CN105303569B - 一种自动切换场景模式的目标检测方法与装置 - Google Patents

一种自动切换场景模式的目标检测方法与装置 Download PDF

Info

Publication number
CN105303569B
CN105303569B CN201510679592.9A CN201510679592A CN105303569B CN 105303569 B CN105303569 B CN 105303569B CN 201510679592 A CN201510679592 A CN 201510679592A CN 105303569 B CN105303569 B CN 105303569B
Authority
CN
China
Prior art keywords
background model
background
rainy
model
night
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.)
Active
Application number
CN201510679592.9A
Other languages
English (en)
Other versions
CN105303569A (zh
Inventor
石旭刚
张水发
刘嘉
杜雅慧
欧阳忠清
汤泽胜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Zhongwei Digital Technology Co ltd
Original Assignee
OB TELECOM ELECTRONICS CO Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by OB TELECOM ELECTRONICS CO Ltd filed Critical OB TELECOM ELECTRONICS CO Ltd
Priority to CN201510679592.9A priority Critical patent/CN105303569B/zh
Publication of CN105303569A publication Critical patent/CN105303569A/zh
Application granted granted Critical
Publication of CN105303569B publication Critical patent/CN105303569B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20228—Disparity calculation for image-based rendering
    • 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

  • Image Analysis (AREA)

Abstract

本发明提供一种自动切换场景模式的目标检测方法，包括以下步骤：根据当前帧的湿度和平均亮度判断目标检测的背景模型；将当前帧与背景模型求差，得到运动目标；根据运动目标更新背景模型。本发明将户外场景分为白天非下雨、白天下雨、夜晚非下雨和夜晚下雨四类，分别建立不同的背景模型，当满足模型切换条件时，自动切换模型并自动初始化，从而较好的解决了一种模型无法适应复杂的背景环境的问题。

Description

一种自动切换场景模式的目标检测方法与装置
技术领域
本发明涉及计算机视觉领域，特别是涉及一种自动切换场景模式的目标检测方法与装置。
背景技术
将运动目标从序列图像中与图像背景区分开来是目标检测的基本任务，主要目标是提取出目标的运动信息，以简化后续的图像分析、特征提取、识别等工作。目标检测是智能视频监控领域的关键技术，也是其中的难点，目标检测结果的好坏对后续的分析有重要的影响。但是，实际检测场景中往往存在各种干扰因素的影响，例如：树叶的风吹草动，光照的渐变和骤变，雨雪天气的影响等，使得快速、准确的从复杂背景中检测出前景成为当前的一个难点问题。
当前目标检测的方法主要有三大类：帧间差分法、光流法和背景差分法。帧间差分法通过比较相邻两帧图像之间的差异来检测运动目标，但它往往无法获得完整的运动目标，并且当运动目标的速度较慢时，容易产生漏检。光流法能够在不知道场景信息的条件下检测出场景中的运动变化，能够在摄像头运动时也能较好的检测到目标运动，但是光流法的计算复杂度较高，对噪声较敏感，稳定性较差。背景差分法利用背景像素的统计特征进行建模，然后通过比较检测帧与背景之间的距离得到运动目标。背景模型的好坏直接影响目标检测的结果，众多学者围绕背景建模做了大量的工作，典型的背景建模方法有：基于混合高斯的背景建模方法、码本法、非参数法、ViBe、PBAS等方法。背景差分法能够适应一定的场景变化，但是户外场景十分复杂，突然的光照变化、突如其来的雨雪天气都可能使模型失效，因此寻求一种更有效的场景建模和切换的策略是提高目标检测效率和准确率的有效方法。
发明内容
本发明首先要解决的技术问题是提供一种自动切换场景模式的目标检测方法，能够应用于复杂场景下的目标检测，能有效地适应各种天气的变化。
本发明解决上述技术问题所采用的技术方案是：
一种自动切换场景模式的目标检测方法，包括以下步骤：
步骤1：根据当前帧的湿度和平均亮度判断目标检测的背景模型；
步骤2：将当前帧与背景模型求差，得到运动目标；
步骤3：根据运动目标更新背景模型。
在采用上述技术方案的同时，本发明还可以采用或者组合采用以下进一步的技术方案：
所述步骤1的判断方法是：使用湿度传感器获取当前湿度Ht、将当前帧转换到HSV空间，提取V空间分量，计算当前帧的平均亮度Vt，如果连续t1帧Ht>Hhigh，Vt>Vhigh，并且当前未用白天下雨的背景模型进行目标检测，则初始化白天下雨的背景模型进行目标检测；如果连续t1帧Ht<Hlow，Vt>Vhigh，并且当前未用白天非下雨的背景模型进行目标检测，则初始化白天非下雨的背景模型进行目标检测；如果连续t1帧Ht>Hhigh，Vt<Vlow，并且当前未用夜晚下雨的背景模型进行目标检测，则初始化夜晚下雨的背景模型进行目标检测；如果连续t1帧Ht<Hlow，Vt<Vlow，并且当前未用夜晚非下雨的背景模型进行目标检测，则初始化夜晚非下雨的背景模型进行目标检测。
所述白天下雨的背景模型和所述白天非下雨的背景模型相同，其建模过程是：
(1)采集前N帧初始图像，转换为灰度图像，假设在该序列中位于(x,y)的序列采样值为：Y＝{y1(x,y),y2(x,y),...,yN(x,y)}；
(2)为每个像素初始化三个高斯队列和对应的参数：均值和方差(μi,δi)，其中i为1,2,3；将队列长度置为空，均值和方差置为0；
(3)使用上述N帧初始图像转换成的N个序列采样值计算直方图，找到峰值最高点，并将灰度值(-10,10)范围内的采样值加入到第一个队列中，计算得到均值和方差；然后在剩下的直方图中用同样的方法找到相应的采样值加入到剩下的队列，计算均值和方差；待三个队列和对应的参数都完成或者峰值小于等于3时，转到步骤(4)；
(4)将上述三个队列置空，分别计算这N个序列采样值属于三个队列的概率ki，其中i＝1,2,3，并放入概率最大的队列，N个采样值的归属完成后，分别计算三个队列对应的均值和方差；当迭代次数等于100次或均值和方差不再变化时，建模完成。
所述步骤2中基于白天下雨的背景模型和白天非下雨的背景模型的运动目标检测包括以下步骤：
(1)将当前帧图像转换为灰度图像，将像素灰度值分别减去三个队列对应的均值，如果相应差值在3倍方差以内，则为背景，否则为前景；
(2)提取八连通区域，将面积小于一定阈值的连通区域去除，得到最终的运动目标。
所述步骤3中白天下雨的背景模型和白天非下雨的背景模型的更新过程为：
如果当前像素被判断为背景，计算其属于三个队列的概率，更新概率最大的队列对应的参数，更新公式如下：
μt＝(1-ρ)*μt-1+ρ*yt
δt 2＝(1-ρ)*δt-1 2+ρ*(yt-μt)T(yt-μt)
其中，ρ为更新率，白天下雨的模型更新率较高，白天非下雨的模型更新率较低。
所述夜晚非下雨的背景模型使用单高斯背景模型。
所述步骤2中基于夜晚非下雨的单高斯背景模型的运动目标检测：
(1)将当前帧图像转换为灰度图像，将像素灰度值减去均值，如果差值在3倍方差以内，则为背景，否则为前景；
(2)提取八连通区域，将面积小于一定阈值的连通区域去除，得到最终的运动目标；
所述步骤3中夜晚非下雨模型的更新过程为：如果当前像素被判断为背景，计算其属于三个队列的概率，更新概率最大的队列对应的参数，更新公式如下：
μt＝(1-ρ)*μt-1+ρ*yt
δt 2＝(1-ρ)*δt-1 2+ρ*(yt-μt)T(yt-μt)
其中，ρ为更新率，白天下雨的模型更新率较高，白天非下雨的模型更新率较低。
夜晚下雨的背景模型使用帧间差分法进行运动目标检测，即使用前一帧图像作为背景。
所述步骤2中基于夜晚下雨模型的运动目标检测：
(1)将当前帧转换为灰度图像，与上一帧图像做差，如果差值小于一定阈值，则为背景，否则为前景；
(2)提取八连通区域，将面积小于一定阈值的连通区域去除，得到最终的运动目标；
所述步骤3中，夜晚下雨模型的更新过程为：将当前帧完全更新为背景。
本发明所要解决的另一个技术问题是提供一种自动切换场景模式的目标检测装置，能运用上述方法进行目标检测。
本发明解决上述技术问题所采用的技术方案是：一种自动切换场景模式的目标检测装置，包括用于采集当前环境中的湿度信息的湿度传感器单元、用于采集监控图像的图像采集单元、用于背景模型之间的切换和背景建模的背景建模单元、用于获取当前帧运动目标的运动目标检测单元以及用于控制不同背景模型的更新的背景模型更新单元；所述湿度传感器单元设置在待测场景中，所述湿度传感器单元和所述图像采集单元连接至所述背景建模单元并向其发送所采集的信息，所述背景建模单元连接至所述运动目标检测单元，所述运动目标检测单元连接至所述背景模型更新单元。
本发明的有益效果是：本发明提出的一种自动切换场景模式的目标检测方法和装置是一个一体化的解决方案，具体有如下创新：
1、将户外场景分为白天非下雨、白天下雨、夜晚非下雨和夜晚下雨四类，分别建立不同的背景模型，当满足模型切换条件时，自动切换模型并自动初始化，从而较好的解决了一种模型无法适应复杂的背景环境的问题。
2、湿度传感器采集实时的环境湿度信息和图像采集单元采集的环境实时亮度用来综合判断是否满足模型切换条件，从而实现场景模式的自动切换，无需人为干预。
附图说明
图1是本发明一种自动切换场景模式的目标检测方法流程图。
图2是本发明一种自动切换场景模式的目标检测装置结构图。
具体实施方式
实施例1，一种自动切换场景模式的目标检测方法，参照附图1。
本发明的一种自动切换场景模式的目标检测方法，包括以下步骤：
步骤1：根据当前帧的湿度和平均亮度判断目标检测的背景模型；具体的判断方法是：使用湿度传感器获取当前湿度Ht、将当前帧转换到HSV空间，提取V空间分量，计算当前帧的平均亮度Vt，如果连续t1帧Ht>Hhigh，Vt>Vhigh，并且当前未用白天下雨的背景模型进行目标检测，则初始化白天下雨的背景模型进行目标检测；如果连续t1帧Ht<Hlow，Vt>Vhigh，并且当前未用白天非下雨的背景模型进行目标检测，则初始化白天非下雨的背景模型进行目标检测；如果连续t1帧Ht>Hhigh，Vt<Vlow，并且当前未用夜晚下雨的背景模型进行目标检测，则初始化夜晚下雨的背景模型进行目标检测；如果连续t1帧Ht<Hlow，Vt<Vlow，并且当前未用夜晚非下雨的背景模型进行目标检测，则初始化夜晚非下雨的背景模型进行目标检测。
白天下雨的背景模型和白天非下雨的背景模型均采用相同的背景模型，不同之处在于雨天环境变化较快，因此设置较快的背景更新率，以使模型更快的适应场景的变化，建模过程如下：
1、采集前2500帧初始图像，转换为灰度图像，假设在该图像序列中位于任一点(x,y)的序列采样值为：Y＝{y1(x,y),y2(x,y),...,y2500(x,y)}；
2、为每个像素初始化三个队列和模型参数：均值和方差(μi,δi)，其中i为1,2,3,…,2500；将队列长度置为空，均值和方差置为0；
3、对于图像中的每一个像素点，使用这2500个序列采样值计算直方图，找到峰值最高点，并将灰度值(-10,10)范围内的采样值加入到队列中，计算得到均值和方差；然后在剩下的直方图中用同样的方法找到相应的采样值加入队列，计算均值和方差；待三个队列和对应的参数(均值和方差)都完成或者峰值小于等于3时，转到步骤(4)；
4、将上述三个队列置空，分别计算这2500个序列采样值属于三个队列的概率k(x,y)，并放入概率最大的队列，2500个采样值的归属完成后，分别计算三个队列对应的均值和方差；当迭代次数等于100次或均值和方差不再变化时，建模完成。
其中，i＝1,2,3。
步骤2：将当前帧与背景模型求差，得到运动目标；
具体来说，基于白天下雨的背景模型和白天非下雨的背景模型的运动目标检测：
1、将当前帧图像转换为灰度图像，将像素灰度值分别减去三个队列对应的均值，如果相应差值在3倍方差以内，则为背景，否则为前景；
2、提取八连通区域，将面积小于50的连通区域去除，得到最终的运动目标。
基于夜晚非下雨的单高斯背景模型的运动目标检测：
1、将当前帧图像转换为灰度图像，将像素灰度值减去均值，如果差值在3倍方差以内，则为背景，否则为前景；
2、提取八连通区域，将面积小于50的连通区域去除，得到最终的运动目标。
基于夜晚下雨模型的运动目标检测：
1、将当前帧转换为灰度图像，与上一帧图像做差，如果差值小于30，则为背景，否则为前景；
2、提取八连通区域，将面积小于50的连通区域去除，得到最终的运动目标。
步骤3：根据运动目标更新背景模型，具体来说，
白天下雨的背景模型和白天非下雨的背景模型的更新过程为：
如果当前像素被判断为背景，计算其属于三个队列的概率，更新概率最大的队列对应的参数，更新公式如下：
μt＝(1-ρ)*μt-1+ρ*yt
δt 2＝(1-ρ)*δt-1 2+ρ*(yt-μt)T(yt-μt)
其中，ρ为更新率，白天下雨的模型更新率较高，取0.01，白天非下雨的模型更新率较低，取0.001。
夜晚非下雨模型的更新过程为：
如果当前像素被判断为背景，使用上述公式更新。
夜晚下雨模型的更新过程为：
将当前帧完全更新为背景。
实施例2，一种自动切换场景模式的目标检测装置，参照附图2。
一种自动切换场景模式的目标检测装置，包括用于采集当前环境中的湿度信息的湿度传感器单元1、用于采集监控图像的图像采集单元2、用于背景模型之间的切换和背景建模的背景建模单元3、用于获取当前帧运动目标的运动目标检测单元4以及用于控制不同背景模型的更新的背景模型更新单元5；所述湿度传感器单元1设置在待测场景中，所述湿度传感器单元1和所述图像采集单元2连接至所述背景建模单元3并向其发送所采集的信息，所述背景建模单元3连接至所述运动目标检测单元4，所述运动目标检测单元4连接至所述背景模型更新单元5。

Claims (7)

1.一种自动切换场景模式的目标检测方法，其特征在于：包括以下步骤：
步骤1：根据当前帧的湿度和平均亮度判断目标检测的背景模型；
步骤2：将当前帧与背景模型求差，得到运动目标；
步骤3：根据运动目标更新背景模型；
当前帧的湿度是根据湿度传感器采集的当前环境中的湿度信息。
2.如权利要求1所述的一种自动切换场景模式的目标检测方法，其特征在于：
所述步骤1的判断方法是：使用湿度传感器获取当前湿度Ht、将当前帧转换到HSV空间，提取V空间分量，计算当前帧的平均亮度Vt，如果连续t1帧Ht>Hhigh，Vt>Vhigh，并且当前未用白天下雨的背景模型进行目标检测，则初始化白天下雨的背景模型进行目标检测；如果连续t1帧Ht<Hlow，Vt>Vhigh，并且当前未用白天非下雨的背景模型进行目标检测，则初始化白天非下雨的背景模型进行目标检测；如果连续t1帧Ht>Hhigh，Vt<Vlow，并且当前未用夜晚下雨的背景模型进行目标检测，则初始化夜晚下雨的背景模型进行目标检测；如果连续t1帧Ht<Hlow，Vt<Vlow，并且当前未用夜晚非下雨的背景模型进行目标检测，则初始化夜晚非下雨的背景模型进行目标检测。
3.如权利要求2所述的一种自动切换场景模式的目标检测方法，其特征在于：所述白天下雨的背景模型和所述白天非下雨的背景模型相同，其建模过程是：
(1)采集前N帧初始图像，转换为灰度图像，在该灰度图像的序列中位于(x,y)的序列采样值为：Y＝{y1(x,y),y2(x,y),...,yN(x,y)}；
(2)为每个像素初始化三个高斯队列和对应的参数：均值和方差(μi,δi)，其中i为1,2,3；将队列长度置为空，均值和方差置为0；
(3)使用上述N帧初始图像转换成的N个序列采样值计算直方图，找到峰值最高点，并将灰度值(-10,10)范围内的采样值加入到第一个队列中，计算得到均值和方差；然后在剩下的直方图中用同样的方法找到相应的采样值加入到剩下的队列，计算均值和方差；待三个队列和对应的参数都完成或者峰值小于等于3时，转到步骤(4)；
(4)将上述三个队列置空，分别计算这N个序列采样值属于三个队列的概率ki，其中i＝1,2,3，并放入概率最大的队列，N个采样值的归属完成后，分别计算三个队列对应的均值和方差；当迭代次数等于100次或均值和方差不再变化时，建模完成。
<mrow> <msub> <mi>k</mi> <mi>i</mi> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <msub> <mi>&amp;delta;</mi> <mi>i</mi> </msub> <msqrt> <mrow> <mn>2</mn> <mi>&amp;pi;</mi> </mrow> </msqrt> </mrow> </mfrac> <msup> <mi>e</mi> <mrow> <mo>-</mo> <mfrac> <msup> <mrow> <mo>(</mo> <mi>y</mi> <mo>-</mo> <msub> <mi>&amp;mu;</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> <mrow> <mn>2</mn> <msup> <msub> <mi>&amp;delta;</mi> <mi>i</mi> </msub> <mn>2</mn> </msup> </mrow> </mfrac> </mrow> </msup> </mrow>
4.如权利要求3所述的一种自动切换场景模式的目标检测方法，其特征在于：所述步骤2中基于白天下雨的背景模型和白天非下雨的背景模型的运动目标检测包括以下步骤：
(1)将当前帧图像转换为灰度图像，将像素灰度值分别减去三个队列对应的均值，如果相应差值在3倍方差以内，则为背景，否则为前景；
(2)提取八连通区域，将面积小于一定阈值的连通区域去除，得到最终的运动目标。
5.如权利要求2所述的一种自动切换场景模式的目标检测方法，其特征在于：所述夜晚非下雨的背景模型使用单高斯背景模型。
6.如权利要求5所述的一种自动切换场景模式的目标检测方法，其特征在于：夜晚下雨的背景模型使用帧间差分法进行运动目标检测，即使用前一帧图像作为背景。
7.如权利要求6所述的一种自动切换场景模式的目标检测方法，其特征在于：所述步骤2中基于夜晚下雨模型的运动目标检测：
(1)将当前帧转换为灰度图像，与上一帧图像做差，如果差值小于一定阈值，则为背景，否则为前景；
(2)提取八连通区域，将面积小于一定阈值的连通区域去除，得到最终的运动目标；
所述步骤3中，夜晚下雨模型的更新过程为：将当前帧完全更新为背景。
CN201510679592.9A 2015-10-19 2015-10-19 一种自动切换场景模式的目标检测方法与装置 Active CN105303569B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510679592.9A CN105303569B (zh) 2015-10-19 2015-10-19 一种自动切换场景模式的目标检测方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510679592.9A CN105303569B (zh) 2015-10-19 2015-10-19 一种自动切换场景模式的目标检测方法与装置

Publications (2)

Publication Number Publication Date
CN105303569A CN105303569A (zh) 2016-02-03
CN105303569B true CN105303569B (zh) 2018-03-16

Family

ID=55200791

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510679592.9A Active CN105303569B (zh) 2015-10-19 2015-10-19 一种自动切换场景模式的目标检测方法与装置

Country Status (1)

Country Link
CN (1) CN105303569B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111464818B (zh) * 2020-03-20 2022-04-19 新之航传媒科技集团有限公司 一种网上直播展馆***
CN114841920A (zh) * 2022-03-29 2022-08-02 清华大学 基于图像处理的火焰识别方法、装置及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013210836A1 (de) * 2012-06-28 2014-01-02 International Business Machines Corp. Erkennen eines bewegungslosen Gegenstands auf Kreuzungen von Verkehrswegen
CN103956016A (zh) * 2014-04-25 2014-07-30 蚌埠依爱消防电子有限责任公司 一种基于视频图像的烟雾火焰复合式自动检测方法
CN104217529A (zh) * 2014-08-27 2014-12-17 东北大学 基于温湿度和图像的婴儿智能监控***及方法
CN104272350A (zh) * 2012-03-19 2015-01-07 株式会社理光 图像处理装置、图像处理方法、以及计算机可读记录介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104272350A (zh) * 2012-03-19 2015-01-07 株式会社理光 图像处理装置、图像处理方法、以及计算机可读记录介质
DE102013210836A1 (de) * 2012-06-28 2014-01-02 International Business Machines Corp. Erkennen eines bewegungslosen Gegenstands auf Kreuzungen von Verkehrswegen
CN103956016A (zh) * 2014-04-25 2014-07-30 蚌埠依爱消防电子有限责任公司 一种基于视频图像的烟雾火焰复合式自动检测方法
CN104217529A (zh) * 2014-08-27 2014-12-17 东北大学 基于温湿度和图像的婴儿智能监控***及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"利用背景高斯核密度估计的运动目标检测方法";王劲松 等;《红外与激光工程》;20090430;第38卷(第2期);373-376 *
"基于高斯核密度模型的运动目标检测";黄振猛 等;《微计算机信息》;20071231;第23卷(第2-3期);177-179 *
"面向移动目标检测的天气场景建模方法";赵旭东;《中国博士学位论文全文数据库 信息科技辑》;20140115(第1期);论文全文 *

Also Published As

Publication number Publication date
CN105303569A (zh) 2016-02-03

Similar Documents

Publication Publication Date Title
CN102184552A (zh) 一种基于差分融合与图像边缘信息的运动目标检测方法
CN102332167A (zh) 一种智能交通监控中车辆和行人的目标检测方法
JP6835215B2 (ja) 画像処理方法及び装置
CN111179302B (zh) 一种运动目标检测方法、装置、存储介质及终端设备
CN104952256A (zh) 一种基于视频信息的交叉口处车辆的检测方法
CN109711256B (zh) 一种低空复杂背景无人机目标检测方法
CN105513053A (zh) 一种用于视频分析中背景建模方法
CN102393902A (zh) 基于h_s二维直方图和区域颜色匹配的车辆颜色检测方法
CN110633671A (zh) 基于深度图像的公交车客流实时统计方法
CN103473547A (zh) 一种用于智能交通检测***的车辆目标物识别算法
CN109254271B (zh) 一种用于地面监视雷达***的静止目标抑制方法
CN105303569B (zh) 一种自动切换场景模式的目标检测方法与装置
CN110782409B (zh) 一种去除多运动物体阴影的方法
CN109035296A (zh) 一种改进的视频中运动物体检测方法
CN108010050B (zh) 一种基于自适应背景更新和选择性背景更新的前景检测方法
CN105205833B (zh) 一种基于时空背景模型的运动目标检测方法及装置
CN112084957B (zh) 一种移动目标滞留检测方法及***
CN111738235A (zh) 一种用于自动开启车门的动作检测方法及装置
CN113221603A (zh) 一种检测监控设备被异物遮挡的方法及装置
JP2018097574A (ja) 認識装置及び自己位置推定装置
CN116453069A (zh) 基于级联差异感知模型的高速公路抛洒物检测方法
CN111160224B (zh) 一种基于fpga和地平线分割的高铁接触网异物检测***及方法
He et al. Adaptive vehicle shadow detection algorithm in highway
Liu et al. Shadow Elimination in Traffic Video Segmentation.
Zhen-Jie et al. Research on Detection and Tracking of Moving Vehicles in Complex Environment Based on Real-Time Surveillance Video

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200317

Address after: 310000 room 702, 1819 Xixing Road, Xixing street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee after: Hangzhou Zhongwei Digital Technology Co., Ltd

Address before: 310012, Zhejiang building, No. 20, Xihu District, Zhejiang, Hangzhou, Wensanlu Road, 17

Patentee before: OB TELECOM ELECTRONICS Co.,Ltd.

CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: Room 702, 1819 Xixing Road, Xixing street, Binjiang District, Hangzhou, Zhejiang 310000

Patentee after: Hangzhou Zhongwei Digital Technology Co.,Ltd.

Address before: Room 702, 1819 Xixing Road, Xixing street, Binjiang District, Hangzhou, Zhejiang 310000

Patentee before: Hangzhou Zhongwei Digital Technology Co.,Ltd.