CN108711157A - 一种基于计算机视觉的前景物体提取解决方法 - Google Patents

一种基于计算机视觉的前景物体提取解决方法 Download PDF

Info

Publication number
CN108711157A
CN108711157A CN201810492426.1A CN201810492426A CN108711157A CN 108711157 A CN108711157 A CN 108711157A CN 201810492426 A CN201810492426 A CN 201810492426A CN 108711157 A CN108711157 A CN 108711157A
Authority
CN
China
Prior art keywords
foreground object
computer vision
algorithm
image
object based
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
Application number
CN201810492426.1A
Other languages
English (en)
Inventor
高永光
王庆庆
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.)
Shenzhen Tengshi Technology Co Ltd
Original Assignee
Shenzhen Tengshi Technology 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 Shenzhen Tengshi Technology Co Ltd filed Critical Shenzhen Tengshi Technology Co Ltd
Priority to CN201810492426.1A priority Critical patent/CN108711157A/zh
Publication of CN108711157A publication Critical patent/CN108711157A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06T2207/10048—Infrared image

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于计算机视觉的前景物体提取解决方法，包含以下步骤：A、获得近红外摄像图像；并存储；B、将图像在一定阈值下进行二值化处理；C、对二值化图像使用算法提取前景物体位置区域；D、处理结束后反馈回上级进行其他处理。本发明连通域标记使用的算法在只遍历一次算法的基础上创造性的使用了一种等值变换的算法，消除了动态内存申请释放的过程，并且具有极低的运算开销。

Description

一种基于计算机视觉的前景物体提取解决方法
技术领域
本发明涉及计算机技术领域，具体是一种基于计算机视觉的前景物体提取解决方法。
背景技术
当前物联网技术日趋发达，人工智能技术迅速发展，基于计算机视觉技术的具有事物检测功能的智能摄像头迅速普及。
前景物体提取一般使用的算法都具有较高的时空复杂性，例如深度学习领域的各种算法，分水岭算法，GrabCut算法等。使用近红外光源的智能摄像头，车载摄像头和安防摄像头，其硬件资源有限，无法承载时空复杂度较大的算法执行，或其功耗较大，长久则影响设备稳定与寿命，无形中增加了服务使用的成本。
在前景物体提取时，一般均要进行二值图像分析。二值图像分析最重要的方法就是连通区域标记，它是所有二值图像分析的基础，它通过对二值图像中白色像素(目标)的标记，让每个单独的连通区域形成一个被标识的块，进一步的我们就可以获取这些块的轮廓、外接矩形、质心、不变矩等几何参数。
连通区域分析是一种在CVPR和图像分析处理的众多应用领域中较为常用和基本的方法。例如：OCR识别中字符分割提取(车牌识别、文本识别、字幕识别等)、视觉跟踪中的运动前景目标分割与提取(行人入侵检测、遗留物体检测、基于视觉的车辆检测与跟踪等)、医学图像处理(感兴趣目标区域提取)、等等。也就是说，在需要将前景目标提取出来以便后续进行处理的应用场景中都能够用到连通区域分析方法，通常连通区域分析处理的对象是一张二值化后的图像。
常见的连通域算法有在matlab中连通区域标记函数bwlabel中使用的算法，开源库cvBlob中使用的标记算法，两遍扫描法，种子填充法等。
在资源有限的平台上，既要考虑到计算速度限制带来的计算量尽量小的要求，又要考虑到平台对计算种类的限制问题。一些一次遍历的算法需要使用动态空间开辟，频繁的内存申请释放会造成内存空间碎片，使系统不稳定。为了解决DSP等嵌入式平台上发生这类问题，创新的发明该解决方案。
发明内容
本发明的目的在于提供一种基于计算机视觉的前景物体提取解决方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于计算机视觉的前景物体提取解决方法，包含以下步骤：
A、获得近红外摄像图像；并存储；
B、将图像在一定阈值下进行二值化处理；
C、对二值化图像使用算法提取前景物体位置区域；
D、处理结束后反馈回上级进行其他处理。
作为本发明的进一步技术方案：所述步骤A中的红外摄像图像通过红外感受器获得。
作为本发明的进一步技术方案：图像的处理是通过行扫描一个个点进行的。
作为本发明的进一步技术方案：扫描顺序为由上至下，由左至右。
作为本发明的进一步技术方案：所述步骤A中获得的红外摄像图像存储在缓冲池中。
与现有技术相比，本发明的有益效果是：本发明连通域标记使用的算法在只遍历一次算法的基础上创造性的使用了一种等值变换的算法，消除了动态内存申请释放的过程，并且具有极低的运算开销。
附图说明
图1是连通域算法的说明例图。
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，所描述的实施例仅仅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。
请参阅图1，一种基于计算机视觉的前景物体提取解决方法，包含以下步骤：
首先从红外感受器接受图像信息，信息存储在缓冲池中，处理器获得其位置，交由DSP或其他处理核进行处理。主要处理程序说明如下：
1、将获得的图像进行缩放，符合一定的粒度；
2、第一个像素特殊处理，默认背景为黑色(其像素值为0)，进行归属设置；
3、处理第一行除第一个像素之外的像素，进行相应归属设置；
4、对其余像素，按照一般顺序进行处理，对每一个像素，都要进行上方的3个像素判断，根据表一进行处理方法的选择；
5、处理结果保存为一个矩阵，该矩阵即为所在图像的连通域的信息，通过访问该矩阵可以得到所有需要的数据。
图像的处理是通过行扫描一个个点进行的，由上至下，由左至右，每一个新的点(设为点P)的状态只可能与其5，6,7,4位置的点(见图1)有关。每个点的当前归属要经过一个判断，该判断由5,6,7这3个位置的值共同决定的，根据值排列的不同进行不同的处理，见下表。
情况编号 情况表示 出现状态
0 000 0
1 001 1
2 010 1
3 011 1
4 100 1
5 101 2
6 110 1
7 111 1
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (5)

1.一种基于计算机视觉的前景物体提取解决方法，其特征在于，包含以下步骤：
A、获得近红外摄像图像；并存储；
B、将图像在一定阈值下进行二值化处理；
C、对二值化图像使用算法提取前景物体位置区域；
D、处理结束后反馈回上级进行其他处理。
2.根据权利要求1所述的一种基于计算机视觉的前景物体提取解决方法，其特征在于，所述步骤A中的红外摄像图像通过红外感受器获得。
3.根据权利要求1所述的一种基于计算机视觉的前景物体提取解决方法，其特征在于，图像的处理是通过行扫描一个个点进行的。
4.根据权利要求3所述的一种基于计算机视觉的前景物体提取解决方法，其特征在于，扫描顺序为由上至下，由左至右。
5.根据权利要求3所述的一种基于计算机视觉的前景物体提取解决方法，其特征在于，所述步骤A中获得的红外摄像图像存储在缓冲池中。
CN201810492426.1A 2018-05-22 2018-05-22 一种基于计算机视觉的前景物体提取解决方法 Pending CN108711157A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810492426.1A CN108711157A (zh) 2018-05-22 2018-05-22 一种基于计算机视觉的前景物体提取解决方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810492426.1A CN108711157A (zh) 2018-05-22 2018-05-22 一种基于计算机视觉的前景物体提取解决方法

Publications (1)

Publication Number Publication Date
CN108711157A true CN108711157A (zh) 2018-10-26

Family

ID=63868474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810492426.1A Pending CN108711157A (zh) 2018-05-22 2018-05-22 一种基于计算机视觉的前景物体提取解决方法

Country Status (1)

Country Link
CN (1) CN108711157A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111626304A (zh) * 2020-05-20 2020-09-04 中国科学院新疆理化技术研究所 一种基于机器视觉的颜色特征提取方法及其应用
CN113450373A (zh) * 2020-08-18 2021-09-28 中国人民解放军63729部队 一种基于光学实况图像的运载火箭飞行过程特征事件实时判别方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009031751A1 (en) * 2007-09-05 2009-03-12 Electronics And Telecommunications Research Institute Video object extraction apparatus and method
CN103093471A (zh) * 2013-01-24 2013-05-08 青岛智目科技有限公司 一种复杂背景下前景提取方法
CN103544693A (zh) * 2013-04-11 2014-01-29 Tcl集团股份有限公司 一种前景目标的提取方法和系统
CN105005969A (zh) * 2015-06-18 2015-10-28 辰通智能设备(深圳)有限公司 一种票据图像涂改检测方法及系统
US20180130186A1 (en) * 2015-07-14 2018-05-10 Apical Limited Hybrid machine learning systems

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009031751A1 (en) * 2007-09-05 2009-03-12 Electronics And Telecommunications Research Institute Video object extraction apparatus and method
CN103093471A (zh) * 2013-01-24 2013-05-08 青岛智目科技有限公司 一种复杂背景下前景提取方法
CN103544693A (zh) * 2013-04-11 2014-01-29 Tcl集团股份有限公司 一种前景目标的提取方法和系统
CN105005969A (zh) * 2015-06-18 2015-10-28 辰通智能设备(深圳)有限公司 一种票据图像涂改检测方法及系统
US20180130186A1 (en) * 2015-07-14 2018-05-10 Apical Limited Hybrid machine learning systems

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111626304A (zh) * 2020-05-20 2020-09-04 中国科学院新疆理化技术研究所 一种基于机器视觉的颜色特征提取方法及其应用
CN111626304B (zh) * 2020-05-20 2023-08-04 中国科学院新疆理化技术研究所 一种基于机器视觉的颜色特征提取方法及其应用
CN113450373A (zh) * 2020-08-18 2021-09-28 中国人民解放军63729部队 一种基于光学实况图像的运载火箭飞行过程特征事件实时判别方法

Similar Documents

Publication Publication Date Title
US11830230B2 (en) Living body detection method based on facial recognition, and electronic device and storage medium
CN113033465B (zh) 活体检测模型训练方法、装置、设备以及存储介质
US11676390B2 (en) Machine-learning model, methods and systems for removal of unwanted people from photographs
CN112419170B (zh) 遮挡检测模型的训练方法及人脸图像的美化处理方法
US20080193020A1 (en) Method for Facial Features Detection
US20100278426A1 (en) Systems and methods for rule-based segmentation for objects with full or partial frontal view in color images
CN112036455B (zh) 一种图像识别方法、智能终端和存储介质
US8103058B2 (en) Detecting and tracking objects in digital images
CN108108734B (zh) 一种车牌识别方法及装置
CN109711407B (zh) 一种车牌识别的方法及相关装置
Murala et al. Joint histogram between color and local extrema patterns for object tracking
Zhu et al. Automatic object detection and segmentation from underwater images via saliency-based region merging
CN108711157A (zh) 一种基于计算机视觉的前景物体提取解决方法
CN115588188A (zh) 一种机车、车载终端和驾驶员行为识别方法
CN112686247A (zh) 一种身份证号码检测方法、装置、可读存储介质和终端
KR101600617B1 (ko) 영상내 사람 검출 방법
CN112257628A (zh) 一种户外比赛运动员的身份识别方法、装置及设备
KR101592087B1 (ko) 배경 영상의 위치를 이용한 관심맵 생성 방법 및 이를 기록한 기록 매체
CN116206307A (zh) 图像标注方法、装置、电子设备及存储介质
Smacki et al. Lip print pattern extraction using top-hat transform
CN113723310A (zh) 基于神经网络的图像识别方法及相关装置
JP2008152611A (ja) 画像認識装置、電子機器、画像認識方法及び画像認識プログラム
CN111259744B (zh) 一种基于皮肤模型和svm分类器的人脸检测方法及其装置
Dawadi et al. Devanagari License Plate Detection, Classification and Recognition
CN116012248B (zh) 图像处理方法、装置、计算机设备及计算机存储介质

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

Application publication date: 20181026

RJ01 Rejection of invention patent application after publication