CN110647858A - 一种视频遮挡判断方法、装置和计算机存储介质 - Google Patents

一种视频遮挡判断方法、装置和计算机存储介质 Download PDF

Info

Publication number
CN110647858A
CN110647858A CN201910933896.1A CN201910933896A CN110647858A CN 110647858 A CN110647858 A CN 110647858A CN 201910933896 A CN201910933896 A CN 201910933896A CN 110647858 A CN110647858 A CN 110647858A
Authority
CN
China
Prior art keywords
occlusion
video
value
frame
video frame
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
Application number
CN201910933896.1A
Other languages
English (en)
Other versions
CN110647858B (zh
Inventor
胡焕行
黄杰
杨忠程
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Is According To Figure Network Technology Co Ltd
Original Assignee
Shanghai Is According To Figure Network Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Is According To Figure Network Technology Co Ltd filed Critical Shanghai Is According To Figure Network Technology Co Ltd
Priority to CN201910933896.1A priority Critical patent/CN110647858B/zh
Publication of CN110647858A publication Critical patent/CN110647858A/zh
Application granted granted Critical
Publication of CN110647858B publication Critical patent/CN110647858B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/41Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/10Image acquisition
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00Television systems
    • H04N7/18Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开一种视频遮挡判断方法、装置和计算机存储介质,获取摄像头的视频帧;得到所述视频帧的背景帧,消除所述视频帧的前景帧;第一遮挡判别器对所述视频帧和所述背景帧进行计算得到第一遮挡判定值;第二遮挡判别器对所述视频帧和所述背景帧进行计算得到第二遮挡判定值;根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡。本申请公开的频遮挡判断方法、装置和计算机存储介质,能提高摄像头是否被遮挡的判断准确性。

Description

一种视频遮挡判断方法、装置和计算机存储介质
技术领域
本申请涉及图像识别技术领域,尤其涉及一种视频遮挡判断方法、装置和计算机存储介质。
背景技术
随着计算机学科与人工智能的发展和应用,视频分析技术迅速兴起并得到了广泛关注。视频分析中的一个核心就是图像识别,图像识别在科技、生活中有着广泛的应用,如视频监控、人机交互、智能机器人、虚拟现实和视频检索等,因此智能的图像识别技术具有很高的研究价值和应用前景。
所有的视频,均需要基于摄像头的视频拍摄,但是,由于摄像头暴露在外面,容易被一定物品遮挡,例如,被树叶、衣服或者颜色较深的袋子,甚至被人故意用物品遮挡,因此,如果依靠人工一个一个摄像头去确定,既费时又费力,而且效率还不高。
因此,有必要对摄像头是否被遮挡进行自动化监测,目前视频遮挡异常的判定技术主要使用亮度,自动聚焦评价值等指标的动态阈值判定。
但是,现有技术方案对于拍摄场景中背景和前景的区分缺乏鲁棒性,并且对于前景的色彩分布不关注,导致最终的判断准确性不高。
发明内容
针对现有技术的上述问题,本申请的多个方面提供一种视频遮挡判断方法、装置和计算机存储介质,能提高摄像头是否被遮挡的判断准确性。
本申请的一方面提供一种视频遮挡判断方法,包括:
获取摄像头的视频帧;
得到所述视频帧的背景帧,消除所述视频帧的前景帧;
第一遮挡判别器对所述视频帧和所述背景帧进行计算得到第一遮挡判定值;
第二遮挡判别器对所述视频帧和所述背景帧进行计算得到第二遮挡判定值;
根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡。
在一个实施例中,所述第一遮挡判别器对所述视频帧和所述背景帧进行计算得到所述第一遮挡判定值具体包括:所述第一遮挡判别器使用灰度直方图算法对所述视频帧和所述背景帧进行计算得到所述第一遮挡判定值。
在一个实施例中,所述第二遮挡判别器对所述视频帧和所述背景帧进行计算得到所述第二遮挡判定值具体包括:所述第二遮挡判别器对所述视频帧和所述背景帧进行计算得到所述视频帧的前景部分,所述第二遮挡判别器通过颜色直方图算法和大小判定,得到所述前景部分在色彩分布和大小维度上的所述第二遮挡判定值。
在一个实施例中,所述根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡具体包括:将所述第一遮挡判定值和所述第二遮挡判定值进行综合得到综合值,根据所述综合值与阈值的关系判断是否被遮挡。
本申请的第二方面提供一种视频遮挡判断装置,包括:
获取模块,用于获取摄像头的视频帧;
处理模块,用于得到所述视频帧的背景帧,消除所述视频帧的前景帧;
第一遮挡判别器,用于对所述视频帧和所述背景帧进行计算得到第一遮挡判定值;
第二遮挡判别器,用于对所述视频帧和所述背景帧进行计算得到第二遮挡判定值;
判断模块,用于根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡。
在一个实施例中,为对所述视频帧和所述背景帧进行计算得到所述第一遮挡判定值,所述第一遮挡判别器用于使用灰度直方图算法对所述视频帧和所述背景帧进行计算得到所述第一遮挡判定值。
在一个实施例中,为对所述视频帧和所述背景帧进行计算得到所述第二遮挡判定值,所述第二遮挡判别器用于对所述视频帧和所述背景帧进行计算得到所述视频帧的前景部分,所述第二遮挡判别器通过颜色直方图算法和大小判定,得到所述前景部分在色彩分布和大小维度上的所述第二遮挡判定值。
在一个实施例中,为根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡,所述判断模块用于将所述第一遮挡判定值和所述第二遮挡判定值进行综合得到综合值,根据所述综合值与阈值的关系判断是否被遮挡。
本申请的第三方面提供一种计算机设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行所述的视频遮挡判断方法的步骤。
本申请的第四方面提供一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行所述的视频遮挡判断方法的步骤。
与现有技术相比,本申请具有以下有益效果:通过消除视频帧的前景帧,第一遮挡判别器对所述视频帧和所述背景帧进行计算得到第一遮挡判定值,第二遮挡判别器对所述视频帧和所述背景帧进行计算得到第二遮挡判定值,然后根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡,因此,能提高摄像头是否被遮挡的判断准确性。
附图说明
在结合以下附图阅读本公开的实施例的详细描述之后,能够更好地理解本申请的上述特征和优点。在附图中,各组件不一定是按比例绘制,并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
图1为本申请一实施例的一种视频遮挡判断方法的流程示意图;
图2为本申请另一实施例的一种视频遮挡判断装置的结构示意图;
图3为本申请另一实施例的一种计算机设备的结构示意图。
具体实施方案
以下结合附图和具体实施例对本申请作详细描述,以便更清楚理解本申请的目的、特点和优点。应理解的是,以下结合附图和具体实施例描述的诸方面仅是示例性的,而不应被理解为对本申请的保护范围进行任何限制。除非上下文明确地另外指明,否则单数形式“一”和“所述”包括复数指代物。如本申请中所使用的,用语“第一” 和“第二”可互换使用,以将一个或一类构件分别与另一个或另一类区分开,且不旨在表示独立构件的位置或重要性。
如图1所示,为本申请一实施例的一种视频遮挡判断方法的流程示意图,该视频遮挡判断方法可以由连接报警系统服务器的神经网络服务器执行。
步骤101,获取摄像头的视频帧。
