CN110263619A - 图像处理方法和装置、电子设备和计算机存储介质 - Google Patents
图像处理方法和装置、电子设备和计算机存储介质 Download PDFInfo
- Publication number
- CN110263619A CN110263619A CN201910362402.9A CN201910362402A CN110263619A CN 110263619 A CN110263619 A CN 110263619A CN 201910362402 A CN201910362402 A CN 201910362402A CN 110263619 A CN110263619 A CN 110263619A
- Authority
- CN
- China
- Prior art keywords
- image
- crowd
- default
- anomalous event
- information
- 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
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
Abstract
本公开实施例公开了一种图像处理方法和装置、电子设备和计算机存储介质,其中,图像处理方法包括:获取视频图像的图像参数;根据所述图像参数确定对所述视频图像的分析处理策略;根据所述分析处理策略对所述视频图像进行人群分析处理,得到对所述视频图像的人群分析结果。本公开实施例可以提高图像处理方法对于不同场景的适配性,提升图像处理结果的准确性。
Description
技术领域
本公开涉及安防技术领域,尤其是一种图像处理方法和装置、电子设备和计算机存储介质。
背景技术
人群分析系统,是应用于交通行业和大型公共空间等领域中,例如:火车站、汽车站、电影院和大型超市等场所,实现对人流和人群监控的系统。现有的人群分析系统通常采用一种通用的图像处理方法,对不同视频图像采集设备采集的视频图像进行处理。由于视频图像采集设备应用的场景不同,例如:应用于远景场景或近景场景,采用一种通用的图像处理方法进行图像处理,对于不同场景的适应范围比较有限,图像处理结果的准确率会因为适配条件的不同而有所浮动。
发明内容
本公开实施例提供一种图像处理的技术方案。
根据本公开实施例的一个方面,提供一种图像处理方法,包括:
获取视频图像的图像参数;
根据所述图像参数确定对所述视频图像的分析处理策略;
根据所述分析处理策略对所述视频图像进行人群分析处理,得到对所述视频图像的人群分析结果。
可选地,在本公开上述方法实施例中,所述图像参数包括图像中场景的距离;
所述根据所述图像参数确定对所述视频图像的分析处理策略,包括:
响应于所述图像中场景的距离大于预设阈值的情况,对所述图像进行人群检测和跟踪处理,得到所述图像中的人群信息;
响应于所述图像中场景的距离小于或等于预设阈值的情况,对所述图像进行人体检测和跟踪处理,得到所述图像中的人群信息。
可选地,在本公开上述任一方法实施例中,所述根据所述分析处理策略对所述视频图像进行人群分析处理,得到对所述视频图像的人群分析结果,包括:
根据所述图像中的人群信息,得到所述图像中的人数信息和/或人群分布热力图。
可选地,在本公开上述任一方法实施例中,还包括:
显示所述图像中的人数信息和/或所述人群分布热力图。
可选地,在本公开上述任一方法实施例中,所述根据所述分析处理策略对所述视频图像进行人群分析处理,得到对所述视频图像的人群分析结果,还包括:
根据所述图像中的人群信息和预设人群异常事件类型,确定所述图像中的人群是否发生所述预设人群异常事件。
可选地,在本公开上述任一方法实施例中,所述根据所述图像中的人群信息和预设人群异常事件类型,确定所述图像中的人群是否发生所述预设人群异常事件,包括:
根据所述图像中的人群信息和预设人群异常事件类型,确定所述图像中的预设监测区域中的人群行为数据;
根据所述预设监测区域中的人群行为数据和预设人群行为数据阈值,确定所述预设监测区域是否发生所述预设人群异常事件。
可选地,在本公开上述任一方法实施例中,所述根据所述图像中的人群信息和预设人群异常事件类型,确定所述图像中的预设监测区域中的人群行为数据,包括:
根据所述人体检测和跟踪处理得到的所述图像中的人群信息和人群侵入事件,确定所述图像中的预设监测区域中的人体数量;
所述根据所述预设监测区域中的人群行为数据和预设人群行为数据阈值,确定所述预设监测区域是否发生所述预设人群异常事件,包括:
根据所述预设监测区域中的人体数量超过第一预设人数阈值,确定所述预设监测区域发生所述人群侵入事件。
可选地,在本公开上述任一方法实施例中,所述根据所述图像中的人群信息和预设人群异常事件类型,确定所述图像中的预设监测区域中的人群行为数据,还包括:
根据所述人群检测和跟踪处理得到的所述图像中的人群信息和人群过密事件,确定所述图像中的预设监测区域中的人群数量;
所述根据所述预设监测区域中的人群行为数据和预设人群行为数据阈值,确定所述预设监测区域是否发生所述预设人群异常事件,还包括:
根据所述预设监测区域中的人群数量在第一预设时间段中的平均值超过第二预设人数阈值,确定所述预设监测区域发生所述人群过密事件。
可选地,在本公开上述任一方法实施例中,所述根据所述图像中的人群信息和预设人群异常事件类型,确定所述图像中的预设监测区域中的人群行为数据,还包括:
根据所述人群检测和跟踪处理得到的所述图像中的人群信息和人群滞留事件,确定所述图像中的预设监测区域中的人群运动距离;
所述根据所述预设监测区域中的人群行为数据和预设人群行为数据阈值,确定所述预设监测区域是否发生所述预设人群异常事件,还包括:
根据所述预设监测区域中的人群在第二预设时间段中的运动距离低于预设距离阈值,确定所述预设监测区域发生所述人群滞留事件。
可选地,在本公开上述任一方法实施例中,所述根据所述分析处理策略对所述视频图像进行人群分析处理,得到对所述视频图像的人群分析结果,还包括:
响应于所述图像中的人群发生所述预设人群异常事件的情况,生成告警信息;
所述方法还包括:显示所述告警信息进行报警。
可选地,在本公开上述任一方法实施例中,所述响应于所述图像中的人群发生所述预设人群异常事件的情况,生成告警信息之后,还包括:
根据所述图像中的人群信息和所述预设人群异常事件类型,生成人群异常事件分析图像;
存储所述人群异常事件分析图像和所述人群异常事件的参数,其中,所述人群异常事件的参数包括事件开始时间、事件类型和事件持续时间;
所述方法还包括:以预设时间频率显示所述人群异常事件分析图像和所述人群异常事件的参数。
可选地,在本公开上述任一方法实施例中,还包括:
响应于接收到人群异常事件统计请求的情况,对所述人群异常事件分析图像和所述人群异常事件的参数进行统计,得到人群异常事件的统计结果;
显示所述人群异常事件的统计结果。
可选地,在本公开上述任一方法实施例中,所述根据所述图像中的人群信息,得到所述图像中的人数信息之后,还包括:
根据所述图像中的人数信息和所述图像中监测区域的面积,得到所述图像的人群密度信息;
所述方法还包括:显示所述图像中的人数信息和所述图像的人群密度信息。
根据本公开实施例的另一个方面,提供一种图像处理装置,包括:
获取单元,用于获取视频图像的图像参数;
判断单元,用于根据所述图像参数确定对所述视频图像的分析处理策略;
处理单元,用于根据所述分析处理策略对所述视频图像进行人群分析处理,得到对所述视频图像的人群分析结果。
可选地,在本公开上述装置实施例中,所述图像参数包括图像中场景的距离;
所述判断单元,包括:
人群分析模块,用于响应于所述图像中场景的距离大于预设阈值的情况,对所述图像进行人群检测和跟踪处理,得到所述图像中的人群信息;
人体结构化模块,用于响应于所述图像中场景的距离小于或等于预设阈值的情况,对所述图像进行人体检测和跟踪处理,得到所述图像中的人群信息。
可选地,在本公开上述任一装置实施例中,所述处理单元,包括:
人群处理模块,用于根据所述图像中的人群信息,得到所述图像中的人数信息和/或人群分布热力图。
可选地,在本公开上述任一装置实施例中,还包括:
显示单元,用于显示所述图像中的人数信息和/或所述人群分布热力图。
可选地,在本公开上述任一装置实施例中,所述处理单元,还包括:
异常事件处理模块,用于根据所述图像中的人群信息和预设人群异常事件类型,确定所述图像中的人群是否发生所述预设人群异常事件。
