CN104182959A - 目标搜索方法及装置 - Google Patents
目标搜索方法及装置 Download PDFInfo
- Publication number
- CN104182959A CN104182959A CN201310196903.7A CN201310196903A CN104182959A CN 104182959 A CN104182959 A CN 104182959A CN 201310196903 A CN201310196903 A CN 201310196903A CN 104182959 A CN104182959 A CN 104182959A
- Authority
- CN
- China
- Prior art keywords
- video image
- image frame
- frame sequence
- sequence
- 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.)
- Granted
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种目标搜索方法及装置,用以解决采用现有技术中的目标搜索方案存在的效率较低问题。方法包括:获得预设图像坐标系中第一指定位置的信息和位置匹配第一条件,其中,所述位置匹配第一条件表征:预期目标在所述图像坐标系中所处位置与所述第一指定位置之间的位置关系;根据所述位置匹配第一条件、出现在视频图像帧序列中的各个前景目标在所述图像坐标系中分别所处位置的信息,以及所述第一指定位置的信息,在所述视频图像帧序列中搜索满足在图像坐标系中所处位置与第一指定位置之间的位置关系匹配于所述位置匹配第一条件表征的位置关系的前景目标。
Description
技术领域
本发明涉及数字图像处理技术领域,尤其涉及一种目标搜索方法及装置。
背景技术
随着数字智能化的普及,城市中的监控设备越来越多。以视频监控设备为例,其所拍摄得到的视频信息往往涉及到交通路口、银行、小区等多种场景,随之而来的是每天产生的大量数据。当从拍摄得到的视频信息中查找某一特定目标时,一般需要调用多个视频监控设备连续几天所得到的视频信息进行人工查询筛选。由于待调用的视频信息的信息量往往非常大,因此按照人工处理的方式对视频信息中包含的特定目标进行搜索会耗费较多的人力资源,且效率较低。
发明内容
本发明实施例提供一种目标搜索方法及装置,用以解决采用现有技术中的目标搜索方案存在的效率较低问题。
本发明实施例采用以下技术方案:
一种目标搜索方法,包括:获得预设图像坐标系中第一指定位置的信息和位置匹配第一条件,其中,所述位置匹配第一条件表征:预期目标在所述图像坐标系中所处位置与所述第一指定位置之间的位置关系;根据所述位置匹配第一条件、出现在视频图像帧序列中的各个前景目标在所述图像坐标系中分别所处位置的信息,以及所述第一指定位置的信息,在所述视频图像帧序列中搜索满足下述要求的前景目标:其在所述图像坐标系中所处位置与所述第一指定位置之间的位置关系匹配于所述位置匹配第一条件表征的位置关系。
一种目标搜索装置,包括:搜索条件获得单元,用于获得预设图像坐标系中第一指定位置的信息和位置匹配第一条件,其中,所述位置匹配第一条件表征:预期目标在所述图像坐标系中所处位置与所述第一指定位置之间的位置关系;搜索单元,用于根据出现在视频图像帧序列中的各个前景目标在所述图像坐标系中分别所处位置的信息,以及搜索条件获得单元获得的所述位置匹配第一条件和所述第一指定位置的信息,在所述视频图像帧序列中搜索满足下述要求的前景目标:其在所述图像坐标系中所处位置与所述第一指定位置之间的位置关系匹配于所述位置匹配第一条件表征的位置关系。
本发明实施例的有益效果如下:
本发明实施例通过判断前景目标在预设图像坐标系中所处位置与第一指定位置间的位置关系是否满足位置匹配第一条件所规定的位置关系,就可以实现从视频图像帧序列中自动搜索到满足需求的前景目标。该方案不需要采用人工查询的方式筛选前景目标,而是可以进行自动搜索,从而搜索效率较高。
附图说明
图1为本发明实施例提供的一种目标搜索方法的具体实现流程示意图;
图2为本发明实施例中实现对原始视频图像帧序列执行浓缩操作而得到浓缩视频图像帧序列的步骤示意图;
图3为传统的视频图像压缩技术的实现过程示意图;
图4为本发明实施例提供的目标搜索方法的具体实施方式示意图。
具体实施方式
为了解决采用现有技术中的目标搜索方案存在的效率较低问题,本发明实施例提供了一种目标搜索方案。该方案通过设置位置匹配第一条件,并在预设图像坐标系中设置第一指定位置,从而采用简单地判断前景目标在预设图像坐标系中所处位置与第一指定位置间的位置关系是否满足位置匹配第一条件所规定的位置关系,就可以实现从视频图像帧序列中自动搜索到满足需求的前景目标。该方案不需要采用人工查询的方式筛选前景目标,搜索效率较高。
以下结合说明书附图对本发明的实施例进行说明,应当理解,此处所描述的实施例仅用于说明和解释本发明,并不用于限制本发明。并且在不冲突的情况下,本说明中的实施例及实施例中的特征可以互相结合。
首先,本发明实施例提供一种目标搜索方法,该方法的具体实现流程示意图如图1所示,主要包括如下步骤:
步骤11,获得预设图像坐标系中第一指定位置的信息和位置匹配第一条件;
本发明实施例中,该位置匹配第一条件用于表征:预期目标(即期望搜索到的前景目标)在预设图像坐标系中所处位置与上述第一指定位置之间的位置关系。一般说来,该位置关系可以有多种。比如,若将预期目标在预设图像坐标系中所处位置称为第一位置,而将上述第一指定位置称为第二位置,那么,位置匹配第一条件所表征的位置关系可以但不限于包括:第一位置与第二位置部分重合、第一位置与第二位置完全重合,以及第一位置与第二位置的重合部分处的像素点个数大于预设的像素点阈值,等等。
