CN115294748A - 一种基于视觉数据分析的固定目标消失预警方法 - Google Patents
一种基于视觉数据分析的固定目标消失预警方法 Download PDFInfo
- Publication number
- CN115294748A CN115294748A CN202211094924.3A CN202211094924A CN115294748A CN 115294748 A CN115294748 A CN 115294748A CN 202211094924 A CN202211094924 A CN 202211094924A CN 115294748 A CN115294748 A CN 115294748A
- Authority
- CN
- China
- Prior art keywords
- video data
- target
- data acquisition
- acquisition terminal
- designated
- 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 43
- 230000000007 visual effect Effects 0.000 title claims abstract description 16
- 238000007405 data analysis Methods 0.000 title claims abstract description 14
- 230000008034 disappearance Effects 0.000 title claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 238000013507 mapping Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 238000013480 data collection Methods 0.000 claims 1
- 230000001360 synchronised effect Effects 0.000 abstract 1
- 239000000284 extract Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种基于视觉数据分析的固定目标消失预警方法,涉及视觉识别技术领域,通过视频数据采集终端获得指定目标的视频数据;对所获得的视频数据进行处理;对指定目标的位置进行实时监测,判断指定目标是否存在异常;通过在指定目标的所在区域以指定目标为基准,在不同的方向设置视频数据采集终端,通过多个视频数据采集终端实时获取指定目标所在区域的视频数据,在将所获得的视频在时间和空间上进行同步配准,获得指定区域的全景图像,再利用全景图像中,参照物与指定目标之间在空间上的相互位置关系,判断指定目标是否存在异常,大大降低了指定目标所在区域的监控死角的同时,利用多个参照物,使得对指定目标监控的过程异常更加敏感。
Description
技术领域
本发明涉及视觉识别技术领域,具体是一种基于视觉数据分析的固定目标消失预警方法。
背景技术
基于图像全局检测的目标跟踪方法主要分为两种,即基于关键点匹配的目标跟踪方法和基于目标性的跟踪算法。基于关键点匹配的目标跟踪方法通常在目标位置提取具有不变性特征的关键点,将目标模版表示为一些关键点的集合,在当前帧全图中提取关键点,并与目标模板的关键点进行关键点匹配,所求目标为当前帧目标位置相对于初始模板位置的几何变换关系。基于目标性的跟踪算法通常计算多个目标潜在区域,并逐一对这些目标潜在区域进行二分类,最终预测的目标位置是这些目标潜在区域中的一个。
对于固定目标在指定区域进行监控时,通常是对固定目标直接进行监控,这样的监控方式,使得对固定目标所在区域的监控存在死角,如何实现对固定目标所在区域进行更加全面的监控,是我们需要解决的问题,为此,现提供一种基于视觉数据分析的固定目标消失预警方法。
发明内容
本发明的目的在于提供一种基于视觉数据分析的固定目标消失预警方法。
本发明的目的可以通过以下技术方案实现:一种基于视觉数据分析的固定目标消失预警方法,包括以下步骤:
步骤一:在指定目标周围安装若干个视频数据采集终端,通过所安装的视频数据采集终端获得指定目标的视频数据;
步骤二:对所获得的视频数据进行处理,并构建指定目标所在区域的三维立体坐标,将指定目标的位置在三维立体坐标内进行标记;
步骤三:对指定目标的位置进行实时监测,判断指定目标是否存在异常。
进一步的,其特征在于,在指定目标的周围安装视频数据采集终端的方式包括:
以指定目标的所在位置为基点,在不同的方向安装视频数据采集终端;获取每个视频数据采集终端的拍摄范围,根据每个视频数据采集终端的拍摄范围对视频数据采集终端的拍摄角度进行调整;
通过每个视频数据采集终端实时获取指定目标所在区域的视频数据,并对所获得的视频数据进行处理。
进一步的,其特征在于,每个视频数据采集终端调整拍摄角度后的拍摄范围,至少与一个其他视频数据采集终端的拍摄范围存在重合,且指定目标均处于每个视频数据采集终端的拍摄范内。
进一步的,其特征在于,对所获得的视频数据进行处理的过程包括:
按照时间维度,将各个视频数据采集终端所获取到的视频数据进行时间对准,获得多视频融合数据;对来自于不同的视频数据采集终端内且处于同一时刻的视频数据转化为图片帧,对所获得的图片帧进行栅格化处理;
对栅格化处理后的图片帧进行特征提取,获得指定目标的所在位置;
在不同的图片帧内选择框选至少一个参照物,并对提取参照物的特征,获得参照物在图片帧中的所在位置;利用图像拼接技术将不同的图片帧进行拼接,获得全景图像,并根据所获得的全景图像,构建指定目标所在区域的三维立体坐标。
进一步的,其特征在于,全景图像的获得过程包括:
将同一时刻所获取到的图片帧分别进行标记,并选取其中一张图片帧,将该图片帧标记为配准图,将其他图片帧标记为待拼接图;
建立二维坐标系,将配准图映射至二维坐标系内;
获取配准图和待拼接图的上的像素点,并根据配准图和待拼接图上的像素点对配准图和待拼接图进行特征提取,将同一个图片帧中所提取到的特征进行汇总,获得对应的特征集;
将配准图与不同的待拼接图的特征集进行匹配,将存在与配准图中特征相同的待拼接图进行标记,并在配准图中将与各个待拼接图特征相同的区域进行标记;
对待拼接图进行图片调整,并将调整后的待拼接图像与配准图进行拼接。
进一步的,其特征在于,指定目标所在区域的三维立体坐标的构建过程包括:
构建三维坐标系,将视频数据采集终端在指定目标所在区域的空间位置映射至三维坐标系中进行标记;
在三维坐标系中,将指定目标及参照物的位置进行标记;根据视频数据采集终端的拍摄方向和画面缩放比,确定指定目标及参照物与视频数据采集终端之间的相对位置,进而确定指定目标及参照物在三维坐标系中的坐标位置;
以指定目标和参照物的所在位置为基准,将除指定目标及参照物的所在位置的其他区域进行模糊处理,进而获得指定目标所在区域的三维立体坐标。
进一步的,其特征在于,通过视频数据采集终端所获取到的视频数据,判断指定目标是否存在异常的程包括:
获取指定目标所在区域的全景图像后,以所获得的第一张全景图像为基准,将构成全景图像的图片帧部分进行标记,并分别生成对应的匹配链接,通过匹配链接将全景图像的不同区域与对应的视频数据采集终端进行链接;
将视频数据采集终端所获取到的视频数据转化的视频帧分别设置时间标签,每个时间标签对应一个时间点;
以根据时间标签生成与视频数据采集终端对应的图片帧集,图片帧集内包括每个视频数据采集终端对应的图片帧的存放位置;
当图片帧集内的所有图片帧的存放位置均存放有图片帧时,则将该图片帧集映射至全景图像上,并对原全景图像进行覆盖,获得新的全景图像,以此类推,实现对指定目标所在区域的实时监测;
将新的全景图像中参照物和指定目标的所在位置映射至三维立体坐标内,并与三维立体坐标内指定目标和参照物的坐标进行对比,并获得对比结果。
与现有技术相比,本发明的有益效果是:通过在指定目标的所在区域以指定目标为基准,在不同的方向设置视频数据采集终端,通过多个视频数据采集终端实时获取指定目标所在区域的视频数据,在将所获得的视频在时间和空间上进行同步配准,获得指定区域的全景图像,再利用全景图像中,参照物与指定目标之间在空间上的相互位置关系,判断指定目标是否存在异常,大大降低了指定目标所在区域的监控死角的同时,利用多个参照物,使得对指定目标监控的过程异常更加敏感。
附图说明
图1为本发明的原理图。
具体实施方式
如图1所示,一种基于视觉数据分析的固定目标消失预警方法,包括以下步骤:
步骤一:在指定目标周围安装若干个视频数据采集终端,通过所安装的视频数据采集终端获得指定目标的视频数据;
步骤二:对所获得的视频数据进行处理,并构建指定目标所在区域的三维立体坐标,将指定目标的位置在三维立体坐标内进行标记;
步骤三:对指定目标的位置进行实时监测,判断指定目标是否存在异常。
需要进一步说明的是,在具体实施过程中,所述视频数据采集终端均为同型号,则在指定目标的周围安装视频数据采集终端的方式包括:
以指定目标的所在位置为基点,在不同的方向安装视频数据采集终端;获取每个视频数据采集终端的拍摄范围,根据每个视频数据采集终端的拍摄范围对视频数据采集终端的拍摄角度进行调整;需要进一步说明的是,在具体实施过程中,每个视频数据采集终端调整拍摄角度后的拍摄范围,至少与一个其他视频数据采集终端的拍摄范围存在重合,且指定目标均处于每个视频数据采集终端的拍摄范内;
通过每个视频数据采集终端实时获取指定目标所在区域的视频数据,并对所获得的视频数据进行处理。
需要进一步说明的是,在具体实施过程中,对所获得的视频数据进行处理的过程包括:
按照时间维度,将各个视频数据采集终端所获取到的视频数据进行时间对准,获得多视频融合数据;
对来自于不同的视频数据采集终端内且处于同一时刻的视频数据转化为图片帧,对所获得的图片帧进行栅格化处理;
对栅格化处理后的图片帧进行特征提取,获得指定目标的所在位置;
在不同的图片帧内选择框选至少一个参照物,并对提取参照物的特征,获得参照物在图片帧中的所在位置;
利用图像拼接技术将不同的图片帧进行拼接,获得全景图像,并根据所获得的全景图像,构建指定目标所在区域的三维立体坐标。
需要进一步说明的是,在具体实施过程中,全景图像的获得过程具体包括:
将同一时刻所获取到的图片帧分别进行标记,并选取其中一张图片帧,将该图片帧标记为配准图,将其他图片帧标记为待拼接图;
建立二维坐标系,将配准图映射至二维坐标系内;
获取配准图和待拼接图的上的像素点,并根据配准图和待拼接图上的像素点对配准图和待拼接图进行特征提取,将同一个图片帧中所提取到的特征进行汇总,获得对应的特征集;
将配准图与不同的待拼接图的特征集进行匹配,将存在与配准图中特征相同的待拼接图进行标记,并在配准图中将与各个待拼接图特征相同的区域进行标记;
将对应的待拼接图通过旋转、缩放、镜像等方式进行图片调整,并将调整后的待拼接图像与配准图进行拼接;
将与配准图拼接后的待拼接图像中,选择一个作为新的配准图,并将新的配准图与其他待拼接图像进行再次拼接,以此类推,完成所有图片帧的拼接,获得全景图像;需要进一步说明的是,在具体实施过程中,当将一个待拼接图像设置为新的配准图时,则已经成为配准图的图片帧不参与与该新的配准图之间的图片拼接过程;
举例说明:
设置有图片帧A、B、C、D以及E;设置A为配准图,与A进行匹配的图片帧为B、C、D以及E,最终完成与A拼接的图片帧为B和C;则选择B作为新的配准图,则与B进行匹配的图片帧为C、D以及E,完成与B拼接的图片帧为D、E;则再次选择C作为新的配准图,则与C进行匹配的图片帧为D和E,以此类推。
需要进一步说明的是,在具体实施过程中,指定目标所在区域的三维立体坐标的构建过程包括:
构建三维坐标系,将视频数据采集终端在指定目标所在区域的空间位置映射至三维坐标系中进行标记;
在三维坐标系中,将指定目标及参照物的位置进行标记;需要进一步说明的是,在具体实施过程中,由于每个视频数据采集终端均为同型号,则根据视频数据采集终端的拍摄方向和画面缩放比,确定指定目标及参照物与视频数据采集终端之间的相对位置,进而确定指定目标及参照物在三维坐标系中的坐标位置;
以指定目标和参照物的所在位置为基准,将除指定目标及参照物的所在位置的其他区域进行模糊处理,进而获得指定目标所在区域的三维立体坐标。
需要进一步说明的是,在具体实施过程中,在获取指定目标所在区域的全景图像后,根据指定目标及参照物在全景图像中的位置,对全景图像做锐化处理和边缘增强处理,使得全景图像中的指定目标和参照物的轮廓更加明显,并将锐化处理和边缘增强处理后的指定目标和参照物映射至三维立体坐标内对应的指定目标和参照物上,提高三维立体坐标的精准度。
需要进一步说明的是,在具体实施过程中,通过视频数据采集终端所获取到的视频数据,对指定目标进行实时监测,通过指定目标与参照物之间的相对位置关系,判断指定目标是否存在异常,具体过程包括:
获取指定目标所在区域的全景图像后,以所获得的第一张全景图像为基准,将构成全景图像的图片帧部分进行标记,并分别生成对应的匹配链接,通过匹配链接将全景图像的不同区域与对应的视频数据采集终端进行链接;
将视频数据采集终端所获取到的视频数据转化的视频帧分别设置时间标签,每个时间标签对应一个时间点;
以根据时间标签生成与视频数据采集终端对应的图片帧集,图片帧集内包括每个视频数据采集终端对应的图片帧的存放位置,每个存放位置对应一个视频数据采集终端,且每个存放位置仅能存放与之对应的视频数据采集终端所获得的图片帧;
当图片帧集内的所有图片帧的存放位置均存放有图片帧时,则将该图片帧集映射至全景图像上,并对原全景图像进行覆盖,获得新的全景图像,以此类推,实现对指定目标所在区域的实时监测;
再将新的全景图像中参照物和指定目标的所在位置映射至三维立体坐标内,并与三维立体坐标内指定目标和参照物的坐标进行对比,并获得对比结果;
若前后位置均相同,则表示指定目标正常,不作任何操作;
若指定目标前后位置不相同,则生成预警信息,并发出警报。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (7)
1.一种基于视觉数据分析的固定目标消失预警方法,其特征在于,包括以下步骤:
步骤一:在指定目标周围安装若干个视频数据采集终端,通过所安装的视频数据采集终端获得指定目标的视频数据;
步骤二:对所获得的视频数据进行处理,并构建指定目标所在区域的三维立体坐标,将指定目标的位置在三维立体坐标内进行标记;
步骤三:对指定目标的位置进行实时监测,判断指定目标是否存在异常。
2.根据权利要求1所述的一种基于视觉数据分析的固定目标消失预警方法,其特征在于,在指定目标的周围安装视频数据采集终端的方式包括:
以指定目标的所在位置为基点,在不同的方向安装视频数据采集终端;获取每个视频数据采集终端的拍摄范围,根据每个视频数据采集终端的拍摄范围对视频数据采集终端的拍摄角度进行调整;
通过每个视频数据采集终端实时获取指定目标所在区域的视频数据,并对所获得的视频数据进行处理。
3.根据权利要求2所述的一种基于视觉数据分析的固定目标消失预警方法,其特征在于,每个视频数据采集终端调整拍摄角度后的拍摄范围,至少与一个其他视频数据采集终端的拍摄范围存在重合,且指定目标均处于每个视频数据采集终端的拍摄范内。
4.根据权利要求3所述的一种基于视觉数据分析的固定目标消失预警方法,其特征在于,对所获得的视频数据进行处理的过程包括:
按照时间维度,将各个视频数据采集终端所获取到的视频数据进行时间对准,获得多视频融合数据;对来自于不同的视频数据采集终端内且处于同一时刻的视频数据转化为图片帧,对所获得的图片帧进行栅格化处理;
对栅格化处理后的图片帧进行特征提取,获得指定目标的所在位置;
在不同的图片帧内选择框选至少一个参照物,并对提取参照物的特征,获得参照物在图片帧中的所在位置;利用图像拼接技术将不同的图片帧进行拼接,获得全景图像,并根据所获得的全景图像,构建指定目标所在区域的三维立体坐标。
5.根据权利要求4所述的一种基于视觉数据分析的固定目标消失预警方法,其特征在于,全景图像的获得过程包括:
将同一时刻所获取到的图片帧分别进行标记,并选取其中一张图片帧,将该图片帧标记为配准图,将其他图片帧标记为待拼接图;
建立二维坐标系,将配准图映射至二维坐标系内;
获取配准图和待拼接图的上的像素点,并根据配准图和待拼接图上的像素点对配准图和待拼接图进行特征提取,将同一个图片帧中所提取到的特征进行汇总,获得对应的特征集;
将配准图与不同的待拼接图的特征集进行匹配,将存在与配准图中特征相同的待拼接图进行标记,并在配准图中将与各个待拼接图特征相同的区域进行标记;
对待拼接图进行图片调整,并将调整后的待拼接图像与配准图进行拼接。
6.根据权利要求5所述的一种基于视觉数据分析的固定目标消失预警方法,其特征在于,指定目标所在区域的三维立体坐标的构建过程包括:
构建三维坐标系,将视频数据采集终端在指定目标所在区域的空间位置映射至三维坐标系中进行标记;
在三维坐标系中,将指定目标及参照物的位置进行标记;根据视频数据采集终端的拍摄方向和画面缩放比,确定指定目标及参照物与视频数据采集终端之间的相对位置,进而确定指定目标及参照物在三维坐标系中的坐标位置;
以指定目标和参照物的所在位置为基准,将除指定目标及参照物的所在位置的其他区域进行模糊处理,进而获得指定目标所在区域的三维立体坐标。
7.根据权利要求6所述的一种基于视觉数据分析的固定目标消失预警方法,其特征在于,通过视频数据采集终端所获取到的视频数据,判断指定目标是否存在异常的程包括:
获取指定目标所在区域的全景图像后,以所获得的第一张全景图像为基准,将构成全景图像的图片帧部分进行标记,并分别生成对应的匹配链接,通过匹配链接将全景图像的不同区域与对应的视频数据采集终端进行链接;
将视频数据采集终端所获取到的视频数据转化的视频帧分别设置时间标签,每个时间标签对应一个时间点;
以根据时间标签生成与视频数据采集终端对应的图片帧集,图片帧集内包括每个视频数据采集终端对应的图片帧的存放位置;
当图片帧集内的所有图片帧的存放位置均存放有图片帧时,则将该图片帧集映射至全景图像上,并对原全景图像进行覆盖,获得新的全景图像,以此类推,实现对指定目标所在区域的实时监测;
将新的全景图像中参照物和指定目标的所在位置映射至三维立体坐标内,并与三维立体坐标内指定目标和参照物的坐标进行对比,并获得对比结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211094924.3A CN115294748A (zh) | 2022-09-08 | 2022-09-08 | 一种基于视觉数据分析的固定目标消失预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211094924.3A CN115294748A (zh) | 2022-09-08 | 2022-09-08 | 一种基于视觉数据分析的固定目标消失预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115294748A true CN115294748A (zh) | 2022-11-04 |
Family
ID=83834105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211094924.3A Pending CN115294748A (zh) | 2022-09-08 | 2022-09-08 | 一种基于视觉数据分析的固定目标消失预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115294748A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303615A (zh) * | 2015-11-06 | 2016-02-03 | 中国民航大学 | 一种图像二维拼接与三维表面重建的组合方法 |
US20160286138A1 (en) * | 2015-03-27 | 2016-09-29 | Electronics And Telecommunications Research Institute | Apparatus and method for stitching panoramaic video |
CN106485781A (zh) * | 2016-09-30 | 2017-03-08 | 广州博进信息技术有限公司 | 基于实时视频流的三维场景构建方法及其*** |
CN109029731A (zh) * | 2018-05-24 | 2018-12-18 | 河海大学常州校区 | 一种基于多目视觉的电力设备异常监测***及方法 |
CN109255754A (zh) * | 2018-09-30 | 2019-01-22 | 北京宇航时代科技发展有限公司 | 一种大场景多相机图像拼接与真实展现的方法和*** |
CN111473739A (zh) * | 2020-04-24 | 2020-07-31 | 中铁隧道集团二处有限公司 | 一种基于视频监控的隧道塌方区围岩变形实时监测方法 |
CN112637519A (zh) * | 2020-11-18 | 2021-04-09 | 合肥市卓迩无人机科技服务有限责任公司 | 多路4k准实时拼接视频的全景拼接算法 |
CN113873201A (zh) * | 2021-09-27 | 2021-12-31 | 北京环境特性研究所 | 一种超视距制高点反向观察***及方法 |
CN114333243A (zh) * | 2021-12-21 | 2022-04-12 | 长江三峡勘测研究院有限公司(武汉) | 一种滑坡监测预警方法、装置、介质、电子设备及终端 |
CN114399606A (zh) * | 2021-12-24 | 2022-04-26 | 中国科学院自动化研究所 | 基于立体可视化的交互展示***、方法、设备 |
-
2022
- 2022-09-08 CN CN202211094924.3A patent/CN115294748A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160286138A1 (en) * | 2015-03-27 | 2016-09-29 | Electronics And Telecommunications Research Institute | Apparatus and method for stitching panoramaic video |
CN105303615A (zh) * | 2015-11-06 | 2016-02-03 | 中国民航大学 | 一种图像二维拼接与三维表面重建的组合方法 |
CN106485781A (zh) * | 2016-09-30 | 2017-03-08 | 广州博进信息技术有限公司 | 基于实时视频流的三维场景构建方法及其*** |
CN109029731A (zh) * | 2018-05-24 | 2018-12-18 | 河海大学常州校区 | 一种基于多目视觉的电力设备异常监测***及方法 |
CN109255754A (zh) * | 2018-09-30 | 2019-01-22 | 北京宇航时代科技发展有限公司 | 一种大场景多相机图像拼接与真实展现的方法和*** |
CN111473739A (zh) * | 2020-04-24 | 2020-07-31 | 中铁隧道集团二处有限公司 | 一种基于视频监控的隧道塌方区围岩变形实时监测方法 |
CN112637519A (zh) * | 2020-11-18 | 2021-04-09 | 合肥市卓迩无人机科技服务有限责任公司 | 多路4k准实时拼接视频的全景拼接算法 |
CN113873201A (zh) * | 2021-09-27 | 2021-12-31 | 北京环境特性研究所 | 一种超视距制高点反向观察***及方法 |
CN114333243A (zh) * | 2021-12-21 | 2022-04-12 | 长江三峡勘测研究院有限公司(武汉) | 一种滑坡监测预警方法、装置、介质、电子设备及终端 |
CN114399606A (zh) * | 2021-12-24 | 2022-04-26 | 中国科学院自动化研究所 | 基于立体可视化的交互展示***、方法、设备 |
Non-Patent Citations (1)
Title |
---|
林小平: "面向区域监控的全景图像拼接技术研究" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111462200A (zh) | 一种跨视频行人定位追踪方法、***及设备 | |
Ren et al. | General traffic sign recognition by feature matching | |
Šegvić et al. | A computer vision assisted geoinformation inventory for traffic infrastructure | |
CN111027462A (zh) | 跨多摄像头的行人轨迹识别方法 | |
CN103810475B (zh) | 一种目标物识别方法及装置 | |
Roters et al. | Recognition of traffic lights in live video streams on mobile devices | |
KR101548639B1 (ko) | 감시 카메라 시스템의 객체 추적장치 및 그 방법 | |
JP4946878B2 (ja) | 画像識別装置及びプログラム | |
CN111383204A (zh) | 视频图像融合方法、融合装置、全景监控***及存储介质 | |
CN111932590B (zh) | 对象跟踪方法、装置、电子设备及可读存储介质 | |
Yazdan et al. | Improving traffic sign recognition results in urban areas by overcoming the impact of scale and rotation | |
CN114708583A (zh) | 目标物的检测方法、装置、设备及存储介质 | |
CN112130153A (zh) | 基于毫米波雷达和摄像头实现无人驾驶汽车边缘检测方法 | |
CN111325184B (zh) | 一种遥感影像智能解译与变化信息检测方法 | |
CN107480580B (zh) | 图像识别方法和图像识别装置 | |
Wang et al. | Automatic registration of point cloud and panoramic images in urban scenes based on pole matching | |
CN112488022B (zh) | 一种环视全景监控方法、装置及*** | |
US9392146B2 (en) | Apparatus and method for extracting object | |
CN116518961B (zh) | 大规模固定视觉传感器全局位姿的确定方法和装置 | |
Cai et al. | Improving CNN-based planar object detection with geometric prior knowledge | |
IL123566A (en) | Detection of prominent contours in a pair of stereoscopic figures | |
Huang et al. | Overview of LiDAR point cloud target detection methods based on deep learning | |
CN103903269B (zh) | 球机监控视频的结构化描述方法和*** | |
JP6831396B2 (ja) | 映像監視装置 | |
CN115294748A (zh) | 一种基于视觉数据分析的固定目标消失预警方法 |
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 |
Application publication date: 20221104 |
|
RJ01 | Rejection of invention patent application after publication |