CN109756750B - 视频流中动态图像动态特性识别方法和装置 - Google Patents
视频流中动态图像动态特性识别方法和装置 Download PDFInfo
- Publication number
- CN109756750B CN109756750B CN201910006512.1A CN201910006512A CN109756750B CN 109756750 B CN109756750 B CN 109756750B CN 201910006512 A CN201910006512 A CN 201910006512A CN 109756750 B CN109756750 B CN 109756750B
- Authority
- CN
- China
- Prior art keywords
- dynamic
- image
- video stream
- images
- frame
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例提供一种视频流中动态图像动态特性识别方法和装置,该方法包括:获取视频流;在视频流中提取与动态图像相关联的帧图像并对帧图像进行标注;分析定位分割帧图像中动态图像和非动态图像;将帧图像各相关部分与实际物理世界建立关联;其中,各相关部分包括动态图像和所述非动态图像;计算帧图像的各相关部分之间的相对关系和所述各相关部分在相关的各所述帧图像中的变化,并结合帧图像各相关部分在所述实际物理世界中的实际物理位置和特性,确定视频流中动态图像动态特性;根据视频流中动态图像动态特性进行应用计算,实现对视频流中动态图像动态特性的精准识别以及实时识别,提高动态图像动态特性识别的效率和准确性。
Description
技术领域
本发明实施例涉及图像识别技术领域,尤其涉及一种视频流中动态图像动态特性识别方法和装置。
背景技术
目前,在军事演练、智能作业、工业生产、地形勘探、天文观测、应急救援等方面视频流中动态图像识别技术应用广泛。
现有技术中,根据视频流中相邻帧间的强相关性以及在时域上随时间动态变化等特点,可在很大程度上使运动目标的检测、分割和识别成为可能。目前较多的文献研究集中在此。
但是采用现有技术,并不能对视频流中动态图像动态特性进行精准识别以及实时识别。
发明内容
本发明实施例提供一种视频流中动态图像动态特性识别方法和装置,以克服采用现有技术,并不能对视频流中动态图像动态特性进行精准识别、实时识别的问题。
第一方面,本发明实施例提供一种视频流中动态图像动态特性识别方法,包括:
获取视频流,所述视频流为包含动态图像的视频流;
在所述视频流中提取与所述动态图像相关联的帧图像并对所述帧图像进行标注;
分析定位分割所述帧图像中动态图像和非动态图像;
将所述帧图像各相关部分与实际物理世界建立关联;其中,所述各相关部分包括所述动态图像和所述非动态图像;
计算所述帧图像的各相关部分之间的相对关系和所述各相关部分在相关的各所述帧图像中的变化,并结合所述帧图像各相关部分在所述实际物理世界中的实际物理位置和特性,确定所述视频流中动态图像动态特性;
根据所述视频流中动态图像动态特性进行应用计算。
在一种可能的设计中,所述在视频流中提取与所述动态图像相关联的帧图像并对所述帧图像进行标注包括:
针对所述帧图像中具体某一和或某一组动态事物,从视频流中提取与所述动态事物相关的帧图像,依据时间发生顺序逐次排序标注与所述动态事物相关的帧图像。
在一种可能的设计中,所述分析定位分割所述帧图像中动态图像和非动态图像包括:
针对所述帧图像中具体某一和或某一组动态事物,定位分割排序标注的各所述帧图像中所述动态事物和所述非动态事物;
根据时间变化,分析所述动态事物在各所述帧图像中的相对变化。
在一种可能的设计中,所述将帧图像各相关部分与实际物理世界建立关联包括:
识别所述帧图像中的动态事物,获得所述帧图像中的所述动态事物在所述实际物理世界中的相关特性和特征参数;
识别所述帧图像中与所述动态事物相关联的非动态图像,获得所述非动态图像在所述实际物理世界中的相关特性和特征参数;
识别所述帧图像中与所述动态事物相关联的动态图像,获得所述动态图像在所述实际物理世界中的相关特性和特征参数。
在一种可能的设计中,所述计算所述帧图像各相关部分之间的相对关系和所述各相关部分在相关各所述帧图像中的变化,并结合所述帧图像各相关部分在所述实际物理世界中的实际物理位置和特性,确定所述视频流中动态图像动态特性包括:
根据实际需求和相关理论公式,计算所述帧图像中的所述动态事物的实际特性和特征参数。
第二方面,本发明实施例提供一种视频流中动态图像动态特性识别装置,包括:
获取模块,所述获取模块用于获取视频流,所述视频流为包含动态图像的视频流;