可选地,在本公开上述任一装置实施例中,所述异常事件处理模块,用于根据所述图像中的人群信息和预设人群异常事件类型,确定所述图像中的预设监测区域中的人群行为数据;以及根据所述预设监测区域中的人群行为数据和预设人群行为数据阈值,确定所述预设监测区域是否发生所述预设人群异常事件。
可选地,在本公开上述任一装置实施例中,所述异常事件处理模块,用于根据所述人体检测和跟踪处理得到的所述图像中的人群信息和人群侵入事件,确定所述图像中的预设监测区域中的人体数量;以及根据所述预设监测区域中的人体数量超过第一预设人数阈值,确定所述预设监测区域发生所述人群侵入事件。
可选地,在本公开上述任一装置实施例中,所述异常事件处理模块,用于根据所述人群检测和跟踪处理得到的所述图像中的人群信息和人群过密事件,确定所述图像中的预设监测区域中的人群数量;以及根据所述预设监测区域中的人群数量在第一预设时间段中的平均值超过第二预设人数阈值,确定所述预设监测区域发生所述人群过密事件。
可选地,在本公开上述任一装置实施例中,所述异常事件处理模块,用于根据所述人群检测和跟踪处理得到的所述图像中的人群信息和人群滞留事件,确定所述图像中的预设监测区域中的人群运动距离;以及根据所述预设监测区域中的人群在第二预设时间段中的运动距离低于预设距离阈值,确定所述预设监测区域发生所述人群滞留事件。
可选地,在本公开上述任一装置实施例中,所述异常事件处理模块,还用于响应于所述图像中的人群发生所述预设人群异常事件的情况,生成告警信息;
所述装置还包括:显示单元,用于显示所述告警信息进行报警。
可选地,在本公开上述任一装置实施例中,所述异常事件处理模块,还用于根据所述图像中的人群信息和所述预设人群异常事件类型,生成人群异常事件分析图像;
所述装置还包括:存储单元,用于存储所述人群异常事件分析图像和所述人群异常事件的参数,其中,所述人群异常事件的参数包括事件开始时间、事件类型和事件持续时间;
所述显示单元,用于以预设时间频率显示所述人群异常事件分析图像和所述人群异常事件的参数。
可选地,在本公开上述任一装置实施例中,还包括:
统计单元,用于响应于接收到人群异常事件统计请求的情况,对所述人群异常事件分析图像和所述人群异常事件的参数进行统计,得到人群异常事件的统计结果;
所述显示单元,用于显示所述人群异常事件的统计结果。
可选地,在本公开上述任一装置实施例中,所述处理单元,还包括:
密度处理模块,用于根据所述图像中的人数信息和所述图像中监测区域的面积,得到所述图像的人群密度信息;
所述装置还包括:显示单元,用于显示所述图像中的人数信息和所述图像的人群密度信息。
根据本公开实施例的再一个方面,提供的一种电子设备,包括上述任一实施例所述的装置。
根据本公开实施例的再一个方面,提供的一种电子设备,包括:
存储器,用于存储可执行指令;以及
处理器,用于执行所述可执行指令从而完成上述任一实施例所述的方法。
根据本公开实施例的再一个方面,提供的一种计算机程序,包括计算机可读代码,当所述计算机可读代码在设备上运行时,所述设备中的处理器执行用于实现上述任一实施例所述方法的指令。
根据本公开实施例的再一个方面,提供的一种计算机存储介质,用于存储计算机可读指令,所述指令被执行时实现上述任一实施例所述的方法。
基于本公开上述实施例提供的图像处理方法和装置、电子设备和计算机存储介质,通过获取视频图像的图像参数,根据图像参数确定对视频图像的分析处理策略,根据分析处理策略对视频图像进行人群分析处理,得到对视频图像的人群分析结果,可以利用不同的分析处理策略对应用于不同场景的视频图像采集设备采集的视频图像进行分析处理,满足不同场景的视频图像对于图像分析处理的不同要求,提高图像处理方法对于不同场景的适配性,提升图像处理结果的准确性。
下面通过附图和实施例,对本公开的技术方案做进一步的详细描述。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同描述一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开,其中:
图1为本公开一些实施例的图像处理方法的流程图;
图2为本公开一些实施例的图像处理方法对不同场景距离的图像进行人群分析处理的流程图;
图3为本公开一些实施例的图像处理方法对人群异常事件进行监测的流程图;
图4为本公开另一些实施例的图像处理方法对人群异常事件进行监测的流程图;
图5为本公开一些实施例的图像处理装置的流程图;
图6为本公开另一些实施例的图像处理装置的流程图;
图7为本公开又一些实施例的图像处理装置的流程图;
图8为本公开再一些实施例的图像处理装置的流程图;
图9为本公开再一些实施例的图像处理装置的流程图;
图10为本公开一些实施例提供的电子设备的结构示意图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
本公开实施例可以应用于计算机系统/服务器,其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于:个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境,等等。
计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常,程序模块可以包括例程、程序、第三程序、组件、逻辑、数据结构等等,它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施,分布式云计算环境中,任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中,程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
图1为本公开一些实施例的图像处理方法的流程图。该方法可以由服务器和/或终端设备执行,例如:由Web服务器和Web客户端执行。如图1所示,该方法包括:
102,获取视频图像的图像参数。
在本公开实施例中,视频图像可以为视频图像采集设备采集的视频图像,例如:网络摄像机(IP Camera,简称IPC)等;或者,视频图像可以为视频平台(video platform)上传的视频图像,例如,直播平台等,本公开实施例对视频图像的获取方式不作限定。视频图像的图像参数可以为反映视频图像中所涉及场景的性质的参数,例如:场景的距离、场景的光照等,本公开实施例对此不作限定。可选地,可以根据视频图像采集设备的配置信息,获取视频图像采集设备采集的视频图像的图像参数;或者,可以通过对视频图像进行图像处理,获取视频平台上传的视频图像的图像参数,本公开实施例对获取视频图像的图像参数的实现方式不作限定。
在一些实施例中,视频图像采集自应用于不同场景的视频图像采集设备,例如:视频图像采集设备的应用场景可以包括远景场景和近景场景,其中,远景场景可以为图像中场景的距离大于预设阈值的场景,近景场景可以为图像中场景的距离小于或等于预设阈值的场景,视频图像的图像参数可以包括图像中场景的距离,图像中场景的距离可以根据视频图像采集设备安装的高度和角度确定,预设阈值可以根据实际应用的场景设定,本公开实施例对此不作限定。
在另一些实施例中,视频图像采集自应用于不同场景的视频图像采集设备,例如:视频图像采集设备的应用场景可以包括室内场景和室外场景,其中,室内场景可以为图像中场景的光照在预设范围内的场景,室外场景可以为图像中场景的光照不在预设范围内的场景,视频图像的图像参数可以包括图像中场景的光照,图像中场景的光照可以根据视频图像采集设备安装的位置确定,预设范围可以根据实际应用的场景设定,本公开实施例对此不作限定。
104,根据图像参数确定对视频图像的分析处理策略。
在本公开实施例中,可以根据视频图像中场景的性质,配置对视频图像不同的分析处理策略,在获取视频图像的图像参数后,可以根据图像参数确定对视频图像的分析处理策略。可选地,对视频图像的分析处理策略可以采用多种方式实现,例如:可以利用神经网络通过机器学习得到对视频图像的分析处理策略,其中,神经网络可以采用卷积神经网络(Convolutional Neural Network,CNN)、深度神经网络(Deep Neural Network,DNN)等,本公开实施例对视频图像的分析处理策略的实现方式不作限定。可选地,对视频图像不同的分析处理策略可以采用不同的神经网络来实现,不同的神经网络可以为实现对图像分析处理的原理不同的神经网络。
在一些实施例中,视频图像中场景的性质可以包括场景的距离,可以根据视频图像中场景的距离,配置对视频图像不同的分析处理策略,例如:可以根据图像中场景的距离大于预设阈值和小于或等于预设阈值将视频图像中的场景分为远景场景和近景场景,可以为分析处理远景场景的图像配置适于分析处理远景场景的图像的第一神经网络,为分析处理近景场景的图像配置适于分析处理近景场景的图像的第二神经网络,其中,第一神经网络和第二神经网络分别通过机器学习得到对视频图像的分析处理策略,并且第一神经网络与第二神经网络实现对图像分析处理的原理不同。
在另一些实施例中,视频图像中场景的性质可以包括场景的光照,可以根据视频图像中场景的光照,配置对视频图像不同的分析处理策略,例如:可以根据图像中场景的光照在预设范围内和图像中场景的光照不在预设范围内将视频图像中的场景分为室内场景和室外场景,可以为分析处理室内场景的图像配置适于分析处理室内场景的图像的第一神经网络,为分析处理室外场景的图像配置适于分析处理室外场景的图像的第二神经网络,其中,第一神经网络和第二神经网络分别通过机器学习得到对视频图像的分析处理策略,并且第一神经网络与第二神经网络实现对图像分析处理的原理不同。
在一些实施例中,可以先对视频图像进行预处理,然后通过神经网络对预处理后的图像进行分析处理。可选地,预处理可以包括下列处理中的至少一种:尺度调整、亮度调整、转正处理、裁剪处理等。例如,神经网络对输入图像的尺寸有要求,此时,如果视频图像的尺寸符合神经网络对输入图像的尺寸要求,可以将视频图像直接输入神经网络进行分析处理,而如果视频图像的尺寸与神经网络对输入图像的尺寸要求不符,可以对视频图像进行尺寸调整处理后再输入神经网络进行分析处理,本公开实施例对预处理的实现方式不作限定。
106,根据分析处理策略对视频图像进行人群分析处理,得到对视频图像的人群分析结果。
可选地,根据分析处理策略对视频图像进行人群分析处理,得到的对视频图像的人群分析结果可以包括多种形式的数据,例如,可以包括文本数据和图像数据,本公开实施例对人群分析处理得到的对视频图像的人群分析结果的数据形式不作限定。在一些实施例中,可以对人群分析结果中不同形式的数据,采用不同的数据处理方法进行数据处理,得到适于传输的数据,实现人群分析结果在不同设备之间的传输。例如,对于人群分析结果中的文本数据,可以采用消息队列的形式进行传输,对于人群分析结果中的图像数据,可以采用流媒体的形式进行传输,但本公开实施例对此不作限定。
基于本公开实施例提供的图像处理方法,通过获取视频图像的图像参数,根据图像参数确定对视频图像的分析处理策略,根据分析处理策略对视频图像进行人群分析处理,得到对视频图像的人群分析结果,可以利用不同的分析处理策略对应用于不同场景的视频图像采集设备采集的视频图像进行分析处理,满足不同场景的视频图像对于图像分析处理的不同要求,提高图像处理方法对于不同场景的适配性,提升图像处理结果的准确性。本公开实施例提供的图像处理方法可以广泛应用于智能视频分析、安防监控等领域。同时本公开实施例提供的图像处理方法得到的人群分析结果还可以为调动人脸识别等数据,做进一步的人群异常事件和人体、人脸的身份比对、追踪检测的集成提供基础。
在一些实施例中,视频图像的图像参数包括图像中场景的距离,可以根据视频图像中场景的距离,确定对视频图像的分析处理策略,例如:根据图像中场景的距离可以将视频图像分为远景场景的图像和近景场景的图像,可以分别对远景场景的图像和近景场景的图像采用不同的分析处理策略进行人群分析处理。下面将结合图2的实施例,详细描述本公开一些实施例的图像处理方法对不同场景距离的图像进行人群分析处理的流程。
如图2所示,该方法包括:
202,获取视频图像中场景的距离。
可选地,当视频图像为视频图像采集设备采集的视频图像时,可以根据视频图像采集设备的安装信息获取视频图像中场景的距离,例如:根据视频图像采集设备安装的高度和角度等信息;当视频图像为视频平台上传的视频图像时,可以通过对视频图像进行图像处理获取视频图像中场景的距离,例如:通过神经网络对视频图像进行图像处理,确定视频图像中场景的距离;本公开实施例对视频图像中场景的距离的获取方式不作限定。
204,响应于图像中场景的距离大于预设阈值的情况,对图像进行人群检测和跟踪处理,得到图像中的人群信息;响应于图像中场景的距离小于或等于预设阈值的情况,对图像进行人体检测和跟踪处理,得到图像中的人群信息。
可选地,响应于图像中场景的距离大于预设阈值的情况,可以基于对大规模人群进行分析处理的方法,对图像进行人群检测和跟踪处理,得到图像中的人群信息,即对于远景场景的图像以人群作为分析目标进行人群分析。可选地,可以通过对图像的前景和背景进行分割,将图像中的人群分离出来,再通过光流检测和人体分析得到图像中的人群信息。在一个可选的例子中,可以通过人群分析模型对图像进行人群检测和跟踪处理,例如,人群分析模型可以采用卷积神经网络。本公开实施例对人群检测和跟踪处理的实现方式不作限定。
可选地,响应于图像中场景的距离小于或等于预设阈值的情况,可以基于对每一个人体进行分析处理的方法,对图像进行人体检测和跟踪处理,得到图像中的人群信息,即对于近景场景的图像以人体作为分析目标进行人群分析。可选地,可以通过对图像进行人体识别,基于对图像进行人体识别得到图像中的人群信息。在一个可选的例子中,可以通过人体结构化模型对图像进行人体检测和跟踪处理,例如,人体结构化模型可以采用卷积神经网络。本公开实施例对人体检测和跟踪处理的实现方式不作限定。
在一些实施例中,由于在远景场景下人群分析模型的适配性和准确性更好,在近景场景下人体结构化模型的适配性和准确性更好,可以在人群分析系统中配置人群分析模型和人体结构化模型作为双引擎对视频图像进行人群分析处理,人群分析系统支持这两种模型的并存和独立调取。在一个可选的例子中,可以在人群分析系统中添加需要分析的网络摄像机时,通过解析网络摄像机的IP地址完成网络摄像机的添加,并返回网络摄像机的状态信息和配置信息,可以根据网络摄像机的配置信息为网络摄像机选择适配的模型,并加载所选择的模型执行人群分析处理,例如:可以根据网络摄像机安装的高度和角度等信息确定网络摄像机采集的图像中场景的距离,为图像中场景的距离大于预设阈值的网络摄像机选择人群分析模型,为图像中场景的距离小于或等于预设阈值的网络摄像机选择人体结构化模型。206,根据图像中的人群信息,得到图像中的人数信息和/或人群分布热力图。
可选地,图像中的人群信息可以包括但不限于:图像中的人数信息、人群的分布区域、人群的运动方向和速度等。可选地,可以根据对图像进行人群检测处理或者对图像进行人体检测处理,得到图像所覆盖的视野范围内实时的人数信息和人群的分布区域;可以根据对图像进行人群跟踪处理或者对图像进行人体跟踪处理,得到图像所覆盖的视野范围内实时的人群的运动方向和速度。
可选地,可以根据人群信息中的人数信息和人群的分布区域,得到图像所覆盖的视野范围内实时的人群分布情况,从而生成图像的人群分布热力图。
可选地,可以对视频图像、视频图像中的人群信息和对应的人群分布热力图保存预设时间,例如:可以对视频图像、视频图像中的人群信息和对应的人群分布热力图保存一周、一个月或一个季度,以便于后续对相应的信息进行查询。
208,显示视频图像、图像中的人数信息和/或人群分布热力图。
可选地,可以对视频图像、图像中的人数信息和/或人群分布热力图进行相应的处理后,返回交互界面进行实时显示,例如:可以将图像中的人数信息以消息队列的形式返回交互界面进行实时显示,可以将视频图像和人群分布热力图以流媒体的形式返回交互界面进行实时显示,本公开实施例对此不作限定。
本公开实施例通过获取视频图像中场景的距离,对远景场景的图像和近景场景的图像分别采用不同的分析处理策略进行人群分析处理,可以利用不同的分析处理策略实现人群分析的不同原理,满足交通行业以及大型公共空间等对于远近景等不同细致程度的视频图像处理的适配需求,从而可以提升图像处理结果的准确性。
在一些实施例中,本公开实施例提供的图像处理方法还可以对视频图像中发生的人群异常事件进行监测。下面将结合图3和图4的实施例,详细描述本公开一些实施例的图像处理方法对人群异常事件进行监测的流程。
如图3所示,该方法包括:
302,获取视频图像中场景的距离。
在本实施例中,关于操作302的说明可以参见图2中关于操作202的说明,故在此不再敷述。
304,响应于图像中场景的距离大于预设阈值的情况,对图像进行人群检测和跟踪处理,得到图像中的人群信息;响应于图像中场景的距离小于或等于预设阈值的情况,对图像进行人体检测和跟踪处理,得到图像中的人群信息。
在本实施例中,关于操作304的说明可以参见图2中关于操作204的说明,故在此不再敷述。
306,根据图像中的人群信息和预设人群异常事件类型,确定图像中的人群是否发生预设人群异常事件。
可选地,可以根据不同的分析处理策略对不同类型的人群异常事件进行监测,为不同场景的视频图像预设不同的人群异常事件类型,从而可以根据不同场景的视频图像中的人群信息和预设人群异常事件类型,确定不同场景的视频图像中是否发生预设人群异常事件。例如:可以根据对远景场景的视频图像的分析处理策略,即将人群作为分析目标,对远景场景的视频图像中的人群过密事件和/或人群滞留事件等进行监测,可以根据对近景场景的视频图像的分析处理策略,即将人体作为分析目标,对近景场景的视频图像中的人群侵入事件等进行监测,本公开实施例对此不作限定。在本公开实施例中,人群侵入事件可以为将有监测需求和/或场景中存在禁止出入的区域或者管制区域设置为预设监测区域,对侵入这些区域中的人体进行监测的人群异常事件,例如:地铁的轨道区域等,通过对人群侵入事件的监测可以满足对管制区域和/或禁止出入的区域运营监测的需求。
可选地,不同的人群异常事件类型可以对应于不同的人群行为数据,可以根据图像中的人群信息和预设人群异常事件类型,确定图像中的预设监测区域中的人群行为数据,然后根据预设监测区域中的人群行为数据和预设人群行为数据阈值,确定预设监测区域是否发生预设人群异常事件。可选地,图像中的预设监测区域和预设人群行为数据阈值可以根据监测的需求设置,本公开实施例对此不作限定。在一个可选的例子中,可以在人群分析系统中添加需要分析的网络摄像机时,根据为网络摄像机选择的适配模型,确定需要检测的预设人群异常事件类型,并设置对应的预设监测区域和预设人群行为数据阈值,在执行人群分析处理时实现人群异常事件的检测。
在一个可选的例子中,可以根据人体检测和跟踪处理得到的图像中的人群信息和人群侵入事件,确定图像中的预设监测区域中的人体数量,然后根据预设监测区域中的人体数量超过第一预设人数阈值,确定预设监测区域发生人群侵入事件。在另一个可选的例子中,可以根据人群检测和跟踪处理得到的图像中的人群信息和人群过密事件,确定图像中的预设监测区域中的人群数量,然后根据预设监测区域中的人群数量在第一预设时间段中的平均值超过第二预设人数阈值,确定预设监测区域发生人群过密事件。在又一个可选的例子中,可以根据人群检测和跟踪处理得到的图像中的人群信息和人群滞留事件,确定图像中的预设监测区域中的人群运动距离;然后根据预设监测区域中的人群在第二预设时间段中的运动距离低于预设距离阈值,确定预设监测区域发生人群滞留事件。
308,响应于图像中的人群发生预设人群异常事件的情况,生成告警信息。
可选地,所生成的告警信息可以包括文字信息。可选地,除了包括文字信息外,所生成的告警信息还可以包括声音信息和/或灯光信息等。可选地,可以根据不同人群异常事件的类型生成不同的告警信息;或者,可以根据不同人群异常事件类型的紧急程度,生成不同的告警信息;又或者,可以根据同一人群异常事件类型的不同紧急程度,生成不同的告警信息,本公开实施例对此不作限定。可选地,不同的告警信息可以为上述不同类型的告警信息,或者可以为上述告警信息类型的不同组合,又或者可以为上述同一类型的告警信息的不同表现形式,还或者可以为上述不同类型的告警信息的不同表现形式的组合,本公开实施例对此不作限定。
310,显示告警信息进行报警。
可选地,可以对告警信息进行相应的处理后,返回交互界面进行显示,以实现对所发生的人群异常事件进行报警,例如:可以将告警信息以消息队列的形式返回交互界面进行显示,并持续闪烁五秒。可选地,可以通过为告警信息设置较高的优先级,以保证告警信息优先于其它的人群分析结果被及时返回交互界面进行显示。可选地,可以根据人群异常事件的紧急程度为告警信息设置不同的优先级,以保证最紧迫的人群异常事件的告警信息能够最先被返回交互界面进行显示。
本公开实施例通过获取视频图像中场景的距离,对远景场景的图像和近景场景的图像分别采用不同的分析处理策略进行人群分析处理,可以利用不同的分析处理策略实现人群分析的不同原理,与不同的人群异常事件类型相适配,可以扩大可监测的人群异常事件的类型,满足不同情况的需求,可以提高对人群异常事件监测的准确性,同时对人群异常事件进行监测和告警,也有利于对运营响应的下一步调动提供依据。
如图4所示,本实施例的方法除了包括图3中的操作302至操作310之外,还包括以下操作:
402,根据图像中的人群信息和预设人群异常事件类型,生成人群异常事件分析图像。
可选地,响应于图像中的人群发生预设人群异常事件的情况,可以根据图像中的人群信息和预设人群异常事件类型,与视频图像结合生成人群异常事件的分析图像。在一个可选的例子中,可以根据图像中的预设监测区域中的人体数量和人群侵入事件,与视频图像结合生成包含图像中的预设监测区域的框线和侵入的人体的线框的分析图像。在另一个可选的例子中,可以根据图像中的预设监测区域中的人群数量和人群过密事件,与视频图像结合生成包含图像中的预设监测区域的框线和预设监测区域中的人群数量以及预设的人数阈值的分析图像。在又一个可选的例子中,可以根据图像中的预设监测区域中的人群运动距离和人群滞留事件,与视频图像结合生成包含图像中的预设监测区域的框线和预设监测区域中的人群运动速度以及预设的速度阈值的分析图像。
404,存储人群异常事件分析图像和人群异常事件的参数。
可选地,人群异常事件的参数可以包括但不限于事件开始时间、事件类型和事件持续时间。可选地,在检测到发生人群异常事件时,可以根据图像中的人群信息和预设人群异常事件类型,实时生成人群异常事件分析图像,并对人群异常事件分析图像和人群异常事件的参数进行实时存储,直至人群异常事件结束;或者,在检测到发生人群异常事件时,可以根据图像中的人群信息和预设人群异常事件类型,按照预设时间频率生成人群异常事件分析图像,并对人群异常事件分析图像和人群异常事件的参数进行存储,直至人群异常事件结束。本公开实施例对人群异常事件分析图像和人群异常事件的参数进行存储的实现方式不作限定。
406,以预设时间频率显示人群异常事件分析图像和人群异常事件的参数。
可选地,在获得人群异常事件分析图像和人群异常事件的参数后,可以对人群异常事件分析图像和人群异常事件的参数进行相应的处理后,直接以预设时间频率返回交互界面进行显示,直至人群异常事件结束,以节约通信资源,例如:可以以3分钟的时间间隔传输最新的人群异常事件分析图像和人群异常事件的参数,可以将人群异常事件分析图像以流媒体的形式返回交互界面进行显示,可以将人群异常事件的参数以消息队列的形式返回交互界面进行显示,本公开实施例对此不作限定。可选地,在获得人群异常事件分析图像和人群异常事件的参数后,也可以响应于接收到人群异常事件显示请求的情况,对人群异常事件分析图像和人群异常事件的参数进行相应的处理,并以预设时间频率返回交互界面进行显示,直至人群异常事件结束。本公开实施例对显示人群异常事件分析图像和人群异常事件的参数的实现方式不作限定。
在一些实施例中,基于存储人群异常事件分析图像和人群异常事件的参数,还可以响应于接收到人群异常事件统计请求的情况,对人群异常事件分析图像和人群异常事件的参数进行统计,得到人群异常事件的统计结果,并将人群异常事件的统计结果进行处理后,返回交互界面进行显示。可选地,可以按照预设的不同筛选条件对人群异常事件分析图像和人群异常事件的参数进行统计,得到人群异常事件的统计结果。可选地,在交互界面上可以通过仪表盘、地图展示等一种或多种方式从不同的维度进行信息的展示。例如:可以通过仪表盘进行统计数据的可视化展示,如展示在线的摄像头数量、实时告警数量、未处理告警数量等;又例如:可以结合预设的区位图或者关联GPS地图进行地图展示,将摄像头的总体数据、单个摄像头的数据在地图的页面中直观的展示出来,并以不同颜色标明摄像头的实时状态等。
本公开实施例通过对人群分析中监测到的人群异常事件的参数和人群异常事件分析图像进行存储,可以为后续对人群异常事件进行分析提供基础,通过对人群异常事件的参数和人群异常事件分析图像进行显示,可以更直观的对人群异常事件进行展示。
在一些实施例中,本公开实施例的图像处理方法在根据图像中的人群信息得到图像中的人数信息后,还可以根据图像中的人数信息和图像中监测区域的面积,得到图像的人群密度信息,并对图像中的人数信息和图像的人群密度信息进行处理后,返回交互界面进行显示。可选地,可以人为预先输入图像中监测区域的面积大小,或者可以根据视频图像计算出图像中监测区域的面积大小,本公开实施例对获取图像中监测区域的面积的实现方式不作限定。由于视频图像的人群密度信息是根据图像中的人数信息与图像中监测区域的面积得到,符合现实生活中对密度的定义标准,可以使人们更直观的了解视频图像中人群的密集情况,便于对人群密度的进一步利用,可以提升图像处理的性能。
图5为本公开一些实施例的图像处理装置的结构示意图。该装置可以执行上述任一实施例的图像处理方法,该装置可以包括服务器和/或终端设备,例如:可以包括Web服务器和Web客户端。如图5所示,该装置包括:获取单元510、判断单元520和处理单元530。其中,
获取单元510,用于获取视频图像的图像参数。
在本实施例中,关于获取单元510的说明可以参见图1中关于操作102的说明,故在此不再敷述。
判断单元520,用于根据图像参数确定对视频图像的分析处理策略。
在本实施例中,关于判断单元520的说明可以参见图1中关于操作104的说明,故在此不再敷述。
处理单元530,用于根据分析处理策略对视频图像进行人群分析处理,得到对视频图像的人群分析结果。
在本实施例中,关于处理单元530的说明可以参见图1中关于操作106的说明,故在此不再敷述。
基于本公开实施例提供的图像处理装置,通过获取视频图像的图像参数,根据图像参数确定对视频图像的分析处理策略,根据分析处理策略对视频图像进行人群分析处理,得到对视频图像的人群分析结果,可以利用不同的分析处理策略对应用于不同场景的视频图像采集设备采集的视频图像进行分析处理,满足不同场景的视频图像对于图像分析处理的不同要求,提高图像处理方法对于不同场景的适配性,提升图像处理结果的准确性。本公开实施例提供的图像处理装置可以广泛应用于智能视频分析、安防监控等领域。同时本公开实施例提供的图像处理装置得到的人群分析结果还可以为调动人脸识别等数据,做进一步的人群异常事件和人体、人脸的身份比对、追踪检测的集成提供基础。
图6为本公开另一些实施例的图像处理装置的结构示意图。如图6所示,该装置包括:获取单元610、判断单元620、处理单元630和显示单元640。判断单元620包括人群分析模块621和人体结构化模块622,处理单元630包括人群处理模块631。其中,
获取单元610,用于获取视频图像中场景的距离。
在本实施例中,关于获取单元610的说明可以参见图1中关于操作102和图2中关于操作202的说明,故在此不再敷述。
人群分析模块621,用于响应于图像中场景的距离大于预设阈值的情况,对图像进行人群检测和跟踪处理,得到图像中的人群信息。
人体结构化模块622,用于响应于图像中场景的距离小于或等于预设阈值的情况,对图像进行人体检测和跟踪处理,得到图像中的人群信息。
在本实施例中,关于人群分析模块621和人体结构化模块622的说明可以参见图1中关于操作104和图2中关于操作204的说明,故在此不再敷述。
人群处理模块631,用于根据图像中的人群信息,得到图像中的人数信息和/或人群分布热力图。
在本实施例中,关于人群处理模块631的说明可以参见图1中关于操作106和图2中关于操作206的说明,故在此不再敷述。
显示单元640,用于显示视频图像、图像中的人数信息和/或人群分布热力图。
在本实施例中,关于显示单元640的说明可以参见图2中关于操作208的说明,故在此不再敷述。
本公开实施例通过获取视频图像中场景的距离,对远景场景的图像和近景场景的图像分别采用不同的分析处理策略进行人群分析处理,可以利用不同的分析处理策略实现人群分析的不同原理,满足交通行业以及大型公共空间等对于远近景等不同细致程度的视频图像处理的适配需求,从而可以提升图像处理结果的准确性。
图7为本公开又一些实施例的图像处理装置的结构示意图。如图7所示,该装置包括:获取单元710、判断单元720、处理单元730和显示单元740。判断单元720包括人群分析模块721和人体结构化模块722,处理单元730包括人群处理模块731和异常事件处理模块732。其中,
获取单元710,用于获取视频图像中场景的距离。
在本实施例中,关于获取单元710的说明可以参见图1中关于操作102和图2中关于操作202的说明,故在此不再敷述。
人群分析模块721,用于响应于图像中场景的距离大于预设阈值的情况,对图像进行人群检测和跟踪处理,得到图像中的人群信息。
人体结构化模块722,用于响应于图像中场景的距离小于或等于预设阈值的情况,对图像进行人体检测和跟踪处理,得到图像中的人群信息。
在本实施例中,关于人群分析模块721和人体结构化模块722的说明可以参见图1中关于操作104和图2中关于操作204的说明,故在此不再敷述。
人群处理模块731,用于根据图像中的人群信息,得到图像中的人数信息和/或人群分布热力图。
在本实施例中,关于人群处理模块731的说明可以参见图1中关于操作106和图2中关于操作206的说明,故在此不再敷述。
异常事件处理模块732,用于根据图像中的人群信息和预设人群异常事件类型,确定图像中的人群是否发生预设人群异常事件。
可选地,不同的人群异常事件类型可以对应于不同的人群行为数据,异常事件处理模块732可以根据图像中的人群信息和预设人群异常事件类型,确定图像中的预设监测区域中的人群行为数据,然后根据预设监测区域中的人群行为数据和预设人群行为数据阈值,确定预设监测区域是否发生预设人群异常事件。可选地,图像中的预设监测区域和预设人群行为数据阈值可以根据监测的需求设置,本公开实施例对此不作限定。
在一个可选的例子中,异常事件处理模块732可以根据人体检测和跟踪处理得到的图像中的人群信息和人群侵入事件,确定图像中的预设监测区域中的人体数量,然后根据预设监测区域中的人体数量超过第一预设人数阈值,确定预设监测区域发生人群侵入事件。在另一个可选的例子中,异常事件处理模块732可以根据人群检测和跟踪处理得到的图像中的人群信息和人群过密事件,确定图像中的预设监测区域中的人群数量,然后根据预设监测区域中的人群数量在第一预设时间段中的平均值超过第二预设人数阈值,确定预设监测区域发生人群过密事件。在又一个可选的例子中,异常事件处理模块732可以根据人群检测和跟踪处理得到的图像中的人群信息和人群滞留事件,确定图像中的预设监测区域中的人群运动距离;然后根据预设监测区域中的人群在第二预设时间段中的运动距离低于预设距离阈值,确定预设监测区域发生人群滞留事件。
异常事件处理模块732,还用于响应于图像中的人群发生预设人群异常事件的情况,生成告警信息。
显示单元740,用于显示告警信息进行报警。
在本实施例中,关于显示单元740的说明可以参见图3中关于操作310的说明,故在此不再敷述。
本公开实施例通过获取视频图像中场景的距离,对远景场景的图像和近景场景的图像分别采用不同的分析处理策略进行人群分析处理,可以利用不同的分析处理策略实现人群分析的不同原理,与不同的人群异常事件类型相适配,可以扩大可监测的人群异常事件的类型,满足不同情况的需求,可以提高对人群异常事件监测的准确性,同时对人群异常事件进行监测和告警,也有利于对运营响应的下一步调动提供依据。
图8为本公开再一些实施例的图像处理装置的结构示意图。如图8所示,该装置包括:获取单元810、判断单元820、处理单元830、存储单元840和显示单元850。判断单元820包括人群分析模块821和人体结构化模块822,处理单元830包括人群处理模块831和异常事件处理模块832。其中,
获取单元810,用于获取视频图像中场景的距离。
在本实施例中,关于获取单元810的说明可以参见图1中关于操作102和图2中关于操作202的说明,故在此不再敷述。
人群分析模块821,用于响应于图像中场景的距离大于预设阈值的情况,对图像进行人群检测和跟踪处理,得到图像中的人群信息。
人体结构化模块822,用于响应于图像中场景的距离小于或等于预设阈值的情况,对图像进行人体检测和跟踪处理,得到图像中的人群信息。
在本实施例中,关于人群分析模块821和人体结构化模块822的说明可以参见图1中关于操作104和图2中关于操作204的说明,故在此不再敷述。
人群处理模块831,用于根据图像中的人群信息,得到图像中的人数信息和/或人群分布热力图。
在本实施例中,关于人群处理模块831的说明可以参见图1中关于操作106和图2中关于操作206的说明,故在此不再敷述。
异常事件处理模块832,用于根据图像中的人群信息和预设人群异常事件类型,确定图像中的人群是否发生预设人群异常事件;还用于响应于图像中的人群发生预设人群异常事件的情况,生成告警信息;还用于根据图像中的人群信息和预设人群异常事件类型,生成人群异常事件分析图像。
在本实施例中,关于异常事件处理模块832的说明可以参见图4中关于操作402的说明,故在此不再敷述。
存储单元840,用于存储人群异常事件分析图像和人群异常事件的参数。
在本实施例中,关于存储单元840的说明可以参见图4中关于操作404的说明,故在此不再敷述。
显示单元850,用于以预设时间频率显示人群异常事件分析图像和人群异常事件的参数。
在本实施例中,关于显示单元850的说明可以参见图4中关于操作406的说明,故在此不再敷述。
在一些实施例中,基于存储单元840存储人群异常事件分析图像和人群异常事件的参数,该图像处理装置还可以包括:统计单元,用于响应于接收到人群异常事件统计请求的情况,对人群异常事件分析图像和人群异常事件的参数进行统计,得到人群异常事件的统计结果,显示单元850还可以将人群异常事件的统计结果进行处理后,返回交互界面进行显示。可选地,显示单元850可以按照预设的不同筛选条件对人群异常事件分析图像和人群异常事件的参数进行统计,得到人群异常事件的统计结果。
本公开实施例通过对人群分析中监测到的人群异常事件的参数和人群异常事件分析图像进行存储,可以为后续对人群异常事件进行分析提供基础,通过对人群异常事件的参数和人群异常事件分析图像进行显示,可以更直观的对人群异常事件进行展示。
图9为本公开再一些实施例的图像处理装置的结构示意图。如图9所示,该装置包括:获取单元910、判断单元920、处理单元930和显示单元940。判断单元920包括人群分析模块921和人体结构化模块922,处理单元930包括人群处理模块931和密度处理模块932。其中,
获取单元910,用于获取视频图像中场景的距离。
在本实施例中,关于获取单元910的说明可以参见图1中关于操作102和图2中关于操作202的说明,故在此不再敷述。
人群分析模块921,用于响应于图像中场景的距离大于预设阈值的情况,对图像进行人群检测和跟踪处理,得到图像中的人群信息。
人体结构化模块922,用于响应于图像中场景的距离小于或等于预设阈值的情况,对图像进行人体检测和跟踪处理,得到图像中的人群信息。
在本实施例中,关于人群分析模块921和人体结构化模块922的说明可以参见图1中关于操作104和图2中关于操作204的说明,故在此不再敷述。
人群处理模块931,用于根据图像中的人群信息,得到图像中的人数信息和/或人群分布热力图。
在本实施例中,关于人群处理模块931的说明可以参见图1中关于操作106和图2中关于操作206的说明,故在此不再敷述。
密度处理模块932,用于根据图像中的人数信息和图像中监测区域的面积,得到图像的人群密度信息。
可选地,可以人为预先输入图像中监测区域的面积大小,或者可以根据视频图像计算出图像中监测区域的面积大小,本公开实施例对获取图像中监测区域的面积的实现方式不作限定。
显示单元940,用于显示图像中的人数信息和图像的人群密度信息。
本公开实施例由于视频图像的人群密度信息是根据图像中的人数信息与图像中监测区域的面积得到,符合现实生活中对密度的定义标准,可以使人们更直观的了解视频图像中人群的密集情况,便于对人群密度的进一步利用,可以提升图像处理的性能。
本公开实施例还提供了一种电子设备,例如可以是移动终端、个人计算机(PC)、平板电脑、服务器等。下面参考图10,其示出了适于用来实现本申请实施例的终端设备或服务器的电子设备1000的结构示意图:如图10所示,电子设备1000包括一个或多个处理器、通信部等,所述一个或多个处理器例如:一个或多个中央处理单元(CPU)1001,和/或一个或多个加速单元1013等,加速单元1013可包括但不限于GPU、FPGA、其他类型的专用处理器等,处理器可以根据存储在只读存储器(ROM)1002中的可执行指令或者从存储部分1008加载到随机访问存储器(RAM)1003中的可执行指令而执行各种适当的动作和处理。通信部1012可包括但不限于网卡,所述网卡可包括但不限于IB(Infiniband)网卡,处理器可与只读存储器1002和/或随机访问存储器1003中通信以执行可执行指令,通过总线1004与通信部1012相连、并经通信部1012与其他目标设备通信,从而完成本申请实施例提供的任一项方法对应的操作,例如,获取视频图像的图像参数;根据所述图像参数确定对所述视频图像的分析处理策略;根据所述分析处理策略对所述视频图像进行人群分析处理,得到对所述视频图像的人群分析结果。
此外,在RAM 1003中,还可存储有装置操作所需的各种程序和数据。CPU1001、ROM1002以及RAM1003通过总线1004彼此相连。在有RAM1003的情况下,ROM1002为可选模块。RAM1003存储可执行指令,或在运行时向ROM1002中写入可执行指令,可执行指令使中央处理单元1001执行上述通信方法对应的操作。输入/输出(I/O)接口1005也连接至总线1004。通信部1012可以集成设置,也可以设置为具有多个子模块(例如多个IB网卡),并在总线链接上。
以下部件连接至I/O接口1005:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
需要说明的,如图10所示的架构仅为一种可选实现方式,在具体实践过程中,可根据实际需要对上述图10的部件数量和类型进行选择、删减、增加或替换;在不同功能部件设置上,也可采用分离设置或集成设置等实现方式,例如加速单元1013和CPU1001可分离设置或者可将加速单元1013集成在CPU1001上,通信部1009可分离设置,也可集成设置在CPU1001或加速单元1013上,等等。这些可替换的实施方式均落入本公开公开的保护范围。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括有形地包含在机器可读介质上的计算机程序,计算机程序包含用于执行流程图所示的方法的程序代码,程序代码可包括对应执行本申请实施例提供的方法步骤对应的指令,例如,获取视频图像的图像参数;根据所述图像参数确定对所述视频图像的分析处理策略;根据所述分析处理策略对所述视频图像进行人群分析处理,得到对所述视频图像的人群分析结果。在这样的实施例中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被中央处理单元(CPU)1001执行时,执行本申请的方法中限定的上述功能。
在一个或多个可选实施方式中,本公开实施例还提供了一种计算机程序程序产品,用于存储计算机可读指令,该指令被执行时使得计算机执行上述任一可能的实现方式中的图像处理方法。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选例子中,该计算机程序产品具体体现为计算机存储介质,在另一个可选例子中,该计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
在一个或多个可选实施方式中,本公开实施例还提供了一种图像处理方法及其对应的装置和电子设备、计算机存储介质、计算机程序以及计算机程序产品。
在一些实施例中,该图像处理指示可以具体为调用指令,第一装置可以通过调用的方式指示第二装置执行图像处理,相应地,响应于接收到调用指令,第二装置可以执行上述图像处理方法中的任意实施例中的步骤和/或流程。
应理解,本公开实施例中的“第一”、“第二”等术语仅仅是为了区分,而不应理解成对本公开实施例的限定。
还应理解,在本公开中,“多个”可以指两个或两个以上,“至少一个”可以指一个、两个或两个以上。
还应理解,对于本公开中提及的任一部件、数据或结构,在没有明确限定或者在前后文给出相反启示的情况下,一般可以理解为一个或多个。
还应理解,本公开对各个实施例的描述着重强调各个实施例之间的不同之处,其相同或相似之处可以相互参考,为了简洁,不再一一赘述。
可能以许多方式来实现本公开的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
本公开的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用,并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。
Claims (10)
1.一种图像处理方法,其特征在于,包括:
获取视频图像的图像参数;
根据所述图像参数确定对所述视频图像的分析处理策略;
根据所述分析处理策略对所述视频图像进行人群分析处理,得到对所述视频图像的人群分析结果。
2.根据权利要求1所述的方法,其特征在于,所述图像参数包括图像中场景的距离;
所述根据所述图像参数确定对所述视频图像的分析处理策略,包括:
响应于所述图像中场景的距离大于预设阈值的情况,对所述图像进行人群检测和跟踪处理,得到所述图像中的人群信息;
响应于所述图像中场景的距离小于或等于预设阈值的情况,对所述图像进行人体检测和跟踪处理,得到所述图像中的人群信息。
3.根据权利要求2所述的方法,其特征在于,所述根据所述分析处理策略对所述视频图像进行人群分析处理,得到对所述视频图像的人群分析结果,包括:
根据所述图像中的人群信息,得到所述图像中的人数信息和/或人群分布热力图。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述分析处理策略对所述视频图像进行人群分析处理,得到对所述视频图像的人群分析结果,还包括:
根据所述图像中的人群信息和预设人群异常事件类型,确定所述图像中的人群是否发生所述预设人群异常事件。
5.根据权利要求4所述的方法,其特征在于,所述根据所述图像中的人群信息和预设人群异常事件类型,确定所述图像中的人群是否发生所述预设人群异常事件,包括:
根据所述图像中的人群信息和预设人群异常事件类型,确定所述图像中的预设监测区域中的人群行为数据;
根据所述预设监测区域中的人群行为数据和预设人群行为数据阈值,确定所述预设监测区域是否发生所述预设人群异常事件。
6.根据权利要求5所述的方法,其特征在于,所述根据所述图像中的人群信息和预设人群异常事件类型,确定所述图像中的预设监测区域中的人群行为数据,包括:
根据所述人体检测和跟踪处理得到的所述图像中的人群信息和人群侵入事件,确定所述图像中的预设监测区域中的人体数量;
所述根据所述预设监测区域中的人群行为数据和预设人群行为数据阈值,确定所述预设监测区域是否发生所述预设人群异常事件,包括:
根据所述预设监测区域中的人体数量超过第一预设人数阈值,确定所述预设监测区域发生所述人群侵入事件。
7.一种图像处理装置,其特征在于,包括:
获取单元,用于获取视频图像的图像参数;
判断单元,用于根据所述图像参数确定对所述视频图像的分析处理策略;
处理单元,用于根据所述分析处理策略对所述视频图像进行人群分析处理,得到对所述视频图像的人群分析结果。
8.一种电子设备,其特征在于,包括权利要求7所述的装置。
9.一种电子设备,其特征在于,包括:
存储器,用于存储可执行指令;以及
处理器,用于执行所述可执行指令从而完成权利要求1至6中任意一项所述的方法。
10.一种计算机存储介质,用于存储计算机可读取的指令,其特征在于,所述指令被执行时实现权利要求1至6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910362402.9A CN110263619A (zh) | 2019-04-30 | 2019-04-30 | 图像处理方法和装置、电子设备和计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910362402.9A CN110263619A (zh) | 2019-04-30 | 2019-04-30 | 图像处理方法和装置、电子设备和计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110263619A true CN110263619A (zh) | 2019-09-20 |
Family
ID=67914039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910362402.9A Pending CN110263619A (zh) | 2019-04-30 | 2019-04-30 | 图像处理方法和装置、电子设备和计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110263619A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111010599A (zh) * | 2019-12-18 | 2020-04-14 | 浙江大华技术股份有限公司 | 一种处理多场景视频流的方法、装置及计算机设备 |
CN111885490A (zh) * | 2020-07-24 | 2020-11-03 | 深圳市元征科技股份有限公司 | 一种社交距离提醒的方法、系统、设备及可读存储介质 |
US20220319168A1 (en) * | 2019-08-07 | 2022-10-06 | Zte Corporation | Method for estimating and presenting passenger flow, system, and computer readable storage medium |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130022237A1 (en) * | 2011-07-19 | 2013-01-24 | Apstec | Method for stand off inspection of target in monitored space |
WO2016019973A1 (en) * | 2014-08-04 | 2016-02-11 | Bitmonlab S.L.U | Method for determining stationary crowds |
CN105447458A (zh) * | 2015-11-17 | 2016-03-30 | 深圳市商汤科技有限公司 | 一种大规模人群视频分析系统和方法 |
CN106096567A (zh) * | 2016-06-20 | 2016-11-09 | 深圳市深网视界科技有限公司 | 基于图像识别技术的人群安全指数计算方法及装置 |
CN106845344A (zh) * | 2016-12-15 | 2017-06-13 | 重庆凯泽科技股份有限公司 | 人群统计方法及装置 |
CN107330372A (zh) * | 2017-06-05 | 2017-11-07 | 四川大学 | 一种基于视频的人群密度与异常行为检测系统的分析方法 |
CN107481260A (zh) * | 2017-06-22 | 2017-12-15 | 深圳市深网视界科技有限公司 | 一种区域人群滞留检测方法、装置和存储介质 |
CN107506692A (zh) * | 2017-07-21 | 2017-12-22 | 天津大学 | 一种基于深度学习的密集人群计数与人员分布估计方法 |
CN108288021A (zh) * | 2017-12-12 | 2018-07-17 | 深圳市深网视界科技有限公司 | 一种人群异常事件检测方法、电子设备和存储介质 |
US10033992B1 (en) * | 2014-09-09 | 2018-07-24 | Google Llc | Generating a 3D video of an event using crowd sourced data |
CN108549835A (zh) * | 2018-03-08 | 2018-09-18 | 深圳市深网视界科技有限公司 | 人群计数及其模型构建的方法、终端设备及存储介质 |
-
2019
- 2019-04-30 CN CN201910362402.9A patent/CN110263619A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130022237A1 (en) * | 2011-07-19 | 2013-01-24 | Apstec | Method for stand off inspection of target in monitored space |
WO2016019973A1 (en) * | 2014-08-04 | 2016-02-11 | Bitmonlab S.L.U | Method for determining stationary crowds |
US10033992B1 (en) * | 2014-09-09 | 2018-07-24 | Google Llc | Generating a 3D video of an event using crowd sourced data |
CN105447458A (zh) * | 2015-11-17 | 2016-03-30 | 深圳市商汤科技有限公司 | 一种大规模人群视频分析系统和方法 |
CN106096567A (zh) * | 2016-06-20 | 2016-11-09 | 深圳市深网视界科技有限公司 | 基于图像识别技术的人群安全指数计算方法及装置 |
CN106845344A (zh) * | 2016-12-15 | 2017-06-13 | 重庆凯泽科技股份有限公司 | 人群统计方法及装置 |
CN107330372A (zh) * | 2017-06-05 | 2017-11-07 | 四川大学 | 一种基于视频的人群密度与异常行为检测系统的分析方法 |
CN107481260A (zh) * | 2017-06-22 | 2017-12-15 | 深圳市深网视界科技有限公司 | 一种区域人群滞留检测方法、装置和存储介质 |
CN107506692A (zh) * | 2017-07-21 | 2017-12-22 | 天津大学 | 一种基于深度学习的密集人群计数与人员分布估计方法 |
CN108288021A (zh) * | 2017-12-12 | 2018-07-17 | 深圳市深网视界科技有限公司 | 一种人群异常事件检测方法、电子设备和存储介质 |
CN108549835A (zh) * | 2018-03-08 | 2018-09-18 | 深圳市深网视界科技有限公司 | 人群计数及其模型构建的方法、终端设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
段震寰: "《电教中心及闭路电视系统设计》", 30 April 1991 * |
葛昭阳: "基于目标检测和密度分布的复杂场景人群计数", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220319168A1 (en) * | 2019-08-07 | 2022-10-06 | Zte Corporation | Method for estimating and presenting passenger flow, system, and computer readable storage medium |
US11816875B2 (en) * | 2019-08-07 | 2023-11-14 | Xi'an Zhongxing New Software Co., Ltd. | Method for estimating and presenting passenger flow, system, and computer readable storage medium |
CN111010599A (zh) * | 2019-12-18 | 2020-04-14 | 浙江大华技术股份有限公司 | 一种处理多场景视频流的方法、装置及计算机设备 |
CN111885490A (zh) * | 2020-07-24 | 2020-11-03 | 深圳市元征科技股份有限公司 | 一种社交距离提醒的方法、系统、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110263619A (zh) | 图像处理方法和装置、电子设备和计算机存储介质 | |
US9704393B2 (en) | Integrated intelligent server based system and method/systems adapted to facilitate fail-safe integration and/or optimized utilization of various sensory inputs | |
CN109558966B (zh) | 智能判证预测事件发生的处理系统 | |
CA2824330C (en) | An integrated intelligent server based system and method/systems adapted to facilitate fail-safe integration and/or optimized utilization of various sensory inputs | |
AU2019100806A4 (en) | Real-Time Crowd Measurement And Management Systems And Methods Thereof | |
JP7036493B2 (ja) | 監視方法及び装置 | |
CN106296264A (zh) | 一种基于人脸识别的智能广告推送系统 | |
US11720627B2 (en) | Systems and methods for efficiently sending video metadata | |
US20210390321A1 (en) | Method, apparatus, and device for testing traffic flow monitoring system | |
US20160205120A1 (en) | Vertical threat analytics for ddos attacks | |
Hidayat et al. | Real time video analytics based on deep learning and big data for smart station | |
GB2574431A (en) | Systems and method for automated boxing data collection and analytics platform | |
US20230205817A1 (en) | Systems and methods for identifying events within video content using intelligent search query | |
US20230267147A1 (en) | Systems and methods for searching for events within video content | |
CN111565303A (zh) | 基于雾计算及深度学习的视频监控方法、系统和可读存储介质 | |
KR102398788B1 (ko) | 블록체인 기반 영상압축기술을 이용한 고화질 실시간 관제 서비스 제공 시스템 | |
WO2023147131A1 (en) | Auto adapting deep learning models on edge devices for audio and video | |
CN115690496A (zh) | 基于YOLOv5的实时区域入侵检测方法 | |
CN112866332A (zh) | 基于云边融合实现突发事件识别预警的系统、方法、装置、处理器及其存储介质 | |
CN113742203A (zh) | 测试方法、装置、电子设备和计算机存储介质 | |
US11881024B2 (en) | System and method for utilizing heat maps for traffic and compliance reporting | |
CN117408907B (zh) | 提高图像对抗防御能力的方法、装置及电子设备 | |
KR102438501B1 (ko) | 프레임 최적화를 이용한 고화질 실시간 관제 서비스 제공 시스템 | |
CHEINGPONGPAN | Edge Computing Based on Raspberry PI for People Counting in Smart Office | |
Yang | Soft real time resource management for vision based internet of things systems |
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: 20190920 |