CN106683077A - 一种扶梯口楼层板上大件物滞留检测方法 - Google Patents
一种扶梯口楼层板上大件物滞留检测方法 Download PDFInfo
- Publication number
- CN106683077A CN106683077A CN201611113828.3A CN201611113828A CN106683077A CN 106683077 A CN106683077 A CN 106683077A CN 201611113828 A CN201611113828 A CN 201611113828A CN 106683077 A CN106683077 A CN 106683077A
- Authority
- CN
- China
- Prior art keywords
- big part
- image
- frame
- slow
- detection
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种扶梯口楼层板上大件物滞留检测方法,该方法基于Surendra背景更新,采用新颖的快、慢背景差分策略,包括初始化背景和查询表;对视频图像的灰度化,减少检测耗时;基于Surendra背景更新的快、慢背景更新策略,采用快、慢两种更新速度系数α1、α2,分别得到快、慢两种背景对快、慢背景图像进行差分操作;结合二值化阈值、形态学运算,以及候选滞留物中心点坐标与查询表的匹配,最后利用帧数自加器N和累计帧数阈值Thresh4之间的比较,进行最终的大件物滞留判断。本发明公开的方法,可以很好的实现对“进入视野中后滞留下来”的大件物的检测。可应用于扶梯监控***中,能减少人的看护工作、提高检测的实时性和准确率,很好的保证扶梯的顺畅运行。
Description
技术领域
本发明涉及扶梯安全监控以及图像处理的技术领域,尤其是指一种扶梯口楼层板上大件物滞留检测方法。
背景技术
随着我国经济的快速发展,以及人们对快捷生活方式的不断追求,使得扶梯的应用越来越普及,尤其是大型商场、地铁站等公共场所。但是,在扶梯给我们生活带来便捷的同时,一些影响扶梯载客顺畅的问题也值得我们关注,像扶梯口楼层板上的大件物滞留,容易造成扶梯载客不顺畅现象,因此对扶梯口处进行实时的大件物滞留检测,就显得很有必要。
针对上述问题,目前的常见应对方法:安排人员,定点现场看护。但这种方法存在人力成本高、很难保证实时性等弊端。因此,利用图像处理知识,来实现智能监控和实时检测,不失为一种更为有效的方法。
目前,基于图像处理知识来进行物品滞留检测的应用研究,存在实时性不好、检测准确率不足等问题,同时,物品滞留检测的应用场景也比较局限,没有涉及到像扶梯口楼层板等相对复杂的场合。本发明基于扶梯口楼层板应用场景,对扶梯口楼层板处大件物滞留进行异常检测,提出一种基于Surendra背景更新的新的检测方法,能快速、高效的检测出乘客将大件物品滞留在监控区域的行为,进而发出“大件物滞留”报警,提醒工作人员及时的移开大件滞留物,保证扶梯的顺畅工作。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种新的扶梯口楼层板上大件物滞留检测方法,该方法基于Surendra背景更新的快慢背景差分策略,实现对扶梯口楼层板上大件物滞留的智能检测,可以应用于扶梯监控***中,配合扶梯控制器通讯,可以减少人的看护工作,很好的保证商场或地铁站等场所扶梯的顺畅运行。
为实现上述目的,本发明所提供的技术方案为:一种扶梯口楼层板上大件物滞留检测方法,该方法基于Surendra背景更新的快慢背景差分策略,包括以下步骤:
1)视频图像采集,具体是通过固定在天花板上垂直楼层板向下拍摄的360°可旋转半球摄像头获取的;
2)初始化背景和查询表
采用视频图像第1帧I0作为初始背景分别是快、慢两种初始背景,所述查询表用于存储检测到的大件滞留物的中心点坐标信息,并将每帧图像中检测到的候选大件滞留物中心点坐标,与查询表中的信息进行匹配,以确认是否为同一目标;
3)对采集到的视频图像进行灰度化处理,以减少算法的耗时,如下:
I(x,y)=Gray(Image(x,y))
其中,Image(x,y)是原始采集到的图像,I(x,y)是经灰度化后的图像;
4)基于Surendra背景更新的快、慢背景更新策略
利用Surendra背景更新算法的核心思想:通过帧差法找到有物体运动的区域,对运动区域内的背景保持不变,而非运动区域的背景用当前帧进行替换和更新。同时,选取快、慢两种更新速度的系数α1、α2,分别得到快、慢两种背景具体如下:
4.1)将视频图像第1帧I0作为初始背景
4.2)选取阈值T,迭代次数初始化为m=1,最大迭代次数为M;
4.3)求当前帧的帧间差分图像
其中,Ij、Ij-1分别为当前帧和上一帧图像;
4.4)将二值图像DB更新快、慢背景图像
式中,α1、α2分别是快、慢两种更新系数,均在[0,1]范围内,且α1>α2,阈值常量,分别为快背景、慢背景图像,Ij为输入的当前帧图像;
4.5)迭代次数m加1,返回步骤4.3),当m=M时,迭代结束。
5)对快、慢背景图像进行差分操作,并结合二值化阈值Thresh1,得到滞留物检测结果Rj(x,y),具体如下:
6)对上述滞留物检测结果Rj进行形态学处理,先进行腐蚀运算、接着进行膨胀运算,其中采用disk结构元素进行腐蚀膨胀运算。
7)设置两个连通域面积阈值Thresh2和Thresh3,对Rj中面积大小在[Thresh2,Thresh3]范围内的连通域进行矩形分割,并记录矩形框的对角点信息(x1,y1)、(x2,y2),用于求取检测到的候选大件滞留物的中心点C(xc,yc)坐标信息,如下所示:
上述中Thresh2和Thresh3的选取,是为了避免非大件滞留物的干扰,以及防止外界光照突然变化而带来的误检操作。
8)对候选大件滞留物的中心点C(xc,yc)坐标信息,与查询表中的在中心点坐标信息C0(x0,y0)进行匹配,情况如下:
8.1)如果查询表里中心点坐标信息为空,则将C(xc,yc)坐标信息更新到查询表C0(x0,y0),将用于阈值判断的帧数自加器N清零,并跳出中心点匹配操作,转到步骤4),进入下一帧图像检测。
8.2)如果查询表里中心点坐标信息不为空,则进行中心点匹配操作,匹配公式如下:
其中,Match为每一帧匹配结果,ε0为匹配允许偏离阈值范围。
8.3)如果公式(a)中Match结果为false,则将中心点C(xc,yc)坐标信息更新到查询表C0(x0,y0),将用于阈值判断的帧数自加器N清零,转到步骤4),进入下一帧图像检测。
8.4)如果公式(a)中Match结果为true,则将用于阈值判断的帧数自加器N加1,转到步骤9)。
9)设置累计帧数阈值Thresh4,用于判断帧数自加器N是否达到阈值上限,是否达到将“候选大件滞留物”确定为“大件物滞留”,达到报警的要求。即
式中,Result结果代表是否进行“大件物滞留”报警。
①如果Result为false,转到步骤4),进入下一帧图像检测。
②如果Result为true,则进行“大件物滞留”报警提醒,并将帧数自加器N清零,在等待用于工作人员移除大件滞留物所需时间t后,转到步骤2),重新进入下一次的“大件物滞留”报警检测***中。
本发明与现有技术相比,具有如下优点与有益效果:
1、运用图像处理和机器视觉知识,来进行对扶梯口楼层板上大件物滞留的的智能检测,该解决方案尚未有人研究,足够新颖。
2、提出的基于Surendra背景更新的快慢背景差分策略的检测方法,因为是对部分背景进行更新学习,所以可以在一定程度上提高背景更新速度,提升检测时效性;充分利用快慢背景更新学习速度的不同,来实现对“进入视野中后滞留下来”的大件物检测,使得检测准确率增加。
3、应用于扶梯监控***中,配合扶梯控制器通讯,很好的减少了扶梯运行的人工看护任务,降低人工成本,并做到对扶梯口楼层板上大件物滞留检测的实时性,可以很好的保证商场或地铁站等场所扶梯的顺畅运行。
4、可扩展性,本发明阐述的方法是针对视野中只出现一个大件滞留物的情况,如果想检测多个滞留物的情况,只需对查询表进行适当调整即可。
附图说明
图1为本发明的检测方法整体流程图。其中Surendra快背景更新B1即文中Surendra快背景更新B2即文中
图2为本发明的检测方法中摄像头安装示意图。
图3为从扶梯侧看摄像头的示意图。
图4为本发明检测方法的检测过程及检测效果图。其中视频行为是“乘客携带大件物进入楼层板,然后将大件物滞留在楼层板上后离开”。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
本实施例提供的扶梯口楼层板上大件物滞留的检测方法,基于Surendra背景更新,采用快慢背景差分策略,实现对扶梯口楼层板上大件物滞留的智能检测,如图1所示,包括以下步骤:
1)视频图像采集
如图2和图3所示,具体是通过固定在天花板上垂直楼层板向下拍摄的360°可旋转半球摄像头1获取的,天花板2用于安装固定摄像头1,扶梯口楼层板3是摄像头1的拍摄对象,用于对扶梯口楼层板进行监控,4为模拟大件滞留物。摄像头1距离扶梯口楼层板3高度,优选4米。
2)初始化背景和查询表,其中采用视频图像第1帧I0作为初始背景分别是快、慢两种初始背景,查询表用于存储检测到的大件滞留物的中心点坐标信息,并将每帧图像中检测到的候选大件滞留物中心点坐标,与查询表中的信息进行匹配,以确认是否为同一目标;
3)对采集到的视频图像进行灰度化处理,以减少算法的耗时,如下:
I(x,y)=Gray(Image(x,y))
其中,Image(x,y)是原始采集到的图像,I(x,y)是经灰度化后的图像;
4)基于Surendra背景更新的快、慢背景更新策略
利用Surendra背景更新算法的核心思想:通过帧差法找到有物体运动的区域,对运动区域内的背景保持不变,而非运动区域的背景用当前帧进行替换和更新。同时,选取快、慢两种更新速度的系数α1、α2,分别得到快、慢两种背景具体如下:
4.1)将视频图像第1帧I0作为初始背景
4.2)选取阈值T,迭代次数初始化为m=1,最大迭代次数为M;
4.3)求当前帧的帧间差分图像
其中,Ij、Ij-1分别为当前帧和上一帧图像;
4.4)将二值图像DB更新快、慢背景图像
式中,α1、α2分别是快、慢两种更新系数,均为在[0,1]范围内的阈值常量,且α1>α2,本实施例的应用场景,α1在[0.8,0.9]范围,α2在[0.1,0.2]范围内, 分别为快背景、慢背景图像,Ij为输入的当前帧图像;
4.5)迭代次数m加1,返回步骤4.3),当m=M时,迭代结束。
5)对快、慢背景图像进行差分操作,并结合二值化阈值Thresh1,此处选取Thresh1=0.1得到滞留物检测结果Rj(x,y),具体如下:
6)对上述滞留物检测结果Rj进行形态学处理,先进行腐蚀运算、接着进行膨胀运算,本发明采用disk结构元素进行腐蚀膨胀运算。
7)设置两个连通域面积阈值Thresh2和Thresh3,本实施例中分别取值为输入帧图像大小的1/20和1/5,对Rj中面积大小在[Thresh2,Thresh3]范围内的连通域进行矩形分割,并记录矩形框的对角点信息(x1,y1)、(x2,y2),用于求取检测到的候选大件滞留物的中心点C(xc,yc)坐标信息,如下所示:
上述中Thresh2和Thresh3的选取,是为了避免非大件滞留物的干扰,以及防止外界光照突然变化而带来的误检操作。其中面积区间下限是避免非大件滞留物的检测干扰,对未达到一定体积的检测目标视作非大件滞留物,而面积区间的上限则是在一定程度上,避免因监控场景中,外界光照的突然变化而引起的误检测为“整个监控区域”的大件滞留物误的存在。利用面积阈值判断,在一定程度上提高了该检测方法的检测准确率,增强了该检测方法的鲁棒性。
8)对候选大件滞留物的中心点C(xc,yc)坐标信息,与查询表中的在中心点坐标信息C0(x0,y0)进行匹配,情况如下:
8.1)如果查询表里中心点坐标信息为空,则将C(xc,yc)坐标信息更新到查询表C0(x0,y0),将用于阈值判断的帧数自加器N清零,并跳出中心点匹配操作,转到步骤4),进入下一帧图像检测。
8.2)如果查询表里中心点坐标信息不为空,则进行中心点匹配操作,匹配公式如下:
其中,Match为每一帧匹配结果,ε0为匹配允许偏离阈值范围。
8.3)如果公式(6)中Match结果为false,则将中心点C(xc,yc)坐标信息更新到查询表C0(x0,y0),将用于阈值判断的帧数自加器N清零,转到4),进入下一帧图像检测。
8.4)如果公式(6)中Match结果为true,则将用于阈值判断的帧数自加器N加1,转到步骤9)。
9)设置累计帧数阈值Thresh4,用于判断帧数自加器N是否达到阈值上限,是否达到将“候选大件滞留物”确定为“大件物滞留”,达到报警的要求。即
式中,摄像机帧率为25帧/s的情况下,帧数阈值Thresh4优选50帧,Result结果代表是否进行“大件物滞留”报警。
①如果Result为false,转到步骤4),进入下一帧图像检测。
②如果Result为true,则进行“大件物滞留”报警提醒,并将帧数自加器N清零,在等待用于工作人员移除大件滞留物所需时间t后,转到步骤2),重新进入下一次的“大件物滞留”报警检测***中。
至此,即可实现对扶梯口楼层板上大件物滞留的智能检测。
利用上述检测方法,完成对大件物滞留的检测,检测效果如图4所示。图中乘客行为是“携带大件物进入楼层板,然后将大件物滞留在楼层板上后离开”。根据Surendra背景更新思想,由于乘客处在运动状态,所以其对背景的变化没有影响,而其携带的大件物则由运动状态变为静止状态,快背景更新将其学习进入背景,如图4中快背景更新B1,慢背景更新则在一定时间内依旧近似为无大件物的背景状态,如图4中慢背景更新B2。二者做差分,并结合6)形态学处理,完成对大件物滞留的检测,如图4中大件物滞留检测结果。
以上所述实施例只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (1)
1.一种扶梯口楼层板上大件物滞留的检测方法,其特征在于,包括以下步骤:
1)视频图像采集:通过固定在天花板上垂直楼层板向下拍摄的3600可旋转半球摄像头获取的;
2)初始化背景和查询表
采用视频图像第1帧I0作为初始背景 分别是快、慢两种初始背景;所述查询表用于存储检测到的大件滞留物的中心点坐标信息,并将每帧图像中检测到的候选大件滞留物中心点坐标,与查询表中的信息进行匹配,以确认是否为同一目标;
3)对采集到的视频图像进行灰度化处理,以减少算法的耗时,如下:
I(x,y)=Gray(Image(x,y))
其中,Image(x,y)是原始采集到的图像,I(x,y)是经灰度化后的图像;
4)基于Surendra背景更新的快、慢背景更新策略
利用Surendra背景更新算法的核心思想:通过帧差法找到有物体运动的区域,对运动区域内的背景保持不变,而非运动区域的背景用当前帧进行替换和更新;同时,选取快、慢两种更新速度的系数α1、α2,分别得到快、慢两种背景具体如下:
4.1)将视频图像第1帧I0作为初始背景
4.2)选取阈值T,迭代次数初始化为m=1,最大迭代次数为M;
4.3)求当前帧的帧间差分图像
其中,Ij、Ij-1分别为当前帧和上一帧图像;
4.4)将二值图像DB更新快、慢背景图像
式中,α1、α2分别是快、慢两种更新系数,均为在[0,1]范围内的阈值常量,且α1>α2,分别为快背景、慢背景图像,Ij为输入的当前帧图像;
4.5)迭代次数m加1,返回步骤4.3),当m=M时,迭代结束;
5)对快、慢背景图像进行差分操作,并结合二值化阈值Thresh1,得到滞留物检测结果Rj(x,y),具体如下:
6)对上述滞留物检测结果Rj进行形态学处理,先进行腐蚀运算、接着进行膨胀运算,其中采用disk结构元素进行腐蚀膨胀运算;
7)设置两个连通域面积阈值Thresh2和Thresh3,对Rj中面积大小在[Thresh2,Thresh3]范围内的连通域进行矩形分割,并记录矩形框的对角点信息(x1,y1)、(x2,y2),用于求取检测到的候选大件滞留物的中心点C(xc,yc)坐标信息,如下所示:
上述中Thresh2和Thresh3的选取,是为了避免非大件滞留物的干扰,以及防止外界光照突然变化而带来的误检操作;其中面积区间下限是避免非大件滞留物的检测干扰,对未达到一定体积的检测目标视作非大件滞留物,而面积区间的上限则是在一定程度上,避免因监控场景中,外界光照的突然变化而引起的误检测为“整个监控区域”的大件滞留物误的存在;利用面积阈值判断,在一定程度上提高了该检测方法的检测准确率,增强了该检测方法的鲁棒性;
8)对候选大件滞留物的中心点C(xc,yc)坐标信息,与查询表中的在中心点坐标信息C0(x0,y0)进行匹配,情况如下:
8.1)如果查询表里中心点坐标信息为空,则将C(xc,yc)坐标信息更新到查询表C0(x0,y0),将用于阈值判断的帧数自加器N清零,并跳出中心点匹配操作,转到上面步骤4),进入下一帧图像检测;
8.2)如果查询表里中心点坐标信息不为空,则进行中心点匹配操作,匹配公式如下:
其中,Match为每一帧匹配结果,ε0为匹配允许偏离阈值范围;
8.3)如果公式(6)中Match结果为false,则将中心点C(xc,yc)坐标信息更新到查询表C0(x0,y0),将用于阈值判断的帧数自加器N清零,转到上面步骤4),进入下一帧图像检测;
8.4)如果公式(6)中Match结果为true,则将用于阈值判断的帧数自加器N加1,转到下面步骤9);
9)设置累计帧数阈值Thresh4,用于判断帧数自加器N是否达到阈值上限,是否达到将“候选大件滞留物”确定为“大件物滞留”,达到报警的要求,即
式中,Result结果代表是否进行“大件物滞留”报警;
①如果Result为false,转到上面步骤4),进入下一帧图像检测;
②如果Result为true,则进行“大件物滞留”报警提醒,并将帧数自加器N清零,在等待用于工作人员移除大件滞留物所需时间t后,转到上面步骤2),重新进入下一次的“大件物滞留”报警检测***中;
至此,即可实现对扶梯口楼层板上大件物滞留的智能检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611113828.3A CN106683077A (zh) | 2016-12-07 | 2016-12-07 | 一种扶梯口楼层板上大件物滞留检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611113828.3A CN106683077A (zh) | 2016-12-07 | 2016-12-07 | 一种扶梯口楼层板上大件物滞留检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106683077A true CN106683077A (zh) | 2017-05-17 |
Family
ID=58868674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611113828.3A Pending CN106683077A (zh) | 2016-12-07 | 2016-12-07 | 一种扶梯口楼层板上大件物滞留检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106683077A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220992A (zh) * | 2017-06-16 | 2017-09-29 | 华南理工大学 | 结合机器视觉与红外阵列的手扶电梯楼层板视频监控方法 |
CN111242944A (zh) * | 2020-02-10 | 2020-06-05 | 杭州大数云智科技有限公司 | 扶梯大件滞留物检测*** |
CN111259718A (zh) * | 2019-10-24 | 2020-06-09 | 杭州安脉盛智能技术有限公司 | 一种基于高斯混合模型的扶梯滞留检测方法及*** |
CN116883413A (zh) * | 2023-09-08 | 2023-10-13 | 山东鲁抗医药集团赛特有限责任公司 | 一种剔废接料滞留视觉检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080100473A1 (en) * | 2006-10-25 | 2008-05-01 | Siemens Corporate Research, Inc. | Spatial-temporal Image Analysis in Vehicle Detection Systems |
CN101281596A (zh) * | 2007-04-05 | 2008-10-08 | 三菱电机株式会社 | 用于检测场景中的遗留对象的方法 |
CN102663743A (zh) * | 2012-03-23 | 2012-09-12 | 西安电子科技大学 | 一种复杂场景中多摄影机协同的人物追踪方法 |
CN104156942A (zh) * | 2014-07-02 | 2014-11-19 | 华南理工大学 | 一种用于复杂环境遗留物的检测方法 |
-
2016
- 2016-12-07 CN CN201611113828.3A patent/CN106683077A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080100473A1 (en) * | 2006-10-25 | 2008-05-01 | Siemens Corporate Research, Inc. | Spatial-temporal Image Analysis in Vehicle Detection Systems |
CN101281596A (zh) * | 2007-04-05 | 2008-10-08 | 三菱电机株式会社 | 用于检测场景中的遗留对象的方法 |
CN102663743A (zh) * | 2012-03-23 | 2012-09-12 | 西安电子科技大学 | 一种复杂场景中多摄影机协同的人物追踪方法 |
CN104156942A (zh) * | 2014-07-02 | 2014-11-19 | 华南理工大学 | 一种用于复杂环境遗留物的检测方法 |
Non-Patent Citations (3)
Title |
---|
LIU XIYA 等: "An Abandoned Object Detection System Based on Dual Background and Motion Analysis", 《2012 INTERNATIONAL CONFERENCE ON COMPUTER SCIENCE AND SERVICE SYSTEM》 * |
ZHIQI YANG: "A new algorithm of background image extraction and update in the vehicle detection system", 《2011 INTERNATIONAL CONFERENCE ON MULTIMEDIA TECHNOLOGY》 * |
张顺淼 等: "一种基于Surendra背景更新的背景减除运动目标检测方法", 《南京工程学院学报(自然科学版)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107220992A (zh) * | 2017-06-16 | 2017-09-29 | 华南理工大学 | 结合机器视觉与红外阵列的手扶电梯楼层板视频监控方法 |
CN107220992B (zh) * | 2017-06-16 | 2019-12-10 | 华南理工大学 | 结合机器视觉与红外阵列的手扶电梯楼层板视频监控方法 |
CN111259718A (zh) * | 2019-10-24 | 2020-06-09 | 杭州安脉盛智能技术有限公司 | 一种基于高斯混合模型的扶梯滞留检测方法及*** |
CN111242944A (zh) * | 2020-02-10 | 2020-06-05 | 杭州大数云智科技有限公司 | 扶梯大件滞留物检测*** |
CN116883413A (zh) * | 2023-09-08 | 2023-10-13 | 山东鲁抗医药集团赛特有限责任公司 | 一种剔废接料滞留视觉检测方法 |
CN116883413B (zh) * | 2023-09-08 | 2023-12-01 | 山东鲁抗医药集团赛特有限责任公司 | 一种剔废接料滞留视觉检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102129893B1 (ko) | 딥러닝 네트워크 및 평균 이동을 기반으로 하는 선박 자동추적 방법 및 시스템 | |
CN101577812B (zh) | 一种岗位监测的方法和*** | |
CN104378582B (zh) | 一种基于ptz摄像机巡航的智能视频分析***及方法 | |
CN104123544B (zh) | 基于视频分析的异常行为检测方法及*** | |
CN107679471B (zh) | 基于视频监控平台的室内人员空岗检测方法 | |
CN106991668B (zh) | 一种天网摄像头拍摄画面的评价方法 | |
CN106683077A (zh) | 一种扶梯口楼层板上大件物滞留检测方法 | |
JP2013196684A (ja) | 対象物計数方法および対象物計数装置 | |
CN103425967A (zh) | 一种基于行人检测和跟踪的人流监控方法 | |
CN101635835A (zh) | 智能视频监控方法及*** | |
CN100565557C (zh) | 基于粒子动态采样模型的红外人体目标跟踪*** | |
CN103049734A (zh) | 一种在公共场所找人的方法及*** | |
CN106570490B (zh) | 一种基于快速聚类的行人实时跟踪方法 | |
CN109711322A (zh) | 一种基于rfcn的人车分离方法 | |
CN105760846A (zh) | 基于深度数据的目标检测与定位方法及*** | |
CN108564577A (zh) | 基于卷积神经网络的太阳能电池片断栅缺陷检测方法 | |
CN102013009A (zh) | 烟雾图像识别方法及装置 | |
CN103150552B (zh) | 一种基于人头计数的驾驶培训管理方法 | |
CN104408406A (zh) | 基于帧差法和减背景法的人员离岗检测方法 | |
CN106920247A (zh) | 一种基于比对网络的目标跟踪方法及装置 | |
CN104463869A (zh) | 一种视频火焰图像复合识别方法 | |
CN116402863B (zh) | 一种建筑施工监控数据智能分析及预警*** | |
CN110703760A (zh) | 一种用于安防巡检机器人的新增可疑物体检测方法 | |
CN102509414B (zh) | 一种基于计算机视觉的烟雾检测方法 | |
CN111860457A (zh) | 一种斗殴行为识别预警方法及其识别预警*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180209 Address after: Ke Lin Lu Science City of Guangzhou high tech Development Zone of Guangdong Province, No. 1 of 510660 Applicant after: HITACHI ELEVATOR (GUANGZHOU) ESCALATOR CO., LTD. Address before: Nansha District Avenue South Ring of 511458 cities in Guangdong province Guangzhou City, No. 25 Hua Da Guangzhou production and Research Institute Applicant before: South China University of Technology |
|
TA01 | Transfer of patent application right | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170517 |
|
WD01 | Invention patent application deemed withdrawn after publication |