CN104616006A - 一种面向监控视频的胡须人脸检测方法 - Google Patents
一种面向监控视频的胡须人脸检测方法 Download PDFInfo
- Publication number
- CN104616006A CN104616006A CN201510105012.5A CN201510105012A CN104616006A CN 104616006 A CN104616006 A CN 104616006A CN 201510105012 A CN201510105012 A CN 201510105012A CN 104616006 A CN104616006 A CN 104616006A
- Authority
- CN
- China
- Prior art keywords
- region
- face
- frame
- beard
- human body
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000010606 normalization Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 19
- 210000000746 body region Anatomy 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 4
- 230000001815 facial effect Effects 0.000 claims description 3
- 238000005311 autocorrelation function Methods 0.000 claims description 2
- 230000007797 corrosion Effects 0.000 claims description 2
- 238000005260 corrosion Methods 0.000 claims description 2
- 238000005111 flow chemistry technique Methods 0.000 claims description 2
- 230000033001 locomotion Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 4
- 230000000877 morphologic effect Effects 0.000 abstract description 2
- 238000011410 subtraction method Methods 0.000 abstract 1
- 230000006872 improvement Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000037237 body shape Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000036548 skin texture Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种面向监控视频的胡须人脸检测方法。该方法主要针对监控视频进行处理，首先计算机读入视频文件，解码并利用改进的背景差法结合人体上半身HOG分类器，获取存在人体上半身运动目标的区域；然后针对人体上半身运动区域的上三分之一部分，采用人脸Haar分类器检测其中可能存在的人脸区域，并截取其中的下半部分作为胡须检测区域；最后对该区域进行尺度归一化后计算其横向纹理复杂度，判断是否有胡须。该方法利用监控视频中胡须人脸的运动特征与形态特征，能可靠地检测行走、奔跑的正面直立人体中所具有的胡须人脸目标。
Description
技术领域
本发明属于面向公共安全预警的视频图像处理领域，具体涉及一种胡须人脸检测方法。
背景技术
视频监控被广泛应用于公共安全领域，为公共安全管理业务中的预警与查证提供了有力的数据与技术支撑。胡须人脸检测主要用于从海量监控视频中快速筛选面部有胡须的人员目标，可以增强公安部门对特定目标的筛选、查找效率，对预防和打击违法犯罪、追查嫌疑人员、维护社会平安等具有重要作用。但目前面向监控视频的智能分析水平还比较低，在面向监控视频的胡须人脸检测方面，尚无专门针对该应用的有效技术手段。面向监控视频的胡须人脸检测是监控视频图像处理的重要功能。其处理流程为：首先从监控视频中获取图像数据，然后提取运动区域，进一步地进行人脸检测，最后判断人脸是否具有胡须。
针对胡须人脸检测中的各个环节，在运动目标检测方面，现有方法如专利201410110812.1采用ViBe算法为视频图像帧建立背景模型，融合帧差法分割前景区域，该方法背景更新环节耗时较多，导致整体处理速度较慢；专利201110253323.8采用基于边缘检测和帧差法进行运动检测，专利201310586151.5结合相邻帧差法和混合高斯模型实现运动目标，上述方法的不足是易出现空洞区域；在人体检测方面，专利201010218630.8采用具有模糊性的模板检测多姿态人体，速度较慢；专利201310415544.X基于彩色与深度信息实现人体检测，但监控视频中颜色信息受光照影响较大；专利201110026465.0基于深度图像进行人体检测，不适用于常规的监控视频图像；在人脸纹理检测方面，专利201210351040.1利用Gabor滤波器提取人脸的纹理特征，但仅提取面部整体轮廓，不能用于表示胡须特征；此外未检索到针对人脸胡须检测的公开专利。
发明内容
本发明涉及一种面向监控视频的胡须人脸检测方法，该方法主要针对监控视频进行处理，首先在改进背景差法基础上融合人体特征实现运动人体区域检测，然后结合比例关系与Haar分类器定位人脸胡须生长区域，最后基于横向纹理复杂度判别人脸胡须状况。
本发明可从海量监控视频中快速筛选面部有络腮胡的人员目标，有助于公安部门对特定目标更好地进行筛选和查找，提高现有视频监控***的自动化、智能化程度，加强公共安全监控质量。该方法完全基于现有视频本身进行处理，无需额外触发硬件，适用范围广，智能化程度高。
下面对本发明中的技术方案阐述如下：
1、融合人体特征的改进背景差法实现运动人体区域检测
背景差法是一种经典的运动检测方法，具有计算便捷、空洞区域少的优点。HOG分类器结合了HOG特征和Adaboost分类器，常被用于提取人体躯干特征并进行分类。现有背景差法的不足是在背景刷新过程中容易导致个别背景区域被误判为运动目标。在本发明中，目的是从视频帧图像中检测胡须人脸目标，该目标属于人体上半身的一部分，而人体上半身又包含在运动区域中。基于此特点，本发明从简单背景差值检测到的运动区域中进行基于HOG分类器的人体上半身检测，当检测到人体上半身时将当前运动区域判定为有效运动区域，对当前帧进行背景更新，从而实现对背景差法的改进。其具体实现步骤为：
Step1：预先采集大量人体上半身区域图像作为正样本，并采集大量无人体上半身区域图像作为负样本，结合正负样本训练人体上半身HOG分类器；
Step2：选取起始帧图像为初始背景帧 ，其中表示该帧中像素坐标；
Step3：依次获取下一帧，令其为，为帧处理序号，为像素坐标，将当前帧与背景帧进行差分二值化运算：
其中为二值化后的差值图像，为帧处理序号，为像素坐标，为二值化阈值，可人工动态设定，一般可设置为的灰度均值；
Step4：对当前二值化差值图像进行先腐蚀后膨胀的形态学运算：
其中为形态学模板，为腐蚀后的二值图像，为膨胀后的二值图像，为帧处理序号，为像素坐标；
Step5：对提取其中的非零像素点构成的区块序列，其中为各区块，总数为n。遍历该区块序列，如果每个区块的像素数都，则当前帧不含满足要求的运动区域，获取下一帧，令，，转至Step3；若存在像素数的区块，则转至step6，其中为区块像素数量阈值，令当前帧的高、宽分别为、，可取值为；
Step6：将满足区块像素数量阈值条件的区块输入人体HOG分类器，其输出为该区块中是否存在人体上半身目标，如存在，则当前帧的该区块为满足要求的运动区域，类似地检测完当前帧的所有区块后,将当前帧更新为背景帧,即,然后获取下一帧，令，转至Step3；若当前帧所有区块均未检测到人体上半身目标，则当前帧无满足要求的运动区域，获取下一帧，令，背景帧不更新,即，转至Step3；
按上述流程处理，直至所有帧处理完毕。
2、结合比例关系与Haar分类器的人脸胡须区域定位
Haar分类器融合了Haar-like特征和Adaboost分类器，常被用于检测定位人脸区域。现有方法对整帧图像进行检测，易受无关背景中的灰度分布近似区域干扰，导致人脸检测准确率较低。在监控视频图像中，人脸位于人体上半身的顶部区域，而胡须部分又位于人脸的下半部分区域，基于此特点，本发明充分利用比例关系，采用Haar分类器对前一步骤中检测并定位到的人体上半身的顶部区域进行人脸检测，缩小搜索范围，降低背景干扰；然后从检测到的人脸区域提取其下半部分，即为待进行胡须检测的区域。具体实施步骤为：
Step1：预先采集大量人脸区域图像作为正样本，并采集大量无人脸区域图像作为负样本，结合正负样本训练人脸Haar分类器；
Step2：令人体HOG分类器检测到的人体上半身区域图像命名为，其左上角像素点坐标为，该区域高、宽分别为、，其中为帧处理序号，为该帧中的人体上半身区域序号，为像素坐标，则待进行人脸检测的区域为，其左上角像素点坐标为，该区域高、宽分别为、，其中为帧处理序号，为该帧中的人体上半身区域序号，为像素坐标；
Step3：将输入到人脸Haar分类器，输出结果即为是否存在人脸，假如存在人脸，其区域命名为，其左上角像素点坐标为，该区域高、宽分别为、，其中为帧处理序号，为该帧中的人脸区域序号，为像素坐标；
Step4：从人脸区域中获取待检测胡须的区域为，其左上角像素点坐标为，该区域高、宽分别为、，其中为帧处理序号，为该帧中的人体上半身区域序号，为像素坐标。
3、基于横向纹理复杂度的人脸胡须检测
人脸胡须反映的是局部纹理特性，因此可用纹理复杂度作为胡须检测的依据。常规方法需要计算横向和纵向两个方向的纹理复杂度。本发明利用胡须生长的方向特性，即通常胡须受重力作用有自然下垂的趋势，其纹理差异主要体现在横向，因此仅计算其横向纹理复杂度。具体实施步骤为：
Step1：针对待检测的一个胡须区域，将其归一化为灰度图像，其宽度为128，高度为64，为像素坐标，且，；
Step2：计算的横向自相关函数为：
其中，且当时，令；
Step3：构造横向自相关测度函数为：
如果，则判定当前区域为胡须人脸，否则为无胡须人脸。其中为面部粗糙度阈值，可根据已知的有胡须和无胡须状态人脸样本，分别将其对应区域按上述方法计算得到的各个横向自相关测度值，对其取均值作为。
本发明的优点在于：
1、融合人体特征的改进背景差法实现运动人体区域检测方法
（1）将含有人体上半身图像的区域判定为有效运动区域，有效降低背景被误检测为运动目标的情况；
（2）仅在检测到存在人体上半身运动区域时才更新背景，可以进一步地加快处理速度和改善背景差法的运动目标提取质量。
2、结合比例关系与Haar分类器的人脸胡须区域定位方法
（1）由于人体上半身形状特征比人脸特征更具有典型性，因此在人体上半身区域内搜索人脸的准确性优于采用单一人脸Haar分类器对整个运动区域进行搜索；
（2）结合比例关系进一步缩小人脸待搜索范围，从而提高整体处理速度和准确性。
3、基于横向纹理复杂度的人脸胡须检测方法
（1）采用纹理复杂度表示面部的粗糙程度，进而作为是否具有胡须的依据，简单直观；
（2）仅计算横向纹理复杂度，更符合人脸胡须分布规律，且减少计算量，提高处理速度。
附图说明
图1是本发明实施例的整体示意图；
图2是本发明基于改进背景差法实现人体上半身运动区域检测的示意图。
具体实施方式
下面结合图示，对本发明的优选实施例作详细介绍。
本发明的人体目标检测工作流程如图1所示，首先计算机读入视频文件，解码并利用改进的背景差法结合人体上半身HOG分类器，获取存在人体上半身运动目标的区域；然后针对人体上半身运动区域的上三分之一部分，采用人脸Haar分类器检测其中可能存在的人脸区域，并截取其中的下半部分作为胡须检测区域；最后对该区域进行尺度归一化后计算其横向纹理复杂度，判断是否有胡须。该方法利用监控视频中胡须人脸的运动特征与形态特征，能可靠地检测行走、奔跑的正面直立人体中所具有的胡须人脸目标。
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，比如更改应用领域等，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
Claims (4)
1.一种面向监控视频的胡须人脸检测方法，针对监控视频进行处理，其特征在于，首先计算机读入视频文件，解码并利用背景差法结合人体上半身HOG分类器，获取存在人体上半身运动目标的区域；然后针对人体上半身运动区域的上三分之一部分，采用人脸Haar分类器检测其中可能存在的人脸区域，并截取其中的下半部分作为胡须检测区域；最后对该区域进行尺度归一化后计算其横向纹理复杂度，判断是否有胡须。
2.根据权利要求1所述的一种面向监控视频的胡须人脸检测方法，其特征在于，所述获取存在人体上半身运动目标的区域，具体步骤如下：
Step1：预先采集大量人体上半身区域图像作为正样本，并采集大量无人体上半身区域图像作为负样本，结合正负样本训练人体上半身HOG分类器；
Step2：选取起始帧图像为初始背景帧 ，其中表示该帧中像素坐标；
Step3：依次获取下一帧，令其为，为帧处理序号，为像素坐标，将当前帧与背景帧进行差分二值化运算：
其中为二值化后的差值图像，为帧处理序号，为二值化阈值，可人工动态设定，一般可设置为的灰度均值；
Step4：对当前二值化差值图像进行先腐蚀后膨胀的形态学运算：
其中为形态学模板，为腐蚀后的二值图像，为膨胀后的二值图像，为帧处理序号；
Step5：对提取其中的非零像素点构成的区块序列，其中为各区块，总数为n，遍历该区块序列，如果每个区块的像素数都，则当前帧不含满足要求的运动区域，获取下一帧，令，，转至Step3；若存在像素数的区块，则转至step6，其中为区块像素数量阈值，令当前帧的高、宽分别为、，可取值为；
Step6：将满足区块像素数量阈值条件的区块输入人体HOG分类器，其输出为该区块中是否存在人体上半身目标，如存在，则当前帧的该区块为满足要求的运动区域，类似地检测完当前帧的所有区块后,将当前帧更新为背景帧,即,然后获取下一帧，令，转至Step3；若当前帧所有区块均未检测到人体上半身目标，则当前帧为无满足要求的运动区域，获取下一帧，令，背景帧不更新,即，转至Step3；
按上述流程处理，直至所有帧处理完毕。
3.根据权利要求1所述的一种面向监控视频的胡须人脸检测方法，其特征在于，所述截取其中的下半部分作为胡须检测区域，具体步骤如下：
Step3.1：预先采集大量人脸区域图像作为正样本，并采集大量无人脸区域图像作为负样本，结合正负样本训练人脸Haar分类器；
Step3.2：令人体HOG分类器检测到的人体上半身区域图像命名为，其左上角像素点坐标为，该区域高、宽分别为、，其中为帧处理序号，为该帧中的人体上半身区域序号，则待进行人脸检测的区域为，其左上角像素点坐标为，该区域高、宽分别为、，其中为帧处理序号，为该帧中的人体上半身区域序号；
Step3.3：将输入到人脸Haar分类器，输出结果即为是否存在人脸，假如存在人脸，其区域命名为，其左上角像素点坐标为，该区域高、宽分别为、，其中为帧处理序号，为该帧中的人脸区域序号；
Step3.4：从人脸区域中获取待检测胡须的区域为，其左上角像素点坐标为，该区域高、宽分别为、，其中为帧处理序号，为该帧中的人体上半身区域序号。
4.根据权利要求1所述的一种面向监控视频的胡须人脸检测方法，其特征在于，所述对区域进行尺度归一化后计算其横向纹理复杂度，判断是否有胡须，具体步骤如下：
Step4.1：针对待检测的一个胡须区域，将其归一化为灰度图像，其宽度为128，高度为64，为像素坐标，且，；
Step4.2：计算的横向自相关函数为：
其中，且当时，令；
Step4.3：构造横向自相关测度函数为：
如果，则判定当前区域为胡须人脸，否则为无胡须人脸，其中为面部粗糙度阈值，根据已知的有胡须和无胡须状态人脸样本，分别将其对应区域按上述方法计算得到的各个横向自相关测度值，对其取均值作为。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510105012.5A CN104616006B (zh) | 2015-03-11 | 2015-03-11 | 一种面向监控视频的胡须人脸检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510105012.5A CN104616006B (zh) | 2015-03-11 | 2015-03-11 | 一种面向监控视频的胡须人脸检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104616006A true CN104616006A (zh) | 2015-05-13 |
| CN104616006B CN104616006B (zh) | 2017-08-25 |
Family
ID=53150443
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510105012.5A Expired - Fee Related CN104616006B (zh) | 2015-03-11 | 2015-03-11 | 一种面向监控视频的胡须人脸检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104616006B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104866843A (zh) * | 2015-06-05 | 2015-08-26 | 中国人民解放军国防科学技术大学 | 一种面向监控视频的蒙面人脸检测方法 |
| CN105975952A (zh) * | 2016-05-26 | 2016-09-28 | 天津艾思科尔科技有限公司 | 一种视频图像中大胡子检测的方法及*** |
| CN106295524A (zh) * | 2016-08-01 | 2017-01-04 | 马平 | 一种基于视觉词袋的人体动作识别方法 |
| CN107346417A (zh) * | 2017-06-13 | 2017-11-14 | 浪潮金融信息技术有限公司 | 人脸检测方法及装置 |
| CN108109115A (zh) * | 2017-12-07 | 2018-06-01 | 深圳大学 | 人物图像的增强方法、装置、设备及存储介质 |
| CN108197507A (zh) * | 2017-12-30 | 2018-06-22 | 刘智 | 一种隐私实时保护方法和*** |
| CN108764185A (zh) * | 2018-06-01 | 2018-11-06 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
| CN108932465A (zh) * | 2017-12-28 | 2018-12-04 | 浙江宇视科技有限公司 | 降低人脸检测误检率的方法、装置及电子设备 |
| CN111027474A (zh) * | 2019-12-09 | 2020-04-17 | Oppo广东移动通信有限公司 | 人脸区域获取方法、装置、终端设备和存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102024145A (zh) * | 2010-12-01 | 2011-04-20 | 五邑大学 | 一种伪装人脸分层识别方法及*** |
-
2015
- 2015-03-11 CN CN201510105012.5A patent/CN104616006B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102024145A (zh) * | 2010-12-01 | 2011-04-20 | 五邑大学 | 一种伪装人脸分层识别方法及*** |
Non-Patent Citations (3)
| Title |
|---|
| JIAN-GANG WANG ETC.: ""Real-time moustache detection by combining image decolorization and texture detection with applications to facial gender recognition"", 《MACHINE VISION AND APPLICATIONS》 * |
| 王喆: ""面向自动柜员机智能安防的异常人脸检测技术和***研发"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 练士龙等: ""视频监控***中的行人及其面部侦测研究"", 《电子设计工程》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104866843B (zh) * | 2015-06-05 | 2018-08-21 | 中国人民解放军国防科学技术大学 | 一种面向监控视频的蒙面人脸检测方法 |
| CN104866843A (zh) * | 2015-06-05 | 2015-08-26 | 中国人民解放军国防科学技术大学 | 一种面向监控视频的蒙面人脸检测方法 |
| CN105975952A (zh) * | 2016-05-26 | 2016-09-28 | 天津艾思科尔科技有限公司 | 一种视频图像中大胡子检测的方法及*** |
| CN106295524A (zh) * | 2016-08-01 | 2017-01-04 | 马平 | 一种基于视觉词袋的人体动作识别方法 |
| CN107346417A (zh) * | 2017-06-13 | 2017-11-14 | 浪潮金融信息技术有限公司 | 人脸检测方法及装置 |
| CN107346417B (zh) * | 2017-06-13 | 2020-09-01 | 浪潮金融信息技术有限公司 | 人脸检测方法及装置 |
| CN108109115A (zh) * | 2017-12-07 | 2018-06-01 | 深圳大学 | 人物图像的增强方法、装置、设备及存储介质 |
| CN108932465A (zh) * | 2017-12-28 | 2018-12-04 | 浙江宇视科技有限公司 | 降低人脸检测误检率的方法、装置及电子设备 |
| CN108932465B (zh) * | 2017-12-28 | 2021-02-02 | 浙江宇视科技有限公司 | 降低人脸检测误检率的方法、装置及电子设备 |
| CN108197507A (zh) * | 2017-12-30 | 2018-06-22 | 刘智 | 一种隐私实时保护方法和*** |
| CN108764185A (zh) * | 2018-06-01 | 2018-11-06 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
| US11321952B2 (en) | 2018-06-01 | 2022-05-03 | Boe Technology Group Co., Ltd. | Computer-implemented method of alerting driver of vehicle, apparatus for alerting driver of vehicle, vehicle, and computer-program product |
| CN111027474A (zh) * | 2019-12-09 | 2020-04-17 | Oppo广东移动通信有限公司 | 人脸区域获取方法、装置、终端设备和存储介质 |
| CN111027474B (zh) * | 2019-12-09 | 2024-03-15 | Oppo广东移动通信有限公司 | 人脸区域获取方法、装置、终端设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104616006B (zh) | 2017-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104616006A (zh) | 一种面向监控视频的胡须人脸检测方法 | |
| CN107330920B (zh) | 一种基于深度学习的监控视频多目标追踪方法 | |
| CN104933710B (zh) | 基于监控视频下的商店人流轨迹智能分析方法 | |
| Stalder et al. | Cascaded confidence filtering for improved tracking-by-detection | |
| CN102509078B (zh) | 基于视频分析的烟火检测装置 | |
| CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
| CN103246896B (zh) | 一种鲁棒性车辆实时检测与跟踪方法 | |
| CN102542289A (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
| CN102521565A (zh) | 低分辨率视频的服装识别方法及*** | |
| CN105260749B (zh) | 基于方向梯度二值模式和软级联svm的实时目标检测方法 | |
| CN105469105A (zh) | 一种基于视频监控的香烟烟雾检测方法 | |
| CN104866843B (zh) | 一种面向监控视频的蒙面人脸检测方法 | |
| CN101739686A (zh) | 运动目标跟踪方法及其*** | |
| CN103824070A (zh) | 一种基于计算机视觉的快速行人检测方法 | |
| CN105893946A (zh) | 一种正面人脸图像的检测方法 | |
| Szwoch | Extraction of stable foreground image regions for unattended luggage detection | |
| CN102147861A (zh) | 一种基于颜色-纹理双重特征向量进行贝叶斯判决的运动目标检测方法 | |
| CN105513053A (zh) | 一种用于视频分析中背景建模方法 | |
| CN105554462A (zh) | 一种遗留物检测方法 | |
| Ling et al. | A background modeling and foreground segmentation approach based on the feedback of moving objects in traffic surveillance systems | |
| Bullkich et al. | Moving shadow detection by nonlinear tone-mapping | |
| CN104899559B (zh) | 一种基于视频监控的快速行人检测方法 | |
| Zhao et al. | APPOS: An adaptive partial occlusion segmentation method for multiple vehicles tracking | |
| CN103577832A (zh) | 一种基于时空上下文的人流量统计方法 | |
| CN103092925B (zh) | 一种视频摘要生成方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170825 |