CN113869110A - 物品检测方法、装置、终端及计算机可读存储介质 - Google Patents
物品检测方法、装置、终端及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113869110A CN113869110A CN202110964997.2A CN202110964997A CN113869110A CN 113869110 A CN113869110 A CN 113869110A CN 202110964997 A CN202110964997 A CN 202110964997A CN 113869110 A CN113869110 A CN 113869110A
- Authority
- CN
- China
- Prior art keywords
- current frame
- frame image
- image
- article
- detected
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明一种物品检测方法、装置、终端及计算机可读存储介质,该物品检测方法包括:获取当前帧图像;基于背景建模检测当前帧图像,确定当前帧图像中包含检测物品;对当前帧图像和当前帧图像的背景图像分别进行特征提取并比对,验证检测物品是否为当前帧图像的前景图像;如果检测物品是当前帧图像的前景图像,则对检测物品的类别进行识别。本申请通过背景建模检测当前帧图像中的检测物品,在通过对当前帧图像和当前帧图像的背景图像进行特征提取后再进行比对,进一步判断检测物品是否为当前帧图像的前景图像,进而有效避免对检测物品的误检;当确认检测物品为当前帧图像的前景图像,则对检测物品的类别进行识别,进而提升遗留物品检测的准确率。
Description
技术领域
本发明涉及图像识别技术领域,特别是涉及一种物品检测方法、装置、终端及计算机可读存储介质。
背景技术
在日常生活中,人们到ATM机(Automatic Teller Machine,自动柜员机)前、安检机前和医院急诊室等公共场所去办理业务的过程中,容易出现遗漏相关物品的情况(现金、钱包、银行卡之类),会给人们带来严重的经济损失。因此,如果能够实现对遗留物品进行检测,并产生相关的报警,能够有效地避免客户的财产损失。
发明内容
本发明主要解决的技术问题是提供一种物品检测方法、装置、终端及计算机可读存储介质,解决现有技术中遗留物品检测的准确率比较低的问题。
为解决上述技术问题,本发明采用的第一个技术方案是:提供一种物品检测方法,该物品检测方法包括:获取当前帧图像;基于背景建模检测当前帧图像,确定当前帧图像中包含检测物品;对当前帧图像和当前帧图像的背景图像分别进行特征提取并比对确定当前帧图像的前景图像,验证当前帧图像的前景图像是否为检测物品;响应于当前帧图像的前景图像是检测物品,则对检测物品的类别进行识别。
其中,基于背景建模检测当前帧图像,确定当前帧图像中包含检测物品的步骤之前还包括:检测当前帧图像中是否存在移动目标;响应于当前帧图像中不存在移动目标,则检测当前帧图像中是否存在检测物品。
其中,基于背景建模检测当前帧图像,确定当前帧图像中包含检测物品的步骤具体还包括:根据当前帧图像在当前帧图像之前的历史视频帧中确定当前帧图像的背景图像;基于背景建模检测并比对当前帧图像和背景图像,确定当前帧图像中包含的检测物品。
其中,根据当前帧图像在当前帧图像之前的历史视频帧中确定当前帧图像的背景图像的步骤具体包括:将预设时段内的历史视频帧与当前帧图像进行比对;筛选并保留预设时段内未检测到检测物品的历史视频帧;选取保留的历史视频帧中时间与当前视频帧的时间最近的历史视频帧,将选取的历史视频帧确定为当前帧图像的背景图像。
其中,对所述当前帧图像和所述当前帧图像的背景图像分别进行特征提取并比对确定所述当前帧图像的前景图像,验证所述当前帧图像的前景图像是否为所述检测物品的步骤具体包括:对当前帧图像进行特征提取得到检测特征图,对当前帧图像的背景图像进行特征提取得到背景特征图;将检测特征图与背景特征图进行比对,确定当前帧图像的前景图像;判断当前帧图像的前景图像在当前帧图像中的位置是否与检测物品在当前帧图像中的位置相同;如果位置相同,则验证当前帧图像的前景图像为检测物品。
其中,对当前帧图像和当前帧图像的背景图像分别进行特征提取并比对确定当前帧图像的前景图像,验证当前帧图像的前景图像是否为检测物品的步骤之前还包括:基于Fast-RCNN网络模型对检测物品进行特征提取得到第一特征图,对背景图像进行特征提取得到第二特征图;判断第一特征图是否与第二特征图相同;如果第一特征图与第二特征图相同,则删除检测物品;如果第一特征图与第二特征图不相同,则保留检测物品。
其中,对检测物品的类别进行识别的步骤具体包括:根据检测物品的位置提取得到检测物品特征图;将检测物品特征图与数据库中的预设物品特征图进行比对;如果检测物品特征图与预设物品特征图的相似度大于阈值,则确定预设物品特征图的类别为检测物品对应的类别。
其中,对检测物品的类别进行识别的步骤之后还包括:显示检测物品的类别以及位置,并进行报警。
为解决上述技术问题,本发明采用的第二个技术方案是:提供一种物品检测装置,该物品检测装置包括:图像采集模块,用于获取当前帧图像;第一检测模块,用于基于背景建模检测当前帧图像,确定当前帧图像中包含检测物品;第二检测模块,用于对当前帧图像和当前帧图像的背景图像分别进行特征提取并比对确定当前帧图像的前景图像,验证当前帧图像的前景图像是否为检测物品;处理模块,用于响应于当前帧图像的前景图像是所述检测物品,则对所述检测物品的类别进行识别。
为解决上述技术问题,本发明采用的第三个技术方案是:提供一种终端,该终端包括存储器、处理器以及存储于存储器中并在处理器上运行的计算机程序,处理器用于执行程序数据以实现上述物品检测方法中的步骤。
为解决上述技术问题,本发明采用的第四个技术方案是:提供一种计算机可读存储介质,该计算机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物品检测方法中的步骤。
本发明的有益效果是:区别于现有技术的情况,提供的一种物品检测方法、装置、终端及计算机可读存储介质,该物品检测方法包括:获取当前帧图像;基于背景建模检测当前帧图像,确定当前帧图像中包含检测物品;对当前帧图像和当前帧图像的背景图像分别进行特征提取并比对确定当前帧图像的前景图像,验证当前帧图像的前景图像是否为检测物品;响应于当前帧图像的前景图像是检测物品,则对检测物品的类别进行识别。本申请通过背景建模检测当前帧图像中的检测物品,在通过对当前帧图像和当前帧图像的背景图像进行特征提取后再进行比对,进一步判断检测物品是否为当前帧图像的前景图像,进而有效避免对检测物品的误检;当确认检测物品为当前帧图像的前景图像,则表明该检测物品为用户的遗失物品,则需要对检测物品的类别进行识别,进而提升遗留物品检测的准确率。
附图说明
图1是本发明提供的物品检测方法的流程示意图;
图2是本发明提供的物品检测方法一具体实施例的流程示意图;
图3是图2提供的图像抓拍方法中步骤S205一具体实施例的流程示意图;
图4是本发明提供的物品检测方法S209一具体实施例的示意图;
图5是本发明提供的物品检测方法S210一具体实施例的示意图;
图6是本发明提供的物品检测方法另一具体实施例的示意图;
图7是本发明提供的物品检测装置的示意框图;
图8是本发明提供的终端一实施方式的示意框图;
图9是本发明提供的计算机可读存储介质一实施方式的示意框图。
具体实施方式
下面结合说明书附图,对本申请实施例的方案进行详细说明。
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、接口、技术之类的具体细节,以便透彻理解本申请。
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。此外,本文中的“多”表示两个或者多于两个。
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明所提供的一种物品检测方法做进一步详细描述。
请参阅图1,图1是本发明提供的物品检测方法的流程示意图。本实施例中提供一种物品检测方法,该方法适用于ATM机、安检机和医院急诊室等公共场所的场景,该物品检测方法包括如下步骤。
S11:获取当前帧图像。
具体地,图像采集设备对ATM机操作台面、安检机检测台或急诊室及其周围的环境图像进行实时图像采集。本实施例中的场景为固定场景。例如,该图像采集设备为ATM机环境中安装的摄像头,也可以利用ATM设备自带的摄像机获取实时画面。其中,当前帧图像可以仅为ATM机操作台面上的图像,也可以为ATM机操作台面以及ATM机附近地面的图像。
S12:基于背景建模检测当前帧图像,确定当前帧图像中包含检测物品。
具体地,首先需要检测并判断当前帧图像中是否存在移动目标。如果当前帧图像中不存在移动目标时,则对当前帧图像进行目标检测,确定当前帧图像中是否检测得到检测物品。如果当前帧图像中存在移动目标时,则不对当前帧图像进行检测。图像采集设备需要继续采集下一帧图像,并对采集的下一帧图像进行检测。其中,移动目标可以为自然人。
基于背景建模对当前帧图像进行目标检测,确定当前帧图像中包含的检测物品以及检测物品的位置信息。
S13:对当前帧图像和当前帧图像的背景图像分别进行特征提取并比对确定当前帧图像的前景图像,验证当前帧图像的前景图像是否为检测物品。
具体地,根据当前帧图像在当前帧图像之前的历史视频帧中确定当前帧图像的背景图像。对当前帧图像进行特征提取得到检测特征图,对当前帧图像的背景图像进行特征提取得到背景特征图;将检测特征图与背景特征图进行比对,确定当前帧图像的前景图像;判断当前帧图像的前景图像在当前帧图像中的位置是否与检测物品在当前帧图像中的位置相同;如果位置相同,则验证当前帧图像的前景图像为检测物品。
S14:响应于当前帧图像的前景图像是检测物品,则对检测物品的类别进行识别。
具体地,根据检测物品的位置提取得到检测物品特征图;将检测物品特征图与数据库中的预设物品特征图进行比对;如果检测物品特征图与预设物品特征图的相似度大于阈值,则确定预设物品特征图的类别为检测物品对应的类别。在其它可选实施例中,当识别到检测物品的类别时,则上送检测结果并进行报警。其中,检测结果包括当前帧图像、显示检测物品的类别以及位置。网点工作人员确认有遗留物品后,前去取回遗留物品。其中遗留物品可以为身份证、钱包、手机和/或其它证件。
本实施例提供的物品检测方法包括:获取当前帧图像;基于背景建模检测当前帧图像,确定当前帧图像中包含检测物品;对当前帧图像和当前帧图像的背景图像分别进行特征提取并比对,验证检测物品是否为当前帧图像的前景图像;如果检测物品是当前帧图像的前景图像,则对检测物品的类别进行识别。本申请通过背景建模检测当前帧图像中的检测物品,在通过对当前帧图像和当前帧图像的背景图像进行特征提取后再进行比对,进一步判断检测物品是否为当前帧图像的前景图像,进而有效避免对检测物品的误检;当确认检测物品为当前帧图像的前景图像,则表明该检测物品为用户的遗失物品,则需要对检测物品的类别进行识别,进而提升遗留物品检测的准确率。
请参阅图2,图2是本发明提供的物品检测方法一具体实施例的流程示意图。本实施例中提供一种物品检测方法,该方法适用于ATM机、安检机和医院急诊室等公共场所的场景,该物品检测方法包括如下步骤。
S201:获取当前帧图像。
具体地,图像采集设备对ATM机操作台面、安检机检测台或急诊室及其周围的环境图像进行实时图像采集。本实施例中的场景为固定场景。其中,该图像采集设备为ATM机环境中安装的摄像头,也可以利用ATM设备自带的摄像机获取实时画面。其中,当前帧图像可以仅为ATM机操作台面上的图像,也可以为ATM机操作台面以及ATM机附近地面的图像。在一具体实施例中,当前帧图像可以为彩色图像。在获取当前帧图像后需要对当前帧图像进行预处理,即将采集的彩色图像进行灰度处理后,再进行后续的检测识别。
S202:检测当前帧图像中是否存在移动目标。
具体地,由于本实施例中的图像采集设备应用于固定场景,当图像采集设备采集到的当前帧图像后,将当前帧图像与相邻的上一帧图像进行相邻帧差分计算。具体地,计算当前帧图像与相邻上一帧图像各处之间在灰度上的差值,求取两帧图像灰度差的绝对值,判断当前帧图像与相邻上一帧图像各处中,哪些部分的灰度差的绝对值大于设定阈值,哪些部分的灰度差的绝对值不大于设定阈值。将当前帧图像中与相邻上一帧图像相比,灰度差的绝对值大于设定阈值的部分为移动目标,进而实现当前帧图像中移动目标的检测。在另一可选实施例中,也可以将当前帧图像与历史视频帧中采集时间更接近的两帧进行比较,可以提高移动目标的检测准确率。
在其它可选实施例中,检测当前帧图像中的目标,将检测得到的目标与预设移动目标进行比对,如果检测得到的目标与预设移动目标相同,则可以直接确定检测得到的目标为预设移动目标。其中,预设移动目标为自然人。
当检测到当前帧图像中存在移动目标,则停止检测当前帧图像中是否存在检测物品。因为当前帧图像中存在移动目标,则当前帧图像中将被检测到的物品是移动目标的,表明将被检测到的物品并非遗失物品。则直接跳转至步骤S204,通过图像采集设备获取下一帧图像,并对下一帧图像进行检测。当检测到当前帧图像中不存在移动目标,则直接跳转至步骤S203。
S203:检测当前帧图像中是否存在检测物品。
具体地,基于背景建模对当前帧图像进行目标检测,确定当前帧图像中包含的检测目标。将检测目标与预先存储的预设目标进行比对,判断检测目标是否与预设目标相同。如果相同,则确定检测目标为检测物品。其中,基于背景建模对当前帧图像进行目标检测,还确定当前帧图像中包含的检测目标的位置信息,当确定检测目标为检测物品,则检测目标的位置信息为检测物品的位置信息。之后则,直接跳转至步骤S205。
S204:获取下一帧图像。
具体地,当检测到当前帧图像中存在移动目标,则停止检测当前帧图像中是否存在检测物品,通过图像采集设备获取下一帧图像。待采集到图像后,直接跳转至步骤S202。
S205:根据当前帧图像在当前帧图像之前的历史视频帧中确定当前帧图像的背景图像。
具体地,请参阅图3,图3是图2提供的图像抓拍方法中步骤S205一具体实施例的流程示意图。根据当前帧图像在当前帧图像之前的历史视频帧中确定当前帧图像的背景图像具体包括如下步骤。
S2051:对预设时段内的历史视频帧与当前帧图像分别进行特征提取并进行比对。
具体地,在当前帧图像之前的历史视频帧中选取预设时间段内的多个历史视频帧。基于深度学习框架的目标检测模型对当前帧图像进行特征提取,且对选取的预设时间段内的多个历史视频帧也分别进行特征提取,将根据当前帧图像提取的特征图与根据历史视频帧提取的特征图进行逐一比对,并判断哪些历史视频帧提取的特征图相对于当前帧图像提取的特征图中没有检测物品,哪些历史视频帧提取的特征图相对于当前帧图像提取的特征图中包含检测物品。
S2052:筛选并保留预设时段内未检测到检测物品的历史视频帧。
具体地,将历史视频帧中没有检测物品的所有历史视频帧筛选出来,即筛选的历史视频帧相比于当前帧图像未检测到检测物品,将筛选出来的未检测到检测物品的历史视频帧保留,检测到检测物品的历史视频帧去除。
S2053:选取保留的历史视频帧中与当前帧图像的时间间隔最小的历史视频帧,将选取的历史视频帧确定为背景图像。
具体地,将保留的历史视频帧的拍摄时间与当前帧图像的拍摄时间进行比对,选取一张与当前帧图像拍摄时间最近的历史视频帧,将该历史视频帧确定为背景图像。这是为了减小误差,避免当前帧图像与背景图像仅在检测物品上存在差异之外尽可能不存在其它差异,进而提高后续的检测精确度。
S206:对当前帧图像进行特征提取得到检测特征图,对当前帧图像的背景图像进行特征提取得到背景特征图。
具体地,利用卷积神经网络分别对当前帧图像和当前帧图像的背景图像进行特征提取,对当前帧图像进行特征提取得到检测特征图,对当前帧图像的背景图像进行特征提取得到背景特征图。
S207:将检测特征图与背景特征图进行比对,确定当前帧图像的前景图像。
具体地,将上述提取的检测特征图和背景特征图进行图像差分处理,将检测特征图与背景特征图中相似的部分与差异部分区分开,实现检测特征图与背景特征图的比对。通过将检测特诊图与背景特征图进行比对可以将检测特征图相比于背景特征图存在的差异部分凸显。
S208:判断当前帧图像的前景图像在当前帧图像中的位置是否与检测物品在当前帧图像中的位置相同。
具体地,将检测特征图与背景特征图进行比对后,确定检测特征图的预设位置是否相比于背景图像的对应位置存在差异,如果检测特征图的预设位置相比于背景图像的对应位置存在差异,则直接跳转至步骤S209;如果检测特征图的预设位置相比于背景图像的对应位置相同,即不存在差异,则直接跳转至步骤S204。
S209:则验证当前帧图像的前景图像是否为检测物品。
具体地,当确定检测特征图的预设位置相比于背景图像的对应位置存在差异,则确定检测特征图的预设位置存在检测物品,则进一步验证了检测物品为当前图像与当前帧图像的差异部分,进而确定检测物品为当前帧图像的前景图像。
在一可选实施例中,可以先对背景建模得到的检测物品进行筛选,避免出现误检情况,之后再确定前景图像,并进一步验证。具体地,可以先基于Fast-RCNN(Region withCNN feature)网络模型对检测物品进行特征提取得到第一特征图,对背景图像进行特征提取得到第二特征图;判断第一特征图是否与第二特征图相同;如果第一特征图与第二特征图相同,则表明检测物品属于背景图像,则需要删除检测物品;如果第一特征图与第二特征图不相同,则表明检测物品与背景图像不同,需要保留检测物品。通过该步骤验证了基于背景建模检测当前帧图像得到的检测结果的准确性,进而避免了由于阴影、光照等其他干扰因素导致的误检,提升了遗失物品的检测准确率。
请参阅图4,图4是本发明提供的物品检测方法S209一具体实施例的示意图。在一具体实施例中,基于背景建模对当前帧图像和背景图像进行检测,确定当前帧图像中的检测物品;通过对当前帧图像和背景图像分别进行特征提取并比对,进而确定当前帧图像的前景图像,通过判断当前帧图像中前景图像的位置与当前帧图像中的检测物品的位置是否相同,进而验证当前帧图像的前景图像是否为检测物品。如果当前帧图像中前景图像的位置与当前帧图像中的检测物品的位置相同,则验证当前帧图像的前景图像为检测物品;如果当前帧图像中前景图像的位置与当前帧图像中检测物品的位置不相同,则验证当前帧图像的前景图像不是检测物品,进而避免出现误检现象,提升检测准确率。
在一可选实施例中,当确定检测物品为当前帧图像的前景图像时,则将当前帧图像更新为背景图像,则当前帧图像为下一帧图像的背景图像。
S210:对检测物品的类别进行识别。
具体地,根据检测物品的位置提取得到检测物品特征图;将检测物品特征图与数据库中的预设物品特征图进行比对。请参阅图5,图5是本发明提供的物品检测方法S210一具体实施例的示意图。为了减小误差,可以计算当前帧图像中的检测物品特征图与数据库中每一预设物品特征图的相似度。如果检测物品特征图与预设物品特征图的相似度大于阈值,则确定预设物品特征图的类别为检测物品对应的类别。其中,预设阈值可以设置为99%。通过比对相似度能够在大大减少对数据量需求的情况下有效地对物品的细节信息进行提取,能够实现对ATM环境下的遗留物品的类别进行识别。
S211:显示检测物品的类别以及位置,并进行报警。
具体地,当识别到检测物品的类别时,则上送检测结果并进行报警。其中,检测结果包括当前帧图像、显示检测物品的类别以及位置。网点工作人员确认有遗留物品后,前去取回遗留物品,以便认领遗留物品。其中遗留物品可以为身份证、钱包、手机和/或其它证件。
请参阅图6,图6是本发明提供的物品检测方法另一具体实施例的示意图。在一具体实施例中,通过图像采集设备采集视频帧,检测并判断视频帧中是否有自然人,如果视频帧中存在自然人,则停止检测视频帧中是否存在检测物品。因为视频帧中存在自然人,则视频帧中将被检测到的物品是自然人的,表明将被检测到的物品并非遗失物品。通过图像采集设备获取下一帧图像,并对下一帧图像进行检测。当检测到视频帧中不存在移动目标,通过背景建模对视频帧进行检测确定视频流中包含的检测物品,且对视频帧和背景图像分别进行特征提取进而确定视频帧的前景图像,基于Fast-RCNN网络模型验证视频帧的前景图像是否为检测物品,当检测到视频帧中的前景图像为检测物品时,则将检测物品与数据库中每一预设物品进行比对并计算相似度。如果检测物品与预设物品的相似度大于阈值,则确定预设物品的类别为检测物品对应的类别。当确定检测物品为视频帧的前景图像时,则将视频帧更新为背景图像,则视频帧为下一帧图像的背景图像。当识别到检测物品的类别时,则上送检测结果并进行报警。
本实施例提供的物品检测方法包括:获取当前帧图像;基于背景建模检测当前帧图像,确定当前帧图像中包含检测物品;对当前帧图像和当前帧图像的背景图像分别进行特征提取并比对,验证检测物品是否为当前帧图像的前景图像;如果检测物品是当前帧图像的前景图像,则对检测物品的类别进行识别。本申请通过背景建模检测当前帧图像中的检测物品,在通过对当前帧图像和当前帧图像的背景图像进行特征提取后再进行比对,进一步判断检测物品是否为当前帧图像的前景图像,进而有效避免对检测物品的误检;当确认检测物品为当前帧图像的前景图像,则表明该检测物品为用户的遗失物品,则需要对检测物品的类别进行识别,进而提升遗留物品检测的准确率。
参阅图7,图7是本发明提供的物品检测装置的示意框图。本实施提供一种物品检测装置60,该物品检测装置60包括图像采集模块61、第一检测模块62、第二检测模块63和处理模块64。
图像采集模块61用于获取当前帧图像。
第一检测模块62用于基于背景建模检测当前帧图像,确定当前帧图像中包含检测物品。
第二检测模块63用于对当前帧图像和当前帧图像的背景图像分别进行特征提取并比对确定当前帧图像的前景图像,验证当前帧图像的前景图像是否为检测物品。
处理模块64用于响应于当前帧图像的前景图像是检测物品,则对检测物品的类别进行识别。
本申请通过第一检测模块检测当前帧图像中的检测物品,再通过第二检测模块对当前帧图像和当前帧图像的背景图像进行特征提取后再进行比对,进一步判断检测物品是否为当前帧图像的前景图像,进而有效避免对检测物品的误检;当确认检测物品为当前帧图像的前景图像,则表明该检测物品为用户的遗失物品,则需要处理模块对检测物品的类别进行识别,进而提升遗留物品检测的准确率。
参阅图8,图8是本发明提供的终端一实施方式的示意框图。该实施方式中的终端70包括:处理器71、存储器72以及存储在存储器72中并可在处理器71上运行的计算机程序,该计算机程序被处理器71执行时实现上述物品检测方法中,为避免重复,此处不一一赘述。
参阅图9,图9是本发明提供的计算机可读存储介质一实施方式的示意框图。
本申请的实施方式中还提供一种计算机可读存储介质90,计算机可读存储介质90存储有计算机程序901,计算机程序901中包括程序指令,处理器执行程序指令,实现本申请实施方式提供的物品检测方法。
其中,计算机可读存储介质90可以是前述实施方式的计算机设备的内部存储单元,例如计算机设备的硬盘或内存。计算机可读存储介质90也可以是计算机设备的外部存储设备,例如计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。
以上仅为本发明的实施方式,并非因此限制本发明的专利保护范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (11)
1.一种物品检测方法,其特征在于,所述物品检测方法包括:
获取当前帧图像;
基于背景建模检测所述当前帧图像,确定所述当前帧图像中包含检测物品;
对所述当前帧图像和所述当前帧图像的背景图像分别进行特征提取并比对确定所述当前帧图像的前景图像,验证所述当前帧图像的前景图像是否为所述检测物品;
响应于所述当前帧图像的前景图像是所述检测物品,则对所述检测物品的类别进行识别。
2.根据权利要求1所述的物品检测方法,其特征在于,
所述基于背景建模检测所述当前帧图像,确定所述当前帧图像中包含检测物品的步骤之前还包括:
检测所述当前帧图像中是否存在移动目标;
响应于所述当前帧图像中不存在所述移动目标,则检测所述当前帧图像中是否存在所述检测物品。
3.根据权利要求2所述的物品检测方法,其特征在于,
所述基于背景建模检测所述当前帧图像,确定所述当前帧图像中包含检测物品的步骤具体还包括:
根据当前帧图像在所述当前帧图像之前的历史视频帧中确定所述当前帧图像的背景图像;
基于背景建模检测并比对所述当前帧图像和所述背景图像,确定所述当前帧图像中包含的检测物品。
4.根据权利要求3所述的物品检测方法,其特征在于,
所述根据当前帧图像在所述当前帧图像之前的历史视频帧中确定所述当前帧图像的背景图像的步骤具体包括:
将预设时段内的所述历史视频帧与所述当前帧图像进行比对;
筛选并保留所述预设时段内未检测到所述检测物品的所述历史视频帧;
选取保留的所述历史视频帧中时间与所述当前视频帧的时间最近的所述历史视频帧,将选取的所述历史视频帧确定为所述当前帧图像的背景图像。
5.根据权利要求4所述的物品检测方法,其特征在于,
所述对所述当前帧图像和所述当前帧图像的背景图像分别进行特征提取并比对确定所述当前帧图像的前景图像,验证所述当前帧图像的前景图像是否为所述检测物品的步骤具体包括:
对所述当前帧图像进行特征提取得到检测特征图,对所述当前帧图像的背景图像进行特征提取得到背景特征图;
将所述检测特征图与所述背景特征图进行比对,确定所述当前帧图像的前景图像;
判断所述当前帧图像的前景图像在所述当前帧图像中的位置是否与所述检测物品在所述当前帧图像中的位置相同;
如果位置相同,则验证所述当前帧图像的前景图像为所述检测物品。
6.根据权利要求5所述的物品检测方法,其特征在于,
所述对所述当前帧图像和所述当前帧图像的背景图像分别进行特征提取并比对确定所述当前帧图像的前景图像,验证所述当前帧图像的前景图像是否为所述检测物品的步骤之前还包括:
基于Fast-RCNN网络模型对所述检测物品进行特征提取得到第一特征图,对所述背景图像进行特征提取得到第二特征图;
判断所述第一特征图是否与所述第二特征图相同;
如果所述第一特征图与所述第二特征图相同,则删除所述检测物品;
如果所述第一特征图与所述第二特征图不相同,则保留所述检测物品。
7.根据权利要求1所述的物品检测方法,其特征在于,
所述对所述检测物品的类别进行识别的步骤具体包括:
根据所述检测物品的位置提取得到检测物品特征图;
将所述检测物品特征图与数据库中的预设物品特征图进行比对;
如果所述检测物品特征图与所述预设物品特征图的相似度大于阈值,则确定所述预设物品特征图的类别为所述检测物品对应的类别。
8.根据权利要求1所述的物品检测方法,其特征在于,
所述对所述检测物品的类别进行识别的步骤之后还包括:
显示检测物品的所述类别以及位置,并进行报警。
9.一种物品检测装置,其特征在于,所述物品检测装置包括:
图像采集模块,用于获取当前帧图像;
第一检测模块,用于基于背景建模检测所述当前帧图像,确定所述当前帧图像中包含检测物品;
第二检测模块,用于对所述当前帧图像和所述当前帧图像的背景图像分别进行特征提取并比对确定所述当前帧图像的前景图像,验证所述当前帧图像的前景图像是否为所述检测物品;
处理模块,用于响应于所述当前帧图像的前景图像是所述检测物品,则对所述检测物品的类别进行识别。
10.一种终端,其特征在于,所述终端包括存储器、处理器以及存储于所述存储器中并在所述处理器上运行的计算机程序,所述处理器用于执行所述程序数据以实现如权利要求1~8任一项所述物品检测方法中的步骤。
11.一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1~8任一项所述物品检测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110964997.2A CN113869110A (zh) | 2021-08-20 | 2021-08-20 | 物品检测方法、装置、终端及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110964997.2A CN113869110A (zh) | 2021-08-20 | 2021-08-20 | 物品检测方法、装置、终端及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113869110A true CN113869110A (zh) | 2021-12-31 |
Family
ID=78988157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110964997.2A Pending CN113869110A (zh) | 2021-08-20 | 2021-08-20 | 物品检测方法、装置、终端及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113869110A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115442668A (zh) * | 2022-07-21 | 2022-12-06 | 浙江大华技术股份有限公司 | 目标状态识别方法、设备及计算机可读存储介质 |
CN116055338A (zh) * | 2023-03-28 | 2023-05-02 | 杭州觅睿科技股份有限公司 | 一种误报消除方法、装置、设备及介质 |
-
2021
- 2021-08-20 CN CN202110964997.2A patent/CN113869110A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115442668A (zh) * | 2022-07-21 | 2022-12-06 | 浙江大华技术股份有限公司 | 目标状态识别方法、设备及计算机可读存储介质 |
CN115442668B (zh) * | 2022-07-21 | 2024-04-12 | 浙江大华技术股份有限公司 | 目标状态识别方法、设备及计算机可读存储介质 |
CN116055338A (zh) * | 2023-03-28 | 2023-05-02 | 杭州觅睿科技股份有限公司 | 一种误报消除方法、装置、设备及介质 |
CN116055338B (zh) * | 2023-03-28 | 2023-08-11 | 杭州觅睿科技股份有限公司 | 一种误报消除方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858371B (zh) | 人脸识别的方法及装置 | |
CN102945366B (zh) | 一种人脸识别的方法及装置 | |
CN110648352B (zh) | 一种异常事件的检测方法、装置及电子设备 | |
US20130170711A1 (en) | Edge detection image capture and recognition system | |
CN108304816B (zh) | 身份识别方法、装置、存储介质及电子设备 | |
CN109389589A (zh) | 用于统计人数的方法和装置 | |
CN113869110A (zh) | 物品检测方法、装置、终端及计算机可读存储介质 | |
CN110674680B (zh) | 活体识别的方法、装置、存储介质 | |
CN111898486B (zh) | 监控画面异常的检测方法、装置及存储介质 | |
US11023713B2 (en) | Suspiciousness degree estimation model generation device | |
KR102486986B1 (ko) | 객체 검출 시스템, 방법 및 컴퓨터 판독 가능한 기록매체 | |
CN111263955A (zh) | 一种目标对象的移动轨迹确定方法和装置 | |
CN111814690A (zh) | 一种目标重识别方法、装置和计算机可读存储介质 | |
CN111753642B (zh) | 一种确定关键帧的方法及装置 | |
CN103488966A (zh) | 一种能够识别实名制车票信息的智能手机 | |
CN113247720A (zh) | 基于视频的智能梯控方法及*** | |
KR101395666B1 (ko) | 비디오 영상의 변화를 이용한 도난 감시 장치 및 방법 | |
CN115527168A (zh) | 行人重识别方法、存储介质、数据库编辑方法、存储介质 | |
CN115761842A (zh) | 一种人脸底库自动更新方法、装置 | |
CN113689585B (zh) | 一种无感考勤打卡方法、***及相关设备 | |
CN113887384B (zh) | 基于多轨迹融合的行人轨迹分析方法、装置、设备及介质 | |
CN112232113B (zh) | 人员识别方法、人员识别装置、存储介质与电子设备 | |
CN114973135A (zh) | 一种基于头肩的时序视频睡岗识别方法、***及电子设备 | |
CN115019152A (zh) | 一种图像拍摄完整度判定方法及装置 | |
CN115019364A (zh) | 基于人脸识别的身份认证方法、装置、电子设备及介质 |
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 |