CN110706227B - 一种物品状态检测方法、***、终端设备及存储介质 - Google Patents
一种物品状态检测方法、***、终端设备及存储介质 Download PDFInfo
- Publication number
- CN110706227B CN110706227B CN201910974637.3A CN201910974637A CN110706227B CN 110706227 B CN110706227 B CN 110706227B CN 201910974637 A CN201910974637 A CN 201910974637A CN 110706227 B CN110706227 B CN 110706227B
- Authority
- CN
- China
- Prior art keywords
- foreground object
- object region
- image data
- region
- video 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
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000004590 computer program Methods 0.000 claims description 20
- 230000003068 static effect Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 abstract description 10
- 238000012544 monitoring process Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于图像检测技术领域,提供一种物品状态检测方法、***、终端设备及存储介质,包括获取第f帧视频图像数据,f为正整数;对所述第f帧视频图像数据进行前景物体检测,得到第一前景物体区域,所述第一前景物体区域为所述第f帧视频图像数据中的前景物体区域;将所述第一前景物体区域与预先缓存的第二前景物体区域进行比对,得到比对结果,所述第二前景物体区域为第f‑x帧视频图像数据中的前景物体区域;根据所述比对结果判定物品状态。上述方式的检测方法,耗费资源少,算法执行快。
Description
技术领域
本发明属于图像检测技术领域,尤其涉及一种物品状态检测方法、***、终端设备及存储介质。
背景技术
目前,通常采用双背景建模计数来实现物体遗留及拿取,长周期背景可以检测出运动频繁的物体和短期停留的物体,短周期背景可以检测出运动频繁的物体,但是短期停留的物体很容易形成背景的一部分,根据这个特征来比较长短周期的背景图可以区分出遗留的物体。
但是双背景建模技术具有以下缺陷,背景模型是通过监测背景画面的图像数据的改变来检测前景的,需要对整个背景的图像数据进行监测,而进行双背景建模的物品遗留检测需要同时维持两个背景建模过程,由此使得相关算法执行缓慢,且需要较大的存储空间。
发明内容
有鉴于此,本发明实施例提供了一种物品状态检测方法、***、终端设备及存储介质,以解决现有技术中相关算法执行慢、需要的存储空间大的问题。
本发明实施例的第一方面提供了一种物品状态检测方法,包括:
获取第f帧视频图像数据,f为正整数;
对所述第f帧视频图像数据进行前景物体检测,得到第一前景物体区域,所述第一前景物体区域为所述第f帧视频图像数据中的前景物体区域;
将所述第一前景物体区域与预先缓存的第二前景物体区域进行比对,得到比对结果,所述第二前景物体区域为第f-x帧视频图像数据中的前景物体区域,x为正整数;
根据所述比对结果判定物品状态。
在一个实施例中,所述对所述第f帧视频图像数据进行前景物体检测,得到第一前景物体区域包括:
获取背景模型的背景图像数据;
对比第f帧视频图像数据与所述背景图像数据;
将相对所述背景图像数据发生改变的区域判定为所述第一前景物体区域。
在一个实施例中,所述将所述第一前景物体区域与预先缓存的第二前景物体区域进行比对,得到比对结果包括:
计算所述第一前景物体区域的大小和位置;
获取所述第二前景物体区域的大小和位置;
计算所述第一前景物体区域与所述第二前景物体区域的交并比;
若所述第一前景物体区域与所述第二前景物体区域的交并比大于第一阈值,则判定所述前景物体处于静止状态;
若所述第一前景物体区域与所述第二前景物体区域的交并比小于所述第一阈值且大于第二阈值,则判定所述前景物体处于运动状态。
在一个实施例中,所述获取所述第二前景物体区域的大小和位置之后,还包括:
若判定所述前景物体处于运动状态,则将所述第二前景物体区域的大小和位置更新为所述第一前景物体区域的大小和位置。
在一个实施例中,所述获取所述第二前景物体区域的大小和位置之后,还包括:
若所述第一前景物体区域与所述第二前景物体区域的交并比小于所述第二阈值,则判定出现新的前景物体;
建立新的缓存区域缓存新的前景物体。
在一个实施例中,所述根据所述比对结果判定物品状态包括:
当所述比对结果满足第一预设条件时,将第一计数值增加一个计数单位;
当所述比对结果满足第二预设条件时,将第二计数值增加一个计数单位;
根据所述第一计数值和所述第二计数值判定物品状态。
在一个实施例中,所述根据所述第一计数值和所述第二计数值判定物品状态包括:
若所述第一计数值大于预设的第一计数阈值,则判定发生物品遗留。
若所述第二计数值大于预设的第二计数阈值,则判定发生物品拿取。
本发明实施例的第二方面提供了一种物品状态检测***,包括:
获取模块,用于获取第f帧视频图像数据,f为正整数;
检测模块,用于对所述第f帧视频图像数据进行前景物体检测,得到第一前景物体区域,所述第一前景物体区域为所述第f帧视频图像数据中的前景物体区域;
比对模块,用于将所述第一前景物体区域与预先缓存的第二前景物体区域进行比对,得到比对结果,所述第二前景物体区域为第f-x帧视频图像数据中的前景物体区域;
状态判定模块,用于根据所述比对结果判定物品状态。
本发明实施例的第三方面提供了一种终端设备,包括:
存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如前述第一方面所述物品状态检测方法的步骤。
本发明实施例的第四方面提供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,所述计算机程序被处理器执行时实现如前述第一方面所述物品状态检测方法的步骤。
本发明实施例有益效果是:
本发明实施例提供的一种物品状态检测方法、***、终端设备及存储介质,通过对比相邻帧的长周期背景模型检测出的前景物体缓存区域的大小和位置来判定前景物体运动状态,通过该种方式达到与双背景建模技术同样的技术效果,但有所区别的是本申请是直接将长周期背景模型检测出的前景物体缓存到预设缓存区域,直接关注物体,而不是关注像素,且无需像短周期背景模型对背景进行监测,所以相对双背景建模技术耗费资源少,算法执行快,检测速度快。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的物品状态检测方法的实现流程示意图;
图2是本发明实施例提供的对所述第f帧视频图像数据进行前景物体检测的细化示例流程示意图;
图3是本发明实施例提供的物品状态检测方法的状态判断流程示意图;
图4是本发明实施例提供的物品状态检测***的示意图;
图5是本发明实施例提供的终端设备的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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地描述,显然,所描述的实施例是本发明一部分的实施例,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,都应当属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外,术语“第一”、“第二”和“第三”等是用于区别不同对象,而非用于描述特定顺序。
实施例一
如图1所示,本发明实施例提供的物品状态检测方法包括:
S101:获取第f帧视频图像数据。
其中,f为正整数。在应用中,检测前景物体需要获取监控图像数据,监控图像可以从存储监控图像的储存设备中获取,也可以直接接收从监控摄像头传来的监控图像数据。
本申请中的物品状态检测技术本质上是对监控图像数据进行分析,首先获取背景模型中的背景图像数据,然后分析传来的第f帧监控图像数据,检测第f帧监控图像中是否存在像素发生改变的区域,像素发生改变的图像区域将被判定为前景区域。
S102:对所述第f帧视频图像数据进行前景物体检测,得到第一前景物体区域。
所述第一前景物体区域为所述第f帧视频图像数据中的前景物体区域。
如图2所示,步骤S102具体可以包括如下过程:
S201:获取背景模型的背景图像数据。
S202:对比第f帧视频图像数据与所述背景图像数据。
在应用中,前景物体检测通过背景模型来完成,本申请中采用的背景模型为长周期背景模型,即更新时间较长的背景模型,相对于短周期模型,长周期背景模型不仅能够检测出运动的物体,还能够检测出原本不存在于背景图像中的静止的物体。背景模型每隔一端时间会更新一次,在更新时对于画面中的前景进行存在时间检测,若该前景像素点存在了足够长的时间,则该前景会作为背景,若该像素点存在时间不足,则仍旧会被认为是前景。
S203:将相对所述背景图像数据发生改变的区域判定为所述第一前景物体区域。
其中第一前景物体区域为在第f帧监控图像检测到的前景物体的缓存区域。
应用中,以像素为例,上述的前景检测方法需要检测监控图像的全部区域的图像像素,为了节约存储空间和提高检测效率,可对动态区域和静态区域进行差异化的图像分析。监控场景中通常只有少部分区域是动态区域,而大部分区域是静态区域,稳定区域即静态区域的像素点总是呈现相同的像素值,且该像素值与背景模型中的背景图像像素值近似,与背景图像像素值存在较大差别的可以判定为动态区域,稳定区域的相邻帧像素点几乎无变化,因此稳定区域像素点的背景参数模型不需要每帧都进行更新,而动态区域需要较稳定区域更频繁的检测对比以便确认该区域是否处于连续的运动状态,动态区域和静态区域进行差异化的图像分析,以此进行针对性和高效率的前景检测。
现有的监控图像每秒帧数在30-60帧之间,由于每秒的帧数高,而背景模型辨别前景物体需要对每一帧的图像数据进行分析,导致工作量大,处理效率低;在每一秒帧数如此之多的情况下,除非监控图像中有超高速运动的物体,不然每一帧的图像变化都极小,因此一般并不需要逐帧进行像素分析,可每隔5帧进行一次图像分析,当然,5帧是一个示例帧数,具体可以更多也可以更少,因此背景模型并不需要更新每一帧的监控图像数据点的参数,通过降低背景模型的参数更新频率能够有效提高算法的运算效率。
S103:将所述第一前景物体区域与预先缓存的第二前景物体区域进行比对,得到比对结果,所述第二前景物体区域为第f-x帧视频图像数据中的前景物体区域。
如图3所示,步骤S103具体可以包括如下过程:
S301:计算所述第一前景物体区域的大小和位置。
在应用中,检测出前景物体后,需要将前景物体缓存到预设的缓存区域以获得当前帧的前景物体缓存区域,然后进行相邻帧的前景物体缓存区域的比对来获得比对结果。以上述的第一前景物体和第二前景物体为例,上述的第一前景物体区域即为第f帧的前景物体缓存区域,当获得第一前景物体区域后,需要计算出第一前景物体区域的大小和位置,之后再获取所述第二前景物体区域的大小和位置,第二前景物体区域即为第f-x帧视频图像中的该前景物体缓存区域,这里背景模型是每隔一帧检测一次前景物体,若是每隔5帧检测一次前景物体,第二前景物体区域为第f-5帧视频图像中的该前景物体缓存区域;对比第一前景物体区域和第二前景物体区域的大小和位置获得比对结果,当然,若不存在第二前景物体区域,则不进行对比。其中,只有相同前景物体前后相邻帧的缓存区域才能进行对比,例如,背景模型每隔x帧检测一次前景物体,x为正整数,则前景物体的第f帧的缓存区域只能和该前景物体第f+x帧的缓存区域及该前景物体的第f-x帧前景物体的缓存区域进行对比,本实施例中采用前景物体的第f帧的缓存区域和该前景物体的第f-x帧前景物体的缓存区域进行对比来得到比对结果。
S302:获取所述第二前景物体区域的大小和位置。
在应用中,若第一前景物体区域和第二前景物体区域大小差异在预设范围内则说明第一前景物体区域和第二前景物体区域缓存的是同一个前景物体,若第一前景物体区域和第二前景物体区域大小差异超出预设范围,则可能是第一前景物体区域缓存的是新出现的前景物体,也可能是前景物体的大小计算有误或者前景物体检测不全。
S303:计算所述第一前景物体区域与所述第二前景物体区域的交并比。
其中,第一前景物体区域与所述第二前景物体区域的交并比为第一前景物体区域与所述第二前景物体区域的交集与并集的比值,例如A与B的交并比为(A与B的交集)/(A与B的并集)。
S304:若所述第一前景物体区域与所述第二前景物体区域的交并比大于第一阈值,则判定所述前景物体处于静止状态。
在应用中,若所述第一前景物体区域与所述第二前景物体区域的交并比大于第一阈值,可以判定第一前景物体区域与所述第二前景物体区域的重合区域较大,由于静止物体下在监控场景下可能由于光照等外界条件,或者是摄像头本身的噪点或者感光器件的不稳定性导致每一帧都会有所区别,考虑到上面的因素,若所述第一前景物体区域与所述第二前景物体区域的交并比大于一定阈值(即所述第一阈值),即可判定物体处于静止状态。
其中,第一阈值是一个经验数据,在本实施例中可以设定为0.9,即若所述第一前景物体区域与所述第二前景物体区域的交并比大于0.9,则认为物体处于静止状态。
S305:若所述第一前景物体区域与所述第二前景物体区域的交并比小于所述第一阈值且大于第二阈值,则判定所述前景物体处于运动状态。
若所述第一前景物体区域与所述第二前景物体区域的交并比在预设范围(即小于所述第一阈值且大于所述第二阈值)内,则可以判定第一前景物体区域与所述第二前景物体区域缓存的是相同的前景物体,由于第一前景物体区域与所述第二前景物体区域分别为第f帧和第f-x帧视频图像数据中的前景物体区域,则若第一前景物体区域相对所述第二前景物体区域发生偏移,则可以确定前景物体处于运动状态。
在一个实施例中,S302之后还包括:
若判定所述前景物体处于运动状态,则将所述第二前景物体区域的大小和位置更新为所述第一前景物体区域的大小和位置。
当所述前景物体处于运动状态时,其在视频图像数据中所处的区域也会随着其运动而发生变化,所述第二前景物体区域是第f-x帧视频图像数据中的前景物体区域,即这是旧的前景物体区域,而所述第一前景物体区域是第f帧视频图像数据中的前景物体区域,即这是新的前景物体区域,为了保证监测过程的持续性,需要不断将旧的前景物体区域更新为新的前景物体区域,也即将所述第二前景物体区域的大小和位置更新为所述第一前景物体区域的大小和位置。
其中,所述第二阈值用于判定第f帧视频图像数据中的前景物体与第f-x帧视频图像数据中的前景物体是否为同一物体,当所述第一前景物体区域与所述第二前景物体区域的交并比小于第二阈值时,说明两者差异较大,并不是同一物体,而当所述第一前景物体区域与所述第二前景物体区域的交并比大于第二阈值时,说明两者差异较小,是相同的一个物体。在判定两者是同一物体的前提下,当所述第一前景物体区域与所述第二前景物体区域的交并比大于第一阈值时,说明物体在两帧视频图像数据中几乎没有发生变化,可认为其处于静止状态,当所述第一前景物体区域与所述第二前景物体区域的交并比小于第一阈值时,说明物体在两帧视频图像数据中发生了一定的变化,可认为其处于运动状态。与第一阈值类似,第二阈值也是一个经验数据,在本实施例中可以设定为0.7。
可选的,S302之后还包括:
若所述第一前景物体区域与所述第二前景物体区域的交并比小于所述第二阈值,则判定出现新的前景物体。
建立新的缓存区域缓存新的前景物体。
应用中,新的前景物体的缓存区域相对于之前检测出的前景物体缓存区域必然存在大小、位置其中一者或两者的差异,所以通过和之前的前景物体区域的大小和位置进行对比,能有效的判断出该前景物体是否为新的前景物体。
上述的通过不同帧的相同前景物体的缓存区域来进行对比获取该前景物体的状态只是其中一种物品状态检测方式,还可以通过下述方式进行检测,当从第f帧监控图像中检测出前景物体后,先计算出该前景物体的大小和位置,然后检测缓存区域中是否存在该前景物体的缓存区域,若缓存区域中不存在该前景物体的缓存区域,则新建一个缓存区域缓存该前景物体;若缓存区域中已存在该前景物体的缓存区域,将该前景物体与已存在的该前景物体的缓存区域进行对比,判断前景物体的状态;上述过程结束后,将已存在的该前景物体的缓存区域大小和位置更新为第f帧该前景物体的大小和位置。
由于上述步骤需要计算前景物体缓存区域的大小,必须较准确的检测出前景物体,而影子是对前景物体检测的一大干扰因素,现有的阴影抑制算法主要是基于颜色空间的阴影抑制算法,能够有效抑制弱阴影,但对强阴影抑制效果并不好。当物体处于强光照射之下,会在相应位置产生与物体相连的阴影,阴影地区和非阴影地区具有明显的颜色差异,但阴影地区颜色差异并不明显。基于以上特性对于强阴影的检测可以在背景模型中加入针对强阴影像素点的学习更新,在采用阴影抑制算法进行阴影抑制后的前景物体区域再次进行阴影检测,将像素点近似强阴影像素点且近似的像素点聚集的区域判定为阴影区域,将阴影和前景物体分割开来。
应用中,当监控图像第f-x帧监控图像只拍摄到了前景物体的部分区域,而第f帧监控图像却拍摄到更多该前景物体的区域时,第二前景物体区域与第一前景物体区域进行对比会发现第二前景物体区域为所述第一前景物体区域的子集,即第一前景物体能够完全包围第二前景物体,这时可以重新进行前景物体检测并将所述第二前景物体区域大小和位置更新为重新检测出的前景物体区域的大小和位置,通过不断的循环上述过程,最终可以在第f帧监控图像之后的某一帧监控图像中检测出完整的前景物体。
上述是对物体逐步进入监控图像的检测过程,对物体逐步退出监控图像的过程,则可以对相应的残缺图像进行大小的更新而不更新位置来进行图像的还原,例如,第f-x帧监控图像拍摄到完整的前景物体,而第f帧监控图像只拍摄到了部分该前景物体,则第f帧的前景物体缓存区域大小更新为第f-x帧的缓存区域大小,但第f帧的位置并不进行更新。
S104:根据所述比对结果判定物品状态。
在一个实施例中,S104包括:
当所述比对结果满足第一预设条件时,将第一计数值增加一个计数单位;
第一预设条件为前景物体处于静止状态且前景物体原本不属于背景的一部分。
当所述比对结果满足第二预设条件时,将第二计数值增加一个计数单位。
其中,第二预设条件为前景物体处于运动状态且前景物体在静止时为背景的一部分。
然后,可以根据所述第一计数值和所述第二计数值判定物品状态。
若所述第一计数值大于预设的第一计数阈值,则判定发生物品遗留。
在应用中,只有前景物体前后帧都处于静止状态时,第一计数值才会发生变化,当该前景物体前后帧处于不同的状态时,第一计数值会返回初始值,由此当与前景物体相关联的第一计数值大于第一计数阈值时,可判断该前景物体处于一个持续的静止状态,从而判定该前景物体被遗留。
若所述第二计数值大于预设的第二计数阈值,则判定发生物品拿取。
在应用中,若判断前景物体处于运动状态,且前景物体在未运动时为背景的一部分,则将与该前景物体关联的第二计数值增加一个或多个计数单位,当然,也可以是减少一个或多个计数单位,第二计数值根据具体应用情景进行设置。
当与前景物体相关联的第二计数值大于第二计数阈值时,可判断该前景物体处于一个连续的或时断时续的运动状态,由此可以判定该前景物体被拿取,当然,若该前景物体处于运动状态时,与前景物体相关联的第二计数值减少一个或多个计数单位,则是当与前景物体相关联的第二计数值小于第二计数阈值时,判定该前景物体被拿取,第二计数阈值也需要根据具体情景具体设置以便适应不同情景的要求。
其中,第一计算值和第二计数值是可变参数,本实施例中第一计数值和第二计算值均优选为10N,N为每秒的帧数。
具体的物体状态检测流程示例如下:
第一步,接收第n帧的视频图像数据,n为正整数;
第二步,获取预设的背景模型从第n帧视频图像中检测出的第n帧前景物体;
第三步,为第n帧前景物体建立新的缓存区域缓存该前景物体;
第四步,计算第n帧前景物体缓存区域的大小和位置;
第五步,重复第一步到第四步的步骤计算出第n+x帧前景物体缓存区域的大小和位置;
第六步,比对第n帧前景物体缓存区域和第n+x帧前景物体缓存区域的大小和位置,获取比对结果;
第七步,在所述比对结果满足预设的第一条件或第二条件时,将预设的第一计数值或第二计数值增加一个计数单位;
第八步,用于在所述第一计数值或第二计数值大于或小于预设的第一计数阈值或第二计数值时,判定发生物品遗留或拿取。
本发明实施例提供的物品状态检测方法,通过对比相邻帧的长周期背景模型检测出的前景物体缓存区域的大小和位置来判定前景物体运动状态,通过该种方式达到与双背景建模技术同样的技术效果,但有所区别的是本申请是直接将长周期背景模型检测出的前景物体缓存到预设缓存区域,直接关注物体,而不是关注像素,且无需像短周期背景模型对背景进行监测,所以相对双背景建模技术耗费资源少,算法执行快,检测速度快。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例二
请参阅图4,本实施例提供一种物品状态检测***,用于执行实施例一中的方法步骤,该物品状态检测***包括:获取模块41、检测模块44、比对模块43、状态判定模块44。
获取模块41,用于获取第f帧视频图像数据,f为正整数;
检测模块42,用于对所述第f帧视频图像数据进行前景物体检测,得到第一前景物体区域,所述第一前景物体区域为所述第f帧视频图像数据中的前景物体区域;
比对模块43,用于将所述第一前景物体区域与预先缓存的第二前景物体区域进行比对,得到比对结果,所述第二前景物体区域为第f-x帧视频图像数据中的前景物体区域;
状态判定模块44,用于根据所述比对结果判定物品状态。
在一个实施例中,所述检测模块42包括:
第一获取单元,用于获取背景模型的背景图像数据;
对比单元,用于对比第f帧视频图像数据与所述背景图像数据;
第一判断单元,用于将相对所述背景图像数据发生改变的区域判定为所述第一前景物体区域。
在一个实施例中,所述比对模块43包括:
第一计算单元,用于计算所述第一前景物体区域的大小和位置;
第二获取单元,用于获取所述第二前景物体区域的大小和位置;
第二计算单元,用于计算所述第一前景物体区域与所述第二前景物体区域的交并比;
第二判断单元,用于在所述第一前景物体区域与所述第二前景物体区域的交并比大于第一阈值时,判定所述前景物体处于静止状态;
第三判断单元,用于在所述第一前景物体区域与所述第二前景物体区域的交并比小于所述第一阈值且大于第二阈值时,判定所述前景物体处于运动状态。
在一个实施例中,所述比对模块43还包括:
第四判断单元,用于若判定所述前景物体处于运动状态,将所述第二前景物体区域的大小和位置更新为所述第一前景物体区域的大小和位置。
可选地,所述比对模块43还包括:
第五判断单元,用于若所述第一前景物体区域与所述第二前景物体区域的交并比小于所述第二阈值,则判定出现新的前景物体;
缓存单元,用于建立新的缓存区域缓存新的前景物体。
进一步地,所述状态判定模块44还包括:
第六判断单元,用于当所述比对结果满足第一预设条件时,将第一计数值增加一个计数单位;
第七判断单元,用于当所述比对结果满足第二预设条件时,将第二计数值增加一个计数单位;
状态判定单元,用于根据所述第一计数值和所述第二计数值判定物品状态。
在一个实施例中,所述状态判定单元还包括:
遗留判定子单元,用于若所述第一计数值大于预设的第一计数阈值,则判定发生物品遗留;
拿取判定子单元,用于若所述第二计数值大于预设的第二计数阈值,则判定发生物品拿取。
本发明实施例提供的物品状态检测***,通过对比相邻帧的长周期背景模型检测出的前景物体缓存区域的大小和位置来判定前景物体运动状态,通过该种方式达到与双背景建模技术同样的技术效果,但有所区别的是本申请是直接将长周期背景模型检测出的前景物体缓存到预设缓存区域,直接关注物体,而不是关注像素,且无需像短周期背景模型对背景进行监测,所以相对双背景建模技术耗费资源少,算法执行快,检测速度快。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例三
如图5所示,该实施例的终端设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52,例如前景物体检测程序。所述处理器50执行所述计算机程序52时实现上述各个物品状态检测方法实施例中的步骤,例如图1所示的S101至S104。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块41至44的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。例如,所述计算机程序52可以被分割成获取模块、检测模块、比对模块、第一判断模块、第二判断模块,各模块具体功能如下:
获取模块,用于获取第f帧视频图像数据,f为正整数;
检测模块,用于对所述第f帧视频图像数据进行前景物体检测,得到第一前景物体区域,所述第一前景物体区域为所述第f帧视频图像数据中的前景物体区域;
比对模块,用于将所述第一前景物体区域与预先缓存的第二前景物体区域进行比对,得到比对结果,所述第二前景物体区域为第f-x帧视频图像数据中的前景物体区域;
状态判定模块,用于根据所述比对结果判定物品状态。
所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是终端设备5的示例,并不构成对终端设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),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。
所述存储器51可以是所述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备,例如所述终端设备5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,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
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,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
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、或者计算机软件和电子硬件的结合来实现。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。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,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例方案的目的。
另外,在本发明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。
所述集成的模块/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,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述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精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种物品状态检测方法,其特征在于,包括:
获取第f帧视频图像数据,f为正整数;
通过长周期背景模型对所述第f帧视频图像数据进行前景物体检测,得到第一前景物体区域,所述第一前景物体区域为所述第f帧视频图像数据中的前景物体区域;
将所述第一前景物体区域与预先缓存的第二前景物体区域进行比对,得到比对结果,所述第二前景物体区域为第f-x帧视频图像数据中的前景物体区域,x为正整数;
根据所述比对结果判定物品状态。
2.如权利要求1所述的物品状态检测方法,其特征在于,所述对所述第f帧视频图像数据进行前景物体检测,得到第一前景物体区域包括:
获取背景模型的背景图像数据;
对比第f帧视频图像数据与所述背景图像数据;
将相对所述背景图像数据发生改变的区域判定为所述第一前景物体区域。
3.如权利要求1所述的物品状态检测方法,其特征在于,所述将所述第一前景物体区域与预先缓存的第二前景物体区域进行比对,得到比对结果包括:
计算所述第一前景物体区域的大小和位置;
获取所述第二前景物体区域的大小和位置;
计算所述第一前景物体区域与所述第二前景物体区域的交并比;
若所述第一前景物体区域与所述第二前景物体区域的交并比大于第一阈值,则判定所述前景物体处于静止状态;
若所述第一前景物体区域与所述第二前景物体区域的交并比小于所述第一阈值且大于第二阈值,则判定所述前景物体处于运动状态。
4.如权利要求3所述的物品状态检测方法,其特征在于,所述获取所述第二前景物体区域的大小和位置之后,还包括:
若判定所述前景物体处于运动状态,则将所述第二前景物体区域的大小和位置更新为所述第一前景物体区域的大小和位置。
5.如权利要求3所述的物品状态检测方法,其特征在于,所述获取所述第二前景物体区域的大小和位置之后,还包括:
若所述第一前景物体区域与所述第二前景物体区域的交并比小于所述第二阈值,则判定出现新的前景物体;
建立新的缓存区域缓存新的前景物体。
6.如权利要求1至5任一项所述的物品状态检测方法,其特征在于,所述根据所述比对结果判定物品状态包括:
当所述比对结果满足第一预设条件时,将第一计数值增加一个计数单位;
当所述比对结果满足第二预设条件时,将第二计数值增加一个计数单位;
根据所述第一计数值和所述第二计数值判定物品状态。
7.如权利要求6任一项所述的物品状态检测方法,其特征在于,所述根据所述第一计数值和所述第二计数值判定物品状态包括:
若所述第一计数值大于预设的第一计数阈值,则判定发生物品遗留;
若所述第二计数值大于预设的第二计数阈值,则判定发生物品拿取。
8.一种物品状态检测***,其特征在于,包括:
获取模块,用于获取第f帧视频图像数据,f为正整数;
检测模块,用于通过长周期背景模型对所述第f帧视频图像数据进行前景物体检测,得到第一前景物体区域,所述第一前景物体区域为所述第f帧视频图像数据中的前景物体区域;
比对模块,用于将所述第一前景物体区域与预先缓存的第二前景物体区域进行比对,得到比对结果,所述第二前景物体区域为第f-x帧视频图像数据中的前景物体区域,x为正整数;
状态判定模块,用于根据所述比对结果判定物品状态。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述物品状态检测方法的步骤。
10.一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,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述物品状态检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910974637.3A CN110706227B (zh) | 2019-10-14 | 2019-10-14 | 一种物品状态检测方法、***、终端设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910974637.3A CN110706227B (zh) | 2019-10-14 | 2019-10-14 | 一种物品状态检测方法、***、终端设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110706227A CN110706227A (zh) | 2020-01-17 |
CN110706227B true CN110706227B (zh) | 2022-07-05 |
Family
ID=69198835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910974637.3A Active CN110706227B (zh) | 2019-10-14 | 2019-10-14 | 一种物品状态检测方法、***、终端设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110706227B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101552910A (zh) * | 2009-03-30 | 2009-10-07 | 浙江工业大学 | 基于全方位计算机视觉的遗留物检测装置 |
CN102314591A (zh) * | 2010-07-09 | 2012-01-11 | 株式会社理光 | 静止前景物体的检测方法和设备 |
CN102509075A (zh) * | 2011-10-19 | 2012-06-20 | 北京国铁华晨通信信息技术有限公司 | 一种遗留物检测方法及装置 |
CN106228572A (zh) * | 2016-07-18 | 2016-12-14 | 西安交通大学 | 一种带状态标注的长期静止物体检测与跟踪方法 |
CN106937120A (zh) * | 2015-12-29 | 2017-07-07 | 北京大唐高鸿数据网络技术有限公司 | 基于对象的监控视频浓缩方法 |
CN109147254A (zh) * | 2018-07-18 | 2019-01-04 | 武汉大学 | 一种基于卷积神经网络的视频野外火灾烟雾实时检测方法 |
CN109859236A (zh) * | 2019-01-02 | 2019-06-07 | 广州大学 | 运动物体检测方法、***、计算设备及存储介质 |
CN109948611A (zh) * | 2019-03-14 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 一种信息区域确定的方法、信息展示的方法及装置 |
CN110069961A (zh) * | 2018-01-24 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 一种物体检测方法和装置 |
CN110189355A (zh) * | 2019-05-05 | 2019-08-30 | 暨南大学 | 安全疏散通道占用检测方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3140235B1 (en) * | 2014-05-06 | 2021-10-06 | Otis Elevator Company | Object detector, and method for controlling a passenger conveyor system using the same |
-
2019
- 2019-10-14 CN CN201910974637.3A patent/CN110706227B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101552910A (zh) * | 2009-03-30 | 2009-10-07 | 浙江工业大学 | 基于全方位计算机视觉的遗留物检测装置 |
CN102314591A (zh) * | 2010-07-09 | 2012-01-11 | 株式会社理光 | 静止前景物体的检测方法和设备 |
CN102509075A (zh) * | 2011-10-19 | 2012-06-20 | 北京国铁华晨通信信息技术有限公司 | 一种遗留物检测方法及装置 |
CN106937120A (zh) * | 2015-12-29 | 2017-07-07 | 北京大唐高鸿数据网络技术有限公司 | 基于对象的监控视频浓缩方法 |
CN106228572A (zh) * | 2016-07-18 | 2016-12-14 | 西安交通大学 | 一种带状态标注的长期静止物体检测与跟踪方法 |
CN110069961A (zh) * | 2018-01-24 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 一种物体检测方法和装置 |
CN109147254A (zh) * | 2018-07-18 | 2019-01-04 | 武汉大学 | 一种基于卷积神经网络的视频野外火灾烟雾实时检测方法 |
CN109859236A (zh) * | 2019-01-02 | 2019-06-07 | 广州大学 | 运动物体检测方法、***、计算设备及存储介质 |
CN109948611A (zh) * | 2019-03-14 | 2019-06-28 | 腾讯科技(深圳)有限公司 | 一种信息区域确定的方法、信息展示的方法及装置 |
CN110189355A (zh) * | 2019-05-05 | 2019-08-30 | 暨南大学 | 安全疏散通道占用检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110706227A (zh) | 2020-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766679B (zh) | 镜头脏污检测方法、装置及终端设备 | |
CN110248110B (zh) | 拍摄参数设置方法、设置装置、终端设备及可读存储介质 | |
CN108769634B (zh) | 一种图像处理方法、图像处理装置及终端设备 | |
CN111311632B (zh) | 一种物***姿跟踪方法、装置及设备 | |
CN108174057B (zh) | 一种利用视频图像帧间差异对画面快速降噪的方法及装置 | |
CA2910965A1 (en) | Tracker assisted image capture | |
CN101489121A (zh) | 一种基于视频监控的背景模型初始化和更新方法 | |
CN105005972A (zh) | 一种基于拍摄距离的畸变校正方法及移动终端 | |
US11107237B2 (en) | Image foreground detection apparatus and method and electronic device | |
CN104751484A (zh) | 一种运动目标检测方法及实现运动目标检测方法的检测*** | |
CN111144337A (zh) | 火灾检测方法、装置及终端设备 | |
CN104637068A (zh) | 视频帧及视频画面遮挡检测方法及装置 | |
CN108961316A (zh) | 图像处理方法、装置及服务器 | |
CN113112542A (zh) | 一种视觉定位方法、装置、电子设备及存储介质 | |
CN110232303B (zh) | 用于图像处理的装置、方法和介质 | |
CN109886864B (zh) | 隐私遮蔽处理方法及装置 | |
CN110706227B (zh) | 一种物品状态检测方法、***、终端设备及存储介质 | |
CN104933688B (zh) | 一种数据处理方法及电子设备 | |
CN105338221A (zh) | 一种图像处理方法及电子设备 | |
CN108961293B (zh) | 一种背景减除的方法、装置、设备及存储介质 | |
CN111340722A (zh) | 图像处理方法、处理装置、终端设备及可读存储介质 | |
CN114764821B (zh) | 移动物体检测方法、装置、电子设备和存储介质 | |
CN110135224B (zh) | 一种监控视频的前景目标提取方法及***、存储介质及终端 | |
JP2022529414A (ja) | 誤動作のない動き検出のための方法及びシステム | |
CN113391779B (zh) | 类纸屏幕的参数调节方法、装置及设备 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20231219 Address after: 523000 beside Nanlang Road, Ecological Industrial Park, Dongguan City, Guangdong Province Patentee after: DONGGUAN TP-LINK TECHNOLOGY CO.,LTD. Address before: 518000 the 1st and 3rd floors of the south section of building 24 and the 1st-4th floor of the north section of building 28, Shennan Road Science and Technology Park, Nanshan District, Shenzhen City, Guangdong Province Patentee before: TP-LINK TECHNOLOGIES Co.,Ltd. |