备形成联动机制,例如通过报警设备触发报警后自动关联相关视频,将视频画面与报警事件绑定,由此可判断出视频监控中对应目标的报警内容。另一种是“视频移动侦测”技术方式,当视频监控区域出现场景变化时,说明在原固定场景中出现了变化目标,系统自动报警,提示值班人员查看监控异常情况。
“视频联动”技术方式一方面需要增加额外的硬件设备方能实现,增加了系统的建设成本,同时当视频中出现多个目标时,具体哪个目标触发了报警事件难以明确。“视频移动侦测”技术方式对场景中的变化缺少过滤机制,当画面出现光线变化、阴影、树叶摇晃或图像质量不高时,往往出现目标监测误报情况,导致目标监测的准确率不高,实用性不强。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何通过目标监测和目标跟踪的技术手段,提供一种基于视频图像识别技术的目标检测方案,实现视频自动识别有效目标,降低误报干扰,提高视频图像识别技术的实用性。
(二)技术方案
为解决上述技术问题,本发明提供一种基于视频图像识别技术的目标检测方法,所述目标检测方法包括如下步骤:
步骤1:视频输入;
通过视频采集模块获取持续稳定的视频图像,作为视频输入数据,为目标监测提供视频数据的有效输入;
步骤2:目标监测;
当获取到视频输入数据后,把视频中变化的监测目标与背景图像分离出来,即正确分割出运动目标区域或轮廓,形成优质监测目标;
步骤3:目标跟踪;
通过对目标监测提供的优质监测目标的图象序列进行计算分析,将图像序列中不同帧中同一运动目标关联起来,得到各个运动目标完整的运动轨迹,即目标跟踪轨迹;因此,目标跟踪环节把一帧帧的监测区域链接成目标,监测目标经过基础跟踪处理和碰撞分离处理,最终生成完整跟踪目标;
步骤4:目标输出;
视频图像数据通过目标监测处理和目标跟踪处理后,分析监测出的完整跟踪目标,在视频分析业务应用领域,供各类目标行为分析使用。
其中,所述步骤2包括:
步骤21:目标分离;
针对视频输入数据,初步实现将图像数据中的监测目标与背景图像进行分离;
步骤22:目标抑制;
对已分离出来的监测目标进一步处理,提炼价值数据,尽量过滤无效内容,形成优质监测目标。
其中,所述步骤21包括:
步骤211:选取匹配像素点,定义视频输入数据中某一帧画面为画面A,画面A的下一帧画面为画面B,将画面A中每4个像素点作为一组,以此作为匹配像素点;
步骤212:确定每一帧画面中的目标像素点,将画面B中的一组像素点与画面A中相同位置的匹配像素点进行匹配,如果画面B中一组像素点与画面A的一组匹配像素点中,所有像素点的像素值均相匹配,则画面B中的该组像素点为背景像素点,否则定义为目标像素点;
步骤213:重复步骤212,分离出全部有效目标,将步骤212中所有相邻目标像素点组合起来,形成一个个监测目标,从而实现目标分离。
其中,所述步骤22包括:
步骤221:目标整合,将分离出来的多个监测目标进行整合;
步骤222:目标过滤,对整合后的监测目标进行排除过滤,进一步排除不合理的监测目标,将过滤后的监测目标作为优质监测目标,为下一步开展目标跟踪提供数据。
其中,所述步骤221中,整合过程分两类情况,一是将被大的监测目标包含的小的监测目标合并到大的监测目标中,整合为一个监测目标;二是将距离相近的,即两个监测目标间隔小于两个像素点的监测目标合并在一起,同样整合为一个监测目标。
其中,所述步骤222中,排除过滤对象包括以下情况:
噪声目标,目标所含像素区域为噪声像素点;
目标形状细长,目标所含像素区域宽度小于5个像素点的情况超过10处;
目标孔洞较多,目标所含像素区域出现空洞情况超过5处。
其中,所述步骤3包括:
步骤31:基础跟踪;所述步骤31包括:
步骤311:目标特征提取,将图象序列的每一帧画面中的监测目标的像素点数量、监测目标中心点位置及直方图统计数据作为目标特征数据;
步骤312:目标匹配,通过块跟踪方法形成目标跟踪轨迹,即一帧中的每一个监测目标覆盖的像素点区域都是一个块,匹配过程是一对一的过程,通过对监测目标的像素点数量、监测目标中心点位置及直方图统计数据的匹配结果,判断是否为相同监测目标,从而完成基础跟踪处理,输出连续的监测目标。
其中,由于仅仅通过一对一的匹配不能解决常见的目标交叠碰撞问题,继而还需进行碰撞分离处理,因此,所述步骤3还包括:
步骤32:碰撞分离处理;所述步骤32包括:
步骤321:确认碰撞状态,针对已输出连续的监测目标,当两个或多个监测目标的从非交叠状态变为交叠状态时,定义为发生目标碰撞;
