-
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
Applicant: 中国科学院自动化研究所
Abstract: 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：CN102609732A
公开(公告)日：2012-07-25
申请号：CN201210021813.X
申请日：2012-01-31
Applicant: 中国科学院自动化研究所
IPC: G06K9/66
Abstract: 本发明公开了一种基于泛化视觉词典图编码的目标识别方法，包括以下步骤：对已经标好类别的目标图像进行特征提取，对提取的特征在视觉词典图上进行泛化编码，对编码结果进行训练并建模；对未知类别的图像进行特征提取，将提取的特征在视觉词典图上进行泛化编码，将编码结果输入到训练得到的模型，获得图像中目标的类别。该方法采用基于泛化视觉词典图的编码技术来提高分类精度，可用于智能视觉监控系统，使得监控系统能真正理解场景；可用于多媒体数字内容分析中的目标分析，判断目标的类别；可用于分析顾客对特定产品或者特定娱乐项目喜好。
-
公开(公告)号：CN101470809B
公开(公告)日：2011-07-20
申请号：CN200710304222.2
申请日：2007-12-26
Applicant: 中国科学院自动化研究所
Abstract: 本发明是一种基于扩展混合高斯模型的运动目标检测方法。所述方法包含如下步骤：通过一级模型构建模块，基于扩展混合高斯模型，构造阴影背景、和前景的概率密度函数；通过二级模型构建模块，基于上述三类的模型，构造运动目标和非运动目标的概率密度函数；通过分类模块，应用MAP-MRF(Maximum a Posteriori-Markov Random Field)方法进行分类；应用跟踪的反馈信息，进一步精确前景模型。本发明通过将高斯混合模型融合空间信息可以克服因背景运动造成的前景误检测；通过在一个概率框架中融合背景建模、前景检测和阴影去除可以克服阴影所造成的不利影响，从而提高运动目标的检测效果。
-
公开(公告)号：CN101488222B
公开(公告)日：2011-02-09
申请号：CN200810056258.8
申请日：2008-01-16
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明基于视频中运动目标表象和运动信息的摄像机自标定方法，对包含运动目标的视频进行前景检测，提取运动目标区域；对每一个运动目标区域提取特征；对运动目标区域进行粗略分类；从海量运动目标区域的表象和运动信息中，提取相互垂直的三个消失点；结合摄像机高度信息完成监控场景摄像机的完全标定。本发明替代手工标定的工作量和误差。用于基于图像或视频的测量，通过图像中的点距离获得三维世界的真实点距离，通过图像中的线夹角获得三维世界的真实线夹角。用于监控场景中的物体分类识别，补偿二维图像特征固有的透视变形。用于监控场景中的基于三维模型的物体识别，获得三维姿态和轨迹，有效帮助系统理解场景中发生的行为。
-
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
Applicant: 中国科学院自动化研究所
Abstract: 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。
-
Patent Agency Ranking
公开(公告)号：CN101751553A
公开(公告)日：2010-06-23
申请号：CN200810238875.X
申请日：2008-12-03
Applicant: 中国科学院自动化研究所
Abstract: 本发明提出一种大规模人群密度分析和预测方法，基于统计特征的人群密度分析对输入视频作人群密度分析，获取单个监控点的人群密度值；采用多段线性拟合实现人群密度和人数的互相转换；采用光流法对单个监控点中人群流速和流向进行计算，获得单个监控点中人群流速和流向信息；根据各个监控点的空间位置关系和人群流向流速关系建立一个有向图的结构，对重要监控枢纽节点做一段时间内的人数和人群密度预测。该方法能够自动实时监控大范围内的人群密度和人数分布，并且能对重要地点做人群密度和人数的预测，所提供的信息对于人群监控部门具有重要的参考价值。
-
公开(公告)号：CN101226597B
公开(公告)日：2010-04-14
申请号：CN200710062820.3
申请日：2007-01-18
Applicant: 中国科学院自动化研究所
IPC: G06K9/62
CPC classification number: G06K9/00348 , G06K9/2018
Abstract: 本发明公开一种基于热红外步态的夜间行人识别方法及系统，方法步骤是：从红外视频图像中检测分割出行人，获取热红外步态图像序列，采用平均灰度图来描述热红外步态视频，进而获取热红外步态特征；基于最近邻分类器，以平均灰度图为身份属性描述，对热红外视频图像中行人的热红外步态进行身份识别。系统包括：热红外视频图像获取模块，红外图像分析处理模块。在CASIA夜间红外步态数据库和在NLPR日间可见光模态步态数据库上的实验证明了本发明对于夜间行人身份识别的有效性和步态表征方式具有较强的识别能力。本发明应用到特殊场合的安全监控。
-
公开(公告)号：CN101635026A
公开(公告)日：2010-01-27
申请号：CN200810117059.3
申请日：2008-07-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种无需跟踪过程的遗弃物检测方法，包括步骤：对摄像头输入的每帧图像，利用基于象素点的方法提取可能属于遗弃物的象素点，并用每一个可能属于遗弃物象素点的RGB颜色信息去更新相应位置的混合高斯模型；将所述图像中每个象素点的RGB颜色信息输入到更新过的对应混合高斯模型中，检测出与描述相应位置象素点可能出现的遗弃物的颜色信息相匹配的象素点，完成视频中遗弃物的检测，如果有遗弃物被检测则报警。无需跟踪过程的遗弃物检测因为不包含跟踪过程，在复杂场景中对于提高监控系统对监控场景中遗弃物的精确检测有很重要的作用。可用于智能视频监控系统，帮助识别出公共场景中的遗弃物，从而提高公共场所的安全性。
-
公开(公告)号：CN101488222A
公开(公告)日：2009-07-22
申请号：CN200810056258.8
申请日：2008-01-16
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明基于视频中运动目标表象和运动信息的摄像机自标定方法，对包含运动目标的视频进行前景检测，提取运动目标区域；对每一个运动目标区域提取特征；对运动目标区域进行粗略分类；从海量运动目标区域的表象和运动信息中，提取相互垂直的三个消失点；结合摄像机高度信息完成监控场景摄像机的完全标定。本发明替代手工标定的工作量和误差。用于基于图像或视频的测量，通过图像中的点距离获得三维世界的真实点距离，通过图像中的线夹角获得三维世界的真实线夹角。用于监控场景中的物体分类识别，补偿二维图像特征固有的透视变形。用于监控场景中的基于三维模型的物体识别，获得三维姿态和轨迹，有效帮助系统理解场景中发生的行为。
-
公开(公告)号：CN101464944A
公开(公告)日：2009-06-24
申请号：CN200710179883.7
申请日：2007-12-19
Applicant: 中国科学院自动化研究所
Abstract: 本发明一种基于统计特征的人群密度分析方法，包括视频输入和帧抽取；从视频帧序列中提取马赛克图像差分MID特征，检测出人群中的细微的运动；检验赛克图像差分MID特征序列时间均匀分布；对具有明显透视现象的人群场景做几何校正，获得图像平面上每个像素对人群密度的贡献因子；对人群空间面积做加权处理，获得人群密度。该方法与现有方法相比，不需要参考背景，也不需要背景建模，能自适应早晚光线的变化，算法比较鲁棒，应用方便；数学模型简单有效，能准确定位人群的空间分布和大小，直观性强；计算量小，适合实时视觉监控。本发明能广泛地应用于公交、地铁和广场等滞留人群密集的公共场所的监控和管理。
-
-
-
-
-
-
-
-
-
Search Results
219
records
(took 0.09 seconds)
