CN111147815A - 一种视频监控*** - Google Patents

一种视频监控*** Download PDF

Info

Publication number
CN111147815A
CN111147815A CN201911351802.6A CN201911351802A CN111147815A CN 111147815 A CN111147815 A CN 111147815A CN 201911351802 A CN201911351802 A CN 201911351802A CN 111147815 A CN111147815 A CN 111147815A
Authority
CN
China
Prior art keywords
image
images
visual attention
monitoring
processing module
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
Application number
CN201911351802.6A
Other languages
English (en)
Inventor
陈禹
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.)
Beijing Hengfeng Zhiyuan Technology Co ltd
Original Assignee
Beijing Hengfeng Zhiyuan Technology 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 Beijing Hengfeng Zhiyuan Technology Co ltd filed Critical Beijing Hengfeng Zhiyuan Technology Co ltd
Priority to CN201911351802.6A priority Critical patent/CN111147815A/zh
Priority to JP2019239853A priority patent/JP2021114637A/ja
Priority to US16/731,101 priority patent/US11044399B2/en
Publication of CN111147815A publication Critical patent/CN111147815A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/52—Scale-space analysis, e.g. wavelet analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/698—Control of cameras or camera modules for achieving an enlarged field of view, e.g. panoramic image capture
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/91—Television signal processing therefor
    • H04N5/93—Regeneration of the television signal or of selected parts thereof
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/16—Image acquisition using multiple overlapping images; Image stitching

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Studio Devices (AREA)
  • Image Analysis (AREA)

Abstract

本发明的视频监控***中，通过各个处理模块将多路视频同一时间点提取的图像组成一组图像，对每组图像进行视觉关注性检测得到对应该组的视觉关注图像；将每组的视觉关注图像拼接为一副全景图像；将所有的全景图像转换为对应的虚拟监控场景；在所述虚拟监控场景通过全景展示进行回看。由于将多路监控视频整合在一个虚拟监控场景进行全景观看，可以实现同时对多路监控视频进行回看，减少回看时间，提高回看效率，另外，本发明中对提取的图像进行处理得到视觉关注图像，便于回看时突出视频中人眼关注的视频信息和视频细节，同样可以提高回看效率。

Description

一种视频监控***
技术领域
本发明涉及智能监控技术领域，更具体的说，本发明涉及一种提高回看效率的智能视频监控***。
背景技术
视频监控是各行业重点部门或重要场所进行实时监控的基础，管理部门可通过它获得有效视频信息，对突发性异常事件的过程进行及时的监视和记忆，用以提供高效、及时地指挥和调度、布置警力、处理案件等。但监控视频的回看往往费时费力，例如，对某个场所的视频监控是通过六路监控摄像头实现的，则回看监控视频的话，就需要回看六路监控视频，即使分为六个人观看也需要耗费大量的时间，而且监控视频中大量时间是无用的，但为了发现有效的线索，现有技术中，视频回看人员不得不靠人力对每个细节进行查看，耗费大量无用功，且视频回看人员无法同时查看六路监控视频，不能从全局把握监控场所状况，另外，由于视频回看人员长时间查看，人眼疲劳，很容易遗漏重要视频信息和关键的视频细节。
发明内容
本发明要解决的技术问题是提供一种视频监控***，可实现同时对多路监控视频进行回看，减少回看时间，且突出视频中人眼关注的视频信息和视频细节，提高回看效率。
为解决上述技术问题，本发明采用如下技术方案：
一种视频监控***，包括：
监控处理模块，包括多个监控摄像头，每个监控摄像头按照一个监控角度进行视频监控；
获取处理模块，用于获取监控视频，所述监控视频包括多路视频；
图像提取处理模块，用于对所述多路监控视频在同一回看时间起点提取第一帧图像，并间隔同一预定时间段后提取下一帧图像，继续提取直到同一回看时间终点提取最后一帧图像；
视觉关注性检测处理模块，用于将多路视频同一时间点提取的图像组成一组图像，对每组图像进行视觉关注性检测得到对应该组的视觉关注图像；
拼接处理模块，用于将每组的视觉关注图像拼接为一副全景图像；
虚拟监控场景转换处理模块，用于将所有的全景图像转换为对应的虚拟监控场景；
回看处理模块，用于在所述虚拟监控场景通过全景展示进行回看。
与现有技术相比，本发明具有以下有益效果：
本发明的视频监控***中，通过各个处理模块将多路视频同一时间点提取的图像组成一组图像，对每组图像进行视觉关注性检测得到对应该组的视觉关注图像；将每组的视觉关注图像拼接为一副全景图像；将所有的全景图像转换为对应的虚拟监控场景；在所述虚拟监控场景通过全景展示进行回看。由于将多路监控视频整合在一个虚拟监控场景进行全景观看，可以实现同时对多路监控视频进行回看，减少回看时间，提高回看效率，另外，由于同一秒甚至几秒时间内的监控画面差别不大，本发明中对多路监控视频在同一时间点提取一帧图像，间隔预定时间段后再提取下一帧图像，而不是提取所有的图像回看，同样可以提高回看效率又不至于遗漏重要视频信息，另外，本发明中对提取的图像进行处理得到视觉关注图像，便于回看时突出视频中人眼关注的视频信息和视频细节，同样可以提高回看效率。
附图说明
图1是本发明一种视频监控***的第一具体实施例框图；
图2是本发明一种视频监控***中视觉关注性检测处理模块进行检测的一个具体实施例流程图；
图3是本发明一种视频监控***中中拼接处理模块拼接全景图像的一个具体实施例流程图；
图4是本发明一种视频监控***的第二具体实施例框图。
具体实施方式
参考图1，该图是本发明一种视频监控***的一个具体实施例框图，本实施例的***主要包括如下模块：监控处理模块101、获取处理模块102、图像提取处理模块103、视觉关注性检测处理模块104、拼接处理模块105、虚拟监控场景转换处理模块106和回看处理模块107，其中
监控处理模块101包括多个监控摄像头，每个监控摄像头按照一个监控角度进行视频监控；
获取处理模块102主要用于获取监控视频，所述监控视频包括多路视频，具体实现时，每路视频的监控范围可以是交叉覆盖的，也可以是没有交叉覆盖的，本实施例中以交叉覆盖为例进行说明；
图像提取处理模块103主要用于对所述多路监控视频在同一回看时间起点提取第一帧图像，并间隔同一预定时间段后提取下一帧图像，继续提取直到同一回看时间终点提取最后一帧图像，具体实现时，对于不同的监控视频传输协议，每秒传输的视频帧是不同的，例如每秒传输24帧图像，本发明中不需要将24帧图像都提取出来，因为每秒传输的图像，其实视频内容差别不大，甚至几秒范围的图像都差不多，因此，本发明中可根据实际情况设置预定时间段，例如预定时间段设置为一秒，即每秒提取一帧图像，或者预定时间段设置为3秒，即3秒提取一帧图像，另外，在提取图像之前，需要将各路视频的时间进行同步对准，以免提取出的时间不一样，这里不再赘述；
视觉关注性检测处理模块104主要用于将多路监控视频在同一时间点提取的图像组成一组图像，对每组图像进行视觉关注性检测得到对应该组的视觉关注图像，本实施例中得到的视觉关注图像，便于回看时提高对监控场景中的目标辨识，另外，现有技术中通过计算图像区域相对于其周围邻域的特征对比度来得到视觉关注性，计算效率较低，而作为一个优选实施例，参考图2，本实施例中视觉关注性检测处理模块104采用改进的方法进行检测，具体来说，本实施例每组的视觉关注图像通过下述方式检测得到：
首先在步骤S1031,利用稀疏编码对每帧图像进行特征描述；
步骤S1032，根据该帧图像的稀疏编码进行视觉关注性的计算；
步骤S1033，根据视觉关注性的计算结果，对该帧图像进行视觉关注性区域分割得到该帧图像的视觉关注图像；
步骤S1034，对该组其他帧图像重复上述处理得到该组其他帧图像对应的视觉关注图像，本实施例中利用图像的稀疏编码计算视觉显著性，可提高计算效率，这里不再赘述；
另外，本实施例的拼接处理模块105主要用于将每组的视觉关注图像拼接为一副全景图像，具体实现时，作为一个优选实施例，参考图3，本实施例拼接处理模块105将每组的视觉关注图像拼接为一副全景图像具体包括如下步骤：
步骤S1041，分别对该组视觉关注图像中的任意两张图像A、B 进行小波分解，得到低频分量和高频分量；
步骤S1042，对低频分量，融合图像低频系数选择源图像视觉关注性值大对应位置的低频系数；
步骤S1043，对高频分量，融合图像高频系数采用绝对值取大作为融合后的高频系数；
步骤S1044，将融合后的低频部分与高频部分进行小波反变换，从而得到最终图像A、B的拼接图像；
步骤S1045，按照上述方式将每组的其他视觉关注图像继续与图像A、B进行拼接得到最终的全景图像；
需要说明的，现有技术中采用小波变化进行图像融合时，融合图像在各分解层上分别进行，但对于低频部分，当分解层数较低时，图像对比度会降低，而本实施例中对于低频分量采用基于视觉关注性的融合算法，可以将源图像的细节融合在一起，融合效果更好，这里不再赘述；
另外，本实施例的虚拟监控场景转换处理模块106主要用于将所有的全景图像转换为对应的虚拟监控场景，具体实现时，全景图是构成虚拟监控场景的基本单元，现有技术中可以采用立方体模式、球形模式和圆柱形模式转换为对应的虚拟监控场景，本实施例中采用圆柱体模式，即将全景图像拼接成一个以相机视点为中心的圆柱形，从而在水平方向能够实现视线360度的环视，而在垂直方向视线的转动角度小于18O度，这里不再赘述；
另外，本实施例的回看处理模块107主要用于在所述虚拟监控场景通过全景展示进行回看，具体实现时，回看处理模块107在所述虚拟监控场景通过全景展示进行回看是按照设定的自动漫游路径进行全景回看，例如，按照360度全景旋转回看后，继续回看下一虚拟监控场景；
上述实施例中通过虚拟现实方式，将多路监控视频整合为一个虚拟监控场景进行回看，可以实现同时对多路监控视频进行回看，减少回看时间，提高回看效率。
另外，监控视频中，回看人需要关注的是运动的物体，而对于静止的物体或者只是微动的物体则不需要太多关注，作为一个优选实施例，参考图4，本实施例与上述实施例不同的是还包括图像预处理模块108，图像预处理模块108采用下述方式对虚拟监控场景使用的监控视频图像进行预处理，即在将多路监控视频在同一时间点提取的图像组成一组图像之前还进行如下图像预处理：
21）从每路监控视频提取的图像中用第一帧图像建立背景图像a(x，y)，具体实现时，可通过高斯模型法建模，x为该高斯坐标系中横坐标，y为该高斯坐标系中纵坐标；
22）对背景图像a(x，y)进行中值滤波、边缘增强和二值化得到背景图像a(x，y)运算后的图像A(x，y)；
23）对从每路监控视频提取的第二帧图像同样进行中值滤波、边缘增强和二值化得到第二帧图像运算后的图像B(x，y)；
24）对所述图像A(x，y)和图像B(x，y)进行差分运算得到D(x，y)=B(x，y)-A(x，y)；
25）若D(x，y)中值为1的点的个数N小于阈值T，则确定没有检测到运动的目标；如果该个数N大于等于阈值T，则确定检测到了运动目标，然后遍历D(x，y)找出像素值为1的点，把B(x，y)对应位置的像素值置为0作为运动目标区域，其它位置的像素值保持不变，得到该第二帧图像对应的突出运动目标区域的图像，具体实现时，D(x，y)中值为1即代表运动区域，但本实施例中设置一个阈值T，只有D(x，y)中值为1的点的个数N大于阈值T时才算检测到运动目标，而当D(x，y)中值为1的点的个数N小于阈值T，说明虽然有运动目标，但只是微动，可认为没有检测到运动目标，实际中可以根据监控回看的目的调整阈值T的大小，当需要检测细微的运动时，将阈值T调小，当可以忽略细微的运动时，则可以将阈值T调大，这里不对阈值T的值进行具体限定，另外，本实施例中B(x，y)为二值图，B(x，y)中对应位置的像素值置为0即代表为突出部分或者前景部分，对应位置的像素值置为255即为背景部分，通过将B(x，y)与原图像叠加即可获得原图突出运动目标区域的图像，这里不再赘述；
26）从每路监控视频提取的剩余其他图像按照步骤23）-25）进行处理得到其他帧图像对应的突出运动目标区域的图像。
综上，根据本发明的视频监控***，一方面可以减少回看的时间，例如，若回看者是为了查看停车场中刮擦其他车的肇事车，现有技术中如果是三路监控视频，每路视频3个小时的话，则需要看9个小时，而本发明中只需要3个小时，甚至1个小时或更少，另外，对于静止的画面无需过多关注，本发明中通过上述的图像预处理模块108对提取的图像进行预处理，突出车辆开动时的运动画面，便于回看者迅速找到所需的关键视频信息，同样也提高了回看效率。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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 (6)