提取模块,所述提取模块用于在所述视频流中提取与所述动态图像相关联的帧图像并对所述帧图像进行标注;
识别模块,所述识别模块用于分析定位分割所述帧图像中动态图像和非动态图像;
关联模块,所述关联模块用于将所述帧图像各相关部分与实际物理世界建立关联;
计算模块,所述计算模块用于计算所述帧图像的各相关部分之间的相对关系和所述各相关部分在相关的各所述帧图像中的变化,并结合所述帧图像各相关部分在所述实际物理世界中的实际物理位置和特性,确定所述视频流中动态图像动态特性;其中,所述各相关部分包括所述动态图像和所述非动态图像;
应用模块,所述应用模块用于根据所述视频流中动态图像动态特性进行应用计算。
在一种可能的设计中,所述提取模块具体用于:
针对所述帧图像中具体某一和或某一组动态事物,从视频流中提取与所述动态事物相关的帧图像,依据时间发生顺序逐次排序标注与所述动态事物相关的帧图像。
在一种可能的设计中,所述识别模块具体用于:
针对所述帧图像中具体某一和或某一组动态事物,定位分割排序标注的各所述帧图像中所述动态事物和所述非动态事物;
根据时间变化,分析所述动态事物在各所述帧图像中的相对变化。
在一种可能的设计中,所述关联模块具体用于:
识别所述帧图像中的动态事物,获得所述帧图像中的所述动态事物在所述实际物理世界中的相关特性和特征参数;
识别所述帧图像中与所述动态事物相关联的非动态图像,获得所述非动态图像在所述实际物理世界中的相关特性和特征参数;
识别所述帧图像中与所述动态事物相关联的动态图像,获得所述动态图像在所述实际物理世界中的相关特性和特征参数。
在一种可能的设计中,所述计算模块具体用于:
根据实际需求和相关理论公式,计算所述帧图像中的所述动态事物的实际特性和特征参数。
第三方面,本发明实施例提供一种视频流中动态图像动态特性识别装置,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如第一方面任一项所述的视频流中动态图像动态特性识别方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如第一方面任一项所述的视频流中动态图像动态特性识别方法。
本发明实施例提供一种视频流中动态图像动态特性识别方法和装置,该方法包括:获取视频流,所述视频流为包含动态图像的视频流;在所述视频流中提取与所述动态图像相关联的帧图像并对所述帧图像进行标注;分析定位分割所述帧图像中动态图像和非动态图像;将所述帧图像各相关部分与实际物理世界建立关联;计算所述帧图像的各相关部分之间的相对关系和所述各相关部分在相关的各所述帧图像中的变化,并结合所述帧图像各相关部分在所述实际物理世界中的实际物理位置和特性,确定所述视频流中动态图像动态特性;其中,所述各相关部分包括所述动态图像和所述非动态图像;根据所述视频流中动态图像动态特性进行应用计算,实现对视频流中动态图像动态特性的精准识别以及实时识别,提高应用的效率和准确性。
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一简单地介绍,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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的视频流中动态图像动态特性识别方法的流程示意图;
图2为本发明实施例提供的飞行器的动态特性识别过程的示意图;
图3为本发明实施例提供的铁锤的动态特性识别过程的示意图;
图4为本发明实施例提供的视频流中动态图像动态特性识别装置的结构示意图;
图5为本发明实施例提供的视频流中动态图像动态特性识别装置的架构示意图;
图6为本发明实施例提供的视频流中动态图像动态特性识别装置的工作流程图;
图7为本发明实施例提供的视频流中动态图像动态特性识别装置的硬件结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
图1为本发明实施例提供的视频流中动态图像动态特性识别方法的流程示意图,图2为本发明实施例提供的飞行器的动态特性识别过程的示意图,图3为本发明实施例提供的铁锤的动态特性识别过程的示意图,下面结合图2和图3,对图1实施例提供的视频流中动态图像动态特性识别方法进行说明。如图1所示,该方法包括:
S101、获取视频流,所述视频流为包含动态图像的视频流;
可选地,获取视频流的同时,还可以获取物理世界和物理特性相关数据。
S102、在所述视频流中提取与所述动态图像相关联的帧图像并对所述帧图像进行标注;
针对帧图像中具体某一和或某一组动态事物,从视频流中提取该动态事物相关的帧图像,依据时间发生顺序逐次排序标注帧图像。例如可以按照***数字由小到大的顺序来标注帧图像的时间先后顺序,也可以按照字母的先后顺序来标注帧图像的时间先后顺序,本实施例此处不做限制。
例如,下面给出了如何利用公式计算识别帧图像函数、帧数目、每帧图像中动态事物与选定某一非动态点的距离以及动态事物的面积。该非动态点也可以选定两处或多处,以计算动态事物的动态方向、动态方向变化角度、角度变化加速度等变化量或位置特征参数。
计算公式例如:Zk=zk(zd(z1,…,zM,…),zd'(z1,…,zP,…),tk)
其中Z表示帧图像函数,d和d'分别表示动态事物和静态事物,N表示帧数目,Q表示相对位置距离,S表示面积,z,f,q,s分别表示帧图像事物、帧数目、图像距离、图像面积的相应函数实现。μ和σ分别表示视频流中图像距离与实际物理距离的换算系数和视频流中图像面积与实际物理面积的换算系数。M表示视频流帧图像中第M个动态事物,P表示视频流帧图像中第P个静态事物,i表示动态事物的第i个动态区域,r表示该第i个动态区域的正方形边长,k表示第k时刻,t表示时间段,若M=0,i=0表示帧图像中没有动态事物和或没有动态区域,其中动态区域可规划为正方形、矩形、圆形、三角形、五边形等均可,中心可为动态区域的重心和或根据特殊规划需要选择的中心,静态区域也可规划为正方形、矩形、圆形、三角形、五边形等均可,中心可为静态区域的重心和或根据特殊规划需要选择的中心。
下面结合图2,对S101和S102进行说明。获取视频流如图3,图3中的动态图像为飞行器。计算视频流中共6帧图像;
对帧图像进行标注,如图2中所示,标注时间、图中各部分组成并命名、动态图像等,例如图2按照***数字由小到大的顺序来标注视频流的时间先后顺序。
下面结合图3,对本发明实施例的S101和S102进行说明。获取视频流如图3,计算视频流中共4帧图像;其中图3中视频流t0-t3时刻帧图像变化是为了描述整个视频流过程而合成的图像,其并不存在于该视频流中。
对帧图像进行标注,如图3中所示,标注时间、图中各部分组成并命名等,例如图3按照***数字由小到大的顺序来标注视频流的时间先后顺序。
可选的,如果能获取相关数据,还可以标注视频流中共6帧图像中关键事物位置、位置偏移量、相对位置等,可根据实际需要在***中设置需要标注的具体事项。
可选的,在标注之前,可通过本地数据库和或网络获取该视频流与物理世界和物理特性相关数据进行学习参照并分析计算。
S103、分析定位分割所述帧图像中动态图像和非动态图像;
针对帧图像中某一和或某一组动态事物,定位分割排序标注的每帧图像中动态事物图像和非动态事物图像。
然后再根据时间变化,分析所述动态事物在各所述帧图像中的相对变化。变化指标可为:位置偏移量,时间变化长度,动态事物整体和局部大小面积、体积、浓度、密度、颜色及其变化等变化量,动态事物整体和局部与非动态事物图像之间的位置偏移量等。
例如,下面给出了变化指标为颜色和位移的计算过程。
下面结合图2,对本发明实施例的S103进行说明。在对帧图像进行标注后,进一步分析计算,如图2所示,定位识别分割每帧图像中的飞行器、月亮和高塔。根据时间变化,分析该动态事物飞行器在每帧图像中的相对变化,变化指标可为:位置偏移量,时间变化长度,动态事物整体和局部大小面积、体积、浓度、密度、颜色及其变化等变化量,动态事物飞行器整体和局部与月亮之间的位置偏移量等。
下面结合图3,对本发明实施例的S103进行说明。在对帧图像进行标注后,进一步分析计算,如图3所示,定位识别分割每帧图像中的铁锤和铁凳。根据时间变化,分析该动态事物铁锤在每帧图像中的相对变化,变化指标可为:位置偏移量,时间变化长度,动态事物整体和局部大小面积、体积、浓度、密度、颜色及其变化等变化量,动态事物铁锤整体和局部与铁凳之间的位置偏移量等。
S104、将所述帧图像各相关部分与实际物理世界建立关联;其中,所述各相关部分包括所述动态图像和所述非动态图像;
识别帧图像中动态事物,获得帧图像中动态事物在实际物理世界中的相关特性和特征参数,如:种类、形状、大小、密度、体积、扩散速度范围、加速度范围、移动速度范围、重量范围、生活场所等。动态事物可以为固态事物、液态事物、气态事物等,如:飞行器、汽车、铁锤、行人、人体各部位、正在拆倒塌的楼房、火焰、烟、雾、空中行云、空中运动的星体、轮船、水流、波纹、机器人、机器零部件等,动态事物为视频流中相对运动和或变化的事物,本发明对动态事物种类不做限制。
识别帧图像中与动态事物相关联的非动态图像,获得该非动态图像在实际物理世界中的相关特性和特征参数,如:实际物理位置、实际空间大小、实际体积大小、实际形状、实际结构、实际硬度、实际分布等。获得该非动态图像在实际物理世界中的相关特性和特征参数,有助于帧图像动态事物的自动标注、定位、监控、检测、跟踪和分析。非动态事物为视频流中相对静止且不发生变化的事物,本发明对非动态事物种类不做限制。
可选地,可以通过internet网络自动识别和获得帧图像各相关部分与实际物理世界的关联,也可人工辅助完成。
可选地,还可以通过帧图像识别模块和/或接口、帧图像识别数据库、帧图像关联存储数据库等将帧图像各相关部分与实际物理世界建立关联。
S105、计算所述帧图像的各相关部分之间的相对关系和所述各相关部分在相关的各所述帧图像中的变化,并结合所述帧图像各相关部分在所述实际物理世界中的实际物理位置和特性,确定所述视频流中动态图像动态特性;
根据需求和相关理论公式,可计算帧图像中动态事物的实际移动速度、实际加速度、实际目标、实际力度、实际强度、实际物理位置、实际变化状态、实际变化结构等。
例如,下面给出了动态事物的实际运行时长和实际位置的计算过程。
其中,实际空间长度表示为Lreality,若动态事物匀速运动,运行全程所需预估时间为若目前动态事物所处实际物理世界的位置为Wreality,则经过时间段T的匀速直线运动,预估的实际物理世界的位置为同理,其他动态事物动态特性的计算也可根据相关公式可得。
下面结合图2,对本发明实施例的S104和S105进行说明。可通过本地数据库和或网络获取如图2所示的月亮的位置、高塔的位置、大小尺寸、材质等物理世界信息,同时获取飞行器的型号、性能、飞行任务、环境等信息及参数,还要获取飞行器飞行的动力学方程、运动学方程等物理知识。即将帧图像各相关部分与物理世界建立关联,计算并预测帧图像各相关部分之间的相对关系和各相关部分在相关各帧图像中的变化,并结合帧图像相关各部分在实际物理世界中的实际物理位置和特性,分析计算确定视频流中飞行器的动态特性,如实际速度、加速度、飞行方向、动量等。
下面结合图3,对本发明实施例的S104和S105进行说明。可通过本地数据库和或网络获取如图3所示的铁锤的位置、铁凳的位置、大小尺寸等物理世界信息,同时获取铁锤、铁凳的型号、性能、环境、材质等信息及参数,还要获取铁锤运动的动力学方程、运动学方程、碰撞理论公式等物理知识。即是将帧图像各相关部分与物理世界建立关联,计算并预测帧图像各相关部分之间的相对关系和各相关部分在相关各帧图像中的变化,并结合帧图像相关各部分在实际物理世界中的实际物理位置和特性,分析计算确定视频流中铁锤的动态特性,计算出铁锤砸上铁凳所产生碰撞力度、效应等状况。
S106、根据所述视频流中动态图像动态特性进行应用计算。
下面结合图2,对本发明实施例的S106进行说明。通过计算,如图2所示,为了使该飞行器绕过或越过高塔,可获得飞行器导航相关动力驱动力矩数据,同时根据该飞行器性能决定采取绕过还是越过该高塔,从而通过远程发送信号或人为操纵飞行器使得计算数据作用于飞行器,使得飞行器改变飞行高度、速度、加速度、飞行方向等以达到安全飞行目标。在不能避免撞上高塔的情况下,还可同样通过计算获取飞行器下一步将如何导航飞行使得即使撞上高塔,会产生的撞击力最小,从而使得损失降到最低。
下面结合图3,对本发明实施例的S106进行说明。如图3所示,为了使该铁锤砸上铁凳产生所需的效果,可根据铁锤、铁凳与物理世界和物理特性相关数据信息,快速计算得到铁锤和铁凳的相对位置、铁锤的型号、性能、位置、运动状态、所处环境等信息,从而由该数据信息作用于铁锤和铁凳产生所需的效果,达到应用的目标。
本发明实施例提供的视频流中动态图像动态特性识别方法,先获取视频流,所述视频流为包含动态图像的视频流;在所述视频流中提取与所述动态图像相关联的帧图像并对所述帧图像进行标注;分析定位分割所述帧图像中动态图像和非动态图像;将所述帧图像各相关部分与实际物理世界建立关联;计算所述帧图像的各相关部分之间的相对关系和所述各相关部分在相关的各所述帧图像中的变化,并结合所述帧图像各相关部分在所述实际物理世界中的实际物理位置和特性,确定所述视频流中动态图像动态特性;其中,所述各相关部分包括所述动态图像和所述非动态图像;根据所述视频流中动态图像动态特性进行应用计算,实现对视频流中动态图像动态特性的精准识别以及实时识别,提高应用的效率和准确性。
进一步地,本发明实施例提供的视频流中动态图像动态特性识别方法,有助于提高动态图像动态特性精准识别的准确性、精度和效率,有利于大数据视频流信息的及时有效挖掘提取和使用,减少边缘计算的延迟,提高动态图像动态特性识别的效率和准确性。本发明实施例提供的视频流中动态图像动态特性识别方法,可应用于不同行业不同场景的帧图像动态对象的自动标注、定位、监控、检测、跟踪和分析。
图4为本发明实施例提供的视频流中动态图像动态特性识别装置的结构示意图,如图4所示,本实施例提供的视频流中动态图像动态特性识别装置40包括:获取模块401、提取模块402、识别模块403关联模块404、计算模块405以及应用模块406。
获取模块401,用于获取视频流,所述视频流为包含动态图像的视频流。
提取模块402,用于在所述视频流中提取与所述动态图像相关联的帧图像并对所述帧图像进行标注。
识别模块403,用于分析定位分割所述帧图像中动态图像和非动态图像。
关联模块404,用于将所述帧图像各相关部分与实际物理世界建立关联。
计算模块405,用于计算所述帧图像的各相关部分之间的相对关系和所述各相关部分在相关的各所述帧图像中的变化,并结合所述帧图像各相关部分在所述实际物理世界中的实际物理位置和特性,确定所述视频流中动态图像动态特性;其中,所述各相关部分包括所述动态图像和所述非动态图像;
应用模块406,所述应用模块用于根据所述视频流中动态图像动态特性进行应用计算。
可选地,获取模块还用于:
获取物理世界和物理特性相关数据。
可选地,提取模块402具体用于:
针对所述帧图像中具体某一和或某一组动态事物,从视频流中提取与所述动态事物相关的帧图像,依据时间发生顺序逐次排序标注与所述动态事物相关的帧图像。
可选地,识别模块403具体用于:
针对所述帧图像中具体某一和或某一组动态事物,定位分割排序标注的各所述帧图像中所述动态事物和所述非动态事物;
根据时间变化,分析所述动态事物在各所述帧图像中的相对变化。
可选地,关联模块404具体用于:
识别所述帧图像中的动态事物,获得所述帧图像中的所述动态事物在所述实际物理世界中的相关特性和特征参数;
识别所述帧图像中与所述动态事物相关联的非动态图像,获得所述非动态图像在所述实际物理世界中的相关特性和特征参数;
识别所述帧图像中与所述动态事物相关联的动态图像,获得所述动态图像在所述实际物理世界中的相关特性和特征参数。
可选地,计算模块405具体用于:
根据实际需求和相关理论公式,计算所述帧图像中的所述动态事物的实际特性和特征参数。
可选地,获取模块401、提取模块402、识别模块403关联模块404、计算模块405以及应用模块406各部分均可以作为单独的云和或装置模块嵌入到不同地方的不同设备中,通过网络互联互通,每一单独的装置模块均可自由选择是否与internet互联互通;同时也可全部模块和或其中几项模块组合集成到同一装置和或嵌入到同一设备中处理不同场景下的业务,装置之间和或设备之间可通过网络互联互通,如图5所示,图5为本发明实施例提供的视频流中动态图像动态特性识别装置的架构示意图。
可选地,本实施例提供的装置可以通过网络自动识别和获得帧图像各相关部分与实际物理世界的关联,也可人工辅助完成。
可选地,本实施例提供的装置中还可以有帧图像识别模块和/或接口、帧图像识别数据库、帧图像关联存储数据库等。本实施例提供的装置的工作流程如图6所示。图6为本发明实施例提供的视频流中动态图像动态特性识别装置的工作流程图。
本实施例提供的装置,可以用于执行图1至图4所示方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图7为本发明实施例提供的视频流中动态图像动态特性识别装置的硬件结构示意图。如图7所述,本实施例提供的视频流中动态图像动态特性识别装置70包括:
处理器701、存储器702;其中
存储器702,用于存储计算机执行指令。
处理器701,用于执行存储器存储的计算机执行指令。
处理器701通过执行存储器存储的计算机执行指令,实现了上述实施例中网络切换设备所执行的各个步骤。具体可以参见上述方法实施例中的相关描述。
可选地,存储器702既可以是独立的,也可以跟处理器701集成在一起,本实施例不做具体限定。
当存储器702独立设置时,该网络切换设备还包括总线703,用于连接所述存储器702、处理器701。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如上所述的视频流中动态图像动态特性识别方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,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,例如多个模块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。另一点,所显示或讨论的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,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者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者全部模块来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个单元中。上述模块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。
上述以软件功能模块的形式实现的集成的模块,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。
应理解,上述处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器,也可能还包括非易失性存储NVM,例如至少一个磁盘存储器,还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits,简称:ASIC)中。当然,处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解:实现上述各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,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种视频流中动态图像动态特性识别方法,其特征在于,包括:
获取视频流,所述视频流为包含动态图像的视频流;
在所述视频流中提取与所述动态图像相关联的帧图像并对组成所述帧图像的各部分以及对所述帧图片的时间进行标注;
分析定位分割所述帧图像中动态图像和非动态图像;
识别所述帧图像中的动态事物,获得所述帧图像中的所述动态事物在实际物理世界中的相关特性和特征参数;
识别所述帧图像中与所述动态事物相关联的非动态图像,获得所述非动态图像在所述实际物理世界中的相关特性和特征参数;
识别所述帧图像中与所述动态事物相关联的动态图像,获得所述动态图像在所述实际物理世界中的相关特性和特征参数;
计算所述帧图像的各相关部分之间的相对关系和所述各相关部分在相关的各所述帧图像中的变化,并结合所述帧图像各相关部分在所述实际物理世界中的实际物理位置和特性,确定所述视频流中动态图像动态特性,其中,所述各相关部分包括所述动态图像和所述非动态图像;
根据所述视频流中动态图像动态特性进行应用计算。
2.根据权利要求1所述的方法,其特征在于,所述在所述视频流中提取与所述动态图像相关联的帧图像并对所述帧图像进行标注包括:
针对所述帧图像中具体某一和或某一组动态事物,从视频流中提取与所述动态事物相关的帧图像,依据时间发生顺序逐次排序标注与所述动态事物相关的帧图像。
3.根据权利要求1所述的方法,其特征在于,所述分析定位分割所述帧图像中动态图像和非动态图像包括:
针对所述帧图像中具体某一和或某一组动态事物,定位分割排序标注的各所述帧图像中所述动态事物和所述非动态事物;
根据时间变化,分析所述动态事物在各所述帧图像中的相对变化。
4.根据权利要求1所述的方法,其特征在于,所述计算所述帧图像各相关部分之间的相对关系和所述各相关部分在相关各所述帧图像中的变化,并结合所述帧图像各相关部分在所述实际物理世界中的实际物理位置和特性,确定所述视频流中动态图像动态特性包括:
根据实际需求和相关理论公式,计算所述帧图像中的所述动态事物的实际特性和特征参数。
5.一种视频流中动态图像动态特性识别装置,其特征在于,包括:
获取模块,所述获取模块用于获取视频流,所述视频流为包含动态图像的视频流;
提取模块,所述提取模块用于在所述视频流中提取与所述动态图像相关联的帧图像并对组成所述帧图像的各部分以及对所述帧图片的时间进行标注;
识别模块,所述识别模块用于分析定位分割所述帧图像中动态图像和非动态图像;
关联模块,所述关联模块用于将所述帧图像各相关部分与实际物理世界建立关联;
计算模块,所述计算模块用于计算所述帧图像的各相关部分之间的相对关系和所述各相关部分在相关的各所述帧图像中的变化,并结合所述帧图像各相关部分在所述实际物理世界中的实际物理位置和特性,确定所述视频流中动态图像动态特性;其中,所述各相关部分包括所述动态图像和所述非动态图像;
应用模块,所述应用模块用于根据所述视频流中动态图像动态特性进行应用计算;
所述关联模块具体用于:
识别所述帧图像中的动态事物,获得所述帧图像中的所述动态事物在所述实际物理世界中的相关特性和特征参数;
识别所述帧图像中与所述动态事物相关联的非动态图像,获得所述非动态图像在所述实际物理世界中的相关特性和特征参数;
识别所述帧图像中与所述动态事物相关联的动态图像,获得所述动态图像在所述实际物理世界中的相关特性和特征参数。
6.根据权利要求5所述的装置,其特征在于,所述提取模块具体用于:
针对所述帧图像中具体某一和或某一组动态事物,从视频流中提取与所述动态事物相关的帧图像,依据时间发生顺序逐次排序标注与所述动态事物相关的帧图像。
7.根据权利要求5所述的装置,其特征在于,所述识别模块具体用于:
针对所述帧图像中具体某一和或某一组动态事物,定位分割排序标注的各所述帧图像中所述动态事物和所述非动态事物;
根据时间变化,分析所述动态事物在各所述帧图像中的相对变化。
8.一种视频流中动态图像动态特性识别装置,其特征在于,包括:至少一个处理器和存储器;
所述存储器存储计算机执行指令;
所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行如权利要求1至4任一项所述的视频流中动态图像动态特性识别方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,当处理器执行所述计算机执行指令时,实现如权利要求1至4任一项所述的视频流中动态图像动态特性识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910006512.1A CN109756750B (zh) | 2019-01-04 | 2019-01-04 | 视频流中动态图像动态特性识别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910006512.1A CN109756750B (zh) | 2019-01-04 | 2019-01-04 | 视频流中动态图像动态特性识别方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109756750A CN109756750A (zh) | 2019-05-14 |
CN109756750B true CN109756750B (zh) | 2022-01-28 |
Family
ID=66405137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910006512.1A Active CN109756750B (zh) | 2019-01-04 | 2019-01-04 | 视频流中动态图像动态特性识别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109756750B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006134035A (ja) * | 2004-11-05 | 2006-05-25 | Fuji Heavy Ind Ltd | 移動物体検出装置および移動物体検出方法 |
CN101604448A (zh) * | 2009-03-16 | 2009-12-16 | 北京中星微电子有限公司 | 一种运动目标的测速方法和*** |
CN102914267A (zh) * | 2012-09-27 | 2013-02-06 | 无锡天授信息科技有限公司 | 一种运动目标尺寸检测***及方法 |
CN105136064A (zh) * | 2015-09-13 | 2015-12-09 | 维希艾信息科技(无锡)有限公司 | 一种运动目标三维尺寸检测***及其方法 |
CN105741275A (zh) * | 2016-01-26 | 2016-07-06 | 浙江捷尚视觉科技股份有限公司 | 一种基于固定相机自动标定的人车目标特征提取方法 |
CN105913454A (zh) * | 2016-04-06 | 2016-08-31 | 东南大学 | 一种视频图像中运动目标的像素坐标轨迹预测方法 |
CN107705317A (zh) * | 2017-09-30 | 2018-02-16 | 石道松 | 基于视觉跟踪识别的控制*** |
CN107907131A (zh) * | 2017-11-10 | 2018-04-13 | 珊口(上海)智能科技有限公司 | 定位***、方法及所适用的机器人 |
CN109001484A (zh) * | 2018-04-18 | 2018-12-14 | 广州视源电子科技股份有限公司 | 旋转速度的检测方法和装置 |
-
2019
- 2019-01-04 CN CN201910006512.1A patent/CN109756750B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006134035A (ja) * | 2004-11-05 | 2006-05-25 | Fuji Heavy Ind Ltd | 移動物体検出装置および移動物体検出方法 |
CN101604448A (zh) * | 2009-03-16 | 2009-12-16 | 北京中星微电子有限公司 | 一种运动目标的测速方法和*** |
CN102914267A (zh) * | 2012-09-27 | 2013-02-06 | 无锡天授信息科技有限公司 | 一种运动目标尺寸检测***及方法 |
CN105136064A (zh) * | 2015-09-13 | 2015-12-09 | 维希艾信息科技(无锡)有限公司 | 一种运动目标三维尺寸检测***及其方法 |
CN105741275A (zh) * | 2016-01-26 | 2016-07-06 | 浙江捷尚视觉科技股份有限公司 | 一种基于固定相机自动标定的人车目标特征提取方法 |
CN105913454A (zh) * | 2016-04-06 | 2016-08-31 | 东南大学 | 一种视频图像中运动目标的像素坐标轨迹预测方法 |
CN107705317A (zh) * | 2017-09-30 | 2018-02-16 | 石道松 | 基于视觉跟踪识别的控制*** |
CN107907131A (zh) * | 2017-11-10 | 2018-04-13 | 珊口(上海)智能科技有限公司 | 定位***、方法及所适用的机器人 |
CN109001484A (zh) * | 2018-04-18 | 2018-12-14 | 广州视源电子科技股份有限公司 | 旋转速度的检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109756750A (zh) | 2019-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113377888B (zh) | 训练目标检测模型和检测目标的方法 | |
CN110751232A (zh) | 一种中文复杂场景文本检测与识别方法 | |
Wu et al. | Multivehicle object tracking in satellite video enhanced by slow features and motion features | |
CN112257605A (zh) | 基于自标注训练样本的三维目标检测方法、***及装置 | |
CN114049356B (zh) | 一种结构表观裂缝检测方法、装置及*** | |
CN104778699B (zh) | 一种自适应对象特征的跟踪方法 | |
CN113012200B (zh) | 一种运动物体的定位方法、装置、电子设备及存储介质 | |
CN112861808B (zh) | 动态手势识别方法、装置、计算机设备及可读存储介质 | |
CN111553321A (zh) | 一种流动商贩目标检测模型、检测方法及其管理方法 | |
CN103279738A (zh) | 车标自动识别方法及*** | |
CN113011280A (zh) | 人员接触距离的检测方法、装置、计算机设备和存储介质 | |
CN112036457A (zh) | 训练目标检测模型的方法及装置、目标检测方法及装置 | |
CN110363193B (zh) | 车辆重识别方法、装置、设备和计算机存储介质 | |
Štepec et al. | Video-based ski jump style scoring from pose trajectory | |
CN111898418A (zh) | 一种基于t-tiny-yolo网络的人体异常行为检测方法 | |
Wan et al. | Small object detection leveraging density‐aware scale adaptation | |
CN109756750B (zh) | 视频流中动态图像动态特性识别方法和装置 | |
CN114169425A (zh) | 训练目标跟踪模型和目标跟踪的方法和装置 | |
CN113282687A (zh) | 数据展示方法、装置、计算机设备及存储介质 | |
Barba-Guaman et al. | Object detection in rural roads using Tensorflow API | |
CN116434150A (zh) | 面向拥挤场景的多目标检测跟踪方法、***及存储介质 | |
CN115631426A (zh) | 一种遥感图像中基于关键点定位的目标检测方法 | |
CN115953744A (zh) | 一种基于深度学习的车辆识别追踪方法 | |
Rath et al. | A REAL-TIME HYBRID-YOLOV4 APPROACH FOR MULTI-CLASSIFICATION AND DETECTION OF OBJECTS | |
CN112487892B (zh) | 一种基于置信度的无人机对地探测方法及*** |
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 |