CN112597953B - 检测视频中通道闸区域行人的方法、装置、设备及介质 - Google Patents
检测视频中通道闸区域行人的方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112597953B CN112597953B CN202011606551.4A CN202011606551A CN112597953B CN 112597953 B CN112597953 B CN 112597953B CN 202011606551 A CN202011606551 A CN 202011606551A CN 112597953 B CN112597953 B CN 112597953B
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- gate area
- target detection
- original image
- detection frame
- 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 55
- 238000001514 detection method Methods 0.000 claims abstract description 70
- 238000013507 mapping Methods 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种检测视频中通道闸区域行人的方法、装置、设备及介质,包括:获取摄像机拍摄的视频中整张原始图像;标记出原始图像中通道闸区域和行人目标检测框;根据原始图像的大小,生成所有像素值为0的模板图像;将标记出的通道闸区域的形状映射在模板图像中,将模板图像中对应的通道闸区域内像素值置为1,其他区域内像素值置为0;将标记出的行人目标检测框的形状映射到模板图像中,统计模板图像中对应的行人目标检测框中像素值为1的像素总个数;根据统计的总个数与模板图像中对应的行人目标检测框中全部像素个数的比值,判定行人是否在通道闸区域内。这样计算量小,准确率高,可以快速有效地判断在视频图像中行人是否在通道闸区域内。
Description
技术领域
本发明涉及智能安防监控领域,特别是涉及一种检测视频中通道闸区域行人的方法、装置、设备及介质。
背景技术
随着图像处理与模式识别技术的快速进步及计算机视觉的便捷性,用于视频处理和计算机视觉的方式正在逐步代替传统人工和机械处理的方式。
通道闸机是进出口管理中常见的设备,通道闸常用于社区出入口、车站出入口、楼宇出入口等处,随着智慧社区、智慧楼宇的兴起,已经得到广泛的应用。目前,在通道闸上具有用于辅助光栅的视觉处理算法,主要涉及摄像机安装和目标检测等。而在做智能辅助过程中有一项非常重要就是如何判断通道闸视频图像中检测到的行人是否在通道闸区域内。
由于摄像机获取的视频图像一般是包含整个通道闸区域以及部分周边的背景图像,通道闸区域在获取的视频图像中的形状一般是不规则的,而在目标检测时一般是将行人用规则的形状表示出来,因此,如何快速有效地判断在视频图像中行人是否在通道闸区域内,是本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此,本发明的目的在于提供一种检测视频中通道闸区域行人的方法、装置、设备及介质,可以快速有效地判断行人是否在通道闸区域内。其具体方案如下:
一种检测视频中通道闸区域行人的方法,包括:
获取摄像机拍摄的视频中整张原始图像;
在所述原始图像中,标记出所述原始图像中通道闸区域和行人目标检测框;
根据所述原始图像的大小,生成所有像素值为0的模板图像;
将标记出的所述原始图像中通道闸区域的形状映射在所述模板图像中,将所述模板图像中对应的通道闸区域内像素值置为1,其他区域内像素值置为0;
将标记出的所述原始图像中行人目标检测框的形状映射到所述模板图像中,统计所述模板图像中对应的行人目标检测框中像素值为1的像素总个数;
根据统计的所述总个数与所述模板图像中对应的行人目标检测框中全部像素个数的比值,判定行人是否在通道闸区域内。
优选地,在本发明实施例提供的上述检测视频中通道闸区域行人的方法中,标记出所述原始图像中通道闸区域,具体包括:
通过四个点确定所述原始图像中通道闸区域,并用不规则四边形标记出所述原始图像中通道闸区域。
优选地,在本发明实施例提供的上述检测视频中通道闸区域行人的方法中,标记出所述原始图像中行人目标检测框,具体包括:
通过目标检测算法对所述原始图像中行人目标进行检测,并用矩形框标记出行人目标检测框。
优选地,在本发明实施例提供的上述检测视频中通道闸区域行人的方法中,所述目标检测算法为MTCNN算法、SSD算法或yolo算法。