一般地,上述第一指定位置可以是指定区域所在位置,也可以是指定线段所在位置,甚至是指定的某一点或多点所在位置。可选的,当第一指定位置是指定区域所在位置时,步骤11中所述的获得预设图像坐标系中第一指定位置的信息的具体实现方式可以包括:获得区域入侵规则。其中,该区域入侵规则包含:预设图像坐标系中指定区域所在位置的信息。可选的,当第一指定位置是指定线段所在位置时,获得预设图像坐标系中第一指定位置的信息的具体实现方式则可以包括:获得绊线入侵规则;其中,该绊线入侵规则包含:预设图像坐标系中指定线段所在位置的信息。
步骤12,根据出现在视频图像帧序列中的各个前景目标在预设图像坐标系中分别所处位置的信息,以及获得的位置匹配第一条件和上述第一指定位置的信息,在视频图像帧序列中搜索满足这样要求的前景目标:其在预设图像坐标系中所处位置与上述第一指定位置之间的位置关系匹配于位置匹配第一条件所表征的位置关系。
可选的,若上述步骤11和步骤12中所述的第一指定位置包含多个指定子位置,且每个指定子位置分别被分配了唯一标识,那么,在一些需要精确确定搜索到的前景目标所在位置的场景下,还可以进一步执行下述步骤13。
步骤13,从第一指定位置所包含的多个指定子位置中,确定与搜索到的前景目标在预设图像坐标系中所处位置之间的位置关系匹配于位置匹配第一条件表征的位置关系的指定子位置,并输出确定出的指定子位置的唯一标识。
可选的,上述视频图像帧序列可以是摄像机拍摄到的、不经任何处理的原始图像帧序列,也可以是浓缩视频图像帧序列。其中,该浓缩视频图像帧序列可以是通过对原始视频图像帧序列执行浓缩操作而得到的;也可以是通过下述方式而得到的:
首先,获得各图像序列;然后,再执行将获得的所有图像序列浓缩到一个浓缩视频图像帧序列中的操作。其中,任一图像序列仅包含从原始视频图像帧序列中提取得到的、所处位置与第二指定位置之间的位置关系匹配于位置匹配第二条件表征的位置关系的前景目标。这里的第二指定位置是泛指某种指定位置,其可以与前文所述的第一指定位置相同,也可以不同。
本发明实施例中,对视频图像帧序列执行浓缩操作的好处在于,可以减少视频图像帧序列对存储空间的需求。
可选的,本发明实施例中可以采用下述方式实现对原始视频图像帧序列执行浓缩操作而得到浓缩视频图像帧序列。该方式具体包括如图2所示的下述步骤:
步骤21,采用背景差分方法,从原始视频图像帧序列中提取全部运动目标;
步骤22,基于原始视频图像帧序列、背景模型和运动目标跟踪技术,生成分别包含提取出的各运动目标的各图像帧序列;
步骤23,分别确定各运动目标在其所在的图像帧序列所包含的各个图像帧中的位置和在原始视频图像帧序列中的首次出现时刻;
步骤24,根据通过执行步骤23而确定出的位置和首次出现时刻,针对原始视频图像帧序列中出现的除最早出现的运动目标外的其他每个运动目标,判断该运动目标与在该运动目标之前出现的各个运动目标在相应的图像帧序列所包含的图像帧中是否有重叠;
步骤25,根据针对除最早出现的运动目标外的其他每个运动目标所得到的各个判断结果、上述首次出现时刻、背景模型和各图像帧序列,生成浓缩视频图像帧序列。
后文将以一个具体的实施方式为例,详细说明本发明实施例中如何实现对原始视频图像帧序列的浓缩,在此不再赘述。
此外需要重点说明的是,当本发明实施例中所述的视频图像帧序列为对仅包含满足指定搜索条件的前景目标的图像序列进行浓缩而得到的浓缩视频图像帧序列时,本发明实施例提供的该方法还可以进一步包括下述步骤:
首先,获得各图像序列。其中,任一图像序列仅包含从原始视频图像帧序列中提取得到的、所处位置与第二指定位置之间的位置关系匹配于位置匹配第二条件表征的位置关系的前景目标。而这里所述第二指定位置可以与第一指定位置相同,也可以不同;位置匹配第二条件则可以与位置匹配第一条件相同,也可以不同。
然后,执行将获得的所有图像序列浓缩到一个浓缩视频图像帧序列中的操作,并存储所处位置与第二指定位置之间的位置关系匹配于位置匹配第二条件表征的位置关系的各前景目标在所述图像坐标系中分别所处位置的信息。
基于上述两个步骤,前文所述的步骤12的具体实现方式可以包括:根据位置匹配第一条件、存储的位置的信息,以及第一指定位置的信息,在浓缩视频图像帧序列中搜索满足前述要求的前景目标。
由于采用上述方式,可以实现对前景目标的位置信息的存储,这样就可以使得需要采用不同位置匹配条件来搜索前景目标时,无需再次对原始视频图像帧序列进行分析,从而可以节省大量的处理资源。
由上文对本发明实施例提供的前景目标搜索方法的介绍可以看出,该方法通过从视频图像帧序列中,自动搜索满足在预设图像坐标系中所处位置与第一指定位置间的位置关系满足位置匹配第一条件所规定的位置关系的前景目标,就可以实现从视频图像帧序列中自动搜索到满足需求的前景目标。该方案不需要采用人工查询的方式筛选前景目标,而是可以进行自动搜索,从而搜索效率较高。此外,该方法还可以是基于对原始视频图像帧序列的浓缩而进行的,因此对存储空间的要求较小。
以下介绍本发明实施例提供的上述方法在实际中的一种具体实施方式:
为了方便刑侦人员对嫌疑目标的快速锁定,该具体实施方式中将行为规则判断与目标检索、视频浓缩相结合,对具备特定行为的前景目标进行查找,如查找满足绊线入侵规则或区域入侵规则等的前景目标。还可以对原始视频图像帧序列进行视频浓缩,使得浓缩得到的浓缩视频图像帧序列中仅包含满足入侵规则的前景目标。由于对原始视频图像帧序列进行浓缩,可以使得浓缩视频图像帧序列相对于原始视频图像帧序列而言,在时间和空间上进行了大幅度的压缩,从而可以使得刑侦人员后续可以在较短的时间内对所有检索目标进行身份的确认。
需要说明的是,传统的视频图像压缩技术仅仅在时间上对无前景目标的图像帧进行剔除,而将所有存在前景目标的图像帧重新合成浓缩视频图像帧序列的,这种按时间的处理方式由于没有利用视频图像场景中的空间信息,最终形成的视频仍然会显得很长。请参考说明书附图3,其为传统的视频图像压缩技术的实现过程示意图。该过程主要包括下述步骤:
第一步:图像分割,即分割原始视频图像帧序列所包含的各视频图像(即各视频图像帧)的背景图像和前景图像。
第二步:运动物体提取,即从分割出的前景图像中提取运动物体。