步骤322:确定分离状态,针对已输出连续的监测目标,当两个或多个监测目标从交叠状态变为非交叠状态的时刻时,定义为发生目标分离;
步骤323:碰撞分离处理确认,当出现两个或多个监测目标从碰撞到分离的过程,被确认为发生碰撞分离情况,其目的在于把各碰撞过程的监测目标分别处理,达到在保持原有跟踪效果的同时,解决由目标交叠时的相互遮挡而导致的跟错跟丢问题,从而有效实现降低误报干扰。
(三)有益效果
为解决现有技术问题,本发明在区域监测中通过背景建模将重点关注监测区域与画面背景进行分离,降低背景因素干扰,并通过目标区域抑制方法,进一步有效过滤无效目标,同时通过目标跟踪方法持续准确定位有效目标,排除虚警目标,是后续进行目标行为判断应用的前提。
与现有技术相比,本发明提出的技术方案在无需其他硬件设备技术支持下,通过对监视摄像机视频图像进行分析,将场景中背景和目标分离进而分析并追踪在摄像机场景内出现的有效目标,具备对风、雨、雪、落叶、飞鸟、飘动的旗帜等多种背景的过滤能力,从而有效提高视频图像识别技术的实用性。
附图说明
图1为本发明技术方案原理示意图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚,下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
为解决现有技术问题,本发明提供一种基于视频图像识别技术的目标检测方法,本方案中视频图像识别的基本过程是从给定的视频中读取每帧图像,并对输入图像进行预处理,如滤波、灰度转换等,然后判断输入图像中是否有运动目标,并将重点目标从画面中分离出来,并将每帧图像中的同一目标进行跟踪处理,从而在视频图像中形成连续的目标跟踪效果,接下来对应行为识别规则,以此判断运动目标是否为需要监控的目标,将行为判断的结果输出给用户。因此,视频图像识别技术的实现流程如图1所示,其主要过程包括视频输入、目标监测、目标跟踪及目标输出。
所述目标检测方法包括如下步骤:
步骤1:视频输入;
通过视频采集模块获取持续稳定的高清视频图像,作为视频输入数据,为目标监测提供视频数据的有效输入;
步骤2:目标监测;
当获取到视频输入数据后,把视频中变化的监测目标与背景图像精确分离出来,即正确分割出运动目标区域或轮廓,形成优质监测目标,这是后续实现对监测目标开展进一步分析处理的前提,它的效果好坏或成败与否将直接影响后续的目标跟踪和行为识别等后期处理效果,其关键步骤包括目标分离和目标抑制;
步骤3:目标跟踪;
通过对目标监测提供的优质监测目标的图象序列进行计算分析,将图像序列中不同帧中同一运动目标关联起来,得到各个运动目标完整的运动轨迹,即目标跟踪轨迹;因此,目标跟踪环节把一帧帧的监测区域链接成目标的任务,监测目标经过基础跟踪处理和碰撞分离处理,最终生成完整跟踪目标;
步骤4:目标输出;
视频图像数据通过目标监测处理和目标跟踪处理后,分析监测出的完整跟踪目标,在视频分析业务应用领域,供各类目标行为分析使用。
其中,所述步骤2包括:
步骤21:目标分离;
针对视频输入数据,初步实现将图像数据中的监测目标与背景图像进行分离;
步骤22:目标抑制;
对已分离出来的监测目标进一步处理,提炼价值数据,尽量过滤无效内容,形成优质监测目标。
其中,所述步骤21包括:
步骤211:选取匹配像素点,定义视频输入数据中某一帧画面为画面A,画面A的下一帧画面为画面B,将画面A中每4个像素点作为一组,以此作为匹配像素点;
步骤212:确定每一帧画面中的目标像素点,将画面B中的一组像素点与画面A中相同位置的匹配像素点进行匹配,如果画面B中一组像素点与画面A的一组匹配像素点中,所有像素点的像素值均相匹配,则画面B中的该组像素点为背景像素点,否则定义为目标像素点;
步骤213:重复步骤212,分离出全部有效目标,将步骤212中所有相邻目标像素点组合起来,形成一个个监测目标,从而实现目标分离。
其中,所述步骤22包括:
步骤221:目标整合,将分离出来的多个监测目标进行整合;
步骤222:目标过滤,对整合后的监测目标进行排除过滤,进一步排除不合理的监测目标,将过滤后的监测目标作为优质监测目标,为下一步开展目标跟踪提供数据。
其中,所述步骤221中,整合过程分两类情况,一是将被大的监测目标包含的小的监测目标合并到大的监测目标中,整合为一个监测目标;二是将距离相近的,即两个监测目标间隔小于两个像素点的监测目标合并在一起,同样整合为一个监测目标。
其中,所述步骤222中,排除过滤对象包括以下情况:
