国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      視頻流中行人檢測方法與系統(tǒng)與流程

      文檔序號:12670466閱讀:267來源:國知局
      視頻流中行人檢測方法與系統(tǒng)與流程
      本發(fā)明涉及圖像跟蹤
      技術(shù)領(lǐng)域
      ,特別是涉及視頻流中行人檢測方法與系統(tǒng)。
      背景技術(shù)
      :視頻流中行人檢測技術(shù)目前廣泛應(yīng)用于智能家居及工業(yè)安防領(lǐng)域。行人檢測技術(shù)通過對前端攝像頭采集的視頻流逐幀分析獲得行人區(qū)域,并以此為觸發(fā)條件將檢測得到的人行物體上報給用戶。視頻流中行人檢測技術(shù)大體分為兩類:1、基于移動目標(biāo)的檢測,該類技術(shù)通過無人的靜止圖像作為前景圖像,實時分析每一幀圖像與前景圖像的差值,對每個位置的像素建立其屬于靜止目標(biāo)或移動目標(biāo)的概率,將屬于移動目標(biāo)的位置合并聯(lián)通為行人區(qū)域,該類技術(shù)具有檢測速度快的優(yōu)點;2、基于卷積神經(jīng)網(wǎng)絡(luò)的檢測,該類技術(shù)設(shè)計對行人區(qū)域有高響應(yīng)值的卷積神經(jīng)網(wǎng)絡(luò),將每一幀圖像通過卷積神經(jīng)網(wǎng)絡(luò)獲得其特征圖像,在特征圖像上滑窗檢測計算每個窗口的響應(yīng)值,將高響應(yīng)值的窗口輸出為行人區(qū)域,該類技術(shù)具有檢測精度高的優(yōu)點。雖然上述兩類視頻流中行人檢測技術(shù)都能實現(xiàn)行人檢測且具有各自的優(yōu)點,但基于移動目標(biāo)的檢測技術(shù)容易造成誤報,其檢測結(jié)果不準(zhǔn)確,基于卷積神經(jīng)網(wǎng)絡(luò)的檢測檢測過程數(shù)據(jù)處理復(fù)雜,效率低且結(jié)果不準(zhǔn)確。技術(shù)實現(xiàn)要素:基于此,有必要針對一般視頻流中行人檢測技術(shù)檢測效率低且檢測結(jié)果不準(zhǔn)確的問題,提供一種檢測效率高且檢測結(jié)果準(zhǔn)確的視頻流中行人檢測方法與系統(tǒng)。一種視頻流中行人檢測方法,包括步驟:獲取多路視頻流,對每路視頻流分別進(jìn)行移動目標(biāo)檢測,分割出每張圖片的移動目標(biāo)區(qū)域;通過基于分治的合并算法將每張圖像的移動目標(biāo)區(qū)域拼接成單張大圖,獲得拼接圖像;通過卷積神經(jīng)網(wǎng)絡(luò)對拼接圖像進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測,獲得檢測結(jié)果。一種視頻流中行人檢測系統(tǒng),包括:分割模塊,用于獲取多路視頻流,對每路視頻流分別進(jìn)行移動目標(biāo)檢測,分割出每張圖片的移動目標(biāo)區(qū)域;拼接模塊,用于通過基于分治的合并算法將每張圖像的移動目標(biāo)區(qū)域拼接成單張大圖,獲得拼接圖像;檢測模塊,用于通過卷積神經(jīng)網(wǎng)絡(luò)對拼接圖像進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測,獲得檢測結(jié)果。本發(fā)明視頻流中行人檢測方法與系統(tǒng),獲取多路視頻流,對每路視頻流分別進(jìn)行移動目標(biāo)檢測,分割出每張圖片的移動目標(biāo)區(qū)域,通過基于分治的合并算法將拼接成單張大圖,獲得拼接圖像,通過卷積神經(jīng)網(wǎng)絡(luò)對拼接圖像進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測,獲得檢測結(jié)。整個過程中,通過分治的區(qū)域合并算法將移動目標(biāo)檢測算法和卷積神經(jīng)網(wǎng)絡(luò)行人檢測算法高效的結(jié)合在一起,實現(xiàn)高效且準(zhǔn)確對視頻流中行人檢測。附圖說明圖1為本發(fā)明視頻流中行人檢測方法第一個實施例的流程示意圖;圖2為本發(fā)明視頻流中行人檢測方法第二個實施例的流程示意圖;圖3至圖7為在本發(fā)明視頻流中行人檢測方法其中一個應(yīng)用實例中,每張圖片的移動目標(biāo)區(qū)域填充過程示意圖;圖8為本發(fā)明視頻流中行人檢測系統(tǒng)第一個實施例的結(jié)構(gòu)示意圖;圖9為本發(fā)明視頻流中行人檢測系統(tǒng)第一個實施例的結(jié)構(gòu)示意圖。具體實施方式為了清楚解釋說明本發(fā)明視頻流中行人檢測方法與系統(tǒng)的技術(shù)方案,下面將針對后續(xù)內(nèi)容中出現(xiàn)的符號定義進(jìn)行說明,具體如下表1、表2、表3以及表4所示。表1為符號與定義第一對應(yīng)表符號idxfullvalidroi說明移動幀側(cè)區(qū)域序號最終合并后的圖像可填充區(qū)域真實填充區(qū)域表2為符號與定義第二對應(yīng)表符號rightdown說明填充后右側(cè)剩余區(qū)域填充后下方剩余區(qū)域表3為符號與定義第三對應(yīng)表表4為符號與定義第四對應(yīng)表如圖1所示,一種視頻流中行人檢測方法,其特征在于,包括步驟:S200:獲取多路視頻流,對每路視頻流分別進(jìn)行移動目標(biāo)檢測,分割出每張圖片的移動目標(biāo)區(qū)域。獲取多路視頻流,并且針對每路視頻分別進(jìn)行移動目標(biāo)檢測,在檢測之后分割出每張圖片的移動目標(biāo)區(qū)域。在這里,獲取視頻流的方式可以是采用相機(jī)等視頻拍攝設(shè)備實時采集,也可以是外部存儲的數(shù)據(jù)直接獲取導(dǎo)入的視頻流。在分割出的每張圖片的移動目標(biāo)區(qū)域中可能有行人也可能沒有行人。S400:通過基于分治的合并算法將每張圖像的移動目標(biāo)區(qū)域拼接成單張大圖,獲得拼接圖像。針對步驟S200獲得的每張圖片的移動目標(biāo)區(qū)域進(jìn)行拼接,具體采用分治的合并算法進(jìn)行拼接,獲得拼接圖像。S600:通過卷積神經(jīng)網(wǎng)絡(luò)對拼接圖像進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測,獲得檢測結(jié)果。卷積神經(jīng)網(wǎng)絡(luò)主要用來識別位移、縮放及其他形式扭曲不變性的圖形。卷積神經(jīng)網(wǎng)絡(luò)可以并行學(xué)習(xí),另外,卷積神經(jīng)網(wǎng)絡(luò)以其局部權(quán)值共享的特殊結(jié)構(gòu)在語音識別和圖像處理方面有著獨特的優(yōu)越性,其布局更接近于實際的生物神經(jīng)網(wǎng)絡(luò),權(quán)值共享降低了網(wǎng)絡(luò)的復(fù)雜性,特別是多維輸入向量的圖像可以直接輸入網(wǎng)絡(luò)這一特點避免了特征提取和分類過程中數(shù)據(jù)重建的復(fù)雜度。在這里,采用卷積神經(jīng)網(wǎng)絡(luò)對拼接圖像進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測,獲得檢測結(jié)果。由于卷積神經(jīng)網(wǎng)絡(luò)只需針對單個圖像(拼接圖像)進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測,在進(jìn)行視頻流中行人檢測過程需要處理的數(shù)據(jù)量已經(jīng)大大減小。非必要的,在獲得檢測結(jié)果可以將檢測結(jié)果推送至用戶,推送方式可以采用遠(yuǎn)程數(shù)據(jù)傳輸,例如通過無線網(wǎng)絡(luò)遠(yuǎn)程傳輸方式推送,以便用戶及時且準(zhǔn)確了解視頻流中行人檢測結(jié)果。本發(fā)明視頻流中行人檢測方法,獲取多路視頻流,對每路視頻流分別進(jìn)行移動目標(biāo)檢測,分割出每張圖片的移動目標(biāo)區(qū)域,通過基于分治的合并算法將拼接成單張大圖,獲得拼接圖像,通過卷積神經(jīng)網(wǎng)絡(luò)對拼接圖像進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測,獲得檢測結(jié)。整個過程中,通過分治的區(qū)域合并算法將移動目標(biāo)檢測算法和卷積神經(jīng)網(wǎng)絡(luò)行人檢測算法高效的結(jié)合在一起,實現(xiàn)高效且準(zhǔn)確對視頻流中行人檢測。如圖2所示,在其中一個實施例中,步驟S200包括:S220:通過分布式服務(wù)器集群應(yīng)用移動目標(biāo)檢測算法,并行檢測每路視頻流中每一幀的移動區(qū)域,獲得移動區(qū)域檢測結(jié)果。分布式服務(wù)器集群是指一定數(shù)量服務(wù)器分布式設(shè)置,通過這些分布服務(wù)器群,能夠第一時間對獲取的視頻流進(jìn)行并行處理。在每個服務(wù)器內(nèi)應(yīng)用移動目標(biāo)檢測算法,每個服務(wù)器處理自身獲取的一路視頻流,并行檢測該路視頻流中每一幀的移動區(qū)域。S240:根據(jù)移動區(qū)域檢測結(jié)果,分割出每張圖片的移動目標(biāo)區(qū)域。針對步驟S220中檢測得到的每路視頻流中每一幀的移動區(qū)域,分割出每張圖片的移動目標(biāo)區(qū)域。具體來說,輸入多視頻流通過并行服務(wù)器的移動目標(biāo)檢測算法獲得所有待合并(檢測)的移動區(qū)域。Q{Iidx}={I1,I2...IN},idx∈[1,N],Q{Sidx}={S1,S2...SN}。如圖2所示,在其中一個實施例中,步驟S400包括:S420:獲取卷積神經(jīng)網(wǎng)絡(luò)中設(shè)定的固定寬度與高度值。卷積神經(jīng)網(wǎng)絡(luò)中設(shè)定的固定寬度與高度值是基于行業(yè)準(zhǔn)則設(shè)定好的數(shù)值,可以將卷積神經(jīng)網(wǎng)絡(luò)處理圖片的尺寸大小理解為一個處理窗口的大小,這個窗口固定有寬度和高度,而這個寬度和高度即為卷積神經(jīng)網(wǎng)絡(luò)中設(shè)定的固定寬度與高度值。S440:根據(jù)卷積神經(jīng)網(wǎng)絡(luò)模型中設(shè)定的固定寬度與高度值,確定拼接圖像的初始矩形區(qū)域大小,獲得初始拼接圖像。最終獲得的拼接圖像的尺寸大小即為卷積神經(jīng)網(wǎng)絡(luò)中固定寬度與高度值。簡單來說,在這里劃設(shè)一個拼接圖像的矩形區(qū)域,這個矩形區(qū)域的寬度與高度值等于卷積神經(jīng)網(wǎng)絡(luò)模型中設(shè)定的固定寬度與高度值。S460:根據(jù)每張圖片的移動目標(biāo)區(qū)域的高度值,對每張圖片的移動目標(biāo)區(qū)域根據(jù)高度值由大到小進(jìn)行優(yōu)先級排序,獲得移動目標(biāo)區(qū)域排序集合。在步驟S200獲得的每張圖片的移動目標(biāo)區(qū)域中,有的圖片的移動目標(biāo)區(qū)域的高度大、有的小,為了將一定數(shù)量的圖片的移動目標(biāo)區(qū)域填充至步驟S440劃設(shè)好的矩形區(qū)域中(初始拼接圖像),需要對每張圖片的移動目標(biāo)區(qū)域的高度值由大到小進(jìn)行優(yōu)先級排序。具體來說,高度值越大的圖片的移動目標(biāo)區(qū)域?qū)?yīng)的優(yōu)先級越高。即在移動目標(biāo)區(qū)域排序集合中元素(每張圖片的移動目標(biāo)區(qū)域)對應(yīng)的高度值依次減小。S480:根據(jù)優(yōu)先級順序依次將每張圖片的移動目標(biāo)區(qū)域填充至初始拼接圖像,獲得每張圖像的移動目標(biāo)區(qū)域拼接成的無縫單張大圖。由于初始矩形區(qū)域大小有限,為了將每張圖片的移動目標(biāo)區(qū)域合理填充至初始拼接圖像,在這里需要根據(jù)優(yōu)先級順序依次填充。具體來說,優(yōu)先級越高的圖片的移動目標(biāo)區(qū)域優(yōu)先填充,即高度值越大的圖片的移動目標(biāo)區(qū)域的越先填充,最終獲得每張圖像的移動目標(biāo)區(qū)域拼接成的無縫單張大圖。非必要的,在其中一個實施例中,步驟S480包括:步驟一:在初始拼接圖像中構(gòu)建坐標(biāo),其中,初始拼接圖像的任意一個角作為坐標(biāo)原點,坐標(biāo)X軸表征移動目標(biāo)區(qū)的寬度,坐標(biāo)Y軸表征移動目標(biāo)區(qū)的高度。具體來說,初始拼接圖像Ifull為一個初始化的形狀,該形狀寬高即為卷積神經(jīng)網(wǎng)絡(luò)模型接受的固定寬高。初始化的形狀記為Sfull??臻g坐標(biāo)系原點建于Ifull的任意一個角即可(在這里選擇左上角),即X(Sfull)=0,Y(Sfull)=0。步驟二:確定當(dāng)前可填充區(qū)域,初始時,可填充區(qū)域為初始拼接圖像。當(dāng)前可填充區(qū)域Svalid是一個變化的區(qū)域,在每次填充之后可填充區(qū)域大小將會減小。在初始時,可填充區(qū)域為初始拼接圖像Svalid=Sfull,且初始時Ifull所有像素點為0,即可以將初始拼接圖像理解為一種大小固定且已知的白紙。步驟三:從移動目標(biāo)區(qū)域排序集合中第一元素開始,查找圖片的移動目標(biāo)區(qū)域的寬度值與高度值均小于或等于當(dāng)前可填充區(qū)域的寬度值與高度值的元素。從移動目標(biāo)區(qū)域排序集合中第一個Sidx開始遍歷Q{Sidx},選取Si滿足h(Si)≤h(Svalid)且w(Si)≤w(Svalid)。步驟四:若查找到,則確定當(dāng)前真實填充區(qū)域,并將查找到的圖片的移動目標(biāo)區(qū)域的像素填充至當(dāng)前真實填充區(qū)域,其中,當(dāng)前真實填充區(qū)域的高度值等于查找到的圖片的移動目標(biāo)區(qū)域的高度值,當(dāng)前真實填充區(qū)域的寬度值等于查找到的圖片的移動目標(biāo)區(qū)域的寬度值,當(dāng)前真實填充區(qū)域的起始點為當(dāng)前可填充區(qū)域四個方位角中與坐標(biāo)原點方位相同的一個角,即若步驟一中坐標(biāo)原點為初始拼接圖像的左上角,那么當(dāng)前真實填充區(qū)域的起始點為當(dāng)前可填充區(qū)域的左上角。若查找到合格的Si,則確定當(dāng)前真實填充區(qū)域Sroi,將查找到的圖片的移動目標(biāo)區(qū)域Si的像素填充至當(dāng)前真實填充區(qū)域Sroi,當(dāng)前真實填充區(qū)域Sroi為:X(Sroi)=X(Svalid),Y(Sroi)=Y(jié)(Svalid);h(Sroi)=h(Si),w(Sroi)=w(Si)。步驟五:計算填充后真實填充區(qū)域X軸方向側(cè)剩余的可填充區(qū)域以及Y軸方向側(cè)剩余的可填充區(qū)域。計算步驟四填充后在X軸方向側(cè)剩余的可填充區(qū)域Sright,具體來說,由于坐標(biāo)原點為初始拼接圖像中任意一個角,以其左上角為例,X軸方向側(cè)剩余的可填充區(qū)域,即為其右側(cè)剩余的可填充區(qū)域,其具體為:X(Sright)=X(Svalid)+w(Si),Y(Sright)=Y(jié)(Svalid);w(Sright)=w(Svalid)-w(Si),h(Sright)=h(Si)。同理,Y軸方向側(cè)剩余的可填充區(qū)域,即為下方剩余的可填充區(qū)域,其具體為:X(Sdown)=X(Svalid),Y(Sdown)=Y(jié)(Svalid)+h(Si);w(Sdown)=w(Svalid),h(Sdown)=h(Svalid)-h(Si)。步驟六:分別使用真實填充區(qū)域X軸方向側(cè)剩余的可填充區(qū)域以及Y軸方向側(cè)剩余的可填充區(qū)域作為當(dāng)前可填充區(qū)域,返回確定當(dāng)前可填充區(qū)域的步驟。設(shè)X軸方向側(cè)剩余的可填充區(qū)域Svalid,即令Svalid=Sright,返回確定當(dāng)前可填充區(qū)域的步驟,設(shè)Y軸方向側(cè)剩余的可填充區(qū)域作為當(dāng)前可填充區(qū)域Svalid,即令Svalid=Sdown,返回確定當(dāng)前可填充區(qū)域的步驟。在這里分別將X軸方向側(cè)剩余的可填充區(qū)域以及Y軸方向側(cè)剩余的可填充區(qū)域作為當(dāng)前可填充區(qū)域,返回步驟二,當(dāng)發(fā)現(xiàn)X軸方向側(cè)剩余的可填充區(qū)域無法填充當(dāng)前Si時,嘗試在Y軸方向側(cè)剩余的可填充區(qū)域作為當(dāng)前可填充區(qū)域填充當(dāng)前Si,反之亦然,以此來循壞填充,最終遞歸終止獲得最終合并圖像。為了更進(jìn)一步詳細(xì)說明上述填充過程,下面將采用具體實例,并結(jié)合附圖3至圖7進(jìn)行詳細(xì)說明。1、如圖3所示,為Ifull設(shè)置一個初始化的形狀,記錄為Sfull,空間坐標(biāo)系原點建于Ifull的左上角,即Sfull,Y(Sfull)=0,令Svalid=Sfull。初始化Ifull所有像素點為0。2、如圖4所示,根據(jù)高優(yōu)先準(zhǔn)則,排序Q{S},使其中的形狀按照高度由高到低排列即當(dāng)滿足i<j,h(Si)≥h(Sj)。3、如圖5所示,根據(jù)可填充區(qū)域選取Si,從第一個Sidx開始遍歷Q{Sidx},選取Si滿足h(Si)≤h(Svalid)且w(Si)≤w(Svalid)。如果找到Si執(zhí)行步驟4,否則返回上一層遞歸。4、如圖5與圖6所示,填充圖像,記Sroi為真實填充區(qū)域。X(Sroi)=X(Svalid),Y(Sroi)=Y(jié)(Svalid);h(Sroi)=h(Si),w(Sroi)=w(Si)。將Ii將其像素值拷貝至Ifull的Sroi區(qū)域,計算填充后右側(cè)還剩余的可填充區(qū)域:X(Sright)=X(Svalid)+w(Si),Y(Sright)=Y(jié)(Svalid);w(Sright)=w(Svalid)-w(Si),h(Sright)=h(Si)。計算填充后下方還剩余的可填充區(qū)域:X(Sdown)=X(Svalid),Y(Sdown)=Y(jié)(Svalid)+h(Si);w(Sdown)=w(Svalid),h(Sdown)=h(Svalid)-h(Si)。5、如圖6所示,設(shè)右側(cè)區(qū)域為填充區(qū)域執(zhí)行步驟3,即令Svalid=Sright執(zhí)行步驟3。6、如圖6所示,設(shè)右側(cè)區(qū)域為填充區(qū)域執(zhí)行步驟3,即令Svalid=Sdown執(zhí)行步驟3。7、如圖7所示,遞歸終止獲得最終合并圖像,當(dāng)遞歸完全終止時獲得最終圖像Ifull。如圖8所示,一種視頻流中行人檢測系統(tǒng),包括:分割模塊200,用于獲取多路視頻流,對每路視頻流分別進(jìn)行移動目標(biāo)檢測,分割出每張圖片的移動目標(biāo)區(qū)域。拼接模塊400,用于通過基于分治的合并算法將每張圖像的移動目標(biāo)區(qū)域拼接成單張大圖,獲得拼接圖像。檢測模塊600,用于通過卷積神經(jīng)網(wǎng)絡(luò)對拼接圖像進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測,獲得檢測結(jié)果。本發(fā)明視頻流中行人檢測系統(tǒng),分割模塊200獲取多路視頻流,對每路視頻流分別進(jìn)行移動目標(biāo)檢測,分割出每張圖片的移動目標(biāo)區(qū)域,拼接模塊400通過基于分治的合并算法將拼接成單張大圖,獲得拼接圖像,檢測模塊600通過卷積神經(jīng)網(wǎng)絡(luò)對拼接圖像進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測,獲得檢測結(jié)。整個過程中,通過分治的區(qū)域合并算法將移動目標(biāo)檢測算法和卷積神經(jīng)網(wǎng)絡(luò)行人檢測算法高效的結(jié)合在一起,實現(xiàn)高效且準(zhǔn)確對視頻流中行人檢測。如圖9所示,在其中一個實施例中,分割模塊200包括:并行處理單元220,用于通過分布式服務(wù)器集群應(yīng)用移動目標(biāo)檢測算法,并行檢測每路視頻流中每一幀的移動區(qū)域,獲得移動區(qū)域檢測結(jié)果。分割單元240,用于根據(jù)移動區(qū)域檢測結(jié)果,分割出每張圖片的移動目標(biāo)區(qū)域。如圖9所示,在其中一個實施例中,拼接模塊400包括:參數(shù)值獲取單元420,用于獲取卷積神經(jīng)網(wǎng)絡(luò)中設(shè)定的固定寬度與高度值。初始確定單元440,用于根據(jù)卷積神經(jīng)網(wǎng)絡(luò)模型中設(shè)定的固定寬度與高度值,確定拼接圖像的初始矩形區(qū)域大小,獲得初始拼接圖像。優(yōu)先級排序單元460,用于根據(jù)每張圖片的移動目標(biāo)區(qū)域的高度值,對每張圖片的移動目標(biāo)區(qū)域根據(jù)高度值由大到小進(jìn)行優(yōu)先級排序,獲得移動目標(biāo)區(qū)域排序集合。填充拼接單元480,用于根據(jù)優(yōu)先級順序依次將每張圖片的移動目標(biāo)區(qū)域填充至初始拼接圖像,獲得每張圖像的移動目標(biāo)區(qū)域拼接成的無縫單張大圖。在其中一個實施例中,填充拼接單元480包括:坐標(biāo)構(gòu)建層,用于在初始拼接圖像中構(gòu)建坐標(biāo),其中,初始拼接圖像的任意一個角作為坐標(biāo)原點,坐標(biāo)X軸表征移動目標(biāo)區(qū)的寬度,坐標(biāo)Y軸表征移動目標(biāo)區(qū)的高度。可填充區(qū)域確定層,用于確定當(dāng)前可填充區(qū)域,初始時,可填充區(qū)域為初始拼接圖像。查找層,用于從移動目標(biāo)區(qū)域排序集合中第一元素開始,查找圖片的移動目標(biāo)區(qū)域的寬度值與高度值均小于或等于當(dāng)前可填充區(qū)域的寬度值與高度值的元素。填充層,用于若查找到,則確定當(dāng)前真實填充區(qū)域,并將查找到的圖片的移動目標(biāo)區(qū)域的像素填充至當(dāng)前真實填充區(qū)域,其中,當(dāng)前真實填充區(qū)域的高度值等于查找到的圖片的移動目標(biāo)區(qū)域的高度值,當(dāng)前真實填充區(qū)域的寬度值等于查找到的圖片的移動目標(biāo)區(qū)域的寬度值,當(dāng)前真實填充區(qū)域的起始點為當(dāng)前可填充區(qū)域四個方位角中與坐標(biāo)原點方位相同的一個角。剩余計算層,用于計算填充后真實填充區(qū)域X軸方向側(cè)剩余的可填充區(qū)域以及Y軸方向側(cè)剩余的可填充區(qū)域。遞歸層,用于分別使用真實填充區(qū)域X軸方向側(cè)剩余的可填充區(qū)域以及Y軸方向側(cè)剩余的可填充區(qū)域作為當(dāng)前可填充區(qū)域,返回確定當(dāng)前可填充區(qū)域的步驟。在其中一個實施例中,視頻流中行人檢測系統(tǒng)還包括:推送模塊,用于推送檢測結(jié)果。以上所述實施例僅表達(dá)了本發(fā)明的幾種實施方式,其描述較為具體和詳細(xì),但并不能因此而理解為對發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是,對于本領(lǐng)域的普通技術(shù)人員來說,在不脫離本發(fā)明構(gòu)思的前提下,還可以做出若干變形和改進(jìn),這些都屬于本發(fā)明的保護(hù)范圍。因此,本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。當(dāng)前第1頁1 2 3 
      當(dāng)前第1頁1 2 3 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1