CN106067012A - 基于云端的灰度化处理系统 - Google Patents

基于云端的灰度化处理系统 Download PDF

Info

Publication number
CN106067012A
CN106067012A CN201610481443.6A CN201610481443A CN106067012A CN 106067012 A CN106067012 A CN 106067012A CN 201610481443 A CN201610481443 A CN 201610481443A CN 106067012 A CN106067012 A CN 106067012A
Authority
CN
China
Prior art keywords
value
image
pixel
gray
clouds
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.)
Withdrawn
Application number
CN201610481443.6A
Other languages
English (en)
Inventor
石媛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201610481443.6A priority Critical patent/CN106067012A/zh
Publication of CN106067012A publication Critical patent/CN106067012A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161Detection; Localisation; Normalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/50Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161Detection; Localisation; Normalisation
    • G06V40/166Detection; Localisation; Normalisation using acquisition arrangements
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20021Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于云端的灰度化处理系统,包括多个云端应用设备,每一个云端应用设备负责处理一个图像分块,每一个云端应用设备包括一个灰度化处理子设备,灰度化处理子设备用于对对应图像分块执行灰度化处理,其中,多个云端应用设备对应的多个图像分块组成一个待处理图像。通过本发明,能够在云端以并行方式对高分辨率的图像进行精度的灰度化处理。

Description

基于云端的灰度化处理系统
技术领域
本发明涉及图像处理领域,尤其涉及一种基于云端的灰度化处理系统。
背景技术
一些行业领导者为了识别和追踪盗版电影,提出了通过编码反盗版(CAP)的方法,即往电影里增加水印。第一个编码反盗版是被Kodak设计的,随后Deluxe Laboratories对其进行改善。Philips在2006年也提出了一个名叫CineFence的标识系统。然而,水印技术只是一种被动的措施,他不能消除和阻止摄像偷拍。另一方面,相机干扰技术旨在通过严重破坏的电影视觉质量来消除摄像偷拍,同时要使这些干扰信号不会影响影院的观众。
早期大量的相机干扰方法主要利用了成像传感器响应红外线的原理。为了干扰移动摄像机以及在拍摄的画面中生成亮光,红外发射源被安装在电影院内。除了那些发射器等额外的成本费和日常操作费用,这种方案可以通过在镜头上附上适当的过滤器。但这种方式很容易因为偷拍者的选择而被规避。
为此,需要一种新的应用到演出现场的盗拍技术方案,对观众席图像进行电子分析,对现场演出环境进行电子分析,并基于两种分析结果进行偷拍者判断,另外,还基于偷拍者的位置信息对偷拍者进行提醒,从而实现演出现场偷拍者的定向检测和定向警告。
发明内容
为了解决上述问题,本发明提供了一种基于云端的灰度化处理系统,改造现有技术中各个交通路口处的控制柜,。
根据本发明的一方面,提供了一种基于云端的灰度化处理系统,所述系统包括多个云端应用设备,每一个云端应用设备负责处理一个图像分块,每一个云端应用设备包括一个灰度化处理子设备,灰度化处理子设备用于对对应图像分块执行灰度化处理,其中,多个云端应用设备对应的多个图像分块组成一个待处理图像。
更具体地,在所述基于云端的灰度化处理系统中,包括:剧场内容采集设备,设置在剧场舞台对面,用于实时采集剧场舞台上的场景图像以作为实时场景图像输出;内容分析设备,设置在剧场的后台控制室内,分别与子屏幕识别设备和剧场内容采集设备连接,用于接收实时场景图像,还用于接收每一个屏幕子图像和其对应的座位编号,将每一个屏幕子图像与实时场景图像进行内容匹配以确定内容匹配百分比,当内容匹配百分比大于等于预设百分比阈值时,将屏幕子图像对应的座位编号作为目标座位编号输出;其中,内容分析设备将每一个屏幕子图像与实时场景图像进行内容匹配以确定内容匹配百分比具体包括:将实时场景图像中的各个像素与每一个屏幕子图像的各个像素进行像素值匹配,像素值匹配成功的像素的数量越多,屏幕子图像对应的内容匹配百分比越高;AVR32芯片,设置在剧场的后台控制室内,与内容分析设备连接,用于基于目标座位编号发出包括目标座位编号的驱动控制信号;遥控设备,设置在剧场舞台正上方的房顶位置,用于与AVR32芯片连接以接收AVR32芯片发来的驱动控制信号,并对驱动控制信号进行解析以确定目标座位编号,基于目标座位编号确定遥控信号;低音警示设备,每一个观众座位上设置一个,包括遥控接收器、低音播放芯片和播放控制开关,遥控接收器用于接收遥控信号,播放控制开关分别与遥控接收器和低音播放芯片连接,用于基于遥控信号启动低音播放芯片以进行低音警示操作;其中,低音播放芯片包括语音存储器,用于预先存储与禁止拍照相关的语音警示文件;摄像设备,设置在剧场房顶中央位置,用于对剧场舞台对面的观众席进行图像采集以输出观众席图像;数据分割设备,位于云端,与摄像设备连接,用于将观众席图像分割成N个图像分块,N为大于1的自然数;N个云端存储设备,位于云端,与数据分割设备连接,用于分别存储N个图像分块;云端服务中心设备,位于云端,与N个云端存储设备连接,用于集中N个图像分块,并将N个图像分块分发给M个云端应用设备,M为大于1的自然数且M小于等于N;云端命令通道管理设备,位于云端,用于对云端命令进行通道管理;M个云端应用设备,位于云端,与云端服务中心设备连接,用于接收分配到的、一个以上的图像分块,每一个云端应用设备包括:灰度化处理子设备,包括通道参数提取单元、加权值存储单元和灰度值计算单元,通道参数提取单元用于接收每一个图像分块,提取出图像分块中每一个像素点的R通道像素值、G通道像素值和B通道像素值,加权值存储单元用于预先存储了R通道加权值、G通道加权值和B通道加权值,灰度值计算单元分别与通道参数提取单元和加权值存储单元连接,针对图像分块中每一个像素点,将R通道像素值与R通道加权值的乘积、G通道像素值与G通道加权值的乘积以及B通道像素值与B通道加权值的乘积相加以获取针对的像素点的灰度值,并基于图像分块中各个像素点的灰度值获得图像分块对应的灰度化图像;其中,R通道加权值取值为0.298839,G通道加权值取值为0.586811,B通道加权值取值为0.114350;直方图分布检测子设备,与灰度化处理子设备连接,用于接收灰度化图像,并对灰度化图像进行灰度直方图处理以获得对应的直方图图像,在直方图图像呈现双峰分布时,发出全局阈值选择信号,否则,发出非全局阈值选择信号;阈值选择子设备,与直方图分布检测子设备连接,用于在接收到全局阈值选择信号时,将全局阈值128作为阈值数据输出,在接收到非全局阈值选择信号时,将相邻像素点灰度差阈值40作为阈值数据输出;二值化处理子设备,分别与阈值选择子设备和直方图分布检测子设备连接,用于在接收到全局阈值选择信号时,针对灰度化图像中的每一个像素点,当灰度值大于等于阈值数据时,将针对的像素点设置为白电平像素点,当灰度值小于阈值数据时,将针对的像素点设置为黑电平像素点,并输出灰度化图像对应的二值化图像;二值化处理子设备还用于在接收到非全局阈值选择信号时,针对灰度化图像中的每一个像素点,计算垂直方向向上距离其3个像素点的像素点的灰度值作为上像素灰度值,计算垂直方向向下距离其3个像素点的像素点的灰度值作为下像素灰度值,计算水平方向向左距离其3个像素点的像素点的灰度值作为左像素灰度值,计算水平方向向右距离其3个像素点的像素点的灰度值作为右像素灰度值,当上像素灰度值和下像素灰度值之差的绝对值小于等于阈值数据且左像素灰度值和右像素灰度值之差的绝对值小于等于阈值数据时,将针对的像素点设置为白电平像素点,当上像素灰度值和下像素灰度值之差的绝对值大于阈值数据或左像素灰度值和右像素灰度值之差的绝对值大于阈值数据时,将针对的像素点设置为黑电平像素点,并输出灰度化图像对应的二值化图像;图像平滑处理子设备,与二值化处理子设备连接,用于接收二值化图像,针对二值化图像中的每一个像素点,当相邻的所有像素点中存在一半以上的跳变点时,则将针对的像素点的灰度值保留,否则,将针对的像素点的灰度值设置为白电平像素点,并输出二值化图像对应的平滑图像;数据合并设备,位于云端,与M个云端应用设备连接,用于将每一个云端应用设备的图像平滑处理子设备输出的平滑图像进行拼接以获得平滑整合图像;维纳滤波设备,设置在剧场的后台控制室内,与数据合并设备连接,用于接收平滑整合图像,对平滑整合图像执行维纳滤波处理以获得滤波图像,其中维纳滤波处理用于使得平滑整合图像与滤波图像的均方误差最小以去除平滑整合图像中的白噪声和斑点噪声;子屏幕识别设备,设置在剧场的后台控制室内,与维纳滤波设备连接以获得滤波图像;针对滤波图像中的每一个像素点,当其灰度值在预设移动终端屏幕上限灰度值和预设移动终端屏幕下限灰度值之间时,确定其为屏幕像素点;将滤波图像中的所有屏幕像素点组成的区域从滤波图像中分割出来以获得各个屏幕子图像;针对每一个屏幕子图像,针对其在滤波图像中的位置确定针对的屏幕子图像对应的座位编号;其中,针对的屏幕子图像对应的座位编号为持有针对的屏幕子图像对应的移动终端的观众所在的剧场座位编号;其中,像素值匹配成功的像素的数量与内容匹配百分比的关系是非线形关系。
更具体地,在所述基于云端的灰度化处理系统中,还包括:AVR32芯片还包括计时单元。
更具体地,在所述基于云端的灰度化处理系统中,还包括:灰度化处理子设备由FPGA芯片来实现。
更具体地,在所述基于云端的灰度化处理系统中,还包括:直方图分布检测子设备由FPGA芯片来实现。
更具体地,在所述基于云端的灰度化处理系统中,还包括:二值化处理子设备由FPGA芯片来实现。
更具体地,在所述基于云端的灰度化处理系统中,还包括:图像平滑处理子设备由FPGA芯片来实现。
更具体地,在所述基于云端的灰度化处理系统中,还包括:替换地,采用AVR32芯片内置存储单元替换语音存储器以预先存储与禁止拍照相关的语音警示文件。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的基于云端的灰度化处理系统的结构方框图。
附图标记:1多个云端应用设备
具体实施方式
下面将参照附图对本发明的基于云端的灰度化处理系统的实施方案进行详细说明。
人工防偷拍的方式具有先天的不足,为了降低防偷拍的运营成本,提高防偷拍的工作效率,运营方一直在寻找电子防偷拍的方式进行现场监控,电子防偷拍有两种发展方向,一种是在观众手持的移动终端上做文章,在移动终端拍摄时自动检测偷拍行为,但是这种方式可能因为偷拍者对移动终端的选择而被规避,另一种是在偷拍现场安置电子干扰设备,这种方式可以避免偷拍者的规避。
现有的防偷拍的电子干扰设备是,将一种红外线装置安置在幕布或舞台的背面,红外线装置发出人眼不可见的红外线,如果偷拍者在进行移动终端或摄像机拍摄,则红外线将干扰偷拍者的摄像机成像,导致偷拍者获得的影像或图像质量低下,无法在市场上销售以及在网络上传播,从而有效维护版权利益。
但是,这种方式需要一直发射红外线,而且红外线的发射是大范围的,需要从各个位置都发射红外线,成本较高且可行性差。因此现场的电子防偷拍设备还需要寻找其他的突破方向。
为了克服上述不足,本发明搭建了一种基于云端的灰度化处理系统,能够通过对现场观众席中观众的行为检测以及通过对现场环境的参数提取来确定现场观众席中是否存在偷拍者,并能够及时对偷拍者所在的位置进行定位,以便于采取相应的定向警告措施,提醒偷拍者放弃偷拍行为。
图1为根据本发明实施方案示出的基于云端的灰度化处理系统的结构方框图,所述系统包括多个云端应用设备,每一个云端应用设备负责处理一个图像分块,每一个云端应用设备包括一个灰度化处理子设备,灰度化处理子设备用于对对应图像分块执行灰度化处理,其中,多个云端应用设备对应的多个图像分块组成一个待处理图像。
接着,继续对本发明的基于云端的灰度化处理系统的具体结构进行进一步的说明。
所述系统包括:剧场内容采集设备,设置在剧场舞台对面,用于实时采集剧场舞台上的场景图像以作为实时场景图像输出。
所述系统包括:内容分析设备,设置在剧场的后台控制室内,分别与子屏幕识别设备和剧场内容采集设备连接,用于接收实时场景图像,还用于接收每一个屏幕子图像和其对应的座位编号,将每一个屏幕子图像与实时场景图像进行内容匹配以确定内容匹配百分比,当内容匹配百分比大于等于预设百分比阈值时,将屏幕子图像对应的座位编号作为目标座位编号输出;其中,内容分析设备将每一个屏幕子图像与实时场景图像进行内容匹配以确定内容匹配百分比具体包括:将实时场景图像中的各个像素与每一个屏幕子图像的各个像素进行像素值匹配,像素值匹配成功的像素的数量越多,屏幕子图像对应的内容匹配百分比越高。
所述系统包括:AVR32芯片,设置在剧场的后台控制室内,与内容分析设备连接,用于基于目标座位编号发出包括目标座位编号的驱动控制信号;遥控设备,设置在剧场舞台正上方的房顶位置,用于与AVR32芯片连接以接收AVR32芯片发来的驱动控制信号,并对驱动控制信号进行解析以确定目标座位编号,基于目标座位编号确定遥控信号。
所述系统包括:低音警示设备,每一个观众座位上设置一个,包括遥控接收器、低音播放芯片和播放控制开关,遥控接收器用于接收遥控信号,播放控制开关分别与遥控接收器和低音播放芯片连接,用于基于遥控信号启动低音播放芯片以进行低音警示操作;其中,低音播放芯片包括语音存储器,用于预先存储与禁止拍照相关的语音警示文件。
所述系统包括:摄像设备,设置在剧场房顶中央位置,用于对剧场舞台对面的观众席进行图像采集以输出观众席图像;数据分割设备,位于云端,与摄像设备连接,用于将观众席图像分割成N个图像分块,N为大于1的自然数;N个云端存储设备,位于云端,与数据分割设备连接,用于分别存储N个图像分块;云端服务中心设备,位于云端,与N个云端存储设备连接,用于集中N个图像分块,并将N个图像分块分发给M个云端应用设备,M为大于1的自然数且M小于等于N。
所述系统包括:云端命令通道管理设备,位于云端,用于对云端命令进行通道管理;M个云端应用设备,位于云端,与云端服务中心设备连接,用于接收分配到的、一个以上的图像分块。
每一个云端应用设备包括:灰度化处理子设备,包括通道参数提取单元、加权值存储单元和灰度值计算单元,通道参数提取单元用于接收每一个图像分块,提取出图像分块中每一个像素点的R通道像素值、G通道像素值和B通道像素值,加权值存储单元用于预先存储了R通道加权值、G通道加权值和B通道加权值,灰度值计算单元分别与通道参数提取单元和加权值存储单元连接,针对图像分块中每一个像素点,将R通道像素值与R通道加权值的乘积、G通道像素值与G通道加权值的乘积以及B通道像素值与B通道加权值的乘积相加以获取针对的像素点的灰度值,并基于图像分块中各个像素点的灰度值获得图像分块对应的灰度化图像;其中,R通道加权值取值为0.298839,G通道加权值取值为0.586811,B通道加权值取值为0.114350。
每一个云端应用设备包括:直方图分布检测子设备,与灰度化处理子设备连接,用于接收灰度化图像,并对灰度化图像进行灰度直方图处理以获得对应的直方图图像,在直方图图像呈现双峰分布时,发出全局阈值选择信号,否则,发出非全局阈值选择信号。
每一个云端应用设备包括:阈值选择子设备,与直方图分布检测子设备连接,用于在接收到全局阈值选择信号时,将全局阈值128作为阈值数据输出,在接收到非全局阈值选择信号时,将相邻像素点灰度差阈值40作为阈值数据输出。
每一个云端应用设备包括:二值化处理子设备,分别与阈值选择子设备和直方图分布检测子设备连接,用于在接收到全局阈值选择信号时,针对灰度化图像中的每一个像素点,当灰度值大于等于阈值数据时,将针对的像素点设置为白电平像素点,当灰度值小于阈值数据时,将针对的像素点设置为黑电平像素点,并输出灰度化图像对应的二值化图像;二值化处理子设备还用于在接收到非全局阈值选择信号时,针对灰度化图像中的每一个像素点,计算垂直方向向上距离其3个像素点的像素点的灰度值作为上像素灰度值,计算垂直方向向下距离其3个像素点的像素点的灰度值作为下像素灰度值,计算水平方向向左距离其3个像素点的像素点的灰度值作为左像素灰度值,计算水平方向向右距离其3个像素点的像素点的灰度值作为右像素灰度值,当上像素灰度值和下像素灰度值之差的绝对值小于等于阈值数据且左像素灰度值和右像素灰度值之差的绝对值小于等于阈值数据时,将针对的像素点设置为白电平像素点,当上像素灰度值和下像素灰度值之差的绝对值大于阈值数据或左像素灰度值和右像素灰度值之差的绝对值大于阈值数据时,将针对的像素点设置为黑电平像素点,并输出灰度化图像对应的二值化图像。
每一个云端应用设备包括:图像平滑处理子设备,与二值化处理子设备连接,用于接收二值化图像,针对二值化图像中的每一个像素点,当相邻的所有像素点中存在一半以上的跳变点时,则将针对的像素点的灰度值保留,否则,将针对的像素点的灰度值设置为白电平像素点,并输出二值化图像对应的平滑图像。
所述系统包括:数据合并设备,位于云端,与M个云端应用设备连接,用于将每一个云端应用设备的图像平滑处理子设备输出的平滑图像进行拼接以获得平滑整合图像。
所述系统包括:维纳滤波设备,设置在剧场的后台控制室内,与数据合并设备连接,用于接收平滑整合图像,对平滑整合图像执行维纳滤波处理以获得滤波图像,其中维纳滤波处理用于使得平滑整合图像与滤波图像的均方误差最小以去除平滑整合图像中的白噪声和斑点噪声。
所述系统包括:子屏幕识别设备,设置在剧场的后台控制室内,与维纳滤波设备连接以获得滤波图像;针对滤波图像中的每一个像素点,当其灰度值在预设移动终端屏幕上限灰度值和预设移动终端屏幕下限灰度值之间时,确定其为屏幕像素点;将滤波图像中的所有屏幕像素点组成的区域从滤波图像中分割出来以获得各个屏幕子图像;针对每一个屏幕子图像,针对其在滤波图像中的位置确定针对的屏幕子图像对应的座位编号;其中,针对的屏幕子图像对应的座位编号为持有针对的屏幕子图像对应的移动终端的观众所在的剧场座位编号。
其中,像素值匹配成功的像素的数量与内容匹配百分比的关系是非线形关系。
可选地,在所述平台中:AVR32芯片还包括计时单元;灰度化处理子设备由FPGA芯片来实现;直方图分布检测子设备由FPGA芯片来实现;二值化处理子设备由FPGA芯片来实现;图像平滑处理子设备由FPGA芯片来实现;以及替换地,采用AVR32芯片内置存储单元替换语音存储器以预先存储与禁止拍照相关的语音警示文件。
另外,FPGA(Field-Programmable Gate Array),即现场可编程门阵列,他是在PAL、GAL、CPLD等可编程器件的基础上进一步发展的产物。他是作为专用集成电路(ASIC)领域中的一种半定制电路而出现的,既解决了定制电路的不足,又克服了原有可编程器件门电路数有限的缺点。
以硬件描述语言(Verilog或VHDL)所完成的电路设计,可以经过简单的综合与布局,快速的烧录至FPGA上进行测试,是现代IC设计验证的技术主流。这些可编辑元件可以被用来实现一些基本的逻辑门电路(比如AND、OR、XOR、NOT)或者更复杂一些的组合功能比如解码器或数学方程式。在大多数的FPGA里面,这些可编辑的元件里也包含记忆元件例如触发器(Flip-flop)或者其他更加完整的记忆块。系统设计师可以根据需要通过可编辑的连接把FPGA内部的逻辑块连接起来,就好像一个电路试验板被放在了一个芯片里。一个出厂后的成品FPGA的逻辑块和连接可以按照设计者而改变,所以FPGA可以完成所需要的逻辑功能。
FPGA一般来说比ASIC(专用集成电路)的速度要慢,实现同样的功能比ASIC电路面积要大。但是他们也有很多的优点比如可以快速成品,可以被修改来改正程序中的错误和更便宜的造价。厂商也可能会提供便宜的但是编辑能力差的FPGA。因为这些芯片有比较差的可编辑能力,所以这些设计的开发是在普通的FPGA上完成的,然后将设计转移到一个类似于ASIC的芯片上。另外一种方法是用CPLD(Complex Programmable Logic Device,复杂可编程逻辑器件)。FPGA的开发相对于传统PC、单片机的开发有很大不同。FPGA以并行运算为主,以硬件描述语言来实现;相比于PC或单片机(无论是冯诺依曼结构还是哈佛结构)的顺序操作有很大区别。
早在1980年代中期,FPGA已经在PLD设备中扎根。CPLD和FPGA包括了一些相对大数量的可编辑逻辑单元。CPLD逻辑门的密度在几千到几万个逻辑单元之间,而FPGA通常是在几万到几百万。CPLD和FPGA的主要区别是他们的系统结构。CPLD是一个有点限制性的结构。这个结构由一个或者多个可编辑的结果之和的逻辑组列和一些相对少量的锁定的寄存器组成。这样的结果是缺乏编辑灵活性,但是却有可以预计的延迟时间和逻辑单元对连接单元高比率的优点。而FPGA却是有很多的连接单元,这样虽然让他可以更加灵活的编辑,但是结构却复杂的多。
采用本发明的基于云端的灰度化处理系统,针对现有技术无法为演出的偷拍提供有效的电子检测的技术问题,通过采用有针对性的、高精度的一系列图像处理设备和图像分析设备对观众席的观众状态进行分析,还通过对演出现场的环境进行分析,在上述分析的基础上,对观众席中盗拍者的行为进行准确检测和位置识别,最终采取警告机制对偷拍者进行电子提醒,从而在避免干扰其他观众观看的同时,有效减少偷拍行为的发生。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。

Claims (8)

1.一种基于云端的灰度化处理系统,所述系统包括多个云端应用设备,每一个云端应用设备负责处理一个图像分块,每一个云端应用设备包括一个灰度化处理子设备,灰度化处理子设备用于对对应图像分块执行灰度化处理,其中,多个云端应用设备对应的多个图像分块组成一个待处理图像。
2.如权利要求1所述的基于云端的灰度化处理系统,其特征在于,所述系统包括:
剧场内容采集设备,设置在剧场舞台对面,用于实时采集剧场舞台上的场景图像以作为实时场景图像输出;
内容分析设备,设置在剧场的后台控制室内,分别与子屏幕识别设备和剧场内容采集设备连接,用于接收实时场景图像,还用于接收每一个屏幕子图像和其对应的座位编号,将每一个屏幕子图像与实时场景图像进行内容匹配以确定内容匹配百分比,当内容匹配百分比大于等于预设百分比阈值时,将屏幕子图像对应的座位编号作为目标座位编号输出;其中,内容分析设备将每一个屏幕子图像与实时场景图像进行内容匹配以确定内容匹配百分比具体包括:将实时场景图像中的各个像素与每一个屏幕子图像的各个像素进行像素值匹配,像素值匹配成功的像素的数量越多,屏幕子图像对应的内容匹配百分比越高;
AVR32芯片,设置在剧场的后台控制室内,与内容分析设备连接,用于基于目标座位编号发出包括目标座位编号的驱动控制信号;
遥控设备,设置在剧场舞台正上方的房顶位置,用于与AVR32芯片连接以接收AVR32芯片发来的驱动控制信号,并对驱动控制信号进行解析以确定目标座位编号,基于目标座位编号确定遥控信号;
低音警示设备,每一个观众座位上设置一个,包括遥控接收器、低音播放芯片和播放控制开关,遥控接收器用于接收遥控信号,播放控制开关分别与遥控接收器和低音播放芯片连接,用于基于遥控信号启动低音播放芯片以进行低音警示操作;其中,低音播放芯片包括语音存储器,用于预先存储与禁止拍照相关的语音警示文件;
摄像设备,设置在剧场房顶中央位置,用于对剧场舞台对面的观众席进行图像采集以输出观众席图像;
数据分割设备,位于云端,与摄像设备连接,用于将观众席图像分割成N个图像分块,N为大于1的自然数;
N个云端存储设备,位于云端,与数据分割设备连接,用于分别存储N个图像分块;
云端服务中心设备,位于云端,与N个云端存储设备连接,用于集中N个图像分块,并将N个图像分块分发给M个云端应用设备,M为大于1的自然数且M小于等于N;
云端命令通道管理设备,位于云端,用于对云端命令进行通道管理;
M个云端应用设备,位于云端,与云端服务中心设备连接,用于接收分配到的、一个以上的图像分块,每一个云端应用设备包括:
灰度化处理子设备,包括通道参数提取单元、加权值存储单元和灰度值计算单元,通道参数提取单元用于接收每一个图像分块,提取出图像分块中每一个像素点的R通道像素值、G通道像素值和B通道像素值,加权值存储单元用于预先存储了R通道加权值、G通道加权值和B通道加权值,灰度值计算单元分别与通道参数提取单元和加权值存储单元连接,针对图像分块中每一个像素点,将R通道像素值与R通道加权值的乘积、G通道像素值与G通道加权值的乘积以及B通道像素值与B通道加权值的乘积相加以获取针对的像素点的灰度值,并基于图像分块中各个像素点的灰度值获得图像分块对应的灰度化图像;其中,R通道加权值取值为0.298839,G通道加权值取值为0.586811,B通道加权值取值为0.114350;
直方图分布检测子设备,与灰度化处理子设备连接,用于接收灰度化图像,并对灰度化图像进行灰度直方图处理以获得对应的直方图图像,在直方图图像呈现双峰分布时,发出全局阈值选择信号,否则,发出非全局阈值选择信号;
阈值选择子设备,与直方图分布检测子设备连接,用于在接收到全局阈值选择信号时,将全局阈值128作为阈值数据输出,在接收到非全局阈值选择信号时,将相邻像素点灰度差阈值40作为阈值数据输出;
二值化处理子设备,分别与阈值选择子设备和直方图分布检测子设备连接,用于在接收到全局阈值选择信号时,针对灰度化图像中的每一个像素点,当灰度值大于等于阈值数据时,将针对的像素点设置为白电平像素点,当灰度值小于阈值数据时,将针对的像素点设置为黑电平像素点,并输出灰度化图像对应的二值化图像;二值化处理子设备还用于在接收到非全局阈值选择信号时,针对灰度化图像中的每一个像素点,计算垂直方向向上距离其3个像素点的像素点的灰度值作为上像素灰度值,计算垂直方向向下距离其3个像素点的像素点的灰度值作为下像素灰度值,计算水平方向向左距离其3个像素点的像素点的灰度值作为左像素灰度值,计算水平方向向右距离其3个像素点的像素点的灰度值作为右像素灰度值,当上像素灰度值和下像素灰度值之差的绝对值小于等于阈值数据且左像素灰度值和右像素灰度值之差的绝对值小于等于阈值数据时,将针对的像素点设置为白电平像素点,当上像素灰度值和下像素灰度值之差的绝对值大于阈值数据或左像素灰度值和右像素灰度值之差的绝对值大于阈值数据时,将针对的像素点设置为黑电平像素点,并输出灰度化图像对应的二值化图像;
图像平滑处理子设备,与二值化处理子设备连接,用于接收二值化图像,针对二值化图像中的每一个像素点,当相邻的所有像素点中存在一半以上的跳变点时,则将针对的像素点的灰度值保留,否则,将针对的像素点的灰度值设置为白电平像素点,并输出二值化图像对应的平滑图像;
数据合并设备,位于云端,与M个云端应用设备连接,用于将每一个云端应用设备的图像平滑处理子设备输出的平滑图像进行拼接以获得平滑整合图像;
维纳滤波设备,设置在剧场的后台控制室内,与数据合并设备连接,用于接收平滑整合图像,对平滑整合图像执行维纳滤波处理以获得滤波图像,其中维纳滤波处理用于使得平滑整合图像与滤波图像的均方误差最小以去除平滑整合图像中的白噪声和斑点噪声;
子屏幕识别设备,设置在剧场的后台控制室内,与维纳滤波设备连接以获得滤波图像;针对滤波图像中的每一个像素点,当其灰度值在预设移动终端屏幕上限灰度值和预设移动终端屏幕下限灰度值之间时,确定其为屏幕像素点;将滤波图像中的所有屏幕像素点组成的区域从滤波图像中分割出来以获得各个屏幕子图像;针对每一个屏幕子图像,针对其在滤波图像中的位置确定针对的屏幕子图像对应的座位编号;其中,针对的屏幕子图像对应的座位编号为持有针对的屏幕子图像对应的移动终端的观众所在的剧场座位编号;
其中,像素值匹配成功的像素的数量与内容匹配百分比的关系是非线形关系。
3.如权利要求2所述的基于云端的灰度化处理系统,其特征在于:
AVR32芯片还包括计时单元。
4.如权利要求2所述的基于云端的灰度化处理系统,其特征在于:
灰度化处理子设备由FPGA芯片来实现。
5.如权利要求2所述的基于云端的灰度化处理系统,其特征在于:
直方图分布检测子设备由FPGA芯片来实现。
6.如权利要求2所述的基于云端的灰度化处理系统,其特征在于:
二值化处理子设备由FPGA芯片来实现。
7.如权利要求2所述的基于云端的灰度化处理系统,其特征在于:
图像平滑处理子设备由FPGA芯片来实现。
8.如权利要求2所述的基于云端的灰度化处理系统,其特征在于:
替换地,采用AVR32芯片内置存储单元替换语音存储器以预先存储与禁止拍照相关的语音警示文件。
CN201610481443.6A 2016-06-27 2016-06-27 基于云端的灰度化处理系统 Withdrawn CN106067012A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610481443.6A CN106067012A (zh) 2016-06-27 2016-06-27 基于云端的灰度化处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610481443.6A CN106067012A (zh) 2016-06-27 2016-06-27 基于云端的灰度化处理系统

Publications (1)

Publication Number Publication Date
CN106067012A true CN106067012A (zh) 2016-11-02

Family

ID=57421425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610481443.6A Withdrawn CN106067012A (zh) 2016-06-27 2016-06-27 基于云端的灰度化处理系统

Country Status (1)

Country Link
CN (1) CN106067012A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108024010A (zh) * 2017-11-07 2018-05-11 秦广民 基于电量测量的手机监控系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108024010A (zh) * 2017-11-07 2018-05-11 秦广民 基于电量测量的手机监控系统
CN108024010B (zh) * 2017-11-07 2018-09-14 赵敏 基于电量测量的手机监控系统

Similar Documents

Publication Publication Date Title
CN105868748A (zh) 基于云处理的数据服务平台
CN106027849B (zh) 云端高清图像处理平台
CN107507243A (zh) 一种摄像机参数调整方法、导播摄像机及系统
CN106060473A (zh) 大数据处理方法及大数据处理装置
CN105898246A (zh) 智能家居系统
CN106027850A (zh) 云端中值滤波系统
CN106162076A (zh) 大数据图像灰度化处理装置
CN106096665A (zh) 双通道云数据管理平台
CN105868747A (zh) 云计算系统
CN107547839A (zh) 基于图像分析的远程控制平台
CN105933676B (zh) 基于图像分析的远程控制平台
CN105858377A (zh) 电梯安全控制系统
CN107545212A (zh) 双通道云数据管理平台
CN105872115B (zh) 一种基于云计算的远程监测系统
CN106067012A (zh) 基于云端的灰度化处理系统
CN106162077A (zh) 基于互联网的智能业务管理系统
CN105905727A (zh) 一种多功能电梯安全控制方法
CN106127157A (zh) 集约式图像数据处理平台
CN106096578A (zh) 多功能电梯安全控制平台
CN106157260B (zh) 并行图像平滑处理平台
CN107545211A (zh) 云端数据处理系统
CN107547845A (zh) 大数据处理方法及大数据处理装置
CN106199133A (zh) 电流采样处理平台
CN107545543A (zh) 基于云端的灰度化处理系统
CN107347147B (zh) 并行图像平滑处理平台

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication

Application publication date: 20161102

WW01 Invention patent application withdrawn after publication