-
公开(公告)号：CN103237197A
公开(公告)日：2013-08-07
申请号：CN201310123512.2
申请日：2013-04-10
申请人： 中国科学院自动化研究所
摘要： 一种用于鲁棒跟踪的自适应多特征融合的方法，包括步骤：特征结构初始化；分别计算梯度直方图HOG特征、局部二值模式LBP特征、颜色直方图特征；利用增量式主成分分析IPCA算法计算特征的主分量，并得到特征的稳定性表征；更新子特征权重；根据粒子滤波的跟踪结果，计算子特征的更新率。本发明目标特征用梯度信息，纹理信息和颜色信息共同表达，复杂场景下提高了特征的描述能力。根据不同子特征在跟踪中不同的稳定性，实时更新其权重，提高融合后的特征的稳定性。本发明计算量小，可以满足实时性要求。
-
公开(公告)号：CN101883261A
公开(公告)日：2010-11-10
申请号：CN201010191162.X
申请日：2010-05-26
申请人： 中国科学院自动化研究所
摘要： 一种大范围监控场景下的异常目标检测和接力跟踪的系统，包括：目标检测模块，利用亚采样的图像进行高斯背景建模，获得前景图像，并计算目标在数字地图中的坐标，然后把坐标信息发送到目标识别与跟踪控制模块；目标识别与跟踪控制模块，完成目标跟踪和轨迹记录以及目标异常行为的检测，如果发生异常行为，据该目标坐标信息选择合适的云台摄像机，发送报警信号到主动跟踪模块；主动跟踪模块，接收目标识别与跟踪控制模块的报警信息，根据报警信息内容控制云台摄像机进行预置位转向，然后进行运动目标的检测与跟踪。本发明解决了大范围监控场景下，多路图像目标信息的融合。实现了同一目标的精确、鲁棒的接力跟踪。
-
公开(公告)号：CN104320617B
公开(公告)日：2017-09-01
申请号：CN201410557880.2
申请日：2014-10-20
申请人： 中国科学院自动化研究所
摘要： 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。
-
公开(公告)号：CN103679215B
公开(公告)日：2017-03-01
申请号：CN201310746795.6
申请日：2013-12-30
申请人： 中国科学院自动化研究所
摘要： 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。
-
公开(公告)号：CN104094279A
公开(公告)日：2014-10-08
申请号：CN201480000159.1
申请日：2014-04-30
申请人： 中国科学院自动化研究所
IPC分类号： G06K9/00
CPC分类号： G06T7/246 , G06K9/00771 , G06K9/4642 , G06K9/4652 , G06K9/6212 , G06K9/6215 , G06T7/215 , G06T7/277 , G06T7/292 , G06T2207/30241
摘要： 本发明涉及一种大范围优先的跨摄像机视觉目标再识别方法，所述方法包括：步骤S1.获得单场景目标的初始轨迹；步骤S2.计算每条轨迹的分段主颜色谱直方图特征，得到轨迹特征表达；步骤S3.利用最小化不确定度的方法得到任意两条轨迹间匹配度的计算公式，从而得到任意两条轨迹间匹配度；步骤S4.对所有轨迹采用最大后验概率的方法进行全局数据融合得到跨场景的跟踪结果。本发明目标再试别方法，识别正确率高。
-
公开(公告)号：CN101883261B
公开(公告)日：2012-12-12
申请号：CN201010191162.X
申请日：2010-05-26
申请人： 中国科学院自动化研究所
摘要： 一种大范围监控场景下的异常目标检测和接力跟踪的系统，包括：目标检测模块，利用亚采样的图像进行高斯背景建模，获得前景图像，并计算目标在数字地图中的坐标，然后把坐标信息发送到目标识别与跟踪控制模块；目标识别与跟踪控制模块，完成目标跟踪和轨迹记录以及目标异常行为的检测，如果发生异常行为，据该目标坐标信息选择合适的云台摄像机，发送报警信号到主动跟踪模块；主动跟踪模块，接收目标识别与跟踪控制模块的报警信息，根据报警信息内容控制云台摄像机进行预置位转向，然后进行运动目标的检测与跟踪。本发明解决了大范围监控场景下，多路图像目标信息的融合。实现了同一目标的精确、鲁棒的接力跟踪。
-
公开(公告)号：CN104094279B
公开(公告)日：2017-05-10
申请号：CN201480000159.1
申请日：2014-04-30
申请人： 中国科学院自动化研究所
IPC分类号： G06K9/00
CPC分类号： G06T7/246 , G06K9/00771 , G06K9/4642 , G06K9/4652 , G06K9/6212 , G06K9/6215 , G06T7/215 , G06T7/277 , G06T7/292 , G06T2207/30241
摘要： 本发明涉及一种大范围优先的跨摄像机视觉目标再识别方法，所述方法包括：步骤S1，获得单场景目标的初始轨迹；步骤S2，计算每条轨迹的分段主颜色谱直方图特征，得到轨迹特征表达；步骤S3，利用最小化不确定度的方法得到任意两条轨迹间匹配度的计算公式，从而得到任意两条轨迹间匹配度；步骤S4，对所有轨迹采用最大后验概率的方法进行全局数据融合得到跨场景的跟踪结果。本发明目标再试别方法，识别正确率高。
-
公开(公告)号：CN103237197B
公开(公告)日：2016-04-13
申请号：CN201310123512.2
申请日：2013-04-10
申请人： 中国科学院自动化研究所
摘要： 一种用于鲁棒跟踪的自适应多特征融合的方法，包括步骤：特征结构初始化；分别计算梯度直方图HOG特征、局部二值模式LBP特征、颜色直方图特征；利用增量式主成分分析IPCA算法计算特征的主分量，并得到特征的稳定性表征；更新子特征权重；根据粒子滤波的跟踪结果，计算子特征的更新率。本发明目标特征用梯度信息，纹理信息和颜色信息共同表达，复杂场景下提高了特征的描述能力。根据不同子特征在跟踪中不同的稳定性，实时更新其权重，提高融合后的特征的稳定性。本发明计算量小，可以满足实时性要求。
-
公开(公告)号：CN103226586A
公开(公告)日：2013-07-31
申请号：CN201310123492.9
申请日：2013-04-10
申请人： 中国科学院自动化研究所
IPC分类号： G06F17/30
CPC分类号： Y02D10/45
摘要： 一种基于能量分布最优策略的视频摘要方法，包括基于最大概率对视频图像进行背景建模与前景分割；基于最优前景覆盖进行目标跟踪；计算最大事件能量；基于能量分布最优策略进行事件重组。本发明通过基于最优前景覆盖的方法，不但可以快速实现目标跟踪，而且通过保留所有前景图像部分，最大程度的保留了所有的事件。本发明基于最大概率的背景建模方法，快速有效，适用于离线视频的背景分离。
-
公开(公告)号：CN103226586B
公开(公告)日：2016-06-22
申请号：CN201310123492.9
申请日：2013-04-10
申请人： 中国科学院自动化研究所
IPC分类号： G06F17/30
CPC分类号： Y02D10/45
摘要： 一种基于能量分布最优策略的视频摘要方法，包括基于最大概率对视频图像进行背景建模与前景分割；基于最优前景覆盖进行目标跟踪；计算最大事件能量；基于能量分布最优策略进行事件重组。本发明通过基于最优前景覆盖的方法，不但可以快速实现目标跟踪，而且通过保留所有前景图像部分，最大程度的保留了所有的事件。本发明基于最大概率的背景建模方法，快速有效，适用于离线视频的背景分离。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.038 秒)
