CN106878670A - 一种视频处理方法及装置 - Google Patents
一种视频处理方法及装置 Download PDFInfo
- Publication number
- CN106878670A CN106878670A CN201611210827.0A CN201611210827A CN106878670A CN 106878670 A CN106878670 A CN 106878670A CN 201611210827 A CN201611210827 A CN 201611210827A CN 106878670 A CN106878670 A CN 106878670A
- Authority
- CN
- China
- Prior art keywords
- image
- video
- images
- ensure effective
- effective monitoring
- 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
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
Abstract
本发明实施例提供了一种视频处理方法及装置,所述方法包括:设置布控时间点;在所述布控时间点到达时,获取在所述布控时间点之前的预设时间段内的历史视频图像,所述历史视频图像包含多张视频图像;获取待识别图像;根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像。通过本发明实施例在寻找大量目标群时,可利用处理器的空闲资源解决实时性要求相对较低的识别要求,实现大数据场景下的应用。
Description
技术领域
本发明涉及视频监控技术领域,具体涉及一种视频处理方法及装置。
背景技术
随着经济、社会、文化的快速发展,国内外影响力的与日俱增,越来越多外来人口流向城市,这些人口增加在加快城市化进程的同时,也为城市管理带来更大的挑战,虽然,视频监控对城市安全提供了技术支持,但是,目前来看,摄像头已经在城市中布局开来,各个摄像头的功能较为独立,当需要搜索某个目标人物时,需要对每一摄像头拍摄的视频图像进行逐帧查看,在采用摄像头进行实时监控过程中,若要查找某个目标人物,无法快速找到目标人物,更无法及时的向用户发送告警信息。尤其是大量目标群时,即使加入人像识别技术后,大量的运算资源需求将是一个亟待解决的问题。
发明内容
本发明实施例提供了一种视频处理方法及装置,以期在寻找大量目标群时,利用处理器的空闲资源解决实时性要求相对较低的识别要求,实现大数据场景下的应用。
本发明实施例第一方面提供了一种视频处理方法,包括:
设置布控时间点;
在所述布控时间点到达时,获取在所述布控时间点之前的预设时间段内的历史视频图像,所述历史视频图像包含多张视频图像;
获取待识别图像;
根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像。
结合本发明实施例第一方面,在第一方面的第一种可能实施方式中,在所述布控时间点到达时,所述方法还包括:
获取指定布控区域;
所述获取在所述布控时间点之前的预设时间段内的历史视频图像,包括:
从视频图像库中获取在所述布控时间点之前且属于所述指定布控区域的历史视频图像。
结合本发明实施例第一方面,在第一方面的第二种可能实施方式中,所述根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像,包括:
对所述多张视频图像进行图像质量评价,得到所述多个图像质量评价值;
选取所述多个图像质量评价值中大于预设图像质量阈值的图像质量评价值对应的图像;
将所述待识别图像与所述大于预设质量阈值的图像质量评价值对应的图像进行比对,得到所述至少一张目标图像。
结合本发明实施例第一方面或第一方面的第一种或第二种可能实施方式,在第一方面的第三种可能实施方式中,所述根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像,包括:
对所述待识别图像进行特征提取,得到M个第一特征;
对所述视频图像i进行特征提取,得到N个第二特征,所述视频图像i为所述多张视频图像中的任一视频图像;
判断所述M个第一特征与所述N个第二特征之间的相似度是否大于预设阈值,在所述M个第一特征与所述N个第二特征之间的相似度大于所述预设阈值时,将所述视频图像i作为所述目标图像。
结合本发明实施例第一方面或第一方面的第一种或第二种可能实施方式,在第一方面的第三种可能实施方式中,在所述根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像之后,所述方法还包括:
接收导出指令,所述导出指令中携带导出范围指示信息;
按照所述导出范围指示信息导出所述至少一张目标图像的属性信息,得到与所述导出范围指示信息对应的文件。
本发明实施例第二方面提供了一种视频处理装置,包括:
设置单元,用于设置布控时间点;
第一获取单元,用于在所述布控时间点到达时,获取在所述布控时间点之前的预设时间段内的历史视频图像,所述历史视频图像包含多张视频图像;
第二获取单元,用于获取待识别图像;
筛选单元,用于根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像。
结合本发明实施例第二方面,在第二方面的第一种可能实施方式中,在所述布控时间点到达时,所述视频处理单元还包括:
第三获取单元,用于获取指定布控区域;
所述第一获取单元具体用于:
从视频图像库中获取在所述布控时间点之前且属于所述指定布控区域的历史视频图像。
结合本发明实施例第二方面,在第二方面的第二种可能实施方式中,所述筛选单元包括:
评价模块,用于对所述多张视频图像进行图像质量评价,得到所述多个图像质量评价值;
选取模块,用于选取所述多个图像质量评价值中大于预设图像质量阈值的图像质量评价值对应的图像;
比对模块,用于将所述待识别图像与所述大于预设质量阈值的图像质量评价值对应的图像进行比对,得到所述至少一张目标图像。
结合本发明实施例第二方面或第二方面的第一种或第二种可能实施方式,在第二方面的第三种可能实施方式中,所述筛选单元包括:
第一提取模块,用于对所述待识别图像进行特征提取,得到M个第一特征;
第二提取模块,用于对所述视频图像i进行特征提取,得到N个第二特征,所述视频图像i为所述多张视频图像中的任一视频图像;
判断模块,用于判断所述M个第一特征与所述N个第二特征之间的相似度是否大于预设阈值,在所述判断模块的判断结果为所述M个第一特征与所述N个第二特征之间的相似度大于所述预设阈值时,将所述视频图像i作为所述目标图像。
结合本发明实施例第二方面或第二方面的第一种或第二种可能实施方式,在第二方面的第四种可能实施方式中,所述视频处理装置还包括:
接收单元,用于在所述筛选单元根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像之后,接收导出指令,所述导出指令中携带导出范围指示信息;
导出单元,用于按照所述导出范围指示信息导出所述至少一张目标图像的属性信息,得到与所述导出范围指示信息对应的文件。
实施本发明实施例,具有如下有益效果:
可以看出,通过本发明实施例,设置布控时间点,在该布控时间点到达时,获取在布控时间点之前的预设时间段内的历史视频图像,该历史视频图像包含多张视频图像,获取待识别图像,根据该待识别图像从多张视频图像中筛选出符合预设要求的至少一张目标图像。如此,通过在指定某个时间点进行布控,可实现在寻找待识别目标时,尤其是大量目标群时,可利用处理器的空闲资源解决实时性要求相对较低的识别要求,实现大数据场景下的应用。
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是本发明实施例提供的一种视频处理方法的第一实施例流程示意图;
图2是本发明实施例提供的一种视频处理方法的第二实施例流程示意图;
图3a是本发明实施例提供的一种视频处理装置的第一实施例结构示意图;
图3b是本发明实施例提供的图3a所描述的视频处理装置的又一结构示意图;
图3c是本发明实施例提供的图3a所描述的视频处理装置的筛选单元的结构示意图;
图3d是本发明实施例提供的图3a所描述的视频处理装置的筛选单元的又一结构示意图;
图3e是本发明实施例提供的图3a所描述的视频处理装置的又一结构示意图;
图4是本发明实施例提供的一种视频处理装置的第二实施例结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置展示该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明实施例所描述视频处理装置可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备(MID,MobileInternet Devices)或穿戴式设备等,上述仅是举例,而非穷举,包含但不限于上述装置,当然,上述视频处理装置还可以为服务器。
需要说明的是,本发明实施例中的视频处理装置可与多个摄像头连接,每一摄像头均可用于抓拍视频图像,每一摄像头均可有一个与之对应的位置标记,或者,可有一个与之对应的编号。通常情况下,摄像头可设置在公共场所,例如,学校、博物馆、十字路口、步行街、写字楼、车库、机场、医院、地铁站、车站、公交站台、超市、酒店、娱乐场所等等。摄像头在拍摄到视频图像后,可将该视频图像保存到视频处理装置所在系统的存储器。存储器中可存储有多个图像库,每一图像库可包含同一人的不同视频图像,当然,每一图像库还可以用于存储一个区域的视频图像或者某个指定摄像头拍摄的视频图像。
进一步可选地,本发明实施例中,摄像头拍摄的每一帧视频图像均对应一个属性信息,属性信息为以下至少一种:视频图像的拍摄时间、视频图像的位置、视频图像的属性参数(格式、大小、分辨率等)、视频图像的编号和视频图像中的人物特征属性。上述视频图像中的人物特征属性可包括但不仅限于:视频图像中的人物个数、人物位置、人物角度等等。
进一步需要说明的是,每一摄像头采集的视频图像通常为动态人脸图像,因而,本发明实施例中可以对人脸图像的角度信息进行规划,上述角度信息可包括但不仅限于:水平转动角度、俯仰角或者倾斜度。例如,可定义动态人脸图像数据要求两眼间距不小于30像素,建议60像素以上。水平转动角度不超过±30°、俯仰角不超过±20°、倾斜角不超过±45°。建议水平转动角度不超过±15°、俯仰角不超过±10°、倾斜角不超过±15°。例如,还可对人脸图像是否被其他物体遮挡进行筛选,通常情况下,饰物不应遮挡脸部主要区域,饰物如深色墨镜、口罩和夸张首饰等,当然,也有可能摄像头上面布满灰尘,导致人脸图像被遮挡。本发明实施例中的视频图像的图片格式可包括但不仅限于:BMP,JPEG,JPEG2000,PNG等等,其大小可以在10-30KB之间,每一视频图像还可以对应一个拍摄时间、以及拍摄该视频图像的摄像头统一编号、与人脸图像对应的全景大图的链接等信息(人脸图像和全局图片建立特点对应性关系文件)。
请参阅图1,为本发明实施例提供的一种视频处理方法的第一实施例流程示意图。本实施例中所描述的视频处理方法,包括以下步骤:
101、设置布控时间点。
其中,上述布控时间点可为一个未来时间,该布控时间点,可由用户自行设置,例如,明天凌晨3点。当然,布控时间点可为一个或者多个,针对不同的布控对象可设置不同的布控时间点,例如,两个布控对象A和B,A可对应一个布控时间点,B也可以对应一个布控时间点,本发明实施例中仅以一个布控时间点的情况加以说明。布控时间点可理解为一个定位功能。下述待识别图像可作为一个布控对象。
102、在所述布控时间点到达时,获取在所述布控时间点之前的预设时间段内的历史视频图像,所述历史视频图像包含多张视频图像。
其中,在布控时间点到达后,可在当前布控范围内获取该布控时间点之间的一段时间内的历史视频图像,该历史视频图像可包含至少一个摄像头拍摄的视频图像。上述预设时间段可为布控时间点之前的某个时间段,例如,布控时间点为3:00,预设时间段可为18:00~24:00,当然,预设时间段也可以为24:00~3:00,预设时间段具体可由用户自行设置,或者,系统默认。上述历史视频图像中可包含多个视频图像,由于摄像头每分钟都会按照一定帧率采集视频图像,因而,一段时间内,采集到的视频图像将会数量很多。
103、获取待识别图像。
其中,待识别图像可由摄像头拍摄的任一图像。当然,待识别图像也可能为多张图像。上述待识别图像还可以为任一图像库中的至少一张图像。当然,上述待识别图像可为包含某个人物的图像,该某个人物可由用户自行指定。
进一步可选地,待识别图像中还可以包含用户指定的其他目标,例如,汽车、车牌,均可按照与本发明实施例类似的方式完成告警动作。
104、根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像。
其中,待识别图像中包含目标人物A,则可将待识别图像与多张视频图像中的每一视频图像进行比对,看看该多张视频图像中的哪一张视频图像中可能存在目标人物A。
可选地,上述步骤104中,根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像,可包括如下步骤:
41)、对所述待识别图像进行特征提取,得到M个第一特征;
42)、对所述视频图像i进行特征提取,得到N个第二特征,所述视频图像i为所述多张视频图像中的任一视频图像;
43)、判断所述M个第一特征与所述N个第二特征之间的相似度是否大于预设阈值,在所述M个第一特征与所述N个第二特征之间的相似度大于所述预设阈值时,确认所述视频图像i符合所述预设要求。
其中,步骤41中可对待识别图像进行特征提取,可得到M个第一特征,该M为正整数,当然,特征提取的方式可包括但不仅限于:Harris角点检测算法、尺度不变特征(ScaleInvariant Feature Transform,SIFT)提取算法、采用分类器进行特征提取,分类器可包括但不仅限于:支持向量机(Support Vector Machine,SVM)、卷积神经网络、级联神经网络、遗传算法等等。如此,也可以实现对多个视频图像中的任一视频图像进行特征提取,以视频图像i为例,其中,该视频图像i为所述多个视频图像中的任一个,可得到N个第二特征,N为正整数,进而,可采用结构相似性(Structural Similarity Index Measurement,SSIM)对两者得到的特征进行比对。上述预设阈值可由系统默认或者用户自行设置。因而,可判断上述M个第一特征与上述N个第二特征之间的相似度是否大于预设阈值,在M个第一特征与N个第二特征之间的相似度大于预设阈值时,确认则待识别图像与视频图像i比对成功。按照上述比对方式,可将待识别图像与上述多张视频图像中的每一视频图像进行比对,比对成功,确认视频图像i符合所述预设要求。
可选地,上述步骤104中,根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像,可包括如下步骤:
A1)、对所述多张视频图像进行图像质量评价,得到所述多个图像质量评价值;
A2)、选取所述多个图像质量评价值中大于预设图像质量阈值的图像质量评价值对应的图像;
A3)、将所述待识别图像与所述大于预设质量阈值的图像质量评价值对应的图像进行比对,得到所述至少一张目标图像。
其中,上述预设图像质量阈值可由系统默认,或者,用户自行设置。上述步骤A3中的图像比对可采用SSIM算法。上述步骤A1中如何对多张视频图像进行图像质量评价,可采用如下方法。可采用至少一个图像质量评价指标分别对图像进行图像质量评价,得到图像质量评价值,其中,图像质量评价指标可包括但不仅限于:平均灰度、均方差、熵、边缘保持度、信噪比等等。可定义为得到的图像质量评价值越大,则图像质量越好。
需要说明的是,由于采用单一评价指标对图像质量进行评价时,具有一定的局限性,因此,可采用多个图像质量评价指标对图像质量进行评价,当然,对图像质量进行评价时,并非图像质量评价指标越多越好,因为图像质量评价指标越多,图像质量评价过程的计算复杂度越高,也不见得图像质量评价效果越好,因此,在对图像质量评价要求较高的情况下,可采用2~10个图像质量评价指标对图像质量进行评价。具体地,选取图像质量评价指标的个数及哪个指标,依据具体实现情况而定。当然,也得结合具体地场景选取图像质量评价指标,在暗环境下进行图像质量评价和亮环境下进行图像质量评价选取的图像质量指标可不一样。
可选地,在对图像质量评价精度要求不高的情况下,可用一个图像质量评价指标进行评价,例如,以熵对待处理图像进行图像质量评价值,可认为熵越大,则说明图像质量越好,相反地,熵越小,则说明图像质量越差。
可选地,在对图像质量评价精度要求较高的情况下,可以采用多个图像质量评价指标对待处理图像进行评价,在多个图像质量评价指标对待处理图像进行图像质量评价时,可设置该多个图像质量评价指标中每一图像质量评价指标的权重,可得到多个图像质量评价值,根据该多个图像质量评价值及其对应的权重可得到最终的图像质量评价值,例如,三个图像质量评价指标分别为:A指标、B指标和C指标,A的权重为a1,B的权重为a2,C的权重为a3,采用A、B和C对某一图像进行图像质量评价时,A对应的图像质量评价值为b1,B对应的图像质量评价值为b2,C对应的图像质量评价值为b3,那么,最后的图像质量评价值=a1b1+a2b2+a3b3。通常情况下,图像质量评价值越大,说明图像质量越好。
可以看出,通过本发明实施例,设置布控时间点,在该布控时间点到达时,获取在布控时间点之前的预设时间段内的历史视频图像,该历史视频图像包含多张视频图像,获取待识别图像,根据该待识别图像从多张视频图像中筛选出符合预设要求的至少一张目标图像。如此,通过在指定某个时间点进行布控,可实现在寻找待识别目标时,尤其是大量目标群时,可利用处理器的空闲资源解决实时性要求相对较低的识别要求,实现大数据场景下的应用。上述设置布控时间点,相当于定时识别目标图像,也可以称之为,半实时识别,即,在定时时间(布控时间)达到时,才对历史视频图像进行识别,如此,可在达到半实时识别(布控)目标的同时,利用处理器的空闲资源解决实时性要求相对较低的识别要求,实现大数据场景下的应用。让系统可以支撑更大目标群体被半实时布控,例如,实际应用中,待识别目标数量能达到百万千万级别的目标图像数,半实时,即有一定延迟,延迟时间最大为24小时,在实时要求较低的可将识别工作放在处理器空闲的时候,例如,凌晨。
与上述一致地,请参阅图2,为本发明实施例提供的一种视频处理方法的第二实施例流程示意图。本实施例中所描述的视频处理方法,包括以下步骤:
201、设置布控时间点。
202、在所述布控时间点到达时,获取指定布控区域。
其中,上述指定布控区域可为当前布控区域的一部分或者全部,例如,当前布控区域包含区域A、B和C,则可将区域A作为指定布控区域,当然,也可以将区域A中的部分摄像头的监控区域和区域B的部分摄像头的监控区域作为指定布控区域。又例如,当前布控区域包含摄像头a、b、c和d,则可以将摄像头a和摄像头d所监控的区域作为指定布控区域。
203、从视频图像库中获取在所述布控时间点之前且属于所述指定布控区域的历史视频图像,所述历史视频图像包含多张视频图像。
204、获取待识别图像。
205、根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像。
其中,上述步骤201、步骤203-步骤205,可参照图1所描述的视频处理方法的对应步骤101-步骤104。
可选地,在上述步骤205之后,可保存上述至少一张视频图像,当然,也可以获取该至少一张视频图像中每一视频图像的属性信息,并记录该属性信息。
可选地,上述属性信息可包含以下但不仅限于:视频图像的拍摄时间、视频图像的位置、视频图像的编号和视频图像中的人物特征属性。上述人物特征属性可包括但不仅限于:视频图像中的人物个数、人物位置、人物角度等等。
可选地,上述步骤205中,在保存该至少一张视频图像时,可设置每一视频图像的有效期,通常情况下,视频处理装置所在系统的存储器存储能力有限,随着摄像头拍摄的时间越来,存储器的存储空间会越来越小,因而,在视频图像的有效期到达时,可销毁该视频图像。例如,视频图像的有效期设置为30天,那么,在保存该视频图像后,到达30天,可销毁该视频图像。
可选地,上述步骤205之后,还可以包含如下步骤:
接收导出指令,所述导出指令中携带导出格式;
按照所述导出格式导出所述述至少一张视频图像的属性信息,得到与所述导出格式对应的文件。
其中,上述导出格式可包括但不仅限于:word格式,excel格式,PDF格式,等等。在得到上述至少一张视频图像后,可输入导出指令,当然,该导出指令中可携带导出格式,导出该至少一张视频图像的属性信息,得到一个与导出格式对应的文件。如此,用户可将上述至少一张视频图像的属性信息导出来,一方面可便于用户查阅,另一方面,也便于打印。
进一步可选地,上述步骤205之后,还可以包含如下步骤:
接收导出指令,所述导出指令中携带导出范围指示信息;
按照所述导出范围指示信息所述述至少一张视频图像的属性信息,得到与所述导出范围指示信息对应的文件。
其中,上述导出范围指示信息可为以下信息中的至少一个:预设时间段、预设摄像头、预设布控区域,其中,上述预设时间段可为用户指定的某个时间段,上述预设摄像头可为用户指定的某个摄像头,上述预设布控区域可为用户指定的某个布控区域,等等。
可以看出,通过本发明实施例,设置布控时间点,在该布控时间点到达时,获取在布控时间点之前的预设时间段内的历史视频图像,该历史视频图像包含多张视频图像,获取待识别图像,根据该待识别图像从多张视频图像中筛选出符合预设要求的至少一张目标图像。如此,通过在指定某个时间点进行布控,可实现在寻找待识别目标时,尤其是大量目标群时,可利用处理器的空闲资源解决实时性要求相对较低的识别要求,实现大数据场景下的应用。
与上述一致地,以下为实施上述视频处理方法的装置,具体如下:
请参阅图3a,为本发明实施例提供的一种视频处理装置的第一实施例结构示意图。本实施例中所描述的视频处理装置,包括:设置单元301、第一获取单元302、第二获取单元303和筛选单元304,具体如下:
设置单元301,用于设置布控时间点;
第一获取单元302,用于在所述布控时间点到达时,获取在所述布控时间点之前的预设时间段内的历史视频图像,所述历史视频图像包含多张视频图像;
第二获取单元303,用于获取待识别图像;
筛选单元304,用于根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像。
可选地,如图3b,图3b为图3a中所描述的视频处理装置的又一变型结构,其还可包括:第三获取单元305,具体如下:
第三获取单元305,用于在所述布控时间点到达时,获取指定布控区域;
所述第一获取单元302具体用于:
从视频图像库中获取在所述布控时间点之前且属于所述指定布控区域的历史视频图像。
可选地,如图3c,图3c为图3a中所描述的视频处理装置的筛选单元304的具体细化结构,所述筛选单元304可包括:所述筛选单元304可包括:评价模块3041、选取模块3042和比对模块3043,具体如下:
评价模块3041,用于对所述多张视频图像进行图像质量评价,得到所述多个图像质量评价值;
选取模块3042,用于选取所述多个图像质量评价值中大于预设图像质量阈值的图像质量评价值对应的图像;
比对模块3043,用于将所述待识别图像与所述大于预设质量阈值的图像质量评价值对应的图像进行比对,得到所述至少一张目标图像。
可选地,如图3d,图3d为图3a中所描述的视频处理装置的筛选单元304的具体细化结构,所述筛选单元304可包括:第一提取模块3044、第二提取模块3045和判断模块3046,具体如下:
第一提取模块3044,用于对所述待识别图像进行特征提取,得到M个第一特征;
第二提取模块3045,用于对所述视频图像i进行特征提取,得到N个第二特征,所述视频图像i为所述多张视频图像中的任一视频图像;
判断模块3046,用于判断所述M个第一特征与所述N个第二特征之间的相似度是否大于预设阈值,在所述判断模块3043的判断结果为所述M个第一特征与所述N个第二特征之间的相似度大于所述预设阈值时,将所述视频图像i作为所述目标图像。
可选地,如图3e,图3e为图3a中所描述的视频处理装置的又一变型结构,其还可包括:接收单元305和导出单元306,具体如下:
接收单元305,用于在所述筛选单元304根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像之后,接收导出指令,所述导出指令中携带导出范围指示信息;
导出单元306,用于按照所述导出范围指示信息导出所述至少一张目标图像的属性信息,得到与所述导出范围指示信息对应的文件。
可以看出,通过本发明实施例所描述的视频处理装置,可设置布控时间点,在该布控时间点到达时,获取在布控时间点之前的预设时间段内的历史视频图像,该历史视频图像包含多张视频图像,获取待识别图像,根据该待识别图像从多张视频图像中筛选出符合预设要求的至少一张目标图像。如此,通过在指定某个时间点进行布控,可实现在寻找待识别目标时,尤其是大量目标群时,可利用处理器的空闲资源解决实时性要求相对较低的识别要求,实现大数据场景下的应用。
与上述一致地,请参阅图4,为本发明实施例提供的一种视频处理装置的第二实施例结构示意图。本实施例中所描述的视频处理装置,包括:至少一个输入设备1000;至少一个输出设备2000;至少一个处理器3000,例如CPU;和存储器4000,上述输入设备1000、输出设备2000、处理器3000和存储器4000通过总线5000连接。
其中,上述输入设备1000具体可为触控面板、物理按键或者鼠标。
上述输出设备2000具体可为显示屏。
上述存储器4000可以是高速RAM存储器,也可为非易失存储器(non-volatilememory),例如磁盘存储器。上述存储器4000用于存储一组程序代码,上述输入设备1000、输出设备2000和处理器3000用于调用存储器4000中存储的程序代码,执行如下操作:
上述处理器3000,用于:
设置布控时间点;
在所述布控时间点到达时,获取在所述布控时间点之前的预设时间段内的历史视频图像,所述历史视频图像包含多张视频图像;
获取待识别图像;
根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像。
可选地,上述处理器3000,在所述布控时间点到达时,还具体用于:
获取指定布控区域;
所述获取在所述布控时间点之前的预设时间段内的历史视频图像,包括:
从视频图像库中获取在所述布控时间点之前且属于所述指定布控区域的历史视频图像。
可选地,上述处理器3000根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像,包括:
对所述多张视频图像进行图像质量评价,得到所述多个图像质量评价值;
选取所述多个图像质量评价值中大于预设图像质量阈值的图像质量评价值对应的图像;
将所述待识别图像与所述大于预设质量阈值的图像质量评价值对应的图像进行比对,得到所述至少一张目标图像。
可选地,上述处理器3000根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像,包括:
对所述待识别图像进行特征提取,得到M个第一特征;
对所述视频图像i进行特征提取,得到N个第二特征,所述视频图像i为所述多张视频图像中的任一视频图像;
判断所述M个第一特征与所述N个第二特征之间的相似度是否大于预设阈值,在所述M个第一特征与所述N个第二特征之间的相似度大于所述预设阈值时,确认所述视频图像i符合所述预设要求。
可选地,上述处理器3000,在所述根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像之后,还具体用于:
接收导出指令,所述导出指令中携带导出范围指示信息;
按照所述导出范围指示信息导出所述至少一张目标图像的属性信息,得到与所述导出范围指示信息对应的文件。
本发明实施例还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时包括上述方法实施例中记载的任何一种视频处理方法的部分或全部步骤。
尽管在此结合各实施例对本发明进行了描述,然而,在实施所要求保护的本发明过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
本领域技术人员应明白,本发明的实施例可提供为方法、装置(设备)、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。计算机程序存储/分布在合适的介质中,与其它硬件一起提供或作为硬件的一部分,也可以采用其他分布形式,如通过Internet或其它有线或无线电信系统。
本发明是参照本发明实施例的方法、装置(设备)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。
尽管结合具体特征及其实施例对本发明进行了描述,显而易见的,在不脱离本发明的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明,且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。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 (10)
1.一种视频处理方法,其特征在于,包括:
设置布控时间点;
在所述布控时间点到达时,获取在所述布控时间点之前的预设时间段内的历史视频图像,所述历史视频图像包含多张视频图像;
获取待识别图像;
根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像。
2.根据权利要求1所述的方法,其特征在于,在所述布控时间点到达时,所述方法还包括:
获取指定布控区域;
所述获取在所述布控时间点之前的预设时间段内的历史视频图像,包括:
从视频图像库中获取在所述布控时间点之前且属于所述指定布控区域的历史视频图像。
3.根据权利要求1所述的方法,其特征在于,所述根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像,包括:
对所述多张视频图像进行图像质量评价,得到所述多个图像质量评价值;
选取所述多个图像质量评价值中大于预设图像质量阈值的图像质量评价值对应的图像;
将所述待识别图像与所述大于预设质量阈值的图像质量评价值对应的图像进行比对,得到所述至少一张目标图像。
4.根据权利要求1或2任一项所述的方法,其特征在于,所述根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像,包括:
对所述待识别图像进行特征提取,得到M个第一特征;
对所述视频图像i进行特征提取,得到N个第二特征,所述视频图像i为所述多张视频图像中的任一视频图像;
判断所述M个第一特征与所述N个第二特征之间的相似度是否大于预设阈值,在所述M个第一特征与所述N个第二特征之间的相似度大于所述预设阈值时,将所述视频图像i作为所述目标图像。
5.根据权利要求1至3任一项所述的方法,其特征在于,在所述根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像之后,所述方法还包括:
接收导出指令,所述导出指令中携带导出范围指示信息;
按照所述导出范围指示信息导出所述至少一张目标图像的属性信息,得到与所述导出范围指示信息对应的文件。
6.一种视频处理装置,其特征在于,包括:
设置单元,用于设置布控时间点;
第一获取单元,用于在所述布控时间点到达时,获取在所述布控时间点之前的预设时间段内的历史视频图像,所述历史视频图像包含多张视频图像;
第二获取单元,用于获取待识别图像;
筛选单元,用于根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像。
7.根据权利要求6所述的视频处理装置,其特征在于,在所述布控时间点到达时,所述视频处理单元还包括:
第三获取单元,用于获取指定布控区域;
所述第一获取单元具体用于:
从视频图像库中获取在所述布控时间点之前且属于所述指定布控区域的历史视频图像。
8.根据权利要求6所述的视频处理装置,其特征在于,所述筛选单元包括:
评价模块,用于对所述多张视频图像进行图像质量评价,得到所述多个图像质量评价值;
选取模块,用于选取所述多个图像质量评价值中大于预设图像质量阈值的图像质量评价值对应的图像;
比对模块,用于将所述待识别图像与所述大于预设质量阈值的图像质量评价值对应的图像进行比对,得到所述至少一张目标图像。
9.根据权利要求6或7任一项所述的视频处理装置,其特征在于,所述筛选单元包括:
第一提取模块,用于对所述待识别图像进行特征提取,得到M个第一特征;
第二提取模块,用于对所述视频图像i进行特征提取,得到N个第二特征,所述视频图像i为所述多张视频图像中的任一视频图像;
判断模块,用于判断所述M个第一特征与所述N个第二特征之间的相似度是否大于预设阈值,在所述判断模块的判断结果为所述M个第一特征与所述N个第二特征之间的相似度大于所述预设阈值时,将所述视频图像i作为所述目标图像。
10.根据权利要求6至8任一项所述的视频处理装置,其特征在于,所述视频处理装置还包括:
接收单元,用于在所述筛选单元根据所述待识别图像从所述多张视频图像中筛选出符合预设要求的至少一张目标图像之后,接收导出指令,所述导出指令中携带导出范围指示信息;
导出单元,用于按照所述导出范围指示信息导出所述至少一张目标图像的属性信息,得到与所述导出范围指示信息对应的文件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611210827.0A CN106878670B (zh) | 2016-12-24 | 2016-12-24 | 一种视频处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611210827.0A CN106878670B (zh) | 2016-12-24 | 2016-12-24 | 一种视频处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106878670A true CN106878670A (zh) | 2017-06-20 |
CN106878670B CN106878670B (zh) | 2018-04-20 |
Family
ID=59164938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611210827.0A Active CN106878670B (zh) | 2016-12-24 | 2016-12-24 | 一种视频处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106878670B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108040225A (zh) * | 2017-12-11 | 2018-05-15 | 梁金凤 | 一种智能监控机器人 |
CN108229323A (zh) * | 2017-11-30 | 2018-06-29 | 深圳市商汤科技有限公司 | 布控方法和装置、电子设备、计算机存储介质 |
CN108564010A (zh) * | 2018-03-28 | 2018-09-21 | 浙江大华技术股份有限公司 | 一种安全帽佩戴的检测方法、装置、电子设备及存储介质 |
CN108563651A (zh) * | 2017-12-19 | 2018-09-21 | 深圳云天励飞技术有限公司 | 一种多视频的目标搜索方法、装置及设备 |
CN109447186A (zh) * | 2018-12-13 | 2019-03-08 | 深圳云天励飞技术有限公司 | 聚类方法及相关产品 |
CN109583453A (zh) * | 2017-09-29 | 2019-04-05 | 阿里巴巴集团控股有限公司 | 图像的识别方法和装置、数据的识别方法、终端 |
CN109993020A (zh) * | 2017-12-29 | 2019-07-09 | 浙江宇视科技有限公司 | 人脸布控报警方法及装置 |
CN110853272A (zh) * | 2019-09-29 | 2020-02-28 | 五邑大学 | 公交车安全监测方法、装置、设备及存储介质 |
CN111027347A (zh) * | 2018-10-09 | 2020-04-17 | 杭州海康威视数字技术股份有限公司 | 一种视频识别方法、装置和计算机设备 |
CN112541384A (zh) * | 2020-07-30 | 2021-03-23 | 深圳市商汤科技有限公司 | 对象查找方法及装置、电子设备及存储介质 |
CN112887665A (zh) * | 2020-12-30 | 2021-06-01 | 重庆邮电大学移通学院 | 视频图像处理方法及相关装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930261A (zh) * | 2012-12-05 | 2013-02-13 | 上海市电力公司 | 一种人脸抓拍识别方法 |
CN103916626A (zh) * | 2013-01-05 | 2014-07-09 | 中兴通讯股份有限公司 | 一种监控录像信息提供方法、装置及视频监控系统 |
CN104394319A (zh) * | 2014-11-24 | 2015-03-04 | 广州市浩云安防科技股份有限公司 | 一种嵌入式的高清网络视频录像机 |
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别系统和方法 |
CN105632183A (zh) * | 2016-01-27 | 2016-06-01 | 福建工程学院 | 一种车辆违规行为举证的方法及其系统 |
-
2016
- 2016-12-24 CN CN201611210827.0A patent/CN106878670B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930261A (zh) * | 2012-12-05 | 2013-02-13 | 上海市电力公司 | 一种人脸抓拍识别方法 |
CN103916626A (zh) * | 2013-01-05 | 2014-07-09 | 中兴通讯股份有限公司 | 一种监控录像信息提供方法、装置及视频监控系统 |
CN104394319A (zh) * | 2014-11-24 | 2015-03-04 | 广州市浩云安防科技股份有限公司 | 一种嵌入式的高清网络视频录像机 |
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别系统和方法 |
CN105632183A (zh) * | 2016-01-27 | 2016-06-01 | 福建工程学院 | 一种车辆违规行为举证的方法及其系统 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109583453A (zh) * | 2017-09-29 | 2019-04-05 | 阿里巴巴集团控股有限公司 | 图像的识别方法和装置、数据的识别方法、终端 |
CN108229323A (zh) * | 2017-11-30 | 2018-06-29 | 深圳市商汤科技有限公司 | 布控方法和装置、电子设备、计算机存储介质 |
CN108040225A (zh) * | 2017-12-11 | 2018-05-15 | 梁金凤 | 一种智能监控机器人 |
CN108563651B (zh) * | 2017-12-19 | 2021-05-11 | 深圳云天励飞技术有限公司 | 一种多视频的目标搜索方法、装置及设备 |
CN108563651A (zh) * | 2017-12-19 | 2018-09-21 | 深圳云天励飞技术有限公司 | 一种多视频的目标搜索方法、装置及设备 |
CN109993020A (zh) * | 2017-12-29 | 2019-07-09 | 浙江宇视科技有限公司 | 人脸布控报警方法及装置 |
CN109993020B (zh) * | 2017-12-29 | 2021-08-31 | 浙江宇视科技有限公司 | 人脸布控报警方法及装置 |
CN108564010A (zh) * | 2018-03-28 | 2018-09-21 | 浙江大华技术股份有限公司 | 一种安全帽佩戴的检测方法、装置、电子设备及存储介质 |
CN111027347A (zh) * | 2018-10-09 | 2020-04-17 | 杭州海康威视数字技术股份有限公司 | 一种视频识别方法、装置和计算机设备 |
CN109447186A (zh) * | 2018-12-13 | 2019-03-08 | 深圳云天励飞技术有限公司 | 聚类方法及相关产品 |
CN110853272A (zh) * | 2019-09-29 | 2020-02-28 | 五邑大学 | 公交车安全监测方法、装置、设备及存储介质 |
CN112541384A (zh) * | 2020-07-30 | 2021-03-23 | 深圳市商汤科技有限公司 | 对象查找方法及装置、电子设备及存储介质 |
CN112887665A (zh) * | 2020-12-30 | 2021-06-01 | 重庆邮电大学移通学院 | 视频图像处理方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106878670B (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106878670B (zh) | 一种视频处理方法及装置 | |
CN107358146B (zh) | 视频处理方法、装置及存储介质 | |
CN107291810B (zh) | 数据处理方法、装置及存储介质 | |
CN106778645B (zh) | 一种图像处理方法及装置 | |
CN106791655B (zh) | 一种视频处理方法及装置 | |
CN106791708B (zh) | 一种视频处理方法及装置 | |
CN107341443B (zh) | 视频处理方法、装置及存储介质 | |
CN107169458B (zh) | 数据处理方法、装置及存储介质 | |
CN109766779A (zh) | 徘徊人员识别方法及相关产品 | |
CN106971142B (zh) | 一种图像处理方法及装置 | |
CN110659391A (zh) | 一种视频侦查方法及装置 | |
CN103686086B (zh) | 一种针对特定区域进行视频监控的方法 | |
CN106657913B (zh) | 一种视频处理方法及装置 | |
CN106851199A (zh) | 一种视频处理方法及装置 | |
CN109618286B (zh) | 一种实时监控系统和方法 | |
CN102610102A (zh) | 一种嫌疑车辆查控方法及系统 | |
CN106534789A (zh) | 一种一体化智慧型安防视频监控系统 | |
CN109740444A (zh) | 人流量信息展示方法及相关产品 | |
CN109815813A (zh) | 图像处理方法及相关产品 | |
CN107240092A (zh) | 一种图像模糊度检测方法及装置 | |
CN112270253A (zh) | 一种高空抛物的检测方法及装置 | |
CN115002414A (zh) | 监测方法、装置及服务器和计算机可读存储介质 | |
CN109815839A (zh) | 微服务架构下的徘徊人员识别方法及相关产品 | |
CN107301373B (zh) | 数据处理方法、装置及存储介质 | |
CN110197158B (zh) | 一种安保云系统及其应用 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |