CN1731855A - 一种运动检测方法 - Google Patents
一种运动检测方法 Download PDFInfo
- Publication number
- CN1731855A CN1731855A CN 200510093336 CN200510093336A CN1731855A CN 1731855 A CN1731855 A CN 1731855A CN 200510093336 CN200510093336 CN 200510093336 CN 200510093336 A CN200510093336 A CN 200510093336A CN 1731855 A CN1731855 A CN 1731855A
- Authority
- CN
- China
- Prior art keywords
- subregion
- threshold values
- motion detection
- frame image
- weight
- 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.)
- Granted
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 64
- 238000012544 monitoring process Methods 0.000 claims abstract description 40
- 238000012360 testing method Methods 0.000 claims description 10
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 230000000052 comparative effect Effects 0.000 claims description 6
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 230000001235 sensitizing effect Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000013316 zoning Methods 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000013558 reference substance Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Closed-Circuit Television Systems (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种运动检测方法,包括以下步骤:步骤一,确定参考帧图像、确定当前帧图像;步骤二,将监控区域划分成数个子区域,相应的,当前帧图像及参考帧图像亦被划分为数个对应的子区域;设定监控区域的阀值,并根据各个监控子区域的敏感度给每个监控子区域设定相应的阀值及权重;步骤三,获取当前帧及参考帧图像各个子区域内的运动信息,并据此及各个监控子区域的阀值对各个监控子区域进行运动检测;及步骤四,根据各个子区域的运动检测结果、各个子区域的权重及整个监控区域内的阀值来确定整个监控区域内的运动检测。由于加入了权重信息,使各个子区域有机的结合起来,从而使整个监控区域内的运动检测结果更加准确可靠。
Description
技术领域
本发明涉及数字图像处理领域,特别是一种运动检测方法。
技术背景
为了人们生产生活的安全,自动监控系统已被广泛应用,用来对用户设定的区域进行自动监控。一般的监控系统包括有图像摄取单元、图像处理单元及显示单元。具体来说,所述图像摄取单元通常是一个摄像头,其用来捕捉所设定区域内的图像捕捉,所述图像处理单元可以是图像处理芯片,其对摄像头摄取的图像数据进行处理,所述显示单元可以是一个显示器,用来显示图像处理芯片处理后的图像,从而达到监视的目的。通常,监视系统还可以包括图像储存区用来储存监控区域的图像数据,以方便人们察看。很多情况下,所设定的监控区域内会长时间内没有运动物体,所以也就没必要纪录下这段时间的监视图像。换句话说,只有所述监控区域内有运动物体出现才有必要去纪录监视图像,这样可以最大限度的节省储存空间,同时滤去没有必要的图像可以方便人们的察看,因此监视系统需要提供一种运动检测方法来达到自动监控。需要指出的是,运动检测方法并不限于上述应用。
通常,现有的监控系统都设定有自己的运动检测灵敏度,通俗来讲,所述监控系统要设定一个阀值,如果检测到的运动量大于设定阀值就确定为运动,否则,确定为静止。所述阀值不能设定的过低,过低可能引起系统的错误判断,比如,仅仅是风吹动了树叶,也可能引发系统做出有运动物体的判断。所述阀值也不能设定的过高,过高可能错过真正需要检测的运动物体。
在现有技术中,监控系统一般都是对摄像头的整个可视区域内进行整体监控,即对整个可视区域内进行运动监控,具体来讲就是对整个区域仅仅设定一个阀值,通过检测整个区域图像的运动量来判断是否有运动物体。一般来说,摄像头监控区域不一定都是感兴趣的区域,如果非感兴趣区域内有运动的物体,例如,树枝的随风摆动,也可能造成监控系统的误判,这样就会影响系统的运动探测准确度,如果仅仅对感兴趣区域进行监控,这样对于及时地发现异常行为极为不利。
因此,亟待提出一种可以有效解决上述问题的运动检测技术。
发明内容
有鉴于此,本发明的目的在于提供一种运动检测方法,其可以对其检测区域内进行准确、及时的运动检测。
为了达到上述目的,本发明提供一种运动检测方法,包括以下步骤:
步骤一,确定参考帧图像、确定当前帧图像;
步骤二,将监控区域划分成数个子区域,相应的,当前帧图像及参考帧图像亦被划分为数个对应的子区域;设定监控区域的阀值,并根据各个监控子区域的敏感度给每个监控子区域设定相应的阀值及权重;
步骤三,获取当前帧及参考帧图像各个子区域内的运动信息,并据此及各个监控子区域的阀值对各个监控子区域进行运动检测;及
步骤四,根据各个子区域的运动检测结果、各个子区域的权重及整个监控区域内的阀值来确定整个监控区域内的运动检测。
优选的,步骤二中根据各个监控子区域的敏感度给每个监控子区域设定的阀值及权重的原则为:敏感度越高的子区域,设定越小的阀值及越大的权重;敏感度越低的子区域,设定越大的阀值及越小的权重。
优选的,步骤二中划分子区域的形式和数目可以根据需要设定,其中划分形式包括平均和不平均两种形式,数目为至少两个或两个以上。
优选的,步骤三中子区域内的运动信息会根据图像数据格式的不同而不同,其中YUV格式选用以亮度为基础的信息为运动信息,而VGA格式选用以灰度值为基础的信息为运动信息。
优选的,步骤三中据此及各个监控子区域的阀值对各个监控子区域进行运动检测是指:将所述各个对应子区域内的运动信息进行比较,再将比较结果与各自对应的监控子区域的阀值比较进而得到子区域运动检测结果。
优选的,步骤四根据各个子区域的运动检测结果、各个子区域的权重及整个监控区域内的阀值来确定整个监控区域内的运动检测是指:按照下面的公式来计算整个监控区域内的运动信息:
其中S代表整个监控区域的运动信息,Si代表各个子区域的运动信息,αi代表第i个各个子区域的权重,j代表子区域的个数再根据运动信息与整个区域阀值的比较结果来确定整个监控区域内的运动检测结果。
优选的,参考帧图像可以是摄像装置当前获取的图像的前一张或前几张图像,也可以是摄像装置获取的图像序列中确定的一张。
优选的,当前帧图像可以根据监控者的需求设定为:摄像装置当前摄入的每一张图像都被更新为当前帧图像或摄像装置当前摄入的每隔一张或几张图像可以被更新为当前帧图像。
优选的,储存获取的当前帧图像的运动信息,作为下一次运动检测的参考帧图像的运动信息。
优选的,各个子区域权重的和为100%,根据需要可以将指定子区域的权重设为100%,实现对指定区域的单独监控。
本发明运动检测方法通过将整个监控区域划分成多个子区域,并根据对各个子区域的敏感度给每个子区域设定相应的阀值及权重,具体来讲,即敏感度越高的子区域,设定越小的阀值及越大的权重,敏感度越低的子区域,设定越大的阀值及越小的权重,以此来综合判断所述整个监控区域内是否有运动发生,从而可以有效的降低监控系统漏报及误报的可能性,提高监控系统运动检测的准确性及可靠性。
附图说明
图1是本发明方法的流程图;
图2是本发明的一种区域划分图;及
图3是本发明的另一种区域划分图。
具体实施方式
总体来讲,本发明运动检测方法是将整个监控区域划分成多个子区域,并根据对各个子区域的敏感度给每个子区域设定相应的阀值及权重,具体来讲,即敏感度越高的子区域,设定越小的阀值及越大的权重,敏感度越低的子区域,设定越大的阀值及越小的权重,以此来综合判断所述整个监控区域内是否有运动发生,从而可以有效的降低监控系统漏报及误报的可能性,提高监控系统运动检测的准确性及可靠性。
下面图1对本发明的运动检测方法进行详细的说明。
步骤一,确定参考帧图像、确定当前帧图像。
就像物理上的运动分析中的参考物一样,运动检测中首先要确定一参考帧图像。参考帧图像的获得可以根据需要设定,所述参考帧在一个优选的实施例中可以是摄像装置当前获取的图像的前一张或前几张图像,也就是说随着摄像装置不断的获取图像,参考帧也会不断的被更新,至于参考帧是当前摄像头获取的图像的前一张还是前几张,可以根据需要设定。在另一个实施例中,参考帧图像可以是摄像装置获取的图像序列中确定的一张,比如,如果背景基本不变可以是背景图像,这样可以减少图像处理器的运算量。在其它的实施例中,参考帧图像甚至可以是原本储存在监控系统内的一张图像。参考帧图像确定后被储存在监控系统的储存器内,并且被及时更新。
所述当前帧图像是由摄像装置摄入的,然而并不一定摄像装置当前摄入的每一张图像都必须被更新为当前帧图像,具体的如何确定当前帧图像,可以根据监控者的需求设定,比如,在一个优选的实施例中,摄像装置当前摄入的每一张图像都被更新为当前帧图像,这样数据处理量可能会比较大。在另一个优选的实施例中,摄像装置当前摄入的每隔一张或几张图像可以被更新为当前帧图像,这样可以减少图像处理器的运算量。在其它实施例中,摄像装置每隔一段时间的当前摄入图像可以被更新为当前帧图像。
步骤二,将整个监控区域划分成数个子区域,相应的,当前帧图像及参考帧图像亦被划分为数个对应的子区域;设定整个监控区域的阀值,并根据各个监控子区域的敏感度给每个监控子区域设定相应的阀值及权重。
监控区域的划分形式及划分区域的数目可以是根据监控者的需要设定,在一个优选的实施例中,请参考图2所示,将整个监控区域划分为平均的4*4个子区域。在另外一个实施例中,请参考图3所示,将整个监控区域划分为不平均的2*3个子区域。在其它实施例中,监控者甚至可以根据需要,将整个监控区域划分为棱形、三角形及其他规则或不规则的形状。如图2所示,下面以平均的4*4的划分方式来简单介绍一下如何将整个监控区域划分成不同的区域,以640*480像素分辨率的摄影装置为例,其中640/4=160,480/4=120,即每个子区域占有160*120个像素,Q(1,1)子区域内像素的确定方式为Pixel(i,j),其中i代表行数,j代表列数,1≤j≥160,1≤i≥120;相应的,其它子区域Q(2,1)、Q(2,2)等可以被确定出来。一旦整个监控区域的划分形式及划分区域的数目设定后,当前帧图像及参考帧图像都要以这种形式被划分为数个对应子区域。需要指出的是整个监控区域的划分区域的数目大于等于2个就可以。
关于监控子区域的阀值及权重的设定参考以下的原则,敏感度越高的子区域,设定越小的阀值及越大的权重,阀值越小代表着越敏感,权重越大代表着该子区域的运动检测结果对整个监控区域的运动检测结果影响越大;敏感度越低的子区域,设定越大的阀值及越小的权重,阀值越大则代表着越不敏感,权重越小则代表着该子区域的运动检测结果对整个监控区域的运动检测结果影响越小。
确定权重的原则一是上面所述的敏感度越高权重越大,另一个是所有子区域的权重和为1。下面以图3为例具体介绍一下权重设定原则,如图3所示,A1、A2区域为“窗区”,为次敏感区域,B2、B3区域分别为一“门区”,为高敏感区域,B1、A3区域为“墙区”,为不敏感区域。根据各个监控子区域的敏感度可以给每个监控子区域设定如下权重:B2、B3分别为25%;A1、A2分别为20%;A3、B1分别为5%。关于子区域的权重如何具体影响整个区域的运动检测结果,将在下文第四步骤详细描述。
根据敏感程度的不同,各个子区域可以设定不同的阀值,敏感度越高的子区域,设定越小的阀值,相反,敏感度越低的子区域,设定越大的阀值,关于具体如何设定,将在下文第三步骤详细描述。另外,关于如何确定子每个监控子区域的阀值及整个监控区域的阀值均是所述领域内的技术人员在不经过创造性劳动即能获得的现有技术,所以此处不再赘述。
步骤三,获取当前帧及参考帧图像各个子区域内的运动信息,并将所述各个对应子区域内的运动信息进行比较,再将比较结果与各自对应的监控子区域的阀值比较进而得到子区域运动检测结果。
上述的运动信息由于图像数据格式的不同而不同。
比如数据格式为YUV格式时,因为人眼对亮度较敏感,所以可以选择亮度分量Y作为基础,选用亮度直方图来作为运动信息,亮度直方图实际上反映了图像的各个亮度级所包含像素数目的比例。请参考图3所示,假设通过计算当前帧中X(A1,A2,A3,B1,B2,B3子区域中的任意一个)子区域的亮度直方图,得到亮度值为255的像素占该区域总像素个数的60%,用Dcur(X)表示;而计算参考帧中X子区域的亮度直方图,得到亮度值为255的像素占该区域总像素个数的30%,用Dref(X)表示。求当前帧和参考帧图像X子区域间运动信息的绝对差异量:
|Dcur(x)-Dref(x)|=|60%-30%|=30%,
假如X区域为B2或B3这样的高敏感区域,预先设定的阀值较低,可能为5%,而30%>5%,可以得到肯定的运动检测结果,可以将子区域运动检测结果表示为“1”。相反如果X区域为A3或B1这样的低敏感区域,预先设定的阈值较高,可能为35%,可以得到否定的运动检测结果,可以将子区域运动检测结果表示为“0”。
再比如如数据格式为VGA格式,图像为灰度图像,所以可以选择平均灰度值作为运动信息。再次以图3为例,计算当前帧和参考帧图像中各区域的灰度均值,假设当前帧图像X(A1,A2,A3,B1,B2,B3子区域中的任意一个)子区域的灰度均值假设为Pcur(x)=100,参考帧图像灰度均值Pref(x)=185。求当前帧和参考帧图像的X子区域灰度值的绝对差异量:
|Pcur(x)-Pref(x)|=|185-100|=85,
假如X子区域为高敏感区域,预先设定的阀值较低,可能为50,而85>50,可以得到肯定的运动检测结果,可以将运动结果表示为“1”。相反如果X子区域为低敏感区域,预先设定的阀值较高,可能为90,那么可以得到否定的运动检测结果,可以将运动结果表示为“0”。
由此可以看出,虽然子区域的运动信息差异量相同,但由于敏感度的不同,而导致了不同的运动检测结果。
需要指出的是,不是每一次运动检测中的参考图像的各子区域内的与运动相关的特征都需要重新计算。从步骤一可以看出,在一些实施例中,此次运动检测中的参考帧图像可能被前次运动检测中的当前帧图像”更新,而前次“当前帧图像”已经经过运动信息统计,所以在此种实施例中,只需要储存前次“当前帧图像”已经统计出来的运动信息,并将其更新为下一次运动检测的参考帧图像的运动信息,以作为此次步骤三中参考帧图像各个子区域内的运动信息的来源,这样降低了图像处理器的运算量。
由步骤二和步骤三的描述可以看出,上述的子区域内运动检测的方法中子区域的阀值为整个子区域的平均阀值,相应的统计子区域内运动信息也是在整个子区域内统计。然而,子区域内运动检测的方法中子区域的阀值的确定及子区域内运动信息的统计都不局限于步骤二和步骤三中所列举的方式。在其他的一个实施例中,可以给子区域设定一个行阀值,相应的,统计运动信息也以行为单位,然后,将统计出来的参考帧及当前帧子区域的行的运动信息相比,得出绝对差异量,再将差异量与这个行阀值相比较得到该行的运动检测结果,重复上述步骤,并且累加上述的子区域的行运动检测结果,进而可以得到子区域的运动检测结果。由此可以看出,子区域运动检测结果可以以各种监控者设定的方式来表示。
步骤四,根据各个子区域的运动检测结果、各个子区域的权重及整个监控区域内的阀值来确定整个监控区域内的运动检测。
按照下面的公式来计算整个监控区域内的运动信息:
其中S代表整个监控区域的运动信息,Si代表各个子区域的运动信息,αi代表第i个各个子区域的权重,j代表子区域的个数。
再根据运动信息与整个区域阀值的比较结果来确定整个监控区域内的运动检测结果。
以图3为例,假设每个监控子区域设定的权重分别为:B2、B3分别为25%;A1、A2分别为20%;A3、B1分别为5%,B2、B3、A1的运动检测结果为“1”,A2、A3、B1的运动检测结果为“0”,整个监控区域的阀值为60%,那么整个监控区域的运动信息为:
而75%>60%,所以认为整个区域内有运动物体。
如果权重及整个监控区域的阀值不变,而B2、B3、A1的运动检测结果为“0”,A2、A3、B1的运动检测结果为“1”,那么整个监控区域的运动信息为:
而60%>30%,所以认为整个区域内没有运动物体。
由以上两个例子可看出本发明由于加入了权重信息,同样是有三个子区域为肯定的运动检测结果,但整个检测区域的运动检测结果可能会相反。另外,假如次敏感区域出现大量异常的运动,敏感区域出现异常的概率就非常大,因此可及时发出运动探测的信号,有效地为自动监控赢得有效的处理时间。同时,较大的阈值避免了对于周边非敏感区域少量动作作出运动探测误报。敏感区域的小阈值可以提高运动探测的准确性,降低了漏报的可能性。这样可以将各个子区域区别对待,并且使各个子区域有机的结合起来,从而使整个监控区域内的运动检测结果更加准确可靠。
在一个特定的实施例中,可以根据监控者自己的需要,将某一子区域的权重设为100%,从而实现对指定区域的单独监控。
其中,本发明的步骤一、二均是属于监控系统初始化的过程,所以该两个步骤之间并没有严格的顺序关系。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种运动检测方法,用于对指定的监控区域进行运动检测,其特征为,包括以下步骤:
步骤一,确定参考帧图像、确定当前帧图像;
步骤二,将监控区域划分成数个子区域,相应的,当前帧图像及参考帧图像亦被划分为数个对应的子区域;设定监控区域的阀值,并根据各个监控子区域的敏感度给每个监控子区域设定相应的阀值及权重;
步骤三,获取当前帧及参考帧图像各个子区域内的运动信息,并据此及各个监控子区域的阀值对各个监控子区域进行运动检测;及
步骤四,根据各个子区域的运动检测结果、各个子区域的权重及整个监控区域内的阀值来确定整个监控区域内的运动检测。
2.根据权利要求1所述的方法,其特征为:步骤二中根据各个监控子区域的敏感度给每个监控子区域设定的阀值及权重的原则为:敏感度越高的子区域,设定越小的阀值及越大的权重;敏感度越低的子区域,设定越大的阀值及越小的权重。
3.根据权利要求1所述的方法,其特征为:步骤二中划分子区域的形式和数目可以根据需要设定,其中划分形式包括平均和不平均两种形式,数目为至少两个或两个以上。
4.根据权利要求1所述的方法,其特征为:步骤三中子区域内的运动信息会根据图像数据格式的不同而不同,其中YUV格式选用以亮度为基础的信息为运动信息,而VGA格式选用以灰度值为基础的信息为运动信息。
5.根据权利要求1所述的方法,其特征为:步骤三中据此及各个监控子区域的阀值对各个监控子区域进行运动检测是指:将所述各个对应子区域内的运动信息进行比较,再将比较结果与各自对应的监控子区域的阀值比较进而得到子区域运动检测结果。
6.根据权利要求1所述的方法,其特征为步骤四根据各个子区域的运动检测结果、各个子区域的权重及整个监控区域内的阀值来确定整个监控区域内的运动检测是指:按照下面的公式来计算整个监控区域内的运动信息:
其中S代表整个监控区域的运动信息,Si代表各个子区域的运动信息,αj代表第i个各个子区域的权重,j代表子区域的个数,
再根据运动信息与整个区域阀值的比较结果来确定整个监控区域内的运动检测结果。
7.根据权利要求1所述的方法,其特征为:参考帧图像可以是摄像装置当前获取的图像的前一张或前几张图像,也可以是摄像装置获取的图像序列中确定的一张。
8.根据权利要求1所述的方法,其特征为:当前帧图像可以根据监控者的需求设定为:摄像装置当前摄入的每一张图像都被更新为当前帧图像或摄像装置当前摄入的每隔一张或几张图像可以被更新为当前帧图像。
9.根据权利要求1所述的方法,其特征为:储存获取的当前帧图像的运动信息,作为下一次运动检测的参考帧图像的运动信息。
10.根据权利要求10所述的方法,其特征为:各个子区域权重的和为100%,根据需要可以将指定子区域的权重设为100%,实现对指定区域的单独监控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100933368A CN100375530C (zh) | 2005-08-26 | 2005-08-26 | 一种运动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2005100933368A CN100375530C (zh) | 2005-08-26 | 2005-08-26 | 一种运动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1731855A true CN1731855A (zh) | 2006-02-08 |
CN100375530C CN100375530C (zh) | 2008-03-12 |
Family
ID=35964137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2005100933368A Active CN100375530C (zh) | 2005-08-26 | 2005-08-26 | 一种运动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100375530C (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009127113A1 (zh) * | 2008-04-14 | 2009-10-22 | 中兴通讯股份有限公司 | 一种采用不同监控精度进行监控的方法及终端 |
CN101576952A (zh) * | 2009-03-06 | 2009-11-11 | 北京中星微电子有限公司 | 一种检测静止目标的方法和装置 |
CN101324959B (zh) * | 2008-07-18 | 2011-07-13 | 北京中星微电子有限公司 | 一种检测运动目标的方法及装置 |
CN104954738A (zh) * | 2015-04-30 | 2015-09-30 | 广州视声光电有限公司 | 一种移动侦测方法及装置 |
CN104966060A (zh) * | 2015-06-16 | 2015-10-07 | 广东欧珀移动通信有限公司 | 一种运动物体的目标识别方法和装置 |
CN106060340A (zh) * | 2016-07-06 | 2016-10-26 | 福建鼎心网络科技有限公司 | 移动侦测方法及系统 |
CN109544870A (zh) * | 2018-12-20 | 2019-03-29 | 同方威视科技江苏有限公司 | 用于智能监控系统的报警判断方法与智能监控系统 |
CN111063146A (zh) * | 2019-12-18 | 2020-04-24 | 浙江大华技术股份有限公司 | 监控画面的布防方法及设备、存储装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20010073469A (ko) * | 2000-01-15 | 2001-08-01 | 윤종용 | 무선 화상 모니터링 시스템 |
KR100447955B1 (ko) * | 2001-11-19 | 2004-09-13 | 모빌토크(주) | 단말기를 이용한 영상감시시스템 |
CN100547954C (zh) * | 2002-07-18 | 2009-10-07 | 陈涛 | 一种无线图像监控方法、装置和系统 |
CN2579731Y (zh) * | 2002-07-18 | 2003-10-15 | 陈涛 | 运钞车无线图像报警装置 |
CN100394454C (zh) * | 2004-03-25 | 2008-06-11 | 浙江工业大学 | 智能安保装置 |
-
2005
- 2005-08-26 CN CNB2005100933368A patent/CN100375530C/zh active Active
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009127113A1 (zh) * | 2008-04-14 | 2009-10-22 | 中兴通讯股份有限公司 | 一种采用不同监控精度进行监控的方法及终端 |
CN101324959B (zh) * | 2008-07-18 | 2011-07-13 | 北京中星微电子有限公司 | 一种检测运动目标的方法及装置 |
CN101576952A (zh) * | 2009-03-06 | 2009-11-11 | 北京中星微电子有限公司 | 一种检测静止目标的方法和装置 |
CN101576952B (zh) * | 2009-03-06 | 2013-10-16 | 北京中星微电子有限公司 | 一种检测静止目标的方法和装置 |
CN104954738A (zh) * | 2015-04-30 | 2015-09-30 | 广州视声光电有限公司 | 一种移动侦测方法及装置 |
CN104966060A (zh) * | 2015-06-16 | 2015-10-07 | 广东欧珀移动通信有限公司 | 一种运动物体的目标识别方法和装置 |
CN106060340A (zh) * | 2016-07-06 | 2016-10-26 | 福建鼎心网络科技有限公司 | 移动侦测方法及系统 |
CN106060340B (zh) * | 2016-07-06 | 2018-12-04 | 百味迹忆(厦门)网络科技有限公司 | 移动侦测方法及系统 |
CN109544870A (zh) * | 2018-12-20 | 2019-03-29 | 同方威视科技江苏有限公司 | 用于智能监控系统的报警判断方法与智能监控系统 |
CN111063146A (zh) * | 2019-12-18 | 2020-04-24 | 浙江大华技术股份有限公司 | 监控画面的布防方法及设备、存储装置 |
Also Published As
Publication number | Publication date |
---|---|
CN100375530C (zh) | 2008-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1731855A (zh) | 一种运动检测方法 | |
US11380232B2 (en) | Display screen quality detection method, apparatus, electronic device and storage medium | |
CN1276382C (zh) | 用于辨别图像不同区域的方法和装置 | |
US7307652B2 (en) | Method and apparatus for object tracking and detection | |
CN109752394A (zh) | 一种显示屏缺陷高精度检测方法及系统 | |
CN111612757B (zh) | 一种屏幕裂纹的检测方法、装置、设备及存储介质 | |
CN109084955A (zh) | 显示屏质量检测方法、装置、电子设备及存储介质 | |
CN109064446A (zh) | 显示屏质量检测方法、装置、电子设备及存储介质 | |
CN101299275A (zh) | 一种目标检测方法、装置及一种监控系统 | |
CN110572636B (zh) | 摄像头脏污检测方法、装置、存储介质及电子设备 | |
CN1815489A (zh) | 一种智能图像计数方法 | |
CN115053258A (zh) | 一种显示面板的检测方法、装置及系统 | |
CN115841488B (zh) | 一种基于计算机视觉的pcb板的检孔方法 | |
CN101179725A (zh) | 一种运动检测方法与装置 | |
Parsonage et al. | Accuracy of a machine-vision pellet detection system | |
CN114155241A (zh) | 一种异物检测方法、装置及电子设备 | |
US20060147091A1 (en) | Image qualification for optical navigation sensor | |
CN115330789A (zh) | 屏幕缺陷检测方法、装置、设备和可读存储介质 | |
WO1997016921A1 (en) | Method and apparatus for generating a reference image from an image sequence | |
CN112070762A (zh) | 液晶面板的mura缺陷检测方法、装置、存储介质及终端 | |
CN1946140A (zh) | 数字图像处理方法和拍照装置 | |
CN112687211B (zh) | 一种显示面板的拖影测量方法及装置、存储介质 | |
CN109256341B (zh) | 用于检测单晶硅太阳能电池的方法和装置 | |
CN112348894A (zh) | 废钢货车位置及状态识别方法、系统、设备及介质 | |
CN111488846A (zh) | 一种识别水位的方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20180408 Address after: 100191 Xueyuan Road, Haidian District, Haidian District, Beijing, No. 607, No. six Patentee after: Beijing Vimicro AI Chip Technology Co Ltd Address before: 100083, Haidian District, Xueyuan Road, Beijing No. 35, Nanjing Ning building, 15 Floor Patentee before: Beijing Vimicro Corporation |
|
TR01 | Transfer of patent right |