一種基於統計特徵的人群密度分析方法
2023-07-13 17:00:31 1
專利名稱：一種基於統計特徵的人群密度分析方法
技術領域：
本發明涉及模式識別技術領域，特別涉及基於統計特徵的魯棒的人群密度分析方法。
背景技術：
隨著計算機技術以及數碼電子技術的迅速發展，視覺監控技術得到了越來越廣泛的應用。傳統的視覺監控系統往往只能提供視頻採集和存儲的功能，需要監控人員在監控室觀看顯示屏來發現異常情況，不但增加了監控成本，而且長時間觀看顯示屏導致的視覺疲勞會使監控人員的警惕性降低，使得監控系統在某些關鍵時刻不能發揮應有的作用。目前，智能視覺監控技術正在興起，並且越來越受到媒體的關注。智能視覺監控技術就是要讓計算機代替人的大腦，讓攝像頭代替人的眼睛，由計算機智能地分析從攝像頭中獲取的圖像序列，對被監控場景中的內容進行理解，與傳統視覺監控系統相比有明顯的優勢一方面，能大大減少監控人員的數量降低成本；另一方面，可以通過聯網建設大型分布式智能監控系統來實時獲取大面積區域的所關心的信息(異常事件、交通違章、客流等)，方便資源(保安、警力、公共運輸工具等)調度。人群密度分析技術是一種非常具有應用價值的智能視覺監控技術，它可以應用於地鐵、公交站臺、廣場等監控場景，實時獲取人群密度信息，對於過度擁擠的場景進行報警，聯網的公交站臺人群密度分析系統還可以為公交資源的調度提供依據。
人群密度分析技術的一個主要難點是如何得到人群的位置和大
小。S.AVdastin等人提出通過背景減除法來得到人群，該方法最大缺點是需要事先拍攝好一幅沒有人的場景背景圖片；Sheng-FimLin等人提出利用機器學習、人頭檢測技術來定位人群，該方法對於過於擁堵存在嚴重遮擋的場景往往會失效；NiKosPamgios等人提出一種
基於Markov Random Field人群檢測方法，該方法數學模型複雜，約
束條件多，參數多，應用不便；Xinyu Wu等人提出一種基於紋理分
析和學習的方法估計場景人數，該方法需要對每個被監控的場景採
樣，人為指定每個樣本的人數進行訓練，而且還要求被監控區域的紋理不豐富，應用不便。
人群密度分析技術的另一個難點是在定位人群的位置和大小之後，如何估計人群的人數或者密度。人數估計往往比較困難，在場景特別擁堵的情況下，幾乎是不可能完成的。實際的一些應用要求往往是希望智能監控系統給出一個場景擁堵程度的指標，比如0 1之間的一個小數，0表示幾乎沒人，1表示場景中幾乎充滿了人；當場景擁擠度指標為1的時間超過一定時間後系統能自動發出警報。
發明內容
為了解決現有技術中難點是在定位人群的位置和大小之後，如何估計人群的人數或者密度的問題，為此本發明的目的是提供一種能準確定位人群、合理估計人群擁擠程度的人群密度分析方法。
為了實現上述目的，本發明基於統計特徵的魯棒的人群密度分析方法包括步驟
步驟l:採用攝像機捕捉視頻，對原始輸入視頻採取每若干個幀取l幀的方式做幀抽取，降低幀率；
步驟2:從視頻幀序列中提取馬賽克圖像差分MID特徵，用於檢測出人群中的細微的運動；
步驟3:檢驗馬賽克圖像差分MID時間均勻分布，用於確定相應的馬賽克小方塊內的運動是否是穩定的人群產生的；
步驟4:利用網格法計算人群的運動在空間的分布，並且將跟空間
分布有關的用於時間分布檢驗的參數反饋給步驟3;
步驟5:對具有明顯透視現象的人群場景做幾何校正，獲得圖像平面上每個像素對人群密度的貢獻因子；步驟6:利用貢獻因子對步驟4中獲得的人群空間面積做加權處理，加權後的人群空間面積與感興趣區域的面積之比即為人群密度。根據本發明實施例，所述馬賽克圖像差分MID特徵為
扁,(附,")4 !， m(附，")-o,n
0, e/se
其中M,(m,"卜口 ￡ E7"''"')
II-IL表示一個向量各分量絕對值最大者；/,a力表示第t幀圖