噪声目标,目标所含像素区域为噪声像素点。
其中,所述步骤222中,排除过滤对象包括以下情况:
目标形状细长,目标所含像素区域宽度小于5个像素点的情况超过10处。
其中,所述步骤222中,排除过滤对象包括以下情况:
目标孔洞较多,目标所含像素区域出现空洞情况超过5处。
其中,所述步骤3包括:
步骤31:基础跟踪;所述步骤31包括:
步骤311:目标特征提取,将图象序列的每一帧画面中的监测目标的像素点数量、监测目标中心点位置及直方图统计数据作为目标特征数据;
步骤312:目标匹配,通过块跟踪方法形成目标跟踪轨迹,即一帧中的每一个监测目标覆盖的像素点区域都是一个块,匹配过程是一对一的过程,通过对监测目标的像素点数量、监测目标中心点位置及直方图统计数据的匹配结果,判断是否为相同监测目标,从而完成基础跟踪处理,输出连续的监测目标。
其中,由于仅仅通过一对一的匹配不能解决常见的目标交叠碰撞问题,继而还需进行碰撞分离处理,因此,所述步骤3还包括:
步骤32:碰撞分离处理;所述步骤32包括:
步骤321:确认碰撞状态,针对已输出连续的监测目标,当两个或多个监测目标的从非交叠状态变为交叠状态时,定义为发生目标碰撞;
步骤322:确定分离状态,针对已输出连续的监测目标,当两个或多个监测目标从交叠状态变为非交叠状态的时刻时,定义为发生目标分离;
步骤323:碰撞分离处理确认,当出现两个或多个监测目标从碰撞到分离的过程,被确认为发生碰撞分离情况,其目的在于把各碰撞过程的监测目标分别处理,达到在保持原有跟踪效果的同时,解决由目标交叠时的相互遮挡而导致的跟错跟丢问题,从而有效实现降低误报干扰。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种基于视频图像识别技术的目标检测方法,其特征在于,所述目标检测方法包括如下步骤:
步骤1:视频输入;
通过视频采集模块获取持续稳定的视频图像,作为视频输入数据,为目标监测提供视频数据的有效输入;
步骤2:目标监测;
当获取到视频输入数据后,把视频中变化的监测目标与背景图像分离出来,即正确分割出运动目标区域或轮廓,形成优质监测目标;
步骤3:目标跟踪;
通过对目标监测提供的优质监测目标的图象序列进行计算分析,将图像序列中不同帧中同一运动目标关联起来,得到各个运动目标完整的运动轨迹,即目标跟踪轨迹;因此,目标跟踪环节把一帧帧的监测区域链接成目标,监测目标经过基础跟踪处理和碰撞分离处理,最终生成完整跟踪目标;
步骤4:目标输出;
视频图像数据通过目标监测处理和目标跟踪处理后,分析监测出的完整跟踪目标,在视频分析业务应用领域,供各类目标行为分析使用。
2.如权利要求1所述的基于视频图像识别技术的目标检测方法,其特征在于,所述步骤2包括:
步骤21:目标分离;
针对视频输入数据,初步实现将图像数据中的监测目标与背景图像进行分离;
步骤22:目标抑制;
对已分离出来的监测目标进一步处理,提炼价值数据,尽量过滤无效内容,形成优质监测目标。
3.如权利要求2所述的基于视频图像识别技术的目标检测方法,其特征在于,所述步骤21包括:
步骤211:选取匹配像素点,定义视频输入数据中某一帧画面为画面A,画面A的下一帧画面为画面B,将画面A中每4个像素点作为一组,以此作为匹配像素点;
步骤212:确定每一帧画面中的目标像素点,将画面B中的一组像素点与画面A中相同位置的匹配像素点进行匹配,如果画面B中一组像素点与画面A的一组匹配像素点中,所有像素点的像素值均相匹配,则画面B中的该组像素点为背景像素点,否则定义为目标像素点;
步骤213:重复步骤212,分离出全部有效目标,将步骤212中所有相邻目标像素点组合起来,形成一个个监测目标,从而实现目标分离。
4.如权利要求3所述的基于视频图像识别技术的目标检测方法,其特征在于,所述步骤22包括:
步骤221:目标整合,将分离出来的多个监测目标进行整合;
步骤222:目标过滤,对整合后的监测目标进行排除过滤,进一步排除不合理的监测目标,将过滤后的监测目标作为优质监测目标,为下一步开展目标跟踪提供数据。
5.如权利要求4所述的基于视频图像识别技术的目标检测方法,其特征在于,所述步骤221中,整合过程分两类情况,一是将被大的监测目标包含的小的监测目标合并到大的监测目标中,整合为一个监测目标;二是将距离相近的,即两个监测目标间隔小于两个像素点的监测目标合并在一起,同样整合为一个监测目标。
6.如权利要求5所述的基于视频图像识别技术的目标检测方法,其特征在于,所述步骤222中,排除过滤对象包括以下情况:
噪声目标,目标所含像素区域为噪声像素点。
7.如权利要求6所述的基于视频图像识别技术的目标检测方法,其特征在于,所述步骤222中,排除过滤对象包括以下情况:
目标形状细长,目标所含像素区域宽度小于5个像素点的情况超过10处。
8.如权利要求7所述的基于视频图像识别技术的目标检测方法,其特征在于,所述步骤222中,排除过滤对象包括以下情况:
目标孔洞较多,目标所含像素区域出现空洞情况超过5处。
9.如权利要求8所述的基于视频图像识别技术的目标检测方法,其特征在于,所述步骤3包括:
步骤31:基础跟踪;所述步骤31包括:
步骤311:目标特征提取,将图象序列的每一帧画面中的监测目标的像素点数量、监测目标中心点位置及直方图统计数据作为目标特征数据;
步骤312:目标匹配,通过块跟踪方法形成目标跟踪轨迹,即一帧中的每一个监测目标覆盖的像素点区域都是一个块,匹配过程是一对一的过程,通过对监测目标的像素点数量、监测目标中心点位置及直方图统计数据的匹配结果,判断是否为相同监测目标,从而完成基础跟踪处理,输出连续的监测目标。
10.如权利要求9所述的基于视频图像识别技术的目标检测方法,其特征在于,由于仅仅通过一对一的匹配不能解决常见的目标交叠碰撞问题,继而还需进行碰撞分离处理,因此,所述步骤3还包括:
步骤32:碰撞分离处理;所述步骤32包括:
步骤321:确认碰撞状态,针对已输出连续的监测目标,当两个或多个监测目标的从非交叠状态变为交叠状态时,定义为发生目标碰撞;
步骤322:确定分离状态,针对已输出连续的监测目标,当两个或多个监测目标从交叠状态变为非交叠状态的时刻时,定义为发生目标分离;
步骤323:碰撞分离处理确认,当出现两个或多个监测目标从碰撞到分离的过程,被确认为发生碰撞分离情况,其目的在于把各碰撞过程的监测目标分别处理,达到在保持原有跟踪效果的同时,解决由目标交叠时的相互遮挡而导致的跟错跟丢问题,从而有效实现降低误报干扰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011478980.8A CN112446358A (zh) | 2020-12-15 | 2020-12-15 | 基于视频图像识别技术的目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011478980.8A CN112446358A (zh) | 2020-12-15 | 2020-12-15 | 基于视频图像识别技术的目标检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112446358A true CN112446358A (zh) | 2021-03-05 |
Family
ID=74739963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011478980.8A Pending CN112446358A (zh) | 2020-12-15 | 2020-12-15 | 基于视频图像识别技术的目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112446358A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0414016A2 (de) * | 1989-08-21 | 1991-02-27 | ANT Nachrichtentechnik GmbH | Verfahren zur Bildung eines Prädiktionsbildes |
CN101098465A (zh) * | 2007-07-20 | 2008-01-02 | 哈尔滨工程大学 | 一种视频监控中运动目标检测与跟踪方法 |
CN101325690A (zh) * | 2007-06-12 | 2008-12-17 | 上海正电科技发展有限公司 | 监控视频流中人流分析与人群聚集过程的检测方法及系统 |
EP2024937A1 (en) * | 2006-06-02 | 2009-02-18 | Eidgenössische Technische Hochschule Zürich | Method and system for generating a 3d representation of a dynamically changing 3d scene |
