CN109726686A - 场景识别方法、装置、计算机设备和存储介质 - Google Patents
场景识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109726686A CN109726686A CN201811640752.9A CN201811640752A CN109726686A CN 109726686 A CN109726686 A CN 109726686A CN 201811640752 A CN201811640752 A CN 201811640752A CN 109726686 A CN109726686 A CN 109726686A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- minimum value
- pixels
- channel
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本申请涉及一种场景识别方法、装置、计算机设备和存储介质。方法包括:对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集,获取第一色系像素集对应的第一最小值集及第二色系像素集对应的第二最小值集,并利用第一最小值集以及第二最小值集得到预设帧图像对应的最小值图像;其中,将第一最小值集和第二最小值集中的每一个最小值作为最小值图像中对应位置处像素的灰度值,获取与最小值图像对应的暗通道图像。根据暗通道图像,识别预设帧图像所属的场景类型,从而可以快速准确的对图像所属的场景进行判断,满足时效性需求。
Description
技术领域
本申请涉及图像识别技术领域,特别是涉及一种场景识别方法、装置、计算机设备和存储介质。
背景技术
场景识别是运动目标检测和跟踪的前提,对实现运动目标的检测跟踪是至关重要的。传统的场景识别方法分为两种,第一种是利用诸如尺度不变特征变换(Scale-invariant feature transform,SIFT)、加速鲁棒特征(Speeded Up RobustFeatures,Surf)、方向梯度直方图(Histogram of Oriented Gradient,HOG)等算子提取环境特征,结合有监督的机器学习方法,比如贝叶斯理论,支持向量机等,对图像场景进行识别;第二种是基于深度学习进行场景识别,通过对大量的数据进行训练,提取高层语义特征来进行场景识别。但是,这两种方法都存在运算量大和内存占用多等问题,无法满足实际应用中实时性的需求。
发明内容
基于此,有必要针对上述技术问题,提供一种能够实时识别出图像场景的场景识别方法、装置、计算机设备和存储介质。
一种场景识别方法,所述方法包括:
对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集;
获取所述第一色系像素集对应的第一最小值集及所述第二色系像素集对应的第二最小值集,并利用所述第一最小值集以及所述第二最小值集得到所述预设帧图像对应的最小值图像;其中,将所述第一最小值集和所述第二最小值集中的每一个最小值作为所述最小值图像中对应位置处像素的灰度值;
获取与所述最小值图像对应的暗通道图像;
根据所述暗通道图像,识别所述预设帧图像所属的场景类型。
在其中一个实施例中,所述第一色系像素集包括至少一个蓝色系像素;所述第二色系像素集包括至少一个非蓝色系像素;
所述对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集,包括:
若所述预设帧图像的任一像素在蓝色通道的数值大小大于所述像素在红色通道的数值大小,且所述像素在蓝色通道的数值大小大于所述像素在绿色通道的数值大小,则将所述像素确定为所述蓝色系像素;
若所述预设帧图像的任一像素在所述蓝色通道的数值大小小于所述像素在所述红色通道的数值大小,和/或,所述像素在蓝色通道的数值大小小于所述像素在所述绿色通道的数值大小,则将所述像素确定为所述非蓝色系像素。
在其中一个实施例中,所述方法还包括:
若所述预设帧图像的任一像素在所述蓝色通道的数值与所述像素在所述绿色通道的数值的差值小于第一预设阈值,则将所述像素确定为所述非蓝色系像素。
在其中一个实施例中,所述获取所述第一色系像素集对应的第一最小值集及所述第二色系像素集对应的第二最小值集,包括:
将所述第一色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的最大值,或将所述第一色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的均值,或将第二预设阈值,确定为与所述第一色系像素集中的像素对应的第一最小值集;
将所述第二色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的最小值确定为与所述第二色系像素集中的像素对应的第二最小值集。
在其中一个实施例中,所述获取与所述最小值图像对应的暗通道图像,包括:
对所述最小值图像进行滤波,得到所述暗通道图像。
在其中一个实施例中,所述根据所述暗通道图像,识别所述预设帧图像所属的场景类型,包括:
根据所述暗通道图像的像素的灰度值,将所述暗通道图像的像素划分为天空像素和地面像素;
根据所述天空像素和所述地面像素,识别所述预设帧图像所属的场景类型。
在其中一个实施例中,所述根据所述暗通道图像的像素的灰度值,将所述暗通道图像的像素划分为天空像素和地面像素,包括:
若所述暗通道图像的像素的灰度值大于第三预设阈值,则将所述像素确定为所述天空像素;
若所述暗通道图像的像素的灰度值小于所述第三预设阈值,则将所述像素确定为所述地面像素。
在其中一个实施例中,所述场景类型包括高空场景、低空场景、地面场景;
所述根据所述天空像素和所述地面像素,识别所述预设帧图像所属的场景类型,包括:
获取所述天空像素的数量与所述地面像素的数量的比值;
比较所述比值与第四预设阈值、第五预设阈值的大小关系;其中,所述第四预设阈值大于所述第五预设阈值;
若所述比值大于所述第四预设阈值,则识别所述预设帧图像所属的场景类型为所述高空场景;
若所述比值小于所述第五预设阈值,则识别所述预设帧图像所属的场景类型为所述地面场景;
若所述比值小于所述第四预设阈值且大于所述第五预设阈值,则识别所述预设帧图像所属的场景类型为所述低空场景。
一种场景识别装置,所述装置包括:
像素划分模块,用于对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集;
最小值图像获取模块,用于获取所述第一色系像素集对应的第一最小值集及所述第二色系像素集对应的第二最小值集,并利用所述第一最小值集以及所述第二最小值集得到所述预设帧图像对应的最小值图像;其中,将所述第一最小值集和所述第二最小值集中的每一个最小值作为所述最小值图像中对应位置处像素的灰度值;
暗通道图像获取模块,用于获取与所述最小值图像对应的暗通道图像;
场景识别模块,用于根据所述暗通道图像,识别所述预设帧图像所属的场景类型。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在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以下步骤:
对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集;
获取所述第一色系像素集对应的第一最小值集及所述第二色系像素集对应的第二最小值集,并利用所述第一最小值集以及所述第二最小值集得到所述预设帧图像对应的最小值图像;其中,将所述第一最小值集和所述第二最小值集中的每一个最小值作为所述最小值图像中对应位置处像素的灰度值;
获取与所述最小值图像对应的暗通道图像;
根据所述暗通道图像,识别所述预设帧图像所属的场景类型。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集;
获取所述第一色系像素集对应的第一最小值集及所述第二色系像素集对应的第二最小值集,并利用所述第一最小值集以及所述第二最小值集得到所述预设帧图像对应的最小值图像;其中,将所述第一最小值集和所述第二最小值集中的每一个最小值作为所述最小值图像中对应位置处像素的灰度值;
获取与所述最小值图像对应的暗通道图像;
根据所述暗通道图像,识别所述预设帧图像所属的场景类型。
上述场景识别方法、装置、计算机设备和存储介质,对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集;获取第一色系像素集对应的第一最小值集及第二色系像素集对应的第二最小值集,并利用第一最小值集以及第二最小值集得到预设帧图像对应的最小值图像;其中,将第一最小值集和第二最小值集中的每一个最小值作为最小值图像中对应位置处像素的灰度值;获取与最小值图像对应的暗通道图像;根据暗通道图像,识别预设帧图像所属的场景类型。其中,通过将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集获得暗通道图像,因为该暗通道图像主要是通过图像的颜色特征来获取的,该方法简单快速,从而利用暗通道图像的暗通道先验信息,可以快速、准确的对图像所属的场景进行判断,满足时效性需求。
附图说明
图1为一个实施例中场景识别方法的应用环境图;
图2为一个实施例中场景识别方法的流程示意图;
图3为一个实施例中S204的细化步骤的流程示意图;
图4为一个实施例中S2042的细化步骤的流程示意图;
图5为天空场景图像的场景识别结果;
图6为低空场景图像的场景识别结果;
图7为地面场景图像的场景识别结果;
图8为一个实施例中场景识别装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
现有的暗通道先验理论指明,对于任意一副可见光的彩色图像,其局部区域中,除了天空区域,总有一些像素在蓝色通道、红色通道和绿色通道中,至少有一个通道的值很低,造成这种现象的因素主要是一些颜色鲜艳的物体(例如,绿色的草地)、物体的阴影(例如,建筑物、树木等产生的阴影),或者,一些表面颜色很暗的物体(灰暗色的树干和石头)等。其中,在现实生活中,天空多是灰白色或蓝色,当天空为灰白色时,其对应的像素在蓝色通道、红色通道和绿色通道的值一般都很高;当天空为蓝色时,其对应的像素在红色通道或绿色通道的值有可能会很低。因此,天空区域的像素不完全符合上述暗通道的先验理论。根据上述情况,本发明实施例提出了利用暗通道信息来划分天空区域和地面区域,进而实现天空和地面的场景识别。
本申请提供的场景识别方法,可以应用于如图1所示的应用环境中。其中,传感器10通过网络20与光电设备30进行通信。传感器10具有视频采集功能,传感器10可以是雷达等探测设备。当传感器10监测到可疑目标后,通过网络20将采集到的待测视频流发送至光电设备30。需要说明的是,也可以包括一个图像采集装置,传感器10与图像采集装置相连接,图像采集装置通过网络20与光电设备30进行通信,当传感器10监测到可疑目标后,发送信息至图像采集装置,图像采集装置将采集到待测视频流发送至光电设备30,或者,当传感器10监测到可疑目标后,发送信息至光电设备30,光电设备30通过网络获取图像采集装置采集到待测视频流。其中,光电设备30内置处理器,该处理器对待测视频流中的预设帧图像进行颜色判断,将待测视频流中的预设帧图像的像素分为第一色系像素集和第二色系像素集,并根据第一色系像素集和第二色系像素集确定与预设帧图像对应的暗通道图像,根据暗通道图像,识别预设帧图像所属的场景类型。
在一个实施例中,如图2所示,提供了一种场景识别方法,以该方法应用于图1为例进行说明,包括以下步骤:
S201,对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集;
其中,预设帧图像是待测视频流中的任意一帧图像,可选的,预设帧图像是待测视频流中的第一帧图像。
其中,每一个像素在蓝色通道、红色通道和绿色通道都有各自的数值,第一色系像素集是由一些在蓝色通道的数值较大的像素组成的集合,第二色系像素集是由一些在蓝色通道的数值较小的像素组成的集合。
S202,获取所述第一色系像素集对应的第一最小值集及所述第二色系像素集对应的第二最小值集,并利用所述第一最小值集以及所述第二最小值集得到所述预设帧图像对应的最小值图像;其中,将所述第一最小值集和所述第二最小值集中的每一个最小值作为所述最小值图像中对应位置处像素的灰度值;
在本发明实施例中,可以根据每个像素在蓝色通道、红色通道和绿色通道三个通道中的数值大小,确定对应的最小值,或者,将预设阈值确定为对应的最小值。
其中,在第一色系像素集和第二色系像素集中的每一个像素对应着一个最小值,将第一色系像素集和第二色系像素集中的最小值作为最小值图像中对应位置处像素的灰度值,第一色系像素集和第二色系像素集中的最小值在最小值图像中的位置与第一色系像素集和第二色系像素集中的每一个像素的位置相对应,即第一最小值集和第二最小值集中的每一个最小值与最小值图像中的每一个像素的位置一一对应。
S203,获取与所述最小值图像对应的暗通道图像;
在本发明实施例中,因为最小值图像中噪声过多,可以对最小值图像进行图像降噪处理等,得到对应的暗通道图像。
S204,根据所述暗通道图像,识别所述预设帧图像所属的场景类型。
在本发明实施例中,通过对暗通道图像中的每个像素的灰度值进行分析,从而确定预设帧图像所属的场景类型。
需要说明的是,由于本发明是利用暗通道信息来实现场景识别的,而暗通道图像主要是根据在蓝色通道、红色通道和绿色通道三个通道的灰度值来求解,因此,本发明主要适用于可见光场景下彩色图像的场景识别。
上述场景识别方法,对待测视频流中的预设帧图像进行颜色判断,将待测视频流中的预设帧图像的像素分为第一色系像素集和第二色系像素集,获取第一色系像素集对应的第一最小值集及第二色系像素集对应的第二最小值集,并利用第一最小值集以及第二最小值集得到预设帧图像对应的最小值图像,其中,将第一最小值集和第二最小值集中的每一个最小值作为最小值图像中对应位置处像素的灰度值,获取与最小值图像对应的暗通道图像,根据暗通道图像,识别预设帧图像所属的场景类型。其中,通过将待测视频流中的预设帧图像的像素分为第一色系像素集和第二色系像素集获得暗通道图像,因为暗通道图像主要是通过图像的颜色特征来获取的,方法简单快速,从而利用暗通道图像的暗通道先验信息,可以快速、准确的对图像所属的场景进行判断,满足时效性需求。
在一个实施例中,可选的,所述第一色系像素集包括至少一个蓝色系像素;所述第二色系像素集包括至少一个非蓝色系像素;
若所述预设帧图像的任一像素在蓝色通道的数值大小大于所述像素在红色通道的数值大小,且所述像素在蓝色通道的数值大小大于所述像素在绿色通道的数值大小,则将所述像素确定为所述蓝色系像素;
若所述预设帧图像的任一像素在所述蓝色通道的数值大小小于所述像素在所述红色通道的数值大小,和/或,所述像素在蓝色通道的数值大小小于所述像素在所述绿色通道的数值大小,则将所述像素确定为所述非蓝色系像素。
在本发明实施例中,若一个像素在蓝色通道的值比其在红色通道的值和绿色通道的值都大,则认为像素为蓝色系像素,否则为非蓝色系像素。
需要说明的是,天空多为灰白色和蓝色,而上述颜色判断方法却是用来判断蓝色系和非蓝色系,其原因在于当天空为灰白色时,其包含的所有像素在在蓝色通道、红色通道和绿色通道三个通道的灰度值都很高,不符合暗通道先验理论。因此,可不用额外设定用于判断灰白色系的颜色判断方法。
在一个实施例中,可选的,若所述预设帧图像的任一像素在所述蓝色通道的数值与所述像素在所述绿色通道的数值的差值小于第一预设阈值,则将所述像素确定为所述非蓝色系像素。
在本发明实施例中,考虑到当探测距离比较远时,在成像后的图像中场景深度较大的区域颜色也会偏蓝,如远处绿色的草地、山顶在图像中呈现出蓝绿色等,为了避免将草地或山顶等错判成天空区域,在上述颜色判断准则中可设置一个阈值(第一预设阈值),当像素在蓝色通道和绿色通道上的值小于第一预设阈值时,则将像素划分为非蓝色系像素,从而避免错误的颜色划分。
在一个实施例中,可选的,将所述第一色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的最大值,或将所述第一色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的均值,或将第二预设阈值,确定为与所述第一色系像素集中的像素对应的第一最小值集;
将所述第二色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的最小值确定为与所述第二色系像素集中的像素对应的第二最小值集。
在本发明实施例中,预先设置两个最小值求解机制,求解最小值图像。针对第一色系像素集,采用最小值求解机制一,求解第一色系像素集中的每一个像素对应的最小值,并将最小值作为最小值图像中像素对应位置处像素的灰度值,其中,可以根据像素在蓝色通道、红色通道和绿色通道三个通道中的值确定出一个合适的值(例如,将第一色系像素集中的任一像素在蓝色通道、红色通道和绿色通道中的最大值,或将第一色系像素集中的任一像素在蓝色通道、红色通道和绿色通道中的均值)作为像素对应的最小值,或者,选择一个值比较大的固定值作为像素对应的最小值。针对第二色系像素集,采用最小值求解机制二,求解第二色系像素集中的每一个像素对应的最小值,并将最小值作为最小值图像中像素对应位置处像素的灰度值,其中,可以将像素在蓝色通道、红色通道和绿色通道三个通道中的值中的最小值作为像素对应的最小值。在确定若干最小值之后,将若干最小值组合,即可得到最小值图像。
在一个实施例中,可选的,对所述最小值图像进行滤波,得到所述暗通道图像。
在本发明实施例中,对最小值图像进行滤波,即可得到暗通道图像。其中,滤波操作一般选择为最小值滤波操作或者其它类似于最小值滤波的滤波操作。需要说明的是,在对最小值图像进行滤波处理时,对所选择的局部邻域大小和形状不作限定。
在一个实施例中,如图3所示,为S204的细化步骤的流程示意图,具体包括:
S2041,根据所述暗通道图像的像素的灰度值,将所述暗通道图像的像素划分为天空像素和地面像素;
可选的,若所述暗通道图像的像素的灰度值大于第三预设阈值,则将所述像素确定为所述天空像素;
若所述暗通道图像的像素的灰度值小于所述第三预设阈值,则将所述像素确定为所述地面像素。
在本发明实施例中,设置基于阈值的判断方法,对暗通道图像中所有像素的灰度值进行判断,根据判断结果将预设帧图像中像素划分为天空像素和地面像素,进而估计由天空像素构成的天空区域和由地面像素构成的地面区域的比值,具体如下:
设置第三预设阈值,针对暗通道图像中的每个像素,判断像素是否大于等于第三预设阈值,若大于或等于第三预设阈值,则认为预设帧图像中像素对应位置处的像素属于天空像素,若小于第三预设阈值,则认为预设帧图像中像素对应位置处的像素属于地面像素。
其中,第三预设阈值主要是通过分析暗通道图像中所有像素的灰度值分布来确定的,具体包括两种方法,第一种:固定阈值,即采用一个固定值作为第三预设阈值,固定值的大小可以根据暗通道图像中所有像素的灰度值分布情况,利用其最大值、最小值或均值等来进行确定;第二种:自适应灰度阈值,自适应灰度阈值可以根据暗通道图像中所有像素灰度值的直方图分布情况,利用目前常见的自适应阈值方法来确定。
S2042,根据所述天空像素和所述地面像素,识别所述预设帧图像所属的场景类型。
上述场景识别方法,对待测视频流中的预设帧图像进行颜色判断,将待测视频流中的预设帧图像的像素分为第一色系像素集和第二色系像素集,获取第一色系像素集对应的第一最小值集及第二色系像素集对应的第二最小值集,并利用第一最小值集以及第二最小值集得到预设帧图像对应的最小值图像,其中,将第一最小值集和第二最小值集中的每一个最小值作为最小值图像中对应位置处像素的灰度值,之后,获取与最小值图像对应的暗通道图像,若上述暗通道图像的像素的灰度值大于第三预设阈值,则将像素且确定为天空像素,若上述暗通道图像的像素的灰度值小于第三预设阈值,则将像素且确定为地面像素,根据天空像素和地面像素,识别预设帧图像所属的场景类型。其中,通过将待测视频流中的预设帧图像的像素分为第一色系像素集和第二色系像素集获得暗通道图像,因为暗通道图像主要是通过图像的颜色特征来获取的,方法简单快速,从而利用暗通道图像的暗通道先验信息,可以快速、准确的对图像所属的场景进行判断,满足时效性需求。
在一个实施例中,如图4所示,为S2042的细化步骤的流程示意图,具体包括:
S20421,获取所述天空像素的数量与所述地面像素的数量的比值;
在本发明实施例中,分别统计天空像素的数量和地面像素的数量,并计算天空像素的数量和地面像素的数量的比值。
S20422,比较所述比值与第四预设阈值、第五预设阈值的大小关系;其中,所述第四预设阈值大于所述第五预设阈值;
S20423,若所述比值大于所述第四预设阈值,则识别所述预设帧图像所属的场景类型为所述高空场景;
S20424,若所述比值小于所述第五预设阈值,则识别所述预设帧图像所属的场景类型为所述地面场景;
S20425,若所述比值小于所述第四预设阈值且大于所述第五预设阈值,则识别所述预设帧图像所属的场景类型为所述低空场景。
在本发明实施例中,预先设置两个阈值,分别为第四预设阈值、第五预设阈值,通过将比值与第四预设阈值、第五预设阈值进行比较的方法,可以确定场景类型。其中,若天空像素的数量和地面像素的数量的比值大于第四预设阈值,则认为预设帧图像所属的场景类型为高空场景,若比值小于第五预设阈值,则认为预设帧图像所属的场景类型为地面场景,若比值处于第四预设阈值与第五预设阈值之间,则认为预设帧图像所属的场景类型为低空场景。
为了验证实施例所述的方法对可见光场景下图像的识别效果,采用三种不同场景下的真实图像进行测试,其中,图5为天空场景图像的场景识别结果,图6为低空场景图像的场景识别结果,图7为地面场景图像的场景识别结果,从三副图中可以看出,实施例所述的方法可以准确的对高空、低空和地面三种不同场景下的图片进行场景识别。
应该理解的是,虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图8所示,提供了一种场景识别装置,包括:像素划分模块801、最小值图像获取模块802、暗通道图像获取模块803和场景识别模块804,其中:
像素划分模块801,用于用于对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集;
最小值图像获取模块802,用于获取所述第一色系像素集对应的第一最小值集及所述第二色系像素集对应的第二最小值集,并利用所述第一最小值集以及所述第二最小值集得到所述预设帧图像对应的最小值图像;其中,将所述第一最小值集和所述第二最小值集中的每一个最小值作为所述最小值图像中对应位置处像素的灰度值;
暗通道图像获取模块803,用于获取与所述最小值图像对应的暗通道图像;
场景识别模块804,用于根据所述暗通道图像,识别所述预设帧图像所属的场景类型。
作为一种可选的实施方式,所述第一色系像素集包括至少一个蓝色系像素;所述第二色系像素集包括至少一个非蓝色系像素;所述像素划分模块801用于:
若所述预设帧图像的任一像素在蓝色通道的数值大小大于所述像素在红色通道的数值大小,且所述像素在蓝色通道的数值大小大于所述像素在绿色通道的数值大小,则将所述像素确定为所述蓝色系像素;
若所述预设帧图像的任一像素在所述蓝色通道的数值大小小于所述像素在所述红色通道的数值大小,和/或,所述像素在蓝色通道的数值大小小于所述像素在所述绿色通道的数值大小,则将所述像素确定为所述非蓝色系像素。
作为一种可选的实施方式,所述像素划分模块801还用于:
若所述预设帧图像的任一像素在所述蓝色通道的数值与所述像素在所述绿色通道的数值的差值小于第一预设阈值,则将所述像素确定为所述非蓝色系像素。
作为一种可选的实施方式,所述最小值图像获取模块802用于:
将所述第一色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的最大值,或将所述第一色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的均值,或将第二预设阈值,确定为与所述第一色系像素集中的像素对应的第一最小值集;
将所述第二色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的最小值确定为与所述第二色系像素集中的像素对应的第二最小值集。
作为一种可选的实施方式,所述暗通道图像获取模块803用于:
对所述最小值图像进行滤波,得到所述暗通道图像。
作为一种可选的实施方式,所述场景识别模块804用于:
根据所述暗通道图像的像素的灰度值,将所述暗通道图像的像素划分为天空像素和地面像素;
根据所述天空像素和所述地面像素,识别所述预设帧图像所属的场景类型。
作为一种可选的实施方式,所述场景识别模块804还用于:
若所述暗通道图像的像素的灰度值大于第三预设阈值,则将所述像素确定为所述天空像素;
若所述暗通道图像的像素的灰度值小于所述第三预设阈值,则将所述像素确定为所述地面像素。
作为一种可选的实施方式,所述场景类型包括高空场景、低空场景、地面场景;所述场景识别模块804还用于:
获取所述天空像素的数量与所述地面像素的数量的比值;
比较所述比值与第四预设阈值、第五预设阈值的大小关系;其中,所述第四预设阈值大于所述第五预设阈值;
若所述比值大于所述第四预设阈值,则识别所述预设帧图像所属的场景类型为所述高空场景;
若所述比值小于所述第五预设阈值,则识别所述预设帧图像所属的场景类型为所述地面场景;
若所述比值小于所述第四预设阈值且大于所述第五预设阈值,则识别所述预设帧图像所属的场景类型为所述低空场景。
关于场景识别装置的具体限定可以参见上文中对于场景识别方法的限定,在此不再赘述。上述场景识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储图像数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种场景识别方法。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集;
获取所述第一色系像素集对应的第一最小值集及所述第二色系像素集对应的第二最小值集,并利用所述第一最小值集以及所述第二最小值集得到所述预设帧图像对应的最小值图像;其中,将所述第一最小值集和所述第二最小值集中的每一个最小值作为所述最小值图像中对应位置处像素的灰度值;
获取与所述最小值图像对应的暗通道图像;
根据所述暗通道图像,识别所述预设帧图像所属的场景类型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若所述预设帧图像的任一像素在蓝色通道的数值大小大于所述像素在红色通道的数值大小,且所述像素在蓝色通道的数值大小大于所述像素在绿色通道的数值大小,则将所述像素确定为所述蓝色系像素;
若所述预设帧图像的任一像素在所述蓝色通道的数值大小小于所述像素在所述红色通道的数值大小,和/或,所述像素在蓝色通道的数值大小小于所述像素在所述绿色通道的数值大小,则将所述像素确定为所述非蓝色系像素。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若所述预设帧图像的任一像素在所述蓝色通道的数值与所述像素在所述绿色通道的数值的差值小于第一预设阈值,则将所述像素确定为所述非蓝色系像素。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将所述第一色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的最大值,或将所述第一色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的均值,或将第二预设阈值,确定为与所述第一色系像素集中的像素对应的第一最小值集;
将所述第二色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的最小值确定为与所述第二色系像素集中的像素对应的第二最小值集。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对所述最小值图像进行滤波,得到所述暗通道图像。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据所述暗通道图像的像素的灰度值,将所述暗通道图像的像素划分为天空像素和地面像素;
根据所述天空像素和所述地面像素,识别所述预设帧图像所属的场景类型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若所述暗通道图像的像素的灰度值大于第三预设阈值,则将所述像素确定为所述天空像素;
若所述暗通道图像的像素的灰度值小于所述第三预设阈值,则将所述像素确定为所述地面像素。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取所述天空像素的数量与所述地面像素的数量的比值;
比较所述比值与第四预设阈值、第五预设阈值的大小关系;其中,所述第四预设阈值大于所述第五预设阈值;
若所述比值大于所述第四预设阈值,则识别所述预设帧图像所属的场景类型为所述高空场景;
若所述比值小于所述第五预设阈值,则识别所述预设帧图像所属的场景类型为所述地面场景;
若所述比值小于所述第四预设阈值且大于所述第五预设阈值,则识别所述预设帧图像所属的场景类型为所述低空场景。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集;
获取所述第一色系像素集对应的第一最小值集及所述第二色系像素集对应的第二最小值集,并利用所述第一最小值集以及所述第二最小值集得到所述预设帧图像对应的最小值图像;其中,将所述第一最小值集和所述第二最小值集中的每一个最小值作为所述最小值图像中对应位置处像素的灰度值;
获取与所述最小值图像对应的暗通道图像;
根据所述暗通道图像,识别所述预设帧图像所属的场景类型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若所述预设帧图像的任一像素在蓝色通道的数值大小大于所述像素在红色通道的数值大小,且所述像素在蓝色通道的数值大小大于所述像素在绿色通道的数值大小,则将所述像素确定为所述蓝色系像素;
若所述预设帧图像的任一像素在所述蓝色通道的数值大小小于所述像素在所述红色通道的数值大小,和/或,所述像素在蓝色通道的数值大小小于所述像素在所述绿色通道的数值大小,则将所述像素确定为所述非蓝色系像素。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若所述预设帧图像的任一像素在所述蓝色通道的数值与所述像素在所述绿色通道的数值的差值小于第一预设阈值,则将所述像素确定为所述非蓝色系像素。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将所述第一色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的最大值,或将所述第一色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的均值,或将第二预设阈值,确定为与所述第一色系像素集中的像素对应的第一最小值集;
将所述第二色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的最小值确定为与所述第二色系像素集中的像素对应的第二最小值集。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对所述最小值图像进行滤波,得到所述暗通道图像。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据所述暗通道图像的像素的灰度值,将所述暗通道图像的像素划分为天空像素和地面像素;
根据所述天空像素和所述地面像素,识别所述预设帧图像所属的场景类型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若所述暗通道图像的像素的灰度值大于第三预设阈值,则将所述像素确定为所述天空像素;
若所述暗通道图像的像素的灰度值小于所述第三预设阈值,则将所述像素确定为所述地面像素。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取所述天空像素的数量与所述地面像素的数量的比值;
比较所述比值与第四预设阈值、第五预设阈值的大小关系;其中,所述第四预设阈值大于所述第五预设阈值;
若所述比值大于所述第四预设阈值,则识别所述预设帧图像所属的场景类型为所述高空场景;
若所述比值小于所述第五预设阈值,则识别所述预设帧图像所属的场景类型为所述地面场景;
若所述比值小于所述第四预设阈值且大于所述第五预设阈值,则识别所述预设帧图像所属的场景类型为所述低空场景。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种场景识别方法,其特征在于,所述方法包括:
对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集;
获取所述第一色系像素集对应的第一最小值集及所述第二色系像素集对应的第二最小值集,并利用所述第一最小值集以及所述第二最小值集得到所述预设帧图像对应的最小值图像;其中,将所述第一最小值集和所述第二最小值集中的每一个最小值作为所述最小值图像中对应位置处像素的灰度值;
获取与所述最小值图像对应的暗通道图像;
根据所述暗通道图像,识别所述预设帧图像所属的场景类型。
2.根据权利要求1所述的方法,其特征在于,所述第一色系像素集包括至少一个蓝色系像素;所述第二色系像素集包括至少一个非蓝色系像素;
所述对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集,包括:
若所述预设帧图像的任一像素在蓝色通道的数值大小大于所述像素在红色通道的数值大小,且所述像素在蓝色通道的数值大小大于所述像素在绿色通道的数值大小,则将所述像素确定为所述蓝色系像素;
若所述预设帧图像的任一像素在所述蓝色通道的数值大小小于所述像素在所述红色通道的数值大小,和/或,所述像素在蓝色通道的数值大小小于所述像素在所述绿色通道的数值大小,则将所述像素确定为所述非蓝色系像素。
3.根据根据权利要求2所述的方法,其特征在于,所述方法还包括:
若所述预设帧图像的任一像素在所述蓝色通道的数值与所述像素在所述绿色通道的数值的差值小于第一预设阈值,则将所述像素确定为所述非蓝色系像素。
4.根据权利要求2所述的方法,其特征在于,所述获取所述第一色系像素集对应的第一最小值集及所述第二色系像素集对应的第二最小值集,包括:
将所述第一色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的最大值,或将所述第一色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的均值,或将第二预设阈值,确定为与所述第一色系像素集中的像素对应的第一最小值集;
将所述第二色系像素集中的任一像素在所述蓝色通道、所述红色通道和所述绿色通道中的最小值确定为与所述第二色系像素集中的像素对应的第二最小值集。
5.根据权利要求1所述的方法,其特征在于,所述获取与所述最小值图像对应的暗通道图像,包括:
对所述最小值图像进行滤波,得到所述暗通道图像。
6.根据权利要求1所述的方法,其特征在于,所述根据所述暗通道图像,识别所述预设帧图像所属的场景类型,包括:
根据所述暗通道图像的像素的灰度值,将所述暗通道图像的像素划分为天空像素和地面像素;
根据所述天空像素和所述地面像素,识别所述预设帧图像所属的场景类型。
7.根据权利要求6所述的方法,其特征在于,所述根据所述暗通道图像的像素的灰度值,将所述暗通道图像的像素划分为天空像素和地面像素,包括:
若所述暗通道图像的像素的灰度值大于第三预设阈值,则将所述像素确定为所述天空像素;
若所述暗通道图像的像素的灰度值小于所述第三预设阈值,则将所述像素确定为所述地面像素。
8.根据权利要求6所述的方法,其特征在于,所述场景类型包括高空场景、低空场景、地面场景;
所述根据所述天空像素和所述地面像素,识别所述预设帧图像所属的场景类型,包括:
获取所述天空像素的数量与所述地面像素的数量的比值;
比较所述比值与第四预设阈值、第五预设阈值的大小关系;其中,所述第四预设阈值大于所述第五预设阈值;
若所述比值大于所述第四预设阈值,则识别所述预设帧图像所属的场景类型为所述高空场景;
若所述比值小于所述第五预设阈值,则识别所述预设帧图像所属的场景类型为所述地面场景;
若所述比值小于所述第四预设阈值且大于所述第五预设阈值,则识别所述预设帧图像所属的场景类型为所述低空场景。
9.一种场景识别装置,其特征在于,所述装置包括:
像素划分模块,用于对待测视频流中的预设帧图像进行颜色判断,将所述待测视频流中的所述预设帧图像的像素分为第一色系像素集和第二色系像素集;
最小值图像获取模块,用于获取所述第一色系像素集对应的第一最小值集及所述第二色系像素集对应的第二最小值集,并利用所述第一最小值集以及所述第二最小值集得到所述预设帧图像对应的最小值图像;其中,将所述第一最小值集和所述第二最小值集中的每一个最小值作为所述最小值图像中对应位置处像素的灰度值;
暗通道图像获取模块,用于获取与所述最小值图像对应的暗通道图像;
场景识别模块,用于根据所述暗通道图像,识别所述预设帧图像所属的场景类型。
10.一种计算机设备,包括存储器及处理器,所述存储器上存储有可在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权利要求1至8中任一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811640752.9A CN109726686B (zh) | 2018-12-29 | 2018-12-29 | 场景识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811640752.9A CN109726686B (zh) | 2018-12-29 | 2018-12-29 | 场景识别方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109726686A true CN109726686A (zh) | 2019-05-07 |
CN109726686B CN109726686B (zh) | 2021-03-30 |
Family
ID=66299368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811640752.9A Active CN109726686B (zh) | 2018-12-29 | 2018-12-29 | 场景识别方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109726686B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101908210A (zh) * | 2010-08-13 | 2010-12-08 | 北京工业大学 | 彩色图像去雾处理方法和系统 |
CN101930533A (zh) * | 2009-06-19 | 2010-12-29 | 株式会社理光 | 在图像采集设备中进行天空检测的装置和方法 |
US20110188775A1 (en) * | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Single Image Haze Removal Using Dark Channel Priors |
CN102170574A (zh) * | 2011-05-23 | 2011-08-31 | 北京工业大学 | 一种实时视频去雾处理系统 |
CN103578084A (zh) * | 2013-12-09 | 2014-02-12 | 西安电子科技大学 | 基于亮通道滤波的彩色图像增强方法 |
CN104200445A (zh) * | 2014-09-26 | 2014-12-10 | 常熟理工学院 | 一种最优对比度和最小信息损失的图像去雾方法 |
CN107680101A (zh) * | 2017-08-28 | 2018-02-09 | 浙江工业大学 | 基于暗通道的天空区域分割方法 |
CN108564538A (zh) * | 2017-12-29 | 2018-09-21 | 南京工业大学 | 一种基于环境光差异的图像去雾霾方法及系统 |
-
2018
- 2018-12-29 CN CN201811640752.9A patent/CN109726686B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930533A (zh) * | 2009-06-19 | 2010-12-29 | 株式会社理光 | 在图像采集设备中进行天空检测的装置和方法 |
US20110188775A1 (en) * | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Single Image Haze Removal Using Dark Channel Priors |
CN101908210A (zh) * | 2010-08-13 | 2010-12-08 | 北京工业大学 | 彩色图像去雾处理方法和系统 |
CN102170574A (zh) * | 2011-05-23 | 2011-08-31 | 北京工业大学 | 一种实时视频去雾处理系统 |
CN103578084A (zh) * | 2013-12-09 | 2014-02-12 | 西安电子科技大学 | 基于亮通道滤波的彩色图像增强方法 |
CN104200445A (zh) * | 2014-09-26 | 2014-12-10 | 常熟理工学院 | 一种最优对比度和最小信息损失的图像去雾方法 |
CN107680101A (zh) * | 2017-08-28 | 2018-02-09 | 浙江工业大学 | 基于暗通道的天空区域分割方法 |
CN108564538A (zh) * | 2017-12-29 | 2018-09-21 | 南京工业大学 | 一种基于环境光差异的图像去雾霾方法及系统 |
Non-Patent Citations (2)
Title |
---|
YUN LIU 等: ""Single Image Dehazing via Large Sky Region Segmentation and Multiscale Opening Dark Channel Model"", 《IEEE ACCESS》 * |
顾浩 等: ""暗原先验算法在天空区域的处理与改进"", 《电子测量技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109726686B (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110276767B (zh) | 图像处理方法和装置、电子设备、计算机可读存储介质 | |
EP3806064B1 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
CN109271921B (zh) | 一种多光谱成像的智能识别方法及系统 | |
Peng et al. | Drone-based vacant parking space detection | |
CN110493527B (zh) | 主体对焦方法、装置、电子设备和存储介质 | |
CN106384117B (zh) | 一种车辆颜色识别方法及装置 | |
CN108960290A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN105320923A (zh) | 车型识别方法及装置 | |
CN109389618A (zh) | 前景和背景检测方法 | |
CN109615904A (zh) | 停车管理方法、装置、计算机设备和存储介质 | |
CN112070070B (zh) | 一种用于城市遥感场景识别的lw-cnn方法和系统 | |
CN110248101A (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
CN111695495A (zh) | 人脸识别方法、电子设备及存储介质 | |
CN109727268A (zh) | 目标跟踪方法、装置、计算机设备和存储介质 | |
CN104299234B (zh) | 视频数据中雨场去除的方法和系统 | |
CN105102607A (zh) | 图像处理装置、程序、存储介质和图像处理方法 | |
CN111800568B (zh) | 补光方法及装置 | |
CN110688926B (zh) | 主体检测方法和装置、电子设备、计算机可读存储介质 | |
CN109726686A (zh) | 场景识别方法、装置、计算机设备和存储介质 | |
CN109034171B (zh) | 视频流中的无牌车辆检测方法和装置 | |
CN110738229B (zh) | 一种细粒度图像分类方法、装置及电子设备 | |
CN116721288A (zh) | 一种基于YOLOv5的安全帽检测方法及系统 | |
JP2001167273A (ja) | 顔面検出方法及びその装置、コンピュータ可読媒体 | |
CN112084815A (zh) | 一种基于摄像机焦距变换的目标检测方法、存储介质及处理器 | |
CN105898151A (zh) | 图像处理方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |