CN105488817A - 信息处理方法及电子设备 - Google Patents
信息处理方法及电子设备 Download PDFInfo
- Publication number
- CN105488817A CN105488817A CN201610042209.3A CN201610042209A CN105488817A CN 105488817 A CN105488817 A CN 105488817A CN 201610042209 A CN201610042209 A CN 201610042209A CN 105488817 A CN105488817 A CN 105488817A
- Authority
- CN
- China
- Prior art keywords
- information
- depth
- electronic equipment
- image
- graph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例公开了一种信息处理方法及电子设备,所述方法包括:获取至少两张深度图像;从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
Description
技术领域
本发明涉及信息技术领域,尤其涉及一种信息处理方法及电子设备。
背景技术
图像识别或图像监控是应用得越来越广告的识别技术。在现有技术中,首先将采集图像;对采集图像进行特征提取,通过特征提取进行图像识别。在识别过程中使用的采集图像的原图,这样可能会导致图像中人或事的隐私的曝光;从而导致隐私性安全隐患等问题。故在现有技术中如何,解决图像识别和隐私性之间的矛盾是亟待解决的技术问题。
发明内容
有鉴于此,本发明实施例期望提供
为达到上述目的,本发明的技术方案是这样实现的:
本发明实施例第一方面提供一种信息处理方法,所述方法包括:
获取至少两张深度图像;
从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
基于上述方案,所述方法还包括:
利用所述深度图像,识别所述深度图像至少部分图形对象对应的监控对象的属性信息;
根据所述属性信息,选择静止的第二监控对象对应的图形对象作为所述第二图形对象。
基于上述方案,所述获取至少两张深度图像,包括:
采集图像数据;
从所述图像数据提取深度信息并丢弃所述图像数据;
基于所述深度信息形成所述深度图像。
基于上述方案,所述从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息,包括:
确定所述第一图形对象在第i张所述深度图像的第一坐标;
确定所述第二图形对象在所述第i张所述深度图形中的第二坐标;
基于所述第一坐标和所述第二坐标确定相对位置向量Pi;
基于Pj和Pj+m确定所述位置变化信息;
其中,I为所述深度图像的总张数;所述i为不大于所述I的正整数;所述j和所述m均为正整数;所述j+m不大于所述I。
基于上述方案,所述方法还包括:
获取第一信息;所述第一信息包括指示电子设备从普通默认监控模式切换到景深监控模式的应用场景信息和/或模式指令信息;
根据所述第一信息切换到景深监控模式;
所述获取至少两张深度图像,包括:
当所述电子设备处于所述景深监控模式时,获取至少两张所述深度图像。
本发明实施例第二方面提供一种电子设备,所述电子设备包括:
第一获取单元,用于获取至少两张深度图像;
提取单元,用于从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
确定单元,用于基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
基于上述方案,所述电子设备还包括:
识别单元,用于利用所述深度图像,识别所述深度图像至少部分图形对象对应的监控对象的属性信息;
选择单元,用于根据所述属性信息,选择静止的第二监控对象对应的图形对象作为所述第二图形对象。
基于上述方案,所述第一获取单元,具体用于采集图像数据;从所述图像数据提取深度信息并丢弃所述图像数据;基于所述深度信息形成所述深度图像。
基于上述方案,所述确定单元,还用于确定所述第一图形对象在第i张所述深度图像的第一坐标;确定所述第二图形对象在所述第i张所述深度图形中的第二坐标;基于所述第一坐标和所述第二坐标确定相对位置向量Pi;基于Pj和Pj+m确定所述位置变化信息;
其中,I为所述深度图像的总张数;所述i为不大于所述I的正整数;所述j和所述m均为正整数;所述j+m不大于所述I。
基于上述方案,所述电子设备还包括:
第二获取单元,用于获取第一信息;所述第一信息包括指示电子设备从普通默认监控模式切换到景深监控模式的应用场景信息和/或模式指令信息;
切换单元,用于根据所述第一信息切换到景深监控模式;
所述第一获取单元,具体用于当所述电子设备处于所述景深监控模式时,获取所述深度图像。
本发明实施例提供的信息处理方法及电子设备,在对第一监控对象进行监控时,获取的是深度信息,根据深度图像获取第一监控对象的运动状态信息,这样的话,依据深度信息进行监控,相对于依据包括第一监控对象更多信息的黑白图像或彩色图像进行监控,能够避免所述第一监控对象很多隐私信息的曝光,提升被监控的第一监控对象的隐私的安全性。
附图说明
图1为本发明实施例提供的一种信息处理方法的流程示意图;
图2为本发明实施例提供的一种深度图像的效果示意图;
图3为本发明实施例提供给的另一种信息处理方法的流程示意图;
图4A为本发明实施例提供的一种基于深度图像获取相对位置向量的示意图;
图4B为本发明实施例提供的一种基于深度图像获取相对位置向量的示意图;
图5为本发明实施例提供的一种监控设备的结构示意图。
具体实施方式
以下结合说明书附图及具体实施例对本发明的技术方案做进一步的详细阐述。
实施例一:
如图1所示,本实施例提供一种信息处理方法,所述方法包括:
步骤S110:获取至少两张深度图像;
步骤S120:从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
步骤S130:基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
本实施例所述的信息处理方法可应用于手机、平板电脑、可穿戴式设备、台式或笔记本电脑或各种服务器等电子设备。
在本实施例中所述步骤S110可包括:接收其他电子设备接发送的所述深度图像,或自行从图像文件中提取深度信息,形成所述深度图像,或直接根据图像数据生成所述深度图像。
在本实施例中所述深度图像可为基于时间顺序采集的不同时刻点的图像数据中获取的深度图形。在步骤S110进行图像采集形成多帧采集图像,从这多帧采集图像中提取深度信息,形成所述深度图像。
图2所示的为一张深度图像,通常深度图像中仅包括深度信息,不包括图像的各种彩色信息。
在步骤S120中从上述至少两种深度图像中,提取第一图形对象和第二图形对象之间的位置变化信息。这里的第一图形对象和第二图形对象可对应于深度图像中的人物对象、景物对象和动物对象等。所述景物对象包括自然景物对象和人文景物对象等。这里的人物景物对象可包括建筑对象、装饰品对象。
所述第一图形对象和第二图形对象中的至少一个发生变化时,都可能导致第一图像对象和第二图像对象在深度图像中呈现的位置关系发生变化。本实施例的所述步骤S120可包括:确定第一深度图像中第一图形对象和第二图形对象之间的第一相对位置,确定第二深度图像中第一图形对象和第二图形对象之间的第二相对位置。基于第一相对位置和第二相对位置确定出第一图像对象和第二图像的相对位置变化信息。当然在具体的实现过程中,获取所述位置变化信息的方式不止一种,例如,还可以通过所述至少两张深度图像进行三维建模,获得当前监控场景下各个监控对象的初始位置和终止位置,从而也能确定出所述第一图形对象和所述第二图形对象之间的相对位置变化。
在步骤S130中将确定第一图形对象对应的第一监控对象的运动状态信息。这的运动状态信息可包括第一监控对象相对于所述第二图形对象对应的第二监控对象的运动轨迹,所述第一监控对象与所述第二监控对象之间的距离变化等信息。在本实施例所述第一监控对象和第二监控对象可包括被采集的人、景物或动物本身。对一个监控对象进行图形采集,就会在采集形成的图像中形成与该监控对象相对应的图形对象。例如,对一条金鱼进行图像采集,形成的采集图像中就会呈现一条金鱼的图形,该图形即为所述金鱼作为监控对象时对应的图形对象。
在本实施例中利用所述深度图像至少对第一监控对象进行监控,相对于直接采用原始图像进行监控导致的隐私泄露的现象。
例如,在某些特殊应用场景中,如洗手间,为了实现在洗手间出现人身安全问题或财产安全问题时能够及时被发现,若通过现有的监控设备采集的黑白图像或彩色图像进行监控,那么进入过洗手间的人都会被图像记录下来,显然洗手间是一个敏感场所,这样会导致人们隐私的曝光及投诉。若利用本实施例中所述深度图像进行监控,就不会直接曝光很多细节,就能够减少被曝光的隐私,从而能够提升隐私的安全性,同时能够实现监控。
此外,在具体的实现过程中,为了进一步提升实现本实施例所述信息处理方法的电子设备的智能性,所述方法还可包括:根据所述运动状态信息,判断所述第一监控对象是否执行预设动作。例如,根据所述运动状态信息可确定出第一监控对象的重心高度的变化信息及姿态的变化信息,这样的话,可根据所述重心高度变化信息的及姿态信息,确定出洗手间是否有人跌倒。这样就能够及时的救助洗手间跌倒的用户,或及时处理洗手间地面湿滑的现象。
当然,为了进一步更好的利用监控设备的软硬件资源,提升电子设备的智能性,在本实施例中还可包括:在判断出第一监控对象执行了所述预设动作时,输出提醒信息。这里的提醒信息可包括报警信息,例如,有人跌倒输出警报音或警报文字,方便工作人员及时救助。
实施例二:
如图1所示,本实施例提供一种信息处理方法,所述方法包括:
步骤S110:获取至少两张深度图像;
步骤S120:从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
步骤S130:基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
如图3所示,所述方法还包括:
步骤S101:利用所述深度图像,识别所述深度图像至少部分图形对象对应的监控对象的属性信息;
步骤S102:根据所述属性信息,选择静止的第二监控对象对应的图形对象作为所述第二图形对象。
在本实施例中可以基于所述深度图像识别出各个图形对象对应的监控对象的名称和/或类型等属性信息。例如,提取深度图像中各个图形对象的轮廓信息,根据所述轮廓信息确定出所述图像对象对应的监控对象的名称。例如,通过所述步骤S101识别出某一个图形对象对应的监控对象是建筑,显然建筑是静止的物体。在本实施例中想获取所述第一监控对象的运动轨迹等运动状态信息,就可以以静止的建筑作为参照物来确定第一监控对象的运动轨迹等。这样的话,将选择所述建筑物对应的建筑图形对象就为所述第二图形对象。再比如,通过步骤S101识别出某一个图形对象为景物图形对象,通常景物图形对象对应的监控对象的位置是相对固定,在本实施例中就近似认为是静止的第二监控对象,这样就可以基于所述第二监控对象确定出所述第二图形对象。
本实施例中所述监控对象的属性信息还可包括所述监控对象对应的图形对象在形成的图像中的坐标信息。例如,在进行图像采集时,采集角度等采集参数保持不变,这样的话,若监控对象相对于采集设备不发生位移,则该监控对象在采集图像中的坐标应该保持不变。在本实施例中也可以通过提取每一张深度图像中各个图形对象的坐标信息,根据坐标信息确定出在各种深度图像中坐标信息一致的图形对象,可认为这些图形对象对应的监控对象即为所述静止的第二监控对象,可将这些图像对象确定为第二图像对象。
本实施例所述的信息处理方法中选择的第二图形对象是对应于静止的第二监控对象,在具体的实现过程中,所述第二图形对象还可为预设监控对象对应的第二图形对象,此时,可以不管所述预设监控对象是否为静止的监控对象。例如,在港口停靠有一条快艇,若将该快艇设置为所述预设监控对象,所述快艇可能在浪或风的作用下会进行移动,显然这个时候第二图形对象对应的第二监控对象可能就不是静止的。
总之,本实施例所述信息处理方法,提供了一种选择静止的第二监控对象对应的图形对象作为第二图形对象的具体实现方案,具有实现简单及适应于移动物体作为第一监控对象的监控。
实施例三:
如图1所示,本实施例提供一种信息处理方法,所述方法包括:
步骤S110:获取至少两张深度图像;
步骤S120:从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
步骤S130:基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
所述步骤S110可包括:
步骤S111:采集图像数据;
步骤S112:从所述图像数据提取深度信息并丢弃所述图像数据;
步骤S113:基于所述深度信息形成所述深度图像。
在本实施例中所述采集图像数据,可利用各种具有图像采集功能的照相机或摄像机等设备采集图像数据,这里采集的图像数据可为黑白图像数据或彩色图像数据。例如,利用双目摄像头采集所述图像数据。
在步骤S112中将从所述图像数据中提取深度信息,利用深度信息形成所述深度图像。同时在步骤S112中为了提升隐私的安全性,在完成深度信息的提取之后会直接丢弃所述图像数据。在步骤S113中将基于深度信息形成所述深度图像。在本实施例中,步骤S111中采集的图像数据能够形成图像文件,若形成了图像文件,则在步骤S112中从图像文件中提取所述深度信息,在完成深度信息的提取之后,就通过删除所述图像文件实现所述图像数据的丢弃。在步骤S113中将利用提取的深度信息形成深度图像。当然在本实施例中,所述步骤S111仅完成图像数据的采集,并不按照图像的文件格式形成图像文件。例如,电子设备的中央处理器CPU直接从存储在缓存中的图像数据中提取深度信息,后续通过缓存覆盖等动作完成所述图像数据的丢弃,再利用深度信息按照图像文件的文件格式,形成深度图像。若所述图像数据丢失之后,则将在电子设备中找不到除所述深度图像包括的图像数据以外的图像数据了,这样能够提升监控对象的隐私安全性。
值得注意的是:本实施例所述的信息处理方法,是在前述实施例一或实施例二提供的任意一个技术方案基础上的改进,在本实施例中在执行所述步骤S120之前,同样可以通过前述步骤S101和步骤S102的执行确定所述第二图形对象。
实施例四:
如图1所示,本实施例提供一种信息处理方法,所述方法包括:
步骤S110:获取至少两张深度图像;
