CN106529497A - 一种图像采集设备的定位方法及装置 - Google Patents
一种图像采集设备的定位方法及装置 Download PDFInfo
- Publication number
- CN106529497A CN106529497A CN201611057830.3A CN201611057830A CN106529497A CN 106529497 A CN106529497 A CN 106529497A CN 201611057830 A CN201611057830 A CN 201611057830A CN 106529497 A CN106529497 A CN 106529497A
- Authority
- CN
- China
- Prior art keywords
- image
- capture device
- characteristic value
- image capture
- target image
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明公开了一种图像采集设备的定位方法及装置,用以解决现有技术中定位图像采集设备时准确率低、效率低、网络资源消耗大的问题,该方法应用于监控设备,所述监控设备与至少一个图像采集设备连接,该方法包括:获取目标图像特征,将所述目标图像特征与保存的图像采集设备对应的图像特征进行匹配,匹配成功的图像特征对应的图像采集设备为目标图像采集设备。由于本发明实施例中该监控设备利用获取的目标图像特征与保存的图像特征匹配,确定待定位图像采集设备,该过程无需用户参与提高了定位的准确性,并且直接根据图像特征进行,提高了定位的效率,并节省了网络资源。
Description
技术领域
本发明涉及通信技术领域,特别涉及一种图像采集设备的定位方法及装置。
背景技术
监控***在日常生活中应用非常广泛,给人们的生活带来了极大的便利,例如在交通运行方面,利用监控***可以实时监管路况的运行状况,及时疏通拥挤路况,保证车辆运行畅通。用户可以通过定位图像采集设备,获取该图像采集设备的监控画面。
目前,在定位图像采集设备时,用户可以根据图像采集设备对应的通道名的区别,利用通道名定位图像采集设备。该方法是用户根据自己记忆或判断,确定待定位的图像采集设备的通道名,但因为与监控设备连接的图像采集设备可能包括多台,用户在进行记忆时很可能会出错,因此该定位图像采集设备的方式准确率比较低,并且受用户主观性影响非常大。
另外,在现有技术中监控设备还可以获取与自身连接的每个图像采集设备的视频流,并进行展现,用户根据展现的内容定位相应的图像采集设备。该方法中需要监控设备获取与自身连接的每个图像采集设备的视频流,并缓存到本地以便进行展现,如果连接的图像采集设备比较多,缓存的时间将会比较长,影响定位的效率,并且因为缓存的过程中也会带来大量的网络资源消耗,因此该定位也不是特别的理想。
发明内容
本发明提供了一种图像采集设备的定位方法及装置,用以解决现有技术中存在的定位图像采集设备时准确率低、效率低、网络资源消耗大的问题。
为了达到上述目的,本发明实施例公开了一种图像采集设备的定位方法,所述监控设备与至少一个图像采集设备连接,该方法包括:
获取目标图像特征,其中所述目标图像特征为根据用户输入的图像及在所述图像中确定的静态区域的信息生成的;
将所述目标图像特征,与保存的与自身连接的至少一个图像采集设备对应的图像特征进行匹配;
当匹配成功时,将匹配成功的图像特征对应的图像采集设备作为目标图像采集设备。
进一步地,所述图像特征包括:图像粗特征值和图像细特征值中的至少一个。
进一步地,当所述图像特征包括图像粗特征值和图像细特征值,所述将所述目标图像特征,与保存的与自身连接的至少一个图像采集设备对应的图像特征进行匹配包括:
将所述目标图像特征中的目标图像粗特征值,与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值进行匹配;
当匹配成功时,识别匹配成功的图像粗特征值对应的图像采集设备,将所述目标图像特征中的目标图像细特征值,与识别出的图像采集设备对应的图像细特征值进行匹配。
进一步地,当目标图像粗特征值与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值匹配不成功时,或,目标图像细特征值,与识别出的图像采集设备对应的图像细特征值匹配不成功时,确定与自身连接的图像采集设备中不存在所述目标图像特征对应的图像采集设备。
进一步地,确定并保存所述与自身连接的至少一个图像采集设备对应的图像特征的过程包括:
根据接收到的与自身连接的至少一个图像采集设备发送的监控视频,获取每个图像采集设备对应的监控区域的静态画面;
提取每个静态画面的图像特征,并针对每个图像采集设备保存所述图像特征。
本发明实施例公开了一种图像采集设备的定位装置,所述装置包括:
获取模块,用于获取目标图像特征,其中所述目标图像特征为根据用户输入的图像及在所述图像中确定的静态区域的信息生成的;
匹配模块,用于将所述目标图像特征,与保存的与自身连接的至少一个图像采集设备对应的图像特征进行匹配;
确定模块,用于当匹配模块匹配成功时,确定匹配成功的图像特征对应的图像采集设备作为目标图像采集设备。
进一步地,所述匹配模块,具体用于将所述目标图像特征中的目标图像粗特征值,与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值进行匹配;当匹配成功时,识别匹配成功的图像粗特征值对应的图像采集设备,将所述目标图像特征中的目标图像细特征值,与识别出的图像采集设备对应的图像细特征值进行匹配。
进一步地,所述确定模块,还用于当匹配模块匹配不成功时,确定与自身连接的图像采集设备中不存在所述目标图像特征对应的图像采集设备,其中所述匹配不成功包括目标图像粗特征值与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值匹配不成功,或,目标图像细特征值,与识别出的图像采集设备对应的图像细特征值匹配不成功。
进一步地,所述装置还包括:
获取保存模块,用于根据接收到的与自身连接的至少一个图像采集设备发送的监控视频,获取每个图像采集设备对应的监控区域的静态画面;提取每个静态画面的图像特征,并针对每个图像采集设备保存所述图像特征。
本发明实施例提供了一种图像采集设备的定位方法及装置,该方法包括:获取目标图像特征,其中所述目标图像特征为根据用户输入的图像及在所述图像中确定的静态区域的信息生成的;将所述目标图像特征,与保存的与自身连接的每个图像采集设备对应的图像特征进行匹配;匹配成功时,确定所述图像特征对应的目标图像采集设备。由于本发明实施例中该监控设备中保存有自身连接的图像采集设备对应的图像特征,当获取到目标图像特征,能够根据所述目标图像特征,与保存的与自身连接的图像采集设备对应的图像特征的匹配结果,确定目标图像特征对应的图像采集设备,该过程无需用户参与提高了定位的准确性,并且直接根据图像特征进行,提高了定位的效率,并节省了网络资源。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的一种图像采集设备的定位过程示意图;
图2为本发明实施例2提供的图像采集设备的定位过程示意图;
图3为本发明实施例4提供的一种图像采集设备的定位过程示意图;
图4为本发明实施例提供的一种图像采集设备的定位方法详细实施过程示意图;
图5为本发明实施例提供的一种图像采集设备的定位装置结构示意图;
图6为本发明实施例提供的一种图像采集设备的定位装置结构示意图。
具体实施方式
为了解决现有技术中存在的定位图像采集设备时准确率低、效率低、网络资源消耗大的问题,本发明实施例提供了一种图像采集设备的定位方法及装置。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
图1为本发明实施例1提供的一种图像采集设备的定位过程,应用于监控设备,该过程包括以下步骤:
S101:获取目标图像特征,其中所述目标图像特征为根据用户输入的图像及在所述图像中确定的静态区域的信息生成的。
具体的,该监控设备是能够处理图像信息的设备,例如数字视频录像机(DVR),该监控设备可以获取目标图像特征,具体的,监控设备获取所述目标图像特征的方式可以是接收用户输入的图像,并接收用户在所述图像中确定的静态区域的信息,根据所述静态区域的信息,获得待定位的图像采集设备的目标图像特征。或者也可以是电子设备根据用户输入的图像及在所述图像中确定的静态区域的信息生成的,之后电子设备将目标图像特征直接发送给监控设备,也可以是电子设备通过其他设备转发给监控设备的,该其他设备例如可以为服务器,其中监控设备和电子设备都与服务器连接,获取电子设备发送的目标图像特征包括:获取服务器发送的所述目标图像特征,其中所述目标图像特征为所述电子设备发送给所述服务器的。
其中,当监控设备获取的所述目标图像特征为电子设备直接发送给监控设备的,或者是电子设备通过其他设备转发给监控设备的时,电子设备接收用户输入的图像,并由用户对电子设备中输入所述图像中的静态区域的信息,电子设备根据用户输入图像以及所述图像中的静态区域的信息,生成目标图像特征发送给所述监控设备或通过其他设备转发给所述监控设备。
静态区域的信息可以是在所述图像中的建筑物、大门、柱子、街道等不会变化移动的区域的信息,也可以是人为指定的该图像中的区域的信息。监控设备会根据图像中的静态区域的信息,生成目标图像特征。生成的目标图像特征包括:建筑物、大门、柱子、街道等。
其中,电子设备或监控设备根据用户输入图像以及所述图像中的静态区域的信息,生成图像特征的技术为现有技术,不再进行赘述。可以根据HOG算法、LDP算法、HAAR算法或SIFT算法等其他图像特征提取的相关算法生成。
其中,图像采集设备可以是任何类型的设备,例如可以是球机或网络摄像机(IPC)设备。
S102:将所述目标图像特征,与保存的与自身连接的至少一个图像采集设备对应的图像特征进行匹配,判断是否匹配成功,若是,进行S103,否则,进行S104。
具体的,与监控设备连接的图像采集设备可以是一个,也可以是多个,将所述目标图像特征与保存的与自身连接的一个或多个图像采集设备对应的图像特征进行匹配。
其中,监控设备中保存有与其连接的每个图像采集设备对应的图像特征,该图像特征可以是监控设备根据上述每个图像采集设备采集的监控视频生成的,也可以是用户预先配置到监控设备中的。
具体的,监控设备保存了与自身连接的至少一个图像采集设备对应的图像特征,当与监控设备自身连接的图像采集设备为球机时,监控设备保存了球机多个方向上的图像特征,也就是说监控设备中针对该球机保存有多个图像特征,当进行匹配时,监控设备将目标图像特征与该球机的多个图像特征进行匹配;当与监控设备连接的图像采集设备为IPC时,监控设备针对该IPC保存有一个图像特征,当进行匹配时,监控设备将目标图像特征与该IPC的一个图像特征进行匹配。
S103:将匹配成功的图像特征对应的图像采集设备作为目标图像采集设备。
因为监控设备与至少一个图像采集设备连接,在监控设备中保存有该至少一个图像采集设备对应的图像特征,具体的可以在监控设备中保存有图像采集设备的信息-图像特征的对应关系,该图像采集设备的信息可以是图像采集设备的名称、顺序编号、设备号等信息。因此当匹配成功时,确定匹配成功的图像特征,根据图像采集设备的信息-图像特征的对应关系,可以确定该匹配成功的图像特征对应的图像采集设备的信息,因此可以将该图像采集设备作为目标图像采集设备。
S104:确定与自身连接的图像采集设备中不存在所述目标图像特征对应的图像采集设备。
如果将所述目标图像特征,与保存的与自身连接的至少一个图像采集设备对应的图像特征没有匹配成功,则认为与该监控设备连接的图像采集设备中不存在所述图像特征对应的图像采集设备。
由于本发明实施例中该监控设备中保存有自身连接的图像采集设备对应的图像特征,当获取到目标图像特征,能够根据所述目标图像特征,与保存的与自身连接的图像采集设备对应的图像特征的匹配结果,确定目标图像特征对应的图像采集设备,该过程无需用户参与提高了定位的准确性,并且直接根据图像特征进行,提高了定位的效率,并节省了网络资源。
实施例2:
在本发明实施例中所述图像特征包括:图像粗特征值和图像细特征值中的至少一个。
在对于图像特征生成时,分别可以生成图像粗特征值和图像细特征值,其中图像粗特征值是指在提取过程中精细程度较低的特征,图像细特征值是指在提取过程中精细程度较高的特征。图像粗特征值提取的精细程度较低,在进行对比时较快,对比匹配度较高。图像细特征值提取的精细程度较高,在进行对比时较慢,对比匹配度较低。图像粗特征值可以根据HOG算法或LDP算法生成,图像细特征值可以根据HAAR算法或SIFT算法或其他图像特征提取的相关算法生成。
具体的,监控设备获取的目标图像特征可以是图像粗特征值,也可以是图像细特征值,或者包含图像粗特征值和图像细特征值。
其中,当监控设备获取的目标图像特征只有图像粗特征值时,监控设备中保存有与自身连接的至少一个图像采集设备对应的图像粗特征值;当监控设备获取的目标图像特征只有图像细特征值时,监控设备中保存有与自身连接的至少一个图像采集设备对应的图像细特征值;当监控设备获取的目标图像特征包含图像粗特征值和图像细特征值时,监控设备种保存有与自身连接的至少一个图像采集设备对应的图像粗特征值和图像细特征值。
当所述图像特征包括图像粗特征值和图像细特征值,为了提高图像采集设备的定位效率,在图1所示实施例的基础上,本发明实施例中所述将所述目标图像特征,与保存的与自身连接的每个图像采集设备对应的图像特征进行匹配包括:
将所述目标图像特征中的目标图像粗特征值,与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值进行匹配;
当匹配成功时,识别匹配成功的图像粗特征值对应的图像采集设备,将所述目标图像特征中的目标图像细特征值,与识别出的图像采集设备对应的图像细特征值进行匹配。
具体的,目标图像特征包括目标图像粗特征值和目标图像细特征值,当该监控设备将目标图像粗特征值和目标图像细特征值,与保存的与自身连接的至少一个图像采集设备对应的图像特征进行匹配时,首先该监控设备将目标图像特征中的目标图像粗特征值,与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值进行匹配,当匹配成功时,识别匹配成功的图像粗特征值对应的图像采集设备,将目标图像特征中的目标图像细特征值,与识别出的图像采集设备对应的图像细特征值进行匹配。
因为图像粗特征值之间进行匹配难度低,可以快速的过滤掉与目标图像特征不匹配的图像采集设备,当所有的图像粗特征值都匹配不成功时,监控设备确定与自身连接的图像采集设备中不存在所述目标图像特征对应的图像采集设备;图像粗特征值匹配成功之后识别匹配成功的图像粗特征值对应的图像采集设备,再继续根据识别出的图像采集设备的图像细特征值,在识别出的图像采集设备中进行定位,提高了目标图像采集设备的定位效率。
当目标图像粗特征值与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值匹配不成功时,或,目标图像细特征值,与识别出的图像采集设备对应的图像细特征值匹配不成功时,确定与自身连接的图像采集设备中不存在所述目标图像特征对应的图像采集设备。
监控设备提取与自身连接的至少一个图像采集设备对应的图像粗特征值,并根据建立图像采集设备与图像粗特征值的粗索引,监控设备提取与自身连接的至少一个图像采集设备对应的图像细特征值,并建立图像采集设备与图像细特征值的细索引,并且监控设备首先根据获取的目标图像粗特征值与保存的粗索引进行匹配,然后将目标图像细特征值与匹配成功的图像采集设备对应的细索引进行匹配,通过这种分布式检索定位图像采集设备的方式,减轻了匹配压力,提高了图像采集设备的定位效率。