1.一种视频监控***，其特征在于，包括：
监控处理模块，包括多个监控摄像头，每个监控摄像头按照一个监控角度进行视频监控；
获取处理模块，用于获取监控视频，所述监控视频包括多路视频；
图像提取处理模块，用于对所述多路监控视频在同一回看时间起点提取第一帧图像，并间隔同一预定时间段后提取下一帧图像，继续提取直到同一回看时间终点提取最后一帧图像；
视觉关注性检测处理模块，用于将多路监控视频在同一时间点提取的图像组成一组图像，对每组图像进行视觉关注性检测得到对应该组的视觉关注图像；
拼接处理模块，用于将每组的视觉关注图像拼接为一副全景图像；
虚拟监控场景转换处理模块，用于将所有的全景图像转换为对应的虚拟监控场景；
回看处理模块，用于在所述虚拟监控场景通过全景展示进行回看。
2.根据权利要求1所述的***，其特征在于，还包括图像预处理模块，用于按照下述方式对提取的图像进行预处理：
21）从每路监控视频提取的图像中用第一帧图像建立背景图像a(x，y)；
22）对背景图像a(x，y)进行中值滤波、边缘增强和二值化得到背景图像a(x，y)运算后的图像A(x，y)；
23）对从每路监控视频提取的第二帧图像同样进行中值滤波、边缘增强和二值化得到第二帧图像运算后的图像B(x，y)；
24）对所述图像A(x，y)和图像B(x，y)进行差分运算得到D(x，y)=B(x，y)-A(x，y)；
25）若D(x，y)中值为1的点的个数N小于阈值T，则确定没有检测到运动的目标；如果该个数N大于等于阈值T，则确定检测到了运动目标，然后遍历D(x，y)找出像素值为1的点，把B(x，y)对应位置的像素值置为0作为运动目标区域，其它位置的像素值保持不变，得到该第二帧图像对应的突出运动目标区域的图像；
26）从每路监控视频提取的其他剩余图像按照步骤23）-25）进行处理得到其他剩余图像对应的突出运动目标区域的图像。
3.根据权利要求1所述的***，其特征在于，视觉关注性检测处理模块通过下述方式得到每组的视觉关注图像：
利用稀疏编码对每帧图像进行特征描述；
根据该帧图像的稀疏编码进行视觉关注性的计算；
根据视觉关注性的计算结果，对该帧图像进行视觉关注性区域分割得到该帧图像的视觉关注图像；
对该组其他帧图像重复上述处理得到该组其他帧图像对应的视觉关注图像。
4.根据权利要求1所述的***，其特征在于，拼接处理模块按照下述方式进行拼接：
分别对该组视觉关注图像中的任意两张图像A、B 进行小波分解，得到低频分量和高频分量；
对低频分量，融合图像低频系数选择源图像视觉关注性值大对应位置的低频系数；
对高频分量，融合图像高频系数采用绝对值取大作为融合后的高频系数；
将融合后的低频部分与高频部分进行小波反变换，从而得到最终图像A、B的拼接图像；
按照上述方式将每组的其他视觉关注图像继续与图像A、B进行拼接得到最终的全景图像。
5.根据权利要求1所述的***，其特征在于，回看处理模块按照设定的自动漫游路径进行全景回看。
6.根据权利要求1所述的***，其特征在于，所述预定时间段为1秒。
CN201911351802.6A 2019-12-25 2019-12-25 一种视频监控*** Pending CN111147815A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201911351802.6A CN111147815A (zh) 2019-12-25 2019-12-25 一种视频监控***
JP2019239853A JP2021114637A (ja) 2019-12-25 2019-12-27 ビデオ監視システム
US16/731,101 US11044399B2 (en) 2019-12-25 2019-12-31 Video surveillance system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911351802.6A CN111147815A (zh) 2019-12-25 2019-12-25 一种视频监控***

Publications (1)

Publication Number Publication Date
CN111147815A true CN111147815A (zh) 2020-05-12

Family

ID=70519893

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911351802.6A Pending CN111147815A (zh) 2019-12-25 2019-12-25 一种视频监控***

Country Status (3)

Country Link
US (1) US11044399B2 (zh)
JP (1) JP2021114637A (zh)
CN (1) CN111147815A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111988563A (zh) * 2020-07-15 2020-11-24 浙江大华技术股份有限公司 多场景视频监测方法及装置

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109964245A (zh) * 2016-12-06 2019-07-02 深圳市大疆创新科技有限公司 用于校正广角图像的***和方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103812907B (zh) * 2012-11-14 2018-01-16 华为技术有限公司 一种确定待共享的终端的方法、装置和***
EP2996088B1 (en) * 2014-09-10 2018-08-29 My Virtual Reality Software AS Method for visualising surface data together with panorama image data of the same surrounding
CN114445303A (zh) * 2016-02-16 2022-05-06 6115187加拿大公司暨伊美景象公司 图像失真变换方法和设备
CN106791703B (zh) * 2017-01-20 2019-09-06 上海小蚁科技有限公司 基于全景视图来监视场景的方法和***
US20180229669A1 (en) * 2017-02-13 2018-08-16 Timothy Don McKibben Vehicle-mounted 360 degree field of view surveillance systems
US10917633B2 (en) * 2017-09-15 2021-02-09 Intel Corporation Generating stereoscopic light field panoramas using concentric viewing circles
GB2567624B (en) * 2017-10-12 2021-05-26 Canon Kk Method, device and computer program for transmitting media content
US11812009B2 (en) * 2018-06-22 2023-11-07 Intel Corporation Generating virtual reality content via light fields
US11080542B2 (en) * 2018-07-27 2021-08-03 International Business Machines Corporation Sparse region-of-interest pooling for object detection

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111988563A (zh) * 2020-07-15 2020-11-24 浙江大华技术股份有限公司 多场景视频监测方法及装置
CN111988563B (zh) * 2020-07-15 2021-08-31 浙江大华技术股份有限公司 多场景视频监测方法及装置

Also Published As

Publication number Publication date
US11044399B2 (en) 2021-06-22
US20200154046A1 (en) 2020-05-14
JP2021114637A (ja) 2021-08-05

Similar Documents

Publication Publication Date Title
CN111147768A (zh) 一种提高回看效率的智能监控视频回看方法
US20110164823A1 (en) Video object extraction apparatus and method
CN104966304B (zh) 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法
US10542248B2 (en) Hierarchical binary structured light patterns
CN102857739A (zh) 分布式全景监控***及其方法
CN106067974A (zh) 用于处理摄影机中的视频流的方法和装置
CN106709894B (zh) 一种图像实时拼接方法及***
CN108141634B (zh) 用于产生预览图像的方法和设备以及计算机可读存储介质
CN113949808B (zh) 视频生成方法、装置、可读介质及电子设备
US20230048234A1 (en) Real-time video overlaying display
US20230127009A1 (en) Joint objects image signal processing in temporal domain
CN202841372U (zh) 分布式全景监控***
CN112712487A (zh) 一种场景视频融合方法、***、电子设备及存储介质
CN111147815A (zh) 一种视频监控***
KR101861245B1 (ko) 멀티 센서 ｃｃｔｖ 파노라마 영상에서 움직임 검출 시스템 및 방법
CN110674787A (zh) 一种基于Hog特征和lgb分类器的视频解压缩方法及***
US20120154545A1 (en) Image processing apparatus and method for human computer interaction
CN114359333A (zh) 运动目标提取方法、装置、计算机设备和存储介质
CN113205011B (zh) 图像掩膜确定方法及装置、存储介质和电子设备
CN110659627A (zh) 一种基于视频分割的智能视频监控方法
CN112887587B (zh) 一种可进行无线连接的自适应图像数据快速传输方法
KR101917622B1 (ko) 배경모델링 기법을 이용한 영상 내 누수 감지 방법
Chen et al. Night-time pedestrian detection by visual-infrared video fusion
CN113487487B (zh) 一种异构立体图像的超分辨率重建方法及***
CN112150355A (zh) 一种图像处理方法及相关设备

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: 20200512