CN107194360B - 逆向通行对象识别方法、装置及系统 - Google Patents
逆向通行对象识别方法、装置及系统 Download PDFInfo
- Publication number
- CN107194360B CN107194360B CN201710383030.9A CN201710383030A CN107194360B CN 107194360 B CN107194360 B CN 107194360B CN 201710383030 A CN201710383030 A CN 201710383030A CN 107194360 B CN107194360 B CN 107194360B
- Authority
- CN
- China
- Prior art keywords
- motion
- image
- pixel
- reverse current
- current object
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种逆向通行对象识别方法、装置及系统,所述方法包括逆向通行对象识别方法,包括:当在监控视频流的任一原始帧图像中识别到通行对象时,标记各个通行对象对应的识别区域,得到帧图像;根据预设算法和帧图像,确定每个识别区域对应的运动方向图像;在同一识别区域对应的连续N帧运动方向像中,根据每个像素点的运动方向角度值选择运动目标区域;当在相邻两帧运动方向图像中运动目标区域满足预设逆向通行条件时,确定运动方向图像中的通行对象为逆向通行对象,达到逆向通行人员的实时监控及自动识别,降低人力成本投入,减少人为因素干扰带来的安全防范隐患的技术效果。
Description
技术领域
本发明涉及安全防控技术领域,尤其是涉及一种逆向通行对象识别方法、装置及系统。
背景技术
在机场、银行、交通、监狱、军队和储物仓库等高安全防控区域中,为了安全需要,一般要求通行人员按照预定的方向通过,也就是说,不允许同一通道中既有正向通行又有逆向通行的情况。
过去,逆向通行人员的识别管理,大多采用人工防范的措施;这不仅需要增加大量的人力成本,也增加了人为因素干扰带来的安全防范隐患,往往还会出现因警示及应对措施不及时而带来的更大安全风险。
目前,随着计算机技术和图像处理技术的发展,基于图像处理的行人检测技术,主要有两种技术手段:一是基于红外传感技术,利用红外热成像原理,以人体体温图像为识别依据进行行人检测;二是基于视频图像处理,大多利用高斯混合模型或者Vibe算法等进行背景建模,利用灰度差分法来提取和识别运动目标;再采用HOG+SVM的检测算法,即对样本提取HOG特征向量,并用训练得到的SVM分类器进行行人检测。上述行人检测技术主要用于行人计数及统计,无法对行人的通行方向进行精确识别,漏检率高,给安全防控区带来安全隐患。
发明内容
有鉴于此,本发明的目的在于提供一种逆向通行对象识别方法、装置及系统,以缓解现有技术中存在的无法对行人通行方向进行精确识别、漏检率高和给安全防控区带来安全隐患的技术问题。
第一方面,本发明实施例提供了一种逆向通行对象识别方法,包括:
当在监控视频流的任一原始帧图像中识别到通行对象时,标记各个通行对象对应的识别区域,得到帧图像;
根据预设算法和所述帧图像,确定每个所述识别区域对应的运动方向图像,所述运动方向图像中每个像素点的像素值为所述像素点的运动方向角度值;
在同一所述识别区域对应的连续N帧所述运动方向图像中,根据每个所述像素点的运动方向角度值选择运动目标区域,所述N大于或者等于二;
当在相邻两帧运动方向图像中所述运动目标区域满足预设逆向通行条件时,确定所述运动方向图像中的通行对象为逆向通行对象。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,所述根据预设算法和所述帧图像,确定每个所述识别区域对应的运动方向图像,包括:
将所述帧图像进行压缩,得到压缩的帧图像;
利用稠密光流计算方法计算所述压缩的帧图像对应的运动方向矩阵,所述运动方向矩阵的元素为所述帧图像内多个像素点的运动方向角度值;
在所述运动方向矩阵中,获取所述识别区域内每个像素点的运动方向角度值;
根据所述识别区域内每个像素点的运动方向角度值,生成所述识别区域对应的运动方向图像。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,所述在同一所述识别区域对应的连续N帧所述运动方向图像中,根据每个所述像素点的运动方向角度值选择运动目标区域,包括:
获取每个所述运动目标区域对应的连续N帧运动方向图像;
将所述连续N帧运动方向图像中,根据每个所述像素点的运动方向角度值确定运动方向一致的像素点;
确定运动方向一致的像素点组成的连通区域为候选区域;
确定面积大于预设参考面积的候选区域为所述运动目标区域。
结合第一方面,本发明实施例提供了第一方面的第三种可能的实施方式,其中,所述将所述连续N帧运动方向图像中,根据每个所述像素点的运动方向角度值确定运动方向一致的像素点,包括:
将各个像素点的运动方向角度值分别与预设的逆行方向数值比较,得到偏差数值;
将由偏差数值小于预设偏差阈值的像素点确定为运动方向一致的像素点。
结合第一方面,本发明实施例提供了第一方面的第四种可能的实施方式,其中,所述方法还包括:
利用目标连续跟踪方法确定相邻两帧运动方向图像中的运动目标区域;
确定所述运动目标区域在相邻两帧运动方向图像中的中心位置;
当所述运动目标区域的中心位置在相邻两帧运动方向图像中向预设逆行方向偏移预设数量个像素距离,确定所述运动目标区域满足预设逆向通行条件。
第二方面,本发明实施例还提供一种逆向通行对象识别装置,包括:
标记模块,用于当在监控视频流的任一原始帧图像中识别到通行对象时,标记各个通行对象对应的识别区域,得到帧图像;
第一确定模块,用于根据预设算法和所述帧图像,确定每个所述识别区域对应的运动方向图像,所述运动方向图像中每个像素点的像素值为所述像素点的运动方向角度值;
选择模块,用于在同一所述识别区域对应的连续N帧所述运动方向图像中,根据每个所述像素点的运动方向角度值选择运动目标区域,所述N大于或者等于二;
第二确定模块,用于当在相邻两帧运动方向图像中所述运动目标区域满足预设逆向通行条件时,确定所述运动方向图像中的通行对象为逆向通行对象。
第三方面,本发明实施例还提供一种逆向通行对象识别系统,包括:视频采集装置和分析服务器;
所述视频采集装置,设置于被监控区域上方,其输出端与所述分析服务器的视频流输入端连接,用于采集监控视频流;
所述分析服务器,用于执行如前述第一方面所述的逆向通行对象监控方法。
结合第三方面,本发明实施例提供了第三方面的第一种可能的实施方式,其中,还包括:报警控制器和报警器;
所述报警控制器的输入端与所述分析服务器报警输出端的连接,用于在接收到所述分析服务器发送的报警通知信号后,根据所述报警通知信号向所述报警器发出报警控制指令;
所述报警器的输入端与所述报警控制器的输出端连接,用于根据所述报警控制指令发出报警提示;
所述分析服务器还用于在检测到逆向通行对象时,向所述报警控制器发送报警通知信号。
第四方面,本发明实施例还提供一种分析服务器,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现前述第一方面所述的方法的步骤。
第五方面,本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行前述第一方面所述的方法。
本发明实施例带来了以下有益效果:本发明实施例当在监控视频流的任一原始帧图像中识别到通行对象时,首先标记各个通行对象对应的识别区域,得到帧图像;然后根据预设算法和所述帧图像,确定每个所述识别区域对应的运动方向图像,再在同一所述识别区域对应的连续N帧所述运动方向图像中,根据每个所述像素点的运动方向角度值选择运动目标区域,最后当在相邻两帧运动方向图像中所述运动目标区域满足预设逆向通行条件时,确定所述运动方向图像中的通行对象为逆向通行对象。
本发明实施例可以实现逆向通行人员的实时监控、自动识别及报警,降低人力成本投入,减少人为因素干扰带来的安全防范隐患,避免因警示及应对措施不及时而带来的安全风险,达到减员增效的应用效果。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术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方式,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为本发明实施例提供的一种逆向通行对象识别方法的流程图;
图2为图1中步骤S102的流程图;
图3为图1中步骤S103的流程图;
图4为本发明实施例提供的一种逆向通行对象识别系统的结构图。
图标:11-视频采集装置;12-分析服务器;13-报警控制器;14-报警器。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明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做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。
目前对行人的通行方向进行识别过程中,准确度低,漏检率高,给安全防控区带来安全隐患,基于此,本发明实施例提供的一种逆向通行对象识别方法、装置及系统,可以实现逆向通行人员的实时监控、自动识别及报警,降低人力成本投入,减少人为因素干扰带来的安全防范隐患,避免因警示及应对措施不及时而带来的安全风险,达到减员增效的应用效果。
为便于对本实施例进行理解,首先对本发明实施例所公开的一种逆向通行对象识别方法进行详细介绍,所述逆向通行对象识别方法可以应用于分析服务器中,如图1所示,所述方法可以包括以下步骤。
在步骤S101中,当在监控视频流的任一原始帧图像中识别到通行对象时,标记各个通行对象对应的识别区域,得到帧图像。
在本发明实施例中,监控视频流是由设置于监控区域上方的摄像头等视频采集装置采集的,监控视频流中的每一帧为原始帧图像,通行对象可以指行人或者车辆等,识别区域可以指包围帧图像中通行对象的矩形框,识别区域的上框线可以为通行对象在帧图像中对应最大纵坐标的横向直线,下框线可以为通行对象在帧图像中对应最小纵坐标的横向直线,左框线可以为通行对象在帧图像中对应最小横坐标的纵向直线,右框线可以为通行对象在帧图像中对应最大横坐标的纵向直线。
在该步骤中,可以对监控视频流中的每一帧原始帧图像利用深度学习算法进行图像识别,当在任一原始帧图像中识别到通行对象时,可以在原始帧图像中标记出通行对象的识别区域,得到帧图像。
在步骤S102中,根据预设算法和所述帧图像,确定每个所述识别区域对应的运动方向图像。
在本发明实施例中,所述运动方向图像中每个像素点的像素值为所述像素点的运动方向角度值;预设算法可以指稠密光流FlowFarneback算法等。
在该步骤中,可以利用稠密光流FlowFarneback算法计算帧图像对应的光流场图像,光流场图像实际上是两个矩阵,一个是运动方向矩阵,一个运动速度矩阵,由于运动方向矩阵中可能包含多个通行对象,所以需要针对每个识别区域,在运动方向矩阵中选择识别区域中的像素点,进而获取识别区域中各像素点的运动方向角度值,根据每个识别区域中各像素点的运动方向角度值得到多个运动方向图像。
在步骤S103中,在同一所述识别区域对应的连续N帧所述运动方向图像中,根据每个所述像素点的运动方向角度值选择运动目标区域,所述N大于或者等于二。
在该步骤中,在连续N帧帧图像中由于通行对象不断运动,包含通行对象的识别区域也不断变化(如:区域范围变化、位置变化等等),根据识别区域确定的运动方向图像也不断变化,所以需要在连续N帧运动方向图像中,根据每个像素点的运动方向角度值选择运动目标区域,运动目标区域可以指运动方向角度值稳定变化的由像素点构成的区域,其中稳定变化可以有运动方向角度值的变化幅度在预设范围内来衡量,N可以为5、10或者15等等大于或者等于2的正整数。
在步骤S104中,当在相邻两帧运动方向图像中所述运动目标区域满足预设逆向通行条件时,确定所述运动方向图像中的通行对象为逆向通行对象。
在本发明实施例中,预设逆向通行条件可以指运动目标区域在相邻两帧运动方向图像中向预设逆行方向至少偏移预设距离。
在该步骤中,可以针对每个运动目标区域,计算运动目标区域在相邻两帧运动方向图像中向预设逆行方向的偏移距离,若偏移距离大于预设距离,则可以确定运动方向图像中的通行对象为逆向通行对象。
在前述实施例的基础上,在本发明的又一实施例中,如图2所示,所述步骤S102包括以下步骤。
在步骤S1021中,将所述帧图像进行压缩,得到压缩的帧图像;
通过步骤S1021,可以便于加快确定运动方向图像的速度,节省处理时间,实现实时分析处理。
在步骤S1022中,利用稠密光流计算方法计算所述压缩的帧图像对应的运动方向矩阵。
在本发明实施例中,所述运动方向矩阵的元素为所述帧图像内多个像素点的运动方向角度值。
在步骤S1023中,在所述运动方向矩阵中,获取所述识别区域内每个像素点的运动方向角度值。
由于运动方向矩阵中包含帧图像中每个像素点的运动方向角度值,则针对每个识别区域,可以分别获取识别区域内各像素点的运动方向角度值。
在步骤S1024中,根据所述识别区域内每个像素点的运动方向角度值,生成所述识别区域对应的运动方向图像。
在本发明实施例中,运动方向图像中各像素点的像素值为像素点的运动方向角度值。
本发明实施例利用深度学习算法进行行人检测以及稠密光流计算方法进行运动目标的识别,较于现有技术,不需要对背景进行建模,计算行人运动目标不受光照变化影响,也不受运动状态改变的影响。并且在提取运动目标的同时提取运动目标的运动方向信息,不受监控区域光照条件、视频摄像头安装位置等干扰因素的限制,提高行人检测的准确率以及行人运动目标的识别率。
在前述实施例的基础上,在本发明的又一实施例中,如图3所示,所述步骤S103包括以下步骤。
在步骤S1031中,获取每个所述运动目标区域对应的连续N帧运动方向图像。
针对每个运动目标区域,可以获取包含同一目标区域的连续N帧运动方向图像。
在步骤S1032中,将所述连续N帧运动方向图像中,根据每个所述像素点的运动方向角度值确定运动方向一致的像素点。
运动方向角度值可以为像素点的运动方向与预设方向(0度方向)之间沿顺时针或者逆时针的夹角,例如:像素点的运动方向与预设方向之间沿顺时针方向的夹角为60度,则运动方向角度值为60,像素点的运动方向与预设方向之间沿顺时针方向的夹角为120度,则运动方向角度值为120。
运动方向一致可以指任意两个像素点的运动方向之间偏差值在预设范围内,例如偏差在15度以内等等。
在步骤S1033中,确定运动方向一致的像素点组成的连通区域为候选区域。
通过比较各个像素点的运动方向角度值,可以首先确定运动方向一致的多个像素点,在运动方向一致的多个像素点中,将由任意数量个像素点构成的无“洞”的连通区域确定为候选区域。
在实际应用中,候选区域可以对应行人的手臂、行人的头部和/或行人的腿部等等。
在步骤S1034中,确定面积大于预设参考面积的候选区域为所述运动目标区域。
为了筛选出能够正确反映行人运动方向的候选区域,可以预先设置预设参考面积,例如,预设参考面积可以根据人体上半身(排除手臂)的面积确定等。
本发明实施例只提取面积大于预设参考面积的候选区域,能够避免行人移动过程中摆臂、或者汽车移动过程中向后掷物等情况对识别结果产生的影响,提高逆向通行对象检测的准确率。
在本发明的又一实施例中,所述步骤S1032包括以下步骤。
将各个像素点的运动方向角度值分别与预设的逆行方向数值比较,得到偏差数值;将由偏差数值小于预设偏差阈值的像素点确定为运动方向一致的像素点。
假设顺时针90度方向为逆行方向,预设偏差阈值为60度(包含60度),则由于顺时针30度方向至顺时针150度之间的方向与预设逆行方向数值90度比较,由于差值的绝对值均小于等于60度,则顺时针30度方向至顺时针150度之间的方向均为逆行方向,当然实际应用中,预设偏差阈值也可以为30度,具体可以根据实际需要设定,本发明不做限定。
在本发明的又一实施例中,所述方法还包括以下步骤。
利用目标连续跟踪方法确定相邻两帧运动方向图像中的运动目标区域;确定所述运动目标区域在相邻两帧运动方向图像中的中心位置;当所述运动目标区域的中心位置在相邻两帧运动方向图像中向预设逆行方向偏移预设数量个像素距离,确定所述运动目标区域满足预设逆向通行条件。例如,偏差15个像素的距离等。
如图4所示,逆向通行对象识别系统中包括:视频采集装置11、分析服务器12、报警控制器13和报警器14;
视频采集装置11,可以设置于被监控区域正上方或者斜上方,其输出端与所述分析服务器的视频流输入端连接,用于采集监控视频流;
分析服务器12,用于执行前述方法实施例所述的逆向通行对象监控方法,在检测到逆向通行对象时,向所述报警控制器发送报警通知信号。
所述报警控制器13的输入端与所述分析服务器报警输出端的连接,用于在接收到所述分析服务器发送的报警通知信号后,根据所述报警通知信号向所述报警器发出报警控制指令。
所述报警器14的输入端与所述报警控制器的输出端连接,用于根据所述报警控制指令发出报警提示。
在实际应用中,报警器可以由安保人员随身携带,报警提示可以是声、光报警提示和/或语音提示等等。
基于前述实施例,本发明实施例还提供一种逆向通行对象识别装置,包括:标记模块、第一确定模块、选择模块和第二确定模块。
标记模块,用于当在监控视频流的任一原始帧图像中识别到通行对象时,标记各个通行对象对应的识别区域,得到帧图像。
第一确定模块,用于根据预设算法和所述帧图像,确定每个所述识别区域对应的运动方向图像,所述运动方向图像中每个像素点的像素值为所述像素点的运动方向角度值。
选择模块,用于在同一所述识别区域对应的连续N帧所述运动方向图像中,根据每个所述像素点的运动方向角度值选择运动目标区域,所述N大于或者等于二。
第二确定模块,用于当在相邻两帧运动方向图像中所述运动目标区域满足预设逆向通行条件时,确定所述运动方向图像中的通行对象为逆向通行对象。
基于前述实施例,本发明实施例还提供一种分析服务器,分析服务器中包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现前述任一方法实施例所述的方法的步骤。
基于前述实施例,本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质,所述程序代码使所述处理器执行如前述任一方法实施例所述的方法。
本发明实施例所提供的逆向通行对象识别方法、装置以及系统的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种逆向通行对象识别方法,其特征在于,包括:
对监控视频流中的每一帧原始帧图像利用深度学习算法进行图像识别;
当在监控视频流的任一原始帧图像中识别到通行对象时,标记各个通行对象对应的识别区域,得到帧图像;
根据预设算法和所述帧图像,确定每个所述识别区域对应的运动方向图像,所述运动方向图像中每个像素点的像素值为所述像素点的运动方向角度值,所述预设算法指稠密光流FlowFarneback算法;
在同一所述识别区域对应的连续N帧所述运动方向图像中,根据每个所述像素点的运动方向角度值选择运动目标区域,所述N大于或者等于二;
所述在同一所述识别区域对应的连续N帧所述运动方向图像中,根据每个所述像素点的运动方向角度值选择运动目标区域,包括:
获取每个所述运动目标区域对应的连续N帧运动方向图像;将所述连续N帧运动方向图像中,根据每个所述像素点的运动方向角度值确定运动方向一致的像素点;确定运动方向一致的像素点组成的连通区域为候选区域;确定面积大于预设参考面积的候选区域为所述运动目标区域;
当在相邻两帧运动方向图像中所述运动目标区域满足预设逆向通行条件时,确定所述运动方向图像中的通行对象为逆向通行对象。
2.根据权利要求1所述的逆向通行对象识别方法,其特征在于,所述根据预设算法和所述帧图像,确定每个所述识别区域对应的运动方向图像,包括:
将所述帧图像进行压缩,得到压缩的帧图像;
利用稠密光流计算方法计算所述压缩的帧图像对应的运动方向矩阵,所述运动方向矩阵的元素为所述帧图像内多个像素点的运动方向角度值;
在所述运动方向矩阵中,获取所述识别区域内每个像素点的运动方向角度值;
根据所述识别区域内每个像素点的运动方向角度值,生成所述识别区域对应的运动方向图像。
3.根据权利要求1所述的逆向通行对象识别方法,其特征在于,所述将所述连续N帧运动方向图像中,根据每个所述像素点的运动方向角度值确定运动方向一致的像素点,包括:
将各个像素点的运动方向角度值分别与预设的逆行方向数值比较,得到偏差数值;
将由偏差数值小于预设偏差阈值的像素点确定为运动方向一致的像素点。
4.根据权利要求3所述的逆向通行对象识别方法,其特征在于,所述方法还包括:
利用目标连续跟踪方法确定相邻两帧运动方向图像中的运动目标区域;
确定所述运动目标区域在相邻两帧运动方向图像中的中心位置;
当所述运动目标区域的中心位置在相邻两帧运动方向图像中向预设逆行方向偏移预设数量个像素距离,确定所述运动目标区域满足预设逆向通行条件。
5.一种逆向通行对象识别装置,其特征在于,包括:
识别模块,用于对监控视频流中的每一帧原始帧图像利用深度学习算法进行图像识别;
标记模块,用于当在监控视频流的任一原始帧图像中识别到通行对象时,标记各个通行对象对应的识别区域,得到帧图像;
第一确定模块,用于根据预设算法和所述帧图像,确定每个所述识别区域对应的运动方向图像,所述运动方向图像中每个像素点的像素值为所述像素点的运动方向角度值,所述预设算法指稠密光流FlowFarneback算法;
选择模块,用于在同一所述识别区域对应的连续N帧所述运动方向图像中,根据每个所述像素点的运动方向角度值选择运动目标区域,所述N大于或者等于二;
第二确定模块,用于当在相邻两帧运动方向图像中所述运动目标区域满足预设逆向通行条件时,确定所述运动方向图像中的通行对象为逆向通行对象。
6.一种逆向通行对象识别系统,其特征在于,包括:视频采集装置和分析服务器;
所述视频采集装置,设置于被监控区域上方,其输出端与所述分析服务器的视频流输入端连接,用于采集监控视频流;
所述分析服务器,用于执行如权利要求1至4任一所述的逆向通行对象监控方法。
7.根据权利要求6所述的逆向通行对象识别系统,其特征在于,还包括:报警控制器和报警器;
所述报警控制器的输入端与所述分析服务器报警输出端的连接,用于在接收到所述分析服务器发送的报警通知信号后,根据所述报警通知信号向所述报警器发出报警控制指令;
所述报警器的输入端与所述报警控制器的输出端连接,用于根据所述报警控制指令发出报警提示;
所述分析服务器还用于在检测到逆向通行对象时,向所述报警控制器发送报警通知信号。
8.一种分析服务器,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至4任一项所述方法的步骤。
9.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1-4任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710383030.9A CN107194360B (zh) | 2017-05-25 | 2017-05-25 | 逆向通行对象识别方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710383030.9A CN107194360B (zh) | 2017-05-25 | 2017-05-25 | 逆向通行对象识别方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107194360A CN107194360A (zh) | 2017-09-22 |
CN107194360B true CN107194360B (zh) | 2018-07-20 |
Family
ID=59875859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710383030.9A Active CN107194360B (zh) | 2017-05-25 | 2017-05-25 | 逆向通行对象识别方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107194360B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108280435A (zh) * | 2018-01-25 | 2018-07-13 | 盛视科技股份有限公司 | 一种基于人体姿态估计的旅客异常行为识别方法 |
CN109151312A (zh) * | 2018-09-04 | 2019-01-04 | 广州视源电子科技股份有限公司 | 对焦方法、装置以及视频展台 |
CN111292350B (zh) * | 2018-12-10 | 2024-03-01 | 北京京东乾石科技有限公司 | 目标朝向的优化算法、系统、电子设备及存储介质 |
CN111508223B (zh) * | 2019-01-30 | 2021-11-26 | 杭州海康威视数字技术股份有限公司 | 车辆通行检测方法和车辆通行检测装置 |
CN111046832B (zh) * | 2019-12-24 | 2023-06-02 | 广州地铁设计研究院股份有限公司 | 基于图像识别的逆行判断方法、装置、设备和存储介质 |
CN111611938B (zh) * | 2020-05-22 | 2023-08-29 | 浙江大华技术股份有限公司 | 一种逆行方向确定方法及装置 |
CN111582243B (zh) * | 2020-06-05 | 2024-03-26 | 上海商汤智能科技有限公司 | 逆流检测方法、装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104331151A (zh) * | 2014-10-11 | 2015-02-04 | 中国传媒大学 | 基于光流法的手势运动方向识别方法 |
CN105224905A (zh) * | 2014-05-26 | 2016-01-06 | 中兴通讯股份有限公司 | 一种多目标逆向违规检测方法、装置及系统 |
CN105389567A (zh) * | 2015-11-16 | 2016-03-09 | 上海交通大学 | 基于稠密光流直方图的群体异常检测方法 |
CN106652465A (zh) * | 2016-11-15 | 2017-05-10 | 成都通甲优博科技有限责任公司 | 一种道路异常驾驶行为的识别方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102014208673A1 (de) * | 2013-09-06 | 2015-03-12 | Robert Bosch Gmbh | Verfahren und Verkehrsüberwachungseinrichtung zum Feststellen einer Falschfahrt eines Kraftfahrzeugs |
-
2017
- 2017-05-25 CN CN201710383030.9A patent/CN107194360B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105224905A (zh) * | 2014-05-26 | 2016-01-06 | 中兴通讯股份有限公司 | 一种多目标逆向违规检测方法、装置及系统 |
CN104331151A (zh) * | 2014-10-11 | 2015-02-04 | 中国传媒大学 | 基于光流法的手势运动方向识别方法 |
CN105389567A (zh) * | 2015-11-16 | 2016-03-09 | 上海交通大学 | 基于稠密光流直方图的群体异常检测方法 |
CN106652465A (zh) * | 2016-11-15 | 2017-05-10 | 成都通甲优博科技有限责任公司 | 一种道路异常驾驶行为的识别方法及系统 |
Non-Patent Citations (2)
Title |
---|
视频中的逆向走时间实时监测方法研究;李晖;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110915(第9期);正文第14,35-40页 * |
视频中的逆向走时间实时监测方法研究;李晖;《中国优秀硕士学位论文全文数据库 信息科技辑》;20110915(第9期);第14,35-40页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107194360A (zh) | 2017-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107194360B (zh) | 逆向通行对象识别方法、装置及系统 | |
KR102189262B1 (ko) | 엣지 컴퓨팅을 이용한 교통 정보 수집 장치 및 방법 | |
CN108133172B (zh) | 视频中运动对象分类的方法、车流量的分析方法及装置 | |
JP7428213B2 (ja) | 情報処理システム、情報処理方法及びプログラム | |
KR101758576B1 (ko) | 물체 탐지를 위한 레이더 카메라 복합 검지 장치 및 방법 | |
US10043064B2 (en) | Method and apparatus of detecting object using event-based sensor | |
CN105894529B (zh) | 车位状态检测方法和装置及系统 | |
KR102195706B1 (ko) | 침입 탐지방법 및 그 장치 | |
CN109145696B (zh) | 一种基于深度学习的老人跌倒检测方法及系统 | |
CN104378582A (zh) | 一种基于ptz摄像机巡航的智能视频分析系统及方法 | |
CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
CN104463869B (zh) | 一种视频火焰图像复合识别方法 | |
CN113221677A (zh) | 一种轨迹异常检测方法、装置、路侧设备和云控平台 | |
KR101541272B1 (ko) | 사람들의 움직임 불규칙성을 이용한 폭력 행위 검출 장치 및 방법 | |
CN111626275B (zh) | 一种基于智能视频分析的异常停车检测方法 | |
CN104954747A (zh) | 视频监视方法和装置 | |
CN112562406B (zh) | 一种越线行驶的识别方法及装置 | |
KR20220023726A (ko) | 딥 러닝 기반 실시간 공정 감시 시스템 및 그 방법 | |
CN109492548B (zh) | 基于视频分析的区域mask图片的获得方法 | |
CN108957024A (zh) | 一种速度测量的方法、装置以及电子设备 | |
JP2001357402A (ja) | 車両検出方法及び車両検出装置 | |
CN111383248B (zh) | 一种行人闯红灯判断方法、装置和电子设备 | |
CN109948436B (zh) | 一种监控道路上车辆的方法及装置 | |
KR100885418B1 (ko) | 오버헤드 카메라 영상에서 사람을 감지하고 추적하는시스템 및 그 방법 | |
CN110580708B (zh) | 一种快速移动检测方法、装置及电子设备 |
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 |