CN113627412A - 目标区域的检测方法、装置、电子设备和介质 - Google Patents
目标区域的检测方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN113627412A CN113627412A CN202110883410.5A CN202110883410A CN113627412A CN 113627412 A CN113627412 A CN 113627412A CN 202110883410 A CN202110883410 A CN 202110883410A CN 113627412 A CN113627412 A CN 113627412A
- Authority
- CN
- China
- Prior art keywords
- target
- image
- target object
- determining
- target area
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 34
- 230000004044 response Effects 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本公开公开了一种目标区域的检测方法、装置、设备、介质和产品,涉及图像处理、目标检测、智能监控等领域。目标区域的检测方法包括:响应于获取到与目标区域相关联的初始图像,从初始图像中确定针对目标区域的局部图像;对局部图像进行识别处理,得到至少一个候选对象;基于参考图像,从至少一个候选对象中确定目标对象;基于目标对象,检测目标区域是否被占用。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及图像处理、目标检测、智能监控等领域,更具体地,涉及一种目标区域的检测方法、装置、电子设备、介质和程序产品。
背景技术
在诸多场景中,通常需要预留目标区域用于应急,目标区域例如包括疏散通道、消防通道等。例如在社区或厂房中,通常需要预留疏散通道或消防通道,以便在出现紧急事故时用于转移人员或物资。但是,目标区域如果被占用,将导致在紧急情况下难以通过目标区域及时转移人员或物资而造成损失。相关技术通常通过人工巡逻或者实时查看监控视频的方式来确定目标区域是否被占用,该方式成本较高、准确性较低、实时性较差。
发明内容
本公开提供了一种目标区域的检测方法、装置、电子设备、存储介质以及程序产品。
根据本公开的一方面,提供了一种目标区域的检测方法,包括:响应于获取到与所述目标区域相关联的初始图像,从所述初始图像中确定针对所述目标区域的局部图像;对所述局部图像进行识别处理,得到至少一个候选对象;基于参考图像,从所述至少一个候选对象中确定目标对象;基于所述目标对象,检测所述目标区域是否被占用。
根据本公开的另一方面,提供了一种目标区域的检测装置,包括:第一确定模块、处理模块、第二确定模块以及检测模块。第一确定模块,用于响应于获取到与所述目标区域相关联的初始图像,从所述初始图像中确定针对所述目标区域的局部图像;处理模块,用于对所述局部图像进行识别处理,得到至少一个候选对象;第二确定模块,用于基于参考图像,从所述至少一个候选对象中确定目标对象;检测模块,用于基于所述目标对象,检测所述目标区域是否被占用。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器和与所述至少一个处理器通信连接的存储器。其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的目标区域的检测方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行上述的目标区域的检测方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现上述的目标区域的检测方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1示意性示出了根据本公开一实施例的目标区域的检测方法和装置的应用场景;
图2示意性示出了根据本公开一实施例的目标区域的检测方法的流程图;
图3示意性示出了根据本公开一实施例的目标区域的检测方法的示意图;
图4示意性示出了根据本公开一实施例的目标区域的检测方法的原理图;
图5示意性示出了根据本公开一实施例的目标区域的检测方法的***架构图;
图6示意性示出了根据本公开一实施例的目标区域的检测方法的云边端协同管理示意图;
图7示意性示出了根据本公开一实施例的目标区域的检测装置的框图;以及
图8是用来实现本公开实施例的用于执行目标区域的检测的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的***”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的***等)。
本公开的实施例提供了一种目标区域的检测方法。目标区域的检测方法包括:响应于获取到与目标区域相关联的初始图像,从初始图像中确定针对目标区域的局部图像。然后,对局部图像进行识别处理,得到至少一个候选对象。接下来,基于参考图像,从至少一个候选对象中确定目标对象,基于目标对象,检测目标区域是否被占用。
图1示意性示出了根据本公开一实施例的目标区域的检测方法和装置的应用场景。需要注意的是,图1所示仅为可以应用本公开实施例的应用场景的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、***、环境或场景。
如图1所示,根据该实施例的应用场景100可以包括图像采集装置111、112、113和电子设备120。
图像采集装置111、112、113可以包括摄像头,设置于社区、厂房等场景,用于采集社区或厂房中目标区域的图像或视频。目标区域包括疏散通道、消防通道等。
在采集到图像或视频之后,可以将图像或视频发送给电子设备120,由电子设备120处理图像或视频,以便从图像或视频中确定目标区域是否被占用。如果识别到目标区域被占用,将导致在紧急情况下难以通过目标区域及时转移人员或物资而造成损失。因此,通过对目标区域的图像或视频进行识别来确定目标区域的占用情况,以便在目标区域被占用时及时告警。
示例性地,电子设备120例如包括计算机、服务器等等。在一示例中,电子设备120可以是边缘设备。电子设备120和图像采集装置111、112、113之间可以进行数据交互。例如,图像采集装置111、112、113可以将图像或视频发送给电子设备120,电子设备120可以将配置信息发送给图像采集装置111、112、113进行配置。或者,电子设备120可以将控制信号发送给图像采集装置111、112、113以便控制图像采集装置111、112、113进行图像或视频的采集。
在另一示例中,图像采集装置111、112、113可以集成在电子设备120中。即,电子设备120可以具有图像或视频采集功能,以及具有数据处理功能。
本公开实施例提供了一种目标区域的检测方法,下面结合图1的应用场景,参考图2~图6来描述根据本公开示例性实施方式的目标区域的检测方法。
图2示意性示出了根据本公开一实施例的目标区域的检测方法的流程图。本公开实施例的目标区域的检测方法例如可以由图1所示的电子设备来执行。
如图2所示,本公开实施例的目标区域的检测方法200例如可以包括操作S210~操作S240。
在操作S210,响应于获取到与目标区域相关联的初始图像,从初始图像中确定针对目标区域的局部图像。
在操作S220,对局部图像进行识别处理,得到至少一个候选对象。
在操作S230,基于参考图像,从至少一个候选对象中确定目标对象。
在操作S240,基于目标对象,检测目标区域是否被占用。
示例性地,与目标区域相关联的初始图像例如是由设置在目标区域周围的图像采集装置采集的。该初始图像中包括目标区域和目标区域周围的其他区域。图像采集装置可以采集视频,可以将视频中的帧图像作为初始图像。
在得到初始图像之后,可以对初始图像进行图像处理,以便从初始图像中确定出针对目标区域的局部图像,该局部图像去除了一些无关的信息,在后续进行图像处理时提高了针对目标区域的关注度。然后,对局部图像进行识别,得到处于目标区域中的至少一个候选对象,候选对象例如包括物体、用户等等。
由于候选对象中可能存在一些不需要关注的对象,因此可以基于参考图像从至少一个候选对象中删除不需要关注的对象,将剩余的对象作为所关注的目标对象。
接下来,可以根据目标对象位于目标区域中的情况来确定目标区域是否被占用。例如,可以根据目标对象位于目标区域的时间、位置等信息来确定目标区域是否被占用。如果确定目标区域被占用,可以及时生成告警信息。
根据本公开的实施例,在获取到初始图像之后,从初始图像中确定针对目标区域的局部图像,后续仅需对局部图像进行处理,而无需对初始图像整体进行处理,提高了处理效率。通过该方式,无需用户手动裁剪局部图像,无需重新配置图像采集装置的相关参数,无需重新部署图像采集装置以改变采集视角或采集范围,降低了人力成本。另外,基于参考图像来确定目标对象,提高了目标对象的准确性,进而提高了检测目标区域是否被占用的准确性。
在一示例中,可以利用经训练的图像识别模型对初始图像进行识别处理,得到针对目标区域的局部图像。例如,获取大量的样本图像,每个样本图像均包括目标区域,标记每个样本图像中的目标区域,将标记的样本图像训练图像识别模型。然后,利用经训练的图像识别模型对初始图像进行识别,可以得到初始图像中针对目标区域的局部图像。可见,利用经训练的图像识别模型从初始图像中确定针对目标区域的局部图像,无需对初始图像整体进行处理,提高了处理效率。
在一示例中,参考图像例如包括基准对象,该基准对象例如为目标区域中固定存在的对象。例如,当目标区域为消防通道时,基准对象例如包括消防栓、消防柜等。在目标区域不被其他对象占用的情况下获取图像作为参考图像,该参考图像中包括基准对象。
在从局部图像中确定出至少一个候选对象之后,可以基于参考图像从至少一个候选对象中删除与基准对象相匹配的候选对象,并将剩余的候选对象确定为目标对象。例如,当至少一个候选对象中包括消防栓、消防柜时,可以删除消防栓、消防柜。可见,以基准对象作为参考来从至少一个候选对象中确定目标对象,提高了目标对象的准确性,排除了不需要关注的对象,进而提高了对目标区域是否被占用的检测准确性。
图3示意性示出了根据本公开一实施例的目标区域的检测方法的示意图。
如图3所示,初始图像包括多个初始图像,以多个初始图像包括初始图像310和初始图像320为例。
示例性地,基于目标对象分别在多个初始图像中的位置信息,确定目标对象的移动信息,如果移动信息表征目标对象的移动速度小于预设速度,确定目标区域被占用。例如,如果某个目标对象在大量的初始图像中均出现,表示该目标对象移动速度较慢(或者处于停止状态)并且长时间处于目标区域中,确定该目标对象占用目标区域。如果某个目标对象在少量的初始图像中出现,表示该目标对象移动速度较快并且在短时间内离开了目标区域,可以确定该目标对象并未占用目标区域。
或者,也可以基于目标对象分别在与多个初始图像一一对应的多个局部图像中的位置信息,来确定目标对象的移动信息。本公开实施例的下文以目标对象分别在多个初始图像中的位置信息为例进行说明。
例如,从初始图像310中识别得到目标对象311、312、313、314,从初始图像320中识别得到目标对象321、322、323。
参见初始图像310中各目标对象和初始图像320中各目标对象之间的位置关系图330,基于目标对象分别在多个初始图像中的位置信息,确定目标对象针对多个初始图像的重合度,然后基于重合度确定目标对象的移动信息。
例如,目标对象311和目标对象321之间的重合度较大,可以表示目标对象311和目标对象321为同一对象,如果通过继续参考其他初始图像得知目标对象311和目标对象321在长时间内移动速度较小,可以确定目标对象311和目标对象322在一段时间内占用目标区域。
由目标对象312的位置信息和目标对象322的位置信息相比可知该两个对象不是针对同一对象,即位置信息可以表征对象的尺寸,目标对象312的尺寸和目标对象322的尺寸不匹配,因此目标对象312的尺寸和目标对象322不是针对同一对象。可以不将该两个对象确定为占用目标区域的对象。
初始图像310和初始图像320例如均是从视频流中获取的帧图像,初始图像310和初始图像320之间的间隔时刻较小,由目标对象313的位置信息和目标对象323的位置信息相比可知该两个对象不是针对同一对象(如果是针对同一对象,则移动速度过大过于异常),暂时可以不将该两个对象确定为占用目标区域的对象。
由目标对象314的位置信息可知该目标对象314没有对应的对象,可以暂时可以不将该目标对象314确定为占用目标区域的对象,后续可以参考该目标对象314在其他初始图像中的位置信息来确定该目标对象314是否占用目标区域。
示例性地,重合度可以用交并比IOU表示,交并比IOU表示两个对象所占图像面积的重合度。通过交并比IOU来确定多个初始图像中的目标对象是否为同一对象。通过交并比IOU从多个初始图像中确定同一目标对象之后,如果该目标对象在多帧连续的初始图像出现并且移动速度较慢时,可以确定该目标对象占用目标区域。
根据本公开的实施例,通过多个初始图像来跟踪目标对象,以便确定目标对象是否为移动对象,如果目标对象在较长时间内移动速度较慢,可以确定该目标对象占用目标区域。
在本公开的实施例中,基于目标对象分别在多个初始图像中的位置信息确定目标对象的移动信息时,可以通过异步方式进行处理。例如通过两个线程来处理。
例如,针对多个初始图像中的当前图像,利用第一线程将针对当前图像的位置信息作为一个处理结果添加至等待队列中。
在利用第一线程将处理结果添加至等待队列之前,可以对处理结果进行合法性校验,合法性校验包括检测数据的格式是否准确。如果处理结果通过合法性校验,可以将处理结果存储至等待队列中。
然后,利用第二线程确定等待队列中的处理结果的数量。如果处理结果的数量大于预设数量,利用第二线程基于等待队列中的处理结果确定目标对象的移动信息。以预设数量为2为例,当等待队列中的处理结果是针对3(大于2)个初始图像时,可以开始基于目标对象在3个初始图像中的重合度来确定目标对象的移动信息。如果基于多个初始图像确定某一个目标对象在较长时间段内移动速度较小,表示该目标对象占用目标区域,可以进行告警。
在利用第二线程对处理结果进行处理时,可以确定等待队列中是否存储有未被处理的处理结果。如果有,可以对处理结果进行合法性校验,合法性校验包括字段信息校验、数据完整性校验等。如果处理结果通过合法性校验,第二线程可以对每个处理结果进行处理,例如遍历每个目标对象的位置信息以确定目标对象在多个初始图像中的重合度。当确定有一目标对象在多个初始图像中出现,并且在较长时间段内移动速度较慢时,可以确定该目标对象占用目标区域,并进行告警。
图4示意性示出了根据本公开一实施例的目标区域的检测方法的原理图。
如图4所示,流媒体输入模块401、402、403可以将摄像头数据按照不同的帧率进行截取。例如将视频数据流转成单帧的图像数据。用于后续图像的处理。另外,流媒体输入模块401、402、403还可以将需要的配置参数显示出来,便于用户动态地配置各种参数。参数例如包括截取图像的帧率、图像是否需要旋转、剪切、缩放等,以及图像保存的路径信息等。
将来自流媒体输入模块的图像作为初始图像,通过区域检测装置404对初始图像进行识别,以便从初始图像中确定针对目标区域的局部图像。
将局部图像发送给目标检测模型405,识别得到至少一个候选对象,还可以基于参考图像从至少一个候选对象中确定目标对象。
目标检测模型405关注对象的类别信息和位置信息。目标检测模型能够对图像的前景和背景进行理解,并从背景中分离出感兴趣的对象,并确定对象的类别和位置信息。目标检测模型所使用的算法例如包括但不仅限于Fast R-CNN算法、YOLO(You Only LookOnce)算法、SSD(Single Shot MultiBox Detector)算法,可以根据实际应用情况选择相应的算法。
目标跟踪装置406根据目标对象在各个初始图像或局部图像中的位置信息确定目标对象是否为移动对象。
告警分析装置407用于在确定目标对象长时间处于目标区域并且移动速度较慢时,可以确定该目标对象为占用目标区域的对象,并生成告警指令。
事件上报装置408可以根据告警指令进行告警。然后将告警结果序列化,并打包成需要的格式进行上报,格式包括超文本传输协议(HTTP)格式、消息队列遥测传输(MQTT)格式等等。
流媒体输入模块401、402、403、区域检测装置404、目标检测模型405、目标跟踪装置406、告警分析装置407、事件上报装置408例如可以设置于同一电子设备或不同的电子设备。
图5示意性示出了根据本公开一实施例的目标区域的检测方法的***架构图。
如图5所示,***架构500为灵活可扩展、可编排的服务框架,用于对通道占用进行智能监控。该***架构500可以推广到其他视觉监控场景。***架构500包括执行层、云平台、屏幕和日志记录。
执行层是***架构500的核心逻辑。由摄像头管理、模型管理、单元管理、告警管理、数据分析、编排管理等多类单元组成。
摄像头管理用于接入视频流,支持实时流传输协议(RTSP)、实时消息传输协议(RTMP)等等。支持摄像头的增加、删除、修改、查找等配置,也支持批量管理。
模型管理负责管理模型服务。例如将目标检测模型封装成可对外调用的服务模块。
单元管理可以通过增加单元实现新功能,再通过编排管理将新功能直接配置到应用中。其中,每一个单元可以完成一个最小粒度的功能。
告警管理用于将违规行为(对象占用通道)封装成标准协议或者提供调用接口,提供给第三方调用。告警管理支持超文本传输协议(HTTP)格式、消息队列遥测传输(MQTT)格式等等。
数据分析用于将各方搜集到的检测结果进行综合分析,可以从时间、空间等维度更精准地分析以得到检测结果。
编排管理通过自定义语言解析每个单元的输入和输出,定义编排文件,完成各单元之间的数据交互,实现检测功能。
云平台可以用于进行告警管理、服务管理、设备管理、技能管理、编排管理等,云平台还包括API接口。
告警管理用于汇总各电子设备(边缘设备)上报的事件数据,并统一管理。边缘设备用于进行视频帧处理、目标检测等计算。
服务管理用于查询各边缘设备的资源消耗情况。
设备管理用于管理各边缘设备,实现对边缘设备的新增、删除、修改、查询等操作。
技能管理用于将编排完成的模块组合定义为技能,以批量下发。
编排管理通过提供可视化页面,将各独立的功能模块组合成一个有意义的功能。
API接口用于接入前端(PC浏览器)页面、H5页面、移动终端页面,便于调用和管理。
屏幕包括PC浏览器页面、H5页面、移动终端页面等,通过各自设备进行展示。
***架构500例如可以使用虚拟化、组件化、微服务化等方式来构建。虚拟化例如指将相关组件实现容器化以便进行部署,例如使用云边协同框架进行服务管理。组件化例如指将功能单元模块化,例如通过多模块自由编排组成一个完整的AI推理***。微服务化例如指将服务按照微服务原则设计,各服务实现各自功能,服务与机器分离,计算与存储分离,接口与实现分离。
图6示意性示出了根据本公开一实施例的目标区域的检测方法的云边端协同管理示意图。
如图6所示,云边端协同管理可以通过完整的输入输出流程实现视觉监控,本公开实施例的云边端协同管理可以实现对多个边缘设备的统一的管理。
针对多个边缘设备,可以通过边缘管理套件与云边管理套件互通,实现应用服务的下发、配置文件的下发、版本的管理等等。将属于相同类别的边缘设备组成一个分组,从而得到多个分组,以便实现批量版本的升级和回退。多个分组例如包括三个分组,三个分组可以分别通过模块601、模块602、模块603进行管理。模型服务和应用服务可以下发到对应的边缘设备上,实现在边缘设备上进行算法推理等。另外,边缘设备的计算得到的检测结果可以上报到云端,实现统一的管理。
通过本公开的实施例的检测方法,无需人工干预即可实现全天动监控。只需接入视频流数据就可实现全自动监控,提高了便捷性。无需在检测区域进行硬件实时部署与改造,只需要通过软件配置即可修改硬件的配置,降低了成本。服务框架采用模块化编程,多源数据的类型、数量、模型可任意配置,适用于大部分数据分析场景,提高了配置灵活性。云边协同方式可以随时根据需要扩展边缘设备的数量、升级版本,新功能部署上线周期缩短。无需去现场针对每个边缘设备进行更新,而是通过云端统一管理,提高了扩展性。本公开实施例不仅仅适用于通道占用的检测场景,还可以通过不断丰富编排单元构造出更多更丰富的应用,以适用于智能视觉监控的大部分场景,甚至可以推广到更多领域。
图7示意性示出了根据本公开一实施例的目标区域的检测装置的框图。
如图7所示,本公开实施例的目标区域的检测装置700例如包括第一确定模块710、处理模块720、第二确定模块730以及检测模块740。
第一确定模块710可以用于响应于获取到与目标区域相关联的初始图像,从初始图像中确定针对目标区域的局部图像。根据本公开实施例,第一确定模块710例如可以执行上文参考图2描述的操作S210,在此不再赘述。
处理模块720可以用于对局部图像进行识别处理,得到至少一个候选对象。根据本公开实施例,处理模块720例如可以执行上文参考图2描述的操作S220,在此不再赘述。
第二确定模块730可以用于基于参考图像,从至少一个候选对象中确定目标对象。根据本公开实施例,第二确定模块730例如可以执行上文参考图2描述的操作S230,在此不再赘述。
检测模块740可以用于基于目标对象,检测目标区域是否被占用。根据本公开实施例,检测模块740例如可以执行上文参考图2描述的操作S240,在此不再赘述。
根据本公开的实施例,初始图像包括多个初始图像;检测模块740包括:第一确定子模块和第二确定子模块。第一确定子模块,用于基于目标对象分别在多个初始图像中的位置信息,确定目标对象的移动信息;第二确定子模块,用于响应于移动信息表征目标对象的移动速度小于预设速度,确定目标区域被占用。
根据本公开的实施例,第一确定子模块包括:第一确定单元和第二确定单元。第一确定单元,用于基于目标对象分别在多个初始图像中的位置信息,确定目标对象针对多个初始图像的重合度;第二确定单元,用于基于重合度,确定目标对象的移动信息。
根据本公开的实施例,第一确定子模块包括:处理单元、第三确定单元、第四确定单元。处理单元,用于针对多个初始图像中的当前图像,利用第一线程将针对当前图像的位置信息作为一个处理结果添加至等待队列中;第三确定单元,用于利用第二线程确定等待队列中的处理结果的数量;第四确定单元,用于响应于处理结果的数量大于预设数量,利用第二线程基于等待队列中的处理结果确定目标对象的移动信息。
根据本公开的实施例,参考图像包括基准对象;第二确定模块730包括:删除子模块和第三确定子模块。删除子模块,用于从至少一个候选对象中删除与基准对象相匹配的候选对象;第三确定子模块,用于将剩余的候选对象确定为目标对象。
根据本公开的实施例,第一确定模块710还用于:利用经训练的图像识别模型对初始图像进行识别处理,得到针对目标区域的局部图像。
本公开的技术方案中,所涉及的用户个人信息的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8是用来实现本公开实施例的用于执行目标区域的检测的电子设备的框图。
图8示出了可以用来实施本公开实施例的示例电子设备800的示意性框图。电子设备800旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如目标区域的检测方法。例如,在一些实施例中,目标区域的检测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的目标区域的检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行目标区域的检测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程目标区域的检测装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (15)
1.一种目标区域的检测方法,包括:
响应于获取到与所述目标区域相关联的初始图像,从所述初始图像中确定针对所述目标区域的局部图像;
对所述局部图像进行识别处理,得到至少一个候选对象;
基于参考图像,从所述至少一个候选对象中确定目标对象;以及
基于所述目标对象,检测所述目标区域是否被占用。
2.根据权利要求1所述的方法,其中,所述初始图像包括多个初始图像;所述基于所述目标对象,检测所述目标区域是否被占用包括:
基于所述目标对象分别在所述多个初始图像中的位置信息,确定所述目标对象的移动信息;以及
响应于所述移动信息表征所述目标对象的移动速度小于预设速度,确定所述目标区域被占用。
3.根据权利要求2所述的方法,其中,所述基于所述目标对象分别在所述多个初始图像中的位置信息,确定所述目标对象的移动信息包括:
基于所述目标对象分别在所述多个初始图像中的位置信息,确定所述目标对象针对所述多个初始图像的重合度;以及
基于所述重合度,确定所述目标对象的移动信息。
4.根据权利要求2或3所述的方法,其中,所述基于所述目标对象分别在所述多个初始图像中的位置信息,确定所述目标对象的移动信息包括:
针对所述多个初始图像中的当前图像,利用第一线程将针对所述当前图像的位置信息作为一个处理结果添加至等待队列中;
利用第二线程确定所述等待队列中的处理结果的数量;以及
响应于所述处理结果的数量大于预设数量,利用所述第二线程基于所述等待队列中的处理结果确定所述目标对象的移动信息。
5.根据权利要求1-4中任意一项所述的方法,其中,所述参考图像包括基准对象;所述基于参考图像,从所述至少一个候选对象中确定目标对象包括:
从所述至少一个候选对象中删除与所述基准对象相匹配的候选对象;以及
将剩余的候选对象确定为所述目标对象。
6.根据权利要求1-5中任意一项所述的方法,其中,所述从所述初始图像中确定针对所述目标区域的局部图像包括:
利用经训练的图像识别模型对所述初始图像进行识别处理,得到针对所述目标区域的局部图像。
7.一种目标区域的检测装置,包括:
第一确定模块,用于响应于获取到与所述目标区域相关联的初始图像,从所述初始图像中确定针对所述目标区域的局部图像;
处理模块,用于对所述局部图像进行识别处理,得到至少一个候选对象;
第二确定模块,用于基于参考图像,从所述至少一个候选对象中确定目标对象;以及
检测模块,用于基于所述目标对象,检测所述目标区域是否被占用。
8.根据权利要求7所述的装置,其中,所述初始图像包括多个初始图像;所述检测模块包括:
第一确定子模块,用于基于所述目标对象分别在所述多个初始图像中的位置信息,确定所述目标对象的移动信息;以及
第二确定子模块,用于响应于所述移动信息表征所述目标对象的移动速度小于预设速度,确定所述目标区域被占用。
9.根据权利要求8所述的装置,其中,所述第一确定子模块包括:
第一确定单元,用于基于所述目标对象分别在所述多个初始图像中的位置信息,确定所述目标对象针对所述多个初始图像的重合度;以及
第二确定单元,用于基于所述重合度,确定所述目标对象的移动信息。
10.根据权利要求8或9所述的装置,其中,所述第一确定子模块包括:
处理单元,用于针对所述多个初始图像中的当前图像,利用第一线程将针对所述当前图像的位置信息作为一个处理结果添加至等待队列中;
第三确定单元,用于利用第二线程确定所述等待队列中的处理结果的数量;以及
第四确定单元,用于响应于所述处理结果的数量大于预设数量,利用所述第二线程基于所述等待队列中的处理结果确定所述目标对象的移动信息。
11.根据权利要求7-10中任意一项所述的装置,其中,所述参考图像包括基准对象;所述第二确定模块包括:
删除子模块,用于从所述至少一个候选对象中删除与所述基准对象相匹配的候选对象;以及
第三确定子模块,用于将剩余的候选对象确定为所述目标对象。
12.根据权利要求7-11中任意一项所述的装置,其中,所述第一确定模块还用于:
利用经训练的图像识别模型对所述初始图像进行识别处理,得到针对所述目标区域的局部图像。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任意一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-6中任意一项所述的方法。
15.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110883410.5A CN113627412A (zh) | 2021-08-02 | 2021-08-02 | 目标区域的检测方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110883410.5A CN113627412A (zh) | 2021-08-02 | 2021-08-02 | 目标区域的检测方法、装置、电子设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113627412A true CN113627412A (zh) | 2021-11-09 |
Family
ID=78382323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110883410.5A Pending CN113627412A (zh) | 2021-08-02 | 2021-08-02 | 目标区域的检测方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113627412A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114331798A (zh) * | 2021-12-30 | 2022-04-12 | 北京百度网讯科技有限公司 | 图像数据处理方法、图像数据检测方法、装置和电子设备 |
CN114328783A (zh) * | 2021-12-27 | 2022-04-12 | 北京百度网讯科技有限公司 | 地图数据输出方法、地图数据处理方法、装置和电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366374A (zh) * | 2013-07-12 | 2013-10-23 | 重庆大学 | 基于图像匹配的消防通道障碍物检测方法 |
CN108171938A (zh) * | 2017-12-08 | 2018-06-15 | 广州粤华物业有限公司 | 通道堵塞监控报警*** |
CN109241896A (zh) * | 2018-08-28 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 一种通道安全检测方法、装置及电子设备 |
CN111311923A (zh) * | 2020-03-05 | 2020-06-19 | 浙江长元科技有限公司 | 一种消防通道的监管方法及监管*** |
US20200250461A1 (en) * | 2018-01-30 | 2020-08-06 | Huawei Technologies Co., Ltd. | Target detection method, apparatus, and system |
CN113052047A (zh) * | 2021-03-18 | 2021-06-29 | 北京百度网讯科技有限公司 | 交通事件的检测方法、路侧设备、云控平台及*** |
-
2021
- 2021-08-02 CN CN202110883410.5A patent/CN113627412A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103366374A (zh) * | 2013-07-12 | 2013-10-23 | 重庆大学 | 基于图像匹配的消防通道障碍物检测方法 |
CN108171938A (zh) * | 2017-12-08 | 2018-06-15 | 广州粤华物业有限公司 | 通道堵塞监控报警*** |
US20200250461A1 (en) * | 2018-01-30 | 2020-08-06 | Huawei Technologies Co., Ltd. | Target detection method, apparatus, and system |
CN109241896A (zh) * | 2018-08-28 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 一种通道安全检测方法、装置及电子设备 |
CN111311923A (zh) * | 2020-03-05 | 2020-06-19 | 浙江长元科技有限公司 | 一种消防通道的监管方法及监管*** |
CN113052047A (zh) * | 2021-03-18 | 2021-06-29 | 北京百度网讯科技有限公司 | 交通事件的检测方法、路侧设备、云控平台及*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114328783A (zh) * | 2021-12-27 | 2022-04-12 | 北京百度网讯科技有限公司 | 地图数据输出方法、地图数据处理方法、装置和电子设备 |
CN114331798A (zh) * | 2021-12-30 | 2022-04-12 | 北京百度网讯科技有限公司 | 图像数据处理方法、图像数据检测方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108776934B (zh) | 分布式数据计算方法、装置、计算机设备及可读存储介质 | |
EP1733560A1 (en) | Pipeline architecture for analyzing multiple video streams | |
CN111352800A (zh) | 大数据集群监控方法及相关设备 | |
CN113627412A (zh) | 目标区域的检测方法、装置、电子设备和介质 | |
US7663661B2 (en) | Feed-customized processing of multiple video streams in a pipeline architecture | |
US20220337809A1 (en) | Video playing | |
CN115273231A (zh) | 信息处理方法、装置、存储介质及电子设备 | |
CN115576534A (zh) | 原子服务的编排方法、装置、电子设备及存储介质 | |
CN113452700B (zh) | 处理安全信息的方法、装置、设备以及存储介质 | |
US10693736B2 (en) | Real time simulation monitoring | |
CN117176990A (zh) | 一种视频流处理方法、装置、电子设备及存储介质 | |
CN112491858A (zh) | 检测异常信息的方法、装置、设备以及存储介质 | |
US7667732B1 (en) | Event generation and camera cluster analysis of multiple video streams in a pipeline architecture | |
CN116012360A (zh) | 遗留物品检测方法、装置、设备、介质和程序产品 | |
CN115514618A (zh) | 告警事件的处理方法、装置、电子设备和介质 | |
CN115080271A (zh) | 一种事件数据处理方法、装置、电子设备以及存储介质 | |
US7664183B2 (en) | Correlation processing among multiple analyzers of video streams at stages of a pipeline architecture | |
CN114756301A (zh) | 日志处理方法、装置和*** | |
CN111736539B (zh) | 一种监控数据显示方法、装置、***、服务器及存储介质 | |
CN114564249A (zh) | 推荐调度引擎、推荐调度方法及计算机可读存储介质 | |
CN111314652B (zh) | 视频结构化分析处理方法、装置、设备及其存储介质 | |
CN113419887A (zh) | 主机联机事务异常的处理方法及装置 | |
CN115378746B (zh) | 网络入侵检测规则生成方法、装置、设备以及存储介质 | |
CN113411569B (zh) | 检测静态画面的方法和装置 | |
CN113676746B (zh) | 用于检测直播抖动的方法、装置、设备和介质 |
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 |