第三步:运动物体序列提取,即通过累积从各帧前景图像中分别提取出的运动物体,生成运动物体序列。
第四步:主背景序列提取,即从原始视频图像帧序列所包含的多帧视频图像的背景图像中,提取特定的n帧背景图像生成主背景序列。
第五步:拼接,即将生成的主背景序列与运动物体序列进行拼接,得到浓缩视频图像帧序列。
可以看出,传统的视频图像压缩技术仅仅考虑了对原始视频图像帧序列进行时间长度的缩短。虽然该方式可以实现对人力物力的耗费成本有所控制,但当查询某一特定目标时,仍然需要人工逐帧去排查。而本发明实施例介绍的该具体实施方式中,可以通过下文介绍的一种方式对原始视频图像帧序列的浓缩,实现对原始视频图像帧序列进行较大程度的压缩。需要说明的是,该具体实施方式所涉及的一些主要技术包括:
1.前景目标搜索:通过预先建立背景模型,并利用训练图像获得背景模型的参数,然后再将每一幅待处理图像与当前背景模型作比较来搜索前景目标,并根据场景的变化动态地对模型参数进行更新。常用的背景建模方法有单高斯背景建模和混合高斯背景建模。
2.目标的跟踪:针对视频图像帧序列所包含的除第一帧视频图像外的其他每个视频图像执行:根据该视频图像的前一帧视频图像中的前景目标对场景中出现的前景目标进行跟踪匹配。每一个出现的前景目标都有自己对应的ID号。前景目标间在不出现相互遮挡的理想情况下,一个前景目标从进入场景到离开场景所对应的ID应该不变,场景中依次出现的前景目标被分配到的ID应该是递增的。
3.目标信息的提取:对跟踪的每个前景目标的信息进行保存,这个过程包括保存前景目标外接矩形框所在区域的图像、前景目标的坐标位置信息、前景目标在原始视频图像帧序列中出现的首次出现时刻和最终消失时刻。
4.绊线入侵:在场景中预先对规则线进行设置,当前景目标的轨迹线与规则线有交点,则确定该前景目标触发了绊线入侵规则,反之,则确定该前景目标没有触发绊线入侵规则。规则线可以设置多条。
5.区域入侵:在场景中预先设置指定区域,所有进入或离开指定区域的前景目标均被确定为触发了区域入侵规则,反之则确定前景目标没有触发区域入侵规则。指定区域可以设置多个。
6.目标检索:检索触发了预设规则的前景目标。比如,可以检索触发了绊线入侵规则的前景目标;或检索触发了区域入侵规则的前景目标;或检索同时触发了绊线入侵规则和区域入侵规则的前景目标。在检索到触发了预设规则的前景目标后,获取触发了预设规则的前景目标的ID、位置信息以及该前景目标在原始视频图像中的首次出现时刻和最终消失时刻。
7.视频浓缩:充分利用原始视频图像帧序列原始视频图像帧序列中的时间和空间信息,对原始视频图像帧序列进行浓缩,生成一个较短的仅包含满足预设检索条件的前景目标的浓缩视频图像帧序列。
基于上述技术,以下介绍该具体实施方式的执行过程。该过程主要包括如图4所示的下述步骤:
步骤41,设置入侵规则。
本具体实施方式中,入侵规则主要包括绊线入侵规则和区域入侵规则。具体地,可以先基于视频图像建立图像坐标系,该图像坐标系可以等同于后文所述的“场景”。然后,针对绊线入侵规则而言,可以是在图像坐标系中设置一条或多条线段,每一条线段均对应一个绊线规则ID。同理,针对区域入侵规则而言,其可以是在图像坐标系中设置一个或者多个区域,每个区域均对应一个区域规则ID。
此外,入侵规则中还包括位置匹配第一条件,该条件用于表示预期的前景目标在场景中的位置与入侵规则中指定的位置(如线段的位置或者区域的位置)之间的位置关系。比如,针对绊线入侵规则而言,其包含的位置匹配第一条件可以为:预期的前景目标在场景中的位置与绊线入侵规则中设置的至少一条线段所在位置有重合;而针对区域入侵规则而言,其包含的位置匹配第一条件可以为:预期的前景目标在场景中的位置与区域入侵规则中设置的至少一个区域所在位置有重合。
步骤42,提取前景目标。
具体地,可以首先利用原始图像帧序列中的连续多帧视频图像,建立背景模型;背景模型建立完成后,通过比较视频图像帧与背景模型,就可以统计出所有与背景模型灰度值的差分结果大于预设灰度阈值的像素点作为前景像素点,并将该差分结果不大于预设灰度阈值的像素点作为背景像素点。针对任一帧视频图像所提取到的所有前景像素点就构成了该视频图像中的前景目标。
步骤43,跟踪前景目标。
在检测到前景目标后,进一步对场景中出现的前景目标进行跟踪处理。可以在每当检测到一个新的前景目标后,为该前景目标分配唯一的目标ID。这样,可以实现在对原始视频图像帧序列所包含的各帧视频图像中包含的前景目标进行跟踪时,可以使得前景目标从进入场景到离开场景有着同一目标ID。
步骤44,存储前景目标的信息。
该具体实施方式中,存储的前景目标的信息可以包括:(1)具备不同目标ID的各前景目标在原始视频图像帧序列所包含的连续多帧视频图像中的位置信息。其中,这里所说的位置信息可以以图像坐标系中的坐标来表示。(2)前景目标的外接矩形框所对应的视频图像区域。(3)具备不同目标ID的前景目标在原始视频图像帧序列中的首次出现时刻和最终消失时刻。其中,在后续步骤46中进行偏移量调整时,保存的位置信息用于预测不同前景目标之间是否发生了遮挡;而在后续步骤48中生成浓缩视频图像帧序列时,保存的前景目标的外接矩形框所对应的视频图像区域用于实现将前景目标合成到背景模型序列中。本具体实施方式中,目标的信息可以存储到硬盘上,从而在后续需要用到该些信息时,可以快速的从硬盘中获取该些信息,而无需再次从原始视频图像帧序列中提取该些信息,从而大大缩短了信息获取时间。
步骤45,检索前景目标。
在完成对整个原始视频图像帧序列的上述分析后,可以获知场景中总共出现了多少个前景目标,同时,还可以从该些前景目标中,确定触发了绊线入侵规则或者是区域入侵规则的前景目标。从而这就实现了可以检索场景中触发绊线入侵规则的所有前景目标,或检索触发区域入侵规则的所有前景目标,或检索同时触发了绊线入侵规则和区域入侵规则的所有前景目标。
由于通过执行步骤42~步骤44,可以实现将场景中所有目标的信息写到硬盘中,因此若再次执行检索前景目标的操作,就可以从步骤41直接跳转至步骤45。此种做法无需再次对原始视频图像帧序列进行分析,从而省去了执行步骤42~步骤44的时间,仅需从硬盘中读取前景目标的信息,大大提高了前景目标检索的效率。