优选地,在本发明实施例提供的上述检测视频中通道闸区域行人的方法中,所述模板图像与所述原始图像的大小相同。
优选地,在本发明实施例提供的上述检测视频中通道闸区域行人的方法中,根据统计的所述总个数与所述模板图像中对应的行人目标检测框中全部像素个数的比值,判定行人是否在通道闸区域内,具体包括:
判断统计的所述总个数与所述模板图像中对应的行人目标检测框中全部像素个数的比值是否大于预设阈值;
若是,则判定行人在通道闸区域内;
若否,则判定行人未在通道闸区域内。
本发明实施例还提供了一种检测视频中通道闸区域行人的装置,包括:
图像获取模块,用于获取摄像机拍摄的视频中整张原始图像;
区域标记模块,用于在所述原始图像中,标记出所述原始图像中通道闸区域和行人目标检测框;
模板生成模块,用于根据所述原始图像的大小,生成所有像素值为0的模板图像;
第一映射模块,用于将标记出的所述原始图像中通道闸区域的形状映射在所述模板图像中,将所述模板图像中对应的通道闸区域内像素值置为1,其他区域内像素值置为0;
第二映射模块,用于将标记出的所述原始图像中行人目标检测框的形状映射到所述模板图像中,统计所述模板图像中对应的行人目标检测框中像素值为1的像素总个数;
目标判定模块,用于根据统计的所述总个数与所述模板图像中对应的行人目标检测框中全部像素个数的比值,判定行人是否在通道闸区域内。
优选地,在本发明实施例提供的上述检测视频中通道闸区域行人的装置中,所述目标判定模块,具体用于判断统计的所述总个数与所述模板图像中对应的行人目标检测框中全部像素个数的比值是否大于预设阈值;若是,则判定行人在通道闸区域内;若否,则判定行人未在通道闸区域内。
本发明实施例还提供了一种电子设备,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现如本发明实施例提供的上述检测视频中通道闸区域行人的方法。
本发明实施例还提供了一种计算机可读存储介质,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如本发明实施例提供的上述检测视频中通道闸区域行人的方法。
从上述技术方案可以看出,本发明所提供的一种检测视频中通道闸区域行人的方法,包括:获取摄像机拍摄的视频中整张原始图像;在原始图像中,标记出原始图像中通道闸区域和行人目标检测框;根据原始图像的大小,生成所有像素值为0的模板图像;将标记出的原始图像中通道闸区域的形状映射在模板图像中,将模板图像中对应的通道闸区域内像素值置为1,其他区域内像素值置为0;将标记出的原始图像中行人目标检测框的形状映射到模板图像中,统计模板图像中对应的行人目标检测框中像素值为1的像素总个数;根据统计的总个数与模板图像中对应的行人目标检测框中全部像素个数的比值,判定行人是否在通道闸区域内。
本发明通过生成模板图像,采用间接映射区域,只需统计出模板图像对应的行人目标检测框中像素值为1的像素总个数,即行人目标检测框与通道闸区域的重合区域中的像素个数,计算量小,效率高,准确率高,可以快速有效地判断在视频图像中行人是否在通道闸区域内。此外,本发明还针对检测视频中通道闸区域行人的方法提供了相应的装置、设备及计算机可读存储介质,进一步使得上述方法更具有实用性,该装置、设备及计算机可读存储介质具有相应的优点。
附图说明
为了更清楚地说明本发明实施例或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的检测视频中通道闸区域行人的方法的流程图;
图2为本发明实施例提供的用于判断原始图像中行人是否在通道闸区域的方法示意图;
图3为本发明实施例提供的用于判断原始图像中行人是否在通道闸区域的方法计算原理示意图;
图4为本发明实施例提供的检测视频中通道闸区域行人的装置的结构示意图。
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做出创造性劳动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。
本发明提供一种检测视频中通道闸区域行人的方法,如图1所示,包括以下步骤:
S101、获取摄像机拍摄的视频中整张原始图像;
在实际应用中,先在通道闸周边安装好摄像机,通过摄像机对通道闸所在位置进行拍摄,然后获取摄像机拍摄的视频中整张原始图像,该原始图像包含整个通道闸区域以及部分周边的背景图像;设原始图像的高为H,宽为W,通道为3,当原始图像的像素为1080P时,H为1080,W为1920,可以具有RGB三通道;
S102、在原始图像中,标记出原始图像中通道闸区域和行人目标检测框;
S103、根据原始图像的大小,生成所有像素值为0的模板图像;