CN101877132A (zh) * | 2009-11-27 | 2010-11-03 | 北京中星微电子有限公司 | 用于运动跟踪的交互事件处理方法和装置 |
CN102663743A (zh) * | 2012-03-23 | 2012-09-12 | 西安电子科技大学 | 一种复杂场景中多摄影机协同的人物追踪方法 |
CN102708182A (zh) * | 2012-05-08 | 2012-10-03 | 浙江捷尚视觉科技有限公司 | 一种快速视频浓缩摘要方法 |
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 |
CN105704434A (zh) * | 2014-11-28 | 2016-06-22 | 上海新联纬讯科技发展有限公司 | 基于智能视频识别的体育场馆人群监控方法及系统 |
CN106355602A (zh) * | 2016-08-26 | 2017-01-25 | 杨百川 | 一种多目标定位跟踪视频监控方法 |
CN106856577A (zh) * | 2015-12-07 | 2017-06-16 | 北京航天长峰科技工业集团有限公司 | 可解决多目标碰撞及遮挡问题的视频摘要生成方法 |
CN106887013A (zh) * | 2015-12-10 | 2017-06-23 | 北京航天长峰科技工业集团有限公司 | 基于连通区域结合最近邻和粒子滤波的多目标跟踪方法 |
CN107872644A (zh) * | 2016-09-23 | 2018-04-03 | 亿阳信通股份有限公司 | 视频监控方法及装置 |
CN108458691A (zh) * | 2018-02-02 | 2018-08-28 | 新华智云科技有限公司 | 一种碰撞检测方法及设备 |
-
2020
- 2020-12-15 CN CN202011478980.8A patent/CN112446358A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0414016A2 (de) * | 1989-08-21 | 1991-02-27 | ANT Nachrichtentechnik GmbH | Verfahren zur Bildung eines Prädiktionsbildes |
EP2024937A1 (en) * | 2006-06-02 | 2009-02-18 | Eidgenössische Technische Hochschule Zürich | Method and system for generating a 3d representation of a dynamically changing 3d scene |
CN101325690A (zh) * | 2007-06-12 | 2008-12-17 | 上海正电科技发展有限公司 | 监控视频流中人流分析与人群聚集过程的检测方法及系统 |
CN101098465A (zh) * | 2007-07-20 | 2008-01-02 | 哈尔滨工程大学 | 一种视频监控中运动目标检测与跟踪方法 |
CN101877132A (zh) * | 2009-11-27 | 2010-11-03 | 北京中星微电子有限公司 | 用于运动跟踪的交互事件处理方法和装置 |
CN102663743A (zh) * | 2012-03-23 | 2012-09-12 | 西安电子科技大学 | 一种复杂场景中多摄影机协同的人物追踪方法 |
CN102708182A (zh) * | 2012-05-08 | 2012-10-03 | 浙江捷尚视觉科技有限公司 | 一种快速视频浓缩摘要方法 |
CN105704434A (zh) * | 2014-11-28 | 2016-06-22 | 上海新联纬讯科技发展有限公司 | 基于智能视频识别的体育场馆人群监控方法及系统 |
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 |
CN106856577A (zh) * | 2015-12-07 | 2017-06-16 | 北京航天长峰科技工业集团有限公司 | 可解决多目标碰撞及遮挡问题的视频摘要生成方法 |
CN106887013A (zh) * | 2015-12-10 | 2017-06-23 | 北京航天长峰科技工业集团有限公司 | 基于连通区域结合最近邻和粒子滤波的多目标跟踪方法 |
CN106355602A (zh) * | 2016-08-26 | 2017-01-25 | 杨百川 | 一种多目标定位跟踪视频监控方法 |
CN107872644A (zh) * | 2016-09-23 | 2018-04-03 | 亿阳信通股份有限公司 | 视频监控方法及装置 |
CN108458691A (zh) * | 2018-02-02 | 2018-08-28 | 新华智云科技有限公司 | 一种碰撞检测方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1805715B1 (en) | A method and system for processing video data | |
US8238605B2 (en) | Digital video target moving object segmentation method and system | |
Kasaei et al. | New morphology-based method for robustiranian car plate detection and recognition | |
CN103235938B (zh) | 车牌检测与识别的方法及系统 | |
US20060245618A1 (en) | Motion detection in a video stream | |
CN109670515A (zh) | 一种用于无人机影像中建筑物变化的检测方法及系统 | |
CN105046719B (zh) | 一种视频监控方法及系统 | |
CN110163109B (zh) | 一种车道线标注方法及装置 | |
CN113065568A (zh) | 目标检测、属性识别与跟踪方法及系统 | |
CN115065798A (zh) | 一种基于大数据的视频分析监控系统 | |
Aung et al. | Automatic license plate detection system for myanmar vehicle license plates | |
CN112883783B (zh) | 一种视频浓缩方法、装置、终端设备及存储介质 | |
CN106778675B (zh) | 一种视频图像中目标对象的识别方法和装置 | |
CN117690120A (zh) | 一种移动设备抓拍车牌的车辆监控方法及系统 | |
CN113657250A (zh) | 一种基于监控视频的火焰检测方法及系统 | |
CN110363192B (zh) | 物件影像辨识系统及物件影像辨识方法 | |
Xie et al. | Robust vehicles extraction in a video-based intelligent transportation systems | |
CN103034997A (zh) | 一种适用于监控视频前/背景分离的前景检测方法 | |
CN109859200B (zh) | 一种基于背景分析的低空慢速无人机快速检测方法 | |
CN112446358A (zh) | 基于视频图像识别技术的目标检测方法 | |
CN110826564A (zh) | 一种复杂场景图像中的小目标语义分割方法及系统 | |
Chandrasekhar et al. | A survey of techniques for background subtraction and traffic analysis on surveillance video | |
CN112507913A (zh) | 基于视频图像识别技术的目标检测系统 | |
CN110688876A (zh) | 一种基于视觉的车道线检测方法及装置 | |
Angeline et al. | Tracking and localisation of moving vehicle license plate via Signature Analysis |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210305 |
|
RJ01 | Rejection of invention patent application after publication |