一种基于深度学习的全天候视频监控方法

    公开(公告)号:CN104320617A

    公开(公告)日:2015-01-28

    申请号:CN201410557880.2

    申请日:2014-10-20

    Abstract: 本发明公开了一种基于深度学习的全天候视频监控方法,该方法包括以下步骤:实时采集视频流,基于得到的视频流通过线采样获得多幅原始采样图样本,以及速度采样图样本;对于得到的速度采样图样本进行时空矫正;基于原始采样图和速度采样图,离线训练得到深度学习模型,所述深度学习模型包括分类模型和统计模型;利用得到的深度学习模型对于实时视频流进行人群状态分析。本发明对于不同环境、光照强度、天气情况以及摄像头角度均具有良好的适应性;对于大流量人群涌出等人群拥挤环境,可以保证较高的准确率;计算量小,可以满足实时视频处理的要求,能够广泛地应用于对于公交、地铁和广场等滞留人群密集的公共场所的监控和管理。

    基于视觉大数据驱动的群体性行为分析的视频监控方法

    公开(公告)号:CN103679215A

    公开(公告)日:2014-03-26

    申请号:CN201310746795.6

    申请日:2013-12-30

    Abstract: 一种计算机实现的视频监控方法,包括步骤:接收由摄像机捕获的视频数据;根据接收到的视频数据建立群体性行为模型;估计所述群体性行为模型的参数,获得场景中存在的多种人群行为;使用得到的群体性行为模型获得不同人群的行为特征集;对得到的行为特征集进行转换,并使用转换的行为特征集来针对每种人群行为得到统计的人数值。根据本发明的方法,摄像头角度设置具有普遍适用性,可以用于开放出入口人数统计;并且计算量小,可以满足实时视频处理的要求。

Patent Agency Ranking