CN113313634A - 监控图像处理方法、装置、监控***和存储介质 - Google Patents
监控图像处理方法、装置、监控***和存储介质 Download PDFInfo
- Publication number
- CN113313634A CN113313634A CN202010121167.9A CN202010121167A CN113313634A CN 113313634 A CN113313634 A CN 113313634A CN 202010121167 A CN202010121167 A CN 202010121167A CN 113313634 A CN113313634 A CN 113313634A
- Authority
- CN
- China
- Prior art keywords
- image
- display
- aspect ratio
- display area
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 113
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000010801 machine learning Methods 0.000 claims description 51
- 238000000034 method Methods 0.000 claims description 35
- 230000004044 response Effects 0.000 claims description 22
- 239000007787 solid Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- JGFZNNIVVJXRND-UHFFFAOYSA-N N,N-Diisopropylethylamine (DIPEA) Chemical compound CCN(C(C)C)C(C)C JGFZNNIVVJXRND-UHFFFAOYSA-N 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
- G06T3/608—Rotation of whole images or parts thereof by skew deformation, e.g. two-pass or three-pass rotation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
Description
技术领域
本申请涉及图像处理技术领域,特别涉及一种监控图像处理方法、装置、监控***和存储介质。
背景技术
传统的监控摄像头拍摄的图像宽高比通常为16:9或者4:3,在狭长纵深的监控场景下,如图1所示,图1为现有技术中一种过道场景下的监控图像示意图,监控图像对应的有效监控区域较小,例如客车内的过道监控场景,由于过道的纵深狭长,监控图像在靠近车头或车尾的座椅位置存在监控盲区,例如在进行车内人员遗留检测时,容易造成无法识别或识别不准确的问题。虽然目前存在通过网络相机设置走廊模式,采集例如宽高比为9:16的图像,来提高狭长纵深场景下的有效监控区域,但是对于客车内等没有网络的场景,仍需要使用传统的摄像机来实现监控,因此在使用摄像机监控时,仍存在狭长纵深的监控场景下监控盲区较大的问题。
发明内容
本申请技术方案提供了一种监控图像处理方法、装置、监控***和存储介质,可以减小狭长纵深的监控场景下的监控盲区。
第一方面,本申请技术方案提供了一种监控图像处理方法,包括:
在本申请一实施例中:所述生成显示画面包括:
响应于单画面输出指令,生成单显示画面,所述单显示画面的分辨率为c×d,c为水平像素数,d为垂直像素数,c>d,所述单显示画面包括所述第二图像,在所述单显示画面中,所述第二图像对应的水平像素数为所述第二图像对应的垂直像素数为d。
在本申请一实施例中:在所述单显示画面中居中显示所述第二图像;所述单显示画面在所述第二图像的两侧填充纯色背景。
在本申请一实施例中:所述生成显示画面包括:响应于多画面输出指令,生成多个显示区域,所述多个显示区域中包括一个宽高比小于1的显示区域和的一个宽高比大于1的显示区域,在所述宽高比大于1的显示区域中显示所述第二图像。
在本申请一实施例中:所述响应于多画面输出指令,生成多个显示区域,所述多个显示区域中包括一个宽高比小于1的显示区域和的一个宽高比大于1的显示区域,在所述宽高比大于1的显示区域中显示所述第二图像的过程包括:
响应于四画面输出指令,生成包括第一显示区域、第二显示区域、第三显示区域和第四显示区域的显示画面,所述第二显示区域和所述第三显示区域沿垂直方向排列且组成拼接区域,所述第一显示区域、所述拼接区域和所述第三显示区域沿水平方向排列,所述第一显示区域和所述第三显示区域的宽高比均小于1,所述第二显示区域和所述第三显示区域的宽高比均大于1;
所述第一显示区域和所述第三显示区域分别包括不同的所述第二图像。
在本申请一实施例中:所述响应于多画面输出指令,生成多个显示区域,所述多个显示区域中包括一个宽高比小于1的显示区域和的一个宽高比大于1的显示区域,在所述宽高比大于1的显示区域中显示所述第二图像的过程包括:
响应于八画面输出指令,生成包括九个区域的显示画面,所述九个区域呈三行三列排布,其中,在垂直方向上相邻的两个区域组成第一显示区域,所述九个区域中除所述第一显示区域之外的其余七个区域分别为七个第二显示区域;
所述第一显示区域的宽高比小于1,所述第一显示区域包括所述第二图像;
每个所述第二显示区域的宽高比大于1。
在本申请一实施例中:上述方法还包括:
响应于机器学***方向排列;
对所述机器学习预输入图像进行缩放,形成机器学习输入图像,所述机器学习输入图像的宽高比等于所述机器学习预输入图像的宽高比。
另一方面,本申请还提供一种监控图像处理装置,包括:
另一方面,本申请还提供一种监控图像处理装置,包括:
处理器和存储器,所述存储器用于存储至少一条指令,所述指令由所述处理器加载并执行时以实现上述的方法。
另一方面,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,使得计算机执行上述的方法。
另一方面,本申请还提供一种监控***,包括:
摄像机;
通信连接于所述摄像机的模数转换器;
电连接于所述模数转换器的上述的监控图像处理装置。
本申请实施例中的监控图像处理方法、装置、监控***和存储介质,对摄像机旋转90°拍摄到的第一图像进行旋转操作,形成旋转后的第二图像,以使第二图像符合用户的观看视角,且由于第二图像的宽高比为9:16,因此可以增加在狭长纵深的监控场景下的有效监控区域,减小监控盲区,从而提高监控的识别率,改善监控的效果。另外,本申请实施例仅对从模数转换器所发送的信号进行处理的方法进行改进,不会改变前端摄像机的硬件结构及其传输方式,因此仍可以兼容传统的监控方式。
附图说明
图1为现有技术中一种过道场景下的监控图像示意图;
图2为本申请实施例中一种监控***的结构框图;
图3为本申请实施例中一种过道场景下的监控图像示意图;
图4为摄像机正向安装时所拍摄到的图像示意图;
图5为摄像机旋转90°安装时所拍摄到的第一图像示意图;
图6为本申请实施例中一种监控图像处理方法的流程图;
图7为本申请实施例中第二图像的示意图;
图8为本申请实施例中一种显示画面的示意图;
图9为本申请实施例中另一种显示画面的示意图;
图10为本申请实施例中再一种显示画面的示意图;
图11为本申请实施例中一种机器学习预输入图像的示意图;
图12为本申请中另一种监控图像处理方法的流程图;
图13为本申请实施例中一种监控图像处理装置的结构框图。
具体实施方式
本申请的实施方式部分使用的术语仅用于对本申请的具体实施例进行解释,而非旨在限定本申请。
如图2所示,图2为本申请实施例中一种监控***的结构框图,本申请实施例提供一种监控***,包括:摄像机10;通信连接于摄像机10的模数转换器20;电连接于模数转换器20的监控图像处理装置30;电连接于监控图像处理装置30的显示装置40。
其中,前端摄像机10的传感器采集监控图像,经过图像信号处理(Image SignalProcessing,ISP)后转换调制成模拟信号,模拟信号传输至后端的模数转换器20,模数转换器20将模拟信号转换成数字信号,然后传输至监控图像处理装置30,监控图像处理装置30对接收到的数字信号形式的监控图像执行监控图像处理方法,并生成显示画面,通过显示装置40显示该显示画面,监控图像处理装置30所执行的监控图像处理方法的具体过程和原理会在后续的内容中详细说明。
如图3所示,图3为本申请实施例中一种过道场景下的监控图像示意图,本申请实施例中,前端的摄像机10相对于图1所示的摄像机旋转90°进行拍摄,所拍摄的监控图像的宽高比小于1,即宽度小于高度,例如图1中所示的监控图像宽高比为16:9,为传统的监控图像比例,图3中所示的监控图像宽高比为9:16,可以称为走廊图像,在这种拍摄角度下,如图3所示,与图1相比,在相同的狭长纵深的监控场景下,只需要转换相机的拍摄角度,即可获得客车内座椅位置的更大有效监控区域,实际上,对于摄像机10来说,并没有改变其图像处理或传输模式,而只是改变了拍摄角度,如图4所示,图4为摄像机正向安装时所拍摄到的图像示意图,摄像机正向安装时拍摄的图像,由于图像的宽高比较大,因此图像在纵向上的尺寸较小,例如只能拍摄到一个人,如图5所示,图5为摄像机旋转90°安装时所拍摄到的第一图像示意图,即本申请实施例中摄像机10所拍摄到的第一图像,摄像机10旋转安装之后,虽然对于实际场景来说,狭长区域的图像信息更多,例如可以拍摄到两个人,但是图像旋转了90°,即摄像机10传输至模数转换器20的图像同样为如图5所示的观看角度旋转90°的图像,该图像在本申请实施例中为第一图像,模数转换器20对该第一图像信号进行模数转换,转换成数字信号。
如图6和图7所示,图6为本申请实施例中一种监控图像处理方法的流程图,图7为本申请实施例中第二图像的示意图,本申请实施例提供一种监控图像处理方法,该监控图像处理方法的执行主体可以为图2中的监控图像处理装置,监控图像处理方法包括:
例如,第一图像的宽高比为16:9或4:3,以下均以第一图像的宽高比为16:9为例进行说明,即a>b,由于摄像机10传输的是模拟信号,因此,监控图像处理装置20可以通过模数转换器20接收摄像机10发送的第一图像,即接收到的第一图像为经过模数转换器20转换后的数字信号。
在对第一图像进行旋转之后,所形成的第二图像符合用户的观看视角,例如第一图像的分辨率为1280×720,第二图像的分辨率为720×1280,第二图像的宽高比为9:16,可以用于生成显示画面或者存储。
具体地,由于传统的显示画面与摄像机正向安装时所拍摄到的图像比例相匹配,因此,在对第一图像进行90°旋转并获得旋转后的第二图像后,需要保证第二图像在显示画面中的比例不变,即宽高比仍为9:16,以避免由于第二图像与显示画面的不匹配而导致图像被横向拉伸、纵向压缩,导致整体画面畸变。本申请实施例中的监控图像处理方法可以用于例如通道、客车(例如校车、公交车等)、地铁、高铁、飞机等具有狭长纵深的场景。
本申请实施例中的监控图像处理方法和监控***,对摄像机旋转90°拍摄到的第一图像进行旋转操作,形成旋转后的第二图像,以使第二图像符合用户的观看视角,且由于第二图像的宽高比为9:16,因此可以增加在狭长纵深的监控场景下的有效监控区域,减小监控盲区,从而提高监控的识别率,改善监控的效果。另外,本申请实施例仅对从模数转换器所发送的信号进行处理的方法进行改进,不会改变前端摄像机的硬件结构及其传输方式,因此仍可以兼容传统的监控方式。
可选地,上述步骤103、生成显示画面包括:响应于单画面输出指令,生成单显示画面,单显示画面的分辨率为c×d,c为水平像素数,d为垂直像素数,c>d,单显示画面包括上述第二图像,在单显示画面中,第二图像对应的水平像素数为第二图像对应的垂直像素数为d。
具体地,单画面输出是指在显示装置上仅显示一个监控图像,如图8所示,图8为本申请实施例中一种显示画面的示意图,例如,显示画面的分辨率为1280×720,即显示画面具有1280个水平像素和720个垂直像素,显示画面的宽高比与第二图像并不匹配,因此,可以根据显示画面的高度来匹配第二图像的高度,即使第二图像对应的垂直像素数同样为720,同时保持第二图像的宽高比不变,仍为9:16,根据该宽高比来计算第二图像对应的水平像素数,具体为这样,可以使第二图像在显示画面中保持宽高比的前提下最大化显示。单画面输出指令可以为***自动生成的指令,也可以为用于操作而产生的指令。
可选地,如图8所示,单显示画面在第二图像的两侧填充纯色背景。例如,在第二图像的左侧和右侧均填充黑色背景(点状填充区域),以突出显示作为监控图像的第二图像。
可选地,除了如图8所示的在单显示画面中显示第二图像以实现监控的方式之外,通常还具有多画面显示监控图像的方式,以实现在同一个显示装置中显示多个不同的监控画面,在多画面显示线控图像的方式中,上述步骤103、生成显示画面包括:响应于多画面输出指令,生成多个显示区域,多个显示区域中包括一个宽高比小于1的显示区域和的一个宽高比大于1的显示区域,在宽高比大于1的显示区域中显示上述第二图像,在宽高比小于1的显示区域中可以显示非走廊图像,即摄像机正向安装时所拍摄的图像。
可选地,如图9所示,图9为本申请实施例中另一种显示画面的示意图,上述响应于多画面输出指令,生成多个显示区域,多个显示区域中包括一个宽高比小于1的显示区域和的一个宽高比大于1的显示区域,在宽高比大于1的显示区域中显示上述第二图像的过程包括:响应于四画面输出指令,生成包括第一显示区域A1、第二显示区域A2、第三显示区域A3和第四显示区域A4的显示画面,第二显示区域A2和第三显示区域A3沿垂直方向排列且组成拼接区域B,第一显示区域A1、拼接区域B和第三显示区域A3沿水平方向排列,第一显示区域A1和第三显示区域A3的宽高比均小于1,第二显示区域A2和第四显示区域A4的宽高比均大于1;第一显示区域A1和第三显示区域A3分别包括不同的第二图像。
具体地,一些场景下,需要在同一个显示装置上显示多个监控画面,传统的四画面输出方式是将显示画面按照“田”字型划分为四个区域,但是,这种方式并不适用于第二图像这种走廊图像的显示,因此,本申请实施例提供了如图9所示的画面显示方式,将显示画面划分为四个显示区域,其中,第一显示区域A1和第三显示区域A3均具有宽长比小于1的特点,适合狭长纵深的监控图像显示,因此,可以在第一显示区域A1中显示一个第二图像,在第三显示区域A3中显示另一个第二图像,两个第二图像可以为通过两个不同的摄像机拍摄的不同的监控图像,第二显示区域A2和第四显示区域A4可以用于显示摄像机正向安装时所拍摄的图像。四画面输出指令可以为***自动生成的指令,也可以为用户操作而产生的指令。在图9所示的画面显示方式中,可以应用于具有多个摄像机的监控***,例如包括第一摄像机、第二摄像机、第三摄像机和第四摄像机,四个摄像机均通过同一个监控图像处理装置连接至同一个显示装置,其中第二摄像机和第四摄像机正向安装,所拍摄到的图像如图4所示的图像,第二摄像机和第四摄像机所拍摄到的图像传输至监控图像处理装置后,并不需要进行旋转处理,其中第二摄像机所拍摄到的图像可以直接对应显示于第二显示区域A2中,第四摄像机所拍摄到的图像可以直接对应显示于第四显示区域A4中,其中第一摄像机和第三摄像机旋转90°进行拍摄,所拍摄到的图像为如图5所示的第一图像,监控图像处理装置在接收到第一摄像机和第三摄像机所传输的第一图像后,分别按照前述的方式进行处理,分别得到两个第二图像,其中,第一摄像机对应的第二图像可以在第一显示区域A1中显示,第三摄像机对应的第二图像可以在第三显示区域A3中显示。
可选地,如图10所示,图10为本申请实施例中再一种显示画面的示意图,上述响应于多画面输出指令,生成多个显示区域,多个显示区域中包括一个宽高比小于1的显示区域和的一个宽高比大于1的显示区域,在宽高比大于1的显示区域中显示上述第二图像的过程:响应于八画面输出指令,生成包括九个区域C的显示画面,九个区域C呈三行三列排布,其中,在垂直方向上相邻的两个区域C组成第一显示区域C1,九个区域C中除第一显示区域C1之外的其余七个区域C分别为七个第二显示区域C2;第一显示区域C1的宽高比小于1,第一显示区域C1包括第二图像;每个第二显示区域C2的宽高比大于1。
具体地,传统的八画面输出方式并不适用于第二图像这种走廊图像的显示,因此,本申请实施例提供了如图10所示的画面显示方式,将显示画面划分为八个显示区域,其中,第一显示区域C1适合狭长纵深的监控图像显示,因此,可以利用第一显示区域C1来显示第二图像,第二显示区域C2可以用于显示摄像机正向安装时所拍摄的图像。八画面输出指令可以为***自动生成的指令,也可以为用户操作而产生的指令。
可以理解地,图8、图9和图10所示的不同画面显示方式可以为预先配置好的固定显示方式,也可以为根据需要可以切换的不同显示方式,例如,整个监控***仅具有一个摄像机,仅需要对同一个位置进行监控即可,即可以预先配置为如图8所示的单画面显示方式;例如,整个监控***具有四个摄像机,需要同时对四个不同的位置进行监控,且其中两个位置为狭长纵深的场景,此时可以同时配置两种显示方式,两种显示方式可以响应于用户的操作指令进行切换,当用户操作进入四画面显示时,显示装置呈现如图9所示的显示方式,当用户想要具体观看某一个位置的监控画面时,可以操作进入其中一个位置的单画面显示模式,此时,显示装置切换至如图8所示的单画面显示方式。
可选地,如图11所示,图11为本申请实施例中一种机器学***方向排列;对机器学习预输入图像进行缩放,形成机器学习输入图像,机器学习输入图像的宽高比等于机器学习预输入图像的宽高比。
具体地,对于监控图像,除了进行显示之外,还有可能将监控图像作为机器学习的输入图像使用,机器学习对于输入图像具有要求,例如,对于快速特征嵌入的卷积结构(Convolutional Architecture for Fast Feature Embedding,Caffe)框架,其网络输入图像的分辨率要求为448×448,假设第二图像的宽高比为9:16,分辨率为405×720,如果直接作为Caffe框架下的网络输入图像,会产生图像畸变,导致机器学习的处理结果不准确,本申请实施例中,在得到第二图像之后,在进行机器学习之前,首先对第二图像进行拼接得到机器学习预输入图像,如图11所示,机器学习预输入图像由第二图像和纯色填充图像(例如黑色填充图像,图中点状填充区域为黑色填充图像)拼接组成,以使机器学习预输入图像满足网络输入图像的宽高比,例如1:1的宽高比,即使机器学习预输入图像的分辨率为720×720,然后保持该宽高比,对该机器学习预输入图像进行缩放,使机器学习预输入图像的分辨率缩放至448×448,满足网络输入图像的要求,形成机器学习输入图像,然后可以基于该机器学习输入图像进行机器学习,以进行监控画面的识别处理,以实现更加智能的监控,例如通过机器学习的方式进行人员遗留检测等。
具体例如,如图12所示,图12为本申请中另一种监控图像处理方法的流程图,上述监控图像处理方法中,在步骤102、对第一图像进行旋转,形成旋转后的第二图像之后,一方面,在步骤103中,基于第二图像生成显示画面,以实现显示监控画面的功能;另一方面,还包括步骤104、基于第二图像生成机器学习输入图像,生成及其学习输入图像的具体过程包括:首先将第二图像和纯色图像进行拼接,生成与机器学习所需要的图像比例相同的机器学习预输入图像,然后对该机器学习预输入图像进行缩放,以生成满足机器学习所需要的图像尺寸的机器学习输入图像,以实现机器学习,例如通过深度学习实现人员检测等智能检测功能;再一方面,还包括步骤105、对第二图像进行编码处理,并存储经编码处理后的图像,例如存储在硬盘等存储介质中,以实现监控图像的存储功能。
如图13所示,图13为本申请实施例中一种监控图像处理装置的结构框图,本申请实施例还提供一种监控图像处理装置,包括:接收模块1,用于接收摄像机发送的第一图像,第一图像的宽高比为图像处理模块2,用于对第一图像进行90°旋转操作,形成旋转后的第二图像,第二图像的宽高比为画面生成单元3,用于生成显示画面,显示画面包括第二图像,第二图像在显示画面中的宽高比为
其中,监控图像处理装置具体可以应用上述的监控图像处理方法,其具体过程和原理与上述实施例相同,在此不再赘述,
可选地,画面生成单元3具体用于,响应于单画面输出指令,生成单显示画面,所述单显示画面的分辨率为c×d,c为水平像素数,d为垂直像素数,c>d,所述单显示画面包括所述第二图像,在所述单显示画面中,所述第二图像对应的水平像素数为所述第二图像对应的垂直像素数为d。
可选地,画面生成单元3具体用于,在单显示画面中居中显示第二图像;使单显示画面在第二图像的两侧填充纯色背景。
可选地,画面生成单元3具体用于,响应于多画面输出指令,生成多个显示区域,多个显示区域中包括一个宽高比小于1的显示区域和的一个宽高比大于1的显示区域,在宽高比大于1的显示区域中显示第二图像。
可选地,画面生成单元3具体用于,响应于四画面输出指令,生成包括第一显示区域、第二显示区域、第三显示区域和第四显示区域的显示画面,所述第二显示区域和所述第三显示区域沿垂直方向排列且组成拼接区域,所述第一显示区域、所述拼接区域和所述第三显示区域沿水平方向排列,所述第一显示区域和所述第三显示区域的宽高比均小于1,所述第二显示区域和所述第四显示区域的宽高比均大于1;所述第一显示区域和所述第三显示区域分别包括不同的所述第二图像。
可选地,画面生成单元3具体用于,响应于八画面输出指令,生成包括九个区域的显示画面,所述九个区域呈三行三列排布,其中,在垂直方向上相邻的两个区域组成第一显示区域,所述九个区域中除所述第一显示区域之外的其余七个区域分别为七个第二显示区域;第一显示区域的宽高比小于1,第一显示区域包括所述第二图像;每个第二显示区域的宽高比大于1。
可选地,图像处理模块2还用于,响应于机器学***方向排列;对所述机器学习预输入图像进行缩放,形成机器学习输入图像,所述机器学习输入图像的宽高比等于所述机器学习预输入图像的宽高比。
应理解以上图13所示装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现;也可以全部以硬件的形式实现;还可以部分模块以软件通过处理元件调用的形式实现,部分模块通过硬件的形式实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如,以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,ASIC),或,一个或多个微处理器(digital singnal processor,DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,FPGA)等。再如,当以上某个模块通过处理元件调度程序的形式实现时,该处理元件可以是通用处理器,例如中央处理器(Central ProcessingUnit,CPU)或其它可以调用程序的处理器。
本申请实施例还提供一种监控图像处理装置,包括:处理器和存储器,存储器用于存储至少一条指令,指令由处理器加载并执行时以实现上述实施例中的监控图像处理方法。处理器的数量可以为一个或多个,处理器和存储器可以通过总线或者其他方式连接。
该监控图像处理装置具体可以为图2中所示的监控图像处理装置30。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本申请实施例中的传输方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块,从而执行各种功能应用以及数据处理,即实现上述任意方法实施例中的方法。
存储器可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;以及必要数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,使得计算机执行上述实施例中的监控图像处理方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid StateDisk)等。
本申请实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,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的情况。其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项”及其类似表达,是指的这些项中的任意组合,包括单项或复数项的任意组合。例如,a,b和c中的至少一项可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
以上仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (11)
3.根据权利要求2所述的方法,其特征在于,
在所述单显示画面中居中显示所述第二图像;
所述单显示画面在所述第二图像的两侧填充纯色背景。
4.根据权利要求1所述的方法,其特征在于,
所述生成显示画面包括:
响应于多画面输出指令,生成多个显示区域,所述多个显示区域中包括一个宽高比小于1的显示区域和的一个宽高比大于1的显示区域,在所述宽高比大于1的显示区域中显示所述第二图像。
5.根据权利要求4所述的方法,其特征在于,
所述响应于多画面输出指令,生成多个显示区域,所述多个显示区域中包括一个宽高比小于1的显示区域和的一个宽高比大于1的显示区域,在所述宽高比大于1的显示区域中显示所述第二图像的过程包括:
响应于四画面输出指令,生成包括第一显示区域、第二显示区域、第三显示区域和第四显示区域的显示画面,所述第二显示区域和所述第三显示区域沿垂直方向排列且组成拼接区域,所述第一显示区域、所述拼接区域和所述第三显示区域沿水平方向排列,所述第一显示区域和所述第三显示区域的宽高比均小于1,所述第二显示区域和所述第四显示区域的宽高比均大于1;
所述第一显示区域和所述第三显示区域分别包括不同的所述第二图像。
6.根据权利要求4所述的方法,其特征在于,
所述响应于多画面输出指令,生成多个显示区域,所述多个显示区域中包括一个宽高比小于1的显示区域和的一个宽高比大于1的显示区域,在所述宽高比大于1的显示区域中显示所述第二图像的过程包括:
响应于八画面输出指令,生成包括九个区域的显示画面,所述九个区域呈三行三列排布,其中,在垂直方向上相邻的两个区域组成第一显示区域,所述九个区域中除所述第一显示区域之外的其余七个区域分别为七个第二显示区域;
所述第一显示区域的宽高比小于1,所述第一显示区域包括所述第二图像;
每个所述第二显示区域的宽高比大于1。
7.根据权利要求1所述的方法,其特征在于,还包括:
响应于机器学***方向排列;
对所述机器学习预输入图像进行缩放,形成机器学习输入图像,所述机器学习输入图像的宽高比等于所述机器学习预输入图像的宽高比。
9.一种监控图像处理装置,其特征在于,包括:
处理器和存储器,所述存储器用于存储至少一条指令,所述指令由所述处理器加载并执行时以实现如权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,当其在计算机上运行时,使得计算机执行如权利要求1至7中任意一项所述的方法。
11.一种监控***,其特征在于,包括:
摄像机;
通信连接于所述摄像机的模数转换器;
电连接于所述模数转换器的如权利要求9所述的监控图像处理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010121167.9A CN113313634B (zh) | 2020-02-26 | 2020-02-26 | 监控图像处理方法、装置、监控***和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010121167.9A CN113313634B (zh) | 2020-02-26 | 2020-02-26 | 监控图像处理方法、装置、监控***和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113313634A true CN113313634A (zh) | 2021-08-27 |
CN113313634B CN113313634B (zh) | 2023-06-09 |
Family
ID=77369846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010121167.9A Active CN113313634B (zh) | 2020-02-26 | 2020-02-26 | 监控图像处理方法、装置、监控***和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313634B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639933A (zh) * | 2009-07-16 | 2010-02-03 | 上海合合信息科技发展有限公司 | 图像旋转校正方法及***、电子设备 |
US20140022406A1 (en) * | 2012-07-19 | 2014-01-23 | Qualcomm Incorporated | Automatic correction of skew in natural images and video |
CN105230005A (zh) * | 2013-05-10 | 2016-01-06 | 三星电子株式会社 | 显示装置及其控制方法 |
CN105430331A (zh) * | 2015-11-13 | 2016-03-23 | 浙江宇视科技有限公司 | 调整监控图像显示方向的方法和装置 |
CN105450918A (zh) * | 2014-06-30 | 2016-03-30 | 杭州华为企业通信技术有限公司 | 一种图像处理方法和摄像机 |
CN109410122A (zh) * | 2018-08-27 | 2019-03-01 | 上海途擎微电子有限公司 | 车载***及其车载图像调整的方法 |
-
2020
- 2020-02-26 CN CN202010121167.9A patent/CN113313634B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639933A (zh) * | 2009-07-16 | 2010-02-03 | 上海合合信息科技发展有限公司 | 图像旋转校正方法及***、电子设备 |
US20140022406A1 (en) * | 2012-07-19 | 2014-01-23 | Qualcomm Incorporated | Automatic correction of skew in natural images and video |
CN105230005A (zh) * | 2013-05-10 | 2016-01-06 | 三星电子株式会社 | 显示装置及其控制方法 |
CN105450918A (zh) * | 2014-06-30 | 2016-03-30 | 杭州华为企业通信技术有限公司 | 一种图像处理方法和摄像机 |
CN105430331A (zh) * | 2015-11-13 | 2016-03-23 | 浙江宇视科技有限公司 | 调整监控图像显示方向的方法和装置 |
CN109410122A (zh) * | 2018-08-27 | 2019-03-01 | 上海途擎微电子有限公司 | 车载***及其车载图像调整的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113313634B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7051457B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
EP3195584B1 (en) | Object visualization in bowl-shaped imaging systems | |
US11688070B2 (en) | Video frame segmentation using reduced resolution neural network and masks from previous frames | |
CN110503725B (zh) | 图像处理的方法、装置、电子设备及计算机可读存储介质 | |
EP3085074B1 (en) | Bowl-shaped imaging system | |
US8249389B2 (en) | Image processing apparatus, image processing method and imaging apparatus | |
JP6882868B2 (ja) | 画像処理装置、画像処理方法、システム | |
JP6568374B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN106534780A (zh) | 三维全景视频监控装置及其视频图像处理方法 | |
CN104735408B (zh) | 一种无死角警用车载监视方法及监视*** | |
WO2020048485A1 (zh) | Vr全景摄影*** | |
CN105578129A (zh) | 一种多路多画面视频拼接装置 | |
US20230394833A1 (en) | Method, system and computer readable media for object detection coverage estimation | |
CN114881921A (zh) | 基于事件及视频融合的去遮挡成像方法及装置 | |
US20190005133A1 (en) | Method, apparatus and arrangement for summarizing and browsing video content | |
CN113139419B (zh) | 一种无人机检测方法及装置 | |
US8049748B2 (en) | System and method for digital video scan using 3-D geometry | |
CN113313634A (zh) | 监控图像处理方法、装置、监控***和存储介质 | |
US20230010947A1 (en) | Electronic apparatus, and method for displaying image on display device | |
KR101936168B1 (ko) | 평면 좌표계 영상데이터와 구면 좌표계 영상데이터를 이용한 영상처리 장치 및 방법 | |
TWI444909B (zh) | 採用奇異值分解進行光線補償處理之手勢影像辨識方法及其系統 | |
US11636708B2 (en) | Face detection in spherical images | |
US11189047B2 (en) | Gaze based rendering for audience engagement | |
CN114222063A (zh) | 亿级像素的图片与视频数据的处理方法和装置 | |
JP2012212235A (ja) | 物体検出システム、物体検出方法、及びプログラム |
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 |