CN107358190A - 一种图像关键区域管理方法和装置 - Google Patents
一种图像关键区域管理方法和装置 Download PDFInfo
- Publication number
- CN107358190A CN107358190A CN201710549594.5A CN201710549594A CN107358190A CN 107358190 A CN107358190 A CN 107358190A CN 201710549594 A CN201710549594 A CN 201710549594A CN 107358190 A CN107358190 A CN 107358190A
- Authority
- CN
- China
- Prior art keywords
- key area
- image
- field picture
- data
- monitoring camera
- 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.)
- Pending
Links
Classifications
-
- 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
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- 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
-
- 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
Abstract
本发明提供了一种图像关键区域管理方法和装置。该方法包括:监控摄像头采集监控区域内的图像数据,并将采集到的图像数据传输给图像关键区域管理智能平台,图像关键区域管理智能平台对所述图像数据进行筛选过滤、合并,提取有效图像数据;图像关键区域管理智能平台基于模板匹配的方法对有效图像数据进行关键区域识别。本发明通过利用智能平台,通过智能算法实时对监控画面做分析,可以自动有效地将视频数据中的突发事件等区域动态设定为关键区域,关键区域的识别准确性高。克服了人工识别视频耗费大量的精力、容易出现识别偏差的问题。
Description
技术领域
本发明涉及监控识别技术领域,尤其涉及一种图像关键区域管理方法和装置。
背景技术
视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。近年来,随着计算机、网络以及视频处理、传输技术的飞速发展,视频监控技术也有了长足的发展。视频监控是安全防范系统的重要组成部分,传统的视频监控系统包括前端摄像机、传输线缆和视频监控平台。
视频监控最重要的就是视频采集,视频画面中非常关注的信息主要包括:环境,人、车、天气、入侵、自然灾害、交通事故等等。
视频识别是通过分析视频画面得到有效信息。目前,现有的视频数据中的关键区域的管理方法为:首先由人去观看视频,并人工识别并标识出视频画面中的关键区域,再对该关键区域做重点监控或者提高分辨率编码。一方面,由于视频监控得到的视频画面是海量的,采用人工识别视频的方式会耗费大量的精力。另一方面,人工设置容易出现偏差,经常出现设定的区域不是最终需要的区域。比如盗窃行为发生在非设定区域。
发明内容
本发明的实施例提供了一种图像关键区域管理方法和装置,以实现对图像数据中的关键区域进行有效识别。
为了实现上述目的,本发明采取了如下技术方案。
本发明的一个方面提供了一种图像关键区域管理方法,所述方法包括:监控摄像头采集监控区域内的图像数据,并将采集到的图像数据传输给图像关键区域管理智能平台,所述图像关键区域管理平台用于识别监控摄像头的监控图像中的关键区域;所述图像关键区域管理智能平台对所述图像数据进行筛选过滤、合并,以提取有效图像数据;所述图像关键区域管理智能平台基于模板匹配的方法对提取的所述有效图像数据进行关键区域识别。
在一个实施例中,所述关键区域管理智能平台设置在服务器端;所述关键区域管理智能平台的存储单元中设置图像知识数据库和关键区域图像数据库,所述关键区域管理智能平台的图像知识数据库中预先存储不同类别的图像的代表模板,所述关键区域图像数据库中预先存储不同类别的关键区域图像的代表模板;其中,所述图像关键区域管理智能平台对所述图像数据进行筛选过滤、合并,以提取有效图像数据,包括:根据所述图像知识数据库预先存储的所述不同类别的图像的代表模板在所述图像数据中提取有效图像数据;其中,所述图像关键区域管理智能平台基于模板匹配的方法对提取的所述有效图像数据进行关键区域识别,包括:根据所述关键区域图像数据库中预先存储的所述不同类别的关键区域图像的代表模板识别所述有效图像数据中的关键区域;所述方法还包括:调整所述关键区域。
在一个实施例中,监控摄像头采集监控区域内图像数据,并将采集到的图像数据传输给所述图像关键区域管理智能平台,包括:
在所述监控区域设置一个或者多个监控摄像头,每个监控摄像头实时采集所述监控的区域进行图像数据,并将采集的图像数据通过有线或者无线通信网络传输给所述所述图像关键区域管理智能平台,其中每个监控摄像头的安装位置、镜头数量、拍摄方向和角度和监控区域的特征信息构成了监控摄像头描述信息。
在一个实施例中,所述图像关键区域管理智能平台对所述图像数据进行筛选过滤、合并,以提取所述有效图像数据,包括:将接收到的图像数据,将接收到的每个监控摄像头对应的图像数据分别分解为不同的帧图像,并按照每个帧图像对应的采集时间从先到后的排列顺序,将所有的帧图像组成帧图像序列;基于模板匹配的方法依据所述图像知识数据库中的所述不同类别的图像的代表模板对帧图像序列中的每个帧图像进行特征区域提取,如果帧图像中的某个区域的图像和所述图像知识数据库中存储的某种类别的图像的代表模板匹配,则记录该帧图像对应该某种类别的图像的特征区域,并记录该特征区域的位置信息;对每个帧图像中的若干个区域的图像数据进行采样,将相邻的帧图像对应的特征区域的数量、类别和位置信息进行比较,并将相邻的帧图像的相同区域的采样数据进行比较,如果相邻的帧图像对应的特征区域的数量和类别相同,且各个特征区域的位置信息之间的差异小于设定的位置判定阈值,并且相邻的帧图像的所有区域的采样数据之间的差异小于设定的数据判定阈值,则判定该相邻的帧图像为重复的帧图像,从该相邻的帧图像中选取一个帧图像保存在上述帧图像系列中,将另外一个帧图像删除;在将所述帧图像系列中所有的相邻的帧图像进行重复图像删除后,以重新得到的帧图像系列作为监控摄像头对应的有效图像数据。
在一个实施例中,所述图像关键区域管理智能平台基于模板匹配的方法依据所述关键区域图像数据库中的所述不同类别的关键区域图像的代表模板对所述有效图像数据进行关键区域识别,包括:接收每个监控摄像头的有效图像数据和每个监控摄像头的重新得到的帧图像系列中的每个帧图像对应的采集时间、特征区域的类别和位置信息;基于模板匹配的方法依据所述关键区域图像数据库中的所述不同关键区域的代表模板对所述有效图像数据对应的重新得到的帧图像系列中的每个帧图像进行关键区域提取,如果帧图像中的某个区域的图像和所述关键区域图像数据库中存储的某种关键区域的代表模板匹配,则记录该帧图像中存在所述某种关键区域,并记录该关键区域的位置信息。
在一个实施例中,所述的方法还包括:提高帧图像中关键区域的分辨率和/或对关键区域的位置信息、关键区域的模板描述信息进行SVAC编码。
本发明的另一个方面提供了一种图像关键区域管理装置,包括:监控摄像头和图像关键区域管理智能平台;所述的监控摄像头,用于采集监控区域内的图像数据,并将所述图像数据传输给所述图像关键区域管理智能平台;所述图像关键区域管理智能平台,用于对接收到的所述图像数据进行筛选过滤、合并,提取有效图像数据,并基于模板匹配的方法对所述有效图像数据进行关键区域识别。
在一个实施例中,所述图像关键区域管理智能平台中包括数据接收单元、数据提取单元、关键区域识别单元、关键区域处理单元和存储单元;其中所述存储单元中设置图像知识数据库和关键区域图像数据库,所述图像知识数据库中预先存储不同类别的图像的代表模板,所述关键区域图像数据库中预先存储不同类别的关键区域图像的代表模板;所述数据接收单元接收来自所述监控摄像头传输的图像数据;所述数据提取单元根据所述图像知识数据库预先存储的所述不同类别的图像的代表模板在所述图像数据中提取有效图像数据;所述关键区域识别单元根据所述关键区域图像数据库中预先存储的所述不同类别的关键区域图像的代表模板识别所述有效图像数据中的关键区域;所述关键区域处理单元调整所述关键区域。
在一个实施例中,所述监控摄像头的数量为一个或多个,每个监控摄像头实时采集所述监控区域的图像数据,并将采集的图像数据通过有线或者无线通信网络分别传输给所述数据接收单元;其中每个监控摄像头的安装位置、镜头数量、拍摄方向和角度和监控区域的特征信息构成了该监控摄像头描述信息,所述描述信息用于确认该监控摄像头。
在一个实施例中,所述数据提取单元用于将接收到的每个监控摄像头对应的图像数据分别分解为不同的帧图像,按照每个帧图像对应的采集时间从先到后的排列顺序,将所有的帧图像组成帧图像序列;基于模板匹配的方法依据所述图像知识数据库中的所述不同类别的图像的代表模板对帧图像序列中的每个帧图像进行特征区域提取,如果帧图像中的某个区域的图像和所述图像知识数据库中存储的某种类别的图像的代表模板匹配,则记录该帧图像对应该某种类别的图像的特征区域,并记录该特征区域的位置信息;对每个帧图像中的若干个区域的图像数据进行采样,将相邻的帧图像对应的特征区域的数量、类别和位置信息进行比较,并将相邻的帧图像的相同区域的采样数据进行比较,如果相邻的帧图像对应的特征区域的数量和类别相同,各个特征区域的位置信息之间的差异小于设定的位置判定阈值,并且相邻的帧图像的所有区域的采样数据之间的差异小于设定的数据判定阈值,则判定该相邻的帧图像为重复的帧图像,从该相邻的帧图像中选取一个帧图像保存在上述帧图像系列中,将另外一个帧图像删除;在对所述帧图像系列中的所有的相邻的帧图像进行重复图像删除后,以重新得到的帧图像系列作为所述监控摄像头对应的有效图像数据。
在一个实施例中,所述的数据提取单元用于将每个监控摄像头的有效图像数据和每个监控摄像头的重新得到的帧图像系列中的每个帧图像对应的采集时间、特征区域的类别和位置信息发送给关键区域识别单元;所述的关键区域识别单元用于基于模板匹配的方法依据所述关键区域图像数据库中的所述不同关键区域的代表模板对有效图像数据对应的重新得到的帧图像系列中的每个帧图像进行关键区域提取,如果帧图像中的某个区域的图像和关键区域图像数据库中存储的某种关键区域的代表模板匹配,则记录该帧图像中存在所述某种关键区域,并记录该关键区域的位置信息;将每个帧图像中存在的关键区域的位置信息发送给关键区域处理单元;所述的关键区域处理单元用于提高帧图像中关键区域的分辨率或者对关键区域的位置信息、关键区域的模板描述信息进行SVAC编码。
由上述本发明的实施例提供的技术方案可以看出,本发明实施例通过利用智能平台,通过实时对监控画面做分析,可以自动有效地将图像数据中的突发事件等区域动态设定为关键区域,关键区域的识别准确性高。克服了人工识别视频耗费大量的精力、容易出现识别偏差的问题。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,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,下面描述中的附图仅仅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性的前提下,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图像关键区域管理方法的示意性流程图;
图2为本发明实施例提供的一种图像关键区域管理装置的结构示意图。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
为便于对本发明实施例的理解,下面将结合附图以几个具体实施例为例做进一步的解释说明,且各个实施例并不构成对本发明实施例的限定。
实施例一
本发明实施例提供了一种图像关键区域管理方法的处理流程。如图1所示,处理流程包括如下的处理步骤:
步骤S110、提供图像关键区域管理智能平台和监控摄像头。
本发明实施例需要设置图像关键区域管理智能平台,例如,该图像关键区域管理智能平台设置在服务器端。例如,图像关键区域管理智能平台中可以包括数据接收单元、数据提取单元、关键区域识别单元、关键区域处理单元、存储单元和通信单元。
本发明实施例在图像关键区域管理智能平台中的存储单元中设置图像知识数据库和关键区域图像数据库。上述图像知识数据库中预先存储各种类别的图像的代表模板,例如,可以包括:道路、建筑物、人物、各种动物、汽车、天空、树木等的代表模板。上述关键区域图像数据库中预先存储图像数据中各种类别的关键区域图像的代表模板,这些关键区域图像可以根据需要灵活设置,例如可以包括:人物、人物面容、人物动作、特定物体、道路、建筑物、各种动物、汽车、天空、树木等的代表模板。
此外,在一些实施例中的图像关键区域管理平台中,数据接收单元接收来自监控摄像头传输的图像数据;数据提取单元根据图像知识数据库预先存储的各种类别的图像的代表模板在图像数据中提取有效图像数据;关键区域识别单元根据关键区域图像数据库中预先存储的不同类别的关键区域图像的代表模板识别有效图像数据中的关键区域;关键区域处理单元调整所述关键区域(例如,提高关键区域的分辨率)。
步骤S120、监控摄像头采集监控区域内的图像数据,并将采集到的图像数据传输给图像关键区域管理智能平台。
例如,可以在监控区域设置一个或者多个监控摄像头,每个监控摄像头的安装位置、镜头数量、拍摄方向和角度和监控区域的特征信息构成了监控摄像头描述信息,该监控摄像头描述信息例如是固定的。从而这些描述信息可以随监控摄像头采集到的图像数据一同发送给图像关键区域管理智能平台,以便使图像数据与采集该图像数据的监控摄像头更好的对应。例如,各个监控摄像头可以实时对所监控的区域进行图像数据采集,将采集的图像数据通过有线或者无线通信网络传输给图像关键区域管理智能平台中的数据接收单元。
步骤S130、图像关键区域管理智能平台对所述图像数据进行筛选过滤、合并,提取有效图像数据。
例如,图像关键区域管理智能平台中的存储单元中还可以存储各个监控摄像头描述信息。
由于监控摄像头采集到的视频数据是海量的,其中包含了大量的冗余的、重复的图像数据,如果对所有的图像数据都进行传输和识别等处理,需要消耗大量的带宽资源,并极大地加重服务器的负担,因此,需要对监控摄像头采集到的图像数据进行筛选过滤。
数据接收单元将接收到图像数据传输给数据提取单元,数据提取单元首先将接收到的每个监控摄像头对应的视图像数据分别分解为不同的帧图像,按照每个帧图像对应的采集时间从先到后的排列顺序,将所有的帧图像组成帧图像序列。
然后,基于模板匹配的方法依据图像知识数据库中的各种类别的图像的代表模板对帧图像序列中的每个帧图像进行特征区域提取,如果帧图像中的某个区域的图像和图像知识数据库中存储的某种类别的图像的代表模板匹配,则记录该帧图像对应该某种类别的图像的特征区域,并记录该特征区域的位置信息。比如,可以记录一个帧图像中存在道路、建筑物、人物3个特征区域,并保存每个特征区域的位置信息。
在实际应用中,可以根据监控摄像头对应的监控区域的具体背景特征选取相应类别的图像的代表模板,用来和该监控摄像头对应的图像数据进行模板匹配,从而加快模板匹配速度。
图像关键区域管理智能平台还对每个帧图像中的若干个区域的图像数据进行采样,每个帧图像的采样数据占帧图像的所有数据的比例大于设定的数值,该数值可以为60%,70%或80%等。
然后,将相邻的帧图像对应的特征区域的数量、类别和位置信息进行比较,并将相邻的帧图像的相同区域的采样数据进行比较,如果相邻的帧图像对应的特征区域的数量和类别相同,各个特征区域的位置信息之间的差异小于设定的位置判定阈值,并且相邻的帧图像的所有区域的采样数据之间的差异小于设定的数据判定阈值,则判定该相邻的帧图像为重复的帧图像,从该相邻的帧图像中选取一个帧图像保存在上述帧图像系列中,将另外一个帧图像删除。
在对上述帧图像系列中的所有的相邻的帧图像进行重复图像删除后,以重新得到的帧图像系列作为上述监控摄像头对应的有效图像数据。然后,将每个监控摄像头的有效视频数据和每个监控摄像头的重新得到的帧图像系列中的每个帧图像对应的采集时间、特征区域的类别和位置信息发送给图像关键区域管理智能平台中,例如图像关键区域管理智能平台的关键区域识别单元。
步骤S140、图像关键区域管理智能平台基于模板匹配的方法对有效图像数据进行关键区域识别。
例如,如前文所述,图像关键区域管理智能平台包含关键区域识别单元的情况下。关键区域识别单元基于模板匹配的方法依据关键区域图像数据库中的各种关键区域的代表模板对有效图像数据对应的重新得到的帧图像系列中的每个帧图像进行关键区域提取,如果帧图像中的某个区域的图像和关键区域图像数据库中存储的某种关键区域的代表模板匹配,则记录该帧图像中存在上述某种关键区域,并记录该关键区域的位置信息。一帧图像中可以存在多个关键区域。比如,可以记录一个帧图像中存在人物、人物面容、人物动作3个关键区域,并保存每个关键区域的位置信息。
在图像关键区域管理智能平台提取有效图像数据之后,还包括对关键区域的处理步骤。例如,在图像关键区域管理智能平台包括关键区域识别单元和关键区域处理单元的前提下,关键区域识别单元将每个帧图像中存在的关键区域的位置信息发送给关键区域处理单元。该关键区域处理单元可以提高帧图像中关键区域的分辨率或者对关键区域的位置信息、关键区域的模板描述信息进行SVAC编码。例如,通过关键区域处理单元提高帧图像中关键区域的分辨率,可以方便对关键区域进行后续图像处理。
SVAC(Surveillance Video and Audio Coding,监督视频和音频编码)是一种安防领域的音视频编码规范,也是监控领域的编码标准,其规范丰富可以支持实现诸多应用方案。关键区域识别单元可以将帧图像中关键区域的位置信息、关键区域的模板描述信息进行SVAC编码,得到SVAC编码码流形式的关键区域描述信息。
当一台摄像头中视频数据检测到关键区域后,关键区域处理单元可以自动识别通知周边接入平台的摄像头做好动态监测准备,实现整个监控范围无死角。
实施例二
该实施例提供了一种基于智能平台的图像关键区域管理装置,其具体实现结构如图2所示,包括:监控摄像头21和图像关键区域管理智能平台22;其中所述的监控摄像头21,用于采集视频监控数据,并将视频监控数据传输给图像关键区域管理智能平台。所述的图像关键区域管理智能平台22,用于对视频监控数据进行筛选过滤、合并,提取有效图像数据,基于模板匹配的方法依据关键区域图像数据库中的各种关键区域的代表模板对有效图像数据进行关键区域识别。
例如,图像关键区域管理智能平台22设置在服务器端。例如,所述图像关键区域管理智能平台22中包括数据接收单元221、数据提取单元222、关键区域识别单元223、关键区域处理单元224和存储单元225。
例如,存储单元225中设置图像知识数据库和关键区域图像数据库,图像知识数据库中预先存储各种类别的图像的代表模板,关键区域图像数据库中预先存储视频数据中各种类别的关键区域图像的代表模板。数据接收单元221接收来自监控摄像头21传输的图像数据;数据提取单元222根据图像知识数据库预先存储的各种类别的图像的代表模板在图像数据中提取有效图像数据;关键区域识别单元223根据关键区域图像数据库中预先存储的不同类别的关键区域图像的代表模板识别有效图像数据中的关键区域;关键区域处理单元224调整所述关键区域(例如,对提高关键区域的分辨率)。
此外,监控摄像头21的数量可以为一个或多个(图2中示意了四个)。即在监控区域设置一个或者多个监控摄像头21,每个监控摄像头21的安装位置、镜头数量、拍摄方向和角度和监控区域的特征信息构成了监控摄像头21描述信息。例如,这些描述信息可以存储于图像知识数据库中,以用于更好的识别监控摄像头与其采集的图像数据。各个监控摄像头21实时对所监控的区域进行图像数据采集,将采集的图像数据通过有线或者无线通信网络传输给图像关键区域管理智能平台22中的数据接收单元221。
在由监控摄像头21采集的图像数据传输给数据接收单元221之后,数据接收单元221将接收到图像数据传输给数据提取单元222。所述的数据提取单元222执行以下步骤:
将接收到的每个监控摄像头21对应的图像数据分别分解为不同的帧图像,按照每个帧图像对应的采集时间从先到后的排列顺序,将所有的帧图像组成帧图像序列;
基于模板匹配的方法依据图像知识数据库中的各种类别的图像的代表模板对帧图像序列中的每个帧图像进行特征区域提取,如果帧图像中的某个区域的图像和图像知识数据库中存储的某种类别的图像的代表模板匹配,则记录该帧图像对应该某种类别的图像的特征区域,并记录该特征区域的位置信息;
对每个帧图像中的若干个区域的图像数据进行采样(例如,每个帧图像的采样数据占帧图像的所有数据的比例大于设定的数值),将相邻的帧图像对应的特征区域的数量、类别和位置信息进行比较,并将相邻的帧图像的相同区域的采样数据进行比较,如果相邻的帧图像对应的特征区域的数量和类别相同,各个特征区域的位置信息之间的差异小于设定的位置判定阈值,并且相邻的帧图像的所有区域的采样数据之间的差异小于设定的数据判定阈值,则判定该相邻的帧图像为重复的帧图像,从该相邻的帧图像中选取一个帧图像保存在上述帧图像系列中,将另外一个帧图像删除;
在对所述帧图像系列中的所有的相邻的帧图像进行重复图像删除后,以重新得到的帧图像系列作为监控摄像头对应的有效图像数据。
例如,数据提取单元22可以将每个监控摄像头的有效图像数据和每个监控摄像头的重新得到的帧图像系列中的每个帧图像对应的采集时间、特征区域的类别和位置信息发送给关键区域识别单元。
例如,此后,关键区域识别单元223还可以进行以下操作:基于模板匹配的方法依据关键区域图像数据库中的各种关键区域的代表模板对有效图像数据对应的重新得到的帧图像系列中的每个帧图像进行关键区域提取,如果帧图像中的某个区域的图像和关键区域图像数据库中存储的某种关键区域的代表模板匹配,则记录该帧图像中存在所述某种关键区域,并记录该关键区域的位置信息;将每个帧图像中存在的关键区域的位置信息发送给关键区域处理单元。
例如,关键区域处理单元224在接收到关键区域识别单元223发送的关键区域位置信息后,可以提高帧图像中关键区域的分辨率或者对关键区域的位置信息、关键区域的模板描述信息进行SVAC编码。
用本发明实施例的装置进行基于智能平台的图像关键区域管理的具体过程与前述方法实施例类似,此处不再赘述。
综上所述,本发明实施例通过利用智能平台,通过智能算法实时对监控画面做分析,可以自动有效地将视频数据中的突发事件等区域动态设定为关键区域,关键区域的识别准确性高。克服了人工识别视频耗费大量的精力、容易出现识别偏差的问题。
本发明实施例可以自动将该关键区域的分辨率提高,画面达到最佳清晰状态。还可以将关键区域的位置信息、关键区域的模板描述信息进行SVAC编码,纳入SVAC码流做承载。
本领域普通技术人员可以理解:附图只是一个实施例的示意图,附图中的单元或流程并不一定是实施本发明所必须的。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统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单元来实现本实施例方案的目的。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,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,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,可轻易想到的变化或替换,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该以权利要求的保护范围为准。
Claims (11)
1.一种图像关键区域管理方法,其特征在于,所述方法包括:
监控摄像头采集监控区域内的图像数据,并将采集到的图像数据传输给图像关键区域管理智能平台,所述图像关键区域管理平台用于识别监控摄像头的监控图像中的关键区域;
所述图像关键区域管理智能平台对所述图像数据进行筛选过滤、合并,以提取有效图像数据;
所述图像关键区域管理智能平台基于模板匹配的方法对提取的所述有效图像数据进行关键区域识别。
2.根据权利要求1所述的方法,其特征在于,所述关键区域管理智能平台设置在服务器端;所述关键区域管理智能平台的存储单元中设置图像知识数据库和关键区域图像数据库,所述关键区域管理智能平台的图像知识数据库中预先存储不同类别的图像的代表模板,所述关键区域图像数据库中预先存储不同类别的关键区域图像的代表模板;
其中,所述图像关键区域管理智能平台对所述图像数据进行筛选过滤、合并,以提取有效图像数据,包括:
根据所述图像知识数据库预先存储的所述不同类别的图像的代表模板在所述图像数据中提取有效图像数据;
其中,所述图像关键区域管理智能平台基于模板匹配的方法对提取的所述有效图像数据进行关键区域识别,包括:
根据所述关键区域图像数据库中预先存储的所述不同类别的关键区域图像的代表模板识别所述有效图像数据中的关键区域;
所述方法还包括:调整所述关键区域。
3.根据权利要求2所述的方法,其特征在于,所述监控摄像头采集监控区域内图像数据,并将采集到的图像数据传输给图像关键区域管理智能平台,包括:
在所述监控区域设置一个或者多个监控摄像头,每个监控摄像头实时采集所述监控的区域进行图像数据,并将采集的图像数据通过有线或者无线通信网络传输给所述图像关键区域管理智能平台;
其中每个监控摄像头的安装位置、镜头数量、拍摄方向和角度和监控区域的特征信息构成了监控摄像头描述信息。
4.根据权利要求2所述的方法,其特征在于,所述图像关键区域管理智能平台对所述图像数据进行筛选过滤、合并,以提取所述有效图像数据,包括:
将接收到的图像数据,将接收到的每个监控摄像头对应的图像数据分别分解为不同的帧图像,并按照每个帧图像对应的采集时间从先到后的排列顺序,将所有的帧图像组成帧图像序列;
基于模板匹配的方法依据所述图像知识数据库中的所述不同类别的图像的代表模板对帧图像序列中的每个帧图像进行特征区域提取,如果帧图像中的某个区域的图像和所述图像知识数据库中存储的某种类别的图像的代表模板匹配,则记录该帧图像对应该某种类别的图像的特征区域,并记录该特征区域的位置信息;
对每个帧图像中的若干个区域的图像数据进行采样,将相邻的帧图像对应的特征区域的数量、类别和位置信息进行比较,并将相邻的帧图像的相同区域的采样数据进行比较,如果相邻的帧图像对应的特征区域的数量和类别相同,且各个特征区域的位置信息之间的差异小于设定的位置判定阈值,并且相邻的帧图像的所有区域的采样数据之间的差异小于设定的数据判定阈值,则判定该相邻的帧图像为重复的帧图像,从该相邻的帧图像中选取一个帧图像保存在上述帧图像系列中,将另外一个帧图像删除;
在将所述帧图像系列中所有的相邻的帧图像进行重复图像删除后,以重新得到的帧图像系列作为监控摄像头对应的有效图像数据。
5.根据权利要求4所述的方法,其特征在于,所述图像关键区域管理智能平台基于模板匹配的方法依据所述关键区域图像数据库中的所述不同类别的关键区域图像的代表模板对所述有效图像数据进行关键区域识别,包括:
接收每个监控摄像头的有效图像数据和每个监控摄像头的重新得到的帧图像系列中的每个帧图像对应的采集时间、特征区域的类别和位置信息;
基于模板匹配的方法依据所述关键区域图像数据库中的所述不同关键区域的代表模板对所述有效图像数据对应的重新得到的帧图像系列中的每个帧图像进行关键区域提取,如果帧图像中的某个区域的图像和所述关键区域图像数据库中存储的某种关键区域的代表模板匹配,则记录该帧图像中存在所述某种关键区域,并记录该关键区域的位置信息。
6.根据权利要求5所述的方法,其特征在于,所述的方法还包括:
提高帧图像中关键区域的分辨率和/或对关键区域的位置信息、关键区域的模板描述信息进行SVAC编码。
7.一种图像关键区域管理装置,其特征在于,包括:监控摄像头和图像关键区域管理智能平台;
所述的监控摄像头,用于采集监控区域内的图像数据,并将所述图像数据传输给所述图像关键区域管理智能平台;
所述图像关键区域管理智能平台,用于对接收到的所述图像数据进行筛选过滤、合并,提取有效图像数据,并基于模板匹配的方法对所述有效图像数据进行关键区域识别。
8.根据权利要求7所述的装置,其特征在于,所述图像关键区域管理智能平台中包括数据接收单元、数据提取单元、关键区域识别单元、关键区域处理单元和存储单元;其中所述存储单元中设置图像知识数据库和关键区域图像数据库,所述图像知识数据库中预先存储不同类别的图像的代表模板,所述关键区域图像数据库中预先存储不同类别的关键区域图像的代表模板;
所述数据接收单元接收来自所述监控摄像头传输的图像数据;
所述数据提取单元根据所述图像知识数据库预先存储的所述不同类别的图像的代表模板在所述图像数据中提取有效图像数据;
所述关键区域识别单元根据所述关键区域图像数据库中预先存储的所述不同类别的关键区域图像的代表模板识别所述有效图像数据中的关键区域;
所述关键区域处理单元调整所述关键区域。
9.根据权利要求8所述的装置,其特征在于,所述监控摄像头的数量为一个或多个,每个监控摄像头实时采集所述监控区域的图像数据,并将采集的图像数据通过有线或者无线通信网络分别传输给所述数据接收单元;其中每个监控摄像头的安装位置、镜头数量、拍摄方向和角度和监控区域的特征信息构成了该监控摄像头描述信息,所述描述信息用于确认该监控摄像头。
10.根据权利要求9所述的装置,其特征在于:
所述数据提取单元用于将接收到的每个监控摄像头对应的图像数据分别分解为不同的帧图像,按照每个帧图像对应的采集时间从先到后的排列顺序,将所有的帧图像组成帧图像序列;
基于模板匹配的方法依据所述图像知识数据库中的所述不同类别的图像的代表模板对帧图像序列中的每个帧图像进行特征区域提取,如果帧图像中的某个区域的图像和所述图像知识数据库中存储的某种类别的图像的代表模板匹配,则记录该帧图像对应该某种类别的图像的特征区域,并记录该特征区域的位置信息;
对每个帧图像中的若干个区域的图像数据进行采样,将相邻的帧图像对应的特征区域的数量、类别和位置信息进行比较,并将相邻的帧图像的相同区域的采样数据进行比较,如果相邻的帧图像对应的特征区域的数量和类别相同,各个特征区域的位置信息之间的差异小于设定的位置判定阈值,并且相邻的帧图像的所有区域的采样数据之间的差异小于设定的数据判定阈值,则判定该相邻的帧图像为重复的帧图像,从该相邻的帧图像中选取一个帧图像保存在上述帧图像系列中,将另外一个帧图像删除;
在对所述帧图像系列中的所有的相邻的帧图像进行重复图像删除后,以重新得到的帧图像系列作为所述监控摄像头对应的有效图像数据。
11.根据权利要求10所述的装置,其特征在于,
所述的数据提取单元用于将每个监控摄像头的有效图像数据和每个监控摄像头的重新得到的帧图像系列中的每个帧图像对应的采集时间、特征区域的类别和位置信息发送给关键区域识别单元;
所述的关键区域识别单元用于基于模板匹配的方法依据所述关键区域图像数据库中的所述不同关键区域的代表模板对有效图像数据对应的重新得到的帧图像系列中的每个帧图像进行关键区域提取,如果帧图像中的某个区域的图像和关键区域图像数据库中存储的某种关键区域的代表模板匹配,则记录该帧图像中存在所述某种关键区域,并记录该关键区域的位置信息;将每个帧图像中存在的关键区域的位置信息发送给关键区域处理单元;
所述的关键区域处理单元用于提高帧图像中关键区域的分辨率或者对关键区域的位置信息、关键区域的模板描述信息进行SVAC编码。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710549594.5A CN107358190A (zh) | 2017-07-07 | 2017-07-07 | 一种图像关键区域管理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710549594.5A CN107358190A (zh) | 2017-07-07 | 2017-07-07 | 一种图像关键区域管理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107358190A true CN107358190A (zh) | 2017-11-17 |
Family
ID=60291685
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710549594.5A Pending CN107358190A (zh) | 2017-07-07 | 2017-07-07 | 一种图像关键区域管理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107358190A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108829762A (zh) * | 2018-05-28 | 2018-11-16 | 思百达物联网科技(北京)有限公司 | 基于视觉的小目标识别方法和装置 |
CN108874910A (zh) * | 2018-05-28 | 2018-11-23 | 思百达物联网科技(北京)有限公司 | 基于视觉的小目标识别系统 |
CN109960961A (zh) * | 2017-12-14 | 2019-07-02 | 中国电信股份有限公司 | 行人识别方法和装置 |
CN113625603A (zh) * | 2021-07-27 | 2021-11-09 | 金鹏电子信息机器有限公司 | 基于大数据的安防监控管理系统及管理方法 |
CN114612742A (zh) * | 2022-03-09 | 2022-06-10 | 山东大学 | 输电线路小目标缺陷检测的方法及系统 |
CN116168375A (zh) * | 2022-12-29 | 2023-05-26 | 中汽传媒(天津)有限公司 | 一种汽车零部件智能识别方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915521A (zh) * | 2012-08-30 | 2013-02-06 | 中兴通讯股份有限公司 | 一种移动终端图像处理方法及装置 |
CN103024348A (zh) * | 2012-11-06 | 2013-04-03 | 前卫视讯(北京)科技发展有限公司 | 视频监控的运维管理系统 |
WO2014144408A2 (en) * | 2013-03-15 | 2014-09-18 | Nito, Inc. | Systems, methods, and software for detecting an object in an image |
CN104915655A (zh) * | 2015-06-15 | 2015-09-16 | 西安电子科技大学 | 一种多路监控视频的管理方法与设备 |
KR101737430B1 (ko) * | 2015-11-06 | 2017-05-19 | 주식회사 지오멕스소프트 | 동적 배경을 가진 영상의 대상 객체 검출 방법 |
-
2017
- 2017-07-07 CN CN201710549594.5A patent/CN107358190A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915521A (zh) * | 2012-08-30 | 2013-02-06 | 中兴通讯股份有限公司 | 一种移动终端图像处理方法及装置 |
CN103024348A (zh) * | 2012-11-06 | 2013-04-03 | 前卫视讯(北京)科技发展有限公司 | 视频监控的运维管理系统 |
WO2014144408A2 (en) * | 2013-03-15 | 2014-09-18 | Nito, Inc. | Systems, methods, and software for detecting an object in an image |
CN104915655A (zh) * | 2015-06-15 | 2015-09-16 | 西安电子科技大学 | 一种多路监控视频的管理方法与设备 |
KR101737430B1 (ko) * | 2015-11-06 | 2017-05-19 | 주식회사 지오멕스소프트 | 동적 배경을 가진 영상의 대상 객체 검출 방법 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109960961A (zh) * | 2017-12-14 | 2019-07-02 | 中国电信股份有限公司 | 行人识别方法和装置 |
CN108829762A (zh) * | 2018-05-28 | 2018-11-16 | 思百达物联网科技(北京)有限公司 | 基于视觉的小目标识别方法和装置 |
CN108874910A (zh) * | 2018-05-28 | 2018-11-23 | 思百达物联网科技(北京)有限公司 | 基于视觉的小目标识别系统 |
CN108829762B (zh) * | 2018-05-28 | 2020-09-04 | 思百达物联网科技(北京)有限公司 | 基于视觉的小目标识别方法和装置 |
CN108874910B (zh) * | 2018-05-28 | 2021-08-17 | 思百达物联网科技(北京)有限公司 | 基于视觉的小目标识别系统 |
CN113625603A (zh) * | 2021-07-27 | 2021-11-09 | 金鹏电子信息机器有限公司 | 基于大数据的安防监控管理系统及管理方法 |
CN113625603B (zh) * | 2021-07-27 | 2023-06-23 | 金鹏电子信息机器有限公司 | 基于大数据的安防监控管理系统及管理方法 |
CN114612742A (zh) * | 2022-03-09 | 2022-06-10 | 山东大学 | 输电线路小目标缺陷检测的方法及系统 |
CN116168375A (zh) * | 2022-12-29 | 2023-05-26 | 中汽传媒(天津)有限公司 | 一种汽车零部件智能识别方法及系统 |
CN116168375B (zh) * | 2022-12-29 | 2023-07-04 | 中汽传媒(天津)有限公司 | 一种汽车零部件智能识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107358190A (zh) | 一种图像关键区域管理方法和装置 | |
CN107205137A (zh) | 一种监控识别方法和装置 | |
CN109299683B (zh) | 一种基于人脸识别和行为大数据的安防评估系统 | |
CN110428522B (zh) | 一种智慧新城的智能安防系统 | |
CN106998444B (zh) | 一种大数据人脸监控系统 | |
CN108174165A (zh) | 电力安全作业及运维智能监管系统及方法 | |
CN110808945B (zh) | 一种基于元学习的小样本场景下网络入侵检测方法 | |
CN108564052A (zh) | 基于mtcnn的多摄像头动态人脸识别系统与方法 | |
KR102035592B1 (ko) | 육안 인식 검사원의 부하경감을 위한 등급별 영상인식 기술을 이용한 cctv 영상내 의심물체 부분검사 지원 시스템 및 방법 | |
CN109903414A (zh) | 一种基于物联网监控办公考勤控制系统及方法 | |
CN109389794A (zh) | 一种智能化视频监控方法和系统 | |
CN107194396A (zh) | 国土资源视频监控系统中基于特定违章建筑识别预警方法 | |
CN109543631A (zh) | 一种基于机器学习的火灾图像探测报警方法 | |
CN102929887A (zh) | 一种基于声音特征识别的快速录像检索方法及系统 | |
CN110096945B (zh) | 基于机器学习的室内监控视频关键帧实时提取方法 | |
CN104834739B (zh) | 互联网信息存储系统 | |
CN112084928A (zh) | 基于视觉注意力机制和ConvLSTM网络的道路交通事故检测方法 | |
CN111460940A (zh) | 一种陌生人落脚点研判方法与系统 | |
CN106485217A (zh) | 一种识别游览景区人流饱和度的方法与系统 | |
CN108256447A (zh) | 一种基于深度神经网络的无人机航拍视频分析方法 | |
CN109766743A (zh) | 一种智能仿生警察系统 | |
CN115269438A (zh) | 针对图像处理算法的自动化测试方法及装置 | |
CN111064928A (zh) | 一种具有人脸识别功能的视频监控系统 | |
CN110336959A (zh) | 一种原创视频自动化处理方法 | |
CN107358191A (zh) | 视频报警检测方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171117 |