CN110147752A - 运动检测处理方法、装置、电子设备和存储介质 - Google Patents
运动检测处理方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN110147752A CN110147752A CN201910408183.3A CN201910408183A CN110147752A CN 110147752 A CN110147752 A CN 110147752A CN 201910408183 A CN201910408183 A CN 201910408183A CN 110147752 A CN110147752 A CN 110147752A
- Authority
- CN
- China
- Prior art keywords
- target object
- motion detection
- frame image
- moving region
- information
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供了一种运动检测处理方法、装置、电子设备和存储介质。该方法包括:对采集数据进行运动检测,以检测运动区域,其中,所述采集数据包括多帧图像;确定检测到所述运动区域的至少一帧图像中是否存在预定类型的目标对象;在确定检测到所述运动区域的所述至少一帧图像中存在所述预定类型的所述目标对象的情况下,判断所述目标对象与所述运动区域是否完全或部分重叠;在所述目标对象与所述运动区域完全或部分重叠的情况下,触发运动检测报警和/或视频录制。通过本发明,可以提高运动检测的准确率。
Description
技术领域
本发明涉及视频处理技术领域,具体而言,涉及一种运动检测处理方法、装置、电子设备和存储介质。
背景技术
目前,运动检测功能主要依赖于主控芯片上相应的运动检测模块来完成,通过分析运动检测模块输出的运动检测数据,进行联动报警和录像。然而,若仅仅基于运动检测数据进行报警,容易出现误报警的情况,为了防止误报警,需要对运动检测数据进行过滤。
如何对运动检测数据进行准确的过滤以提高报警准确率,是当前亟待解决的问题。
发明内容
本发明实施例提供了一种运动检测处理方法、装置、电子设备和存储介质,以至少解决相关技术中缺乏对运动检测数据进行准确的过滤的问题。
根据本发明的一个实施例,提供了一种运动检测处理方法,包括:对采集数据进行运动检测,以检测运动区域,其中,所述采集数据包括多帧图像;确定检测到所述运动区域的至少一帧图像中是否存在预定类型的目标对象;在确定检测到所述运动区域的所述至少一帧图像中存在所述预定类型的所述目标对象的情况下,判断所述目标对象与所述运动区域是否完全或部分重叠;在所述目标对象与所述运动区域完全或部分重叠的情况下,触发运动检测报警和/或视频录制。
在至少一个示例性实施例中,在所述目标对象与所述运动区域完全或部分重叠的情况下,所述方法还包括:记录所述目标对象的属性信息作为所述至少一帧图像和/或录制的所述视频的标签信息,其中,所述目标对象的属性信息包括以下至少之一:所述目标对象的类型、所述目标对象的外观特征、所述目标对象的型号特征、所述目标对象的标识特征。
在至少一个示例性实施例中,所述方法还包括:接收回放指令,其中,所述回放指令携带回放内容的描述信息;确定对应的标签信息与所述描述信息匹配的至少一帧图像和/或视频,并回放确定的所述至少一帧图像和/或视频。
在至少一个示例性实施例中,对所述采集数据进行所述运动检测包括:对所述采集数据进行所述运动检测,并判断所述运动检测的结果是否达到运动检测阈值;在判断所述运动检测的结果达到所述运动检测阈值的情况下,确定检测到所述运动区域。
在至少一个示例性实施例中,确定检测到所述运动区域的所述至少一帧图像中是否存在所述预定类型的所述目标对象包括:确定对应的所述运动检测的结果达到所述运动检测阈值的至少一帧图像中是否存在所述预定类型的所述目标对象。
在至少一个示例性实施例中,确定检测到所述运动区域的所述至少一帧图像中是否存在所述预定类型的所述目标对象包括:确定所述至少一帧图像中包括的对象,并对所述对象进行特征提取得到每个对象的特征信息;将每个对象的特征信息与所述预定类型的参考特征信息进行匹配,并确定匹配度是否高于匹配阈值,其中,若所述至少一帧图像中存在特征信息与所述参考特征信息的匹配度高于所述匹配阈值的对象,则确定所述至少一帧图像中存在所述预定类型的所述目标对象。
根据本发明的另一个实施例,提供了一种运动检测处理装置,包括:运动检测模块,设置为对采集数据进行运动检测,以检测运动区域,其中,所述采集数据包括多帧图像;目标对象识别模块,设置为确定检测到所述运动区域的至少一帧图像中是否存在预定类型的目标对象;区域比较模块,设置为在所述目标对象识别模块确定检测到所述运动区域的所述至少一帧图像中存在所述预定类型的所述目标对象的情况下,判断所述目标对象与所述运动区域是否完全或部分重叠;报警模块,设置为在所述区域比较模块判断所述目标对象与所述运动区域完全或部分重叠的情况下,触发运动检测报警和/或视频录制。
在至少一个示例性实施例中,该装置还包括:记录模块,设置为在所述区域比较模块判断所述目标对象与所述运动区域完全或部分重叠的情况下,记录所述目标对象的属性信息作为所述至少一帧图像和/或录制的所述视频的标签信息,其中,所述目标对象的属性信息包括以下至少之一:所述目标对象的类型、所述目标对象的外观特征、所述目标对象的型号特征、所述目标对象的标识特征。
在至少一个示例性实施例中,该装置还包括:回放指令接收模块,设置为接收回放指令,其中,所述回放指令携带回放内容的描述信息;回放执行模块,设置为确定对应的标签信息与所述描述信息匹配的至少一帧图像和/或视频,并回放确定的所述至少一帧图像和/或视频。
在至少一个示例性实施例中,所述运动检测模块包括:运动检测及阈值判断子模块,设置为对所述采集数据进行所述运动检测,并判断所述运动检测的结果是否达到运动检测阈值;运动区域确定子模块,设置为在所述运动检测及阈值判断子模块判断所述运动检测的结果达到所述运动检测阈值的情况下,确定检测到所述运动区域。
在至少一个示例性实施例中,所述目标对象识别模块设置为:确定对应的所述运动检测的结果达到所述运动检测阈值的至少一帧图像中是否存在所述预定类型的所述目标对象。
在至少一个示例性实施例中,所述目标对象识别模块设置为:确定所述至少一帧图像中包括的对象,并对所述对象进行特征提取得到每个对象的特征信息;将每个对象的特征信息与所述预定类型的参考特征信息进行匹配,并确定匹配度是否高于匹配阈值,其中,若所述至少一帧图像中存在特征信息与所述参考特征信息的匹配度高于所述匹配阈值的对象,则确定所述至少一帧图像中存在所述预定类型的所述目标对象。
根据本发明的又一个实施例,还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,在对采集数据执行运动检测的基础上,对检测到运动区域的至少一帧图像进一步进行识别,并在确定这至少一帧图像中存在预定类型的目标对象(一般可以设置感兴趣的监控对象类型,例如,可以设置只监控人、车等目标对象)的情况下,通过确定目标对象与运动区域是否部分或全部重叠来确定是否是目标对象发生了运动,因此,可以防止因不感兴趣的对象发生运动而触发的无效运动检测报警,可以解决相关技术中缺乏对运动检测数据进行准确的过滤的问题,提高运动检测的准确率。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种监控设备的硬件结构框图;
图2是根据本发明实施例的一种运动检测处理方法的流程图;
图3是根据本发明实施例1的运动检测处理方法的流程图;
图4是根据本发明实施例2的运动检测处理装置的结构框图;
图5是根据本发明实施例4的运动检测处理方法的流程图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
在一些需要进行视频监控的领域(例如安防领域),一般通过监控设备进行监控,图1是本发明实施例的一种监控设备的硬件结构框图。如图1所示,监控设备10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于主控芯片、微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器104以及用于连接摄像头的接口106,可选地,上述监控设备还可以包括用于通信功能的传输设备108以及输入输出设备110(包括键盘、显示器等)。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述监控设备的结构造成限定。例如,监控设备10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
主控芯片上可以包括运动检测模块1021,用于对接口106所连接的摄像头传回的采集数据进行运动检测。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的运动检测处理方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至监控设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置108用于经由一个网络接收或者发送数据。上述的网络具体实例可包括监控设备10的通信供应商提供的无线网络。在一个实例中,传输装置108包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置108可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
通过以上的监控设备,可以实现对摄像头采集的数据进行自动运动检测。而如何对运动检测数据进行准确的过滤以提高报警准确率,一种方案是通过调整运动检测阈值,将低于设定阈值的检测结果过滤掉,来降低运动检测报警的冗余性。图2是根据本发明实施例的一种运动检测处理方法的流程图,如图2所示,该方法包括以下步骤:
步骤S202,获取摄像头采集的前端输入图像;
步骤S204,将摄像头采集的前端输入图像送入主控芯片的运动检测模块;
步骤S206,从运动检测模块中获取整张图像的运动检测结果;
步骤S208,判断运动检测结果是否满足设定的阈值,如果满足设定的阈值,则触发联动报警和录像,否则不触发。
该方案能够实现运动检测结果的过滤,从一定程度上降低运动检测报警的冗余性,但是还存在以下缺陷:
从主控芯片获取的运动检测结果,只是简单地依赖于阈值进行过滤,这样无法针对性地过滤出感兴趣的运动检测信息。比如室外场景下,风吹过树叶发生运动,有可能会被当作运动检测事件,触发联动报警和录像,但显然这种运动检测是用户不会去关心的,属于无效运动检测,而单纯地调整阈值,很难将这种运动检测过滤掉;
运动检测录像检索回放时,无法针对感兴趣的目标进行检索,只能对所有运动检测录像进行人工检索,导致运动检测录像的实用性不高。
针对上述缺点,本发明下述实施例提出了改进的运动检测处理方法,该方法能够实现对运动检测结果更加准确的过滤,来降低运动检测的冗余结果,提高运动检测的针对性和准确性。
实施例1
在本实施例中提供了一种可以但不限于运行于上述监控设备的运动检测处理方法,图3是根据本发明实施例1的运动检测处理方法的流程图,如图3所示,该流程包括如下步骤:
步骤S302,对采集数据进行运动检测,以检测运动区域,其中,采集数据包括多帧图像,运动区域指的是通过多帧图像的比较判断出发生了运动的区域;
步骤S304,确定检测到运动区域的至少一帧图像中是否存在预定类型的目标对象;
步骤S306,在确定检测到运动区域的至少一帧图像中存在预定类型的目标对象的情况下,判断目标对象与运动区域是否完全或部分重叠,其中,预定类型可以是用户选定需要监控的特定类型,例如,用户可以选择针对人、汽车等类型的目标对象进行监控,此时则无需关注诸如风吹动树叶等运动事件的检测,其中,部分重叠包括:目标对象与运动区域的重叠比例大于阈值,例如,目标对象与运动区域的重叠面积占目标对象或运动区域的面积的比例大于阈值;
步骤S308,在目标对象与运动区域完全或部分重叠的情况下,触发运动检测报警和/或视频录制。
在对采集数据执行运动检测的基础上,对检测到运动区域的至少一帧图像进一步进行识别,并在确定这至少一帧图像中存在预定类型的目标对象(一般可以设置感兴趣的监控对象类型,例如,可以设置只监控人、车等目标对象)的情况下,通过确定目标对象与运动区域是否部分或全部重叠来确定是否是目标对象发生了运动,因此,可以防止因不感兴趣的对象发生运动而触发的无效运动检测报警,可以解决相关技术中缺乏对运动检测数据进行准确的过滤的问题,提高运动检测的准确率。
可选地,上述步骤的执行主体可以为监控设备等,但不限于此。
为了便于运动检测录像的检索回放,使得用户能够针对感兴趣的目标进行检索,可以在发现目标对象与运动区域完全或部分重叠的情况下,记录目标对象的属性信息作为至少一帧图像和/或录制的视频的标签信息,其中,目标对象的属性信息包括以下至少之一:目标对象的类型、目标对象的外观特征、目标对象的型号特征、目标对象的标识特征。在本实施例中目标对象的属性信息是指能够用来对对象进行索引的信息,可以根据视频监控所关注的感兴趣的信息来具体设置。例如,当监控的目标对象是人时,目标对象的类型指示为“人”,目标对象的外观特征可以是通过对人像进行识别所得到的性别(男人还是女人)、年龄段(大人还是儿童)、衣服颜色等信息;当监控的目标对象是车时,目标对象的类型指示为“车”,目标对象的外观特征可以是通过对车的图片进行识别得到的车型(小型客车还是大型客车)、车的颜色等等,目标对象的型号特征可以是通过车的图片进行识别所确定的车的品牌和型号、车的年份等信息,而目标对象的标识特征可以是通过对车的图片进行识别所得到的车牌号信息。
以上步骤中记录的目标对象的属性信息作为其对应的至少一帧图像的标签信息,能够在用户指示进行回放时,作为检索的依据实现感兴趣的目标的检索回放,因此,该方法还可以包括以下步骤:
接收回放指令,其中,回放指令携带回放内容的描述信息;
确定对应的标签信息与描述信息匹配的至少一帧图像和/或视频,并回放确定的至少一帧图像和/或视频。
作为一个优选的实施方式,可以采用前述实施例中的运动检测阈值过滤方法进行运动检测之后,再采用本实施例中的方法对运动检测结果进行二次筛选,也就是说,将阈值过滤方法与本实施例的方法相结合,此时,步骤S302对采集数据进行运动检测可以包括:
步骤S3021,对采集数据进行运动检测,并判断运动检测的结果是否达到运动检测阈值,例如,对多帧图像(按照精度要求,可以是相邻的帧或以预定间隔所抽取的不相邻的帧)中对应像素点的亮度做差值运算,得到差分系数结果,并将预先划定的区域内的各个像素点的差分系数结果的和或加权和作为运动检测的结果,将运动检测的结果与预先设定的用于判定该区域是否发生了运动的运动检测阈值进行比较;
步骤S3022,在判断运动检测的结果达到运动检测阈值的情况下,确定检测到运动区域,例如,当区域内的各个像素点的差分系数结果的和或加权和达到了运动检测阈值,就可以判断该区域发生了运动。
此时,步骤S304确定检测到运动区域的至少一帧图像中是否存在预定类型的目标对象可以包括:
步骤S3041,确定对应的运动检测的结果达到运动检测阈值的至少一帧图像中是否存在预定类型的目标对象。
通过该方案,能够在第一次阈值过滤的基础上,进一步实现对有效动检信息的提取,从而降低动检报警的冗余度。
本领域技术人员应当知晓,在指定了预定类型(例如,预定类型可以包括以下至少之一:人、汽车等等)之后,可以通过多种方法来判断图像中是否存在预定类型的目标对象。作为一种优选的实施方式,可以但是不限于通过以下方式来实现步骤S304确定检测到运动区域的至少一帧图像中是否存在预定类型的目标对象:
确定至少一帧图像中包括的对象,并对对象进行特征提取得到每个对象的特征信息;
将每个对象的特征信息与预定类型的参考特征信息进行匹配,并确定匹配度是否高于匹配阈值,其中,若至少一帧图像中存在特征信息与参考特征信息的匹配度高于匹配阈值的对象,则确定至少一帧图像中存在预定类型的目标对象。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台监控设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
实施例2
在本实施例中还提供了一种运动检测处理,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本发明实施例2的运动检测处理装置的结构框图,如图4所示,该装置包括:
运动检测模块41,设置为对采集数据进行运动检测,以检测运动区域,其中,采集数据包括多帧图像,运动区域指的是通过多帧图像的比较判断出发生了运动的区域;
目标对象识别模块42,设置为确定检测到运动区域的至少一帧图像中是否存在预定类型的目标对象,其中,预定类型可以是用户选定需要监控的特定类型,例如,用户可以选择针对人、汽车等类型的目标对象进行监控,此时则无需关注诸如风吹动树叶等运动事件的检测;
区域比较模块43,设置为在目标对象识别模块42确定检测到运动区域的至少一帧图像中存在预定类型的目标对象的情况下,判断目标对象与运动区域是否完全或部分重叠,其中,部分重叠包括:目标对象与运动区域的重叠比例大于阈值,例如,目标对象与运动区域的重叠面积占目标对象或运动区域的面积的比例大于阈值;
报警模块44,设置为在区域比较模块43判断目标对象与运动区域完全或部分重叠的情况下,触发运动检测报警和/或视频录制。
通过该装置,在对采集数据执行运动检测的基础上,对检测到运动区域的至少一帧图像进一步进行识别,并在确定这至少一帧图像中存在预定类型的目标对象(一般可以设置感兴趣的监控对象类型,例如,可以设置只监控人、车等目标对象)的情况下,通过确定目标对象与运动区域是否部分或全部重叠来确定是否是目标对象发生了运动,因此,可以防止因不感兴趣的对象发生运动而触发的无效运动检测报警,可以解决相关技术中缺乏对运动检测数据进行准确的过滤的问题,提高运动检测的准确率。
可选地,装置可以由监控设备实现或位于监控设备中,但不限于此。
为了便于运动检测录像的检索回放,使得用户能够针对感兴趣的目标进行检索,可以在发现目标对象与运动区域完全或部分重叠的情况下,记录目标对象的属性信息作为至少一帧图像和/或录制的视频的标签信息。参见图4所示,该装置可以进一步包括:
记录模块45,设置为在区域比较模块43判断目标对象与运动区域完全或部分重叠的情况下,记录目标对象的属性信息作为至少一帧图像和/或录制的视频的标签信息,其中,目标对象的属性信息包括以下至少之一:目标对象的类型、目标对象的外观特征、目标对象的型号特征、目标对象的标识特征。
以上记录模块45记录的目标对象的属性信息作为其对应的至少一帧图像的标签信息,能够在用户指示进行回放时,作为检索的依据实现感兴趣的目标的检索回放。如图4所示,该装置还可以进一步包括:
回放指令接收模块46,设置为接收回放指令,其中,回放指令携带回放内容的描述信息;
回放执行模块47,设置为确定对应的标签信息与描述信息匹配的至少一帧图像和/或视频,并回放确定的至少一帧图像和/或视频。
作为一个优选的实施方式,可以采用前述实施例中的运动检测阈值过滤方案进行运动检测之后,再采用本实施例中的方案对运动检测结果进行二次筛选,也就是说,可以设置该装置实现阈值过滤方案与本实施例的方案相结合的方案,此时,运动检测模块41可以包括:
运动检测及阈值判断子模块411,设置为对采集数据进行运动检测,并判断运动检测的结果是否达到运动检测阈值;
运动区域确定子模块412,设置为在运动检测及阈值判断子模块411判断运动检测的结果达到运动检测阈值的情况下,确定检测到运动区域。
此时,目标对象识别模块42可以设置为:确定对应的运动检测的结果达到运动检测阈值的至少一帧图像中是否存在预定类型的目标对象。
通过该方案,能够在第一次阈值过滤的基础上,进一步实现对有效动检信息的提取,从而降低动检报警的冗余度。
本领域技术人员应当知晓,在指定了预定类型(例如,预定类型可以包括以下至少之一:人、汽车等等)之后,可以通过多种方式来判断图像中是否存在预定类型的目标对象。作为一种优选的实施方式,目标对象识别模块42可以但是不限于通过以下方式来确定检测到运动区域的至少一帧图像中是否存在预定类型的目标对象:
确定至少一帧图像中包括的对象,并对对象进行特征提取得到每个对象的特征信息;
将每个对象的特征信息与预定类型的参考特征信息进行匹配,并确定匹配度是否高于匹配阈值,其中,若至少一帧图像中存在特征信息与参考特征信息的匹配度高于匹配阈值的对象,则确定至少一帧图像中存在预定类型的目标对象。需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
实施例3
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,对采集数据进行运动检测,以检测运动区域,其中,采集数据包括多帧图像,运动区域指的是通过多帧图像的比较判断出发生了运动的区域;
S2,确定检测到运动区域的至少一帧图像中是否存在预定类型的目标对象;
S3,在确定检测到运动区域的至少一帧图像中存在预定类型的目标对象的情况下,判断目标对象与运动区域是否完全或部分重叠,其中,部分重叠包括:目标对象与运动区域的重叠比例大于阈值,例如,目标对象与运动区域的重叠面积占目标对象或运动区域的面积的比例大于阈值;
S4,在目标对象与运动区域完全或部分重叠的情况下,触发运动检测报警和/或视频录制。
可选地,存储介质还被设置为存储用于执行以下步骤的计算机程序:
S5,记录目标对象的属性信息作为至少一帧图像和/或录制的视频的标签信息,其中,目标对象的属性信息包括以下至少之一:目标对象的类型、目标对象的外观特征、目标对象的型号特征、目标对象的标识特征;
S6,接收回放指令,其中,回放指令携带回放内容的描述信息;
S7,确定对应的标签信息与描述信息匹配的至少一帧图像和/或视频,并回放确定的至少一帧图像和/或视频。
需要说明的是,以上步骤S5和S4之间没有执行先后的限定,以上步骤S5和S6之间也没有执行先后的限定。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,对采集数据进行运动检测,以检测运动区域,其中,采集数据包括多帧图像,运动区域指的是通过多帧图像的比较判断出发生了运动的区域;
S2,确定检测到运动区域的至少一帧图像中是否存在预定类型的目标对象;
S3,在确定检测到运动区域的至少一帧图像中存在预定类型的目标对象的情况下,判断目标对象与运动区域是否完全或部分重叠,其中,部分重叠包括:目标对象与运动区域的重叠比例大于阈值,例如,目标对象与运动区域的重叠面积占目标对象或运动区域的面积的比例大于阈值;
S4,在目标对象与运动区域完全或部分重叠的情况下,触发运动检测报警和/或视频录制。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
实施例4
本实施例描述了运动检测处理方法的一个示例性实施方式,图5是根据本发明实施例4的运动检测处理方法的流程图,如图5所示,该方法具体过程如下:
步骤S502,获取摄像头采集的前端输入图像;
步骤S504,将摄像头采集的前端输入图像送入主控芯片的运动检测模块;
步骤S506,从运动检测模块中获取整张图像的运动检测结果;
步骤S508,判断运动检测结果是否满足设定的阈值,如果满足设定的阈值,则进入步骤S510,否则不触发报警;
步骤S510,如果达到运动检测阈值,则将当前一帧图像送入算法,检测是否存在感兴趣的类型(如人、车等)的目标对象;
步骤S512,获取感兴趣的目标对象的坐标,判断感兴趣的目标对象的坐标与通过运动检测检测到的发生运动的运动区域坐标是否存在重叠,如果存在重叠,则进入步骤S514,如果没有重叠,则不触发报警;
步骤S514,感兴趣的目标对象的坐标与通过运动检测检测到的发生运动的运动区域坐标是否存在重叠,此时认为感兴趣的目标对象发生了运动,触发运动检测报警和/或视频录制,并将目标对象的属性信息作为录像标签,记录在数据库中。在本实施例中目标对象的属性信息是指能够用来对对象进行索引的信息,包括但不限于:目标对象的类型(例如,是人还是车)、目标对象的外观特征(例如,男人还是女人、大人还是儿童、衣服颜色、小型客车还是大型客车、车的颜色)、目标对象的型号特征(例如,车的品牌和型号、车的年份)、目标对象的标识特征(例如,车牌号);
步骤S516,录像回放时,可以对感兴趣对象进行过滤(例如,按照目标对象的类型进行过滤),得到感兴趣的目标对象发生运动的录像。
通过步骤S510-S514,可以实现对有效运动检测信息的提取,降低运动检测报警的冗余度。通过步骤S516,可以提高运动检测录像的检索效率。
本实施例的方案,通过对运动检测结果进行二次过滤,提高运动检测的针对性和准确性,通过对运动检测录像添加索引,提高运动检测录像的检索效率。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种运动检测处理方法,其特征在于,包括:
对采集数据进行运动检测,以检测运动区域,其中,所述采集数据包括多帧图像;
确定检测到所述运动区域的至少一帧图像中是否存在预定类型的目标对象;
在确定检测到所述运动区域的所述至少一帧图像中存在所述预定类型的所述目标对象的情况下,判断所述目标对象与所述运动区域是否完全或部分重叠;
在所述目标对象与所述运动区域完全或部分重叠的情况下,触发运动检测报警和/或视频录制。
2.根据权利要求1所述的方法,其特征在于,在所述目标对象与所述运动区域完全或部分重叠的情况下,还包括:
记录所述目标对象的属性信息作为所述至少一帧图像和/或录制的所述视频的标签信息,其中,所述目标对象的属性信息包括以下至少之一:所述目标对象的类型、所述目标对象的外观特征、所述目标对象的型号特征、所述目标对象的标识特征。
3.根据权利要求2所述的方法,其特征在于,还包括:
接收回放指令,其中,所述回放指令携带回放内容的描述信息;
确定对应的标签信息与所述描述信息匹配的至少一帧图像和/或视频,并回放确定的所述至少一帧图像和/或视频。
4.根据权利要求1所述的方法,其特征在于,对所述采集数据进行所述运动检测,包括:
对所述采集数据进行所述运动检测,并判断所述运动检测的结果是否达到运动检测阈值;
在判断所述运动检测的结果达到所述运动检测阈值的情况下,确定检测到所述运动区域。
5.根据权利要求1所述的方法,其特征在于,确定检测到所述运动区域的所述至少一帧图像中是否存在所述预定类型的所述目标对象包括:
确定所述至少一帧图像中包括的对象,并对所述对象进行特征提取得到每个对象的特征信息;
将每个对象的特征信息与所述预定类型的参考特征信息进行匹配,并确定匹配度是否高于匹配阈值,其中,若所述至少一帧图像中存在特征信息与所述参考特征信息的匹配度高于所述匹配阈值的对象,则确定所述至少一帧图像中存在所述预定类型的所述目标对象。
6.一种运动检测处理装置,其特征在于,包括:
运动检测模块,设置为对采集数据进行运动检测,以检测运动区域,其中,所述采集数据包括多帧图像;
目标对象识别模块,设置为确定检测到所述运动区域的至少一帧图像中是否存在预定类型的目标对象;
区域比较模块,设置为在所述目标对象识别模块确定检测到所述运动区域的所述至少一帧图像中存在所述预定类型的所述目标对象的情况下,判断所述目标对象与所述运动区域是否完全或部分重叠;
报警模块,设置为在所述区域比较模块判断所述目标对象与所述运动区域完全或部分重叠的情况下,触发运动检测报警和/或视频录制。
7.根据权利要求6所述的装置,其特征在于,还包括:
记录模块,设置为在所述区域比较模块判断所述目标对象与所述运动区域完全或部分重叠的情况下,记录所述目标对象的属性信息作为所述至少一帧图像和/或录制的所述视频的标签信息,其中,所述目标对象的属性信息包括以下至少之一:所述目标对象的类型、所述目标对象的外观特征、所述目标对象的型号特征、所述目标对象的标识特征。
8.根据权利要求7所述的装置,其特征在于,还包括:
回放指令接收模块,设置为接收回放指令,其中,所述回放指令携带回放内容的描述信息;
回放执行模块,设置为确定对应的标签信息与所述描述信息匹配的至少一帧图像和/或视频,并回放确定的所述至少一帧图像和/或视频。
9.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910408183.3A CN110147752A (zh) | 2019-05-15 | 2019-05-15 | 运动检测处理方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910408183.3A CN110147752A (zh) | 2019-05-15 | 2019-05-15 | 运动检测处理方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110147752A true CN110147752A (zh) | 2019-08-20 |
Family
ID=67595635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910408183.3A Pending CN110147752A (zh) | 2019-05-15 | 2019-05-15 | 运动检测处理方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110147752A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110662106A (zh) * | 2019-09-18 | 2020-01-07 | 浙江大华技术股份有限公司 | 一种录像回放的方法及装置 |
CN112802052A (zh) * | 2021-01-19 | 2021-05-14 | 北京小米移动软件有限公司 | 图像识别方法、装置、电子设备及存储介质 |
CN112818172A (zh) * | 2021-01-18 | 2021-05-18 | 浙江大华技术股份有限公司 | 视频检索方法、电子装置和存储介质 |
CN113255606A (zh) * | 2021-06-30 | 2021-08-13 | 深圳市商汤科技有限公司 | 行为识别方法、装置、计算机设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105049790A (zh) * | 2015-06-18 | 2015-11-11 | 中国人民公安大学 | 视频监控***图像获取方法及装置 |
CN105336074A (zh) * | 2015-10-28 | 2016-02-17 | 小米科技有限责任公司 | 报警方法及装置 |
CN105677024A (zh) * | 2015-12-31 | 2016-06-15 | 北京元心科技有限公司 | 一种眼动检测跟踪方法、装置及其用途 |
-
2019
- 2019-05-15 CN CN201910408183.3A patent/CN110147752A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105049790A (zh) * | 2015-06-18 | 2015-11-11 | 中国人民公安大学 | 视频监控***图像获取方法及装置 |
CN105336074A (zh) * | 2015-10-28 | 2016-02-17 | 小米科技有限责任公司 | 报警方法及装置 |
CN105677024A (zh) * | 2015-12-31 | 2016-06-15 | 北京元心科技有限公司 | 一种眼动检测跟踪方法、装置及其用途 |
Non-Patent Citations (1)
Title |
---|
黄志军 等: "《多媒体数据库技术》", 31 January 2005, 国防工业出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110662106A (zh) * | 2019-09-18 | 2020-01-07 | 浙江大华技术股份有限公司 | 一种录像回放的方法及装置 |
CN110662106B (zh) * | 2019-09-18 | 2021-08-27 | 浙江大华技术股份有限公司 | 一种录像回放的方法及装置 |
CN112818172A (zh) * | 2021-01-18 | 2021-05-18 | 浙江大华技术股份有限公司 | 视频检索方法、电子装置和存储介质 |
CN112802052A (zh) * | 2021-01-19 | 2021-05-14 | 北京小米移动软件有限公司 | 图像识别方法、装置、电子设备及存储介质 |
CN113255606A (zh) * | 2021-06-30 | 2021-08-13 | 深圳市商汤科技有限公司 | 行为识别方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110147752A (zh) | 运动检测处理方法、装置、电子设备和存储介质 | |
US8619135B2 (en) | Detection of abnormal behaviour in video objects | |
CN109154976A (zh) | 通过机器学习训练对象分类器的***和方法 | |
JP6148480B2 (ja) | 画像処理装置、画像処理方法 | |
EP3667557A1 (en) | Method and device for tracking an object | |
CN106464802B (zh) | 增强的图像捕获 | |
US20130329059A1 (en) | Person detection system | |
CN108269333A (zh) | 人脸识别方法、应用服务器及计算机可读存储介质 | |
CN110418112A (zh) | 一种视频处理方法及装置、电子设备和存储介质 | |
CN104335594A (zh) | 动作视频的自动数字管理和标记 | |
CN106296724A (zh) | 一种目标人物的轨迹信息的确定方法、***及处理服务器 | |
CN110390229B (zh) | 一种人脸图片筛选方法、装置、电子设备及存储介质 | |
JP2008538623A (ja) | 運動行為中のイベントを検出及び分類するための方法及びシステム | |
US20100318566A1 (en) | Behavior history retrieval apparatus and behavior history retrieval method | |
JP7047970B2 (ja) | 事象を管理するための注目期間及び少なくとも1つの注目領域を決定する方法、装置及びプログラム | |
CN109766779A (zh) | 徘徊人员识别方法及相关产品 | |
CN112052815A (zh) | 一种行为检测方法、装置及电子设备 | |
CN105095853A (zh) | 图像处理装置及图像处理方法 | |
JP2002344946A (ja) | 監視装置 | |
CN106297184A (zh) | 监控移动终端周围环境的方法、装置及移动终端 | |
CN108765405A (zh) | 一种影像鉴真方法和*** | |
JP2018081630A (ja) | 検索装置、検索方法およびプログラム | |
CN111814510A (zh) | 一种遗留物主体检测方法及装置 | |
CN110414360A (zh) | 一种异常行为的检测方法及检测设备 | |
CN112333165A (zh) | 身份认证方法、装置、设备及*** |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190820 |