CN113538337B - 检测方法、检测装置及计算机可读存储介质 - Google Patents
检测方法、检测装置及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113538337B CN113538337B CN202110671554.4A CN202110671554A CN113538337B CN 113538337 B CN113538337 B CN 113538337B CN 202110671554 A CN202110671554 A CN 202110671554A CN 113538337 B CN113538337 B CN 113538337B
- Authority
- CN
- China
- Prior art keywords
- image
- sample
- edge detection
- frame difference
- current 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
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000003708 edge detection Methods 0.000 claims abstract description 60
- 238000012545 processing Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000002591 computed tomography Methods 0.000 description 42
- 238000010586 diagram Methods 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification 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
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/20—Contour coding, e.g. using detection of edges
-
- 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
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本申请公开了一种检测方法、检测装置及计算机可读存储介质,该检测方法包括:获取当前帧图像;将当前帧图像与背景图像进行帧差处理,得到帧差图像;对当前帧图像进行边缘检测处理,得到边缘检测图像;根据帧差图像对边缘检测图像进行CT编码处理,得到CT编码图像;根据CT编码图像判断当前帧图像中是否存在目标对象。本申请的检测方法能够提高检测的准确率。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种检测方法、检测装置及计算机可读存储介质。
背景技术
在物联网IPC(IP Camera,网络摄像机)领域,随着技术门槛降低和市场规模增大,越来越多的设备数量催生出了两大趋势:低成本、智能化。然而低成本和智能化同时又是互斥的,智能化决定了设备主芯片必须具备更强的计算能力甚至AI能力,而这恰恰是低成本芯片不具备的东西。因此如何基于低成本芯片实现智能化会是将来研究的一个热点。
发明内容
本申请主要解决的技术问题是提供一种检测方法、检测装置及计算机可读存储介质,能够提高检测的准确率。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种检测方法,所述方法包括:获取当前帧图像;将所述当前帧图像与背景图像进行帧差处理,得到帧差图像;对所述当前帧图像进行边缘检测处理,得到边缘检测图像;根据所述帧差图像对所述边缘检测图像进行CT编码处理,得到CT编码图像;根据所述CT编码图像判断所述当前帧图像中是否存在目标对象。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种检测装置,所述检测装置包括处理器、存储器以及通信电路,所述处理器分别耦接所述存储器、所述通信电路,所述存储器中存储有程序数据,所述处理器通过执行所述存储器内的所述程序数据以实现上述方法中的步骤。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序能够被处理器执行以实现上述方法中的步骤。
有益效果是:本申请的检测方法包括:获取当前帧图像;将所述当前帧图像与背景图像进行帧差处理,得到帧差图像;对所述当前帧图像进行边缘检测处理,得到边缘检测图像;根据所述帧差图像对所述边缘检测图像进行CT编码处理,得到CT编码图像;根据所述CT编码图像判断所述当前帧图像中是否存在目标对象。通过该方法得到的CT编码图像中冗余信息少,能够提高检测目标对象的准确率,且整个方法无需使用额外的硬件,不会额外增加成本,即最终在低成本的情况下提高目标对象检测的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请的一些实施例,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,还可以根据这些附图获得其他的附图。其中:
图1是本申请检测方法一实施方式的流程示意图;
图2是一应用场景中的当前帧图像;
图3是图2当前帧图像对应的背景图像;
图4是图2当前帧图像和背景图像对应的帧差图像;
图5是图2当前帧图像对应的边缘检测图像;
图6是图5边缘检测图像在一应用场景中对应的CT编码图像;
图7是图5边缘检测图像在另一应用场景中对应的CT编码图像;
图8是本申请检测方法另一实施方式的流程示意图;
图9是另一应用场景中的背景图像;
图10是图9背景图像对应的当前帧图像;
图11是图9背景图像和图10当前帧图像对应的帧差图像;
图12是图11中的帧差子图像;
图13是图10中的当前帧子图像;
图14是一应用场景中的第一样本图像;
图15是图14第一样本图像对应的样本背景图像;
图16是本申请检测装置一实施方式的结构示意图;
图17是本申请计算机可读存储介质一实施方式的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性的劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参阅图1,图1是本申请检测方法一实施方式的流程示意图,该检测方法包括:
S110:获取当前帧图像。
S120:将当前帧图像与背景图像进行帧差处理,得到帧差图像。
具体地,在摄像机设备上电后,保护监控画面静止若干秒,从而拍摄得到背景图像并进行保存。
而当前帧图像是等待检测的图像,其可以是从摄像机设备所拍摄的视频中进行抽帧而得到的。
将当前帧图像与背景图像进行帧差处理的过程是指,将当前帧图像与背景图像中相同位置的像素点的像素值相减。可以理解的是,若当前帧图像中不存在移动对象,则帧差图像中各个像素点的像素值均为0,或者是绝大部分像素点的像素值为0。
例如在一应用场景中,当前帧图像如图2所示,背景图像如图3所示,而进行帧差处理后,得到的帧差图像如图4所示。
S130:对当前帧图像进行边缘检测处理,得到边缘检测图像。
具体地,可以利用canny算子、sobel算子、二阶边缘算子等对当前帧图像进行边缘检测处理。
其中对图2应用场景的当前帧图像进行边缘检测处理后得到的边缘检测图像如图5所示。
S140:根据帧差图像对边缘检测图像进行CT编码处理,得到CT编码图像。
具体地,从帧差图像中可以对移动目标像素点和静止像素点进行区分,其中移动目标像素点指的是该像素点对应的区域存在移动目标,即该像素点为移动目标上的像素点,静止像素点指的是该像素点对应的区域不存在移动目标,也就是说,帧差图像中像素值为0的像素点为静止像素点,其他像素点为移动目标像素点,或者帧差图像中像素值小于阈值的像素点为静止像素点,其他像素点为移动目标像素点。
在一应用场景中,步骤S140具体包括:判断帧差图像中的像素点是否是移动目标像素点;若是,则计算边缘检测图像中对应的像素点的CT像素值;若不是,则将边缘检测图像中对应的像素点的CT像素值记为0;返回判断帧差图像中的像素点是否是移动目标像素点的步骤,直至遍历帧差图像。
具体地,对于边缘检测图像中的像素点而言,在帧差图像中判断相同位置的像素点是否是移动目标像素点,如果是,则计算该像素点的CT像素值,如果不是,则将该像素点的CT像素值记为0,重复该过程直至遍历边缘检测图像中的所有像素点。
其中根据图4的帧差图像对图5的边缘检测图像进行CT编码处理后得到的CT编码图像如图6所示。
在一应用场景中,计算边缘检测图像中对应的像素点的CT像素值的步骤,包括:
(a)获取以对应的像素点为中心的八邻域的像素点的像素值。
(b)若八邻域的像素点的像素值小于或者等于对应的像素点的像素值,则将八邻域的像素点的像素值置1,否则置0,从而得到八邻域的编码值。
(c)将八邻域的编码值按照预设规则进行排序,得到对应的像素点的二进制数据。
(d)将对应的像素点的二级制数据转变为十进制数据,得到对应的像素点的CT像素值。
为了便于理解,在此结合具体实例进行说明:
在边缘检测图像中存在如下一个图像块:
32 64 96
32 64 96
32 32 96
对于上述图像块中的中心像素点(像素值为64)而言,若帧差图像中相同位置的像素点是移动目标像素点,则以中心像素点为参考,判断八邻域的像素点的像素值和中心像素点的像素值的大小关系,其中如果八邻域的像素点的像素值小于或者等于中心像素点的像素值,则置1,否则置0,进而得到如下编码值:
1 1 0
1 0
1 1 0
然后将八邻域的编码值按照S形进行排序,得到二进制数据:(11010110)2。其中此处也可以是按照其他规则(例如顺时针、逆时针等)将八邻域的编码值进行排序,在此不做限制。
接着再将上述得到的二进制数据转换为十进制数据,即得到上述中心像素点的CT像素值:214。
S150:根据CT编码图像判断当前帧图像中是否存在目标对象。
具体地,结合图6和图7,图7是对图5的边缘检测图像直接进行CT编码处理后得到的CT编码图像,可以看出,图7中的CT编码图像相比图6中的CT编码图像而言,移动目标以外的图像冗余信息较多,这不利于目标对象的识别。
也就是说,通过上述方法得到的CT编码图像中冗余信息少,从而能够提高目标对象的准确率。
其中,目标对象可以是行人、车辆等任意一种移动对象,在此不做限制。
参阅图8,图8是本申请检测方法另一实施方式的流程示意图,该检测方法包括:
S210:获取当前帧图像。
S220:将当前帧图像与背景图像进行帧差处理,得到帧差图像。
步骤S210、步骤S220与上述步骤S110、步骤S120对应相同,具体可参见上述,在此不再赘述。
S230:确定帧差图像中的移动区域。
具体地,根据帧差图像中像素值的大小可以确定移动区域,即存在移动目标的区域。
其中确定移动区域指的是,获取移动区域的坐标信息以及尺寸信息。
S240:从帧差图像以及当前帧图像中分别抠取位于移动区域的帧差子图像以及当前帧子图像。
具体地,根据移动区域的坐标信息和尺寸,从帧差图像和当前帧图像中分别抠取子图像,抠取出的子图像中均只包括移动区域的信息。
例如,将图9中的背景图像和图10中的当前帧图像进行帧差处理后,得到图11中的帧差图像,然后确定图11中的移动区域,接着根据该移动区域,从图11中抠取子图像,得到图12中的帧差子图像,以及从图10中抠取子图像,得到图13中的当前帧子图像。
S250:对当前帧子图像进行边缘检测处理,得到边缘检测图像。
S260:根据帧差子图像对边缘检测图像进行CT编码处理,得到CT编码图像。
S270:根据CT编码图像判断当前帧图像中是否存在目标对象。
其中,步骤S250至步骤S270与上述实施方式中的步骤S230至步骤S250对应相同,具体可参见上述实施方式,在此不再赘述。
在本实施方式中,从帧差图像以及当前帧图像中分别抠取位于移动区域的帧差子图像以及当前帧子图像,而后基于帧差子图像以及当前帧子图像执行后续步骤,可以减少后续处理过程中图像的大小,提高检测速度。
在本实施方式中,为了提高步骤S270的检测速度,利用预先训练好的识别模型识别CT编码图像,以判断当前帧图像中是否存在目标对象。
具体地,识别模型预先训练并达到收敛,其在接收到图像后,能够自动判断所接收到的图像中是否存在目标对象。因此将步骤S260得到的CT编码图像输入识别模型后,识别模型输出CT编码图像中是否存在目标对象的判断结果,且在某些应用场景中,当CT编码图像中存在目标对象时,识别模型还会输出目标对象的位置。
在一应用场景中,当输入至识别模型的图像存在大小限制时,可以依次将CT编码图像中指定大小的子图像输入识别模型进行识别,直至整幅CT编码图像全部完成识别。
下面介绍识别模型的训练过程:
(a)获取训练数据集,训练数据集包括第一样本图像、第一样本图像对应的样本背景图像以及第二样本图像,第一样本图像包括目标对象,第二样本图像不包括目标对象。
具体地,样本背景图像中不包括目标对象,其是摄像机设备对静止场景进行拍摄而得到的画面。例如在一应用场景中,第一样本图像如图14所示,样本背景图像如图15所示。
第二样本图像可以是任意一个不包括目标对象的图像,例如第二样本图像可以是图15所示的图像。
(b)将第一样本图像与样本背景图像进行帧差处理,得到样本帧差图像;
(c)确定样本帧差图像的移动区域。
(d)从样本帧差图像以及第一样本图像中分别抠取位于移动区域的样本帧差子图像以及第一样本子图像。
(e)对第一样本子图像进行边缘检测处理,得到第一样本边缘检测图像。
(f)根据样本帧差子图像对第一样本边缘检测图像进行CT编码处理,得到第一样本CT编码图像。
其中,得到第一样本CT编码图像的过程与上述步骤S210至步骤S260中得到CT编码图像的过程相同,具体可参见上述实施方式,在此不再赘述。
(g)对第二样本图像进行边缘检测处理,得到第二样本边缘检测图像。
(h)对第二样本边缘检测图像进行CT编码处理,得到第二样本CT编码图像。
具体地,第二样本图像对应的场景是静止场景,因此无需对第二样本图像进行帧差处理,且在进行CT编码处理时,直接对第二样本边缘检测图像进行CT编码处理。
其中,对第二样本边缘检测图像进行CT编码处理的过程可以是:
(1)获取以任意一像素点为中心的八邻域的像素点的像素值。
(2)若八邻域的像素点的像素值小于或者等于中心像素点的像素值,则将八邻域的像素点的像素值置1,否则置0,从而得到八邻域的编码值。
(3)将八邻域的编码值按照预设规则进行排序,得到中心像素点的二进制数据。
(4)将中心像素点的二级制数据转变为十进制数据,得到中心像素点的CT像素值。
(i)以第一样本CT编码图像为正样本,第二样本CT编码图像为负样本对识别模型进行训练。
在一应用场景中,识别模型的框架包括linear分类器和hik分类器,在对识别模型进行训练时,具体分别对linear分类器和hik分类器进行训练。
需要说明的是,其他实施方式在对识别模型进行训练时,在将第一样本图像与样本背景图像进行帧差处理而得到样本帧差图像后,也可以不抠取样本帧差子图像以及第一样本子图像,此时后续得到第一样本CT编码图像的步骤,包括:直接对第一样本图像进行边缘检测处理,得到第一样本边缘图像,以及根据样本帧差图像对第一样本边缘检测图像进行CT编码处理,得到第一样本CT编码图像。
参阅图16,图16是本申请检测装置一实施方式的结构示意图。该检测装置200包括处理器210、存储器220以及通信电路230,处理器210分别耦接存储器220、通信电路230,存储器220中存储有程序数据,处理器210通过执行存储器220内的程序数据以实现上述任一项实施方式方法中的步骤,其中详细的步骤可参见上述实施方式,在此不再赘述。
其中,检测装置200可以是电脑、手机等任一项具有图像处理能力的装置,在此不做限制。
参阅图17,图17是本申请计算机可读存储介质一实施方式的结构示意图。该计算机可读存储介质300存储有计算机程序310,计算机程序310能够被处理器执行以实现上述任一项方法中的步骤。
其中,计算机可读存储介质300具体可以为U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等可以存储计算机程序310的装置,或者也可以为存储有该计算机程序310的服务器,该服务器可将存储的计算机程序310发送给其他设备运行,或者也可以自运行该存储的计算机程序310。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (9)
1.一种检测方法,其特征在于,所述方法包括:
获取当前帧图像;
将所述当前帧图像与背景图像进行帧差处理,得到帧差图像;
对所述当前帧图像进行边缘检测处理,得到边缘检测图像;
根据所述帧差图像对所述边缘检测图像进行CT编码处理,得到CT编码图像;
根据所述CT编码图像判断所述当前帧图像中是否存在目标对象;
其中,所述根据所述帧差图像对所述边缘检测图像进行CT编码处理,得到CT编码图像的步骤,包括:
判断所述帧差图像中的像素点是否是移动目标像素点;
若是,则计算所述边缘检测图像中对应的像素点的CT像素值;
若不是,则将所述边缘检测图像中对应的像素点的CT像素值记为0;
返回所述判断所述帧差图像中的像素点是否是移动目标像素点的步骤,直至遍历所述帧差图像。
2.根据权利要求1所述的方法,其特征在于,在所述对所述当前帧图像进行边缘检测处理,得到边缘检测图像之前,还包括:
确定所述帧差图像中的移动区域;
从所述帧差图像以及所述当前帧图像中分别抠取位于所述移动区域的帧差子图像以及当前帧子图像,以基于所述帧差子图像以及所述当前帧子图像执行后续步骤。
3.根据权利要求1所述的方法,其特征在于,所述计算所述边缘检测图像中对应的像素点的CT像素值的步骤,包括:
获取以所述对应的像素点为中心的八邻域的像素点的像素值;
若所述八邻域的像素点的像素值小于或者等于所述对应的像素点的像素值,则将所述八邻域的像素点的像素值置1,否则置0,从而得到所述八邻域的编码值;
将所述八邻域的编码值按照预设规则进行排序,得到所述对应的像素点的二进制数据;
将所述对应的像素点的二级制数据转变为十进制数据,得到所述对应的像素点的CT像素值。
4.根据权利要求1所述的方法,其特征在于,所述对所述当前帧图像进行边缘检测处理,得到边缘检测图像的步骤,包括:
利用sobel算子对所述当前帧图像进行边缘检测处理,得到所述边缘检测图像。
5.根据权利要求1所述的方法,其特征在于,所述根据所述CT编码图像判断所述当前帧图像中是否存在目标对象的步骤,包括:
利用预先训练好的识别模型识别所述CT编码图像,以判断所述当前帧图像中是否存在所述目标对象。
6.根据权利要求5所述的方法,其特征在于,在所述获取当前帧图像之前,还包括:
获取训练数据集,所述训练数据集包括第一样本图像、所述第一样本图像对应的样本背景图像以及第二样本图像,所述第一样本图像包括所述目标对象,所述第二样本图像不包括所述目标对象;
将所述第一样本图像与所述样本背景图像进行帧差处理,得到样本帧差图像;
对所述第一样本图像进行边缘检测处理,得到第一样本边缘检测图像;
根据所述样本帧差图像对所述第一样本边缘检测图像进行CT编码处理,得到第一样本CT编码图像;
对所述第二样本图像进行边缘检测处理,得到第二样本边缘检测图像;
对所述第二样本边缘检测图像进行CT编码处理,得到第二样本CT编码图像;
以所述第一样本CT编码图像为正样本,所述第二样本CT编码图像为负样本对所述识别模型进行训练。
7.根据权利要求6所述的方法,其特征在于,在所述对所述第一样本图像进行边缘检测处理,得到第一样本边缘检测图像之前,还包括:
确定所述样本帧差图像的移动区域;
从所述样本帧差图像以及所述第一样本图像中分别抠取位于所述移动区域的样本帧差子图像以及第一样本子图像,以基于所述样本帧差子图像以及所述第一样本子图像执行后续步骤。
8.一种检测装置,其特征在于,所述检测装置包括处理器、存储器以及通信电路,所述处理器分别耦接所述存储器、所述通信电路,所述存储器中存储有程序数据,所述处理器通过执行所述存储器内的所述程序数据以实现如权利要求1-7任一项所述方法中的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序能够被处理器执行以实现如权利要求1-7任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110671554.4A CN113538337B (zh) | 2021-06-17 | 2021-06-17 | 检测方法、检测装置及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110671554.4A CN113538337B (zh) | 2021-06-17 | 2021-06-17 | 检测方法、检测装置及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113538337A CN113538337A (zh) | 2021-10-22 |
CN113538337B true CN113538337B (zh) | 2024-02-27 |
Family
ID=78096181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110671554.4A Active CN113538337B (zh) | 2021-06-17 | 2021-06-17 | 检测方法、检测装置及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113538337B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001111835A (ja) * | 1999-10-05 | 2001-04-20 | Toshiba Corp | 画像処理装置およびx線診断装置 |
US6570608B1 (en) * | 1998-09-30 | 2003-05-27 | Texas Instruments Incorporated | System and method for detecting interactions of people and vehicles |
CN103793921A (zh) * | 2012-10-29 | 2014-05-14 | 浙江大华技术股份有限公司 | 一种运动目标提取方法及装置 |
CN104835182A (zh) * | 2015-06-03 | 2015-08-12 | 上海建炜信息技术有限公司 | 摄像机上实现动态目标实时跟踪的方法 |
CN105740862A (zh) * | 2014-10-27 | 2016-07-06 | 江苏慧眼数据科技股份有限公司 | 一种基于宏特征点描述的行人轮廓检测方法 |
CN106846359A (zh) * | 2017-01-17 | 2017-06-13 | 湖南优象科技有限公司 | 基于视频序列的运动目标快速检测方法 |
CN107316312A (zh) * | 2017-06-30 | 2017-11-03 | 深圳信路通智能技术有限公司 | 一种视频图像遮挡检测方法及系统 |
CN108921878A (zh) * | 2018-04-30 | 2018-11-30 | 武汉工程大学 | 动目标低对比度下的危险气体泄漏红外视频检测方法 |
CN111275036A (zh) * | 2018-12-04 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 目标检测方法、装置、电子设备及计算机可读存储介质 |
CN112183420A (zh) * | 2020-10-09 | 2021-01-05 | 杭州电子科技大学 | 基于减背景、帧差和Meanshift算法的果蝇攀爬检测、跟踪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120019728A1 (en) * | 2010-07-26 | 2012-01-26 | Darnell Janssen Moore | Dynamic Illumination Compensation For Background Subtraction |
-
2021
- 2021-06-17 CN CN202110671554.4A patent/CN113538337B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6570608B1 (en) * | 1998-09-30 | 2003-05-27 | Texas Instruments Incorporated | System and method for detecting interactions of people and vehicles |
JP2001111835A (ja) * | 1999-10-05 | 2001-04-20 | Toshiba Corp | 画像処理装置およびx線診断装置 |
CN103793921A (zh) * | 2012-10-29 | 2014-05-14 | 浙江大华技术股份有限公司 | 一种运动目标提取方法及装置 |
CN105740862A (zh) * | 2014-10-27 | 2016-07-06 | 江苏慧眼数据科技股份有限公司 | 一种基于宏特征点描述的行人轮廓检测方法 |
CN104835182A (zh) * | 2015-06-03 | 2015-08-12 | 上海建炜信息技术有限公司 | 摄像机上实现动态目标实时跟踪的方法 |
CN106846359A (zh) * | 2017-01-17 | 2017-06-13 | 湖南优象科技有限公司 | 基于视频序列的运动目标快速检测方法 |
CN107316312A (zh) * | 2017-06-30 | 2017-11-03 | 深圳信路通智能技术有限公司 | 一种视频图像遮挡检测方法及系统 |
CN108921878A (zh) * | 2018-04-30 | 2018-11-30 | 武汉工程大学 | 动目标低对比度下的危险气体泄漏红外视频检测方法 |
CN111275036A (zh) * | 2018-12-04 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 目标检测方法、装置、电子设备及计算机可读存储介质 |
CN112183420A (zh) * | 2020-10-09 | 2021-01-05 | 杭州电子科技大学 | 基于减背景、帧差和Meanshift算法的果蝇攀爬检测、跟踪方法 |
Non-Patent Citations (3)
Title |
---|
"An edge-texture based moving object detection for video content based application";Taskeed Jabid等;《IEEE》;全文 * |
"视频序列中运动目标的检测与跟踪算法研究";秦梅;中国优秀硕士学位论文全文数据库 信息科技辑》;全文 * |
基于图割和Sobel算子的视频分割算法;薛宾田;冯子亮;;四川大学学报(自然科学版)(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113538337A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6501092B2 (ja) | オブジェクトセグメンテーションのための前景マスク補正のための画像処理装置及び方法 | |
CN109272509B (zh) | 一种连续图像的目标检测方法、装置、设备及存储介质 | |
CN110097586B (zh) | 一种人脸检测追踪方法及装置 | |
EP3709266A1 (en) | Human-tracking methods, apparatuses, systems, and storage media | |
KR101747216B1 (ko) | 표적 추출 장치와 그 방법 및 상기 방법을 구현하는 프로그램이 기록된 기록 매체 | |
US10853631B2 (en) | Face verification method and apparatus, server and readable storage medium | |
CN111275040B (zh) | 定位方法及装置、电子设备、计算机可读存储介质 | |
CN113705426B (zh) | 人脸校验方法、装置、服务器及可读存储介质 | |
CN110991310B (zh) | 人像检测方法、装置、电子设备及计算机可读介质 | |
JP2018124689A (ja) | 移動物体検出装置、移動物体検出システム、及び移動物体検出方法 | |
CN114511041A (zh) | 模型训练方法、图像处理方法、装置、设备和存储介质 | |
CN111259680B (zh) | 二维码图像二值化处理方法及装置 | |
CN114494775A (zh) | 视频切分方法、装置、设备及存储介质 | |
CN108960247B (zh) | 图像显著性检测方法、装置以及电子设备 | |
CN109543487B (zh) | 一种基于条码边缘分割的自动感应触发方法及其系统 | |
CN110555863A (zh) | 一种运动目标检测方法、装置和计算机可读存储介质 | |
CN113920324A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN116703925B (zh) | 一种轴承缺陷检测方法、装置、电子设备及存储介质 | |
CN113221842A (zh) | 模型训练方法、图像识别方法、装置、设备及介质 | |
Lee et al. | Compressed domain video saliency detection using global and local spatiotemporal features | |
CN113538337B (zh) | 检测方法、检测装置及计算机可读存储介质 | |
JP2003303346A (ja) | 目標追跡方法、目標追跡装置、目標追跡プログラム、並びにこのプログラムを記録した記録媒体 | |
CN111091056A (zh) | 图像中的墨镜识别方法及装置、电子设备、存储介质 | |
EP4332910A1 (en) | Behavior detection method, electronic device, and computer readable storage medium | |
CN115239551A (zh) | 视频增强方法和装置 |
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 |