CN110765932B - 一种场景变化感知方法 - Google Patents
一种场景变化感知方法 Download PDFInfo
- Publication number
- CN110765932B CN110765932B CN201911005224.0A CN201911005224A CN110765932B CN 110765932 B CN110765932 B CN 110765932B CN 201911005224 A CN201911005224 A CN 201911005224A CN 110765932 B CN110765932 B CN 110765932B
- Authority
- CN
- China
- Prior art keywords
- video
- picture
- pictures
- memory
- video picture
- 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
- G06V20/40—Scenes; Scene-specific elements in 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提出了一种场景变化感知方法,包括步骤一,初始化消息队列、原图图片设定;步骤二,按照预设时间周期截取视频图片;步骤三,对截取的视频图片进行剪裁,并与原图图片进行比对分析;步骤四,若发现与原图图片相同,反馈给***无需做任何处理;若不同,经剪裁后的视频图片存入内存中,继续执行步骤五;步骤五,等待预设时间周期后,再次截取视频图片;步骤六,对步骤五所获取的视频图片进行剪裁,并与存入内存中的视频图片进行比对分析;步骤七,若发现与存入内存中的视频图片相同,反馈给***执行返回预置位;若不同,将步骤六经剪裁后的视频图片存入内存中,并替换原先存储的视频图片,继续执行步骤五。
Description
技术领域
本发明涉及一种视频图像解析方法,具体涉及一种场景变化感知方法。
背景技术
随着安防行业标准的不断更新及AI算法、人工智能等的推行。自动化、智能化已成为安防及相关行业的趋势。安全化、自动化、智能化的的更新,推动国家对安防行业平台之间兼容性及智能化的要求不断提升。随着智能化安全化范围不断的扩大,基于视频分析算法的应用已成为安防行业发展的方向。
目前该领域内仅做到了对图片的比对,还未实际使用到场景当中。本发明提出的场景变化感知方法,可以有效判断前端监控的场景是否满足解析要求,进一步精准定位并锁定监控场景,提升自动化执法的精准度。
发明内容
为了解决上述问题,本发明提出一种场景变化感知方法。
为实现以上目的,本发明采用的技术方案是:
一种场景变化感知方法,包括如下步骤:
步骤一:初始化消息队列、实时监控服务和编码库,初始化监控区域设定进而获取监控区域的原图图片;
步骤二:通过摄像头实时获取监控视频,按照预设时间间隔周期截取视频图片;
步骤三:对截取的视频图片进行剪裁,保留初始监控区域所对应的图片,并与原图图片进行比对分析;
步骤四:若发现与原图图片相同,反馈给***无需做任何处理;若发现与原图图片不同,将步骤三经剪裁后的视频图片存入内存中,继续执行步骤五;
步骤五:继续等待预设时间间隔周期后,再次截取视频图片;
步骤六:对步骤五所获取的视频图片进行剪裁,保留存入内存中的视频图片所对应的图片,并与存入内存中的视频图片进行比对分析;
步骤七:若发现与存入内存中的视频图片相同,反馈给***需要执行返回预置位的命令;若发现与存入内存中的视频图片不同,将步骤六经剪裁后的视频图片存入内存中,并替换内存中原先存储的视频图片,继续执行步骤五。
优选的,所述图片比对分析采用卷积神经网络方法进行特征比对。
优选的,所述预设时间间隔周期为5min。
优选的,所述步骤七中预置位是指摄像头获取监控区域原图图片的位置。
优选的,所述摄像头为200万以上像素的高清摄像头,可为高清球机、动球枪机或高点球机。
本发明可以精确定位预置位的变化问题,解决了由于前端摄像头像素的影响,导致视频图像解析结果存在差异性的问题,有效判断前端监控的场景是否满足解析要求,进一步精准定位并锁定监控场景,提升自动化执法的精准度。
附图说明
构成本发明的一部分附图用来提供对本发明的进一步理解。
在附图中:
图1为本发明一种场景变化感知方法的工作流程框图。
具体实施方式
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,所描述的实施例仅仅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。
如图1所示,一种场景变化感知方法,包括如下步骤:
步骤一:初始化消息队列、实时监控服务和编码库,初始化监控区域设定进而获取监控区域的原图图片,进行其他环境准备;
步骤二:通过摄像头实时获取监控视频,按照预设时间间隔周期截取视频图片,预设时间间隔周期为5min;所述摄像头为200万以上像素的高清摄像头,可为高清球机、动球枪机或高点球机;
步骤三:通过图像处理技术对截取的视频图片进行剪裁,保留初始监控区域所对应的图片,并与原图图片进行比对分析,采用卷积神经网络方法进行特征比对;
步骤四:若发现与原图图片相同,反馈给***无需做任何处理;若发现与原图图片不同,将步骤三经剪裁后的视频图片存入内存中,继续执行步骤五;
步骤五:继续等待预设时间间隔周期后,再次截取视频图片;
步骤六:对步骤五所获取的视频图片进行剪裁,保留存入内存中的视频图片所对应的图片,并与存入内存中的视频图片进行比对分析;
步骤七:若发现与存入内存中的视频图片相同,反馈给***需要执行返回预置位的命令;若发现与存入内存中的视频图片不同,将步骤六经剪裁后的视频图片存入内存中,并替换内存中原先存储的视频图片,继续执行步骤五。预置位是指摄像头获取监控区域原图图片的位置。
本发明通过神经网络对图片比对的方法为我们提供一种快速线性跟踪方法,同时也为我们后续的视频处理奠定了一定的基础。
图片对比分析的大致过程为:选定原图中不会产生变化的图像作为参照物,标记具***置,可选监控***的显示屏的四边位置所对应的图像为参考标记,当进行图片对比分析时,可通过图片剪裁获取显示屏四边位置对应的新的图像,然后使新的图像与原显示屏四边位置所对应的图像进行匹配比对,若匹配成功,则说明摄像头拍摄场景未发生变化,若匹配不成功,则说明摄像头拍摄场景发生变化。
本发明采用的技术方案是:对码流进行预分析,从视频流按帧抽取图片,设定标注图片不可移动的位置。程序启动后,每隔5分钟定时从视频流按帧抽取图片,将图片的灰度值与标记的图形进行比对,一致性大于75%认定为同一场景,判定该场景没有发生变化,反之判断场景发生了变化。最终将研判的结果告知调度算法的应用,并释放所有资源。
对预置位进行原图图片设定以及对图片内部分区域的设定,同时按照设定的时间间隔进行轮巡监控并剪裁图片后与原图图片比对,比对结果相同,说明场景相同,算法告知***(即视频监控***)无变化。如果比对结果不同,说明发生场景变化,为了防止场景依然在发生变化,算法不会立即进行通知***调回预置位,将现有图片进行临时存储,等待下一次轮巡后,剪裁图片后与临时存储图片进行比对,如果相同,反馈给***需要执行返回预置位的命令。如果比对不同,重新裁取图片并替换现有的临时图片,并重复上述轮巡动作。
尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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,凡在本发明的精神和原则之内,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 (5)
1.一种场景变化感知方法,其特征在于:包括如下步骤:
步骤一:初始化消息队列、实时监控服务和编码库,初始化监控区域设定进而获取监控区域的原图图片;
步骤二:通过摄像头实时获取监控视频,按照预设时间间隔周期截取视频图片;
步骤三:对截取的视频图片进行剪裁,保留初始监控区域所对应的图片,并与原图图片进行比对分析;
步骤四:若发现与原图图片相同,反馈给***无需做任何处理;若发现与原图图片不同,将步骤三经剪裁后的视频图片存入内存中,继续执行步骤五;
步骤五:继续等待预设时间间隔周期后,再次截取视频图片;
步骤六:对步骤五所获取的视频图片进行剪裁,保留存入内存中的视频图片所对应的图片,并与存入内存中的视频图片进行比对分析;
步骤七:若发现与存入内存中的视频图片相同,反馈给***需要执行返回预置位的命令;若发现与存入内存中的视频图片不同,将步骤六经剪裁后的视频图片存入内存中,并替换内存中原先存储的视频图片,继续执行步骤五。
2.根据权利要求1所述的一种场景变化感知方法,其特征在于:所述图片比对分析采用卷积神经网络方法进行特征比对。
3.根据权利要求1所述的一种场景变化感知方法,其特征在于:所述预设时间间隔周期为5min。
4.根据权利要求1所述的一种场景变化感知方法,其特征在于:所述步骤七中预置位是指摄像头获取监控区域原图图片的位置。
5.根据权利要求1所述的一种场景变化感知方法,其特征在于:所述摄像头为200万以上像素的高清摄像头,可为高清球机、动球枪机或高点球机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911005224.0A CN110765932B (zh) | 2019-10-22 | 2019-10-22 | 一种场景变化感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911005224.0A CN110765932B (zh) | 2019-10-22 | 2019-10-22 | 一种场景变化感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110765932A CN110765932A (zh) | 2020-02-07 |
CN110765932B true CN110765932B (zh) | 2023-06-23 |
Family
ID=69332568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911005224.0A Active CN110765932B (zh) | 2019-10-22 | 2019-10-22 | 一种场景变化感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110765932B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114422848A (zh) * | 2022-01-19 | 2022-04-29 | 腾讯科技(深圳)有限公司 | 视频分割方法、装置、电子设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103561243A (zh) * | 2013-11-13 | 2014-02-05 | 太仓太乙信息工程有限公司 | 摄像头状态监控***及其方法 |
CN104537664A (zh) * | 2014-12-25 | 2015-04-22 | 合肥寰景信息技术有限公司 | 一种基于背景比对的监控摄像头异常情况进行判别方法 |
CN104811586A (zh) * | 2015-04-24 | 2015-07-29 | 福建星网锐捷安防科技有限公司 | 场景变换视频智能分析方法、装置、网络摄像机及监控*** |
CN105352604A (zh) * | 2015-11-02 | 2016-02-24 | 上海电力学院 | 基于可见光图像配准的红外测温***云台位置校准方法 |
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 |
CN106454282A (zh) * | 2016-12-09 | 2017-02-22 | 南京创维信息技术研究院有限公司 | 安防监控方法、装置及*** |
CN107564062A (zh) * | 2017-08-16 | 2018-01-09 | 清华大学 | 位姿异常检测方法及装置 |
CN109902633A (zh) * | 2019-03-04 | 2019-06-18 | 南京小网科技有限责任公司 | 基于固定位摄像机监控视频的异常事件检测方法及装置 |
-
2019
- 2019-10-22 CN CN201911005224.0A patent/CN110765932B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103561243A (zh) * | 2013-11-13 | 2014-02-05 | 太仓太乙信息工程有限公司 | 摄像头状态监控***及其方法 |
CN104537664A (zh) * | 2014-12-25 | 2015-04-22 | 合肥寰景信息技术有限公司 | 一种基于背景比对的监控摄像头异常情况进行判别方法 |
CN104811586A (zh) * | 2015-04-24 | 2015-07-29 | 福建星网锐捷安防科技有限公司 | 场景变换视频智能分析方法、装置、网络摄像机及监控*** |
CN105352604A (zh) * | 2015-11-02 | 2016-02-24 | 上海电力学院 | 基于可见光图像配准的红外测温***云台位置校准方法 |
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 |
CN106454282A (zh) * | 2016-12-09 | 2017-02-22 | 南京创维信息技术研究院有限公司 | 安防监控方法、装置及*** |
CN107564062A (zh) * | 2017-08-16 | 2018-01-09 | 清华大学 | 位姿异常检测方法及装置 |
CN109902633A (zh) * | 2019-03-04 | 2019-06-18 | 南京小网科技有限责任公司 | 基于固定位摄像机监控视频的异常事件检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110765932A (zh) | 2020-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108921105B (zh) | 识别目标数量的方法、装置及计算机可读存储介质 | |
CN111770285B (zh) | 一种曝光亮度控制方法、装置、电子设备和存储介质 | |
CN102740121B (zh) | 应用于视频监控网络的视频质量诊断控制***及方法 | |
CN111241938A (zh) | 基于图像校验的人脸识别方法、装置和计算机设备 | |
CN110096945B (zh) | 基于机器学习的室内监控视频关键帧实时提取方法 | |
CN112163468A (zh) | 基于多线程的图像处理方法及装置 | |
CN110765932B (zh) | 一种场景变化感知方法 | |
CN105260716A (zh) | 故障指示器状态识别方法及装置 | |
CN115035088A (zh) | 一种基于yolov5和姿态估计的安全帽佩戴检测方法 | |
CN113691801B (zh) | 基于视频图像分析的视频监控设备故障监测方法及*** | |
CN108900895B (zh) | 一种对视频流的目标区域的屏蔽方法及其装置 | |
CN111353507B (zh) | 一种变电站器件表面油污的图像识别方法和装置 | |
CN115937218B (zh) | 一种冷冲件的表面缺陷检测方法及*** | |
CN104754248B (zh) | 一种获取目标快照的方法及装置 | |
CN109544514B (zh) | 一种融合表观特征的锯材身份辨识方法、装置及设备 | |
CN110322391A (zh) | 基于多线程的视频告警事件分析方法 | |
CN110798618A (zh) | 一种动态追踪中的摄像头资源调度方法及装置 | |
CN115526859A (zh) | 生产缺陷识别的方法、分布式处理平台、设备及存储介质 | |
CN114359594A (zh) | 一种场景匹配方法、装置、电子设备和存储介质 | |
CN114897766A (zh) | 一种码流异常检测方法、装置和计算机可读存储介质 | |
CN113850795A (zh) | 一种测试触发方法、待测试设备和计算机可读存储介质 | |
CN109325441B (zh) | 一种输电线路绝缘子对象识别方法 | |
CN111402275A (zh) | 镂空检测方法、***、设备及存储介质 | |
CN113353754A (zh) | 一种人工智能防止梯内摄像头移位方法 | |
CN110853001B (zh) | 一种变电站防异物干扰图像识别方法、***及介质 |
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 |