CN108109117A - 一种基于运动物体的颜色实时变换的方法 - Google Patents
一种基于运动物体的颜色实时变换的方法 Download PDFInfo
- Publication number
- CN108109117A CN108109117A CN201711339167.0A CN201711339167A CN108109117A CN 108109117 A CN108109117 A CN 108109117A CN 201711339167 A CN201711339167 A CN 201711339167A CN 108109117 A CN108109117 A CN 108109117A
- Authority
- CN
- China
- Prior art keywords
- value
- region
- color
- image
- gray
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000001914 filtration Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000006073 displacement reaction Methods 0.000 claims abstract description 4
- 238000010586 diagram Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Of Color Television Signals (AREA)
- Studio Circuits (AREA)
- Image Analysis (AREA)
Abstract
一种基于运动物体的颜色实时变换的方法,通过稳定的摄像头检测图像序列中的运动目标,获取运动目标在每一帧图像中的运动区域,并根据一段时间检测到的运动物体在图像中的位置变化幅度,规律性的改变每一帧图像中运动区域的颜色,包括步骤:(1)图像前期处理,(2)检测所摄范围内运动的物体,(3)计算物体前后帧的位移量,(4)运动物体区域实时颜色变化,本发明采用了三帧差分法、中值滤波法、最大类间方差法和区域生长法,快速有效且实时的改变运动物体的颜色。
Description
技术领域
本发明涉及视频图像处理技术领域,特别涉及一种基于运动物体的颜色实时变换的方法。
背景技术
目前的现有技术,在图像摄取范围内,想要改变视频图像中物体的颜色变换,仅限于在获取视频图像后再在后期进行处理,无法在拍摄时对所拍摄的运动物体颜色进行实时变换,这种后期形式的处理虽然能达到相同的效果,但其滞后性太大,且后期处理需花费大量人力物力,而现在互联网市场对于这一实时变换运动物体颜色的技术需求越来越大,急需这一技术来满足用户的需求。
发明内容
本发明要解决的技术问题是:提供一种快速、方便,不需后期进行处理且能在各种设备上使用的基于运动物体的颜色实时变换的方法,以克服已有技术所存在的上述不足。
本发明采取的技术方案是:一种基于运动物体的颜色实时变换的方法,该方法包括以下步骤:
(1)图像前期处理:
S1:摄像头采集实时图像信息,获得当前视频序列帧;
S2:将当前帧的彩色图像转成灰度图;
S3:采用中值滤波法,对灰度图进行滤波处理;
(2)检测所摄范围内运动的物体:
S4:采用三帧差分法,将步骤S3中处理后的灰度图与相邻帧的灰度图进行对比,获得差分图;
S5:采用最大类间方差法,计算出差分图的自适应的阈值T;
S6:将差分图的像素点与阈值T进行对比,获得图像序列中运动区域的二值图;
S7:采用区域生长法,提取二值图中运动物体的连通区域的点坐标集合,从而筛选出运动区域;
S8:填充运动区域,平滑周边,形成运动物体的轮廓及形状;
(3)计算物体前后帧的位移量:
S9:基于步骤S7中得到的运动区域的点集合,计算当前帧运动区域的矩形边界和矩形在图像中距离图像边界的长度,即上、下、左、右距离值,获得当前帧运动区域的位置信息;
S10:将当前帧运动区域的位置信息与上一帧运动区域的位置信息进行对比,保留上、下、左、右距离的较小值;
S11:将左、右距离值相减,获得该运动物体在水平方向的运动幅度d1,将上、下距离值相减,获得该运动物体在垂直方向的运动幅度d2,计算物体运动的幅度,即差距参数l,计算公式如下:l=sqrt(d1*d1+d2*d2);
(4)运动物体区域实时颜色变化:
S12:遍历当前帧,获取彩色点像素值;
S13:由步骤S11中得到的运动幅度d1和运动幅度d2组成的矩形边框,设该矩形边框的对角线长度为s,对角线长度s与差距参数l的比值为当前运动区域所占运动总幅度的百分比t;
S14:遍历运动区域的像素点值,获得每个坐标点的像素颜色值F(R,G,B);
S15:根据设定的最终变化成的颜色值Z(R,G,B)和每个坐标点的像素颜色值F(R,G,B)之间的距离p,计算每个像素点的颜色,计算公式如下:I(R,G,B)= F(R,G,B)+ p*t;
S16:颜色变化并输出显示图像。
所述步骤S4至S6具体包括以下步骤:
S21:采用三帧差分法,取视频序列中第n+1帧、第n帧和第n−1帧的灰度图,三帧对应的像素点坐标的灰度值分别为fn+1(x , y)、fn(x , y)和fn−1(x , y);
S22:将第n+1帧和第n帧的对应坐标点的灰度值相减,获得差分图d1;
S23:采用最大类间方差法,设差分图d1的前景点数占图像比例为w0,平均灰度为u0,背景点数占图像比例为w1,平均灰度为u1,计算图像的总平均灰度u,计算公式如下:u=w0*u0+w1*u1;
S24:计算前景和背景图象的方差,计算公式如下:
g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1);
S25:当方差g最大时,前景和背景差异最大,则此时的灰度为差分图d1的最佳阈值T;
S26:将差分图d1的像素点与其最佳阈值T相减,若得到的绝对值小于阈值T,则将该像素点颜色设为黑色,若相减得到的绝对值大于阈值T,则将该像素点颜色设为白色,最终获得差分的二值图D1;
S27:同理,将第n帧和第n-1帧的对应坐标点的灰度值相减,获得差分图d2,采用最大类间方差法获得差分的二值图D2;
S28:将二值图D1和D2进行与操作,获得二值图D,即运动区域的二值图。
所述步骤S7和S8具体包括以下步骤:
S31:遍历图像,提取一个不是背景的像素点,将该点设为背景色;
S32:以该点作为种子点查找该点邻域范围内的所有连接点,并将查找到的连接点全部设为背景色;
S33:将所找到的连接点全部作为种子点,查找该种子点的邻域范围内的所有连接点,再将所查找到的点全部设为背景色;
S34:以此循环往复,直到没有新的种子点出现。
所述中值滤波法具体包括以下步骤:
S41:提取图像中某一像素坐标点A的灰度值;
S42:获取坐标点A的邻域窗口,邻域窗口形状可以为线形、方形或圆形等;
S43:计算邻域窗口中的灰度值并进行排序;
S44:提取排序后的灰度中间值替代A点的灰度值。
由于采用上述技术方案,本发明之一种基于运动物体的颜色实时变换的方法具有如下有益效果:
1.本发明之一种基于运动物体的颜色实时变换的方法通过稳定的摄像头检测图像序列中的运动目标,获取运动目标在每一帧图像中的运动区域,并根据一段时间检测到的运动物体在图像中的位置变化幅度,规律性的改变每一帧图像中运动区域的颜色,方便快速且实用;
2.本发明基于实时性和计算量的条件,采用三帧差分法来提取视频流中的运动物体,由于该算法对光线等场景变化不太敏感,因此能够适应各种动态环境,稳定性较好。
下面结合附图和实施例对本发明之一种基于运动物体的颜色实时变换的方法的技术特征作进一步的说明。
附图说明
图1:本发明之一种基于运动物体的颜色实时变换的方法的流程图。
具体实施方式
实施例
一种基于运动物体的颜色实时变换的方法,该方法包括以下步骤:
(1)图像前期处理:
S1:摄像头采集实时图像信息,获得当前视频序列帧;
S2:将当前帧的彩色图像转成灰度图;
S3:为了减小噪点对差分图提取的影响,采用中值滤波法,对灰度图进行滤波处理,从而滤除脉冲噪声,保护信号边缘;
(2)检测所摄范围内运动的物体:摄像头采集的视频序列具有连续性,如果场景内没有运动目标,则连续帧坐标对应像素的变化很微弱,如果存在运动目标,则连续的帧和帧之间的像素会有明显地变化;
S4:采用三帧差分法,将步骤S3中处理后的灰度图与相邻帧的灰度图进行对比,获得差分图,差分图像可以检测出运动目标的轮廓;
S5:差分图中包含了运动物体即前景的像素值和出现的背景干扰像素点,需要对图像进行分割提取出前景区域,而且由于拍摄场景不固定,存在光线变化等多种因素干扰,阈值T不能取固定值,需要针对不同的情况使用不同的阈值,因此采用最大类间方差法,计算出差分图的自适应的阈值T;
S6:将差分图的像素点与阈值T进行对比,获得图像序列中运动区域的二值图;
S7:采用区域生长法,提取二值图中运动物体的连通区域的点坐标集合,从而筛选出运动区域;