图2为本发明的实施例2提供的图像采集设备的定位过程示意图,该过程包括以下步骤:
S201:监控设备获取目标图像特征,其中所述目标图像特征中包括目标图像粗特征值与目标图像细特征值。
S202:提取目标图像特征中的目标图像粗特征值,将所述目标图像特征中的目标图像粗特征值,与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值进行匹配,判断是否匹配成功,如果是,进行S203,否则,进行S205。
S203:识别匹配成功的图像粗特征值对应的图像采集设备,提取目标图像特征中的目标图像细特征值,将所述目标图像细特征值,与识别出的图像采集设备对应的图像细特征值进行匹配,判断是否匹配成功,如果是,进行S204,否则,进行S205。
S204:将匹配成功的图像特征对应的图像采集设备作为目标图像采集设备。
S205:确定与自身连接的图像采集设备中不存在所述目标图像特征对应的图像采集设备。
实施例3:
为了提高后续定位的准确性,监控设备可以提取并保存与自身连接的至少一个图像采集设备对应的图像特征,具体的在本发明实施例中,确定并保存所述与自身连接的每个图像采集设备对应的图像特征的过程包括:
根据接收到的与自身连接的每个图像采集设备发送的监控视频,获取每个图像采集设备对应的监控区域的静态画面;
提取每个静态画面的图像特征,并针对每个图像采集设备保存所述图像特征。
具体的,该监控设备接收与自身连接的每个图像采集设备发送的监控视频,通过对该监控视频的每帧图像进行比对,获取每个图像采集设备对应的监控区域的静态画面,并根据静态画面建立静态模型,提取每个静态画面的图像特征,并针对每个图像采集设备保存所述图像特征,根据所述图像特征建立特征索引。其中,监控设备提取每个静态画面的图像特征为技术为现有技术,不再进行赘述。
实施例4:
图3为本发明实施例4提供的一种图像采集设备的定位过程,该过程包括以下步骤:
S301:电子设备接收用户输入的图像,并接收用户在所述图像中确定的静态区域的信息。
具体的,电子设备接收用户输入图像,该图像为待定位的图像采集设备采集的图像,并且用户输入所述图像中的静态区域的信息,具体的可以是用户在电子设备显示的该图像上进行点击,框选等操作进行静态区域的输入。
因为在进行视频监控时,每个图像采集设备是对应一个监控区域的,该监控区域内存在一定固定不动的场景,例如图像采集设备采集的是十字路口的交通信息,则该图像采集设备对应的监控区域内该交通路口的路面、旁边的植被、交通灯等固定不变的物体所在的区域,为采集的图像中的静态区域。
该电子设备可以是移动终端、智能终端、PC等。
S302:根据所述静态区域的信息,生成目标图像特征,并将所述目标图像特征发送给监控设备。
电子设备根据用户输入的图像以及所述图像中的静态区域,生成目标图像特征。其中,电子设备生成目标图像特征的技术为现有技术,不再进行赘述。
具体的,电子设备生成目标图像特征后,将该目标图像特征发送给监控设备,电子设备可以与监控设备直接连接,则电子设备直接将目标图像特征发送给监控设备,电子设备也可以通过其他设备将目标图像特征转发给监控设备,该其他设备例如可以为服务器。当该其他设备为服务器时,所述将所述目标图像特征发送给监控设备包括:
将所述目标图像特征的信息发送给服务器,使服务器将所述目标图像特征发送给监控设备。
S303:接收所述监控设备发送的所述目标图像特征对应的目标图像采集设备的信息,其中所述目标图像采集设备的信息是监控设备在保存的与所述监控设备连接的每个图像采集设备对应的图像特征中,与所述目标图像特征匹配成功的图像特征对应的图像采集设备。
具体的,该电子设备接收用户输入的图像,该用户可以通过点画的方式在图像中选画出静态区域,并根据用户在所述图像中确定的静态区域的信息生成目标图像特征,并将所述目标图像特征发送给监控设备。
监控设备中保存有与其连接的每个图像采集设备对应的图像特征,该图像特征可以是监控设备根据上述每个图像采集设备采集的监控视频生成的,也可以是用户预先配置到监控设备中的。
监控设备获取到电子设备发送的目标图像特征后,将所述目标图像特征,与保存的与自身连接的至少一个图像采集设备对应的图像特征进行匹配,当匹配成功时,将匹配成功的图像特征对应的图像采集设备作为目标图像采集设备,并将所述目标图像采集设备的信息发送给所述电子设备。
因为监控设备获取到的目标图像特征是电子设备发送的,具体的可以是电子设备直接发送给监控设备的,也可以是通过其他设备,例如服务器转发给监控设备的。因此当监控设备将所述目标图像采集设备的信息发送给所述电子设备,如果监控设备与电子设备直连,则监控设备直接将该目标图像采集设备的信息发送给所述电子设备,如果是监控设备和电子设备都连接服务器,则监控设备将该目标图像采集设备的信息发送给服务器,由服务器转发给电子设备。
由于本发明实施例中该监控设备中保存有自身连接的图像采集设备对应的图像特征,当获取到目标图像特征,能够根据所述目标图像特征,与保存的与自身连接的图像采集设备对应的图像特征的匹配结果,确定目标图像特征对应的图像采集设备,该过程无需用户参与提高了定位的准确性,并且直接根据图像特征进行,提高了定位的效率,并节省了网络资源。
实施例5:
在电子设备中保存有可进行图像采集设备定位的监控设备的信息,在进行图像采集设备定位时,电子设备可以在保存的监控设备中,进行图像采集设备定位。如果用户对进行定位的图像采集设备的位置范围有一定的了解,可以选择进行定位的监控设备的范围,以提高定位的效率。
具体的,本发明实施例中,所述将所述目标图像特征发送给监控设备包括:
根据用户选择的监控设备的标识信息,将所述目标图像特征发送给所述标识信息的监控设备。
具体的,电子设备可以与多台监控设备连接,并在本地保存该每台监控设备的信息,该信息为监控设备的标识信息,例如可以是监控设备的名称、顺序编号、设备号等信息。当用户需要进行选择时,显示每台监控设备的标识信息,或者,提供输入界面,用户可以在界面中输入进行定位的监控设备的标识信息,该电子设备可以根据用户选择的监控设备的标识信息,将目标图像特征发送给标识信息的监控设备。
图4为本发明实施例提供的一种图像采集设备的定位方法详细实施过程示意图,该过程包括以下步骤:
S401:电子设备接收用户输入的图像,并接收用户在所述图像中确定的静态区域的信息。
S402:根据所述静态区域的信息,生成目标图像特征。
S403:接收用户选择的监控设备的标识信息。
S404:根据用户选择的监控设备的标识信息,将所述目标图像特征发送给所述标识信息的服务器。
S405:服务器将该目标图像特征发送给监控设备。
S406:监控设备获取服务器发送的目标图像特征,其中所述目标图像特征为所述电子设备根据用户输入的图像及在所述图像中确定的静态区域的信息生成的。
S407:将所述目标图像特征,与保存的与自身连接的至少一个图像采集设备对应的图像特征进行匹配,判断是否匹配成功,如果是,进行S408,否则,进行S409。
S408:将匹配成功的图像特征对应的图像采集设备作为目标图像采集设备,并将所述目标图像采集设备的信息发送给所述电子设备。
S409:确定与自身连接的图像采集设备中不存在所述目标图像特征对应的图像采集设备。
图5为本发明实施例提供的一种图像采集设备的定位装置结构示意图,应用于监控设备,所述监控设备与至少一个图像采集设备连接,该装置包括:
获取模块51,用于获取目标图像特征,其中所述目标图像特征为根据用户输入的图像及在所述图像中确定的静态区域的信息生成的;
匹配模块52,用于将所述目标图像特征,与保存的与自身连接的至少一个图像采集设备对应的图像特征进行匹配;
确定模块53,用于当匹配模块匹配成功时,确定匹配成功的图像特征对应的图像采集设备作为目标图像采集设备。
所述匹配模块52,具体用于将所述目标图像特征中的目标图像粗特征值,与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值进行匹配;当匹配成功时,识别匹配成功的图像粗特征值对应的图像采集设备,将所述目标图像特征中的目标图像细特征值,与识别出的图像采集设备对应的图像细特征值进行匹配。
所述确定模块53,还用于当匹配模块匹配不成功时,确定与自身连接的图像采集设备中不存在所述目标图像特征对应的图像采集设备,其中所述匹配不成功包括目标图像粗特征值与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值匹配不成功,或,目标图像细特征值,与识别出的图像采集设备对应的图像细特征值匹配不成功。
图6为本发明实施例提供的一种图像采集设备的定位装置结构示意图,在图5的基础上,所述装置还包括:
获取保存模块54,用于根据接收到的与自身连接的至少一个图像采集设备发送的监控视频,获取每个图像采集设备对应的监控区域的静态画面;提取每个静态画面的图像特征,并针对每个图像采集设备保存所述图像特征。
本发明实施例提供了一种图像采集设备的定位方法及装置,用以解决现有技术中定位图像采集设备时准确率低、效率低、网络资源消耗大的问题,该方法包括:获取目标图像特征,其中所述目标图像特征为根据用户输入的图像及在所述图像中确定的静态区域的信息生成的;将所述目标图像特征,与保存的与自身连接的每个图像采集设备对应的图像特征进行匹配;匹配成功时,确定所述图像特征对应的目标图像采集设备。由于本发明实施例中该监控设备中保存有自身连接的图像采集设备对应的图像特征,当获取到目标图像特征,能够根据所述目标图像特征,与保存的与自身连接的图像采集设备对应的图像特征的匹配结果,确定目标图像特征对应的图像采集设备,该过程无需用户参与提高了定位的准确性,并且直接根据图像特征进行,提高了定位的效率,并节省了网络资源。
对于***/装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种图像采集设备的定位方法,其特征在于,应用于监控设备,所述监控设备与至少一个图像采集设备连接,该方法包括:
获取目标图像特征,其中所述目标图像特征为根据用户输入的图像及在所述图像中确定的静态区域的信息生成的;
将所述目标图像特征,与保存的与自身连接的至少一个图像采集设备对应的图像特征进行匹配;
当匹配成功时,将匹配成功的图像特征对应的图像采集设备作为目标图像采集设备。
2.根据权利要求1所述的方法,其特征在于,所述图像特征包括:图像粗特征值和图像细特征值中的至少一个。
3.根据权利要求2所述的方法,其特征在于,当所述图像特征包括图像粗特征值和图像细特征值,所述将所述目标图像特征,与保存的与自身连接的至少一个图像采集设备对应的图像特征进行匹配包括:
将所述目标图像特征中的目标图像粗特征值,与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值进行匹配;
当匹配成功时,识别匹配成功的图像粗特征值对应的图像采集设备,将所述目标图像特征中的目标图像细特征值,与识别出的图像采集设备对应的图像细特征值进行匹配。
4.根据权利要求3所述的方法,其特征在于,当目标图像粗特征值与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值匹配不成功时,或,目标图像细特征值,与识别出的图像采集设备对应的图像细特征值匹配不成功时,确定与自身连接的图像采集设备中不存在所述目标图像特征对应的图像采集设备。
5.根据权利要求1所述的方法,其特征在于,确定并保存所述与自身连接的至少一个图像采集设备对应的图像特征的过程包括:
根据接收到的与自身连接的至少一个图像采集设备发送的监控视频,获取每个图像采集设备对应的监控区域的静态画面;
提取每个静态画面的图像特征,并针对每个图像采集设备保存所述图像特征。
6.一种图像采集设备的定位装置,其特征在于,所述装置包括:
获取模块,用于获取目标图像特征,其中所述目标图像特征为根据用户输入的图像及在所述图像中确定的静态区域的信息生成的;
匹配模块,用于将所述目标图像特征,与保存的与自身连接的至少一个图像采集设备对应的图像特征进行匹配;
确定模块,用于当匹配模块匹配成功时,确定匹配成功的图像特征对应的图像采集设备作为目标图像采集设备。
7.根据权利要求6所述的装置,其特征在于,所述匹配模块,具体用于将所述目标图像特征中的目标图像粗特征值,与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值进行匹配;当匹配成功时,识别匹配成功的图像粗特征值对应的图像采集设备,将所述目标图像特征中的目标图像细特征值,与识别出的图像采集设备对应的图像细特征值进行匹配。
8.根据权利要求7所述的装置,其特征在于,所述确定模块,还用于当匹配模块匹配不成功时,确定与自身连接的图像采集设备中不存在所述目标图像特征对应的图像采集设备,其中所述匹配不成功包括目标图像粗特征值与保存的与自身连接的至少一个图像采集设备对应的图像粗特征值匹配不成功,或,目标图像细特征值,与识别出的图像采集设备对应的图像细特征值匹配不成功。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
获取保存模块,用于根据接收到的与自身连接的至少一个图像采集设备发送的监控视频,获取每个图像采集设备对应的监控区域的静态画面;提取每个静态画面的图像特征,并针对每个图像采集设备保存所述图像特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611057830.3A CN106529497A (zh) | 2016-11-25 | 2016-11-25 | 一种图像采集设备的定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611057830.3A CN106529497A (zh) | 2016-11-25 | 2016-11-25 | 一种图像采集设备的定位方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106529497A true CN106529497A (zh) | 2017-03-22 |
Family
ID=58357438
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611057830.3A Pending CN106529497A (zh) | 2016-11-25 | 2016-11-25 | 一种图像采集设备的定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106529497A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108965687A (zh) * | 2017-05-22 | 2018-12-07 | 阿里巴巴集团控股有限公司 | 拍摄方向识别方法、服务器及监控方法、***及摄像设备 |
WO2019034053A1 (zh) * | 2017-08-15 | 2019-02-21 | 杭州海康威视数字技术股份有限公司 | 一种目标定位方法、装置及*** |
CN111294552A (zh) * | 2018-12-07 | 2020-06-16 | 浙江宇视科技有限公司 | 图像采集设备确定方法及装置 |
CN113261031A (zh) * | 2018-09-21 | 2021-08-13 | 迪奥塔索夫特公司 | 通过处理模块相对于待监控设备定位获取模块的设备、***和方法 |
CN114596698A (zh) * | 2020-12-03 | 2022-06-07 | 腾讯科技(深圳)有限公司 | 道路监控设备位置判断方法、装置、存储介质及设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1738426A (zh) * | 2005-09-09 | 2006-02-22 | 南京大学 | 一种视频运动目标分割与跟踪方法 |
US20090016611A1 (en) * | 2007-07-10 | 2009-01-15 | Richard John Campbell | Methods and Systems for Identifying Digital Image Characteristics |
JP2013206451A (ja) * | 2012-03-27 | 2013-10-07 | System Consultants Kk | 監視空間領域内の物体検出のためのブロックマッチング探索方法 |
CN104573385A (zh) * | 2015-01-24 | 2015-04-29 | 无锡桑尼安科技有限公司 | 用于病房数据采集的机器人*** |
CN104636709A (zh) * | 2013-11-12 | 2015-05-20 | ***通信集团公司 | 一种定位监控目标的方法及装置 |
CN105046686A (zh) * | 2015-06-19 | 2015-11-11 | 奇瑞汽车股份有限公司 | 定位方法及装置 |
CN105550381A (zh) * | 2016-03-17 | 2016-05-04 | 北京工业大学 | 一种基于改进sift特征的高效图像检索方法 |
CN106012778A (zh) * | 2016-05-18 | 2016-10-12 | 东南大学 | 用于高速公路路面应变测量的数字图像采集分析方法 |
CN106034230A (zh) * | 2016-07-18 | 2016-10-19 | 西安建筑科技大学 | 一种基于soc芯片的安全型视频监控***及监控方法 |
CN106060465A (zh) * | 2016-06-20 | 2016-10-26 | 陈�胜 | 基于电子地图和视频监控的动态目标追踪***及追踪方法 |
CN106101618A (zh) * | 2016-06-16 | 2016-11-09 | 中国铝业股份有限公司 | 基于图像识别的现场设备视频监控方法 |
-
2016
- 2016-11-25 CN CN201611057830.3A patent/CN106529497A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1738426A (zh) * | 2005-09-09 | 2006-02-22 | 南京大学 | 一种视频运动目标分割与跟踪方法 |
US20090016611A1 (en) * | 2007-07-10 | 2009-01-15 | Richard John Campbell | Methods and Systems for Identifying Digital Image Characteristics |
JP2013206451A (ja) * | 2012-03-27 | 2013-10-07 | System Consultants Kk | 監視空間領域内の物体検出のためのブロックマッチング探索方法 |
CN104636709A (zh) * | 2013-11-12 | 2015-05-20 | ***通信集团公司 | 一种定位监控目标的方法及装置 |
CN104573385A (zh) * | 2015-01-24 | 2015-04-29 | 无锡桑尼安科技有限公司 | 用于病房数据采集的机器人*** |
CN105046686A (zh) * | 2015-06-19 | 2015-11-11 | 奇瑞汽车股份有限公司 | 定位方法及装置 |
CN105550381A (zh) * | 2016-03-17 | 2016-05-04 | 北京工业大学 | 一种基于改进sift特征的高效图像检索方法 |
CN106012778A (zh) * | 2016-05-18 | 2016-10-12 | 东南大学 | 用于高速公路路面应变测量的数字图像采集分析方法 |
CN106101618A (zh) * | 2016-06-16 | 2016-11-09 | 中国铝业股份有限公司 | 基于图像识别的现场设备视频监控方法 |
CN106060465A (zh) * | 2016-06-20 | 2016-10-26 | 陈�胜 | 基于电子地图和视频监控的动态目标追踪***及追踪方法 |
CN106034230A (zh) * | 2016-07-18 | 2016-10-19 | 西安建筑科技大学 | 一种基于soc芯片的安全型视频监控***及监控方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108965687A (zh) * | 2017-05-22 | 2018-12-07 | 阿里巴巴集团控股有限公司 | 拍摄方向识别方法、服务器及监控方法、***及摄像设备 |
CN108965687B (zh) * | 2017-05-22 | 2021-01-29 | 阿里巴巴集团控股有限公司 | 拍摄方向识别方法、服务器及监控方法、***及摄像设备 |
US10949995B2 (en) | 2017-05-22 | 2021-03-16 | Alibaba Group Holding Limited | Image capture direction recognition method and server, surveillance method and system and image capture device |
WO2019034053A1 (zh) * | 2017-08-15 | 2019-02-21 | 杭州海康威视数字技术股份有限公司 | 一种目标定位方法、装置及*** |
CN109410278A (zh) * | 2017-08-15 | 2019-03-01 | 杭州海康威视数字技术股份有限公司 | 一种目标定位方法、装置及*** |
CN109410278B (zh) * | 2017-08-15 | 2021-12-10 | 杭州海康威视数字技术股份有限公司 | 一种目标定位方法、装置及*** |
CN113261031A (zh) * | 2018-09-21 | 2021-08-13 | 迪奥塔索夫特公司 | 通过处理模块相对于待监控设备定位获取模块的设备、***和方法 |
CN111294552A (zh) * | 2018-12-07 | 2020-06-16 | 浙江宇视科技有限公司 | 图像采集设备确定方法及装置 |
CN114596698A (zh) * | 2020-12-03 | 2022-06-07 | 腾讯科技(深圳)有限公司 | 道路监控设备位置判断方法、装置、存储介质及设备 |
CN114596698B (zh) * | 2020-12-03 | 2024-01-23 | 腾讯科技(深圳)有限公司 | 道路监控设备位置判断方法、装置、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529497A (zh) | 一种图像采集设备的定位方法及装置 | |
CN107808111B (zh) | 用于行人检测和姿态估计的方法和装置 | |
CN112906047B (zh) | 基于深度学习的图像隐私信息保护***及其方法 | |
CN110659391A (zh) | 一种视频侦查方法及装置 | |
US20150186426A1 (en) | Searching information using smart glasses | |
CN110472599B (zh) | 对象数量确定方法、装置、存储介质与电子设备 | |
CN107084740B (zh) | 一种导航方法和装置 | |
WO2013102026A2 (en) | Method and system for video composition | |
CN113191180B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
CN110457974B (zh) | 图像叠加方法、装置、电子设备及可读存储介质 | |
CN114679607B (zh) | 一种视频帧率控制方法、装置、电子设备及存储介质 | |
CN109754034A (zh) | 一种基于二维码的终端设备定位方法及装置 | |
US9473745B2 (en) | System and method for providing live imagery associated with map locations | |
CN110087041A (zh) | 基于5g基站的视频数据处理及传输方法和*** | |
CN107590431B (zh) | 一种基于图像识别的数量统计方法及装置 | |
CN113688839B (zh) | 视频处理方法及装置、电子设备、计算机可读存储介质 | |
CN112819889B (zh) | 位置信息的确定方法及装置、存储介质、电子装置 | |
CN111654668B (zh) | 监控设备同步方法、装置及计算机终端 | |
CN111586295A (zh) | 图像生成方法、装置和电子设备 | |
CN111310595A (zh) | 用于生成信息的方法和装置 | |
KR102438501B1 (ko) | 프레임 최적화를 이용한 고화질 실시간 관제 서비스 제공 시스템 | |
CN110956115A (zh) | 场景识别方法及装置 | |
CN115311680A (zh) | 人体图像质量检测方法、装置、电子设备及存储介质 | |
CN113850837A (zh) | 视频处理方法、装置、电子设备、存储介质及计算机产品 | |
CN112749577A (zh) | 一种停车位的检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170322 |