例如,在商场、商店、地铁、机场、火车站、商业区和街道等等各种场所,可以设置监控摄像头,摄像头获取监控的视频流存储在存储设备中,当需要确定某个摄像头是否被遮挡时,神经网络服务器从该存储设备中获取该摄像头某一段时间的视频流的视频帧。
步骤102,得到所述视频帧的背景帧,消除所述视频帧的前景帧。
例如,所述神经网络服务器使用帧间差分法、高斯背景差分法或ViBe背景提取算法得到所述视频帧的背景帧。
在本申请的另一实施例中,还可以使用启发式帧更新算法得到视频帧的背景帧。例如,使用平均数(众数)把动态物品过滤掉,留下背景,这个背景就是启发式背景,启发式背景的颜色固定和均匀,说明被遮蔽。
然后,将视频帧和背景帧做差,获得前景帧。
步骤103,第一遮挡判别器对所述视频帧和所述背景帧进行计算得到第一遮挡判定值。
例如,所述第一遮挡判别器使用灰度直方图算法对所述视频帧和所述背景帧进行计算得到所述第一遮挡判定值。
步骤104,第二遮挡判别器对所述视频帧和所述背景帧进行计算得到第二遮挡判定值。
例如,所述第二遮挡判别器对所述视频帧和所述背景帧进行计算得到所述视频帧的前景部分,所述第二遮挡判别器通过颜色直方图算法和大小判定,得到所述前景部分在色彩分布和大小维度上的所述第二遮挡判定值。
步骤105,根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡。
例如,分别为所述第一遮挡判定值和所述第二遮挡判定值设置各自的阈值,只要所述第一遮挡判定值和所述第二遮挡判定值其中至少之一大于其对应的阈值,就判断被遮挡。
例如,将所述第一遮挡判定值和所述第二遮挡判定值进行综合得到综合值,根据所述综合值与阈值的关系判断是否被遮挡。
在本申请的另一实施例,也可以将所述第一遮挡判定值和所述第二遮挡判定值通过计算公式综合在一起,例如,所述第一遮挡判定值和所述第二遮挡判定值相加、相乘或者各自乘以一个因子后再相加,然后得到一个综合值,判断该综合值与一个阈值的关系。
当所述综合值大于等于所述阈值时,确定所述摄像头被遮挡,执行步骤106。当所述综合值小于所述阈值时,确定所述摄像头没有被遮挡,执行步骤107。
步骤106,向报警系统服务器发送报警信息
步骤107,指示正常
例如,继续等待下一个摄像头是否被遮挡的判断。
在本申请的另一实施例中,为更为准确判断摄像头是否被遮挡,可以针对该摄像头,对预定时间内(例如,1小时)的连续多个视频帧进行判断是否被遮挡,当连续多个视频帧(例如,5-100个视频帧)均被遮挡时,确定该摄像头被遮挡。
上述描述的视频遮挡判断方法,通过消除视频帧的前景帧,第一遮挡判别器对所述视频帧和所述背景帧进行计算得到第一遮挡判定值,第二遮挡判别器对所述视频帧和所述背景帧进行计算得到第二遮挡判定值,然后根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡,因此,能提高摄像头是否被遮挡的判断准确性。
如2所示,为本申请另一实施例的一种视频遮挡判断装置的结构示意图,所述视频遮挡判断装置可以为神经网络服务器的芯片或电路,也可以为神经网络服务器,其中,所述神经网络服务器可以为计算机设备或网络服务器。
所述视频遮挡判断装置可以包括:获取模块201、处理模块202、第一遮挡判别器203、第二遮挡判别器204和判断模块205,所述获取模块201、所述处理模块202、所述第一遮挡判别器203、所述第二遮挡判别器204和所述判断模块205相互之间通过总线通信。所述获取模块201、所述处理模块202、所述第一遮挡判别器203、所述第二遮挡判别器204或所述判断模块205可以通过芯片、电路或处理器实现
所述获取模块201,用于获取摄像头的视频帧。所述获取模块201获取视频帧的具体过程,可以参考前述视频遮挡判断方法实施例中步骤101描述的内容,在此不再赘述。
所述处理模块202,用于得到所述视频帧的背景帧,消除所述视频帧的前景帧。所述处理模块202得到所述视频帧的背景帧的具体过程,可以参考前述视频遮挡判断方法实施例中步骤102描述的内容,在此不再赘述。
所述第一遮挡判别器203,用于对所述视频帧和所述背景帧进行计算得到第一遮挡判定值。
例如,所述第一遮挡判别器使用帧间差分法、高斯背景差分法或ViBe背景提取算法得到所述视频帧的背景帧。
所述第二遮挡判别器204,用于对所述视频帧和所述背景帧进行计算得到第二遮挡判定值。
例如,所述第二遮挡判别器用于对所述视频帧和所述背景帧进行计算得到所述视频帧的前景部分,所述第二遮挡判别器通过颜色直方图算法和大小判定,得到所述前景部分在色彩分布和大小维度上的所述第二遮挡判定值。
所述判断模块205,用于根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡。
例如,所述判断模块205用于将所述第一遮挡判定值和所述第二遮挡判定值进行综合得到综合值,根据所述综合值与阈值的关系判断是否被遮挡。
所述处理模块202,还用于当所述综合值大于等于所述阈值时,确定所述摄像头被遮挡,向报警系统服务器发送报警信息;当所述综合值小于所述阈值时,确定所述摄像头没有被遮挡,指示正常。
上述描述的视频遮挡判断装置,通过消除视频帧的前景帧,第一遮挡判别器对所述视频帧和所述背景帧进行计算得到第一遮挡判定值,第二遮挡判别器对所述视频帧和所述背景帧进行计算得到第二遮挡判定值,然后根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡,因此,能提高摄像头是否被遮挡的判断准确性。
为解决上述技术问题,本申请实施例还提供一种计算机设备,所述计算机设备可以为神经网络服务器,具体请参阅图3,图3为本实施例计算机设备基本结构框图。
所述计算机设备3包括通过系统总线相互通信连接存储器31、处理器32、网络接口33。需要指出的是,图中仅示出了具有组件31-33的计算机设备3,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的所述计算机设备3是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器 (Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备3可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器31至少包括一种类型的可读存储介质,所述可读存储介质包括非易失性存储器(non-volatile memory)或易失性存储器,例如,闪存(flash memory)、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(random access memory,RAM)、只读存储器(read-only memory,ROM)、可擦写可编程只读存储器(erasableprogrammable read-only memory,EPROM)、电可擦写可编程只读存储器(electricallyerasable programmable read-only memory,EEPROM)、可编程只读存储器(programmableread-only memory,PROM)、磁性存储器、磁盘、光盘等,所述RAM可以包括静态RAM或动态RAM。在一些实施例中,所述存储器31可以是所述计算机设备3的内部存储单元,例如,该所述计算机设备3的硬盘或内存。在另一些实施例中,所述存储器31也可以是所述计算机设备3的外部存储设备,例如该所述计算机设备3上配备的插接式硬盘,智能存储卡(SmartMedia Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。当然,所述存储器31还可以既包括所述计算机设备3的内部存储单元也包括其外部存储设备。本实施例中,所述存储器31通常用于存储安装于所述计算机设备3的操作系统和各类应用软件,例如用于执行视频遮挡判断方法的程序代码等。此外,所述存储器31还可以用于暂时地存储已经输出或者将要输出的各类数据。
在本申请实施例中,该处理器32可以是中央处理单元(Central ProcessingUnit, CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器32还可以是其他通用处理器、数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器,例如单片机等。
该处理器32通常用于控制所述计算机设备3的总体操作。本实施例中,所述存储器31用于存储程序代码或指令,所述程序代码包括计算机操作指令,所述处理器32用于执行所述存储器31存储的程序代码或指令或者处理数据,例如执行视频遮挡判断方法的程序代码。
本文描述的总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外设部件互连标准(Peripheral Component Interconnect,PCI)总线或扩展工业标准结构(Extended Industry Standard Architecture,EISA)总线等。该总线系统可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
本申请的另一实施例还提供一种计算机可读介质,计算机可读介质可以是计算机可读信号介质或者计算机可读介质。计算机中的处理器读取存储在计算机可读介质中的计算机可读程序代码,使得处理器能够执行在流程图1对应的视频遮挡判断方法中每个步骤、或各步骤的组合中规定的功能动作;生成实施在框图的每一块、或各块的组合中规定的功能动作的装置。
计算机可读介质包含但不限于电子、磁性、光学、电磁、红外的存储器或半导体系统、设备或者装置,或者前述的任意适当组合,所述存储器用于存储程序代码或指令,所述程序代码包括计算机操作指令,所述处理器用于执行所述存储器存储的程序代码或指令。
所述存储器和所述处理器的定义,可以参考前述计算机设备实施例的描述,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。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,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,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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元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全部或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)或处理器(processor)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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
上述实施例是提供给熟悉本领域内的人员来实现或使用本申请的,熟悉本领域的人员可在不脱离本申请的发明思想的情况下,对上述实施例做出种种修改或变化,因而本申请的保护范围并不被上述实施例所限,而应该是符合权利要求书提到的创新性特征的最大范围。

Claims (10)

1.一种视频遮挡判断方法,其特征在于,包括:
获取摄像头的视频帧;
得到所述视频帧的背景帧,消除所述视频帧的前景帧;
第一遮挡判别器对所述视频帧和所述背景帧进行计算得到第一遮挡判定值;
第二遮挡判别器对所述视频帧和所述背景帧进行计算得到第二遮挡判定值;
根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡。
2.根据权利要求1所述的方法,其特征在于,所述第一遮挡判别器对所述视频帧和所述背景帧进行计算得到所述第一遮挡判定值具体包括:
所述第一遮挡判别器使用灰度直方图算法对所述视频帧和所述背景帧进行计算得到所述第一遮挡判定值。
3.根据权利要求1所述的方法,其特征在于,所述第二遮挡判别器对所述视频帧和所述背景帧进行计算得到所述第二遮挡判定值具体包括:
所述第二遮挡判别器对所述视频帧和所述背景帧进行计算得到所述视频帧的前景部分,所述第二遮挡判别器通过颜色直方图算法和大小判定,得到所述前景部分在色彩分布和大小维度上的所述第二遮挡判定值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡具体包括:
将所述第一遮挡判定值和所述第二遮挡判定值进行综合得到综合值,根据所述综合值与阈值的关系判断是否被遮挡。
5.一种视频遮挡判断装置,其特征在于,包括:
获取模块,用于获取摄像头的视频帧;
处理模块,用于得到所述视频帧的背景帧,消除所述视频帧的前景帧;
第一遮挡判别器,用于对所述视频帧和所述背景帧进行计算得到第一遮挡判定值;
第二遮挡判别器,用于对所述视频帧和所述背景帧进行计算得到第二遮挡判定值;
判断模块,用于根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡。
6.根据权利要求5所述的装置,其特征在于,为对所述视频帧和所述背景帧进行计算得到所述第一遮挡判定值,所述第一遮挡判别器用于使用灰度直方图算法对所述视频帧和所述背景帧进行计算得到所述第一遮挡判定值。
7.根据权利要求5所述的装置,其特征在于,为对所述视频帧和所述背景帧进行计算得到所述第二遮挡判定值,所述第二遮挡判别器用于对所述视频帧和所述背景帧进行计算得到所述视频帧的前景部分,所述第二遮挡判别器通过颜色直方图算法和大小判定,得到所述前景部分在色彩分布和大小维度上的所述第二遮挡判定值。
8.根据权利要求5所述的装置,其特征在于,为根据所述第一遮挡判定值和所述第二遮挡判定值判定所述视频是否被遮挡,所述判断模块用于将所述第一遮挡判定值和所述第二遮挡判定值进行综合得到综合值,根据所述综合值与阈值的关系判断是否被遮挡。
9.一种计算机设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-4任意一项所述的视频遮挡判断方法的步骤。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行权利要求1-4任意一项所述的视频遮挡判断方法的步骤。
CN201910933896.1A 2019-09-29 2019-09-29 一种视频遮挡判断方法、装置和计算机存储介质 Active CN110647858B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910933896.1A CN110647858B (zh) 2019-09-29 2019-09-29 一种视频遮挡判断方法、装置和计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910933896.1A CN110647858B (zh) 2019-09-29 2019-09-29 一种视频遮挡判断方法、装置和计算机存储介质

Publications (2)

Publication Number Publication Date
CN110647858A true CN110647858A (zh) 2020-01-03
CN110647858B CN110647858B (zh) 2023-06-06

Family

ID=69011918

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910933896.1A Active CN110647858B (zh) 2019-09-29 2019-09-29 一种视频遮挡判断方法、装置和计算机存储介质

Country Status (1)

Country Link
CN (1) CN110647858B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113052147A (zh) * 2021-04-30 2021-06-29 北京邮电大学 一种行为识别方法及装置

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101227600A (zh) * 2008-02-02 2008-07-23 北京海鑫科金高科技股份有限公司 一种用于自助银行与自动柜员机的智能监控装置和方法
CN101399970A (zh) * 2008-07-30 2009-04-01 浙江大学 具备智能报警功能的网络摄像机系统
CN101505410A (zh) * 2008-11-20 2009-08-12 浙江大学 具备智能报警功能的网络摄像机系统
CN101609580A (zh) * 2008-06-20 2009-12-23 上海弘视通信技术有限公司 银行自助设备智能保护方法
CN101739551A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 运动目标识别方法及系统
CN102098531A (zh) * 2010-12-16 2011-06-15 东软集团股份有限公司 一种检测摄像机被干扰的方法及装置
CN102231223A (zh) * 2011-06-02 2011-11-02 深圳中兴力维技术有限公司 一种用于摄像机的异物遮挡告警方法
CN102542673A (zh) * 2010-12-30 2012-07-04 广州市浩云安防科技股份有限公司 基于计算机视觉的atm机预警方法及系统
CN103761252A (zh) * 2013-12-25 2014-04-30 北京航天测控技术有限公司 一种视频检索方法
CN103854023A (zh) * 2012-11-28 2014-06-11 德尔福电子(苏州)有限公司 基于小波变换和时域模式识别的摄像头遮挡检测方法
CN104361357A (zh) * 2014-11-07 2015-02-18 北京途迹科技有限公司 基于图片内容分析的相片集分类系统及分类方法
CN104657993A (zh) * 2015-02-12 2015-05-27 北京格灵深瞳信息技术有限公司 一种镜头遮挡检测方法及装置
CN105744268A (zh) * 2016-05-04 2016-07-06 深圳众思科技有限公司 摄像头遮挡检测方法及装置
CN105915785A (zh) * 2016-04-19 2016-08-31 奇酷互联网络科技(深圳)有限公司 双摄像头被遮挡的确定方法、确定装置和终端
CN105989611A (zh) * 2015-02-05 2016-10-05 南京理工大学 带有阴影去除的分块感知哈希跟踪方法
CN106056079A (zh) * 2016-05-31 2016-10-26 中国科学院自动化研究所 一种图像采集设备及人脸五官的遮挡检测方法
US20170244908A1 (en) * 2016-02-22 2017-08-24 GenMe Inc. Video background replacement system
CN107509059A (zh) * 2017-09-21 2017-12-22 江苏跃鑫科技有限公司 摄像机镜头遮挡检测方法
CN107610499A (zh) * 2016-07-11 2018-01-19 富士通株式会社 停车位状态的检测方法、检测装置和电子设备
US20180357212A1 (en) * 2017-06-13 2018-12-13 Microsoft Technology Licensing, Llc Detecting occlusion of digital ink
CN109241977A (zh) * 2018-08-02 2019-01-18 江苏云光智慧信息科技有限公司 一种摄像机镜头遮挡检测方法
CN109488383A (zh) * 2018-12-27 2019-03-19 江苏三恒科技股份有限公司 智能视频分析系统及其应用方法

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101227600A (zh) * 2008-02-02 2008-07-23 北京海鑫科金高科技股份有限公司 一种用于自助银行与自动柜员机的智能监控装置和方法
CN101609580A (zh) * 2008-06-20 2009-12-23 上海弘视通信技术有限公司 银行自助设备智能保护方法
CN101399970A (zh) * 2008-07-30 2009-04-01 浙江大学 具备智能报警功能的网络摄像机系统
CN101505410A (zh) * 2008-11-20 2009-08-12 浙江大学 具备智能报警功能的网络摄像机系统
CN101739551A (zh) * 2009-02-11 2010-06-16 北京智安邦科技有限公司 运动目标识别方法及系统
CN102098531A (zh) * 2010-12-16 2011-06-15 东软集团股份有限公司 一种检测摄像机被干扰的方法及装置
CN102542673A (zh) * 2010-12-30 2012-07-04 广州市浩云安防科技股份有限公司 基于计算机视觉的atm机预警方法及系统
CN102231223A (zh) * 2011-06-02 2011-11-02 深圳中兴力维技术有限公司 一种用于摄像机的异物遮挡告警方法
CN103854023A (zh) * 2012-11-28 2014-06-11 德尔福电子(苏州)有限公司 基于小波变换和时域模式识别的摄像头遮挡检测方法
CN103761252A (zh) * 2013-12-25 2014-04-30 北京航天测控技术有限公司 一种视频检索方法
CN104361357A (zh) * 2014-11-07 2015-02-18 北京途迹科技有限公司 基于图片内容分析的相片集分类系统及分类方法
CN105989611A (zh) * 2015-02-05 2016-10-05 南京理工大学 带有阴影去除的分块感知哈希跟踪方法
CN104657993A (zh) * 2015-02-12 2015-05-27 北京格灵深瞳信息技术有限公司 一种镜头遮挡检测方法及装置
US20170244908A1 (en) * 2016-02-22 2017-08-24 GenMe Inc. Video background replacement system
CN105915785A (zh) * 2016-04-19 2016-08-31 奇酷互联网络科技(深圳)有限公司 双摄像头被遮挡的确定方法、确定装置和终端
CN105744268A (zh) * 2016-05-04 2016-07-06 深圳众思科技有限公司 摄像头遮挡检测方法及装置
CN106056079A (zh) * 2016-05-31 2016-10-26 中国科学院自动化研究所 一种图像采集设备及人脸五官的遮挡检测方法
CN107610499A (zh) * 2016-07-11 2018-01-19 富士通株式会社 停车位状态的检测方法、检测装置和电子设备
US20180357212A1 (en) * 2017-06-13 2018-12-13 Microsoft Technology Licensing, Llc Detecting occlusion of digital ink
CN107509059A (zh) * 2017-09-21 2017-12-22 江苏跃鑫科技有限公司 摄像机镜头遮挡检测方法
CN109241977A (zh) * 2018-08-02 2019-01-18 江苏云光智慧信息科技有限公司 一种摄像机镜头遮挡检测方法
CN109488383A (zh) * 2018-12-27 2019-03-19 江苏三恒科技股份有限公司 智能视频分析系统及其应用方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
JIANFANG DOU 等: "Robust visual tracking base on adaptively multi-feature fusion and particle filter", 《OPTIK》 *
匡慈维: "摄像机异常检测及分类的算法研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 *
卢海伦等: "目标遮挡情况下的压缩跟踪算法", 《电视技术》 *
方芳: "基于智能监控系统的视频图像质量检测的研究与实现", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 *
朱志宇: "《流形粒子滤波算法及其在视频目标跟踪中的应用》", 31 January 2015 *
李宁 等: "基于颜色直方图概率分布的目标跟踪算法研究", 《湖北工程学院学报》 *
李珑 等: "基于目标检测的时空上下文跟踪算法", 《计算机工程》 *
王宗祺 等: "基于局部特征匹配的多目标跟踪算法", 《计算机工程与设计》 *
邬美银 等: "基于深度学习的监控视频树叶遮挡检测", 《武汉科技大学学报》 *
韩梅等: "一种实时检测遮挡阴影的算法", 《应用光学》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113052147A (zh) * 2021-04-30 2021-06-29 北京邮电大学 一种行为识别方法及装置

Also Published As

Publication number Publication date
CN110647858B (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
CN108629791B (zh) 行人跟踪方法和装置及跨摄像头行人跟踪方法和装置
CN110598558B (zh) 人群密度估计方法、装置、电子设备及介质
CN111414949B (zh) 图片聚类方法、装置、电子设备及存储介质
US10853949B2 (en) Image processing device
CN111770317B (zh) 用于智慧社区的视频监控方法、装置、设备及介质
Mutholib et al. Design and implementation of automatic number plate recognition on android platform
JP6217888B1 (ja) 解析装置、解析方法及びプログラム
US10659680B2 (en) Method of processing object in image and apparatus for same
Shi et al. Smart cameras: Fundamentals and classification
CN111401206A (zh) 一种全景图共享方法、系统、设备和介质
CN108875538B (zh) 属性检测方法、装置和系统及存储介质
CN108769521B (zh) 一种拍照方法、移动终端及计算机可读存储介质
CN110647858B (zh) 一种视频遮挡判断方法、装置和计算机存储介质
WO2018210039A1 (zh) 数据处理方法、数据处理装置及存储介质
CN111967529B (zh) 识别方法、装置、设备及系统
CN114943872A (zh) 目标检测模型的训练方法、装置、目标检测方法、装置、介质及设备
CN110659624A (zh) 一种群体人员行为识别方法、装置和计算机存储介质
CN115346143A (zh) 行为检测方法、电子设备、计算机可读介质
CN112967321A (zh) 运动目标的检测方法、装置、终端设备及存储介质
CN114092957A (zh) 识别、人流统计、追踪、检测及报警方法、装置和设备
CN110647946B (zh) 一种画中画的检测方法、装置和计算机存储介质
KR102118336B1 (ko) 공간 행동 의미 분석 시스템 및 공간 행동 의미 분석 방법
CN112926458B (zh) 人脸认证方法、装置、存储介质和计算机设备
CN111062337B (zh) 人流方向检测方法及装置、存储介质和电子设备
US20220327724A1 (en) Method for calculating intersection over union between target region and designated region in an image and electronic device using the same

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