CN109166261B - 基于图像识别的图像处理方法、装置、设备及存储介质 - Google Patents
基于图像识别的图像处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN109166261B CN109166261B CN201811186563.9A CN201811186563A CN109166261B CN 109166261 B CN109166261 B CN 109166261B CN 201811186563 A CN201811186563 A CN 201811186563A CN 109166261 B CN109166261 B CN 109166261B
- Authority
- CN
- China
- Prior art keywords
- target
- image
- target area
- frame image
- reference 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
- G08B13/19602—Image analysis to detect motion of the intruder, e.g. by frame subtraction
- G08B13/19613—Recognition of a predetermined image pattern or behaviour pattern indicating theft or intrusion
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明实施例公开了一种基于图像识别的图像处理方法、装置、设备及存储介质,其中方法包括:通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据;按照预设的筛选规则从所述目标视频数据中筛选出目标帧图像,并获取所述目标区域的参考图像,将所述目标帧图像的特征信息与所述参考图像的特征信息进行比对,以得到所述目标帧图像与所述参考图像之间的匹配度;当所述目标帧图像与所述参考图像的匹配度小于预设阈值时,确定所述目标区域中存在所述目标对象闯入,自动地识别出闯入监控区域的对象,提高图像识别的效率。
Description
技术领域
本发明涉及医疗技术领域,尤其涉及一种基于图像识别的图像处理方法、装置、设备及存储介质。
背景技术
图像识别是一种对图像进行处理、分析和理解,以识别出图像中的对象的方法,该方法广泛应用于安防视频监控、图像检索、自动驾驶或质量检测等领域,给用户的生活及工作带来极大便利。在安防视频监控领域中,主要通过工作人员观看针对所监控区域拍摄的视频数据,以通过对比视频数据中的每两帧图像来判断监控区域是否存在异常的对象(如陌生人)闯入。实践中发现,该图像识别方法需要耗费大量时间、占用大量的劳动资源,导致图像识别的效率较低。
发明内容
本发明实施例提供一种基于图像识别的图像处理方法、装置、设备及存储介质,自动地识别出闯入监控区域的对象,提高图像识别的效率。
第一方面,本发明实施例提供了一种基于图像识别的图像处理方法,该方法包括:
通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据;
按照预设的筛选规则从所述目标视频数据中筛选出目标帧图像,并获取所述目标区域的参考图像,所述参考图像是指所述目标区域不存在目标对象闯入时所拍摄的图像;
将所述目标帧图像的特征信息与所述参考图像的特征信息进行比对,以得到所述目标帧图像与所述参考图像之间的匹配度;
当所述目标帧图像与所述参考图像的匹配度小于预设阈值时,确定所述目标区域中存在所述目标对象闯入。
第二方面,本发明实施例提供了一种基图像处理装置,该装置包括:
拍摄模块,用于通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据。
筛选模块,用于按照预设的筛选规则从所述目标视频数据中筛选出目标帧图像,并获取所述目标区域的参考图像,所述参考图像是指所述目标区域不存在目标对象闯入时所拍摄的图像。
比对模块,用于将所述目标帧图像的特征信息与所述参考图像的特征信息进行比对,以得到所述目标帧图像与所述参考图像之间的匹配度。
确定模块,用于当所述目标帧图像与所述参考图像的匹配度小于预设阈值时,确定所述目标区域中存在所述目标对象闯入。
第三方面,本发明实施例提供了一种监控设备,该设备包括:处理器,适于实现一条或一条以上指令;以及,计算机存储介质,所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由处理器加载并执行如下步骤:
通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据;
按照预设的筛选规则从所述目标视频数据中筛选出目标帧图像,并获取所述目标区域的参考图像,所述参考图像是指所述目标区域不存在目标对象闯入时所拍摄的图像;
将所述目标帧图像的特征信息与所述参考图像的特征信息进行比对,以得到所述目标帧图像与所述参考图像之间的匹配度;
当所述目标帧图像与所述参考图像的匹配度小于预设阈值时,确定所述目标区域中存在所述目标对象闯入。
第四方面,本发明实施例提供了一种计算机可读存储介质,所述计算机存储介质存储有一条或一条以上指令,所述一条或一条以上指令适于由处理器加载并执行如下步骤:
通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据;
按照预设的筛选规则从所述目标视频数据中筛选出目标帧图像,并获取所述目标区域的参考图像,所述参考图像是指所述目标区域不存在目标对象闯入时所拍摄的图像;
将所述目标帧图像的特征信息与所述参考图像的特征信息进行比对,以得到所述目标帧图像与所述参考图像之间的匹配度;
当所述目标帧图像与所述参考图像的匹配度小于预设阈值时,确定所述目标区域中存在所述目标对象闯入。
本发明实施例中,可通过对目标区域的视频数据中的目标帧图像进行识别,可自动识别出目标区域是否存在目标对象闯入,节省劳动资源,提高图像识别的效率,满足用户对视频监控的自动化、智能化需求,可有效的确保用户的安全性;另外,通过对目标区域的视频数据进行筛选,只需要对视频数据中的部分帧图像进行识别,不需要对视频数据中的所有图像进行识别,进一步,提高图像识别的效率。
附图说明
为了更清楚地说明本发明实施例技术方案,下面将对实施例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是本发明实施例提供的一种基于图像识别的图像处理方法的流程示意图;
图2是本发明另一实施例提供的一种基于图像识别的图像处理方法的流程示意图;
图3是本发明实施例提供的一种图像处理装置的结构示意图;
图4是本发明另一实施例提供的一种监控设备的结构示意图。
具体实施方式
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做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。
