CN109785562B - 一种立式光电地面威胁警戒***及可疑目标识别方法 - Google Patents
一种立式光电地面威胁警戒***及可疑目标识别方法 Download PDFInfo
- Publication number
- CN109785562B CN109785562B CN201811639402.0A CN201811639402A CN109785562B CN 109785562 B CN109785562 B CN 109785562B CN 201811639402 A CN201811639402 A CN 201811639402A CN 109785562 B CN109785562 B CN 109785562B
- Authority
- CN
- China
- Prior art keywords
- target
- area
- targets
- suspicious
- camera
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000001681 protective effect Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012407 engineering method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Landscapes
- Closed-Circuit Television Systems (AREA)
- Burglar Alarm Systems (AREA)
Abstract
本发明公开了立式光电地面威胁警戒***及可疑目标识别方法,其中方法包括如下步骤:周视全景相机采集周围场景的图像,并将图像发送至中央控制处理单元进行运动目标检测,当检测到运动目标时,将运动目标所在区域进行记录,同时计算区域的大小;当区域大小满足识别要求时,对区域内的目标利用卷积神经网络进行目标识别,若识别为可疑目标,则将目标进行标记;当目标位于远处,区域大小较小,不满足识别要求时,调节焦距大小,使目标区域在相机中成像为合适大小;然后对区域内的目标利用卷积神经网络进行目标识别,若识别为可疑目标,则将目标进行标记;当确定目标可疑时,持续对目标进行跟踪,同时对目标进行标记并持续提出警告。
Description
技术领域
本发明涉及可见光图像目标识别领域,尤其涉及一种立式光电地面威胁警戒***及可疑目标识别方法。
背景技术
在有安全防护要求的区域,要防止可疑车辆与人员的入侵。一般来说,具有安全威胁的车辆与人员在场景中总的运动的,并有接近警戒区域的运动趋势。利用光电成像设备,可以对安监平台周围进行周视360成像。
现有区域警戒技术中的固定区域观察监视的警戒***无法变换所监视的区域,通常只用于特定区域内监视。此外,现有技术中的巡扫警戒***安装于固定位置,对周围场景进行巡扫,可以变换观察区域,但在某一时刻仅能观察某一场景内的区域。
发明内容
本发明要解决的技术问题在于针对现有技术中,固定地点监视与巡扫监视难以做到周围区域实时覆盖观察、可疑威胁识别错误率高的问题,提供一种能为平台周围提供周视可疑目标告警的***与可疑目标识别方法。
本发明解决其技术问题所采用的技术方案是:
提供一种立式光电地面威胁警戒***,包括:
底座,内设有中央控制处理单元;
相机支架,固定在底座上;
电动云台,设置在相机支架上方,与中央控制处理单元连接;
五个短焦可见光数字相机,固定在相机支架内,通过数据线与中央控制处理单元连接;
连续变焦大变倍数字相机,固定在电动云台上,通过数据线与中央控制处理单元连接;
显示器,与中央控制处理单元连接;
其中,中央控制处理单元发出同步触发信号,控制五个短焦数据相机进行场景图像采集,采集到的图像送回中央控制处理单元进行处理,当检测到可疑目标后,将目标方位传送给电动云台,电动云台运动使得连续变焦数字相机对准可疑目标,并获取可疑目标的清晰图像,该清晰图像回传至中央控制处理单元,并完成目标识别,同时将识别结果传至显示器显示。
接上述技术方案,五个短焦可见光数字相机沿正五边形安装,两相邻相机间的光轴夹角为72°。
接上述技术方案,每个短焦可见光数字相机的视场均大于72°×72°。
接上述技术方案,连续变焦大变倍数字相机上设有半球形保护罩。
接上述技术方案,电动云台上设有柱状保护壳。
本发明还提供了一种基于上述立式地面威胁光电警戒***的可疑目标识别方法,包括如下步骤:
S1、由5个短焦可见光数字相机构成周视全景相机,采集周围场景的图像,并将图像发送至中央控制处理单元进行运动目标检测,当检测到运动目标时,将运动目标所在区域进行记录,同时计算区域的大小;
S2、当区域大小满足识别要求时,对区域内的目标利用卷积神经网络进行目标识别,若识别为可疑目标,则将目标进行标记;
S3、当目标位于远处,区域大小较小,不满足识别要求时,中央控制处理单元根据运动目标的方位信息,向电动云台发送运动指令,使云台上的连续变焦大变倍数字相机对准目标所在方位,同时根据目标区域大小,调节焦距大小,使目标区域在相机中成像为合适大小;然后对区域内的目标利用卷积神经网络进行目标识别,若识别为可疑目标,则将目标进行标记;
S4、当确定目标可疑时,持续对目标进行跟踪,同时对目标进行标记并持续提出警告。
接上述技术方案,步骤S1中,确定运动目标的方法包括如下步骤:
S11、利用连续图像帧间差分与时间平均来确定初始背景,对于某一短焦相机,令时刻t图像Ft中位于(x,y)的像素色彩值为f(x,y,t),当连续5帧像素点未发生明显变化时,认为该点处色彩值为背景:
其中,B(x,y,t)表示背景图像,当其值为-1时表示该像素区域非稳定背景;τ1为一衡量背景渐变量的阈值;
当B(x,y,t)的值为-1的像素点数大于图像所有像素点的预设值时,认为该处存在过多的非稳定背景区域,重新选择警戒***安装地点;
S12、利用背景差法查找区域中的运动目标,对于与背景有显著差异的区域,确认为目标区域:
其中,MT(x,y,t)表示运动图像,该图像中的非零像素为运动目标所在区域。τ2为一衡量运动目标显著性的阈值;
S13、对MT(x,y,t)中的运动目标所在区域采用3×3的数学形态学算子进行膨胀操作,然后对膨胀后的连通区域进行区域生长,并求取连通区域的最小外接矩形,并记录该矩形的中心坐标及长宽。
接上述技术方案,步骤S2中,进行目标识别的方法包括如下步骤:
S21、选取卷积神经网络作为网络模型;
S22、以ImageNet图像库中的图像数据为基础,加入其它所需检测的可疑目标作为正样本,通过反向传播算法进行训练,得到可疑目标识别网络模型;
S23、将S1步骤中获得的矩形区域进行区域扩充,保持区域中心不变,将区域扩充成正方形,使该正方形区域刚好包含矩形区域;若该正方形区域大于100×100,则将其输入训练好的目标识别网络模型进行推断,得到识别结果,若识别为可疑目标,则将目标进行标记。
接上述技术方案,步骤S3中,进行较小区域目标识别的方法包括如下步骤:
S31、以某一短焦可见光数字相机的图像中心作为方位轴的0°,以其为1号相机,则其顺时针方向第二个短焦相机的图像中心为方位轴的72°,则其它几个相机的图像中心分别对应方位轴的144°,216°,288°。
S32、短焦可见光数字相机水平方向视场大于72°,相邻相机间视场存在重叠,假设水平方向两相邻相机的视场存在n个像素重叠,令相机的分辨率为M×N,其图像上一点p的坐标为(x,y),则k(k=1,2,…,5)号相机的x方向坐标与方向角θ与俯仰角的对应关系按如下确定:
S33、当运动目标区域小于100×100时,根据目标区域中心坐标计算得到目标所在方位角,中央控制处理单元向电动云台发送运动指令,使电动云台上的连续变焦大变倍数字相机对准目标区域,同时调节其焦距,使目标区域在100×100与400×400之间;然后按照S2中的步骤进行目标识别,并进行标记。
接上述技术方案,网络模型为包括GoogleNet、VGG16或ResNet的分类网络模型。
本发明产生的有益效果是:本发明的立式地面威胁警戒***与可疑目标检测方法,采用了周视成像与细节观察相结合的方法,利用运动目标检测方法快速发现周围的运动物体,并利用卷积神经网络进行运动目标的识别,对于较远的目标,还能进行放大观察与识别。与当前的工程化方法相比,可以进行水平周视成像并进行目标识别,对于远距离目标还能进行放大观察与识别;所使用的工程化实现算法与人工特征提取方法相比,识别准确率更高,与SSD等目标检测方法相比,利用运动区域确定目标检测区域的方法更加快速,易于实现并保证实时性要求。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例立式地面威胁光电警戒***组成图;
图2是本发明实施例的设计外形示例图;
图3是本发明实施例的全周视短焦相机布置示意图;
图4是本发明实施例的可疑目标检测流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例的立式地面威胁光电警戒***,可快速获取周视全景图像,并结合小视场与大视场对周围可疑运动目标进行检测与识别。包括:
五个短焦可见光数字相机4,用于周视全景图像采集;
一个连续变焦大变倍数字相机1,用于目标细节观察;
一个电动云台2,用于承载大变倍数字相机并使其能巡扫周围场景;
一个中央控制处理单元,用于相机采集控制、云台控制、图像处理与目标识别;
一个显示器,用于显示图像、目标检测结果与威胁告警。
该***还包括一个底座5、相机支架,底座5内设有中央控制处理单元;相机支架固定在底座上;电动云台2设置在相机支架上方,与中央控制处理单元连接;五个短焦可见光数字相机固定在相机支架内,支架上设有五个光学通孔,相机镜头置于该通孔中。数字相机通过数据线与中央控制处理单元连接。连续变焦大变倍数字相机固定在电动云台2上,通过数据线与中央控制处理单元连接。显示器也与中央控制处理单元连接。
中央控制处理单元发出同步触发信号,控制五个短焦数据相机进行场景图像采集,采集到的图像送回中央控制处理单元进行处理,当检测到可疑目标后,将目标方位传送给电动云台,云台运动使得连续变焦数字相机对准可疑目标,并获取可疑目标的清晰图像,该图像回传至中央控制处理单元,并完成目标识别,同时将识别结果传至显示器显示。
如图2所示,本发明实施例的外形可设计为圆柱状并加装相机保护罩,具体为:1-连续变焦大变倍数字相机(带半球形保护罩);2-电动云台(带柱状保护壳);3-周视相机固定支架与外壳;4-短焦可见光数字相机(共五个);5-中央控制处理单元。
如图3所示,本发明实施例的周视相机由五个短焦相机构成,其布置方式需保证五个相机沿正五边形安装,两相邻相机间的光轴夹角为72°。每个相机的视场需保证大于72°×72°,使得相邻相机间有一定像素的视场重叠。
如图4所示,本发明提供一种立式地面威胁光电警戒***及可疑目标识别方法,包括如下步骤:
S1、由5个短焦相机构成周视全景相机,采集周围场景的图像,并将图像发送至中央处理单元进行运动目标检测。当检测到运动目标时,将运动目标所在区域进行记录,同时计算区域的大小。
S2、当区域大小满足识别要求时,对区域内的目标利用卷积神经网络进行目标识别,若识别为可疑目标,则将目标进行标记。
S3、当目标位于远处,区域大小较小,不满足识别要求时,中央控制处理单元根据运动目标的方位信息,向云台发送运动指令,使云台上的连续变焦相机对准目标所在方位。同时根据目标区域大小,调节焦距大小,使目标区域在相机中成像为合适大小。然后对区域内的目标利用卷积神经网络进行目标识别,若识别为可疑目标,则将目标进行标记。
S4、当确定目标可疑时,持续对目标进行跟踪,同时对目标进行标记并持续提出警告。
进一步的,本发明的步骤S1中,确定运动目标的方法包括如下步骤:
S11、先利用连续图像帧间差分与时间平均来确定初始背景。对于某一短焦相机,令时刻t图像Ft中位于(x,y)的像素色彩值为f(x,y,t),当连续5帧像素点未发生明显变化时,认为该点处色彩值为背景。
其中,B(x,y,t)表示背景图像,当其值为-1时表示该像素区域非稳定背景。τ1为一衡量背景渐变量的阈值,本发明中取15。
当B(x,y,t)的值为-1的像素点数大于图像所有像素点的70%时,认为该处存在过多的非稳定背景区域,并建议重新选择警戒***安装地点。
S12、再利用背景差法查找区域中的运动目标。对于与背景有显著差异的区域,可以确认为目标区域。
其中,MT(x,y,t)表示运动图像,该图像中的非零像素为运动目标所在区域。τ2为一衡量运动目标显著性的阈值,本发明中取40。
S13、对MT(x,y,t)中的运动目标所在区域采用3×3的数学形态学算子进行膨胀操作,然后对膨胀后的连通区域进行区域生长,并求取连通区域的最小外接矩形。记录该矩形的中心坐标及长宽。
进一步的,本发明的步骤S2中,进行目标识别的方法包括如下步骤:
S21、选取卷积神经网络作为网络模型,可选择GoogleNet、VGG16或ResNet等通用分类网络模型。
S22、以ImageNet图像库中的图像数据为基础,加入其它所需检测的可疑目标作为正样本,通过反向传播算法进行训练,得到可疑目标识别网络模型。
S23、将S1步骤中获得的矩形区域进行区域扩充,保持区域中心不变,将区域扩充成正方形,使该正方形区域刚好包含矩形区域。若该正方形区域大于100×100,则将其输入训练好的目标识别网络模型进行推断,得到识别结果。若识别为可疑目标,则将目标进行标记。
进一步的,本发明的步骤S3中,进行较小区域目标识别的方法包括如下步骤:
S31、以某一短焦相机的图像中心作为方位轴的0°,以其为1号相机,则其顺时针方向第二个短焦相机的图像中心为方位轴的72°,则其它几个相机的图像中心分别对应方位轴的144°,216°,288°。
S32、由于短焦相机水平方向视场大于72°,相邻相机间视场存在重叠。假设水平方向两相邻相机的视场存在n个像素重叠,令相机的分辨率为M×N,其图像上一点p的坐标为(x,y),则k(k=1,2,…,5)号相机的x方向坐标与方向角θ与俯仰角的对应关系可按如下确定:
S33、当运动目标区域小于100×100时,根据目标区域中心坐标计算得到目标所在方位角,中央控制处理单元向云台发送运动指令,使云台上的连续变焦大变倍数字相机对准目标区域,同时调节其焦距,使目标区域在100×100与400×400之间。然后按照S2中的步骤进行目标识别,并进行标记。
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,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。
Claims (9)
1.一种可疑目标识别方法,其特征在于,包括如下步骤:
S1、由5个短焦可见光数字相机构成周视全景相机,采集周围场景的图像,并将图像发送至中央控制处理单元进行运动目标检测,当检测到运动目标时,将运动目标所在区域进行记录,同时计算区域的大小;
S2、当区域大小满足识别要求时,对区域内的目标利用卷积神经网络进行目标识别,若识别为可疑目标,则将目标进行标记;
S3、当目标位于远处,区域大小较小,不满足识别要求时,中央控制处理单元根据运动目标的方位信息,向电动云台发送运动指令,使云台上的连续变焦大变倍数字相机对准目标所在方位,同时根据目标区域大小,调节焦距大小,使目标区域在相机中成像为合适大小;然后对区域内的目标利用卷积神经网络进行目标识别,若识别为可疑目标,则将目标进行标记;
S4、当确定目标可疑时,持续对目标进行跟踪,同时对目标进行标记并持续提出警告;
步骤S1中,确定运动目标的方法包括如下步骤:
S11、利用连续图像帧间差分与时间平均来确定初始背景,对于某一短焦相机,令时刻t图像F t中位于(x,y)的像素色彩值为f(x,y,t),当连续5帧像素点未发生明显变化时,认为该点处色彩值为背景:
其中,B(x,y,t)表示背景图像,当其值为-1时表示该像素区域非稳定背景;为一衡量背景渐变量的阈值;
当B(x,y,t)的值为-1的像素点数大于图像所有像素点的预设值时,认为该处存在过多的非稳定背景区域,重新选择警戒***安装地点;
S12、利用背景差法查找区域中的运动目标,对于与背景有显著差异的区域,确认为目标区域:
其中,MT(x,y,t)表示运动图像,该图像中的非零像素为运动目标所在区域,为一衡量运动目标显著性的阈值;
S13、对MT(x,y,t)中的运动目标所在区域采用3×3的数学形态学算子进行膨胀操作,然后对膨胀后的连通区域进行区域生长,并求取连通区域的最小外接矩形,并记录该矩形的中心坐标及长宽。
2.根据权利要求1所述的方法,其特征在于,步骤S2中,进行目标识别的方法包括如下步骤:
S21、选取卷积神经网络作为网络模型;
S22、以ImageNet图像库中的图像数据为基础,加入其它所需检测的可疑目标作为正样本,通过反向传播算法进行训练,得到可疑目标识别网络模型;
S23、将S1步骤中获得的矩形区域进行区域扩充,保持区域中心不变,将区域扩充成正方形,使该正方形区域刚好包含矩形区域;若该正方形区域大于100×100,则将其输入训练好的目标识别网络模型进行推断,得到识别结果,若识别为可疑目标,则将目标进行标记。
3.根据权利要求1所述的方法,其特征在于,步骤S3中,进行较小区域目标识别的方法包括如下步骤:
S31、以某一短焦可见光数字相机的图像中心作为方位轴的0°,以其为1号相机,则其顺时针方向第二个短焦相机的图像中心为方位轴的72°,则其它几个相机的图像中心分别对应方位轴的144°,216°,288°;
S32、短焦可见光数字相机水平方向视场大于72°,相邻相机间视场存在重叠,假设水平方向两相邻相机的视场存在n个像素重叠,令相机的分辨率为M×N,其图像上一点p的坐标为(x,y),则k(k=1,2,…,5)号相机的x方向坐标与方向角与俯仰角/>的对应关系按如下确定:
S33、当运动目标区域小于100×100时,根据目标区域中心坐标计算得到目标所在方位角,中央控制处理单元向电动云台发送运动指令,使电动云台上的连续变焦大变倍数字相机对准目标区域,同时调节其焦距,使目标区域在100×100与400×400之间;然后按照S2中的步骤进行目标识别,并进行标记。
4.根据权利要求2所述的方法,其特征在于,网络模型为包括GoogleNet、VGG16或ResNet的分类网络模型。
5.一种立式光电地面威胁警戒***,用于实现权利要求1-4中任一项所述的可疑目标识别方法,其特征在于,包括:
底座,内设有中央控制处理单元;
相机支架,固定在底座上;
电动云台,设置在相机支架上方,与中央控制处理单元连接;
五个短焦可见光数字相机,固定在相机支架内,通过数据线与中央控制处理单元连接;
连续变焦大变倍数字相机,固定在电动云台上,通过数据线与中央控制处理单元连接;
显示器,与中央控制处理单元连接;
其中,中央控制处理单元发出同步触发信号,控制五个短焦数据相机进行场景图像采集,采集到的图像送回中央控制处理单元进行处理,当检测到可疑目标后,将目标方位传送给电动云台,电动云台运动使得连续变焦数字相机对准可疑目标,并获取可疑目标的清晰图像,该清晰图像回传至中央控制处理单元,并完成目标识别,同时将识别结果传至显示器显示。
6.根据权利要求5所述的立式光电地面威胁警戒***,其特征在于,五个短焦可见光数字相机沿正五边形安装,两相邻相机间的光轴夹角为72°。
7.根据权利要求5所述的立式光电地面威胁警戒***,其特征在于,每个短焦可见光数字相机的视场均大于72°×72°。
8.根据权利要求5所述的立式光电地面威胁警戒***,其特征在于,连续变焦大变倍数字相机上设有半球形保护罩。
9.根据权利要求5所述的立式光电地面威胁警戒***,其特征在于,电动云台上设有柱状保护壳。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811639402.0A CN109785562B (zh) | 2018-12-29 | 2018-12-29 | 一种立式光电地面威胁警戒***及可疑目标识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811639402.0A CN109785562B (zh) | 2018-12-29 | 2018-12-29 | 一种立式光电地面威胁警戒***及可疑目标识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109785562A CN109785562A (zh) | 2019-05-21 |
CN109785562B true CN109785562B (zh) | 2023-08-15 |
Family
ID=66499083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811639402.0A Active CN109785562B (zh) | 2018-12-29 | 2018-12-29 | 一种立式光电地面威胁警戒***及可疑目标识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109785562B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109872483B (zh) * | 2019-02-22 | 2020-09-29 | 华中光电技术研究所(中国船舶重工集团有限公司第七一七研究所) | 一种入侵警戒光电监测***及方法 |
CN112361881A (zh) * | 2020-10-14 | 2021-02-12 | 成都鼎屹信息技术有限公司 | 一种用于枪瞄***的智能化瞄准方法 |
CN115376257A (zh) * | 2022-08-17 | 2022-11-22 | 杭州国巡机器人科技有限公司 | 一种自主识别活体侵入的方法及*** |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101110903A (zh) * | 2007-08-31 | 2008-01-23 | 湖北科创高新网络视频股份有限公司 | 一种视频数据实时去噪的方法和*** |
CN101465033A (zh) * | 2008-05-28 | 2009-06-24 | 丁国锋 | 一种自动追踪识别***及方法 |
CN201278180Y (zh) * | 2008-05-28 | 2009-07-22 | 丁国锋 | 一种自动追踪识别*** |
CN101572804A (zh) * | 2009-03-30 | 2009-11-04 | 浙江大学 | 多摄像机智能控制方法及装置 |
CN101626489A (zh) * | 2008-07-10 | 2010-01-13 | 苏国政 | 无人值守目标智能识别与自动跟踪的方法及其*** |
CN104135645A (zh) * | 2014-07-31 | 2014-11-05 | 天津市亚安科技股份有限公司 | 人脸跟踪抓拍视频监控***及方法 |
CN104200466A (zh) * | 2014-08-20 | 2014-12-10 | 深圳市中控生物识别技术有限公司 | 一种预警方法及摄像机 |
CN104463903A (zh) * | 2014-06-24 | 2015-03-25 | 中海网络科技股份有限公司 | 一种基于目标行为分析的行人图像实时检测方法 |
CN105208327A (zh) * | 2015-08-31 | 2015-12-30 | 深圳市佳信捷技术股份有限公司 | 主从式摄像机智能监控方法及装置 |
CN105761266A (zh) * | 2016-02-26 | 2016-07-13 | 民政部国家减灾中心 | 从遥感图像中提取矩形建筑物的方法 |
CN106251358A (zh) * | 2016-08-08 | 2016-12-21 | 珠海赛纳打印科技股份有限公司 | 一种图像处理方法及装置 |
CN106571039A (zh) * | 2016-08-22 | 2017-04-19 | 中海网络科技股份有限公司 | 一种高速公路违章行为自动抓拍*** |
CN106707296A (zh) * | 2017-01-09 | 2017-05-24 | 华中科技大学 | 一种基于双孔径光电成像***的无人机检测与识别方法 |
CN107220602A (zh) * | 2017-05-18 | 2017-09-29 | 浪潮金融信息技术有限公司 | 一种快速捕获视频流中新增运动区域的方法 |
CN108805897A (zh) * | 2018-05-22 | 2018-11-13 | 安徽大学 | 一种改进的运动目标检测vibe算法 |
-
2018
- 2018-12-29 CN CN201811639402.0A patent/CN109785562B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101110903A (zh) * | 2007-08-31 | 2008-01-23 | 湖北科创高新网络视频股份有限公司 | 一种视频数据实时去噪的方法和*** |
CN101465033A (zh) * | 2008-05-28 | 2009-06-24 | 丁国锋 | 一种自动追踪识别***及方法 |
CN201278180Y (zh) * | 2008-05-28 | 2009-07-22 | 丁国锋 | 一种自动追踪识别*** |
CN101626489A (zh) * | 2008-07-10 | 2010-01-13 | 苏国政 | 无人值守目标智能识别与自动跟踪的方法及其*** |
CN101572804A (zh) * | 2009-03-30 | 2009-11-04 | 浙江大学 | 多摄像机智能控制方法及装置 |
CN104463903A (zh) * | 2014-06-24 | 2015-03-25 | 中海网络科技股份有限公司 | 一种基于目标行为分析的行人图像实时检测方法 |
CN104135645A (zh) * | 2014-07-31 | 2014-11-05 | 天津市亚安科技股份有限公司 | 人脸跟踪抓拍视频监控***及方法 |
CN104200466A (zh) * | 2014-08-20 | 2014-12-10 | 深圳市中控生物识别技术有限公司 | 一种预警方法及摄像机 |
CN105208327A (zh) * | 2015-08-31 | 2015-12-30 | 深圳市佳信捷技术股份有限公司 | 主从式摄像机智能监控方法及装置 |
CN105761266A (zh) * | 2016-02-26 | 2016-07-13 | 民政部国家减灾中心 | 从遥感图像中提取矩形建筑物的方法 |
CN106251358A (zh) * | 2016-08-08 | 2016-12-21 | 珠海赛纳打印科技股份有限公司 | 一种图像处理方法及装置 |
CN106571039A (zh) * | 2016-08-22 | 2017-04-19 | 中海网络科技股份有限公司 | 一种高速公路违章行为自动抓拍*** |
CN106707296A (zh) * | 2017-01-09 | 2017-05-24 | 华中科技大学 | 一种基于双孔径光电成像***的无人机检测与识别方法 |
CN107220602A (zh) * | 2017-05-18 | 2017-09-29 | 浪潮金融信息技术有限公司 | 一种快速捕获视频流中新增运动区域的方法 |
CN108805897A (zh) * | 2018-05-22 | 2018-11-13 | 安徽大学 | 一种改进的运动目标检测vibe算法 |
Non-Patent Citations (1)
Title |
---|
胡昭华.超像素特征的运动目标检测算法.控制理论与应用.2017,第34卷(第34期),1568-1574. * |
Also Published As
Publication number | Publication date |
---|---|
CN109785562A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108615321B (zh) | 基于雷达侦测及视频图像行为分析的安防预警***及方法 | |
CN107483889A (zh) | 智慧工地管控平台的隧道监控*** | |
EP2710801B1 (en) | Surveillance system | |
CN109785562B (zh) | 一种立式光电地面威胁警戒***及可疑目标识别方法 | |
CN109872483B (zh) | 一种入侵警戒光电监测***及方法 | |
CN104754302B (zh) | 一种基于枪球联动***的目标检测跟踪方法 | |
US8049658B1 (en) | Determination of the three-dimensional location of a target viewed by a camera | |
CN103168467B (zh) | 使用热图像坐标的安防摄像机追踪和监控***及方法 | |
US20100013917A1 (en) | Method and system for performing surveillance | |
US20090102924A1 (en) | Rapidly Deployable, Remotely Observable Video Monitoring System | |
CN104902246A (zh) | 视频监视方法和装置 | |
CN101123722A (zh) | 全景视频智能监控方法和*** | |
CN103929592A (zh) | 全方位智能监控设备及方法 | |
WO2009066988A2 (en) | Device and method for a surveillance system | |
CN109752713B (zh) | 一种雷达视频监视方法 | |
KR102310192B1 (ko) | 객체 인식률 및 감시 정확성을 높인 융복합 카메라 및 이를 이용한 경계 감시시스템 | |
KR101290782B1 (ko) | 지능적 다중 객체 추적 알고리즘 기반의 다중 ptz 카메라 제어 시스템 및 방법 | |
CN111899447A (zh) | 监控***和方法 | |
CN112804454A (zh) | 一种广域警戒***及其警戒方法 | |
KR20160078724A (ko) | 카메라 감시 영역 표시 방법 및 장치 | |
KR101821159B1 (ko) | 다수의 카메라를 이용한 이동체의 이동 경로 추적 시스템 | |
US20150296142A1 (en) | Imaging system and process | |
KR20150019230A (ko) | 복수의 카메라를 이용한 객체 추적 방법 및 장치 | |
KR101033237B1 (ko) | 360도 초광역 영상에 의한 영역감시, 방범 및 주정차단속 다기능 시스템 및 단속방법 | |
CN114401354A (zh) | 一种面向海上船舶的超视距监控的智能化控制方法及*** |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |