CN117456429B - 基于图像和测速传感器结合的闸机通行计数方法及系统 - Google Patents
基于图像和测速传感器结合的闸机通行计数方法及系统 Download PDFInfo
- Publication number
- CN117456429B CN117456429B CN202311779657.8A CN202311779657A CN117456429B CN 117456429 B CN117456429 B CN 117456429B CN 202311779657 A CN202311779657 A CN 202311779657A CN 117456429 B CN117456429 B CN 117456429B
- Authority
- CN
- China
- Prior art keywords
- human body
- image
- gate
- speed
- point cloud
- 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 34
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 230000000694 effects Effects 0.000 claims abstract description 12
- 230000033001 locomotion Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 13
- 238000010586 diagram Methods 0.000 claims description 7
- 241000287107 Passer Species 0.000 claims description 2
- 230000000007 visual effect Effects 0.000 abstract description 3
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000008773 effect on children Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/30196—Human being; Person
-
- 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
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
-
- 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
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于图像和测速传感器结合的闸机通行计数方法及系统，需要在闸机上方安装摄像头和测速传感器模块，并对摄像头及测速传感器进行对齐标定，形成图像+点云的三维图像，通过摄像头拍摄的图像视频与测速传感器形成的点云图结合，在视觉检测人体的基础上，结合毫米波雷达点云图像，利用动态多普勒效应，精确的区分出视觉检测到的部分是真实人体还是其他物体，精准计算通行人数，减少甚至杜绝尾随误报，提高闸机通行效率和安全性。
Description
技术领域
本发明涉及闸机的技术领域，特别是指一种基于图像和测速传感器结合的闸机通行计数方法及系统。
背景技术
随着人工智能和智能制造技术的迅猛发展，在很多公共场所，如机场、高铁站、园区等地方，智慧通行闸机的应用非常广泛，给公共区域人员管控和通行带来了极大的便利。
智慧通行闸机最重要的功能之一是在保证安全的情况下控制通行人员数量，对通过人员精准计数，确保在不夹到行人的前提下，杜绝尾随等情况的发生。为了达到这个目的，目前常见的方法有通过闸机通道内的对射红外光栅以及通过视觉（摄像头）的方案来解决。其中红外光栅方案是判断通道内是否有遮挡来判断是否有人通行，此方案无法精确区分是人还是行李等其他物品，尤其对小孩以及长条行李的检测效果很差，判断错误后很容易夹到人；而视觉方案一般采用人体/人头的人工智能检测方法判断通道内是否有人通行，此方案容易把帽子、大背包等物品当成人体，引起尾随误报和计数失准。另外，也有闸机产品将红外光栅和视觉方案结合，但同样无法精准区分人和物体，对于行李箱上摆放帽子、人型雕塑或者类似头发的物品都容易误判为行人，引起尾随误报和通行人员计数失准。
有鉴于此，本发明人针对现有智慧通行闸机未能精准区分人或物而导致的诸多缺失及不便而深入构思，且积极研究改良试做而开发出本发明。
发明内容
本发明的目的在于克服现有技术的不足，提供一种精准计算闸机通行人数，减少尾随误报，提高闸机通行效率和安全性的基于图像和测速传感器结合的闸机通行计数方法及系统。
为了达成上述目的，本发明的解决方案是：
一种基于图像和测速传感器的闸机通行计数方法，其包括以下步骤：
S1、在闸机上方安装摄像头和测速传感器模块；
S2、对摄像头及测速传感器进行对齐标定，形成图像+点云的三维图像；
S3、每一次开关门通行过程中，在获取到的摄像头视频或图像中进行人头、人体检测并跟踪；
S4、将图像中的人头或人体位置框对应到测速传感器的点云图上，并结合前后一段时间的点云图，利用动态多普勒效应，判断此部分区域是人体还是其他物体；
S5. 应用层通过S4的判断结果进行通行人数统计并通知闸机控制模块，进行相应的操作或告警。
重复步骤S3至S5。
进一步，步骤S4具体包括以下步骤：
S41、对一个时间段Ti内的每一帧进行人体检测，标示人体框且进行跟踪，并对开始帧和最后帧图像进行人体前景背景分割，去掉背景区域；
S42、按照步骤S2的标定结果，取与第一帧和最后一帧对应的两个点云三维图像；
S43、对步骤S42中两个点云图像分别划分为N个区域；
S44、在点云图上，分别计算每个区域中M个人体前景点的平均速度，来模拟此区域的运动速度,其中n=1,2,3…N，M为点云图中每个区域里属于人体的点的个数，/>为每个人体点的水平方向的速度向量，其中x，y为坐标系中水平面的两个方向；
S45、计算整个人体框的速度方差：
其中，为整个人体的平均速度；
S46、计算从开闸门到关闸门的整个过程中每一个时间段内的人体框速度方差，如果开闸门到关闸门整个过程中的某几个时间段内速度方差超过一定阈值，则认为是人体，反之，如果整个过程中每一个时间段内的速度方差均未超过阈值，则认为此“人体”的各部件与整体运动方向非常一致，则判定为非人体的误检。
进一步，所述测速传感器为毫米波雷达、激光雷达或红外线中的任意一种。
一种基于图像和测速传感器的闸机通行计数系统，其包括：
安装在闸机上的摄像头和测速传感器；
标定模块，其对所述摄像头及测速传感器进行标定，形成图像+点云的三维图像；
检测跟踪模块，其用以检测并跟踪摄像头获取到的视频或者图像中的人头或者人体；
判断模块，其用以将摄像头获取的图像中的人头或人体位置框对应到测速传感器的点云图上，并结合前后一段时间的点云图，利用动态多普勒效应，判断此部分区域是人体还是其他物体；
应用层，其根据判断模块的判断结果进行通行人统计并通知闸机控制模块，进行相应的操作或告警。
进一步，所述判断模块的判断方法包括以下步骤：
S41、对一个时间段Ti内的每一帧进行人体检测，标示人体框且进行跟踪，并对开始帧和最后帧图像进行人体前景背景分割，去掉背景区域；
S42、按照步骤S2的标定结果，取与第一帧和最后一帧对应的两个点云三维图像；
S43、对步骤S42中两个点云图像分别划分为N个区域；
S44、在点云图上，分别计算每个区域中M个人体前景点的平均速度，来模拟此区域的运动速度,其中n=1,2,3…N，M为点云图中每个区域里属于人体的点的个数，/>为每个人体点的水平方向的速度向量，其中x，y为坐标系中水平面的两个方向；
S45、计算整个人体框的速度方差：
其中，为整个人体的平均速度；
S46、计算从开闸门到关闸门的整个过程中每一个时间段内的人体框速度方差，如果开闸门到关闸门整个过程中的某几个时间段内的速度方差超过一定阈值，则认为是人体，反之，如果整个过程中每一个时间段内的速度方差均未超过阈值，则认为此“人体”的各部件与整体运动方向非常一致，则判定为非人体的误检。
进一步，所述测速传感器为毫米波雷达、激光雷达或红外线中的任意一种。
采用上述方案后，本发明基于图像和测速传感器结合的闸机通行计数方法及系统通过摄像头拍摄的图像视频与测速传感器形成的点云图结合，在视觉检测人体的基础上，结合毫米波雷达点云图像，利用动态多普勒效应，精确的区分出视觉检测到的部分是真实人体还是其他物体，精准计算通行人数，减少甚至杜绝尾随误报，提高闸机通行效率和安全性。
相较于现有技术，本发明基于图像和毫米波雷达结合的闸机通行计数方法及系统具有以下优点：
1、本发明采用视觉及毫米波雷达两种传感器相结合的方法，保留了视觉信息，继承了视觉方案能够一定程度区分人和物体的能力，比传统的红外光栅方案更加精准。
2、本发明采用视觉和毫米波雷达两种传感器相结合的方法，通过毫米波雷达点云信息，弥补了原来视觉方案或者视觉+红外光栅方案中容易把帽子、大背包等类似于人头的物体当成人体的缺点，减少了尾随误报，降低了通行计数错误率。
3、本发明在视觉的基础上，增加毫米波雷达点云，并通过动态多普勒效应，精确判断视觉检测出来的人体是真实人体还是其他物品，相比较其他方案和技术，能够精准区分人和物。
附图说明
图1为本发明的流程图。
图2为本发明步骤S41中人体检测跟踪和人体分割的示意图。
图3为本发明步骤S43将人体区域分为9个区域的示意图。
具体实施方式
为了进一步解释本发明的技术方案，下面通过具体实施例来对本发明进行详细阐述。
如图1所示，本发明揭示了一种基于图像和毫米波雷达结合的闸机通行计数方法，其包括以下步骤：
S1、在闸机上方安装摄像头和毫米波雷达模块；
S2、对摄像头及毫米波雷达进行对齐标定，形成图像+点云的三维图像，标定方法采用常见的标定方法即可，本发明不予限定；
S3、 每一次开关门通行过程中，在获取到的摄像头视频或图像中进行人头、人体检测并跟踪，人头、人体的检验和跟踪可以基于YOLO等常见深度学习检测和跟踪算法，为现有技术，本发明不予限定；
S4、将图像中的人头人体位置框对应到毫米波点云图上，并结合前后一段时间的点云图，利用动态多普勒效应，判断此部分区域是人体还是其他物体；具体包括以下步骤：
S41、对一个时间段Ti内的每一帧进行人体检测，标示人体框且进行跟踪，并对开始帧和最后帧图像进行人体前景背景分割，去掉背景区域，因为背景不动，故后续无需计算背景部分速度，所以去掉，如图2所示。
S42、按照步骤S2中标定结果，取与第一帧和最后一帧对应的两个点云三维图像。
S43、对步骤S42中两个点云图像分别划分为N个区域，区域数量以及每个区域大小根据摄像头和雷达测速模块位置进行调整，尽量将身体各部件能够划分开即可，此处不做严格限制，如图3为9个区域的画法。
S44、在点云图上，分别计算每个区域中M个人体前景点的平均速度，来模拟此区域的运动速度,其中n=1,2,3…N，M为点云图中每个区域里属于人体的点的个数，/>为每个人体点的水平方向的速度向量，其中x，y为如图2所示的坐标系中水平面的两个方向。
S45、计算整个人体框的速度方差：
其中，为整个人体的平均速度。
S46、计算从开闸门到关闸门的整个过程中每一个小时间段内（T1,T2,…Tend）的人体框速度方差（Var（T1），Var（T1），… Var（Tend）），如果开闸门到关闸门整个过程中的某几个小段时间内速度方差超过一定阈值，则认为是人体，反之，如果整个过程中每个时间段内的速度方差均未超过阈值，则认为此“人体”的各部件与整体运动方向非常一致，则判定为非人体的误检。
S5. 应用层通过S4的判断结果进行通行人数统计并通知闸机控制模块，进行相应的操作或告警。
经观察发现，人体作为非刚体，在行进过程中，因为常见的腿部和手臂摆动、头部晃动等动作以及运动过程中导致的衣服褶皱变化等情况，身体的各个部分运动方向和运动速度并不一致；而这些视觉难区分的行李或其他物品在人行进过程中，其各部分的运动方向与速度与整体保持一致。
毫米波雷达作为常见的测速方案，运用已经非常普遍，其一般利用多普勒效应来进行测速。因此，本发明的主要思路就是通过在视觉方案的基础上，利用动态的多普勒效应，把视觉检测出来的人体通过其对应的毫米波雷达点云来判断其各部分的运动方向和速度与整体是否一致，通过增加的一次速度判断，从而更加精确地区分出来是人还是物，减少视觉方案的误报。
本发明通过摄像头与毫米波雷达结合用于闸机通行计数，利用人是柔性物体，处于行走状态的时候身体各位置运动速度和方向不一致，而行李等其他物体每一个部件或位置与整体运动速度和方向一致的现象，通过毫米波成像的动态多普勒效应对每个位置计算运动速度和方向，区分人还是其他物体。
单纯的视觉方案只能区分一部分人和物体，对于跟人头或和人体比较像的行李物品容易当成人，造成误检误报，本发明加入了毫米波雷达模块，能够在视觉方案的基础上，精准区分人和物；单纯的毫米波雷达只能测速，无法确定每部分是否属于同一个人或者物体，这部分刚好视觉方案可以完成，所以本发明提出的视觉+毫米波雷达结合的方案可达到完美的效果。
本发明中毫米波雷达也可能由其他3D测量传感器替代，如激光雷达、红外线等。上述实施例和图式并非限定本发明的产品形态和式样，任何所属技术领域的普通技术人员对其所做的适当变化或修饰，皆应视为不脱离本发明的专利范畴。
Claims (4)
1.基于图像和测速传感器的闸机通行计数方法，其特征在于，包括以下步骤：
S1、在闸机上方安装摄像头和测速传感器模块；
S2、对摄像头及测速传感器进行对齐标定，形成图像+点云的三维图像；
S3、 每一次开关门通行过程中，在获取到的摄像头视频或图像中进行人头、人体检测并跟踪；
S4、将图像中的人头或人体位置框对应到测速传感器的点云图上，并结合前后一段时间的点云图，利用动态多普勒效应，判断此部分区域是人体还是其他物体；步骤S4具体包括以下步骤：
S41、对一个时间段Ti内的每一帧进行人体检测，标示人体框且进行跟踪，并对开始帧和最后帧图像进行人体前景背景分割，去掉背景区域；
S42、将步骤S2的标定结果，取与第一帧和最后一帧对应的两个点云三维图像；
S43、对步骤S42中两个点云图像分别划分为N个区域；
S44、在点云图上，分别计算每个区域中M个人体前景点的平均速度，来模拟此区域的运动速度,其中n=1,2,3…N，M为点云图中每个区域里属于人体的点的个数，为每个人体点的水平方向的速度向量，其中x，y为坐标系中水平面的两个方向；
S45、计算整个人体框的速度方差：
其中，为整个人体框的平均速度；
S46、计算从开闸门到关闸门的整个过程中每一个时间段内的人体框速度方差，如果开闸门到关闸门整个过程中的某几个时间段内速度方差超过一定阈值，则认为是人体，反之，如果整个过程中每一个时间段内的速度方差均未超过阈值，则认为此“人体”的各部件与整体运动方向非常一致，则判定为非人体的误检；
S5. 应用层通过S4的判断结果进行通行人数统计并通知闸机控制模块，进行相应的操作或告警；
重复步骤S3至S5。
2.如权利要求1所述的基于图像和测速传感器的闸机通行计数方法，其特征在于：所述测速传感器为毫米波雷达、激光雷达或红外线中的任意一种。
3.基于图像和测速传感器的闸机通行计数系统，其特征在于，包括：
安装在闸机上的摄像头和测速传感器；
标定模块，其对所述摄像头及测速传感器进行标定，形成图像+点云的三维图像；
检测跟踪模块，其用以检测并跟踪摄像头获取到的视频或者图像中的人头或者人体；
判断模块，其用以将摄像头获取的图像中的人头或人体位置框对应到测速传感器的点云图上，并结合前后一段时间的点云图，利用动态多普勒效应，判断此部分区域是人体还是其他物体；判断模块的判断方法包括以下步骤：
S41、对一个时间段Ti内的每一帧进行人体检测，标示人体框且进行跟踪，并对开始帧和最后帧图像进行人体前景背景分割，去掉背景区域；
S42、按照步骤S2的标定结果，取与第一帧和最后一帧对应的两个点云三维图像；
S43、对步骤S42中两个点云图像分别划分为N个区域；
S44、在点云图上，分别计算每个区域中M个人体前景点的平均速度，来模拟此区域的运动速度,其中n=1,2,3…N，M为点云图中每个区域里属于人体的点的个数，为每个人体点的水平方向的速度向量，其中x，y为坐标系中水平面的两个方向；
S45、计算整个人体框的速度方差：
其中，为整个人体框的平均速度；
S46、计算从开闸门到关闸门的整个过程中每一个时间段内的人体框速度方差，如果开闸门到关闸门整个过程中的某几个时间段内速度方差超过一定阈值，则认为是人体，反之，如果整个过程中每一个时间段内的速度方差均未超过阈值，则认为此“人体”的各部件与整体运动方向非常一致，则判定为非人体的误检；
应用层，其根据判断模块的判断结果进行通行人统计并通知闸机控制模块，进行相应的操作或告警。
4.如权利要求3所述的基于图像和测速传感器的闸机通行计数系统，其特征在于：所述测速传感器为毫米波雷达、激光雷达或红外线中的任意一种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311779657.8A CN117456429B (zh) | 2023-12-22 | 2023-12-22 | 基于图像和测速传感器结合的闸机通行计数方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311779657.8A CN117456429B (zh) | 2023-12-22 | 2023-12-22 | 基于图像和测速传感器结合的闸机通行计数方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117456429A CN117456429A (zh) | 2024-01-26 |
| CN117456429B true CN117456429B (zh) | 2024-03-12 |
Family
ID=89591439
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311779657.8A Active CN117456429B (zh) | 2023-12-22 | 2023-12-22 | 基于图像和测速传感器结合的闸机通行计数方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117456429B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107728140A (zh) * | 2017-11-22 | 2018-02-23 | 中国电子科技集团公司第二十八研究所 | 一种警戒雷达多目标多通道并行跟踪处理方法 |
| CN112669497A (zh) * | 2020-12-24 | 2021-04-16 | 南京熊猫电子股份有限公司 | 基于立体视觉技术的人行通道感知系统及方法 |
| CN114818916A (zh) * | 2022-04-25 | 2022-07-29 | 电子科技大学 | 一种基于毫米波雷达多帧点云序列的道路目标分类方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9740937B2 (en) * | 2012-01-17 | 2017-08-22 | Avigilon Fortress Corporation | System and method for monitoring a retail environment using video content analysis with depth sensing |
-
2023
- 2023-12-22 CN CN202311779657.8A patent/CN117456429B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107728140A (zh) * | 2017-11-22 | 2018-02-23 | 中国电子科技集团公司第二十八研究所 | 一种警戒雷达多目标多通道并行跟踪处理方法 |
| CN112669497A (zh) * | 2020-12-24 | 2021-04-16 | 南京熊猫电子股份有限公司 | 基于立体视觉技术的人行通道感知系统及方法 |
| CN114818916A (zh) * | 2022-04-25 | 2022-07-29 | 电子科技大学 | 一种基于毫米波雷达多帧点云序列的道路目标分类方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117456429A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Automatic laser profile recognition and fast tracking for structured light measurement using deep learning and template matching | |
| Jiang et al. | Mixed frame-/event-driven fast pedestrian detection | |
| CN108596129A (zh) | 一种基于智能视频分析技术的车辆越线检测方法 | |
| CN103971380B (zh) | 基于rgb-d的行人尾随检测方法 | |
| CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
| CN103021177B (zh) | 一种雾天交通监控视频图像的处理方法和系统 | |
| CN103473554B (zh) | 人流统计系统及方法 | |
| CN105184274B (zh) | 一种基于深度图像获取客流速度和密度参数的方法 | |
| CN102214309B (zh) | 一种基于头肩模型的特定人体识别方法 | |
| CN102750527A (zh) | 一种银行场景中长期稳定的人脸检测与跟踪方法及装置 | |
| CN103310194A (zh) | 视频中基于头顶像素点梯度方向的行人头肩部检测方法 | |
| CN104881645A (zh) | 基于特征点互信息量和光流法的车辆前方目标的检测方法 | |
| CN111160220B (zh) | 一种基于深度学习的包裹检测方法、装置、存储介质 | |
| CN107031661A (zh) | 一种基于盲区相机输入的变道预警方法及系统 | |
| CN104778727A (zh) | 基于视频监控处理技术的浮动车统计方法 | |
| CN104537688A (zh) | 一种基于背景差分和hog特征的运动目标检测方法 | |
| CN108416798A (zh) | 一种基于光流的车辆距离估计方法 | |
| CN105913464A (zh) | 一种基于视频的多人体目标在线测量方法 | |
| CN103700106A (zh) | 一种基于分布式摄像机的多视角运动目标统计与定位方法 | |
| CN114724094A (zh) | 一种基于三维图像与雷达技术的闸道口车内人数计量系统 | |
| CN117456429B (zh) | 基于图像和测速传感器结合的闸机通行计数方法及系统 | |
| CN105118073A (zh) | 基于Xtion摄像机的人体头部目标识别方法 | |
| CN113114938A (zh) | 一种基于电子信息的目标精确监控系统 | |
| Nam et al. | Pedestrian detection system based on stereo vision for mobile robot | |
| Yun et al. | Video-based detection and analysis of driver distraction and inattention |
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 |