S8:填充运动区域,平滑周边,形成运动物体的轮廓及形状,即对图像进行形态学处理(膨胀和腐蚀)、连通域提取及孔洞填充;
(3)计算物体前后帧的位移量:
S9:基于步骤S7中得到的运动区域的点集合,计算当前帧运动区域的矩形边界和矩形在图像中距离图像边界的长度,即上、下、左、右距离值,获得当前帧运动区域的位置信息;
S10:将当前帧运动区域的位置信息与上一帧运动区域的位置信息进行对比,保留上、下、左、右距离的较小值;
S11:将左、右距离值相减,获得该运动物体在水平方向的运动幅度d1,将上、下距离值相减,获得该运动物体在垂直方向的运动幅度d2,计算物体运动的幅度,即差距参数l,计算公式如下:l=sqrt(d1*d1+d2*d2);
(4)运动物体区域实时颜色变化:根据物体的运动变化来改变运动物体的颜色值并实时显示,由运动区域范围,计算区域边界矩形,并记录在视频序列中该运动矩形在图像中每一帧的变化幅度以及最大的变化幅度,从而根据幅度的变化改变运动区域内的像素颜色值;
S12:遍历当前帧,获取彩色点像素值;
S13:由步骤S11中得到的运动幅度d1和运动幅度d2组成的矩形边框,设该矩形边框的对角线长度为s,对角线长度s与差距参数l的比值为当前运动区域所占运动总幅度的百分比t;
S14:遍历运动区域的像素点值,获得每个坐标点的像素颜色值F(R,G,B);
S15:由于运动物体区域的颜色变换规律是根据该物体运动的幅度进行变化的,步骤S13中的矩形边框大小一直在变,并非是固定大小,因此百分比t也不固定,根据设定的最终变化成的颜色值Z(R,G,B)和每个坐标点的像素颜色值F(R,G,B)之间的距离p,计算每个像素点的颜色,计算公式如下:I(R,G,B)= F(R,G,B)+ p*t;
S16:颜色变化并输出显示图像。
所述步骤S4至S6具体包括以下步骤:
S21:采用三帧差分法,取视频序列中第n+1帧、第n帧和第n−1帧的灰度图,三帧对应的像素点坐标的灰度值分别为fn+1(x , y)、fn(x , y)和fn−1(x , y);
S22:将第n+1帧和第n帧的对应坐标点的灰度值相减,以削弱图像的相似部分,突出显示图像的变化部分,获得差分图d1;
S23:采用最大类间方差法,设差分图d1的前景点数占图像比例为w0,平均灰度为u0,背景点数占图像比例为w1,平均灰度为u1,计算图像的总平均灰度u,计算公式如下:u=w0*u0+w1*u1;
S24:计算前景和背景图象的方差,计算公式如下:
g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1);
S25:当方差g最大时,前景和背景差异最大,则此时的灰度为差分图d1的最佳阈值T;
S26:将差分图d1的像素点与其最佳阈值T相减,若得到的绝对值小于阈值T,则将该像素点颜色设为黑色,若相减得到的绝对值大于阈值T,则将该像素点颜色设为白色,最终获得差分的二值图D1;
S27:同理,将第n帧和第n-1帧的对应坐标点的灰度值相减,获得差分图d2,采用最大类间方差法获得差分的二值图D2;
S28:将二值图D1和D2进行与操作,获得二值图D,即运动区域的二值图。
所述步骤S7和S8具体包括以下步骤:
S31:遍历图像,提取一个不是背景的像素点,将该点设为背景色;
S32:以该点作为种子点查找该点邻域范围内的所有连接点,并将查找到的连接点全部设为背景色;
S33:将所找到的连接点全部作为种子点,查找该种子点的邻域范围内的所有连接点,再将所查找到的点全部设为背景色;
S34:以此循环往复,直到没有新的种子点出现。
所述中值滤波法具体包括以下步骤:
S41:提取图像中某一像素坐标点A的灰度值;
S42:获取坐标点A的邻域窗口,邻域窗口形状可以为线形、方形或圆形等;
S43:计算邻域窗口中的灰度值并进行排序;
S44:提取排序后的灰度中间值替代A点的灰度值。
以上实施例仅为本发明的较佳实施例,本发明的结构并不限于上述实施例列举的形式,凡在本发明的精神和原则之内所作的任何修改、等同替换等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于运动物体的颜色实时变换的方法,其特征在于:该方法包括以下步骤:
(1)图像前期处理:
S1:摄像头采集实时图像信息,获得当前视频序列帧;
S2:将当前帧的彩色图像转成灰度图;
S3:采用中值滤波法,对灰度图进行滤波处理;
(2)检测所摄范围内运动的物体:
S4:采用三帧差分法,将步骤S3中处理后的灰度图与相邻帧的灰度图进行对比,获得差分图;
S5:采用最大类间方差法,计算出差分图的自适应的阈值T;
S6:将差分图的像素点与阈值T进行对比,获得图像序列中运动区域的二值图;
S7:采用区域生长法,提取二值图中运动物体的连通区域的点坐标集合,从而筛选出运动区域;
S8:填充运动区域,平滑周边,形成运动物体的轮廓及形状;
(3)计算物体前后帧的位移量:
S9:基于步骤S7中得到的运动区域的点集合,计算当前帧运动区域的矩形边界和矩形在图像中距离图像边界的长度,即上、下、左、右距离值,获得当前帧运动区域的位置信息;
S10:将当前帧运动区域的位置信息与上一帧运动区域的位置信息进行对比,保留上、下、左、右距离的较小值;
S11:将左、右距离值相减,获得该运动物体在水平方向的运动幅度d1,将上、下距离值相减,获得该运动物体在垂直方向的运动幅度d2,计算物体运动的幅度,即差距参数l,计算公式如下:l=sqrt(d1*d1+d2*d2);
(4)运动物体区域实时颜色变化:
S12:遍历当前帧,获取彩色点像素值;
S13:由步骤S11中得到的运动幅度d1和运动幅度d2组成的矩形边框,设该矩形边框的对角线长度为s,对角线长度s与差距参数l的比值为当前运动区域所占运动总幅度的百分比t;
S14:遍历运动区域的像素点值,获得每个坐标点的像素颜色值F(R,G,B);
S15:根据设定的最终变化成的颜色值Z(R,G,B)和每个坐标点的像素颜色值F(R,G,B)之间的距离p,计算每个像素点的颜色,计算公式如下:I(R,G,B)= F(R,G,B)+ p*t;
S16:颜色变化并输出显示图像。
2.根据权利要求1所述的一种基于运动物体的颜色实时变换的方法,其特征在于:所述步骤S4至S6具体包括以下步骤:
S21:采用三帧差分法,取视频序列中第n+1帧、第n帧和第n−1帧的灰度图,三帧对应的像素点坐标的灰度值分别为fn+1(x , y)、fn(x , y)和fn−1(x , y);
S22:将第n+1帧和第n帧的对应坐标点的灰度值相减,获得差分图d1;
S23:采用最大类间方差法,设差分图d1的前景点数占图像比例为w0,平均灰度为u0,背景点数占图像比例为w1,平均灰度为u1,计算图像的总平均灰度u,计算公式如下:u=w0*u0+w1*u1;
S24:计算前景和背景图象的方差,计算公式如下:
g=w0*(u0-u)*(u0-u)+w1*(u1-u)*(u1-u)=w0*w1*(u0-u1)*(u0-u1);
S25:当方差g最大时,前景和背景差异最大,则此时的灰度为差分图d1的最佳阈值T;
S26:将差分图d1的像素点与其最佳阈值T相减,若得到的绝对值小于阈值T,则将该像素点颜色设为黑色,若相减得到的绝对值大于阈值T,则将该像素点颜色设为白色,最终获得差分的二值图D1;
S27:同理,将第n帧和第n-1帧的对应坐标点的灰度值相减,获得差分图d2,采用最大类间方差法获得差分的二值图D2;
S28:将二值图D1和D2进行与操作,获得二值图D,即运动区域的二值图。
3.根据权利要求2所述的一种基于运动物体的颜色实时变换的方法,其特征在于:所述步骤S7和S8具体包括以下步骤:
S31:遍历图像,提取一个不是背景的像素点,将该点设为背景色;
S32:以该点作为种子点查找该点邻域范围内的所有连接点,并将查找到的连接点全部设为背景色;
S33:将所找到的连接点全部作为种子点,查找该种子点的邻域范围内的所有连接点,再将所查找到的点全部设为背景色;
S34:以此循环往复,直到没有新的种子点出现。
4.根据权利要求3所述的一种基于运动物体的颜色实时变换的方法,其特征在于:所述中值滤波法具体包括以下步骤:
S41:提取图像中某一像素坐标点A的灰度值;
S42:获取坐标点A的邻域窗口,邻域窗口形状可以为线形、方形或圆形等;
S43:计算邻域窗口中的灰度值并进行排序;
S44:提取排序后的灰度中间值替代A点的灰度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711339167.0A CN108109117A (zh) | 2017-12-14 | 2017-12-14 | 一种基于运动物体的颜色实时变换的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711339167.0A CN108109117A (zh) | 2017-12-14 | 2017-12-14 | 一种基于运动物体的颜色实时变换的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108109117A true CN108109117A (zh) | 2018-06-01 |
Family
ID=62216809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711339167.0A Pending CN108109117A (zh) | 2017-12-14 | 2017-12-14 | 一种基于运动物体的颜色实时变换的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108109117A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109034058A (zh) * | 2018-07-25 | 2018-12-18 | 哈工大机器人(合肥)国际创新研究院 | 一种针对图像中区域划分和自修正方法和*** |
CN109431681A (zh) * | 2018-09-25 | 2019-03-08 | 吉林大学 | 一种检测睡眠质量的智能眼罩及其检测方法 |
CN110599493A (zh) * | 2018-06-12 | 2019-12-20 | 财团法人工业技术研究院 | 数值阵列数据影像处理装置、方法及色码表产生方法 |
CN111505651A (zh) * | 2020-04-22 | 2020-08-07 | 西北工业大学 | 一种主动声呐回波图潜在运动目标的特征提取方法 |
CN112351191A (zh) * | 2020-09-14 | 2021-02-09 | 中标慧安信息技术股份有限公司 | 一种移动侦测处理方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533517A (zh) * | 2009-04-15 | 2009-09-16 | 北京联合大学 | 一种基于结构特征的中国书画***图像自动提取方法 |
CN101739551A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 运动目标识别方法及*** |
CN102222214A (zh) * | 2011-05-09 | 2011-10-19 | 苏州易斯康信息科技有限公司 | 快速物体识别算法 |
CN102385754A (zh) * | 2010-08-30 | 2012-03-21 | 三星电子株式会社 | 一种物体跟踪方法和设备 |
CN105069816A (zh) * | 2015-07-29 | 2015-11-18 | 济南中维世纪科技有限公司 | 一种进出口人流量统计的方法及*** |
-
2017
- 2017-12-14 CN CN201711339167.0A patent/CN108109117A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739551A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 运动目标识别方法及*** |
CN101533517A (zh) * | 2009-04-15 | 2009-09-16 | 北京联合大学 | 一种基于结构特征的中国书画***图像自动提取方法 |
CN102385754A (zh) * | 2010-08-30 | 2012-03-21 | 三星电子株式会社 | 一种物体跟踪方法和设备 |
CN102222214A (zh) * | 2011-05-09 | 2011-10-19 | 苏州易斯康信息科技有限公司 | 快速物体识别算法 |
CN105069816A (zh) * | 2015-07-29 | 2015-11-18 | 济南中维世纪科技有限公司 | 一种进出口人流量统计的方法及*** |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599493A (zh) * | 2018-06-12 | 2019-12-20 | 财团法人工业技术研究院 | 数值阵列数据影像处理装置、方法及色码表产生方法 |
CN109034058A (zh) * | 2018-07-25 | 2018-12-18 | 哈工大机器人(合肥)国际创新研究院 | 一种针对图像中区域划分和自修正方法和*** |
CN109034058B (zh) * | 2018-07-25 | 2022-01-04 | 哈工大机器人(合肥)国际创新研究院 | 一种针对图像中区域划分和自修正方法和*** |
CN109431681A (zh) * | 2018-09-25 | 2019-03-08 | 吉林大学 | 一种检测睡眠质量的智能眼罩及其检测方法 |
CN109431681B (zh) * | 2018-09-25 | 2023-12-19 | 吉林大学 | 一种检测睡眠质量的智能眼罩及其检测方法 |
CN111505651A (zh) * | 2020-04-22 | 2020-08-07 | 西北工业大学 | 一种主动声呐回波图潜在运动目标的特征提取方法 |
CN111505651B (zh) * | 2020-04-22 | 2022-11-11 | 西北工业大学 | 一种主动声呐回波图潜在运动目标的特征提取方法 |
CN112351191A (zh) * | 2020-09-14 | 2021-02-09 | 中标慧安信息技术股份有限公司 | 一种移动侦测处理方法及*** |
CN112351191B (zh) * | 2020-09-14 | 2021-11-23 | 中标慧安信息技术股份有限公司 | 一种移动侦测处理方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108109117A (zh) | 一种基于运动物体的颜色实时变换的方法 | |
Sommer et al. | A survey on moving object detection for wide area motion imagery | |
CN101739550B (zh) | 运动目标检测方法及*** | |
CN108596169B (zh) | 基于视频流图像的分块信号转换与目标检测方法及装置 | |
CN102307274B (zh) | 基于边缘检测和帧差法的运动检测方法 | |
CN108154520A (zh) | 一种基于光流与帧间匹配的运动目标检测方法 | |
CN103606132A (zh) | 基于空域和时域联合滤波的多帧数字图像去噪方法 | |
CN109359593B (zh) | 一种基于图像局部栅格的雨雪环境画面模糊监测预警方法 | |
CN103413276A (zh) | 一种基于纹理分布特征的深度增强方法 | |
CN106530328B (zh) | 一种基于视频图像对运动目标检测和平滑跟随的方法 | |
CN105427286B (zh) | 一种基于灰度和梯度分割的红外目标检测方法 | |
CN107133969A (zh) | 一种基于背景反投影的移动平台运动目标检测方法 | |
CN108022249A (zh) | 一种遥感视频卫星运动车辆目标感兴趣区域自动提取方法 | |
CN104392203B (zh) | 一种基于视频分析的点状条纹噪声检测方法 | |
CN113155032A (zh) | 一种基于动态视觉传感器dvs的建筑物结构位移测量方法 | |
CN103578121A (zh) | 干扰运动环境下基于共享高斯模型的运动检测方法 | |
CN105806307B (zh) | 一种载具相对目标运动的测试方法 | |
Chen et al. | Night-time pedestrian detection by visual-infrared video fusion | |
CN110705492A (zh) | 一种舞台移动机器人障碍目标检测方法 | |
Hisanaga et al. | Tone mapping and blending method to improve SAR image visibility | |
Li et al. | A fog level detection method based on grayscale features | |
CN110599431B (zh) | 应用于红外摄像头的时域滤波方法 | |
CN110220495A (zh) | 一种基于红外光束的视觉测距***及方法 | |
CN118154635A (zh) | 一种基于机器视觉的监控图像处理方法及*** | |
Wang et al. | Identification and extraction of circular markers in 3D reconstruction |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180601 |