需要说明的是,根据原始图像的大小,可以生成与原始图像大小相同的模板图像,即生成一个高为H,宽度为W,通道数为1的模板图像,记为img_mask,img_mask中所有像素值为0;当然也可以是生成与原始图像大小成相应比例的img_mask,但这样会增加计算量,可以根据实际情况而定;
S104、将标记出的原始图像中通道闸区域的形状映射在模板图像中,将模板图像中对应的通道闸区域内像素值置为1,其他区域内像素值置为0;
S105、将标记出的原始图像中行人目标检测框的形状映射到模板图像中,统计模板图像中对应的行人目标检测框中像素值为1的像素总个数;
S106、根据统计的总个数与模板图像中对应的行人目标检测框中全部像素个数的比值,判定行人是否在通道闸区域内。
在本发明实施例提供的上述检测视频中通道闸区域行人的方法中,通过生成模板图像,采用间接映射区域,只需统计出模板图像对应的行人目标检测框中像素值为1的像素总个数,即行人目标检测框与通道闸区域的重合区域中的像素个数,计算量小,效率高,准确率高,可以快速有效地判断在视频图像中行人是否在通道闸区域内。
在具体实施时,在本发明实施例提供的上述检测视频中通道闸区域行人的方法中,步骤S102标记出原始图像中通道闸区域,具体可以包括:通过四个点确定原始图像中通道闸区域,并用不规则四边形标记出原始图像中通道闸区域。具体地,如图2所示,画出图像中通道闸区域,一般是不规则区域,由四个点确定(顺时针或者逆时针方向)。
在具体实施时,在本发明实施例提供的上述检测视频中通道闸区域行人的方法中,步骤S102标记出原始图像中行人目标检测框,具体可以包括:通过目标检测算法对原始图像中行人目标进行检测,并用矩形框标记出行人目标检测框(如图2示出的行人检测框1和行人检测框2)。优选地,目标检测算法可以为MTCNN算法、SSD算法或yolo算法,即通过MTCNN算法、SSD算法或yolo算法对原始图像中行人目标进行检测。
在具体实施时,在本发明实施例提供的上述检测视频中通道闸区域行人的方法中,在执行步骤S104和步骤S105时,在img_mask中根据用于标记通道闸的四个点,根据直线与线段位置关系,可以将img_mask中通道闸区域内像素值全部置为1,其他区域置为0;将标记出的行人目标检测框的矩形状映射到img_mask中,统计该矩形区域内像素值为1的像素总个数(或者直接求和),统计的像素总个数记为sum,如图3所示,统计检测框中值为1的像素数量。
在具体实施时,在本发明实施例提供的上述检测视频中通道闸区域行人的方法中,步骤S106根据统计的总个数sum与模板图像中对应的行人目标检测框中全部像素个数的比值,判定行人是否在通道闸区域内,具体可以包括:判断统计的总个数sum与模板图像中对应的行人目标检测框中全部像素个数的比值是否大于预设阈值(如0.7);若是,则判定行人在通道闸区域内;若否,则判定行人未在通道闸区域内。
基于同一发明构思,本发明实施例还提供了一种检测视频中通道闸区域行人的装置,由于该装置解决问题的原理与前述一种检测视频中通道闸区域行人的方法相似,因此该装置的实施可以参见检测视频中通道闸区域行人的方法的实施,重复之处不再赘述。
在具体实施时,本发明实施例提供的检测视频中通道闸区域行人的装置,如图4所示,具体包括:
图像获取模块11,用于获取摄像机拍摄的视频中整张原始图像;
区域标记模块12,用于在原始图像中,标记出原始图像中通道闸区域和行人目标检测框;
模板生成模块13,用于根据原始图像的大小,生成所有像素值为0的模板图像;
第一映射模块14,用于将标记出的原始图像中通道闸区域的形状映射在模板图像中,将模板图像中对应的通道闸区域内像素值置为1,其他区域内像素值置为0;
第二映射模块15,用于将标记出的原始图像中行人目标检测框的形状映射到模板图像中,统计模板图像中对应的行人目标检测框中像素值为1的像素总个数;
目标判定模块16,用于根据统计的总个数与模板图像中对应的行人目标检测框中全部像素个数的比值,判定行人是否在通道闸区域内。
在本发明实施例提供的上述检测视频中通道闸区域行人的装置中,可以通过上述六个模块的相互作用,生成模板图像,采用间接映射区域,只需统计出模板图像对应的行人目标检测框中像素值为1的像素总个数,就可以快速有效地判断在视频图像中行人是否在通道闸区域内,计算量小,效率高,准确率高。
在具体实施时,在本发明实施例提供的上述检测视频中通道闸区域行人的装置中,目标判定模块,具体可以用于判断统计的总个数与模板图像中对应的行人目标检测框中全部像素个数的比值是否大于预设阈值;若是,则判定行人在通道闸区域内;若否,则判定行人未在通道闸区域内。
关于上述各个模块更加具体的工作过程可以参考前述实施例公开的相应内容,在此不再进行赘述。
相应的,本发明实施例还公开了一种电子设备,包括处理器和存储器;其中,处理器执行存储器中保存的计算机程序时实现前述实施例公开的检测视频中通道闸区域行人的方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
进一步的,本发明还公开了一种计算机可读存储介质,用于存储计算机程序;计算机程序被处理器执行时实现前述公开的检测视频中通道闸区域行人的方法。
关于上述方法更加具体的过程可以参考前述实施例中公开的相应内容,在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备、存储介质而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本发明实施例提供的一种检测视频中通道闸区域行人的方法,包括:获取摄像机拍摄的视频中整张原始图像;在原始图像中,标记出原始图像中通道闸区域和行人目标检测框;根据原始图像的大小,生成所有像素值为0的模板图像;将标记出的原始图像中通道闸区域的形状映射在模板图像中,将模板图像中对应的通道闸区域内像素值置为1,其他区域内像素值置为0;将标记出的原始图像中行人目标检测框的形状映射到模板图像中,统计模板图像中对应的行人目标检测框中像素值为1的像素总个数;根据统计的总个数与模板图像中对应的行人目标检测框中全部像素个数的比值,判定行人是否在通道闸区域内。本发明通过生成模板图像,采用间接映射区域,只需统计出模板图像对应的行人目标检测框中像素值为1的像素总个数,即行人目标检测框与通道闸区域的重合区域中的像素个数,计算量小,效率高,准确率高,可以快速有效地判断在视频图像中行人是否在通道闸区域内。此外,本发明还针对检测视频中通道闸区域行人的方法提供了相应的装置、设备及计算机可读存储介质,进一步使得上述方法更具有实用性,该装置、设备及计算机可读存储介质具有相应的优点。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的检测视频中通道闸区域行人的方法、装置、设备及介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种检测视频中通道闸区域行人的方法,其特征在于,包括:
获取摄像机拍摄的视频中整张原始图像;
在所述原始图像中,标记出所述原始图像中通道闸区域和行人目标检测框;
根据所述原始图像的大小,生成所有像素值为0的模板图像;
将标记出的所述原始图像中通道闸区域的形状映射在所述模板图像中,将所述模板图像中对应的通道闸区域内像素值置为1,其他区域内像素值置为0;
将标记出的所述原始图像中行人目标检测框的形状映射到所述模板图像中,统计所述模板图像中对应的行人目标检测框中像素值为1的像素总个数;
根据统计的所述总个数与所述模板图像中对应的行人目标检测框中全部像素个数的比值,判定行人是否在通道闸区域内。
2.根据权利要求1所述的检测视频中通道闸区域行人的方法,其特征在于,标记出所述原始图像中通道闸区域,具体包括:
通过四个点确定所述原始图像中通道闸区域,并用不规则四边形标记出所述原始图像中通道闸区域。
3.根据权利要求2所述的检测视频中通道闸区域行人的方法,其特征在于,标记出所述原始图像中行人目标检测框,具体包括:
通过目标检测算法对所述原始图像中行人目标进行检测,并用矩形框标记出行人目标检测框。
4.根据权利要求3所述的检测视频中通道闸区域行人的方法,其特征在于,所述目标检测算法为MTCNN算法、SSD算法或yolo算法。
5.根据权利要求4所述的检测视频中通道闸区域行人的方法,其特征在于,所述模板图像与所述原始图像的大小相同。
6.根据权利要求5所述的检测视频中通道闸区域行人的方法,其特征在于,根据统计的所述总个数与所述模板图像中对应的行人目标检测框中全部像素个数的比值,判定行人是否在通道闸区域内,具体包括:
判断统计的所述总个数与所述模板图像中对应的行人目标检测框中全部像素个数的比值是否大于预设阈值;
若是,则判定行人在通道闸区域内;
若否,则判定行人未在通道闸区域内。
7.一种检测视频中通道闸区域行人的装置,其特征在于,包括:
图像获取模块,用于获取摄像机拍摄的视频中整张原始图像;
区域标记模块,用于在所述原始图像中,标记出所述原始图像中通道闸区域和行人目标检测框;
模板生成模块,用于根据所述原始图像的大小,生成所有像素值为0的模板图像;
第一映射模块,用于将标记出的所述原始图像中通道闸区域的形状映射在所述模板图像中,将所述模板图像中对应的通道闸区域内像素值置为1,其他区域内像素值置为0;
第二映射模块,用于将标记出的所述原始图像中行人目标检测框的形状映射到所述模板图像中,统计所述模板图像中对应的行人目标检测框中像素值为1的像素总个数;
