CN115174889A - 摄像机的位置偏移检测方法、电子设备和存储介质 - Google Patents
摄像机的位置偏移检测方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115174889A CN115174889A CN202210629761.8A CN202210629761A CN115174889A CN 115174889 A CN115174889 A CN 115174889A CN 202210629761 A CN202210629761 A CN 202210629761A CN 115174889 A CN115174889 A CN 115174889A
- Authority
- CN
- China
- Prior art keywords
- road
- information
- camera
- video data
- offset
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- 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
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供了一种摄像机的位置偏移检测方法、电子设备和存储介质。所述方法包括:获取道路关联设施的位置范围信息,所述道路关联设施的位置范围信息预先基于摄像机采集的第一道路视频数据确定;获取摄像机采集的第二道路视频数据;基于所述第二道路视频数据,检测活动对象的位置信息;将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定匹配结果;在所述匹配结果满足偏移条件的情况下,生成偏移报警信息;发送所述偏移报警信息,以调整所述摄像机的拍摄角度。将道路的活动对象与静态道路设施进行比较,分析互动对象是否出现在不应出现的静态道路设施位置处,能够及时发现偏移并报警,还能保证基于摄像头画面的匹配结果的准确性。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种摄像机的位置偏移检测方法及装置、一种电子设备和一种存储介质。
背景技术
摄像机在预置位在持续的工作(轮询)过程中容易发生偏移,导致拍摄画面发生改变,对后续的基于该拍摄画面进行的处理结果不准确。
以道路摄像机为例,当道路视频画面不符合预期,以交通法规为基础的事件判断规则失效,导致事件误报,如来向去向车道错误导致逆行误报,机动车道错误导致行人走快车道或机动车占用应急车道等。
因此,本领域技术人员亟需解决的一个技术问题是:及时发现摄像机发生偏移。
发明内容
本申请实施例提供了一种摄像机的位置偏移检测方法,以及时发现摄像机发生偏移。
相应的,本申请实施例还提供了一种电子设备和一种存储介质,用以保证上述***的实现及应用。
为了解决上述问题,本申请实施例公开了一种摄像机的位置偏移检测方法,所述方法包括:
获取道路关联设施的位置范围信息,所述道路关联设施的位置范围信息预先基于摄像机采集的第一道路视频数据确定;
获取摄像机采集的第二道路视频数据;
基于所述第二道路视频数据,检测活动对象的位置信息;
将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定匹配结果;
在所述匹配结果满足偏移条件的情况下,生成偏移报警信息;
发送所述偏移报警信息,以调整所述摄像机的拍摄角度。
可选的,所述基于所述第二道路视频数据,检测活动对象的位置信息,包括:
基于第二道路视频数据中各帧道路图像进行目标识别,确定至少一个目标对象;
在所述基于第二道路视频数据中对所述至少一个目标对象进行追踪,确定至少一个活动对象;
确定所述至少一个活动对象的位置信息。
可选的,所述将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定匹配结果,包括:
将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行比较;
统计所述活动对象的位置信息出现在所述道路关联设施的位置范围信息内的重叠信息;
依据重叠信息生成匹配结果。
可选的,所述活动对象的类型包括:机动类和非机动类,所述道路关联设施包括:机动关联类和非机动关联类;
所述将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行比较,包括:
将机动类活动对象的位置信息与非机动关联类道路关联设施的位置范围信息进行比较,判断两者是否重叠;和/或,
将非机动类活动对象的位置信息与机动关联类道路关联设施的位置范围信息进行比较,判断两者是否重叠。
可选的,所述统计所述活动对象的位置信息出现在所述道路关联设施的位置范围信息内的重叠信息,包括:
统计在设定时间内,所述活动对象的位置信息出现在所述道路关联设施的位置范围信息内的重叠次数;
依据所述设定时间和重叠次数统计重叠频率。
可选的,在所述匹配结果满足偏移条件的情况下,生成偏移报警信息,包括:
判断重叠信息是否超过重叠阈值;
如果重叠信息超过重叠阈值,确定满足偏移条件并生成偏移报警信息。
可选的,还包括:基于重叠的活动对象的位置信息与所述道路关联设施的位置范围信息,分析偏移信息,所述偏移信息包括:偏移方向和/或偏移角度;将所述偏移信息添加到所述偏移报警信息中。
可选的,还包括:预先基于摄像机采集的第一道路视频数据,确定道路关联设施的位置范围信息。
可选的,所述预先基于摄像机采集的第一道路视频数据,确定道路关联设施的位置范围信息,包括:
从所述第一道路视频数据中获取各帧道路图像;
对所述各帧道路图像分别进行语义分割,确定分割结果;
依据所述分割结果确定道路关联设施的位置范围信息。
可选的,所述预先基于摄像机采集的第一道路视频数据,确定道路关联设施的位置范围信息,包括:
将第一道路视频数据输入到语义分割模型中进行语义分割,输出分割结果;依据所述分割结果确定道路关联设施的位置范围信息。
可选的,所述道路关联设施包括:道路和道路设施;所述道路包括机动车道、非机动车道、人行道;所述道路设施包括以下至少一种:交通标志、标线、人行天桥、人行地道、分隔设施、道路显示屏、照明设备、公交停靠站;分隔设施包括以下至少一种:护栏、护柱、绿化带、花坛。
本申请实施例公开了一种摄像机的位置偏移检测方法,其特征在于,所述方法包括:
获取静态设施的位置范围信息,所述静态设施的位置范围信息基于摄像机采集的第一视频数据确定;
获取摄像机采集的第二视频数据;
基于所述第二视频数据,检测活动对象的位置信息;
将所述活动对象的位置信息与所述静态设施的位置范围信息进行匹配,确定匹配结果;
在所述匹配结果满足偏移条件的情况下,生成偏移报警信息;
发送所述偏移报警信息,以调整所述摄像机的拍摄角度。
本申请实施例公开了一种摄像机的位置偏移检测装置,其特征在于,所述装置包括:
设施确定模块,用于获取道路关联设施的位置范围信息,所述道路关联设施的位置范围信息预先基于摄像机采集的第一道路视频数据确定;
位置检测模块,用于获取摄像机采集的第二道路视频数据;基于所述第二道路视频数据,检测活动对象的位置信息;
偏移检测模块,用于将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定匹配结果;
报警模块,用于在所述匹配结果满足偏移条件的情况下,生成偏移报警信息;发送所述偏移报警信息,以调整所述摄像机的拍摄角度。
本申请实施例还公开了一种电子设备,包括:处理器;和存储器,其上存储有可执行代码,当所述可执行代码被处理器执行时,执行如本申请实施例所述的方法。
本申请实施例还公开了一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被处理器执行时,执行如本申请实施例所述的方法。
与现有技术相比,本申请实施例包括以下优点:
本申请实施例中,可预先基于摄像机采集的第一道路视频数据,确定道路关联设施的位置范围信息,然后获取摄像机采集的第二道路视频数据,基于第二道路视频数据,检测活动对象的位置信息,然后将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定匹配结果,从而将道路的活动对象与静态道路设施进行比较,分析互动对象是否出现在不应出现的静态道路设施位置处,从而在匹配结果满足偏移条件的情况下,生成偏移报警信息,发送所述偏移报警信息,以调整所述摄像机的拍摄角度,能够及时发现偏移并报警,还能保证基于摄像头画面的匹配结果的准确性。
附图说明
图1是本申请实施例的一种道路摄像头及其拍摄场景的示例的示意图;
图2是本申请的一种摄像机的位置偏移检测方法实施例的步骤流程图;
图3是本申请的另一种摄像机的位置偏移检测方法实施例的步骤流程图;
图4是本申请的另一种摄像机的位置偏移检测方法实施例的步骤流程图;
图5是本申请的另一种摄像机的位置偏移检测方法实施例的步骤流程图;
图6是本申请一个实施例提供的示例性装置的结构示意图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
本申请实施例可以应用于各种通过摄像机进行拍摄的场景中,如道路摄像机拍摄道路,商场、医院等公共区域通过摄像机拍摄等。其中,许多摄像机的拍摄角度是可以调整的,以便能够拍摄不同角度的视频,摄像机一般采用不同角度轮询的方式进行拍摄,即固定间隔切换角度,从而各角度视频均可进行拍摄。
在拍摄过程中,如果摄像机的角度发生偏移,如道路摄像机由于风力等原因偏移,其拍摄的视频数据的画面就会出现偏差,使得基于该画面的识别结果出现问题。因此本申请实施例可基于静态对象和活动对象的位置,判断摄像机是否出现偏移,并在偏移时进行预警。
参照图1为一种道路摄像头及其拍摄场景的示例的示意图。该道路为六车道,具有一个人行横道,通过球机型道路摄像头拍摄。点划线为摄像机正确角度的拍摄范围。摄像机偏移检测如图2所示:
步骤202,获取道路关联设施的位置范围信息,所述道路关联设施的位置范围信息预先基于摄像机采集的第一道路视频数据确定。
本申请实施例基于静态对象和活动对象的位置,判断摄像机是否出现偏移。因此可预先采集摄像机的道路视频数据,可称为第一道路视频数据。其中,第一道路视频数据可为摄像机在成像条件较好情况下采集的道路视频数据,即可对摄像机采集的道路视频数据进行筛选,确定成像条件符合检测要求的道路视频数据作为第一道路视频数据,其中检测要求可基于光照、遮挡等多种条件确定。
然后可对第一道路视频数据进行分析,确定道路关联设施的位置范围信息。可对第一道路视频数据进行分析,通过目标识别、语义分割等多种方式,可确定出视频数据中的道路关联设施,并且确定该道路关联设施的位置范围。
其中,所述道路关联设施包括:道路和道路设施;所述道路包括机动车道、非机动车道、人行道;所述道路设施包括以下至少一种:交通标志、标线、人行天桥、人行地道、分隔设施、道路显示屏、照明设备、公交停靠站;分隔设施包括以下至少一种:护栏、护柱、绿化带、花坛。
一个可选实施例中,所述预先基于摄像机采集的第一道路视频数据,确定道路关联设施的位置范围信息,包括:从所述第一道路视频数据中获取各帧道路图像;对所述各帧道路图像分别进行语义分割,确定分割结果;依据所述分割结果确定道路关联设施的位置范围信息。可从第一道路视频数据中依次获取各帧道路图像,然后对每帧道路图像分别进行语义分割,预测每个像素点的语义类别,确定分割结果,该分割结果可包括分割目标以及分割目标的位置等,然后可基于该分割结果确定分割目标为哪种道路关联设施,以及确定其位置范围。
其中,语义分割可通过基于深度学习的语义分割模型实现,可将第一道路视频数据输入到语义分割模型中进行语义分割,输出分割结果;依据所述分割结果确定道路关联设施的位置范围信息。将第一道路视频数据输入到语义分割模型中,语义分割模型可分别对每帧道路图像分别进行语义分割,输出分割结果,可基于分割结果确定各道路关联设施的位置范围信息。其中,图像语义分割(Semantic Image Segmentation)计算机视觉(Computer vision)中图像理解(Image understanding)的重要一环。本申请实施例可采用各种深度学习网络模型应用于语义分割任务中,实现对道路关联设施的分割。例如采用FCN(Fully Convolution Network,全卷积网络)算法、SegNet算法、DeepLab V3+算法等。从而能够基于语义分割确定出各道路关联设施,并确定出道路关联设施的位置范围信息。
本申请实施例中,摄像机可在多个角度之间移动,从而调整拍摄范围,因此可确定一个角度为基准角度,从而确定该基准角度对应道路关联设施的位置范围信息为基准,其他角度下拍摄的图像可进行矫正到该基准角度,从而与基准角度对应道路关联设施的位置范围信息进行匹配。当然在另外一些实施例中,每个角度也可对应一个道路关联设施的位置范围信息,本申请实施例对此不做限制。
步骤204,获取摄像机采集的第二道路视频数据。
在已经确定出道路关联设施的位置范围信息后,可以实时或周期对摄像机的角度进行检测,即可实时获取摄像机采集的第二道路视频数据,或周期性检测摄像机采集的第二道路视频数据,该检测周期可小于摄像机的角度调整周期,从而在每个角度调整周期内至少检测一次角度是否准确。
本申请实施例中,将同一摄像机采集的道路视频数据按照场景区分为第一、第二,其中,将预处理的道路视频数据称为第一道路视频数据,检测的道路视频数据称为第二道路视频数据。其中,第二道路视频数据可为任意时间、任意成像条件下采集的道路视频数据,由于静态的道路关联设施已经在预处理中分析出位置信息,因此,即使第二道路视频数据为光照发生大的改变(如黑夜、阴天等),或存在严重遮挡等情况,仍然可以使用来检测活动对象,实现全天时全天候的检测。
步骤206,基于所述第二道路视频数据,检测活动对象的位置信息。
可以对第二道路视频数据进行目标检测,确定出活动对象以及活动对象的位置信息,该位置信息可为活动对象的位置点的位置信息集合。
一个可选实施例中,所述基于所述第二道路视频数据,检测活动对象的位置信息,包括:基于第二道路视频数据中各帧道路图像进行目标识别,确定至少一个目标对象;在所述基于第二道路视频数据中对所述至少一个目标对象进行追踪,确定至少一个活动对象;确定所述至少一个活动对象的位置信息。可以基于第二道路视频数据中各帧道路图像进行目标识别,确定至少一个目标对象,然后在第二道路视频数据中对所述至少一个目标对象进行追踪,确定至少一个活动对象;确定所述至少一个活动对象的位置信息。在道路场景中,道路的活动对象包括车辆、行人,其中,车辆包括机动车和非机动车,非机动车和行人均属于非机动类活动对象,机动车属于机动类活动对象。
针对活动对象的检测可基于深度学习方法进行目标检测,如交通目标检测等,可基于多种深度学习算法实现,如基于区域建议的目标检测与识别算法,如R-CNN,Fast-R-CNN,Faster-R-CNN等,又如基于回归的目标检测与识别算法,如YOLO,SSD等。可以将第二道路视频数据输入到于深度学习的目标检测模型中,从而能够识别并追踪活动对象,确定至少一个活动对象的位置信息。
步骤208,将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定匹配结果。
可以将活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定两者的位置是否出现重合,活动对象是否出现在不应出现的位置,从而确定匹配结果。其中,所述将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定匹配结果,包括:将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行比较,并统计所述活动对象的位置信息出现在所述道路关联设施的位置范围信息内的重叠信息;依据重叠信息生成匹配结果。将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行比较,确定活动对象的位置信息是否与相斥的道路关联设施的位置范围信息重叠,其中,与活动对象相斥的道路关联设施为该活动对象不应活动的设施,如行人不应在机动车道、花坛、绿化带等位置上移动,又如车辆不应在在非机动车到、花坛、绿化带等位置上移动,可以统计重叠信息,如重叠次数、重叠频率、重叠时长等作为匹配结果。
一个可选实施例中,统计所述活动对象的位置信息出现在所述道路关联设施的位置范围信息内的重叠信息,包括:统计在设定时间内,所述活动对象的位置信息出现在所述道路关联设施的位置范围信息内的重叠次数;依据所述设定时间和重叠次数统计重叠频率。本申请实施例可采集设定时间的第二视频数据,如针对实时采集的视频数据,可累计到设定时间得到匹配结果。在设定时间内,可针对每个活动对象通知其与道路关联设施的重叠次数,即所述活动对象的位置信息出现在所述道路关联设施的位置范围信息内的重叠次数,然后基于该设定时间和重叠次数统计重叠频率。相应的,每个活动对象可对应重叠次数。
本申请实施例中,为了避免个别噪声等情况影响匹配的准确性,还可对各活动对象的重叠频率进行分析、过滤。例如,在重叠频率超过匹配门限的活动对象的个数超过个数阈值的情况下,可以在匹配结果中加入各活动对象的重叠频率。如果未超过个数阈值,则认为是某些活动对象是噪声,如个别人横穿马路等造成的噪声,可丢弃噪声数据,得到匹配结果。
本申请实施例中,检测的重叠是针对不应出现的重叠,比如行人走到花坛或机动车道,又如车辆行驶在花坛及行人道,因此是将活动对象与相斥的道路关联设施进行比较。可将所述活动对象的类型包括:机动类和非机动类,所述道路关联设施包括:机动关联类和非机动关联类。其中,机动关联类为与机动车正常行驶关联的道路关联设施,如机动车道及其交通标志、分隔设施,道路显示屏等,非机动关联类的道路关联设施,如非机动车道及其交通标志、分隔设施,人行道及其交通标志,人行天桥,人行地道,照明设备,公交停靠站等。
一个可选实施例中,所述将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行比较,包括:将机动类活动对象的位置信息与非机动关联类道路关联设施的位置范围信息进行比较,判断两者是否重叠;和/或,将非机动类活动对象的位置信息与机动关联类道路关联设施的位置范围信息进行比较,判断两者是否重叠。将机动类活动对象的位置信息与非机动关联类道路关联设施的位置范围信息进行比较,判断两者是否重叠,可检测车辆等机动类活动对象是否行驶在花坛、行人道等位置上,将非机动类活动对象的位置信息与机动关联类道路关联设施的位置范围信息进行比较,判断两者是否重叠,可检测行人、非机动车等非机动类活动对象是否在花坛或机动车道等移动。为了排除一些非正常因素的干扰,比如行人不走人行道而是随意横穿马路等,可基于一段时间内的第二道路视频数据来确定重叠次数、重叠频率、重叠时长等。并且可基于多个活动对象的重叠信息进行检测。
步骤210,在所述匹配结果满足偏移条件的情况下,生成偏移报警信息。
基于匹配结果可以确定是否满足偏移条件,在匹配结果满足偏移条件的情况下,生成偏移报警信息。其中,在所述匹配结果满足偏移条件的情况下,生成偏移报警信息,包括:判断重叠信息是否超过重叠阈值;如果重叠信息超过重叠阈值,确定满足偏移条件并生成偏移报警信息。可判断重叠信息是否超过重叠阈值,如判断重叠次数是否超过次数阈值,重叠频率是否超过频率阈值,重叠时长是否超过时长阈值等,如果重叠信息超过重叠阈值,确定满足偏移条件。在另外一些示例中,也可基于多个活动对象的重叠信息超过重叠阈值来确定满足偏移条件,然后可生成偏移报警信息。
其中,可将出现偏移的摄像头的摄像头标识等添加到偏移报警信息中,以便能够基于该偏移报警信息确定出现偏移的摄像头。还可基于重叠的活动对象的位置信息与所述道路关联设施的位置范围信息,分析偏移信息,所述偏移信息包括:偏移方向和/或偏移角度;将所述偏移信息添加到所述偏移报警信息中。可基于重叠的活动对象的位置信息与所述道路关联设施的位置范围信息,分析偏移信息,例如分析偏移的方向,即将基于重叠的活动对象的位置信息与所述道路关联设施的位置范围信息进行比较,包括与相关类型和相斥类型的道路关联设施进行比较,从而确定出活动对象所在的偏移位置,以及正常(非偏移情况下)位置,从而检测出偏移的方向以及偏移的角度等。
如图1所示的示例中,通过检测发现,摄像头正常的拍摄范围为点划线对应的范围,而本次实际拍摄范围为虚点线对应的范围,从而检测到车辆和行人均发生了偏移,车辆在机动车与人行道的交界处移动,行人在机动车到上移动,且较近的距离上存在人行横道。相应还可基于偏移的车辆和行人分析出摄像头向左(图上)偏移等。可以生成偏移报警信息。
步骤212,发送所述偏移报警信息,以调整所述摄像机的拍摄角度。
可发送所述偏移报警信息,如给摄像头的管理部门的设备、服务端设备等发送偏移报警信息,以便能够及时调整所述摄像机的拍摄角度。
综上,可预先基于摄像机采集的第一道路视频数据,确定道路关联设施的位置范围信息,然后获取摄像机采集的第二道路视频数据,基于第二道路视频数据,检测活动对象的位置信息,然后将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定匹配结果,从而将道路的活动对象与静态道路设施进行比较,分析互动对象是否出现在不应出现的静态道路设施位置处,从而在匹配结果满足偏移条件的情况下,生成偏移报警信息,发送所述偏移报警信息,以调整所述摄像机的拍摄角度,能够及时发现偏移并报警,还能保证基于摄像头画面的匹配结果的准确性。
本申请实施例中,摄像机的控制端可执行以下处理步骤:定期指示摄像头调整拍摄角度;接收偏移报警信息;依据所述偏移报警信息调整拍摄角度。
摄像机工作的过程中,摄像机的控制端如中央控制端、摄像机本身的控制器等,可定期指示摄像头调整拍摄角度。如果摄像机的拍摄角度因为各种原因发生偏移,在检测端可通过上述方式进行检测,然后发送偏移报警信息。控制端接收偏移报警信息。基于该偏移报警信息可调整拍摄角度,如基于偏移报警信息确定摄像机位置发生偏移,可以自动检测偏移角度并调整,或者可基于拍摄的图像等来确定偏移角度并调整,还可从偏移报警信息中获取偏移信息,如偏移方向、偏移角度等,进而调整摄像机的拍摄角度。
在上述实施例的基础上,本申请实施例还提供了一种摄像机的位置偏移检测方法,可预先分析道路关联设施的位置范围信息。
参照图3,示出了本申请的另一种摄像机的位置偏移检测方法预处理实施例的步骤流程图。
步骤302,通过摄像头采集成像条件符合检测要求的第一道路视频数据。
步骤304,从所述第一道路视频数据中获取各帧道路图像。
步骤306,对所述各帧道路图像分别进行语义分割,确定分割结果。
可以将第一道路视频数据输入到语义分割模型中进行处理,从而基于各帧道路图像分别进行语义分割,输出相应的分割结果。
步骤308,依据所述分割结果确定道路关联设施的位置范围信息。
在预处理过程中可以对一些静态的道路关联设施进行检测,因此可选取成像条件较好的情况下采集的道路视频数据进行分析,基于深度学习语义分割确定道路关联设施,如道路和道路设施;所述道路包括机动车道、非机动车道、人行道;所述道路设施包括以下至少一种:交通标志、标线、人行天桥、人行地道、分隔设施、道路显示屏、照明设备、公交停靠站;分隔设施包括以下至少一种:护栏、护柱、绿化带、花坛。
本申请实施例能够预先在成像条件较好的情况下检测出道路关联设施等静态对象,便于后续作为基准进行匹配。相比于现有保存多张场景图进行图像匹配的方式,检测方法更加简单,效率高。并且不需要定制云台等其他硬件,无额外硬件成本。
在上述实施例的基础上,本申请实施例还提供了一种摄像机的位置偏移检测方法,能够及时检测出摄像机位置偏移。
参照图4,示出了本申请的另一种摄像机的位置偏移检测方法预处理实施例的步骤流程图。
步骤402,获取摄像机采集的第二道路视频数据。
步骤404,基于第二道路视频数据中各帧道路图像进行目标识别,确定至少一个目标对象。
步骤406,在所述基于第二道路视频数据中对所述至少一个目标对象进行追踪,确定至少一个活动对象。
步骤408,确定所述至少一个活动对象的位置信息。
步骤410,将机动类活动对象的位置信息与非机动关联类道路关联设施的位置范围信息进行比较,判断两者是否重叠。
若重叠,则执行步骤414,若未重叠,继续检测执行步骤410。
步骤412,将非机动类活动对象的位置信息与机动关联类道路关联设施的位置范围信息进行比较,判断两者是否重叠。
若重叠,则执行步骤414,若未重叠,继续检测执行步骤412。
步骤414,统计所述活动对象的位置信息出现在所述道路关联设施的位置范围信息内的重叠信息。
步骤416,依据重叠信息生成匹配结果。
步骤418,判断重叠信息是否超过重叠阈值。
若是,执行步骤420,若否,结束该流程。
其中,如果重叠信息超过重叠阈值,确定满足偏移条件并生成偏移报警信息。
步骤420,基于重叠的活动对象的位置信息与所述道路关联设施的位置范围信息,分析偏移信息,所述偏移信息包括:偏移方向和/或偏移角度。
步骤422,将所述偏移信息添加到所述偏移报警信息中,生成偏移报警信息。
本申请实施例可基于道路进行分割,并执行人、车检测,可实现交通场景下全天时全天候的摄像机如球机等预置位偏移检测,操作简单,不需要各个场景下的匹配图片,成本低不需要更改、增加硬件。
本申请实施例预先检测到静态的道路关联设施的位置,从而后续可进行全天时全天候的检测,在光照发生大的改变或严重遮挡依然适用。
上述各实施例以道路摄像头为例,实际处理中还可应用于其他通过摄像头进行拍摄的场景中。
参照图5,示出了本申请的另一种摄像机的位置偏移检测方法预处理实施例的步骤流程图。
步骤502,获取静态设施的位置范围信息,所述静态设施的位置范围信息基于摄像机采集的第一视频数据确定。
所述预先基于摄像机采集的第一视频数据,确定静态设施的位置范围信息,包括:从所述第一视频数据中获取各帧视频图像;对所述各帧视频图像分别进行语义分割,确定分割结果;依据所述分割结果确定静态设施位置范围信息。
其中,静态设施可基于摄像机拍摄的场景确定,如室内场景中,静态设施可为墙壁、储物设备等设施。
步骤504,获取摄像机采集的第二视频数据。
步骤506,基于所述第二视频数据,检测活动对象的位置信息。
所述基于所述第二视频数据,检测活动对象的位置信息,包括:基于第二视频数据中各帧视频图像进行目标识别,确定至少一个目标对象;在所述基于第二视频数据中对所述至少一个目标对象进行追踪,确定至少一个活动对象;确定所述至少一个活动对象的位置信息。
步骤508,将所述活动对象的位置信息与所述静态设施的位置范围信息进行匹配,确定匹配结果。
所述将所述活动对象的位置信息与所述静态设施的位置范围信息进行匹配,确定匹配结果,包括:将所述活动对象的位置信息与所述静态设施的位置范围信息进行比较;统计所述活动对象的位置信息出现在所述静态设施的位置范围信息内的重叠信息;依据重叠信息生成匹配结果。
步骤510,在所述匹配结果满足偏移条件的情况下,生成偏移报警信息。
在所述匹配结果满足偏移条件的情况下,生成偏移报警信息,包括:判断重叠信息是否超过重叠阈值;如果重叠信息超过重叠阈值,确定满足偏移条件并生成偏移报警信息。
基于重叠的活动对象的位置信息与所述静态设施的位置范围信息,分析偏移信息,所述偏移信息包括:偏移方向和/或偏移角度;将所述偏移信息添加到所述偏移报警信息中。
步骤512,发送所述偏移报警信息,以调整所述摄像机的拍摄角度。
本申请实施例可基于具体场景进行静态设施的分割,并执行活动对象检测,可实现全天时全天候的摄像机如球机等预置位偏移检测,操作简单,不需要各个场景下的匹配图片,成本低不需要更改、增加硬件。
本申请各实施例中,如果涉及到用户信息,均在得到用户的授权允许后进行采集、使用及存储,各类基于用户信息的操作也在得到用户授权允许后执行。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
在上述实施例的基础上,本实施例还提供了一种摄像机的位置偏移检测装置,应用于电子设备中,如服务端的电子设备等。
设施确定模块,用于获取道路关联设施的位置范围信息,所述道路关联设施的位置范围信息预先基于摄像机采集的第一道路视频数据确定;
位置检测模块,用于获取摄像机采集的第二道路视频数据;基于所述第二道路视频数据,检测活动对象的位置信息;
偏移检测模块,用于将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定匹配结果;
报警模块,用于在所述匹配结果满足偏移条件的情况下,生成偏移报警信息;发送所述偏移报警信息,以调整所述摄像机的拍摄角度。
综上,可预先基于摄像机采集的第一道路视频数据,确定道路关联设施的位置范围信息,然后获取摄像机采集的第二道路视频数据,基于第二道路视频数据,检测活动对象的位置信息,然后将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定匹配结果,从而将道路的活动对象与静态道路设施进行比较,分析互动对象是否出现在不应出现的静态道路设施位置处,从而在匹配结果满足偏移条件的情况下,生成偏移报警信息,发送所述偏移报警信息,以调整所述摄像机的拍摄角度,能够及时发现偏移并报警,还能保证基于摄像头画面的匹配结果的准确性。
所述位置检测模块,用于基于第二道路视频数据中各帧道路图像进行目标识别,确定至少一个目标对象;在所述基于第二道路视频数据中对所述至少一个目标对象进行追踪,确定至少一个活动对象;确定所述至少一个活动对象的位置信息。
所述偏移检测模块,用于将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行比较;统计所述活动对象的位置信息出现在所述道路关联设施的位置范围信息内的重叠信息;依据重叠信息生成匹配结果。
其中,所述活动对象的类型包括:机动类和非机动类,所述道路关联设施包括:机动关联类和非机动关联类;所述偏移检测模块,用于将机动类活动对象的位置信息与非机动关联类道路关联设施的位置范围信息进行比较,判断两者是否重叠;和/或,将非机动类活动对象的位置信息与机动关联类道路关联设施的位置范围信息进行比较,判断两者是否重叠。
所述报警模块,用于判断重叠信息是否超过重叠阈值;如果重叠信息超过重叠阈值,确定满足偏移条件并生成偏移报警信息。
所述报警模块,还用于基于重叠的活动对象的位置信息与所述道路关联设施的位置范围信息,分析偏移信息,所述偏移信息包括:偏移方向和/或偏移角度;
将所述偏移信息添加到所述偏移报警信息中。
所述设施确定模块,用于从所述第一道路视频数据中获取各帧道路图像;对所述各帧道路图像分别进行语义分割,确定分割结果;依据所述分割结果确定道路关联设施的位置范围信息。
所述道路关联设施包括:道路和道路设施;所述道路包括机动车道、非机动车道、人行道;所述道路设施包括以下至少一种:交通标志、标线、人行天桥、人行地道、分隔设施、道路显示屏、照明设备、公交停靠站;分隔设施包括以下至少一种:护栏、护柱、绿化带、花坛。
本申请实施例可基于道路进行分割,并执行人、车检测,可实现交通场景下全天时全天候的摄像机如球机等预置位偏移检测,操作简单,不需要各个场景下的匹配图片,成本低不需要更改、增加硬件。
本申请实施例预先检测到静态的道路关联设施的位置,从而后续可进行全天时全天候的检测,在光照发生大的改变或严重遮挡依然适用。
在上述实施例的基础上,本实施例还提供了另一种摄像机的位置偏移检测装置,应用于电子设备中,如服务端的电子设备等。
预处理模块,用于获取静态设施的位置范围信息,所述静态设施的位置范围信息基于摄像机采集的第一视频数据确定;
活动检测模块,用于获取摄像机采集的第二视频数据;基于所述第二视频数据,检测活动对象的位置信息;
偏移分析模块,用于将所述活动对象的位置信息与所述静态设施的位置范围信息进行匹配,确定匹配结果;
偏移报警模块,用于在所述匹配结果满足偏移条件的情况下,生成偏移报警信息;发送所述偏移报警信息,以调整所述摄像机的拍摄角度。
本申请各实施例中,如果涉及到用户信息,均在得到用户的授权允许后进行采集、使用及存储,各类基于用户信息的操作也在得到用户授权允许后执行。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例中各方法步骤的指令(instructions)。
本申请实施例提供了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得电子设备执行如上述实施例中一个或多个所述的方法。本申请实施例中,所述电子设备包括服务器、终端设备等设备。
本公开的实施例可被实现为使用任意适当的硬件,固件,软件,或及其任意组合进行想要的配置的装置,该装置可包括服务器(集群)、终端等电子设备。图6示意性地示出了可被用于实现本申请中所述的各个实施例的示例性装置600。
对于一个实施例,图6示出了示例性装置600,该装置具有一个或多个处理器602、被耦合到(一个或多个)处理器602中的至少一个的控制模块(芯片组)604、被耦合到控制模块604的存储器606、被耦合到控制模块604的非易失性存储器(NVM)/存储设备608、被耦合到控制模块604的一个或多个输入/输出设备610,以及被耦合到控制模块604的网络接口612。
处理器602可包括一个或多个单核或多核处理器,处理器602可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。在一些实施例中,装置600能够作为本申请实施例中所述服务端、终端等设备。
在一些实施例中,装置600可包括具有指令614的一个或多个计算机可读介质(例如,存储器606或NVM/存储设备608)以及与该一个或多个计算机可读介质相合并被配置为执行指令614以实现模块从而执行本公开中所述的动作的一个或多个处理器602。
对于一个实施例,控制模块604可包括任意适当的接口控制器,以向(一个或多个)处理器602中的至少一个和/或与控制模块604通信的任意适当的设备或组件提供任意适当的接口。
控制模块604可包括存储器控制器模块,以向存储器606提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器606可被用于例如为装置600加载和存储数据和/或指令614。对于一个实施例,存储器606可包括任意适当的易失性存储器,例如,适当的DRAM。在一些实施例中,存储器606可包括双倍数据速率类型四同步动态随机存取存储器(DDR4SDRAM)。
对于一个实施例,控制模块604可包括一个或多个输入/输出控制器,以向NVM/存储设备608及(一个或多个)输入/输出设备610提供接口。
例如,NVM/存储设备608可被用于存储数据和/或指令614。NVM/存储设备608可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(一个或多个)非易失性存储设备(例如,一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备608可包括作为装置600被安装在其上的设备的一部分的存储资源,或者其可被该设备访问可不必作为该设备的一部分。例如,NVM/存储设备608可通过网络经由(一个或多个)输入/输出设备610进行访问。
(一个或多个)输入/输出设备610可为装置600提供接口以与任意其他适当的设备通信,输入/输出设备610可以包括通信组件、音频组件、传感器组件等。网络接口612可为装置600提供接口以通过一个或多个网络通信,装置600可根据一个或多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的一个或多个组件进行无线通信,例如接入基于通信标准的无线网络,如WiFi、2G、3G、4G、5G等,或它们的组合进行无线通信。
对于一个实施例,(一个或多个)处理器602中的至少一个可与控制模块604的一个或多个控制器(例如,存储器控制器模块)的逻辑封装在一起。对于一个实施例,(一个或多个)处理器602中的至少一个可与控制模块604的一个或多个控制器的逻辑封装在一起以形成***级封装(SiP)。对于一个实施例,(一个或多个)处理器602中的至少一个可与控制模块604的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例,(一个或多个)处理器602中的至少一个可与控制模块604的一个或多个控制器的逻辑集成在同一模具上以形成片上***(SoC)。
在各个实施例中,装置600可以但不限于是:服务器、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中,装置600可具有更多或更少的组件和/或不同的架构。例如,在一些实施例中,装置600包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
其中,检测装置中可采用主控芯片作为处理器或控制模块,传感器数据、位置信息等存储到存储器或NVM/存储设备中,传感器组可作为输入/输出设备,通信接口可包括网络接口。
本申请实施例还提供了一种电子设备,包括:处理器;和存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如本申请实施例中一个或多个所述的方法。本申请实施例中存储器中可存储各种数据,如目标文件、文件与应用关联数据等各种数据,还可包括用户行为数据等,从而为各种处理提供数据基础。
本申请实施例还提供了一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被执行时,使得处理器执行如本申请实施例中一个或多个所述的方法。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本申请实施例是参照根据本申请实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种摄像机的位置偏移检测方法及装置、一种电子设备和一种存储介质,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (14)
1.一种摄像机的位置偏移检测方法,其特征在于,所述方法包括:
获取道路关联设施的位置范围信息,所述道路关联设施的位置范围信息预先基于摄像机采集的第一道路视频数据确定;
获取摄像机采集的第二道路视频数据;
基于所述第二道路视频数据,检测活动对象的位置信息;
将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定匹配结果;
在所述匹配结果满足偏移条件的情况下,生成偏移报警信息;
发送所述偏移报警信息,以调整所述摄像机的拍摄角度。
2.根据权利要求1所述的方法,其特征在于,所述基于所述第二道路视频数据,检测活动对象的位置信息,包括:
基于第二道路视频数据中各帧道路图像进行目标识别,确定至少一个目标对象;
在所述基于第二道路视频数据中对所述至少一个目标对象进行追踪,确定至少一个活动对象;
确定所述至少一个活动对象的位置信息。
3.根据权利要求1所述的方法,其特征在于,所述将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定匹配结果,包括:
将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行比较;
统计所述活动对象的位置信息出现在所述道路关联设施的位置范围信息内的重叠信息;
依据重叠信息生成匹配结果。
4.根据权利要求3所述的方法,其特征在于,所述活动对象的类型包括:机动类和非机动类,所述道路关联设施包括:机动关联类和非机动关联类;
所述将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行比较,包括:
将机动类活动对象的位置信息与非机动关联类道路关联设施的位置范围信息进行比较,判断两者是否重叠;和/或,
将非机动类活动对象的位置信息与机动关联类道路关联设施的位置范围信息进行比较,判断两者是否重叠。
5.根据权利要求3或4所述的方法,其特征在于,所述统计所述活动对象的位置信息出现在所述道路关联设施的位置范围信息内的重叠信息,包括:
统计在设定时间内,所述活动对象的位置信息出现在所述道路关联设施的位置范围信息内的重叠次数;
依据所述设定时间和重叠次数统计重叠频率。
6.根据权利要求5所述的方法,其特征在于,在所述匹配结果满足偏移条件的情况下,生成偏移报警信息,包括:
判断重叠信息是否超过重叠阈值;
如果重叠信息超过重叠阈值,确定满足偏移条件并生成偏移报警信息。
7.根据权利要求6所述的方法,其特征在于,还包括:
基于重叠的活动对象的位置信息与所述道路关联设施的位置范围信息,分析偏移信息,所述偏移信息包括:偏移方向和/或偏移角度;
将所述偏移信息添加到所述偏移报警信息中。
8.根据权利要求1所述的方法,其特征在于,所述还包括:预先基于摄像机采集的第一道路视频数据,确定道路关联设施的位置范围信息的步骤:
从所述第一道路视频数据中获取各帧道路图像;
对所述各帧道路图像分别进行语义分割,确定分割结果;
依据所述分割结果确定道路关联设施的位置范围信息。
9.根据权利要求1所述的方法,其特征在于,还包括:所述预先基于摄像机采集的第一道路视频数据,确定道路关联设施的位置范围信息的步骤:
将第一道路视频数据输入到语义分割模型中进行语义分割,输出分割结果;
依据所述分割结果确定道路关联设施的位置范围信息。
10.根据权利要求1-4任一所述的方法,其特征在于,所述道路关联设施包括:道路和道路设施;所述道路包括机动车道、非机动车道、人行道;所述道路设施包括以下至少一种:交通标志、标线、人行天桥、人行地道、分隔设施、道路显示屏、照明设备、公交停靠站;分隔设施包括以下至少一种:护栏、护柱、绿化带、花坛。
11.一种摄像机的位置偏移检测方法,其特征在于,所述方法包括:
获取静态设施的位置范围信息,所述静态设施的位置范围信息基于摄像机采集的第一视频数据确定;
获取摄像机采集的第二视频数据;
基于所述第二视频数据,检测活动对象的位置信息;
将所述活动对象的位置信息与所述静态设施的位置范围信息进行匹配,确定匹配结果;
在所述匹配结果满足偏移条件的情况下,生成偏移报警信息;
发送所述偏移报警信息,以调整所述摄像机的拍摄角度。
12.一种摄像机的位置偏移检测装置,其特征在于,所述装置包括:
设施确定模块,用于获取道路关联设施的位置范围信息,所述道路关联设施的位置范围信息预先基于摄像机采集的第一道路视频数据确定;
位置检测模块,用于获取摄像机采集的第二道路视频数据;基于所述第二道路视频数据,检测活动对象的位置信息;
偏移检测模块,用于将所述活动对象的位置信息与所述道路关联设施的位置范围信息进行匹配,确定匹配结果;
报警模块,用于在所述匹配结果满足偏移条件的情况下,生成偏移报警信息;发送所述偏移报警信息,以调整所述摄像机的拍摄角度。
13.一种电子设备,包括:处理器;
和存储器,其上存储有可执行代码,当所述可执行代码被处理器执行时,执行如权利要求1-11中任一项所述的方法。
14.一个或多个机器可读介质,其上存储有可执行代码,当所述可执行代码被处理器执行时,执行如权利要求1-11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210629761.8A CN115174889A (zh) | 2022-06-06 | 2022-06-06 | 摄像机的位置偏移检测方法、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210629761.8A CN115174889A (zh) | 2022-06-06 | 2022-06-06 | 摄像机的位置偏移检测方法、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115174889A true CN115174889A (zh) | 2022-10-11 |
Family
ID=83485101
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210629761.8A Pending CN115174889A (zh) | 2022-06-06 | 2022-06-06 | 摄像机的位置偏移检测方法、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115174889A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116392369A (zh) * | 2023-06-08 | 2023-07-07 | 中国电建集团昆明勘测设计研究院有限公司 | 一种基于盲道的识别感应方法、装置、设备及存储介质 |
-
2022
- 2022-06-06 CN CN202210629761.8A patent/CN115174889A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116392369A (zh) * | 2023-06-08 | 2023-07-07 | 中国电建集团昆明勘测设计研究院有限公司 | 一种基于盲道的识别感应方法、装置、设备及存储介质 |
CN116392369B (zh) * | 2023-06-08 | 2023-09-08 | 中国电建集团昆明勘测设计研究院有限公司 | 一种基于盲道的识别感应方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018223955A1 (zh) | 目标监控方法、目标监控装置、摄像机及计算机可读介质 | |
KR102385280B1 (ko) | 차량의 주변 구역을 상황에 맞추어 포착하기 위한 카메라 시스템 및 방법 | |
CN111932901B (zh) | 道路车辆跟踪检测设备、方法及存储介质 | |
KR20180046798A (ko) | 실시간 교통 정보 제공 방법 및 장치 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN105493502A (zh) | 视频监控方法、视频监控***以及计算机程序产品 | |
WO2013186662A1 (en) | Multi-cue object detection and analysis | |
US10922826B1 (en) | Digital twin monitoring systems and methods | |
EP2709066A1 (en) | Concept for detecting a motion of a moving object | |
KR102122850B1 (ko) | 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션 | |
CN102426785A (zh) | 基于轮廓和局部特征点的交通流信息感知方法及*** | |
US20200143177A1 (en) | Systems and methods of detecting moving obstacles | |
US11482007B2 (en) | Event-based vehicle pose estimation using monochromatic imaging | |
CN113066306B (zh) | 一种路侧停车的管理方法及装置 | |
Nguyen et al. | Real-time validation of vision-based over-height vehicle detection system | |
CN110225236B (zh) | 为视频监控***配置参数的方法、装置和视频监控*** | |
CN113111682A (zh) | 目标对象感知方法和装置、感知基站、感知*** | |
Chen et al. | Vision-based road bump detection using a front-mounted car camcorder | |
CN115174889A (zh) | 摄像机的位置偏移检测方法、电子设备和存储介质 | |
WO2018209470A1 (zh) | 一种车牌辨识方法和*** | |
CN113112813B (zh) | 违章停车检测方法及装置 | |
Dinh et al. | Development of a tracking-based system for automated traffic data collection for roundabouts | |
KR101263894B1 (ko) | 수배차량의 추적장치 및 그 방법 | |
US11288519B2 (en) | Object counting and classification for image processing | |
KR20180068462A (ko) | 신호등 제어 시스템 및 방법 |
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 |