步骤S120:从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
步骤S130:基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
所述步骤S130可包括:
确定所述第一图形对象在第i张所述深度图像的第一坐标;
确定所述第二图形对象在所述第i张所述深度图形中的第二坐标;
基于所述第一坐标和所述第二坐标确定相对位置向量Pi;
基于Pj和Pj+m确定所述位置变化信息;
其中,I为所述深度图像的总张数;所述i为不大于所述I的正整数;所述j和所述m均为正整数;所述j+m不大于所述I。
在本实施例中可认为在步骤S110中至少获取了I张深度图像。通常,这I张深度图像可以按照深度图像对应的图像数据的采集时间,进行排序。例如,第j张深度图像对应的图像数据的采集时间早于第j+1张深度图像对应的图像数据的采集时间。
在本实施例中将分别确定第一图形对象和第二图形对象在各张深度图像中的相对位置向量。
在结合至少两张深度图像中第一图形对象和第二图形对象的相对位置向量的之间的夹角等关系,可以确定出所述第一图形对象和第二图形对象的位置变化信息。
值得注意的是:在分析不同的深度图像时,需要将不同给的深度图像至于同一坐标系中,这样才能确保从不同深度图像中提取的相对位置向量Pi,是具有可比性。
在图4A中人a和房子的相对位置向量Pa如图4A中箭头所示,在图4B中人a和房子的相对位置向量Pb如图4B中箭头所示。从图4A和图4B也可以知道,由于人的运动,导致向量Pa不同于Pb。由于图4A和图4B采用了同一坐标系,故在本实施例中能够,通过向量Pa和Pb比对或向量Pa和Pb的夹角的余弦值计算,确定出两个向量是否相同,从而确定所述第一图形对象和第二图形对象的相对位置关系是否发生了变化,还可以通过余弦值的确定可以智能确定出是如何变化。
若所述第二图像对象是静止的第二监控对象的图形对象,则在同一坐标中,各张深度图像中转换提取出的所述第二坐标应该保持不变,这样的话,还可以直接根据所述第一坐标,确定出所述第一图形对象在图像中的位置变化。该位置变化就对应了所述第一监控对象相对于所述第二监控对象的位置变化。
获取所述位置变化信息的方式有很多种,在本实施例中提供一种基于相对位置向量的确定方法,具有实现简便的特点。
实施例五:
如图1所示,本实施例提供一种信息处理方法,所述方法包括:
步骤S110:获取至少两张深度图像;
步骤S120:从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
步骤S130:基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
所述方法还包括:
获取第一信息;所述第一信息包括指示电子设备从普通默认监控模式切换到景深监控模式的应用场景信息和/或模式指令信息;
根据所述第一信息切换到景深监控模式;
所述步骤S110可包括:
当所述电子设备处于所述景深监控模式时,获取至少两张所述深度图像。
例如,应用本实施例所述信息处理方法的监控设备,有两种监控模式,一种为普通默认监控模式,在该模式中直接采集黑白或彩色图像,直接黑白图像或彩色图像进行监控。另一种即为所述景深监控模式,在景深监控模式下,是基于深度图像进行监控的。
在本实施例中所述电子设备会获取所述第一信息,这里的第一信息可为能够用于电子设备确定是采用所述普通默认监控模式还是景深监控模式的依据信息。所述第一信息可为所述电子设备从人机交互接口接收的用户指令。该用户指令可为指示电子设备切换到景深监控模式的切换指令。该用户指令的类型可为操作手势,运势指令或按键输入指示等。
当然所述电子设备也可以自动获取应用场景信息,根据应用场景信息与监控模式的对应关系,确定出采用普通默认监控模式还是采用深度监控模式。例如,所述监控设备通过全球定位***GPS的定位处理,确定监控设备位于医院中,医院可能涉及病患的隐私,有些病友并不希望自己详细的面部特征等信息曝光在监控视频或监控照片中。但是显然医院也有监控需求,此时可以采用本实施例所述的信息处理方法进行监控。这个时候,若所述监控设备通过定位,确定监控设备所在的应用场景为医院,且根据所述映射关系,确定出医院是采用深度监控模式进行监控,则监控设备根据该应用场景信息,将切换到或维持在所述景深监控模式。
在本实施例中所述模式指令信息可包括用户输入指令,也可以包括从其他电子设备接收的指令信息,例如,所述监控设备自身通过GPS定位或基站辅助定位等信息,获得自身的位置信息,将位置信息发送给网络服务器,网络服务器根据该位置信息确定出所述应用场景信息,再根据应用场景信息确定出监控设备在当前应用场景下的当前监控模式,根据所确定的当前监控模式生成所述模式指令信息。该模式指令信息中包括所述当前监控模式。所述监控设备在接收到所述模式监控模式后,将根据所述模式指令信息切换到对应的监控模式。
本实施例中提供了一种调整监控设备的监控模式的方法,具有实现简便,监控设备智能性高的特点。
实施例六:
如图5所示,本实施例提供一种电子设备,所述电子设备包括:
第一获取单元110,用于获取至少两张深度图像;
提取单元120,用于从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
确定单元130,用于基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
本实施例所述的电子设备可为各种监控设备或与监控设备连接的电子设备中。
本实施例所述第一获取单元110可对应于图像采集器和处理器,这里的图像采集器可包括照相机或摄像机等结构,所述处理器可对应图像采集器采集的图像数据进行处理获得所述深度图像。当然,所述第一获取单元110还可对应于通信接口等,能够从其他电子设备接收所述深度图像。
所述提取单元120和所述确定单元130可对应于处理器或处理电路,所述处理器可包括中央处理器、微处理器、数字信号处理器或可编程阵列等信息处理结构。所述处理电路可包括专用集成电路等。所述处理器或处理电路可通过预定指令的执行提取出所述位置变化信息及所述运动状态信息。
作为本实施例所述电子设备的进一步改进,所述电子设备还可包括判断单元,所述判断单元可用于根据所述运动状态信息,判断所述第一监控对象是否有执行预定动作,形成判断结果。
进一步地,所述电子设备还可包括提示单元。这里的提示单元,可以根据所述判断结果确定出所述第一监控对象有执行所述预定动作,则输出提示信息。这里的提示信息可为报警信息等信息,提示工作人员注意第一监控对象执行了预定动作,可能需要启动紧急预案的执行。
总之,本实施例所述的电子设备,通过深度信息来进行对第一监控对象的监控,能够实现监控的同时,还能够很好的保护第一监控对象的隐私信息。
实施例七:
如图5所示,本实施例提供一种电子设备,所述电子设备包括:
第一获取单元110,用于获取至少两张深度图像;
提取单元120,用于从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
确定单元130,用于基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
所述电子设备还包括:
识别单元,用于利用所述深度图像,识别所述深度图像至少部分图形对象对应的监控对象的属性信息;
选择单元,用于根据所述属性信息,选择静止的第二监控对象对应的图形对象作为所述第二图形对象。
在本实施例中所述电子设备还包括识别单元和选择单元,这里的识别单元和选择单元同样可对应于所述处理器或处理电路。所述处理器或处理电路同样可通过指令执行,获得所述属性信息及选择出第二图形对象。
在本实施例中识别单元可通过识别出深度图形中各个图形对象的名称或类型,确定出这些图形对象对应的监控对象是否为静止的监控对象,进而确定出所述第二图形对象。
本实施例所述电子设备不仅具有同时兼顾监控及隐私的安全性的特点,还具有资源利用率高、智能性高的特点。
实施例八:
如图5所示,本实施例提供一种电子设备,所述电子设备包括:
第一获取单元110,用于获取至少两张深度图像;
提取单元120,用于从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
确定单元130,用于基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
所述第一获取单元110,具体用于采集图像数据;从所述图像数据提取深度信息并丢弃所述图像数据;基于所述深度信息形成所述深度图像。
本实施例所述的电子设备可为在实施例六或实施例七提供的电子设备上的改进,故本实施例所述的电子设备可以仅包括所述第一获取单元110、提取单元120和确定单元130,也可以还包括实施例七中提到的识别单元和选择单元。
在本实施例中所述第一获取单元110可对应于图像采集器等结构,在提取出所述深度信息之后,会丢弃所述图像数据,这样就能够进一步提高所述图像数据被存储导致的隐私的泄露问题。
实施例九:
如图5所示,本实施例提供一种电子设备,所述电子设备包括:
第一获取单元110,用于获取至少两张深度图像;
提取单元120,用于从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
确定单元130,用于基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
所述确定单元130,还用于确定所述第一图形对象在第i张所述深度图像的第一坐标;确定所述第二图形对象在所述第i张所述深度图形中的第二坐标;基于所述第一坐标和所述第二坐标确定相对位置向量Pi;基于Pj和Pj+m确定所述位置变化信息;其中,I为所述深度图像的总张数;所述i为不大于所述I的正整数;所述j和所述m均为正整数;所述j+m不大于所述I。
本实施例所述的电子设备可为在实施例六或实施例七提供的电子设备上的改进,故本实施例所述的电子设备可以仅包括所述第一获取单元110、提取单元120和确定单元130,也可以还包括实施例七中提到的识别单元和选择单元。
本实施例所述确定单元130可对应于能够进行数值计算和向量处理的处理器或处理芯片,能够通过所述第一坐标和第二坐标的提取,再通过相对位置向量之间的向量运算,可以确定出第一监控对象是否有运动或运动轨迹等运动状态信息;具有结构简单及实现简便的特点。
实施例十:
如图5所示,本实施例提供一种电子设备,所述电子设备包括:
第一获取单元110,用于获取至少两张深度图像;
提取单元120,用于从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
确定单元130,用于基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
所述电子设备还包括:
第二获取单元,用于获取第一信息;所述第一信息包括指示电子设备从普通默认监控模式切换到景深监控模式的应用场景信息和/或模式指令信息;
切换单元,用于根据所述第一信息切换到景深监控模式;
所述第一获取单元110,具体用于当所述电子设备处于所述景深监控模式时,获取所述深度图像。
本实施例所述的电子设备可为在实施例六或实施例七提供的电子设备上的改进,故本实施例所述的电子设备可以仅包括所述第一获取单元110、提取单元120和确定单元130,也可以还包括实施例七中提到的识别单元和选择单元。
本实施中所述第二获取单元可对应于人机交互接口,能够通过接收用户输入的模式切换指令,也可以自行获取应用场景信息作为所述第一信息。所述切换单元将根据所述第一信息,控制电子设备或监控设备进入所述景深监控模式,在进行监控的同时,确保被监控的第一监控对象的安全性。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理模块中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种信息处理方法,其特征在于,所述方法包括:
获取至少两张深度图像;
从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
2.根据权利要求1所述的方法,其特征在于,
所述方法还包括:
利用所述深度图像,识别所述深度图像至少部分图形对象对应的监控对象的属性信息;
根据所述属性信息,选择静止的第二监控对象对应的图形对象作为所述第二图形对象。
3.根据权利要求1或2所述的方法,其特征在于,
所述获取至少两张深度图像,包括:
采集图像数据;
从所述图像数据提取深度信息并丢弃所述图像数据;
基于所述深度信息形成所述深度图像。
4.根据权利要求1或2所述的方法,其特征在于,
所述从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息,包括:
确定所述第一图形对象在第i张所述深度图像的第一坐标;
确定所述第二图形对象在所述第i张所述深度图形中的第二坐标;
基于所述第一坐标和所述第二坐标确定相对位置向量Pi;
基于Pj和Pj+m确定所述位置变化信息;
其中,I为所述深度图像的总张数;所述i为不大于所述I的正整数;所述j和所述m均为正整数;所述j+m不大于所述I。
5.根据权利要求1或2所述的方法,其特征在于,
所述方法还包括:
获取第一信息;所述第一信息包括指示电子设备从普通默认监控模式切换到景深监控模式的应用场景信息和/或模式指令信息;
根据所述第一信息切换到景深监控模式;
所述获取至少两张深度图像,包括:
当所述电子设备处于所述景深监控模式时,获取至少两张所述深度图像。
6.一种电子设备,其特征在于,所述电子设备包括:
第一获取单元,用于获取至少两张深度图像;
提取单元,用于从至少两张所述深度图像中,提取第一图形对象与第二图形对象之间的位置变化信息;
确定单元,用于基于所述位置变化信息,确定所述第一图形对象对应的第一监控对象的运动状态信息。
7.根据权利要求6所述的电子设备,其特征在于,
所述电子设备还包括:
识别单元,用于利用所述深度图像,识别所述深度图像至少部分图形对象对应的监控对象的属性信息;
选择单元,用于根据所述属性信息,选择静止的第二监控对象对应的图形对象作为所述第二图形对象。
8.根据权利要求6或7所述的电子设备,其特征在于,
所述第一获取单元,具体用于采集图像数据;从所述图像数据提取深度信息并丢弃所述图像数据;基于所述深度信息形成所述深度图像。
9.根据权利要求6或7所述的电子设备,其特征在于,
所述确定单元,还用于确定所述第一图形对象在第i张所述深度图像的第一坐标;确定所述第二图形对象在所述第i张所述深度图形中的第二坐标;基于所述第一坐标和所述第二坐标确定相对位置向量Pi;基于Pj和Pj+m确定所述位置变化信息;
其中,I为所述深度图像的总张数;所述i为不大于所述I的正整数;所述j和所述m均为正整数;所述j+m不大于所述I。
10.根据权利要求6或7所述的电子设备,其特征在于,
所述电子设备还包括:
第二获取单元,用于获取第一信息;所述第一信息包括指示电子设备从普通默认监控模式切换到景深监控模式的应用场景信息和/或模式指令信息;
切换单元,用于根据所述第一信息切换到景深监控模式;
所述第一获取单元,具体用于当所述电子设备处于所述景深监控模式时,获取所述深度图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610042209.3A CN105488817A (zh) | 2016-01-21 | 2016-01-21 | 信息处理方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610042209.3A CN105488817A (zh) | 2016-01-21 | 2016-01-21 | 信息处理方法及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105488817A true CN105488817A (zh) | 2016-04-13 |
Family
ID=55675783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610042209.3A Pending CN105488817A (zh) | 2016-01-21 | 2016-01-21 | 信息处理方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105488817A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105955255A (zh) * | 2016-04-26 | 2016-09-21 | 联想(北京)有限公司 | 一种控制方法、装置、控制器及控制*** |
CN109955257A (zh) * | 2017-12-22 | 2019-07-02 | 深圳市优必选科技有限公司 | 一种机器人的唤醒方法、装置、终端设备和存储介质 |
CN112185043A (zh) * | 2019-07-05 | 2021-01-05 | 上海市建筑通信网络有限公司 | 智能监控***及方法 |
CN114125659A (zh) * | 2021-10-29 | 2022-03-01 | 歌尔科技有限公司 | 音量实时补偿方法、电子设备及可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09120457A (ja) * | 1995-10-26 | 1997-05-06 | Matsushita Electric Ind Co Ltd | 時系列処理による物体検出方法およびその検出装置 |
CN102339465A (zh) * | 2011-08-31 | 2012-02-01 | 中国科学院计算技术研究所 | 一种检测运动物体相互靠近和/或接触的方法和*** |
CN103902037A (zh) * | 2012-12-28 | 2014-07-02 | 联想(北京)有限公司 | 信息处理方法及电子设备 |
CN104085396A (zh) * | 2014-07-03 | 2014-10-08 | 上海纵目科技有限公司 | 一种全景车道偏离预警方法及*** |
CN104902246A (zh) * | 2015-06-17 | 2015-09-09 | 浙江大华技术股份有限公司 | 视频监视方法和装置 |
-
2016
- 2016-01-21 CN CN201610042209.3A patent/CN105488817A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09120457A (ja) * | 1995-10-26 | 1997-05-06 | Matsushita Electric Ind Co Ltd | 時系列処理による物体検出方法およびその検出装置 |
CN102339465A (zh) * | 2011-08-31 | 2012-02-01 | 中国科学院计算技术研究所 | 一种检测运动物体相互靠近和/或接触的方法和*** |
CN103902037A (zh) * | 2012-12-28 | 2014-07-02 | 联想(北京)有限公司 | 信息处理方法及电子设备 |
CN104085396A (zh) * | 2014-07-03 | 2014-10-08 | 上海纵目科技有限公司 | 一种全景车道偏离预警方法及*** |
CN104902246A (zh) * | 2015-06-17 | 2015-09-09 | 浙江大华技术股份有限公司 | 视频监视方法和装置 |
Non-Patent Citations (1)
Title |
---|
许素萍: "深度图像下基于特征学习的人体检测方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105955255A (zh) * | 2016-04-26 | 2016-09-21 | 联想(北京)有限公司 | 一种控制方法、装置、控制器及控制*** |
CN105955255B (zh) * | 2016-04-26 | 2020-05-26 | 联想(北京)有限公司 | 一种控制方法、装置、控制器及控制*** |
CN109955257A (zh) * | 2017-12-22 | 2019-07-02 | 深圳市优必选科技有限公司 | 一种机器人的唤醒方法、装置、终端设备和存储介质 |
CN112185043A (zh) * | 2019-07-05 | 2021-01-05 | 上海市建筑通信网络有限公司 | 智能监控***及方法 |
CN114125659A (zh) * | 2021-10-29 | 2022-03-01 | 歌尔科技有限公司 | 音量实时补偿方法、电子设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111543902B (zh) | 地面清洁方法、装置、智能清洁设备和存储介质 | |
CN112216049B (zh) | 一种基于图像识别的施工警戒区监测预警***及方法 | |
García et al. | Midgar: Detection of people through computer vision in the Internet of Things scenarios to improve the security in Smart Cities, Smart Towns, and Smart Homes | |
CN103985230B (zh) | 一种基于图像的通知方法、装置及通知*** | |
CN105488817A (zh) | 信息处理方法及电子设备 | |
EP3435667B1 (en) | Monitoring system, image processing device, image processing method and program recording medium | |
CN110807385A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN104978739B (zh) | 一种图像对象选取方法和装置 | |
CN107085380B (zh) | 一种智能家居***用户位置判断方法及电子设备 | |
CN103092345A (zh) | 一种移动终端的模式切换方法及装置 | |
CN110163046B (zh) | 人体姿态识别方法、装置、服务器及存储介质 | |
JP2016532211A (ja) | 物理平面のデジタル表現の拡張 | |
CN112232173B (zh) | 一种行人属性识别方法、深度学习模型、设备及介质 | |
CN115002414A (zh) | 监测方法、装置及服务器和计算机可读存储介质 | |
CN111339943A (zh) | 一种对象管理方法、***、平台、设备及介质 | |
CN103049748A (zh) | 行为监测方法及装置 | |
CN108289191A (zh) | 图像识别方法及装置 | |
CN112883788A (zh) | 一种对象监控方法、***、设备及介质 | |
KR100913396B1 (ko) | 모션벡터를 이용한 행위 인식 장치 및 그 방법 | |
CN113436317B (zh) | 图像处理方法及装置、电子设备及计算机可读存储介质 | |
CN114241400A (zh) | 电网***的监控方法及其装置、计算机可读存储介质 | |
CN115482502A (zh) | 基于特征物体与人体关键点的异常行为识别方法、***及介质 | |
CN109727218B (zh) | 一种完整图形提取方法 | |
CN112380941A (zh) | 身份识别方法、装置、终端设备及存储介质 | |
CN111539390A (zh) | 一种基于Yolov3的小目标图像识别方法、设备和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160413 |
|
RJ01 | Rejection of invention patent application after publication |