CN107316312A - 一种视频图像遮挡检测方法及*** - Google Patents
一种视频图像遮挡检测方法及*** Download PDFInfo
- Publication number
- CN107316312A CN107316312A CN201710524149.3A CN201710524149A CN107316312A CN 107316312 A CN107316312 A CN 107316312A CN 201710524149 A CN201710524149 A CN 201710524149A CN 107316312 A CN107316312 A CN 107316312A
- Authority
- CN
- China
- Prior art keywords
- image
- model
- video image
- detected
- current frame
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/147—Scene change detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种视频图像遮挡检测方法及***,该方法包括:建立待检测视频图像的背景图像模型;计算当前帧图像和背景图像模型的帧差;当所述当前帧图像与背景图像模型不存在帧差时,将当前帧图像更新为背景图像模型;当所述当前帧图像与背景图像模型存在帧差时,将当前帧图像与背景图像模型存在帧差区域定义为前景区域;计算前景区域的图像边缘信息;当图像边缘信息低于预设边缘阈值时,确定待检测视频图像存在遮挡;当图像边缘信息不低于预设边缘阈值时,确定待检测视频图像不存在遮挡,将当前帧图像更新为背景图像模型。该方法通过对视频图像分析,实时检测视频图像有无遮挡,解决了长时间的遮挡慢慢变为视频图像背景的问题。
Description
技术领域
本发明涉及视频检测技术领域,具体涉及一种视频图像遮挡检测方法及***。
背景技术
在进行视频拍摄时,理论上只有静止或者非常缓慢移动的像素点才允许更新到背景图中,但实际情况中,有可能存在某些物体遮挡住拍摄设备,在视频图像中形成遮挡,此时由于物体在某个时刻之后会长时间出现在背景中,会导致该物体被更新到背景图中,从而影响视频图像的质量。
发明内容
针对上述现有技术中存在的不足之处,本发明提供一种视频图像遮挡检测方法。该方法通过对视频图像分析,实时检测视频图像有无遮挡,解决了长时间的遮挡慢慢变为视频图像背景的问题。
该视频图像遮挡检测方法包括:建立待检测视频图像的背景图像模型;计算当前帧图像和所述背景图像模型的帧差;
当所述当前帧图像与所述背景图像模型不存在帧差时,将所述当前帧图像更新为所述背景图像模型,继续检测下一帧图像;当所述当前帧图像与所述背景图像模型存在帧差时,将所述当前帧图像与所述背景图像模型存在帧差区域定义为前景区域;计算所述前景区域的图像边缘信息;判断所述图像边缘信息与预设边缘阈值的关系;当所述图像边缘信息低于所述预设边缘阈值时,确定所述待检测视频图像存在遮挡;当所述图像边缘信息不低于所述预设边缘阈值时,确定所述待检测视频图像不存在遮挡,将所述当前帧图像更新为所述背景图像模型,继续检测下一帧图像。
可选地,所述建立待检测视频图像的背景图像模型包括:统计及计算所述待检测视频图像中连续多帧的图像参数,获得所述图像参数的统计数据;根据所述统计数据建立所述待检测视频图像的背景图像模型。
可选地,所述统计数据包括但不限于图像参数的平均值、平均差分、标准差和均值漂移值。
可选地,所述计算所述前景区域的图像边缘信息,具体为:通过Sobel算子边缘检测方式计算所述前景区域的图像边缘信息。
相应地,本发明还提供一种视频图像遮挡检测***,该视频图像遮挡检测***包括建模模块,用于建立待检测视频图像的背景图像模型;计算模块,用于计算当前帧图像和所述背景图像模型的帧差;当所述当前帧图像与所述背景图像模型不存在帧差时,将所述当前帧图像更新为所述背景图像模型,继续检测下一帧图像;当所述当前帧图像与所述背景图像模型存在帧差时,将所述当前帧图像与所述背景图像模型存在帧差区域定义为前景区域;计算所述前景区域的图像边缘信息;判断模块,用于判断所述图像边缘信息与预设边缘阈值的关系;当所述图像边缘信息低于所述预设边缘阈值时,确定所述待检测视频图像存在遮挡;当所述图像边缘信息不低于所述预设边缘阈值时,确定所述待检测视频图像不存在遮挡,将所述当前帧图像更新为所述背景图像模型,继续检测下一帧图像。
可选地,建模模块包括:统计单元,用于统计及计算所述待检测视频图像中连续多帧的图像参数,获得所述图像参数的统计数据;建模单元,用于根据所述统计数据建立所述待检测视频图像的背景图像模型。
可选地,计算模块用于:通过Sobel算子边缘检测方式计算所述前景区域的图像边缘信息。
本发明的视频图像遮挡检测方法及***,通过确定待检测视频图像中的前景区域;计算前景区域的图像边缘信息;当图像边缘信息低于预设边缘阈值时,确定待检测视频图像存在遮挡;当图像边缘信息不低于预设边缘阈值时,确定待检测视频图像不存在遮挡。从而实现了实时检测视频图像有无遮挡的效果,解决了长时间的遮挡慢慢变为视频图像背景的问题。
附图说明
图1为本发明第一实施例中视频图像遮挡检测方法的流程图;
图2为本发明第二实施例中视频图像遮挡检测***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,下面将结合本发明实施例中的附图,对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的一部分实施例,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的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。
第一实施例
请参阅图1,图1示出了本发明第一实施例的视频图像遮挡检测方法的流程图,具体步骤如下:
S101,建立待检测视频图像的背景图像模型。
需要说明的是,步骤101中具体通过以下步骤建立背景图像模型,统计及计算待检测视频图像中连续多帧的图像参数,获得图像参数的统计数据;根据统计数据建立待检测视频图像的背景图像模型。其中统计数据包括但不限于图像参数的平均值、平均差分、标准差和均值漂移值。图像参数代表了图像的特征信息,例如色相,饱和度,明度,分辨力等。根据具体需求确定需要获取哪些特征参数即可。
更具体地,则可以通过统计及计算待检测视频图像中连续多帧的图像参数的平均值;然后根据图像参数的平均值建立待检测视频图像的统计背景模型。
S102,计算当前帧图像和背景图像模型的帧差。
S103,判断当前帧图像与背景图像模型是否存在帧差,若当前帧图像与背景图像模型不存在帧差,则进入步骤104,若当前帧图像与背景图像模型存在帧差,则进入步骤105。
S104,更新背景图像模型,进入步骤101。
需要说明的是,步骤104是若当前帧图像与背景图像模型不存在帧差或者无遮挡时,则将该帧图像更新为图像背景模型,从而作为下一次检测的依据。
S105,将当前帧图像与背景图像模型存在帧差区域定义为前景区域,进入步骤106。
S106,计算前景区域的图像边缘信息,然后进入步骤107。
需要说明的是,步骤106中计算前景区域的图像边缘信息,具体为:使用Sobel算子边缘检测方式,通过3×3模板作为核与前景区域中的每个像素点做卷积和运算。从而来确定前景区域的图像边缘信息。
S107,判断图像边缘信息是否低于预设边缘阈值,当图像边缘信息低于预设边缘阈值时进入步骤109,当图像边缘信息不低于预设边缘阈值时进入步骤108。
需要说明的是,步骤107中的预设边缘阈值根据具体需求确定即可,本实施例对此不作具体限定。
S108,确定待检测视频图像不存在遮挡,进入步骤104。
需要说明的是,图像边缘信息越高于边缘阈值,图像越锐利,也就代表图像采集设备无遮挡物,此时需要将当前帧图像更新为背景图像模型作为下一次检测依据。
S109,确定待检测视频图像存在遮挡。
需要说明的是,图像边缘信息越低于边缘阈值,图像越平滑,也就代表图像采集设备有遮挡物。
本实施例的视频图像遮挡检测方法,通过确定待检测视频图像中的前景区域;计算前景区域的图像边缘信息;当图像边缘信息低于预设边缘阈值时,确定待检测视频图像存在遮挡;当图像边缘信息高于预设边缘阈值时,确定待检测视频图像不存在遮挡。从而实现了实时检测视频图像有无遮挡的效果,解决了长时间的遮挡慢慢变为视频图像背景的问题。
第二实施例
请参阅图2,图2示出了本发明第二实施例的视频图像遮挡检测***200的结构图,具体结构包括:
建模模块201,用于建立待检测视频图像的背景图像模型。
计算模块202,用于计算当前帧图像和所述背景图像模型的帧差;当所述当前帧图像与所述背景图像模型不存在帧差时,将所述当前帧图像更新为所述背景图像模型,继续检测下一帧图像;当所述当前帧图像与所述背景图像模型存在帧差时,将所述当前帧图像与所述背景图像模型存在帧差区域定义为前景区域并计算所述前景区域的图像边缘信息。
判断模块203,用于判断所述图像边缘信息与预设边缘阈值的关系;当所述图像边缘信息低于所述预设边缘阈值时,确定所述待检测视频图像存在遮挡;当所述图像边缘信息不低于所述预设边缘阈值时,确定所述待检测视频图像不存在遮挡,将所述当前帧图像更新为所述背景图像模型,继续检测下一帧图像。
进一步地,建模模块201包括:统计单元2011,用于统计及计算所述待检测视频图像中连续多帧的图像参数,获得所述图像参数的统计数据;建模单元2012,用于根据所述统计数据建立所述待检测视频图像的背景图像模型。
该视频图像遮挡检测***200能够实现上述视频图像遮挡检测方法中需要***实现的功能,故在此不再赘述。
本实施例的视频图像遮挡检测***,通过确定待检测视频图像中的前景区域;计算前景区域的图像边缘信息;当图像边缘信息低于预设边缘阈值时,确定待检测视频图像存在遮挡;当图像边缘信息不低于预设边缘阈值时,确定待检测视频图像不存在遮挡。从而实现了实时检测视频图像有无遮挡的效果,解决了长时间的遮挡慢慢变为视频图像背景的问题。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照本发明的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种视频图像遮挡检测方法,其特征在于,所述方法包括:
建立待检测视频图像的背景图像模型;
计算当前帧图像和所述背景图像模型的帧差;
当所述当前帧图像与所述背景图像模型不存在帧差时,将所述当前帧图像更新为所述背景图像模型,继续检测下一帧图像;
当所述当前帧图像与所述背景图像模型存在帧差时,将所述当前帧图像与所述背景图像模型存在帧差区域定义为前景区域;
计算所述前景区域的图像边缘信息;
判断所述图像边缘信息与预设边缘阈值的关系;
当所述图像边缘信息低于所述预设边缘阈值时,确定所述待检测视频图像存在遮挡;
当所述图像边缘信息不低于所述预设边缘阈值时,确定所述待检测视频图像不存在遮挡,将所述当前帧图像更新为所述背景图像模型,继续检测下一帧图像。
2.如权利要求1所述的视频图像遮挡检测方法,其特征在于,所述建立待检测视频图像的背景图像模型包括:
统计及计算所述待检测视频图像中连续多帧的图像参数,获得所述图像参数的统计数据;
根据所述统计数据建立所述待检测视频图像的背景图像模型。
3.如权利要求2所述的视频图像遮挡检测方法,其特征在于,所述统计数据包括但不限于图像参数的平均值、平均差分、标准差和均值漂移值。
4.如权利要求1所述的视频图像遮挡检测方法,其特征在于,所述计算所述前景区域的图像边缘信息,具体为:
通过Sobel算子边缘检测方式计算所述前景区域的图像边缘信息。
5.一种视频图像遮挡检测***,其特征在于,所述***包括:
建模模块,用于建立待检测视频图像的背景图像模型;
计算模块,用于计算当前帧图像和所述背景图像模型的帧差;当所述当前帧图像与所述背景图像模型不存在帧差时,将所述当前帧图像更新为所述背景图像模型,继续检测下一帧图像;当所述当前帧图像与所述背景图像模型存在帧差时,将所述当前帧图像与所述背景图像模型存在帧差区域定义为前景区域并计算所述前景区域的图像边缘信息;
判断模块,用于判断所述图像边缘信息与预设边缘阈值的关系;当所述图像边缘信息低于所述预设边缘阈值时,确定所述待检测视频图像存在遮挡;当所述图像边缘信息不低于所述预设边缘阈值时,确定所述待检测视频图像不存在遮挡,将所述当前帧图像更新为所述背景图像模型,继续检测下一帧图像。
6.如权利要求5所述的视频图像遮挡检测***,其特征在于,建模模块包括:
统计单元,用于统计及计算所述待检测视频图像中连续多帧的图像参数,获得所述图像参数的统计数据;
建模单元,用于根据所述统计数据建立所述待检测视频图像的背景图像模型。
7.如权利要求5所述的视频图像遮挡检测***,其特征在于,所述计算模块用于:通过Sobel算子边缘检测方式计算所述前景区域的图像边缘信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710524149.3A CN107316312A (zh) | 2017-06-30 | 2017-06-30 | 一种视频图像遮挡检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710524149.3A CN107316312A (zh) | 2017-06-30 | 2017-06-30 | 一种视频图像遮挡检测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107316312A true CN107316312A (zh) | 2017-11-03 |
Family
ID=60181025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710524149.3A Pending CN107316312A (zh) | 2017-06-30 | 2017-06-30 | 一种视频图像遮挡检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107316312A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110300253A (zh) * | 2018-03-22 | 2019-10-01 | 佳能株式会社 | 图像处理装置和方法及存储指令的存储介质 |
CN110321819A (zh) * | 2019-06-21 | 2019-10-11 | 浙江大华技术股份有限公司 | 摄像设备的遮挡检测方法、装置及存储装置 |
CN110636281A (zh) * | 2019-09-23 | 2019-12-31 | 江西憶源多媒体科技有限公司 | 一种基于背景模型的监控摄像头遮挡实时检测方法 |
CN112530059A (zh) * | 2020-11-24 | 2021-03-19 | 厦门熵基科技有限公司 | 一种通道闸内拉杆箱判断方法、装置、设备和存储介质 |
CN112597952A (zh) * | 2020-12-28 | 2021-04-02 | 深圳市捷顺科技实业股份有限公司 | 一种摄像机监控状态的识别方法、装置、***及存储介质 |
CN112801963A (zh) * | 2021-01-19 | 2021-05-14 | 湖南优美科技发展有限公司 | 一种视频图像遮挡检测方法及*** |
CN113011226A (zh) * | 2019-12-19 | 2021-06-22 | 合肥君正科技有限公司 | 一种车内监控画面花色物体遮挡检测的方法 |
CN113014913A (zh) * | 2019-12-19 | 2021-06-22 | 合肥君正科技有限公司 | 一种车内监控相机分段模式遮挡检测的方法 |
CN113052147A (zh) * | 2021-04-30 | 2021-06-29 | 北京邮电大学 | 一种行为识别方法及装置 |
CN113487639A (zh) * | 2021-07-14 | 2021-10-08 | 北京金山云网络技术有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
CN113538337A (zh) * | 2021-06-17 | 2021-10-22 | 杭州涂鸦信息技术有限公司 | 检测方法、检测装置及计算机可读存储介质 |
WO2023103298A1 (zh) * | 2021-12-08 | 2023-06-15 | 上海商汤智能科技有限公司 | 遮挡检测方法及装置、电子设备、存储介质及计算机程序产品 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101175203A (zh) * | 2007-11-19 | 2008-05-07 | 上海龙东光电子有限公司 | 实时视频目标跟踪方法 |
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测***及方法 |
CN102231223A (zh) * | 2011-06-02 | 2011-11-02 | 深圳中兴力维技术有限公司 | 一种用于摄像机的异物遮挡告警方法 |
CN103139547A (zh) * | 2013-02-25 | 2013-06-05 | 昆山南邮智能科技有限公司 | 基于视频图像信号判定摄像镜头遮挡状态的方法 |
CN106056079A (zh) * | 2016-05-31 | 2016-10-26 | 中国科学院自动化研究所 | 一种图像采集设备及人脸五官的遮挡检测方法 |
-
2017
- 2017-06-30 CN CN201710524149.3A patent/CN107316312A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101175203A (zh) * | 2007-11-19 | 2008-05-07 | 上海龙东光电子有限公司 | 实时视频目标跟踪方法 |
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测***及方法 |
CN102231223A (zh) * | 2011-06-02 | 2011-11-02 | 深圳中兴力维技术有限公司 | 一种用于摄像机的异物遮挡告警方法 |
CN103139547A (zh) * | 2013-02-25 | 2013-06-05 | 昆山南邮智能科技有限公司 | 基于视频图像信号判定摄像镜头遮挡状态的方法 |
CN106056079A (zh) * | 2016-05-31 | 2016-10-26 | 中国科学院自动化研究所 | 一种图像采集设备及人脸五官的遮挡检测方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110300253A (zh) * | 2018-03-22 | 2019-10-01 | 佳能株式会社 | 图像处理装置和方法及存储指令的存储介质 |
CN110321819B (zh) * | 2019-06-21 | 2021-09-14 | 浙江大华技术股份有限公司 | 摄像设备的遮挡检测方法、装置及存储装置 |
CN110321819A (zh) * | 2019-06-21 | 2019-10-11 | 浙江大华技术股份有限公司 | 摄像设备的遮挡检测方法、装置及存储装置 |
CN110636281A (zh) * | 2019-09-23 | 2019-12-31 | 江西憶源多媒体科技有限公司 | 一种基于背景模型的监控摄像头遮挡实时检测方法 |
CN110636281B (zh) * | 2019-09-23 | 2021-06-18 | 江西憶源多媒体科技有限公司 | 一种基于背景模型的监控摄像头遮挡实时检测方法 |
CN113011226B (zh) * | 2019-12-19 | 2024-05-03 | 合肥君正科技有限公司 | 一种车内监控画面花色物体遮挡检测的方法 |
CN113011226A (zh) * | 2019-12-19 | 2021-06-22 | 合肥君正科技有限公司 | 一种车内监控画面花色物体遮挡检测的方法 |
CN113014913A (zh) * | 2019-12-19 | 2021-06-22 | 合肥君正科技有限公司 | 一种车内监控相机分段模式遮挡检测的方法 |
CN112530059A (zh) * | 2020-11-24 | 2021-03-19 | 厦门熵基科技有限公司 | 一种通道闸内拉杆箱判断方法、装置、设备和存储介质 |
CN112530059B (zh) * | 2020-11-24 | 2022-07-05 | 厦门熵基科技有限公司 | 一种通道闸内拉杆箱判断方法、装置、设备和存储介质 |
CN112597952A (zh) * | 2020-12-28 | 2021-04-02 | 深圳市捷顺科技实业股份有限公司 | 一种摄像机监控状态的识别方法、装置、***及存储介质 |
CN112801963A (zh) * | 2021-01-19 | 2021-05-14 | 湖南优美科技发展有限公司 | 一种视频图像遮挡检测方法及*** |
CN113052147A (zh) * | 2021-04-30 | 2021-06-29 | 北京邮电大学 | 一种行为识别方法及装置 |
CN113538337A (zh) * | 2021-06-17 | 2021-10-22 | 杭州涂鸦信息技术有限公司 | 检测方法、检测装置及计算机可读存储介质 |
CN113538337B (zh) * | 2021-06-17 | 2024-02-27 | 杭州涂鸦信息技术有限公司 | 检测方法、检测装置及计算机可读存储介质 |
CN113487639A (zh) * | 2021-07-14 | 2021-10-08 | 北京金山云网络技术有限公司 | 一种图像处理方法、装置、电子设备及存储介质 |
WO2023103298A1 (zh) * | 2021-12-08 | 2023-06-15 | 上海商汤智能科技有限公司 | 遮挡检测方法及装置、电子设备、存储介质及计算机程序产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107316312A (zh) | 一种视频图像遮挡检测方法及*** | |
US11102417B2 (en) | Target object capturing method and device, and video monitoring device | |
WO2016172870A1 (zh) | 视频监控方法、视频监控***以及计算机程序产品 | |
CN104657993B (zh) | 一种镜头遮挡检测方法及装置 | |
CN103729858B (zh) | 一种视频监控***中遗留物品的检测方法 | |
CN110348343A (zh) | 一种暴力行为监测方法、装置、存储介质及终端设备 | |
CN103810696B (zh) | 一种目标对象图像检测方法及装置 | |
US10313596B2 (en) | Method and apparatus for correcting tilt of subject ocuured in photographing, mobile terminal, and storage medium | |
CN111160187B (zh) | 一种遗留物体检测的方法、装置及*** | |
CN108012202A (zh) | 视频浓缩方法、设备、计算机可读存储介质及计算机装置 | |
US12002195B2 (en) | Computer vision-based anomaly detection method, device and electronic apparatus | |
CN108364282B (zh) | 图像马赛克检测方法、图像马赛克检测*** | |
CN110889328A (zh) | 检测道路交通状况的方法、装置、电子设备和存储介质 | |
JP2014007498A (ja) | 災害検知システム | |
CN107509059A (zh) | 摄像机镜头遮挡检测方法 | |
CN103096117B (zh) | 视频噪声检测方法及装置 | |
CN108288017A (zh) | 获取对象密度的方法及装置 | |
CN103927519A (zh) | 一种实时人脸检测与过滤方法 | |
US20170103536A1 (en) | Counting apparatus and method for moving objects | |
CN115527158A (zh) | 一种基于视频监控的人员异常行为检测方法及装置 | |
CN108460319B (zh) | 异常人脸检测方法及装置 | |
CN104683765A (zh) | 一种基于移动物体侦测的视频浓缩方法 | |
CN105447863A (zh) | 一种基于改进vibe的遗留物检测方法 | |
CN104216637B (zh) | 一种通过识别光斑轨迹控制拼接大屏幕的方法和*** | |
KR101640527B1 (ko) | 단일객체의 크기를 추정하는 영상 감시장치 및 방법 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171103 |
|
RJ01 | Rejection of invention patent application after publication |