CN110781056A - 屏幕检测方法、装置、计算机设备和存储介质 - Google Patents
屏幕检测方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110781056A CN110781056A CN201910982112.4A CN201910982112A CN110781056A CN 110781056 A CN110781056 A CN 110781056A CN 201910982112 A CN201910982112 A CN 201910982112A CN 110781056 A CN110781056 A CN 110781056A
- Authority
- CN
- China
- Prior art keywords
- image
- screen
- detection
- state
- monitoring image
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3041—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is an input/output interface
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
- G06F11/327—Alarm or error message display
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种屏幕检测方法、装置、计算机设备和存储介质。所述方法包括:获取监控图像并输入至目标检测模型,得到至少一个目标物体的检测结果,所述检测结果包括所述目标物体的类别;若所述检测结果中不包括人物类别,获取所述监控图像中的显示器图像;根据预设的锁屏图像模板检测所述显示器图像的屏幕状态;若所述屏幕状态为非锁屏状态,则执行所述非锁屏状态对应的操作。采用本方法能够获取准确的屏幕状态,并在非锁屏状态时执行对应的操作,避免因用户忘记锁屏而导致的资料泄露问题,也避免了用户浏览固定页面的时因超过锁屏等待时间,而导致的误锁屏进而影响用户工作进度问题。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种屏幕检测方法、装置、计算机设备和存储介质。
背景技术
随着科技的发展及电脑的普及,越来越多的企业、机关单位都将电脑作为通用的工作设备。为了防止重要资料被泄露,在用户暂时离开电脑时,通常采用锁定屏幕的方式保证电脑中的资料安全。
传统的锁定屏幕方法为用户在离开电脑时,按下触发锁屏的快捷键以完成对当前电脑的锁屏操作。或者,还可以设定锁屏等待时间,若在该锁屏等待时间内未检测到用户操作时,自动完成对当前电脑的锁屏操作。
但是,上述锁定屏幕方法中,当用户忘记按下触发锁屏的快捷键,或者,在锁屏等待时间内,均存在资料泄密的可能性,难以保证资料安全。
发明内容
基于此,有必要针对上述技术问题,提供一种安全性高的的屏幕检测方法、装置、计算机设备和存储介质。
第一方面,本发明实施例提供一种屏幕检测方法,所述方法包括:
获取监控图像并输入至目标检测模型,得到至少一个目标物体的检测结果,所述检测结果包括所述目标物体的类别;
若所述检测结果中不包括人物类别,获取所述监控图像中的显示器图像;
根据预设的锁屏图像模板检测所述显示器图像的屏幕状态;
若所述屏幕状态为非锁屏状态,则执行所述非锁屏状态对应的操作。
在本申请的一个实施例中,所述获取所述监控图像中的显示器图像,包括:
获取所述检测结果中不包括人物类别的检测次数;
若所述检测次数小于预设的检测阈值,在获取所述监控图像后的第一时间间隔到达时,返回执行所述获取监控图像并输入至目标检测模型的步骤;
若所述检测次数达到所述检测阈值,获取所述监控图像中的显示器图像。
在本申请的一个实施例中,所述方法还包括:
若所述检测结果包括人物类别,在获取所述监控图像后的第二时间间隔到达时,返回执行所述获取监控图像并输入至目标检测模型的步骤;所述第二时间间隔由预设的最小时间间隔、最大时间间隔、及时间步进确定。
在本申请的一个实施例中,所述获取监控图像并输入至目标检测模型,包括:
获取所述监控图像;
对所述监控图像进行预处理;所述预处理包括压缩处理和/或归一化处理;
将经过预处理后的监控图像输入至目标检测模型。
在本申请的一个实施例中,所述检测结果还包括检测框信息,所述检测框信息包括目标物体所在区域的区域尺寸及在所述监控图像中的相对位置,所述获取所述监控图像中的显示器图像,包括:
获取显示器类别的目标物体对应的检测框信息;
根据所述显示器类别的目标物体对应的区域尺寸及相对位置,在所述监控图像中截取所述显示器图像。
在本申请的一个实施例中,所述根据预设的锁屏图像模板检测所述显示器图像的屏幕状态,包括:
计算所述显示器图像与预设的锁屏图像模板的相似度;
若所述相似度大于预设的相似度阈值,判定所述屏幕状态为锁屏状态;
若所述相似度小于或等于所述相似度阈值,判定所述屏幕状态为非锁屏状态。
在本申请的一个实施例中,所述计算所述显示器图像与预设的锁屏图像的相似度,包括:
将所述显示器图像调整至预设的固定尺寸,并将调整尺寸后的显示器图像转换为灰度图;
对所述灰度图进行离散余弦变换DCT变换,得到DCT图像;
计算所述DCT图像的哈希值;
计算所述锁屏图像的哈希值与所述DCT图像的哈希值之间的汉明距离;
根据所述汉明距离确定所述相似度。
在本申请的一个实施例中,所述计算所述DCT图像的哈希值,包括:
计算所述DCT图像的均值;
将所述DCT图像中每一像素点的值与所述均值进行对比;
若所述像素点的值大于或等于所述均值,将所述像素点对应的对比结果设置为第一值;
若所述像素点的值小于所述均值,将所述像素点对应的对比结果设置为第二值;
展开各所述像素点的对比结果,根据得到的一维序列得到所述DCT图像的哈希值。
在本申请的一个实施例中,所述执行所述非锁屏状态对应的操作,包括:
获取所述显示器图像对应的机器标识;
发出携带所述机器标识的告警信号,和/或发送锁屏指令至所述机器标识对应的终端,以使所述终端将屏幕状态切换至所述锁屏状态。
第二方面,本发明实施例提供一种屏幕检测装置,所述装置包括:
检测模块,用于获取监控图像并输入至目标检测模型,得到至少一个目标物体的检测结果,所述检测结果包括所述目标物体的类别;
图像获取模块,用于若所述检测结果中不包括人物类别,获取所述监控图像中的显示器图像;
显示状态判定模块,用于根据预设的锁屏图像模板检测所述显示器图像的屏幕状态;
处理模块,用于若所述屏幕状态为非锁屏状态,则执行所述非锁屏状态对应的操作。
第三方面,本发明实施例提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取监控图像并输入至目标检测模型,得到至少一个目标物体的检测结果,所述检测结果包括所述目标物体的类别;
若所述检测结果中不包括人物类别,获取所述监控图像中的显示器图像;
根据预设的锁屏图像模板检测所述显示器图像的屏幕状态;
若所述屏幕状态为非锁屏状态,则执行所述非锁屏状态对应的操作。
第四方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取监控图像并输入至目标检测模型,得到至少一个目标物体的检测结果,所述检测结果包括所述目标物体的类别;
若所述检测结果中不包括人物类别,获取所述监控图像中的显示器图像;
根据预设的锁屏图像模板检测所述显示器图像的屏幕状态;
若所述屏幕状态为非锁屏状态,则执行所述非锁屏状态对应的操作。
上述屏幕检测方法、装置、计算机设备和存储介质,获取监控图像并输入至目标检测模型,得到至少一个目标物体的检测结果,检测结果包括目标物体的类别;若检测结果中不包括人物类别,获取监控图像中的显示器图像;根据预设的锁屏图像模板检测显示器图像的屏幕状态;若屏幕状态为非锁屏状态,则执行非锁屏状态对应的操作。根据本申请实施例提供的屏幕检测方法,通过分析监控图像中是否存在人物类别的目标物体,可以识别出当前场景中用户是否已经离开监控区域,进一步分析监控图像中显示器图像的屏幕状态,在该屏幕状态为非锁屏状态时,执行对应的操作,以保证显示器中显示资料的安全性。避免了因用户忘记锁屏而导致的资料泄露问题,也避免了用户浏览固定页面的时因超过锁屏等待时间,而导致的误锁屏进而影响用户工作进度问题。
附图说明
图1为本申请实施例提供的屏幕检测方法的实施环境图;
图2为本申请实施例提供的一种屏幕检测方法的流程图;
图3为本申请实施例提供的另一种屏幕检测方法的流程图;
图4为本申请实施例提供的另一种屏幕检测方法的流程图;
图5为本申请实施例提供的另一种屏幕检测方法的流程图;
图6为本申请实施例提供的另一种屏幕检测方法的流程图;
图7为本申请实施例提供的另一种屏幕检测方法的流程图;
图8为本申请实施例提供的另一种屏幕检测方法的流程图;
图9为本申请实施例提供的一种屏幕检测装置的框图;
图10为本申请实施例提供的一种计算机设备的框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的屏幕检测方法,可以应用于如图1所示的应用环境中。其中,图像获取设备102与服务器104进行通信。其中,图像获取设备102可以但不限于是各种监控设备、相机、摄像机和包含摄像模块的电子装置,服务器104 可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端106与服务器104进行通信,终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。其中,服务器104可以通过图像获取设备102获取包含终端106的监控图像。
请参考图2,其示出了本实施例提供的一种屏幕检测方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤202,获取监控图像并输入至目标检测模型,得到至少一个目标物体的检测结果,检测结果包括目标物体的类别。
在本申请的一个实施例中,图像获取设备采集当前的监控图像,并将该监控图像发送至服务器,可选的,服务器会发送监控图像获取请求至图像获取设备,并接收图像获取设备反馈的携带监控图像的响应消息。当服务器接收到该监控图像时,会将其输入至目标检测模型,该目标检测模型用于根据输入的图像,输出携带目标物体的类别的检测结果。
在本申请的一个实施例中,该目标检测模型可以为卷积神经网络(Convolutional Neural Networks,CNN)模型、深度神经网络(Deep Neural Networks,DNN)模型、循环神经网络(Recurrent Neural Network,RNN)模型、深信度网络(DeepBelief Networks,DBF)模型,限制波尔兹曼机(Restricted Boltzmann Machine,RBM)模型及自动编码器(AutoEncoder)中的一种。例如,当该目标检测模型为卷积神经网络模型,其内部主要包括特征提取子模块和检测子模块。特征提取子模块由若干卷积层,归一化层,激活层,池化层等堆叠而成,检测子模块在特征提取子模块的基础上继续构造若干特征层,在构造的每个特征层上设置若干预设框用于获取检测结果。
步骤204,若检测结果中不包括人物类别,获取监控图像中的显示器图像。
在本申请的一个实施例中,服务器接收到的检测结果至少包括一个类别的目标物体,在服务器接收到该检测结果时,获取检测结果中各目标物体对应的类别,若各个目标物体的所属类别均不是人物类别,认定当前监控图像中不存在用户,即用户已经离开当前监控区域。
在本申请的一个实施例中,若检测结果中不包括人物类别,获取该检测结果中显示器类别对应的目标物体,根据该显示器类别对应的目标物体获取监控图像中的显示器图像。
在本申请的一个实施例中,该人物类别的目标物体可以包括任意一个可以表征用户在当前监控区域内的物体,可以但不限于是人脸、背影、头发、制服及四肢。当检测结果中出现该人物类别的目标物体时,认定检测结果中包括人物类别。
步骤206,根据预设的锁屏图像模板检测显示器图像的屏幕状态。
在本申请的一个实施例中,服务器端预设有该显示器类别对应的目标物体的锁屏图像模板,在检测结果中不包括人物类别时,可以对比该显示器图像与预设的锁屏图像模板,当该显示器图像与预设的锁屏图像模板相同时,认定屏幕状态为锁屏状态,当该显示器图像与预设的锁屏图像模板不相同时,认定屏幕状态为非锁屏状态。
步骤208,若屏幕状态为非锁屏状态,则执行非锁屏状态对应的操作。
在本申请的一个实施例中,若根据预设的锁屏图像模板判定该屏幕状态为非锁屏状态,则认定在当前场景中,用户已经离开当前监控区域,且忘记将终端的屏幕状态切换为锁屏状态,存在发生资料泄露的可能性,因此,服务器会开始执行非锁屏状态对应的操作,以保证资料的安全性。
在本申请的一个实施例中,所述执行非锁屏状态对应的操作可以包括:获取显示器图像对应的机器标识;发出携带机器标识的告警信号,和/或发送锁屏指令至机器标识对应的终端,以使终端将屏幕状态切换至锁屏状态。其中,服务器中可以预设有显示器图像与机器标识的对应关系,可选的,每个图像获取设备均设置在对应的终端前面,即服务器可以根据图像获取设备确定对应的终端、显示器、显示器图像及机器标识。
在本申请实施例提供的屏幕检测方法中,通过获取监控图像并输入至目标检测模型,得到至少一个目标物体的检测结果,检测结果包括目标物体的类别;若检测结果中不包括人物类别,获取监控图像中的显示器图像;根据预设的锁屏图像模板检测显示器图像的屏幕状态;若屏幕状态为非锁屏状态,则执行非锁屏状态对应的操作。根据本申请实施例提供的屏幕检测方法,通过分析监控图像中不包括人物类别,可以识别出当前场景中用户是否已经离开监控区域,进一步分析监控图像中显示器图像的屏幕状态,在该屏幕状态为非锁屏状态时,执行对应的操作,以保证显示器中显示资料的安全性。避免了因用户忘记锁屏而导致的资料泄露问题,也避免了用户浏览固定页面的时因超过锁屏等待时间,而导致的误锁屏进而影响用户工作进度问题。
请参考图3,其示出了本实施例提供的另一种屏幕检测方法的流程图,该屏幕检测方法可以应用于上文所述的实施环境中的服务器104中。在上述图2所示实施例的基础上,上述步骤204具体可以包括以下步骤:
