CN112927262B - 一种基于视频的相机镜头遮挡检测方法及系统 - Google Patents
一种基于视频的相机镜头遮挡检测方法及系统 Download PDFInfo
- Publication number
- CN112927262B CN112927262B CN202110301747.0A CN202110301747A CN112927262B CN 112927262 B CN112927262 B CN 112927262B CN 202110301747 A CN202110301747 A CN 202110301747A CN 112927262 B CN112927262 B CN 112927262B
- Authority
- CN
- China
- Prior art keywords
- area
- background
- judging
- video
- image
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 230000000877 morphologic effect Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于视频的相机镜头遮挡检测方法,包括如下步骤:S1、以随机灰度模型进行基于像素的背景建模;S2、进行基于背景建模的像素级运动检测,得到运动区域;S3、对图像进行基于8邻域的连通域分割;S4、进行形态学处理,得到连续不间断的运动区域;S5、计算运动区域的外接多边形,增加后续的判断区域;S6、计算判断区域在图像占有的比例并与阈值比较;S7、若判断区域在图像占有的比例大于阈值,则计算判断区域直方图和梯度分布以判断是否发生遮挡;S8、若判断区域在图像占有的比例小于等于阈值,且上一帧被判断为遮挡,则计算上一帧判断区域直方图和梯度分布以判断是否被遮挡;S9、若判断发生遮挡,则存储判断区域。
Description
技术领域
本发明涉及图像视频处理领域,具体涉及一种基于视频的相机镜头遮挡检测方法。
背景技术
视频安防监控系统是利用视频技术探测、监视设防区域并实时显示、记录现场图像的电子系统或网络。一个城市的监控报警联网系统的摄像机数目最少也有数百个,多的可达几万个。安防、视频监控中,在相机镜头被异常遮挡的情况下需要自动作出正确判断并报警。
现有相机镜头异常遮挡判断技术方案一般分为三种,第一种只通过单帧图像的色彩信息进行判断,主要包括以下步骤:
将图像二值化,灰度值较小的部分为前景,其它部分为背景;
对前景进行连通域区域检测,求得最大连通域面积;
该面积与图像面积的比值即为遮挡率;
遮挡率大于一定阈值时,判断为镜头遮挡。
第二种基于视频流信息,通过建立存储区来进行判断,主要包括以下步骤:
建立两个缓冲存储区:短时存储区和长时存储区,分别存储距离当前视频图像较近以及较远的一段时间内的视频图像。
分别求得短时存储区和长时存储区内每两帧之间的差异,分别取两种差异的中值,求其比值;
与阈值比较,判断摄像机镜头是否被遮挡。
第三种基于视频流信息,进行背景建模,通过对比当前帧与模型之间的差异来判断,主要包括以下步骤:
使用背景建模算法,将运动的部分区分出来(即为前景),非运动部分即为背景;
比较背景图像与当前图像的灰度直方图来判断是否被遮挡。
现有技术提供了镜头遮挡检测的完整方案,但在具体实现过程中会出现一些问题:方法一可以适应的场景非常少且误报率非常高,方法二和方法三对视频噪声较为敏感,尤其是又大量目标活动的场景中无法正确判断摄像机镜头是否被遮挡。
发明内容
本发明提供一种基于视频的相机镜头遮挡检测方法,解决现有方案由于不同场景中噪声、物体运动导致的误报率上升的问题,以及硬件内存占有的问题。
本发明所要解决的技术问题是通过如下技术方案实现的:
本发明提供一种基于视频的相机镜头遮挡检测方法,包括如下步骤:
S1、以随机灰度模型进行基于像素的背景建模;
S2、进行基于背景建模的像素级运动检测,得到运动区域;
S3、对图像进行基于8邻域的连通域分割;
S4、进行形态学处理,得到连续不间断的运动区域;
S5、计算运动区域的外接多边形,增加后续的判断区域;
S6、计算判断区域在图像占有的比例并与阈值比较;
S7、若判断区域在图像占有的比例大于阈值,则计算判断区域直方图和梯度分布以判断是否发生遮挡;
S8、若判断区域在图像占有的比例小于等于阈值,且上一帧被判断为遮挡,则计算上一帧判断区域直方图和梯度分布以判断是否被遮挡;
S9、若判断发生遮挡,则存储判断区域。
优选的,所述背景建模,即建立背景像素的模型,符合该模型的像素判断为背景并且作为新的输入对背景进一步更新,不符合该模型的像素点判断为前景即运动目标。
优选的,所述随机灰度模型指背景模型为每个背景点存储一个样本集,然后每个新的像素值和样本集比较判断是否属于背景;计算新像素值和样本集中每个样本值的距离,若距离小于阈值,则近似样本点数目增加;如果近似样本点数目大于阈值,则认为新的像素点为背景。
优选的,所述背景模型的更新策略包括无记忆更新策略,即每次确定需要更新像素点的背景模型时,以新的像素值随机取代该像素点样本集的一个样本值;时间取样更新策略,即按一定的更新率更新背景模型,当一个像素点被判定为背景时,它有一定的概率更新背景模型;空间邻域更新策略,即针对需要更新像素点,随机的选择一个该像素点邻域的背景模型,以新的像素点更新被选中的背景模型。
优选的,所述基于8邻域的连通域分割将图像中的各个连通区域找出并标记。
优选的,所述形态学处理包括开运算,闭运算,基于连通域分割后的孤立像素的运动状态修改。
优选的,所述计算运动区域的外接多边形是计算外接多边形的面积或多边形中的像素数量。
优选的,判断是否发生遮挡依据以下条件:将灰度值分为16个区间统计灰度直方图,直方图的分布主要集中在3个区间中且比例超过阈值;判断区域内梯度信息分布较为均匀。
一种用于实现所述的基于视频的相机镜头遮挡检测方法的系统,包括如下模块:
以随机灰度模型进行基于像素的背景建模模块;
基于背景建模的像素级运动检测模块;
基于8邻域的连通域图像分割模块;
形态学处理模块;
运动区域的外接多边形计算模块;
判断区域在图像占有比例计算和阈值比较模块;
判断区域直方图和梯度分布计算模块;
判断区域存储模块。
本发明的有益效果在于大幅度缩减了算法的内存占有率,提升算法在运动物体由动转静的场景中的准确率。
附图说明
图1是本发明的基于视频的相机镜头遮挡检测方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1是本实施例的基于视频的相机镜头遮挡检测方法流程图。一种基于视频的相机镜头遮挡检测方法,包括如下步骤:
S1、以随机灰度模型进行基于像素的背景建模。
背景建模,即建立背景像素的模型,符合该模型的像素判断为背景并且作为新的输入对背景进一步更新,不符合该模型的像素点判断为前景(即运动目标)。
本发明用随机灰度模型代替了混合高斯模型,背景模型为每个背景点存储一个样本集,然后每个新的像素值和样本集比较判断是否属于背景。该模型大幅度缩减了算法的内存占有率。随机灰度模型的建模过程如下:
背景模型为每个背景点存储一个样本集,然后每个新的像素值和样本集比较判断是否属于背景。计算新像素值和样本集中每个样本值的距离,若距离小于阈值,则近似样本点数目增加。如果近似样本点数目大于阈值,则认为新的像素点为背景。
背景模型的更新策略
1)无记忆更新策略
每次确定需要更新像素点的背景模型时,以新的像素值随机取代该像素点样本集的一个样本值。
2)时间取样更新策略
并不是每处理一帧数据,都需要更新处理,而是按一定的更新率更新背景模型。当一个像素点被判定为背景时,它有一定的概率更新背景模型。
3)空间邻域更新策略
针对需要更新像素点,随机的选择一个该像素点邻域的背景模型,以新的像素点更新被选中的背景模型。
S2、进行基于背景建模的像素级运动检测,得到运动区域。运动目标检测(前景背景分离)被认为是视频分析学习的入门基础,常用的方法有帧差法、光流法、背景减除法。帧差法具有更新速度快、算法简单、计算量小的特点,但对噪声和阈值极其敏感。光流法具有处理复杂场景及运动背景的能力,但能用于完整提取运动目标的稠密光流算法运算复杂度高且对噪声、光照变化等敏感。背景建模算法在静态背景情况下得到广泛使用。
S3、对图像进行基于8邻域的连通域分割。基于背景建模的运动检测为像素级别的运动检测,即得到每个像素的运动状态,但算法本身存在误检情况,使用基于8邻域的连通域分割将图像中的各个连通区域找出并标记,可以修正部分像素的错误判断。
S4、进行形态学处理,得到连续不间断的运动区域。形态学处理包括开运算,闭运算,基于连通域分割后的孤立像素的运动状态修改等。
S5、计算运动区域的外接多边形的面积或多边形中的像素数量,增加后续的判断区域。
S6、计算判断区域在图像占有的比例并与阈值比较。运动区域为最初的判断区域,通过后续一系列的操作来增加判断区域的面积,得到最终的判断区域。
S7、若判断区域在图像占有的比例大于阈值,则计算判断区域直方图和梯度分布以判断是否发生遮挡。判断为遮挡的条件:
将灰度值分为16个区间统计灰度直方图,直方图的分布主要集中在3个区间中且比例超过阈值;
判断区域内梯度信息分布较为均匀。
S8、若判断区域在图像占有的比例小于等于阈值,且上一帧被判断为遮挡,则计算上一帧判断区域直方图和梯度分布以判断是否被遮挡。
S9、若判断发生遮挡,则存储判断区域。
本发明融合现有方案并在前景/背景分割、遮挡判断等方面提出改进,采用以下方案解决:
用随机灰度模型代替了混合高斯模型,背景模型为每个背景点存储一个样本集,然后每个新的像素值和样本集比较判断是否属于背景。该模型大幅度缩减了算法的内存占有率;
基于运动区域进行连通域分割得到可能发生遮挡的区域,并且保存该区域位置,提升算法在运动物体由动转静的场景中的准确率;
基于可能发生遮挡的区域,利用直方图和梯度分布来判断是否被遮挡。
一种用于实现所述的基于视频的相机镜头遮挡检测方法的系统,包括如下模块:
以随机灰度模型进行基于像素的背景建模模块;
基于背景建模的像素级运动检测模块,得到运动区域;
基于8邻域的连通域图像分割模块;
形态学处理模块,得到连续不间断的运动区域;
运动区域的外接多边形计算模块,增加后续的判断区域;判断区域在图像占有比例计算和阈值比较模块;
判断区域直方图和梯度分布计算模块,判断是否发生遮挡;判断区域存储模块。
Claims (9)
1.一种基于视频的相机镜头遮挡检测方法,其特征在于,包括如下步骤:
S1、以随机灰度模型进行基于像素的背景建模;
S2、进行基于背景建模的像素级运动检测,得到运动区域;
S3、对图像进行基于8邻域的连通域分割;
S4、进行形态学处理,得到连续不间断的运动区域;
S5、计算运动区域的外接多边形,增加后续的判断区域;
S6、计算判断区域在图像占有的比例并与阈值比较;
S7、若判断区域在图像占有的比例大于阈值,则计算判断区域直方图和梯度分布以判断是否发生遮挡;
S8、若判断区域在图像占有的比例小于等于阈值,且上一帧被判断为遮挡,则计算上一帧判断区域直方图和梯度分布以判断是否被遮挡;
S9、若判断发生遮挡,则存储判断区域。
2.根据权利要求1所述的基于视频的相机镜头遮挡检测方法,其特征在于:所述背景建模,即建立背景像素的模型,符合该模型的像素判断为背景并且作为新的输入对背景进一步更新,不符合该模型的像素点判断为前景即运动目标。
3.根据权利要求1所述的基于视频的相机镜头遮挡检测方法,其特征在于:所述随机灰度模型指背景模型为每个背景点存储一个样本集,然后每个新的像素值和样本集比较判断是否属于背景;计算新像素值和样本集中每个样本值的距离,若距离小于阈值,则近似样本点数目增加;如果近似样本点数目大于阈值,则认为新的像素点为背景。
4.根据权利要求3所述的基于视频的相机镜头遮挡检测方法,其特征在于:所述背景模型的更新策略包括无记忆更新策略,即每次确定需要更新像素点的背景模型时,以新的像素值随机取代该像素点样本集的一个样本值;时间取样更新策略,即按一定的更新率更新背景模型,当一个像素点被判定为背景时,它有一定的概率更新背景模型;空间邻域更新策略,即针对需要更新像素点,随机的选择一个该像素点邻域的背景模型,以新的像素点更新被选中的背景模型。
5.根据权利要求1所述的基于视频的相机镜头遮挡检测方法,其特征在于:所述基于8邻域的连通域分割将图像中的各个连通区域找出并标记。
6.根据权利要求1所述的基于视频的相机镜头遮挡检测方法,其特征在于:所述形态学处理包括开运算,闭运算,基于连通域分割后的孤立像素的运动状态修改。
7.根据权利要求1所述的基于视频的相机镜头遮挡检测方法,其特征在于:所述计算运动区域的外接多边形是计算外接多边形的面积或多边形中的像素数量。
8.根据权利要求1所述的基于视频的相机镜头遮挡检测方法,其特征在于,判断是否发生遮挡依据以下条件:将灰度值分为16个区间统计灰度直方图,直方图的分布主要集中在3个区间中且比例超过阈值;判断区域内梯度信息分布较为均匀。
9.一种用于实现如权利要求1至8任一项所述的基于视频的相机镜头遮挡检测方法的系统,其特征在于,包括如下模块:
以随机灰度模型进行基于像素的背景建模模块;
基于背景建模的像素级运动检测模块;
基于8邻域的连通域图像分割模块;
形态学处理模块;
运动区域的外接多边形计算模块;
判断区域在图像占有比例计算和阈值比较模块;
判断区域直方图和梯度分布计算模块;
判断区域存储模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110301747.0A CN112927262B (zh) | 2021-03-22 | 2021-03-22 | 一种基于视频的相机镜头遮挡检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110301747.0A CN112927262B (zh) | 2021-03-22 | 2021-03-22 | 一种基于视频的相机镜头遮挡检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112927262A CN112927262A (zh) | 2021-06-08 |
CN112927262B true CN112927262B (zh) | 2023-06-20 |
Family
ID=76175310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110301747.0A Active CN112927262B (zh) | 2021-03-22 | 2021-03-22 | 一种基于视频的相机镜头遮挡检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112927262B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113705332A (zh) * | 2021-07-14 | 2021-11-26 | 深圳市有为信息技术发展有限公司 | 检测车载终端摄像头遮挡的方法和装置、车载终端、车辆 |
CN113628236A (zh) * | 2021-08-16 | 2021-11-09 | 北京百度网讯科技有限公司 | 摄像头遮挡检测方法、装置、设备、存储介质及程序产品 |
CN114943938B (zh) * | 2022-07-26 | 2022-11-15 | 珠海视熙科技有限公司 | 客流统计方法、装置、系统及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6754367B1 (en) * | 1999-09-30 | 2004-06-22 | Hitachi Denshi Kabushiki Kaisha | Method and apparatus for automatically detecting intrusion object into view of image pickup device |
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
CN103971116A (zh) * | 2014-04-24 | 2014-08-06 | 西北工业大学 | 基于Kinect的感兴趣区域检测方法 |
CN110930361A (zh) * | 2019-10-22 | 2020-03-27 | 西安理工大学 | 一种虚实物体遮挡检测方法 |
CN111539987A (zh) * | 2020-04-01 | 2020-08-14 | 上海交通大学 | 基于判别模型的遮挡检测系统及方法 |
CN111967345A (zh) * | 2020-07-28 | 2020-11-20 | 国网上海市电力公司 | 一种实时判定摄像头遮挡状态的方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101621615A (zh) * | 2009-07-24 | 2010-01-06 | 南京邮电大学 | 一种自适应背景建模及运动目标检测方法 |
CN103139547B (zh) * | 2013-02-25 | 2016-02-10 | 昆山南邮智能科技有限公司 | 基于视频图像信号判定摄像镜头遮挡状态的方法 |
CN106097256B (zh) * | 2016-05-31 | 2019-01-01 | 南京邮电大学 | 一种基于图像盲去模糊的视频图像模糊度检测方法 |
CN109598706A (zh) * | 2018-11-26 | 2019-04-09 | 安徽嘉拓信息科技有限公司 | 一种摄像机镜头遮挡检测方法及系统 |
CN110599523A (zh) * | 2019-09-10 | 2019-12-20 | 江南大学 | 一种融合帧间差分法的ViBe鬼影抑制方法 |
CN111582074A (zh) * | 2020-04-23 | 2020-08-25 | 安徽海德瑞丰信息科技有限公司 | 一种基于场景深度信息感知的监控视频树叶遮挡检测方法 |
CN111753693B (zh) * | 2020-06-15 | 2024-01-19 | 西安工业大学 | 一种静态场景下目标检测方法 |
-
2021
- 2021-03-22 CN CN202110301747.0A patent/CN112927262B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6754367B1 (en) * | 1999-09-30 | 2004-06-22 | Hitachi Denshi Kabushiki Kaisha | Method and apparatus for automatically detecting intrusion object into view of image pickup device |
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
CN103971116A (zh) * | 2014-04-24 | 2014-08-06 | 西北工业大学 | 基于Kinect的感兴趣区域检测方法 |
CN110930361A (zh) * | 2019-10-22 | 2020-03-27 | 西安理工大学 | 一种虚实物体遮挡检测方法 |
CN111539987A (zh) * | 2020-04-01 | 2020-08-14 | 上海交通大学 | 基于判别模型的遮挡检测系统及方法 |
CN111967345A (zh) * | 2020-07-28 | 2020-11-20 | 国网上海市电力公司 | 一种实时判定摄像头遮挡状态的方法 |
Non-Patent Citations (1)
Title |
---|
邬美银等.基于深度学习的监控视频树叶遮挡检测.《武汉科技大学学报》.2016,第39卷(第1期),69-74. * |
Also Published As
Publication number | Publication date |
---|---|
CN112927262A (zh) | 2021-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112927262B (zh) | 一种基于视频的相机镜头遮挡检测方法及系统 | |
WO2021012757A1 (zh) | 基于全景多路4k视频图像的实时目标检测跟踪方法 | |
US7742650B2 (en) | Object detection in images | |
CN111062974B (zh) | 一种使用去除鬼影对前景目标提取的方法及系统 | |
CN105184818B (zh) | 一种视频监控异常行为检测方法及其检测系统 | |
US7982774B2 (en) | Image processing apparatus and image processing method | |
CN108734107B (zh) | 一种基于人脸的多目标跟踪方法及系统 | |
CN108198206A (zh) | 基于多特征联合和Camshift算法结合的多目标跟踪方法 | |
CN101266689A (zh) | 一种运动目标检测方法及装置 | |
CN112417955B (zh) | 巡检视频流处理方法及装置 | |
JPH08241414A (ja) | 動物体検出・追跡装置と閾値決定装置 | |
CN112561946B (zh) | 一种动态目标检测方法 | |
Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
CN111460917B (zh) | 基于多模态信息融合的机场异常行为检测系统及方法 | |
CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 | |
Almomani et al. | Segtrack: A novel tracking system with improved object segmentation | |
Xie et al. | Robust vehicles extraction in a video-based intelligent transportation systems | |
Kim et al. | Background subtraction using generalised Gaussian family model | |
Jin et al. | Fusing Canny operator with vibe algorithm for target detection | |
CN111369578A (zh) | 云台异动智能跟踪方法及其系统 | |
Low et al. | Frame Based Object Detection--An Application for Traffic Monitoring | |
CN114757963A (zh) | 一种夜间复杂光照变化下的运动目标提取方法 | |
Panda et al. | Robust real-time object tracking under background clutter | |
Fadhel et al. | Real-Time detection and tracking moving vehicles for video surveillance systems using FPGA | |
CN112149683A (zh) | 夜视环境下活物检测方法及装置 |
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 |