CN110717365A - 一种获取图片的方法及装置 - Google Patents
一种获取图片的方法及装置 Download PDFInfo
- Publication number
- CN110717365A CN110717365A CN201810770964.2A CN201810770964A CN110717365A CN 110717365 A CN110717365 A CN 110717365A CN 201810770964 A CN201810770964 A CN 201810770964A CN 110717365 A CN110717365 A CN 110717365A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- picture
- image
- target image
- image area
- 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
Images
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请是关于一种获取图片的方法及装置,属于视频监控领域。所述方法包括:获取待处理图片,所述待处理图片包括车辆的车辆图像;在所述待处理图片中获取目标图像区域,所述目标图像区域包括所述车辆的车门图像;根据所述目标图像区域,通过第一卷积神经网络CNN检测所述车辆的车门状态;在所述车门状态为车门打开状态时,将所述待处理图片确定为目标图片。
Description
技术领域
本申请涉及视频监控领域,特别涉及一种获取图片的方法及装置。
背景技术
道路监控系统包括在道路上部署的摄像头组成,该摄像头可以对行驶在道路上的车辆进行拍摄得到视频图片。该摄像头还可以将拍摄的视频图片发送到终端或服务器上进行保存。
车辆在道路上行驶时,车内的人员可能会打开车门。部署在道路上的摄像头可能会拍摄到打开车门的车辆。在道路上打开车门往往是违法行为,例如在道路中上打开左侧车辆,通常是违法行为。
执法人员往往从摄像头拍摄的大量视频图片中找出目标图片,目标图片包括车门打开的车辆图像,根据该目标图片确定是否违法。目前采用人工方式从大量图片中寻找目标图片,效率低下。
发明内容
为了获取图片的效率,本申请实施例提供了一种获取图片的方法及装置。所述技术方案如下:
第一方面,本申请实施例提供了一种获取图片的方法,所述方法包括:
获取待处理图片,所述待处理图片包括车辆的车辆图像;
在所述待处理图片中获取目标图像区域,所述目标图像区域包括所述车辆的车门图像;
根据所述目标图像区域,通过第一卷积神经网络CNN检测所述车辆的车门状态;
在所述车门状态为车门打开状态时,将所述待处理图片确定为目标图片。
可选的,所述在所述待处理图片中获取目标图像区域,包括:
检测所述待处理图片中的车辆图像得到车辆检测结果,所述车辆检测结果包括所述车辆图像的宽度、高度和所述车辆图像在所述待处理图片中的位置;
根据所述车辆检测结果,从所述待处理图片中获取目标图像区域。
可选的,所述根据所述车辆检测结果,从所述待处理图片中获取目标图像区域,包括:
根据所述车辆图像的宽度和高度,获取所述目标图像区域的宽度和高度;
根据所述位置、所述目标图像区域的宽度和高度,从所述待处理图片中获取两个目标图像区域,其中一目标图像区域包括所述车辆的左车门图像,另一个目标图像区域包括所述车辆的右车门图像。
可选的,所述车辆检测结果还包括所述车辆图像的图像类型,所述图像类型为车头图像或车尾图像;
所述根据所述位置、所述目标图像区域的宽度和高度,从所述待处理图片中获取两个目标图像区域之后,还包括:
根据所述图像类型,从所述两个目标图像区域中确定出第一目标图像区域和第二目标图像区域,所述第一目标图像区域包括所述车辆的左车门图像,所述第二目标图像区域包括所述车辆的右车门图像。
可选的,所述将所述待处理图片确定为目标图片之后,还包括:
根据所述目标图像区域包括的车门图像类型,设置所述目标图片对应的车门类型。
可选的,所述通过第一卷积神经网络CNN检测所述车辆的车门状态之前,还包括:
使用至少一个第一样本图片和至少一个第二样本图片对第二CNN进行训练得到第一CNN,所述至少一个第一样本图片中的每个第一样本图片包括打开状态的车门图像,所述至少一个第二样本图片中的每个第二样本图片包括关闭状态的车门图像。
第二方面,本申请实施例提供了一种获取图片的装置,所述装置包括:
第一获取模块,用于获取待处理图片,所述待处理图片包括车辆的车辆图像;
第二获取模块,用于在所述待处理图片中获取目标图像区域,所述目标图像区域包括所述车辆的车门图像;
检测模块,用于根据所述目标图像区域,通过第一卷积神经网络CNN检测所述车辆的车门状态;
确定模块,用于在所述车门状态为车门打开状态时,将所述待处理图片确定为目标图片。
可选的,所述第二获取模块,包括:
检测单元,用于检测所述待处理图片中的车辆图像得到车辆检测结果,所述车辆检测结果包括所述车辆图像的宽度、高度和所述车辆图像在所述待处理图片中的位置;