步骤302,获取检测结果中不包括人物类别的检测次数。
在本申请的一个实施例中,服务器在当检测结果中不包括人物类别时,记录对应的检测次数:当本次检测结果是第一个检测结果或上一个检测结果中包括人物类别时,该检测次数记为1;当本次检测结果不是第一个检测结果且上一个检测结果中不包括人物类别时,将已存在的检测结果加1。在本申请的一个实施例中,每当检测结果中包括人物类别时,将检测次数归零。
步骤304,若检测次数小于预设的检测阈值,在获取监控图像后的第一时间间隔到达时,返回执行获取监控图像并输入至目标检测模型的步骤。
步骤306,若检测次数达到检测阈值,获取监控图像中的显示器图像。
在本申请的一个实施例中,服务器中预设有检测阈值,该检测阈值用于限定在检测结果中不包括人物类别时,返回执行获取监控图像并输入至目标检测模型的步骤的次数。因此,若检测次数小于预设的检测阈值,在获取监控图像后的第一时间间隔到达时,返回执行获取监控图像并输入至目标检测模型的步骤,若检测次数达到检测阈值,获取监控图像中的显示器图像。
在本申请的一个实施例中,该第一时间间隔可以由用户设定为一个固定值。可选的,该第一时间间隔可以设置为动态变化的,且该第一时间间隔可以与所述检测次数相关,检测次数越大,该第一时间间隔越小。
在本申请实施例提供的屏幕检测方法中,通过获取检测结果中不包括人物类别的检测次数;若检测次数小于预设的检测阈值,在获取监控图像后的第一时间间隔到达时,返回执行获取监控图像并输入至目标检测模型的步骤;若检测次数达到检测阈值,获取监控图像中的显示器图像。根据本申请实施例提供的屏幕检测方法,通过记录当前检测结果中不包括人物类别的检测次数,并根据检测次数与检测阈值的比较结果判定屏幕状态,执行对应的步骤。在目标检测模型出现小概率的错误识别进而误认为用户已经离开监控区域时,避免了屏幕状态认定错误的问题,即在用户处于监控区域内且正在使用终端设备及显示屏设备,即使因目标检测模型错误的识别出用户不存在,也会再次获取监控图像并再次检测,已达到验证的效果,提升了本申请对于非锁屏状态判定的准确性。
本申请还提供了一种另一种屏幕检测方法的流程图,该屏幕检测方法可以应用于上文所述的实施环境中的服务器104中。在上述图3所示实施例的基础上,该方法还包括:
若检测结果中包括人物类别,在获取监控图像后的第二时间间隔到达时,返回执行获取监控图像并输入至目标检测模型的步骤;第二时间间隔由预设的最小时间间隔、最大时间间隔、及时间步进确定。
在本申请的一个实施例中,服务器接收到的检测结果至少包括一个类别的目标物体,在服务器接收到该检测结果时,获取检测结果中各目标物体对应的类别,若各个目标物体中存在一个人物类别的目标物体,则认定当前监控图像中存在用户,用户未离开当前监控区域。此时,需要在获取监控图像后的第二时间间隔到达时,返回执行获取监控图像并输入至目标检测模型的步骤。
在本申请的一个实施例中,服务器中预设有最小时间间隔、最大时间间隔、及时间步进,该第二时间间隔可以由下式确定:
Tbase=Tmin
T2=min(Tbase+ΔT,Tmax)
其中,Tmin表示最小时间间隔,Tmax表示最大时间间隔,ΔT表示时间步进。在一个实施例中,Tmin可以设置为5s,Tmax可以设置为60s,ΔT可以设置为5s。
每当上一次检测结果包括人物类别,且当前检测结果也包括人物类别时,根据上述T2公式确定第二时间间隔,在获取监控图像后的第二时间间隔到达时,返回执行获取监控图像并输入至目标检测模型的步骤。
在本申请的一个实施例中,该第一时间间隔由预设的最小时间间隔、最大时间间隔、及时间步进确定。具体的,该第一时间间隔可以由下式确定:
T1=max(Tbase-5ΔT,Tmin)
例如,Tmin=5s,Tmax=60s,ΔT=5s,当第一次检测结果包括人物类别时, T2=Tbase=Tmin=5s,接着,当第二次至第七次检测结果包括人物类别时,T2分别为10s,15s,20s,25s,30s,35s。当第八次检测结果不包括人物类别时,T1为10s,当第九次检测结果不包括人物类别时,T1为5s,以此类推。
根据本申请实施例提供的屏幕检测方法,通过设动态的第一时间间隔及第二时间间隔,在检测结果连续包括人物类别时,将第一时间间隔逐渐增大至最大时间间隔,可以降低服务器在用户未离开监控区域时的屏幕状态检测频率进而降低服务器的运行负担,在检测结果包括人物类别时,将第二时间间隔逐渐缩小至最小时间间隔,可以在用户离开监控区域时,及时完成对屏幕状态的检测及验证,进而可以保证屏幕状态输出的及时性,提升显示器中资料的安全性。
请参考图4,其示出了本实施例提供的另一种屏幕检测方法的流程图,该屏幕检测方法可以应用于上文所述的实施环境中的服务器104中。在上述实施例的基础上,上述步骤202具体可以包括以下步骤:
步骤402,获取监控图像。
步骤404,对监控图像进行预处理;预处理包括压缩处理和/或归一化处理。
在本申请的一个实施例中,可以对该监控图像进行压缩处理,服务器获取预设的压缩尺寸,将该监控图像压缩至该预设的压缩尺寸。在一个实施例中,该预设的压缩尺寸为该目标检测模型的输入图像尺寸。
在本申请的一个实施例中,可以对该监控图像进行归一化处理,该归一化处理可以由下式确定:
img=(img-127.5)/127.5
其中,img表示该监控图像中像素值。
在可选的实施例中,服务器可以先对该监控图像进行压缩处理,接着再对压缩处理后的监控图像进行归一化处理,以完成预处理操作。
步骤406,将经过预处理后的监控图像输入至目标检测模型。
根据本申请实施例提供的屏幕检测方法,通过获取监控图像;对监控图像进行预处理;预处理包括压缩处理和/或归一化处理;将经过预处理后的监控图像输入至目标检测模型。由于原监控图像经过了预处理,在将经过预处理操作后的监控图像输入至目标检测模型时,可以提升目标检测模型对监控图像的检测速度及检测准确度,同时也降低了低服务器的运行负担。
请参考图5,其示出了本实施例提供的另一种屏幕检测方法的流程图,该屏幕检测方法可以应用于上文所述的实施环境中的服务器104中。在上述实施例的基础上,检测结果还包括检测框信息,检测框信息包括目标物体所在区域的区域尺寸及在监控图像中的相对位置;上述获取监控图像中的显示器图像,具体可以包括以下步骤:
步骤502,获取显示器类别的目标物体对应的检测框信息。
在本申请的一个实施例中,服务器获取检测结果中显示器类别对应的目标物体,由于该检测结果中还包括目标物体所在区域的区域尺寸及在监控图像中的相对位置,因此,可以根据该显示器类别的目标物体获取对应的区域尺寸及相对位置。具体的,该区域尺寸为所在区域的长宽尺寸,该相对位置为所在区域中任意一点在监控图像中的相对坐标。
步骤504,根据显示器类别的目标物体对应的区域尺寸及相对位置,在监控图像中截取显示器图像。
在本申请的一个实施例中,根据该区域尺寸及相对位置,可以在监控图像中截取对应的部分图像,将其作为所述显示器图像。
根据本申请实施例提供的屏幕检测方法,通过获取显示器类别的目标物体对应的检测框信息;根据显示器类别的目标物体对应的区域尺寸及相对位置,在监控图像中截取显示器图像。相比于传统技术,可以自动获取监控区域内终端显示器的显示器图像,进而可以根据该显示器图像确定屏幕状态,提升了本申请对于非锁屏状态判定的准确性。
请参考图6,其示出了本实施例提供的另一种屏幕检测方法的流程图,该屏幕检测方法可以应用于上文所述的实施环境中的服务器104中。在上述实施例的基础上,上述步骤206具体可以包括以下步骤:
步骤602,计算显示器图像与预设的锁屏图像模板的相似度。
步骤604,若相似度大于预设的相似度阈值,判定屏幕状态为锁屏状态。
步骤606,若相似度小于或等于相似度阈值,判定屏幕状态为非锁屏状态。
在本申请的一个实施例中,可以通过计算结构相似性度量、余弦相似度、直方图、互信息及指纹信息中的一种或几种确定显示器图像与预设的锁屏图像模板的相似度。
在进一步的实施例中,若相似度大于预设的相似度阈值,判定屏幕状态为锁屏状态;若相似度小于或等于相似度阈值,判定屏幕状态为非锁屏状态。
根据本申请实施例提供的屏幕检测方法,通过计算显示器图像与预设的锁屏图像模板的相似度;若相似度大于预设的相似度阈值,判定屏幕状态为锁屏状态;若相似度小于或等于相似度阈值,判定屏幕状态为非锁屏状态。提升了显示器图像与预设的锁屏图像模板的相似度的计算准确性,进而也提升了本申请对于非锁屏状态判定的准确性。
请参考图7,其示出了本实施例提供的另一种屏幕检测方法的流程图,该屏幕检测方法可以应用于上文所述的实施环境中的服务器104中。在上述图6所示实施例的基础上,上述步骤602具体可以包括以下步骤:
步骤702,将显示器图像调整至预设的固定尺寸,并将调整尺寸后的显示器图像转换为灰度图。
步骤704,对灰度图进行离散余弦变换DCT变换,得到DCT图像。
步骤706,计算DCT图像的哈希值。
步骤708,计算锁屏图像的哈希值与DCT图像的哈希值之间的汉明距离。
步骤710,根据汉明距离确定相似度。
在本申请的一个实施例中,服务器根据得到的显示器检测结果,在监控图像中截取出显示器图像,并将显示器图像的图像尺寸缩放到固定尺寸,该固定尺寸可以为32*32,将缩放后的图像转换为单通道256阶灰度图,对该灰度图进行离散余弦变换(DCT),得到DCT图像;计算DCT图像的哈希值,此哈希值为显示器界面对应的哈希值;计算显示器界面的哈希值与锁屏图像的哈希值的汉明距离, 得到二者的相似度。
其中,该离散余弦变换的公式如下
Y=C(N)·X·(C(N))T
其中,X为输入图像,Y为输出图像,i、j为图像中像素点的坐标位置.
根据本申请实施例提供的屏幕检测方法,通过将显示器图像调整至预设的固定尺寸,并将调整尺寸后的显示器图像转换为灰度图;对灰度图进行离散余弦变换DCT变换,得到DCT图像;计算DCT图像的哈希值;计算锁屏图像的哈希值与DCT图像的哈希值之间的汉明距离;根据汉明距离确定相似度。提升了显示器图像与预设的锁屏图像模板的相似度的计算准确性,进而也提升了本申请对于非锁屏状态判定的准确性。
请参考图8,其示出了本实施例提供的另一种屏幕检测方法的流程图,该屏幕检测方法可以应用于上文所述的实施环境中的服务器104中。在上述图7所示实施例的基础上,上述步骤706具体可以包括以下步骤:
步骤802,计算DCT图像的均值。
步骤804,将DCT图像中每一像素点的值与均值进行对比。
步骤806,若像素点的值大于或等于均值,将像素点对应的对比结果设置为第一值。
步骤808,若像素点的值小于均值,将像素点对应的对比结果设置为第二值。
步骤810,展开各像素点的对比结果,根据得到的一维序列得到DCT图像的哈希值。
在本申请的一个实施例中,可以将该第一值设置为1,将该第二值设置为0,当调整尺寸后的显示器图像为32*32时,得到的DCT图像也为32*32。根据该DCT图像中每一像素点计算该DCT图像对应的均值,该均值等于各像素点数值的总和与像素点个数的比值,并将DCT图像中每一像素点的值与均值进行对比,当像素点的值大于等于均值则将该像素点对应的对比结果设置为1,反之为0。由此,可以得到一个由0、1组成的32*32的二维矩阵,将该二维矩阵按行展开,即可得到一个由0、1组成的一维序列,序列长度为1024,将该一维序列作为该 DCT图像的哈希值。
在本申请实施例提供的屏幕检测方法中,通过计算DCT图像的均值;将DCT 图像中每一像素点的值与均值进行对比;若像素点的值大于或等于均值,将像素点对应的对比结果设置为第一值;若像素点的值小于均值,将像素点对应的对比结果设置为第二值;展开各像素点的对比结果,根据得到的一维序列得到 DCT图像的哈希值。根据本申请实施例提供的屏幕检测方法,得到了可以准确反映图像特征的哈希值,为后续的相似度计算提供了准确性保证,进而提升了本申请对于非锁屏状态判定的准确性。
应该理解的是,虽然上述流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
请参考图9,其示出了本申请实施例提供的一种屏幕检测装置900的框图。如图9所示,所述屏幕检测装置900可以包括:检测模块901、图像获取模块902、显示状态判定模块903及处理模块904,其中:
检测模块901,用于获取监控图像并输入至目标检测模型,得到至少一个目标物体的检测结果,检测结果包括目标物体的类别。
图像获取模块902,用于若检测结果中不包括人物类别,获取监控图像中的显示器图像。
显示状态判定模块903,用于根据预设的锁屏图像模板检测显示器图像的屏幕状态。
处理模块904,用于若屏幕状态为非锁屏状态,则执行非锁屏状态对应的操作。
在本申请的一个实施例中,所述图像获取模块902,具体用于:
获取检测结果中不包括人物类别的检测次数;
若检测次数小于预设的检测阈值,在获取监控图像后的第一时间间隔到达时,返回执行获取监控图像并输入至目标检测模型的步骤;
若检测次数达到检测阈值,获取监控图像中的显示器图像。
在本申请的一个实施例中,所述图像获取模块902,还具体用于:
若检测结果中包括人物类别,在获取监控图像后的第二时间间隔到达时,返回执行获取监控图像并输入至目标检测模型的步骤;第二时间间隔由预设的最小时间间隔、最大时间间隔、及时间步进确定。
在本申请的一个实施例中,所述检测模块901,具体用于:
获取监控图像;
对监控图像进行预处理;预处理包括压缩处理和/或归一化处理;
将经过预处理后的监控图像输入至目标检测模型。
在本申请的一个实施例中,检测结果还包括检测框信息,检测框信息包括目标物体所在区域的区域尺寸及在监控图像中的相对位置,所述图像获取模块 902,还具体用于:
获取显示器类别的目标物体对应的检测框信息;
根据显示器类别的目标物体对应的区域尺寸及相对位置,在监控图像中截取显示器图像。
在本申请的一个实施例中,所述显示状态判定模块903,具体用于:
计算显示器图像与预设的锁屏图像模板的相似度;
若相似度大于预设的相似度阈值,判定屏幕状态为锁屏状态;
若相似度小于或等于相似度阈值,判定屏幕状态为非锁屏状态。
在本申请的一个实施例中,所述显示状态判定模块903,还具体用于:
将显示器图像调整至预设的固定尺寸,并将调整尺寸后的显示器图像转换为灰度图;
对灰度图进行离散余弦变换DCT变换,得到DCT图像;
计算DCT图像的哈希值;
计算锁屏图像的哈希值与DCT图像的哈希值之间的汉明距离;
根据汉明距离确定相似度。
在本申请的一个实施例中,所述显示状态判定模块903,还具体用于:
将DCT图像中每一像素点的值与均值进行对比;
若像素点的值大于或等于均值,将像素点对应的对比结果设置为第一值;
若像素点的值小于均值,将像素点对应的对比结果设置为第二值;
展开各像素点的对比结果,根据得到的一维序列得到DCT图像的哈希值。
在本申请的一个实施例中,所述处理模块904,具体用于:
获取显示器图像对应的机器标识;
发出携带机器标识的告警信号,和/或发送锁屏指令至机器标识对应的机器,以使机器将屏幕状态切换至锁屏状态。
关于屏幕检测装置的具体限定可以参见上文中对于屏幕检测方法的限定,在此不再赘述。上述屏幕检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种屏幕检测方法。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取监控图像并输入至目标检测模型,得到至少一个目标物体的检测结果,检测结果包括目标物体的类别;
若检测结果中不包括人物类别,获取监控图像中的显示器图像;
根据预设的锁屏图像模板检测显示器图像的屏幕状态;
若屏幕状态为非锁屏状态,则执行非锁屏状态对应的操作。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取监控图像并输入至目标检测模型,得到至少一个目标物体的检测结果,检测结果包括目标物体的类别;
若检测结果中不包括人物类别,获取监控图像中的显示器图像;
根据预设的锁屏图像模板检测显示器图像的屏幕状态;
若屏幕状态为非锁屏状态,则执行非锁屏状态对应的操作。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM (EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM (SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM (DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种屏幕检测方法,其特征在于,所述方法包括:
获取监控图像并输入至目标检测模型,得到至少一个目标物体的检测结果,所述检测结果包括所述目标物体的类别;
若所述检测结果中不包括人物类别,获取所述监控图像中的显示器图像;
根据预设的锁屏图像模板检测所述显示器图像的屏幕状态;
若所述屏幕状态为非锁屏状态,则执行所述非锁屏状态对应的操作。
2.根据权利要求1所述的方法,其特征在于,所述获取所述监控图像中的显示器图像,包括:
获取所述检测结果中不包括人物类别的检测次数;
若所述检测次数小于预设的检测阈值,在获取所述监控图像后的第一时间间隔到达时,返回执行所述获取监控图像并输入至目标检测模型的步骤;
若所述检测次数达到所述检测阈值,获取所述监控图像中的显示器图像。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述检测结果中包括人物类别,在获取所述监控图像后的第二时间间隔到达时,返回执行所述获取监控图像并输入至目标检测模型的步骤;所述第二时间间隔由预设的最小时间间隔、最大时间间隔、及时间步进确定。
4.根据权利要求1至3任意一项所述的方法,其特征在于,所述获取监控图像并输入至目标检测模型,包括:
获取所述监控图像;
对所述监控图像进行预处理;所述预处理包括压缩处理和/或归一化处理;
将经过预处理后的监控图像输入至目标检测模型。
5.根据权利要求1所述的方法,其特征在于,所述检测结果还包括检测框信息,所述检测框信息包括目标物体所在区域的区域尺寸及在所述监控图像中的相对位置,所述获取所述监控图像中的显示器图像,包括:
获取显示器类别的目标物体对应的检测框信息;
根据所述显示器类别的目标物体对应的区域尺寸及相对位置,在所述监控图像中截取所述显示器图像。
6.根据权利要求1所述的方法,其特征在于,所述根据预设的锁屏图像模板检测所述显示器图像的屏幕状态,包括:
计算所述显示器图像与预设的锁屏图像模板的相似度;
若所述相似度大于预设的相似度阈值,判定所述屏幕状态为锁屏状态;
若所述相似度小于或等于所述相似度阈值,判定所述屏幕状态为非锁屏状态。
7.根据权利要求6所述的方法,其特征在于,所述计算所述显示器图像与预设的锁屏图像的相似度,包括:
将所述显示器图像调整至预设的固定尺寸,并将调整尺寸后的显示器图像转换为灰度图;
对所述灰度图进行离散余弦变换DCT变换,得到DCT图像;
计算所述DCT图像的哈希值;
计算所述锁屏图像的哈希值与所述DCT图像的哈希值之间的汉明距离;
根据所述汉明距离确定所述相似度。
8.根据权利要求7所述的方法,其特征在于,所述计算所述DCT图像的哈希值,包括:
计算所述DCT图像的均值;
将所述DCT图像中每一像素点的值与所述均值进行对比;
若所述像素点的值大于或等于所述均值,将所述像素点对应的对比结果设置为第一值;
若所述像素点的值小于所述均值,将所述像素点对应的对比结果设置为第二值;
展开各所述像素点的对比结果,根据得到的一维序列得到所述DCT图像的哈希值。
9.根据权利要求1所述的方法,其特征在于,所述执行所述非锁屏状态对应的操作,包括:
获取所述显示器图像对应的机器标识;
发出携带所述机器标识的告警信号,和/或发送锁屏指令至所述机器标识对应的终端,以使所述终端将屏幕状态切换至所述锁屏状态。
10.一种屏幕检测装置,其特征在于,所述装置包括:
检测模块,用于获取监控图像并输入至目标检测模型,得到至少一个目标物体的检测结果,所述检测结果包括所述目标物体的类别;
图像获取模块,用于若所述检测结果中不包括人物类别,获取所述监控图像中的显示器图像;
显示状态判定模块,用于根据预设的锁屏图像模板检测所述显示器图像的屏幕状态;
处理模块,用于若所述屏幕状态为非锁屏状态,则执行所述非锁屏状态对应的操作。
11.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述方法的步骤。
12.一种计算机可读存储介质,其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执行时实现权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982112.4A CN110781056A (zh) | 2019-10-16 | 2019-10-16 | 屏幕检测方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910982112.4A CN110781056A (zh) | 2019-10-16 | 2019-10-16 | 屏幕检测方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110781056A true CN110781056A (zh) | 2020-02-11 |
Family
ID=69385536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910982112.4A Withdrawn CN110781056A (zh) | 2019-10-16 | 2019-10-16 | 屏幕检测方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110781056A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113076005A (zh) * | 2021-04-14 | 2021-07-06 | 广州南天电脑系统有限公司 | 一种激活电脑屏幕锁屏的探测方法 |
-
2019
- 2019-10-16 CN CN201910982112.4A patent/CN110781056A/zh not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113076005A (zh) * | 2021-04-14 | 2021-07-06 | 广州南天电脑系统有限公司 | 一种激活电脑屏幕锁屏的探测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110490076B (zh) | 活体检测方法、装置、计算机设备和存储介质 | |
CN111222423B (zh) | 基于作业区域的目标识别方法、装置、计算机设备 | |
CN110796093A (zh) | 目标跟踪方法、装置、计算机设备和存储介质 | |
CN111191539A (zh) | 证件真伪验证方法、装置、计算机设备和存储介质 | |
CN111080571B (zh) | 摄像头遮挡状态检测方法、装置、终端和存储介质 | |
CN109886223B (zh) | 人脸识别方法、底库录入方法、装置及电子设备 | |
CN110335248B (zh) | 医学图像病灶检测方法、装置、计算机设备和存储介质 | |
CN111062324A (zh) | 人脸检测方法、装置、计算机设备和存储介质 | |
CN111832561B (zh) | 基于计算机视觉的字符序列识别方法、装置、设备和介质 | |
CN113435594A (zh) | 安防检测模型训练方法、装置、设备及存储介质 | |
CN111144285A (zh) | 胖瘦程度识别方法、装置、设备及介质 | |
CN110688950B (zh) | 基于深度信息的人脸活体检测方法、装置 | |
CN115690672A (zh) | 异常图像识别方法、装置、计算机设备和存储介质 | |
CN109711287B (zh) | 人脸采集方法及相关产品 | |
CN112163110B (zh) | 图像分类方法、装置、电子设备和计算机可读存储介质 | |
CN110781056A (zh) | 屏幕检测方法、装置、计算机设备和存储介质 | |
CN111340788B (zh) | 硬件木马版图检测方法、装置、电子设备和可读存储介质 | |
CN111145152B (zh) | 图像检测方法、计算机设备和存储介质 | |
CN110163183B (zh) | 目标检测算法的评估方法、装置、计算机设备和存储介质 | |
CN111968160A (zh) | 图像匹配方法和存储介质 | |
CN108364024B (zh) | 图像匹配方法、装置、计算机设备和存储介质 | |
CN109063601B (zh) | 唇纹检测方法、装置、计算机设备和存储介质 | |
CN111274965A (zh) | 人脸识别方法、装置、计算机设备和存储介质 | |
CN115424001A (zh) | 场景相似度估计方法、装置、计算机设备和存储介质 | |
CN113421241A (zh) | 异常事件上报方法、装置、计算机设备及存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200211 |
|
WW01 | Invention patent application withdrawn after publication |