CN101859440A - 基于块的运动区域检测方法 - Google Patents
基于块的运动区域检测方法 Download PDFInfo
- Publication number
- CN101859440A CN101859440A CN201010187334A CN201010187334A CN101859440A CN 101859440 A CN101859440 A CN 101859440A CN 201010187334 A CN201010187334 A CN 201010187334A CN 201010187334 A CN201010187334 A CN 201010187334A CN 101859440 A CN101859440 A CN 101859440A
- Authority
- CN
- China
- Prior art keywords
- difference
- pixel
- block
- image
- sub
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及视频分析和监控技术,尤其涉及监控视频序列中的基于块的运动区域检测方法,以像素子块为最小检测单位,通过统计方法将像素点差异转化为像素子块差异,其设定在背景建模基础上,利用背景差法在时空上统计噪声水平,随后将待检测的图像划分为相互重叠的像素子块,以背景为参考帧,通过统计像素子块内各像素点与参考背景对应像素点的亮度、梯度以及梯度方向差异以判断该像素子块中是否存在运动目标,本发明可以有效处理低对比度场景,抑制均匀光照变化,保证运动区域完整性。
Description
技术领域
本发明涉及视频分析和监控技术,尤其涉及监控视频序列中的基于块的运动区域检测方法。
背景技术
视频的运动目标检测算法主要有背景差法,帧间差法和光流法。光流法采用运动目标随时间变化的光流特性,主要优点在于目标在帧间的运动限制较少;缺点是计算方法复杂,实时性难以保证。帧间法是根据相邻帧之间的差别检测运动目标。帧间差法具有较强的场景变化适应能力,抗场景干扰能力比较强,能避免场景中光照变化的干扰,缺点是在会动目标内部产生“空洞”现象,一般很难完整地分割处运动目标,不利于进一步分析。
背景差法是目前最通用也最有效的方法,它是利用场景信息,建立一个没有运动目标的背景模型,并将其与当前帧进行比较从而检测运动目标。但它的缺点是对场景的干扰比较敏感,不能很好地适应光照的突然变化,而且还无法识别各种摇摆树枝或水流等动态背景。
发明内容
本发明针对现有技术中背景差法对场景的干扰比较敏感,不能很好地适应光照的突然变化,而且还无法识别各种摇摆树枝或水流等动态背景等缺点,提供了一种设定在背景建模基础上,利用背景差法在时空上统计噪声水平,随后将待检测的图像划分为相互重叠的像素子块,以背景为参考帧,通过统计像素子块内像素点与参考背景对应像素点的亮度、梯度以及梯度方向差异以判断该像素子块中是否存在运动目标的基于块的运动区域检测方法。该方法能够排除低对比度、光照变化以及噪声等干扰,快速有效地得到完整的运动目标区域。
为了解决上述技术问题,本发明通过下述技术方案得以解决:
基于块的运动区域检测方法,以像素子块为最小检测单位,通过统计方法将像素点差异转化为像素子块差异,具体检测方法包括以下步骤:
a.背景建模,输入待检测图像与参考背景图像;
b.将待检测图像按比例缩放,得到大尺度待检测图像,同样处理参考背景图像,得到大尺度参考背景;
c.对首帧图像给定所有尺度预设的噪声值,其它帧图像则按步骤d-g进行估计;
d.在大尺度下分别计算待检测图像和参考背景图像亮度均值,两者不相等进入步骤e,反之进入步骤f;
e.对所有尺度参考背景图像进行等比补偿,得到新的参考背景图像,进入步骤h;
f.重采样像素点对,计算它们亮度差平方和的均值,得到各尺度下当前帧的噪声估计值;
g.连续N帧噪声估计值的均值作为当前帧的噪声值,根据该值得到亮度差阈值T1、梯度阈值T2、梯度差阈值T3;
h.以背景为参考帧,将大尺度待检测图像划分为相互重叠的像素子块;
i.对像素子块进行多特征差异统计,根据统计结果标记该子块为前景、背景或需二次处理;
j.将大尺度下判断为需二次处理的块映射到小尺度上并将其细分为若干像素子块,返回步骤i;如判断无需二次处理的块时,则检测完成,输出各运动目标所在区域;
k.根据检测结果重采样像素点对,统计像素点对亮度比值的均值和方差,若均值与1的绝对差大于预设阈值且方差小于预设阈值,则更新参考背景图像。基于像素子块的统计提高了算法鲁棒性,抑制噪声干扰,有效保证了目标区域的完整性。基于多尺度的策略提高了算法效率。
输入为待检测图像与参考背景图像,输出为各运动目标所在区域。将待检测图像进行高斯滤波后按比例缩放,得到大尺度待检测图像,同样处理参考背景图像,得到大尺度参考背景。对首帧图像给定所有尺度预设的噪声值,其它帧图像则按下述方法进行估计。
对大尺度待检测图像和参考背景图像所有对应像素点对采样,采样点对总数达到2000以上,采样时去除亮度值过高或过低的像素点对。统计采样的像素点对的亮度差,得到大小为511的直方图。寻找该直方图最大值,重采样像素点对,采样时去除亮度值过高或过低的像素点对,同时去除亮度差绝对值大于上帧噪声值相关阈值的像素点对。根据采样的像素点对分别计算待检测图像和参考背景图像亮度均值。
若待检测图像和参考背景图像亮度均值不相等,则对所有尺度参考背景图像进行等比补偿,得到新的参考背景图像。反之,对各尺度待检测图像和参考背景图像所有对应像素点对采样,采样点对总数达到2000以上,采样时去除亮度值过高或过低的像素点对。计算采样的像素点对的亮度差平方和的均值,开方后得到各尺度下当前帧的噪声估计值。连续N帧噪声估计值的均值作为当前帧的噪声值。根据该值得到亮度差阈值T1、梯度阈值T2、梯度差阈值T3。计算大尺度下待检测图像与参考背景图像对应像素点的亮度、梯度以及梯度角度差异三张积分图,用于后续统计。
将大尺度待检测图像划分为相互重叠的像素子块,统计像素子块内与大尺度参考背景图像对应像素点亮度差异超过比例K的点数N,剩余像素点集合设为φ1。统计φ1中与参考背景图像对应像素点亮度差异大于阈值T1的点数N1。φ1中梯度大于阈值T2的点的集合设为φ2,总点数设为N2,统计φ2中梯度差异大于阈值T3的点数N3以及梯度角度差异大于阈值α的点数N4。若N2+N>=H1且3N3<4(N2+N)、或N2+N<H1且N1+N>H2,标记该子块为前景;若N2+N>=H1且2N3>N2+N且3N3<4(N2+N),该子块需二次处理;其他子块都标记为背景。其中阈值T1、T2、T3根据噪声水平自适应,阈值α根据噪声水平以及梯度大小自适应,阈值H1和H2为设定值。
将大尺度下判断为需二次处理的块映射到小尺度上并将其细分为若干像素子块后分别进行差异统计。二次处理时的差异统计与上面所述相似,区别在于不统计像素子块内与参考背景点亮度差异超过比例K的点数,同时阈值H1和H2的设定不同。得到各运动目标所在区域后,对待检测图像和参考背景图像除各运动目标所在区域外所有对应像素点对采样,采样点对总数达到2000以上,采样时去除亮度值过高或过低的像素点对。统计像素点对亮度比值的均值和方差,若均值与1的绝对差大于预设阈值且方差小于预设阈值,则更新参考背景图像。
作为优选,所述的步骤b中,将待检测图像按比例缩放前进行高斯滤波。
作为优选,所述的步骤d和f中,重采样像素点对时去除亮度值过高或过低的像素点对,同时去除亮度差绝对值大于首帧噪声值相关阈值的像素点对。
作为优选,所述的步骤g中的噪声估计值采用采用了在线的噪声估计策略,根据直方图统计同时处理光照补偿与噪声估计,能够自适应各种噪声水平下的场景,保证了噪声水平在时间上的一致性。
作为优选,所述步骤k中进行了参考背景的全局光照补偿。全局统计的光照补偿能有效处理全局光照变化,通过对参考背景图像的反馈增强了对全局光照变化的适应性。
作为优选,所述的步骤i中将大尺度待检测图像划分为相互重叠的像素子块后,统计像素子块内与参考背景点亮度差异超过比例K的点数N,剩余像素点集合设为φ1;统计φ1中与参考背景点亮度差异大于阈值T1的点数N1;φ1中梯度大于阈值T2的点的集合设为φ1,总点数设为N2,统计φ1中梯度差异大于阈值T3的点数N3以及梯度角度差异大于阈值α的点数N4。
作为优选,所述的步骤i中的多特征差异统计为亮度差、梯度差以及梯度角度差异统计。基于亮度、梯度以及梯度角度差异的多特征能够有效抑制光照变化影响和噪声干扰,提高了低对比度场景下的检测能力。
作为优选,大尺度下处理时统计像素子块内与参考背景点亮度差异超过比例K的点数,无法确定的像素子块传递到小尺度上进行二次处理。
本发明设定在背景建模基础上,利用背景差法在时空上统计噪声水平,随后将待检测的图像划分为相互重叠的像素子块,以背景为参考帧,通过统计像素子块内像素点与参考背景对应像素点的亮度、梯度以及梯度方向差异以判断该像素子块中是否存在运动目标。本发明能够排除低对比度、光照变化以及噪声等干扰,快速有效地得到完整的运动目标区域。
具体实施方式
下面结合具体实施方式对本发明作进一步详细描述:
实施例1
基于块的运动区域检测方法,以像素子块为最小检测单位,通过统计方法将像素点差异转化为像素子块差异,具体检测方法包括以下步骤:
a.背景建模,输入待检测图像与参考背景图像;
b.将待检测图像按比例缩放,得到大尺度待检测图像,同样处理参考背景图像,得到大尺度参考背景;
c.对首帧图像给定所有尺度预设的噪声值,其它帧图像则按步骤d-g进行估计;
d.在大尺度下分别计算待检测图像和参考背景图像亮度均值,两者不相等进入步骤e,反之进入步骤f;
e.对所有尺度参考背景图像进行等比补偿,得到新的参考背景图像,进入步骤h;
f.重采样像素点对,计算它们亮度差平方和的均值,得到各尺度下当前帧的噪声估计值;
g.连续N帧噪声估计值的均值作为当前帧的噪声值,根据该值得到亮度差阈值T1、梯度阈值T2、梯度差阈值T3;
h.以背景为参考帧,将大尺度待检测图像划分为相互重叠的像素子块;
i.对像素子块进行多特征差异统计,根据统计结果标记该子块为前景、背景或需二次处理;
j.将大尺度下判断为需二次处理的块映射到小尺度上并将其细分为若干像素子块,返回步骤i;如判断无需二次处理的块时,则检测完成,输出各运动目标所在区域;
k.根据检测结果重采样像素点对,统计像素点对亮度比值的均值和方差,若均值与1的绝对差大于预设阈值且方差小于预设阈值,则更新参考背景图像。
基于像素子块的统计提高了算法鲁棒性,抑制噪声干扰,有效保证了目标区域的完整性。基于多尺度的策略提高了算法效率。
输入为待检测图像与参考背景图像,输出为各运动目标所在区域。将待检测图像进行高斯滤波后按比例缩放,得到大尺度待检测图像,同样处理参考背景图像,得到大尺度参考背景。对首帧图像给定所有尺度预设的噪声值,其它帧图像则按下述方法进行估计。
对大尺度待检测图像和参考背景图像所有对应像素点对采样,采样点对总数达到2000以上,采样时去除亮度值过高或过低的像素点对。统计采样的像素点对的亮度差,得到大小为511的直方图。寻找该直方图最大值,重采样像素点对,采样时去除亮度值过高或过低的像素点对,同时去除亮度差绝对值大于上帧噪声值相关阈值的像素点对。根据采样的像素点对分别计算待检测图像和参考背景图像亮度均值。
若待检测图像和参考背景图像亮度均值不相等,则对所有尺度参考背景图像进行等比补偿,得到新的参考背景图像。反之,对各尺度待检测图像和参考背景图像所有对应像素点对采样,采样点对总数达到2000以上,采样时去除亮度值过高或过低的像素点对。计算采样的像素点对的亮度差平方和的均值,开方后得到各尺度下当前帧的噪声估计值。连续N帧噪声估计值的均值作为当前帧的噪声值。根据该值得到亮度差阈值T1、梯度阈值T2、梯度差阈值T3。计算大尺度下待检测图像与参考背景图像对应像素点的亮度、梯度以及梯度角度差异三张积分图,用于后续统计。
将大尺度待检测图像划分为相互重叠的像素子块,统计像素子块内与大尺度参考背景图像对应像素点亮度差异超过比例K的点数N,剩余像素点集合设为φ1。统计φ1中与参考背景图像对应像素点亮度差异大于阈值T1的点数N1。φ1中梯度大于阈值T2的点的集合设为φ2,总点数设为N2,统计φ2中梯度差异大于阈值T3的点数N3以及梯度角度差异大于阈值α的点数N4。若N2+N>=H1且3N3<4(N2+N)、或N2+N<H1且N1+N>H2,标记该子块为前景;若N2+N>=H1且2N3>N2+N且3N3<4(N2+N),该子块需二次处理;其他子块都标记为背景。其中阈值T1、T2、T3根据噪声水平自适应,阈值α根据噪声水平以及梯度大小自适应,阈值H1和H2为设定值。
将大尺度下判断为需二次处理的块映射到小尺度上并将其细分为若干像素子块后分别进行差异统计。二次处理时的差异统计与上面所述相似,区别在于不统计像素子块内与参考背景点亮度差异超过比例K的点数,同时阈值H1和H2的设定不同。得到各运动目标所在区域后,对待检测图像和参考背景图像除各运动目标所在区域外所有对应像素点对采样,采样点对总数达到2000以上,采样时去除亮度值过高或过低的像素点对。统计像素点对亮度比值的均值和方差,若均值与1的绝对差大于预设阈值且方差小于预设阈值,则更新参考背景图像。
步骤b中,将待检测图像按比例缩放前进行高斯滤波。
步骤d和f中,重采样像素点对时去除亮度值过高或过低的像素点对,同时去除亮度差绝对值大于首帧噪声值相关阈值的像素点对。
步骤g中的噪声估计值采用采用了在线的噪声估计策略,根据直方图统计同时处理光照补偿与噪声估计,能够自适应各种噪声水平下的场景,保证了噪声水平在时间上的一致性。
步骤k中进行了参考背景的全局光照补偿。全局统计的光照补偿能有效处理全局光照变化,通过对参考背景图像的反馈增强了对全局光照变化的适应性。
i中将大尺度待检测图像划分为相互重叠的像素子块后,统计像素子块内与参考背景点亮度差异超过比例K的点数N,剩余像素点集合设为φ1;统计φ1中与参考背景点亮度差异大于阈值T1的点数N1;φ1中梯度大于阈值T2的点的集合设为φ1,总点数设为N2,统计φ1中梯度差异大于阈值T3的点数N3以及梯度角度差异大于阈值α的点数N4。
步骤i中的多特征差异统计为亮度差、梯度差以及梯度角度差异统计。基于亮度、梯度以及梯度角度差异的多特征能够有效抑制光照变化影响和噪声干扰,提高了低对比度场景下的检测能力。
大尺度下处理时统计像素子块内与参考背景点亮度差异超过比例K的点数,无法确定的像素子块传递到小尺度上进行二次处理。
总之,以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所作的均等变化与修饰,皆应属本发明专利的涵盖范围。
Claims (8)
1.基于块的运动区域检测方法,以像素子块为最小检测单位,通过统计方法将像素点差异转化为像素子块差异,其特征在于:具体检测方法包括以下步骤:
a.背景建模,输入待检测图像与参考背景图像;
b.将待检测图像按比例缩放,得到大尺度待检测图像,同样处理参考背景图像,得到大尺度参考背景;
c.对首帧图像给定所有尺度预设的噪声值,其它帧图像则按步骤d-g进行估计;
d.在大尺度下分别计算待检测图像和参考背景图像亮度均值,两者不相等进入步骤e,反之进入步骤f;
e.对所有尺度参考背景图像进行等比补偿,得到新的参考背景图像,进入步骤h;
f.重采样像素点对,计算它们亮度差平方和的均值,得到各尺度下当前帧的噪声估计值;
g.连续N帧噪声估计值的均值作为当前帧的噪声值,根据该值得到亮度差阈值T1、梯度阈值T2、梯度差阈值T3;
h.以背景为参考帧,将大尺度待检测图像划分为相互重叠的像素子块;
i.对像素子块进行多特征差异统计,根据统计结果标记该子块为前景、背景或需二次处理;
j.将大尺度下判断为需二次处理的块映射到小尺度上并将其细分为若干像素子块,返回步骤i;如判断无需二次处理的块时,则检测完成,输出各运动目标所在区域;
k.根据检测结果重采样像素点对,统计像素点对亮度比值的均值和方差,若均值与1的绝对差大于预设阈值且方差小于预设阈值,则更新参考背景图像。
2.根据权利要求1所述的基于块的运动区域检测方法,其特征在于:所述的步骤b中,将待检测图像按比例缩放前进行高斯滤波。
3.根据权利要求1所述的基于块的运动区域检测方法,其特征在于:所述的步骤d和f中,重采样像素点对时去除亮度值过高或过低的像素点对,同时去除亮度差绝对值大于首帧噪声值相关阈值的像素点对。
4.根据权利要求1所述的基于块的运动区域检测方法,其特征在于:所述的步骤g中的噪声估计值采用采用了在线的噪声估计策略,保证了噪声水平在时间上的一致性。
5.根据权利要求1所述的基于块的运动区域检测方法,其特征在于:所述的步骤k中进行了参考背景的全局光照补偿。
6.根据权利要求1或2或3或4或5所述的基于块的运动区域检测方法,其特征在于:所述的步骤i中将大尺度待检测图像划分为相互重叠的像素子块后,统计像素子块内与参考背景点亮度差异超过比例K的点数N,剩余像素点集合设为φ1;统计φ1中与参考背景点亮度差异大于阈值T1的点数N1;φ1中梯度大于阈值T2的点的集合设为φ1,总点数设为N2,统计φ1中梯度差异大于阈值T3的点数N3以及梯度角度差异大于阈值α的点数N4。
7.根据权利要求1或2或3或4或5所述的基于块的运动区域检测方法,其特征在于:所述的步骤i中的多特征差异统计为亮度差、梯度差以及梯度角度差异统计。
8.根据权利要求1所述的基于块的运动区域检测方法,其特征在于:大尺度下处理时统计像素子块内与参考背景点亮度差异超过比例K的点数,无法确定的像素子块传递到小尺度上进行二次处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010187334A CN101859440A (zh) | 2010-05-31 | 2010-05-31 | 基于块的运动区域检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010187334A CN101859440A (zh) | 2010-05-31 | 2010-05-31 | 基于块的运动区域检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101859440A true CN101859440A (zh) | 2010-10-13 |
Family
ID=42945328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010187334A Pending CN101859440A (zh) | 2010-05-31 | 2010-05-31 | 基于块的运动区域检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101859440A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102222340A (zh) * | 2011-06-30 | 2011-10-19 | 东软集团股份有限公司 | 前景检测方法及*** |
CN102867308A (zh) * | 2012-09-11 | 2013-01-09 | 大连理工大学 | 一种电脑输出视频图像变化检测的方法 |
CN102932582A (zh) * | 2012-10-26 | 2013-02-13 | 华为技术有限公司 | 实现运动检测的方法及装置 |
CN103548055A (zh) * | 2011-06-14 | 2014-01-29 | Eizo株式会社 | 运动图像区域判定装置或其方法 |
CN103729830A (zh) * | 2013-12-31 | 2014-04-16 | 北京交通大学 | 一种机场跑道雷达图像背景抑制算法 |
CN104718562A (zh) * | 2012-10-17 | 2015-06-17 | 富士通株式会社 | 图像处理装置、图像处理程序以及图像处理方法 |
TWI499291B (zh) * | 2012-01-05 | 2015-09-01 | Univ Nat Taiwan | 視訊資料之雜訊估測方法及系統 |
CN105830433A (zh) * | 2014-04-11 | 2016-08-03 | Hoya株式会社 | 图像处理设备 |
CN108833801A (zh) * | 2018-07-11 | 2018-11-16 | 深圳合纵视界技术有限公司 | 基于图像序列的自适应运动检测方法 |
CN109785356A (zh) * | 2018-12-18 | 2019-05-21 | 北京中科晶上超媒体信息技术有限公司 | 一种视频图像的背景建模方法 |
CN110796651A (zh) * | 2019-10-29 | 2020-02-14 | 杭州阜博科技有限公司 | 图像质量的预测方法及装置、电子设备、存储介质 |
CN111031256A (zh) * | 2019-11-15 | 2020-04-17 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN111652913A (zh) * | 2020-04-30 | 2020-09-11 | 钱丽丽 | 基于图像分析的室内抗干扰运动识别方法 |
CN112950484A (zh) * | 2019-12-11 | 2021-06-11 | 鸣医(上海)生物科技有限公司 | 一种对摄影影像进行颜色污染祛除的方法 |
CN113012185A (zh) * | 2021-03-26 | 2021-06-22 | 影石创新科技股份有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN117201798A (zh) * | 2023-11-06 | 2023-12-08 | 深圳市翔洲宏科技有限公司 | 一种远程视频监控摄像头信息传输方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003189123A (ja) * | 2001-12-17 | 2003-07-04 | Chuo Electronics Co Ltd | 画像を用いた高感度の動き検出方法 |
CN101076090A (zh) * | 2006-05-19 | 2007-11-21 | 深圳艾科创新微电子有限公司 | 一种对运动检测结果进行优化的方法 |
CN101098462A (zh) * | 2007-07-12 | 2008-01-02 | 上海交通大学 | 结合色度偏差和亮度偏差的视频运动目标检测方法 |
CN101236656A (zh) * | 2008-02-29 | 2008-08-06 | 上海华平信息技术股份有限公司 | 基于块划分的图像中运动目标的检测方法 |
US20100091126A1 (en) * | 2008-10-14 | 2010-04-15 | Sony Corporation | Method and unit for motion detection based on a difference histogram |
-
2010
- 2010-05-31 CN CN201010187334A patent/CN101859440A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003189123A (ja) * | 2001-12-17 | 2003-07-04 | Chuo Electronics Co Ltd | 画像を用いた高感度の動き検出方法 |
CN101076090A (zh) * | 2006-05-19 | 2007-11-21 | 深圳艾科创新微电子有限公司 | 一种对运动检测结果进行优化的方法 |
CN101098462A (zh) * | 2007-07-12 | 2008-01-02 | 上海交通大学 | 结合色度偏差和亮度偏差的视频运动目标检测方法 |
CN101236656A (zh) * | 2008-02-29 | 2008-08-06 | 上海华平信息技术股份有限公司 | 基于块划分的图像中运动目标的检测方法 |
US20100091126A1 (en) * | 2008-10-14 | 2010-04-15 | Sony Corporation | Method and unit for motion detection based on a difference histogram |
Non-Patent Citations (1)
Title |
---|
《MVA2007 IAPR Conference on Machine Vision Applications》 20070518 Simon Denman等 Robust Real Time Multi-Layer Foreground Segmentation , 2 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103548055A (zh) * | 2011-06-14 | 2014-01-29 | Eizo株式会社 | 运动图像区域判定装置或其方法 |
CN103548055B (zh) * | 2011-06-14 | 2016-02-17 | Eizo株式会社 | 运动图像区域判定装置或其方法 |
CN102222340A (zh) * | 2011-06-30 | 2011-10-19 | 东软集团股份有限公司 | 前景检测方法及*** |
CN102222340B (zh) * | 2011-06-30 | 2013-04-10 | 东软集团股份有限公司 | 前景检测方法及*** |
TWI499291B (zh) * | 2012-01-05 | 2015-09-01 | Univ Nat Taiwan | 視訊資料之雜訊估測方法及系統 |
CN102867308B (zh) * | 2012-09-11 | 2015-06-03 | 大连理工大学 | 一种电脑输出视频图像变化检测的方法 |
CN102867308A (zh) * | 2012-09-11 | 2013-01-09 | 大连理工大学 | 一种电脑输出视频图像变化检测的方法 |
CN104718562A (zh) * | 2012-10-17 | 2015-06-17 | 富士通株式会社 | 图像处理装置、图像处理程序以及图像处理方法 |
CN104718562B (zh) * | 2012-10-17 | 2018-07-06 | 富士通株式会社 | 图像处理装置以及图像处理方法 |
CN102932582B (zh) * | 2012-10-26 | 2015-05-27 | 华为技术有限公司 | 实现运动检测的方法及装置 |
CN102932582A (zh) * | 2012-10-26 | 2013-02-13 | 华为技术有限公司 | 实现运动检测的方法及装置 |
US9142032B2 (en) | 2012-10-26 | 2015-09-22 | Huawei Technologies Co., Ltd. | Method and apparatus for implementing motion detection |
CN103729830A (zh) * | 2013-12-31 | 2014-04-16 | 北京交通大学 | 一种机场跑道雷达图像背景抑制算法 |
CN103729830B (zh) * | 2013-12-31 | 2016-06-22 | 北京交通大学 | 一种机场跑道雷达图像背景抑制方法 |
CN105830433B (zh) * | 2014-04-11 | 2017-12-05 | Hoya株式会社 | 图像处理设备 |
CN105830433A (zh) * | 2014-04-11 | 2016-08-03 | Hoya株式会社 | 图像处理设备 |
CN108833801B (zh) * | 2018-07-11 | 2021-01-05 | 深圳棱镜空间智能科技有限公司 | 基于图像序列的自适应运动检测方法 |
CN108833801A (zh) * | 2018-07-11 | 2018-11-16 | 深圳合纵视界技术有限公司 | 基于图像序列的自适应运动检测方法 |
CN109785356A (zh) * | 2018-12-18 | 2019-05-21 | 北京中科晶上超媒体信息技术有限公司 | 一种视频图像的背景建模方法 |
CN109785356B (zh) * | 2018-12-18 | 2021-02-05 | 北京中科晶上超媒体信息技术有限公司 | 一种视频图像的背景建模方法 |
CN110796651A (zh) * | 2019-10-29 | 2020-02-14 | 杭州阜博科技有限公司 | 图像质量的预测方法及装置、电子设备、存储介质 |
CN111031256A (zh) * | 2019-11-15 | 2020-04-17 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN111031256B (zh) * | 2019-11-15 | 2021-04-23 | Oppo广东移动通信有限公司 | 图像处理方法、装置、存储介质及电子设备 |
CN112950484A (zh) * | 2019-12-11 | 2021-06-11 | 鸣医(上海)生物科技有限公司 | 一种对摄影影像进行颜色污染祛除的方法 |
CN111652913A (zh) * | 2020-04-30 | 2020-09-11 | 钱丽丽 | 基于图像分析的室内抗干扰运动识别方法 |
CN111652913B (zh) * | 2020-04-30 | 2023-08-29 | 钱丽丽 | 基于图像分析的室内抗干扰运动识别方法 |
CN113012185A (zh) * | 2021-03-26 | 2021-06-22 | 影石创新科技股份有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN113012185B (zh) * | 2021-03-26 | 2023-08-29 | 影石创新科技股份有限公司 | 图像处理方法、装置、计算机设备和存储介质 |
CN117201798A (zh) * | 2023-11-06 | 2023-12-08 | 深圳市翔洲宏科技有限公司 | 一种远程视频监控摄像头信息传输方法及*** |
CN117201798B (zh) * | 2023-11-06 | 2024-03-15 | 深圳市翔洲宏科技有限公司 | 一种远程视频监控摄像头信息传输方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101859440A (zh) | 基于块的运动区域检测方法 | |
CN102568005B (zh) | 一种基于混合高斯模型的运动目标检测方法 | |
CN109711304B (zh) | 一种人脸特征点定位方法及装置 | |
CN102982537B (zh) | 一种检测场景变换的方法和*** | |
CN104268519B (zh) | 基于模式匹配的图像识别终端及其识别方法 | |
CN106296725A (zh) | 运动目标实时检测与跟踪方法及目标检测装置 | |
CN106851302B (zh) | 一种基于帧内编码压缩域的监控视频运动目标检测方法 | |
CN102208101A (zh) | 一种红外图像的自适应线性变换增强方法 | |
CN102148959A (zh) | 一种视频监控***及其图像的运动目标检测方法 | |
CN103679745B (zh) | 一种运动目标检测方法及装置 | |
CN101923637B (zh) | 一种移动终端及其人脸检测方法和装置 | |
CN102025981A (zh) | 一种监控视频中的前景检测的方法 | |
CN102663362A (zh) | 一种基于灰度特征的运动目标检测方法 | |
CN102348048A (zh) | 一种自适应时空域累积滤波和色调映射的视频增强方法 | |
CN102663384A (zh) | 基于贝塞尔控制点搜索的曲线识别方法及装置 | |
CN112561951A (zh) | 一种基于帧差绝对误差和sad的运动和亮度检测方法 | |
Lu et al. | Novel Gaussian mixture model background subtraction method for detecting moving objects | |
CN102006462A (zh) | 利用运动信息的快速监控视频增强方法及其实现装置 | |
CN103632373B (zh) | 一种三帧差分高阶统计量结合otsu算法的絮体检测方法 | |
CN103996199A (zh) | 一种基于深度信息的运动检测方法 | |
WO2006131866A3 (en) | Method and system for image processing | |
Miura et al. | The examination of the image correction of the moving-object detection for low illumination video image | |
CN111950518A (zh) | 一种用于暴力行为识别的视频图像增强方法 | |
Zhou et al. | Denoising method using a moving-average filter for the moving-object recognition of low-illuminance video-image | |
CN104469361B (zh) | 一种具有运动自适应性的视频删帧取证方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20101013 |