获取单元,用于根据所述车辆检测结果,从所述待处理图片中获取目标图像区域。
可选的,所述获取单元,用于:
根据所述车辆图像的宽度和高度,获取所述目标图像区域的宽度和高度;
根据所述位置、所述目标图像区域的宽度和高度,从所述待处理图片中获取两个目标图像区域,其中一目标图像区域包括所述车辆的左车门图像,另一个目标图像区域包括所述车辆的右车门图像。
可选的,所述车辆检测结果还包括所述车辆图像的图像类型,所述图像类型为车头图像或车尾图像;
所述获取单元,还用于根据所述图像类型,从所述两个目标图像区域中确定出第一目标图像区域和第二目标图像区域,所述第一目标图像区域包括所述车辆的左车门图像,所述第二目标图像区域包括所述车辆的右车门图像。
可选的,所述装置还包括:
设置模块,用于根据所述目标图像区域包括的车门图像类型,设置所述目标图片对应的车门类型。
可选的,所述装置还包括:
训练模块,用于使用至少一个第一样本图片和至少一个第二样本图片对第二CNN进行训练得到第一CNN,所述至少一个第一样本图片中的每个第一样本图片包括打开状态的车门图像,所述至少一个第二样本图片中的每个第二样本图片包括关闭状态的车门图像。
本申请实施例提供的技术方案可以包括以下有益效果:
通过从待处理图片中获取包括车门图像的目标图像区域,然后根据目标图像区域,通过第一CNN检测该车辆的车门状态,在该车门状态为车门打开状态时,将待处理图片确定为目标图片。由于自动获取目标图像区域,以及通过第一CNN检测车门状态,因此相比人工方式检测目标图片,可以提高检测目标图片的效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
图1是本申请实施例提供的一种道路监控系统结构示意图;
图2是本申请实施例提供的一种获取图片的方法流程图;
图3-1是本申请实施例提供的另一种获取图片的方法流程图;
图3-2是本申请实施例提供的车头图像示意图;
图3-3是本申请实施例提供的车尾图像示意图;
图4是本申请实施例提供的一种获取图片的装置结构示意图;
图5是本申请实施例提供的一种终端结构示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
参见图1,本申请实施例提供了一种道路监控系统,包括:
终端设备1和至少一个摄像设备2,该至少一个摄像设备2部署在道路上,该至少一个摄像设备2中的每个摄像设备2与终端设备1之间建立有网络连接,该网络连接可以为有线网络连接或无线网络连接。
对于该至少一个摄像设备2中的任一个摄像设备2,该摄像设备2可以对道路上的车辆进行拍摄,得到包括车辆图像的视频图片。
其中,摄像设备2可以在拍摄到包括车辆图像的视频图片时,可以检测该车辆图像对应的车辆的车门状态,如果该车门状态为打开状态,则将该视频图片确定为目标图片,向终端设备1发送该目标图片。终端设备1可以接收该目标图片,并保存该目标图片。或者,
摄像设备2可以在拍摄到包括车辆图像的视频图片时,不对该视频图片执行上述车门状态的检测,而是直接向终端设备1发送该视频图片。终端设备1可以在接收到视频图片时,检测该视频图片是否包括车辆图像,在检测出包括车辆图像时,可以检测该车辆图像对应的车辆的车门状态,如果该车门状态为打开状态,则将该视频图片确定为目标图片,保存该目标图片。
参见图2,本申请实施例提供了一种获取图片的方法,所述方法应用于图1所示的道路监控系统且执行主体可以为该道路监控系统中的摄像设备或终端设备,所述方法包括:
步骤201:获取待处理图片,待处理图片包括车辆的车辆图像。
步骤202:在待处理图片中获取目标图像区域,目标图像区域包括该车辆的车门图像。
步骤203:根据目标图像区域,通过第一CNN检测该车辆的车门状态。
步骤204:在该车门状态为车门打开状态时,将待处理图片确定为目标图片。
在本申请实施例中,从待处理图片中获取包括车门图像的目标图像区域,然后根据目标图像区域,通过第一CNN检测该车辆的车门状态,在该车门状态为车门打开状态时,将待处理图片确定为目标图片。由于自动获取目标图像区域,以及通过第一CNN检测车门状态,因此相比人工方式检测目标图片,可以提高检测目标图片的效率。
参见图3-1,本申请实施例提供了一种获取图片的方法,所述方法应用于图1所示的道路监控系统且执行主体可以为该道路监控系统中的摄像设备或终端设备,所述方法包括:
步骤301:使用至少一个第一样本图片和至少一个第二样本图片对第二CNN进行训练得到第一CNN,每个第一样本图片包括打开状态的车门图像,每个第二样本图片包括关闭状态的车门图像。
可以人工获取至少一个第一样本图片,每个第一样本图片包括打开状态的车门图像并标注每个第一样本图片对应的车门状态为打开状态。以及,可以人工获取至少一个第二样本图片,每个第二样本图片包括关闭状态的车门图像并标注每个第二样本图片对应的车门状态为关闭状态。然后将至少一个第一样本图片和至少一个第二样本图片输入到第二CNN中,使第二CNN自动训练。
