跟踪火车站对象并检测遗弃物体

简介: 跟踪火车站的对象并确定哪些对象保持静止。公共场所的遗弃物品会引起当局的关注,因为它们可能会构成安全风险。算法(例如本例中使用的算法)可用于通过将他们的注意力引导到潜在的感兴趣区域来协助监控实时监控视频的安全人员。

一、前言
跟踪火车站的对象并确定哪些对象保持静止。公共场所的遗弃物品会引起当局的关注,因为它们可能会构成安全风险。算法(例如本例中使用的算法)可用于通过将他们的注意力引导到潜在的感兴趣区域来协助监控实时监控视频的安全人员。
使用以下步骤实现此算法:1) 通过提取感兴趣区域 (ROI) 来消除不太可能包含废弃对象的视频区域。2)使用背景减法执行视频分割。3) 使用 Blob 分析块计算对象统计信息。4) 根据对象的面积和质心统计信息跟踪对象。5)可视化结果。
二、模型
下图显示了“放弃对象检测”示例模型。
1.png

三、存储后台子系统
此示例使用视频的第一帧作为背景。为了提高准确性,该示例使用强度和颜色信息进行背景减法操作。在此操作期间,Cb 和 Cr 颜色通道存储在复杂数组中。

如果正在设计专业的监控系统,则应实现更复杂的分割算法。
2.png

四、检测子系统
检测子系统包含主算法。在此子系统中,亮度分割和颜色分割子系统使用强度和颜色数据执行背景减法。该示例使用二进制 OR 运算符组合这两个分段结果。斑点分析块计算场景中存在的对象的统计信息。
3.png

废弃的对象跟踪器子系统(如下所示)使用对象统计信息来确定哪些对象是静止的。要查看此子系统的内容,请右键单击该子系统,然后选择“掩码”>“掩码下查找”。要查看跟踪算法详细信息,请双击“放弃的对象跟踪器块。

4.png

五、遗弃物体检测结果
“所有对象”窗口用黄色框标记感兴趣区域 (ROI),用绿色框标记所有检测到的对象。
5.png

Threshold(阈值)窗口显示ROI中背景相减的结果。

6.png

“放弃的对象”窗口用一个红色框高亮显示放弃的对象。
7.png

目录
相关文章
|
机器学习/深度学习 人工智能 数据库
【表面缺陷检测】表面缺陷检测数据集汇总
本文收集整理了16个表面缺陷检测相关的数据集,并对每个数据集的特点进行了简单的介绍。
【表面缺陷检测】表面缺陷检测数据集汇总
|
7月前
|
机器人 人机交互 vr&ar
实战 | 实时手部关键点检测跟踪(附完整源码+代码详解)
实战 | 实时手部关键点检测跟踪(附完整源码+代码详解)
基于颜色分割方法跟踪人员的面部和手部
使用基于颜色的分割方法跟踪人员的面部和手部。
85 0
|
8月前
|
机器学习/深度学习 算法 前端开发
高速公路表面图像裂缝检测程序
高速公路表面图像裂缝检测程序
106 2
|
8月前
|
机器学习/深度学习 传感器 算法
目标检测+车道线识别+追踪+测距(代码+部署运行)
目标检测+车道线识别+追踪+测距(代码+部署运行)
|
算法
使用颜色识别来进行道路跟踪
使用颜色信息来检测和跟踪在可能不存在车道标记的主要住宅环境中设置的道路边缘。基于颜色的跟踪示例说明了如何使用色彩空间转换块、霍夫变换块和卡尔曼滤波器块来检测和跟踪使用色调和饱和度的信息。
105 0
使用光流法跟踪汽车
使用光流估计在视频序列中检测和跟踪汽车。
105 0
|
传感器 定位技术 图形学
SIGGRAPH | 6个惯性传感器和1个手机实现人体动作捕捉、定位与环境重建(2)
SIGGRAPH | 6个惯性传感器和1个手机实现人体动作捕捉、定位与环境重建
236 0
|
传感器 机器学习/深度学习 算法
SIGGRAPH | 6个惯性传感器和1个手机实现人体动作捕捉、定位与环境重建(1)
SIGGRAPH | 6个惯性传感器和1个手机实现人体动作捕捉、定位与环境重建
246 0
|
机器学习/深度学习 算法 数据可视化
项目实践 | 行人跟踪与摔倒检测报警(文末获取完整源码)
项目实践 | 行人跟踪与摔倒检测报警(文末获取完整源码)
199 0