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 PDF

Info

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
Application number
CN201610187166.8A
Other languages
English (en)
Other versions
CN107240115B (zh
Inventor
李健
刘中秋
何小梅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Miaxis Biometrics Co Ltd
Original Assignee
Miaxis Biometrics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Miaxis Biometrics Co Ltd filed Critical Miaxis Biometrics Co Ltd
Priority to CN201610187166.8A priority Critical patent/CN107240115B/zh
Publication of CN107240115A publication Critical patent/CN107240115A/zh
Application granted granted Critical
Publication of CN107240115B publication Critical patent/CN107240115B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

一种基于标识物的识别方法
【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。
CN201610187166.8A 2016-03-28 2016-03-28 一种基于标识物的识别方法 Active CN107240115B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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