在本步骤中,可以设置第二CNN的训练次数N,N为大于或等于1的整数,给第二CNN初始化网络参数,根据至少一个第一样本图片和至少一个第二样本图片对第二CNN进行一次训练。当进行完一次训练时,根据当前一次训练的训练结果更新第二CNN的网络参数,如果总训练次数小于N时,根据该至少一个第一样本图片和该至少一个第二样本图片对第二CNN再进行一次训练。当进行完该次训练,根据当前训练的训练结果更新第二CNN网络的网络参数,如果总训练次数达到N时,停止训练,并将当前训练的第二CNN确定为第一CNN。
步骤302:获取待处理图片,待处理图片为包括车辆的车辆图像。
当本实施例的执行主体为摄像设备时,摄像设备每拍摄到一张视频图片时,对该视频图片进行检测,如果检测出该视频图片包括车辆图像,则将该视频图片作为待处理图片。
可选的,摄像设备可以使用图像识别技术检测出该视频图片是否包括车辆图像。
当本实施例的执行主体为终端设备时,摄像设备每拍摄到一张视频图片时向终端设备发送该视频图片。终端设备接收该视频图片,对该视频图片进行检测,如果检测出该视频图片包括车辆图像,则将该视频图片作为待处理图片。或者,终端设备可以保存各摄像设备拍摄的视频图片,终端设备在获取目标图片时从保存的视频图片中读取视频图片,对该视频图片进行检测,如果检测出该视频图片包括车辆图像,则将该视频图片作为待处理图片。
可选的,终端设备可以使用图像识别技术检测出该视频图片是否包括车辆图像。
步骤303:检测待处理图片中的车辆图像得到车辆检测结果,该车辆检测结果包括车辆图像的宽度、高度和车辆图像在待处理图片中的位置。
可选的,该车辆检测结果还可以包括车辆图像的图像类型;该图像类型可以为车头图像或车尾图像。
可选的,可以使用图像识别技术对该视频图片中的车辆图像进行检测,得到车辆检测结果。
步骤304:根据该车辆检测结果,从待处理图片中获取目标图像区域。
本步骤可以为包括如下3041和3042的步骤,分别为:
3041:根据车辆图像的宽度和高度,获取目标图像区域的宽度和高度。
目标图像区域的高度H=b*h,b为预设系数,h为车辆图像的高度,目标图像区域的宽度W=c*w,w为车辆图像的宽度。
3042:根据该位置、该目标图像区域的宽度和高度,从该待处理图片中获取两个目标图像区域,其中一目标图像区域包括车辆的左车门图像,另一个目标图像区域包括车辆的右车门图像。
参见图3-2,根据该位置,从待处理图片中确定出车辆图像,进而确定出发该车辆图像的中心线A,根据目标图像区域的宽度和高度,在车辆图像的中心线A的两侧确定两个目标图像区域,从待处理图片中获取该两个目标图像区域。
例如,参见图3-2,在待处理图征的中心线A的左侧,确定一个高度为H且宽度为W的目标图像区域1,目标图像区域1的右侧边与该中心线A重合。在待处理图征的中心线A的右侧,确定一个高度为H且宽度为W的目标图像区域2,目标图像区域2的左侧边与该中心线A重合。
可选的,当该车辆检测结果还包括车辆图像的图像类型时,则还可以包括如下3043的操作:
3043:根据该图像类型,从该两个目标图像区域中确定出第一目标图像区域和第二目标图像区域,第一目标图像区域包括车辆的左车门图像,第二目标图像区域包括车辆的右车门图像。
可选的,当该图像类型为车头图像时,在待处理图片中,位于中心线A左侧的目标图像区域为包括车辆的左车门图像的第一目标图像区域,位于中心线A右侧的目标图像区域为包括车辆的右车门图像的第二目标图像区域。
例如,参见图3-2,位于中心线A左侧的目标图像区域1为包括车辆的左车门图像的第一目标图像区域,位于中心线A右侧的目标图像区域2为包括车辆的右车门图像的第二目标图像区域。
可选的,当该图像类型为车尾图像时,在待处理图片中,位于中心线A左侧的目标图像区域为包括车辆的右车门图像的第二目标图像区域,位于中心线A右侧的目标图像区域为包括车辆的左车门图像的第一目标图像区域。
例如,参见图3-3,位于中心线A左侧的目标图像区域1为包括车辆的右车门图像的第二目标图像区域,位于中心线A右侧的目标图像区域2为包括车辆的左车门图像的第一目标图像区域。
步骤305:根据目标图像区域,通过第一CNN检测车辆的车门状态。
将该目标图像区域输入到第一CNN,第一CNN检测该目标图像区域,并输出车辆的车门状态。
其中,在实际中,车辆在道路上行驶时,如果车辆开启左侧车门,该车辆一定违反道路交通法的规定,因此为了减小计算数据量,可以将包括左侧车门图像的第一目标图像区域输入到第一CNN,第一CNN检测第一目标图像区域,并输出车辆的左侧车门状态。
由于只需要向第一CNN输入第一目标图像区域,这样第一CNN只需要检测第一目标图像区域,不需要检测第二目标图像区域,减小了计算数据量和计算资源。
步骤306:在该车门状态为车门打开状态时,将待处理图片确定为目标图片。
可选的,还可以根据该目标图像区域包括的车门图像类型,设置目标图片对应的车门类型。
例如,当该目标图像区域包括的车门图像类型为右侧车门图像时,设置目标图片对应的车门类型为右侧车门。当该目标图像区域包括的车门图像类型为左侧车门图像时,设置目标图片对应的车门类型为左侧车门。
可选的,当本实施例执行主体为摄像设备时,摄像设备将目标图片和目标图片对应的车门类型发送给终端设备,终端设备将目标图片和目标图片对应的车门类型对应保存在目标图片与车门类型的对应关系中。
可选的,当本实施例执行主体为终端设备时,终端设备直接将目标图片和目标图片对应的车门类型对应保存在目标图片与车门类型的对应关系中。
可选的,可以终端设备中查询左侧车门或右侧车门对应的目标图片。例如,可以向终端设备输入包括左侧车门或右侧车门的查询命令。终端设备从目标图片与车门类型的对应关系中查询车门类型为左侧车门的各目标图片,或者从目标图片与车门类型的对应关系中查询车门类型为右侧车门的各目标图片;显示查询的各目标图片。
在本申请实施例中,由于自动获取目标图像区域,以及通过第一CNN检测车门状态,因此相比人工方式检测目标图片,可以提高检测目标图片的效率。还可以从包括车门图像的目标图像区域中确定出包括左侧车门图像的第一目标图像区域和包括右侧车门图像的第二目标图像区域,然后可以仅根据第一目标图像区域,通过第一CNN检测该车辆的车门状态,可以减小计算数据量,节省计算资源。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
参见图4,本申请实施例提供了一种获取图片的装置400,所述装置400包括:
第一获取模块401,用于获取待处理图片,所述待处理图片包括车辆的车辆图像;
第二获取模块402,用于在所述待处理图片中获取目标图像区域,所述目标图像区域包括所述车辆的车门图像;
检测模块403,用于根据所述目标图像区域,通过第一卷积神经网络CNN检测所述车辆的车门状态;
确定模块404,用于在所述车门状态为车门打开状态时,将所述待处理图片确定为目标图片。
可选的,所述第二获取模块402,包括:
检测单元,用于检测所述待处理图片中的车辆图像得到车辆检测结果,所述车辆检测结果包括所述车辆图像的宽度、高度和所述车辆图像在所述待处理图片中的位置;
获取单元,用于根据所述车辆检测结果,从所述待处理图片中获取目标图像区域。
可选的,所述获取单元,用于:
根据所述车辆图像的宽度和高度,获取所述目标图像区域的宽度和高度;
根据所述位置、所述目标图像区域的宽度和高度,从所述待处理图片中获取两个目标图像区域,其中一目标图像区域包括所述车辆的左车门图像,另一个目标图像区域包括所述车辆的右车门图像。
可选的,所述车辆检测结果还包括所述车辆图像的图像类型,所述图像类型为车头图像或车尾图像;
所述获取单元,还用于根据所述图像类型,从所述两个目标图像区域中确定出第一目标图像区域和第二目标图像区域,所述第一目标图像区域包括所述车辆的左车门图像,所述第二目标图像区域包括所述车辆的右车门图像。
可选的,所述装置400还包括:
设置模块,用于根据所述目标图像区域包括的车门图像类型,设置所述目标图片对应的车门类型。
可选的,所述装置400还包括:
训练模块,用于使用至少一个第一样本图片和至少一个第二样本图片对第二CNN进行训练得到第一CNN,所述至少一个第一样本图片中的每个第一样本图片包括打开状态的车门图像,所述至少一个第二样本图片中的每个第二样本图片包括关闭状态的车门图像。
在本申请实施例中,第二获取模块从待处理图片中获取包括车门图像的目标图像区域,然后检测模块根据目标图像区域,通过第一CNN检测该车辆的车门状态,在该车门状态为车门打开状态时,确定模块将待处理图片确定为目标图片。由于通过第二获取模块自动获取目标图像区域,以及通过第一CNN检测车门状态,因此相比人工方式检测目标图片,可以提高检测目标图片的效率。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图5示出了本发明一个示例性实施例提供的终端500的结构框图。该终端500可以是图1所示系统中的终端设备,在实现时终端500可以为智能手机、平板电脑、笔记本电脑或台式电脑。终端500还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端500包括有:处理器501和存储器502。
处理器501可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器501可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器501也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器501可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器501还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器502可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器502还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器502中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器501所执行以实现本申请中方法实施例提供的获取图片的方法。
在一些实施例中,终端500还可选包括有:外围设备接口503和至少一个外围设备。处理器501、存储器502和外围设备接口503之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口503相连。具体地,外围设备包括:射频电路504、触摸显示屏505、摄像头506、音频电路507、定位组件508和电源509中的至少一种。
外围设备接口503可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器501和存储器502。在一些实施例中,处理器501、存储器502和外围设备接口503被集成在同一芯片或电路板上;在一些其他实施例中,处理器501、存储器502和外围设备接口503中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路504用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路504通过电磁信号与通信网络以及其他通信设备进行通信。射频电路504将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路504包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路504可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路504还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏505用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏505是触摸显示屏时,显示屏505还具有采集在显示屏505的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器501进行处理。此时,显示屏505还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏505可以为一个,设置终端500的前面板;在另一些实施例中,显示屏505可以为至少两个,分别设置在终端500的不同表面或呈折叠设计;在再一些实施例中,显示屏505可以是柔性显示屏,设置在终端500的弯曲表面上或折叠面上。甚至,显示屏505还可以设置成非矩形的不规则图形,也即异形屏。显示屏505可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件506用于采集图像或视频。可选地,摄像头组件506包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件506还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路507可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器501进行处理,或者输入至射频电路504以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端500的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器501或射频电路504的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路507还可以包括耳机插孔。
定位组件508用于定位终端500的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件508可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统或俄罗斯的伽利略系统的定位组件。
电源509用于为终端500中的各个组件进行供电。电源509可以是交流电、直流电、一次性电池或可充电电池。当电源509包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端500还包括有一个或多个传感器510。该一个或多个传感器510包括但不限于:加速度传感器511、陀螺仪传感器512、压力传感器513、指纹传感器514、光学传感器515以及接近传感器516。
加速度传感器511可以检测以终端500建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器511可以用于检测重力加速度在三个坐标轴上的分量。处理器501可以根据加速度传感器511采集的重力加速度信号,控制触摸显示屏505以横向视图或纵向视图进行用户界面的显示。加速度传感器511还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器512可以检测终端500的机体方向及转动角度,陀螺仪传感器512可以与加速度传感器511协同采集用户对终端500的3D动作。处理器501根据陀螺仪传感器512采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器513可以设置在终端500的侧边框和/或触摸显示屏505的下层。当压力传感器513设置在终端500的侧边框时,可以检测用户对终端500的握持信号,由处理器501根据压力传感器513采集的握持信号进行左右手识别或快捷操作。当压力传感器513设置在触摸显示屏505的下层时,由处理器501根据用户对触摸显示屏505的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器514用于采集用户的指纹,由处理器501根据指纹传感器514采集到的指纹识别用户的身份,或者,由指纹传感器514根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器501授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器514可以被设置终端500的正面、背面或侧面。当终端500上设置有物理按键或厂商Logo时,指纹传感器514可以与物理按键或厂商Logo集成在一起。
光学传感器515用于采集环境光强度。在一个实施例中,处理器501可以根据光学传感器515采集的环境光强度,控制触摸显示屏505的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏505的显示亮度;当环境光强度较低时,调低触摸显示屏505的显示亮度。在另一个实施例中,处理器501还可以根据光学传感器515采集的环境光强度,动态调整摄像头组件506的拍摄参数。
接近传感器516,也称距离传感器,通常设置在终端500的前面板。接近传感器516用于采集用户与终端500的正面之间的距离。在一个实施例中,当接近传感器516检测到用户与终端500的正面之间的距离逐渐变小时,由处理器501控制触摸显示屏505从亮屏状态切换为息屏状态;当接近传感器516检测到用户与终端500的正面之间的距离逐渐变大时,由处理器501控制触摸显示屏505从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图5中示出的结构并不构成对终端500的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
本领域技术人员在考虑说明书及实践这里公开的申请后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (12)
1.一种获取图片的方法,其特征在于,所述方法包括:
获取待处理图片,所述待处理图片包括车辆的车辆图像;
在所述待处理图片中获取目标图像区域,所述目标图像区域包括所述车辆的车门图像;
根据所述目标图像区域,通过第一卷积神经网络CNN检测所述车辆的车门状态;
在所述车门状态为车门打开状态时,将所述待处理图片确定为目标图片。
2.如权利要求1所述的方法,其特征在于,所述在所述待处理图片中获取目标图像区域,包括:
检测所述待处理图片中的车辆图像得到车辆检测结果,所述车辆检测结果包括所述车辆图像的宽度、高度和所述车辆图像在所述待处理图片中的位置;
根据所述车辆检测结果,从所述待处理图片中获取目标图像区域。
3.如权利要求2所述的方法,其特征在于,所述根据所述车辆检测结果,从所述待处理图片中获取目标图像区域,包括:
根据所述车辆图像的宽度和高度,获取所述目标图像区域的宽度和高度;
根据所述位置、所述目标图像区域的宽度和高度,从所述待处理图片中获取两个目标图像区域,其中一目标图像区域包括所述车辆的左车门图像,另一个目标图像区域包括所述车辆的右车门图像。
4.如权利要求3所述的方法,其特征在于,所述车辆检测结果还包括所述车辆图像的图像类型,所述图像类型为车头图像或车尾图像;
所述根据所述位置、所述目标图像区域的宽度和高度,从所述待处理图片中获取两个目标图像区域之后,还包括:
根据所述图像类型,从所述两个目标图像区域中确定出第一目标图像区域和第二目标图像区域,所述第一目标图像区域包括所述车辆的左车门图像,所述第二目标图像区域包括所述车辆的右车门图像。
5.如权利要求1至4任一项所述的方法,其特征在于,所述将所述待处理图片确定为目标图片之后,还包括:
根据所述目标图像区域包括的车门图像类型,设置所述目标图片对应的车门类型。
6.如权利要求1至4任一项所述的方法,其特征在于,所述通过第一卷积神经网络CNN检测所述车辆的车门状态之前,还包括:
使用至少一个第一样本图片和至少一个第二样本图片对第二CNN进行训练得到第一CNN,所述至少一个第一样本图片中的每个第一样本图片包括打开状态的车门图像,所述至少一个第二样本图片中的每个第二样本图片包括关闭状态的车门图像。
7.一种获取图片的装置,其特征在于,所述装置包括:
第一获取模块,用于获取待处理图片,所述待处理图片包括车辆的车辆图像;
第二获取模块,用于在所述待处理图片中获取目标图像区域,所述目标图像区域包括所述车辆的车门图像;
检测模块,用于根据所述目标图像区域,通过第一卷积神经网络CNN检测所述车辆的车门状态;
确定模块,用于在所述车门状态为车门打开状态时,将所述待处理图片确定为目标图片。
8.如权利要求7所述的装置,其特征在于,所述第二获取模块,包括:
检测单元,用于检测所述待处理图片中的车辆图像得到车辆检测结果,所述车辆检测结果包括所述车辆图像的宽度、高度和所述车辆图像在所述待处理图片中的位置;
获取单元,用于根据所述车辆检测结果,从所述待处理图片中获取目标图像区域。
9.如权利要求8所述的装置,其特征在于,所述获取单元,用于:
根据所述车辆图像的宽度和高度,获取所述目标图像区域的宽度和高度;
根据所述位置、所述目标图像区域的宽度和高度,从所述待处理图片中获取两个目标图像区域,其中一目标图像区域包括所述车辆的左车门图像,另一个目标图像区域包括所述车辆的右车门图像。
10.如权利要求9所述的装置,其特征在于,所述车辆检测结果还包括所述车辆图像的图像类型,所述图像类型为车头图像或车尾图像;
所述获取单元,还用于根据所述图像类型,从所述两个目标图像区域中确定出第一目标图像区域和第二目标图像区域,所述第一目标图像区域包括所述车辆的左车门图像,所述第二目标图像区域包括所述车辆的右车门图像。
11.如权利要求7至10任一项所述的装置,其特征在于,所述装置还包括:
设置模块,用于根据所述目标图像区域包括的车门图像类型,设置所述目标图片对应的车门类型。
12.如权利要求7至10任一项所述的装置,其特征在于,所述装置还包括:
训练模块,用于使用至少一个第一样本图片和至少一个第二样本图片对第二CNN进行训练得到第一CNN,所述至少一个第一样本图片中的每个第一样本图片包括打开状态的车门图像,所述至少一个第二样本图片中的每个第二样本图片包括关闭状态的车门图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810770964.2A CN110717365B (zh) | 2018-07-13 | 2018-07-13 | 一种获取图片的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810770964.2A CN110717365B (zh) | 2018-07-13 | 2018-07-13 | 一种获取图片的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110717365A true CN110717365A (zh) | 2020-01-21 |
CN110717365B CN110717365B (zh) | 2022-05-31 |
Family
ID=69208530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810770964.2A Active CN110717365B (zh) | 2018-07-13 | 2018-07-13 | 一种获取图片的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110717365B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021262976A1 (en) * | 2020-06-24 | 2021-12-30 | Mobileye Vision Technologies Ltd. | Systems and methods for detecting an open door |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105909116A (zh) * | 2016-04-28 | 2016-08-31 | 百度在线网络技术(北京)有限公司 | 控制车门的方法、装置及系统 |
CN105930787A (zh) * | 2016-04-16 | 2016-09-07 | 南京林业大学 | 车辆开门预警方法 |
CN106004883A (zh) * | 2016-05-24 | 2016-10-12 | 北京小米移动软件有限公司 | 车辆违规提醒的方法及装置 |
CN106971185A (zh) * | 2017-03-27 | 2017-07-21 | 深圳市丰巨泰科电子有限公司 | 一种基于全卷积网络的车牌定位方法及装置 |
CN107122747A (zh) * | 2017-04-28 | 2017-09-01 | 北京理工大学 | 一种轨道车辆车厢状态非接触检测装置及方法 |
CN107757472A (zh) * | 2017-09-30 | 2018-03-06 | 上海欧菲智能车联科技有限公司 | 开车门报警方法、开车门报警装置和车辆系统 |
CN107909687A (zh) * | 2017-11-07 | 2018-04-13 | 惠州市瑞时智控科技有限公司 | 一种基于机器学习的智能门控系统及其控制方法 |
CN107977596A (zh) * | 2016-10-25 | 2018-05-01 | 杭州海康威视数字技术股份有限公司 | 一种车牌状态识别方法及装置 |
-
2018
- 2018-07-13 CN CN201810770964.2A patent/CN110717365B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105930787A (zh) * | 2016-04-16 | 2016-09-07 | 南京林业大学 | 车辆开门预警方法 |
CN105909116A (zh) * | 2016-04-28 | 2016-08-31 | 百度在线网络技术(北京)有限公司 | 控制车门的方法、装置及系统 |
CN106004883A (zh) * | 2016-05-24 | 2016-10-12 | 北京小米移动软件有限公司 | 车辆违规提醒的方法及装置 |
CN107977596A (zh) * | 2016-10-25 | 2018-05-01 | 杭州海康威视数字技术股份有限公司 | 一种车牌状态识别方法及装置 |
CN106971185A (zh) * | 2017-03-27 | 2017-07-21 | 深圳市丰巨泰科电子有限公司 | 一种基于全卷积网络的车牌定位方法及装置 |
CN107122747A (zh) * | 2017-04-28 | 2017-09-01 | 北京理工大学 | 一种轨道车辆车厢状态非接触检测装置及方法 |
CN107757472A (zh) * | 2017-09-30 | 2018-03-06 | 上海欧菲智能车联科技有限公司 | 开车门报警方法、开车门报警装置和车辆系统 |
CN107909687A (zh) * | 2017-11-07 | 2018-04-13 | 惠州市瑞时智控科技有限公司 | 一种基于机器学习的智能门控系统及其控制方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021262976A1 (en) * | 2020-06-24 | 2021-12-30 | Mobileye Vision Technologies Ltd. | Systems and methods for detecting an open door |
Also Published As
Publication number | Publication date |
---|---|
CN110717365B (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110795236B (zh) | 调整服务器容量的方法、装置、电子设备及介质 | |
CN110839128B (zh) | 拍照行为检测方法、装置及存储介质 | |
CN109302632B (zh) | 获取直播视频画面的方法、装置、终端及存储介质 | |
CN109859102B (zh) | 特效显示方法、装置、终端及存储介质 | |
CN109886208B (zh) | 物体检测的方法、装置、计算机设备及存储介质 | |
CN111127509A (zh) | 目标跟踪方法、装置和计算机可读存储介质 | |
CN113763228A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN108848405B (zh) | 图像处理方法和装置 | |
CN111754386A (zh) | 图像区域屏蔽方法、装置、设备及存储介质 | |
CN111586279B (zh) | 确定拍摄状态的方法、装置、设备及存储介质 | |
CN111127541B (zh) | 车辆尺寸的确定方法、装置及存储介质 | |
CN112396076A (zh) | 车牌图像生成方法、装置及计算机存储介质 | |
CN111753606A (zh) | 一种智能模型的升级方法及装置 | |
CN110717365B (zh) | 一种获取图片的方法及装置 | |
CN111860064A (zh) | 基于视频的目标检测方法、装置、设备及存储介质 | |
CN111008083A (zh) | 页面通信方法、装置、电子设备及存储介质 | |
CN112446849A (zh) | 一种处理图片的方法及装置 | |
CN111611414A (zh) | 车辆检索方法、装置及存储介质 | |
CN113706807B (zh) | 发出报警信息的方法、装置、设备及存储介质 | |
CN111669611B (zh) | 图像处理方法、装置、终端及存储介质 | |
CN110471613B (zh) | 存储数据的方法、读取数据的方法、装置及系统 | |
CN114779920A (zh) | 一种基于生物识别的全车窗手势控制系统及其控制方法 | |
CN112015612B (zh) | 一种获取卡顿信息的方法及装置 | |
CN112381729A (zh) | 图像处理方法、装置、终端及存储介质 | |
CN112990424A (zh) | 神经网络模型训练的方法和装置 |
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 |