CN112560610A - 一种视频监控对象分析方法、装置、设备及可读存储介质 - Google Patents
一种视频监控对象分析方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112560610A CN112560610A CN202011411338.8A CN202011411338A CN112560610A CN 112560610 A CN112560610 A CN 112560610A CN 202011411338 A CN202011411338 A CN 202011411338A CN 112560610 A CN112560610 A CN 112560610A
- Authority
- CN
- China
- Prior art keywords
- sub
- coordinate
- target
- coordinates
- video
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明涉及视频内容分析技术领域,具体而言,涉及一种视频监控对象分析方法、装置、设备及可读存储介质。本发明通过霍夫直线检测算法实时监控第三子对象的运动状态和位置,能够对视频内容中的待分析对象的状态进行清楚的分析,特别适用于对视频中的运动物体进行位置和运动状态的识别和分析,识别准确率高,为工业控制提供了有力的支持。
Description
技术领域
本发明涉及视频内容分析技术领域,具体而言,涉及一种视频监控对象分析方法、装置、设备及可读存储介质。
背景技术
今年来,随着视频拍摄设备的普及,对视频拍摄到的内容进行识别和分析,需求也越来越大,应用也越来越广泛。但是,对视频拍摄到的内容的具体状态进行分析,特别是拍摄内容是运动的物体时,仍然没有较为有效的方法。
发明内容
本发明的目的在于提供一种视频监控对象分析方法、装置、设备及可读存储介质,以改善上述问题。
为了实现上述目的,本申请实施例提供了如下技术方案:
一方面,本申请实施例提供了一种视频监控对象分析方法,所述方法包括:获取包含待分析对象的第一视频;建立坐标系,获取所述待分析对象的第一子对象的第一坐标和第二子对象的第二坐标;所述第一坐标包括第一子坐标和第二子坐标,所述第一子坐标为所述第一子对象顶部的坐标,所述第二子坐标为所述第一子对象底部的坐标;所述第二坐标包括第三子坐标和第四子坐标,所述第三子坐标为所述第二子对象顶部的坐标,所述第四子坐标为所述第二子对象底部的坐标;通过霍夫直线检测算法识别出目标线段,所述目标线段为表示所述待分析对象的第三子对象的直线,所述第三子对象设置在所述第一子对象和所述第二子对象之间,所述第三子对象可上下往复运动;通过所述目标线段确定所述第三子对象的中心点坐标;通过所述中心点坐标确定所述第三子对象相对于所述第一子对象和第二子对象的第一位置。
可选地,所述获取包含待分析对象的第一视频后,还包括:将所述第一视频进行剪裁,剪去所述待分析对象之外的内容。
可选地,所述获取所述待分析对象的第一子对象的第一坐标和第二子对象的第二坐标之后,还包括:将所述第一视频依次通过第一预处理步骤、第二预处理步骤和第三预处理步骤,得到预处理后的第二视频;所述第一预处理步骤包括将所述第一视频灰度化处理,所述第二预处理步骤包括将所述第一视频二值化处理和将所述第一视频进行高斯滤波,所述第三预处理步骤包括将所述第一视频进行边缘检测。
可选地,所述通过霍夫直线检测算法识别出目标线段之后,还包括:通过运动检测算法检测出所述第三子对象的当前的第二位置,并将所述第二位置与所述目标线段进行对比,排除与所述第二位置差异较大的目标曲线。
可选地,所述通过所述目标线段确定所述第三子对象的中心点坐标,包括:构建第一参考直线和第二参考直线,所述第一参考直线为穿过所述第一子坐标和所述第二子坐标的直线,所述第二参考直线为穿过所述第三子坐标和所述第四子坐标的直线;判断所述目标线段是否与所述第一参考直线和所述第二参考直线均相交;若所述目标线段未与所述第一参考直线和所述第二参考直线均相交,则向与所述目标线段不想交的参考直线一端做延长线,直至与所述第一参考直线和所述第二参考直线均相交;分别找出第一目标点的坐标、第二目标点的坐标、第三目标点的坐标和第四目标点的坐标,所述第一目标点为所述目标线段与所述第一参考直线的交点,所述第二目标点为所述目标线段与所述第二参考直线的交点,所述第三目标点和第四目标点分别为所述目标线段的两个端点;通过所述第一目标点的坐标、第二目标点的坐标、第三目标点的坐标和第四目标点的坐标,找出处于中间的两个目标点;将处于中间的两个目标点的坐标取平均值,得到所述第三子对象的中心点坐标。
可选地,所述通过所述目标线段确定所述第三子对象的中心点坐标后,还包括:计算每一帧中所述第三子对象的中心点坐标;根据预设的步长将所述中心点坐标依次做一阶差分运算和二阶差分运算,得到一阶差分值和二阶差分值;根据所述一阶差分值的变化量和所述二阶差分值的变化量,判断当前帧中所述第三子对象的中心点坐标是否有效;若所述一阶差分值的变化量超过第一预设值时,或所述二阶差分值的变化量超过第二预设值时,则判断为当前帧中所述第三子对象的中心点坐标是无效的。
可选地,所述通过所述中心点坐标确定所述第三子对象相对于所述第一子对象和第二子对象的第一位置后,还包括:根据所述第三子对象的第一位置,向所述第三子对象的运动控制装置发送控制命令。
第二方面,本申请实施例提供了一种视频监控对象分析***,所述***包括数据获取模块、第一计算模块、第二计算模块和第三计算模块;数据获取模块,用于获取包含待分析对象的第一视频;第一计算模块,用于建立坐标系,获取所述待分析对象的第一子对象的第一坐标和第二子对象的第二坐标;所述第一坐标包括第一子坐标和第二子坐标,所述第一子坐标为所述第一子对象顶部的坐标,所述第二子坐标为所述第一子对象底部的坐标;所述第二坐标包括第三子坐标和第四子坐标,所述第三子坐标为所述第二子对象顶部的坐标,所述第四子坐标为所述第二子对象底部的坐标;第二计算模块,用于通过霍夫直线检测算法识别出目标线段,所述目标线段为表示所述待分析对象的第三子对象的直线,所述第三子对象设置在所述第一子对象和所述第二子对象之间,所述第三子对象可上下往复运动;第三计算模块,用于通过所述目标线段确定所述第三子对象的中心点坐标;通过所述中心点坐标确定所述第三子对象相对于所述第一子对象和第二子对象的第一位置。
第三方面,本申请实施例提供了一种视频监控对象分析设备,所述设备包括存储器和处理器。存储器用于存储计算机程序;处理器用于执行所述计算机程序时实现上述视频监控对象分析方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述视频监控对象分析方法的步骤。
本发明的有益效果为:
本发明通过霍夫直线检测算法实时监控第三子对象的运动状态和位置,能够对视频内容中的待分析对象的状态进行清楚的分析,特别适用于对视频中的运动物体进行位置和运动状态的识别和分析,识别准确率高,为工业控制提供了有力的支持。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1是本发明实施例中所述的一种视频监控对象分析方法流程示意图;
图2是本发明实施例中所述的一种视频监控对象分析***结构示意图;
图3是本发明实施例中所述的一种视频监控对象分析设备结构示意图;
图4是本发明实施例中所述的对中心点的纵坐标进行滤波的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号或字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
如图1所示,本实施例提供了一种视频监控对象分析方法,该方法包括步骤S1、步骤S2、步骤S3和步骤S4。
步骤S1.获取包含待分析对象的第一视频;
步骤S2.建立坐标系,获取所述待分析对象的第一子对象的第一坐标和第二子对象的第二坐标;所述第一坐标包括第一子坐标和第二子坐标,所述第一子坐标为所述第一子对象顶部的坐标,所述第二子坐标为所述第一子对象底部的坐标;所述第二坐标包括第三子坐标和第四子坐标,所述第三子坐标为所述第二子对象顶部的坐标,所述第四子坐标为所述第二子对象底部的坐标;
所述第一子对象可以是所述待分析对象的左边框,所述第二子对象可以是所述待分析对象的右边框,所述第一子对象和所述第二子对象互相平行,所述第一子对象、第二子对象和第三子对象均为边界清晰的矩形。所述第三子对象的两端分别与所述第一子对象和所述第二子对象相接触,所述第一子对象和所述第二子对象均与地面垂直,所述第三子对象与地面平行。所述坐标系为直角坐标系,坐标系的原点可以与第一子坐标重合,也可以设置在所述第一子坐标的左上方;或者,所述坐标系的原点可以与第三子坐标重合,也可以设置在所述第三子坐标的右上方;另外,所述坐标系的原点还可以设置在另外合适的地方。
步骤S3.通过霍夫直线检测算法识别出目标线段,所述目标线段为表示所述待分析对象的第三子对象的直线,所述第三子对象设置在所述第一子对象和所述第二子对象之间,所述第三子对象可上下往复运动;
步骤S4.通过所述目标线段确定所述第三子对象的中心点坐标;通过所述中心点坐标确定所述第三子对象相对于所述第一子对象和第二子对象的第一位置。
可选地,所述步骤S1后,还可以包括步骤S11。
步骤S11.将所述第一视频进行剪裁,剪去所述待分析对象之外的内容。
所述剪裁方法可以是:通过鼠标画框函数将所述待分析对象进行框选。
可选地,所述步骤S2后,还可以包括步骤S21。
步骤S21.将所述第一视频依次通过第一预处理步骤、第二预处理步骤和第三预处理步骤,得到预处理后的第二视频;所述第一预处理步骤包括将所述第一视频灰度化处理,所述第二预处理步骤包括将所述第一视频二值化处理和将所述第一视频进行高斯滤波,所述第三预处理步骤包括将所述第一视频进行边缘检测。
通过预处理目标区域中的噪声区域,同时RGB的图会对识别造成一定的干扰,故将目标区域进行灰度化以及二值化处理。
可选地,所述步骤S3后,还可以包括步骤S31。
步骤S31.通过运动检测算法检测出所述第三子对象的当前的第二位置,并将所述第二位置与所述目标线段进行对比,排除与所述第二位置差异较大的目标曲线。通过霍夫直线检测算法,可能检测到多条线段,通过与运动检测算法配合,可以快速确定目标线段,提高速度。
可选地,所述步骤S4,还可以包括步骤S411、步骤S412、步骤S413、步骤S414和步骤S415。
步骤S411.构建第一参考直线和第二参考直线,所述第一参考直线为穿过所述第一子坐标和所述第二子坐标的直线,所述第二参考直线为穿过所述第三子坐标和所述第四子坐标的直线;
相当于是以第一子对象所在的直线为第一参考直线,以第二子对象所在的直线为第二参考直线;
步骤S412.判断所述目标线段是否与所述第一参考直线和所述第二参考直线均相交;若所述目标线段未与所述第一参考直线和所述第二参考直线均相交,则向与所述目标线段不想交的参考直线一端做延长线,直至与所述第一参考直线和所述第二参考直线均相交;
目标线段可能是一个倾斜的线段,且目标线段可能与第一参考直线和第二参考直线都不相交,或者只与第一参考直线和第二参考直线中的其中一条直线相交,通过做延长线的方法,使目标线段与第一参考直线和第二参考直线均相交。
步骤S413.分别找出第一目标点的坐标、第二目标点的坐标、第三目标点的坐标和第四目标点的坐标,所述第一目标点为所述目标线段与所述第一参考直线的交点,所述第二目标点为所述目标线段与所述第二参考直线的交点,所述第三目标点和第四目标点分别为所述目标线段的两个端点;
步骤S414.通过所述第一目标点的坐标、第二目标点的坐标、第三目标点的坐标和第四目标点的坐标,找出处于中间的两个目标点;
步骤S415.将处于中间的两个目标点的坐标取平均值,得到所述第三子对象的中心点坐标。
一般将中间的两个目标点的Y坐标取平均值。
可选地,所述步骤S4,还可以包括步骤S421、步骤S422和步骤S433。
步骤S421.计算每一帧中所述第三子对象的中心点坐标;
步骤S422.根据预设的步长将所述中心点坐标依次做一阶差分运算和二阶差分运算,得到一阶差分值和二阶差分值;
步骤S423.根据所述一阶差分值的变化量和所述二阶差分值的变化量,判断当前帧中所述第三子对象的中心点坐标是否有效;若所述一阶差分值的变化量超过第一预设值时,或所述二阶差分值的变化量超过第二预设值时,则判断为当前帧中所述第三子对象的中心点坐标是无效的。
可选地,所述步骤S4之后,还可以包括S5。
步骤S5.根据所述第三子对象的位置,向所述第三子对象的运动控制装置发送控制命令。
当出现紧急情况需要使第三子对象移动到特定位置时,可以通过向控制第三子对象运动的模块发送控制命令,以实现控制第三子对象位置的目的。
在本公开的一种具体实施方式中,现有的自动卷帘门,因为不能根据实际需求去判断出当前的卷帘门开关程度,所以在一定程度上会耗费更大的卷帘门动力,耗费更多的资源,也有可能在卷帘门发生故障时,远程无法进行实时判断,会产生误判,以为卷帘门已经开启,但是实际上已经发生故障,不仅导致资源的浪费,同时在发生意外情况时,会带来更大的麻烦,不能及时的解决问题。
当将上述食品监控对象分析方法应用到监控自动卷帘门的状态时,待分析对象即为自动卷帘门,第一视频即为包含自动卷帘门的视频,第一子对象即为自动卷帘门的左边门框,第二子对象即为自动卷帘门的右边门框,第三子对象即为自动卷帘门的下边框。
获取到包含自动卷帘门的视频后,通过鼠标画框函数裁剪图像得到门框部分图像,并得到门框坐标。建立直角坐标系,以左边框顶部的坐标为坐标原点,则左边框的顶部的坐标为(0,0),左边框底部的坐标为(0,y1),右边框顶部的坐标为(x1,0),右边框底部的坐标为(x1,y1);
通过霍夫直线检测算法识别出下边框,卷帘门的下边框是斜率接近为零的直线,找到该直线的中心点的坐标(x2,y2),通过y2与y1的数值大小,即可知道卷帘门下边框的位置。
在获取下边框中心点坐标值的过程中,需要根据中心点的坐标值进行滤波处理,得到最后的稳定值,因为中心点的坐标变换是线性变化,滤除异常值,利用线性函数逼近门的下边框,中心点的坐标的一阶差分代表中心点纵坐标的线性变化速率,值不能突变,所以一阶差分不能变化太大,二阶差分代表中心点纵坐标的线性变化速率的变化速率,值呈线性变化,二阶差分的值基本不变,差分计算,对所得到的两帧之间的中心坐标的差值大小进行判断,以及差值的变化率是否是一个稳定的变化情况,当判断到为不稳定时,则采取根据稳定情况所得到的预判值,由于中心点的坐标是匀速变化的,故预判值很容易得到。
在对下边框中心点坐标取值的滤波过程中,需要计算二阶差分值的统计量,由该统计量可以看出二阶差分值的变化情况,由于二阶差分的值保持不变,所以当二阶差分值统计量越大时,代表下边框中心点纵坐标值变化很大,不能使用。
当没有二阶差分值的统计量时,将此时的中心点坐标值给到结果值。当有二阶差分值的统计量时,判断当前的统计量是否小于所设定的定值,小于定值时,说明当前的范围内的坐标值可靠,可以用于输出结果。当统计量大于定值时,说明当前的坐标值不稳定,不能用于当前输出,需要根据以前的值进行预测。
如图4所示,对中心点的纵坐标值y2进行滤波,去除异常值,帧数大于2时,做一阶差分运算,帧数大于3时,开始做二阶差分,判断一阶差分的变化情况,当帧数大于一定参数时,算出到当前帧二阶差分值的统计量,根据统计可看出二阶差分值的变化,参数一般大于等于7时,才能开始计算统计量。因为中心点纵坐标值是线性变化的,所以一阶差分值不能变化太大,二阶差分值基本上维持不变,所以当统计量变化越大代表此时y2的值变化很大,不能使用。当统计量为0时,说明当前y2的值变化稳定,可以作为结果值输出,当统计量不为0时,判断统计量是否小于一个固定的值,当小于固定值时,说明在当前范围内的坐标值也可以作为结果值输出,记录稳定变化值,修正预测值。当统计量不稳定,说明不能使用当前结果作为输出,此时我们要根据之前的值进行预测,将预测值作为结果值输出。
现有技术主要是实现远程控制卷帘门开关,而自动卷帘门在通电后基本上都是无人管理,所以在出现故障之时,不能立即了解情况,所以并不能实时监测到当前的卷帘门具体的开关状态,在卷帘门发生故障时,不能及时的做出判断。本实施例可以远程实时检测到卷帘门的开关状态,在意外情况发生时,能够让大家了解清楚出入口的情况,能够更好的配合一些远程控制卷帘门的设备,根据需求节省开启卷帘门的动力,能够在卷帘门门体将要运行到上限或者下限高度时,对卷帘门门体上升或下降速度进行控制,有利于对电机与门体的保护,提高卷帘门的使用寿命。提高日常生活中使用卷帘门的安全程度以及便捷性,促进了智能家居等的实现,在消防,防盗等方面也能够发挥重要的作用。
实施例2
如图2所示,本实施例提供了一种视频监控对象分析***,所述***包括数据获取模块701、第一计算模块702、第二计算模块703和第三计算模块704。
数据获取模块701,用于获取包含待分析对象的第一视频;
第一计算模块702,用于建立坐标系,获取所述待分析对象的第一子对象的第一坐标和第二子对象的第二坐标;所述第一坐标包括第一子坐标和第二子坐标,所述第一子坐标为所述第一子对象顶部的坐标,所述第二子坐标为所述第一子对象底部的坐标;所述第二坐标包括第三子坐标和第四子坐标,所述第三子坐标为所述第二子对象顶部的坐标,所述第四子坐标为所述第二子对象底部的坐标;
第二计算模块703,用于通过霍夫直线检测算法识别出目标线段,所述目标线段为表示所述待分析对象的第三子对象的直线,所述第三子对象设置在所述第一子对象和所述第二子对象之间,所述第三子对象可上下往复运动;
第三计算模块704,用于通过所述目标线段确定所述第三子对象的中心点坐标;通过所述中心点坐标确定所述第三子对象相对于所述第一子对象和第二子对象的位置。
在本公开的一种具体实施方式中,所述***还可以包括剪辑模块705,用于将所述第一视频进行剪裁,剪去所述待分析对象之外的内容。
在本公开的一种具体实施方式中,所述***还可以包括预处理模块706,用于将所述第一视频依次通过第一预处理步骤、第二预处理步骤和第三预处理步骤,得到预处理后的第二视频;所述第一预处理步骤包括将所述第一视频灰度化处理,所述第二预处理步骤包括将所述第一视频二值化处理和将所述第一视频进行高斯滤波,所述第三预处理步骤包括将所述第一视频进行边缘检测。
在本公开的一种具体实施方式中,所述***还可以包括第四计算模块707,用于通过运动检测算法检测出所述第三子对象的当前的第二位置,并将所述第二位置与所述目标线段进行对比,排除与所述第二位置差异较大的目标曲线。
在本公开的一种具体实施方式中,第三计算模块704还可以用于执行方法实施例中的步骤S411、步骤S412、步骤S413、步骤S414和步骤S415。
在本公开的一种具体实施方式中,第三计算模块704还可以用于执行方法实施例中的步骤S421、步骤S422、步骤S423、步骤S424和步骤S425。
在本公开的一种具体实施方式中,所述***还可以包括第五计算模块708,用于根据所述第三子对象的第一位置,向所述第三子对象的运动控制装置发送控制命令。
在本公开的一种具体实施方式中,所述***还可以包括控制模块709,用于根据所述第五计算模块708发送的控制命令控制第三子对象的运动。
需要说明的是,关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例,本公开实施例还提供了一种视频监控对象分析设备,下文描述的一种视频监控对象分析设备与上文描述的一种视频监控对象分析方法可相互对应参照。
图3是根据一示例性实施例示出的一种视频监控对象分析设备800的框图。如图4所示,该电子设备800可以包括:处理器801,存储器802。该电子设备800还可以包括多媒体组件803,输入/输出(I/O)接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该电子设备800的整体操作,以完成上述的视频监控对象分析方法中的全部或部分步骤。存储器402用于存储各种类型的数据以支持在该电子设备800的操作,这些数据例如可以包括用于在该电子设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该电子设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(NearFieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的视频监控对象分析方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的视频监控对象分析方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由电子设备800的处理器801执行以完成上述的视频监控对象分析方法。
实施例4
相应于上面的方法实施例,本公开实施例还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种视频监控对象分析方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的视频监控对象分析方法的步骤。
该可读存储介质具体可以为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存储程序代码的可读存储介质。
以上所述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 (10)
1.一种视频监控对象分析方法,其特征在于,包括:
获取包含待分析对象的第一视频;
建立坐标系,获取所述待分析对象的第一子对象的第一坐标和第二子对象的第二坐标;所述第一坐标包括第一子坐标和第二子坐标,所述第一子坐标为所述第一子对象顶部的坐标,所述第二子坐标为所述第一子对象底部的坐标;所述第二坐标包括第三子坐标和第四子坐标,所述第三子坐标为所述第二子对象顶部的坐标,所述第四子坐标为所述第二子对象底部的坐标;
通过霍夫直线检测算法识别出目标线段,所述目标线段为表示所述待分析对象的第三子对象的直线;
通过所述目标线段确定所述第三子对象的中心点坐标;
通过所述中心点坐标确定所述第三子对象相对于所述第一子对象和第二子对象的第一位置。
2.根据权利要求1所述的视频监控对象分析方法,其特征在于,所述获取包含待分析对象的第一视频后,还包括:
将所述第一视频进行剪裁,剪去所述待分析对象之外的内容。
3.根据权利要求1所述的视频监控对象分析方法,其特征在于,所述获取所述待分析对象的第一子对象的第一坐标和第二子对象的第二坐标之后,还包括:
将所述第一视频依次通过第一预处理步骤、第二预处理步骤和第三预处理步骤,得到预处理后的第二视频;所述第一预处理步骤包括将所述第一视频灰度化处理,所述第二预处理步骤包括将所述第一视频二值化处理和将所述第一视频进行高斯滤波,所述第三预处理步骤包括将所述第一视频进行边缘检测。
4.根据权利要求1所述的视频监控对象分析方法,其特征在于,所述通过霍夫直线检测算法识别出目标线段之后,还包括:
通过运动检测算法检测出所述第三子对象的当前的第二位置,并将所述第二位置与所述目标线段进行对比,排除与所述第二位置差异较大的目标曲线。
5.根据权利要求1所述的视频监控对象分析方法,其特征在于,所述通过所述目标线段确定所述第三子对象的中心点坐标,包括:
构建第一参考直线和第二参考直线,所述第一参考直线为穿过所述第一子坐标和所述第二子坐标的直线,所述第二参考直线为穿过所述第三子坐标和所述第四子坐标的直线;
判断所述目标线段是否与所述第一参考直线和所述第二参考直线均相交;若所述目标线段未与所述第一参考直线和所述第二参考直线均相交,则向与所述目标线段不想交的参考直线一端做延长线,直至与所述第一参考直线和所述第二参考直线均相交;
分别找出第一目标点的坐标、第二目标点的坐标、第三目标点的坐标和第四目标点的坐标,所述第一目标点为所述目标线段与所述第一参考直线的交点,所述第二目标点为所述目标线段与所述第二参考直线的交点,所述第三目标点和第四目标点分别为所述目标线段的两个端点;
通过所述第一目标点的坐标、第二目标点的坐标、第三目标点的坐标和第四目标点的坐标,找出处于中间的两个目标点;
将处于中间的两个目标点的坐标取平均值,得到所述第三子对象的中心点坐标。
6.根据权利要求1所述的视频监控对象分析方法,其特征在于,所述通过所述目标线段确定所述第三子对象的中心点坐标后,还包括:
计算每一帧中所述第三子对象的中心点坐标;
根据预设的步长将所述中心点坐标依次做一阶差分运算和二阶差分运算,得到一阶差分值和二阶差分值;
根据所述一阶差分值的变化量和所述二阶差分值的变化量,判断当前帧中所述第三子对象的中心点坐标是否有效;若所述一阶差分值的变化量超过第一预设值时,或所述二阶差分值的变化量超过第二预设值时,则判断为当前帧中所述第三子对象的中心点坐标是无效的。
7.根据权利要求1所述的视频监控对象分析方法,其特征在于,所述通过所述中心点坐标确定所述第三子对象相对于所述第一子对象和第二子对象的第一位置后,还包括:
根据所述第三子对象的第一位置,向所述第三子对象的运动控制装置发送控制命令。
8.一种视频监控对象分析***,其特征在于,包括:
数据获取模块,用于获取包含待分析对象的第一视频;
第一计算模块,用于建立坐标系,获取所述待分析对象的第一子对象的第一坐标和第二子对象的第二坐标;所述第一坐标包括第一子坐标和第二子坐标,所述第一子坐标为所述第一子对象顶部的坐标,所述第二子坐标为所述第一子对象底部的坐标;所述第二坐标包括第三子坐标和第四子坐标,所述第三子坐标为所述第二子对象顶部的坐标,所述第四子坐标为所述第二子对象底部的坐标;
第二计算模块,用于通过霍夫直线检测算法识别出目标线段,所述目标线段为表示所述待分析对象的第三子对象的直线,所述第三子对象设置在所述第一子对象和所述第二子对象之间,所述第三子对象可上下往复运动;
第三计算模块,用于通过所述目标线段确定所述第三子对象的中心点坐标;通过所述中心点坐标确定所述第三子对象相对于所述第一子对象和第二子对象的第一位置。
9.一种视频监控对象分析设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述视频监控对象分析方法的步骤。
10.一种可读存储介质,其特征在于:所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述视频监控对象分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011411338.8A CN112560610B (zh) | 2020-12-03 | 2020-12-03 | 一种视频监控对象分析方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011411338.8A CN112560610B (zh) | 2020-12-03 | 2020-12-03 | 一种视频监控对象分析方法、装置、设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112560610A true CN112560610A (zh) | 2021-03-26 |
CN112560610B CN112560610B (zh) | 2021-09-28 |
Family
ID=75048724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011411338.8A Active CN112560610B (zh) | 2020-12-03 | 2020-12-03 | 一种视频监控对象分析方法、装置、设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560610B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930594A (zh) * | 2010-04-14 | 2010-12-29 | 山东山大鸥玛软件有限公司 | 一种扫描文档图像的快速纠偏方法 |
CN104270612A (zh) * | 2014-10-14 | 2015-01-07 | 博慧电子科技(漳州)有限公司 | 电动卷帘门控制器wifi串口控制结构 |
CN104778699A (zh) * | 2015-04-15 | 2015-07-15 | 西南交通大学 | 一种自适应对象特征的跟踪方法 |
CN105519102A (zh) * | 2015-03-26 | 2016-04-20 | 北京旷视科技有限公司 | 视频监控方法、视频监控***以及计算机程序产品 |
CN105957114A (zh) * | 2016-05-09 | 2016-09-21 | 北京小米移动软件有限公司 | 对图像中多边形进行检测的方法及装置 |
CN107264570A (zh) * | 2017-07-25 | 2017-10-20 | 西南交通大学 | 钢轨光带分布检测装置与方法 |
CN108222749A (zh) * | 2017-12-29 | 2018-06-29 | 安徽慧视金瞳科技有限公司 | 一种基于图像分析的智能自动门控制方法 |
CN110409991A (zh) * | 2019-07-22 | 2019-11-05 | 杭州市地铁集团有限责任公司运营分公司 | 一种可视化集控卷帘门*** |
WO2020090250A1 (ja) * | 2018-10-31 | 2020-05-07 | ソニー株式会社 | 画像処理装置と画像処理方法およびプログラム |
CN111325977A (zh) * | 2020-02-25 | 2020-06-23 | 创捷运维智能科技有限责任公司 | 一种隧道智能边缘计算管控*** |
CN111462374A (zh) * | 2019-01-18 | 2020-07-28 | 罗伯特·博世有限公司 | 包括占用估计的访问控制*** |
CN112001906A (zh) * | 2020-08-24 | 2020-11-27 | 江苏徐工信息技术股份有限公司 | 一种结合非极大值抑制的钢板焊缝图像检测方法 |
-
2020
- 2020-12-03 CN CN202011411338.8A patent/CN112560610B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930594A (zh) * | 2010-04-14 | 2010-12-29 | 山东山大鸥玛软件有限公司 | 一种扫描文档图像的快速纠偏方法 |
CN104270612A (zh) * | 2014-10-14 | 2015-01-07 | 博慧电子科技(漳州)有限公司 | 电动卷帘门控制器wifi串口控制结构 |
CN105519102A (zh) * | 2015-03-26 | 2016-04-20 | 北京旷视科技有限公司 | 视频监控方法、视频监控***以及计算机程序产品 |
CN104778699A (zh) * | 2015-04-15 | 2015-07-15 | 西南交通大学 | 一种自适应对象特征的跟踪方法 |
CN105957114A (zh) * | 2016-05-09 | 2016-09-21 | 北京小米移动软件有限公司 | 对图像中多边形进行检测的方法及装置 |
CN107264570A (zh) * | 2017-07-25 | 2017-10-20 | 西南交通大学 | 钢轨光带分布检测装置与方法 |
CN108222749A (zh) * | 2017-12-29 | 2018-06-29 | 安徽慧视金瞳科技有限公司 | 一种基于图像分析的智能自动门控制方法 |
WO2020090250A1 (ja) * | 2018-10-31 | 2020-05-07 | ソニー株式会社 | 画像処理装置と画像処理方法およびプログラム |
CN111462374A (zh) * | 2019-01-18 | 2020-07-28 | 罗伯特·博世有限公司 | 包括占用估计的访问控制*** |
CN110409991A (zh) * | 2019-07-22 | 2019-11-05 | 杭州市地铁集团有限责任公司运营分公司 | 一种可视化集控卷帘门*** |
CN111325977A (zh) * | 2020-02-25 | 2020-06-23 | 创捷运维智能科技有限责任公司 | 一种隧道智能边缘计算管控*** |
CN112001906A (zh) * | 2020-08-24 | 2020-11-27 | 江苏徐工信息技术股份有限公司 | 一种结合非极大值抑制的钢板焊缝图像检测方法 |
Non-Patent Citations (4)
Title |
---|
JUNGANG GUAN等: "《Real-Time Straight-Line Detection for XGA-Size Videos by Hough Transform with Parallelized Voting Procedures》", 《SENSORS (BASEL)》 * |
李家乾: "《防火卷帘门的分类及其正确使用》", 《化工管理》 * |
杨镇豪 等: "《复杂环境下结构光中心线提取算法》", 《计算机技术与发展》 * |
沈惠鑫 等: "《轨道交通车站出入口控制***分析与集成》", 《电子测试》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112560610B (zh) | 2021-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101572803B (zh) | 基于视频监控的可定制式自动跟踪*** | |
CN110996060A (zh) | 一种工业自动化智能联动***及方法 | |
KR102107334B1 (ko) | 이미지 프레임에서의 픽셀 위치가 배경 또는 전경에 속하는지를 결정하기 위한 방법, 장치 및 시스템 | |
CN106454282A (zh) | 安防监控方法、装置及*** | |
CN111223263A (zh) | 一种全自动综合型火灾预警响应*** | |
CN109488383B (zh) | 智能视频分析***及其应用方法 | |
CN114758300A (zh) | 场景恶意遮挡的判断方法、装置、设备及可读存储介质 | |
CN111160187A (zh) | 一种遗留物体检测的方法、装置及*** | |
CN112560610B (zh) | 一种视频监控对象分析方法、装置、设备及可读存储介质 | |
CN109579934A (zh) | 水浸多重监测方法及*** | |
CN113378648A (zh) | 一种人工智能港口码头监控方法 | |
CN116707965A (zh) | 一种威胁检测方法、装置、存储介质以及电子设备 | |
CN111462188A (zh) | 摄像头移动检测方法和*** | |
CN113158926B (zh) | 一种高空抛物轨迹判别方法、装置、设备及存储介质 | |
CN116013009B (zh) | 基于物联网的智能门窗报警方法、***及可读存储介质 | |
KR101581162B1 (ko) | 실시간 영상 기반의 화염, 연기 및 물체 움직임 자동 감지 방법, 장치 및 시스템 | |
CN111814734B (zh) | 识别刀闸状态的方法 | |
US20240046647A1 (en) | Method and device for detecting obstacles, and computer storage medium | |
CN114663479A (zh) | 一种基于计算机视觉的智能监控预警方法及*** | |
WO2020139071A1 (en) | System and method for detecting aggressive behaviour activity | |
JPH07129778A (ja) | 画像監視装置 | |
CN117371996B (zh) | 一种基于大数据的电力通讯分析方法 | |
Thangarajah et al. | Video foreground detection in non-static background using multi-dimensional color space | |
US20220365673A1 (en) | Non-intrusive shared processing method and system for pop-up window | |
CN116156149B (zh) | 一种用于检测摄像头移动的检测方法及装置 |
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 |