CN103324906B - 一种遗留物检测的方法和设备 - Google Patents
一种遗留物检测的方法和设备 Download PDFInfo
- Publication number
- CN103324906B CN103324906B CN201210075734.7A CN201210075734A CN103324906B CN 103324906 B CN103324906 B CN 103324906B CN 201210075734 A CN201210075734 A CN 201210075734A CN 103324906 B CN103324906 B CN 103324906B
- Authority
- CN
- China
- Prior art keywords
- stationary object
- incoming frame
- kth
- region
- time
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种遗留物检测的方法和设备，涉及图像处理领域，包括：获取视频图像，检测视频图像的输入帧中的静止物体；将已检测到静止物体的第k输入帧中的第一位置区域和第k+n输入帧中的第二位置区域进行关联，得到第一关联结果，其中，第一位置区域是第k输入帧中的静止物体所在的位置区域，第二位置区域是第k+n输入帧中与第一位置区域位置相同的位置区域；根据第一关联结果确定检测到的静止物体的停留时间；根据检测到的静止物体的停留时间，确定检测到的静止物体是否为遗留物。本发明通过将两帧之间相同位置的物体进行关联，根据关联结果以物体为单位对遗留物的停留时间进行计时，提高了停留时间计时精确性，并且占用的内存空间较少。
Description
技术领域
本发明涉及图像处理领域，特别涉及一种遗留物检测的方法和设备。
背景技术
当今世界反恐形势非常严峻，为保证社会安全，对可疑遗留物件的检测已成为机场、体育馆、候车厅和展览馆等公众场合的安防系统不可缺少的内容。遗留物是指被运动主体携带从运动到静止，然后与运动主体分离，静止超过一定时间并且没有所属主体的物体。遗留物检测属于静止物体检测的范畴。遗留物检测作为机器视觉和智能图像内容分析的一个应用成为了一个充满挑战的研究热点。
现有的遗留物检测方法包括：首先，视频图像作为输入帧进入系统；其次，分别使用长时间更新率的高斯模型和短时间更新率的高斯模型对输入帧进行处理，得到输入帧的两个前景图像；再次，两个前景图像做差运算得到静止区域；建立与静止区域相同大小的内存空间，用内存空间中不同位置的内存保存和累加相应位置的静止区域的各个像素的停留时间；将静止区域的各个像素的停留时间进行累加和平均，作为该静止区域对应遗留物的停留时间；最后，根据遗留物的停留时间进行报警。
在实现本发明的过程中，发明人发现现有技术至少存在以下问题：
遗留物的停留时间采用对像素的停留时间进行累积求平均的方法，计算精度不准确，并且需要占用较多的内存空间。
发明内容
为了解决现有技术存在的问题，本发明实施例提供了一种遗留物检测的方法和设备。所述技术方案如下：
一方面，本发明提供了一种遗留物检测的方法，所述方法包括：
获取视频图像，检测所述视频图像的输入帧中的静止物体；
将已检测到静止物体的第k输入帧中的第一位置区域和第k+n输入帧中的第二位置区域进行关联，得到第一关联结果，其中，所述第一位置区域是所述第k输入帧中的静止物体所在的位置区域，所述第二位置区域是所述第k+n输入帧中与所述第一位置区域位置相同的位置区域，k和n为自然数；
根据所述第一关联结果确定检测到的所述静止物体的停留时间；
根据检测到的所述静止物体的停留时间，确定检测到的所述静止物体是否为遗留物；
所述将已检测到静止物体的第k输入帧中的第一位置区域和第k+n输入帧中的第二位置区域进行关联，得到第一关联结果，包括：
检测所述第k+n输入帧中的第二位置区域是否有静止物体；
确定所述第一位置区域与所述第二位置区域的视频图像之间的第一相似性；
当所述第一相似性大于或等于预设值时，确定出所述第k+n输入帧中第二位置区域存在静止物体，并且确定出所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是同一静止物体；
当检测到所述第二位置区域有静止物体、并且所述第一相似性小于预设值时，确定出所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是不同的静止物体；
当检测到所述第二位置区域没有静止物体、并且所述第一相似性小于预设值时，确定出所述第k+n输入帧中第二位置区域不存在静止物体。
在另一实施方式中，所述确定所述第一位置区域与所述第二位置区域的视频图像之间的第一相似性，包括：
计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一不相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二不相似度量，将所述第一不相似度量和所述第二不相似度量做除法运算得到所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二相似度量，将所述第二相似度量和所述第一相似度量做除法运算得到所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一不相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二相似度量，将所述第一不相似度量和所述第二相似度量做乘运算得到所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二不相似度量，将所述第一相似度量和所述二不相似度量做乘运算并取倒数作为所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的相似度量，将所述相似度量作为所述第一相似性。
在另一实施方式中，所述根据所述第一关联结果确定检测到的所述静止物体的停留时间，包括：
当所述第一关联结果为所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是同一静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之间的时间；
当所述第一关联结果为所述第k+n输入帧中第二位置区域不存在静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之前最近检测到所述静止物体的输入帧之间的时间；
当所述第一关联结果为所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是不同的静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之前最近检测到所述静止物体的输入帧之间的时间。
在另一实施方式中，所述根据所述第一关联结果确定检测到的所述静止物体的停留时间，包括：
当所述第一关联结果为所述第k+n输入帧中第二位置区域不存在静止物体时，从所述第k+n输入帧开始继续检测N个输入帧；
将已检测到静止物体的第k’输入帧中的第三位置区域和第k+i输入帧中的第四位置区域进行关联，得到第二关联结果，所述第四位置区域是与所述第三位置区域位置相同的位置区域，其中，n＜i≤N，i和N为自然数；
根据所述第二关联结果确定检测到的所述静止物体的停留时间。
在另一实施方式中，所述将已检测到静止物体的第k’输入帧中的第三位置区域和第k+i输入帧中的第四位置区域进行关联，得到第二关联结果，包括：
检测所述第k+i输入帧中的第四位置区域是否有静止物体；
确定所述第三位置区域与所述第四位置区域的视频图像之间的第二相似性；
当所述第二相似性大于或等于预设值时，确定出检测到的所述静止物体在所述第k+i输入帧之前被遮挡了；
当检测到所述第四位置区域有静止物体、并且所述第二相似性小于预设值时，确定出所述第k’输入帧中第三位置区域的静止物体与所述第k+i输入帧中第四位置区域的静止物体是不同的静止物体；
当检测到所述第四位置区域没有静止物体、并且所述第二相似性小于预设值、并且i＝N时，确定出检测到的所述静止物体被移走了。
在另一实施方式中，所述根据所述第二关联结果确定检测到的所述静止物体的停留时间，包括：
当所述第二关联结果为检测到的所述静止物体在所述第k+i输入帧之前被遮挡了时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+i输入帧之间的时间；
当所述第二关联结果为检测到的所述静止物体被移走了时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之前最近检测到所述静止物体的输入帧之间的时间；
当所述第二关联结果为所述第k’输入帧中第三位置区域的静止物体与所述第k+i输入帧中第四位置区域的静止物体是不同的静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+i输入帧之前最近检测到所述静止物体的输入帧之间的时间。
另一方面，本发明还提供了一种遗留物检测的设备，所述设备包括：
物体检测模块，用于获取视频图像，检测所述视频图像的输入帧中的静止物体；
物体关联模块，用于将已检测到静止物体的第k输入帧中的第一位置区域和第k+n输入帧中的第二位置区域进行关联，得到第一关联结果，其中，所述第一位置区域是所述第k输入帧中的静止物体所在的位置区域，所述第二位置区域是所述第k+n输入帧中与所述第一位置区域位置相同的位置区域，k和n为自然数；
时间确定模块，用于根据所述第一关联结果确定检测到的所述静止物体的停留时间；
遗留物确定模块，用于根据检测到的所述静止物体的停留时间，确定检测到的所述静止物体是否为遗留物；
物体检测模块，还用于检测所述第k+n输入帧中的第二位置区域是否有静止物体；
所述物体关联模块，包括：
相似性确定单元，用于确定所述第一位置区域与所述第二位置区域的视频图像之间的第一相似性；
第一关联单元，用于当所述第一相似性大于或等于预设值时，确定出所述第k+n输入帧中第二位置区域存在静止物体，并且确定出所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是同一静止物体；
第二关联单元，用于当检测到所述第二位置区域有静止物体、并且所述第一相似性小于预设值时，确定出所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是不同的静止物体；
第三关联单元，用于当检测到所述第二位置区域没有静止物体、并且所述第一相似性小于预设值时，确定出所述第k+n输入帧中第二位置区域不存在静止物体。
在另一实施方式中，所述相似性确定单元，具体用于
计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一不相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二不相似度量，将所述第一不相似度量和所述第二不相似度量做除法运算得到所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二相似度量，将所述第二相似度量和所述第一相似度量做除法运算得到所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一不相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二相似度量，将所述第一不相似度量和所述第二相似度量做乘运算得到所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二不相似度量，将所述第一相似度量和所述二不相似度量做乘运算并取倒数作为所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的相似度量，将所述相似度量作为所述第一相似性。
在另一实施方式中，所述时间确定模块，包括：
第一时间确定单元，用于当所述第一关联结果为所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是同一静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之间的时间；
第二时间确定单元，用于当所述第一关联结果为所述第k+n输入帧中第二位置区域不存在静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之前最近检测到所述静止物体的输入帧之间的时间；
第三时间确定单元，用于当所述第一关联结果为所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是不同的静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之前最近检测到所述静止物体的输入帧之间的时间。
在另一实施方式中，所述时间确定模块包括：第四时间确定单元，所述第四时间确定单元，包括：
物体检测子单元，用于当所述第一关联结果为所述第k+n输入帧中第二位置区域不存在静止物体时，从所述第k+n输入帧开始继续检测N个输入帧；
物体关联子单元，用于将已检测到静止物体的第k’输入帧中的第三位置区域和第k+i输入帧中的第四位置区域进行关联，得到第二关联结果，所述第四位置区域是与所述第三位置区域位置相同的位置区域，其中，n＜i≤N，i和N为自然数；
时间确定子单元，用于根据所述第二关联结果确定检测到的所述静止物体的停留时间。
在另一实施方式中，所述物体关联子单元，具体用于
检测所述第k+i输入帧中的第四位置区域是否有静止物体；
确定所述第三位置区域与所述第四位置区域的视频图像之间的第二相似性；
当所述第二相似性大于或等于预设值时，确定出检测到的所述静止物体在所述第k+i输入帧之前被遮挡了；
当检测到所述第四位置区域有静止物体、并且所述第二相似性小于预设值时，确定出所述第k’输入帧中第三位置区域的静止物体与所述第k+i输入帧中第四位置区域的静止物体是不同的静止物体；
当检测到所述第四位置区域没有静止物体、并且所述第二相似性小于预设值、并且i＝N时，确定出检测到的所述静止物体被移走了。
在另一实施方式中，所述时间确定子单元，具体用于
当所述第二关联结果为检测到的所述静止物体在所述第k+i输入帧之前被遮挡了时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+i输入帧之间的时间；
当所述第二关联结果为检测到的所述静止物体被移走了时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之前最近检测到所述静止物体的输入帧之间的时间；
当所述第二关联结果为所述第k’输入帧中第三位置区域的静止物体与所述第k+i输入帧中第四位置区域的静止物体是不同的静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+i输入帧之前最近检测到所述静止物体的输入帧之间的时间。
本发明实施例提供的技术方案的有益效果是：
通过将两帧之间相同位置的物体进行关联，根据关联结果以物体为单位对遗留物的停留时间进行计时，提高了停留时间计时精确性，并且占用的内存空间较少；另外，通过两帧之间相同位置区域的视频图像的相似性识别是否为同一物体，抑制和矫正了双高斯模型本身的局限性对遗留物检测存在的误差，提高遗留物检测的准确性；另外，通过将静止物体保留一段时间，其间只要有一帧检测到该静止物体，则判断该静止物体在该帧之前被遮挡了，停留时间充分考虑了被遮挡的时间，提高了停留时间计时的准确性。
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是本发明的一个实施例提供的遗留物检测的方法流程图；
图2是本发明的另一实施例提供的遗留物检测的方法流程图；
图3是本发明的另一实施例提供的漏检示意图；
图4是本发明的另一实施例提供的确定静止物体的停留时间的方法流程图；
图5是本发明的另一实施例提供的遮挡示意图；
图6是本发明的另一实施例提供的遗留物检测的设备结构示意图；
图7是本发明的另一实施例提供的遗留物检测的设备另一结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
参见图1，本实施例提供了一种遗留物检测的方法，该方法包括：
101：获取视频图像，检测该视频图像的输入帧中的静止物体；
102：将已检测到静止物体的第k输入帧中的第一位置区域和第k+n输入帧中的第二位置区域进行关联，得到第一关联结果，其中，第一位置区域是第k输入帧中的静止物体所在的位置区域，第二位置区域是第k+n输入帧中与第一位置区域位置相同的位置区域，k和n为自然数；
103：根据第一关联结果确定检测到的静止物体的停留时间；
其中，检测到的静止物体的停留时间是指到第k+n输入帧时的停留时间。
104：根据检测到的静止物体的停留时间，确定检测到的静止物体是否为遗留物。
本实施例通过将两帧之间相同位置的物体进行关联，根据关联结果以物体为单位对遗留物的停留时间进行计时，提高了停留时间计时精确性，并且占用的内存空间较少。
参见图2，本实施例还提供一种遗留物检测的方法，该方法包括：
201：获取视频图像；
其中，视频图像可以通过摄像设备获取，如摄像头等。本实施例将检测到静止物体的帧设为第k输入帧，该第k输入帧可以是第一次检测到该静止物体的帧，也可以不是第一次检测到该静止物体的帧。
202：检测该视频图像的第k输入帧中的静止物体；
具体可以通过以下步骤2021-2023检测静止物体：
2021：分别使用长时间更新率的高斯模型和短时间更新率的高斯模型对第k输入帧进行处理，得到第k输入帧的第一前景图像和第二前景图像；
需要说明的是，本发明所涉及的第一和第二仅用于表示不同的对象，并不表示对象的时序关系和大小关系。
2022：将第k输入帧的第一前景图像和第二前景图像做差运算得到第k输入帧的静止区域；
其中，静止区域可以有一个或多个。
2023：使用人体分类器识别第k输入帧的静止区域是静止的人还是静止物体，从而检测出第k输入帧中的静止物体，这里设第k输入帧中的静止物体所在的位置区域为第一位置区域。
其中，对第k输入帧中不同静止区域的静止物体，可以分别赋予一个标识，该标识用于区分不同的静止物体。
203：检测该视频图像的第k+n输入帧中的第二位置区域是否有静止物体；
其中，第二位置区域是第k+n输入帧中与第k输入帧中第一位置区域位置相同的位置区域，k和n为自然数，n表示进行关联的帧间隔。例如，当n＝1时，是对相邻两个输入帧进行检测。
需要说明的是，第k+n输入帧中静止物体的检测方法与上述步骤202中第k输入帧中静止物体的检测方法相同，这里不再赘述。
204：确定第一位置区域与第二位置区域的视频图像之间的第一相似性；
第一相似性具体可以采用以下方法确定：
1)计算第二位置区域的视频图像和预先得到的第一位置区域的背景图像之间的第一不相似度量，计算第二位置区域的视频图像和第一位置区域的视频图像之间的第二不相似度量，将第一不相似度量和第二不相似度量做除法运算得到第一相似性。
公式表示如下：
s1＝dissimilarity(Bg,Objk+1)/dissimilarity(Objk,Objk+1)
其中，s1表示第一相似性，dissimilarity表示不相似度量，Bg表示第k输入帧中第一位置区域的背景图像，背景图像可以将原始的视频图像去除前景图像得到，Objk表示第k输入帧中第一位置区域的视频图像，Objk+1表示第k+1输入帧中第二位置区域的视频图像。
需要说明的是，不相似度量可以用欧式距离计算。例如，设Bg中所提取的颜色直方图向量为(x1，y1)，并设Objk+1中所提取的颜色直方图向量为(x2，y2)，则
2)计算第二位置区域的视频图像和预先得到的第一位置区域的背景图像之间的第一相似度量，计算第二位置区域的视频图像和第一位置区域的视频图像之间的第二相似度量，将第二相似度量和第一相似度量做除法运算得到第一相似性。
公式表示如下：
s1＝similarity(Objk,Objk+1)/similarity(Bg,Objk+1)
其中，s1表示第一相似性，similarity表示相似度量，Bg表示第k输入帧中第一位置区域的背景图像，可以从步骤2021得到，Objk表示第k输入帧中第一位置区域的视频图像，Objk+1表示第k+1输入帧中第二位置区域的视频图像。
需要说明的是，相似度量可以用欧式距离的倒数进行计算。例如，设Bg中所提取的颜色直方图向量为(x1，y1)，并设Objk+1中所提取的颜色直方图向量为(x2，y2)，则
3)计算第二位置区域的视频图像和预先得到的第一位置区域的背景图像之间的第一不相似度量，计算第二位置区域的视频图像和第一位置区域的视频图像之间的第二相似度量，将第一不相似度量和第二相似度量做乘运算得到第一相似性；
公式表示如下：
s1＝dissimilarity(Bg,Objk+1)×similarity(Objk,Objk+1)
其中，s1表示第一相似性，dissimilarity表示不相似度量，similarity表示相似度量，Bg表示第k输入帧中第一位置区域的背景图像，可以从步骤2021得到，Objk表示第k输入帧中第一位置区域的视频图像，Objk+1表示第k+1输入帧中第二位置区域的视频图像。
4)计算第二位置区域的视频图像和预先得到的第一位置区域的背景图像之间的第一相似度量，计算第二位置区域的视频图像和第一位置区域的视频图像之间的第二不相似度量，将第一相似度量和二不相似度量做乘运算并取倒数作为第一相似性；
公式表示如下：
其中，s1表示第一相似性，dissimilarity表示不相似度量，similarity表示相似度量，Bg表示第k输入帧中第一位置区域的背景图像，可以从步骤2021得到，Objk表示第k输入帧中第一位置区域的视频图像，Objk+1表示第k+1输入帧中第二位置区域的视频图像。
5)计算第二位置区域的视频图像和第一位置区域的视频图像之间的相似度量，将相似度量作为第一相似性。
s1＝similarity(Objk,Objk+1)
其中，s1表示第一相似性，similarity表示相似度量，Objk表示第k输入帧中第一位置区域的视频图像，Objk+1表示第k+1输入帧中第二位置区域的视频图像。
在上述五种计算第一相似性的方法中，其中，前四种考虑了第二位置区域的视频图像和第一位置区域的背景图像之间的相似性对第一相似性的影响，相似性更准确。
205：根据第k+n输入帧中的第二位置区域是否有静止物体以及第一相似性，确定第k输入帧中的第一位置区域和第k+n输入帧中的第二位置区域进行关联的第一关联结果；
具体如下所述，
a、不论第k+n输入帧中的第二位置区域是否有静止物体，当第一相似性大于或等于预设值时，确定出第k+n输入帧中第二位置区域存在静止物体，并且确定出第k输入帧中第一位置区域的静止物体与第k+n输入帧中第二位置区域的静止物体是同一静止物体；
需要说明的是，由于现有的双高斯模型本身的局限性对静止物体的检测存在误差，通过相似性检测，可以对误差进行抑制和矫正。参见图3，按照现有技术第k+1输入帧中的静止物体可能被漏检，但是采用物体关联之后，相似性大于或等于预设值的物体也认为在第k+1输入帧中存在。
b、当检测到第二位置区域有静止物体、并且第一相似性小于预设值时，确定出第k输入帧中第一位置区域的静止物体与第k+n输入帧中第二位置区域的静止物体是不同的静止物体；
c、当检测到第二位置区域没有静止物体、并且第一相似性小于预设值时，确定出第k+n输入帧中第二位置区域不存在静止物体。
206：根据第一关联结果确定第k输入帧检测到的静止物体的停留时间；
具体如下所述，
a、当第一关联结果为第k输入帧中第一位置区域的静止物体与第k+n输入帧中第二位置区域的静止物体是同一静止物体时，则第k输入帧中检测到的第一位置区域的静止物体的停留时间增加n帧的时间，则第k输入帧中检测到的第一位置区域的静止物体的停留时间为第一次检测到该第一位置区域的静止物体的输入帧到第k+n输入帧之间的时间；
例如，如果第k输入帧是第一次检测到该第一位置区域的静止物体的帧，则该第一位置区域的静止物体的停留时间为第k输入帧第k+n输入帧之间的时间；如果第k输入帧不是第一次检测到该第一位置区域的静止物体的帧，设第一次检测到该第一位置区域的静止物体的帧为第m输入帧，则该第一位置区域的静止物体的停留时间为第m输入帧第k+n输入帧之间的时间。
b、当第一关联结果为第k+n输入帧中第二位置区域不存在静止物体时，根据第k+n输入帧之前最近检测到第一位置区域的静止物体的输入帧确定第一位置区域的静止物体的停留时间，即第k输入帧中检测到的第一位置区域的静止物体的停留时间为第一次检测到第一位置区域的静止物体的输入帧到第k+n输入帧之前最近检测到第一位置区域的静止物体的输入帧之间的时间；
例如，如果第k+n输入帧之前最近检测到第一位置区域的静止物体的是第k+n-1输入帧，则第k输入帧中检测到的第一位置区域的静止物体的停留时间为第一次检测到第一位置区域的静止物体的输入帧到第k+n-1输入帧之间的时间；如果n＝1，则第k输入帧中检测到的第一位置区域的静止物体的停留时间为第一次检测到第一位置区域的静止物体的输入帧到第k输入帧之间的时间。
c、当第一关联结果为第k输入帧中第一位置区域的静止物体与第k+n输入帧中第二位置区域的静止物体是不同的静止物体时，根据第k+n输入帧之前最近检测到第一位置区域的静止物体的输入帧确定第一位置区域的静止物体的停留时间，即第k输入帧中检测到的第一位置区域的静止物体的停留时间为第一次检测到第一位置区域的静止物体的输入帧到第k+n输入帧之前最近检测到第一位置区域的静止物体的输入帧之间的时间；并且从第k+n输入帧开始统计第k+n输入帧中检测到第二位置区域的静止物体的停留时间。
207：根据第k输入帧检测到的静止物体的停留时间，确定第k输入帧检测到的静止物体是否为遗留物。
具体的，当第k输入帧检测到的静止物体的停留时间达到预设时间时，则确定出第k输入帧检测到的静止物体是遗留物。当第k输入帧检测到的静止物体的停留时间没有达到预设时间时，则可以删除第k输入帧位于第一位置区域的静止物体的标识，后续不再统计该静止物体的停留时间。
本实施例通过将两帧之间相同位置的物体进行关联，根据关联结果以物体为单位对遗留物的停留时间进行计时，提高了停留时间计时精确性，并且占用的内存空间较少；另外，通过两帧之间相同位置区域的视频图像的相似性识别是否为同一物体，抑制和矫正了双高斯模型本身的局限性对遗留物检测存在的误差，提高遗留物检测的准确性。
参见图4，本实施例还提供一种遗留物检测的方法，该方法在上述实施例步骤201-205之后，当第一关联结果为第k+n输入帧中第二位置区域不存在静止物体时，由于不存在静止物体的原因可能是物体被遮挡了或物体被移走了，如果被遮挡了，该物体实际仍存在，则应当补上该物体的停留时间，如果被移走了，则后续不再统计该物体的停留时间。因此，本实施例当第一关联结果为第k+n输入帧中第二位置区域不存在静止物体时，步骤206根据第一关联结果确定检测到的静止物体的停留时间，具体包括以下步骤：
301：从第k+n输入帧开始继续检测N个输入帧；
302：将已检测到静止物体的第k’输入帧中的第三位置区域和第k+i输入帧中的第四位置区域进行关联，得到第二关联结果，
其中，第四位置区域是与第三位置区域位置相同的位置区域，其中，n＜i≤N，i和N为自然数；
需要说明的是，第k’输入帧和第k输入帧中分别检测到的静止物体在本实施例中是同一静止物体。另外，第k’输入帧可以是第k输入帧，相应的，已检测到静止物体的第k’输入帧中的第三位置区域也即已检测到静止物体的第k输入帧中的第一位置区域。
第二关联结果具体可通过以下步骤得到：
3021：检测第k+i输入帧中的第四位置区域是否有静止物体；
其中，静止物体的检测方法与步骤202相似，这里不再赘述。
3022：确定第三位置区域与第四位置区域的视频图像之间的第二相似性；
其中，第二相似性与第一相似性的确定方法相似，具体确定过程详见步骤204，这里不再赘述。
3023：根据第k+i输入帧中的第四位置区域是否有静止物体以及第二相似性，确定第k’输入帧中的第三位置区域和第k+i输入帧中的第四位置区域进行关联的第二关联结果；
a、不论第k+i输入帧中的第四位置区域是否有静止物体，当第二相似性大于或等于预设值时，说明在第k+i输入帧之前该静止物体一直存在，并未被移走，从而确定出第k’输入帧中检测到的第三位置区域的静止物体在第k+i输入帧之前被遮挡了；
b、当检测到第四位置区域有静止物体、并且第二相似性小于预设值时，说明原来的静止物体被移走了，并且出现了一个新的静止物体，从而确定出第k’输入帧中第三位置区域的静止物体与第k+i输入帧中第四位置区域的静止物体是不同的静止物体；
c、当检测到第四位置区域没有静止物体、并且第二相似性小于预设值、并且i＝N时，说明在n+N帧之间的时间内一直未再检测到静止物体，从而确定出第k’输入帧中检测到的第三位置区域的静止物体被移走了。
303：根据第二关联结果确定第k’输入帧检测到的静止物体的停留时间；
具体如下所述，
a、当第二关联结果为第k’输入帧中检测到的第三位置区域的静止物体在第k+i输入帧之前被遮挡了时，则第k’输入帧中检测到的第三位置区域的静止物体的停留时间增加i帧的时间，即第k’输入帧中检测到的第三位置区域的静止物体的停留时间为第一次检测到第三位置区域的静止物体的输入帧到第k+i输入帧之间的时间；
b、当第二关联结果为第k’输入帧中检测到的第三位置区域的静止物体被移走了时，根据第k+n输入帧之前最近检测到第三位置区域的静止物体的输入帧确定第三位置区域的静止物体的停留时间，即第k’输入帧中检测到的第三位置区域的静止物体的停留时间为第一次检测到第三位置区域的静止物体的输入帧到第k+n输入帧之前最近检测到第三位置区域的静止物体的输入帧之间的时间；
c、当第二关联结果为第k’输入帧中第三位置区域的静止物体与第k+i输入帧中第四位置区域的静止物体是不同的静止物体时，根据第k+n输入帧之前最近检测到第三位置区域的静止物体的输入帧确定第三位置区域的静止物体的停留时间，即第k’输入帧中检测到的第三位置区域的静止物体的停留时间为第一次检测到第三位置区域的静止物体的输入帧到第k+i输入帧之前最近检测到第三位置区域的静止物体的输入帧之间的时间；并且从第k+i输入帧开始统计第k+i输入帧中检测到第四位置区域的静止物体的停留时间。
参见图5，按照现有技术第k+n输入帧中的静止物体被遮挡之后会检测不出来，但是采用物体关联之后，只要物体被遮挡的时间不超过n+N帧，则被遮挡的物体也能被检测出来。
本实施例通过将静止物体保留一段时间，其间只要有一帧检测到该静止物体，则判断该静止物体在该帧之前被遮挡了，停留时间充分考虑了被遮挡的时间，提高了停留时间计时的准确性。
参见图6，本实施例还提供了一种遗留物检测的设备，包括：
物体检测模块401，用于获取视频图像，检测视频图像的输入帧中的静止物体；
物体关联模块402，用于将已检测到静止物体的第k输入帧中的第一位置区域和第k+n输入帧中的第二位置区域进行关联，得到第一关联结果，其中，第一位置区域是第k输入帧中的静止物体所在的位置区域，第二位置区域是第k+n输入帧中与第一位置区域位置相同的位置区域，k和n为自然数；
时间确定模块403，用于根据第一关联结果确定检测到的静止物体的停留时间；
遗留物确定模块404，用于根据检测到的静止物体的停留时间，确定检测到的静止物体是否为遗留物。
在一种实施方式下，物体检测模块401，还用于检测第k+n输入帧中的第二位置区域是否有静止物体；
参见图7，物体关联模块402，包括：
相似性确定单元4021，用于确定第一位置区域与第二位置区域的视频图像之间的第一相似性；
第一关联单元4022，用于当第一相似性大于或等于预设值时，确定出第k+n输入帧中第二位置区域存在静止物体，并且确定出第k输入帧中第一位置区域的静止物体与第k+n输入帧中第二位置区域的静止物体是同一静止物体；
第二关联单元4023，用于当检测到第二位置区域有静止物体、并且第一相似性小于预设值时，确定出第k输入帧中第一位置区域的静止物体与第k+n输入帧中第二位置区域的静止物体是不同的静止物体；
第三关联单元4024，用于当检测到第二位置区域没有静止物体、并且第一相似性小于预设值时，确定出第k+n输入帧中第二位置区域不存在静止物体。
在另一种实施方式下，相似性确定单元4021，具体用于
计算第二位置区域的视频图像和第一位置区域的背景图像之间的第一不相似度量，计算第二位置区域的视频图像和第一位置区域的视频图像之间的第二不相似度量，将第一不相似度量和第二不相似度量做除法运算得到第一相似性；
或者，计算第二位置区域的视频图像和第一位置区域的背景图像之间的第一相似度量，计算第二位置区域的视频图像和第一位置区域的视频图像之间的第二相似度量，将第二相似度量和第一相似度量做除法运算得到第一相似性；
或者，计算第二位置区域的视频图像和第一位置区域的背景图像之间的第一不相似度量，计算第二位置区域的视频图像和第一位置区域的视频图像之间的第二相似度量，将第一不相似度量和第二相似度量做乘运算得到第一相似性；
或者，计算第二位置区域的视频图像和第一位置区域的背景图像之间的第一相似度量，计算第二位置区域的视频图像和第一位置区域的视频图像之间的第二不相似度量，将第一相似度量和二不相似度量做乘运算并取倒数作为第一相似性；
或者，计算第二位置区域的视频图像和第一位置区域的视频图像之间的相似度量，将相似度量作为第一相似性。
在另一种实施方式下，时间确定模块403，包括：
第一时间确定单元4031，用于当第一关联结果为第k输入帧中第一位置区域的静止物体与第k+n输入帧中第二位置区域的静止物体是同一静止物体时，则检测到的静止物体的停留时间为第一次检测到静止物体的输入帧到第k+n输入帧之间的时间；
第二时间确定单元4032，用于当第一关联结果为第k+n输入帧中第二位置区域不存在静止物体时，则检测到的静止物体的停留时间为第一次检测到静止物体的输入帧到第k+n输入帧之前最近检测到静止物体的输入帧之间的时间；
第三时间确定单元4033，用于当第一关联结果为第k输入帧中第一位置区域的静止物体与第k+n输入帧中第二位置区域的静止物体是不同的静止物体时，则检测到的静止物体的停留时间为第一次检测到静止物体的输入帧到第k+n输入帧之前最近检测到静止物体的输入帧之间的时间。
在另一种实施方式下，时间确定模块403包括：第四时间确定单元4034，第四时间确定单元4034，包括：
物体检测子单元40341，用于当第一关联结果为第k+n输入帧中第二位置区域不存在静止物体时，从第k+n输入帧开始继续检测N个输入帧；
物体关联子单元40342，用于将已检测到静止物体的第k’输入帧中的第三位置区域和第k+i输入帧中的第四位置区域进行关联，得到第二关联结果，第四位置区域是与第三位置区域位置相同的位置区域，其中，n＜i≤N，i和N为自然数；
时间确定子单元40343，用于根据第二关联结果确定检测到的静止物体的停留时间。
在另一种实施方式下，物体关联子单元40342，具体用于
检测第k+i输入帧中的第四位置区域是否有静止物体；
确定第三位置区域与第四位置区域的视频图像之间的第二相似性；
当第二相似性大于或等于预设值时，确定出检测到的静止物体在第k+i输入帧之前被遮挡了；
当检测到第四位置区域有静止物体、并且第二相似性小于预设值时，确定出第k’输入帧中第三位置区域的静止物体与第k+i输入帧中第四位置区域的静止物体是不同的静止物体；
当检测到第四位置区域没有静止物体、并且第二相似性小于预设值、并且i＝N时，确定出检测到的静止物体被移走了。
在另一种实施方式下，时间确定子单元40343，具体用于
当第二关联结果为检测到的静止物体在第k+i输入帧之前被遮挡了时，则检测到的静止物体的停留时间为第一次检测到静止物体的输入帧到第k+i输入帧之间的时间；
当第二关联结果为检测到的静止物体被移走了时，则检测到的静止物体的停留时间为第一次检测到静止物体的输入帧到第k+n输入帧之前最近检测到静止物体的输入帧之间的时间；
当第二关联结果为第k’输入帧中第三位置区域的静止物体与第k+i输入帧中第四位置区域的静止物体是不同的静止物体时，则检测到的静止物体的停留时间为第一次检测到静止物体的输入帧到第k+i输入帧之前最近检测到静止物体的输入帧之间的时间。
在另一种实施方式下，优选的，n为1。
本实施例通过将两帧之间相同位置的物体进行关联，根据关联结果以物体为单位对遗留物的停留时间进行计时，提高了停留时间计时精确性，并且占用的内存空间较少；另外，通过两帧之间相同位置区域的视频图像的相似性识别是否为同一物体，抑制和矫正了双高斯模型本身的局限性对遗留物检测存在的误差，提高遗留物检测的准确性；另外，通过将静止物体保留一段时间，其间只要有一帧检测到该静止物体，则判断该静止物体在该帧之前被遮挡了，停留时间充分考虑了被遮挡的时间，提高了停留时间计时的准确性。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，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 (12)
1.一种遗留物检测的方法，其特征在于，所述方法包括：
获取视频图像，检测所述视频图像的输入帧中的静止物体；
将已检测到静止物体的第k输入帧中的第一位置区域和第k+n输入帧中的第二位置区域进行关联，得到第一关联结果，其中，所述第一位置区域是所述第k输入帧中的静止物体所在的位置区域，所述第二位置区域是所述第k+n输入帧中与所述第一位置区域位置相同的位置区域，k和n为自然数；
根据所述第一关联结果确定检测到的所述静止物体的停留时间；
根据检测到的所述静止物体的停留时间，确定检测到的所述静止物体是否为遗留物；
所述将已检测到静止物体的第k输入帧中的第一位置区域和第k+n输入帧中的第二位置区域进行关联，得到第一关联结果，包括：
检测所述第k+n输入帧中的第二位置区域是否有静止物体；
确定所述第一位置区域与所述第二位置区域的视频图像之间的第一相似性；
当所述第一相似性大于或等于预设值时，确定出所述第k+n输入帧中第二位置区域存在静止物体，并且确定出所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是同一静止物体；
当检测到所述第二位置区域有静止物体、并且所述第一相似性小于预设值时，确定出所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是不同的静止物体；
当检测到所述第二位置区域没有静止物体、并且所述第一相似性小于预设值时，确定出所述第k+n输入帧中第二位置区域不存在静止物体。
2.根据权利要求1所述的方法，其特征在于，所述确定所述第一位置区域与所述第二位置区域的视频图像之间的第一相似性，包括：
计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一不相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二不相似度量，将所述第一不相似度量和所述第二不相似度量做除法运算得到所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二相似度量，将所述第二相似度量和所述第一相似度量做除法运算得到所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一不相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二相似度量，将所述第一不相似度量和所述第二相似度量做乘运算得到所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二不相似度量，将所述第一相似度量和所述二不相似度量做乘运算并取倒数作为所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的相似度量，将所述相似度量作为所述第一相似性。
3.根据权利要求1所述的方法，其特征在于，所述根据所述第一关联结果确定检测到的所述静止物体的停留时间，包括：
当所述第一关联结果为所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是同一静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之间的时间；
当所述第一关联结果为所述第k+n输入帧中第二位置区域不存在静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之前最近检测到所述静止物体的输入帧之间的时间；
当所述第一关联结果为所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是不同的静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之前最近检测到所述静止物体的输入帧之间的时间。
4.根据权利要求1所述的方法，其特征在于，所述根据所述第一关联结果确定检测到的所述静止物体的停留时间，包括：
当所述第一关联结果为所述第k+n输入帧中第二位置区域不存在静止物体时，从所述第k+n输入帧开始继续检测N个输入帧；
将已检测到静止物体的第k’输入帧中的第三位置区域和第k+i输入帧中的第四位置区域进行关联，得到第二关联结果，所述第四位置区域是与所述第三位置区域位置相同的位置区域，其中，n＜i≤N，i和N为自然数；
根据所述第二关联结果确定检测到的所述静止物体的停留时间。
5.根据权利要求4所述的方法，其特征在于，所述将已检测到静止物体的第k’输入帧中的第三位置区域和第k+i输入帧中的第四位置区域进行关联，得到第二关联结果，包括：
检测所述第k+i输入帧中的第四位置区域是否有静止物体；
确定所述第三位置区域与所述第四位置区域的视频图像之间的第二相似性；
当所述第二相似性大于或等于预设值时，确定出检测到的所述静止物体在所述第k+i输入帧之前被遮挡了；
当检测到所述第四位置区域有静止物体、并且所述第二相似性小于预设值时，确定出所述第k’输入帧中第三位置区域的静止物体与所述第k+i输入帧中第四位置区域的静止物体是不同的静止物体；
当检测到所述第四位置区域没有静止物体、并且所述第二相似性小于预设值、并且i＝N时，确定出检测到的所述静止物体被移走了。
6.根据权利要求4所述的方法，其特征在于，所述根据所述第二关联结果确定检测到的所述静止物体的停留时间，包括：
当所述第二关联结果为检测到的所述静止物体在所述第k+i输入帧之前被遮挡了时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+i输入帧之间的时间；
当所述第二关联结果为检测到的所述静止物体被移走了时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之前最近检测到所述静止物体的输入帧之间的时间；
当所述第二关联结果为所述第k’输入帧中第三位置区域的静止物体与所述第k+i输入帧中第四位置区域的静止物体是不同的静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+i输入帧之前最近检测到所述静止物体的输入帧之间的时间。
7.一种遗留物检测的设备，其特征在于，所述设备包括：
物体检测模块，用于获取视频图像，检测所述视频图像的输入帧中的静止物体；
物体关联模块，用于将已检测到静止物体的第k输入帧中的第一位置区域和第k+n输入帧中的第二位置区域进行关联，得到第一关联结果，其中，所述第一位置区域是所述第k输入帧中的静止物体所在的位置区域，所述第二位置区域是所述第k+n输入帧中与所述第一位置区域位置相同的位置区域，k和n为自然数；
时间确定模块，用于根据所述第一关联结果确定检测到的所述静止物体的停留时间；
遗留物确定模块，用于根据检测到的所述静止物体的停留时间，确定检测到的所述静止物体是否为遗留物；
物体检测模块，还用于检测所述第k+n输入帧中的第二位置区域是否有静止物体；
所述物体关联模块，包括：
相似性确定单元，用于确定所述第一位置区域与所述第二位置区域的视频图像之间的第一相似性；
第一关联单元，用于当所述第一相似性大于或等于预设值时，确定出所述第k+n输入帧中第二位置区域存在静止物体，并且确定出所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是同一静止物体；
第二关联单元，用于当检测到所述第二位置区域有静止物体、并且所述第一相似性小于预设值时，确定出所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是不同的静止物体；
第三关联单元，用于当检测到所述第二位置区域没有静止物体、并且所述第一相似性小于预设值时，确定出所述第k+n输入帧中第二位置区域不存在静止物体。
8.根据权利要求7所述的设备，其特征在于，所述相似性确定单元，具体用于
计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一不相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二不相似度量，将所述第一不相似度量和所述第二不相似度量做除法运算得到所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二相似度量，将所述第二相似度量和所述第一相似度量做除法运算得到所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一不相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二相似度量，将所述第一不相似度量和所述第二相似度量做乘运算得到所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的背景图像之间的第一相似度量，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的第二不相似度量，将所述第一相似度量和所述二不相似度量做乘运算并取倒数作为所述第一相似性；
或者，计算所述第二位置区域的视频图像和所述第一位置区域的视频图像之间的相似度量，将所述相似度量作为所述第一相似性。
9.根据权利要求7所述的设备，其特征在于，所述时间确定模块，包括：
第一时间确定单元，用于当所述第一关联结果为所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是同一静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之间的时间；
第二时间确定单元，用于当所述第一关联结果为所述第k+n输入帧中第二位置区域不存在静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之前最近检测到所述静止物体的输入帧之间的时间；
第三时间确定单元，用于当所述第一关联结果为所述第k输入帧中第一位置区域的静止物体与所述第k+n输入帧中第二位置区域的静止物体是不同的静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之前最近检测到所述静止物体的输入帧之间的时间。
10.根据权利要求7所述的设备，其特征在于，所述时间确定模块包括：第四时间确定单元，所述第四时间确定单元，包括：
物体检测子单元，用于当所述第一关联结果为所述第k+n输入帧中第二位置区域不存在静止物体时，从所述第k+n输入帧开始继续检测N个输入帧；
物体关联子单元，用于将已检测到静止物体的第k’输入帧中的第三位置区域和第k+i输入帧中的第四位置区域进行关联，得到第二关联结果，所述第四位置区域是与所述第三位置区域位置相同的位置区域，其中，n＜i≤N，i和N为自然数；
时间确定子单元，用于根据所述第二关联结果确定检测到的所述静止物体的停留时间。
11.根据权利要求10所述的设备，其特征在于，所述物体关联子单元，具体用于
检测所述第k+i输入帧中的第四位置区域是否有静止物体；
确定所述第三位置区域与所述第四位置区域的视频图像之间的第二相似性；
当所述第二相似性大于或等于预设值时，确定出检测到的所述静止物体在所述第k+i输入帧之前被遮挡了；
当检测到所述第四位置区域有静止物体、并且所述第二相似性小于预设值时，确定出所述第k’输入帧中第三位置区域的静止物体与所述第k+i输入帧中第四位置区域的静止物体是不同的静止物体；
当检测到所述第四位置区域没有静止物体、并且所述第二相似性小于预设值、并且i＝N时，确定出检测到的所述静止物体被移走了。
12.根据权利要求10所述的设备，其特征在于，所述时间确定子单元，具体用于
当所述第二关联结果为检测到的所述静止物体在所述第k+i输入帧之前被遮挡了时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+i输入帧之间的时间；
当所述第二关联结果为检测到的所述静止物体被移走了时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+n输入帧之前最近检测到所述静止物体的输入帧之间的时间；
当所述第二关联结果为所述第k’输入帧中第三位置区域的静止物体与所述第k+i输入帧中第四位置区域的静止物体是不同的静止物体时，则检测到的所述静止物体的停留时间为第一次检测到所述静止物体的输入帧到所述第k+i输入帧之前最近检测到所述静止物体的输入帧之间的时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210075734.7A CN103324906B (zh) | 2012-03-21 | 2012-03-21 | 一种遗留物检测的方法和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210075734.7A CN103324906B (zh) | 2012-03-21 | 2012-03-21 | 一种遗留物检测的方法和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103324906A CN103324906A (zh) | 2013-09-25 |
| CN103324906B true CN103324906B (zh) | 2016-09-14 |
Family
ID=49193638
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210075734.7A Active CN103324906B (zh) | 2012-03-21 | 2012-03-21 | 一种遗留物检测的方法和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103324906B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103605983B (zh) * | 2013-10-30 | 2017-01-25 | 天津大学 | 一种遗留物检测和跟踪方法 |
| CN105701451B (zh) * | 2015-12-31 | 2019-04-26 | 联想(北京)有限公司 | 一种信息处理方法和电子设备 |
| CN106845382A (zh) * | 2017-01-16 | 2017-06-13 | 广州广电物业管理有限公司 | 一种基于视频识别的任务管理方法、装置及系统 |
| CN107918762B (zh) * | 2017-10-24 | 2022-01-14 | 江西省高速公路投资集团有限责任公司 | 一种公路遗撒物快速检测系统及方法 |
| CN114275416B (zh) * | 2022-01-19 | 2023-07-21 | 平安国际智慧城市科技股份有限公司 | 基于图像识别的厨余垃圾分类方法、装置、设备及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231696A (zh) * | 2008-01-30 | 2008-07-30 | 安防科技（中国）有限公司 | 遗留物检测方法及系统 |
| CN101751669A (zh) * | 2009-12-17 | 2010-06-23 | 北京中星微电子有限公司 | 一种静止物体检测方法和装置 |
| CN102063614A (zh) * | 2010-12-28 | 2011-05-18 | 天津市亚安科技电子有限公司 | 一种安防监控中遗留物品的检测方法及装置 |
| CN102314695A (zh) * | 2011-08-23 | 2012-01-11 | 北京黄金视讯科技有限公司 | 一种基于计算机视觉的遗留物检测方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4631806B2 (ja) * | 2006-06-05 | 2011-02-16 | 日本電気株式会社 | 物体検出装置、物体検出方法および物体検出プログラム |
| CN101751549B (zh) * | 2008-12-03 | 2014-03-26 | 财团法人工业技术研究院 | 移动物体的追踪方法 |
| JP5305520B2 (ja) * | 2009-05-19 | 2013-10-02 | パナソニック株式会社 | 監視カメラシステム |
| CN102214359B (zh) * | 2010-04-07 | 2013-02-13 | 北京智安邦科技有限公司 | 基于层级式特征匹配的目标跟踪装置 |
-
2012
- 2012-03-21 CN CN201210075734.7A patent/CN103324906B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101231696A (zh) * | 2008-01-30 | 2008-07-30 | 安防科技（中国）有限公司 | 遗留物检测方法及系统 |
| CN101751669A (zh) * | 2009-12-17 | 2010-06-23 | 北京中星微电子有限公司 | 一种静止物体检测方法和装置 |
| CN102063614A (zh) * | 2010-12-28 | 2011-05-18 | 天津市亚安科技电子有限公司 | 一种安防监控中遗留物品的检测方法及装置 |
| CN102314695A (zh) * | 2011-08-23 | 2012-01-11 | 北京黄金视讯科技有限公司 | 一种基于计算机视觉的遗留物检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 《基于全方位计算机视觉的遗留物检测系统》;汤一平等;《计算机测量与控制》;20100325;第18卷(第3期);第517-519页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103324906A (zh) | 2013-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103324906B (zh) | 一种遗留物检测的方法和设备 | |
| CN107133969B (zh) | 一种基于背景反投影的移动平台运动目标检测方法 | |
| CN101551852B (zh) | 训练系统、训练方法和检测方法 | |
| CN103413311B (zh) | 一种基于边缘的模糊检测方法 | |
| CN106056968B (zh) | 一种基于光学图像的车位检测方法 | |
| CN102542282B (zh) | 一种无源图像马赛克检测方法及装置 | |
| CN105930795A (zh) | 一种基于人体骨骼关节点间空间向量的行走状态识别方法 | |
| CN110232379A (zh) | 一种车辆姿态检测方法及系统 | |
| CN109214380A (zh) | 车牌倾斜校正方法 | |
| CN106997459A (zh) | 一种基于神经网络和图像叠合分割的人数统计方法及系统 | |
| CN104408406A (zh) | 基于帧差法和减背景法的人员离岗检测方法 | |
| CN104376323B (zh) | 一种确定目标距离的方法及装置 | |
| WO2022057719A1 (zh) | 识别对象确定方法、装置、设备及存储介质 | |
| CN104036516A (zh) | 基于对称性分析的摄像机标定棋盘图像角点检测方法 | |
| Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
| CN107509059A (zh) | 摄像机镜头遮挡检测方法 | |
| CN104867128A (zh) | 图像模糊检测方法和装置 | |
| CN104065954A (zh) | 一种高清立体视频的视差范围快速检测方法 | |
| CN105447863B (zh) | 一种基于改进vibe的遗留物检测方法 | |
| CN111553298A (zh) | 一种基于区块链的火灾识别方法及系统 | |
| CN207233038U (zh) | 人脸点名与计数系统 | |
| AU2021203869A1 (en) | Methods, devices, electronic apparatuses and storage media of image processing | |
| CN102737230B (zh) | 一种基于方向场估计的非局部均值滤波方法 | |
| CN105741326A (zh) | 一种基于聚类融合的视频序列的目标跟踪方法 | |
| CN103607558A (zh) | 一种视频监控系统及其目标匹配方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |