[发明专利]一种基于深度学习的全天候视频监控方法有效
| 申请号： | 201410557880.2 | 申请日： | 2014-10-20 |
| 公开（公告）号： | CN104320617B | 公开（公告）日： | 2017-09-01 |
| 发明（设计）人： | 黄凯奇;康运锋;曹黎俊;张旭 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | H04N7/18 | 分类号： | H04N7/18;G06T7/00 |
| 代理公司： | 中科专利商标代理有限责任公司11021 | 代理人： | 宋焰琴 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 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。 | ||
| 搜索关键词： | 一种 基于 深度 学习 全天候 视频 监控 方法 | ||
【主权项】：
一种基于深度学习的全天候视频监控方法，其特征在于，该方法包括以下步骤：步骤1，实时采集视频流，基于得到的视频流通过对预先设定的标定线区域内覆盖的像素进行采样获得多幅原始采样图样本，以及速度采样图样本；步骤2，对于得到的速度采样图样本进行时空矫正；步骤3，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；步骤4，利用所述步骤3得到的深度学习模型对于实时视频流进行人群状态分析。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所，未经中国科学院自动化研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201410557880.2/，转载请声明来源钻瓜专利网。
