CN106507040B - 目标监测的方法及装置 - Google Patents
目标监测的方法及装置 Download PDFInfo
- Publication number
- CN106507040B CN106507040B CN201610951879.7A CN201610951879A CN106507040B CN 106507040 B CN106507040 B CN 106507040B CN 201610951879 A CN201610951879 A CN 201610951879A CN 106507040 B CN106507040 B CN 106507040B
- Authority
- CN
- China
- Prior art keywords
- corresponding region
- image
- effective target
- frame
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本申请提供一种目标监测的方法及装置,方法包括:从摄像机拍摄到的视频图像中提取前景图像,获取前景图像中的有效目标并生成有效目标框;确定有效目标框在视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域;确定第一对应区域与第二对应区域的相似性;根据第一对应区域与第二对应区域的相似性,确定有效目标是否为待监测目标。应用该方法,可以实现对目标的自动监测,并且有效地节省人力,提高监测效率。
Description
技术领域
本申请涉及视频监控技术领域,尤其涉及目标监测的方法及装置。
背景技术
视频监控技术已被广泛应用于军事、工业、城市交通等众多领域,随着社会发展,在视频监控中实现自动化已成为趋势。例如,在石油行业中,会有数以万计的抽油机分布在偌大的油田区域,为保障安全,可以在油田区域设置数量较多的摄像机,并且为每台摄像机手动绘制监测区域。当在监测区域内出现目标,例如可疑人员或车辆时,摄像机可以监测到目标,从而发布告警,以规避风险。
然而,若目标出现在监测区域外,则摄像机无法监测到目标,从而无法及时规避风险;并且,为每台摄像机手动绘制监测区域将大量耗费人力,尤其当场景发生变化时,还需要不断地重新绘制监测区域,更加耗费人力,实现困难。
发明内容
有鉴于此,本申请提供一种目标监测的方法及装置,以实现对目标的自动监测,并且有效地节省人力,提高监测效率。
具体地,本申请是通过如下技术方案实现的:
根据本申请实施例的第一方面,提供一种目标监测的方法,所述方法包括:
从摄像机拍摄到的视频图像中提取前景图像,获取所述前景图像中的有效目标并生成有效目标框;
确定所述有效目标框在所述视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域;
确定所述第一对应区域与所述第二对应区域的相似性;
根据所述第一对应区域与所述第二对应区域的相似性,确定所述有效目标是否为待监测目标。
可选的,所述从摄像机拍摄到的视频图像中提取前景图像,获取所述前景图像中的有效目标并生成有效目标框的步骤之后,所述方法还包括:
确定所述有效目标框的总面积;
当所述摄像机拍摄到的视频图像不是第一帧视频图像时,确定当前获取到的所述有效目标框的总面积相对于所述视频图像的前一帧视频图像中有效目标框的总面积的变化率;
若所述变化率超过预设变化阈值,则舍弃当前获取到的所述有效目标,继续对所述摄像机拍摄到的下一帧视频图像执行从摄像机拍摄到的视频图像中提取前景图像,获取所述前景图像中的有效目标并生成有效目标框的步骤;
若所述变化率未超过所述预设变化阈值,则继续执行确定所述有效目标框在所述视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域的步骤。
可选的,所述从摄像机拍摄到的视频图像中提取前景图像,获取所述前景图像中的有效目标并生成有效目标框的步骤之后,所述方法还包括:
确定所述有效目标框是否位于预设的屏蔽区域;
若所述有效目标框位于所述预设的屏蔽区域,则舍弃所述有效目标以及有效目标框;
若所述有效目标框未位于所述预设的屏蔽区域,则继续执行所述确定所述有效目标框在所述视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域的步骤。
可选的,所述预设的屏蔽区域的生成过程包括:
在预设帧数内,从摄像机拍摄到的视频图像中提取出前景图像后,根据所述前景图像,确定所述摄像机拍摄到的视频图像中的每个像素点区域表示为前景的次数;
当所述像素点区域表示为前景的次数达到预设次数阈值时,将所述像素点区域确定为屏蔽区域。
可选的,所述预设参考图像包括N张参考图像;
确定所述第一对应区域与所述第二对应区域的相似性,包括:
分别确定所述第一对应区域与N张所述参考图像上的第二对应区域之间的相似性,得到N个相似值,所述N为大于0的自然数;
所述根据所述第一对应区域与所述第二对应区域的相似性,确定所述有效目标是否为待监测目标,包括:
