CN112700467A - 一种基于运动轨迹的人物跟踪方法及*** - Google Patents
一种基于运动轨迹的人物跟踪方法及*** Download PDFInfo
- Publication number
- CN112700467A CN112700467A CN201911008757.4A CN201911008757A CN112700467A CN 112700467 A CN112700467 A CN 112700467A CN 201911008757 A CN201911008757 A CN 201911008757A CN 112700467 A CN112700467 A CN 112700467A
- Authority
- CN
- China
- Prior art keywords
- video image
- target person
- outline
- tracking
- acquiring
- 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
Images
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- 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
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于运动轨迹的人物跟踪方法及***,方法包括:采集列车驾驶室的视频图像,判断视频图像中是否包含目标人物的运动趋势,若是,则:采集目标人物在视频图像中的轮廓,基于轮廓的位置信息对目标人物进行跟踪。本发明通过在采集的列车驾驶室的视频图像中包含目标人物的运动趋势时,进一步采集目标人物在视频图像中的轮廓,根据轮廓的位置实现对目标人物的跟踪,简单有效的实现了对列车驾驶员的跟踪。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种基于运动轨迹的人物跟踪方法及***。
背景技术
目前,在智能交通技术领域,现有的列车驾驶员跟踪是对视频中的图像帧进行特征提取,从提取出来的特征中识别出人的头部,脚部,脸部轮廓等信息,然后采用决策树分类器将特征与人体特征库进行匹配,以实现人物跟踪。现有的方式,一方面会导致算法的时间复杂度过高,另一方面由于现实中列车驾驶室的视频会出现黑白视频的现象,这样就会导致算法提取出来的特征不够准确。
因此,如何有效的实现对列车驾驶员的跟踪,是一项亟待解决的问题。
发明内容
有鉴于此,本发明提供了一种基于运动轨迹的人物跟踪方法,通过在采集的列车驾驶室的视频图像中包含目标人物的运动趋势时,进一步采集目标人物在视频图像中的轮廓,根据轮廓的位置实现对目标人物的跟踪,简单有效的实现了对列车驾驶员的跟踪。
本发明提供了一种基于运动轨迹的人物跟踪方法,包括:
采集列车驾驶室的视频图像;
判断所述视频图像中是否包含目标人物的运动趋势,若是,则:
采集所述目标人物在所述视频图像中的轮廓;
基于所述轮廓的位置信息对所述目标人物进行跟踪。
优选地,所述采集列车驾驶室的视频图像,包括:
通过车载摄像头采集列车驾驶室的视频图像。
优选地,所述判断所述视频图像中是否包含目标人物的运动趋势,包括:
采用帧间差算法并根据预设的阈值判断所述视频图像中是否包含目标人物的运动趋势。
优选地,所述采集所述目标人物在所述视频图像中的轮廓,包括:
通过红外热成像仪采集所述目标人物在所述视频图像中的轮廓。
优选地,所述基于所述轮廓的位置信息对所述目标人物进行跟踪,包括:
基于所述轮廓的位置信息,采用Camshift算法对所述目标人物进行跟踪。
一种基于运动轨迹的人物跟踪***,包括:
图像采集模块,用于采集列车驾驶室的视频图像;
判断模块,用于判断所述视频图像中是否包含目标人物的运动趋势;
轮廓采集模块,用于当所述视频图像中包含目标人物的运动趋势时,采集所述目标人物在所述视频图像中的轮廓;
跟踪模块,用于基于所述轮廓的位置信息对所述目标人物进行跟踪。
优选地,所述图像采集模块包括:车载摄像头,其中:
所述车载摄像头,用于采集列车驾驶室的视频图像。
优选地,所述判断模块在执行判断所述视频图像中是否包含目标人物的运动趋势时,具体用于:
采用帧间差算法并根据预设的阈值判断所述视频图像中是否包含目标人物的运动趋势。
优选地,所述轮廓采集模块包括:红外热成像仪,其中:
所述红外热成像仪,用于采集所述目标人物在所述视频图像中的轮廓。
优选地,所述跟踪模块在执行基于所述轮廓的位置信息对所述目标人物进行跟踪时,具体用于:
基于所述轮廓的位置信息,采用Camshift算法对所述目标人物进行跟踪。
综上所述,本发明公开了一种基于运动轨迹的人物跟踪方法,当需要对列车驾驶人员进行跟踪时,首先采集列车驾驶室的视频图像,然后判断视频图像中是否包含目标人物的运动趋势,若是,则:采集目标人物在视频图像中的轮廓,基于轮廓的位置信息对目标人物进行跟踪。本发明通过在采集的列车驾驶室的视频图像中包含目标人物的运动趋势时,进一步采集目标人物在视频图像中的轮廓,根据轮廓的位置实现对目标人物的跟踪,简单有效的实现了对列车驾驶员的跟踪。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明公开的一种基于运动轨迹的人物跟踪方法实施例1的方法流程图;
图2为本发明公开的一种基于运动轨迹的人物跟踪方法实施例2的方法流程图;
图3为本发明公开的一种基于运动轨迹的人物跟踪***实施例1的结构示意图;
图4为本发明公开的一种基于运动轨迹的人物跟踪***实施例2的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本发明一部分实施例,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。
如图1所示,为本发明公开的一种基于运动轨迹的人物跟踪方法实施例1的方法流程图,所述方法可以包括以下步骤:
S101、采集列车驾驶室的视频图像;
当需要对列车驾驶人员进行跟踪时,首先对列车的驾驶室进行视频图像采集,即采集列车驾驶室视频的每一帧图像。
S102、判断视频图像中是否包含目标人物的运动趋势,若是,则进入S103:
在采集到列车驾驶室的视频图像后,进一步对采集到的视频图像进行分析处理,从而判断出视频图像中是否包含目标人物的运动趋势,即,判断视频图像中是否包含列车驾驶人员的运动趋势。
S103、采集目标人物在视频图像中的轮廓;
当采集的视频图像中包含列车驾驶人员的运动趋势后,进一步采集列车驾驶人员的轮廓,即确定出列车驾驶人员在视频图像中的轮廓。
S104、基于轮廓的位置信息对目标人物进行跟踪。
在确定出列车驾驶人员在视频图像中的轮廓后,进一步根据轮廓的位置信息对列车驾驶人员进行跟踪,从而实现基于运动轨迹对驾驶人员进行跟踪。
综上所述,在上述实施例中,当需要对列车驾驶人员进行跟踪时,首先采集列车驾驶室的视频图像,然后判断视频图像中是否包含目标人物的运动趋势,若是,则:采集目标人物在视频图像中的轮廓,基于轮廓的位置信息对目标人物进行跟踪。本发明通过在采集的列车驾驶室的视频图像中包含目标人物的运动趋势时,进一步采集目标人物在视频图像中的轮廓,根据轮廓的位置实现对目标人物的跟踪,简单有效的实现了对列车驾驶员的跟踪。
如图2所示,为本发明公开的一种基于运动轨迹的人物跟踪方法实施例2的方法流程图,所述方法可以包括以下步骤:
S201、通过车载摄像头采集列车驾驶室的视频图像;
当需要对列车驾驶人员进行跟踪时,首先对列车的驾驶室进行视频图像采集,即采集列车驾驶室视频的每一帧图像。具体的,在采集列车驾驶室的视频图像时,可以通过列车车载摄像头对列车驾驶室的视频图像进行采集。其中,车载摄像头具有自动对焦,自动曝光以及自动白平衡技术,能够保证视频图像的采集效果。
S202、采用帧间差算法并根据预设的阈值判断视频图像中是否包含目标人物的运动趋势,若是,则进入S203:
在采集到列车驾驶室的视频图像后,进一步对车载摄像头采集的视频的每一帧图像进行检测,通过帧间差算法,并根据设定好的阈值来判断当前图像帧是否含有目标人物的运动趋势。
S203、通过红外热成像仪采集目标人物在所述视频图像中的轮廓;
当采集的视频图像中包含列车驾驶人员的运动趋势后,进一步采集列车驾驶人员的轮廓,即确定出列车驾驶人员在视频图像中的轮廓。具体的,可以通过红外热成像仪采集目标人物在所述视频图像中的轮廓。红外热成像仪是一种将物体表面的温度分布转换成人肉眼可见的图形,并以不同颜色显示物体表面温度分布的仪器,可以避免列车在进出隧道和驾驶室外光线变化频繁导致获取到的视频质量不高的情况。
在通过红外热成像仪采集到目标人物在视频图像中的轮廓后,还可以进一步采用帧间差算法对采集到的轮廓进行修补,以使修补后得到的轮廓更加精确。
S204、基于轮廓的位置信息,采用Camshift算法对目标人物进行跟踪。
在确定出列车驾驶人员在视频图像中的轮廓,以及对轮廓进行修补后,进一步将修补后得到的轮廓的位置信息作为输入,采用Camshift算法对列车驾驶人员进行跟踪,从而实现基于运动轨迹对驾驶人员进行跟踪。
综上所述,本发明提出的采用红外热成像仪进行边缘检测,能够很好地判断出来驾驶人员的轮廓,而不至于将座椅等室内装备识别成驾驶员。同时采用帧间差算法,当检测出驾驶人员的运动趋势和运动轮廓后,才会采用Camshift算法进行人物跟踪,这样能够很好的减轻计算量,改善用户的使用体验,并且该算法具有较强的稳定性与自适应性,能够对快速移动的物体进行跟踪,并能很好的解决目标跟踪过程中的误差积累的问题。
如图3所示,为本发明公开的一种基于运动轨迹的人物跟踪***实施例1的结构示意图,所述***可以包括:
图像采集模块301,用于采集列车驾驶室的视频图像;
当需要对列车驾驶人员进行跟踪时,首先对列车的驾驶室进行视频图像采集,即采集列车驾驶室视频的每一帧图像。
判断模块302,用于判断视频图像中是否包含目标人物的运动趋势;
在采集到列车驾驶室的视频图像后,进一步对采集到的视频图像进行分析处理,从而判断出视频图像中是否包含目标人物的运动趋势,即,判断视频图像中是否包含列车驾驶人员的运动趋势。
轮廓采集模块303,用于当视频图像中包含目标人物的运动趋势时,采集目标人物在视频图像中的轮廓;
当采集的视频图像中包含列车驾驶人员的运动趋势后,进一步采集列车驾驶人员的轮廓,即确定出列车驾驶人员在视频图像中的轮廓。
跟踪模块304,用于基于轮廓的位置信息对目标人物进行跟踪。
在确定出列车驾驶人员在视频图像中的轮廓后,进一步根据轮廓的位置信息对列车驾驶人员进行跟踪,从而实现基于运动轨迹对驾驶人员进行跟踪。
综上所述,在上述实施例中,当需要对列车驾驶人员进行跟踪时,首先采集列车驾驶室的视频图像,然后判断视频图像中是否包含目标人物的运动趋势,若是,则:采集目标人物在视频图像中的轮廓,基于轮廓的位置信息对目标人物进行跟踪。本发明通过在采集的列车驾驶室的视频图像中包含目标人物的运动趋势时,进一步采集目标人物在视频图像中的轮廓,根据轮廓的位置实现对目标人物的跟踪,简单有效的实现了对列车驾驶员的跟踪。
如图4所示,为本发明公开的一种基于运动轨迹的人物跟踪***实施例2的结构示意图,所述***可以包括:
车载摄像头401,用于采集列车驾驶室的视频图像;
当需要对列车驾驶人员进行跟踪时,首先对列车的驾驶室进行视频图像采集,即采集列车驾驶室视频的每一帧图像。具体的,在采集列车驾驶室的视频图像时,可以通过列车车载摄像头对列车驾驶室的视频图像进行采集。其中,车载摄像头具有自动对焦,自动曝光以及自动白平衡技术,能够保证视频图像的采集效果。
判断模块402,用于采用帧间差算法并根据预设的阈值判断所述视频图像中是否包含目标人物的运动趋势;
在采集到列车驾驶室的视频图像后,进一步对车载摄像头采集的视频的每一帧图像进行检测,通过帧间差算法,并根据设定好的阈值来判断当前图像帧是否含有目标人物的运动趋势。
红外热成像仪403,用于当视频图像中包含目标人物的运动趋势时,采集目标人物在所述视频图像中的轮廓;
当采集的视频图像中包含列车驾驶人员的运动趋势后,进一步采集列车驾驶人员的轮廓,即确定出列车驾驶人员在视频图像中的轮廓。具体的,可以通过红外热成像仪采集目标人物在所述视频图像中的轮廓。红外热成像仪是一种将物体表面的温度分布转换成人肉眼可见的图形,并以不同颜色显示物体表面温度分布的仪器,可以避免列车在进出隧道和驾驶室外光线变化频繁导致获取到的视频质量不高的情况。
在通过红外热成像仪采集到目标人物在视频图像中的轮廓后,还可以进一步采用帧间差算法对采集到的轮廓进行修补,以使修补后得到的轮廓更加精确。
跟踪模块404,用于基于轮廓的位置信息,采用Camshift算法对所述目标人物进行跟踪。
在确定出列车驾驶人员在视频图像中的轮廓,以及对轮廓进行修补后,进一步将修补后得到的轮廓的位置信息作为输入,采用Camshift算法对列车驾驶人员进行跟踪,从而实现基于运动轨迹对驾驶人员进行跟踪。
综上所述,本发明提出的采用红外热成像仪进行边缘检测,能够很好地判断出来驾驶人员的轮廓,而不至于将座椅等室内装备识别成驾驶员。同时采用帧间差算法,当检测出驾驶人员的运动趋势和运动轮廓后,才会采用Camshift算法进行人物跟踪,这样能够很好的减轻计算量,改善用户的使用体验,并且该算法具有较强的稳定性与自适应性,能够对快速移动的物体进行跟踪,并能很好的解决目标跟踪过程中的误差积累的问题。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于运动轨迹的人物跟踪方法,其特征在于,包括:
采集列车驾驶室的视频图像;
判断所述视频图像中是否包含目标人物的运动趋势,若是,则:
采集所述目标人物在所述视频图像中的轮廓;
基于所述轮廓的位置信息对所述目标人物进行跟踪。
2.根据权利要求1所述的方法,其特征在于,所述采集列车驾驶室的视频图像,包括:
通过车载摄像头采集列车驾驶室的视频图像。
3.根据权利要求1所述的方法,其特征在于,所述判断所述视频图像中是否包含目标人物的运动趋势,包括:
采用帧间差算法并根据预设的阈值判断所述视频图像中是否包含目标人物的运动趋势。
4.根据权利要求1所述的方法,其特征在于,所述采集所述目标人物在所述视频图像中的轮廓,包括:
通过红外热成像仪采集所述目标人物在所述视频图像中的轮廓。
5.根据权利要求1所述的方法,其特征在于,所述基于所述轮廓的位置信息对所述目标人物进行跟踪,包括:
基于所述轮廓的位置信息,采用Camshift算法对所述目标人物进行跟踪。
6.一种基于运动轨迹的人物跟踪***,其特征在于,包括:
图像采集模块,用于采集列车驾驶室的视频图像;
判断模块,用于判断所述视频图像中是否包含目标人物的运动趋势;
轮廓采集模块,用于当所述视频图像中包含目标人物的运动趋势时,采集所述目标人物在所述视频图像中的轮廓;
跟踪模块,用于基于所述轮廓的位置信息对所述目标人物进行跟踪。
7.根据权利要求6所述的***,其特征在于,所述图像采集模块包括:车载摄像头,其中:
所述车载摄像头,用于采集列车驾驶室的视频图像。
8.根据权利要求6所述的***,其特征在于,所述判断模块在执行判断所述视频图像中是否包含目标人物的运动趋势时,具体用于:
采用帧间差算法并根据预设的阈值判断所述视频图像中是否包含目标人物的运动趋势。
9.根据权利要求6所述的***,其特征在于,所述轮廓采集模块包括:红外热成像仪,其中:
所述红外热成像仪,用于采集所述目标人物在所述视频图像中的轮廓。
10.根据权利要求6所述的***,其特征在于,所述跟踪模块在执行基于所述轮廓的位置信息对所述目标人物进行跟踪时,具体用于:
基于所述轮廓的位置信息,采用Camshift算法对所述目标人物进行跟踪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911008757.4A CN112700467A (zh) | 2019-10-22 | 2019-10-22 | 一种基于运动轨迹的人物跟踪方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911008757.4A CN112700467A (zh) | 2019-10-22 | 2019-10-22 | 一种基于运动轨迹的人物跟踪方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112700467A true CN112700467A (zh) | 2021-04-23 |
Family
ID=75504839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911008757.4A Pending CN112700467A (zh) | 2019-10-22 | 2019-10-22 | 一种基于运动轨迹的人物跟踪方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700467A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218830A (zh) * | 2013-04-07 | 2013-07-24 | 北京航空航天大学 | 基于形心跟踪和改进GVF Snake的视频对象轮廓提取方法 |
CN106203274A (zh) * | 2016-06-29 | 2016-12-07 | 长沙慧联智能科技有限公司 | 一种视频监控中行人实时检测***及方法 |
CN107767402A (zh) * | 2017-10-26 | 2018-03-06 | 五邑大学 | 一种基于Camshift算法的视频跟踪小车***及方法 |
CN109118510A (zh) * | 2018-08-10 | 2019-01-01 | 平安科技(深圳)有限公司 | 一种监控视频处理方法、装置及计算机可读介质 |
CN109389617A (zh) * | 2018-08-27 | 2019-02-26 | 深圳大学 | 一种基于片上异构***的运动目标识别与追踪方法及*** |
-
2019
- 2019-10-22 CN CN201911008757.4A patent/CN112700467A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218830A (zh) * | 2013-04-07 | 2013-07-24 | 北京航空航天大学 | 基于形心跟踪和改进GVF Snake的视频对象轮廓提取方法 |
