CN106971142B - 一种图像处理方法及装置 - Google Patents
一种图像处理方法及装置 Download PDFInfo
- Publication number
- CN106971142B CN106971142B CN201710066455.7A CN201710066455A CN106971142B CN 106971142 B CN106971142 B CN 106971142B CN 201710066455 A CN201710066455 A CN 201710066455A CN 106971142 B CN106971142 B CN 106971142B
- Authority
- CN
- China
- Prior art keywords
- image
- control
- ensure effective
- effective monitoring
- illegal activities
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- 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
Abstract
本发明实施例提供了一种图像处理方法及装置,所述方法包括:获取N个布控区域的所述N个样本图像集,所述N为大于1的整数;分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,所述N个样本图像集中的每一样本图像集对应一组对象;从所述N组对象中确定出在不同布控区域出现过的P个对象,所述P为大于1的整数;从所述P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,将所述Q个对象作为碰撞对象,所述Q为小于或等于所述P的正整数。通过本发明实施例可在多个布控区域中寻找出碰撞对象。
Description
技术领域
本发明涉及视频监控技术领域,具体涉及一种图像处理方法及装置。
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,当需要搜索某个布控对象时,由于布控对象在不同的布控区域内均有可能出现,通常情况下,会认为有可能出现的布控区域之间存在着一定的关联性,因而,如何从不同的布控区域中找出碰撞对象(即在不同区域中的每一区域中出现次数均大于某一阈值的对象)的问题亟待解决。
发明内容
本发明实施例提供了一种图像处理方法及装置,以期在多个布控区域中寻找出碰撞对象。
本发明实施例第一方面提供了一种图像处理方法,包括:
获取N个布控区域的所述N个样本图像集,所述N为大于1的整数;
分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,所述N个样本图像集中的每一样本图像集对应一组对象;
从所述N组对象中确定出在不同布控区域出现过的P个对象,所述P为大于1的整数;
从所述P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,将所述Q个对象作为碰撞对象,所述Q为小于或等于所述P的正整数。
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,所述获取N个布控区域的所述N个样本图像集,包括:
获取用户选取的布控时间段;
从所述N个布控区域对应的历史视频库中选取所述布控时间段以及所述布控范围内的所述N个样本图像集。
结合本发明实施例第一方面或第一方面的第一种可能实施方式,在第一方面的第二种可能实施方式中,所述分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,包括:
将样本图像集i中的每一图像进行图像分割,得到A个人脸图像,所述样本图像集i为所述N个样本图像集中的任一个,所述A为大于1的整数;
将所述A个人脸图像进行分类,得到B个类,并统计每一类中的人脸图像个数,所述B个类中的每一类对应一个对象,所述每一类中的人脸图像个数为一个对象的出现次数。
结合本发明实施例第一方面或第一方面的第一种可能实施方式,在第一方面的第三种可能实施方式中,所述从所述N组对象中确定出在不同布控区域出现过的P个对象,包括:
确定出所述N组对象中每一组中的每一对象与其它组中的每一对象进行匹配,得到C个匹配值,所述C为正整数;
从所述C个匹配值中选取匹配值大于第二预设阈值的D个匹配值,所述D为小于或等于所述C的正整数;
获取所述D个匹配值对应的所述P个对象。
结合本发明实施例第一方面或第一方面的第一种可能实施方式,在第一方面的第四种可能实施方式中,在所述将所述Q个对象作为碰撞对象之后,所述方法还包括:
将所述碰撞对象推送给终端。
本发明实施例第二方面提供了一种终端,包括:
获取单元,用于获取N个布控区域的所述N个样本图像集,所述N为大于1的整数;
第一确定单元,用于分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,所述N个样本图像集中的每一样本图像集对应一组对象;
第二确定单元,用于从所述N组对象中确定出在不同布控区域出现过的P个对象,所述P为大于1的整数;
选取单元,用于从所述P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,将所述Q个对象作为碰撞对象,所述Q为小于或等于所述P的正整数。
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,所述获取单元包括:
第一获取模块,用于获取用户选取的布控时间段;
第一选取模块,用于从所述N个布控区域对应的历史视频库中选取所述布控时间段以及所述布控范围内的所述N个样本图像集。
结合本发明实施例第二方面或第二方面的第一种可能实施方式,在第二方面的第二种可能实施方式中,所述第一确定单元包括:
分割模块,用于将样本图像集i中的每一图像进行图像分割,得到A个人脸图像,所述样本图像集i为所述N个样本图像集中的任一个,所述A为大于1的整数;
分类模块,用于将所述A个人脸图像进行分类,得到B个类,并统计每一类中的人脸图像个数,所述B个类中的每一类对应一个对象,所述每一类中的人脸图像个数为一个对象的出现次数。
结合本发明实施例第二方面或第二方面的第一种可能实施方式,在第二方面的第三种可能实施方式中,所述第二确定单元包括:
确定模块,用于确定出所述N组对象中每一组中的每一对象与其它组中的每一对象进行匹配,得到C个匹配值,所述C为正整数;
第二选取模块,用于从所述C个匹配值中选取匹配值大于第二预设阈值的D个匹配值,所述D为小于或等于所述C的正整数;
第二获取模块,用于获取所述D个匹配值对应的所述P个对象。
结合本发明实施例第二方面或第二方面的第一种可能实施方式,在第二方面的第四种可能实施方式中,所述图像处理装置还包括:
推送单元,用于在所述选取单元将所述Q个对象作为碰撞对象之后,将所述碰撞对象推送给终端。
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,获取N个布控区域的所述N个样本图像集,所述N为大于1的整数;分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,所述N个样本图像集中的每一样本图像集对应一组对象;从所述N组对象中确定出在不同布控区域出现过的P个对象,所述P为大于1的整数;从所述P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,将所述Q个对象作为碰撞对象,所述Q为小于或等于所述P的正整数。通过本发明实施例可在多个布控区域中寻找出碰撞对象。
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图像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图像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图像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所描述的图像处理装置的获取单元的结构示意图;
图3c是本发明实施例提供的图3a所描述的图像处理装置的第一确定单元的结构示意图;
图3d是本发明实施例提供的图3a所描述的图像处理装置的第二确定单元的结构示意图;
图3e是本发明实施例提供的图3a所描述的图像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图像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图像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,上述图像处理装置还可以为服务器。
需要说明的是,本发明实施例中的图像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图像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(人脸图像和全局图像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图像处理方法的第一实施例流程示意图。本实施例中所描述的图像处理方法,包括以下步骤:
101、获取N个布控区域的所述N个样本图像集,所述N为大于1的整数。
其中,布控区域可由用户指定,或者,可以默认为某个具体范围(例如,所有摄像头的监控范围内)。图像处理装置可从历史视频库中获取布控区域内的样本图像集。每一布控区域可对应一个样本图像集,N个布控区域可对应N个样本图像集。N个样本图像集可保存在历史视频库中,该历史视频库可用于存储布控范围内所有摄像头所拍摄到的样本图像集。上述样本图像集可来自于视频文件,或者,可由多张图像构成。
可选地,上述步骤101中,获取N个布控区域的所述N个样本图像集,可包括如下步骤:
11)、获取用户选取的布控时间段;
12)、从所述N个布控区域对应的历史视频库中选取所述布控时间段以及所述布控范围内的所述N个样本图像集。
其中,上述历史视频库中可包含监控范围内的所有摄像头拍摄到的样本图像集。通常情况下,视频的监控时间越来,则其内存越大,因而,可获取用户选取的布控时间段,针对不同的摄像头而言,每一摄像头的布控时间段可不一样,当然,所有的摄像头的布控时间段也可以一样,具体地,依据实际情况而定。上述布控区域可为监控范围的部分区域,即布控区域可由用户指定的一个或者多个摄像头的监控区域所构成,或者,布控区域可由用户指定的某个区域范围内的摄像头所构成。以布控区域内的一个摄像头为例,该摄像头可持续进行拍摄,因而,可记录不同时刻的录像,而用户需要的,是布控时间段内的样本图像集,因而,可从该摄像头对应的历史样本图像集中截取布控时间段对应的样本图像集。
其中,在步骤11中,用户可输入布控时间段,当然,可统一针对布控区域内的每一摄像头布控时间段。或者,布控区域内的每一摄像头对应的布控时间段不一样,因为布控对象同时出现在不同的摄像头的监控范围内的概率较小,因此,更多时候布控对象只会在一个时刻处于一个摄像头的监控范围内。因而,不同的摄像头可对应不同的布控时间段。进一步地,图像处理装置可从N个布控区域对应的历史视频库中选取布控时间段以及布控范围内的N个样本图像集。当然,在目标布控范围内存在多个摄像头时,每一摄像头可能均对应一个样本图像集,当然,也可将所有的样本图像集视为或者合成一个样本图像集。
102、分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,所述N个样本图像集中的每一样本图像集对应一组对象。
其中,每一样本图像集中可包含对个对象,本发明实施例中的每一对象可对应一个人,因而,可确定N个样本图像集中包含哪些对象,每一对象的出现次数,即在样本图像集中的该对象的人脸图像个数。
可选地,上述步骤102中,分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,可包括如下步骤:
21)、将样本图像集i中的每一图像进行图像分割,得到A个人脸图像,所述样本图像集i为所述N个样本图像集中的任一个,所述A为大于1的整数;
22)、将所述A个人脸图像进行分类,得到B个类,并统计每一类中的人脸图像个数,所述B个类中的每一类对应一个对象,所述每一类中的人脸图像个数为一个对象的出现次数。
其中,以上述N个样本图像集中的样本图像集i为例,可对样本图像集i中的每一图像进行图像分割,可得到A个人脸图像,可将该A个人脸图像按照不同对象进行分类,得到B个类,并统计每一类中的人脸图像个数。
在具体实现中,可按照如下方式进行分类,以样本图像集i为例,假设该样本图像集i中包含K张人脸图像,可从K张人脸图像中任意选取一张人脸图像,以人脸图像a为例,可将其与其他的K-1张人脸图像进行匹配,得到K-1个匹配值,当然,该K-1个匹配值大小不一,因而,可从该K-1个匹配值中选取大于预设匹配阈值的匹配值,并将其对应的人脸图像作为第c1类,假设第一类中包含S个人脸图像。进一步地,可从K张人脸图像中剔除属于第c1类的人脸图像,得到K-S个人脸图像,再选取一张人脸图像b,该人脸图像为K-S个人脸图像中的一个,将人脸图像b与K-S个人脸图像中除了人脸图像b之外的其他图像进行匹配,得到K-S-1个匹配值,再从该K-S-1个匹配值中选取大于预设匹配阈值的匹配值,并将其对应的人脸图像作为第c2类,以此类推,可对样本图像集i分类完。
103、从所述N组对象中确定出在不同布控区域出现过的P个对象,所述P为大于1的整数。
其中,上述N组对象中的每一对象并不是在所有的布控区域均出现过,因而,在两个或者两个以上布控区域出现过的对象可能为碰撞对象,因而,可按照如下方式,选取可能的碰撞对象。
可选地,上述步骤103中,从所述N组对象中确定出在不同布控区域出现过的P个对象,可包括如下步骤:
31)、确定出所述N组对象中每一组中的每一对象与其它组中的每一对象进行匹配,得到C个匹配值,所述C为正整数;
32)、从所述C个匹配值中选取匹配值大于第二预设阈值的D个匹配值,所述D为小于或等于所述C的正整数;
33)、获取所述D个匹配值对应的所述P个对象。
其中,上述第二预设阈值可由用户自行设置,或者,系统默认,可将N组对象中的每一组中的每一对象与其他组中的每一对象进行匹配,从而,可得到多个匹配值,可从上述C个匹配值中选取匹配值大于第二预设阈值的D个匹配值,D个匹配值中包含P个对象。其中,上述C为正整数,D为小于或等于C的正整数。
104、从所述P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,将所述Q个对象作为碰撞对象,所述Q为小于或等于所述P的正整数。
其中,上述第一预设阈值可由系统默认或者用户自行设置,P个对象中每一对象出现在至少两个布控区域,因而,可从P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,其中,Q为小于或等于P的正整数。
在具体实现中,布控对象可能出现在不同的区域,在布控对象为犯罪嫌疑人时,根据嫌疑人会用类似的手段连续作案的动机原理,当在一定时间范围发生作案手段类似的案件,对于指定的两个或两个以上区域范围内的所有布控点为基点,在指定的时间范围内,通过遍历搜索的方式,碰撞搜索并精确定位具备相同人像特征的人员,可以快速发现不同区域涉案嫌疑人的关联性。
可以看出,通过本发明实施例,获取N个布控区域的所述N个样本图像集,所述N为大于1的整数;分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,所述N个样本图像集中的每一样本图像集对应一组对象;从所述N组对象中确定出在不同布控区域出现过的P个对象,所述P为大于1的整数;从所述P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,将所述Q个对象作为碰撞对象,所述Q为小于或等于所述P的正整数。通过本发明实施例可在多个布控区域中寻找出碰撞对象。
与上述一致地,请参阅图2,为本发明实施例提供的一种图像处理方法的第二实施例流程示意图。本实施例中所描述的图像处理方法,包括以下步骤:
201、获取N个布控区域的所述N个样本图像集,所述N为大于1的整数;
202、分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,所述N个样本图像集中的每一样本图像集对应一组对象;
203、从所述N组对象中确定出在不同布控区域出现过的P个对象,所述P为大于1的整数;
204、从所述P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,将所述Q个对象作为碰撞对象,所述Q为小于或等于所述P的正整数。
其中,上述步骤201-步骤204的具体描述可参照图1所描述的图像处理方法的步骤101-步骤104,在此不再赘述。
205、将所述碰撞对象推送给终端。
其中,图像处理装置可将上述碰撞对象推送给终端。如此,终端可快速确定碰撞对象。
可以看出,通过本发明实施例,获取N个布控区域的所述N个样本图像集,所述N为大于1的整数;分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,所述N个样本图像集中的每一样本图像集对应一组对象;从所述N组对象中确定出在不同布控区域出现过的P个对象,所述P为大于1的整数;从所述P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,将所述Q个对象作为碰撞对象,所述Q为小于或等于所述P的正整数,将所述碰撞对象推送给终端。通过本发明实施例可在多个布控区域中寻找出碰撞对象。
与上述一致地,以下为实施上述图像处理方法的装置,具体如下:
请参阅图3a,为本发明实施例提供的一种图像处理装置的第一实施例结构示意图。本实施例中所描述的图像处理装置,包括:获取单元301、第一确定单元302、第二确定单元303和选取单元304,具体如下:
获取单元301,用于获取N个布控区域的所述N个样本图像集,所述N为大于1的整数;
第一确定单元302,用于分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,所述N个样本图像集中的每一样本图像集对应一组对象;
第二确定单元303,用于从所述N组对象中确定出在不同布控区域出现过的P个对象,所述P为大于1的整数;
选取单元304,用于从所述P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,将所述Q个对象作为碰撞对象,所述Q为小于或等于所述P的正整数。
可选地,如图3b,图3b为图3a中所描述的图像处理装置中的第二获取单元302的具体细化结构,所述获取单元301可包括:第一获取模块3011和第一选取模块3012,具体如下:
第一获取模块3011,用于获取用户选取的布控时间段;
第一选取模块3012,用于从所述N个布控区域对应的历史视频库中选取所述布控时间段以及所述布控范围内的所述N个样本图像集。
可选地,如图3c,图3c为图3a中所描述的图像处理装置中的第一确定单元302的具体细化结构,所述第一确定单元302可包括:分割模块3021和分类模块3022,具体如下:
分割模块3021,用于将样本图像集i中的每一图像进行图像分割,得到A个人脸图像,所述样本图像集i为所述N个样本图像集中的任一个,所述A为大于1的整数;
分类模块3022,用于将所述A个人脸图像进行分类,得到B个类,并统计每一类中的人脸图像个数,所述B个类中的每一类对应一个对象,所述每一类中的人脸图像个数为一个对象的出现次数。
可选地,如图3d,图3d为图3a中所描述的图像处理装置中的第二确定单元303的具体细化结构,所述第二确定单元303可包括:确定模块3031、第二选取模块3032和第二获取模块3033,具体如下:
确定模块3031,用于确定出所述N组对象中每一组中的每一对象与其它组中的每一对象进行匹配,得到C个匹配值,所述C为正整数;
第二选取模块3032,用于从所述C个匹配值中选取匹配值大于第二预设阈值的D个匹配值,所述D为小于或等于所述C的正整数;
第二获取模块3033,用于获取所述D个匹配值对应的所述P个对象。
可选地,如图3e,图3e为图3a中所描述的图像处理装置又一变型结构,图3e与图3a相比较,其还可包括:推送单元305,具体如下:
推送单元305,用于在所述选取单元304将所述Q个对象作为碰撞对象之后,将所述碰撞对象推送给终端。
可以看出,通过本发明实施例所描述的图像处理装置,获取N个布控区域的所述N个样本图像集,所述N为大于1的整数;分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,所述N个样本图像集中的每一样本图像集对应一组对象;从所述N组对象中确定出在不同布控区域出现过的P个对象,所述P为大于1的整数;从所述P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,将所述Q个对象作为碰撞对象,所述Q为小于或等于所述P的正整数。通过本发明实施例可在多个布控区域中寻找出碰撞对象。
与上述一致地,请参阅图4,为本发明实施例提供的一种图像处理装置的第二实施例结构示意图。本实施例中所描述的图像处理装置,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:
获取N个布控区域的所述N个样本图像集,所述N为大于1的整数;
分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,所述N个样本图像集中的每一样本图像集对应一组对象;
从所述N组对象中确定出在不同布控区域出现过的P个对象,所述P为大于1的整数;
从所述P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,将所述Q个对象作为碰撞对象,所述Q为小于或等于所述P的正整数。
可选地,上述处理器3000,获取N个布控区域的所述N个样本图像集,包括:
获取用户选取的布控时间段;
从所述N个布控区域对应的历史视频库中选取所述布控时间段以及所述布控范围内的所述N个样本图像集。
可选地,上述处理器3000,分别从所述N个样本图像集中确定出所述N组对象及每一对象的出现次数,包括:
将样本图像集i中的每一图像进行图像分割,得到A个人脸图像,所述样本图像集i为所述N个样本图像集中的任一个,所述A为大于1的整数;
将所述A个人脸图像进行分类,得到B个类,并统计每一类中的人脸图像个数,所述B个类中的每一类对应一个对象,所述每一类中的人脸图像个数为一个对象的出现次数。
可选地,上述处理器3000,从所述N组对象中确定出在不同布控区域出现过的P个对象,包括:
确定出所述N组对象中每一组中的每一对象与其它组中的每一对象进行匹配,得到C个匹配值,所述C为正整数;
从所述C个匹配值中选取匹配值大于第二预设阈值的D个匹配值,所述D为小于或等于所述C的正整数;
获取所述D个匹配值对应的所述P个对象。
可选地,上述处理器3000,,在所述将所述Q个对象作为碰撞对象之后,还具体用于:
将所述碰撞对象推送给终端。
可选地,上述处理器3000根据所述人脸图像分别从所述N个样本图像集中确定出所述N组视频图像,包括:
对所述样本图像集i进行解析,得到Q个视频图像,所述Q为正整数,所述样本图像集i为所述N个样本图像集中的任一个;
剔除所述Q个视频图像中不包含人脸图像的视频图像,得到P个视频图像,所述P为小于或等于所述Q的整数;
将所述人脸图像分别与所述P个视频图像进行匹配,得到所述P个匹配值;
选取所述P个匹配值中大于第一预设阈值的K个匹配值,并获取其对应的视频图像,得到一组视频图像。
可选地,上述处理器3000将所述人脸图像分别与所述P个视频图像进行匹配,包括:
将所述P个视频图像分为A个组,所述A为小于或等于所述P的正整数;
采用所述A个进程,将所述人脸图像与所述A个组中的视频图像进行匹配,其中,每一进程对应一个组。
可选地,上述处理器3000,在所述将所述M组视频图像所对应的布控区域标记为关联性区域之后,还具体用于:
将所述关联性区域推送给终端。
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图像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 (6)
1.一种图像处理方法,其特征在于,包括:
获取N个布控区域的N个样本图像集,所述N个布控区域由用户指定,所述N为大于1的整数;
分别从所述N个样本图像集中确定出N组对象及每一对象的出现次数,所述N个样本图像集中的每一样本图像集对应一组对象;
从所述N组对象中确定出在不同布控区域出现过的P个对象,所述P为大于1的整数;
从所述P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,将所述Q个对象作为碰撞对象,所述碰撞对象为两个或者两个以上布控区域出现过的对象,所述Q为小于或等于所述P的正整数;
其中,所述分别从所述N个样本图像集中确定出N组对象及每一对象的出现次数,包括:
将样本图像集i中的每一图像进行图像分割,得到A个人脸图像,所述样本图像集i为所述N个样本图像集中的任一个,所述A为大于1的整数;
将所述A个人脸图像进行分类,得到B个类,并统计每一类中的人脸图像个数,所述B个类中的每一类对应一个对象,所述每一类中的人脸图像个数为一个对象的出现次数;
其中,所述从所述N组对象中确定出在不同布控区域出现过的P个对象,包括:
确定出所述N组对象中每一组中的每一对象与其它组中的每一对象进行匹配,得到C个匹配值,所述C为正整数;
从所述C个匹配值中选取匹配值大于第二预设阈值的D个匹配值,所述D为小于或等于所述C的正整数;
获取所述D个匹配值对应的所述P个对象。
2.根据权利要求1所述的方法,其特征在于,所述获取N个布控区域的所述N个样本图像集,包括:
获取用户选取的布控时间段;
从所述N个布控区域对应的历史视频库中选取所述布控时间段以及所述布控范围内的所述N个样本图像集。
3.根据权利要求1或2任一项所述的方法,其特征在于,在所述将所述Q个对象作为碰撞对象之后,所述方法还包括:
将所述碰撞对象推送给终端。
4.一种图像处理装置,其特征在于,包括:
获取单元,用于获取N个布控区域的N个样本图像集,所述N个布控区域由用户指定,所述N为大于1的整数;
第一确定单元,用于分别从所述N个样本图像集中确定出N组对象及每一对象的出现次数,所述N个样本图像集中的每一样本图像集对应一组对象;
第二确定单元,用于从所述N组对象中确定出在不同布控区域出现过的P个对象,所述P为大于1的整数;
选取单元,用于从所述P个对象中选取在每一布控区域出现次数均大于第一预设阈值的Q个对象,将所述Q个对象作为碰撞对象,所述碰撞对象为两个或者两个以上布控区域出现过的对象,所述Q为小于或等于所述P的正整数;
其中,所述第一确定单元包括:
分割模块,用于将样本图像集i中的每一图像进行图像分割,得到A个人脸图像,所述样本图像集i为所述N个样本图像集中的任一个,所述A为大于1的整数;
分类模块,用于将所述A个人脸图像进行分类,得到B个类,并统计每一类中的人脸图像个数,所述B个类中的每一类对应一个对象,所述每一类中的人脸图像个数为一个对象的出现次数;
其中,所述第二确定单元包括:
确定模块,用于确定出所述N组对象中每一组中的每一对象与其它组中的每一对象进行匹配,得到C个匹配值,所述C为正整数;
第二选取模块,用于从所述C个匹配值中选取匹配值大于第二预设阈值的D个匹配值,所述D为小于或等于所述C的正整数;
第二获取模块,用于获取所述D个匹配值对应的所述P个对象。
5.根据权利要求4所述的图像处理装置,所述获取单元包括:
第一获取模块,用于获取用户选取的布控时间段;
第一选取模块,用于从所述N个布控区域对应的历史视频库中选取所述布控时间段以及所述布控范围内的所述N个样本图像集。
6.根据权利要求4或5任一项所述的图像处理装置,其特征在于,所述图像处理装置还包括:
推送单元,用于在所述选取单元将所述Q个对象作为碰撞对象之后,将所述碰撞对象推送给终端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710066455.7A CN106971142B (zh) | 2017-02-07 | 2017-02-07 | 一种图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710066455.7A CN106971142B (zh) | 2017-02-07 | 2017-02-07 | 一种图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106971142A CN106971142A (zh) | 2017-07-21 |
CN106971142B true CN106971142B (zh) | 2018-07-17 |
Family
ID=59334628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710066455.7A Active CN106971142B (zh) | 2017-02-07 | 2017-02-07 | 一种图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106971142B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109361895B (zh) * | 2017-12-11 | 2022-01-04 | 罗普特科技集团股份有限公司 | 嫌疑人关系人员的搜索方法及系统 |
CN110019963B (zh) * | 2017-12-11 | 2021-08-10 | 罗普特科技集团股份有限公司 | 嫌疑人关系人员的搜索方法 |
CN109325548B (zh) * | 2018-10-23 | 2021-03-23 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN111343416B (zh) * | 2018-12-18 | 2021-06-01 | 华为技术有限公司 | 一种分布式图像分析方法、系统及存储介质 |
CN110191324B (zh) * | 2019-06-28 | 2021-09-14 | Oppo广东移动通信有限公司 | 图像处理方法、装置、服务器及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831615A (zh) * | 2011-06-13 | 2012-12-19 | 索尼公司 | 对象监控方法和装置,以及监控系统操作方法 |
CN104794429A (zh) * | 2015-03-23 | 2015-07-22 | 中国科学院软件研究所 | 一种面向监控视频的关联可视分析方法 |
CN105790955A (zh) * | 2016-04-06 | 2016-07-20 | 深圳市博康智能信息技术有限公司 | 一种基于mac地址与人脸信息关联的方法和系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101577006B (zh) * | 2009-06-15 | 2015-03-04 | 北京中星微电子有限公司 | 视频监控中的徘徊检测方法和系统 |
CN102810206A (zh) * | 2011-06-03 | 2012-12-05 | 南京理工大学 | 一种基于动态规划的实时徘徊检测方法 |
CN103246869B (zh) * | 2013-04-19 | 2016-07-06 | 福建亿榕信息技术有限公司 | 基于人脸识别和行为语音识别的犯罪监控方法 |
CN103279493A (zh) * | 2013-05-03 | 2013-09-04 | 吴军 | 智能化海量监控视频录像分析系统 |
CN104239881B (zh) * | 2013-06-08 | 2020-04-24 | 杭州海康威视数字技术股份有限公司 | 监控视频中目标自动发现和注册方法及其系统 |
KR102120864B1 (ko) * | 2013-11-06 | 2020-06-10 | 삼성전자주식회사 | 영상 처리 방법 및 장치 |
JP6355568B2 (ja) * | 2015-01-13 | 2018-07-11 | 三菱電機株式会社 | 部分放電監視装置 |
-
2017
- 2017-02-07 CN CN201710066455.7A patent/CN106971142B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831615A (zh) * | 2011-06-13 | 2012-12-19 | 索尼公司 | 对象监控方法和装置,以及监控系统操作方法 |
CN104794429A (zh) * | 2015-03-23 | 2015-07-22 | 中国科学院软件研究所 | 一种面向监控视频的关联可视分析方法 |
CN105790955A (zh) * | 2016-04-06 | 2016-07-20 | 深圳市博康智能信息技术有限公司 | 一种基于mac地址与人脸信息关联的方法和系统 |
Non-Patent Citations (2)
Title |
---|
人像识别系统;王炜;《警察技术》;20141231(第5期);第12-15页 * |
监控视频中特定目标的检测与辨识方法研究;胡宪洋;《中国优秀硕士学位论文全文书库信息科技辑》;20160315(第03期);I136-2164 * |
Also Published As
Publication number | Publication date |
---|---|
CN106971142A (zh) | 2017-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358146B (zh) | 视频处理方法、装置及存储介质 | |
CN106971142B (zh) | 一种图像处理方法及装置 | |
CN107291810B (zh) | 数据处理方法、装置及存储介质 | |
CN106878670B (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 | |
CN106791655B (zh) | 一种视频处理方法及装置 | |
CN106778645B (zh) | 一种图像处理方法及装置 | |
CN109816745B (zh) | 人体热力图展示方法及相关产品 | |
CN109766779A (zh) | 徘徊人员识别方法及相关产品 | |
CN106657913B (zh) | 一种视频处理方法及装置 | |
CN110659391A (zh) | 一种视频侦查方法及装置 | |
CN106937087A (zh) | 一种视频处理方法及装置 | |
CN109740444A (zh) | 人流量信息展示方法及相关产品 | |
CN106851199A (zh) | 一种视频处理方法及装置 | |
CN108563651B (zh) | 一种多视频的目标搜索方法、装置及设备 | |
US20140355823A1 (en) | Video search apparatus and method | |
CN110428449A (zh) | 目标检测跟踪方法、装置、设备及存储介质 | |
CN109815813A (zh) | 图像处理方法及相关产品 | |
CN115002414A (zh) | 监测方法、装置及服务器和计算机可读存储介质 | |
US20210089784A1 (en) | System and Method for Processing Video Data from Archive | |
WO2016010818A1 (en) | Image modification | |
CN109840885A (zh) | 图像融合方法及相关产品 | |
CN110505397B (zh) | 相机选择的方法、装置及计算机存储介质 | |
CN106713864B (zh) | 一种视频处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |