CN109740518B - 一种视频中对象的确定方法及装置 - Google Patents
一种视频中对象的确定方法及装置 Download PDFInfo
- Publication number
- CN109740518B CN109740518B CN201811643551.4A CN201811643551A CN109740518B CN 109740518 B CN109740518 B CN 109740518B CN 201811643551 A CN201811643551 A CN 201811643551A CN 109740518 B CN109740518 B CN 109740518B
- Authority
- CN
- China
- Prior art keywords
- identification object
- initial
- image
- area
- prediction
- 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.)
- Active
Links
Images
Abstract
本发明实施例提供一种视频中对象的确定方法及装置。所述方法包括:若确定检测帧图像中第一初始识别对象与预测初始识别对象重叠,则确定第一初始识别对象与预测初始识别对象的重叠区域面积,根据重叠区域面积及预测初始识别对象的面积,确定第一初始识别对象与预测初始识别对象对应的识别对象,进而确定识别对象的检测图像信息。采用这种方法,当检测帧图像中出现初始识别对象和根据预测帧图像得到的预测初始识别对象在画面中重叠时,则可以通过判断重叠区域面积及预测初始识别对象的面积,来确定最终的识别图像,从而提高识别对象的识别图像的精度,进一步提高后续使用识别对象的识别图像进行归档的准确性。
Description
技术领域
本发明涉及终端技术领域,尤其涉及一种视频中对象的确定方法及装置。
背景技术
当今社会中,出于安防管理的需要,监控设备布满了街道、社区、楼宇等各种公共场合。在发生警情时,先从监控设备采集的视频数据中确定出嫌疑人或嫌疑车辆的图像,然后由警务人员根据嫌疑人或嫌疑车辆的图像搜捕嫌疑人或嫌疑车辆。
现有技术中,监控设备采集视频流后,多采用对视频流中的每帧图像进行检测和识别,确定每帧图像中的人脸或车辆等对象,然后再将各帧图像中检测出的对象进行匹配,确定出一个对象的所有图像。在这一过程中,由于监控角度的问题,当进行对象检测时,可能由于其他对象不完整而被忽略,进到导致对象识别的错误。
发明内容
本发明实施例提供一种视频中对象的确定方法及装置,以解决现有技术中当进行对象检测时,可能由于其他对象不完整而被忽略,进到导致对象识别的错误的技术问题。
本发明实施例提供一种视频中对象的确定方法,所述方法包括:
若确定检测帧图像中第一初始识别对象与预测初始识别对象重叠,则确定所述第一初始识别对象与所述预测初始识别对象的重叠区域面积;所述第一初始识别对象与所述预测初始识别对象为不同类型的初始识别对象;所述第一初始识别对象是通过对所述检测帧图像进行对象检测得到的;所述预测初始识别对象是根据预测帧图像中的预测识别对象预测得到的;所述预测帧图像是所述检测帧图像相邻的图像且已确定出识预测识别对象的图像;
根据所述重叠区域面积及所述预测初始识别对象的面积,确定所述第一初始识别对象与所述预测初始识别对象对应的识别对象;
确定所述识别对象的检测图像信息。
由于先将监控设备采集的视频流中的待识别图像分为检测帧图像和非检测帧图像,故在获取检测帧图像时,对于检测帧图像中的初始识别对象,可以结果预测帧图像中的预测识别对象进行联合判定。这是由于现有技术中对于检测帧图像中的初始识别对象,可能出现误判,直接认为该初始识别对象为识别对象,而没有考虑与检测帧图像相邻的图像中的识别对象的情况,很有可能该初始识别对象为相邻图像中的识别对象的部分元素。采用这种方法,当检测帧图像中出现初始识别对象和根据预测帧图像得到的预测初始识别对象在画面中重叠时,则可以通过判断重叠区域面积及预测初始识别对象的面积,来确定最终的识别图像,从而提高识别对象的识别图像的精度,进一步提高后续使用识别对象的识别图像进行归档的准确性。
在一种可能的实现方式中,确定检测帧图像中第一初始识别对象与预测初始识别对象重叠之前,还包括:
确定所述第一初始识别对象位于所述检测帧图像的边缘位置。
在一种可能的实现方式中,根据所述重叠区域面积及所述预测初始识别对象的面积,确定所述第一初始识别对象与所述预测初始识别对象对应的识别对象,包括:
若确定所述重叠区域面积与所述预测初始识别对象的面积满足设定关系,则确定所述识别对象的类型为所述预测初始识别对象的类型;
确定所述识别对象的检测图像信息,包括:
将所述预测初始识别对象对应的图像信息确定为所述识别对象的检测图像信息;所述预测初始识别对象对应的图像信息是根据所述预测帧图像中的预测识别对象对应的图像信息预测得到的。
在一种可能的实现方式中,根据所述重叠区域面积及所述预测初始识别对象的面积,确定所述第一初始识别对象与所述预测初始识别对象对应的识别对象,包括:
若确定所述重叠区域面积与所述预测初始识别对象的面积不满足设定关系,则确定所述第一初始识别对象为识别对象;
确定所述识别对象的检测图像信息,包括:
将所述第一初始识别对象对应的图像信息确定为所述识别对象的检测图像信息。
在一种可能的实现方式中,所述第一初始识别对象的类型为行人,所述预测初始识别对象的类型为行驶中的非机动车。
本发明实施例提供一种视频中对象的确定装置,所述装置包括:
处理单元,用于若确定检测帧图像中第一初始识别对象与预测初始识别对象重叠,则确定所述第一初始识别对象与所述预测初始识别对象的重叠区域面积;所述第一初始识别对象与所述预测初始识别对象为不同类型的初始识别对象;所述第一初始识别对象是通过对所述检测帧图像进行对象检测得到的;所述预测初始识别对象是根据预测帧图像中的预测识别对象预测得到的;所述预测帧图像是所述检测帧图像相邻的图像且已确定出识预测识别对象的图像;
确定单元,用于根据所述重叠区域面积及所述预测初始识别对象的面积,确定所述第一初始识别对象与所述预测初始识别对象对应的识别对象;
所述确定单元,还用于确定所述识别对象的检测图像信息。
在一种可能的实现方式中,所述处理单元还用于:
确定所述第一初始识别对象位于所述检测帧图像的边缘位置。
在一种可能的实现方式中,所述确定单元具体用于:
若确定所述重叠区域面积与所述预测初始识别对象的面积满足设定关系,则确定所述识别对象的类型为所述预测初始识别对象的类型;以及将所述预测初始识别对象对应的图像信息确定为所述识别对象的检测图像信息;所述预测初始识别对象对应的图像信息是根据所述预测帧图像中的预测识别对象对应的图像信息预测得到的。
在一种可能的实现方式中,所述确定单元具体用于:
若确定所述重叠区域面积与所述预测初始识别对象的面积不满足设定关系,则确定所述第一初始识别对象为识别对象;以及将所述第一初始识别对象对应的图像信息确定为所述识别对象的检测图像信息。
在一种可能的实现方式中,所述第一初始识别对象的类型为行人,所述预测初始识别对象的类型为行驶中的非机动车。
本发明实施例还提供一种装置,所述装置可以为设备或服务器,所述装置包括:
存储器,用于存储软件程序;
处理器,用于读取所述存储器中的软件程序并执行上述各种可能的实现方式中所描述的视频中对象的确定方法。
本发明实施例还提供一种计算机存储介质,所述存储介质中存储软件程序,该软件程序在被一个或多个处理器读取并执行时实现上述各种可能的实现方式中所描述的视频中对象的确定方法。
本发明实施例还提供一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各种可能的实现方式中所描述的视频中对象的确定方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍。
图1为本发明实施例适用的系统架构的示意图;
图2为本发明实施例提供的一种视频中对象的确定方法所对应的流程示意图;
图3为本发明实施例提供的一种视频中对象的确定装置的结构示意图。
具体实施方式
下面结合说明书附图对本申请进行具体说明,方法实施例中的具体操作方法也可以应用于装置实施例中。
图1示例性示出了本发明实施例适用的系统架构的示意图,在该系统架构中包括监控设备101、服务器102。监控设备101实时采集视频流,然后将采集的视频流发送至服务器102,服务器102中包括视频中对象的确定装置,服务器102从视频流中获取图像,然后确定图像中的对象对应的图像区域。监控设备101通过无线网络与服务器102连接,监控设备是具备采集图像功能的电子设备,比如摄像头、摄像机、录像机等。服务器102是一台服务器或若干台服务器组成的服务器集群或云计算中心。
基于图1所示的系统架构,图2示例性示出了本发明实施例提供的一种视频中对象的确定方法所对应的流程示意图,该方法的流程可以由视频中对象的确定装置执行,视频中对象的确定装置可以是图1所示的服务器102,如图2所示,具体包括以下步骤:
步骤201,若确定检测帧图像中第一初始识别对象与预测初始识别对象重叠,则确定第一初始识别对象与所述初始识别对象的重叠区域面积。
步骤202,根据重叠区域面积及第一初始识别对象的面积,确定第一初始识别对象与预测初始识别对象对应的识别对象。
步骤203,确定识别对象的检测图像信息。
由于先将监控设备采集的视频流中的待识别图像分为检测帧图像和非检测帧图像,故在获取检测帧图像时,对于检测帧图像中的初始识别对象,可以结果预测帧图像中的预测识别对象进行联合判定。这是由于现有技术中对于检测帧图像中的初始识别对象,可能出现误判,直接认为该初始识别对象为识别对象,而没有考虑与检测帧图像相邻的图像中的识别对象的情况,很有可能该初始识别对象为相邻图像中的识别对象的部分元素。采用这种方法,当检测帧图像中出现初始识别对象和根据预测帧图像得到的预测初始识别对象在画面中重叠时,则可以通过判断重叠区域面积及预测初始识别对象的面积,来确定最终的识别图像,从而提高识别对象的识别图像的精度,进一步提高后续使用识别对象的识别图像进行归档的准确性。
步骤201中,第一初始识别对象可以是通过对检测帧图像进行对象检测得到的。具体地,对检测帧图像进行对象检测后,可以确定检测帧图像中各初始识别对象对应的图像信息。例如,对检测帧图像进行对象检测后,可以确定检测帧图像中第一初始识别对象对应的图像信息。
进一步地,第一初始识别对象的类型可以为行人。如此,对检测帧图像进行对象检测后,可以确定检测帧图像中行人的图像信息。
进一步地,可以先对检测帧图像进行对象检测,确定检测帧图像中各初始识别对象对应的检测图像区域,进而可以确定各检测帧识别对象对应的检测图像区域中的图像信息,即各检测帧识别对象对应的图像信息。其中,图像区域可以是具有规则形状的图像框,或者不具有规则形状的图像框。
预测初始识别对象可以是根据预测帧图像中的预测识别对象预测得到的,预测帧图像可以是检测帧图像相邻的图像且已确定出识预测识别对象的图像。具体地,可以根据预测帧图像中的各初始识别对象对应的图像信息,预测各初始识别对象在检测帧图像中对应的图像信息。
由于先将监控设备采集的视频流中的待识别图像分为检测帧图像和非检测帧图像,故在获取任一帧图像时,先判断该图像是否为检测帧图像,如果是,则检测该图像中的识别对象,否则采用相邻图像中的待识别对象预测该图像中的待识别对象,故不需要对每帧图像进行检测并识别,从而降低了确定待识别图像中的识别对象的计算量,同时提高了效率。
进一步地,预测初始识别对象的类型可以为行驶中的非机动车。如此,根据预测帧图像中的预测识别对象(即行驶中的非机动车),可以预测得到检测帧图像中的行驶中的非机动车的图像信息。
进一步地,可以先根据预测帧图像中各初始识别对象对应的图像区域,预测各初始识别对象在检测帧图像中对应的图像区域,进而可以预测各初始识别对象在检测帧图像中对应图像区域中的图像信息,即各初始识别对象在检测帧图像中对应的图像信息。
具体地,针对预测帧图像中的预测初始识别对象对应的图像区域,从检测帧图像中确定出与该初始识别对象对应的图像区域的相似度大于预设阈值的图像区域,作为该初始识别对象在第一图像中对应的预测图像区域。
举个例子,设定已知预测帧图像中各初始识别对象对应的图像框,针对预测帧图像中预测初始识别对象对应的图像框,从检测帧图像中确定出与预测初始识别对象的图像框的相似度大于预设阈值的图像框,作为预测初始识别对象在检测帧图像中的图像框。例如,设定预测初始识别对象为行驶中的非机动车,已知预测帧图像中行驶中的非机动车对应的图像框,从检测帧图像中确定出与该图像框的相似度大于预设阈值的图像框,作为该行驶中的非机动车在检测帧图像中的图像框。
考虑到相似度大于预设阈值的图像区域可能不止一个,本发明实施例可以进一步对相似度大于预设阈值的图像区域的数量进行判断。
若相似度大于预设阈值的图像区域只有一个,则将该相似度大于预设阈值的图像区域作为预测初始识别对象在检测帧图像中对应的图像区域。
若相似度大于预设阈值的图像区域多于一个,那么,一种可能的实现方式为,选取相似度最高的图像区域作为预测初始识别对象在检测帧图像中对应的图像区域,从而避免了一个识别对象在一张图像中对应多个图像区域。
另一种可能的实现方式为,选取距离预测帧图像中预测初始识别对象对应的图像区域的位置最近的图像区域,作为预测初始识别对象在检测帧图像中对应的图像区域。
由于监控设备采集的待识别图像之间的时间间隔较短,故相邻两张图像中同一待识别对象移动的距离较短,预测识别对象的图像区域在检测帧图像中的图像区域时,可以选取距离预测帧图像中识别对象的图像区域最近的图像区域,作为识别对象在检测帧图像中对应的图像区域,从而避免了一个识别对象在一张图像中对应多个图像区域。
可选地,预测各待识别对象在第一图像中对应的图像区域之后,针对任一待识别对象,在待识别对象的图像区域中检测待识别对象的关键点。根据关键点调整待识别对象在第一图像中对应的图像区域。由于在预测待识别对象在第一别图像中的图像区域后,检测待识别对象的关键点,然后基于关键点调整待识别对象的图像区域,从而使待识别对象的图像区域更准确。
考虑到检测帧图像中两个识别对象中的一个识别对象不完整,导致无法识别该不完整的识别对象,进而导致无法准确确定检测帧图像中的识别对象,而这一情况一般出现在图像的边缘位置,由于监控设备拍摄的角度是固定的,因此当识别对象移动到监控设备能够拍摄的极限范围下,容易出现上述情形。基于此,本发明实施例在执行上述步骤201之前,可以先判断第一初始识别对象是否位于检测帧图像的边缘位置,避免对检测帧图像中各初始识别对象均执行上述步骤201至步骤203的操作,从而减轻机器运行负担。
步骤202和步骤203中,可以通过判断重叠区域面积与预测初始识别对象的面积是否满足设定关系,如果重叠区域面积与预测初始识别对象的面积是否满足设定关系,则可以确定识别对象的类型为预测初始识别对象的类型,进而可以将预测初始识别对象对应的图像信息确定为识别对象的检测图像信息,其中,预测初始识别对象对应的图像信息是根据所述预测帧图像中的预测识别对象对应的图像信息预测得到的;如果重叠区域面积与预测初始识别对象的面积不满足设定关系,则可以确定第一初始识别对象为识别对象,进而可以将第一初始识别对象对应的图像信息确定为识别对象的检测图像信息。
其中,设定关系可以是本领域技术人员根据经验和实际情况确定的,本发明实施例提供两种设定关系的示例,具体如下。
一个示例中,设定关系可以是重叠区域面积与预测初始识别对象的面积的比值大于或等于第一阈值。如此,若确定重叠区域面积与预测初始识别对象的面积的比值大于或等于第一阈值,则可以确定识别对象的类型为预测初始识别对象的类型,进而可以将预测初始识别对象对应的图像信息确定为识别对象的检测图像信息;若确定重叠区域面积与预测初始识别对象的面积的比值小于第一阈值,则可以确定第一初始识别对象为识别对象,进而可以将第一初始识别对象对应的图像信息确定为识别对象的检测图像信息。
另一个示例中,设定关系可以是重叠区域面积与第二初始识别对象的面积的差值大于或等于第二阈值。如此,若确定重叠区域面积与预测初始识别对象的面积的差值大于或等于第二阈值,则可以确定识别对象的类型为预测初始识别对象的类型,进而可以将预测初始识别对象对应的图像信息确定为识别对象的检测图像信息;若确定重叠区域面积与第二初始识别对象的面积的差值小于第二阈值,则可以确定第一初始识别对象为识别对象,进而可以将第一初始识别对象对应的图像信息确定为识别对象的检测图像信息。
可选地,本发明实施例中,若确定检测帧图像中第一初始识别对象与预测初始识别对象重叠,且重叠区域面积与第一初始识别对象的面积满足设定关系,则可以删除第一初始识别对象。举个例子,若确定检测帧图像中行人与预测确定的行驶中的非机动车重叠,且重叠区域面积大于行驶中的非机动车的面积,则可以删除行人。删除行人的目的是考虑到行驶中的非机动车的驾驶员由于与行人关键点比较相似(同样具有头部、四肢等),容易将驾驶员误判为行人,因此,若确定重叠区域面积大于行驶中的非机动车的面积,则极有可能是将驾驶员误判为行人,需要删除行人,从而确保检测到的识别对象的准确性。
为了更好的解释本发明实施例,下面结合具体的实施场景描述本发明实施例提供的一种视频中对象的确定方法,该方法可以由视频中对象的确定装置执行。
设定视频流中包括10帧待识别图像,其中第一帧待识别图像为检测帧图像、第三帧待识别图像为检测帧图像。首先对第一帧待识别图像进行检测,确定第一帧待识别图像中的各识别对象的第一检测框。针对第一帧待识别图像中识别对象A的第一检测框,先对第一检测框中识别对象A的关键点进行检测,根据检测的关键点调整第一检测框。然后预测识别对象A的第一检测框在第二帧待识别图像对应的第二预测框。对第二预测框中识别对象A的关键点进行检测,根据检测的关键点调整第二预测框。之后再预测识别对象A的第二预测框在第三帧待识别图像中对应的第三预测框,对第三预测框中识别对象A的关键点进行检测,根据检测的关键点调整第三预测框。同时对第三帧待识别图像进行检测,确定第三帧待识别图像的第三检测框。设定第三帧待识别图像的第三检测框中存在一个第三检测框与识别对象A的第三预测框存在交集,则采用该第三检测框修正识别对象A的第三人脸预测框。之后再判断修正后的识别对象A的第三预测框是否为人脸图像,若是,则预测修正后的识别对象A的第三预测框在第四帧待识别图像对应的第四预测框。依次类推,直到不能预测识别对象A在下一帧待识别图像中预测框。设定10帧待识别图像中,识别对象A对应8个框,则将这8个框作为识别对象A的识别图像,用于后续对识别对象A进行识别或对识别对象A进行归档。
另外在第三帧待识别图像的第三人脸检测框中,当第三帧待识别图像中识别对象A位于图像边缘,且识别对象A与预测对象B重叠,其中,预测对象B根据预测帧图像(比如第一帧待识别图像或第二待识别帧图像)中的预测识别对象预测得到的,则确定识别对象A与预测对象B的重叠区域面积,进而可以判断重叠区域面积与预测对象B的面积是否满足设定关系,若满足,则确定识别对象为预测对象B,若不满足,则确定识别对象为识别对象A和预测对象B。
基于相同的技术构思,本发明实施例提供了一种视频中对象的确定装置,如图3所示,该装置包括处理单元301和确定单元302;其中:
处理单元301,用于若确定检测帧图像中第一初始识别对象与预测初始识别对象重叠,则确定所述第一初始识别对象与所述预测初始识别对象的重叠区域面积;所述第一初始识别对象与所述预测初始识别对象为不同类型的初始识别对象;所述第一初始识别对象是通过对所述检测帧图像进行对象检测得到的;所述预测初始识别对象是根据预测帧图像中的预测识别对象预测得到的;所述预测帧图像是所述检测帧图像相邻的图像且已确定出识预测识别对象的图像;
确定单元302,用于根据所述重叠区域面积及所述预测初始识别对象的面积,确定所述第一初始识别对象与所述预测初始识别对象对应的识别对象;
所述确定单元302,还用于确定所述识别对象的检测图像信息。
在一种可能的实现方式中,所述处理单元301还用于:
确定所述第一初始识别对象位于所述检测帧图像的边缘位置。
在一种可能的实现方式中,所述确定单元302具体用于:
若确定所述重叠区域面积与所述预测初始识别对象的面积满足设定关系,则确定所述识别对象的类型为所述预测初始识别对象的类型;以及将所述预测初始识别对象对应的图像信息确定为所述识别对象的检测图像信息;所述预测初始识别对象对应的图像信息是根据所述预测帧图像中的预测识别对象对应的图像信息预测得到的。
在一种可能的实现方式中,所述确定单元302具体用于:
若确定所述重叠区域面积与所述预测初始识别对象的面积不满足设定关系,则确定所述第一初始识别对象为识别对象;以及将所述第一初始识别对象对应的图像信息确定为所述识别对象的检测图像信息。
在一种可能的实现方式中,所述第一初始识别对象的类型为行人,所述预测初始识别对象的类型为行驶中的非机动车。
本发明实施例还提供一种装置,所述装置可以为设备或服务器,所述装置包括:
存储器,用于存储软件程序;
处理器,用于读取所述存储器中的软件程序并执行上述各种可能的实现方式中所描述的视频中对象的确定方法。
本发明实施例还提供一种计算机存储介质,所述存储介质中存储软件程序,该软件程序在被一个或多个处理器读取并执行时实现上述各种可能的实现方式中所描述的视频中对象的确定方法。
本发明实施例还提供一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述各种可能的实现方式中所描述的视频中对象的确定方法。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种视频中对象的确定方法,其特征在于,所述方法包括:
确定检测帧图像中第一初始识别对象位于所述检测帧图像的边缘位置;所述第一初始识别对象是通过对所述检测帧图像进行对象检测得到的;
若确定所述第一初始识别对象与预测初始识别对象重叠,则确定所述第一初始识别对象与所述预测初始识别对象的重叠区域面积;所述第一初始识别对象与所述预测初始识别对象为不同类型的初始识别对象;所述预测初始识别对象是根据预测帧图像中的预测识别对象预测得到的;所述预测帧图像是所述检测帧图像相邻的图像且已确定出预测识别对象的图像;
根据所述重叠区域面积及所述预测初始识别对象的面积,确定所述第一初始识别对象与所述预测初始识别对象对应的识别对象;若确定所述重叠区域面积与所述预测初始识别对象的面积满足设定关系,则确定所述识别对象的类型为所述预测初始识别对象的类型;
确定所述识别对象的检测图像信息,包括:
将所述预测初始识别对象对应的图像信息确定为所述识别对象的检测图像信息;所述预测初始识别对象对应的图像信息是根据所述预测帧图像中的预测识别对象对应的图像信息预测得到的。
2.根据权利要求1所述的方法,其特征在于,根据所述重叠区域面积及所述预测初始识别对象的面积,确定所述第一初始识别对象与所述预测初始识别对象对应的识别对象,包括:
若确定所述重叠区域面积与所述预测初始识别对象的面积不满足设定关系,则确定所述第一初始识别对象为识别对象;
确定所述识别对象的检测图像信息,包括:
将所述第一初始识别对象对应的图像信息确定为所述识别对象的检测图像信息。
3.根据权利要求1至2中任一项所述的方法,其特征在于,所述第一初始识别对象的类型为行人,所述预测初始识别对象的类型为行驶中的非机动车。
4.一种视频中对象的确定装置,其特征在于,所述装置包括:
处理单元,用于确定检测帧图像中第一初始识别对象位于所述检测帧图像的边缘位置,若确定所述第一初始识别对象与预测初始识别对象重叠,则确定所述第一初始识别对象与所述预测初始识别对象的重叠区域面积;所述第一初始识别对象与所述预测初始识别对象为不同类型的初始识别对象;所述第一初始识别对象是通过对所述检测帧图像进行对象检测得到的;所述预测初始识别对象是根据预测帧图像中的预测识别对象预测得到的;所述预测帧图像是所述检测帧图像相邻的图像且已确定出识预测识别对象的图像;
确定单元,用于根据所述重叠区域面积及所述预测初始识别对象的面积,确定所述第一初始识别对象与所述预测初始识别对象对应的识别对象;
所述确定单元,还用于确定所述识别对象的检测图像信息;
所述确定单元具体用于:
若确定所述重叠区域面积与所述预测初始识别对象的面积满足设定关系,则确定所述识别对象的类型为所述预测初始识别对象的类型;以及将所述预测初始识别对象对应的图像信息确定为所述识别对象的检测图像信息;所述预测初始识别对象对应的图像信息是根据所述预测帧图像中的预测识别对象对应的图像信息预测得到的。
5.根据权利要求4所述的装置,其特征在于,所述确定单元具体用于:
若确定所述重叠区域面积与所述预测初始识别对象的面积不满足设定关系,则确定所述第一初始识别对象为识别对象;以及将所述第一初始识别对象对应的图像信息确定为所述识别对象的检测图像信息。
6.根据权利要求4至5中任一项所述的装置,其特征在于,所述第一初始识别对象的类型为行人,所述预测初始识别对象的类型为行驶中的非机动车。
7.一种计算机可读存储介质,其特征在于,所述存储介质存储有指令,当所述指令在计算机上运行时,使得计算机实现执行权利要求1至3中任一项所述的方法。
8.一种计算机设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行如权利要求1至3中任一权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811643551.4A CN109740518B (zh) | 2018-12-29 | 2018-12-29 | 一种视频中对象的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811643551.4A CN109740518B (zh) | 2018-12-29 | 2018-12-29 | 一种视频中对象的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109740518A CN109740518A (zh) | 2019-05-10 |
CN109740518B true CN109740518B (zh) | 2022-09-27 |
Family
ID=66362638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811643551.4A Active CN109740518B (zh) | 2018-12-29 | 2018-12-29 | 一种视频中对象的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109740518B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113119133B (zh) * | 2019-12-31 | 2023-01-31 | 上海依图信息技术有限公司 | 一种购物机器人的拎包方法及购物机器人 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016029796A1 (zh) * | 2014-08-27 | 2016-03-03 | 阿里巴巴集团控股有限公司 | 识别视频图像中的商品和展示其信息的方法、装置及系统 |
WO2017158958A1 (ja) * | 2016-03-15 | 2017-09-21 | 株式会社リコー | 画像処理装置、物体認識装置、機器制御システム、画像処理方法およびプログラム |
WO2018232378A1 (en) * | 2017-06-16 | 2018-12-20 | Markable, Inc. | Image processing system |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9858496B2 (en) * | 2016-01-20 | 2018-01-02 | Microsoft Technology Licensing, Llc | Object detection and classification in images |
CN107145816A (zh) * | 2017-02-24 | 2017-09-08 | 北京悉见科技有限公司 | 对象识别跟踪方法及装置 |
-
2018
- 2018-12-29 CN CN201811643551.4A patent/CN109740518B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016029796A1 (zh) * | 2014-08-27 | 2016-03-03 | 阿里巴巴集团控股有限公司 | 识别视频图像中的商品和展示其信息的方法、装置及系统 |
WO2017158958A1 (ja) * | 2016-03-15 | 2017-09-21 | 株式会社リコー | 画像処理装置、物体認識装置、機器制御システム、画像処理方法およびプログラム |
WO2018232378A1 (en) * | 2017-06-16 | 2018-12-20 | Markable, Inc. | Image processing system |
Non-Patent Citations (2)
Title |
---|
ActionFlowNet:Learning Motion Representation for Action Recognition;Joe Yue-Hei Ng;《arxiv:Computer Vision and Pattern Recognition》;20161231;全文 * |
智能视频监控中的人体检测与识别;蔺广逢 等;《计算机应用》;20071215;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109740518A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2014240669B2 (en) | Object monitoring system, object monitoring method, and monitoring target extraction project | |
CN111666853B (zh) | 实时车辆违章检测方法、装置、设备及存储介质 | |
CN109740004B (zh) | 一种归档方法及装置 | |
CN111145555B (zh) | 一种检测车辆违章的方法和装置 | |
WO2013053159A1 (zh) | 一种车辆跟踪的方法及装置 | |
CN106295598A (zh) | 一种跨摄像头目标跟踪方法及装置 | |
CN109740003B (zh) | 一种归档方法及装置 | |
KR101678004B1 (ko) | 노드-링크 기반 카메라 네트워크 통합 감시 시스템 및 감시 방법 | |
CN109800684B (zh) | 一种视频中对象的确定方法及装置 | |
CN109948436B (zh) | 一种监控道路上车辆的方法及装置 | |
CN111400550A (zh) | 一种目标运动轨迹构建方法、设备以及计算机存储介质 | |
CN113256683B (zh) | 目标跟踪方法及相关设备 | |
CN109740518B (zh) | 一种视频中对象的确定方法及装置 | |
CN113095345A (zh) | 数据匹配方法、装置和数据处理设备 | |
CN112001357A (zh) | 目标识别检测方法及系统 | |
JP2010146522A (ja) | 顔画像追跡装置及び顔画像追跡方法並びにプログラム | |
KR101595334B1 (ko) | 농장에서의 움직임 개체의 이동 궤적 트래킹 방법 및 장치 | |
CN109800685A (zh) | 一种视频中对象的确定方法及装置 | |
CN115249407B (zh) | 指示灯状态识别方法、装置、电子设备、存储介质及产品 | |
Kluwak et al. | ALPR-extension to traditional plate recognition methods | |
CN111597979B (zh) | 一种目标对象聚类方法及装置 | |
KR102286250B1 (ko) | Cctv를 이용한 차량 번호 인식 시스템 | |
CN113158953A (zh) | 一种人员查找方法、装置、设备及介质 | |
CN112597924A (zh) | 电动自行车轨迹追踪方法、摄像机装置和服务器 | |
CN109508703A (zh) | 一种视频中的人脸确定方法及装置 |
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 |