若所述N个相似值均不大于预设相似阈值,则确定所述第一对应区域所对应的有效目标为待监测目标;
若所述N个相似值中存在至少一个相似值大于所述预设相似阈值,则确定所述第一对应区域所述对应的有效目标不是待监测目标。
可选的,所述方法还包括:
每间隔预设时间段,更新所述N张参考图像。
根据本申请实施例的第二方面,提供一种目标监测的装置,所述装置包括:
前景获取模块,用于从摄像机拍摄到的视频图像中提取前景图像,获取所述前景图像中的有效目标并生成有效目标框;
区域确定模块,用于确定所述有效目标框在所述视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域;
相似性确定模块,用于确定所述第一对应区域与所述第二对应区域的相似性;
目标确定模块,用于根据所述第一对应区域与所述第二对应区域的相似性,确定所述有效目标是否为待监测目标。
可选的,所述装置还包括:
面积确定模块,用于确定所述有效目标框的总面积;
变化率确定模块,用于当所述摄像机拍摄到的视频图像不是第一帧视频图像时,确定当前获取到的所述有效目标框的总面积相对于所述视频图像的前一帧视频图像中有效目标框的总面积的变化率;
第一处理模块,用于若所述变化率超过预设变化阈值,则舍弃当前获取到的所述有效目标,继续对所述摄像机拍摄到的下一阵视频图像执行所述前景获取模块所执行的步骤;
第二处理模块,用于若所述变化率未超过所述预设变化阈值,则继续执行所述区域确定模块所执行的步骤。
可选的,所述装置还包括:
确定模块,用于确定所述有效目标框是否位于预设的屏蔽区域;
第三处理模块,用于若所述有效目标框位于所述预设的屏蔽区域,则舍弃所述有效目标以及有效目标框;
第四处理模块,用于若所述有效目标框未位于所述预设的屏蔽区域,则继续执行所述区域确定模块所执行的步骤。
可选的,所述装置还包括:
次数确定模块,用于在预设帧数内,从摄像机拍摄到的视频图像中提取出前景图像后,根据所述前景图像,确定所述摄像机拍摄到的视频图像中的每个像素点区域表示为前景的次数;
屏蔽区域确定模块,用于当所述像素点区域表示为前景的次数达到预设次数阈值时,将所述像素点区域确定为屏蔽区域。
可选的,所述预设参考图像包括N张参考图像;
所述相似性确定模块,具体用于:分别确定所述第一对应区域与N张所述参考图像上的第二对应区域之间的相似性,得到N个相似值,所述N为大于0的自然数;
所述目标确定模块,包括:
第一确定子模块,用于若所述N个相似值均不大于预设相似阈值,则确定所述第一对应区域所对应的有效目标为待监测目标;
第二确定子模块,用于若所述N个相似值中存在至少一个相似值大于所述预设相似阈值,则确定所述第一对应区域所述对应的有效目标不是待监测目标。
可选的,所述装置还包括:
更新模块,用于每隔预设时间段,更新所述N张参考图像。
在本实施例中,从摄像机拍摄到的视频图像中提取前景图像,获取前景图像中的有效目标并生成有效目标框;确定每个有效目标框在视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域;通过确定第一对应区域与第二对应区域的相似性确定第一对应区域所对应的有效目标是否为待监测目标,从而实现了对监测区域中是否存在待监测目标的自动监测,不需要耗费大量人力,同时提高了监测效率。
附图说明
图1A示例了本申请提供的目标监测的方法的一个实施例流程图;
图1B为布设于油田区域内的摄像机拍摄到的视频图像;
图1C为从图1B示例的视频图像中提取到的前景图像;
图2示例了本申请提供的目标监测的方法的另一个实施例流程图;
图3示例了本申请提供的目标监测的方法的又一个实施例流程图;
图4A示例了本申请提供的目标监测的方法的再一个实施例流程图;
图4B为第一帧图像至第500帧图像统计结果的一种示例;
图4C为屏蔽区域的一种示例;
图5为本申请目标监测的装置所在设备的一种硬件结构图;
图6示例了本申请提供的目标监测的装置的一个实施例框图;
图7示例了本申请提供的目标监测的装置的另一个实施例框图;
图8示例了本申请提供的目标监测的装置的又一个实施例框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
请参见图1A,示例了本申请提供的目标监测的方法的一个实施例流程图,该方法可以应用于摄像机,或者摄像机对应的后台管理服务器上,该方法可以包括以下步骤:
步骤S101,从摄像机拍摄到的视频图像中提取前景图像,获取前景图像中的有效目标并生成有效目标框。
在视频监控技术领域中,背景与前景是相对的概念。以油田区域为例,相对静止的工作场地为背景,而抽油机、进入油田区域的人或车辆等则为前景。
在一示例性场景中,如图1B所示,为布设于油田区域内的摄像机拍摄到的视频图像。摄像机或者后台管理服务器可以对该视频图像进行背景建模,以提取出前景图像,如图1C所示,为从图1B示例的视频图像中提取到的前景图像。其中,背景建模的方法可以有多种,例如可以采用VIBE(Visual Background Extractor,视觉背景提取)算法进行背景建模,以提取前景图像,本申请对此并不作限制。
从摄像机拍摄到的视频图像中提取到前景图像后,由于前景图像中可能存在噪点,前景不清晰等问题,则可以继续对前景图像进行腐蚀、膨胀、区域连通、尺寸过滤等操作,以获取前景图像中的有效目标。这里所说的“有效目标”是指清晰,完整的前景目标。
确定前景图像中的有效目标之后,在本申请中,可以确定每个有效目标的最小外接矩形框。为了描述方便,将有效目标的最小外接矩形框称为有效目标框。如图1C所示,11表示一个有效目标框。
步骤S102:确定有效目标框在视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域。
在本申请中,将步骤S101中获取到的前景图像与视频图像进行匹配,可以确定前景图像上的每个有效目标框在视频图像的对应区域,为了描述方便,可以将该对应区域称为第一对应区域。如图1B所示,12表示图1C中的有效目标框11在图1B上的第一对应区域。
在本申请中,为了实现目标监测,可以预先存储至少一张参考图像,为了描述方便,可以将该至少一张参考图像称为预设参考图像。该预设参考图像可以为油田区域中的抽油机正常工作,且油田区域内无运动的人或车辆时,布设于油田区域内的摄像机所拍摄的视频图像。
将步骤S101中获取到的前景图像与预设参考图像进行匹配,可以确定前景图像上的每个有效目标框在预设参考图像上的对应区域,为了描述方便,将该对应区域称为第二对应区域。
在一实施例中,当预设参考图像包括N张参考图像,N为大于0的自然数,例如为5时,则在本步骤中,可以分别确定每张参考图像的第二对应区域,最终可以确定5个第二对应区域。
在本申请中,还可以预设一个时间段,例如48小时,每隔48小时,更新预设参考图像,以使得预设参考图像可以实时的表示出真实场景。
步骤S103:确定第一对应区域与第二对应区域的相似性。
在本申请中,可以通过NMI(Normalizing Mutual Information,归一化互信息)表征图像与图像之间的相似性。当两幅图像完全相同时,则该两幅图像之间的NMI值为1,当两幅图像完全不同时,则该两幅图像之间的NMI值为0。由此可知,NMI的取值范围为0~1,并且,两幅图像越相似,该两幅图像之间的NMI值越高。
通过上述描述,在本步骤中,可以计算得出第一对应区域与第二对应区域之间的NMI值,以NMI值来表征第一对应区域与第二对应区域之间的相似性。
具体地,可以通过如下公式(1)计算得出第一对应区域与第二对应区域的NMI值:
NMI=2*MI/(EA+EB) 公式(1)
在上述公式(1)中,MI表示第一对应区域与第二对应区域之间的互信息,EA表示第一对应区域的熵,EB表示第二对应区域的熵。
上述公式(1)中,第一对应区域与第二对应区域之间的互信息MI又可以通过如下公式(2)计算得出:
MI=EA+EB-EAB 公式(2)
在上述公式(2)中,EAB表示第一对应区域与第二对应区域的联合熵。
其中,第一对应区域的熵EA,与第二对应区域的熵EB可以通过如下公式(3)所示的方法计算得出,第一对应区域与第二对应区域的联合熵EAB可以通过如下公式(4)所示的方法计算得出:
上述公式(3)中的p(i)表示图像的概率密度分布函数,公式(4)中的p(i,j)表示第一对应区域与第二对应区域的联合概率密度分布函数,具体是如何计算得出第一对应区域与第二对应区域各自的概率密度分布函数,以及第一对应区域与第二对应区域的联合概率密度分布函数的,本申请中不再详述。
在一实施例中,若步骤S102中确定了N个,例如5个第二对应区域,则在本步骤中,可以通过上述公式(1)至公式(4)分别计算得出第一对应区域与该5个第二对应区域各自的相似性,得到5个相似值,即NMI值。
步骤S104:根据第一对应区域与第二对应区域的相似性,确定有效目标是否为待监测目标。
在本申请中,可以预先设置相似阈值,例如设置为0.6。当执行完步骤S103,计算得出第一对应区域与第二对应区域之间的NMI值之后,将该NMI值与相似阈值进行比较,确定第一对应区域对应的有效目标是否为待监测目标。
以存在N个第二对应区域,即计算得出N个NMI值为例:
若该N个NMI值均不大于相似阈值,则可以认为第一对应区域与每个第二对应区域之间的相似性都比较低。由于第二对应区域所位于的视频图像为摄像机在抽油机正常工作,且油田区域内无运动的人或车辆时所拍摄到的视频图像,从而可以确定当前拍摄到的视频图像中存在待监测目标,具体地可以确定第一对应区域所对应的有效目标为待监测目标,例如,第一对应区域所对应的有效目标为可疑人员或车辆。
若该N个NMI值中存在至少一个NMI值大于相似阈值,则可以认为第一对应区域所对应的有效目标不为监测目标。
需要说明的是,上述根据N个NMI值确定第一对应区域所对应的有效目标是否为待监测目标的描述仅仅作为举例,在实际应用中,还可以有其它方式,例如,当N个NMI值中存在至少(N-2)个NMI值不大于相似阈值时,可以认为第一对应区域所对应的有效目标不为待监测目标。本申请对此不再详述。
在本实施例中,从摄像机拍摄到的视频图像中提取前景图像,获取前景图像中的有效目标并生成有效目标框;确定每个有效目标框在视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域;通过确定第一对应区域与第二对应区域的相似性确定第一对应区域所对应的有效目标是否为待监测目标,从而实现了对监测区域中是否存在待监测目标的自动监测,不需要耗费大量人力,同时提高了监测效率。
请参见图2,示例了本申请提供的目标监测的方法的另一个实施例流程图,该方法在上述图1A所示方法的基础上,可以包括以下步骤:
步骤S201:从摄像机拍摄到的视频图像中提取前景图像,获取前景图像中的有效目标并生成有效目标框。
步骤S201的详细描述可以参见上述图1A所示实施例中步骤S101的详细描述,在此不再详述。
步骤S202:确定有效目标框的总面积。
步骤S203:确定视频图像是否为摄像机拍摄到的第一帧视频图像,若视频图像为第一帧视频图像,则执行步骤S206;若视频图像不是第一帧视频图像,则执行步骤S204。
步骤S204:确定当前获取到的有效目标框的总面积相对于视频图像的前一帧视频图像中有效目标框的总面积的变化率。
步骤S205:确定所述变化率是否超过预设变化阈值,若变化率超过预设变化阈值,则执行步骤S209,若变化率未超过预设变化阈值,则执行步骤S206。
在步骤S202至步骤S205中,由于摄像机所拍摄的监测场景在白天会受到太阳光照的影响,在晚上会受到灯光影响等因素,将导致监测场景在瞬间会产生较大的变化。因此,在本申请中,为了提高前景提取的准确度,在对摄像机拍摄到的每一帧视频图像执行完步骤S201后,继续执行步骤S202,计算得出有效目标框的总面积;并且,从摄像机拍摄到的第二帧视频图像开始,每获取到有效目标框的总面积之后,将当前总面积与前一帧视频图像中有效目标框的总面积进行比较,根据比较结果,判断当前视频图像是否收到太阳光或灯光等干扰因素的影响,以确定是否保留当前获取到的有效目标。
以对摄像机拍摄到的第二帧视频图像进行处理为例:
将计算得出的第一帧视频图像中有效目标框的总面积记为AreaPre,将计算得出的第二帧视频图像中有效目标框的总面积记为AreaCur。
在步骤S204中,可以通过如下公式(5)计算得出第二帧视频图中有效目标框的总面积AreaCur相对于第一帧视频图像中有效目标框的总面积AreaPre的变化率:
AreaRatio=|AreaCur-AreaPre|/AreaPre 公式(5)
在步骤S205中,将步骤S204中得出的变化率与预设变化阈值进行比较,若变化率超过预设变化阈值,则可以认为第二帧视频图像受到光照等干扰因素影响,产生了较大变化,在第二帧视频图像中提取到的有效目标并不准确,则可以继续执行步骤S209;若变化率未超过预设变化阈值,则可以认为第二帧视频图像相对于第一帧视频图像变动不大,可以保留在第二帧视频图像中提取到的有效目标,继续执行步骤S206。
步骤S206:确定有效目标框在视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域。
步骤S207:确定第一对应区域与第二对应区域的相似性。
步骤S208:根据第一对应区域与第二对应区域的相似性,确定有效目标是否为待监测目标;结束流程。
步骤S207至步骤S208的详细描述可以参见上述图1A所示实施例中步骤S102至步骤S104的详细描述,在此不再详述。
步骤S209:舍弃当前获取到的有效目标,继续返回执行步骤S201。
在本实施例中,通过从摄像机拍摄到的第二帧视频图像开始,首先确定当前视频图像中的有效目标面积与前一帧视频图像中的有效目标面积的变化率,根据变化率确定当前视频图像相对于前一帧视频图像是否受到光照等因素的干扰。在确定当前视频图像受到光照等因素的干扰时,舍弃当前视频图像中提取到的有效目标,继续对下一帧视频图像进行分析,可以实现有效地避免由于光照等因素干扰时对监测目标产生误判,提高监测效率。
请参见图3,示例了本申请提供的目标监测的方法的又一个实施例流程图,该方法在上述图1A所示方法的基础上,可以包括以下步骤:
步骤S301:从摄像机拍摄到的视频图像中提取前景图像,获取前景图像中的有效目标并生成有效目标框。
步骤S301的详细描述可以参见上述图1A所示实施例中步骤S101的详细描述,在此不再详述。
步骤S302:确定有效目标框是否位于预设的屏蔽区域,若有效目标框位于预设的屏蔽区域,则执行步骤S303;若有效目标框未位于预设的屏蔽区域,则执行步骤S304。
在本申请中,以上述图1B所示的油田区域为例,由于抽油机并不是一直处于静止状态,而是处于工作状态,其采油部件可以在一块固定区域内做往复运动;并且若油田区域中存在树木,其树叶也会在地面产生晃动的阴影。
为了有效地避免将处于工作状态的抽油机,以及晃动的树叶阴影误判为待监测目标,在本申请中,可以通过图4A所示例的方法,将固定的干扰,例如抽油机工作区域、树叶阴影晃动区域设置为屏蔽区域,这里所说的屏蔽区域指不考虑是否存在待监测目标的区域,即认为屏蔽区域内不存在待监测目标。
由上所述,在本申请中,当执行完步骤S301,可以首先确定步骤S301中获取到的有效目标框是否位于预设的屏蔽区域。若有效目标框位于预设的屏蔽区域,则执行步骤S303;若有效目标框未位于预设的屏蔽区域,则执行步骤S304。
步骤S303:舍弃有效目标以及有效目标框;结束流程。
步骤S304:确定有效目标框在视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域。
步骤S305:确定第一对应区域与第二对应区域的相似性。
步骤S306:根据第一对应区域与第二对应区域的相似性,确定有效目标是否为待监测目标。
步骤S304至步骤S306的详细描述可以参见上述图1A所示实施例中步骤S102至步骤S103的详细描述,在此不再详述。
在本实施例中,通过预设屏蔽区域,在获取到有效目标以及有效目标框后,首先判断有效目标框是否位于屏蔽区域内,在有效目标框未位于屏蔽区域内时,继续确定有效目标是否为待监测目标,可以避免将监测场景中存在的固定干扰误判为待监测目标,实现有效的提高监测的准确率,以及监测效率。
请参见图4A,示例了本申请提供的目标监测的方法的再一个实施例流程图,该方法在上述图3所示方法的基础上,以如何生成预设的屏蔽区域为例,该方法可以包括以下步骤:
步骤S401:在预设帧数内,从摄像机拍摄到的视频图像中提取出前景图像后,根据前景图像,确定摄像机拍摄到的视频图像中的每个像素点区域表示为前景的次数。
在本申请中,可以基于统计原理生成屏蔽区域。具体地,可以预设帧数,例如500帧。
以摄像机拍摄到的第一帧视频图像至第500帧视频图像为例,每对一帧视频图像提取出前景图像后,根据前景图像,记录视频图像中的每个像素点区域表示为前景的次数。如图4B,为第一帧图像至第500帧图像统计结果的一种示例。
图4B的示例中,像素点区域(1,1)上的值为45,即表示该像素点区域在500帧内,共有45次表示为前景。
在本申请中,具体是如何确定像素点区域表示为前景的,并本申请不作限制。例如,当前景图像为灰度图像时,通常前景图像中的黑色表示背景,白色表示前景,从而,当像素点区域的像素值为255,即表示为白色时,可以认为该像素点区域表示为前景。
步骤S402:当像素点区域表示为前景的次数达到预设次数阈值时,将像素点区域确定为屏蔽区域。
在本申请中,可以预设次数阈值,例如为400次。当像素点区域的值达到400时,可以认为该像素点区域所表示的前景很能可能为固定前景,例如为树叶在光照下产生的阴影。为了有效地避免误判,提高监测效率,则可以将该像素点区域确定为屏蔽区域。
在一实施例中,将像素点区域确定为屏蔽区域后,可以将该像素点区域上的值设置为0,如图4C所示,为下次屏蔽区域的产生做准备。例如,当统计完第一帧视频图像至第500帧视频图像后,可以基于第501帧视频图像至第1000帧视频图像重新进行统计,重新产生屏蔽区域,以使得屏蔽区域可以尽可能地实时准确。
在本实施例中,通过统计像素点区域在预设帧数内表示为前景的次数,确定该像素点区域是否为固定的干扰区域,若为固定的干扰区域,可以将该像素点区域设置为屏蔽区域,以提高监测效率。
与前述目标监测的方法的实施例相对应,本申请还提供了目标监测的装置的实施例。
本申请目标监测的装置的实施例可以应用在摄像机或后台管理服务器上。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。以软件实现为例,作为一个逻辑意义上的装置,是通过其所在设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言,如图5所示,为本申请目标监测的装置所在设备的一种硬件结构图,除了图5所示的处理器51、内存52、网络接口53、以及非易失性存储器54之外,实施例中装置所在的设备通常根据该设备的实际功能,还可以包括其他硬件,对此不再赘述。
请参考图6,示例了本申请提供的目标监测的装置的一个实施例框图,该装置可以包括:前景获取模块61、区域确定模块62、相似性确定模块63、目标确定模块64。
其中,前景获取模块61,用于从摄像机拍摄到的视频图像中提取前景图像,获取所述前景图像中的有效目标并生成有效目标框;
区域确定模块62,用于确定所述有效目标框在所述视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域;
相似性确定模块63,用于确定所述第一对应区域与所述第二对应区域的相似性;
目标确定模块64,用于根据所述第一对应区域与所述第二对应区域的相似性,确定所述有效目标是否为待监测目标。
请参考图7,示例了本申请提供的目标监测的装置的另一个实施例框图,该图7所示的装置在上述图6所示装置的基础上,
在一实施例中,该装置还可以包括:面积确定模块65、变化率确定模块66、第一处理模块67、第二处理模块68。
其中,面积确定模块65,用于确定所述有效目标框的总面积;
变化率确定模块66,用于当所述摄像机拍摄到的视频图像不是第一帧视频图像时,确定当前获取到的所述有效目标框的总面积相对于所述视频图像的前一帧视频图像中有效目标框的总面积的变化率;
第一处理模块67,用于若所述变化率超过预设变化阈值,则舍弃当前获取到的所述有效目标,继续对所述摄像机拍摄到的下一阵视频图像执行所述前景获取模块所执行的步骤;
第二处理模块68,用于若所述变化率未超过所述预设变化阈值,则继续执行所述区域确定模块所执行的步骤。
在一实施例中,所述预设参考图像包括N张参考图像;
所述相似性确定模块63,具体用于:分别确定所述第一对应区域与N张所述参考图像上的第二对应区域之间的相似性,得到N个相似值,所述N为大于0的自然数;
所述目标确定模块64,包括:第一确定子模块641、第二确定子模块642。
其中,第一确定子模块641,用于若所述N个相似值均不大于预设相似阈值,则确定所述第一对应区域所对应的有效目标为待监测目标;
第二确定子模块642,用于若所述N个相似值中存在至少一个相似值大于所述预设相似阈值,则确定所述第一对应区域所述对应的有效目标不是待监测目标。
在一实施例中,所述装置还包括:更新模块(图7中并未示出)。
更新模块,用于每隔预设时间段,更新所述N张参考图像。
请参考图8,示例了本申请提供的目标监测的装置的又一个实施例框图,该图8所示的装置在上述图6所示装置的基础上,
在一实施例中,装置还包括:确定模块69、第三处理模块610、第四处理模块611。
确定模块69,用于确定所述有效目标框是否位于预设的屏蔽区域;
第三处理模块610,用于若所述有效目标框位于所述预设的屏蔽区域,则舍弃所述有效目标以及有效目标框;
第四处理模块611,用于若所述有效目标框未位于所述预设的屏蔽区域,则继续执行所述区域确定模块所执行的步骤。
在一实施例中,装置还包括:次数确定模块(图8中并未示出)、屏蔽区域确定模块(图8中并未示出)。
次数确定模块,用于在预设帧数内,从摄像机拍摄到的视频图像中提取出前景图像后,根据所述前景图像,确定所述摄像机拍摄到的视频图像中的每个像素点区域表示为前景的次数;
屏蔽区域确定模块,用于当所述像素点区域表示为前景的次数达到预设次数阈值时,将所述像素点区域确定为屏蔽区域。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (10)
1.一种目标监测的方法,其特征在于,所述方法包括:
从摄像机拍摄到的视频图像中提取前景图像,获取所述前景图像中的有效目标并生成有效目标框;
确定所述有效目标框是否位于预设的屏蔽区域;
若所述有效目标框位于所述预设的屏蔽区域,则舍弃所述有效目标以及有效目标框;
若所述有效目标框未位于所述预设的屏蔽区域,则确定所述有效目标框在所述视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域;
确定所述第一对应区域与所述第二对应区域的相似性;
根据所述第一对应区域与所述第二对应区域的相似性,确定所述有效目标是否为待监测目标。
2.根据权利要求1所述的方法,其特征在于,所述从摄像机拍摄到的视频图像中提取前景图像,获取所述前景图像中的有效目标并生成有效目标框的步骤之后,所述方法还包括:
确定所述有效目标框的总面积;
当所述摄像机拍摄到的视频图像不是第一帧视频图像时,确定当前获取到的所述有效目标框的总面积相对于所述视频图像的前一帧视频图像中有效目标框的总面积的变化率;
若所述变化率超过预设变化阈值,则舍弃当前获取到的所述有效目标,继续对所述摄像机拍摄到的下一帧视频图像执行从摄像机拍摄到的视频图像中提取前景图像,获取所述前景图像中的有效目标并生成有效目标框的步骤;
若所述变化率未超过所述预设变化阈值,则继续执行确定所述有效目标框在所述视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域的步骤。
3.根据权利要求1所述的方法,其特征在于,所述预设的屏蔽区域的生成过程包括:
在预设帧数内,从摄像机拍摄到的视频图像中提取出前景图像后,根据所述前景图像,确定所述摄像机拍摄到的视频图像中的每个像素点区域表示为前景的次数;
当所述像素点区域表示为前景的次数达到预设次数阈值时,将所述像素点区域确定为屏蔽区域。
4.根据权利要求1所述的方法,其特征在于,所述预设参考图像包括N张参考图像;
确定所述第一对应区域与所述第二对应区域的相似性,包括:
分别确定所述第一对应区域与N张所述参考图像上的第二对应区域之间的相似性,得到N个相似值,所述N为大于0的自然数;
所述根据所述第一对应区域与所述第二对应区域的相似性,确定所述有效目标是否为待监测目标,包括:
若所述N个相似值均不大于预设相似阈值,则确定所述第一对应区域所对应的有效目标为待监测目标;
若所述N个相似值中存在至少一个相似值大于所述预设相似阈值,则确定所述第一对应区域所述对应的有效目标不是待监测目标。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
每间隔预设时间段,更新所述N张参考图像。
6.一种目标监测的装置,其特征在于,所述装置包括:
前景获取模块,用于从摄像机拍摄到的视频图像中提取前景图像,获取所述前景图像中的有效目标并生成有效目标框;
区域确定模块,用于确定所述有效目标框是否位于预设的屏蔽区域;
若所述有效目标框位于所述预设的屏蔽区域,则舍弃所述有效目标以及有效目标框;
若所述有效目标框未位于所述预设的屏蔽区域,则确定所述有效目标框在所述视频图像上的第一对应区域,以及在预设参考图像上的第二对应区域;
相似性确定模块,用于确定所述第一对应区域与所述第二对应区域的相似性;
目标确定模块,用于根据所述第一对应区域与所述第二对应区域的相似性,确定所述有效目标是否为待监测目标。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
面积确定模块,用于确定所述有效目标框的总面积;
变化率确定模块,用于当所述摄像机拍摄到的视频图像不是第一帧视频图像时,确定当前获取到的所述有效目标框的总面积相对于所述视频图像的前一帧视频图像中有效目标框的总面积的变化率;
第一处理模块,用于若所述变化率超过预设变化阈值,则舍弃当前获取到的所述有效目标,继续对所述摄像机拍摄到的下一阵视频图像执行所述前景获取模块所执行的步骤;
第二处理模块,用于若所述变化率未超过所述预设变化阈值,则继续执行所述区域确定模块所执行的步骤。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
次数确定模块,用于在预设帧数内,从摄像机拍摄到的视频图像中提取出前景图像后,根据所述前景图像,确定所述摄像机拍摄到的视频图像中的每个像素点区域表示为前景的次数;
屏蔽区域确定模块,用于当所述像素点区域表示为前景的次数达到预设次数阈值时,将所述像素点区域确定为屏蔽区域。
9.根据权利要求6所述的装置,其特征在于,所述预设参考图像包括N张参考图像;
所述相似性确定模块,具体用于:分别确定所述第一对应区域与N张所述参考图像上的第二对应区域之间的相似性,得到N个相似值,所述N为大于0的自然数;
所述目标确定模块,包括:
第一确定子模块,用于若所述N个相似值均不大于预设相似阈值,则确定所述第一对应区域所对应的有效目标为待监测目标;
第二确定子模块,用于若所述N个相似值中存在至少一个相似值大于所述预设相似阈值,则确定所述第一对应区域所述对应的有效目标不是待监测目标。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
更新模块,用于每隔预设时间段,更新所述N张参考图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610951879.7A CN106507040B (zh) | 2016-10-26 | 2016-10-26 | 目标监测的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610951879.7A CN106507040B (zh) | 2016-10-26 | 2016-10-26 | 目标监测的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106507040A CN106507040A (zh) | 2017-03-15 |
CN106507040B true CN106507040B (zh) | 2019-10-18 |
Family
ID=58321344
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610951879.7A Active CN106507040B (zh) | 2016-10-26 | 2016-10-26 | 目标监测的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106507040B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108900895B (zh) * | 2018-08-23 | 2021-05-18 | 深圳码隆科技有限公司 | 一种对视频流的目标区域的屏蔽方法及其装置 |
CN113627323B (zh) * | 2021-08-09 | 2024-05-07 | 上海擎朗智能科技有限公司 | 一种图像处理方法、机器人及介质 |
CN114120171A (zh) * | 2021-10-28 | 2022-03-01 | 华能盐城大丰新能源发电有限责任公司 | 基于视频帧的火灾烟雾检测方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101041342A (zh) * | 2006-03-22 | 2007-09-26 | 高田株式会社 | 对象物检测系统、驱动装置、车辆 |
JP2010278963A (ja) * | 2009-06-01 | 2010-12-09 | Tokyo Gas Co Ltd | 監視システム用の画像処理プログラム、画像処理装置、及び画像処理方法 |
CN103167216A (zh) * | 2011-12-08 | 2013-06-19 | 中国电信股份有限公司 | 图像遮蔽处理方法及系统 |
CN103729613A (zh) * | 2012-10-12 | 2014-04-16 | 浙江大华技术股份有限公司 | 一种视频图像的检测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2006115676A2 (en) * | 2005-03-30 | 2006-11-02 | Cernium Corporation | Video ghost detection by outline |
-
2016
- 2016-10-26 CN CN201610951879.7A patent/CN106507040B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101041342A (zh) * | 2006-03-22 | 2007-09-26 | 高田株式会社 | 对象物检测系统、驱动装置、车辆 |
JP2010278963A (ja) * | 2009-06-01 | 2010-12-09 | Tokyo Gas Co Ltd | 監視システム用の画像処理プログラム、画像処理装置、及び画像処理方法 |
CN103167216A (zh) * | 2011-12-08 | 2013-06-19 | 中国电信股份有限公司 | 图像遮蔽处理方法及系统 |
CN103729613A (zh) * | 2012-10-12 | 2014-04-16 | 浙江大华技术股份有限公司 | 一种视频图像的检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106507040A (zh) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106507040B (zh) | 目标监测的方法及装置 | |
US9582731B1 (en) | Detecting spherical images | |
CN108322646A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN106683100A (zh) | 一种图像分割去雾方法及终端 | |
WO2017139013A1 (en) | Determining and presenting solar flux information | |
CN106027902A (zh) | 一种拍照方法及移动终端 | |
CN113256781A (zh) | 虚拟场景的渲染和装置、存储介质及电子设备 | |
CN113012383A (zh) | 火灾检测报警方法、相关系统、相关设备及存储介质 | |
CN105744168B (zh) | 一种信息处理方法及电子设备 | |
CN113205586A (zh) | 图像处理方法及装置、电子设备、计算机可读存储介质 | |
CN114943773A (zh) | 相机标定方法、装置、设备和存储介质 | |
CN105554366A (zh) | 一种多媒体拍摄处理方法、装置及智能终端 | |
CN113177886B (zh) | 图像处理方法、装置、计算机设备及可读存储介质 | |
CN105282455A (zh) | 一种拍照方法、装置及移动终端 | |
CN109445569A (zh) | 基于ar的信息处理方法、装置、设备及可读存储介质 | |
CN107295261B (zh) | 图像去雾处理方法、装置、存储介质和移动终端 | |
WO2021042552A1 (zh) | 区域三维重建方法、装置及计算机可读存储介质 | |
US20190349535A1 (en) | Intelligent photographing method and apparatus, and intelligent terminal | |
CN105467741A (zh) | 一种全景拍照方法及终端 | |
CN116363366A (zh) | 基于语义分割的输电线路山火监测方法、装置及存储介质 | |
CN103796007B (zh) | 裸视立体显示装置的自动调校方法及系统 | |
CN107481255A (zh) | 一种人员数量的确定方法及装置 | |
CN109074676B (zh) | 建立地图的方法、定位方法、终端及计算机可读存储介质 | |
CN105472232A (zh) | 影像撷取方法及电子装置 | |
CN112488973A (zh) | 图像智能合成方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |