CN110717432A - 一种物品检测方法、装置和计算机存储介质 - Google Patents
一种物品检测方法、装置和计算机存储介质 Download PDFInfo
- Publication number
- CN110717432A CN110717432A CN201910933888.7A CN201910933888A CN110717432A CN 110717432 A CN110717432 A CN 110717432A CN 201910933888 A CN201910933888 A CN 201910933888A CN 110717432 A CN110717432 A CN 110717432A
- Authority
- CN
- China
- Prior art keywords
- human body
- body image
- target
- image
- distance
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
-
- 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
- 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
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开一种物品检测方法、装置和计算机存储介质,获取包含目标物品图像的视频帧;从该视频帧中识别出目标人体图像;确定该目标物品图像与该目标人体图像之间的距离小于等于预定距离的时间是否大于等于阈值;如果是,确定该目标物品为非遗留物品,否则,确定该目标物品为遗留物品。本申请的物品检测方法和装置,能对检出的物体的类别进行准确的分类,确定物品是否遗留。
Description
技术领域
本申请涉及图像识别技术领域,尤其涉及一种物品检测方法、装置和计算机存储介质。
背景技术
随着计算机学科与人工智能的发展和应用,视频分析技术迅速兴起并得到了广泛关注。视频分析中的一个核心就是图像识别技术,图像识别技术在科技、生活中有着广泛的应用,如视频监控、人机交互、智能机器人、虚拟现实和视频检索等,因此图像识别技术具有很高的研究价值和应用前景。
目前对于视频流的物体检测方法主要是基于传统的图形图像方法,比如光流法,但是,现有技术难以对检出的物体的类别进行准确的分类,例如,难以确定物品是否遗留。
发明内容
针对现有技术的上述问题,本申请的多个方面提供一种物品检测方法、装置和计算机存储介质,能对检出的物体的类别进行准确的分类,确定物品是否遗留。
本申请的第一方面提供一种物品检测方法,包括:
获取包含目标物品图像的视频帧;
从所述视频帧中识别出目标人体图像;
确定所述目标物品图像与所述目标人体图像之间的距离小于等于预定距离的时间是否大于等于阈值;
如果所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离的时间大于等于所述阈值,确定所述目标物品为非遗留物品;
如果所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离的时间小于所述阈值,确定所述目标物品为遗留物品。
在一个实施例中,所述从所述视频帧中识别出目标人体图像具体包括:从所述视频帧中识别出所有人体图像,为每个人体图像设置唯一的编号,其中,各个人体图像通过各自的编号区分;从所述所有人体图像选取所述目标人体图像。
在一个实施例中,从所述所有人体图像选取目标人体图像具体包括:确定所述视频帧中每个人体图像与所述目标物品图像的之间的距离;将所述每个人体图像与所述目标物品图像的之间的距离进行从小到大的排序;选取与所述目标物品图像之间距离最小的人体图像为所述目标人体图像。
在一个实施例中,所述从所述视频帧中识别出目标人体图像具体包括:根据人脸识别技术,从所述视频帧中所包括的所有人体图像中识别出与预定人脸的相似度大于等于阈值的人体图像,并将该识别出的人体图像确定为所述目标人体图像。
本申请的第二方面提供一种物品检测装置,包括:
获取模块,用于获取包含目标物品图像的视频帧;
识别模块,用于从所述视频帧中识别出目标人体图像;
确定模块,用于确定所述目标物品图像与所述目标人体图像之间的距离小于等于预定距离的时间是否大于等于阈值;如果所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离的时间大于等于所述阈值,确定所述目标物品为非遗留物品;如果所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离的时间小于所述阈值,确定所述目标物品为遗留物品。
在一个实施例中,为从所述视频帧中识别出所述目标人体图像,所述识别模块用于从所述视频帧中识别出所有人体图像,为每个人体图像设置唯一的编号,其中,各个人体图像通过各自的编号区分;从所述所有人体图像选取所述目标人体图像。
在一个实施例中,为从所述所有人体图像选取目标人体图像,所述识别模块用于确定所述视频帧中每个人体图像与所述目标物品图像的之间的距离;将所述每个人体图像与所述目标物品图像的之间的距离进行从小到大的排序;选取与所述目标物品图像之间距离最小的人体图像为所述目标人体图像。
在一个实施例中,为从所述视频帧中识别出所述目标人体图像,所述识别模块用于根据人脸识别技术,从所述视频帧中所包括的所有人体图像中识别出与预定人脸的相似度大于等于阈值的人体图像,并将该识别出的人体图像确定为所述目标人体图像。
本申请的第三方面提供一种计算机设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行所述的物品检测方法的步骤。
本申请的第四方面提供一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行所述的物品检测方法的步骤。
与现有技术相比,本申请具有以下有益效果:通过确定目标物品图像与目标人体图像之间的距离小于等于预定距离是否能延续一段时间,来确定该目标物品是否属于遗留,因此,可以对检出的物体的类别进行准确的分类,确定物品是否遗留。因此,能对检出的物体的类别进行准确的分类,确定物品是否遗留。
附图说明
在结合以下附图阅读本公开的实施例的详细描述之后,能够更好地理解本申请的上述特征和优点。在附图中,各组件不一定是按比例绘制,并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
图1为本申请一实施例的一种物品检测方法的流程示意图;
图2为本申请另一实施例的一种物品检测装置的结构示意图;
图3为本申请另一实施例的一种计算机设备的结构示意图。
具体实施方案
以下结合附图和具体实施例对本申请作详细描述,以便更清楚理解本申请的目的、特点和优点。应理解的是,以下结合附图和具体实施例描述的诸方面仅是示例性的,而不应被理解为对本申请的保护范围进行任何限制。除非上下文明确地另外指明,否则单数形式“一”和“所述”包括复数指代物。如本申请中所使用的,用语“第一” 和“第二”可互换使用,以将一个或一类构件分别与另一个或另一类区分开,且不旨在表示独立构件的位置或重要性。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
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。另外,本文中术语“***”和“网络”在本文中常被可互换使用。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,为本申请一实施例的一种物品检测方法的流程示意图,所述物品检测方法可以由神经网络服务器执行,例如,所述神经网络服务器可以为计算机设备或网络服务器,所述物品检测方法的具体过程,可以如下所述。
步骤101,获取包含目标物品图像的视频帧。
例如,在商场、商店、地铁、机场、火车站、商业区和街道等等各种场所,可以设置监控摄像头,摄像头获取监控的视频流存储在存储设备中,当需要确定目标物品是否被遗留时,神经网络服务器从该存储设备中获取包含目标物品图像的视频流的视频帧。
在本申请的另一实施例中,也可以主动查询某个目标物品是否被遗留,则先使用识别技术,以该目标物品的样图图片为参考,在所述存储设备中搜索包括相似度大于阈值的图片的视频帧,例如大于80%,然后获取该视频帧。
步骤102,从所述视频帧中识别出目标人体图像。
例如,从所述视频帧中识别出所有人体图像,为每个人体图像设置唯一的编号,其中,各个人体图像通过各自的编号区分,从所述所有人体图像选取所述目标人体图像。例如,通过人体识别技术,区分视频帧中那些是人体,那些是物品。其中,人体识别技术可以采集人体的主要关键点,包括:人脸、左右手肘、左右手腕、左右肩膀、头顶、五官、颈部、左右脚踝、左右膝盖和左右臀等,识别出人体,
在本申请的另一实施例中,从所述所有人体图像选取目标人体图像的方式可以为:确定所述视频帧中每个人体图像与所述目标物品图像的之间的距离;将所述每个人体图像与所述目标物品图像的之间的距离进行从小到大的排序;选取与所述目标物品图像之间距离最小的人体图像为所述目标人体图像。
在本申请的另一实施例中,可以以某个特定的人体图像作为目标人体图像,例如,通过人脸识别技术在视频帧中确定这个人体图像,然后确定这个确定的人体图像为目标人体图像。例如,根据人脸识别技术,从所述视频帧中所包括的所有人体图像中识别出与预定人脸的相似度大于等于阈值的人体图像,并将该识别出的人体图像确定为所述目标人体图像。
步骤103,确定所述目标物品图像与所述目标人体图像之间的距离小于等于预定距离的时间是否大于等于阈值。
例如,分别确定所述目标物品图像与所述目标人体图像的坐标,然后根据所述目标物品图像的坐标与所述目标人体图像的坐标计算所述目标物品图像与所述目标人体图像之间的距离。
在本申请的另一实施例中,所述目标物品图像的坐标与所述目标人体图像的坐标可以均为它们的实际位置,例如,GPS坐标。
在本申请的另一实施例中,所述目标物品图像的坐标与所述目标人体图像的坐标可以均为它们在视频帧中的坐标位置,则计算所述目标物品图像与所述目标人体图像之间的距离既可以是视频帧中的距离,也可以根据视频帧与实际距离的比例,将所述目标物品图像与所述目标人体图像之间在视频帧中的距离换算为实际的距离。
在本申请的另一实施例,可以为目标物品设置安全空间,即该目标物品的周边预定距离,例如,0.5-3米。
判断所述目标物品图像与所述目标人体图像之间的距离是否小于等于预定距离。
如果所述目标物品图像与所述目标人体图像之间的距离大于等于所述预定距离,确定所述目标物品图像为遗留物品,例如,当所述目标物品图像与所述目标人体图像之间的距离为大于等于5米时,可以确定所述目标物品图像为遗留物品。
如果所述目标物品图像与所述目标人体图像之间的距离小于所述预定距离,则所目标物品可能属于事实目标人体,即疑似非遗留物品,但由于一帧视频帧可能是偶然,所以可以先确定所述目标物品图像为疑似非遗留物品,然后确定所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离是否能延续一段时间,即确定连续多个视频帧是否都存在所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离的情况,即确定所述目标物品图像与所述目标人体图像之间的距离小于等于预定距离的时间是否大于等于阈值,例如,5分钟。
如果所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离的时间大于等于所述阈值,执行步骤104;如果所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离的时间小于所述阈值,即可能是所述目标人体偶然经过该所述目标物品,执行步骤105。
步骤104,确定所述目标物品为非遗留物品。
步骤105,确定所述目标物品为遗留物品。
上述描述的物品检测方法,通过确定目标物品图像与目标人体图像之间的距离小于等于预定距离是否能延续一段时间,来确定该目标物品是否属于遗留,因此,可以对检出的物体的类别进行准确的分类,确定物品是否遗留。
如2所示,为本申请另一实施例的一种物品检测装置的结构示意图,所述物品检测装置可以为神经网络服务器的芯片或电路,也可以为神经网络服务器,其中,所述神经网络服务器可以为计算机设备或网络服务器。
所述物品检测装置可以包括获取模块201、识别模块202、确定模块203和总线204,其中,所述获取模块201、所述识别模块202和所述确定模块203相互之间通过总线204通信,所述获取模块201、所述识别模块202或所述确定模块203可以通过芯片、电路或处理器实现。
所述获取模块201,用于获取包含目标物品图像的视频帧,其中,所述获取模块201的具体工作过程,可以参考前述物品检测方法实施例的步骤101的描述内容,在此不再赘述。
所述识别模块202,用于从所述视频帧中识别出目标人体图像,其中,其中,所述识别模块202的具体工作过程,可以参考前述物品检测方法实施例的步骤102的描述内容,在此不再赘述。
所述确定模块203,用于确定所述目标物品图像与所述目标人体图像之间的距离小于等于预定距离的时间是否大于等于阈值;如果所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离的时间大于等于所述阈值,确定所述目标物品为非遗留物品;如果所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离的时间小于所述阈值,确定所述目标物品为遗留物品。其中,所述确定模块203的具体工作过程,可以参考前述物品检测方法实施例的步骤103-105的描述内容,在此不再赘述。
在本申请的另一实施例中,为从所述视频帧中识别出所述目标人体图像,所述识别模块202用于从所述视频帧中识别出所有人体图像,为每个人体图像设置唯一的编号,其中,各个人体图像通过各自的编号区分;从所述所有人体图像选取所述目标人体图像。
在本申请的另一实施例中,为从所述所有人体图像选取目标人体图像,所述识别模块202用于确定所述视频帧中每个人体图像与所述目标物品图像的之间的距离;将所述每个人体图像与所述目标物品图像的之间的距离进行从小到大的排序;选取与所述目标物品图像之间距离最小的人体图像为所述目标人体图像。
在本申请的另一实施例中,为从所述视频帧中识别出所述目标人体图像,所述识别模块202用于根据人脸识别技术,从所述视频帧中所包括的所有人体图像中识别出与预定人脸的相似度大于等于阈值的人体图像,并将该识别出的人体图像确定为所述目标人体图像。
综上所述,上述描述的物品检测方法和装置,通过确定目标物品图像与目标人体图像之间的距离小于等于预定距离是否能延续一段时间,来确定该目标物品是否属于遗留,因此,可以对检出的物体的类别进行准确的分类,确定物品是否遗留。
为解决上述技术问题,本申请实施例还提供一种计算机设备,所述计算机设备可以为神经网络服务器,具体请参阅图3,图3为本实施例计算机设备基本结构框图。
所述计算机设备3包括通过***总线相互通信连接存储器31、处理器32、网络接口33。需要指出的是,图中仅示出了具有组件31-33的计算机设备3,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的所述计算机设备3是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器 (Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备3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。所述计算机设备3可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器31至少包括一种类型的可读存储介质,所述可读存储介质包括非易失性存储器(non-volatile memory)或易失性存储器,例如,闪存(flash memory)、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(random access memory,RAM)、只读存储器(read-only memory,ROM)、可擦写可编程只读存储器(erasableprogrammable read-only memory,EPROM)、电可擦写可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、可编程只读存储器(programmableread-only memory,PROM)、磁性存储器、磁盘、光盘等,所述RAM可以包括静态RAM或动态RAM。在一些实施例中,所述存储器31可以是所述计算机设备3的内部存储单元,例如,所述计算机设备3的硬盘或内存。在另一些实施例中,所述存储器31也可以是所述计算机设备3的外部存储设备,例如所述计算机设备3上配备的插接式硬盘,智能存储卡(Smart MediaCard, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。当然,所述存储器31还可以既包括所述计算机设备3的内部存储单元也包括其外部存储设备。本实施例中,所述存储器31通常用于存储安装于所述计算机设备3的操作***和各类应用软件,例如用于执行物品检测方法的程序代码等。此外,所述存储器31还可以用于暂时地存储已经输出或者将要输出的各类数据。
在本申请实施例中,该处理器32可以是中央处理单元(Central ProcessingUnit, CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器32还可以是其他通用处理器、数字信号处理器(Digital Signal Processing,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,例如单片机等。
该处理器32通常用于控制所述计算机设备3的总体操作。本实施例中,所述存储器31用于存储程序代码或指令,所述程序代码包括计算机操作指令,所述处理器32用于执行所述存储器31存储的程序代码或指令或者处理数据,例如执行物品检测方法的程序代码。
本文描述的总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外设部件互连标准(Peripheral Component Interconnect,PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,EISA)总线等。该总线***可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
本申请的另一实施例还提供一种计算机可读介质,计算机可读介质可以是计算机可读信号介质或者计算机可读介质。计算机中的处理器读取存储在计算机可读介质中的计算机可读程序代码,使得处理器能够执行在流程图1对应的物品检测方法中每个步骤、或各步骤的组合中规定的功能动作;生成实施在框图的每一块、或各块的组合中规定的功能动作的装置。
计算机可读介质包含但不限于电子、磁性、光学、电磁、红外的存储器或半导体***、设备或者装置,或者前述的任意适当组合,所述存储器用于存储程序代码或指令,所述程序代码包括计算机操作指令,所述处理器用于执行所述存储器存储的程序代码或指令。
所述存储器和所述处理器的定义,可以参考前述计算机设备实施例的描述,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***,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。
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。
所述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例所述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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
上述实施例是提供给熟悉本领域内的人员来实现或使用本申请的,熟悉本领域的人员可在不脱离本申请的发明思想的情况下,对上述实施例做出种种修改或变化,因而本申请的保护范围并不被上述实施例所限,而应该是符合权利要求书提到的创新性特征的最大范围。
Claims (10)
1.一种物品检测方法,其特征在于,包括:
获取包含目标物品图像的视频帧;
从所述视频帧中识别出目标人体图像;
确定所述目标物品图像与所述目标人体图像之间的距离小于等于预定距离的时间是否大于等于阈值;
如果所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离的时间大于等于所述阈值,确定所述目标物品为非遗留物品;
如果所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离的时间小于所述阈值,确定所述目标物品为遗留物品。
2.根据权利要求1所述的方法,其特征在于,所述从所述视频帧中识别出目标人体图像具体包括:
从所述视频帧中识别出所有人体图像,为每个人体图像设置唯一的编号,其中,各个人体图像通过各自的编号区分;
从所述所有人体图像选取所述目标人体图像。
3.根据权利要求2所述的方法,其特征在于,从所述所有人体图像选取目标人体图像具体包括:
确定所述视频帧中每个人体图像与所述目标物品图像的之间的距离;
将所述每个人体图像与所述目标物品图像的之间的距离进行从小到大的排序;
选取与所述目标物品图像之间距离最小的人体图像为所述目标人体图像。
4.根据权利要求1所述的方法,其特征在于,所述从所述视频帧中识别出目标人体图像具体包括:
根据人脸识别技术,从所述视频帧中所包括的所有人体图像中识别出与预定人脸的相似度大于等于阈值的人体图像,并将该识别出的人体图像确定为所述目标人体图像。
5.一种物品检测装置,其特征在于,包括:
获取模块,用于获取包含目标物品图像的视频帧;
识别模块,用于从所述视频帧中识别出目标人体图像;
确定模块,用于确定所述目标物品图像与所述目标人体图像之间的距离小于等于预定距离的时间是否大于等于阈值;如果所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离的时间大于等于所述阈值,确定所述目标物品为非遗留物品;如果所述目标物品图像与所述目标人体图像之间的距离小于等于所述预定距离的时间小于所述阈值,确定所述目标物品为遗留物品。
6.根据权利要求5所述的装置,其特征在于,为从所述视频帧中识别出所述目标人体图像,所述识别模块用于从所述视频帧中识别出所有人体图像,为每个人体图像设置唯一的编号,其中,各个人体图像通过各自的编号区分;从所述所有人体图像选取所述目标人体图像。
7.根据权利要求6所述的装置,其特征在于,为从所述所有人体图像选取目标人体图像,所述识别模块用于确定所述视频帧中每个人体图像与所述目标物品图像的之间的距离;将所述每个人体图像与所述目标物品图像的之间的距离进行从小到大的排序;选取与所述目标物品图像之间距离最小的人体图像为所述目标人体图像。
8.根据权利要求5所述的装置,其特征在于,为从所述视频帧中识别出所述目标人体图像,所述识别模块用于根据人脸识别技术,从所述视频帧中所包括的所有人体图像中识别出与预定人脸的相似度大于等于阈值的人体图像,并将该识别出的人体图像确定为所述目标人体图像。
9.一种计算机设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-4任意一项所述的物品检测方法的步骤。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行权利要求1-4任意一项所述的物品检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910933888.7A CN110717432B (zh) | 2019-09-29 | 2019-09-29 | 一种物品检测方法、装置和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910933888.7A CN110717432B (zh) | 2019-09-29 | 2019-09-29 | 一种物品检测方法、装置和计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110717432A true CN110717432A (zh) | 2020-01-21 |
CN110717432B CN110717432B (zh) | 2023-05-02 |
Family
ID=69211140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910933888.7A Active CN110717432B (zh) | 2019-09-29 | 2019-09-29 | 一种物品检测方法、装置和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110717432B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709404A (zh) * | 2020-08-05 | 2020-09-25 | 广东电网有限责任公司 | 一种机房遗留物识别方法、***以及设备 |
Citations (6)
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 |
CN104916090A (zh) * | 2015-04-27 | 2015-09-16 | 小米科技有限责任公司 | 提示信息发送方法及装置 |
CN107798755A (zh) * | 2017-10-10 | 2018-03-13 | 北京摩拜科技有限公司 | 共享物品的关锁方法、装置、***、共享物品及服务器 |
CN109670486A (zh) * | 2019-01-30 | 2019-04-23 | 深圳前海达闼云端智能科技有限公司 | 一种基于视频的人脸识别方法、装置及计算设备 |
CN110097724A (zh) * | 2019-04-24 | 2019-08-06 | 苏州浪潮智能科技有限公司 | 一种基于fpga的物品自动看护方法及*** |
CN110113561A (zh) * | 2018-02-01 | 2019-08-09 | 广州弘度信息科技有限公司 | 一种人员滞留检测方法、装置、服务器及*** |
-
2019
- 2019-09-29 CN CN201910933888.7A patent/CN110717432B/zh active Active
Patent Citations (6)
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 |
CN104916090A (zh) * | 2015-04-27 | 2015-09-16 | 小米科技有限责任公司 | 提示信息发送方法及装置 |
CN107798755A (zh) * | 2017-10-10 | 2018-03-13 | 北京摩拜科技有限公司 | 共享物品的关锁方法、装置、***、共享物品及服务器 |
CN110113561A (zh) * | 2018-02-01 | 2019-08-09 | 广州弘度信息科技有限公司 | 一种人员滞留检测方法、装置、服务器及*** |
CN109670486A (zh) * | 2019-01-30 | 2019-04-23 | 深圳前海达闼云端智能科技有限公司 | 一种基于视频的人脸识别方法、装置及计算设备 |
CN110097724A (zh) * | 2019-04-24 | 2019-08-06 | 苏州浪潮智能科技有限公司 | 一种基于fpga的物品自动看护方法及*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111709404A (zh) * | 2020-08-05 | 2020-09-25 | 广东电网有限责任公司 | 一种机房遗留物识别方法、***以及设备 |
CN111709404B (zh) * | 2020-08-05 | 2024-01-12 | 广东电网有限责任公司 | 一种机房遗留物识别方法、***以及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110717432B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Real‐time hand gesture recognition using finger segmentation | |
US9349076B1 (en) | Template-based target object detection in an image | |
US20150186726A1 (en) | Scene Recognition Method and Apparatus | |
WO2019080411A1 (zh) | 电子装置、人脸图像聚类搜索方法和计算机可读存储介质 | |
US9251395B1 (en) | Providing resources to users in a social network system | |
WO2018090937A1 (zh) | 图像处理方法、终端及存储介质 | |
CN111770317B (zh) | 用于智慧社区的视频监控方法、装置、设备及介质 | |
WO2016015621A1 (zh) | 人脸图片人名识别方法和*** | |
CN108229324A (zh) | 手势追踪方法和装置、电子设备、计算机存储介质 | |
CN109829380B (zh) | 一种狗脸特征点的检测方法、装置、***及存储介质 | |
CN104732222B (zh) | 一种基于深度摄像头的多特征人体识别方法 | |
CN110785753A (zh) | 用于搜索图像的方法、装置及存储介质 | |
CN110717432A (zh) | 一种物品检测方法、装置和计算机存储介质 | |
CN114120221A (zh) | 基于深度学习的环境核查方法、电子设备及存储介质 | |
CN114360182B (zh) | 一种智能告警方法、装置、设备及存储介质 | |
CN111177450B (zh) | 一种图像检索云识别方法、***及计算机可读存储介质 | |
CN109858363B (zh) | 一种狗鼻纹特征点的检测方法、装置、***及存储介质 | |
CN111651625A (zh) | 图像检索方法、装置、电子设备及存储介质 | |
Alarfaj et al. | Automatic anomaly monitoring in public surveillance areas | |
Watson et al. | Person reidentification using deep foreground appearance modeling | |
CN105224957A (zh) | 一种基于单样本的图像识别的方法及*** | |
CN110659624A (zh) | 一种群体人员行为识别方法、装置和计算机存储介质 | |
Nguyen et al. | Location-aware human activity recognition | |
CN110647858A (zh) | 一种视频遮挡判断方法、装置和计算机存储介质 | |
Wang et al. | Visual attention based bag-of-words model for image classification |
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 |