目标判定模块,用于根据统计的所述总个数与所述模板图像中对应的行人目标检测框中全部像素个数的比值,判定行人是否在通道闸区域内。
8.根据权利要求7所述的检测视频中通道闸区域行人的装置,其特征在于,所述目标判定模块,具体用于判断统计的所述总个数与所述模板图像中对应的行人目标检测框中全部像素个数的比值是否大于预设阈值;若是,则判定行人在通道闸区域内;若否,则判定行人未在通道闸区域内。
9.一种电子设备,其特征在于,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至6任一项所述的检测视频中通道闸区域行人的方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的检测视频中通道闸区域行人的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011606551.4A CN112597953B (zh) | 2020-12-28 | 2020-12-28 | 检测视频中通道闸区域行人的方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011606551.4A CN112597953B (zh) | 2020-12-28 | 2020-12-28 | 检测视频中通道闸区域行人的方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112597953A CN112597953A (zh) | 2021-04-02 |
CN112597953B true CN112597953B (zh) | 2024-04-09 |
Family
ID=75204041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011606551.4A Active CN112597953B (zh) | 2020-12-28 | 2020-12-28 | 检测视频中通道闸区域行人的方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112597953B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632427A (zh) * | 2013-12-04 | 2014-03-12 | 深圳市捷顺科技实业股份有限公司 | 一种道闸防砸方法及道闸控制系统 |
CN107818651A (zh) * | 2017-10-27 | 2018-03-20 | 华润电力技术研究院有限公司 | 一种基于视频监控的非法越界报警方法及装置 |
CN108830152A (zh) * | 2018-05-07 | 2018-11-16 | 北京红云智胜科技有限公司 | 深度学习网络和人工特征相联合的行人检测方法及系统 |
CN109684996A (zh) * | 2018-12-22 | 2019-04-26 | 北京工业大学 | 基于视频的实时车辆进出识别方法 |
CN110705495A (zh) * | 2019-10-10 | 2020-01-17 | 北京百度网讯科技有限公司 | 交通工具的检测方法、装置、电子设备和计算机存储介质 |
CN112001298A (zh) * | 2020-08-20 | 2020-11-27 | 佳都新太科技股份有限公司 | 行人检测方法、装置、电子设备和存储介质 |
CN112036251A (zh) * | 2020-08-04 | 2020-12-04 | 汇纳科技股份有限公司 | 用于用户着装检测的实现方法、系统、介质及终端 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229314B (zh) * | 2017-11-28 | 2021-05-04 | 深圳市商汤科技有限公司 | 目标人物的搜索方法、装置和电子设备 |
-
2020
- 2020-12-28 CN CN202011606551.4A patent/CN112597953B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103632427A (zh) * | 2013-12-04 | 2014-03-12 | 深圳市捷顺科技实业股份有限公司 | 一种道闸防砸方法及道闸控制系统 |
CN107818651A (zh) * | 2017-10-27 | 2018-03-20 | 华润电力技术研究院有限公司 | 一种基于视频监控的非法越界报警方法及装置 |
CN108830152A (zh) * | 2018-05-07 | 2018-11-16 | 北京红云智胜科技有限公司 | 深度学习网络和人工特征相联合的行人检测方法及系统 |
CN109684996A (zh) * | 2018-12-22 | 2019-04-26 | 北京工业大学 | 基于视频的实时车辆进出识别方法 |
CN110705495A (zh) * | 2019-10-10 | 2020-01-17 | 北京百度网讯科技有限公司 | 交通工具的检测方法、装置、电子设备和计算机存储介质 |
CN112036251A (zh) * | 2020-08-04 | 2020-12-04 | 汇纳科技股份有限公司 | 用于用户着装检测的实现方法、系统、介质及终端 |
CN112001298A (zh) * | 2020-08-20 | 2020-11-27 | 佳都新太科技股份有限公司 | 行人检测方法、装置、电子设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
Robust Video-Based Sruveillance by integrating target detection with tracking;Junxian Wang;《IEEE》;20060705;第1-13页 * |
基于机器视觉的监控视频智能处理系统;姜明;《中国优秀硕士学位论文全文数据库》;20200315(第第2020年03期期);I136-781 * |
目标检测中候选区域准确高效定位的机器学习方法研究;杨书;《中国优秀硕士学位论文全文数据库》;20190815(第第2019年08期期);I138-760 * |
Also Published As
Publication number | Publication date |
---|---|
CN112597953A (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3806064B1 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
CN108734105B (zh) | 车道线检测方法、装置、存储介质和电子设备 | |
CN110163107B (zh) | 一种基于视频帧识别路侧停车行为的方法及装置 | |
CN111382704B (zh) | 基于深度学习的车辆压线违章判断方法、装置及存储介质 | |
CN111932537B (zh) | 对象形变检测方法、装置、计算机设备和存储介质 | |
CN109583365B (zh) | 基于成像模型约束非均匀b样条曲线拟合车道线检测方法 | |
JP2013065304A (ja) | 高速障害物検出 | |
CN104599511B (zh) | 一种基于背景建模的车流量检测方法 | |
CN109035292A (zh) | 基于深度学习的运动目标检测方法及装置 | |
CN112990087B (zh) | 一种车道线检测方法、装置、设备及可读存储介质 | |
CN114998317B (zh) | 镜头遮挡检测方法、装置、摄像装置和存储介质 | |
CN112330755B (zh) | 环视系统的标定评价方法及装置、存储介质、终端 | |
CN103162818A (zh) | 基于矩不变性的激光光束束宽评价方法 | |
CN111523416A (zh) | 一种基于高速公路etc门架的车辆预警方法和装置 | |
CN112733598A (zh) | 车辆违法判别方法、装置、计算机设备和存储介质 | |
CN112597953B (zh) | 检测视频中通道闸区域行人的方法、装置、设备及介质 | |
CN114241395A (zh) | 基于泊位号码的路侧停车泊位异常识别方法及装置 | |
CN104981844A (zh) | 移动物体检测 | |
CN112560814A (zh) | 一种车辆进出停车位的识别方法 | |
CN109740337B (zh) | 一种实现滑块验证码识别的方法及装置 | |
CN108389177B (zh) | 一种车辆保险杠破损检测方法及交通安全预警方法 | |
CN116682101A (zh) | 车牌号码识别方法以及系统 | |
CN111046809A (zh) | 一种障碍物检测方法、装置、设备及计算机可读存储介质 | |
CN113326793B (zh) | 一种远距离行人位置识别方法、系统及存储介质 | |
CN112418226B (zh) | 一种鱼眼分合闸状态识别的方法及装置 |
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 |