CN107240115A - 一种基于标识物的识别方法 - Google Patents
一种基于标识物的识别方法 Download PDFInfo
- Publication number
- CN107240115A CN107240115A CN201610187166.8A CN201610187166A CN107240115A CN 107240115 A CN107240115 A CN 107240115A CN 201610187166 A CN201610187166 A CN 201610187166A CN 107240115 A CN107240115 A CN 107240115A
- Authority
- CN
- China
- Prior art keywords
- marker
- point
- window
- pixel
- center
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
- G06T2207/10021—Stereoscopic video; Stereoscopic image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供了一种基于标识物的识别方法,设计了一种多个黑白相间的同心矩形或同心圆为标识物,将标识物粘贴在待测运动目标上,通过识别标识物,并检测标识物位置的变化,来判断目标的移动情况。该方案的标识物设计灵活,易于识别,标识物的识别方法简便,能够适用于各种移动目标的视频监控。
Description
【技术领域】
本发明涉及一种视频监控方法,特别是一种基于标识物的识别方法。
【背景技术】
智能视频监控技术是基于图像处理和模式识别的新型视频监控技术,可实现对视频图像中的目标进行自动检测、识别、跟踪和分析,相比于传统的需要专人职守的视频监控,将监控人员从繁杂而枯燥的“盯屏幕”任务中解脱出来,不仅提供了简便且可自定义的操作体验,节约了人力资源,也确保了各种异常情况被准确及时的发现,提高了整个组织的安全性。目前,监控视频中运动目标的检测、识别、分类和跟踪已成为研究热点,但视频监控都局限于限定的场景,尚未发现一种能适应多种环境参数、无限定条件的方法。
【发明内容】
为了解决视频监控技术在运动目标检测中的局限性,本发明提供了一种基于标识物的识别方法,设计了一种多个黑白相间的同心矩形或同心圆为标识物,将标识物粘贴在待测运动目标上,通过识别标识物,并检测标识物位置的变化,来判断目标的移动情况。该方案的标识物设计灵活,易于识别,标识物的识别方法简便,能够适用于各种移动目标的视频监控。
本发明所述的一种基于标识物的识别方法,其特征在于包括如下步骤:
步骤1:定义标识物:所述的标识物为多个黑白相间的同心矩形或同心圆,其中心图形的边界为内框,其最外层图形的边界为外框,且外框颜色与待测目标的表面色存在明显反差。例如,当待测目标的表面色为白色时,设计标识物为4个黑白相间的同心矩形或同心圆,最中心图形为白色,最外层图形为黑色。
步骤2:将至少一个所述标识物粘贴在待测目标的表面,通过正对所述标识物设置的摄像头拍摄待测物该表面的图像。例如,当待测目标为推拉开关的窗户时,选择2个标识物,分别粘贴在窗户的左侧和右侧;当待测目标为车库的卷门时,选择4个标识物,由上到下排列粘贴在卷门表面。
步骤3:将所述摄像头采集的图像转换为灰度bmp图像,逐行扫描所述bmp图像的各个像素,初步检测所述标识物的中心点,检测步骤包括:
(3.1)定义结构数组center[(m,n),Ri,Pi,Bi,Vi,V0],并初始化center,其中,(m,n)为像素点坐标,以像素点(m,n)为中心设置N层同心窗口,2≦N≦8,标识物为同心矩形时,窗口为正方形,标识物为同心圆时,窗口为圆形,Ri为第i层窗口的半径,i为层序号,0≦i≦N-1,在每层窗口的边界上等间隔取M个采样点,每个采样点灰度值为pij,j为采样点序号,0≦j≦M-1,第i层窗口的像素均值为类内方差为Vi、第i层与第0层的类间差Bi;
(3.2)计算各层窗口的Vi、Bi0,计算式分别为
(3.3)在Bi>T1,且Vi<T2的条件下,其中,100≤T1≤800,70≤T2≤120,寻找最小类内方差Vindex,记录Vindex及其所对应的层序号index和窗口半径Rindex;
(3.4)统计第index层窗口和第0层窗口上对应采样点的像素差值小于最小类内方差Vindex的个数num,将满足Bindex0>T3,且num<T4的像素点(m,n)作为标识物的中心点加入数组集合center中,其中,150≤T3≤200,T4≤M/2;
(3.5)以新加入到数组集合center的中心点(m,n)为中心,在center数组集中检索以Rindex为半径的窗口内是否有其他点,若有,则仅保留类内方差Vi和V0都最小的点;
(3.6)以下一像素(m,n+1)或(m+1,1)为中心,重复步骤(3.2)~(3.5),直到遍历完整个图像的各个像素,得到初检测点集center;
步骤4:遍历步骤3所述的初检测点集center中的所有像素点,以各个所述像素点为起始位置,向四周寻找标识物的内框和外框,并确定标识物中心点坐标,包括如下步骤:
(4.1)确定标识物内框:以第index层窗口为搜索窗口,计算窗口内每行每列的像素和相对中心行或中心列的差值,然后中心点为起始位置,向四周寻找灰度突变最大的位置,即为内框边界;
(4.2)确定标识物外框:以步骤1所述标识物的内、外框比例和步骤4.1确定的标识物内框来确定外框的搜索窗口,计算窗口内每行每列像素的梯度,并以中心点(mm,nn)为起始位置,向四周寻找窗口内梯度变化最大的位置,即为外框的边界;
步骤5:去除伪点,满足如下条件之一的即为伪点:
(1)无法确定内框或外框的中心点是伪点;
(2)内框或外框内像素方差大于阈值T5,或像素均值差小于阈值T6的中心点是伪点,其中,20≤T5≤40,10≤T6≤30;
(3)内框和/或外框的宽高比例,或者内框与外框的宽/高比例与所述标识物不同的中心 点是伪点;
步骤6:由步骤(4.1)确定的内框边界修正标识物中心点坐标,记录修正后的中心点(mm,nn);
步骤7:每间隔时间T,重复步骤3~6,检测标识物中心点坐标(mm,nn),通过检测标识物中心点坐标的变化判断待测物的状态。
作为一种技术方案,在步骤3中先对所述的bmp图像进行下采样,再进行初步检测;若摄像头拍摄的视频图像像素太高,逐行逐个像素点去重复标识物中心点的初步检测步骤工作量太大,可先对图像进行下采样,通过降低视频图像的像素来减少工作量,提高识别速度。
作为一种技术方案,在步骤3.8中,若点(m,n)已增加到数组集center中,则横向扫描步长可以设为10个像素,即下一个像素为(m,n+10)或(m+1,1)。由于标识物本身有一定的大小,且标识物在粘贴时不会紧挨着粘在一起,故当点(m,n)为标识物中心点时,可加大扫描步长,以提高效率。
作为一种技术方案,步骤4在全图上完成,由于步骤3是标识物中心点的初步检测,所以当图像像素较大时,可通过下采样提高初步检测的效率,但在下采样图像中进行步骤4会影响标识物内、外框边界的准确性,进而影响标识物中心点位置的准确性,容易导致目标运动情况的误判,故步骤4应该在全图上完成。
作为一种技术方案,根据步骤4确定的标识物内、外框边界确定标识物大小,对摄像头进行调焦,调整标识物在全图中的比例,以达到最佳识别性能。
【附图说明】
图1为实施例1设计的标识物
图2为实施例1中的摄像机拍摄的真实图像
图3为实施例2设计的标识物
【具体实施方式】
实施例1
以白色车库卷门为例,通过本发明的一种基于标识物的识别方法,对卷门的开关状态进行视频监控。定义图1所示4个黑白相间的同心矩形为标识物,标识物中心是白色正方形,最外层为黑色矩形,如2所示,选择2个相同大小的所述标识物,分别粘贴在卷门内侧,摄像头正对着标识物设置,拍摄整个卷门的图像。
将所述摄像头拍摄的图像转换为灰度bmp图像,逐行扫描所述bmp图像的各个像素,初步检测所述标识物的中心点,检测步骤包括:(3.1)定义结构数组center[(m,n),Ri,Pi,Bi,Vi,V0],并初始化center,其中,(m,n)为像素点坐标,以像素点(m,n)为中心设置6层同心正方形窗口,窗口的半径Ri分别为1,3,5,7,9,11,i为层序号,0≦i≦5,在每层窗口的边界上等间隔取8个采样点,即采样点位于窗口的4个顶点及4条边的中心处,每个采样点灰度值为pij,j为采样点序号,0≦j≦7,第i层窗口的像素均值为类内方差为Vi、第i层与第0层的类间差Bi;(3.2)计算各层窗口的Vi、Bi,计算式分别为 (3.3)在Bi>T1,且Vi<T2的条件下,其中,100≤T1≤800,70≤T2≤120,寻找最小类内方差Vindex,并记录Vindex及其所对应的层序号index和窗口半径Rindex;(3.4)统计第index层窗口和第0层窗口上对应采样点的像素差值小于最小类内方差Vindex的个数num,将满足Bindex>T3,且num<T4的像素点(m,n)作为标识物的中心点加入数组集合center中,其中,150≤T3≤200,T4≤4;(3.5)以新加入到数组集合center的中心点(m,n)为中心,在center数组集中检索以Rindex为半径的窗口内是否有其他点,若有,则仅保留类内方差Vi和V0都最小的点;(3.6)以下一像素(m,n+1)或(m+1,1)为中心,重复步骤(3.2)~(3.5),直到遍历完整个图像的各个像素,得到初检测点集center。
遍历初检测点集center中的所有像素点,以各个所述像素点为起始位置,向四周寻找标识物的内框和外框,并确定标识物中心点坐标,包括如下步骤:
(4.1)确定标识物内框:以第index层窗口为搜索窗口,计算窗口内每行每列的像素和相对中心行或中心列的差值,然后中心点为起始位置,向四周寻找灰度突变最大的位置,即为内框边界;
(4.2)确定标识物外框:以步骤1所述标识物的内、外框比例和步骤4.1确定的标识物内框来确定外框的搜索窗口,计算窗口内每行每列像素的梯度,并以中心点(mm,nn)为起始位置,向四周寻找窗口内梯度变化最大的位置,即为外框的边界;
步骤5:去除伪点,满足如下条件之一的即为伪点:
(1)无法确定内框或外框的中心点是伪点;
(2)内框或外框内像素方差大于阈值T5,20≤T5≤40,或像素均值差小于阈值T6,10≤T6≤30,的中心点是伪点;
(3)内框和/或外框的宽高比例,或者内框与外框的宽/高比例与所述标识物不同的中心点是伪点;
步骤6:由步骤(4.1)确定的内框边界修正标识物中心点坐标,记录修正后的中心点(mm,nn);
步骤7:每间隔时间T,T=10min,重复步骤3~6,检测标识物中心点坐标(mm,nn),通过检测标识物中心点坐标的变化判断待测物的状态,即以卷门处于关闭状态时2个标识物中心点的坐标为基准,若2个标识物中心点的坐标均无变化,则判断卷门处于关闭状态,若有1个或2个标识物中心点的坐标发生变化,则判断卷门处于开启状态。
实施例2
本实施例与实施例1所不同的是,定义图3所示3个黑白相间的同心圆为标识物,标识物中心和最外层均为黑色圆形,选择4个相同大小的所述标识物,由上至下粘贴在卷门内侧,摄像头正对着标识物设置,拍摄整个卷门的图像。
需要强调的是,以上仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (5)
1.一种基于标识物的识别方法,其特征在于包括如下步骤:
步骤1:定义标识物:所述的标识物为多个黑白相间的同心矩形或同心圆,其中心图形的边界为内框,其最外层图形的边界为外框,且外框颜色与待测物的表面色存在明显反差;
步骤2:将至少一个所述标识物粘贴在待测物的表面,通过正对所述标识物设置的摄像头拍摄待测物该表面的图像;
步骤3:将所述摄像头采集的图像转换为灰度bmp图像,逐行扫描所述bmp图像的各个像素,初步检测所述标识物的中心点,检测步骤包括:
(3.1)定义结构数组center[(m,n),Ri,Pi,Bi,Vi,V0],并初始化center,其中,(m,n)为像素点坐标,以像素点(m,n)为中心设置N层同心窗口,2≦N≦8,标识物为同心矩形时,窗口为正方形,标识物为同心圆时,窗口为圆形,Ri为第i层窗口的半径,i为层序号,0≦i≦N-1,在每层窗口的边界上等间隔取M个采样点,每个采样点灰度值为pij,j为采样点序号,0≦j≦M-1,第i层窗口的像素均值为类内方差为Vi、第i层与第0层的类间差为Bi;
(3.2)计算各层窗口的Vi、Bi,计算式分别为
(3.3)在Bi>T1,且Vi<T2的条件下,寻找最小类内方差Vindex,并记录Vindex及其所对应的层序号index和窗口半径Rindex,其中,100≤T1≤800,70≤T2≤120;
(3.4)统计第index层窗口和第0层窗口上对应采样点的像素差值小于最小类内方差Vindex的个数num,将满足Bindex>T3,且num<T4的像素点(m,n)作为标识物的中心点加入数组集合center中,其中,150≤T3≤200,T4≤M/2;
(3.5)以新加入到数组集合center的中心点(m,n)为中心,在center数组集中检索以Rindex为半径的窗口内是否有其他点,若有,则仅保留类内方差Vi和V0都最小的点;
(3.6)以下一像素(m,n+1)或(m+1,1)为中心,重复步骤(3.2)~(3.5),直到遍历整个图像的各个像素,得到初检测点集center;
步骤4:遍历步骤3所述的初检测点集center中的所有像素点,以各个所述像素点为起始位置,向四周寻找标识物的内框和外框,并确定标识物中心点坐标,包括如下步骤:
(4.1)确定标识物内框:以第index层窗口为搜索窗口,计算窗口内每行每列的像 素和相对中心行或中心列的差值,然后中心点为起始位置,向四周寻找灰度突变最大的位置,即为内框边界;
(4.2)确定标识物外框:以步骤1所述标识物的内、外框比例和步骤4.1确定的标识物内框来确定外框的搜索窗口,计算窗口内每行每列像素的梯度,并以中心点(mm,nn)为起始位置,向四周寻找窗口内梯度变化最大的位置,即为外框的边界;
步骤5:去除伪点,满足如下条件之一的即为伪点:
(1)无法确定内框或外框的中心点是伪点;
(2)内框或外框内像素方差大于阈值T5,或像素均值差小于阈值T6的中心点是伪点,其中,20≤T5≤40,10≤T5≤30;
(3)内框和/或外框的宽高比例,或者内框与外框的宽/高比例与所述标识物不同的中心点是伪点;
步骤6:由步骤(4.1)确定的内框边界修正标识物中心点坐标,记录修正后的中心点(mm,nn);
步骤7:每间隔时间T,重复步骤3~6,检测标识物中心点坐标(mm,nn),通过检测标识物中心点坐标的变化判断待测物的状态。
2.如权利要求1所述的基于标识物的识别方法,其特征在于,在步骤3中先对所述的bmp图像进行下采样,再进行初步检测。
3.如权利要求1所述的基于标识物的识别方法,其特征在于,在步骤3.8中,若点(m,n)已增加到数组集center中,则横向扫描步长可以设为10个像素,即下一个像素为(m,n+10)或(m+1,1)。
4.如权利要求1或2所述的基于标识物的识别方法,其特征在于,步骤4在全图上完成。
5.如权利要求1所述的基于标识物的识别方法,其特征在于,根据步骤4确定的标识物内、外框边界确定标识物大小,对摄像头进行调焦,调整标识物在全图中的比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610187166.8A CN107240115B (zh) | 2016-03-28 | 2016-03-28 | 一种基于标识物的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610187166.8A CN107240115B (zh) | 2016-03-28 | 2016-03-28 | 一种基于标识物的识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107240115A true CN107240115A (zh) | 2017-10-10 |
CN107240115B CN107240115B (zh) | 2019-07-09 |
Family
ID=59983304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610187166.8A Active CN107240115B (zh) | 2016-03-28 | 2016-03-28 | 一种基于标识物的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107240115B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007441A (zh) * | 2019-12-16 | 2020-04-14 | 深圳市振邦智能科技股份有限公司 | 一种电解电容极性检测方法及检测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101256673A (zh) * | 2008-03-18 | 2008-09-03 | 中国计量学院 | 用于在实时视频跟踪系统中跟踪手臂运动的方法 |
CN101520902A (zh) * | 2009-02-24 | 2009-09-02 | 上海大学 | 低成本动作捕捉与演示系统及方法 |
CN101582166A (zh) * | 2008-05-12 | 2009-11-18 | 皇家飞利浦电子股份有限公司 | 目标的跟踪系统和方法 |
CN102967305A (zh) * | 2012-10-26 | 2013-03-13 | 南京信息工程大学 | 基于大小回字标志物的多旋翼无人机位姿获取方法 |
CN103315739A (zh) * | 2013-05-22 | 2013-09-25 | 华东师范大学 | 基于动态跟踪技术免除运动伪影的磁共振影像方法和系统 |
CN105095937A (zh) * | 2015-08-05 | 2015-11-25 | 哈尔滨工业大学 | 一种基于直线聚类的圆形阵列图形码的视觉识别方法 |
-
2016
- 2016-03-28 CN CN201610187166.8A patent/CN107240115B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101256673A (zh) * | 2008-03-18 | 2008-09-03 | 中国计量学院 | 用于在实时视频跟踪系统中跟踪手臂运动的方法 |
CN101582166A (zh) * | 2008-05-12 | 2009-11-18 | 皇家飞利浦电子股份有限公司 | 目标的跟踪系统和方法 |
CN101520902A (zh) * | 2009-02-24 | 2009-09-02 | 上海大学 | 低成本动作捕捉与演示系统及方法 |
CN102967305A (zh) * | 2012-10-26 | 2013-03-13 | 南京信息工程大学 | 基于大小回字标志物的多旋翼无人机位姿获取方法 |
CN103315739A (zh) * | 2013-05-22 | 2013-09-25 | 华东师范大学 | 基于动态跟踪技术免除运动伪影的磁共振影像方法和系统 |
CN105095937A (zh) * | 2015-08-05 | 2015-11-25 | 哈尔滨工业大学 | 一种基于直线聚类的圆形阵列图形码的视觉识别方法 |
Non-Patent Citations (3)
Title |
---|
朱方文 等: ""一种用于目标物体跟踪的人工标志"", 《计算机工程与应用》 * |
朱方文 等: ""基于共面标记点的AR跟踪系统"", 《上海大学学报(自然科学版)》 * |
杨成顺 等: ""基于人工标志的无人机视觉导航方法"", 《应用科技》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111007441A (zh) * | 2019-12-16 | 2020-04-14 | 深圳市振邦智能科技股份有限公司 | 一种电解电容极性检测方法及检测系统 |
CN111007441B (zh) * | 2019-12-16 | 2022-12-02 | 深圳市振邦智能科技股份有限公司 | 一种电解电容极性检测方法及检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107240115B (zh) | 2019-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Long et al. | Safety helmet wearing detection based on deep learning | |
CN109145708B (zh) | 一种基于rgb和d信息融合的人流量统计方法 | |
CN103824070B (zh) | 一种基于计算机视觉的快速行人检测方法 | |
CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
CN104598883B (zh) | 一种多摄像机监控网络中目标再识别的方法 | |
CN108986158A (zh) | 一种基于目标再识别的跨场景追踪方法和装置及计算机视觉平台 | |
CN102622584B (zh) | 视频监控中蒙面人脸的检测方法 | |
CN109190508A (zh) | 一种基于空间坐标系的多摄像头数据融合方法 | |
CN104700408B (zh) | 一种基于摄像机网络的室内单目标定位方法 | |
CN107133969A (zh) | 一种基于背景反投影的移动平台运动目标检测方法 | |
CN104751486A (zh) | 一种多ptz相机的运动目标接力跟踪算法 | |
CN103778645B (zh) | 一种基于图像的圆形目标实时跟踪方法 | |
CN104537659A (zh) | 双摄像机的自动标定方法和系统 | |
CN105046206B (zh) | 基于视频中运动先验信息的行人检测方法及装置 | |
CN105760831A (zh) | 一种基于低空航拍红外视频的行人跟踪方法 | |
CN107992827A (zh) | 一种基于三维模型的多运动目标跟踪的方法及装置 | |
CN107295230A (zh) | 一种基于红外热像仪的微型目标物移动侦测装置及方法 | |
CN103279791A (zh) | 基于多特征的行人计算方法 | |
CN106650668A (zh) | 一种实时检测可移动目标物的方法及系统 | |
CN108090428A (zh) | 一种人脸识别方法及其系统 | |
Zhang et al. | Application research of YOLO v2 combined with color identification | |
CN109711256A (zh) | 一种低空复杂背景无人机目标检测方法 | |
CN112465854A (zh) | 基于无锚点检测算法的无人机跟踪方法 | |
CN107578424A (zh) | 一种基于时空分类的动态背景差分检测方法、系统及装置 | |
CN112033408A (zh) | 一种贴纸式的物体空间定位系统及定位方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 310012 Zhejiang Hangzhou Xihu District Wensanlu Road 90 71 Building 5 East 505-508, West 501-508 room Applicant after: MIAXIS Biometrics Co., Ltd. Address before: 310012 A1201-A1204 12 room, science and technology mansion, 90 East Wensanlu Road Software Park, Wensanlu Road, Hangzhou, Zhejiang. Applicant before: MIAXIS Biometrics Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |