CN118134880A - 一种异物检测方法、装置、设备及介质 - Google Patents
一种异物检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN118134880A CN118134880A CN202410289734.XA CN202410289734A CN118134880A CN 118134880 A CN118134880 A CN 118134880A CN 202410289734 A CN202410289734 A CN 202410289734A CN 118134880 A CN118134880 A CN 118134880A
- Authority
- CN
- China
- Prior art keywords
- video frame
- target
- foreign matter
- foreign object
- matched
- 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 138
- 230000011218 segmentation Effects 0.000 claims abstract description 75
- 238000000034 method Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 28
- 230000000007 visual effect Effects 0.000 claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012790 confirmation Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种异物检测方法、装置、设备及介质。该方法包括:每当到达检测时间点时,获取目标区域内在所述检测时间点采集的目标视频帧、目标区域匹配的历史视频帧以及与所述目标区域匹配的异物类别集;将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组;将所述目标视频帧通过视觉基础模型FastSAM进行处理,得到与所述目标视频帧匹配的至少一个实例分割结果;基于各边界坐标组、各实例分割结果以及异物类别集获取与所述目标视频帧匹配的异物检测结果。通过本发明的技术方案,能够实现针对目标视频帧的异物检测,提高了异物检测工作的检测精确度,降低了异物检测工作的误检率。
Description
技术领域
本发明涉及图像分析领域,尤其涉及一种异物检测方法、装置、设备及介质。
背景技术
在铁路运输领域,异物入侵是一种常见的安全隐患。例如,铁轨上的异物可能会导致列车脱轨、晚点等问题,从而影响铁路运输的安全和效率。因此,及时发现和清除铁轨上的异物对于保障铁路运输的安全和顺畅至关重要。
目前,常用的铁路异物检测方法主要包括人工检测和基于传感器的检测方法。其中,人工检测需要大量的人力和时间,且容易出现误检和漏检的情况。基于传感器的检测方法虽然可以实现自动化检测,但其检测精度和可靠性受到传感器性能和环境因素的影响。
近年来,随着计算机视觉技术的不断发展,基于图像处理和机器学习的异物检测方法逐渐成为研究热点。这些方法通过对铁路图像进行分析和处理,提取异物的特征信息,并利用机器学习算法进行分类和识别,从而实现对铁路异物的自动检测。然而,现有的基于计算机视觉的铁路异物检测方法仍然存在一些问题。其中一个主要问题是在训练相关模型时获取训练样本困难。由于铁路异物的种类繁多,形态各异,且出现的位置和数量不确定,因此获取大量的标注数据进行训练非常困难,从而导致模型训练难度较大,进而导致使用上述模型进行异物检测工作时造成的准确性较差。
综上,现有技术在进行异物检测的工作时,存在检测精度较低,且获得的异物检测结果的准确性较低的问题。
发明内容
本发明提供了一种异物检测方法、装置、设备及介质,可以解决现有技术在进行异物检测的工作时检测精度较低,且获得的异物检测结果的准确性较低的问题。
第一方面,本发明实施例提供了一种异物检测方法,该方法包括:
每当到达检测时间点时,获取目标区域内在所述检测时间点采集的目标视频帧、所述目标区域匹配的历史视频帧以及与所述目标区域匹配的异物类别集;
将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组;
将所述目标视频帧通过视觉基础模型FastSAM进行处理,得到与所述目标视频帧匹配的至少一个实例分割结果;其中,所述实例分割结果中包括:实例位置编码以及实例类别;
基于各边界坐标组、各实例分割结果以及异物类别集获取与所述目标视频帧匹配的异物检测结果。
第二方面,本发明实施例提供了一种异物检测装置,该装置包括:
信息获取模块,用于每当到达检测时间点时,获取目标区域内在所述检测时间点采集的目标视频帧、所述目标区域匹配的历史视频帧以及与所述目标区域匹配的异物类别集;
背景差分模块,用于将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组;
实例分割模块,用于将所述目标视频帧通过视觉基础模型FastSAM进行处理,得到与所述目标视频帧匹配的至少一个实例分割结果;其中,所述实例分割结果中包括:实例位置编码以及实例类别;
检测结果获取模块,用于基于各边界坐标组、各实例分割结果以及异物类别集获取与所述目标视频帧匹配的异物检测结果。
第三方面,本发明实施例提供了一种电子设备,所述电子设备包括:
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计算机程序,所述计算机程序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本发明任一实施例所述的一种异物检测方法。
第四方面,本发明实施例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存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的一种异物检测方法。
本发明实施例的技术方案,通过每当到达检测时间点时,获取目标区域内在所述检测时间点采集的目标视频帧、所述目标区域匹配的历史视频帧以及与所述目标区域匹配的异物类别集,之后将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组,之后将所述目标视频帧通过视觉基础模型FastSAM进行处理,得到与所述目标视频帧匹配的至少一个实例分割结果,最后基于各边界坐标组、各实例分割结果以及异物类别集获取与所述目标视频帧匹配的异物检测结果,解决了现有技术在进行异物检测的工作时检测精度较低,且获得的异物检测结果的准确性较低的问题,实现了针对目标视频帧的异物检测,提高了异物检测工作的检测精确度,降低了异物检测工作的误检率。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种异物检测方法的流程图;
图2是根据本发明实施例二提供的一种异物检测方法的流程图;
图3是根据本发明实施例三提供的一种异物检测装置的结构示意图;
图4是实现本发明实施例的一种异物检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1为本发明实施例一提供的一种异物检测方法的流程图,本实施例可适用于对目标视频帧进行异物检测的情况,该方法可以由一种异物检测装置来执行,该异物检测装置可以采用硬件和/或软件的形式实现,该异物检测装置可配置于具有异物检测功能的终端或服务器中。
如图1所示,该方法包括:
S110、每当到达检测时间点时,获取目标区域内在所述检测时间点采集的目标视频帧、所述目标区域匹配的历史视频帧以及与所述目标区域匹配的异物类别集。
其中,所述检测时间点可以为人工预先设置与调整的时间点,需要注意的是,所述检测时间点可以以天为周期进行设置,如每天的上午十点整,也可以以小时为周期进行设置,如每小时的半点,本实施例对具体的检测时间点的设置规则不做限制。
在本实施例的一个具体实施方式中,所述目标区域可以为设置有摄像头等图像采集设备的铁路场景,如铁路轨道以及铁路站台等;进一步的,所述历史视频帧为通过人工预先采集的所述目标区域的历史图片样本;容易理解的是,所述历史视频帧的采集时间应在目标视频帧的采集时间之前。
进一步的,所述异物类别集可以为通过人工预先设置的与目标区域匹配的异物类别的合集;示例性的,所述异物类别可以包括但不限于:行人、落石塌方、泥石流、彩钢板、大型动物等;需要注意的是,所述异物类别集中具体包括的异物类别具体由目标区域的性质与实际情况决定,本实施例对此不作限制。
S120、将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组。
其中,所述背景差分法是一种用于图像或视频中目标检测的技术,它的基本思想是通过比较当前图像或视频帧与背景图像或视频帧之间的差异来检测目标。具体来说,背景差分法首先需要获取一个历史视频帧,然后,对于目标视频帧,将其与历史视频帧进行比较,计算它们之间的差异;进一步的,所述计算得到的差异的位置信息即为本实施例所述的边界坐标组。
在本实施例的一个具体实施场景中,将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组。具体而言,首先对目标视频帧和历史视频帧进行逐像素比较,计算出两帧之间的像素差异值;然后,根据差异值的大小和分布情况,确定出目标视频帧中存在的与历史视频帧存在差异的物体或区域,并提取出这些物体或区域的边界坐标;最后,输出所述边界坐标作为与所述目标视频帧匹配的边界坐标组。
S130、将所述目标视频帧通过视觉基础模型FastSAM进行处理,得到与所述目标视频帧匹配的至少一个实例分割结果。
其中,所述实例分割结果中包括:实例位置编码以及实例类别;进一步的,所述实例位置编码为用于描述实例在目标视频帧上的具***置的编码,所述实例类别为目标视频帧中存在的各实例的类别信息。
进一步的,所述视觉基础模型FastSAM为具有全实例分割功能的视觉处理模型;具体的,所述全实例分割功能是按照位置差异将图像或视频中的每个物体都分割成一个含有位置信息的独立实例,并且为每个实例分配一个唯一的标识符,即本实施例中所述的实例位置编码与实例类别。
S140、基于各边界坐标组、各实例分割结果以及异物类别集获取与所述目标视频帧匹配的异物检测结果。
通过本实施例所述方法,使用背景差分法与视觉基础模型FastSAM相结合处理目标视频帧与历史视频帧,在进行异物检测的情况下不需要进行模型的训练,进而解决了现有技术中由于铁路异物的种类繁多,形态各异,且出现的位置和数量不确定,因此获取大量的标注数据进行训练非常困难,从而导致模型训练难度较大,进而导致使用上述模型进行异物检测工作时造成的准确性较差的问题。
本发明实施例的技术方案,通过每当到达检测时间点时,获取目标区域内在所述检测时间点采集的目标视频帧、所述目标区域匹配的历史视频帧以及与所述目标区域匹配的异物类别集,之后将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组,之后将所述目标视频帧通过视觉基础模型FastSAM进行处理,得到与所述目标视频帧匹配的至少一个实例分割结果,最后基于各边界坐标组、各实例分割结果以及异物类别集获取与所述目标视频帧匹配的异物检测结果,实现了针对目标视频帧的异物检测,提高了异物检测工作的检测精确度,降低了异物检测工作的误检率。
实施例二
图2为本发明实施例二提供的一种异物检测方法的流程图,本实施例以上述实施例为基础进行细化,在本实施例中具体是对基于各边界坐标组、各实例分割结果以及异物类别集获取与所述目标视频帧匹配的异物检测结果的方法进行细化。
如图2所示,该方法包括:
S210、每当到达检测时间点时,获取目标区域内在所述检测时间点采集的目标视频帧、所述目标区域匹配的历史视频帧以及与所述目标区域匹配的异物类别集。
S220、将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组。
S230、将所述目标视频帧通过视觉基础模型FastSAM进行处理,得到与所述目标视频帧匹配的至少一个实例分割结果。
其中,所述实例分割结果中包括:实例位置编码以及实例类别。
S240、将各边界坐标组分别输入至提示编码器中,获得与各边界坐标组匹配的各边界信息编码。
具体的,在本实施例中,将边界坐标组中的每个坐标值作为输入,经过提示编码器的处理,输出与该边界坐标组匹配的边界信息编码。边界信息编码可以是一个二进制编码,用于表示边界的位置、形状、大小等信息。
S250、判断在各实例分割结果中,是否存在实例位置编码与任一边界信息编码相同的目标分割结果。
在本实施例中,对于每个实例分割结果,需要将其实例位置编码与所有边界信息编码进行比较,看是否存在相同的编码。如果存在相同的编码,则说明该实例分割结果与某个边界信息编码匹配成功,即该实例分割结果为目标分割结果。
S260、当判断在各实例分割结果中存在实例位置编码与任一边界信息编码相同的目标分割结果后,基于各目标分割结果与异物类别集得到与所述目标视频帧匹配的异物检测结果。
具体的,基于各目标分割结果与异物类别集得到与所述目标视频帧匹配的异物检测结果,包括:判断在各目标分割结果中,是否存在实例类别与异物类别集中任一异物类别相同的目标异物;若存在,则判定所述异物检测结果为存在异物并对所述目标异物进行可视化显示;若不存在,则判定所述异物检测结果为不存在异物并生成提示信息以提示相关人员。
进一步的,对所述目标异物进行可视化显示,包括:对所述目标异物的实例位置编码进行解码操作,得到与所述目标异物匹配的异物边界坐标组;基于所述目标异物的异物边界坐标组、实例类别以及所述目标视频帧,对所述目标异物进行可视化显示。
具体的,将实例位置编码作为输入,经过解码算法的处理,输出与目标异物对应的异物边界坐标组。异物边界坐标组包含了目标异物在视频帧中的边界坐标信息,用于确定目标异物的位置和形状;进一步的,基于所述目标异物的异物边界坐标组、实例类别以及所述目标视频帧,对所述目标异物进行可视化显示。具体而言,根据异物边界坐标组和实例类别,在目标视频帧中绘制出目标异物的边界框,并在边界框内显示目标异物的类别信息。通过可视化显示,可以直观地展示目标异物的位置、形状和类别,帮助相关人员更好地理解和处理异物检测结果。
可选的,当判断在各实例分割结果中不存在实例位置编码与任一边界信息编码相同的目标分割结果后,生成错误提示信息以提示相关人员。
容易理解的是,由于实例分割结果来源于目标视频帧,用于标志目标视频帧中的全部实例,而边界信息编码也应来源于同一张目标视频帧,用于标注在目标视频帧中与历史视频帧存在差异性的各实例,故在目标视频帧相同的条件下一定会存在目标分割结果;若不存在目标分割结果,则说明在实际的图像处理中可能出现了图像失真,图像上传或解码错误等问题,此时,生成错误提示信息以提示相关人员进行目标视频帧的检测处理。
本发明实施例的技术方案,通过每当到达检测时间点时,获取目标区域内在所述检测时间点采集的目标视频帧、所述目标区域匹配的历史视频帧以及与所述目标区域匹配的异物类别集,之后将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组,之后将所述目标视频帧通过视觉基础模型FastSAM进行处理,得到与所述目标视频帧匹配的至少一个实例分割结果,之后将各边界坐标组分别输入至提示编码器中,获得与各边界坐标组匹配的各边界信息编码,并判断在各实例分割结果中,是否存在实例位置编码与任一边界信息编码相同的目标分割结果,最后在判断确认存在目标分割结果后,基于各目标分割结果与异物类别集得到与所述目标视频帧匹配的异物检测结果,实现了针对目标视频帧的异物检测,提高了异物检测工作的检测精确度,降低了异物检测工作的误检率。
实施例三
图3为本发明实施例三提供的一种异物检测装置的结构示意图。
如图3所示,该装置包括:
信息获取模块310,用于每当到达检测时间点时,获取目标区域内在所述检测时间点采集的目标视频帧、所述目标区域匹配的历史视频帧以及与所述目标区域匹配的异物类别集;
背景差分模块320,用于将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组;
实例分割模块330,用于将所述目标视频帧通过视觉基础模型FastSAM进行处理,得到与所述目标视频帧匹配的至少一个实例分割结果;其中,所述实例分割结果中包括:实例位置编码以及实例类别;
检测结果获取模块340,用于基于各边界坐标组、各实例分割结果以及异物类别集获取与所述目标视频帧匹配的异物检测结果。
本发明实施例的技术方案,通过每当到达检测时间点时,获取目标区域内在所述检测时间点采集的目标视频帧、所述目标区域匹配的历史视频帧以及与所述目标区域匹配的异物类别集,之后将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组,之后将所述目标视频帧通过视觉基础模型FastSAM进行处理,得到与所述目标视频帧匹配的至少一个实例分割结果,最后基于各边界坐标组、各实例分割结果以及异物类别集获取与所述目标视频帧匹配的异物检测结果,实现了针对目标视频帧的异物检测,提高了异物检测工作的检测精确度,降低了异物检测工作的误检率。
在上述实施例的基础上,所述检测结果获取模块340,包括:
编码单元,用于将各边界坐标组分别输入至提示编码器中,获得与各边界坐标组匹配的各边界信息编码;
目标分割结果确认单元,用于判断在各实例分割结果中,是否存在实例位置编码与任一边界信息编码相同的目标分割结果;
异物检测单元,用于若存在,则基于各目标分割结果与异物类别集得到与所述目标视频帧匹配的异物检测结果。
在上述实施例的基础上,目标分割结果确认单元,还用于:判断在各实例分割结果中不存在实例位置编码与任一边界信息编码相同的目标分割结果后,生成错误提示信息以提示相关人员。
在上述实施例的基础上,异物检测单元,进一步包括:
目标异物判断单元,用于判断在各目标分割结果中,是否存在实例类别与异物类别集中任一异物类别相同的目标异物;
可视化显示单元,用于若存在,则判定所述异物检测结果为存在异物并对所述目标异物进行可视化显示。
在上述实施例的基础上,目标异物判断单元,还用于:在判断在各目标分割结果中,不存在实例类别与异物类别集中任一异物类别相同的目标异物之后,判定所述异物检测结果为不存在异物并生成提示信息以提示相关人员。
在上述实施例的基础上,可视化显示单元,进一步包括:
解码单元,用于对所述目标异物的实例位置编码进行解码操作,得到与所述目标异物匹配的异物边界坐标组;
异物显示单元,用于基于所述目标异物的异物边界坐标组、实例类别以及所述目标视频帧,对所述目标异物进行可视化显示。
本发明实施例所提供的一种异物检测装置可执行本发明任意实施例所提供的一种异物检测方法,具备执行方法相应的功能模块和有益效果。
实施例四
图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备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(如头盔、眼镜、手表等)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/或者要求的本发明的实现。
如图4所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10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。
处理器11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。处理器11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处理器、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。处理器11执行上文所描述的各个方法和处理,例如一种异物检测方法。
相应的,该方法包括:
每当到达检测时间点时,获取目标区域内在所述检测时间点采集的目标视频帧、所述目标区域匹配的历史视频帧以及与所述目标区域匹配的异物类别集;
将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组;
将所述目标视频帧通过视觉基础模型FastSAM进行处理,得到与所述目标视频帧匹配的至少一个实例分割结果;其中,所述实例分割结果中包括:
实例位置编码以及实例类别;
基于各边界坐标组、各实例分割结果以及异物类别集获取与所述目标视频帧匹配的异物检测结果。
在一些实施例中,一种异物检测方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的一种异物检测方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行一种异物检测方法。
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***、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。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序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。
在本发明的上下文中,计算机可读存储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计算机程序。计算机可读存储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。备选地,计算机可读存储介质可以是机器可读信号介质。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,可以在电子设备上实施此处描述的***和技术,该电子设备具有: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电子设备。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)、区块链网络和互联网。
计算***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,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
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,本发明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,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
Claims (10)
1.一种异物检测方法,其特征在于,包括:
每当到达检测时间点时,获取目标区域内在所述检测时间点采集的目标视频帧、所述目标区域匹配的历史视频帧以及与所述目标区域匹配的异物类别集;
将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组;
将所述目标视频帧通过视觉基础模型FastSAM进行处理,得到与所述目标视频帧匹配的至少一个实例分割结果;其中,所述实例分割结果中包括:实例位置编码以及实例类别;
基于各边界坐标组、各实例分割结果以及异物类别集获取与所述目标视频帧匹配的异物检测结果。
2.根据权利要求1所述的方法,其特征在于,基于各边界坐标组、各实例分割结果以及异物类别集获取与所述目标视频帧匹配的异物检测结果,包括:
将各边界坐标组分别输入至提示编码器中,获得与各边界坐标组匹配的各边界信息编码;
判断在各实例分割结果中,是否存在实例位置编码与任一边界信息编码相同的目标分割结果;
若存在,则基于各目标分割结果与异物类别集得到与所述目标视频帧匹配的异物检测结果。
3.根据权利要求2所述的方法,其特征在于,在判断在各实例分割结果中,是否存在实例位置编码与任一边界信息编码相同的目标分割结果之后,还包括:
若不存在,则生成错误提示信息以提示相关人员。
4.根据权利要求2或3所述的方法,其特征在于,基于各目标分割结果与异物类别集得到与所述目标视频帧匹配的异物检测结果,包括:
判断在各目标分割结果中,是否存在实例类别与异物类别集中任一异物类别相同的目标异物;
若存在,则判定所述异物检测结果为存在异物并对所述目标异物进行可视化显示。
5.根据权利要求4所述的方法,其特征在于,在判断在各目标分割结果中,是否存在实例类别与异物类别集中任一异物类别相同的目标异物之后,还包括:
若不存在,则判定所述异物检测结果为不存在异物并生成提示信息以提示相关人员。
6.根据权利要求4所述的方法,其特征在于,对所述目标异物进行可视化显示,包括:
对所述目标异物的实例位置编码进行解码操作,得到与所述目标异物匹配的异物边界坐标组;
基于所述目标异物的异物边界坐标组、实例类别以及所述目标视频帧,对所述目标异物进行可视化显示。
7.一种异物检测装置,其特征在于,包括:
信息获取模块,用于每当到达检测时间点时,获取目标区域内在所述检测时间点采集的目标视频帧、所述目标区域匹配的历史视频帧以及与所述目标区域匹配的异物类别集;
背景差分模块,用于将所述目标视频帧与历史视频帧通过背景差分法进行处理,获得与所述目标视频帧匹配的至少一个边界坐标组;
实例分割模块,用于将所述目标视频帧通过视觉基础模型FastSAM进行处理,得到与所述目标视频帧匹配的至少一个实例分割结果;其中,所述实例分割结果中包括:实例位置编码以及实例类别;
检测结果获取模块,用于基于各边界坐标组、各实例分割结果以及异物类别集获取与所述目标视频帧匹配的异物检测结果。
8.根据权利要求7所述的装置,其特征在于,所述检测结果获取模块,包括:
编码单元,用于将各边界坐标组分别输入至提示编码器中,获得与各边界坐标组匹配的各边界信息编码;
目标分割结果确认单元,用于判断在各实例分割结果中,是否存在实例位置编码与任一边界信息编码相同的目标分割结果;
异物检测单元,用于若存在,则基于各目标分割结果与异物类别集得到与所述目标视频帧匹配的异物检测结果。
9.一种电子设备,其特征在于,所述电子设备包括:
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计算机程序,所述计算机程序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中任一项所述的一种异物检测方法。
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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-6中任一项所述的一种异物检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410289734.XA CN118134880A (zh) | 2024-03-14 | 2024-03-14 | 一种异物检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410289734.XA CN118134880A (zh) | 2024-03-14 | 2024-03-14 | 一种异物检测方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118134880A true CN118134880A (zh) | 2024-06-04 |
Family
ID=91237267
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410289734.XA Pending CN118134880A (zh) | 2024-03-14 | 2024-03-14 | 一种异物检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118134880A (zh) |
-
2024
- 2024-03-14 CN CN202410289734.XA patent/CN118134880A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3937128A2 (en) | Image defect detection method and apparatus, electronic device, storage medium and product | |
CN113205037B (zh) | 事件检测的方法、装置、电子设备以及可读存储介质 | |
CN115471476A (zh) | 一种部件缺陷检测方法、装置、设备及介质 | |
CN115346171A (zh) | 一种输电线路监控方法、装置、设备及存储介质 | |
CN115937101A (zh) | 质量检测方法、装置、设备及存储介质 | |
CN116245865A (zh) | 一种图像质量的检测方法、装置、电子设备及存储介质 | |
CN111597889B (zh) | 一种视频中目标移动的检测方法、装置及*** | |
CN112967224A (zh) | 一种基于人工智能的电子电路板检测***、方法及介质 | |
CN118134880A (zh) | 一种异物检测方法、装置、设备及介质 | |
CN116309471A (zh) | 一种质量缺陷预警方法、装置、电子设备以及介质 | |
CN114973081A (zh) | 一种高空抛物检测方法、装置、电子设备及存储介质 | |
CN115700758A (zh) | 一种***活性的检测方法、装置、设备及存储介质 | |
CN115035481A (zh) | 一种图像物距融合方法、装置、设备及存储介质 | |
CN112528079A (zh) | ***检测方法、装置、电子设备、存储介质和程序产品 | |
CN115861321B (zh) | 应用于工业互联网的生产环境检测方法及*** | |
CN113012439B (zh) | 车辆检测方法、装置、设备和存储介质 | |
CN117112816B (zh) | 安检图像的排序方法、装置、设备及存储介质 | |
CN113011316B (zh) | 一种镜头状态的检测方法、装置、电子设备和介质 | |
CN115327497B (zh) | 雷达检测范围确定方法、装置、电子设备及可读介质 | |
CN116977308A (zh) | 表计图像的质量检测方法、装置及存储介质 | |
CN117725614A (zh) | 一种车牌脱敏方法、装置、电子设备及存储介质 | |
CN117764975A (zh) | 一种图像检测方法、装置、设备及介质 | |
CN118134881A (zh) | 一种异物检测方法、装置、设备及存储介质 | |
CN117115714A (zh) | 电网基建安全管理方法、装置、电子设备及存储介质 | |
CN115965648A (zh) | 一种离岗检测方法、装置、电子设备及存储介质 |
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 |