像第i行第j列的RGB向量；^表示馬賽克方塊的邊長；M,(m，n)表示第m行第n個馬賽克區域在第t幀的平均顏色值，M/D,(m,w)表徵了第m行第n個馬賽克區域第t幀和第t-l幀的平均顏色的差值，該差值被量化成兩個級別若差值向量的絕對值最大的分量大於某個閾值j;則記作l，否則記作0。
根據本發明實施例，所述閾值z;按計算為t; = >,，
其中a, + -127)/255 ，
A是第t幀圖像的平均亮度，r。取默認值。
根據本發明實施例，所述馬賽克圖像差分MID時間均勻分布，採用檢驗一段時間內的MID序列的三個統計參數MID特徵值為1的時間的均值、MID特徵值為1的時間的方差和MID特徵值為1的概率非零時間片的片數是否滿足一定條件來確定這個MID序列是否服從時間上的均勻分布，用示性函數R(w,n)表示為
", 、[1 !/W他> 7V〃2朋"—(l + Ws)/2|<A^/5 a"c/Far 〉o",0，")
其中w,為所分析的時間段被劃分的時間片的片數；
A^z=|{i^0|/ = 1..JVJ|，表示MID特徵值為1的概率非零時間片的片數；
M謹4w ，表示MID特徵值為1的時間的均值；
/=1& M,)、，表示MID特徵值為1的時間的方差;
S是MID序列分成時間片後，每個時間片內MID特徵值為1的概率；
時間方差的閾值cr,(m,w)與該馬賽克小方塊所處的空間位置有關；根據該馬賽克小方塊所在的小區域在歷史上的一段分析時間內都是有人或沒人，設置方差閾值的大小。
根據本發明實施例，所述網格計算第p行第q個網格最終是否被歸入有人群的區域在於其G,(p,q)值是否為1， G,(p,g)由以下公式決定
其中|{.}|表示一個集合元素的個數，Mfm，^)表示第m行第n個馬賽克區域，G^，^表示第P行第q個網格區域；G,(p^)為1的含義是:若在第t幀時刻網格G^,^中有一個及其以上數量的馬賽克在前面的步驟中被標記為有人的區域，則整個網格在第t幀都被標記為有人的區域。
根據本發明實施例，所述幾何校正是劃定兩條直線得到場景中的消失點，然後計算每個像素的貢獻因子^"力
其中(x,y)是像素坐標，力表示圖像平面上任意選取的一條水平參考線
的y坐標，K表示消逝點的y坐標。
根據本發明實施例，所述人群密度的最終結果《為加權後的前景面
積與加權後的感興趣區域的面積之比為
其中:FG = {"力1 = l,(x,力e (G(M)nD廢"，(x,y)表示像素
'm，") 11/, (m，") = 1, M(m,") c: G(/ , g)}, > 0坐標，Z)，表示劃定的感興趣的圖像區域，FG的物理含義是表示所有既在感興趣的區域內又在被標記為有人的網格內的所有像素坐標的集合；SG^(x,力l(x,WeD，b表示所有感興趣區域的像素坐標集合。
本發明與目前國內外發表的最新的方法相比具有幾個明顯優點
1) 不需要參考背景圖像，也不需要背景建模，與場景紋理無關，並且能適應光照的緩慢變化，比較魯棒，應用方便。
2) 數學模型簡單，能準確定位人群的空間分布和大小，直觀性強;計算量小，適合實時視覺監控，人群密度的計算過程具有直觀意義。
3) 計算量小，可以滿足實時視頻處理的要求。
本發明能廣泛地應用於公交、地鐵和廣場等滯留人群密集的公共場所的監控和管理。
圖1本發明技術方案流程圖
圖2本發明幾何校正示意圖
圖3北京某公交車站場景示意圖
圖4 r,時刻站臺圖像
圖5 r,時刻MID特徵序列服從均勻時間分布的馬賽克塊圖6 、時刻網格法計算出來的人群的空間分布(幾何校正後人群密度為0.6)
圖7 /2時刻站臺圖像
圖8 ^時刻MID特徵序列服從均勻時間分布的馬賽克塊圖9 ^時刻網格法計算出來的人群的空間分布
具體實施例方式
下面結合附圖詳細說明本發明技術方案中所涉及的各個細節問題。應指出的是，所描述的實施例僅旨在便於對本發明的理解，而對其不起任何限定作用。本發明的思想要點是
1) 穩定的人群一定有各種細微的運動，比如交頭接耳、轉身、挪動等。
2) 從時間和人群所佔據的空間上看，這些細微的運動大體呈現時間和空間上的均勻分布。
3) 在檢測出這些細微的運動的基礎上，檢驗它們是否服從時間
上以及空間上的均勻分布則可以確定人群的分布範圍。
4) 根據透視原理對所檢測到的人群面積作加權處理，得到更為精確的人群密度。
本發明的整個技術方案流程圖如附圖1所示。下面對發明中所涉及到的技術細節予以說明，最後給出公交站臺場景下的實驗結果。
1. 視頻輸入和幀抽取
採用攝像機捕捉視頻，傳入電腦或嵌入式處理器後，對原始輸入視頻採取每若干個幀取1幀的方式做幀抽取，從攝像頭傳輸過來的數字
圖像序列一般為25幀/秒，而檢測人群中的運動信息不需要這麼高的幀率。在作人群密度分析之前可以對幀序列採樣，比如每5幀抽取一幀。幀抽取不但可以降低幀率，減少計算量，而且有利於運動檢測，因為人群中的小運動的運動速度往往比較緩慢，過快的幀率會導致幀與幀之間的差異太小，不利於運動檢測。 一般，幀率降低到5幀/秒比較合適。
2. MID (馬賽克圖像差分)特徵提取
從視頻幀序列中提取馬賽克圖像差分MID特徵，用於檢測出人群中的細微的運動。
MID (Mosaic Image Difference)是一種表徵人群中產生的運動的有效方法。
首先將輸入的第t幀圖像分割成一系列的邊長為；的馬賽克方塊，並計算每個馬賽克方塊區域的RGB顏色值，公式如下
丄M /. = w丄w ="丄a/其中，/,(/,力表示第t幀圖像第i行第j列的RGB向量；；表示
馬賽克方塊的邊長。M,(w^)表示第t幀馬賽克圖像的第m行第n個
馬賽克區域內的平均顏色值。m,n,i,j的取值範圍跟圖像尺寸有關。
馬賽克圖像差分MID的計算公式則為
M/D,—) = {" -0")L〉" (2)
l 0, e/"
其中，lll表示一個向量各分量絕對值最大者；M/Z),(m,")表徵了 第m行第n個馬賽克區域第t幀和第t-l幀的平均顏色的差值，該差值
被量化成兩個級別若差值向量的絕對值最大的分量的大於某個閾值j;
則記作l，否則記作0。
閾值7;=7>,， r。為常數， 一般取i5，",是一個自適應閾值調整
因子，它隨第t幀的總體亮度變化而變化
a, =1 + (5, -127)/255 ， (3)
《是第t幀圖像的平均亮度，r。取默認值。
3. MID時間均勻分布檢驗
檢驗馬賽克圖像差分MID時間均勻分布，用於確定相應的馬賽克 小方塊內產生的運動是否是穩定的人群產生的運動。如果不是穩定的人 群產生的運動，則這個馬賽克方塊內不能認為有人群。比如一個人經過 一個馬賽克區域，但沒有逗留，在短時間內這個馬賽克區域也會產生一 些值為1的MID特徵，這種情況就需要通過檢驗MID的時間均勻分布 來排除。另外，有穩定人群的馬賽克小方塊的MID特徵值也不會在每 幀都為1，因為人群中的人可能在一段時間內保持不動，這種情況下需 要通過檢驗這個馬賽克小方塊的MID序列的時間分布特性來預測這個 馬賽克在當前幀是否是有人群。
假設在第t幀時刻第m行第n列的馬賽克小方塊內有穩定的人群存 在，根據假設，第m行第n個馬賽克的MID特徵在第卜WM幀到第t幀 這段時間內的序列{M/A(w，")卜~ < "^應該是一串取值為0和1的均 勻分布的隨機數，其中^w為所分析的序列的長度(視具體場景而異，一般75幀左右，大概15秒鐘)。為了檢驗該MID序列是否服從時間
上的均勻分布，將該序列按時間等分為^個時間片(視場景而異， 一般
每段大概持續3秒鐘)，並且檢驗這個MID序列的三個統計量MID特 徵值為1的概率非零的時間片的片數，MID特徵值為1的平均時刻， MID特徵值為1的時刻的方差。令
5= 力M/DJm,") (4)
屍,=丄 ZM/￡MW'") ，/ = LJV, (5)
A^HW,"UJl (6)
w.,
M謂二》屍, (7)
/=，
~ = 2<7-她"")2^ (8)
/=i
其中|{.}|表示一個集合元素的個數，S表示第卜A^幀到第t幀這 段時間內，第m行第n列馬賽克的MID特徵值為1出現的總次數， S表示所分析的時間段內的第/個時間片MID特徵值為1的概率， Mean表示所分析的時間段內MID特徵值為1的平均時刻，Var表示 所分析的時間段內MID特徵值為1的時刻的方差，A^表示所分析的 時間段內馬賽克變化的概率非零時間片的片數，理論上《-l/W， Mea"=(l + AQ/2， 7a"(iV， -1)/12。
定義一個示性函數t/,(附,")(值l表示第t幀第m行第n列的馬
賽克小方塊內有人，否則表示沒人)
V ) {1 > 乂' Z 2|Mea" - (1 + 7Vr) / 2| cr, (m，") (9)
其中仏為所分析的時間段被劃分的時間片的片數；A^z=|{i^0|/ = 1...AU|，表示MID特徵值為1的概率非零時間片 的片數；
Fw = J^-M^")^，表示MID特徵值為1的時間的方差;
屍,是MID序列分成時間片後，每個時間片內MID特徵值為1的概率。
時間方差的閾值CT,(W,")與該馬賽克小方塊所處的空間位置有關， 當一個馬賽克方塊所在的一個小區域(後面提到的網格)在歷史上一
段時間內都有人，則時間方差閾值可以小一些；當歷史上一段時間內 沒人時，時間方差閾值可以設置大一些；在後面給出具體計算公式。 4.網格法計算人群空間分布
利用網格法計算人群的運動在空間的分布，並且將跟空間分布有關
的用於時間分布檢驗的參數反饋給步驟3;示性函數^/((附^) = 1的馬賽 克只不過是人群所佔據區域的一個採樣，由於人群的形狀是不可預知 的，要估計人群的空間面積， 一種可行的方案是網格法。根據具體的 場景，將圖像平面分割為一系列大小為^x/Zg的網格， 一般情況下 Wg x//g =12x12 。
若第p行第q個網格在第t幀有人則記為G,(P,W = 1，否則 G,(p,^-0。以A^w，^表示第m行第n個馬賽克區域，以G&,^)表示
第p行第q個網格區域，貝U:
jl '/l(M(m,")l",(ff7,")^,MK")cG(;7,Wl〉0 n 、
其中|{.}|表示一個集合元素的個數，Mrm,W表示第m行第n個馬 賽克區域，GO，^表示第p行第q個網格區域；G,(p,g)為1的含義是 若在第t幀時刻網格GO，^)中有一個及其以上數量的馬賽克在前面的 步驟中被標記為有人的區域，則整個網格在第t幀都被標記為有人的 區域。
Me"" = S/ ,,表示MID特徵值為1的時間的均值;假設感興趣的圖像區域為D皿， 一個網格的面積記為S。那麼第t
幀時刻人群在圖像平面上佔據的總面積為
4=SG (11)
當不需要考慮透視投影的影響時，人群密度D,可以計算為
(12)
其中&為區域i^。,的面積。
前面提到的參數cr, O,")與序O,《)U - 7VC S A < " M(w,") c G O, g)} 有關
1 '一1
cr,(m,") = cr0+0",(1_7 SG々,g)) (13)
其中^-2A^， a。、 cr,是常數，視場景而定，—般ao』""2
6
-i)m
5.幾何校正
對具有明顯透視現象的人群場景做幾何校正，獲得圖像平面上每個 像素對人群密度的貢獻因子。
當場景在圖像平面上的投影存在比較嚴重的透視現象(同樣的物 體，離攝像機近看起來大，離攝像機遠看起來小)時，公式(12)不 能很好地表徵人群的密度，因此需要對圖像平面上不同像素的貢獻作 加權處理。假設地面是平面，人垂直於地面。
如附圖2本發明幾何校正示意圖所示，假設在水平參考線力處的 平面屍 4屍8上有一個大小為ARxA/^的物體0,，相同大小的物體A
放到水平線y處的平面iyy^，上時對應的大小為A『xA/z ，當這兩個
物體面積趨近於零時，A與^面積之比即為水平線y處的像素與參 考線》處的像素對人群密度的貢獻之比。根據透視成像的原理，設消逝點^的坐標為(、,;0，參考線為y = >^=///2，由簡單的幾何關係 可以推出0,與^面積之比為
z^)2 (14)
、"^ )
這也就是圖像平面上任意一個像素/(^yj的貢獻因子。(x,y)表示 任意一個像素坐標，^表示圖像平面上選定的一條水平參考線的y坐 標，a表示消逝點的y坐標。
XWYWZW表示三維世界坐標系。
6.人群密度計算
利用貢獻因子對步驟4中獲得的人群空間面積做加權處理，加權後
的人群空間面積與感興趣區域的面積之比即為人群密度。記集合 SG^(x,力l(x,力eZ)艦〉，則有
幾何校正後的人群面積《為
TO
幾何校正後的人群密度《為
a屍^ a
IX "力
(16)
其中FG = {(xj) I = e (G(/7,《)n， (x，y)表示像素坐標，
D，表示劃定的感興趣的圖像區域。FG的物理含義是表示所有既在感 興趣的區域內又在被標記為有人的網格內的所有像素坐標的集合； SG = ((;c,力10c，力e Z)TO/}，表示所有感興趣區域的像素坐標集合。
以上就是本發明實施步驟的詳細說明，下面以北京某公交車站場 景為例，給出實驗結果。如圖3所示，某公交車站是一個典型的具有 透視現象的場景，通過人為設定三維空間中的地平面平行線在圖像平 面上的投影直線之後得到消逝點坐標為(144， -10)。
幀抽取之後，本實驗的實際幀率約為5幀/秒，另外的一些參數如下
計算MID特徵的公式中閾值參數r。=15; 馬賽克小方塊邊長&=4; 網格方塊邊長ZQ=12;
MID特徵時間均勻分布檢驗的序列的長度A^=75;
MID特徵時間均勻分布檢驗的時間片的個數A^=5;
圖4是^時刻站臺的圖像，此時人的分布大約佔據了整個公交站 臺的一般以上；圖5是z,時刻檢測到的MID特徵序列服從均勻時間 分布的馬賽克小方塊集合；圖6是f,時刻網格網格法得到的人群的空 間分布，幾何校正後得到的人群密度為0.6，基本符合人眼的觀察結 果。
圖7是/2時刻站臺的圖像，此時人的分布佔據了幾乎整個公交站 臺；圖8是/2時刻檢測到的MID特徵序列服從均勻時間分布的馬賽 克小方塊集合；圖9是^時刻網格法得到的人群的空間分布，幾何校 正後的人群密度為0.95，符合人眼觀察結果。
實驗證明，本發明所提出的人群密度分析方法能夠準確地定位人 群的空間分布，並且合理地計算人群密度；與其它己有的人群密度計 算方法相比，該方法直觀性強，受限制少，計算量小，適合公交、地 鐵和廣場等公共場所的人群監視。
以上所述，僅為本發明中的具體實施方式
，但本發明的保護範圍 並不局限於此，任何熟悉該技術的人在本發明所揭露的技術範圍內， 可理解想到的變換或替換，都應涵蓋在本發明的包含範圍之內，因此， 本發明的保護範圍應該以權利要求書的保護範圍為準。
權利要求
1、一種基於統計特徵的人群密度分析方法，其特徵在於，包括步驟步驟1採用攝像機捕捉視頻，對原始輸入視頻採取每若干個幀取1幀的方式做幀抽取，降低幀率；步驟2從視頻幀序列中提取馬賽克圖像差分MID特徵，用於檢測出人群中的細微的運動；步驟3檢驗馬賽克圖像差分MID時間均勻分布，用於確定相應的馬賽克小方塊內是否有穩定的人群的運動；步驟4利用網格法計算人群的運動在空間的分布，並且將跟空間分布有關的用於時間分布檢驗的參數反饋給步驟3；步驟5對具有明顯透視現象的人群場景做幾何校正，獲得圖像平面上每個像素對人群密度的貢獻因子；步驟6利用貢獻因子對步驟4中獲得的人群空間面積做加權處理，加權後的人群空間面積與感興趣區域的面積之比即為人群密度。
2、根據權利1所述人群密度分析方法，其特徵在於，所述馬賽克圖 像差分MID特徵為formula see original document page 2其中M,(表示一個向量各分量絕對值最大者；/,(/J)表示第t幀圖像 第i行第j列的RGB向量；^表示馬賽克方塊的邊長；M,(附,")表示 第m行第n個馬賽克區域在第t幀的平均顏色值，M/A(w,n)表徵了第 m行第n個馬賽克區域第t幀和第t-l幀的平均顏色的差值，該差值被量 化成兩個級別若差值向量的絕對值最大的分量大於某個閾值7;則記作 1，否則記作0。
3、根據權利2所述人群密度分析方法，其特徵在於，所述閾值z;按計算為:formula see original document page 3其中formula see original document page 3，B,是第t幀圖像的平均亮度，r。取默認值。
4、根據權利2所述人群密度分析方法，其特徵在於，所述馬賽克 圖像差分MID時間均勻分布，採用檢驗一段時間內的MID序列的三個 統計參數MID特徵值為1的時間的均值、MID特徵值為1的時間的方 差和MID特徵值為1的概率非零時間片的片數是否滿足一定條件來確定 這個MID序列是否服從時間上的均勻分布，用示性函數f/,(m,")表示為其中^為所分析的時間段被劃分的時間片的片數； A^=|{/^0|/ = L..A^|，表示MID特徵值為1的概率非零時間片的片數；= Mea")2P;，表示MID特徵值為1的時間的方差;屍,是MID序列分成時間片後，每個時間片內MID特徵值為1的 概率；時間方差的閾值A(w，n)與該馬賽克小方塊所處的空間位置有關； 當該馬賽克小方塊所在的小區域在歷史上一段分析時間內都是有人 或沒人，設置方差閾值的大小。
5、根據權利1所述人群密度分析方法，其特徵在於所述網格計 算第p行第q個網格最終是否被歸入有人群的區域在於其G,(p,g)值是否 為l， (J,(;^)由以下公式決定formula see original document page 3,，表示MID特徵值為1的時間的均值;其中|{.}|表示一個集合元素的個數，Mrm,^表示第m行第n個馬 賽克區域，GO,W表示第P行第q個網格區域；G,(p,9)為1的含義是 若在第t幀時刻網格G^，^)中有一個及其以上數量的馬賽克在前面的 步驟中被標記為有人的區域，則整個網格在第t幀都被標記為有人的 區域。
6、根據權利1所述人群密度分析方法，其特徵在於所述幾何校正是劃定兩條直線得到場景中的消失點，然後計算每個像素的貢獻因子formula see original document page 4其中(x,y)是像素坐標，力表示圖像平面上任意選取的一條水平參考線 的y坐標，^表示消逝點的y坐標。
7、根據權利1所述方人群密度分析法，其特徵在於，所述人群密度的最終結果《為加權後的前景面積與加權後的感興趣區域的面積之 比為formula see original document page 4其中:FG = ((x,"l = e (G(;^)nD柳》，(x,y)表示像素坐標，D,表示劃定的感興趣的圖像區域，FG表示所有既在感興趣的區 域內又在被標記為有人的網格內的所有像素坐標的集合； 5G = ((;c,力I (;c,力e ￡>腳}，表示所有感興趣區域的像素坐標集合。
全文摘要
本發明一種基於統計特徵的人群密度分析方法，包括視頻輸入和幀抽取；從視頻幀序列中提取馬賽克圖像差分MID特徵，檢測出人群中的細微的運動；檢驗賽克圖像差分MID特徵序列時間均勻分布；對具有明顯透視現象的人群場景做幾何校正，獲得圖像平面上每個像素對人群密度的貢獻因子；對人群空間面積做加權處理，獲得人群密度。該方法與現有方法相比，不需要參考背景，也不需要背景建模，能自適應早晚光線的變化，算法比較魯棒，應用方便；數學模型簡單有效，能準確定位人群的空間分布和大小，直觀性強；計算量小，適合實時視覺監控。本發明能廣泛地應用於公交、地鐵和廣場等滯留人群密集的公共場所的監控和管理。
文檔編號G06K9/00GK101464944SQ20071017988
公開日2009年6月24日 申請日期2007年12月19日 優先權日2007年12月19日
發明者張兆翔, 敏 李, 譚鐵牛, 黃凱奇 申請人:中國科學院自動化研究所