CN106203274A (zh) * | 2016-06-29 | 2016-12-07 | 长沙慧联智能科技有限公司 | 一种视频监控中行人实时检测***及方法 |
CN107767402A (zh) * | 2017-10-26 | 2018-03-06 | 五邑大学 | 一种基于Camshift算法的视频跟踪小车***及方法 |
CN109118510A (zh) * | 2018-08-10 | 2019-01-01 | 平安科技(深圳)有限公司 | 一种监控视频处理方法、装置及计算机可读介质 |
CN109389617A (zh) * | 2018-08-27 | 2019-02-26 | 深圳大学 | 一种基于片上异构***的运动目标识别与追踪方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10515471B2 (en) | Apparatus and method for generating best-view image centered on object of interest in multiple camera images | |
US10757330B2 (en) | Driver assistance system with variable image resolution | |
US10070053B2 (en) | Method and camera for determining an image adjustment parameter | |
US8077917B2 (en) | Systems and methods for enhancing images in a video recording of a sports event | |
JP5136504B2 (ja) | 物体識別装置 | |
EP2662827B1 (en) | Video analysis | |
CN110084133B (zh) | 障碍物检测方法、装置、车辆、计算机设备和存储介质 | |
US9412039B2 (en) | Blur detection system for night scene images | |
JP6292540B2 (ja) | 情報処理システム、情報処理方法及びプログラム | |
CN107105193B (zh) | 基于人体信息的机器人监控*** | |
KR20170092662A (ko) | 이미지 처리 방법 | |
CN108932464A (zh) | 客流量统计方法及装置 | |
JP2020013206A (ja) | 動画・カメラからの二輪車検知装置、プログラム及びシステム | |
CN112769877A (zh) | 团雾预警方法、云端服务器及车辆和介质 | |
JP5979046B2 (ja) | 合焦位置検出装置、合焦位置検出方法及び合焦位置検出用コンピュータプログラム | |
US20140078321A1 (en) | Motion blur estimation and restoration using light trails | |
US20150043818A1 (en) | Apparatus and method for recovering images damaged by weather phenomena | |
JP5664078B2 (ja) | 撮像装置、画像評価方法、及び焦点調整制御プログラム | |
CN117078735B (zh) | 身高检测方法、***、电子设备和存储介质 | |
US8948449B2 (en) | Selecting visible regions in nighttime images for performing clear path detection | |
CN112700467A (zh) | 一种基于运动轨迹的人物跟踪方法及*** | |
US8179471B2 (en) | Focusing device and image pickup apparatus | |
JP2007189432A (ja) | 車両用撮像装置 | |
CN106027875A (zh) | 图像处理装置以及图像处理方法 | |
JP6348020B2 (ja) | 画像処理装置、画像処理方法およびそれを用いた検査方法。 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210423 |