CN103034864A - 一种基于颜色阈值与角点检测的视频横幅识别方法 - Google Patents
一种基于颜色阈值与角点检测的视频横幅识别方法 Download PDFInfo
- Publication number
- CN103034864A CN103034864A CN2012105340015A CN201210534001A CN103034864A CN 103034864 A CN103034864 A CN 103034864A CN 2012105340015 A CN2012105340015 A CN 2012105340015A CN 201210534001 A CN201210534001 A CN 201210534001A CN 103034864 A CN103034864 A CN 103034864A
- Authority
- CN
- China
- Prior art keywords
- banner
- color
- gray
- video
- image
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于颜色阈值与角点检测的视频横幅识别方法,包括从待处理视频流中提取一帧原始图像并对其进行灰度化和颜色直方图统计,得到灰度图和颜色阈值,并根据颜色阈值对灰度图进行二值化后降噪获得二值图掩膜,再利用二值图掩膜和灰度图相乘,生成图像副本并对图像副本进行角点检测;利用角点计算横幅的具体区域并利用该具体区域截取原始图像对应区域的图像块。本发明针对横幅的特征采取“概貌”特征提取的方法,选取了颜色和角点这两个特征,对视频中的横幅有很好的检测效果,能准确、快速地识别出视频中的横幅,能满足安全监控系统中的实时性要求。
Description
技术领域
本发明涉及一种基于颜色阈值与角点检测的视频横幅识别方法。
背景技术
在国内,常常有不够理性的公民们因为他人煽动,不熟悉法律,或者情绪过激,采取非法游行的措施表达意愿。非法集会往往在开阔场地、人流量大的地方,例如政府广场,交通枢纽,商业旺地等进行,一旦集会群众出现过激行为,甚至失去控制,其造成的公共安全危害将难以预料。鉴于非法集会的突发性,偶然性,以及巨大的危害性,如果网络治安视频监控系统中能实现智能监控集会事件的功能,就可以及时提醒相关治安部门,迅速采取措施,避免意外的发生。本发明横幅视频识别方法正是为基于公共安全领域的急切需求而进行的。
现在目标物体特征提取的主要方法有基于Hough的物体轮廓特征提取算法和sift尺度不变特征提取算法。Hough算法对于质量好的静态图像可以取得非常理想的效果,但对于视频而言,其结果受光照等环境因素影响较大,这使得该算法在视频检测中常常不能满足实际需要。Sift算法对细节的图像结构特征有准确的抓捕能力,对光照等环境因素也具有很好的抗干扰能力,在目标物进行伸缩,旋转,甚至发生仿射变换时,均能准确抓捕目标物的特征,但其巨大的计算量与内存消耗,不能满足视频检测的实时性要求。本发明提出颜色阈值与角点检测的视频横幅识别方法,对图像的颜色特征以及角点特征有很好的抓捕能力,尤其适合抓捕像横幅这样具有固定颜色值的物体,同时其计算量和内存消耗也较小,可以满足视频检测的实时性需求。
发明内容
为了解决现有技术无法快捷准确抓取视屏中横幅等特征物的问题,本发明提供一种视频横幅识别方法的设计方案。
一种基于颜色阈值与角点检测的视频横幅识别方法,包括以下步骤:
(1)从待处理视频流中提取一帧原始图像。
(2)对步骤(1)中所获取的原始图像进行灰度化,得到灰度图。
(3)对步骤(1)中所获取的原始图像进行颜色直方图统计,获取图像的颜色阈值。
(4)利用步骤(3)获取的颜色阈值,对步骤(2)得到的灰度图进行二值化,并对其进行降噪处理,生成二值图掩膜。
(5)利用步骤(4)所得到的二值图掩膜与步骤(2)所得的灰度图相乘,生成图像副本。
(6)对步骤(5)中得到的图像副本进行角点检测。
(7)利用步骤(6)所得到的角点计算横幅的具体区域。
(8)利用步骤(7)得到的具体区域截取原始图像对应区域的图像块。
具体的,步骤(3)中所述获取图像的颜色阈值的方法为:
对步骤(1)中所获取的图像对进行颜色直方图统计,判断其是否为双峰图,如果是则取颜色直方图的“低谷”作为阈值,若非双峰图则提示改原始图像无横幅,并重新提取新的原始图像。
更具体的,所述步骤(4)生成二值图掩膜的方法为:
(a)遍历原始图像的每个像素,若某像素的颜色值低于步骤(3)所述颜色阈值,则将步骤(2)所得到的灰度图相应位置的像素置0,否则置1,最后得到二值化的灰度图。
(b)对步骤(a)所获得的二值化的灰度图进行中值滤波操作,消除小的噪声。
更具体的,所述步骤(5)利用步骤(4)所得到的二值图掩膜与步骤(2)所得的灰度图相乘为:二值图掩膜每个像素的值分别与灰度图对应位置的像素的值相乘,得到图像副本。
优选的,所述步骤(6)对图像副本进行角点检测的方法为Harris角点检测算法。
进一步的,所述步骤(7)所述计算横幅的具体区域的方法为:计算步骤(6)所获得的所有角点坐标的X坐标的最小值x1与最大值x2,Y坐标的最大值y1和最小值y2,则(x1,y1)、(x1,y2)、(x2,y1)及(x2,y2)四点所围四边形区域即为横幅的具体区域。
更进一步的,还设置有计数器,其实施方法为:当从首次待处理视频流中提取一帧原始图像,计数器置0,若进行重新提取新的原始图像,则计数器加1,当计数器的数值达到预定的阈值时,则判断该视频流中无横幅出现,并退出。
综上所述,本发明针对横幅的特征采取“概貌”特征提取的方法,选取了颜色和角点这两个特征,对视频中的横幅有很好的检测效果,能准确、快速地识别出视频中的横幅,能满足安全监控系统中的实时性要求。
附图说明
图1为本发明所述一种基于颜色阈值与角点检测的视频横幅识别方法流程示意图。
具体实施方式
为了让本领域的技术人员能够更好地了解本发明的技术方案,下面结合附图对本发明作进一步的阐述。
如图1所示,本发明揭示了一种基于颜色阈值与角点检测的视频横幅识别方法包括以下步骤:
(1)从待处理视频流中提取一帧原始图像;
(2)对步骤(1)中所获取的原始图像进行灰度化,得到灰度图;
(3)对步骤(1)中所获取的图像对进行颜色直方图统计,判断其是否为双峰图,如果是则取颜色直方图的“低谷”作为阈值,若非双峰图则提示该原始图像无横幅,并重新提取新的原始图像。
(4)遍历原始图像的每个像素,若某像素的颜色值低于步骤(3)所述颜色阈值,则将步骤(2)所得到的灰度图相应位置的像素置0,否则置1,最后得到二值化的灰度图;同时对步骤(a)所获得的二值化的灰度图进行中值滤波操作,消除小的噪声。
(5)利用步骤(4)所得到的二值图掩膜与步骤(2)所得的灰度图相乘为:二值图掩膜每个像素的值分别与灰度图对应位置的像素的值相乘,得到图像副本
(6)对步骤(5)中得到的图像副本使用Harris角点检测算法进行角点检测,步骤如下:
(f-3) 利用(f-2)中构造的局部结果矩阵可以定义角点响应函数如下:
其中a为一常数,且参数a决定了角点检测器的敏感程度,a值越大,检测器越不敏感,被检测到的角点数越少,a值一般处于0.04-0.06之间。最后通过响应函数检测出角点。
(7)利用步骤(6)所得到的角点计算横幅的具体区域。首先计算步骤(6)所获得的所有角点坐标的X坐标的最小值x1与最大值x2,Y坐标的最大值y1和最小值y2,则(x1,y1)、(x1,y2)、(x2,y1)及(x2,y2)四点所围四边形区域即为横幅的具体区域。
(8)利用步骤(7)得到的具体区域截取原始图像对应区域的图像块。
获得的图像块便是视屏中出现的横幅,工作人员便可以快速简单地获知视屏中横幅的内容。
由于某些视频中可能没有横幅的出现,因此,在横幅检测的过程中还设置有计数器,当从首次待处理视频流中提取一帧原始图像,计数器置0,若进行重新提取新的原始图像,则计数器加1,当计数器的数值达到预定的阈值(此阈值可以针对不同的视屏根据实际情况进行灵活的设置)时,则判断该视频流中无横幅出现,并退出。
本实施例只是本发明的较优实施方式,需要说明的是,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形,但这些改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (7)
1.一种基于颜色阈值与角点检测的视频横幅识别方法,其特征在于,包括以下步骤:
(1)从待处理视频流中提取一帧原始图像;
(2)对步骤(1)中所获取的原始图像进行灰度化,得到灰度图;
(3)对步骤(1)中所获取的原始图像进行颜色直方图统计,获取图像的颜色阈值;
(4)利用步骤(3)获取的颜色阈值,对步骤(2)得到的灰度图进行二值化,并对其进行降噪处理,生成二值图掩膜;
(5)利用步骤(4)所得到的二值图掩膜与步骤(2)所得的灰度图相乘,生成图像副本;
(6)对步骤(5)中得到的图像副本进行角点检测;
(7)利用步骤(6)所得到的角点计算横幅的具体区域;
(8)利用步骤(7)得到的具体区域截取原始图像对应区域的图像块。
2.根据权利要求1所述基于颜色阈值与角点检测的视频横幅识别方法,其特征在于:步骤(3)中所述获取图像的颜色阈值的方法为:
对步骤(1)中所获取的图像对进行颜色直方图统计,判断其是否为双峰图,如果是则取颜色直方图的“低谷”作为阈值,若非双峰图则提示改原始图像无横幅,并重新提取新的原始图像。
3.根据权利要求1所述基于颜色阈值与角点检测的视频横幅识别方法,其特征在于:所述步骤(4)生成二值图掩膜的方法为:
(a)遍历原始图像的每个像素,若某像素的颜色值低于步骤(3)所述颜色阈值,则将步骤(2)所得到的灰度图相应位置的像素置0,否则置255,最后得到二值化的灰度图;
(b)对步骤(a)所获得的二值化的灰度图进行中值滤波操作,消除小的噪声。
4.根据权利要求1所述基于颜色阈值与角点检测的视频横幅识别方法,其特征在于:所述步骤(5)利用步骤(4)所得到的二值图掩膜与步骤(2)所得的灰度图相乘为:二值图掩膜每个像素的值分别与灰度图对应位置的像素的值相乘,得到图像副本。
5.根据权利要求1所述基于颜色阈值与角点检测的视频横幅识别方法,其特征在于:所述步骤(6)对图像副本进行角点检测的方法为Harris角点检测算法。
6.根据权利要求1所述基于颜色阈值与角点检测的视频横幅识别方法,其特征在于:所述步骤(7)所述计算横幅的具体区域的方法为:计算步骤(6)所获得的所有角点坐标的X坐标的最小值x1与最大值x2,Y坐标的最大值y1和最小值y2,则(x1,y1)、(x1,y2)、(x2,y1)及(x2,y2)四点所围四边形区域即为横幅的具体区域。
7.根据权利要求2所述基于颜色阈值与角点检测的视频横幅识别方法,其特征在于:还设置有计数器,当从首次待处理视频流中提取一帧原始图像,计数器置0,若进行重新提取新的原始图像,则计数器加1,当计数器的数值达到预定的阈值时,则判断该视频流中无横幅出现,并退出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105340015A CN103034864A (zh) | 2012-12-12 | 2012-12-12 | 一种基于颜色阈值与角点检测的视频横幅识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012105340015A CN103034864A (zh) | 2012-12-12 | 2012-12-12 | 一种基于颜色阈值与角点检测的视频横幅识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103034864A true CN103034864A (zh) | 2013-04-10 |
Family
ID=48021743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012105340015A Pending CN103034864A (zh) | 2012-12-12 | 2012-12-12 | 一种基于颜色阈值与角点检测的视频横幅识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103034864A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805894A (zh) * | 2018-06-19 | 2018-11-13 | 合肥凌极西雅电子科技有限公司 | 图像分析方法及其系统 |
CN110462634A (zh) * | 2017-01-11 | 2019-11-15 | 亨氏有限公司 | 标志检测视频分析法 |
CN111223096A (zh) * | 2020-03-13 | 2020-06-02 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条糊堵度检测方法及系统 |
CN111223097A (zh) * | 2020-03-13 | 2020-06-02 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条糊堵度检测方法及系统 |
CN112949626A (zh) * | 2021-02-03 | 2021-06-11 | 深圳大学 | 一种基于hsv颜色空间的斑马线检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050238198A1 (en) * | 2004-04-27 | 2005-10-27 | Microsoft Corporation | Multi-image feature matching using multi-scale oriented patches |
CN101814144A (zh) * | 2010-03-25 | 2010-08-25 | 西安电子科技大学 | 遥感图像中无水桥梁目标识别方法 |
-
2012
- 2012-12-12 CN CN2012105340015A patent/CN103034864A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050238198A1 (en) * | 2004-04-27 | 2005-10-27 | Microsoft Corporation | Multi-image feature matching using multi-scale oriented patches |
CN101814144A (zh) * | 2010-03-25 | 2010-08-25 | 西安电子科技大学 | 遥感图像中无水桥梁目标识别方法 |
Non-Patent Citations (3)
Title |
---|
孙玉芹: "车牌自动识别方法研究", 《中国优秀硕士学位论文全文数据库》, no. 9, 15 September 2011 (2011-09-15) * |
张洋 等: "基于角点检测和自适应阈值的新闻字幕检测", 《计算机工程》, vol. 35, no. 13, 31 July 2009 (2009-07-31) * |
王云龙: "机动车号牌识别系统的算法研究及实现", 《中国优秀硕士学位论文全文数据库》, no. 11, 15 November 2009 (2009-11-15), pages 61 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110462634A (zh) * | 2017-01-11 | 2019-11-15 | 亨氏有限公司 | 标志检测视频分析法 |
CN108805894A (zh) * | 2018-06-19 | 2018-11-13 | 合肥凌极西雅电子科技有限公司 | 图像分析方法及其系统 |
CN111223096A (zh) * | 2020-03-13 | 2020-06-02 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条糊堵度检测方法及系统 |
CN111223097A (zh) * | 2020-03-13 | 2020-06-02 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条糊堵度检测方法及系统 |
CN111223096B (zh) * | 2020-03-13 | 2024-04-05 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条糊堵度检测方法及系统 |
CN111223097B (zh) * | 2020-03-13 | 2024-04-19 | 中冶长天国际工程有限责任公司 | 一种烧结机的台车箅条糊堵度检测方法及系统 |
CN112949626A (zh) * | 2021-02-03 | 2021-06-11 | 深圳大学 | 一种基于hsv颜色空间的斑马线检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105095856B (zh) | 基于掩模的有遮挡人脸识别方法 | |
AU2013372618B2 (en) | Character recognition method | |
CN103034864A (zh) | 一种基于颜色阈值与角点检测的视频横幅识别方法 | |
CN106446894B (zh) | 一种基于轮廓识别球型目标物位置的方法 | |
CN103150549B (zh) | 一种基于烟雾早期运动特征的公路隧道火灾检测方法 | |
CN104598933A (zh) | 一种基于多特征融合的图像翻拍检测方法 | |
JP2015062121A5 (zh) | ||
CN102194208B (zh) | 一种基于图像签名的图像篡改检测与篡改定位方法 | |
CN103729856B (zh) | 一种利用s变换信号提取的布匹疵点检测方法 | |
CN104504669A (zh) | 一种基于局部二值模式的中值滤波检测方法 | |
CN104601965A (zh) | 摄像头遮挡检测方法 | |
CN102722858B (zh) | 基于对称邻域信息的盲隐写分析方法 | |
CN103996045A (zh) | 一种基于视频的多种特征融合的烟雾识别方法 | |
CN104519361A (zh) | 一种基于空时域局部二值模式的视频隐写分析方法 | |
CN108335294A (zh) | 复杂条件下的配电房异常状态图像识别方法 | |
CN104318254A (zh) | 一种基于dct低频分量特征的快速煤岩识别方法 | |
CN104732236A (zh) | 一种基于分层处理的人群异常行为智能检测方法 | |
CN104168462B (zh) | 基于图像角点集特征的摄像头场景变换检测方法 | |
CN104281850A (zh) | 一种文字区域识别方法和装置 | |
CN104899559A (zh) | 一种基于视频监控的快速行人检测方法 | |
CN104866844B (zh) | 一种面向监控视频的人群聚集检测方法 | |
CN106845498A (zh) | 结合高程的单幅山脉遥感图像滑坡泥石流检测方法 | |
TW201926248A (zh) | 一種改良式熱影像特徵提取方法 | |
Tang et al. | Smoke image recognition based on local binary pattern | |
CN106250859B (zh) | 基于特征矢量运动杂乱度的视频火焰检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20130410 |