CN113658225A - 基于航拍监控的运动对象识别方法及系统 - Google Patents
基于航拍监控的运动对象识别方法及系统 Download PDFInfo
- Publication number
- CN113658225A CN113658225A CN202110952502.4A CN202110952502A CN113658225A CN 113658225 A CN113658225 A CN 113658225A CN 202110952502 A CN202110952502 A CN 202110952502A CN 113658225 A CN113658225 A CN 113658225A
- Authority
- CN
- China
- Prior art keywords
- aerial
- motion
- video
- information
- monitoring
- 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.)
- Withdrawn
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 167
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000000007 visual effect Effects 0.000 claims description 32
- 238000012800 visualization Methods 0.000 claims description 22
- 238000013139 quantization Methods 0.000 claims description 21
- 230000011218 segmentation Effects 0.000 claims description 12
- 230000003068 static effect Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 7
- 101100311277 Arabidopsis thaliana STP10 gene Proteins 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 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
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供的基于航拍监控的运动对象识别方法及基于航拍监控的运动对象识别系统通过视频片段的运动信息量化值区间来确定航拍监控视频的对象变化信息参考标准，可实现对航拍监控视频中的目标对象变化信息的精确识别和跟踪。
Description
技术领域
本公开申请涉及视频监控技术领域，具体而言，涉及一种基于航拍监控的运动对象识别方法及系统。
背景技术
基于无人机飞行载具实现特定监控场景的航拍监控以被广泛应用于各个领域，例如，可通过无人机实现特定监控对象的航拍监控及跟踪识别。目前，针对特定监控对象的航拍监控对象的运动识别及监控尚存在识别进度和跟踪效果不佳的问题。
发明内容
因此，本公开实施例提供一种基于航拍监控的运动对象识别方法，包括：
根据航拍监控视频中航拍监控对象的可视化特征的统计信息，将所述航拍监控视频分割成多个视频片段；
根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段中各航拍监控对象的运动统计信息；其中所述航拍监控对象的运动统计信息为每个航拍监控对象的运动行为的相关信息；
根据所述视频片段中的各航拍监控对象的运动统计信息的运动信息量化值，获取所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值区间；以及
根据所述视频片段的所述运动信息量化值区间，确定为所述航拍监控视频的对象变化信息参考标准，用于对所述航拍监控视频进行目标对象的变化信息识别。
其中，所述根据航拍监控视频中航拍监控对象的可视化特征的统计信息，将所述航拍监控视频分割成多个视频片段的包括：
根据所述航拍监控视频中的航拍监控对象的可视化特征的统计信息，通过按照统计量的视频分割策略将所述航拍监控视频分割成多个视频片段。
其中，所述根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段中各航拍监控对象的运动统计信息的包括：
根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段的各航拍监控对象的运动可视化特征以及静态可视化特征；以及
通过所述视频片段的各航拍监控对象的运动可视化特征以及静态可视化特征，获得所述视频片段的各航拍监控对象的运动统计信息。
其中，所述根据所述视频片段中的各航拍监控对象的运动统计信息的运动信息量化值，获取所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值区间包括：
以所述视频片段的各航拍监控对象的运动统计信息为第一参考标准，所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值为第二参考标准，生成所述视频片段的航拍监控对象识别函数；
通过所述航拍监控对象识别函数识别各所述运动统计信息的运动信息量化值变化曲线；
对所述运动统计信息的运动信息量化值变化曲线进行曲线拟合，获取所述运动统计信息的运动信息量化值方程式；
根据所述运动信息量化值方程式，获得所述运动信息量化值区间。
本发明实施例还提供一种基于航拍监控的运动对象识别系统，包括：
视频分割模块，用于根据航拍监控视频中航拍监控对象的可视化特征的统计信息，将所述航拍监控视频分割成多个视频片段；
信息统计模块，用于根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段中各航拍监控对象的运动统计信息；其中所述航拍监控对象的运动统计信息为每个航拍监控对象的运动行为的相关信息；
量化值获取模块，用于根据所述视频片段中的各航拍监控对象的运动统计信息的运动信息量化值，获取所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值区间；以及
变化信息识别模块，用于根据所述视频片段的所述运动信息量化值区间，确定为所述航拍监控视频的对象变化信息参考标准，用于对所述航拍监控视频进行目标对象的变化信息识别。
其中，所述视频分割模块还用于：
根据所述航拍监控视频中的航拍监控对象的可视化特征的统计信息，通过按照统计量的视频分割策略将所述航拍监控视频分割成多个视频片段。
其中，所述信息统计模块还用于：
根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段的各航拍监控对象的运动可视化特征以及静态可视化特征；以及
通过所述视频片段的各航拍监控对象的运动可视化特征以及静态可视化特征，获得所述视频片段的各航拍监控对象的运动统计信息。
其中，所述量化值获取模块还用于：
以所述视频片段的各航拍监控对象的运动统计信息为第一参考标准，所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值为第二参考标准，生成所述视频片段的航拍监控对象识别函数；
通过所述航拍监控对象识别函数识别各所述运动统计信息的运动信息量化值变化曲线；
对所述运动统计信息的运动信息量化值变化曲线进行曲线拟合，获取所述运动统计信息的运动信息量化值方程式；
根据所述运动信息量化值方程式，获得所述运动信息量化值区间。
综上所述，本发明的基于航拍监控的运动对象识别方法及基于航拍监控的运动对象识别系统通过视频片段的运动信息量化值区间来确定航拍监控视频的对象变化信息参考标准，可实现对航拍监控视频中的目标对象变化信息的精确识别和跟踪。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅是本公开申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本公开实施例所提供的用于实现基于航拍监控的运动对象识别方法的计算机设备的示意图。
图2是本公开实施例所提供的基于航拍监控的运动对象识别方法的流程示意图。
图3是本公开实施例所提供的基于航拍监控的运动对象识别系统的功能模块示意图。
具体实施方式
图1是本公开实施例提供的用于实现基于航拍监控的运动对象识别方法的计算机设备的示意图。图2是本公开实施例所提供的基于航拍监控的运动对象识别方法的流程示意图。详细地，所述方法由所述计算机设备实现，下面进行详细介绍。
步骤STP10，根据航拍监控视频中航拍监控对象的可视化特征的统计信息，将所述航拍监控视频分割成多个视频片段。
步骤STP20，根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段中各航拍监控对象的运动统计信息；其中所述航拍监控对象的运动统计信息为每个航拍监控对象的运动行为的相关信息。
步骤STP30，根据所述视频片段中的各航拍监控对象的运动统计信息的运动信息量化值，获取所述视频片段的各航拍100监控对象的运动统计信息的运动信息量化值区间。
步骤STP40，根据所述视频片段的所述运动信息量化值区间，确定为所述航拍监控视频的对象变化信息参考标准，用于对所述航拍监控视频进行目标对象的变化信息识别。
本发明实施例中，所述根据航拍监控视频中航拍监控对象的可视化特征的统计信息，将所述航拍监控视频分割成多个视频片段的包括：
根据所述航拍监控视频中的航拍监控对象的可视化特征的统计信息，通过按照统计量的视频分割策略将所述航拍监控视频分割成多个视频片段。
本发明实施例中，所述根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段中各航拍监控对象的运动统计信息的包括：
根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段的各航拍监控对象的运动可视化特征以及静态可视化特征；以及
通过所述视频片段的各航拍监控对象的运动可视化特征以及静态可视化特征，获得所述视频片段的各航拍监控对象的运动统计信息。
本发明实施例中，所述根据所述视频片段中的各航拍监控对象的运动统计信息的运动信息量化值，获取所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值区间包括：
以所述视频片段的各航拍监控对象的运动统计信息为第一参考标准，所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值为第二参考标准，生成所述视频片段的航拍监控对象识别函数；
通过所述航拍监控对象识别函数识别各所述运动统计信息的运动信息量化值变化曲线；
对所述运动统计信息的运动信息量化值变化曲线进行曲线拟合，获取所述运动统计信息的运动信息量化值方程式；
根据所述运动信息量化值方程式，获得所述运动信息量化值区间。
进一步地，参阅图2所示，本实施例中，计算机设备可以是一个服务器，计算机设备可以包括处理器和机器可读存储介质，机器可读存储介质可以存储数据、指令、以及代码等信息。处理器可执行存储在机器可读存储介质中的相关指令，以实现上述的方法。
进一步地，如图3所示是本公开实施例提供的计算机设备还可以包括基于航拍监控的运动对象识别系统，下面分别对该基于航拍监控的运动对象识别系统的各个组成部分进行详细阐述。
所述基于航拍监控的运动对象识别系统，包括：
视频分割模块100，用于根据航拍监控视频中航拍监控对象的可视化特征的统计信息，将所述航拍监控视频分割成多个视频片段；
信息统计模块200，用于根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段中各航拍监控对象的运动统计信息；其中所述航拍监控对象的运动统计信息为每个航拍监控对象的运动行为的相关信息；
量化值获取模块300，用于根据所述视频片段中的各航拍监控对象的运动统计信息的运动信息量化值，获取所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值区间；以及
变化信息识别模块400，用于根据所述视频片段的所述运动信息量化值区间，确定为所述航拍监控视频的对象变化信息参考标准，用于对所述航拍监控视频进行目标对象的变化信息识别。
本发明实施例中，所述视频分割模块100还用于：
根据所述航拍监控视频中的航拍监控对象的可视化特征的统计信息，通过按照统计量的视频分割策略将所述航拍监控视频分割成多个视频片段。
本发明实施例中，所述信息统计模块200还用于：
根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段的各航拍监控对象的运动可视化特征以及静态可视化特征；以及
通过所述视频片段的各航拍监控对象的运动可视化特征以及静态可视化特征，获得所述视频片段的各航拍监控对象的运动统计信息。
本发明实施例中，所述量化值获取模块300还用于：
以所述视频片段的各航拍监控对象的运动统计信息为第一参考标准，所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值为第二参考标准，生成所述视频片段的航拍监控对象识别函数；
通过所述航拍监控对象识别函数识别各所述运动统计信息的运动信息量化值变化曲线；
对所述运动统计信息的运动信息量化值变化曲线进行曲线拟合，获取所述运动统计信息的运动信息量化值方程式；
根据所述运动信息量化值方程式，获得所述运动信息量化值区间。
综上所述，本发明的基于航拍监控的运动对象识别方法及基于航拍监控的运动对象识别系统通过视频片段的运动信息量化值区间来确定航拍监控视频的对象变化信息参考标准，可实现对航拍监控视频中的目标对象变化信息的精确识别和跟踪。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的各个组成部分的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统和方法实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的根据硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
需要说明的是，在本文中，术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含，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它要素，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。
对于本领域技术人员而言，显然本公开申请不限于上述示范性实施例的细节，而且在不背离本公开申请的精神或基本特征的情况下，能够以其它的具体形式实现本公开申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本公开申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本公开申请内。不应将权利要求中的任何附图进销存确认视为限制所涉及的权利要求。
Claims (8)
1.一种基于航拍监控的运动对象识别方法，其特征在于，包括：
根据航拍监控视频中航拍监控对象的可视化特征的统计信息，将所述航拍监控视频分割成多个视频片段；
根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段中各航拍监控对象的运动统计信息；其中所述航拍监控对象的运动统计信息为每个航拍监控对象的运动行为的相关信息；
根据所述视频片段中的各航拍监控对象的运动统计信息的运动信息量化值，获取所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值区间；以及
根据所述视频片段的所述运动信息量化值区间，确定为所述航拍监控视频的对象变化信息参考标准，用于对所述航拍监控视频进行目标对象的变化信息识别。
2.根据权利要求1所述的基于航拍监控的运动对象识别方法，其特征在于，所述根据航拍监控视频中航拍监控对象的可视化特征的统计信息，将所述航拍监控视频分割成多个视频片段的包括：
根据所述航拍监控视频中的航拍监控对象的可视化特征的统计信息，通过按照统计量的视频分割策略将所述航拍监控视频分割成多个视频片段。
3.根据权利要求1所述的基于航拍监控的运动对象识别方法，其特征在于，所述根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段中各航拍监控对象的运动统计信息的包括：
根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段的各航拍监控对象的运动可视化特征以及静态可视化特征；以及
通过所述视频片段的各航拍监控对象的运动可视化特征以及静态可视化特征，获得所述视频片段的各航拍监控对象的运动统计信息。
4.根据权利要求1所述的基于航拍监控的运动对象识别方法，其特征在于，所述根据所述视频片段中的各航拍监控对象的运动统计信息的运动信息量化值，获取所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值区间包括：
以所述视频片段的各航拍监控对象的运动统计信息为第一参考标准，所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值为第二参考标准，生成所述视频片段的航拍监控对象识别函数；
通过所述航拍监控对象识别函数识别各所述运动统计信息的运动信息量化值变化曲线；
对所述运动统计信息的运动信息量化值变化曲线进行曲线拟合，获取所述运动统计信息的运动信息量化值方程式；
根据所述运动信息量化值方程式，获得所述运动信息量化值区间。
5.一种基于航拍监控的运动对象识别系统，其特征在于，包括：
视频分割模块，用于根据航拍监控视频中航拍监控对象的可视化特征的统计信息，将所述航拍监控视频分割成多个视频片段；
信息统计模块，用于根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段中各航拍监控对象的运动统计信息；其中所述航拍监控对象的运动统计信息为每个航拍监控对象的运动行为的相关信息；
量化值获取模块，用于根据所述视频片段中的各航拍监控对象的运动统计信息的运动信息量化值，获取所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值区间；以及
变化信息识别模块，用于根据所述视频片段的所述运动信息量化值区间，确定为所述航拍监控视频的对象变化信息参考标准，用于对所述航拍监控视频进行目标对象的变化信息识别。
6.根据权利要求5所述的基于航拍监控的运动对象识别系统，其特征在于，所述视频分割模块还用于：
根据所述航拍监控视频中的航拍监控对象的可视化特征的统计信息，通过按照统计量的视频分割策略将所述航拍监控视频分割成多个视频片段。
7.根据权利要求5所述的基于航拍监控的运动对象识别系统，其特征在于，所述信息统计模块还用于：
根据所述视频片段的各航拍监控对象的可视化特征，获得所述视频片段的各航拍监控对象的运动可视化特征以及静态可视化特征；以及
通过所述视频片段的各航拍监控对象的运动可视化特征以及静态可视化特征，获得所述视频片段的各航拍监控对象的运动统计信息。
8.根据权利要求5所述的基于航拍监控的运动对象识别系统，其特征在于，所述量化值获取模块还用于：
以所述视频片段的各航拍监控对象的运动统计信息为第一参考标准，所述视频片段的各航拍监控对象的运动统计信息的运动信息量化值为第二参考标准，生成所述视频片段的航拍监控对象识别函数；
通过所述航拍监控对象识别函数识别各所述运动统计信息的运动信息量化值变化曲线；
对所述运动统计信息的运动信息量化值变化曲线进行曲线拟合，获取所述运动统计信息的运动信息量化值方程式；
根据所述运动信息量化值方程式，获得所述运动信息量化值区间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110952502.4A CN113658225A (zh) | 2021-08-19 | 2021-08-19 | 基于航拍监控的运动对象识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110952502.4A CN113658225A (zh) | 2021-08-19 | 2021-08-19 | 基于航拍监控的运动对象识别方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113658225A true CN113658225A (zh) | 2021-11-16 |
Family
ID=78492290
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110952502.4A Withdrawn CN113658225A (zh) | 2021-08-19 | 2021-08-19 | 基于航拍监控的运动对象识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113658225A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120219174A1 (en) * | 2011-02-24 | 2012-08-30 | Hao Wu | Extracting motion information from digital video sequences |
| CN103340634A (zh) * | 2013-06-17 | 2013-10-09 | 无锡市中安捷联科技有限公司 | 一种基于加速度变化检测人运动状态的方法 |
| US20170039431A1 (en) * | 2015-08-03 | 2017-02-09 | Beijing Kuangshi Technology Co., Ltd. | Video monitoring method, video monitoring apparatus and video monitoring system |
| CN106546975A (zh) * | 2016-10-14 | 2017-03-29 | 中国民航科学技术研究院 | 一种基于雷达数据的轻小型无人机与飞鸟分类识别方法 |
| WO2017177542A1 (zh) * | 2016-04-12 | 2017-10-19 | 高鹏 | 目标跟踪方法、装置和系统 |
| CN108320510A (zh) * | 2018-04-03 | 2018-07-24 | 深圳市智绘科技有限公司 | 一种基于无人机航拍视频交通信息统计方法及系统 |
| CN109558841A (zh) * | 2018-11-30 | 2019-04-02 | 歌尔科技有限公司 | 一种运动状态的识别方法、装置及终端 |
| US20200294373A1 (en) * | 2019-03-13 | 2020-09-17 | Smart Home Sentry, Inc. | Methods And System For Monitoring An Environment |
| CN112070061A (zh) * | 2020-09-22 | 2020-12-11 | 苏州臻迪智能科技有限公司 | 基于无人机的运动监控方法及装置 |
| CN112232266A (zh) * | 2020-10-28 | 2021-01-15 | 江苏金亿达能科技有限公司 | 一种基于运动姿态识别的人机物联穿戴设备 |
| US20210248760A1 (en) * | 2018-07-11 | 2021-08-12 | China Unionpay Co., Ltd. | Feature processing method and device for motion trajectory, and computer storage medium |
-
2021
- 2021-08-19 CN CN202110952502.4A patent/CN113658225A/zh not_active Withdrawn
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120219174A1 (en) * | 2011-02-24 | 2012-08-30 | Hao Wu | Extracting motion information from digital video sequences |
| CN103340634A (zh) * | 2013-06-17 | 2013-10-09 | 无锡市中安捷联科技有限公司 | 一种基于加速度变化检测人运动状态的方法 |
| US20170039431A1 (en) * | 2015-08-03 | 2017-02-09 | Beijing Kuangshi Technology Co., Ltd. | Video monitoring method, video monitoring apparatus and video monitoring system |
| WO2017177542A1 (zh) * | 2016-04-12 | 2017-10-19 | 高鹏 | 目标跟踪方法、装置和系统 |
| CN106546975A (zh) * | 2016-10-14 | 2017-03-29 | 中国民航科学技术研究院 | 一种基于雷达数据的轻小型无人机与飞鸟分类识别方法 |
| CN108320510A (zh) * | 2018-04-03 | 2018-07-24 | 深圳市智绘科技有限公司 | 一种基于无人机航拍视频交通信息统计方法及系统 |
| US20210248760A1 (en) * | 2018-07-11 | 2021-08-12 | China Unionpay Co., Ltd. | Feature processing method and device for motion trajectory, and computer storage medium |
| CN109558841A (zh) * | 2018-11-30 | 2019-04-02 | 歌尔科技有限公司 | 一种运动状态的识别方法、装置及终端 |
| US20200294373A1 (en) * | 2019-03-13 | 2020-09-17 | Smart Home Sentry, Inc. | Methods And System For Monitoring An Environment |
| CN112070061A (zh) * | 2020-09-22 | 2020-12-11 | 苏州臻迪智能科技有限公司 | 基于无人机的运动监控方法及装置 |
| CN112232266A (zh) * | 2020-10-28 | 2021-01-15 | 江苏金亿达能科技有限公司 | 一种基于运动姿态识别的人机物联穿戴设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107945198B (zh) | 用于标注点云数据的方法和装置 | |
| US20180307911A1 (en) | Method for the semantic segmentation of an image | |
| CN108229456B (zh) | 目标跟踪方法和装置、电子设备、计算机存储介质 | |
| CN106295598A (zh) | 一种跨摄像头目标跟踪方法及装置 | |
| CN110706247B (zh) | 一种目标跟踪方法、装置及系统 | |
| CN111191533B (zh) | 行人重识别的处理方法、装置、计算机设备和存储介质 | |
| CN112055172B (zh) | 一种监控视频的处理方法、装置以及存储介质 | |
| EP3495989A1 (en) | Best image crop selection | |
| CN110348392B (zh) | 车辆匹配方法及设备 | |
| CN112613387A (zh) | 一种基于YOLOv3的交通标志检测方法 | |
| CN112465029A (zh) | 一种实例追踪的方法及装置 | |
| CN111159150A (zh) | 一种数据扩充方法及装置 | |
| CN111563398A (zh) | 用于确定目标物的信息的方法和装置 | |
| CN112597943A (zh) | 行人重识别的特征提取方法及装置、电子设备、存储介质 | |
| CN106156691A (zh) | 复杂背景图像的处理方法及其装置 | |
| CN113313098B (zh) | 视频处理方法、设备、系统及存储介质 | |
| CN116994210B (zh) | 隧道施工人员识别方法、装置及系统 | |
| CN113989760A (zh) | 高精地图检测车道线的方法、装置、设备以及存储介质 | |
| EP3044734B1 (en) | Isotropic feature matching | |
| CN112949401A (zh) | 图像分析方法、装置、设备及计算机存储介质 | |
| CN112949584A (zh) | 一种图像筛选方法及装置、电子设备和存储介质 | |
| US10462490B2 (en) | Efficient video data representation and content based video retrieval framework | |
| CN112700653A (zh) | 一种车辆违法变道的判定方法、装置、设备及存储介质 | |
| CN113658225A (zh) | 基于航拍监控的运动对象识别方法及系统 | |
| CN110781730A (zh) | 智能驾驶感知方法及感知装置 |
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 | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211116 |
|
| WW01 | Invention patent application withdrawn after publication |