- 面议
参考价：
起订量：
智慧城市的智能视频监控系统
- 型号
该企业相似产品
人脸识别考勤机,人脸识别考勤管理系统，人脸识别门禁考勤机，智能视频分析，智能客流统计
深圳市飞瑞斯科技有限公司创立于2007年8月，拥有86项国内外技术，人脸识别防伪技术标准起草单位，是*企业和双软认证企业。公司专注于人脸识别和智能视频分析等CV（计算机视觉）领域核心*技术的研究和产品开发，真正原创并*拥有自主核心算法技术，客户遍布160多个国家和地区，凭借创新的产品，高效的供应链和强大的执行能力，飞瑞斯为用户打造优秀的CV智能硬件产品和云数据分析管理平台。
飞瑞斯科技坚持“自主创新”的发展主旋律，坚持“技术创新与行业应用紧密融合”的发展宗旨，产品和行业应用成果覆盖了人脸识别、智能视频分析、智慧零售业和智能办公、智慧安防等行业领域，拥有可见光人脸识别、主动光源人脸识别、人脸识别证件验证、零售大数据、智能视频等多项国内外优秀的技术及产品。
飞瑞斯科技秉承“专业&专注，创造较大客户价值”的经营理念，积极推动高新尖技术服务于广大客户。为视频制造ideas，用ideas感知世界，飞瑞斯科技与您携手共创平安、和谐、智慧的未来！
-
发明17份
-
实用新型35份
-
外观设计8份
-
软件著作权11项
-
软件登记产品8项
-
媒体奖项15项
-
人脸识别技术国标起草单位
-
*
-
双软企业
详细信息
智慧城市的智能视频监控系统
智慧城市的智能视频监控是当前市场中应用较为广泛的一种产品，作为智能视频监控系统供应商来说对于智能视频监控系统供应的市场需要观察的较为透彻，我们知道智能视频监控系统是一种利用计算机视觉技术对视频信号进行处理、分析和理解，在不需要人为干预的情况下，通过对序列图像自动分析对监控场景中的变化进行定位、识别和跟踪，并在此基础上分析和判断目标的行为的一种智能监控仪器产品。
在当前看来国内的智能视频监控系统其技术充分吸收了背景减除方法、时间差分方法等视频分析编码算法的优点，供应商的生产厂家也有达到了领新水平的，可以兼容*代---第四代的各类模拟监控和数字监控。智能视频监控系统供应后可以用于道路、仓库、地下停车场、酒吧、管道、园区等 智能视频监控系统光线较暗或无光照环境且要求高清画质的场所。
在当前看来国内的智能视频监控系统其技术充分吸收了背景减除方法、时间差分方法等视频分析编码算法的优点，供应商的生产厂家也有达到了领新水平的，可以兼容*代---第四代的各类模拟监控和数字监控。智能视频监控系统供应后可以用于道路、仓库、地下停车场、酒吧、管道、园区等 智能视频监控系统光线较暗或无光照环境且要求高清画质的场所。
图像帧率:在带宽允许的情况下，视频图像传输均可达到30帧/秒 云 台:远程控制云台电机，上下100度，水平350度转动 语音：支持外接语音信号 移动侦测:支持移动侦测并可触发报警(/FTP/向告警服务器发送信息) 用户访问:内置Web Server,允许远程用户通过Web浏览器直接访问网络摄像机 认证/加密:用户凭密码访问网络摄像机，3级访问权限设置，保证用户使用安全
智慧城市的智能视频监控系统帧差法
基本原理是在图像序列相邻的两帧或者三帧采用基于像素的时间差分通过阈值化来提取图像中的运动区域。首先，将相邻帧图像对应像素值相减，然后对差分图像二值化。在环境亮度变化不大的情况下，如果对应像素值变化小于事先确定的阈值时，可以认为（主观经验）此处为背景像素；如果对应像素值变化很大，可以认为这是有运动物体引起的，将这些区域标记为前景像素 ，利用标记的像素区域可以确定运动目标在图像中的位置。优点：相邻两帧的时间间隔很短，用前一帧图像作为后一帧图像的背景模型具备较好的实时性，其背景不积累，更新速度快，算法计算量小。缺点：阈值选择相当关键，阈值过低，则不足以抑制背景噪声，容易将其误检测为运动目标；阈值过高，则容易漏检，将有用的运动信息忽略掉了。另外，当运动目标面积较大，颜色*时，容易在目标内部产生空洞，无法完整地提取运动目标。
如何对目标进行跟踪
大多数跟踪算法的执行顺序遵循预测-检测-匹配-更新四个步骤。以前一帧目标位置和运动模型为基础，预测当前帧中目标的可能位置。在可能位置处候选区域的特征和初始特征进行匹配，通过优化匹配准则来选择的匹配，其相应目标区域即为目标在本帧的位置。除了更新步骤，其余三个步骤一般在一个迭代中完成。预测步骤主要是基于目标的运动模型，运动模型可以是简单的常速平移运动到复杂的曲线运动。检测步骤是在目标区域通过相应的图像处理技术获得特征值，形成待匹配模板。匹配步骤是选择*的待匹配模板，它所在的区域即是目标在当前帧的位置。一般以对目标表象变化所作的一些合理假设为基础，常用的方法是候选特征与初始特征的互相关系数zui小。更新步骤是对初始模板的更新，这是因为在跟踪过程中目标的姿态、场景等会发生变化，模板更新由利于跟踪的持续进行。根据匹配采用的属性不同，可将目标跟踪算法分为四类：基于区域的跟踪、基于特征的跟踪、基于变形模板的跟踪以及基于模型的跟踪，也可以将这几类方法相互结合用于目标跟踪。
