-
公开(公告)号：CN101635026B
公开(公告)日：2012-05-23
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：CN101470809A
公开(公告)日：2009-07-01
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：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：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。
-
-
-
Search Results
4
records
(took 0.041 seconds)
