CN110321819B - 摄像设备的遮挡检测方法、装置及存储装置 - Google Patents
摄像设备的遮挡检测方法、装置及存储装置 Download PDFInfo
- Publication number
- CN110321819B CN110321819B CN201910544181.7A CN201910544181A CN110321819B CN 110321819 B CN110321819 B CN 110321819B CN 201910544181 A CN201910544181 A CN 201910544181A CN 110321819 B CN110321819 B CN 110321819B
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- sub
- thermal
- current
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种摄像设备的遮挡检测方法、装置及存储装置。其中,摄像设备的遮挡检测方法包括:获取摄像设备拍摄得到的待检测图像;对待检测图像进行运动热力统计,得到待检测图像的当前热力情况;通过比较待检测图像的当前热力情况与参考热力情况,来确定摄像设备是否被遮挡;其中,参考热力情况是对摄像设备在未被遮挡时拍摄得到的至少一帧参考图像进行运动热力统计而得到的。上述方案,能够在复杂监控场景中提高摄像设备遮挡检测的准确性。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种摄像设备的遮挡检测方法、装置及存储装置。
背景技术
伴随着越来越多的监控摄像头不断地布控在城市的各个角落,以监控摄像头为主的摄像设备成为实现智慧城市、安全城市的不可或缺的重要基础设施。
然而,当摄像设备被遮挡以致于无法正常拍摄到监控场景的全貌时,有可能导致错失重要监控信息。因此,有必要针对摄像设备被遮挡这一情况实现准确地检测。目前,一般的检测方法有图像亮度检测、色彩检测、边缘纹理检测等等。然而这些检测方法在处于复杂的监控场景中,例如在面对不同的遮挡物时,均可能存在检测准确性降低的问题。例如,图像亮度检测无法检测到全白或高亮的遮挡物,且存在夜晚误报的缺陷,色彩检测则无法检测彩色的遮挡物,边缘纹理检测无法检测出纹理丰富的遮挡物。有鉴于此,如何在复杂监控场景中提高遮挡检测的准确性成为亟待解决的问题。
发明内容
本申请主要解决的技术问题是提供一种摄像设备的遮挡检测方法、装置及存储装置,能够在复杂监控场景中提高摄像设备遮挡检测的准确性。
为了解决上述问题,本申请第一方面提供了一种摄像设备的遮挡检测方法,包括:获取摄像设备拍摄得到的待检测图像;对待检测图像进行运动热力统计,得到待检测图像的当前热力情况;通过比较待检测图像的当前热力情况与参考热力情况,来确定摄像设备是否被遮挡;其中,参考热力情况是对摄像设备在未被遮挡时拍摄得到的至少一帧参考图像进行运动热力统计而得到的。
为了解决上述问题,本申请第二方面提供了一种摄像设备的遮挡检测装置,包括:相互耦接的存储器和处理器;处理器用于执行存储器存储的程序指令,以实现上述第一方面的方法。
为了解决上述问题,本申请第三方面提供了一种存储装置,存储装置存储有能够被处理器运行的程序指令,程序指令用于实现上述第一方面的方法。
上述方案中,通过对摄像设备未被遮挡时拍摄得到的至少一帧参考图像进行运动热力统计得到参考热力情况,从而将待检图像进行运动热力统计得到的当前热力情况与参考热力情况进行比较,进而确定摄像设备是否被遮挡。通过上述方式,在面对诸如可能存在不同遮挡物的复杂监控场景中,由于无论何种遮挡物遮挡摄像设备时,均会造成摄像设备无法正常拍摄到监控场景的全貌,从而对拍摄得到的待检测图像的当前热力情况造成一定的影响,因此,通过对当前热力情况与未被遮挡时的参考热力情况进行比较即可准确地判断摄像设备是否被遮挡,从而能够在复杂监控场景中提高摄像设备遮挡检测的准确性。
附图说明
图1是本申请摄像设备的遮挡检测方法一实施例的流程示意图;
图2是图1中步骤S12和步骤S13一实施例的流程示意图;
图3是本申请摄像设备的遮挡检测方法另一实施例的流程示意图;
图4是图3中子块划分一实施例的的处理流程示意图;
图5是图3中步骤S34一实施例的流程示意图;
图6是图2中待检测子块划分一实施例的处理流程示意图;
图7是本申请摄像设备的遮挡检测方法又一实施例的流程示意图;
图8是本申请摄像设备的遮挡检测方法又一实施例的流程示意图;
图9是图8中步骤S82一实施例的流程示意图;
图10是本申请摄像设备的遮挡检测方法又一实施例的流程示意图;
图11是本申请摄像设备的遮挡检测装置一实施例的框架示意图;
图12是本申请存储装置一实施例的框架示意图。
具体实施方式
下面结合说明书附图,对本申请实施例的方案进行详细说明。
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、接口、技术之类的具体细节,以便透彻理解本申请。
本文中术语“***”和“网络”在本文中常被可互换使用。本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。
请参阅图1,图1是本申请摄像设备的遮挡检测方法一实施例的流程示意图。具体而言,可以包括:
步骤S11:获取摄像设备拍摄得到的待检测图像。
摄像设备可以包括但不限于:夜视摄像头、红外摄像头等等。根据监控场景的不同可以选择不同类型的摄像设备。例如,针对环境幽暗、采光不佳的场所,摄像设备可以为夜视摄像头、红外摄像头;针对光线明亮的室内场所,摄像设备可以为一般的数字摄像头、网络摄像头;而针对室外无防水遮挡的场景,摄像设备可以防水摄像头,本实施例不做具体限制。
在一个实施场景中,为了减小检测负荷,还可以设置检测周期。例如,每隔一预定时长获取摄像设备拍摄得到的待检测图像以进行后续的遮挡检测,预定时长可以为20分钟、30分钟、40分钟等等。或者,在另一个实施场景中,还可以根据实际需要,仅在一些需要重点监控的时间段内获取摄像设备拍摄得到的待检测图像。例如,对于安装于僻静街道的摄像设备,可以设置在晚八点到次日六点获取摄像设备拍摄得到的待检测图像以进行后续的遮挡检测;对于安装于车站的摄像设备,可以设置在早上六点至晚八点获取摄像设备拍摄得到的待检测图像以进行后续的遮挡检测。检测周期的设置可以根据摄像设备所安装使用的场所的实际情况而进行设置,本实施例在此不做具体限制。
步骤S12:对待检测图像进行运动热力统计,得到待检测图像的当前热力情况。
运动热力统计是指:统计目标在某一片区域或某一具***置出现的次数或概率。例如,对于用于监控目标为人的摄像设备来说,此时对待检测图像进行运动热力统计是指:统计人在某一片区域或者某一具***置出现的次数或概率。运动热力统计方法可以是样方计数法(Quadrate Analysis)、核密度法(Kernel Density Estimation)等等。运动热力统计的方法为本领域的现有技术,本实施例在此不再赘述。
在一个实施场景中,为了定量地表征待检测图像的当前热力情况,当前热力情况具体而言可以为待检测图像的每一片区域的热力值或每一具***置的热力值。例如,某片区域中的人次为40,则在待检测图像中该片区域的热力值为40。待检测图像所有区域的热力值即构成该待检测图像的当前热力情况。例如,某待检测图像分为3个区域,区域A的热力值为40,区域B的热力值为30,区域C的热力值为50,则区域A、区域B、区域C的热力值所构成集合即表示该待检测图像的当前热力情况。
步骤S13:通过比较待检测图像的当前热力情况与参考热力情况,来确定摄像设备是否被遮挡。其中,参考热力情况是对摄像设备在未被遮挡时拍摄得到的至少一帧参考图像进行运动热力统计而得到的。
在一个实施场景中,参考热力情况是对摄像设备在未被遮挡时拍摄得到的至少一帧参考图像进行运动热力统计而得到的,例如,一帧参考图像、两帧参考图像、三帧参考图像等等。
在一个实施场景中,为了进一步提高遮挡检测的准确性,除了比较待检测图像的当前热力情况与参考热力情况,还可以在此基础上结合比较待检测图像的当前背景与参考背景图,共同来确定摄像设备是否被遮挡,也就是说,通过比较待检测图像的当前热力情况与参考热力情况获得第一比较结果,以及比较待检测图像的当前背景与参考背景图获得第二比较结果,基于第一比较结果和第二比较结果来确定摄像设备是否被遮挡。在本实施场景中,参考背景图是对摄像设备在未被遮挡时拍摄得到的至少一帧参考图像进行背景提取得到的,例如对摄像设备在未被遮挡时拍摄得到的一帧参考图像,或者两帧参考图像,或者三帧参考图像等等进行背景提取,本实施场景在此不对其数量做具体限制。通过结合比较待检测图像的当前热力情况与参考热力情况,以及比较待检测图像的当前背景与参考背景图,可以多维度地检测动态遮挡和静态遮挡,降低对大型运动物体的遮挡误判可能性,以及局部区域小物体长时间遮挡的漏检率,从而使得支持检测的遮挡类型更为全面,适用场景的范围更广,从而进一步提升了摄像设备遮挡检测的准确性。
在一个实施场景中,当待检测图像的当前热力情况弱于参考热力情况,且较参考热力情况低某个阈值时,可以认为摄像设备被遮挡。由于摄像设备被遮挡时,摄像设备无法拍摄到监控场景的全貌,因此被遮挡部分的热力情况无法统计到,从而减弱了待检测图像的当前热力情况。
上述方式,通过对摄像设备未被遮挡时拍摄得到的至少一帧参考图像进行运动热力统计得到参考热力情况,从而将待检图像进行运动热力统计得到的当前热力情况与参考热力情况进行比较,进而确定摄像设备是否被遮挡。通过上述方式,在面对诸如可能存在不同遮挡物的复杂监控场景中,由于无论何种遮挡物遮挡摄像设备时,均会造成摄像设备无法正常拍摄到监控场景的全貌,从而对拍摄得到的待检测图像的当前热力情况造成一定的影响,因此,通过对当前热力情况与未被遮挡时的参考热力情况进行比较即可准确地判断摄像设备是否被遮挡,从而能够在复杂监控场景中提高摄像设备遮挡检测的准确性。
请参阅图2,图2是图1中步骤S12和步骤S13一实施例的流程示意图。上述实施例中步骤S12和步骤S13,具体可以通过以下步骤进行实施:
步骤S21:按照预设分块策略将待检测图像划分为至少一个待检测子块。
预设分块策略可以为基于不同时段采取不同的分块方式,或者可以为基于不同热力情况采取不同的分块方式,或者还可以为基于不同时段的不同热力情况采用不同的分块方式。待检测子块的数量可以为一个、两个、三个等等,本实施例在此不做具体限制。
在一个实施场景中,请结合参阅图3和图4,具体说明确定预设分块策略的具体实施步骤,具体实施时,下述步骤可以在本申请上述实施例中的步骤S11之前进行实施:
步骤S31:获取对摄像设备在未被遮挡时拍摄得到的至少一帧参考图像。
例如,请结合参阅图4,获取到的至少一帧参考图像分别为:参考图像P1、参考图像P2至参考图像Pn,其中n为大于或等于1的正整数。
摄像设备未被遮挡时拍摄得到的参考图像可以在摄像设备安装后开始使用,且确认摄像设备未被遮挡时拍摄得到的。此时,确认摄像设备未被遮挡可以通过人工核实确认;或者也可以通过诸如亮度检测、色彩检测等一般遮挡检测方法确定,本实施例在此不做限制。
在一个实施场景中,可以在摄像设备一段时间内累积拍摄得到的图像中选取至少一帧作为参考图像,例如选取一帧、两帧、三帧等等。一段时间可以为二十四小时、四十八小时、七十二小时等等。
步骤S32:对至少一帧参考图像进行背景检测,得到参考背景图。
例如,请继续结合参阅图4,对P1、P2至Pn的参考图像进行背景检测,相应地,得到参考背景图B1、B2至Bn。
背景检测的方法可以包括但不限于以下方法中的任一种:背景差分法、帧差分法、光流场法。背景检测的方法为本领域中的现有技术,本实施例在此不再赘述。
步骤S33:对至少一帧参考图像进行运动热力统计,得到对应参考背景图的参考热力情况。
例如,请继续结合参阅图4,对P1、P2至Pn的参考图像进行运动热力统计,分别得到对应参考图像P1、P2至Pn的参考热力情况C1、C2至Cn。
运动热力统计是指:统计目标在某一片区域或某一具***置出现的次数或概率。例如,对于用于监控目标为人的摄像设备来说,此时对待检测图像进行运动热力统计是指:统计人在某一片区域或者某一具***置出现的次数或概率。运动热力统计方法可以是样方计数法(Quadrate Analysis)、核密度法(Kernel Density Estimation)等等。运动热力统计的方法为本领域的现有技术,本实施例在此不再赘述。
步骤S34:根据参考热力情况将参考背景图划分为至少一个子块,且基于子块对应的热力值确定子块对应的子参考热力值,其中每个子块作为一子参考背景图。
根据参考热力情况C1、C2至Cn分别将参考背景图B1、B2至Bn划分为至少一个子块,且基于子块对应的热力值确定子块对应的子参考热力值,每个子块作为一个子参考背景图。
具体地,请结合参阅图4和图5,上述步骤S34中的“根据参考热力情况将参考背景图划分为至少一个子块”,具体可以通过下述步骤进行实施:
步骤S341:按照参考背景图中对应的热力值大小,将参考背景图划分为至少一个子块,其中,每个子块对应一热力值范围。
例如,请结合参阅图4,图4中圆圈“○”表示热力值大小为10、方块“□”表示热力值大小为20、三角形“△”表示热力值大小为60、菱形“◇”表示热力值大小为70,上述热力值可以用于表示在一段时间内出现在参考背景图中某一处的人次。按照参考背景图B1、B2至Bn中对应的热力值大小,将参考背景B1划分为子块D11、D12、D13、D14、D15、D15、D17;将参考背景B2划分为子块D21、D22、D23、D24、D25、D26;将参考背景Bn划分为子块Dn1、Dn2、Dn3、Dn4、Dn5、Dn6、Dn7。子块D11、D13、D14、D15、D17对应的热力值范围为0,子块D12对应的热力值范围为10-20,子块D16对应的热力值范围为60-70。子块D21、D22、D24、D26对应的热力值范围为0,子块D23对应的热力值范围为60-70,子块D25对应的热力值范围为10-20。子块Dn1、Dn4、Dn5、Dn6、Dn7对应的热力值范围为0,子块Dn2对应的热力值范围为10-20,子块Dn3对应的热力值范围为60-70。可以理解,图4所示的划分子块的结果仅仅作为示意,本实施例在此不做具体限制。
具体地,上述步骤S34中的“基于子块对应的热力值确定子块对应的子参考热力值”,具体可以通过下述步骤进行实施:
步骤S342:按照预设算法对子块对应的热力值进行计算,得到子块对应的子参考热力值。
在一个实施场景中,预设算法可以为对子块内的热力值求和并取均值的一半,此时所求得子参考热力值为一具体数值。例如,结合图4,对子块D12按照预设算法计算可得到子块D12对应的子参考热力值为85,对子块D16按照预设算法计算可得到子块D16的子参考热力值为425,对子块D25按照预设算法计算可得到子块D25对应的子参考热力值85,对子块D23按照预设算法计算可得到子块D23对应的子参考热力值300,对子块Dn2按照预设算法计算可得到子块Dn2对应的子参考热力值85,对子块Dn3按照预设算法计算可得到子块Dn3对应的子参考热力值300,而对图4中其他子块按照预设算法计算可得到其他子块对应的子参考热力值均为0。可以理解,在其他实施场景中,预设算法还可以为其他算法,例如加权平均、加权求和等等。在其他实施场景中,按照预设算法对子块对应的热力值进行计算,可能得到一数值范围,例如20~100、30~90等等,此时子参考热力值也可以是一数值范围,本实施例在此不做具体限制。
步骤S343:预设分块策略为按照对参考背景图的子块划分方式对待检测图像进行划分。
上述步骤S21中的预设分块策略可以为本实施例中按照对参考背景图的子块划分方式对待检测图像进行划分。也就是说,按照参考背景图B1中对子块的划分方式对待检测图像进行划分,和/或,按照参考背景图B2中对子块的划分方式对待检测图像进行划分,和/或,按照参考背景图Bn中对子块的划分方式对待检测图像进行划分。
此外,将参考背景B1划分的子块D11、D12、D13、D14、D15、D15、D17作为子参考背景图;参考背景B2划分的子块D21、D22、D23、D24、D25、D26作为子参考背景图;将参考背景Bn划分的子块Dn1、Dn2、Dn3、Dn4、Dn5、Dn6、Dn7作为子参考背景图。
步骤S22:对待检测图像进行运动热力统计,得到待检测图像的每个待检测子块的当前热力值。
请结合参阅图6,按照上述预设分块策略将待检测图像Q1划分为至少一个待检测子块:E11、E12、E13、E14、E15、E16、E17,将待检测图像Q2划分为至少一个待检测子块:E21、E22、E23、E24、E25、E26,将待检测图像Qn划分为至少一个待检测子块:En1、En2、En3、En4、En5、En6、En7。对待检测图像Q1、Q2至Qn进行运动热力统计,得到每个待检子块的当前热力值,具体地,图6中圆圈“○”表示热力值大小为10、方块“□”表示热力值大小为20、三角形“△”表示热力值大小为60、菱形“◇”表示热力值大小为70,则待检子块E12的当前热力值为170,待检子块E16的当前热力值为850,待检子块E25的当前热力值为170,待检子块E23的当前热力值为600,待检子块En2的当前热力值为170,待检子块En3的当前热力值为130。可以理解,上述图6所示的待检测子块的划分结果及待检测子块的当前热力值仅为示意,在其他实施方式中,待检测子块的划分结果也可以为其他形式,而待检测子块的当前热力值也可以为其他值,本实施例在此不做具体限制。
在本实施例中,当上述步骤S13通过比较待检测图像的当前热力情况与参考热力情况获得第一比较结果,以及比较待检测图像的当前背景与参考背景图获得第二比较结果,基于第一比较结果和第二比较结果来确定摄像设备是否被遮挡来实施时,步骤S13具体可以通过以下步骤进行实施:
步骤S23:对每个待检测子块进行以下判断:判断待检测子块的当前热力值是否小于对应的子参考热力值下限,且待检测子块的当前背景与对应的子参考背景图之间的差异值是否大于预设差异阈值。
在实际应用过程中,采用不同的计算方式所获得子参考热力值可能也有所不同,例如,子参考热力值可能为一具体数值,也可能为一数值范围,此时,为了统一判断标准,无论子参考热力值是一具体数值,还是一数值范围,均取其下限与当前热力值进行判断,可以理解,当子参考热力值为一具体数值时,子参考热力值下限即可以认为是其本身。具体来说,请结合参阅图4和图6,例如将参考背景B1划分的子块D11、D12、D13、D14、D15、D15、D17的子参考热力值下限分别对应地与待检测子块的当前热力值进行大小比较,判断当前热力值是否小于对应的子参考热力值下限,且将参考背景B1划分的子块D11、D12、D13、D14、D15、D15、D17的子参考背景图,分别对应地与待检子块的当前背景进行比较获得差异值,判断待检子块的当前背景与对应的子参考背景图之间的差异值是否大于预设差异阈值。
在一个实施场景中,还可以将参考背景B2划分的子块D21、D22、D23、D24、D25、D26的子参考热力值下限与子参考背景图分别与待检测子块的当前热力值与当前背景进行比较;进一步地,比较范围可以扩展至参考背景Bn划分的子块Dn1、Dn2、Dn3、Dn4、Dn5、Dn6、Dn7的子参考热力值下限与子参考背景图,分别与待检测子块的当前热力值与当前背景进行比较。本实施例在此不做具体限制。
在一个实施场景中,作为其中一种可能存在的实施方式,对每个待检测子块还可以只进行以下判断:判断待检测子块的当前热力值是否小于对应的子参考热力值下限。即不对待检测子块的当前背景与对应的子参考背景图之间的差异值是否大于预设差异阈值进行判断。
步骤S24:判断是否存在预设数量个判断结果均为是的待检测子块,则执行步骤S25,否则执行步骤S26。
预设数量可以为至少1个,例如:1个、2个、3个等等。
请结合参阅图6,例如此时设置的预设数量为1,通过比较发现,待检测子块En3的当前热力值为130小于对应的参考背景Bn中的子块En3的子参考热力值下限为300,且待检测子块En3的当前背景与子参考背景图Dn3之前的差异值大于预设差异值,则此时可以确定摄像设备被遮挡。
步骤S25:确定摄像设备被遮挡。
如上所述,当设置的预设数量为1时,通过比较发现,待检测子块En3的当前热力值为130小于对应的参考背景Bn中的子块En3的子参考热力值下限为300,且待检测子块En3的当前背景与子参考背景图Dn3之前的差异值大于预设差异值,则此时可以确定摄像设备被遮挡。
步骤S26:确定摄像设备未被遮挡。
若设置的预设数量为5时,如上所述,通过比较发现,只有待检测子块En3的当前热力值为130小于对应的参考背景Bn中的子块En3的子参考热力值下限为300,且待检测子块En3的当前背景与子参考背景图Dn3之前的差异值大于预设差异值,则此时可以确定摄像设备未被遮挡。
由上可知,设置不同的预设数量,最终判断摄像设备是否被遮挡的结果也可能不同。根据应用场景的实际情况,可以设置合适的预设数量。例如,对于经常进出一些大型目标的场景,比如建筑装修工地经常会搬进或搬出一些诸如门、石膏板、复合板等建筑材料,若预设数量较小,则可能出现满足预设数量个的判断结果为是的情况,从而将摄像设备误判为被遮挡,此时为了解决这些大型目标对遮挡检测的误判,可以设置稍大一些的预设数量,从而大大降低了对大型目标进行遮挡检测而出现误判的可能性。
此外,在一个实施场景中,除了上述判断方式,针对可能存在的动态遮挡,还可以在上述步骤S11之后,判断当前帧待检测图像的热力值是否比前至少一帧待检测图像的热力值大预设阈值,若是,则提醒异常,以提示管理人员可能存在遮挡,若否,则执行上述步骤S13以进一步确定摄像设备是否被遮挡。由于若存在动态遮挡,可能导致热力值突然上升,因此通过判断当前帧待检测图像的热力值是否比前至少一帧待检测图像的热力值大预设阈值,可以有效发现可能存在的动态遮挡。
此外,在一个实施场景中,除了上述判断方式,还可以综合待检测图像的当前时间以及摄像设备设置的场所进行判断,例如若判断待检测子块的当前热力值小于对应的子参考热力值下限,且待检测图像的当前时间为节假日,若该摄像设备设置于办公楼,则可以确定该摄像设备未被遮挡,同理,若该摄像设备设置于商场,则可以确定该摄像设备被遮挡。
此外,在一个实施场景中,对于诸如图4中子块D11、D13、D15等子参考热力值本身已经为0的子块,或者,子参考热力值趋近于0的子块,均可以直接设置其子参考热力值为0,从而对于这些本身就很“安静”的子块,不会由于其当前热力值可能存在的小于自参考热力值的情况,而被视作异常,进而被误判为被遮挡。
其中,在一个实施例中,若连续多帧待检测图像的同一待检测子块的当前背景与对应的子参考背景图之间的差异值不为零且不大于预设差异阈值,则根据待检测图像的当前背景更新参考背景图。例如,请结合参阅图6,当基于不同时段中的热力情况采用不同的分块方式划分子块时,假设与待检测图像Q1位于相同时段的还有多帧待检测图像Q11、Q12、Q13……Q1n,其中n为大于等于2的正整数。上述多帧待检测图像同一待检测子块E11的当前背景与对应子参考图像D11之间的差异值不为0且不大于预设差异阈值,则说明监控场景本身在子块E11的位置处出现了变化,则此时为了后续更为准确地进行遮挡检测,避免最终变化后,监控场景在子块E11位置处的变化导致当前背景与子参考背景图之间的差异值大于预设差异阈值,而最终可能将监控场景本身的变化误判为遮挡,此时可以根据待检测图像的当前背景更新参考背景图。
在一个实施场景中,除了考虑当前背景与对应的子参考背景图之间的差异值作为更新参考背景图的因素,还可以考虑待检测子块的当前热力值与对应的子参考热力值之间的差值作为更新参考背景图的另一因素。例如,当连续多帧待检测图像的同一待检测子块的当前背景与对应的子参考背景图之间的差异值不为零且不大于预设差异阈值,且连续多帧待检测图像的同一待检测子块的当前热力值很小但确认未发生遮挡,则根据待检测图像的当前背景更新参考背景图。
请参阅图7,图7是本申请摄像设备的遮挡检测方法又一实施例的流程示意图。本实施例可以包括如下步骤,具体而言,本实施例的实施步骤可以在上述实施例中步骤S13通过比较待检测图像的当前热力情况与参考热力情况获得第一比较结果,以及比较待检测图像的当前背景与参考背景图获得第二比较结果,基于第一比较结果和第二比较结果来确定摄像设备是否被遮挡来实施之前来实施。
本实施例的实施步骤具体包括:
步骤S71:确定待检测图像的拍摄时间所属的时段。
待检测图像的拍摄时间可以通过待检测图像上的时间戳确定,还可以通过待检测图像本身所携带的图像信息确定。本实施例在此不做限制。
在一个实施场景中,时段可以是预先统一设置好的,例如凌晨零点至五点为一个时段,五点至八点为一个时段等等。
此外,除上述设置方式以外,时段还可以根据摄像设备所处的监控场景并监控一段时间后,根据在此期间获得的图像的亮度情况进行自适应地设置,具体实施时,可以通过如下步骤进行实施:
请参阅图8,时段的设置可以在前述实施例中步骤S11之前实施,具体包括如下步骤:
步骤S81:获取对摄像设备在未被遮挡时在预设时间段拍摄得到的多帧预参考图像。
预设时间可以为24小时、48小时、72小时等等,本实施例在此不做具体限制。
步骤S82:根据多帧预参考图像的亮度情况及拍摄时间,将多帧预参考图像划分至多个时段中。
在一个实施场景中,可以结合多帧预参考图像的亮度情况及拍摄时间,将多帧预参考图像划分至多个时段中。例如,根据白天比较亮且拍摄得到的预参考图像的亮度情况也比较好,而晚上比较暗且拍摄得到的预参考图像的亮度情况也比较差,从而将多帧预参考图像分别划分至八点至十八点,以及十八点至次日八点。可以理解,在替他实施场景中,还可以进行进一步的细分,例如,将多帧预参考图像划分至12个时段,分别为凌晨零点至五点、五点至六点、七点至八点、八点至十一点、十一点至十三点、十三点至十六点、十六点至十七点、十七点至十八点、十八点至十九点、十九点至二十点、二十点至二十三点、二十三点至二十四点。
作为其中一种可能存在的实施方式,可以将多帧预参考图像中亮度比较接近的划分至同一时段中。具体实施时,可以参阅图9,本实施例中步骤S82可以具体包括如下步骤:
步骤S821:将多帧预参考图像划分为多个预参考图像集,其中,每个预参考图像集包括亮度差异不大于预设亮度值的连续多帧预参考图像。
例如摄像设备在安装后开始累积使用二十四小时,且确认摄像设备未被遮挡,从而一共可以获得N帧预参考图像,若某帧预参考图像的亮度值和与其相邻的预参考图像的亮度值之间的亮度差异不大于预设亮度值,则将该预参考图像以及其相邻的预参考图像归为同一预参考图像集,否则将两者分至不同的预参考图像集。例如,对于拍摄于五点五十九分的预参考图像,拍摄于六点整的预参考图像,以及拍摄于六点零一分的预参考图像,经过亮度值比较,发现拍摄于五点五十九分的预参考图像与拍摄于六点整的预参考图像的亮度差异大于预设亮度值,而拍摄于六点整的预参考图像与拍摄于六点零一分的预参考图像之间的亮度差异小于预设亮度值,则将拍摄于六点整的预参考图像与拍摄于六点零一分的预参考图像归为第一预参考图像集,将拍摄于五点五十九分的预参考图像归为第二预参考图像集。
步骤S822:按照预参考图像集中的最早拍摄时间和最晚拍摄时间,确定得到与预参考图像集对应的时段。
按照预参考图像集中最早拍摄时间和最晚拍摄时间确定与预参考图像集对应的时段,例如,第一预参考图像集中最早拍摄的预参考图像的拍摄时间为六点整,最晚拍摄的预参考图像的拍摄时间为六点半,则对应于第一预参考图像集的时段为六点整至六点半。
步骤S83:将每个时段的至少部分预参考图像作为时段对应的参考图像。
将每个时段的至少部分预参考图像作为对应的参考图像,例如一帧预参考图像、两帧预参考图像、三帧预参考图像等等。
例如,请结合参阅图4,将P1作为凌晨零点至五点时段中的多个预参考图像中与该时段对应的参考图像,将P2作为五点至六点时段中多个预参考图像中与该时段对应的参考图像,将Pn作为二十三点至二十四点时段中多个预参考图像中与该时段对应的参考图像。
步骤S72:获取与时段对应的参考热力情况及参考背景图,以用于后续比较。其中,时段对应的参考热力情况为对在时段拍摄得到的至少一帧参考图像进行运动热力统计而得到的;时段对应的参考背景图是对在时段拍摄得到的至少一帧参考图像进行背景提取得到的。
例如,请结合参阅图4及图6,确定待检测图像Q1的拍摄时间所属的时段为凌晨零点至五点时段,则获得与凌晨零点至五点时段对应的参考热力情况C1及参考背景图B1;确定待检测图像Q2的拍摄时间所属的时段为五点至六点时段,获得与五点至六点时段对应的参考热力情况C2及参考背景图B2;确定待检测图像Qn的拍摄时间所属的时段为二十三点至二十四点时段,则获得与二十三点至二十四点时段对应的参考热力情况Cn及参考背景图Bn,以用于后续比对。
与待检测图像的拍摄时间所属的时段对应的参考热力情况为对在时段拍摄得到的至少一帧参考图像进行运动热力统计而得到的;与待检测图像的拍摄时间所属的时段对应的参考背景图是对在时段拍摄得到的至少一帧参考图像进行背景提取得到的。具体可以参考前述实施例中的具体实施步骤,本实施例在此不再赘述。
上述方式,将待检测图像的当前热力情况及当前背景分别与其所属的时段所对应的参考热力情况及参考背景图进行比较,例如五点的待检测图像的当前热力情况及当前背景与十一点的参考图像的参考热力情况及参考背景图显然不同,甚至存在较大的差异,从而导致摄像设备实际上未被遮挡,而被误判为被遮挡。通过上述方式可以避免不同时段的待检测图像与参考图像比较而导致的误判,进一步提高了遮挡检测的准确性。
请参阅图10,图10为本申请摄像设备的遮挡检测方法又一实施例的流程示意图。本实施例中,参考图像包括摄像设备在未被遮挡时启动补光灯拍摄得到的第一参考图像和摄像设备在未被遮挡时关闭补光灯拍摄得到的第二参考图像,则上述步骤S11之后,还可以进一步包括:
步骤S1010:检测待检测图像的拍摄状态为启动补光灯,还是关闭补光灯,若为启动,则执行步骤S1020,若为关闭,则执行步骤S1030。
摄像设备在拍摄过程中,为了能够在光线较差条件下对监控场景进行拍摄,可能会开启补光灯对监控场景进行补光,例如设置于某条街道的摄像设备,当天气恶劣而太阳被乌云遮挡时,可能存在光线变差的情况,此时摄像设备可能会开启补光灯。因此,有必要对开启补光灯时的待检测图像与开启补光灯时,拍摄得到的第一参考图像进行比对,以进一步提高遮挡检测的准确性。
步骤S1020:选择由第一参考图像得到的第一参考热力情况和第一参考背景图来进行后续比较。
当检测待检测图像的拍摄状态为开启补光灯,则由第一参考图像得到的第一参考热力情况和第一参考背景图进行后续比较。
步骤S1030:选择由第二参考图像得到的第二参考热力情况和第二参考背景图来进行后续比较。
当检测待检测图像的拍摄状态为关闭补光灯,则由第二参考图像得到的第二参考热力情况和第二参考背景图进行后续比较。
上述方式,对开启补光灯时的待检测图像与开启补光灯时拍摄得到的第一参考图像进行比对,而对关闭补光灯时的待检测图像与关闭补光灯时拍摄得到的第二参考图像进行比对,有利于进一步提升遮挡检测的准确性。
请参阅图11,图11是本申请摄像设备的遮挡检测装置一实施例的框架示意图。本实施例中的装置包括相互耦接的存储器1110和处理器1120,处理器1120用于执行存储器1110存储的程序指令,以实现上述任一实施例中的摄像设备的遮挡检测方法中的步骤。
处理器1120还可以称为CPU(Central Processing Unit,中央处理单元)。处理器1120可能是一种集成电路芯片,具有信号的处理能力。处理器1120还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(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。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。另外,处理器1120可以由多个成电路芯片共同实现。
在本实施例中,处理器1120用于控制其自身以及存储1110以实现上述任一实施例中的摄像设备的遮挡检测方法中的步骤,具体来说,可以包括:处理器1120用于获取存储器1110存储的摄像设备拍摄得到的待检测图像,处理器1120还用于对待检测图像进行运动热力统计,得到待检测图像的当前热力情况,处理器1120还用于通过比较待检测图像的当前热力情况与参考热力情况,来确定摄像设备是否被遮挡,其中,参考热力情况是对摄像设备在未被遮挡时拍摄得到的至少一帧参考图像进行运动热力统计而得到的。
上述方式,通过对摄像设备未被遮挡时拍摄得到的至少一帧参考图像进行运动热力统计得到参考热力情况,从而将待检图像进行运动热力统计得到的当前热力情况与参考热力情况进行比较,进而确定摄像设备是否被遮挡。通过上述方式,在面对诸如可能存在不同遮挡物的复杂监控场景中,由于无论何种遮挡物遮挡摄像设备时,均会造成摄像设备无法正常拍摄到监控场景的全貌,从而对拍摄得到的待检测图像的当前热力情况造成一定的影响,因此,通过对当前热力情况与未被遮挡时的参考热力情况进行比较即可准确地判断摄像设备是否被遮挡,从而能够在复杂监控场景中提高遮挡检测的准确性。
其中,在一个实施例中,处理器1120还用于比较待检测图像的当前热力情况与参考热力情况获得第一比较结果,以及第二比较待检测图像的当前背景与参考背景图获得第二比较结果,基于第一比较结果和第二比较结果来确定摄像设备是否被遮挡,其中,参考背景图是对摄像设备在未被遮挡时拍摄得到的至少一帧参考图像进行背景提取得到的。
其中,在另一个实施例中,处理器1120还用于按照预设分块策略将待检测图像划分为至少一个待检测子块,处理器1120还用于对待检测图像进行运动热力统计,得到待检测图像的每个待检测子块的当前热力值,处理器1120还用于对每个待检测子块进行以下判断:判断待检测子块的当前热力值是否小于对应的子参考热力值下限,且待检测子块的当前背景与对应的子参考背景图之间的差异值是否大于预设差异阈值,若存在预设数量个判断结果均为是的待检测子块,则确定摄像设备被遮挡。
其中,在又一个实施例中,处理器1120还用于从存储器1110中获取对摄像设备在未被遮挡时拍摄得到的至少一帧参考图像,处理器1120还用于对至少一帧参考图像进行背景检测,得到参考背景图,处理器1120还用于对至少一帧参考图像进行运动热力统计,得到对应参考背景图的参考热力情况,处理器1120还用于根据参考热力情况将参考背景图划分为至少一个子块,且基于子块对应的热力值确定子块对应的子参考热力值,其中每个子块作为一子参考背景图。
其中,在又一个实施例中,处理器1120还用于按照参考背景图中对应的热力值大小,将参考背景图划分为至少一个子块,其中,每个子块对应一热力值范围,处理器1120还用于按照预设算法对子块对应的热力值进行计算,得到子块对应的子参考热力值,预设分块策略为按照对参考背景图的子块划分方式对待检测图像进行划分。
其中,在又一个实施例中,处理器1120还用于判断若连续多帧待检测图像的同一待检测子块的当前背景与对应的子参考背景图之间的差异值不为零且不大于预设差异阈值,则根据待检测图像的当前背景更新参考背景图。
其中,在又一个实施例中,处理器1120还用于确定待检测图像的拍摄时间所属的时段,处理器1120还用于获取与时段对应的参考热力情况及参考背景图,以用于后续比较,其中,时段对应的参考热力情况为对在时段拍摄得到的至少一帧参考图像进行运动热力统计而得到的,时段对应的参考背景图是对在时段拍摄得到的至少一帧参考图像进行背景提取得到的。
其中,在又一个实施例中,处理器1120还用于从存储器1110中获取对摄像设备在未被遮挡时在预设时间段拍摄得到的多帧预参考图像,处理器1120还用于根据多帧预参考图像的亮度情况及拍摄时间,将多帧预参考图像划分至多个时段中,处理器1120还用于将每个时段的至少部分预参考图像作为时段对应的参考图像。
其中,在又一个实施例中,处理器1120还用于将多帧预参考图像划分为多个预参考图像集,其中,每个预参考图像集包括亮度差异不大于预设亮度值的连续多帧预参考图像,处理器1120还用于按照预参考图像集中的最早拍摄时间和最晚拍摄时间,确定得到与预参考图像集对应的时段。
其中,在又一个实施例中,参考图像包括摄像设备在未被遮挡时启动补光灯拍摄得到的第一参考图像和摄像设备在未被遮挡时关闭补光灯拍摄得到的第二参考图像,处理器1120还用于检测待检测图像的拍摄状态为启动补光灯还是关闭补光灯,处理器1120还用于当判断为启动时选择由第一参考图像得到的第一参考热力情况和第一参考背景图来进行后续比较,处理器1120还用于当判断为关闭时选择由第二参考图像得到的第二参考热力情况和第二参考背景图来进行后续比较。
其中,在又一个实施例中,装置还包括人机交互电路,处理器1120还用于判断当前帧待检测图像的热力值是否比前至少一帧待检测图像的热力值大预设阈,处理器1120还用于当判断为是时,控制人机交互电路提醒异常,处理器1120还用于当判断结果为否时,控制其自身执行通过比较待检测图像的当前热力情况与参考热力情况,来确定摄像设备是否被遮挡。
请参阅图12,图12为本申请存储装置1200一实施例的框架示意图。本申请存储装置1200存储有能够被处理器运行的程序指令1210,程序指令1210用于实现上述任一摄像设备的遮挡检测方法的实施例中步骤。
该存储装置1200具体可以为U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等可以存储程序指令1210的介质,或者也可以为存储有该程序指令1210的服务器,该服务器可将存储的程序指令1210发送给其他设备运行,或者也可以自运行该存储的程序指令1210。
上述方案中,在每一轮向所有接收处理器发送单元包的时间段内,所有接收处理器均需负担接收、处理单元包的任务,进而实现接收处理器负载均衡。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,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,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。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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元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单元来实现本实施方式方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,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,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (13)
1.一种摄像设备的遮挡检测方法,其特征在于,包括:
获取所述摄像设备拍摄得到的待检测图像;
对所述待检测图像进行运动热力统计,得到所述待检测图像的当前热力情况;所述运动热力统计包括统计监控目标在某一区域或某一位置出现的次数或概率;
通过比较所述待检测图像的当前热力情况与参考热力情况,来确定所述摄像设备是否被遮挡;
其中,所述参考热力情况是对所述摄像设备在未被遮挡时拍摄得到的至少一帧参考图像进行运动热力统计而得到的。
2.根据权利要求1所述的方法,其特征在于,所述通过比较所述待检测图像的当前热力情况与参考热力情况,来确定所述摄像设备是否被遮挡,包括:
比较所述待检测图像的当前热力情况与参考热力情况获得第一比较结果,以及比较所述待检测图像的当前背景与参考背景图获得第二比较结果,基于第一比较结果和第二比较结果来确定所述摄像设备是否被遮挡;
其中,所述参考背景图是对所述摄像设备在未被遮挡时拍摄得到的至少一帧参考图像进行背景提取得到的。
3.根据权利要求2所述的方法,其特征在于,所述对所述待检测图像进行运动热力统计,得到所述待检测图像的当前热力情况,包括:
按照预设分块策略将所述待检测图像划分为至少一个待检测子块;
对所述待检测图像进行运动热力统计,得到所述待检测图像的每个待检测子块的当前热力值;
所述比较所述待检测图像的当前热力情况与参考热力情况获得第一比较结果,以及比较所述待检测图像的当前背景与参考背景图获得第二比较结果,基于第一比较结果和第二比较结果来确定所述摄像设备是否被遮挡,包括:
对每个所述待检测子块进行以下判断:判断所述待检测子块的当前热力值是否小于对应的子参考热力值下限,且所述待检测子块的当前背景与对应的子参考背景图之间的差异值是否大于预设差异阈值;
若存在预设数量个判断结果均为是的待检测子块,则确定所述摄像设备被遮挡。
4.根据权利要求3所述的方法,其特征在于,在所述获取所述摄像设备拍摄得到的待检测图像之前,所述方法还包括:
获取对所述摄像设备在未被遮挡时拍摄得到的至少一帧参考图像;
对所述至少一帧参考图像进行背景检测,得到参考背景图;
对所述至少一帧参考图像进行运动热力统计,得到对应所述参考背景图的参考热力情况;
根据所述参考热力情况将所述参考背景图划分为至少一个子块,且基于所述子块对应的热力值确定所述子块对应的子参考热力值,其中每个所述子块作为一所述子参考背景图。
5.根据权利要求4所述的方法,其特征在于,所述根据所述参考热力情况将所述参考背景图划分为至少一个子块,包括:
按照所述参考背景图中对应的热力值大小,将所述参考背景图划分为至少一个子块,其中,每个子块对应一热力值范围;
所述基于所述子块对应的热力值确定所述子块对应的子参考热力值,包括:
按照预设算法对所述子块对应的热力值进行计算,得到所述子块对应的子参考热力值;
所述预设分块策略为按照对所述参考背景图的子块划分方式对所述待检测图像进行划分。
6.根据权利要求3所述的方法,其特征在于,所述方法还包括:
若连续多帧所述待检测图像的同一所述待检测子块的当前背景与对应的子参考背景图之间的差异值不为零且不大于预设差异阈值,则根据所述待检测图像的当前背景更新所述参考背景图。
7.根据权利要求2所述的方法,其特征在于,在所述比较所述待检测图像的当前热力情况与参考热力情况获得第一比较结果,以及比较所述待检测图像的当前背景与参考背景图获得第二比较结果,基于第一比较结果和第二比较结果来确定所述摄像设备是否被遮挡之前,所述方法还包括:
确定所述待检测图像的拍摄时间所属的时段;
获取与所述时段对应的参考热力情况及所述参考背景图,以用于后续比较;
其中,所述时段对应的参考热力情况为对在所述时段拍摄得到的至少一帧所述参考图像进行运动热力统计而得到的;
所述时段对应的参考背景图是对在所述时段拍摄得到的至少一帧参考图像进行背景提取得到的。
8.根据权利要求7所述的方法,其特征在于,在所述获取所述摄像设备拍摄得到的待检测图像之前,所述方法还包括:
获取对所述摄像设备在未被遮挡时在预设时间段拍摄得到的多帧预参考图像;
根据所述多帧预参考图像的亮度情况及拍摄时间,将所述多帧预参考图像划分至多个时段中;
将每个所述时段的至少部分预参考图像作为所述时段对应的所述参考图像。
9.根据权利要求8所述的方法,其特征在于,所述根据所述多帧预参考图像的亮度情况及拍摄时间,将所述多帧预参考图像划分至多个时段中,包括:
将所述多帧预参考图像划分为多个预参考图像集,其中,每个所述预参考图像集包括亮度差异不大于预设亮度值的连续多帧预参考图像;
按照所述预参考图像集中的最早拍摄时间和最晚拍摄时间,确定得到与所述预参考图像集对应的时段。
10.根据权利要求2所述的方法,其特征在于,所述参考图像包括所述摄像设备在未被遮挡时启动补光灯拍摄得到的第一参考图像和所述摄像设备在未被遮挡时关闭补光灯拍摄得到的第二参考图像;
在所述获取所述摄像设备拍摄得到的待检测图像之后,所述方法还包括:
检测所述待检测图像的拍摄状态为启动补光灯还是关闭补光灯;
若为启动,则选择由所述第一参考图像得到的第一参考热力情况和第一参考背景图来进行后续比较;
若为关闭,则选择由所述第二参考图像得到的第二参考热力情况和第二参考背景图来进行后续比较。
11.根据权利要求1所述的方法,其特征在于,所述待检测图像的当前热力情况包括所述待检测图像的每一区域或每一位置的热力值;在所述获取所述摄像设备拍摄得到的待检测图像之后,还包括:
判断当前帧所述待检测图像的热力值是否比前至少一帧所述待检测图像的热力值大,且所述当前帧所述待检测图像的热力值与所述前至少一帧所述待检测图像的热力值之间的差值是否大于或等于预设阈值;
若判断结果均为是,则提醒异常;
否则,执行所述通过比较所述待检测图像的当前热力情况与参考热力情况,来确定所述摄像设备是否被遮挡。
12.一种摄像设备的遮挡检测装置,其特征在于,包括相互耦接的存储器和处理器;
所述处理器用于执行所述存储器存储的程序指令,以实现权利要求1至11任一项所述的方法。
13.一种存储装置,其特征在于,存储有能够被处理器运行的程序指令,所述程序指令用于实现权利要求1至11任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910544181.7A CN110321819B (zh) | 2019-06-21 | 2019-06-21 | 摄像设备的遮挡检测方法、装置及存储装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910544181.7A CN110321819B (zh) | 2019-06-21 | 2019-06-21 | 摄像设备的遮挡检测方法、装置及存储装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110321819A CN110321819A (zh) | 2019-10-11 |
CN110321819B true CN110321819B (zh) | 2021-09-14 |
Family
ID=68120077
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910544181.7A Active CN110321819B (zh) | 2019-06-21 | 2019-06-21 | 摄像设备的遮挡检测方法、装置及存储装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110321819B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112784654A (zh) * | 2019-11-11 | 2021-05-11 | 北京君正集成电路股份有限公司 | 一种红外物体检测设备的检测*** |
CN113011227B (zh) * | 2019-12-19 | 2024-01-26 | 合肥君正科技有限公司 | 一种遮挡检测中背景更新预判断期间避免误报的辅助检测方法 |
CN110913212B (zh) * | 2019-12-27 | 2021-08-27 | 上海智驾汽车科技有限公司 | 基于光流的智能车载摄像头遮挡监测方法及装置、辅助驾驶*** |
CN111723644A (zh) * | 2020-04-20 | 2020-09-29 | 北京邮电大学 | 一种监控视频遮挡检测方法及*** |
CN111860120B (zh) * | 2020-06-03 | 2023-11-17 | 江西江铃集团新能源汽车有限公司 | 车载相机自动遮挡检测方法和装置 |
CN112381854B (zh) * | 2020-11-13 | 2024-04-19 | 西安闻泰电子科技有限公司 | 基于图像的运动检测方法、装置、电子设备和存储介质 |
CN112804519A (zh) * | 2020-12-28 | 2021-05-14 | 深圳市捷顺科技实业股份有限公司 | 摄像头遮挡检测方法、装置、电子设备及通道闸 |
CN112669294B (zh) * | 2020-12-30 | 2024-04-02 | 深圳云天励飞技术股份有限公司 | 相机遮挡检测方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103096121A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 一种摄像头移动检测方法及装置 |
CN104601965A (zh) * | 2015-02-06 | 2015-05-06 | 巫立斌 | 摄像头遮挡检测方法 |
CN105611188A (zh) * | 2015-12-23 | 2016-05-25 | 北京奇虎科技有限公司 | 基于自动曝光的摄像头遮挡检测方法及装置 |
CN105761261A (zh) * | 2016-02-17 | 2016-07-13 | 南京工程学院 | 一种检测摄像头遭人为恶意破坏的方法 |
CN107316312A (zh) * | 2017-06-30 | 2017-11-03 | 深圳信路通智能技术有限公司 | 一种视频图像遮挡检测方法及*** |
CN107423737A (zh) * | 2017-05-03 | 2017-12-01 | 武汉东智科技股份有限公司 | 异物遮挡的视频质量诊断方法 |
CN107948465A (zh) * | 2017-12-11 | 2018-04-20 | 南京行者易智能交通科技有限公司 | 一种检测摄像头被干扰的方法和装置 |
CN108712606A (zh) * | 2018-05-14 | 2018-10-26 | Oppo广东移动通信有限公司 | 提示方法、装置、存储介质及移动终端 |
CN109635723A (zh) * | 2018-12-11 | 2019-04-16 | 讯飞智元信息科技有限公司 | 一种遮挡检测方法及装置 |
-
2019
- 2019-06-21 CN CN201910544181.7A patent/CN110321819B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103096121A (zh) * | 2011-10-28 | 2013-05-08 | 浙江大华技术股份有限公司 | 一种摄像头移动检测方法及装置 |
CN104601965A (zh) * | 2015-02-06 | 2015-05-06 | 巫立斌 | 摄像头遮挡检测方法 |
CN105611188A (zh) * | 2015-12-23 | 2016-05-25 | 北京奇虎科技有限公司 | 基于自动曝光的摄像头遮挡检测方法及装置 |
CN105761261A (zh) * | 2016-02-17 | 2016-07-13 | 南京工程学院 | 一种检测摄像头遭人为恶意破坏的方法 |
CN107423737A (zh) * | 2017-05-03 | 2017-12-01 | 武汉东智科技股份有限公司 | 异物遮挡的视频质量诊断方法 |
CN107316312A (zh) * | 2017-06-30 | 2017-11-03 | 深圳信路通智能技术有限公司 | 一种视频图像遮挡检测方法及*** |
CN107948465A (zh) * | 2017-12-11 | 2018-04-20 | 南京行者易智能交通科技有限公司 | 一种检测摄像头被干扰的方法和装置 |
CN108712606A (zh) * | 2018-05-14 | 2018-10-26 | Oppo广东移动通信有限公司 | 提示方法、装置、存储介质及移动终端 |
CN109635723A (zh) * | 2018-12-11 | 2019-04-16 | 讯飞智元信息科技有限公司 | 一种遮挡检测方法及装置 |
Non-Patent Citations (3)
Title |
---|
Memory Heat Map: Anomaly Detection in Real-Time Embedded Systems Using Memory Behavior;Man-Ki Yoon 等;《ACM》;20150707;第1-6页 * |
北斗车辆实时监控摄像头遮挡检测;张南 等;《交通世界》;20180827;第3-4页 * |
面向安防监控视频异物遮挡检测的方法与应用研究;李涛;《优秀硕士论文集》;20170811;第1-64页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110321819A (zh) | 2019-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110321819B (zh) | 摄像设备的遮挡检测方法、装置及存储装置 | |
US10070053B2 (en) | Method and camera for determining an image adjustment parameter | |
WO2021042816A1 (zh) | 一种检测监控设备故障的方法、装置 | |
JP4673849B2 (ja) | 複数のイメージセンサ間における視野関係を決定するためのコンピュータ化された方法及び装置 | |
JP5518359B2 (ja) | 煙検出装置 | |
US7751647B2 (en) | System and method for detecting an invalid camera in video surveillance | |
US10395498B2 (en) | Fire detection apparatus utilizing a camera | |
JP4653207B2 (ja) | 煙検出装置 | |
JP2013218679A (ja) | 短時間の駐車違反を取り締まるための、ビデオベースの検知装置及び通知装置 | |
US20070019071A1 (en) | Smoke detection | |
CN107920223B (zh) | 一种对象行为检测方法及装置 | |
CN105554380B (zh) | 一种昼夜切换方法及装置 | |
CN108288361A (zh) | 一种消防通道门状态检测方法 | |
CN114120171A (zh) | 基于视频帧的火灾烟雾检测方法、装置、设备及存储介质 | |
US8311345B2 (en) | Method and system for detecting flame | |
CN106781167B (zh) | 监测物体运动状态的方法及设备 | |
JP5286113B2 (ja) | 煙検出装置 | |
JP2020071698A (ja) | 火災検知装置、火災検知方法及び火災監視システム | |
Tsesmelis et al. | Tamper detection for active surveillance systems | |
US10922819B2 (en) | Method and apparatus for detecting deviation from a motion pattern in a video | |
US20220084216A1 (en) | Method and apparatus for detecting motion deviation in a video | |
JP2011061651A (ja) | 不審物検知システム | |
JP2010238034A (ja) | 煙検出装置 | |
Ratthi et al. | Foreground segmentation using motion vector for camouflaged surveillance scenario | |
Lau et al. | A real time aggressive human behaviour detection system in cage environment across multiple cameras |
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 |