步骤46,确定前景目标出现在原始视频图像帧序列中的原始时间相对于该前景目标出现在浓缩视频图像帧序列中的时间的偏移量。
本具体实施方式中,可以定义一个前景目标从进入场景到离开场景所形成视频图像构成的运动目标序列成为一个事件。该步骤46是整个视频浓缩过程的关键,这是由于事件中的前景目标初次出现在原始视频图像帧序列中的首次出现时刻相对于该前景目标初次出现在浓缩视频图像帧序列中的首次出现时刻的偏移量,直接会影响到最终的浓缩效果。
假设用Ti=(tori_s i,tori_e i;tsyp_s i,tsyp_e i)和Tj=(tori_s j,tori_e j;tsyp_s j,tsyp_e j)分别表示事件i和事件j的时间信息,且具体地,tori_s i,tori_e i分别为事件i在原始视频图像帧序列中所对应的首次出现时刻和最终消失时刻(最终消失时刻为事件i中的前景目标最后一次出现在相应的视频图像帧序列中的时间),tsyp_s i,tsyp_e i分别为事件i在浓缩视频图像帧序列中所对应的首次出现时刻和最终消失时刻,而tori_s j,tori_e j分别为事件j在原始视频图像帧序列中所对应的首次出现时刻和最终消失时刻,tsyp_s j,tsyp_e j分别为事件j在浓缩视频图像帧序列中所对应的首次出现时刻和最终消失时刻。
进一步地,若假设事件i在事件j前发生,那么,可以以事件i为浓缩视频图像帧序列中的基准,从而将事件j的首次出现时刻偏移到与事件i相同的首次出现时刻,事件i与事件j的首次出现时刻之间的偏移量shift的计算方式可以如下式[1]所示:
shift=tori_s j-tori_s i [1]
基于该偏移量,可以按照下式[2]和[3]分别计算事件j在浓缩视频图像帧序列中的首次出现时刻和最终消失时刻:
tsyp_s j=tsyp_s i+shif [2]
tsyp_e j=tsyp_e i+shift [3]
一般来说,浓缩视频图像帧序列中的不同前景目标间应满足无相互遮挡。为了满足这个条件,可以预测事件i中的前景目标是否与首次出现时刻和最终消失时刻均发生了偏移的事件j(以下简称发生偏移的事件j)中的前景目标是否发生了遮挡。如果预测出会发生遮挡,则可以对上述偏移量shift进行调整,将其调整为shift=shift+△(△>0),并根据shift+△再次一次进行预测。此反复,直到事件i中的前景目标与发生偏移的事件j中的前景目标没有发生遮挡为止。
以上仅以两个事件为例,说明本具体实施方式中采用的偏移量确定方法。针对包含较多事件的整个原始视频图像帧序列而言,相应的视频浓缩方案可以依上述过程类推。比如,可以以原始视频图像帧序列中最先出现的事件作为基准,后续出现的事件均相对于该基准,进行相应的首次出现时刻和最终消失时刻的偏移。
步骤47,生成浓缩视频图像帧序列中的背景模型序列。
对原始视频图像帧序列进行浓缩后,相应的视频播放时长将可能由原始的数小时缩短到几分钟。由于原始视频图像帧序列中不同视频图像的背景在亮度上会存在差异,即整个原始视频图像帧序列可能存在背景光线随时间的变化而变化的情况,因此,为了使浓缩视频图像帧序列中的视频图像能够体现实际的背景光线变化情况,即为了使得视频图像更加真实自然,浓缩视频图像帧序列中的背景要随着时间的变化进行更新,从而生成一个图像的背景光线随时间变化而变化的背景模型序列。
步骤48,根据原始视频图像帧序列中包含的各事件、针对除作为基准的事件外的其他事件而分别确定的偏移量,以及通过执行步骤47而生成的背景模型序列,生成浓缩视频图像帧序列。
具体地,假设作为基准的事件中的前景目标为第一个出现在原始视频图像帧序列中的前景目标(为便于描述,该前景目标简称为基准前景目标),那么,可以根据基准前景目标的首次出现时刻和上述各偏移量,分别确定原始视频图像帧序列中的其他前景目标在浓缩视频图像帧序列中的首次出现时刻。类似地,可以根据基准前景目标的最终消失时刻和上述各偏移量,分别确定原始视频图像帧序列中的其他前景目标在浓缩视频图像帧序列中的最终消失时刻。在各前景目标在浓缩视频图像帧序列中的首次出现时刻和最终消失时刻都确定完毕后,就可以按照该些首次出现时刻和最终消失时刻,执行将所有的前景目标合成到背景模型序列中的操作,从而最终生成浓缩视频图像帧序列。
将原始视频图像帧序列浓缩为浓缩视频图像帧序列后,不同前景目标的首次出现时刻之间的相对量会发生改变。比如,假设原始视频图像帧序列中有两个前景目标的首次出现时刻分别为oriT1、oriT2,且有oriT1-oriT2=T1,那么,在相应的浓缩视频图像帧序列中,这两个前景目标的首次出现时刻的时间间隔则为T2,且有T2<T1。
需要说明的是,本发明实施例中,也可以采用类似上述视频图像帧序列的浓缩方式,将通过执行步骤45而检索到的多个前景目标所对应的事件进行浓缩。
假设一个具体的实施场景:摄像机对着小区中的3个出入口A、B、C进行拍摄,刑侦人员需要在摄像机拍摄得到的原始视频图像帧序列中排查嫌疑人员。由于原始视频图像帧序列较长,同时其包含的前景目标数目较多,从而直接采用人工筛选的方式会耗费大量的处理时间。而采用本发明实施例提供的方案,则可以在准确定位嫌疑目标的同时节省大量的处理时间。具体地,采用本发明实施例提供的方案实现从上述原始视频图像帧序列中筛选出嫌疑人员的的操作如下:
假设刑侦人员可以根据线索估计出嫌疑人员会出现在A、B两个出入口,则可以在基于视频图像而建立的图像坐标系中,将A、B两个出入口所在区域设置为区域入侵规则中的指定区域,并设置区域入侵规则中包含的位置匹配第一条件所表示的预期前景目标在图像坐标系中的位置与A、B两个出入口所在区域之间的位置关系为:预期前景目标在图像坐标系中的位置与A、B两个出入口所在区域之间有重叠。这样,在开始进行原始视频图像帧序列分析后,就可以对满足区域入侵规则的前景目标进行记录与输出,从而实现对出入过A、B两个出入口的嫌疑人员的检索。同时,还可以对检索到的嫌疑人员在原始视频图像帧序列中的首次出现时刻和最终消失时刻,以及嫌疑人员在图像坐标系中的位置信息和嫌疑人员所在的每一帧视频图像所对应的拍摄时间信息进行记录,并对该些数据进行输出,以使刑侦人员能够获知嫌疑人员的相关信息。
可选的,可以根据检索到的各嫌疑人员分别在原始视频图像帧序列中的首次出现时刻和最终消失时刻,从原始视频图像帧序列中划分出分别包含各嫌疑人员的视频图像帧子序列。其中,任意视频图像帧子序列所对应的视频起始时间和结束时间分别匹配与相应的嫌疑人员的上述首次出现时刻和最终消失时刻。通过分别输出各视频图像帧子序列,可以使得刑侦人员可以分别对每个嫌疑人员的行为进行查看与筛选。
或者,还可以采用前文所介绍的视频图像帧序列的浓缩方法,将检索到的各个嫌疑人员(这里所说的嫌疑人员是指出现在视频图像中的相应前景目标)浓缩到一个浓缩视频图像帧序列后进行播放,从而使得原本在不同时刻出现在指定区域的嫌疑人员能够以同时展现在指定区域中的的方式,展现给刑侦人员,从而实现刑侦人员以较短的时间可以观看到从原始视频图像帧序列中检索到的所有嫌疑人员。通过对该浓缩视频图像帧序列的保存,后续在需要从已检索到的嫌疑人员,进一步采用其他入侵规则来再次检索时,就可以直接对保存的浓缩视频图像帧序列进行检索,从而节省了再次分析原视频图像帧序列所需耗费的时间。直接将目标信息与规则区域信息做比较判断既可得到是否触发区域入侵规则,同时对新检索到的目标进行视频浓缩,也不需要对原始视频文件重新分析。
为了解决采用现有技术中的目标搜索方案存在的效率较低问题,本发明实施例还提供了一种目标搜索装置。该装置主要包括搜索条件获得单元和搜索单元,以下具体介绍这两个单元的功能。
搜索条件获得单元:用于获得预设图像坐标系中第一指定位置的信息和位置匹配第一条件,其中,该位置匹配第一条件用于表征预期目标在图像坐标系中所处位置与第一指定位置之间的位置关系;
搜索单元:用于根据出现在视频图像帧序列中的各个前景目标在图像坐标系中分别所处位置的信息,以及搜索条件获得单元获得的条件和第一指定位置的信息,在该视频图像帧序列中搜索满足下述要求的前景目标:
其在图像坐标系中所处位置与第一指定位置之间的位置关系匹配于上述条件表征的位置关系。
可选的,若上述第一指定位置包含多个指定子位置,且每个指定子位置分别被分配了唯一标识;则上述装置还可以进一步包括:子位置确定单元,用于从多个指定子位置中,确定与搜索单元搜索到的前景目标在图像坐标系中所处位置之间的位置关系匹配于搜索条件获得单元获得的条件表征的位置关系的指定子位置;输出单元,用于输出子位置确定单元确定出的指定子位置的唯一标识。
可选的,当第一指定位置为指定区域所在位置时,搜索条件获得单元具体用于:获得区域入侵规则;其中,该区域入侵规则包含:图像坐标系中指定区域所在位置的信息。
可选的,当第一指定位置为指定线段所在位置时,搜索条件获得单元具体用于:获得绊线入侵规则;其中,该绊线入侵规则包含:图像坐标系中指定线段所在位置的信息。
可选的,为了便于后续进一步根据其他条件从已搜索到的前景目标进行搜索,上述装置还可以进一步包括:图像序列获得单元,用于获得从视频图像帧序列中提取得到的、且仅分别包含搜索单元搜索到的各前景目标的各图像序列;浓缩单元,用于执行将图像序列获得单元获得的所有图像序列浓缩到一个浓缩视频图像帧序列中的操作。
可选的,前文所述的被搜索的视频图像帧序列可以为浓缩视频图像帧序列。其中:该浓缩视频图像帧序列可以是通过对原始视频图像帧序列执行浓缩操作而得到的;或者,也可以是通过下述方式而得到的:
获得各图像序列;其中,任一图像序列仅包含从原始视频图像帧序列中提取得到的、所处位置与第二指定位置之间的位置关系匹配于位置匹配第二条件表征的位置关系的前景目标;并执行将获得的所有图像序列浓缩到一个浓缩视频图像帧序列中的操作。
可选的,当上述视频图像帧序列为通过对原始视频图像帧序列执行浓缩操作而得到的浓缩视频图像帧序列时,本发明实施例提供的该装置还可以包括用于共同实现对原始视频图像帧序列执行浓缩操作而得到浓缩视频图像帧序列的下述单元:
提取单元,用于采用背景差分方法,从原始视频图像帧序列中提取全部运动目标;
图像帧序列生成单元,用于基于原始视频图像帧序列、通过对原始视频图像帧序列进行训练而得到的背景模型和运动目标跟踪技术,生成分别包含提取单元提取出的各运动目标的各图像帧序列;
位置和时刻确定单元,用于分别确定提取单元提取出的各运动目标在其所在的、由图像帧序列生成单元生成的图像帧序列所包含的各个图像帧中的位置和在原始视频图像帧序列中的首次出现时刻;
判断单元,用于根据位置和时刻确定单元确定出的位置和首次出现时刻,针对原始视频图像帧序列中出现的除最早出现的运动目标外的其他每个运动目标,判断该运动目标与在该运动目标之前出现的各个运动目标在相应的图像帧序列所包含的图像帧中是否有重叠;
浓缩序列生成单元,用于根据判断单元针对除最早出现的运动目标外的其他每个运动目标所得到的各个判断结果、首次出现时刻、背景模型和各图像帧序列,生成浓缩视频图像帧序列。
可选的,本发明实施例提供的上述装置还可以进一步包括下述三个功能单元:
图像序列获得单元,用于获得各图像序列;其中,任一图像序列仅包含从原始视频图像帧序列中提取得到的、所处位置与第二指定位置之间的位置关系匹配于位置匹配第二条件表征的位置关系的前景目标;
视频浓缩单元,用于执行将图像序列获得单元获得的所有图像序列浓缩到一个浓缩视频图像帧序列中的操作;
位置信息存储单元,用于存储所处位置与第二指定位置之间的位置关系匹配于位置匹配第二条件表征的位置关系的各前景目标在图像坐标系中分别所处位置的信息。
基于上述三个功能单元,本发明实施例中所述的搜索单元的功能实现方式具体可以包括:根据搜索条件获得单元获得的位置匹配第一条件和第一指定位置的信息,以及位置信息存储单元存储的位置的信息,在视频浓缩单元浓缩得到的浓缩视频图像帧序列中,搜索满足前文所述要求的前景目标。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、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设备上,使得在计算机或其他可编程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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作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发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (12)
1.一种目标搜索方法,其特征在于,包括:
获得预设图像坐标系中第一指定位置的信息和位置匹配第一条件,其中,所述位置匹配第一条件表征:预期目标在所述图像坐标系中所处位置与所述第一指定位置之间的位置关系;
根据所述位置匹配第一条件、出现在视频图像帧序列中的各个前景目标在所述图像坐标系中分别所处位置的信息,以及所述第一指定位置的信息,在所述视频图像帧序列中搜索满足下述要求的前景目标:
其在所述图像坐标系中所处位置与所述第一指定位置之间的位置关系匹配于所述位置匹配第一条件表征的位置关系。
2.如权利要求1所述的方法,其特征在于,所述第一指定位置包含多个指定子位置,且每个指定子位置分别被分配了唯一标识;则
所述方法还包括:
从所述多个指定子位置中,确定与搜索到的前景目标在所述图像坐标系中所处位置之间的位置关系匹配于所述位置匹配第一条件表征的位置关系的指定子位置;
输出确定出的指定子位置的唯一标识。
3.如权利要求1或2所述的方法,其特征在于,所述方法还包括:
获得从所述视频图像帧序列中提取得到的、且仅分别包含搜索到的各前景目标的各图像序列;
执行将获得的所有图像序列浓缩到一个浓缩视频图像帧序列中的操作。
4.如权利要求1或2所述的方法,其特征在于,所述视频图像帧序列为浓缩视频图像帧序列;
其中:所述浓缩视频图像帧序列是通过对原始视频图像帧序列执行浓缩操作而得到的;或
所述浓缩视频图像帧序列是通过下述方式而得到的:
获得各图像序列;其中,任一所述图像序列仅包含从原始视频图像帧序列中提取得到的、所处位置与第二指定位置之间的位置关系匹配于位置匹配第二条件表征的位置关系的前景目标;并
执行将获得的所有图像序列浓缩到一个浓缩视频图像帧序列中的操作。
5.如权利要求4所述的方法,其特征在于,采用下述方式实现对原始视频图像帧序列执行浓缩操作而得到浓缩视频图像帧序列:
采用背景差分方法,从原始视频图像帧序列中提取全部运动目标;
基于所述原始视频图像帧序列、通过对所述原始视频图像帧序列进行训练而得到的背景模型和运动目标跟踪技术,生成分别包含提取出的各运动目标的各图像帧序列;
分别确定所述各运动目标在其所在的图像帧序列所包含的各个图像帧中的位置和在原始视频图像帧序列中的首次出现时刻;
根据确定出的所述位置和所述首次出现时刻,针对原始视频图像帧序列中出现的除最早出现的运动目标外的其他每个运动目标,判断该运动目标与在该运动目标之前出现的各个运动目标在相应的图像帧序列所包含的图像帧中是否有重叠;
根据针对除最早出现的运动目标外的其他每个运动目标所得到的各个判断结果、所述首次出现时刻、背景模型和各图像帧序列,生成浓缩视频图像帧序列。
6.如权利要求1所述的方法,其特征在于,所述方法还包括:
获得各图像序列;其中,任一所述图像序列仅包含从原始视频图像帧序列中提取得到的、所处位置与第二指定位置之间的位置关系匹配于位置匹配第二条件表征的位置关系的前景目标;
执行将获得的所有图像序列浓缩到一个浓缩视频图像帧序列中的操作;并
存储所处位置与第二指定位置之间的位置关系匹配于位置匹配第二条件表征的位置关系的各前景目标在所述图像坐标系中分别所处位置的信息;则
根据位置匹配第一条件、所述各个前景目标在所述图像坐标系中分别所处位置的信息,以及所述第一指定位置的信息,在所述视频图像帧序列中搜索满足所述要求的前景目标,具体包括:
根据位置匹配第一条件、存储的所述位置的信息,以及所述第一指定位置的信息,在所述浓缩视频图像帧序列中搜索满足所述要求的前景目标。
7.一种目标搜索装置,其特征在于,包括:
搜索条件获得单元,用于获得预设图像坐标系中第一指定位置的信息和位置匹配第一条件,其中,所述位置匹配第一条件表征:预期目标在所述图像坐标系中所处位置与所述第一指定位置之间的位置关系;
搜索单元,用于根据出现在视频图像帧序列中的各个前景目标在所述图像坐标系中分别所处位置的信息,以及搜索条件获得单元获得的所述位置匹配第一条件和所述第一指定位置的信息,在所述视频图像帧序列中搜索满足下述要求的前景目标:
其在所述图像坐标系中所处位置与所述第一指定位置之间的位置关系匹配于所述位置匹配第一条件表征的位置关系。
8.如权利要求7所述的装置,其特征在于,所述第一指定位置包含多个指定子位置,且每个指定子位置分别被分配了唯一标识;则
所述装置还包括:
子位置确定单元,用于从所述多个指定子位置中,确定与搜索单元搜索到的前景目标在所述图像坐标系中所处位置之间的位置关系匹配于搜索条件获得单元获得的所述位置匹配第一条件表征的位置关系的指定子位置;
输出单元,用于输出子位置确定单元确定出的指定子位置的唯一标识。
9.如权利要求7或8所述的装置,其特征在于,所述装置还包括:
图像序列获得单元,用于获得从所述视频图像帧序列中提取得到的、且仅分别包含搜索单元搜索到的各前景目标的各图像序列;
浓缩单元,用于执行将图像序列获得单元获得的所有图像序列浓缩到一个浓缩视频图像帧序列中的操作。
10.如权利要求7或8所述的装置,其特征在于,所述视频图像帧序列为浓缩视频图像帧序列;
其中:所述浓缩视频图像帧序列是通过对原始视频图像帧序列执行浓缩操作而得到的;或
所述浓缩视频图像帧序列是通过下述方式而得到的:
获得各图像序列;其中,任一所述图像序列仅包含从原始视频图像帧序列中提取得到的、所处位置与第二指定位置之间的位置关系匹配于位置匹配第二条件表征的位置关系的前景目标;并
执行将获得的所有图像序列浓缩到一个浓缩视频图像帧序列中的操作。
11.如权利要求10所述的装置,其特征在于,所述装置还包括用于共同实现对原始视频图像帧序列执行浓缩操作而得到浓缩视频图像帧序列的下述单元:
提取单元,用于采用背景差分方法,从原始视频图像帧序列中提取全部运动目标;
图像帧序列生成单元,用于基于所述原始视频图像帧序列、通过对所述原始视频图像帧序列进行训练而得到的背景模型和运动目标跟踪技术,生成分别包含提取单元提取出的各运动目标的各图像帧序列;
位置和时刻确定单元,用于分别确定提取单元提取出的各运动目标在其所在的、由图像帧序列生成单元生成的图像帧序列所包含的各个图像帧中的位置和在原始视频图像帧序列中的首次出现时刻;
判断单元,用于根据位置和时刻确定单元确定出的所述位置和所述首次出现时刻,针对原始视频图像帧序列中出现的除最早出现的运动目标外的其他每个运动目标,判断该运动目标与在该运动目标之前出现的各个运动目标在相应的图像帧序列所包含的图像帧中是否有重叠;
浓缩序列生成单元,用于根据判断单元针对除最早出现的运动目标外的其他每个运动目标所得到的各个判断结果、所述首次出现时刻、背景模型和各图像帧序列,生成浓缩视频图像帧序列。
12.如权利要求7所述的装置,其特征在于,所述装置还包括:
图像序列获得单元,用于获得各图像序列;其中,任一所述图像序列仅包含从原始视频图像帧序列中提取得到的、所处位置与第二指定位置之间的位置关系匹配于位置匹配第二条件表征的位置关系的前景目标;
视频浓缩单元,用于执行将图像序列获得单元获得的所有图像序列浓缩到一个浓缩视频图像帧序列中的操作;
位置信息存储单元,用于存储所处位置与第二指定位置之间的位置关系匹配于位置匹配第二条件表征的位置关系的各前景目标在所述图像坐标系中分别所处位置的信息;则
所述搜索单元具体用于:根据搜索条件获得单元获得的位置匹配第一条件和所述第一指定位置的信息,以及位置信息存储单元存储的所述位置的信息,在视频浓缩单元浓缩得到的所述浓缩视频图像帧序列中,搜索满足所述要求的前景目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310196903.7A CN104182959B (zh) | 2013-05-22 | 2013-05-22 | 目标搜索方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310196903.7A CN104182959B (zh) | 2013-05-22 | 2013-05-22 | 目标搜索方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104182959A true CN104182959A (zh) | 2014-12-03 |
CN104182959B CN104182959B (zh) | 2017-10-27 |
Family
ID=51963977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310196903.7A Active CN104182959B (zh) | 2013-05-22 | 2013-05-22 | 目标搜索方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104182959B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169106A (zh) * | 2017-05-18 | 2017-09-15 | 珠海习悦信息技术有限公司 | 视频检索方法、装置、存储介质及处理器 |
CN107316488A (zh) * | 2017-08-23 | 2017-11-03 | 苏州豪米波技术有限公司 | 信号灯的识别方法、装置和系统 |
CN108875736A (zh) * | 2018-06-07 | 2018-11-23 | 南昌工程学院 | 基于背景预测的水面移动目标检测方法 |
CN112711966A (zh) * | 2019-10-24 | 2021-04-27 | 阿里巴巴集团控股有限公司 | 视频文件的处理方法、装置以及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070109446A1 (en) * | 2005-11-15 | 2007-05-17 | Samsung Electronics Co., Ltd. | Method, medium, and system generating video abstract information |
CN102222104A (zh) * | 2011-06-23 | 2011-10-19 | 华南理工大学 | 基于时空融合的智能提取视频摘要方法 |
CN102930061A (zh) * | 2012-11-28 | 2013-02-13 | 安徽水天信息科技有限公司 | 一种基于运动目标检测的视频摘要方法及系统 |
CN103092929A (zh) * | 2012-12-30 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 一种视频摘要的生成方法及装置 |
CN103096185A (zh) * | 2012-12-30 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 一种视频摘要生成方法和装置 |
-
2013
- 2013-05-22 CN CN201310196903.7A patent/CN104182959B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070109446A1 (en) * | 2005-11-15 | 2007-05-17 | Samsung Electronics Co., Ltd. | Method, medium, and system generating video abstract information |
CN102222104A (zh) * | 2011-06-23 | 2011-10-19 | 华南理工大学 | 基于时空融合的智能提取视频摘要方法 |
CN102930061A (zh) * | 2012-11-28 | 2013-02-13 | 安徽水天信息科技有限公司 | 一种基于运动目标检测的视频摘要方法及系统 |
CN103092929A (zh) * | 2012-12-30 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 一种视频摘要的生成方法及装置 |
CN103096185A (zh) * | 2012-12-30 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 一种视频摘要生成方法和装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107169106A (zh) * | 2017-05-18 | 2017-09-15 | 珠海习悦信息技术有限公司 | 视频检索方法、装置、存储介质及处理器 |
CN107169106B (zh) * | 2017-05-18 | 2023-08-18 | 珠海习悦信息技术有限公司 | 视频检索方法、装置、存储介质及处理器 |
CN107316488A (zh) * | 2017-08-23 | 2017-11-03 | 苏州豪米波技术有限公司 | 信号灯的识别方法、装置和系统 |
CN107316488B (zh) * | 2017-08-23 | 2021-01-12 | 苏州豪米波技术有限公司 | 信号灯的识别方法、装置和系统 |
CN108875736A (zh) * | 2018-06-07 | 2018-11-23 | 南昌工程学院 | 基于背景预测的水面移动目标检测方法 |
CN108875736B (zh) * | 2018-06-07 | 2021-03-30 | 南昌工程学院 | 基于背景预测的水面移动目标检测方法 |
CN112711966A (zh) * | 2019-10-24 | 2021-04-27 | 阿里巴巴集团控股有限公司 | 视频文件的处理方法、装置以及电子设备 |
CN112711966B (zh) * | 2019-10-24 | 2024-03-01 | 阿里巴巴集团控股有限公司 | 视频文件的处理方法、装置以及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104182959B (zh) | 2017-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102155182B1 (ko) | 비디오 리코딩 방법, 서버, 시스템 및 저장 매체 | |
US9589595B2 (en) | Selection and tracking of objects for display partitioning and clustering of video frames | |
CN111046235B (zh) | 基于人脸识别的声像档案搜索方法、系统、设备及介质 | |
CN109783685B (zh) | 一种查询方法及装置 | |
US11042991B2 (en) | Determining multiple camera positions from multiple videos | |
CN104093001A (zh) | 一种在线动态视频浓缩方法 | |
CN102231820B (zh) | 一种监控图像处理的方法、装置和系统 | |
US9449216B1 (en) | Detection of cast members in video content | |
US10373015B2 (en) | System and method of detecting moving objects | |
CN110460838B (zh) | 一种镜头切换的检测方法、装置及计算机设备 | |
CN104284057A (zh) | 一种视频处理方法及装置 | |
CN109800329B (zh) | 一种监控方法及装置 | |
CN104182959A (zh) | 目标搜索方法及装置 | |
CN106023261B (zh) | 一种电视视频目标跟踪的方法及装置 | |
KR20150026178A (ko) | 관심영역 기반의 영상요약 장치와 그를 위한 컴퓨터로 읽을 수 있는 기록 매체 | |
CN104484457A (zh) | 一种并行视频运动目标提取和检索的方法及系统 | |
CN113158953B (zh) | 一种人员查找方法、装置、设备及介质 | |
KR20170095599A (ko) | 동영상 검색 시스템 및 그 방법 | |
TW201712573A (zh) | 視訊索引建立方法及應用其之裝置 | |
CN104754248A (zh) | 一种获取目标快照的方法及装置 | |
CN111666786B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN110781797B (zh) | 一种标注方法、装置及电子设备 | |
CN109815369B (zh) | 一种归档方法及装置 | |
CN103957472A (zh) | 一种基于事件最优重组的保时序摘要视频生成方法与系统 | |
CN106202130A (zh) | 一种镜头分割的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |