CN110070566A - 信息检测方法、装置、计算机设备及可读存储介质 - Google Patents
信息检测方法、装置、计算机设备及可读存储介质 Download PDFInfo
- Publication number
- CN110070566A CN110070566A CN201910353678.0A CN201910353678A CN110070566A CN 110070566 A CN110070566 A CN 110070566A CN 201910353678 A CN201910353678 A CN 201910353678A CN 110070566 A CN110070566 A CN 110070566A
- Authority
- CN
- China
- Prior art keywords
- information
- video camera
- measured
- detection
- identifier
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000001514 detection method Methods 0.000 claims abstract description 112
- 238000011156 evaluation Methods 0.000 claims description 30
- 230000002123 temporal effect Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 16
- 230000008569 process Effects 0.000 abstract description 15
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种信息检测方法、装置、计算机设备及可读存储介质,涉及信息监测识别的技术领域。本申请提出的一种信息检测方法,应用在至少包含第一摄像机和第二摄像机的检测系统上,通过第一摄像机及第二摄像机分别检测待测目标的第一信息及第二信息,并将第一信息及第二信息进行关联,得到待测目标的完整信息,使得在信息检测过程中,检测得到的待测目标的信息较多,丢失的信息较少,进而提高了车辆检测、识别的准确率,以及提高了追踪的效果,缓解了现有技术中存在的使用一个摄像头对车辆进行检测时,无法拍到车辆的完整信息,使得在信息的检测过程中造成车辆信息的丢失,降低了车辆检测、识别的准确率,使得追踪的效果较差的技术问题。
Description
技术领域
本申请涉及信息监测识别技术领域,尤其是涉及一种信息检测方法、装置、计算机设备及可读存储介质。
背景技术
随着科技的发展,大街小巷随处可见摄像头或卡口等监控设备,监控系统通过监控设备对车辆或者行人的信息进行检测、识别及追踪。在现有技术中,监控系统通常设置一个摄像头对车辆或行人的信息进行检测,但是,摄像头的方向性,即一个摄像头固定一个方向,使得摄像头无法对车辆或行人的全部信息进行检测,以车辆为例,使用一个摄像头对车辆进行检测时,由于摄像头的方向性,只能拍到车辆的车头信息或者车尾信息,无法拍到车辆的完整信息,使得在信息检测过程中造成车辆信息的丢失,降低了车辆检测、识别的准确率,使得追踪的效果较差。
发明内容
有鉴于此,本申请的目的在于提供一种信息检测方法、装置、计算机设备及可读存储介质,以缓解现有技术中存在的使用一个摄像头对车辆进行检测时,无法拍到车辆的完整信息,使得在信息检测过程中造成车辆信息的丢失,降低了车辆检测、识别的准确率,使得追踪的效果较差的技术问题。
第一方面,本申请实施例提供了一种信息检测方法,所述信息检测方法应用在至少包含第一摄像机和第二摄像机的检测系统上,所述信息检测方法包括:
获取所述第一摄像机检测到的待测目标的第一信息;
获取所述待测目标经过标定位置时,所述第一摄像机获取的所述待测目标的第一标识信息,所述标定位置为所述第一摄像机和所述第二摄像机检测覆盖的共同区域;
确定与所述第一标识信息对应的所述第二摄像机检测到的第二标识信息;
获取所述第二标识信息对应的所述第二摄像机检测到的第二信息;
将所述第一信息及所述第二信息进行关联,得到所述待测目标的完整信息。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,其中,所述获取所述第一摄像机检测到的待测目标的第一信息,包括:
将所述第一摄像机检测到的至少一帧图像输入到预先训练好的检测跟踪模型中进行检测,识别待测目标;
对包含所述待测目标的至少一帧图像进行分值评价,依据分值评价的结果确定所述第一摄像机对应的目标抓拍图像;
将所述目标抓拍图像输入到预先训练好的检测分类模型中进行识别,得到所述第一摄像机检测到的待测目标的第一信息。
结合第一方面第一种可能的实施方式,本申请实施例提供了第一方面的第二种可能的实施方式,其中,所述对包含所述待测目标的至少一帧图像进行分值评价,依据分值评价的结果确定所述第一摄像机对应的目标抓拍图像,包括:
针对所述第一摄像机检测到的包含所述待测目标的至少一帧图像,执行:
依据预设的评价指标,对每一图像进行分值评价,针对所述评价指标的分值进行加权计算,得到所述图像对应的分值;
选取分值最高的图像作为所述目标抓拍图像。
结合第一方面,本申请实施例提供了第一方面的第三种可能的实施方式,其中,所述第一标识信息包括第一位置信息及第一时间信息,所述第二标识信息包括第二位置信息及第二时间信息;
所述确定与所述第一标识信息对应的所述第二摄像机检测到的第二标识信息,包括:
在第二摄像机的第二标识信息列表中,检索与所述第一位置信息对应的第二位置信息,以及检索与所述第一时间信息对应的第二时间信息;
所述获取所述第二标识信息对应的所述第二摄像机检测到的第二信息,包括:
根据所述第二位置信息及所述第二时间信息,在所述第二摄像机中确定待匹配目标;
若所述待匹配目标与所述待测目标相一致,获取所述第二摄像机检测到的所述待测目标的第二信息。
结合第一方面第三种可能的实施方式,本申请实施例提供了第一方面的第四种可能的实施方式,其中,所述第一标识信息还包括第一识别信息,所述第二标识信息还包括第二识别信息,所述待匹配目标与所述待测目标相一致,包括:
将所述第一识别信息与所述第二识别信息进行比对,得到比对结果;
若比对结果相一致,确定所述待匹配目标与所述待测目标相一致。
结合第一方面,本申请实施例提供了第一方面的第五种可能的实施方式,其中,所述将所述第一信息及所述第二信息进行关联,得到所述待测目标的完整信息,包括:
提起所述第一信息中包括的检测信息;
针对提取的每一项检测信息,执行:
判断所述第二信息中是否包括所述第一信息中的所述检测信息,若不包括,则所述检测信息为目标检测信息;
若包括,则根据所述第一信息及所述第二信息中的所述检测信息分别对应的置信度,确定目标检测信息;
根据所述目标检测信息,构成所述待测目标的完整信息。
第二方面,本申请实施例还提供一种信息检测装置,所述信息检测装置应用在至少包含第一摄像机和第二摄像机的检测系统上,包括:
第一信息获取模块,用于获取所述第一摄像机检测到的待测目标的第一信息;
第一标识信息获取模块,用于获取所述待测目标经过标定位置时,所述第一摄像机获取的所述待测目标的第一标识信息,所述标定位置为所述第一摄像机和所述第二摄像机检测覆盖的共同区域;
第二标识信息确定模块,用于确定与所述第一标识信息对应的所述第二摄像机检测到的第二标识信息;
第二信息获取模块,用于获取所述第二标识信息对应的所述第二摄像机检测到的第二信息;
完整信息获得模块,用于将所述第一信息及所述第二信息进行关联,得到所述待测目标的完整信息。
结合第二方面,本申请实施例提供了第二方面的第一种可能的实施方式,其中,所述第一信息获取模块,包括:
待测目标识别单元,用于将所述第一摄像机检测到的至少一帧图像输入到预先训练好的检测跟踪模型中进行检测,识别待测目标;
抓拍结果确定单元,用于对包含所述待测目标的至少一帧图像进行分值评价,依据分值评价的结果确定所述第一摄像机对应的目标抓拍图像;
第一信息得到单元,用于将所述目标抓拍图像输入到预先训练好的检测分类模型中进行识别,得到所述第一摄像机检测到的待测目标的第一信息。
第三方面,本申请实施例提供了一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述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上述信息检测方法的步骤。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述信息检测方法的步骤。
本申请实施例带来了以下有益效果:本申请提供了一种信息检测方法,包括:获取第一摄像机检测到的待测目标的第一信息;获取待测目标经过标定位置时,第一摄像机获取的待测目标的第一标识信息,标定位置为第一摄像机和第二摄像机检测覆盖的共同区域;确定与第一标识信息对应的第二摄像机检测到的第二标识信息;获取第二标识信息对应的第二摄像机检测到的第二信息;将第一信息及第二信息进行关联,得到待测目标的完整信息。本申请提出的信息检测方法,是应用在至少包含第一摄像机和第二摄像机的检测系统上,通过第一摄像机及第二摄像机分别检测待测目标的第一信息及第二信息,并将第一信息及第二信息进行关联,得到待测目标的完整信息,使得在信息检测过程中,检测得到的待测目标的信息较多,丢失的信息较少,进而提高了车辆检测、识别的准确率,以及提高了追踪的效果,缓解了现有技术中存在的使用一个摄像头对车辆进行检测时,无法拍到车辆的完整信息,使得在信息的检测过程中造成车辆信息的丢失,降低了车辆检测、识别的准确率,使得追踪的效果较差的技术问题。
本申请的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。本申请的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种信息检测方法的流程图;
图2为本申请实施例提供的一种一种包含第一摄像机和第二摄像机的检测系统的示意图;
图3为本申请实施例提供的一种信息检测方法中,获取第一摄像机检测到的待测目标的第一信息的流程图;
图4为本申请实施例提供的一种信息检测装置的结构框图;
图5为本申请实施例提供的一种计算机设备400结构示意图。
图标:24-第一摄像机;25-第二摄像机;30-第一信息获取模块;31-第一标识信息获取模块;32-第二标识信息确定模块;33-第二信息获取模块;34-完整信息获得模块;400-计算机设备;401-存储器;402-处理器。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
目前在现有技术中,监控系统通常设置一个摄像头对车辆或行人的信息进行检测,但是,摄像头的方向性,即一个摄像头固定一个方向,使得摄像头无法对车辆或行人的全部信息进行检测,以车辆为例,使用一个摄像头对车辆进行检测时,由于摄像头的方向性,只能拍到车辆的车头信息或者车尾信息,无法拍到车辆的完整信息,使得在信息检测过程中造成车辆信息的丢失,降低了车辆检测、识别的准确率,使得追踪的效果较差。基于此,本申请实施例提供的一种信息检测方法、装置、计算机设备及可读存储介质,可以在信息检测过程中,使得检测得到的待测目标的信息较多,丢失的信息较少,提高了车辆检测、识别的准确率,以及提高了追踪的效果,缓解了现有技术中存在的使用一个摄像头对车辆进行检测时,无法拍到车辆的完整信息,使得在信息的检测过程中造成车辆信息的丢失,降低了车辆检测、识别的准确率,使得追踪的效果较差的技术问题。
为便于对本实施例进行理解,首先对本申请实施例所公开的一种信息检测方法进行详细介绍。
实施例一:
本申请实施例提供了一种信息检测方法,该信息检测方法应用在至少包含第一摄像机和第二摄像机的检测系统上,如图1所示,图中示出的是一种信息检测方法的流程图,包括:
步骤S101:获取第一摄像机检测到的待测目标的第一信息;
具体的,以检测车辆的信息为例说明,如图2所示,图中示出的是一种包含第一摄像机和第二摄像机的检测系统的示意图,第一摄像机24与第二摄像机25为间隔一定的距离设置,当车辆即待测目标进入第一摄像机的检测范围内时,第一摄像机开始工作,为待测目标赋予一个标识码,不同的待测目标对应的标识码不同,并检测车辆的信息,即检测待测目标的第一信息,将检测到的待测目标的第一信息与待测目标的标识码进行关联,并将关联后的第一信息保存。其中,第二摄像机获取第二信息的过程可参考上述对第一摄像机获取第一信息的内容。图中虚线框标注的区域为标定位置,即为第一摄像机和第二摄像机检测覆盖的共同区域。
具体实现时,参见图3所示,步骤S101中获取第一摄像机检测到的待测目标的第一信息,还包括以下步骤:
步骤S201:将第一摄像机检测到的至少一帧图像输入到预先训练好的检测跟踪模型中进行检测,识别待测目标;
具体的,检测跟踪模型的训练过程为:将带有标记结果的样本图像输入到构建的检测跟踪模型中,对检测跟踪模型进行训练,直到该检测跟踪模型的准确度达到预设的第一阈值。其中,检测跟踪模型是通过目标检测算法构建而成的,标记结果为自行车、摩托车、桥车、面包车、客车、卡车、行人等可检测的目标。
在本申请实施例中,识别得到的待测目标可以为自行车、摩托车、桥车、面包车、客车、卡车、行人等。
步骤S202:对包含该待测目标的至少一帧图像进行分值评价,依据分值评价的结果确定第一摄像机对应的目标抓拍图像;
具体实现时,该过程包括以下步骤:
本申请实施例中,针对第一摄像机检测到的包含该待测目标的至少一帧图像,执行:
首先,依据预设的评价指标,对每一图像进行分值评价,针对该评价指标的分值进行加权计算,得到该图像对应的分值;
本申请实施例中,预设的评价指标包括图像尺寸、图像重叠率、图像清晰率、图像拍摄的角度等。其中,以图像重叠率举例,可以通过构建重叠判断模型,并选择带有分值标记的样本数据对重叠判断模型进行训练,得到训练好的重叠判断模型,将图像输入到训练好的重叠判断模型中,可得到该图像的图像重叠率该评价指标对应的分值,以此类推,可得到评价指标的分值,对得到的评价指标的分值进行加权计算,得到图像对应的分值。
其次,选取分值最高的图像作为目标抓拍图像。
具体的,基于上述得到的图像对应的分值,选择分值最高的图像作为目标抓拍图像。
步骤S203:将目标抓拍图像输入到预先训练好的检测分类模型中进行识别,得到第一摄像机检测到的待测目标的第一信息。
具体的,检测分类模型的训练过程为:将带有标记结果的样本图像输入到构建的检测分类模型中,对检测分类模型进行训练,直到该检测分类模型的准确度达到预设的第二阈值。其中,检测跟踪模型也是通过目标检测算法构建而成的。
进一步的,第一信息包括车辆颜色、车辆品牌型号、车牌号码、车辆类型等,还包括主驾驶人员是否系安全带、主驾驶人员是否开车打电话、副驾驶人员是否系安全带、主驾驶人员及副驾驶人员的脸部图像等;进一步,还包括车辆年检标、遮阳板、挂坠、摆件、纸巾盒、天窗、行李架、备胎、撞损痕等。
具体的,信息检测方法还包括步骤S102至步骤S105;
步骤S102:获取待测目标经过标定位置时,第一摄像机获取的待测目标的第一标识信息,标定位置为第一摄像机和第二摄像机检测覆盖的共同区域;
具体的,以车辆为例,可以将车辆的车头作为车辆标识位置,当车辆的车头经过标定位置的中心时,第一摄像机则获取待测目标的第一标识信息,第一标识信息包括第一位置信息及第一时间信息。
步骤S103:确定与第一标识信息对应的第二摄像机检测到的第二标识信息;
具体的,第二标识信息包括第二位置信息及第二时间信息;在第二摄像机的第二标识信息列表中,检索与第一位置信息对应的第二位置信息,以及检索与第一时间信息对应的第二时间信息。当目标经过标定位置的中心时,第二摄像机就获取该目标对应第二标识信息,进而可以得到多个目标对应的第二标识信息,多个目标的第二标识信息构成了第二标识信息列表。
步骤S104:获取第二标识信息对应的第二摄像机检测到的第二信息;
本申请中,首先根据第二位置信息及第二时间信息,在第二摄像机中确定待匹配目标;
具体的,根据第二位置信息及第二时间信息,确定待匹配目标时,第二位置信息及第二时间信息存在一定的容错范围,举例说明,若第二位置信息为据标定位置一侧5米的位置,第二时间信息为12:00:30,即12时00分00秒,位置信息的容错范围为1米,时间信息的容错范围为1秒,则添加容错范围后,第二位置信息为据标定位置一侧4米至6米的位置,第二时间信息为12:00:29至12:00:31的时间范围,因此,可根据添加容错范围后的第二位置信息及第二时间信息,确定待匹配目标。
其次,若待匹配目标与待测目标相一致,获取第二摄像机检测到的待测目标的第二信息。
具体的,第一标识信息还包括第一识别信息,第二标识信息还包括第二识别信息,以车辆为例,识别信息可以为车辆颜色、车牌号码、以及车辆型号等。
本申请实施例中,判断待匹配目标与待测目标是否相一致的过程,包括:
将第一识别信息与第二识别信息进行比对,得到比对结果;具体的,以车辆为例,若识别信息为车牌号码,则将第一识别信息中的车牌号码与第二识别信息中的车牌号码进行比对,若车牌号码一致,则认为比对结果相一致,若车牌号码不一致,则认为比对结果不一致。进一步的,若比对结果相一致,则确定待匹配目标与待测目标相一致。
步骤S105:将第一信息及第二信息进行关联,得到待测目标的完整信息。
具体实现时,步骤S105的具体过程为:
提取第一信息中包括的检测信息;检测信息包括车辆的信号、车牌号码、车辆颜色等。
具体实现时,针对提取的每一项检测信息,执行:
首先,判断第二信息中是否包括第一信息中的检测信息,若不包括,则检测信息为目标检测信息;若包括,则根据第一信息及第二信息中的检测信息分别对应的置信度,确定目标检测信息;
其次,根据目标检测信息,构成待测目标的完整信息。
具体的,第一信息是通过检测分类模型得到的,检测分类模型得到第一信息中的检测信息后,会生成该检测信息对应的置信度。例如,根据检测分类模型得到车辆的车牌号码后,会生成该车牌号码对应的置信度,置信度表示该车牌号码的正确度,若该置信度为80%,则认为该车牌号码有80%正确度,置信度越高,则该检测信息的正确度越高。
进一步的,举例说明,若第一信息中包括的检测信息有车辆颜色及对应的置信度70%、主驾驶员是否系安全带及对应的置信度60%、摆件及对应的置信度75%,若第二信息中包括的检测信息有摆件及对应的置信度70%、车辆颜色及对应的置信度73%;则第二信息中不包括主驾驶员是否系安全带,则第一信息中的祝驾驶员是否系安全带为目标检测信息;第二信息中车辆颜色对应的置信度大于第一信息中车辆颜色对应的置信度,则第二信息中的车辆颜色为目标检测信息;第一信息中摆件对应的置信度大于第二信息中摆件对应的置信度,则第一信息中的车辆颜色为目标检测信息;将上述确定的目标检测信息进行组合,则得到待测目标的完整信息,例如,若第一摄像头检测到待检测目标的第一信息中包括:车牌号码,车辆品牌,年款,年检表,第二摄像头检测到的待检测目标的第二信息中包括:车牌号码,车辆颜色,撞损痕,备胎,关联后得到的待检测目标的完整信息包括车牌号码,车辆品牌,年款,年检表,颜色,撞损痕,备胎。
其中,若第一摄像机检测到待检测目标,但第二摄像机没有检测到待检测目标,则将第一摄像机的第一信息发送至检测系统;若第二摄像机检测到待检测目标,但第一摄像机没有检测到待检测目标,则将第二摄像机的第二信息发送至检测系统;可以提高待检测目标的检测率。
本申请实施例通过提供了一种信息检测方法,其包括:获取第一摄像机检测到的待测目标的第一信息;获取待测目标经过标定位置时,第一摄像机获取的待测目标的第一标识信息,标定位置为第一摄像机和第二摄像机检测覆盖的共同区域;确定与第一标识信息对应的第二摄像机检测到的第二标识信息;获取第二标识信息对应的第二摄像机检测到的第二信息;将第一信息及第二信息进行关联,得到待测目标的完整信息。本申请提出的信息检测方法,是应用在至少包含第一摄像机和第二摄像机的检测系统上,通过第一摄像机及第二摄像机分别检测待测目标的第一信息及第二信息,并将第一信息及第二信息进行关联,得到待测目标的完整信息,使得在信息检测过程中,检测得到的待测目标的信息较多,丢失的信息较少,提高了车辆检测、识别的准确率,以及提高了追踪的效果,缓解了现有技术中存在的使用一个摄像头对车辆进行检测时,无法拍到车辆的完整信息,使得在信息的检测过程中造成车辆信息的丢失,降低了车辆检测、识别的准确率,使得追踪的效果较差的技术问题。
实施例二:
在上述实施例的基础上,本申请实施例还提供了一种信息检测装置,该装置应用在至少包含第一摄像机和第二摄像机的检测系统上,参见图4所示的是一种信息检测装置的结构框图,包括:
第一信息获取模块30,用于获取第一摄像机检测到的待测目标的第一信息;
第一标识信息获取模块31,用于获取待测目标经过标定位置时,第一摄像机获取的待测目标的第一标识信息,标定位置为第一摄像机和第二摄像机检测覆盖的共同区域;
第二标识信息确定模块32,用于确定与第一标识信息对应的第二摄像机检测到的第二标识信息;
第二信息获取模块33,用于获取第二标识信息对应的第二摄像机检测到的第二信息;
完整信息获得模块34,用于将第一信息及第二信息进行关联,得到待测目标的完整信息。
作为一可选实施例,第一信息获取模块,包括:
待测目标识别单元,用于将第一摄像机检测到的至少一帧图像输入到预先训练好的检测跟踪模型中进行检测,识别待测目标;
抓拍结果确定单元,用于对包含待测目标的至少一帧图像进行分值评价,依据分值评价的结果确定第一摄像机对应的目标抓拍图像;
第一信息得到单元,用于将目标抓拍图像输入到预先训练好的检测分类模型中进行识别,得到第一摄像机检测到的待测目标的第一信息。
作为一可选实施例,抓拍结果确定单元,具体用于:
针对第一摄像机检测到的包含所述待测目标的至少一帧图像,执行:
依据预设的评价指标,对每一图像进行分值评价,针对评价指标的分值进行加权计算,得到图像对应的分值;
选取分值最高的图像作为目标抓拍图像。
作为一可选实施例,第一标识信息包括第一位置信息及第一时间信息,第二标识信息包括第二位置信息及第二时间信息;
其中,第二标识信息确定模块,具体用于:
在第二摄像机的第二标识信息列表中,检索与第一位置信息对应的第二位置信息,以及检索与第一时间信息对应的第二时间信息;
以及第二信息获取模块,具体用于:
根据第二位置信息及第二时间信息,在第二摄像机中确定待匹配目标;
若待匹配目标与待测目标相一致,获取第二摄像机检测到的待测目标的第二信息。
作为一可选实施例,第一标识信息还包括第一识别信息,第二标识信息还包括第二识别信息,第二信息获取模块,还具体用于:
将第一识别信息与第二识别信息进行比对,得到比对结果;
若比对结果相一致,确定待匹配目标与待测目标相一致。
作为一可选实施例,完整信息获得模块,具体用于:
提起第一信息中包括的检测信息;
针对提取的每一项检测信息,执行:
判断第二信息中是否包括第一信息中的检测信息,若不包括,则检测信息为目标检测信息;
若包括,则根据第一信息及第二信息中的检测信息分别对应的置信度,确定目标检测信息;
根据目标检测信息,构成待测目标的完整信息。
本申请实施例提供的信息检测装置,与上述实施例提供的信息检测方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
对应于图1中的信息检测方法,本发明实施例还提供了一种计算机设备400,如图5所示,该设备包括存储器401、处理器402及存储在该存储器401上并可在该处理器402上运行的计算机程序,其中,上述处理器402执行上述计算机程序时实现上述信息检测方法。
具体地,上述存储器401和处理器402能够为通用的存储器和处理器,这里不做具体限定,当处理器402运行存储器401存储的计算机程序时,能够执行上述信息检测方法,缓减了现有技术中使用一个摄像头对车辆进行检测时,无法拍到车辆的完整信息,使得在信息的检测过程中造成车辆信息的丢失,降低了车辆检测、识别的准确率,使得追踪的效果较差的技术问题,其中,本申请提供的一种信息检测方法,应用在至少包含第一摄像机和第二摄像机的检测系统上,通过第一摄像机及第二摄像机分别检测待测目标的第一信息及第二信息,并将第一信息及第二信息进行关联,得到待测目标的完整信息,使得在信息检测过程中,检测得到的待测目标的信息较多,丢失的信息较少,进而提高了车辆检测、识别的准确率,以及提高了追踪的效果。
对应于图1中的信息检测方法,本发明实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述信息检测方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述信息检测方法,解决了现有技术中存在的使用一个摄像头对车辆进行检测时,无法拍到车辆的完整信息,使得在信息的检测过程中造成车辆信息的丢失,降低了车辆检测、识别的准确率,使得追踪的效果较差的技术问题,本申请通过提供一种信息检测方法,应用在至少包含第一摄像机和第二摄像机的检测系统上,通过第一摄像机及第二摄像机分别检测待测目标的第一信息及第二信息,并将第一信息及第二信息进行关联,得到待测目标的完整信息,使得在信息检测过程中,检测得到的待测目标的信息较多,丢失的信息较少,进而提高了车辆检测、识别的准确率,以及提高了追踪的效果。
本申请实施例所提供的进行信息检测方法及装置的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种信息检测方法,其特征在于,所述信息检测方法应用在至少包含第一摄像机和第二摄像机的检测系统上,所述信息检测方法包括:
获取所述第一摄像机检测到的待测目标的第一信息;
获取所述待测目标经过标定位置时,所述第一摄像机获取的所述待测目标的第一标识信息,所述标定位置为所述第一摄像机和所述第二摄像机检测覆盖的共同区域;
确定与所述第一标识信息对应的所述第二摄像机检测到的第二标识信息;
获取所述第二标识信息对应的所述第二摄像机检测到的第二信息;
将所述第一信息及所述第二信息进行关联,得到所述待测目标的完整信息。
2.根据权利要求1所述的信息检测方法,其特征在于,所述获取所述第一摄像机检测到的待测目标的第一信息,包括:
将所述第一摄像机检测到的至少一帧图像输入到预先训练好的检测跟踪模型中进行检测,识别待测目标;
对包含所述待测目标的至少一帧图像进行分值评价,依据分值评价的结果确定所述第一摄像机对应的目标抓拍图像;
将所述目标抓拍图像输入到预先训练好的检测分类模型中进行识别,得到所述第一摄像机检测到的待测目标的第一信息。
3.根据权利要求2所述的信息检测方法,其特征在于,所述对包含所述待测目标的至少一帧图像进行分值评价,依据分值评价的结果确定所述第一摄像机对应的目标抓拍图像,包括:
针对所述第一摄像机检测到的包含所述待测目标的至少一帧图像,执行:
依据预设的评价指标,对每一图像进行分值评价,针对所述评价指标的分值进行加权计算,得到所述图像对应的分值;
选取分值最高的图像作为所述目标抓拍图像。
4.根据权利要求1所述的信息检测方法,其特征在于,所述第一标识信息包括第一位置信息及第一时间信息,所述第二标识信息包括第二位置信息及第二时间信息;
所述确定与所述第一标识信息对应的所述第二摄像机检测到的第二标识信息,包括:
在第二摄像机的第二标识信息列表中,检索与所述第一位置信息对应的第二位置信息,以及检索与所述第一时间信息对应的第二时间信息;
所述获取所述第二标识信息对应的所述第二摄像机检测到的第二信息,包括:
根据所述第二位置信息及所述第二时间信息,在所述第二摄像机中确定待匹配目标;
若所述待匹配目标与所述待测目标相一致,获取所述第二摄像机检测到的所述待测目标的第二信息。
5.根据权利要求4所述的信息检测方法,其特征在于,所述第一标识信息还包括第一识别信息,所述第二标识信息还包括第二识别信息,所述待匹配目标与所述待测目标相一致,包括:
将所述第一识别信息与所述第二识别信息进行比对,得到比对结果;
若比对结果相一致,确定所述待匹配目标与所述待测目标相一致。
6.根据权利要求1-5任一项所述的信息检测方法,其特征在于,所述将所述第一信息及所述第二信息进行关联,得到所述待测目标的完整信息,包括:
提取所述第一信息中包括的检测信息;
针对提取的每一项检测信息,执行:
判断所述第二信息中是否包括所述第一信息中的所述检测信息,若不包括,则所述检测信息为目标检测信息;
若包括,则根据所述第一信息及所述第二信息中的所述检测信息分别对应的置信度,确定目标检测信息;
根据所述目标检测信息,构成所述待测目标的完整信息。
7.一种信息检测装置,其特征在于,所述信息检测装置应用在至少包含第一摄像机和第二摄像机的检测系统上,包括:
第一信息获取模块,用于获取所述第一摄像机检测到的待测目标的第一信息;
第一标识信息获取模块,用于获取所述待测目标经过标定位置时,所述第一摄像机获取的所述待测目标的第一标识信息,所述标定位置为所述第一摄像机和所述第二摄像机检测覆盖的共同区域;
第二标识信息确定模块,用于确定与所述第一标识信息对应的所述第二摄像机检测到的第二标识信息;
第二信息获取模块,用于获取所述第二标识信息对应的所述第二摄像机检测到的第二信息;
完整信息获得模块,用于将所述第一信息及所述第二信息进行关联,得到所述待测目标的完整信息。
8.根据权利要求7所述的信息检测装置,其特征在于,所述第一信息获取模块,包括:
待测目标识别单元,用于将所述第一摄像机检测到的至少一帧图像输入到预先训练好的检测跟踪模型中进行检测,识别待测目标;
抓拍结果确定单元,用于对包含所述待测目标的至少一帧图像进行分值评价,依据分值评价的结果确定所述第一摄像机对应的目标抓拍图像;
第一信息得到单元,用于将所述目标抓拍图像输入到预先训练好的检测分类模型中进行识别,得到所述第一摄像机检测到的待测目标的第一信息。
9.一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述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上述权利要求1-6中任一项所述的信息检测方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质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运行时执行上述权利要求1-6中任一项所述的信息检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910353678.0A CN110070566B (zh) | 2019-04-29 | 2019-04-29 | 信息检测方法、装置、计算机设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910353678.0A CN110070566B (zh) | 2019-04-29 | 2019-04-29 | 信息检测方法、装置、计算机设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110070566A true CN110070566A (zh) | 2019-07-30 |
CN110070566B CN110070566B (zh) | 2021-07-30 |
Family
ID=67369572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910353678.0A Expired - Fee Related CN110070566B (zh) | 2019-04-29 | 2019-04-29 | 信息检测方法、装置、计算机设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110070566B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062313A (zh) * | 2019-12-13 | 2020-04-24 | 歌尔股份有限公司 | 一种图像识别方法、装置、监控系统及存储介质 |
CN111368623A (zh) * | 2019-10-23 | 2020-07-03 | 杭州宇泛智能科技有限公司 | 目标搜索方法和目标搜索系统 |
CN111652114A (zh) * | 2020-05-29 | 2020-09-11 | 深圳市商汤科技有限公司 | 一种对象检测方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102414719A (zh) * | 2009-07-22 | 2012-04-11 | 欧姆龙株式会社 | 监视摄像机终端 |
CN104123732A (zh) * | 2014-07-14 | 2014-10-29 | 中国科学院信息工程研究所 | 一种基于多摄像头的在线目标跟踪方法及系统 |
CN108229475A (zh) * | 2018-01-03 | 2018-06-29 | 深圳中兴网信科技有限公司 | 车辆跟踪方法、系统、计算机设备及可读存储介质 |
US20180232890A1 (en) * | 2017-02-15 | 2018-08-16 | International Business Machines Corporation | Detecting Hand-Eye Coordination in Real Time by Combining Camera Eye Tracking and Wearable Sensing |
-
2019
- 2019-04-29 CN CN201910353678.0A patent/CN110070566B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102414719A (zh) * | 2009-07-22 | 2012-04-11 | 欧姆龙株式会社 | 监视摄像机终端 |
CN104123732A (zh) * | 2014-07-14 | 2014-10-29 | 中国科学院信息工程研究所 | 一种基于多摄像头的在线目标跟踪方法及系统 |
US20180232890A1 (en) * | 2017-02-15 | 2018-08-16 | International Business Machines Corporation | Detecting Hand-Eye Coordination in Real Time by Combining Camera Eye Tracking and Wearable Sensing |
CN108229475A (zh) * | 2018-01-03 | 2018-06-29 | 深圳中兴网信科技有限公司 | 车辆跟踪方法、系统、计算机设备及可读存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111368623A (zh) * | 2019-10-23 | 2020-07-03 | 杭州宇泛智能科技有限公司 | 目标搜索方法和目标搜索系统 |
CN111062313A (zh) * | 2019-12-13 | 2020-04-24 | 歌尔股份有限公司 | 一种图像识别方法、装置、监控系统及存储介质 |
CN111652114A (zh) * | 2020-05-29 | 2020-09-11 | 深圳市商汤科技有限公司 | 一种对象检测方法、装置、电子设备及存储介质 |
CN111652114B (zh) * | 2020-05-29 | 2023-08-25 | 深圳市商汤科技有限公司 | 一种对象检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110070566B (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107305627A (zh) | 一种车辆视频监控方法、服务器及系统 | |
CN109087510B (zh) | 交通监测方法及装置 | |
US8922394B2 (en) | Apparatus and method for parking position display of vehicle | |
CN110070566A (zh) | 信息检测方法、装置、计算机设备及可读存储介质 | |
CN106774306B (zh) | 应用于无人驾驶车辆的启动检测方法、装置和系统 | |
CN104639840B (zh) | 图像处理装置及图像处理方法 | |
CN108961236A (zh) | 电路板缺陷检测模型的训练方法及装置、检测方法及装置 | |
CN110869936A (zh) | 用于自动驾驶车辆中的分布式学习与适应的方法和系统 | |
CN109670503A (zh) | 标识检测方法、装置和电子系统 | |
Ma et al. | RETRACTED: Research on vehicle license plate recognition technology based on deep convolutional neural networks | |
CN108323209B (zh) | 信息处理方法、系统、云处理设备以及计算机存储介质 | |
CN104573680B (zh) | 图像检测方法、图像检测装置以及交通违法检测系统 | |
CN102855500A (zh) | 一种基于Haar和HoG特征的前车检测方法 | |
CN109141250B (zh) | 箱包尺寸测量方法、装置和箱包尺寸测量服务器 | |
CN110490135A (zh) | 车辆年检方法、装置、计算机设备和存储介质 | |
CN110610137B (zh) | 检测车辆行驶状态的方法、装置以及电子设备、存储介质 | |
CN109359535B (zh) | 木材装载信息的识别方法、装置、电子设备及存储介质 | |
CN103500330A (zh) | 一种基于多传感器、多特征融合的半监督的人检测方法 | |
CN109766867A (zh) | 车辆运行状态确定方法、装置、计算机设备和存储介质 | |
CN111079589A (zh) | 基于深度摄像和身高阈值像素标定的自动身高检测方法 | |
CN106991823A (zh) | 车牌识别方法及装置 | |
CN111696360A (zh) | 一种停车监控方法、系统及摄像机 | |
JP6431271B2 (ja) | 車両検知及び車両番号認識装置 | |
KR101509753B1 (ko) | 차량 검사 장치 및 차량 검사 방법 | |
US20230342937A1 (en) | Vehicle image analysis |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210730 |