CN114707560B - 数据信号的处理方法及装置、存储介质、电子装置 - Google Patents
数据信号的处理方法及装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN114707560B CN114707560B CN202210541660.5A CN202210541660A CN114707560B CN 114707560 B CN114707560 B CN 114707560B CN 202210541660 A CN202210541660 A CN 202210541660A CN 114707560 B CN114707560 B CN 114707560B
- Authority
- CN
- China
- Prior art keywords
- data
- point
- feature information
- information
- target
- 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
- 238000003672 processing method Methods 0.000 title abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种数据信号的处理方法及装置、存储介质、电子装置,该方法包括:获取在预设时间段内对目标区域进行监控操作的待处理数据;根据待处理数据中包括的数据特征信息,对待处理数据进行预处理,得到目标数据;获取目标数据的点梯度特征信息;基于点梯度特征信息确定目标数据的阶跃特征信息;基于阶跃特征信息,对目标数据进行匹配处理;在匹配处理结果满足第一条件的情况下,执行目标数据操作,其中,目标数据操作包括调整数据信号的状态。通过本发明,解决了相关技术中数据信号处理效率低的问题,达到提高数据信号的处理效率的效果。
Description
技术领域
本发明实施例涉及通信领域,具体而言,涉及一种数据信号的处理方法及装置、存储介质、电子装置。
背景技术
现有技术中,为加强对网络状态进行管理,一些部门采用了各类智能管理的方式来对网络所反馈的数据信号进行管理。
例如,目前的智能数据管理***大多通过对网络对象信息和网络实况信息进行实时数据感知和反馈,实现了网络对象从物理空间到信息空间的唯一性双向交互式映射,很大程度上方便了相关管理部门对网络对象和网络实况的“可视化”管理。
但是,受限于数据信号的处理效率的问题,现有技术还是不能有效的解决网络拥堵的问题。
针对上述技术问题,相关技术中尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种数据信号的处理方法及装置、存储介质、电子装置,以至少解决相关技术中数据信号处理效率低的问题。
根据本发明的一个实施例,提供了一种数据信号的处理方法,包括:获取在预设时间段内对目标区域进行监控操作的待处理数据;根据上述待处理数据中包括的数据特征信息,对上述待处理数据进行预处理,得到目标数据;获取上述目标数据的点梯度特征信息;基于上述点梯度特征信息确定上述目标数据的阶跃特征信息;基于上述阶跃特征信息,对上述目标数据进行匹配处理;在匹配处理结果满足第一条件的情况下,执行目标数据操作,其中,上述目标数据操作包括调整上述数据信号的状态。
根据本发明的另一个实施例,提供了一种数据信号的处理装置,包括:第一获取模块,用于获取在预设时间段内对目标区域进行监控操作的待处理数据;第一处理模块,用于根据上述待处理数据中包括的数据特征信息,对上述待处理数据进行预处理,得到目标数据;第二获取模块,用于获取上述目标数据的点梯度特征信息;第一确定模块,用于基于上述点梯度特征信息确定上述目标数据的阶跃特征信息;第二处理模块,用于基于上述阶跃特征信息,对上述目标数据进行匹配处理;第三处理模块,用于在匹配处理结果满足第一条件的情况下,执行目标数据操作,其中,上述目标数据操作包括调整上述数据信号的状态。
在一个示例性实施例中,上述第一处理模块,包括:第一确定单元,用于确定上述待处理数据的邻域中心点集合,其中,上述邻域中心点集合中包括K个中心特征点的灰度值,其中,每个上述中心特征点的灰度值用于表示上述待处理数据中每个数据点对应的相邻数据点的平均灰度值,每个上述中心特征点对应上述待处理数据中的一个数据点,上述K是大于1的自然数;第一处理单元,用于基于上述邻域中心点集合对上述待处理数据进行去噪处理,得到去噪后的数据。
在一个示例性实施例中,上述装置还包括:第二确定模块,用于基于上述邻域中心点集合对上述待处理数据进行去噪处理,得到去噪后的数据之后,确定上述去噪后的数据的梯度矢量;第四处理模块,用于基于上述梯度矢量对上述去噪后的数据进行锐化处理,得到上述目标数据。
在一个示例性实施例中,上述第二获取模块,包括:第一提取单元,用于从上述目标数据的数据特征信息中提取上述目标数据中每个数据点的点梯度特征信息;第二确定单元,用于基于上述点梯度特征信息确定上述目标数据的阶跃特征信息,包括:利用每个上述数据点的点梯度特征信息确定在上述预设时间段内目标对象在上述目标区域中的阶跃特征信息,得到上述目标数据的阶跃特征信息。
在一个示例性实施例中,上述第二处理模块,包括:第一匹配单元,用于将上述阶跃特征信息与预设数据的阶跃特征信息进行匹配,得到上述阶跃特征信息与预设数据的阶跃特征信息之间的匹配度。
在一个示例性实施例中,上述第三处理模块,包括:第一调整单元,用于在上述匹配度大于预设阈值的情况下,将上述数据信号的显示时长调整为预设时长;第二调整单元,用于在上述匹配度小于或等于上述预设阈值的情况下,将上述数据信号的显示时长调整为初始时长。
根据本发明的又一个实施例,还提供了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,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,通过对获取的待处理数据进行预处理,可以获取到目标数据的点梯度特征信息以及阶跃特征信息;并基于阶跃特征信息,对目标数据进行匹配处理;在匹配处理结果满足第一条件的情况下,调整数据信号的状态。进而高效的实现了对数据信号的调整。因此,可以解决相关技术中数据信号处理效率低的问题,达到提高数据信号的处理效率的效果。
附图说明
图1是本发明实施例的一种数据信号的处理方法的移动终端的硬件结构框图;
图2是根据本发明实施例的数据信号的处理方法的流程图;
图3是根据本发明实施例的整体流程图;
图4是根据本发明实施例的数据信号的处理装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种数据信号的处理方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的数据信号的处理方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种数据信号的处理方法,图2是根据本发明实施例的数据信号的处理方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,获取在预设时间段内对目标区域进行监控操作的待处理数据;
步骤S204,根据待处理数据中包括的数据特征信息,对待处理数据进行预处理,得到目标数据;
步骤S206,获取目标数据的点梯度特征信息;
步骤S208,基于点梯度特征信息确定目标数据的阶跃特征信息;
步骤S210,基于阶跃特征信息,对目标数据进行匹配处理;
步骤S212,在匹配处理结果满足第一条件的情况下,执行目标数据操作,其中,目标数据操作包括调整数据信号的状态。
在本实施例中,目标区域包括但不限于是设置有网络状态指示灯的局域网、设置有交通信号的交通网络区域、或者设置有风险波动变化的金融市场风险波动信号的监管区域,对应的,待处理数据可以通过局域网网关、流量采集器、安装在红绿灯设备中的视觉传感器获取的交通数据(例如,交通道路上每个方向的车流量信息和车辆信息),其中,视觉传感器可以精确的识别出交通道路上每个方向的车流量信息和车辆信息。
在本实施例中,待处理数据的形式包括但不限于是网络流量数据、图像数据。在获取到待处理数据后,可以通过存储设备进行存储。待处理数据中包括的数据特征信息可以是各个数据点的信息。例如,在待处理数据是图像数据时,待处理数据中包括的数据特征信息可以是图像数据中的像素特征点、车流量信息、获取图像数据的场景信息,例如,时间、天气等。
需要说明的是,本实施例除了应用在网络数据监控,还可以应用在其它场景中。例如,在进行银行等金融数据监控时,需要对金融市场波动情况进行信号显示,以提醒交易者及时关注市场波动情况;此时,根据金融风险的等级(对应于前述的数据特征信息)变化,对数据的风险信号的显示时长进行调整。
又例如,在需要对交通信号灯的信号时长进行控制时,也可以通过交通道路的摄像头获取道路图像数据,并对对获取的图像数据进行去噪,确定图像数据中的道路状态。在道路处于特定状态的情况下,改变信号灯的显示市场,例如,缩短或延长交通信号灯中红灯信号灯的显示时长。
其中,上述步骤的执行主体可以为终端、服务器、终端或服务器中设置的具体处理器,或者与终端或者服务器相对独立设置的处理器或者处理设备等,但不限于此。
通过上述步骤,通过对获取的待处理数据进行预处理,可以获取到目标数据的点梯度特征信息以及阶跃特征信息;并基于阶跃特征信息,对目标数据进行匹配处理;在匹配处理结果满足第一条件的情况下,调整数据信号的状态。进而高效的实现了对数据信号的调整。因此,可以解决相关技术中数据信号处理效率低的问题,达到提高数据信号的处理效率的效果。
需要说明的是,第一条件是根据具体使用环境设置的,例如,在网络状态领域,第一条件对应的是网络的拥堵的情况,在金融风险监管领域,第一条件对应的是某个地区的金融市场的风险等级,在交通监管领域,第一条件对应的是道路拥堵情况等。
在一个示例性实施例中,根据待处理数据中包括的数据特征信息,对待处理数据进行预处理,得到目标数据,包括:
S1,确定待处理数据的邻域中心点集合,其中,邻域中心点集合中包括K个中心特征点的灰度值,其中,每个中心特征点的灰度值用于表示待处理数据中每个数据点对应的相邻数据点的平均灰度值,每个中心特征点对应待处理数据中的一个数据点,K是大于1的自然数;
S2,基于邻域中心点集合对待处理数据进行去噪处理,得到去噪后的数据。
在本实施例中,对待处理数据进行预处理包括对待处理数据的去噪处理和锐化处理。本实施例可以通过平滑的方式对待处理数据进行去噪。
在本实施例中, K的取值是可以基于实际引用场景或者图像要求来灵活设置的,例如,邻域中心点集合中包括3个中心特征点的灰度值。采用邻域中心特征点的灰度值对待处理数据进行去噪,可以增加去噪的准确性。
在一个示例性实施例中,基于邻域中心点集合对待处理数据进行去噪处理,得到去噪后的数据之后,方法包括:
S1,确定去噪后的数据的梯度矢量;
S2,基于梯度矢量对去噪后的数据进行锐化处理,得到目标数据。
在本实施例中,优先的在去除或减轻数据中的干扰噪声之后进行锐化处理。锐化处理包括对去噪后的数据进行逆运算(即求去噪后的数据的偏导),可以让肉眼可见的不够清楚的数据的边界变清晰。
在一个示例性实施例中,通过以下方式获取目标数据的点梯度特征信息:从目标数据的数据特征信息中提取目标数据中每个数据点的点梯度特征信息;梯度信息包括梯度矢量,梯度矢量包括两个参数。
通过以下方式基于点梯度特征信息确定目标数据的阶跃特征信息:利用每个数据点的点梯度特征信息确定在预设时间段内目标对象在目标区域中的阶跃特征信息,得到目标数据的阶跃特征信息。阶跃特征信息包括阶跃状边缘点信息,阶跃状边缘点信息用于表示数据点的变化信息,即数据局部变化最显著的部分,是特征提取的主要因子。
在一个示例性实施例中,基于阶跃特征信息,对目标数据进行匹配处理,包括:
S1,将阶跃特征信息与预设数据的阶跃特征信息进行匹配,得到阶跃特征信息与预设数据的阶跃特征信息之间的匹配度。
在本实施例中,预设数据可以是达到阶跃特征信息阈值的数据。
在一个示例性实施例中,在匹配处理结果满足第一条件的情况下,执行目标数据操作,其中,目标数据操作包括调整数据信号的状态,包括:
S1,在匹配度大于预设阈值的情况下,将数据信号的显示时长调整为预设时长;
S2,在匹配度小于或等于预设阈值的情况下,将数据信号的显示时长调整为初始时长。
在本实施例中,对数据信号的控制可以减少道路拥堵问题的发生,提高交通效率。
下面结合具体实施例对本发明进行说明:
本实施例以在控制信号灯的场景中,对图像数据的处理为例进行说明。如图3所示,本实施例具体包括以下步骤:
S301,图像数据的采集。可以通过机器视觉***获取图像数据以及存储图像数据。机器视觉***能够快速精确的识别出道路网络中某条道路上每个方向的车流量和车辆信息并进行存储。机器视觉***的处理过程主要包括:首先视觉传感器获取图像数据;随后交由图像识别算法对图像数据中的车流量和车辆信息进行精准识别;最后由数据采集卡进行存储。还可以通过安装在目标区域中的摄像设备采集图像数据,并对图像数据进行存储,具体采集方式不限。
S302,对图像数据进行预处理,其中包括去噪处理和锐化处理。
去噪处理:主要通过平滑的方式去除图像数据中的噪声信号。例如,设图像数据f(x,y)的构成为N*N,目标图像数据是g(x,y),图像数据中的每个像素点的灰度值由(x,y)中的邻域组成,取邻域像素点的灰度平均值。可以通过以下公式去噪:
,其中,x,y=0,1,2,…N-1,S是(x,y)邻域中心点集合不包括点(x,y),M是S内坐标点总数。邻域用于表示(x,y)周围邻近的像素点。
锐化处理:锐化处理是为了让肉眼可见的不够清楚的图像数据的的边界变清晰。图像模糊究其本因是因为图像进行了积分,因此要想清晰图像,只需要逆运算(即求偏导)即可。优先的在去除或减轻图像中的干扰噪声之后进行锐化处理。
例如,去噪后的数据是g(x,y),其在点(x,y)的梯度矢量为G[f(x,y)],取值公式包括。在本实施例中,梯度矢量包括两个参数,待处理数据中的数据点在预设坐标系中的分布方向,与g(x,y)变化率的max同向;增长幅度,用G[g(x,y)]表示,其公式包括:/>。
可选地,在图像数据是数字图像的情况下,公式包括:
。
本实施例在对图像进行锐化处理之后,图像的清晰度可以大大提升。
S303,分析图像数据中的流量信息包括提取图像数据中的图像特征信息,具体包括:
S1,提取图像数据的像素梯度信息;
S2,提取图像数据中的数据点的变化信息(例如,阶跃状边缘点信息),其中,阶跃状边缘点信息用于表示数据点的变化信息,即图像局部变化最显著的部分,是特征提取的主要因子;
S3,利用像素梯度信息和阶跃状边缘点信息确定目标区域中的车流量。
在本实施例中,提取图像数据的像素梯度信息包括以下公式:
。
在固定门限是THg,的情况下,提取目标数据中数据点的阶跃状边缘点信息(i,j)包括以下公式:/>。
S304,判断车流量是否达到阈值;对车流量的确定主要是用于判断车流量是否达到阈值,从而进行信号灯的灵活控制。
S305,基于数据特征信息,对目标区域中的交通信号的显示时长进行控制,包括:
S1,基于目标数据中的数据特征信息,对目标区域中的交通信号的显示时长进行控制,其中,数据特征信息中包括目标区域中的类型流量信息;具体包括:
将数据特征信息与预设数据中的预设数据特征信息进行比对,其中,预设数据中的车流量大于第一预设阈值;
按照数据特征信息与预设数据特征信息之间的匹配度,对目标区域中的交通信号的显示时长进行控制;具体包括:在数据特征信息与预设数据特征信息之间的匹配度大于第二预设阈值的情况下,按照预设时长控制目标区域中的交通信号的运行。
在本实施例中,将数据特征信息与预设数据中的预设数据特征信息进行比对,首先取绝对误差,公式如下:
;其中,/>,,S用于表示提取特征后的数据,T用于表示现有达到阈值的数据;然后,取确定阈值TK;最后,将阈值TK与误差值相比较,将每一次未超过阈值的结果相加,当误差超过TK停止,这时记下次数r,公式如下:/>,其中,r用于表示未超过阈值的误差累加次数,用于直观反映达到阈值的临界点。
S306,按照数据特征信息与预设数据特征信息之间的匹配度,对目标区域中的交通信号的显示时长进行控制,还包括:
S1,在数据特征信息与预设数据特征信息之间的匹配度小于或等于第二预设阈值的情况下,按照交通信号的初始时长控制交通信号的运行。
在本实施例中,交通信号的自由控制可以减少道路拥堵问题的发生,提高交通效率。
综上所述,本实施例以对现有交通资源的合理利用为目的,识别出城市道路上每个方向的车流量和车辆信息。实现了对信号灯的灵活控制,达到了对现有交通资源的合理利用的效果。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种数据信号的处理装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本发明实施例的数据信号的处理装置的结构框图,如图4所示,该装置包括:
第一获取模块42,用于获取在预设时间段内对目标区域进行监控操作的待处理数据;
第一处理模块44,用于根据待处理数据中包括的数据特征信息,对待处理数据进行预处理,得到目标数据;
第二获取模块46,用于获取目标数据的点梯度特征信息;
第一确定模块48,用于基于点梯度特征信息确定目标数据的阶跃特征信息;
第二处理模块410,用于基于阶跃特征信息,对目标数据进行匹配处理;
第三处理模块412,用于在匹配处理结果满足第一条件的情况下,执行目标数据操作,其中,目标数据操作包括调整数据信号的状态。
在一个示例性实施例中,上述第一处理模块,包括:
第一确定单元,用于确定上述待处理数据的邻域中心点集合,其中,上述邻域中心点集合中包括K个中心特征点的灰度值,其中,每个上述中心特征点的灰度值用于表示上述待处理数据中每个数据点对应的相邻数据点的平均灰度值,每个上述中心特征点对应上述待处理数据中的一个数据点,上述K是大于1的自然数;
第一处理单元,用于基于上述邻域中心点集合对上述待处理数据进行去噪处理,得到去噪后的数据。
在一个示例性实施例中,上述装置还包括:第二确定模块,用于基于上述邻域中心点集合对上述待处理数据进行去噪处理,得到去噪后的数据之后,确定上述去噪后的数据的梯度矢量;
第四处理模块,用于基于上述梯度矢量对上述去噪后的数据进行锐化处理,得到上述目标数据。
在一个示例性实施例中,上述第二获取模块,包括:
第一提取单元,用于从上述目标数据的数据特征信息中提取上述目标数据中每个数据点的点梯度特征信息;
第二确定单元,用于基于上述点梯度特征信息确定上述目标数据的阶跃特征信息,包括:利用每个上述数据点的点梯度特征信息确定在上述预设时间段内目标对象在上述目标区域中的阶跃特征信息,得到上述目标数据的阶跃特征信息。
在一个示例性实施例中,上述第二处理模块,包括:
第一匹配单元,用于将上述阶跃特征信息与预设数据的阶跃特征信息进行匹配,得到上述阶跃特征信息与预设数据的阶跃特征信息之间的匹配度。
上述第三处理模块,包括:
第一调整单元,用于在上述匹配度大于预设阈值的情况下,将上述数据信号的显示时长调整为预设时长;
第二调整单元,用于在上述匹配度小于或等于上述预设阈值的情况下,将上述数据信号的显示时长调整为初始时长。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在本实施例中,上述计算机可读存储介质可以被设置为存储用于执行以上各步骤的计算机程序。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
在一个示例性实施例中,上述处理器可以被设置为通过计算机程序执行以上各步骤。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
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 (9)
1.一种数据信号的处理方法,其特征在于,包括:
获取在预设时间段内对目标区域进行监控操作的待处理数据;
根据所述待处理数据中包括的数据特征信息,对所述待处理数据进行预处理,得到目标数据;
获取所述目标数据的点梯度特征信息;
基于所述点梯度特征信息确定所述目标数据的阶跃特征信息;
基于所述阶跃特征信息,对所述目标数据进行匹配处理;
在匹配处理结果满足第一条件的情况下,执行目标数据操作,其中,所述目标数据操作包括调整所述数据信号的状态;
其中,获取所述目标数据的点梯度特征信息,包括:从所述目标数据的数据特征信息中提取所述目标数据中每个数据点的点梯度特征信息,其中,所述点梯度特征信息包括梯度矢量,梯度矢量包括两个参数;
基于所述点梯度特征信息确定所述目标数据的阶跃特征信息,包括:利用每个所述数据点的点梯度特征信息确定在所述预设时间段内目标对象在所述目标区域中的阶跃特征信息,得到所述目标数据的阶跃特征信息,其中,阶跃特征信息包括阶跃状边缘点信息,阶跃状边缘点信息用于表示数据点的变化信息,即数据局部变化最显著的部分,是特征提取的主要因子;
其中,基于所述阶跃特征信息,对所述目标数据进行匹配处理,包括:
将所述阶跃特征信息与预设数据的阶跃特征信息进行匹配,得到所述阶跃特征信息与预设数据的阶跃特征信息之间的匹配度;
将所述阶跃特征信息与预设数据的阶跃特征信息进行匹配包括:取绝对误差,公式如下:其中,/>所述S用于表示将提取所述阶跃特征信息中的特征后的数据,所述T用于表示所述预设数据中达到阈值的数据。
2.根据权利要求1所述的方法,其特征在于,根据所述待处理数据中包括的数据特征信息,对所述待处理数据进行预处理,得到目标数据,包括:
确定所述待处理数据的邻域中心点集合,其中,所述邻域中心点集合中包括K个中心特征点的灰度值,其中,每个所述中心特征点的灰度值用于表示所述待处理数据中每个数据点对应的相邻数据点的平均灰度值,每个所述中心特征点对应所述待处理数据中的一个数据点,所述K是大于1的自然数;
基于所述邻域中心点集合对所述待处理数据进行去噪处理,得到去噪后的数据。
3.根据权利要求2所述的方法,其特征在于,基于所述邻域中心点集合对所述待处理数据进行去噪处理,得到去噪后的数据之后,所述方法包括:
确定所述去噪后的数据的梯度矢量;
基于所述梯度矢量对所述去噪后的数据进行锐化处理,得到所述目标数据。
4.根据权利要求1所述的方法,其特征在于,基于所述阶跃特征信息,对所述目标数据进行匹配处理,包括:
将所述阶跃特征信息与预设数据的阶跃特征信息进行匹配,得到所述阶跃特征信息与预设数据的阶跃特征信息之间的匹配度。
5.根据权利要求4所述的方法,其特征在于,在匹配处理结果满足第一条件的情况下,执行目标数据操作,其中,所述目标数据操作包括调整所述数据信号的状态,包括:
在所述匹配度大于预设阈值的情况下,将所述数据信号的显示时长调整为预设时长;
在所述匹配度小于或等于所述预设阈值的情况下,将所述数据信号的显示时长调整为初始时长。
6.一种数据信号的处理装置,其特征在于,包括:
第一获取模块,用于获取在预设时间段内对目标区域进行监控操作的待处理数据;
第一处理模块,用于根据所述待处理数据中包括的数据特征信息,对所述待处理数据进行预处理,得到目标数据;
第二获取模块,用于获取所述目标数据的点梯度特征信息;
第一确定模块,用于基于所述点梯度特征信息确定所述目标数据的阶跃特征信息;
第二处理模块,用于基于所述阶跃特征信息,对所述目标数据进行匹配处理;
第三处理模块,用于在匹配处理结果满足第一条件的情况下,执行目标数据操作,其中,所述目标数据操作包括调整所述数据信号的状态;
其中,所述第二获取模块,还用于从所述目标数据的数据特征信息中提取所述目标数据中每个数据点的点梯度特征信息,所述点梯度特征信息包括梯度矢量,梯度矢量包括两个参数;所述第一确定模块,还用于利用每个所述数据点的点梯度特征信息确定在所述预设时间段内目标对象在所述目标区域中的阶跃特征信息,得到所述目标数据的阶跃特征信息,所述阶跃特征信息包括阶跃状边缘点信息,阶跃状边缘点信息用于表示所述数据点的变化信息;
其中,所述第二处理模块,还用于将所述阶跃特征信息与预设数据的阶跃特征信息进行匹配,得到所述阶跃特征信息与预设数据的阶跃特征信息之间的匹配度;将所述阶跃特征信息与预设数据的阶跃特征信息进行匹配包括:取绝对误差,公式如下:其中,/> 所述S用于表示将提取所述阶跃特征信息中的特征后的数据,所述T用于表示所述预设数据中达到阈值的数据。
7.根据权利要求6所述的装置,其特征在于,所述第一处理模块,包括:
第一确定单元,用于确定所述待处理数据的邻域中心点集合,其中,所述邻域中心点集合中包括K个中心特征点的灰度值,其中,每个所述中心特征点的灰度值用于表示所述待处理数据中每个数据点对应的相邻数据点的平均灰度值,每个所述中心特征点对应所述待处理数据中的一个数据点,所述K是大于1的自然数;
第一处理单元,用于基于所述邻域中心点集合对所述待处理数据进行去噪处理,得到去噪后的数据。
8.一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,其中,所述计算机程序被处理器执行时实现所述权利要求1至5任一项中所述的方法。
9.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210541660.5A CN114707560B (zh) | 2022-05-19 | 2022-05-19 | 数据信号的处理方法及装置、存储介质、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210541660.5A CN114707560B (zh) | 2022-05-19 | 2022-05-19 | 数据信号的处理方法及装置、存储介质、电子装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114707560A CN114707560A (zh) | 2022-07-05 |
CN114707560B true CN114707560B (zh) | 2024-02-09 |
Family
ID=82176725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210541660.5A Active CN114707560B (zh) | 2022-05-19 | 2022-05-19 | 数据信号的处理方法及装置、存储介质、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114707560B (zh) |
Citations (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101211508A (zh) * | 2007-12-21 | 2008-07-02 | 北京中星微电子有限公司 | 一种交通灯的自动控制方法及*** |
WO2014027799A1 (ko) * | 2012-08-13 | 2014-02-20 | Lee Heung Soo | 교통 관제 센터 서버 및 교통 신호 제어용 방송 신호 생성 방법과 교통 신호 제어 장치 및 방법 |
CN104376732A (zh) * | 2014-10-30 | 2015-02-25 | 陕西科技大学 | 一种基于信号控制处理技术的智能红绿灯及信号控制方法 |
JP2016091262A (ja) * | 2014-11-04 | 2016-05-23 | 住友電気工業株式会社 | 交通信号制御機及び交通信号制御方法 |
CN106920401A (zh) * | 2015-12-25 | 2017-07-04 | 北京奇虎科技有限公司 | 十字路口红绿灯时长控制方法和装置 |
CN107358803A (zh) * | 2017-08-22 | 2017-11-17 | 哈尔滨理工大学 | 一种交通信号控制***及其控制方法 |
CN107730926A (zh) * | 2017-11-24 | 2018-02-23 | 信利光电股份有限公司 | 一种智能交通控制方法、装置及*** |
CN107845264A (zh) * | 2017-12-06 | 2018-03-27 | 西安市交通信息中心 | 一种基于视频监控的交通量采集***及方法 |
WO2018107939A1 (zh) * | 2016-12-14 | 2018-06-21 | 国家***第二海洋研究所 | 一种基于边缘完备度的图像分割最优识别方法 |
CN108765990A (zh) * | 2018-06-15 | 2018-11-06 | 歌尔科技有限公司 | 一种智能交通控制方法、装置、设备及*** |
CN109872545A (zh) * | 2017-12-05 | 2019-06-11 | 航天信息股份有限公司 | 智能交通灯的控制方法及*** |
WO2019131159A1 (ja) * | 2017-12-27 | 2019-07-04 | ソニー株式会社 | 制御処理装置および制御処理方法、並びにプログラム |
CN110221681A (zh) * | 2018-03-02 | 2019-09-10 | 华为技术有限公司 | 图像识别方法、图像呈现时间的调整方法及设备 |
CN110414719A (zh) * | 2019-07-05 | 2019-11-05 | 电子科技大学 | 一种基于多变量灰色模型时间序列的车流量预测方法 |
CN111416904A (zh) * | 2020-03-13 | 2020-07-14 | 维沃移动通信有限公司 | 数据处理的方法、电子设备及介质 |
CN111587197A (zh) * | 2018-07-12 | 2020-08-25 | 重庆金康新能源汽车有限公司 | 利用驾驶模式识别来调节电动车辆的动力总成 |
CN111951576A (zh) * | 2020-08-17 | 2020-11-17 | 国为(南京)软件科技有限公司 | 一种基于车辆识别的交通灯控制***及其方法 |
CN112037538A (zh) * | 2019-06-04 | 2020-12-04 | 深圳市速腾聚创科技有限公司 | 交通信号灯控制方法、临时交通指挥***和装置 |
CN112561940A (zh) * | 2020-12-08 | 2021-03-26 | 中国人民解放军陆军工程大学 | 密集多目标参数提取的方法、装置及终端设备 |
CN112733956A (zh) * | 2021-01-21 | 2021-04-30 | 西北工业大学 | 一种基于Sigmoid函数的阶跃信号断点检测方法 |
CN113269963A (zh) * | 2021-05-20 | 2021-08-17 | 东南大学 | 一种基于强化学习的网联车辆信号灯控路口经济通行方法 |
CN113313953A (zh) * | 2021-05-26 | 2021-08-27 | 北方工业大学 | 路段人行横道处信号动态优化控制***及方法 |
CN113467875A (zh) * | 2021-06-29 | 2021-10-01 | 阿波罗智能技术(北京)有限公司 | 训练方法、预测方法、装置、电子设备以及自动驾驶车辆 |
CN113516858A (zh) * | 2021-07-16 | 2021-10-19 | 北京东土正创科技有限公司 | 一种交通灯的控制方法、交通灯网络***及交通灯节点 |
CN113516853A (zh) * | 2021-06-24 | 2021-10-19 | 南京邮电大学 | 一种针对复杂监控场景的多车道车流量检测方法 |
CN113792929A (zh) * | 2021-04-26 | 2021-12-14 | 青岛大学 | 交通流量预测方法、电子设备及存储介质 |
CN114266799A (zh) * | 2021-12-15 | 2022-04-01 | 深圳蓝韵医学影像有限公司 | 一种识别束光器边框方法、装置、计算机设备及存储介质 |
CN114329035A (zh) * | 2021-12-31 | 2022-04-12 | 中国第一汽车股份有限公司 | 数据的处理方法、装置、储存介质、处理器及电子装置 |
CN114333361A (zh) * | 2022-02-22 | 2022-04-12 | 南京慧尔视智能科技有限公司 | 一种信号灯配时方法及装置 |
CN114358692A (zh) * | 2022-01-07 | 2022-04-15 | 拉扎斯网络科技(上海)有限公司 | 配送时长调整方法、装置及电子设备 |
CN114360255A (zh) * | 2022-03-21 | 2022-04-15 | 北京闪马智建科技有限公司 | 一种流量确定方法、装置、存储介质及电子装置 |
CN114422776A (zh) * | 2022-02-25 | 2022-04-29 | 上海闪马智能科技有限公司 | 摄像设备的检测方法及装置、存储介质、电子装置 |
CN114463980A (zh) * | 2022-02-18 | 2022-05-10 | 上海闪马智能科技有限公司 | 一种交通状态检测方法、装置、存储介质及电子装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9613447B2 (en) * | 2015-02-02 | 2017-04-04 | International Business Machines Corporation | Identifying cyclic patterns of complex events |
US11639981B2 (en) * | 2015-07-17 | 2023-05-02 | Origin Wireless, Inc. | Method, apparatus, and system for movement tracking |
CN110674331A (zh) * | 2018-06-15 | 2020-01-10 | 华为技术有限公司 | 信息处理方法、相关设备及计算机存储介质 |
-
2022
- 2022-05-19 CN CN202210541660.5A patent/CN114707560B/zh active Active
Patent Citations (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101211508A (zh) * | 2007-12-21 | 2008-07-02 | 北京中星微电子有限公司 | 一种交通灯的自动控制方法及*** |
WO2014027799A1 (ko) * | 2012-08-13 | 2014-02-20 | Lee Heung Soo | 교통 관제 센터 서버 및 교통 신호 제어용 방송 신호 생성 방법과 교통 신호 제어 장치 및 방법 |
CN104376732A (zh) * | 2014-10-30 | 2015-02-25 | 陕西科技大学 | 一种基于信号控制处理技术的智能红绿灯及信号控制方法 |
JP2016091262A (ja) * | 2014-11-04 | 2016-05-23 | 住友電気工業株式会社 | 交通信号制御機及び交通信号制御方法 |
CN106920401A (zh) * | 2015-12-25 | 2017-07-04 | 北京奇虎科技有限公司 | 十字路口红绿灯时长控制方法和装置 |
WO2018107939A1 (zh) * | 2016-12-14 | 2018-06-21 | 国家***第二海洋研究所 | 一种基于边缘完备度的图像分割最优识别方法 |
CN107358803A (zh) * | 2017-08-22 | 2017-11-17 | 哈尔滨理工大学 | 一种交通信号控制***及其控制方法 |
CN107730926A (zh) * | 2017-11-24 | 2018-02-23 | 信利光电股份有限公司 | 一种智能交通控制方法、装置及*** |
CN109872545A (zh) * | 2017-12-05 | 2019-06-11 | 航天信息股份有限公司 | 智能交通灯的控制方法及*** |
CN107845264A (zh) * | 2017-12-06 | 2018-03-27 | 西安市交通信息中心 | 一种基于视频监控的交通量采集***及方法 |
WO2019131159A1 (ja) * | 2017-12-27 | 2019-07-04 | ソニー株式会社 | 制御処理装置および制御処理方法、並びにプログラム |
CN110221681A (zh) * | 2018-03-02 | 2019-09-10 | 华为技术有限公司 | 图像识别方法、图像呈现时间的调整方法及设备 |
CN108765990A (zh) * | 2018-06-15 | 2018-11-06 | 歌尔科技有限公司 | 一种智能交通控制方法、装置、设备及*** |
CN111587197A (zh) * | 2018-07-12 | 2020-08-25 | 重庆金康新能源汽车有限公司 | 利用驾驶模式识别来调节电动车辆的动力总成 |
CN112037538A (zh) * | 2019-06-04 | 2020-12-04 | 深圳市速腾聚创科技有限公司 | 交通信号灯控制方法、临时交通指挥***和装置 |
CN110414719A (zh) * | 2019-07-05 | 2019-11-05 | 电子科技大学 | 一种基于多变量灰色模型时间序列的车流量预测方法 |
CN111416904A (zh) * | 2020-03-13 | 2020-07-14 | 维沃移动通信有限公司 | 数据处理的方法、电子设备及介质 |
CN111951576A (zh) * | 2020-08-17 | 2020-11-17 | 国为(南京)软件科技有限公司 | 一种基于车辆识别的交通灯控制***及其方法 |
CN112561940A (zh) * | 2020-12-08 | 2021-03-26 | 中国人民解放军陆军工程大学 | 密集多目标参数提取的方法、装置及终端设备 |
CN112733956A (zh) * | 2021-01-21 | 2021-04-30 | 西北工业大学 | 一种基于Sigmoid函数的阶跃信号断点检测方法 |
CN113792929A (zh) * | 2021-04-26 | 2021-12-14 | 青岛大学 | 交通流量预测方法、电子设备及存储介质 |
CN113269963A (zh) * | 2021-05-20 | 2021-08-17 | 东南大学 | 一种基于强化学习的网联车辆信号灯控路口经济通行方法 |
CN113313953A (zh) * | 2021-05-26 | 2021-08-27 | 北方工业大学 | 路段人行横道处信号动态优化控制***及方法 |
CN113516853A (zh) * | 2021-06-24 | 2021-10-19 | 南京邮电大学 | 一种针对复杂监控场景的多车道车流量检测方法 |
CN113467875A (zh) * | 2021-06-29 | 2021-10-01 | 阿波罗智能技术(北京)有限公司 | 训练方法、预测方法、装置、电子设备以及自动驾驶车辆 |
CN113516858A (zh) * | 2021-07-16 | 2021-10-19 | 北京东土正创科技有限公司 | 一种交通灯的控制方法、交通灯网络***及交通灯节点 |
CN114266799A (zh) * | 2021-12-15 | 2022-04-01 | 深圳蓝韵医学影像有限公司 | 一种识别束光器边框方法、装置、计算机设备及存储介质 |
CN114329035A (zh) * | 2021-12-31 | 2022-04-12 | 中国第一汽车股份有限公司 | 数据的处理方法、装置、储存介质、处理器及电子装置 |
CN114358692A (zh) * | 2022-01-07 | 2022-04-15 | 拉扎斯网络科技(上海)有限公司 | 配送时长调整方法、装置及电子设备 |
CN114463980A (zh) * | 2022-02-18 | 2022-05-10 | 上海闪马智能科技有限公司 | 一种交通状态检测方法、装置、存储介质及电子装置 |
CN114333361A (zh) * | 2022-02-22 | 2022-04-12 | 南京慧尔视智能科技有限公司 | 一种信号灯配时方法及装置 |
CN114422776A (zh) * | 2022-02-25 | 2022-04-29 | 上海闪马智能科技有限公司 | 摄像设备的检测方法及装置、存储介质、电子装置 |
CN114360255A (zh) * | 2022-03-21 | 2022-04-15 | 北京闪马智建科技有限公司 | 一种流量确定方法、装置、存储介质及电子装置 |
Non-Patent Citations (5)
Title |
---|
"Vehicle queue detection based on morphological edge";Zhe Liu等;《Intelligent Control and Automation》;20081231;第2732-2736页 * |
"基于图像处理的车辆排队长度鲁棒检测算法";李卫斌等;《计算机测量与控制》;20111231;第19卷(第8期);第1810-1813页 * |
"基于视频识别的智能交通信号灯配时优化";常铮等;《自动化技术与应用》;20181231;第37卷(第11期);第139-142页 * |
"用图像处理的方法检测公路路面裂缝类病害";李晋惠;《长安大学学报(自然科学版)》;20040531;第24卷(第3期);第24-29页 * |
王一丁等."第9章 图像分割".《数字图像处理》.2015, * |
Also Published As
Publication number | Publication date |
---|---|
CN114707560A (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111220169B (zh) | 一种轨迹纠偏方法、装置、终端设备及存储介质 | |
CN111310727B (zh) | 对象检测方法及装置、存储介质、电子装置 | |
CN107908998B (zh) | 二维码解码方法、装置、终端设备及计算机可读存储介质 | |
CN111275040B (zh) | 定位方法及装置、电子设备、计算机可读存储介质 | |
KR20220041892A (ko) | 덩어리안개 식별 방법, 장치, 전자 기기, 저장 매체 및 컴퓨터 프로그램 제품 | |
CN115512238A (zh) | 病害区域的确定方法、装置、存储介质及电子装置 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN113808135A (zh) | 图像亮度异常检测方法、电子设备及存储介质 | |
CN114707560B (zh) | 数据信号的处理方法及装置、存储介质、电子装置 | |
CN115082326A (zh) | 视频去模糊的处理方法、边缘计算设备及中心处理器 | |
CN115083008A (zh) | 运动目标检测方法、装置、设备及存储介质 | |
CN115409839B (zh) | 基于像素分析模型的道路声屏障隐患识别方法及装置 | |
CN112733650A (zh) | 目标人脸检测方法、装置、终端设备及存储介质 | |
CN111311610A (zh) | 图像分割的方法及终端设备 | |
CN113239738B (zh) | 一种图像的模糊检测方法及模糊检测装置 | |
CN112132215B (zh) | 一种识别物体类型的方法、装置及计算机可读存储介质 | |
CN113313124B (zh) | 基于图像分割算法识别车牌号码的方法、装置和终端设备 | |
CN112508065B (zh) | 机器人及其定位方法和装置 | |
CN115222939A (zh) | 一种图像识别方法、装置、设备以及存储介质 | |
CN114549884A (zh) | 一种异常图像检测方法、装置、设备及介质 | |
CN112529845A (zh) | 图像质量值确定方法、装置、存储介质及电子装置 | |
CN112686851A (zh) | 一种图像检测方法、装置及存储介质 | |
CN117114450B (zh) | 一种灌溉用水决策方法及*** | |
CN114038197B (zh) | 场景状态的确定方法、装置、存储介质及电子装置 | |
CN114219744B (zh) | 图像生成方法、装置、设备及存储介质 |
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 |