-
公开(公告)号:CN111191576A
公开(公告)日:2020-05-22
申请号:CN201911374930.2
申请日:2019-12-27
Applicant: 长安大学
Abstract: 本发明公开了一种人员行为目标检测模型构建方法、智能分析方法及系统,行为目标检测模型构建方法包括利用办公场景采集的监控视频,利用深度学习方法进行人员、手机等相关目标的检测;人员行为智能分析方法根据检测结果,使用多种逻辑判断方法获取人员行为事件,智能分析当前办公环境中的离岗、睡觉、玩手机行为。该方法能够对当前办公场景中的行为事件进行准确的检测与判断,排除了人为因素的干扰,且可以长时间稳定的对行为事件进行获取。本发明的方法在多种办公场景中使用都具有较高的适应性,具有一定的实用价值与广阔的市场潜力。
-
公开(公告)号:CN109685855A
公开(公告)日:2019-04-26
申请号:CN201811480427.0
申请日:2018-12-05
Applicant: 长安大学
IPC: G06T7/80
CPC classification number: G06T7/80
Abstract: 本发明公开了一种道路云监控平台下的摄像机标定优化方法,从道路交通场景中自动识别出道路边缘线、道路虚线等几何标识,根据这些数据利用多标识融合场景自适应标定方法求解出摄像机方位和焦距等参数,完成标定。在此基础上如果有冗余标识,可以对标定结果进行优化。本发明可以适应不同的道路交通场景,利用云台摄像机提取场景中大量几何信息完成摄像机标定和优化的过程。方法实现简单,通用性较好,可以应用于各种道路场景下的摄像机标定,并且可以对标定结果进行优化。
-
公开(公告)号:CN109325404A
公开(公告)日:2019-02-12
申请号:CN201810891027.2
申请日:2018-08-07
Applicant: 长安大学
Abstract: 本发明公开了一种公交场景下的人数统计方法,包括以下步骤:建立公交上、下车乘客人头目标数据集并进行标注;将标注后的数据集利用神经网络进行训练,利用训练结果对公交车的上下车视频进行检测,以实现对乘客目标的检测和识别;在对乘客目标检测和识别的基础上,采用目标框距离匹配的方法得到乘客目标运动轨迹,在乘客目标丢失的情况下对乘客目标的位置进行预测,并在预测位置的周围进行模板匹配以得到精确的位置信息;根据目标运动轨迹中乘客目标的置信度大小以及方向信息剔除掉伪目标轨迹,从而实现上、下车人数统计。本发明具有成本低、受外界因素影响小、计算量相对较小的特点,并且鲁棒性好,在复杂多变的场景下仍有精确的识别效果。
-
公开(公告)号:CN109325963B
公开(公告)日:2021-05-18
申请号:CN201810891823.6
申请日:2018-08-07
Applicant: 长安大学
Abstract: 本发明公开了一种基于SVM的公交乘客三维轨迹分类方法,包括以下步骤:利用深度相机获取公交车的上、下车图像,并提取所述图像的前景图像;分别建立相机坐标系和世界坐标系,通过相机标定,获得所述前景图像中像素坐标与世界坐标的转换关系,然后将所述的前景图像转换为世界坐标系下的俯视投影图;针对所述的俯视投影图,首先对俯视投影图进行块化,然后确定局部高度值最大的区域,最后对该区域进行扩展以锁定人头目标,获取人头目标的三维轨迹,然后提取三维轨迹的特征,训练SVM分类器,实现轨迹的分类。本发明方法能够对疑似目标的三维轨迹进行分类,实现对上、下车乘客的计数,并且识别精度高。
-
公开(公告)号:CN110443142A
公开(公告)日:2019-11-12
申请号:CN201910609399.6
申请日:2019-07-08
Applicant: 长安大学
Abstract: 本发明公开了一种基于路面提取与分割的深度学习车辆计数方法,具体包括利用摄像机采集道路的视频图像,利用数字图像处理方法获取道路路面区域并使用分割策略将路面分割成“近端”、“远端”两部分,将分割后的路面区域送入深度学习网络进行车辆目标的检测,并对检测结果进行持续跟踪获取车辆二维轨迹,利用车辆二维轨迹统计某一道路方向的不同类别车辆的流量,达到车辆计数的目的。该方法对于路面远处的小型车辆检测精度较高,为精准的车辆计数提供了数据基础。本发明的方法可应用于多种交通场景,具有较高的稳定性和计数精度,能有效地对图像视野中道路范围的车辆进行准确的检测与持续的跟踪,从而实现车辆的计数,具有广阔的应用前景。
-
公开(公告)号:CN108550143A
公开(公告)日:2018-09-18
申请号:CN201810298243.6
申请日:2018-04-03
Applicant: 长安大学
Abstract: 本发明公开了一种基于RGB-D相机的车辆长宽高尺寸的测量方法,采用相机近距离安装的方式获取清晰的车辆图像,对相机采用基于消失点的标定方法进行标定,得出相机模型内外参数,通过相机深度图像方案,实现车辆目标在世界坐标系下三维点云转化,获取车辆外表面三维坐标信息;利用先验知识和图像处理方法获得车辆外表面的三维坐标,根据车辆运动过程中的序列图形,通过配准方法拼接车辆图像,实现车辆外形三维测量;所述标定方法克服传统方法设备要求高和操作繁琐,标定精度高;通过图像序列间车辆同一位置对应点的匹配关系综合分析车辆的实际位移,配准的精度较高;实现车辆侧面准确拼接,降低车辆长度测量误差,改善车辆侧面拼接的准确性。
-
公开(公告)号:CN110930365B
公开(公告)日:2023-11-03
申请号:CN201911041698.0
申请日:2019-10-30
Applicant: 长安大学
Inventor: 王伟 , 唐心瑶 , 宋焕生 , 张朝阳 , 梁浩翔 , 张文涛 , 戴喆 , 云旭 , 侯景严 , 刘莅辰 , 贾金明 , 李俊彦 , 武非凡 , 雷琪 , 杨露 , 余宵雨 , 靳静玺 , 王滢暄 , 赵锋
Abstract: 本发明公开了一种交通场景下的正交消失点检测方法,首先读取交通场景下的视频,建立图像坐标系和钻石空间坐标系,求取图像空间和钻石空间之间映射关系;提取视频图像中车辆的运行轨迹直线,在钻石空间中累加,求取沿道路方向的消失点,然后提取车身横向边缘,在钻石空间中累加,求取垂直道路方向的消失点,在此基础上进行相机标定,求取与前两个方向都垂直的第三个方向的消失点,如果视频图像中有垂直于地面的物体,对第三个方向的消失点进行优化。本发明适应不同的道路交通场景,通过交通场景中的车辆对场景的正交消失点完成检测及优化。方法实现简单,通用性好,可应用于各种道路场景下的正交消失点检测,并且结果较为准确。
-
公开(公告)号:CN110443142B
公开(公告)日:2022-09-27
申请号:CN201910609399.6
申请日:2019-07-08
Applicant: 长安大学
Abstract: 本发明公开了一种基于路面提取与分割的深度学习车辆计数方法,具体包括利用摄像机采集道路的视频图像,利用数字图像处理方法获取道路路面区域并使用分割策略将路面分割成“近端”、“远端”两部分,将分割后的路面区域送入深度学习网络进行车辆目标的检测,并对检测结果进行持续跟踪获取车辆二维轨迹,利用车辆二维轨迹统计某一道路方向的不同类别车辆的流量,达到车辆计数的目的。该方法对于路面远处的小型车辆检测精度较高,为精准的车辆计数提供了数据基础。本发明的方法可应用于多种交通场景,具有较高的稳定性和计数精度,能有效地对图像视野中道路范围的车辆进行准确的检测与持续的跟踪,从而实现车辆的计数,具有广阔的应用前景。
-
公开(公告)号:CN112037159A
公开(公告)日:2020-12-04
申请号:CN202010742528.1
申请日:2020-07-29
Applicant: 长安大学
Inventor: 王伟 , 唐心瑶 , 宋焕生 , 穆勃辰 , 李聪亮 , 梁浩翔 , 张文涛 , 雷琪 , 刘莅辰 , 戴喆 , 云旭 , 侯景严 , 贾金明 , 赵锋 , 余宵雨 , 靳静玺 , 王滢暄 , 崔子晨 , 赵春辉
Abstract: 本发明公开了一种跨相机道路空间融合及车辆目标检测跟踪方法及系统,该方法进行两个交通场景的背景图像提取及场景标定,获得标定参数;分别划分场景拼接区域,设置长度、宽度方向像素距离比参数组,生成空白空间融合图像;将分场景中像素取出放入空白空间融合图像中,获得带有空间信息的融合图像;利用针对车辆数据集训练的深度神经网络Yolov3,在连续的图像序列中,对车辆目标进行检测获得二维包络模型参数,结合空间融合信息,完成跨相机车辆目标检测跟踪。本发明可适应包含公共区域的连续道路交通场景,利用摄像机标定完成跨相机道路空间融合,并结合深度神经网络提取场景中大量车辆目标完成跨相机车辆目标检测跟踪,实现简单且具有较高的通用性。
-
公开(公告)号:CN110472496A
公开(公告)日:2019-11-19
申请号:CN201910609164.7
申请日:2019-07-08
Applicant: 长安大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于目标检测与跟踪的交通视频智能分析方法,具体包括利用监控摄像机采集的高速公路视频,利用深度学习方法进行车辆目标检测,根据检测结果,使用多目标跟踪方法获取目标轨迹,智能分析目标轨迹,获取车流量、车辆速度并检测交通拥堵、停车的交通异常事件,完成交通视频的智能分析。该方法能够对车辆进行视野范围内的长时间检测与跟踪,从而准确地获取交通参数、检测交通事件。本发明的方法在多种交通场景中使用都具有较高的稳定性,具有一定的实用价值与广阔的市场潜力。
-
-
-
-
-
-
-
-
-