CN101221663A - 一种基于运动目标检测的智能监控报警方法 - Google Patents
一种基于运动目标检测的智能监控报警方法 Download PDFInfo
- Publication number
- CN101221663A CN101221663A CNA2008100259792A CN200810025979A CN101221663A CN 101221663 A CN101221663 A CN 101221663A CN A2008100259792 A CNA2008100259792 A CN A2008100259792A CN 200810025979 A CN200810025979 A CN 200810025979A CN 101221663 A CN101221663 A CN 101221663A
- Authority
- CN
- China
- Prior art keywords
- background
- threshold value
- frame
- foreground point
- value
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种基于运动目标检测的智能监控报警方法,步骤一、提取视频信号的灰度信息;步骤二、初始化背景矩阵;步骤三、基于背景的目标检测;步骤四、背景的更新。本发明使用帧差法进行初始序列的检测,并根据检测结果建立初始背景;初始背景建立以后,利用背景法检测运动目标;背景模型采用基于均值的差值比较法替换概率阈值比较法;背景更新分前景点与背景点两部分分别进行处理。能够自动更新背景,及时检测运动目标,有效及时,很大程度上避免了“鬼影”的产生。而且运算简单,速度快,可以满足多路实时监控的要求。
Description
【技术领域】
本发明属于智能监控领域,用于摄像头静止时的运动目标的检测与报警。
【背景技术】
视频监控***以其直观、方便、信息内容详实被广泛应用于生产管理、保安等场合,成为金融、交通、商业、电力、公安、海关、国防,乃至住宅社区等领域安全防范监控的重要手段。
为了实现智能监控,运动目标的检测技术在***中占据非常重要的地位。近几十年来,人们对图象序列中的运动目标检测技术做了大量且深入的研究,对于压缩视频,可以通过宏块/块的运动矢量进行目标检测,也可以通过传统的基于象素的方法进行目标检测。通过研究证明,前者运算速度更快,后者检测效果更好。目前,运动目标的检测技术已经颇为成熟,下面是三种比较经典的方法:
(1)光流法
三种传统的运动目标检测算法之一。当物体运动时,在图象上对应物体的亮度模式也在运动,从而称光流是图象亮度模式的视在运动。光流法检测采用了目标随时间变化的光流特性。利用光流法可以通过计算位移向量光流场来初始化目标的轮廓,从而使基于轮廓的跟踪算法有效地检测和跟踪目标。
特征光流法的主要优点在于对目标在帧间的运动的限制较少,可以处理大的帧间位移;主要缺点是大多数光流计算方法相当复杂,且抗噪性能差,如果没有特定的硬件支持,一般很难应用于序列图像中运动目标的实时性操作。光流法参见文献:Sasa G,Lonoario S.Spalic-temporal image segmentationusing optical flow and clustering algorithm[A].First Int’Workshopon Image and Signal Processing Analysis[C].Pula.Crotia.2000.63-38。
(2)帧间差分法
三种传统的运动目标检测算法之一。帧间差分是检测相邻两帧图象之间变化的最简单、最直接的方法,它是直接比较了两帧图象对应象素点的灰度值的不同,然后通过阈值来提取序列图象中的运动区域,第k帧图象fk(x,y)和第k+1帧图象fk+1(x,y)之间的变化可用一个二值差分图像D(x,y)来表示:
式中T为差分图象二值化的阈值。二值图象中为“0”的象素对应在前后两帧图象间没有发生(由于运动而产生的)变化的地方,为“1”的象素对应两帧图象间发生变化的地方,这常是由目标运动而产生的。帧差法参见文献:Foresti GL.Object reconnition and trackinn for remote videosurveillance[J].IEEE Transactions On Circuits and Systems for VideoTechnology,1999,9(7):1045-1062。
(3)背景消减法
三种传统的运动目标检测算法之一。在摄像头固定的情况下,背景消减法是常用的运动目标检测方法。其基本思想是将当前帧图象与事先存储或者实时得到的背景模型比较,根据比较的结果判断此象素点是否属于运动目标区域。背景消减法参见文献:Stringna E,Renazzoni C S.Realtime Video-shotdetection for scene svreillance applications[J].IEEE Transactions onImage Processing,2000,9():69-79。
背景消减法操作简单,检测位置准确且速度快。但通常的背景消减法对光线、天气等光照条件的变化非常敏感。运动目标的阴影也常常被检测为运动目标的一部分。这将影响检测结果的准确性。因此,在非控环境中需要加入背景图象的更新机制。常见的背景模型有单高斯分布背景模型和多高斯分布背景模型,前者是为每一个象素点建立了一个高斯分布模型,而后者则是根据多个高斯分布共同描述一个象素点上的颜色分布,参考文献:C Stauffer,WELGrimson.Learning Patters of Activity Using Real-Time Tracking,IEEETrans.PAMI,2000,22(8):747~757和RT Collins,AJ Lipton,T Kanade.ASystem for Video Surveillance and Monitoring.Proc Am.Nuclear Soc.(ANS)English Int’l Topical Meeting Robotic and Remote Systems,Apr.1999
传统的基于统计模型的背景法,由于需要对每个象素点建立统计模型,计算量大,而且通过该模型进行运动目标检测,无法在短时间内消除运动目标带来的“鬼影”。
【发明内容】
本发明的目的在于克服现有技术的不足之处,提供一种有效及时,可避免“鬼影”的产生,运算简单,速度快,并可实现多路实时监控的报警方法。
本发明的目的是这样实现的:
步骤一、提取视频信号的灰度信息
在解码模块中,将视频输出的彩色空间设置为YUV格式,将Y信号另存储为一个矩阵,供后续步骤进行处理;
步骤二、初始化背景矩阵
背景标志初始值为“0”,当新进一帧图象时,首先检测该背景标志,如果该标志为“0”,则通过帧差法进行运动目标的检测,具体的步骤是:
首先将该帧图象的每个象素灰度值与背景帧对应的象素灰度值相减,如果该结果大于某阈值,则记为“1”以表示为前景点;如果小于阈值,则记为“0”以表示为背景点,由此产生二值矩阵;
然后对该二值矩阵进行形态学处理,即先用结构元素SE对前景点进行一次开运算,然后再对该结果连续作一次闭运算,分别用以去除由于噪声形成孤立的前景点和空洞;
接着统计形态学处理以后的二值计算,计算前景象素点的数量,把得到的值与报警阈值进行比较,确定是否报警,如果大于阈值,则报警;如果小于阈值,则不报警;
如果连续三帧都没有报警信号产生,说明此时该序列暂时没有运动目标,将这三帧的灰度均值作为初始背景图象,并将背景标志设定为“1”,此时,背景初始化完毕;
步骤三、基于背景的目标检测
当背景标志置“1”以后,则采用背景法进行运动目标的检测,经历当前帧与背景帧进行比较、二值化、形态学处理和判定是否报警几个阶段;
步骤四、背景的更新
对于背景点,采用Bn+1(x,y)=(1-a)Bn(x,y)+aVn(x,y)进行更新,其中Bn(x,y)是第n帧的背景点,Vn(x,y)是最近三帧中对应背景点的算术平均值,a是更新速率;对于前景点,对其连续作为前景点的次数进行累加计算,当累计到某一阈值时,将该前景点并入背景点以更新背景。
本发明的运动目标检测方法,使用帧差法进行初始序列的检测,并根据检测结果建立初始背景;初始背景建立以后,利用背景法检测运动目标;背景模型采用基于均值的差值比较法替换概率阈值比较法;背景更新分前景点与背景点两部分分别进行处理。能够自动更新背景,及时检测运动目标,有效及时,很大程度上避免了“鬼影”的产生。而且运算简单,速度快,可以满足多路实时监控的要求。
【附图说明】
图1是本发明报警模块的流程图;
图2是第72帧的检测效果(灰度图、背景、运动目标);
图3是第82帧的检测效果(灰度图、背景、运动目标)。
【具体实施方式】
本发明的智能报警方法,包含以下步骤:
步骤一、提取视频信号的灰度信息
在解码模块中,我们将视频输出的彩色空间设置为YUV格式,将Y信号另存储为一个矩阵,供后续步骤进行处理;
步骤二、初始化背景矩阵
背景标志初始值为“0”,当新进一帧图象时,首先检测该背景标志,如果该标志为“0”,则通过帧差法进行运动目标的检测,具体的步骤是:
首先将该帧图象的每个象素灰度值与背景帧对应的象素灰度值相减,如果该结果大于某阈值,则记为“1”以表示为前景点;如果小于阈值,则记为“0”以表示为背景点,由此产生二值矩阵;
然后对该二值矩阵进行形态学处理,即先用结构元素SE对前景点进行一次开运算,然后再对该结果连续作一次闭运算。分别用以去除由于噪声形成孤立的前景点和空洞;
接着统计形态学处理以后的二值计算,计算前景象素点的数量,把得到的值与报警阈值进行比较,确定是否报警。如果大于阈值,则报警;如果小于阈值,则不报警;
如果连续三帧都没有报警信号产生,说明此时该序列暂时没有运动目标,将这三帧的灰度均值作为初始背景图象,并将背景标志设定为“1”,此时,背景初始化完毕;
步骤三、基于背景的目标检测
当背景标志置“1”以后,则采用背景法进行运动目标的检测,具体的步骤与帧差的法的步骤类似,经历比较、二值化、形态学处理和判定是否报警几个阶段,二者的区别是此时比较的对象是当前帧与背景帧进行比较;
步骤四、背景的更新
对于背景点,我们采用Bn+1(x,y)=(1-a)Bn(x,y)+aVn(x,y)进行更新,其中Bn(x,y)是第n帧的背景点,Vn(x,y)是最近三帧中对应背景点的算术平均值,a是更新速率;对于前景点,我们对其连续作为前景点的次数进行累加计算,当累计到某一阈值时,我们就将该前景点并入背景点以更新背景。该阈值的设定可根据具体情况进行调整:如果前景点运动速度较慢,则需要将该阈值设定较大,否则会将前景点错误地更新为背景;如果前景点运动速度较快,则该阈值可以设定为较小的值。
需要说明的是:
步骤三与步骤四中的形态学处理,我们的结构元素采用的是:
SE=1,1,1
1,1,1
1,1,1。
Claims (1)
1.一种基于运动目标检测的智能监控报警方法,其特征在于包括以下步骤:
步骤一、提取视频信号的灰度信息
在解码模块中,将视频输出的彩色空间设置为YUV格式,将Y信号另存储为一个矩阵,供后续步骤进行处理;
步骤二、初始化背景矩阵
背景标志初始值为“0”,当新进一帧图象时,首先检测该背景标志,如果该标志为“0”,则通过帧差法进行运动目标的检测,具体的步骤是:
首先将该帧图象的每个象素灰度值与背景帧对应的象素灰度值相减,如果该结果大于某阈值,则记为“1”以表示为前景点:如果小于阈值,则记为“0”以表示为背景点,由此产生二值矩阵;
然后对该二值矩阵进行形态学处理,即先用结构元素SE对前景点进行一次开运算,然后再对该结果连续作一次闭运算,分别用以去除由于噪声形成孤立的前景点和空洞;
接着统计形态学处理以后的二值计算,计算前景象素点的数量,把得到的值与报警阈值进行比较,确定是否报警,如果大于阈值,则报警;如果小于阈值,则不报警;
如果连续三帧都没有报警信号产生,说明此时该序列暂时没有运动目标,将这三帧的灰度均值作为初始背景图象,并将背景标志设定为“1”,此时,背景初始化完毕;
步骤三、基于背景的目标检测
当背景标志置“1”以后,则采用背景法进行运动目标的检测,经历当前帧与背景帧进行比较、二值化、形态学处理和判定是否报警几个阶段;
步骤四、背景的更新
对于背景点,采用Bn+1(x,y)=(1-a)Bn(x,y)+aVn(x,y)进行更新,其中Bn(x,y)是第n帧的背景点,Vn(x,y)是最近三帧中对应背景点的算术平均值,a是更新速率;对于前景点,对其连续作为前景点的次数进行累加计算,当累计到某一阈值时,将该前景点并入背景点以更新背景。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100259792A CN101221663A (zh) | 2008-01-18 | 2008-01-18 | 一种基于运动目标检测的智能监控报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100259792A CN101221663A (zh) | 2008-01-18 | 2008-01-18 | 一种基于运动目标检测的智能监控报警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101221663A true CN101221663A (zh) | 2008-07-16 |
Family
ID=39631478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008100259792A Pending CN101221663A (zh) | 2008-01-18 | 2008-01-18 | 一种基于运动目标检测的智能监控报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101221663A (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101847204A (zh) * | 2010-03-30 | 2010-09-29 | 北京蓝色星河软件技术发展有限公司 | 一种用于嵌入式dvr***的异常人脸检测方法 |
CN101980300A (zh) * | 2010-10-29 | 2011-02-23 | 杭州电子科技大学 | 一种基于3g智能手机的运动检测方法 |
CN101635852B (zh) * | 2009-08-26 | 2011-08-31 | 北京航空航天大学 | 一种基于自适应背景建模的实时运动目标检测方法 |
CN102244776A (zh) * | 2011-07-06 | 2011-11-16 | 浙江浙大华是科技有限公司 | 一种自动跟踪激光热成像监控*** |
CN102254396A (zh) * | 2011-07-06 | 2011-11-23 | 北京国铁华晨通信信息技术有限公司 | 基于视频的入侵检测方法及装置 |
CN101777186B (zh) * | 2010-01-13 | 2011-12-14 | 西安理工大学 | 一种多模态自动更新替换的背景建模方法 |
CN102663362A (zh) * | 2012-04-09 | 2012-09-12 | 宁波中科集成电路设计中心有限公司 | 一种基于灰度特征的运动目标检测方法 |
CN103002195A (zh) * | 2011-09-09 | 2013-03-27 | 中怡(苏州)科技有限公司 | 运动检测方法及运动检测装置 |
CN103280052A (zh) * | 2013-05-15 | 2013-09-04 | 重庆大学 | 应用于长距离轨道线路智能视频监控的入侵检测方法 |
CN103426181A (zh) * | 2012-05-25 | 2013-12-04 | 信帧电子技术(北京)有限公司 | 一种自动改变帧率的拌线检测方法 |
CN103442209A (zh) * | 2013-08-20 | 2013-12-11 | 北京工业大学 | 一种输电线路的视频监控方法 |
CN103700116A (zh) * | 2012-09-27 | 2014-04-02 | 中国航天科工集团第二研究院二O七所 | 一种用于运动目标检测的背景建模方法 |
CN103810703A (zh) * | 2014-01-22 | 2014-05-21 | 安徽科力信息产业有限责任公司 | 一种基于图像处理的隧道视频运动目标检测方法 |
CN101751670B (zh) * | 2009-12-17 | 2014-09-10 | 北京中星微电子有限公司 | 一种前景目标检测方法和装置 |
CN104063878A (zh) * | 2013-03-20 | 2014-09-24 | 富士通株式会社 | 运动对象检测装置、运动对象检测方法以及电子设备 |
CN104125436A (zh) * | 2014-08-01 | 2014-10-29 | 昆明联诚科技股份有限公司 | 一种交通事故检测预警方法及*** |
CN104463905A (zh) * | 2014-11-04 | 2015-03-25 | 江苏省南京市公路管理处公路科学研究所 | 施工现场车辆监控方法 |
CN104700430A (zh) * | 2014-10-05 | 2015-06-10 | 安徽工程大学 | 机载显示器的运动检测方法 |
CN104700429A (zh) * | 2014-10-05 | 2015-06-10 | 安徽工程大学 | 一种机载显示器的运动检测方法 |
CN104836959A (zh) * | 2015-05-15 | 2015-08-12 | 华南师范大学 | 基于fpga的面阵cmos图像传感器多模式自动切换采集*** |
CN106023259A (zh) * | 2016-05-26 | 2016-10-12 | 史方 | 一种运动目标频率检测方法及装置 |
WO2016184431A1 (zh) * | 2015-05-20 | 2016-11-24 | 王向恒 | 一种基于本地计算的视频监控方法及其终端 |
CN106878668A (zh) * | 2015-12-10 | 2017-06-20 | 微软技术许可有限责任公司 | 对物体的移动检测 |
CN107798689A (zh) * | 2016-08-28 | 2018-03-13 | 淮安信息职业技术学院 | 交通视频图像背景提取方法 |
CN108259904A (zh) * | 2016-12-29 | 2018-07-06 | 乐视汽车(北京)有限公司 | 用于图像数据编码的方法、编码器和电子设备 |
CN110517435A (zh) * | 2019-09-08 | 2019-11-29 | 天津大学 | 一种便携式即时防火预警及信息采集处理预警***及方法 |
CN112906646A (zh) * | 2021-03-23 | 2021-06-04 | 中国联合网络通信集团有限公司 | 人体姿态的检测方法及装置 |
-
2008
- 2008-01-18 CN CNA2008100259792A patent/CN101221663A/zh active Pending
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101635852B (zh) * | 2009-08-26 | 2011-08-31 | 北京航空航天大学 | 一种基于自适应背景建模的实时运动目标检测方法 |
CN101751670B (zh) * | 2009-12-17 | 2014-09-10 | 北京中星微电子有限公司 | 一种前景目标检测方法和装置 |
CN101777186B (zh) * | 2010-01-13 | 2011-12-14 | 西安理工大学 | 一种多模态自动更新替换的背景建模方法 |
CN101847204A (zh) * | 2010-03-30 | 2010-09-29 | 北京蓝色星河软件技术发展有限公司 | 一种用于嵌入式dvr***的异常人脸检测方法 |
CN101980300A (zh) * | 2010-10-29 | 2011-02-23 | 杭州电子科技大学 | 一种基于3g智能手机的运动检测方法 |
CN102244776A (zh) * | 2011-07-06 | 2011-11-16 | 浙江浙大华是科技有限公司 | 一种自动跟踪激光热成像监控*** |
CN102254396A (zh) * | 2011-07-06 | 2011-11-23 | 北京国铁华晨通信信息技术有限公司 | 基于视频的入侵检测方法及装置 |
CN102244776B (zh) * | 2011-07-06 | 2013-03-20 | 浙江浙大华是科技有限公司 | 一种自动跟踪激光热成像监控*** |
CN103002195B (zh) * | 2011-09-09 | 2016-03-30 | 中磊电子(苏州)有限公司 | 运动检测方法及运动检测装置 |
CN103002195A (zh) * | 2011-09-09 | 2013-03-27 | 中怡(苏州)科技有限公司 | 运动检测方法及运动检测装置 |
US9214031B2 (en) | 2011-09-09 | 2015-12-15 | Sernet (Suzhou) Technologies Corporation | Motion detection method and associated apparatus |
CN102663362A (zh) * | 2012-04-09 | 2012-09-12 | 宁波中科集成电路设计中心有限公司 | 一种基于灰度特征的运动目标检测方法 |
CN103426181A (zh) * | 2012-05-25 | 2013-12-04 | 信帧电子技术(北京)有限公司 | 一种自动改变帧率的拌线检测方法 |
CN103700116A (zh) * | 2012-09-27 | 2014-04-02 | 中国航天科工集团第二研究院二O七所 | 一种用于运动目标检测的背景建模方法 |
CN103700116B (zh) * | 2012-09-27 | 2017-02-22 | 中国航天科工集团第二研究院二O七所 | 一种用于运动目标检测的背景建模方法 |
CN104063878A (zh) * | 2013-03-20 | 2014-09-24 | 富士通株式会社 | 运动对象检测装置、运动对象检测方法以及电子设备 |
CN104063878B (zh) * | 2013-03-20 | 2017-08-08 | 富士通株式会社 | 运动对象检测装置、运动对象检测方法以及电子设备 |
CN103280052B (zh) * | 2013-05-15 | 2015-08-19 | 重庆大学 | 应用于长距离轨道线路智能视频监控的入侵检测方法 |
CN103280052A (zh) * | 2013-05-15 | 2013-09-04 | 重庆大学 | 应用于长距离轨道线路智能视频监控的入侵检测方法 |
CN103442209B (zh) * | 2013-08-20 | 2017-02-22 | 北京工业大学 | 一种输电线路的视频监控方法 |
CN103442209A (zh) * | 2013-08-20 | 2013-12-11 | 北京工业大学 | 一种输电线路的视频监控方法 |
CN103810703A (zh) * | 2014-01-22 | 2014-05-21 | 安徽科力信息产业有限责任公司 | 一种基于图像处理的隧道视频运动目标检测方法 |
CN103810703B (zh) * | 2014-01-22 | 2016-09-21 | 安徽科力信息产业有限责任公司 | 一种基于图像处理的隧道视频运动目标检测方法 |
CN104125436A (zh) * | 2014-08-01 | 2014-10-29 | 昆明联诚科技股份有限公司 | 一种交通事故检测预警方法及*** |
CN104700430A (zh) * | 2014-10-05 | 2015-06-10 | 安徽工程大学 | 机载显示器的运动检测方法 |
CN104700429A (zh) * | 2014-10-05 | 2015-06-10 | 安徽工程大学 | 一种机载显示器的运动检测方法 |
CN104463905B (zh) * | 2014-11-04 | 2017-07-04 | 江苏省南京市公路管理处公路科学研究所 | 施工现场车辆监控方法 |
CN104463905A (zh) * | 2014-11-04 | 2015-03-25 | 江苏省南京市公路管理处公路科学研究所 | 施工现场车辆监控方法 |
CN104836959B (zh) * | 2015-05-15 | 2018-01-23 | 华南师范大学 | 基于fpga的面阵cmos图像传感器多模式自动切换采集*** |
CN104836959A (zh) * | 2015-05-15 | 2015-08-12 | 华南师范大学 | 基于fpga的面阵cmos图像传感器多模式自动切换采集*** |
WO2016184431A1 (zh) * | 2015-05-20 | 2016-11-24 | 王向恒 | 一种基于本地计算的视频监控方法及其终端 |
US10460456B2 (en) | 2015-12-10 | 2019-10-29 | Microsoft Technology Licensing, Llc | Motion detection of object |
CN106878668A (zh) * | 2015-12-10 | 2017-06-20 | 微软技术许可有限责任公司 | 对物体的移动检测 |
CN106023259B (zh) * | 2016-05-26 | 2018-12-07 | 史方 | 一种运动目标频率检测方法及装置 |
CN106023259A (zh) * | 2016-05-26 | 2016-10-12 | 史方 | 一种运动目标频率检测方法及装置 |
CN107798689A (zh) * | 2016-08-28 | 2018-03-13 | 淮安信息职业技术学院 | 交通视频图像背景提取方法 |
CN108259904A (zh) * | 2016-12-29 | 2018-07-06 | 乐视汽车(北京)有限公司 | 用于图像数据编码的方法、编码器和电子设备 |
CN108259904B (zh) * | 2016-12-29 | 2022-04-05 | 法法汽车(中国)有限公司 | 用于图像数据编码的方法、编码器和电子设备 |
CN110517435A (zh) * | 2019-09-08 | 2019-11-29 | 天津大学 | 一种便携式即时防火预警及信息采集处理预警***及方法 |
CN112906646A (zh) * | 2021-03-23 | 2021-06-04 | 中国联合网络通信集团有限公司 | 人体姿态的检测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101221663A (zh) | 一种基于运动目标检测的智能监控报警方法 | |
WO2018130016A1 (zh) | 一种基于监控视频的停车检测方法及装置 | |
CN101303727B (zh) | 基于视频人数统计的智能管理方法及其*** | |
CN101751677B (zh) | 基于多摄像机的目标连续跟踪方法 | |
CN106952474B (zh) | 基于运动车辆检测的车流量统计方法 | |
CN106204586B (zh) | 一种基于跟踪的复杂场景下的运动目标检测方法 | |
CN105678803A (zh) | 基于w4算法和帧间差分的视频监控目标检测方法 | |
CN100555348C (zh) | 银行自助设备智能视频监控*** | |
Cheng et al. | Scene analysis for object detection in advanced surveillance systems using Laplacian distribution model | |
CN101635835A (zh) | 智能视频监控方法及*** | |
CN103714325A (zh) | 基于嵌入式***的遗留物和遗失物实时检测方法 | |
CN101957997A (zh) | 一种动态场景中基于区域均值核密度估计的运动目标检测方法 | |
CN102663362B (zh) | 一种基于灰度特征的运动目标检测方法 | |
CN105894530A (zh) | 一种针对视频中运动目标检测与跟踪的解决方案 | |
Miller et al. | A hidden Markov model for vehicle detection and counting | |
CN102254394A (zh) | 一种基于视频差异分析的输电线路杆塔防盗监控方法 | |
CN109948474A (zh) | Ai热成像全天候智能监控方法 | |
Xu et al. | Moving object detection based on improved three frame difference and background subtraction | |
Chen et al. | Research on moving object detection based on improved mixture Gaussian model | |
Sun et al. | Hierarchical GMM to handle sharp changes in moving object detection | |
Miranto et al. | Adaptive background subtraction for monitoring system | |
CN101877135B (zh) | 一种基于背景重构的运动目标检测方法 | |
CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 | |
CN111369578B (zh) | 云台异动智能跟踪方法及其*** | |
CN107665325B (zh) | 基于原子特征袋模型的视频异常事件检测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Open date: 20080716 |