本发明实例可以由监控设备来执行,该监控设备可以包括前端部分、传输部分、及后端部分,前端部分:主要由摄像机、传感器、镜头、云台、防护罩、支架、解码器等组成,主要用于拍摄视频、音频或图像等;传输部分:使用电缆、电线采取架空、地埋或沿墙敷设等方式传输视频、音频或控制信号等;后端部分:主要由画面分割器、监视器、控制装置、录像存储装置等,主要用于对视频数或图像进行处理。
本发明实例可以应用于安防视频监控场景中,以通过对场景的视频数据进行分析,判断这些场景中是否有目标对象闯入,安防视频监控场景包括居民小区的视频监控场景、军事区域的视频监控场景或商场仓库的视频监控场景等等,目标对象包括陌生人或动物等等。具体的,为了对监控区域进行监控,监控设备的拍摄装置可以对监控区域进行拍摄,得到监控区域的视频数据。对按照预设的筛选规则从监控区域的视频数据中筛选出目标帧图像,并获取监控区域的参考图像,该参考图像为监控区域不存在目标对象闯入的图像,将目标帧图像的特征信息与参考图像的特征信息进行比对,得到目标帧图像与参考图像之间的匹配度,当目标帧图像与参考图像的匹配度小于预设阈值时,表明目标帧图像与参考图像之间的差异性较大,确定监控区域存在目标对象闯入。可通过对目标区域的视频数据中的目标帧图像进行识别,可自动识别出目标区域是否存在目标对象闯入,节省劳动资源,提高图像识别的效率,满足用户对视频监控的自动化、智能化需求,可有效的确保用户的安全性;另外,通过对目标区域的视频数据进行筛选,只需要对视频数据中的部分帧图像进行识别,不需要对视频数据中的所有图像进行识别,进一步,提高图像识别的效率。
请参见图1,是本发明实施例提供的一种基于图像识别的图像处理方法的流程示意图,本发明实施例的所述方法可以由上述提及的监控设备来执行。本实施例中,该基于图像识别的图像处理方法包括以下步骤。
S101、通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据。
本发明实施例中,在禁止陌生人或动物等目标对象闯入的目标区域中,为了用户的人身安全及财产安全,可以通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据。该拍摄装置可以是指全景摄像装置或半球摄像装置等,目标区域可以是指居民小区的入口区域、车库、商场的仓库所在区域或军事区域等。
在一个实施例中,通过监控设备中的传感器检测到存在有人或动物等闯入监控区域时,则触发监控设备的拍摄装置对监控区域进行拍摄,得到监控区域的视频数据,例如,通过传感器发射红外光谱,并接收反射的红外光谱,计算发射红外光谱与反射的红外光谱之间的时间间隔,当时间间隔低于预设时间阈值时,确定目标区域存在人或动物闯入,触发监控设备的拍摄装置对监控区域进行拍摄,得到监控区域的视频数据。
在另一个实施例中,为了降低监控设备处理图像数据压力,监控设备可以对某个时间段的目标区域进行监控,具体的,为拍摄装置设置拍摄时间段,当时间位于拍摄装置的拍摄时间段内时,则触发监控设备的拍摄装置对监控区域进行拍摄,得到监控区域的视频数据,该拍摄时间段可以是根据目标区域历史闯入目标对象的时间规律设置的,该拍摄时间段可以是指目标区域历史闯入目标对象频率大于预设频率的时间段,如该拍摄时间段是指晚间6:00~12:00。
S102、按照预设的筛选规则从目标视频数据中筛选出目标帧图像,并获取目标区域的参考图像,参考图像是指目标区域不存在目标对象闯入时所拍摄的图像。
本发明实施例中,为了提高图像识别的效率,监控设备可以按照预设的筛选规则从目标视频数据中筛选出目标帧图像,并获取参考图像,参考图像可以是从目标视频中获取的,也可以是指根据目标区域的历史视频数据获取的,该参考图像是指目标区域不存在目标对象闯入时所拍摄的图像。
S103、将目标帧图像的特征信息与参考图像的特征信息进行比对,以得到目标帧图像与参考图像的匹配度。
本发明实施例中,监控设备可以将目标帧图像及参考图像作为一个整体,获取目标帧图像的特征信息及参考图像的特征信息,该特征信息可以是指方向梯度直方图(Histogram of Oriented Gradient,HOG)、尺度不变特征变换(Scale-invariant featuretransform,SIFT)或颜色直方图Color Histogram中的至少一种,将目标帧图像的特征信息与参考图像的特征信息进行比对,以得到目标帧图像与参考图像之间的匹配度;或者将目标帧图像及参考图像划分为多个子图,分别获取各个子图的特征信息,根据各个子图的特征信息确定目标帧图像与参考图像之间的匹配度。其中,匹配度越大,表明目标帧图像与参考图像之间的相似度越大,即表明目标帧图像与参考图像之间的差异性越小;反之,匹配度越小,表明目标帧图像与参考图像之间的相似度越小,即表明目标帧图像与参考图像之间的差异性越大。
在一个实施例中,为了提高获取目标帧图像与参考图像之间的匹配度的效率,可以将目标帧图像的部分特征信息与参考图像的部分特征信息进行比对,以得到目标帧图像与参考图像的匹配度,具体的,按照预设的采样频率对目标帧图像的特征信息进行采样处理,及按照预设的采样频率对参考图像的特征信息进行采样处理,将目标帧图像的采样点的特征信息与参考图像对应采样点的特征信息进行比对,以得到目标帧图像与参考图像的匹配度。
在另一个实施例中,为了提高获取目标帧图像与参考图像之间的匹配度的准确度,可以将目标帧图像的所有特征信息与参考图像的对应的特征信息进行比对,以得到目标帧图像与参考图像的匹配度。
需要说明的是,为了提高获取目标帧图像与参考图像的匹配度的精度及灵活性,监控设备可以根据目标区域的稳定度动态选择特征信息的比对策略,比对策略包括全部对比和部分比对,具体的,当检测到目标区域的稳定度大于或等于预设稳定值时,表明目标区域本身变化不大,例如背景(如光照、天气等目标区域固有的对象)变化缓慢,目标对象闯入的概率较小,可以选择特征信息的部分对此策略,即将目标帧图像的部分特征信息与参考图像的部分特征信息进行比对,以目标帧图像与参考图像之间的匹配度;当检测到目标区域的稳定度小于预设稳定值时,表明目标区域本身变化较大,例如背景变化较快,目标对象闯入的概率较大,可以选择特征信息的全部对此策略,即将目标帧图像的所有特征信息与参考图像的所有特征信息进行比对,以目标帧图像与参考图像之间的匹配度。上述特征信息的比对策略还可以是用户根据个人需求手动选择的。
S104、当目标帧图像与参考图像的匹配度小于预设阈值时,确定目标区域中存在目标对象闯入。
本发明实施例中,当目标帧图像与参考图像之间的匹配度大于或等于预设阈值时,表明目标帧图像与参考图像之间的差异性较小,确定该目标区域不存在目标对象闯入;当目标帧图像与参考图像之间的匹配度小于预设阈值时,表明目标帧图像与参考图像之间的差异性较大,确定该目标区域存在目标对象闯入。为了精确度地识别到目标对象,该预设阈值可以是指目标区域的背景与目标对象的差异设置的,例如,当目标对象的特征(如颜色)与目标区域的背景内容(如背景的颜色)很接近时,将该预设阈值设置为一个较小的值,当目标对象的特征(如颜色)与目标区域的背景内容(如背景的颜色)之间的差别较大时,将该预设阈值设置为一个较大的值。。
在一个实例中,为了确保用户的人身安全及财产安全,当目标帧图像与参考图像的匹配度小于预设阈值时,监控设备可以输出提示信息,提示信息用于提示目标区域存在目标对象闯入,该提示信息可以是以语音、或闪烁警示灯、振动监控设备等形式输出的信息。
在一个实施例中,为了及时通知管理人员及时处理目标区域闯入目标对象的事件,当目标帧图像与参考图像的匹配度小于预设阈值时,获取管理员的联系信息,通过该联系信息将该目标帧图像发送至与管理员的联系信息绑定的设备,联系信息包括管理员的即时通信账号,如电话号码、微信账号或QQ账号等。
本发明实施例中,可通过对目标区域的视频数据中的目标帧图像进行识别,可自动识别出目标区域是否存在目标对象闯入,节省劳动资源,提高图像识别的效率,满足用户对视频监控的自动化、智能化需求,可有效的确保用户的安全性;另外,通过对目标区域的视频数据进行筛选,只需要对视频数据中的部分帧图像进行识别,不需要对视频数据中的所有图像进行识别,进一步,提高图像识别的效率。
请参见图2,是本发明实施例提供的另一种基于图像识别的图像处理方法的流程示意图,本发明实施例的所述方法可以由上述提及的监控设备来执行。本实施例中,该基于图像识别的图像处理方法包括以下步骤。
S201、通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据。
在一个实施例中,通过传感器获取目标区域的温度信息,当目标区域的温度信息指示目标区域的温度值大于预设温度值时,执行通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据的步骤;或者,接收针对所述目标区域的拍摄指令,执行所述通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据的步骤。
为了降低监控设备处理图像数据压力,监控设备可以由目标区域中的参数触发拍摄装置拍摄视频,具体,通过传感器获取目标区域的温度信息,当目标区域的温度信息指示目标区域的温度值大于预设温度值时,该目标区域存在有温度的对象闯入,该对象可以是指人或动物,为了避免闯入的对象为陌生人或动物,触发监控设备的拍摄装置对监控区域进行拍摄,得到监控区域的视频数据。
或者,可以由用户触发拍摄装置进行拍摄,具体的,接收用户发送的拍摄指令,并触发监控设备的拍摄装置对监控区域进行拍摄,得到监控区域的视频数据,用户可以通过触控(如按键、滑动或点击)或语音等方式向拍摄装置发送拍摄指令。
S202、按照预设的筛选规则从目标视频数据中筛选出目标帧图像,并获取目标区域的参考图像,参考图像是指目标区域不存在目标对象闯入时所拍摄的图像。
在一个实例中,该预设的筛选规则包括按照场景变化参数的筛选规则,步骤S202包括如下步骤S11~S12。
S11、根据该目标区域的历史视频数据获取所述目标区域的场景变化参数,该场景变化参数用于指示所述目标区域的稳定度。
S12、根据所述目标区域的场景变化参数获取该目标区域的参考图像,并根据所述目标区域的场景变化参数从所述目标视频中筛选出所述目标帧图像。
在步骤S11~S12中,监控设备可以根据目标区域的场景变化参数获取参考图像及目标帧图像,具体的,监控设备可以获取预设时间段内该目标区域的历史数据,并根据历史数据获取目标区域的场景变化参数,并根据该目标区域的场景变化参数获取参考图像,并根据场景变化参数从目标视频数据中筛选出目标帧图像。
由于在同样的时间段内,目标区域的场景变化参数具有较大相似性,因此,监控设备可以获取当前的时间,获取当前时间对应的目标区域的历史视频数据,根据当前时间对应的目标区域的历史视频数据确定目标区域的场景变化参数。例如,当前时间为晚间6:00时,监控设备可以获取晚间6:00~12:00时间段内的目标区域的历史视频数据,根据晚间6:00~12:00时间段内的目标区域的历史视频数据获取目标区域的场景变化参数。
在一个实施例中,步骤S12包括:当场景变化参数指示目标区域的稳定度大于或等于预设稳定值,获取目标区域的历史视频数据中不存在目标对象的多帧图像;对该多帧图像的像素信息进行平均化处理,以得到所述目标区域的参考图像,按照第一预设时间间隔从所述目标视频中选择图像,且每次一帧图像,将选择的图像作为目标帧图像。
当场景变化参数指示目标区域的稳定度大于或等于预设稳定值,表明目标区域本身变化不大,例如背景变化缓慢,目标对象闯入的概率较小,目标对象闯入在目标区域的移动速度小于预设速度,这时可以根据历史视频数据获取参考图像,监控设备可以获取目标区域的历史视频数据中不存在目标对象的多帧图像,对该多帧图像的像素信息进行平均化处理,以得到目标区域的参考图像,并按照第一预设时间间隔从所述目标视频中选择图像,且每次一帧图像,将选择的图像作为目标帧图像,第一预设时间间隔可以根据目标区域闯入目标对象的时间规律设置,例如,在晚间闯入目标对象的概率较大,可以将第一预设时间间隔设置一个较小值,在工作时间段(如早上9:00~17:00)闯入目标对象的概率较小,可以将第一预设时间间隔设置一个较大值。
在另一个实施例中,步骤S12包括:当所述场景变化参数指示所述目标区域的稳定度小于预设稳定值时,按照第二预设时间间隔从所述目标视频中选择图像,且每次选择两帧图像;将所述两帧图像中的第一帧图像作为所述目标区域的参考图像,将所述两帧图像中的第二帧图像作为所述目标帧图像,所述第一帧图像的拍摄时间早于所述第二帧图像的拍摄时间。
当场景变化参数指示目标区域的稳定度小于预设稳定值时,表明目标区域本身变化较大,例如背景变化较快,目标对象闯入的概率较大,目标对象在目标区域的移动速度大于预设速度,这时历史视频数据不能反映目标区域本身的特征,因此可以从当前拍摄的目标视频获取参考图像,监控设备可以获取目标区域的历史视频数据中不存在目标对象的多帧图像,按照第二预设时间间隔从所述目标视频中选择图像,且每次选择两帧图像;将两帧图像中的第一帧图像作为目标区域的参考图像,将两帧图像中的第二帧图像作为目标帧图像,第一帧图像的拍摄时间早于所述第二帧图像的拍摄时间。
在一个实施例中,上述场景变化参数包括目标区域的背景变化率,目标对象闯入的概率,目标对象在目标区域的移动速度中的至少一种,上述场景变化参数指示目标区域的稳定度大于或等于预设稳定值可以是指:目标区域的背景变化率小于或等于预设变化率,和/或目标对象闯入的概率小于或等于预设概率值,和/或目标对象在目标区域的移动速度小于或等于预设速度值;上述场景变化参数指示目标区域的稳定度小于预设稳定值可以是指:目标区域的背景变化率大于预设变化率,和/或目标对象闯入的概率大于预设概率值,和/或目标对象在目标区域的移动速度大于预设速度值。
S203、将目标帧图像的特征信息与参考图像的特征信息进行比对,以得到目标帧图像与参考图像的匹配度。
在一个实例中,按照预设的划分规则将目标帧图像和参考图像分别划分为多个子图像,获取目标帧图像中的每个子图像的特征信息,及参考图像中的每个子图像的特征信息,将目标帧图像中的每个子图像的特征信息与参考图像中的对应子图像的特征信息进行比对,以得到目标帧图像中的每个子图像与参考图像中的对应子图像之间的匹配度,对确定出的匹配度进行加权求和,得到目标帧图像与参考图像之间的匹配度。
为了提高获取目标帧图像与参考图像之间的匹配度的精确度,监控设备可以按照预设的划分规则将目标帧图像和参考图像分别划分为多个子图像,该预设的划分规则包括横向划分规则和/或纵向划分规则和/或斜向划分规则,并获取目标帧图像中的每个子图像的特征信息,及参考图像中的每个子图像的特征信息,将目标帧图像中的每个子图像的特征信息与参考图像中的对应子图像的特征信息进行比对,以得到目标帧图像中的每个子图像与参考图像中的对应子图像之间的匹配度,为目标帧图像中的每个子图设置权重,该子图的权重用于反映该子图对目标帧图像与参考图像之间的匹配度的影响程度,根据每个子图的权重对确定出的匹配度进行加权求和,得到目标帧图像与参考图像之间的匹配度。
上述为目标帧图像中的每个子图包括:根据每个子图中所指示的区域出现目标对象的概率设置该子图的权重,例如,子图中所指示的区域为小区的围墙区域,则该区域出现目标对象的概率较小,可以将该子图的权重设置一个较小值,子图中所指示的区域为小区的入口区域,则该区域出现目标对象的概率较大,可以将该子图的权重设置一个较大值。
或者通过逻辑回归分类器对目标帧图像的每个子图设置权重,逻辑回归分类器通过子图所在区域的变化特征(即稳定度)设置每个子图的权重,具体的,为具有固定变化特征(即子图所指示区域的稳定度大于或等于预设稳定度)的子图设置较小的权重,为不具备固定变化特征(即子图所指示区域的稳定度小于预设稳定度)的子图设置较大的权重。例:子图所是指的区域为路***通信号灯所在的区域,交通通信号灯具有固定变化特征,可将该子图设置较小的权重;子图所是指的区域为路口的斑马线所在的区域,斑马线所在的区域人流量通常不具有固定特征,可将该子图设置较大的权重。
在一个实施例中,为了提高获取目标帧图像与参考图像之间的匹配度的精确度,并提高获取目标帧图像与参考图像之间的匹配度的效率,监控设备可以按照预设的划分规则将目标帧图像和参考图像分别划分为多个子图像,该预设的划分规则包括横向划分规则和/或纵向划分规则和/或斜向划分规则,并获取目标帧图像中的每个子图像的特征信息,及参考图像中的每个子图像的特征信息,将目标帧图像中的每个子图像的特征信息与参考图像中的对应子图像的特征信息进行比对,以得到目标帧图像中的每个子图像与参考图像中的对应子图像之间的匹配度,统计匹配度小于预设值的子图数量,根据子图的数量确定目标帧图像与参考图像之间的匹配度。例如,当子图的数量小于预设数量阈值,确定目标帧图像与参考图像之间的匹配度小于预设阈值;当子图的数量大于或等于预设数量阈值,确定目标帧图像与参考图像之间的匹配度大于或等于预设阈值。
S204、当目标帧图像与参考图像的匹配度小于预设阈值时,确定目标区域中存在目标对象闯入。
S205、从数据库中获取与所述目标帧图像的匹配的训练图像。
S206、从数据库中获取训练图像中的对象信息,数据库中包括多张训练图像,及每张训练图像中的对象信息。
S207、将训练图像中的对象信息作为目标帧图像的目标对象的对象信息,输出目标对象的对象信息。
在步骤S204~S207中,当确定目标区域存在目标对象闯入时,监控设备可以获取目标对象的对象信息(即目标对象的标签),以便于用户可以及时采取相应的措施,降低目标对象给用户带来的危害。具体的,从数据库中获取与目标帧图像的匹配的训练图像,如获取与目标帧图像相同的训练图像,或与目标帧图像的相似度大于预设相似度值的训练图像,并从数据库中获取训练图像中的对象信息,将训练图像中的对象信息作为目标帧图像的目标对象的对象信息,并输出该目标对象的对象信息。当该目标对象为人时,该目标对象的对象信息包括该目标对象的身份信息,和/或该目标对象的反之记录信息等,该目标对象的身份信息包括名字、籍贯、年龄等;当该目标对象为动物时,该目标对象的对象信息包括名称或种类等。
本发明实施例中,可通过对目标区域的视频数据中的目标帧图像进行识别,可自动识别出目标区域是否存在目标对象闯入,节省劳动资源,提高图像识别的效率,满足用户对视频监控的自动化、智能化需求,可有效的确保用户的安全性;另外,通过对目标区域的视频数据进行筛选,只需要对视频数据中的部分帧图像进行识别,不需要对视频数据中的所有图像进行识别,进一步,提高图像识别的效率。
请参见图3,是本发明实施例提供的一种图像处理理装置的结构示意图,本发明实施例的所述装置可以设置在上述提及的监控设备中。本实施例中,该装置包括:
拍摄模块301,用于通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据。
筛选模块302,用于按照预设的筛选规则从所述目标视频数据中筛选出目标帧图像,并获取所述目标区域的参考图像,所述参考图像是指所述目标区域不存在目标对象闯入时所拍摄的图像。
比对模块303,用于将所述目标帧图像的特征信息与所述参考图像的特征信息进行比对,以得到所述目标帧图像与所述参考图像之间的匹配度。
确定模块304,用于当所述目标帧图像与所述参考图像的匹配度小于预设阈值时,确定所述目标区域中存在所述目标对象闯入。
可选的,拍摄模块301,具体用于通过传感器获取所述目标区域的温度信息;当所述目标区域的温度信息指示所述目标区域的温度值大于预设温度值时,执行所述通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据的步骤;或者,接收针对所述目标区域的拍摄指令,执行所述通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据的步骤。
可选的,所述预设的筛选规则包括按照场景变化参数的筛选规则;筛选模块302,具体用于根据所述目标区域的历史视频数据获取所述目标区域的场景变化参数,所述场景变化参数用于指示所述目标区域的稳定度;根据所述目标区域的场景变化参数获取所述目标区域的参考图像,并根据所述目标区域的场景变化参数从所述目标视频中筛选出所述目标帧图像。
可选的,筛选模块302,具体用于当所述场景变化参数指示所述目标区域的稳定度大于或等于预设稳定值,获取所述目标区域的历史视频数据中不存在所述目标对象的多帧图像;对所述多帧图像的像素信息进行平均化处理,以得到所述目标区域的参考图像;按照第一预设时间间隔从所述目标视频中选择图像,且每次一帧图像,将选择的图像作为所述目标帧图像。
可选的,筛选模块302,具体用于当所述场景变化参数指示所述目标区域的稳定度小于预设稳定值时,按照第二预设时间间隔从所述目标视频中选择图像,且每次选择两帧图像;将所述两帧图像中的第一帧图像作为所述目标区域的参考图像,将所述两帧图像中的第二帧图像作为所述目标帧图像,所述第一帧图像的拍摄时间早于所述第二帧图像的拍摄时间。
可选的,比对模块303,具体用于按照预设的划分规则将所述目标帧图像和所述参考图像分别划分为多个子图像;获取所述目标帧图像中的每个子图像的特征信息,及所述参考图像中的每个子图像的特征信息;将所述目标帧图像中的每个子图像的特征信息与所述参考图像中的对应子图像的特征信息进行比对,以得到所述目标帧图像中的每个子图像与所述参考图像中的对应子图像之间的匹配度;对确定出的匹配度进行加权求和,得到所述目标帧图像与所述参考图像之间的匹配度。
可选的,获取模块305,用于从数据库中获取与所述目标帧图像的匹配的训练图像,从所述数据库中获取所述训练图像中的对象信息,所述数据库中包括多张训练图像,及每张训练图像中的对象信息。
可选的,输出模块306,用于将所述训练图像中的对象信息作为所述目标帧图像中的目标对象的对象信息;输出所述目标对象的对象信息。
本发明实施例中,可通过对目标区域的视频数据中的目标帧图像进行识别,可自动识别出目标区域是否存在目标对象闯入,节省劳动资源,提高图像识别的效率,满足用户对视频监控的自动化、智能化需求,可有效的确保用户的安全性;另外,通过对目标区域的视频数据进行筛选,只需要对视频数据中的部分帧图像进行识别,不需要对视频数据中的所有图像进行识别,进一步,提高图像识别的效率。
请参见图4,是本发明实施例提供的一种监控设备的结构示意图,如图所示的本实施例中的监控设备可以包括:一个或多个处理器401;一个或多个输入装置402,一个或多个输出装置403和存储器404。上述处理器401、输入装置402、输出装置403和存储器404通过总线405连接。
所处理器401可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入装置402可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、温度传感器(用于获取目标区域的温度信息)、拍摄装置(用于获取目标区域的视频数据)、麦克风等,输出装置403可以包括显示器(LCD等)、扬声器等,输出装置403可以输出目标对象的对象信息。
该存储器404可以包括只读存储器和随机存取存储器,并向处理器401提供指令和数据。存储器404的一部分还可以包括非易失性随机存取存储器,存储器404用于存储计算机程序,所述计算机程序包括程序指令,处理器401用于执行存储器404存储的程序指令,以用于执行一种基于图像识别的图像处理方法,即用于执行以下操作:
通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据;
按照预设的筛选规则从所述目标视频数据中筛选出目标帧图像,并获取所述目标区域的参考图像,所述参考图像是指所述目标区域不存在目标对象闯入时所拍摄的图像;
将所述目标帧图像的特征信息与所述参考图像的特征信息进行比对,以得到所述目标帧图像与所述参考图像之间的匹配度;
当所述目标帧图像与所述参考图像的匹配度小于预设阈值时,确定所述目标区域中存在所述目标对象闯入。
可选的,处理器401用于执行存储器404存储的程序指令,用于执行以下操作:
通过传感器获取所述目标区域的温度信息;当所述目标区域的温度信息指示所述目标区域的温度值大于预设温度值时,执行所述通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据的步骤;或者,
接收针对所述目标区域的拍摄指令,执行所述通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据的步骤。
可选的,处理器401用于执行存储器404存储的程序指令,用于执行以下操作:
根据所述目标区域的历史视频数据获取所述目标区域的场景变化参数,所述场景变化参数用于指示所述目标区域的稳定度;
根据所述目标区域的场景变化参数获取所述目标区域的参考图像,并根据所述目标区域的场景变化参数从所述目标视频中筛选出所述目标帧图像。
可选的,处理器401用于执行存储器404存储的程序指令,用于执行以下操作:
当所述场景变化参数指示所述目标区域的稳定度大于或等于预设稳定值,获取所述目标区域的历史视频数据中不存在所述目标对象的多帧图像;
对所述多帧图像的像素信息进行平均化处理,以得到所述目标区域的参考图像;
按照第一预设时间间隔从所述目标视频中选择图像,且每次一帧图像,将选择的图像作为所述目标帧图像。
可选的,处理器401用于执行存储器404存储的程序指令,用于执行以下操作:
当所述场景变化参数指示所述目标区域的稳定度小于预设稳定值时,按照第二预设时间间隔从所述目标视频中选择图像,且每次选择两帧图像;
将所述两帧图像中的第一帧图像作为所述目标区域的参考图像,将所述两帧图像中的第二帧图像作为所述目标帧图像,所述第一帧图像的拍摄时间早于所述第二帧图像的拍摄时间。
可选的,处理器401用于执行存储器404存储的程序指令,用于执行以下操作:
按照预设的划分规则将所述目标帧图像和所述参考图像分别划分为多个子图像;
获取所述目标帧图像中的每个子图像的特征信息,及所述参考图像中的每个子图像的特征信息;
将所述目标帧图像中的每个子图像的特征信息与所述参考图像中的对应子图像的特征信息进行比对,以得到所述目标帧图像中的每个子图像与所述参考图像中的对应子图像之间的匹配度;
对确定出的匹配度进行加权求和,得到所述目标帧图像与所述参考图像之间的匹配度。
可选的,处理器401用于执行存储器404存储的程序指令,用于执行以下操作:
从数据库中获取与所述目标帧图像的匹配的训练图像;
从所述数据库中获取所述训练图像中的对象信息,所述数据库中包括多张训练图像,及每张训练图像中的对象信息;
将所述训练图像中的对象信息作为所述目标帧图像中的目标对象的对象信息;
输出所述目标对象的对象信息。
本发明实施例中,可通过对目标区域的视频数据中的目标帧图像进行识别,可自动识别出目标区域是否存在目标对象闯入,节省劳动资源,提高图像识别的效率,满足用户对视频监控的自动化、智能化需求,可有效的确保用户的安全性;另外,通过对目标区域的视频数据进行筛选,只需要对视频数据中的部分帧图像进行识别,不需要对视频数据中的所有图像进行识别,进一步,提高图像识别的效率。
本发明实施例中所描述的处理器401、输入装置402、输出装置403可执行本发明实施例提供的基于图像识别的图像处理方法的第一实施例和第二实施例中所描述的实现方式,也可执行本发明实施例所描述的监控设备的实现方式,在此不再赘述。
本发明实施例中提供还了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令被处理器执行时实现本发明的图1及图2实施例中所示的基于图像识别的图像处理方法。
所述计算机可读存储介质可以是前述任一实施例所述的监控设备的内部存储单元,例如控制设备的硬盘或内存。所述计算机可读存储介质也可以是所述控制设备的外部存储设备,例如所述控制设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述计算机可读存储介质还可以既包括所述控制设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述控制设备所需的其他程序和数据。所述计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的控制设备和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的控制设备和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例是示意性的,例如,所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。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,可轻易想到各种等效的修改或替换,这些修改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权利要求的保护范围为准。
Claims (8)
1.一种基于图像识别的图像处理方法,其特征在于,包括:
通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据;
根据所述目标区域的历史视频数据获取所述目标区域的场景变化参数,所述场景变化参数用于指示所述目标区域的稳定度;所述场景变化参数包括所述目标区域的背景变化率、目标对象的闯入概率和所述目标对象在所述目标区域中的移动速度;
根据所述目标区域的场景变化参数获取所述目标区域的参考图像,并根据所述目标区域的场景变化参数从所述目标视频中筛选出目标帧图像;当所述场景变化参数指示所述目标区域的稳定度大于或等于预设稳定值时,所述参考图像是根据所述历史视频数据中不包括目标对象的多帧图像确定的,当所述场景变化参数指示所述目标区域的稳定度小于预设稳定值时,所述参考图像为所述目标视频数据中所述目标帧图像的前一帧图像;
将所述目标帧图像的特征信息与所述参考图像的特征信息进行比对,以得到所述目标帧图像与所述参考图像之间的匹配度;所述将所述目标帧图像的特征信息与所述参考图像的特征信息进行比对,以得到所述目标帧图像与所述参考图像之间的匹配度,包括:按照预设的划分规则将所述目标帧图像和所述参考图像分别划分为多个子图像;获取所述目标帧图像中的每个子图像的特征信息,及所述参考图像中的每个子图像的特征信息;根据所述目标帧图像中的每个子图像的特征信息与所述参考图像中的对应子图像的特征信息之间的差异,得到所述目标帧图像中的每个子图像与所述参考图像中的对应子图像之间的匹配度;根据所述目标帧图像中的子图像对应的区域的稳定度为所述目标帧图像中的每个子图像设置权重,根据每个子图像的权重对确定出的匹配度进行加权求和,得到所述目标帧图像与所述参考图像之间的匹配度;
当所述目标帧图像与所述参考图像的匹配度小于预设阈值时,确定所述目标区域中存在所述目标对象闯入。
2.如权利要求1所述的方法,其特征在于,还包括:
通过传感器获取所述目标区域的温度信息;当所述目标区域的温度信息指示所述目标区域的温度值大于预设温度值时,执行所述通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据的步骤;或者,
接收针对所述目标区域的拍摄指令,执行所述通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据的步骤。
3.如权利要求1所述的方法,其特征在于,所述根据所述目标区域的场景变化参数获取所述目标区域的参考图像,并根据所述目标区域的场景变化参数从所述目标视频中筛选出目标帧图像,包括:
当所述场景变化参数指示所述目标区域的稳定度大于或等于预设稳定值,获取所述目标区域的历史视频数据中不存在所述目标对象的多帧图像;
对所述多帧图像的像素信息进行平均化处理,以得到所述目标区域的参考图像;
按照第一预设时间间隔从所述目标视频中选择图像,且每次一帧图像,将选择的图像作为所述目标帧图像。
4.如权利要求1所述的方法,其特征在于,所述根据所述目标区域的场景变化参数获取所述目标区域的参考图像,并根据所述目标区域的场景变化参数从所述目标视频中筛选出目标帧图像,包括:
当所述场景变化参数指示所述目标区域的稳定度小于预设稳定值时,按照第二预设时间间隔从所述目标视频中选择图像,且每次选择两帧图像;
将所述两帧图像中的第一帧图像作为所述目标区域的参考图像,将所述两帧图像中的第二帧图像作为所述目标帧图像,所述第一帧图像的拍摄时间早于所述第二帧图像的拍摄时间。
5.如权利要求1所述的方法,其特征在于,所述确定所述目标区域中存在目标对象闯入之后,还包括:
从数据库中获取与所述目标帧图像的匹配的训练图像;
从所述数据库中获取所述训练图像中的对象信息,所述数据库中包括多张训练图像,及每张训练图像中的对象信息;
将所述训练图像中的对象信息作为所述目标帧图像中的目标对象的对象信息;
输出所述目标对象的对象信息。
6.一种图像处理装置,其特征在于,包括:
拍摄模块,用于通过拍摄装置对目标区域进行拍摄,以得到该目标区域的目标视频数据;
筛选模块,用于根据所述目标区域的历史视频数据获取所述目标区域的场景变化参数,所述场景变化参数用于指示所述目标区域的稳定度;所述场景变化参数包括所述目标区域的背景变化率、目标对象的闯入概率和所述目标对象在所述目标区域中的移动速度;
根据所述目标区域的场景变化参数获取所述目标区域的参考图像,并根据所述目标区域的场景变化参数从所述目标视频中筛选出目标帧图像;当所述场景变化参数指示所述目标区域的稳定度大于或等于预设稳定值时,所述参考图像是根据所述历史视频数据中不包括目标对象的多帧图像确定的,当所述场景变化参数指示所述目标区域的稳定度小于预设稳定值时,所述参考图像为所述目标视频数据中所述目标帧图像的前一帧图像;
比对模块,用于将所述目标帧图像的特征信息与所述参考图像的特征信息进行比对,以得到所述目标帧图像与所述参考图像之间的匹配度;所述将所述目标帧图像的特征信息与所述参考图像的特征信息进行比对,以得到所述目标帧图像与所述参考图像之间的匹配度,包括:按照预设的划分规则将所述目标帧图像和所述参考图像分别划分为多个子图像;获取所述目标帧图像中的每个子图像的特征信息,及所述参考图像中的每个子图像的特征信息;根据所述目标帧图像中的每个子图像的特征信息与所述参考图像中的对应子图像的特征信息之间的差异,得到所述目标帧图像中的每个子图像与所述参考图像中的对应子图像之间的匹配度;根据所述目标帧图像中的子图像对应的区域的稳定度为所述目标帧图像中的每个子图像设置权重,根据每个子图像的权重对确定出的匹配度进行加权求和,得到所述目标帧图像与所述参考图像之间的匹配度;
确定模块,用于当所述目标帧图像与所述参考图像的匹配度小于预设阈值时,确定所述目标区域中存在所述目标对象闯入。
7.一种监控设备,其特征在于,包括:
处理器,适于实现一条或一条以上指令;以及,
计算机存储介质,所述计算机存储介质存储有一条以上指令,所述一条以上指令适于由所述处理器加载并执行如权利要求1-5任一项所述的基于图像识别的图像处理方法。
8.一种计算机存储介质,其特征在于,所述计算机存储介质存储有一条以上指令,所述一条以上指令适于由处理器加载并执行如权利要求1-5任一项所述的基于图像识别的图像处理方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811186563.9A CN109166261B (zh) | 2018-10-11 | 2018-10-11 | 基于图像识别的图像处理方法、装置、设备及存储介质 |
PCT/CN2018/123882 WO2020073505A1 (zh) | 2018-10-11 | 2018-12-26 | 基于图像识别的图像处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811186563.9A CN109166261B (zh) | 2018-10-11 | 2018-10-11 | 基于图像识别的图像处理方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109166261A CN109166261A (zh) | 2019-01-08 |
CN109166261B true CN109166261B (zh) | 2022-06-07 |
Family
ID=64877954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811186563.9A Active CN109166261B (zh) | 2018-10-11 | 2018-10-11 | 基于图像识别的图像处理方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109166261B (zh) |
WO (1) | WO2020073505A1 (zh) |
Families Citing this family (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109889695A (zh) * | 2019-02-27 | 2019-06-14 | 努比亚技术有限公司 | 一种图像区域确定方法、终端及计算机可读存储介质 |
WO2020172870A1 (zh) * | 2019-02-28 | 2020-09-03 | 深圳市大疆创新科技有限公司 | 一种目标对象的移动轨迹确定方法和装置 |
CN110617873B (zh) * | 2019-04-26 | 2022-01-14 | 深圳市豪视智能科技有限公司 | 电缆的振动检测方法及相关产品 |
CN110225299B (zh) * | 2019-05-06 | 2022-03-04 | 平安科技(深圳)有限公司 | 视频监测方法、装置、计算机设备及存储介质 |
CN112422601B (zh) * | 2019-08-23 | 2022-06-10 | 阿里巴巴集团控股有限公司 | 数据处理方法、装置及电子设备 |
CN110633740B (zh) * | 2019-09-02 | 2024-04-09 | 平安科技(深圳)有限公司 | 一种图像语义匹配方法、终端及计算机可读存储介质 |
CN111027376A (zh) * | 2019-10-28 | 2020-04-17 | 中国科学院上海微***与信息技术研究所 | 一种确定事件图谱的方法、装置、电子设备及存储介质 |
CN111191498A (zh) * | 2019-11-07 | 2020-05-22 | 腾讯科技(深圳)有限公司 | 行为识别方法和相关产品 |
CN110991550B (zh) * | 2019-12-13 | 2023-10-17 | 歌尔科技有限公司 | 一种视频监控方法、装置、电子设备及存储介质 |
CN111047458A (zh) * | 2019-12-17 | 2020-04-21 | 江苏恒宝智能***技术有限公司 | 一种农田监控方法 |
CN111160240B (zh) * | 2019-12-27 | 2024-05-24 | 腾讯科技(深圳)有限公司 | 图像对象的识别处理方法、装置及智能设备、存储介质 |
CN111523608B (zh) * | 2020-04-30 | 2023-04-18 | 上海顺久电子科技有限公司 | 一种图像处理方法及设备 |
CN111722074B (zh) * | 2020-06-03 | 2023-06-20 | 四川蓝景光电技术有限责任公司 | 一种led标识标牌故障定位方法、装置和*** |
CN113963307A (zh) * | 2020-07-02 | 2022-01-21 | 上海际链网络科技有限公司 | 目标上内容的识别及视频采集方法、装置、存储介质、计算机设备 |
CN113938671B (zh) * | 2020-07-14 | 2023-05-23 | 北京灵汐科技有限公司 | 图像内容分析方法、装置、电子设备和存储介质 |
CN111950607A (zh) * | 2020-07-28 | 2020-11-17 | 深圳市元征科技股份有限公司 | 一种提醒方法、提醒装置及服务器 |
CN112037276A (zh) * | 2020-08-11 | 2020-12-04 | 浙江大华技术股份有限公司 | 一种二次滑坡监测方法、装置、电子设备及存储介质 |
CN112040186B (zh) * | 2020-08-28 | 2023-01-31 | 北京市商汤科技开发有限公司 | 目标对象的活动区域确定方法、装置、设备及存储介质 |
CN112189496A (zh) * | 2020-09-15 | 2021-01-08 | 津市市毛里湖镇自强柑橘农民专业合作社 | 一种农作物的种植方法 |
CN112380938B (zh) * | 2020-11-04 | 2024-05-03 | 浙江大华技术股份有限公司 | 一种人脸识别及测温方法、装置、设备及介质 |
CN112800888B (zh) * | 2021-01-15 | 2023-11-10 | 中国科学院半导体研究所 | 一种基于图像识别的报靶方法及装置 |
CN112967467B (zh) * | 2021-02-24 | 2022-07-29 | 九江学院 | 文物防盗方法、***、移动终端及存储介质 |
CN113076159B (zh) * | 2021-03-26 | 2024-02-27 | 西安万像电子科技有限公司 | 图像显示方法和装置、存储介质及电子设备 |
CN113225451B (zh) * | 2021-04-28 | 2023-06-27 | 维沃移动通信(杭州)有限公司 | 图像处理方法、装置和电子设备 |
CN113076935B (zh) * | 2021-04-29 | 2024-06-11 | 平安国际智慧城市科技股份有限公司 | 基于图像识别的监管方法、装置、服务器及介质 |
CN113177481B (zh) * | 2021-04-29 | 2023-09-29 | 北京百度网讯科技有限公司 | 目标检测方法、装置、电子设备及存储介质 |
CN113239224A (zh) * | 2021-05-14 | 2021-08-10 | 百度在线网络技术(北京)有限公司 | 异常文档识别方法、装置、设备和存储介质 |
CN114155508B (zh) * | 2021-12-08 | 2024-04-05 | 北京百度网讯科技有限公司 | 一种道路变化检测方法、装置、设备以及存储介质 |
CN116543330A (zh) * | 2023-04-13 | 2023-08-04 | 北京京东乾石科技有限公司 | 农作物信息存储方法、装置、电子设备和计算机可读介质 |
CN116503815B (zh) * | 2023-06-21 | 2024-01-30 | 宝德计算机***股份有限公司 | 一种基于大数据的计算机视觉处理*** |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8150155B2 (en) * | 2006-02-07 | 2012-04-03 | Qualcomm Incorporated | Multi-mode region-of-interest video object segmentation |
CN101853504B (zh) * | 2010-05-07 | 2012-04-25 | 厦门大学 | 基于视觉特性与结构相似度的图像质量评测方法 |
CN102404875B (zh) * | 2011-11-01 | 2014-08-27 | 北京航空航天大学 | 一种分布式智能无线图像传感器网络节点设备 |
EP2669845A3 (en) * | 2012-06-01 | 2014-11-19 | Ricoh Company, Ltd. | Target recognition system, target recognition method executed by the target recognition system, target recognition program executed on the target recognition system, and recording medium storing the target recognition program |
CN103871186A (zh) * | 2012-12-17 | 2014-06-18 | 博立码杰通讯(深圳)有限公司 | 安防监控***及相应的报警触发方法 |
CN104581054A (zh) * | 2014-12-22 | 2015-04-29 | 深圳供电局有限公司 | 基于视频的输电线路巡检方法及*** |
JP6504682B2 (ja) * | 2015-03-11 | 2019-04-24 | 株式会社Fuji | 部品種類自動判別方法及び部品種類自動判別システム並びに画像処理用部品データ作成方法及び画像処理用部品データ作成システム |
CN105512633A (zh) * | 2015-12-11 | 2016-04-20 | 谭焕玲 | 一种电力***危险目标识别方法及装置 |
CN105844671B (zh) * | 2016-04-12 | 2018-06-22 | 河北大学 | 一种变光照条件下的快速背景减除法 |
CN106297130A (zh) * | 2016-08-22 | 2017-01-04 | 国家电网公司 | 输电线路视频分析预警*** |
CN106525968B (zh) * | 2016-10-19 | 2019-06-18 | 中国人民解放军空军勤务学院 | 基于子区域的损伤概率成像定位方法 |
CN106454282A (zh) * | 2016-12-09 | 2017-02-22 | 南京创维信息技术研究院有限公司 | 安防监控方法、装置及*** |
CN108540762A (zh) * | 2017-03-01 | 2018-09-14 | 武汉摩菲智能科技有限公司 | 人工智能安防相机***和安防方法 |
-
2018
- 2018-10-11 CN CN201811186563.9A patent/CN109166261B/zh active Active
- 2018-12-26 WO PCT/CN2018/123882 patent/WO2020073505A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN109166261A (zh) | 2019-01-08 |
WO2020073505A1 (zh) | 2020-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109166261B (zh) | 基于图像识别的图像处理方法、装置、设备及存储介质 | |
WO2018223955A1 (zh) | 目标监控方法、目标监控装置、摄像机及计算机可读介质 | |
CN103270536B (zh) | 停止物体探测 | |
CN109766779B (zh) | 徘徊人员识别方法及相关产品 | |
CN108038937B (zh) | 一种迎宾信息的展示方法、装置、终端设备和存储介质 | |
US10373015B2 (en) | System and method of detecting moving objects | |
US20190295393A1 (en) | Image capturing apparatus with variable event detecting condition | |
CN109960969B (zh) | 移动路线生成的方法、装置及*** | |
CN110569770A (zh) | 人体入侵行为识别方法、装置、存储介质及电子设备 | |
CN109815839B (zh) | 微服务架构下的徘徊人员识别方法及相关产品 | |
US10657783B2 (en) | Video surveillance method based on object detection and system thereof | |
CN113628404A (zh) | 一种减少无效告警的方法及装置 | |
CN111354024A (zh) | 关键目标的行为预测方法、ai服务器及存储介质 | |
CN111401239B (zh) | 一种视频分析方法、装置、***、设备及存储介质 | |
CN111444758A (zh) | 一种基于时空信息的行人重识别方法及装置 | |
CN110674753A (zh) | 偷盗行为预警方法、终端设备及存储介质 | |
CN110505438B (zh) | 一种排队数据的获取方法和摄像机 | |
KR20190047748A (ko) | 영상의 객체 처리 방법 및 장치 | |
JP5758165B2 (ja) | 物品検出装置および静止人物検出装置 | |
Yuwono et al. | Design and implementation of human detection feature on surveillance embedded IP camera | |
CN108875477B (zh) | 曝光控制方法、装置和***及存储介质 | |
CN113989732A (zh) | 基于深度学习的实时监控方法、***、设备和可读介质 | |
US10194072B2 (en) | Method and apparatus for remote detection of focus hunt | |
CN113438286B (zh) | 信息推送方法及装置、电子设备和存储介质 | |
CN113645439B (zh) | 事件检测方法及***、存储介质及电子装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |