CN106887142B - 昼夜切换方法及装置 - Google Patents
昼夜切换方法及装置 Download PDFInfo
- Publication number
- CN106887142B CN106887142B CN201710250067.4A CN201710250067A CN106887142B CN 106887142 B CN106887142 B CN 106887142B CN 201710250067 A CN201710250067 A CN 201710250067A CN 106887142 B CN106887142 B CN 106887142B
- Authority
- CN
- China
- Prior art keywords
- day
- night
- time point
- period
- time period
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请提供一种昼夜切换方法及装置,方法包括:获取当前场景的经纬度,并根据经纬度和日期计算当天的清晨时段和傍晚时段;根据一段包含白天和夜晚的监控录像分别采用白天车辆检测算法和夜晚车辆检测算法进行车辆检出统计,并将车辆检出次数相同点对应的监控图像的综合亮度值确定为最优亮度阈值,分别在清晨时段和傍晚时段根据当前场景的监控图像的综合亮度值与最优亮度阈值的比较结果进行昼夜切换。本申请根据经纬度计算清晨时段和傍晚时段,可保证清晨时段和傍晚时段能够随地域或季节的变化而变化;由于只在清晨时段和傍晚时段进行昼夜切换,而无需全天统计亮度变化提取昼夜区分时间,因此统计周期短,可节省监控系统的性能损耗。
Description
技术领域
本申请涉及视频监控技术领域,尤其涉及一种昼夜切换方法及装置。
背景技术
在视频监控系统中,昼夜切换是前端设备(如模拟摄像机、网络摄像机、编码器等)的一项基本功能。在相关技术中,通过在前端设备画面中选取一块特定区域,并在特定区域内无任何干扰物(例如,车辆或者行人等干扰物)时,统计特定区域的平均亮度值,然后根据统计得到的该特定区域的平均亮度值随时间的变化趋势,提取出随天气季节变化的昼夜区分时间,并根据该昼夜区分时间进行昼夜切换。然而,上述方式需要全天的统计亮度变化,并且还需要经过多日的对比才可提取出昼夜区分时间,统计周期长。
发明内容
有鉴于此,本申请提供一种昼夜切换方法及装置,以解决现有昼夜切换方式的统计周期长的问题。
根据本申请实施例的第一方面,提供一种昼夜切换方法,所述方法应用于前端设备,所述方法包括:
获取当前场景的经纬度,并根据获取的经纬度和当天的日期计算当天的清晨时段和傍晚时段;
根据一段包含白天和夜晚的监控录像分别采用白天车辆检测算法和夜晚车辆检测算法进行车辆检出统计,并将车辆检出次数相同点对应的监控图像的综合亮度值确定为最优亮度阈值;
分别在所述清晨时段和所述傍晚时段,根据当前场景的监控图像的综合亮度值与最优亮度阈值的比较结果进行昼夜切换。
根据本申请实施例的第二方面,提供一种昼夜切换装置,所述装置应用于前端设备,所述装置包括:
第一获取单元,用于获取当前场景的经纬度,并根据获取的经纬度和当天的日期计算当天的清晨时段和傍晚时段;
确定单元,用于根据一段包含白天和夜晚的监控录像分别采用白天车辆检测算法和夜晚车辆检测算法进行车辆检出统计,并将车辆检出次数相同点对应的监控图像的综合亮度值确定为最优亮度阈值;
昼夜检测单元,用于分别在所述清晨时段和所述傍晚时段,根据当前场景的监控图像的综合亮度值与最优亮度阈值的比较结果进行昼夜切换。
应用本申请实施例,前端设备可以获取当前场景的经纬度,并根据获取的经纬度和当天的日期计算当天的清晨时段和傍晚时段,以保证得到的清晨时段和傍晚时段能够随着地域或季节的变化而变化,提高算法的可靠性,并增强算法的实时性和易用性;并再根据一段包含白天和夜晚的监控录像分别采用白天车辆检测算法和夜晚车辆检测算法进行车辆检出统计,并将车辆检出次数相同点对应的监控图像的综合亮度值确定为最优亮度阈值,从而通过一段包含白天和夜晚的监控录像得到了一个既适合白天检测算法也适合夜晚检测算法的亮度阈值;最后分别在清晨时段和傍晚时段,根据当前场景的监控图像的综合亮度值与最优亮度阈值的比较结果进行昼夜切换,由于本申请只在清晨时段和傍晚时段,根据得到的最优亮度阈值与监控图像的综合亮度值的比较结果进行昼夜切换检测,而无需全天统计亮度变化提取昼夜区分时间,因此统计周期短,节省了监控系统性能损耗。
附图说明
图1A为本申请根据一示例性实施例示出的一种昼夜切换方法的实施例流程图;
图1B为本申请根据图1A所示实施例示出的一种白天夜晚的检出曲线图;
图1C为本申请根据图1A所示实施例示出的一种监控图像的上三分之一区域的图像;
图2为本申请根据一示例性实施例示出的一种前端设备的硬件结构图;
图3为本申请根据一示例性实施例示出的一种昼夜切换装置的实施例结构图。
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”。
图1A为本申请根据一示例性实施例示出的一种昼夜切换方法的实施例流程图;图1B为本申请根据图1A所示实施例示出的一种白天夜晚的检出曲线图;图1C为本申请根据图1A所示实施例示出的一种监控图像的上三分之一区域的图像,该昼夜切换方法可以应用于视频监控系统的前端设备上,如图1A所示,该昼夜切换方法包括如下步骤:
步骤101:获取当前场景的经纬度。
在一实施例中,前端设备可以根据车牌识别结果获取当前场景的经纬度,即前端设备在开机运行时,进入车牌识别阶段,从当前场景的监控录像中连续获取预设数量的车牌识别结果,并统计该预设数量的车牌识别结果中所属地域相同的车牌个数,获取车牌个数最多的所属地域,然后利用车牌个数最多的所属地域查找经纬度信息表,获取当前场景的经纬度。通过车牌识别结果来确定当前场景的经纬度,而无需通过GPS(GlobalPositioning System,全球定位系统)模块确定经纬度,可节省视频监控系统的成本,并且经纬度提取准确度也高。
其中,在车牌识别阶段,对当前场景的监控录像中的每一帧监控图像进行车牌识别,并记录车牌识别结果,该车牌识别结果可以包括所属地域,该所属地域由车牌的省份信息和车牌的首字母(所属城市标识)确定,预设数量可以根据实际经验设置,通常在一个地域内,属于当地的车牌占绝大多数,因此可以将车牌个数最多的所属地域作为当地的地域标识。并通过查找记录有有地域标识与经纬度对应关系的经纬度信息表获取对应的经纬度。本领域技术人员可以理解的是,车牌识别可以通过相关技术实现,本申请在此不再详述。
步骤102:根据获取的经纬度和当天的日期计算当天的清晨时段和傍晚时段。
在一实施例中,前端设备可以先根据获取的经纬度和当天的日期计算当天的日出时间点和日落时间点,然后再基于日出时间点确定第一时间点和第二时间点,并将第一时间点与第二时间点之间的时间段确定为清晨时段,并基于日落时间点确定第三时间点和第四时间点,并将第三时间点与第四时间点之间的时间段确定为傍晚时段。经试验测试,根据经纬度和当天的日期计算得到的日出日落时间点,与网上查询得到的日出日落时间误差在±1分钟之内,因此,该计算方法准确度较高。
其中,前端设备可以基于某一时间段,在日出时间点之前确定一个第一时间点,在日出时间点之后确定一个第二时间点,例如,清晨时段的时长设置为1小时,即该某一时间段为1小时,可以将日出时间点之前的30分钟的时间点作为第一时间点,之后的30分钟作为第二时间点。需要说明的是,第一时间点与日出时间点之间的时间段和第二时间点与日出时间点之间的时间段可以相同,也可以不相同,本申请在此不进行限制。对于傍晚时段的确定原理请参见清晨时段的确定原理,本申请在此不再详述。前端设备可以在每天的凌晨时间点,重新根据经纬度和当天的日期计算当天的日出时间点和日落时间点,以保证得到的清晨时段和傍晚时段能够随着地域或季节的变化而变化,从而可以提高算法的可靠性,增强算法的适应性和易用性,此外,根据经纬度和当天的日期计算当天的日出时间点和日落时间点的步骤如下:
(1)计算从格林威治时间公元2000年1月1日到计算日(当天的日期)的世纪数:t=(days+UTo/360)/36525;
其中,days为从格林威治时间公元2000年1月1日到计算日的天数,UTo为上次计算的日出日落时间,第一次计算时UTo=180度。
(2)计算太阳的平黄径L=280.460+36000.770×t;
(3)计算太阳的平近点角G=357.528+35999.050×t;
(4)计算太阳的黄道经度λ=L+1.915*sin(G)+0.020×sin(2G);
(5)计算地球的倾角ε=23.4393-0.0130×t;
(6)计算太阳的偏差δ=arcsin(sin(ε)×sin(λ));
(7)计算格林威治时间的太阳时间角GHA=UTo-180-1.915×sin(G)-0.020×sin(2G)+2.466×sin(2λ)-0.053×sin(4λ);
(8)计算修正值e:e=arcos{[sin(h)-sin(Glat)*sin(δ)]/cos(Glat)*cos(δ)};
其中,h为日出日落时太阳的位置,等于-0.833度,Glat为当前场景的纬度。
(9)计算新的日出日落时间点UT=UTo-(GHA+Long±e);
其中,“+”表示计算日出时间点,“-”表示计算日落时间点,Long为当前场景的经度。
(10)比较UTo和UT之差的绝对值,如果大于0.1度,则将UT作为新的日出日落时间点,并重新从第(1)步开始进行迭代计算;如果UTo和UT之差的绝对值小于0.1度,则UT即为真正的格林威治日出日落时间点;
(11)上述的计算以度为单位,即180°=12小时,因此需要将UT转化为以小时表示的时间,再加上所在的时区数Zone,即要计算的日出日落时间点为T=UT/15+Zone。本领域技术人员可以理解的是,上述计算日出日落时间点的方法适用于小于北纬60度和南纬60度之间的区域,如果计算位置为西半球,则经度Long为负数。此外,上述的计算方法仅为一示例性说明,本申请并不限制根据经纬度和日期计算当天日出日落时间点的其它计算方法。
步骤103:根据一段包含白天和夜晚的监控录像分别采用白天车辆检测算法和夜晚车辆检测算法进行车辆检出统计,并将车辆检出次数相同点对应的监控图像的综合亮度值确定为最优亮度阈值。
在一实施例中,前端设备为了选取一个既适合夜晚车辆检测算法的图像亮度值也适合白天车辆检测算法的图像亮度值,可以任意选取一段包括白天和夜晚的监控录像,即该段监控录像包含有从白天到夜晚的过渡段,在该段包含白天和夜晚的监控录像中,可以分别采用白天车辆检测算法和夜晚车辆检测算法,每隔预设时间段统计一次车辆的检出次数,得到分别对应白天车辆检测算法和夜晚车辆检测算法的两条检出曲线,然后获取两条检出曲线的重合点对应的时间点,并获取该时间点对应的监控图像的综合亮度值,并将获取的综合亮度值确定为最优亮度阈值。
其中,预设时间段可以根据实践经验设置,例如,可以是10分钟。由图1B所示的一种示例性的两条检出曲线可得,采用白天车辆检测算法得到的检出曲线,时间越晚检出次数越低,而采用夜晚车辆检测算法得到的检出曲线,时间越晚检出次数越高,并且两条检出曲线会有一个重合点,该重合点即为最优亮度阈值对应的时间点,从而该时间点对应的监控图像的综合亮度值可以代表最优亮度阈值,并使得在该最优亮度阈值下车辆的检出次数最佳。
在另一实施例中,针对如何获取监控图像的综合亮度值的过程,监控设备可以先获取监控图像中预设检测区域的亮度直方图,并获取该预设检测区域包括的像素总数,然后根据该亮度直方图统计像素个数总和与像素总数比值在预设数值以上的最小亮度区间,并针对每个最小亮度区间,计算该最小亮度区间内每个亮度值对应的平均像素个数,最后获取最大的平均像素个数对应的最小亮度区间,并根据获取的最小亮度区间获得该监控图像的综合亮度值。
其中,如果监控设备获取整个监控图像的亮度直方图,由于计算量大,且全图存在较多的阴影干扰,因此会影响亮度检测结果,为了减少计算量和阴影干扰,监控设备可以在监控图像中预先设定一个检测区域,由于通常监控图像的上三分之一区域阴影干扰较少,因此可以将上三分之一区域作为预设检测区域,如图1C所示,为一种示例性的监控图像的上三分之一区域的图像。
此外,在根据亮度直方图统计像素个数总和与像素总数比值在预设数值以上的最小亮度区间过程中,首先从含有像素个数的亮度值开始,直到像素个数总和与像素总数比值达到预设数值时结束,此时开始时的亮度值到结束时的亮度值之间即为最小亮度区间,然后从含有像素个数的亮度值的下一个亮度值开始继续开始统计,直到像素个数总和与像素总数比值达到预设数值时结束,又得到一个最小亮度区间,以此类推,直到最小亮度区间的右边界亮度值到达亮度直方图的最大亮度值。该预设数值可以根据实践经验设置,例如,可以为50%。
针对根据获取的最小亮度区间获得该监控图像的综合亮度值的过程,由于该最小亮度区间内每个亮度值对应的平均像素个数最多最集中,因此该最小亮度区间中的亮度值最能代表该监控图像的整体亮度情况,且监控设备可以将该最小亮度区间的左边界值或者右边界值确定为监控图像的综合亮度值,也可以将左边界值与右边界值的均值确定为监控图像的综合亮度值,本申请在此不进行限制。
需要说明的是,针对步骤102和步骤103的过程,本申请不分先后执行顺序,无论先执行步骤102还是步骤103均可。
步骤104:分别在该清晨时段和该傍晚时段,根据当前场景的监控图像的综合亮度值与最优亮度阈值的比较结果进行昼夜切换。
在一实施例中,为了保证车辆检测服务质量,前端设备通常都是在清晨时段由夜晚车辆检测算法切换为白天车辆检测算法进行监控,并在傍晚时段由白天车辆检测算法切换为夜晚车辆检测算法进行监控,在其它时段并不需要进行昼夜切换检测,因此前端设备可以只在清晨时段和傍晚时段进行昼夜切换检测,以节省监控系统的性能,并提高系统的实用性。
在另一实施例中,由于白天或者夜晚的变化并不是一个时间点就可以直接切换的,而是需要有一段时间的判断才能最终确定是否进行切换因此前端设备可以针对在当前场景中采集的每帧监控图像,若该帧监控图像的综合亮度值大于最优亮度阈值,则将白天可信度加1,否则,将夜晚可信度加1;当在清晨时段的情况下,若白天可信度是夜晚可信度的预设倍数,则确定当前时间进入白天时段,切换为白天车辆检测算法;当在傍晚时段的情况下,若夜晚可信度是白天可信度的预设倍数,则确定当前时间进入夜晚时段,切换为夜晚车辆检测算法。其中,通过对采集的每帧监控图像的综合亮度值与最优亮度阈值的比较,累加白天可信度或者夜晚可信度,直到白天可信度是夜晚可信度的预设倍数,或者夜晚可信度是白天可信度的预设倍数时,才进行昼夜切换,该预设倍数可以根据实践经验进行设置,例如2倍,从而通过累加白天或夜晚可信度值获得昼夜切换时机,可以避免明暗突变导致昼夜切换。其中,获取监控图像的综合亮度值的过程可以参见上述步骤103中的相关描述,在此不再详述。
需要说明的是,在获取监控图像的综合亮度值过程中,如果根据该监控图像中预设检测区域的亮度直方图,统计得到的像素个数总和与像素总数比值达到某一数值(该某一数值大于上述步骤103中的预设数值,例如该某一数值可以是80%)时的亮度值小于最优亮度阈值,则表示该亮度直方图中大部分像素的亮度值均低于最优亮度阈值,达到夜晚亮度的条件,可以直接切换为夜晚模式。
由上述实施例可知,前端设备可以获取当前场景的经纬度,并根据获取的经纬度和当天的日期计算当天的清晨时段和傍晚时段,以保证得到的清晨时段和傍晚时段能够随着地域或季节的变化而变化,提高算法的可靠性,并增强算法的实时性和易用性;并再根据一段包含白天和夜晚的监控录像分别采用白天车辆检测算法和夜晚车辆检测算法进行车辆检出统计,并将车辆检出次数相同点对应的监控图像的综合亮度值确定为最优亮度阈值,从而通过一段包含白天和夜晚的监控录像得到了一个既适合白天检测算法也适合夜晚检测算法的亮度阈值;最后分别在清晨时段和傍晚时段,根据当前场景的监控图像的综合亮度值与最优亮度阈值的比较结果进行昼夜切换,由于本申请只在清晨时段和傍晚时段,根据得到的最优亮度阈值与监控图像的综合亮度值的比较结果进行昼夜切换检测,而无需全天统计亮度变化提取昼夜区分时间,因此统计周期短,节省了监控系统性能损耗。
与前述昼夜切换方法的实施例相对应,本申请还提供了昼夜切换装置的实施例。
本申请昼夜切换装置的实施例可以应用在前端设备上。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2所示,为本申请根据一示例性实施例示出的一种前端设备的硬件结构图,除了图2所示的处理器、内存、网络接口、以及非易失性存储器之外,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。
图3为本申请根据一示例性实施例示出的一种昼夜切换装置的实施例结构图,该昼夜切换装置可以应用于前端设备上,如图3所示,该昼夜切换装置包括:第一获取单元31、确定单元32、昼夜检测单元33。
其中,第一获取单元31,用于获取当前场景的经纬度,并根据获取的经纬度和当天的日期计算当天的清晨时段和傍晚时段;
确定单元32,用于根据一段包含白天和夜晚的监控录像分别采用白天车辆检测算法和夜晚车辆检测算法进行车辆检出统计,并将车辆检出次数相同点对应的监控图像的综合亮度值确定为最优亮度阈值;
昼夜检测单元33,用于分别在所述清晨时段和所述傍晚时段,根据当前场景的监控图像的综合亮度值与最优亮度阈值的比较结果进行昼夜切换。
在一可选的实现方式中,所述第一获取单元31,具体用于在获取当前场景的经纬度过程中,从当前场景的监控录像中连续获取预设数量的车牌识别结果,并统计所述预设数量的车牌识别结果中所属地域相同的车牌个数,获取车牌个数最多的所属地域;利用所述车牌个数最多的所属地域查找经纬度信息表,获取当前场景的经纬度。
在一可选的实现方式中,所述第一获取单元31,具体用于在根据获取的经纬度和当天的日期计算当天的清晨时段和傍晚时段过程中,根据获取的经纬度和当天的日期计算当天的日出时间点和日落时间点;基于所述日出时间点确定第一时间点和第二时间点,并将所述第一时间点与所述第二时间点之间的时间段确定为清晨时段;基于所述日落时间点确定第三时间点和第四时间点,并将所述第三时间点与所述第四时间点之间的时间段确定为傍晚时段。
在一可选的实现方式中,所述装置还包括(图3中未示出):
第二获取单元,用于获取监控图像的综合亮度值;
所述第二获取单元,具体用于在获取所述时间点对应的监控图像的综合亮度值过程中,获取所述监控图像中预设检测区域的亮度直方图,并获取所述预设检测区域包括的像素总数;根据所述亮度直方图统计像素个数总和与所述像素总数比值在预设数值以上的最小亮度区间;针对每个最小亮度区间,计算该最小亮度区间内每个亮度值对应的平均像素个数;获取最大的平均像素个数对应的最小亮度区间,并根据获取的最小亮度区间获得所述监控图像的综合亮度值。
在一可选的实现方式中,所述昼夜检测单元33,具体用于针对在当前场景中采集的每帧监控图像,若该帧监控图像的综合亮度值大于所述最优亮度阈值,则将白天可信度加1,否则,将夜晚可信度加1;当在所述清晨时段的情况下,若所述白天可信度是所述夜晚可信度的预设倍数,则确定当前时间进入白天时段,切换为白天车辆检测算法;当在所述傍晚时段的情况下,若所述夜晚可信度是所述白天可信度的预设倍数,则确定当前时间进入夜晚时段,切换为夜晚车辆检测算法。
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)
1.一种昼夜切换方法,所述方法应用于前端设备,其特征在于,所述方法包括:
获取当前场景的经纬度,并根据获取的经纬度和当天的日期计算当天的清晨时段和傍晚时段;
根据一段包含白天和夜晚的监控录像分别采用白天车辆检测算法和夜晚车辆检测算法进行车辆检出统计,确定车辆检出次数相同的同一时间点,并将与所述同一时间点对应的监控图像的综合亮度值确定为最优亮度阈值;
分别在所述清晨时段和所述傍晚时段,根据当前场景的监控图像的综合亮度值与最优亮度阈值的比较结果进行昼夜切换。
2.根据权利要求1所述的方法,其特征在于,所述获取当前场景的经纬度包括:
从当前场景的监控录像中连续获取预设数量的车牌识别结果,并统计所述预设数量的车牌识别结果中所属地域相同的车牌个数,获取车牌个数最多的所属地域;
利用所述车牌个数最多的所属地域查找经纬度信息表,获取当前场景的经纬度。
3.根据权利要求1所述的方法,其特征在于,所述根据获取的经纬度和当天的日期计算当天的清晨时段和傍晚时段包括:
根据获取的经纬度和当天的日期计算当天的日出时间点和日落时间点;
基于所述日出时间点确定第一时间点和第二时间点,并将所述第一时间点与所述第二时间点之间的时间段确定为清晨时段;
基于所述日落时间点确定第三时间点和第四时间点,并将所述第三时间点与所述第四时间点之间的时间段确定为傍晚时段。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取监控图像的综合亮度值;
所述获取监控图像的综合亮度值包括:
获取所述监控图像中预设检测区域的亮度直方图,并获取所述预设检测区域包括的像素总数;
根据所述亮度直方图统计像素个数总和与所述像素总数比值在预设数值以上的最小亮度区间;
针对每个最小亮度区间,计算该最小亮度区间内每个亮度值对应的平均像素个数;
获取最大的平均像素个数对应的最小亮度区间,并根据获取的最小亮度区间获得所述监控图像的综合亮度值。
5.根据权利要求1所述的方法,其特征在于,所述分别在所述清晨时段和所述傍晚时段,根据当前场景的监控图像的综合亮度值与最优亮度阈值的比较结果进行昼夜切换包括:
针对在当前场景中采集的每帧监控图像,若该帧监控图像的综合亮度值大于所述最优亮度阈值,则将白天可信度加1,否则,将夜晚可信度加1;
当在所述清晨时段的情况下,若所述白天可信度是所述夜晚可信度的预设倍数,则确定当前时间进入白天时段,切换为白天车辆检测算法;
当在所述傍晚时段的情况下,若所述夜晚可信度是所述白天可信度的预设倍数,则确定当前时间进入夜晚时段,切换为夜晚车辆检测算法。
6.一种昼夜切换装置,所述装置应用于前端设备,其特征在于,所述装置包括:
第一获取单元,用于获取当前场景的经纬度,并根据获取的经纬度和当天的日期计算当天的清晨时段和傍晚时段;
确定单元,用于根据一段包含白天和夜晚的监控录像分别采用白天车辆检测算法和夜晚车辆检测算法进行车辆检出统计,确定车辆检出次数相同的同一时间点,并将与所述同一时间点对应的监控图像的综合亮度值确定为最优亮度阈值;
昼夜检测单元,用于分别在所述清晨时段和所述傍晚时段,根据当前场景的监控图像的综合亮度值与最优亮度阈值的比较结果进行昼夜切换。
7.根据权利要求6所述的装置,其特征在于,所述第一获取单元,具体用于在获取当前场景的经纬度过程中,从当前场景的监控录像中连续获取预设数量的车牌识别结果,并统计所述预设数量的车牌识别结果中所属地域相同的车牌个数,获取车牌个数最多的所属地域;利用所述车牌个数最多的所属地域查找经纬度信息表,获取当前场景的经纬度。
8.根据权利要求6所述的装置,其特征在于,所述第一获取单元,具体用于在根据获取的经纬度和当天的日期计算当天的清晨时段和傍晚时段过程中,根据获取的经纬度和当天的日期计算当天的日出时间点和日落时间点;基于所述日出时间点确定第一时间点和第二时间点,并将所述第一时间点与所述第二时间点之间的时间段确定为清晨时段;基于所述日落时间点确定第三时间点和第四时间点,并将所述第三时间点与所述第四时间点之间的时间段确定为傍晚时段。
9.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第二获取单元,用于获取监控图像的综合亮度值;
所述第二获取单元,具体用于获取所述监控图像中预设检测区域的亮度直方图,并获取所述预设检测区域包括的像素总数;根据所述亮度直方图统计像素个数总和与所述像素总数比值在预设数值以上的最小亮度区间;针对每个最小亮度区间,计算该最小亮度区间内每个亮度值对应的平均像素个数;获取最大的平均像素个数对应的最小亮度区间,并根据获取的最小亮度区间获得所述监控图像的综合亮度值。
10.根据权利要求7所述的装置,其特征在于,所述昼夜检测单元,具体用于针对在当前场景中采集的每帧监控图像,若该帧监控图像的综合亮度值大于所述最优亮度阈值,则将白天可信度加1,否则,将夜晚可信度加1;当在所述清晨时段的情况下,若所述白天可信度是所述夜晚可信度的预设倍数,则确定当前时间进入白天时段,切换为白天车辆检测算法;当在所述傍晚时段的情况下,若所述夜晚可信度是所述白天可信度的预设倍数,则确定当前时间进入夜晚时段,切换为夜晚车辆检测算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710250067.4A CN106887142B (zh) | 2017-04-17 | 2017-04-17 | 昼夜切换方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710250067.4A CN106887142B (zh) | 2017-04-17 | 2017-04-17 | 昼夜切换方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106887142A CN106887142A (zh) | 2017-06-23 |
CN106887142B true CN106887142B (zh) | 2020-01-14 |
Family
ID=59182905
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710250067.4A Active CN106887142B (zh) | 2017-04-17 | 2017-04-17 | 昼夜切换方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106887142B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109257853B (zh) * | 2017-07-12 | 2019-12-27 | 美的智慧家居科技有限公司 | 获取光照强度阈值的方法及装置 |
CN109474742B (zh) * | 2018-11-16 | 2021-06-04 | 上海二三四五网络科技有限公司 | 一种在天气预报系统插件中切换天气显示的控制方法及控制装置 |
CN111343377A (zh) * | 2018-12-19 | 2020-06-26 | 杭州海康威视系统技术有限公司 | 摄像机控制方法、装置、系统及存储介质 |
CN111669529A (zh) * | 2019-03-08 | 2020-09-15 | 杭州海康威视数字技术股份有限公司 | 一种录像方法、装置及设备、存储介质 |
CN110084918B (zh) * | 2019-04-25 | 2021-08-27 | 四川长虹电器股份有限公司 | 光伏设备工作天数的计数方法 |
CN110214506A (zh) * | 2019-06-26 | 2019-09-10 | 北京农业智能装备技术研究中心 | 水肥管控方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034005A (zh) * | 2007-04-12 | 2007-09-12 | 上海交通大学 | 昼夜视频车辆检测间的切换方法 |
CN102142194A (zh) * | 2010-12-30 | 2011-08-03 | 杭州海康威视数字技术股份有限公司 | 视频检测方法及其系统 |
CN103533252A (zh) * | 2013-09-30 | 2014-01-22 | 浙江宇视科技有限公司 | 一种昼夜模式自动切换的方法和装置 |
CN103841324A (zh) * | 2014-02-20 | 2014-06-04 | 小米科技有限责任公司 | 拍摄处理方法、装置和终端设备 |
CN104301616A (zh) * | 2014-10-31 | 2015-01-21 | 苏州科达科技股份有限公司 | 一种摄像机的日切夜和夜切日模式控制方法及系统 |
CN105187731A (zh) * | 2015-09-18 | 2015-12-23 | 中电海康集团有限公司 | 一种基于前碰撞预警的昼夜切换方法及装置 |
CN106101549A (zh) * | 2016-07-07 | 2016-11-09 | 浙江宇视科技有限公司 | 昼夜自动切换方法、装置及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0935197A (ja) * | 1995-07-14 | 1997-02-07 | Aisin Seiki Co Ltd | 車輌認識方法 |
-
2017
- 2017-04-17 CN CN201710250067.4A patent/CN106887142B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101034005A (zh) * | 2007-04-12 | 2007-09-12 | 上海交通大学 | 昼夜视频车辆检测间的切换方法 |
CN102142194A (zh) * | 2010-12-30 | 2011-08-03 | 杭州海康威视数字技术股份有限公司 | 视频检测方法及其系统 |
CN103533252A (zh) * | 2013-09-30 | 2014-01-22 | 浙江宇视科技有限公司 | 一种昼夜模式自动切换的方法和装置 |
CN103841324A (zh) * | 2014-02-20 | 2014-06-04 | 小米科技有限责任公司 | 拍摄处理方法、装置和终端设备 |
CN104301616A (zh) * | 2014-10-31 | 2015-01-21 | 苏州科达科技股份有限公司 | 一种摄像机的日切夜和夜切日模式控制方法及系统 |
CN105187731A (zh) * | 2015-09-18 | 2015-12-23 | 中电海康集团有限公司 | 一种基于前碰撞预警的昼夜切换方法及装置 |
CN106101549A (zh) * | 2016-07-07 | 2016-11-09 | 浙江宇视科技有限公司 | 昼夜自动切换方法、装置及系统 |
Non-Patent Citations (1)
Title |
---|
基于视频分析的车辆排队长度检测;杨永辉;《计算机应用研究》;20110331;第28卷(第3期);第1037-1040页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106887142A (zh) | 2017-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106887142B (zh) | 昼夜切换方法及装置 | |
CN109416413B (zh) | 太阳能预报 | |
Albiol et al. | Detection of parked vehicles using spatiotemporal maps | |
CN110769246B (zh) | 一种检测监控设备故障的方法、装置 | |
US10489674B2 (en) | Information extraction using image data | |
KR101709860B1 (ko) | 전천 하늘 영상자료의 rgb 컬러를 이용한 전운량 산출방법 및 시스템 | |
CN101833859B (zh) | 基于虚拟线圈的自触发车牌识别方法 | |
US9288458B1 (en) | Fast digital image de-hazing methods for real-time video processing | |
CN107958220B (zh) | 一种基于人脸识别的人脸库压缩处理方法及其智能装置 | |
US20210195089A1 (en) | Apparatus, system, method and storage medium | |
CN109542932B (zh) | Landsat-8卫星精选遥感数据集定制化筛选方法 | |
CN106682611B (zh) | 图像处理方法及装置 | |
JP3593567B2 (ja) | 夜間雲量測定方法および夜間雲量測定装置 | |
US10593047B2 (en) | Setting of a motion trigger level | |
CN109120916A (zh) | 摄像机故障检测方法、装置及计算机设备 | |
CN104182959A (zh) | 目标搜索方法及装置 | |
CN105320704B (zh) | 跨区域相似车辆检索方法及装置 | |
CN110322391A (zh) | 基于多线程的视频告警事件分析方法 | |
CN104820818A (zh) | 一种移动物体的快速识别方法 | |
CN115424131A (zh) | 一种基于绝对像素的遥感影像云检测最优阈值选取方法、云检测方法及系统 | |
CN110852228B (zh) | 监控视频中的动态背景提取及前景物体检测方法及系统 | |
CN113963055A (zh) | 基于多光谱地图数据的屋顶光伏理论装机容量计算方法 | |
CN113627346A (zh) | 一种通道闸检测方法、装置、设备及可读存储介质 | |
CN105809120A (zh) | 一种视频图像分析方法及系统 | |
CN105740841A (zh) | 一种车辆检测模式的确定方法和装置 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20200601 Address after: 250001 whole floor, building 3, Aosheng building, 1166 Xinluo street, Jinan area, Jinan pilot Free Trade Zone, Shandong Province Patentee after: Jinan boguan Intelligent Technology Co., Ltd Address before: Hangzhou City, Zhejiang province 310051 Binjiang District West Street Jiangling Road No. 88 building 10 South Block 1-11 Patentee before: ZHEJIANG UNIVIEW TECHNOLOGIES Co.,Ltd. |