CN101576952A - 一种检测静止目标的方法和装置 - Google Patents
一种检测静止目标的方法和装置 Download PDFInfo
- Publication number
- CN101576952A CN101576952A CNA2009100792796A CN200910079279A CN101576952A CN 101576952 A CN101576952 A CN 101576952A CN A2009100792796 A CNA2009100792796 A CN A2009100792796A CN 200910079279 A CN200910079279 A CN 200910079279A CN 101576952 A CN101576952 A CN 101576952A
- Authority
- CN
- China
- Prior art keywords
- monitoring area
- area blocks
- statistics
- value
- eigenwert
- 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
- 230000003068 static effect Effects 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 76
- 238000001514 detection method Methods 0.000 claims description 19
- 230000033001 locomotion Effects 0.000 claims description 10
- 238000005286 illumination Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000010223 real-time analysis Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000011897 real-time detection Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种检测静止目标的方法和装置,方法包括:步骤一,将监控区域划分为多个监控区域块,获取每帧视频图像中对应每个所述监控区域块的图像块;步骤二,计算所述图像块的特征值;步骤三,实时统计每个所述监控区域块所对应的图像块的特征值,获得对应每个监控区域块的统计结果;步骤四,根据所述统计结果,进行所述监控区域块的背景图像的初始化、检测视频图像中的静止目标或者对所述背景图像进行更新。本发明能够基于统计来对监控场景进行实时的分析,不易受噪声的干扰,能够处理静止目标被遮挡的情况,解决现有技术易受噪声的干扰、不能处理静止目标被遮挡的情况的技术问题。
Description
技术领域
本发明涉及智能视频监控领域,尤其涉及一种检测静止目标的方法和装置。
背景技术
视频监控技术是伴随着视频采集和传输技术的发展而出现的,传统的视频监控都是用人工的方式来观察监控视频中是否有可疑事件发生,没有加入任何智能处理的功能。其缺点是监控人员不可能长时间保持高度警惕,因此无法在任何时候都保持监控的准确性。智能视频监控将智能处理技术应用到视频监控中,可以全自动,全天候的对监控视频数据进行智能处理和分析,判断是否有可疑事件发生。随着安全监控的逐渐普及和深入,对智能视频监控的需求越来越多,要求也越来越严格。
在视频监控中,静止物体往往是重要的监控目标,在许多场合有着重要的应用。比如设防区域内出现的长时间滞留目标,城市道路的人行道出现了非法停车,贵重物品被非法移走等等事件都可以用静止物体检测的方法来捕获。
目前常用的静止物体检测的方法是基于目标跟踪的方法,这类方法首先建立一个背景图像,背景图像反映了视频中长期静止的背景目标。之后将要监测的静止物体看作是一个和背景目标不同的目标,当静止物体出现时,可以被检测出来并进行跟踪。由于静止物***置和大小都不会发生改变,所以根据这些特点可以判断其是否为静止物体。
在实现本发明技术方案的过程中,发现以上基于目标跟踪的方法的优点是可以快速的将静止目标提取出来,但是缺点是比较难处理静止目标被遮挡的情况,而且容易受到噪声的干扰。
发明内容
本发明实施例的目的是提供一种检测静止目标的方法和装置,能够基于统计来对监控场景进行实时的分析,不易受噪声的干扰,能够处理静止目标被遮挡的情况,解决现有技术易受噪声的干扰、不能处理静止目标被遮挡的情况的技术问题。
为了实现上述目的,一方面,提供了一种检测静止目标的方法,包括如下步骤:
步骤一,将监控区域划分为多个监控区域块,获取每帧视频图像中对应每个所述监控区域块的图像块;
步骤二,计算所述图像块的特征值;
步骤三,实时统计每个所述监控区域块所对应的图像块的特征值,获得对应每个监控区域块的统计结果;
步骤四,根据所述统计结果,进行所述监控区域块的背景图像的初始化、检测视频图像中的静止目标或者对所述背景图像进行更新。
优选地,上述的方法,在所述步骤二中,所述特征值为灰度平均值、角度特征值或对光照变化不敏感的灰度特征值。
优选地,上述的方法,在所述步骤三中,所述统计结果为所述特征值的直方图,所述直方图通过能够反映数据进入先后顺序的队列结构进行数据存放。
优选地,上述的方法,所述步骤四具体包括:
步骤A,获得作为当前监控区域块的统计结果的当前直方图;
步骤B,判断所述当前直方图中是否出现唯一的波峰,是则执行步骤C,否则将下一个监控区域块作为当前监控区域块返回步骤A;
步骤C,在所述波峰的预定邻域内进行统计值累加得到累加值,判断所述累加值是否达到第一预定阈值,是则执行步骤D,否则将下一个监控区域块作为当前监控区域块返回步骤A;
步骤D,判断所述当前直方图对应的当前监控区域块是否已完成背景初始化,是则执行步骤F,否则把所述波峰的波峰值作为所述监控区域块的背景图像值,并且将该监控区域块标记为已完成背景初始化;
步骤F,判断所述波峰的波峰值与所述监控区域块的背景图像值的差值是否超过第二预定阈值,是则确认所述监控区域块内出现了静止物体,否则用所述波峰的波峰值更新所述背景图像值。
优选地,上述的方法中,还包括步骤五:判断是否完成所有图像块的处理,是则对出现静止物体的相邻的监控区域块进行合并输出,否则返回步骤二。
优选地,上述的方法中,所述步骤三还包括,根据运动检测的结果,在所述统计结果中排除含有运动目标的图像块的特征值。
本发明的另一个方面,提供一种检测静止目标的装置,包括:
划分模块,用于:将监控区域划分为多个监控区域块,获取每帧视频图像中对应每个所述监控区域块的图像块;
计算模块,用于:计算所述图像块的特征值;
统计模块,用于:实时统计每个所述监控区域块所对应的图像块的特征值,获得对应每个监控区域块的统计结果;
处理模块,用于:根据所述统计结果,进行所述监控区域块的背景图像的初始化、检测视频图像中的静止目标或者对所述背景图像进行更新。
优选地,上述的装置中,所述特征值为灰度平均值、角度特征值或对光照变化不敏感的灰度特征值。
优选地,上述的装置中,所述统计模块的所述统计结果为所述特征值的直方图,所述直方图的数据存放在能够反映数据进入先后顺序的队列结构。
优选地,上述的装置中,所述统计模块还包括排除模块,用于,根据运动检测的结果,在所述统计结果中排除含有运动目标的图像块的特征值。
本发明实施例至少存在以下技术效果:
1)将监控区域划分为多个监控区域块,对每帧视频图像都根据所述监控区域块划分为对应的图像块,从而对视频图像进行分块处理,能够处理静止目标被遮挡的情况。
2)基于对图像块的特征值的统计结果来对监控场景进行实时的分析,可靠性高,不易受噪声的干扰。
3)与运动检测相结合,在背景建模时就将运动区域排除掉,减少运动区域对背景建模的影响,能取得更好的检测效果。
附图说明
图1为本发明实施例提供的方法的步骤流程图;
图2为本发明实施例提供的***架构图;
图3为本发明实施例提供的装置的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对具体实施例进行详细描述。
本发明实施例提出了一种基于图像分块和统计的静止物体检测方法和装置。该方法基于统计来对监控场景进行实时的分析,可靠性高,不易受噪声的干扰,还能够处理静止目标被遮挡的情况。
图1为本发明实施例提供的方法的步骤流程图,如图所示,检测静止目标的方法包括如下步骤:
步骤101,将监控区域划分为多个监控区域块,获取每帧视频图像中对应每个所述监控区域块的图像块;
步骤102,计算所述图像块的特征值;
步骤103,实时统计每个所述监控区域块所对应的图像块的特征值,获得对应每个监控区域块的统计结果;
步骤104,根据所述统计结果,进行所述监控区域块的背景图像的初始化、检测视频图像中的静止目标或者对所述背景图像进行更新。
以上方法,主要是通过检测静止目标的装置实现的,在本实施例中,检测静止目标的装置为静止检测模块,图2为本发明实施例提供的***架构图;如图所示,大方框部分是静止检测模块200,大方框内部描述了静止检测模块200的工作过程,外界的输入包括从视频监控设备采集的视频数据201和基于FPGA的运动目标实时检测和跟踪模块202的输入结果。
由图中可以看出,静止检测模块可以执行以下几个步骤:
(一)、将拍摄到的监控区域的视频图像进行分块。
分块的大小可以根据图像的大小来进行设定。比如320*240的图像,可以将8*8的区域作为一个块。每个块提取出一个或者多个特征作为该块的整体特征,我们将这些基于块来计算出的特征称为块特征。块特征有多种形式,可以根据不同的要求来选择。最简单的块特征可以是块中所有像素的灰度值的平均值,灰度平均值的优点是计算简单,速度快,但缺点是容易受到光照变化的影响。为了避免受光照的影响,我们也可以使用一些复杂的特征,比如角度特征,对光照变化不敏感的灰度特征等。
GA=arctan(Gx,Gy) 2)
上述公式1)为灰度值的平均值特征;公式2)为角度特征;对光照变化不敏感的灰度特征实际上是在灰度平均值特征的基础上来实现,增加了一个较大块的灰度均值作为分母。
(二)、统计一段时间内每个块的特征的变化。
监控设备获取的视频中的每帧图像都用来计算块特征,当块对应的区域有运动发生时,块特征就会发生变化。对一段时间内的计算出来的所有特征进行分析,就能够判断出块对应的区域在一段时间内的变化情况。如果一段时间的块特征集中分布在某个值附近,那么就可以认为该块对应的区域内的运动信息较少,反之则存在较多运动。统计的方法有很多,但首先需要将一段时间的块特征记录下来。记录的方法有很多,比如最简单的方法是直接将块特征存放在一个队列里面,队列先进先出的特点可以保证队列中的数据是最新的。数组记录的数据不能直观反映数据的分布,所以常用直方图来存放数据。但直方图不能反映数据进入时的先后顺序,为了对直方图数据进行更新,我们需要一个队列结构来存放进入直方图的数据,这样就可以保证直方图能够反映出最近一段时间内的块特征的变化。
(三)、背景图像的建立和更新。
背景图像由静止块提取的块特征来构成,一个块是否静止可以由统计得到的直方图来进行判断。如果直方图中出现了一个非常明显的波峰,而且波峰附近的统计值累加之后达到了一定的阈值,那么就认为该块对应的区域是静止区域,并把波峰对应的值放入背景图像中,并把该块标记为已经背景初始化。当场景中有大量运动存在时,对应的图像块统计得到的直方图不会出现一个波峰,而是呈现非常零散的分布。此时我们将该块标记为没有背景初始化,将不参与后续的静止物体分析。每个块都对应了一个直方图结构。
(四)、静止物体检测。
监控设备采集到的视频的每一帧都会用来计算块特征,计算出来的块特征用来对每个块对应的直方图进行更新。因此可以从直方图中分析出每个块在最近一段时间内的变化。对每个直方图进行分析,找到最大分布的值,计算该值附近一个邻域内的概率分布,如果概率分布超过设定的阈值,那么就认为最大值代表的特征是一个反复出现的特征,可以看作是静止目标对应的特征。当前直方图中的波峰值分布超过设定阈值时,如果该块没有背景初始化,那么就将波峰值赋给背景图像;如果该块已经背景初始化,那么就将波峰值和该块对应的背景图像值进行比较,如果两个值的差异超过了设定的阈值,就认为该块中出现了一个静止物体,否则就将当前直方图中的波峰值赋给背景图像。
此外,还可以包括运动目标实时检测和跟踪模块,这是因为本发明如果结合运动目标的实时检测和跟踪,就会取得更好的检测效果。当运动目标被检测出来之后,在背景建模时就可以将运动区域排除掉,这样就能减少对背景建模的影响,因为背景图像中不允许出现运动目标。尤其是当场景中出现了缓慢移动而且颜色一致的目标时,由于该目标颜色一致,而且速度很慢,因此会在统计时出现一个明显波峰而被更新到背景中。如果运动目标检测和跟踪模块可以准确的将该目标检测出来,就不会导致这种现象发生。
本发明的检测静止目标的装置的内部结构可以进一步细化,图3为本发明实施例提供的装置的结构图,如图,检测静止目标的装置包括:
划分模块301,用于:将监控区域划分为多个监控区域块,获取每帧视频图像中对应每个所述监控区域块的图像块;
计算模块302,用于:计算所述图像块的特征值;
统计模块303,用于:实时统计每个所述监控区域块所对应的图像块的特征值,获得对应每个监控区域块的统计结果;
处理模块304,用于:根据所述统计结果,进行所述监控区域块的背景图像的初始化、检测视频图像中的静止目标或者对所述背景图像进行更新。
所述统计模块还包括排除模块,用于,根据运动检测的结果,在所述统计结果中排除含有运动目标的图像块的特征值。
另外,上述的方法实施例中,所述步骤104还可以细化为:
步骤A,获得作为当前监控区域块的统计结果的当前直方图;
步骤B,判断所述当前直方图中是否出现唯一的波峰,是则执行步骤C,否则将下一个监控区域块作为当前监控区域块返回步骤A;
步骤C,在所述波峰的预定邻域内进行统计值累加得到累加值,判断所述累加值是否达到第一预定阈值,是则执行步骤D,否则将下一个监控区域块作为当前监控区域块返回步骤A;
步骤D,判断所述当前直方图对应的当前监控区域块是否已完成背景初始化,是则执行步骤F,否则把所述波峰的波峰值作为所述监控区域块的背景图像值,并且将该监控区域块标记为已完成背景初始化;
步骤F,判断所述波峰的波峰值与所述监控区域块的背景图像值的差值是否超过第二预定阈值,是则确认所述监控区域块内出现了静止物体,否则用所述波峰的波峰值更新所述背景图像值。
其中,所述步骤103还包括,根据运动检测的结果,在所述统计结果中排除含有运动目标的图像块的特征值。所述统计结果为所述特征值的直方图,所述直方图通过能够反映数据进入先后顺序的队列结构进行数据存放。
由上可知,本发明实施例具有以下优势:
1)将监控区域划分为多个监控区域块,对每帧视频图像都根据所述监控区域块划分为对应的图像块,从而对视频图像进行分块处理,能够处理静止目标被遮挡的情况。
2)基于对图像块的特征值的统计结果来对监控场景进行实时的分析,可靠性高,不易受噪声的干扰。
3)与运动检测相结合,在背景建模时就将运动区域排除掉,减少运动区域对背景建模的影响,能取得更好的检测效果。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种检测静止目标的方法,其特征在于,包括如下步骤:
步骤一,将监控区域划分为多个监控区域块,获取每帧视频图像中对应每个所述监控区域块的图像块;
步骤二,计算所述图像块的特征值;
步骤三,实时统计每个所述监控区域块所对应的图像块的特征值,获得对应每个监控区域块的统计结果;
步骤四,根据所述统计结果,进行所述监控区域块的背景图像的初始化、检测视频图像中的静止目标或者对所述背景图像进行更新。
2.根据权利要求1所述的方法,其特征在于,在所述步骤二中,所述特征值为灰度平均值、角度特征值或对光照变化不敏感的灰度特征值。
3.根据权利要求1所述的方法,其特征在于,在所述步骤三中,所述统计结果为所述特征值的直方图,所述直方图通过能够反映数据进入先后顺序的队列结构进行数据存放。
4.根据权利要求3所述的方法,其特征在于,所述步骤四具体包括:
步骤A,获得作为当前监控区域块的统计结果的当前直方图;
步骤B,判断所述当前直方图中是否出现唯一的波峰,是则执行步骤C,否则将下一个监控区域块作为当前监控区域块返回步骤A;
步骤C,在所述波峰的预定邻域内进行统计值累加得到累加值,判断所述累加值是否达到第一预定阈值,是则执行步骤D,否则将下一个监控区域块作为当前监控区域块返回步骤A;
步骤D,判断所述当前直方图对应的当前监控区域块是否已完成背景初始化,是则执行步骤F,否则把所述波峰的波峰值作为所述监控区域块的背景图像值,并且将该监控区域块标记为已完成背景初始化;
步骤F,判断所述波峰的波峰值与所述监控区域块的背景图像值的差值是否超过第二预定阈值,是则确认所述监控区域块内出现了静止物体,否则用所述波峰的波峰值更新所述背景图像值。
5.根据权利要求4所述的方法,其特征在于,还包括步骤五:判断是否完成所有图像块的处理,是则对出现静止物体的相邻的监控区域块进行合并输出,否则返回步骤二。
6.根据权利要求4所述的方法,其特征在于,所述步骤三还包括,根据运动检测的结果,在所述统计结果中排除含有运动目标的图像块的特征值。
7.一种检测静止目标的装置,其特征在于,包括:
划分模块,用于:将监控区域划分为多个监控区域块,获取每帧视频图像中对应每个所述监控区域块的图像块;
计算模块,用于:计算所述图像块的特征值;
统计模块,用于:实时统计每个所述监控区域块所对应的图像块的特征值,获得对应每个监控区域块的统计结果;
处理模块,用于:根据所述统计结果,进行所述监控区域块的背景图像的初始化、检测视频图像中的静止目标或者对所述背景图像进行更新。
8.根据权利要求7所述的装置,其特征在于,所述特征值为灰度平均值、角度特征值或对光照变化不敏感的灰度特征值。
9.根据权利要求7所述的装置,其特征在于,所述统计模块的所述统计结果为所述特征值的直方图,所述直方图的数据存放在能够反映数据进入先后顺序的队列结构。
10.根据权利要求7所述的方法,其特征在于,所述统计模块还包括排除模块,用于,根据运动检测的结果,在所述统计结果中排除含有运动目标的图像块的特征值。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100792796A CN101576952B (zh) | 2009-03-06 | 2009-03-06 | 一种检测静止目标的方法和装置 |
US12/511,058 US20100310122A1 (en) | 2009-03-06 | 2009-07-28 | Method and Device for Detecting Stationary Targets |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100792796A CN101576952B (zh) | 2009-03-06 | 2009-03-06 | 一种检测静止目标的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101576952A true CN101576952A (zh) | 2009-11-11 |
CN101576952B CN101576952B (zh) | 2013-10-16 |
Family
ID=41271885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100792796A Active CN101576952B (zh) | 2009-03-06 | 2009-03-06 | 一种检测静止目标的方法和装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20100310122A1 (zh) |
CN (1) | CN101576952B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751669A (zh) * | 2009-12-17 | 2010-06-23 | 北京中星微电子有限公司 | 一种静止物体检测方法和装置 |
CN101799872A (zh) * | 2010-04-12 | 2010-08-11 | 中国科学院自动化研究所 | 一种场景图像的全局结构信息特征的提取方法 |
CN101826157A (zh) * | 2010-04-28 | 2010-09-08 | 华中科技大学 | 一种地面静止目标实时识别跟踪方法 |
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 |
CN106296752A (zh) * | 2016-08-22 | 2017-01-04 | 赖世权 | 基于图像处理的监控*** |
CN109409288A (zh) * | 2018-10-25 | 2019-03-01 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN111839444A (zh) * | 2019-04-25 | 2020-10-30 | 天津御锦人工智能医疗科技有限公司 | 一种基于图像识别匹配的肠镜镜头静止检测方法 |
CN113744259A (zh) * | 2021-09-14 | 2021-12-03 | 北京林业大学 | 基于灰度值增加数量序列的森林火灾烟雾检测方法和设备 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016062811A1 (en) * | 2014-10-23 | 2016-04-28 | Agt International Gmbh | Online background model extraction |
CN106296725B (zh) * | 2015-06-12 | 2021-10-19 | 富泰华工业(深圳)有限公司 | 运动目标实时检测与跟踪方法及目标检测装置 |
JP7169752B2 (ja) * | 2018-03-22 | 2022-11-11 | キヤノン株式会社 | 監視装置、監視システム、制御方法、及びプログラム |
CN108932496B (zh) * | 2018-07-03 | 2022-03-25 | 北京佳格天地科技有限公司 | 区域内目标物的数量统计方法及装置 |
CN109325502B (zh) * | 2018-08-20 | 2022-06-10 | 杨学霖 | 基于视频渐进区域提取的共享单车停放检测方法和*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1731855A (zh) * | 2005-08-26 | 2006-02-08 | 北京中星微电子有限公司 | 一种运动检测方法 |
CN101026685A (zh) * | 2007-03-23 | 2007-08-29 | 北京中星微电子有限公司 | 一种静止物体检测的方法及*** |
CN101321287A (zh) * | 2008-07-08 | 2008-12-10 | 浙江大学 | 基于运动目标检测的视频编码方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4969039A (en) * | 1987-07-01 | 1990-11-06 | Nec Corporation | Image processing system operable in cooperation with a recording medium |
AUPR899401A0 (en) * | 2001-11-21 | 2001-12-13 | Cea Technologies Pty Limited | Method and apparatus for non-motion detection |
US8059865B2 (en) * | 2007-11-09 | 2011-11-15 | The Nielsen Company (Us), Llc | Methods and apparatus to specify regions of interest in video frames |
-
2009
- 2009-03-06 CN CN2009100792796A patent/CN101576952B/zh active Active
- 2009-07-28 US US12/511,058 patent/US20100310122A1/en not_active Abandoned
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1731855A (zh) * | 2005-08-26 | 2006-02-08 | 北京中星微电子有限公司 | 一种运动检测方法 |
CN101026685A (zh) * | 2007-03-23 | 2007-08-29 | 北京中星微电子有限公司 | 一种静止物体检测的方法及*** |
CN101321287A (zh) * | 2008-07-08 | 2008-12-10 | 浙江大学 | 基于运动目标检测的视频编码方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751669A (zh) * | 2009-12-17 | 2010-06-23 | 北京中星微电子有限公司 | 一种静止物体检测方法和装置 |
CN101751669B (zh) * | 2009-12-17 | 2014-03-26 | 北京中星微电子有限公司 | 一种静止物体检测方法和装置 |
CN101799872A (zh) * | 2010-04-12 | 2010-08-11 | 中国科学院自动化研究所 | 一种场景图像的全局结构信息特征的提取方法 |
CN101826157A (zh) * | 2010-04-28 | 2010-09-08 | 华中科技大学 | 一种地面静止目标实时识别跟踪方法 |
CN101826157B (zh) * | 2010-04-28 | 2011-11-30 | 华中科技大学 | 一种地面静止目标实时识别跟踪方法 |
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 |
CN106296752A (zh) * | 2016-08-22 | 2017-01-04 | 赖世权 | 基于图像处理的监控*** |
CN109409288A (zh) * | 2018-10-25 | 2019-03-01 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN109409288B (zh) * | 2018-10-25 | 2022-02-01 | 北京市商汤科技开发有限公司 | 图像处理方法、装置、电子设备和存储介质 |
CN111839444A (zh) * | 2019-04-25 | 2020-10-30 | 天津御锦人工智能医疗科技有限公司 | 一种基于图像识别匹配的肠镜镜头静止检测方法 |
CN113744259A (zh) * | 2021-09-14 | 2021-12-03 | 北京林业大学 | 基于灰度值增加数量序列的森林火灾烟雾检测方法和设备 |
CN113744259B (zh) * | 2021-09-14 | 2023-05-05 | 北京林业大学 | 基于灰度值增加数量序列的森林火灾烟雾检测方法和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN101576952B (zh) | 2013-10-16 |
US20100310122A1 (en) | 2010-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101576952B (zh) | 一种检测静止目标的方法和装置 | |
CN102811343B (zh) | 一种基于行为识别的智能视频监控*** | |
CN100544446C (zh) | 用于视频监控的实时运动检测方法 | |
CN101141633B (zh) | 一种复杂场景中的运动目标检测与跟踪方法 | |
CN105744232B (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
CN102542289B (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
CN103077423B (zh) | 基于视频流的人群数量估计、局部人群聚集状态以及人群跑动状态检测方法 | |
EP1560161B1 (en) | Method and system for searching for events in video surveillance | |
CN106571014A (zh) | 一种在视频中识别异常动作的方法和*** | |
CN104091348A (zh) | 融合显著特征和分块模板的多目标跟踪方法 | |
CN113096397B (zh) | 基于毫米波雷达与视频检测的交通拥堵分析方法 | |
CN104408932A (zh) | 一种基于视频监控的酒驾车辆检测*** | |
CN104378582A (zh) | 一种基于ptz摄像机巡航的智能视频分析***及方法 | |
CN101872418A (zh) | 基于群体环境异常行为的检测方法 | |
CN101295405A (zh) | 人像与车辆识别报警跟踪方法 | |
CN103426179B (zh) | 一种基于均值偏移多特征融合的目标跟踪方法及装置 | |
Bloisi et al. | Argos—A video surveillance system for boat traffic monitoring in Venice | |
CN102447835A (zh) | 无盲区多目标协同跟踪方法及*** | |
CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
CN100565557C (zh) | 基于粒子动态采样模型的红外人体目标跟踪*** | |
CN110298323B (zh) | 基于视频分析的打架检测方法、***、装置 | |
CN106128121A (zh) | 基于局部特征分析的车辆排队长度快速检测算法 | |
CN110633678B (zh) | 一种基于视频图像的快速高效的车流量计算方法 | |
CN105844659A (zh) | 运动部件的跟踪方法和装置 | |
CN107516423B (zh) | 一种基于视频的车辆行驶方向检测方法 |
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: 20210219 Address after: No. 607, 6th floor, shining building, 35 Xueyuan Road, Haidian District, Beijing 100083 Patentee after: BEIJING VIMICRO ARTIFICIAL INTELLIGENCE CHIP TECHNOLOGY Co.,Ltd. Address before: 100083, Haidian District, Xueyuan Road, Beijing No. 35, Nanjing Ning building, 15 Floor Patentee before: Vimicro Corp. |
|
TR01 | Transfer of patent right |