CN110798681A - 成像设备的监测方法、装置和计算机设备 - Google Patents

成像设备的监测方法、装置和计算机设备 Download PDF

Info

Publication number
CN110798681A
CN110798681A CN201911101029.8A CN201911101029A CN110798681A CN 110798681 A CN110798681 A CN 110798681A CN 201911101029 A CN201911101029 A CN 201911101029A CN 110798681 A CN110798681 A CN 110798681A
Authority
CN
China
Prior art keywords
image
static object
determining
monitoring
static
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
CN201911101029.8A
Other languages
English (en)
Other versions
CN110798681B (zh
Inventor
熊伟
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.)
Apollo Zhilian Beijing Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201911101029.8A priority Critical patent/CN110798681B/zh
Publication of CN110798681A publication Critical patent/CN110798681A/zh
Application granted granted Critical
Publication of CN110798681B publication Critical patent/CN110798681B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N17/00Diagnosis, testing or measuring for television systems or their details
    • H04N17/002Diagnosis, testing or measuring for television systems or their details for television cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

本申请提出一种成像设备的监测方法、装置和计算机设备,其中,方法包括:获取成像设备采集的第一图像,从第一图像中确定静态物体的位置,获取成像设备在第一图像之后采集的第二图像,确定静态物体在第二图像中的位置,根据静态物体在第一图像和所述第二图像中的位置差异,监测成像设备的位移,基于图像中确定的静态物体的位置的变化,实现了对成像设备位移的自动监测,由于没有增加硬件设备,成本也较低,解决了现有技术中通过人工监测或者是设置传感器监测成像设备位移,成本较高的技术问题。

Description

成像设备的监测方法、装置和计算机设备
技术领域
本申请涉及计算机技术领域,尤其涉及一种图像处理技术领域,具体来说本申请涉及一种成像设备的监测方法、装置和计算机设备。
背景技术
在使用摄像头采集到的视频数据进行分析,来实现识别和监控的场景下,摄像机的位置、朝向、角度都对视频分析的结果有较大影响,然而,摄像头存在一定概率因外力作用发生位移的情况,若出现这种情况,则导致根据摄像头采集到的画面进行后续数据处理,存在较大误差,因此,需要对摄像机的位移进行检测。
现有技术中,通常使用人工检查各个摄像头是否位置正确,这种方式耗时久,人力成本高,同时也无法及时响应处理;或者,在摄像头上设置位置传感器,通过传感器检测摄像头是否存在位移,而这种方式成本较高。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的第一个目的在于提出一种成像设备的监测方法,实现了对成像设备位移的自动监测,同时成本较低,解决了现有技术中通过人工监测或者是设置传感器监测成像设备存在位移,成本较高的技术问题。
本申请的第二个目的在于提出一种成像设备的监测装置。
本申请的第三个目的在于提出一种计算机设备。
本申请的第四个目的在于提出一种非临时性计算机可读存储介质。
为达上述目的,本申请第一方面实施例提出了一种成像设备的监测方法,包括:
获取成像设备采集的第一图像;
从所述第一图像中确定静态物体的位置;
获取所述成像设备在所述第一图像之后采集的第二图像;
确定所述静态物体在所述第二图像中的位置;
根据所述静态物体在所述第一图像和所述第二图像中的位置差异,监测所述成像设备的位移。
为达上述目的,本申请第二方面实施例提出了一种成像设备的监测装置,包括:
第一确定模块,用于获取成像设备采集的第一图像;从所述第一图像中确定静态物体的位置;
第二确定模块,用于获取所述成像设备在所述第一图像之后采集的第二图像;确定所述静态物体在所述第二图像中的位置;
监测模块,用于根据所述静态物体在所述第一图像和所述第二图像中的位置差异,监测所述成像设备的位移。
为达上述目的,本申请第三方面实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如第一方面所述的成像设备的监测方法。
为达上述目的,本申请第四方面实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时,实现如第一方面所述的成像设备的监测方法。
本申请实施例所提供的技术方案可以包含如下的有益效果:
获取成像设备采集的第一图像,从第一图像中确定静态物体的位置,获取成像设备在第一图像之后采集的第二图像,确定静态物体在第二图像中的位置,根据静态物体在第一图像和所述第二图像中的位置差异,监测成像设备的位移,基于图像中确定的静态物体的位置的变化,实现了对成像设备位移的自动监测,由于没有增加硬件设备,成本也较低。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本申请实施例所提供的一种成像设备的监测方法的流程示意图;
图2为本申请实施例所提供的另一种成像设备的监测方法的流程示意图;
图3为本申请实施例提供的一种成像设备的监测装置的结构示意图;以及
图4为本申请实施例提供的一种计算设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的成像设备的监测方法、装置和计算机设备。
图1为本申请实施例所提供的一种成像设备的监测方法的流程示意图。
如图1所示,该方法包括以下步骤:
步骤101,获取成像设备采集的第一图像。
其中,成像设备是可以采集图像的设备,例如摄像头等。
其中,第一图像为设定时段内采集的多帧图像。
本实施例中,成像设备不发生位移,其在设定时段采集图像的视角和采集到的图像范围应该是固定不变的。
步骤102,从第一图像中确定静态物体的位置。
其中,静态物体,是指根据一段时间内采集的多帧第一图像确定的,在图像中未发生位置变化的物体,例如,某十字路口中的人行横道线、红绿灯、车道线等。而相反的,某个车辆和人不会在道路上停留较长时间,从而人或者某个车辆不会一直出现在一段时间内采集到的多帧第一图像中,从而运动的车辆和人不是静态物体。
作为一种可能的实现方式,对成像设备采集的多帧第一图像进行识别,识别出每一帧第一图像中包含的内容,比较多帧第一图像,将图像内容未发生改变的区域作为呈现有静态物体的区域,将该区域在第一图像中的位置,作为静态物体的位置。
作为另一种可能的实现方式,将第一图像输入识别模型,其中,识别模型通过训练已学习得到设定的静态物体特征,其中,包括道路标线和/或路侧固定设施,根据识别模型识别出的静态物体的特征,以从第一图像中识别设定的静态物体,确定设定的静态物体在第一图像中的位置。
步骤103,获取成像设备在第一图像之后采集的第二图像。
其中,第二图像是预设时间段内采集到的一帧或者多帧图像,第二图像采集的预设时间段晚于第一图像采集的预设时间段。
步骤104,确定静态物体在第二图像中的位置。
具体地,将第二图像输入识别模型,其中,识别模型已学习得到设定的静态物体特征,以从第二图像中识别设定的静态物体,确定设定的静态物体在第二图像中的位置,其中,静态物体在第二图像中的位置可以以该静态物体在第二图像中所占用的像素点的坐标来表示。
步骤105,根据静态物体在第一图像和第二图像中的位置差异,监测成像设备的位移。
本实施例中,以确定的静态物体在第一图像中的位置作为基准,作为一种可能的实现方式,将静态物体在第二图像中的位置和静态物体在第一图像中的位置进行比对,若静态物体在第二图像中的位置和静态物体在第一图像中的位置存在差异,若该位置的差异大于第一阈值,则成像设备存在位移。
本实施例的成像设备的监测方法中,获取成像设备采集的第一图像,从第一图像中确定静态物体的位置,获取成像设备在第一图像之后采集的第二图像,确定静态物体在第二图像中的位置,根据静态物体在第一图像和所述第二图像中的位置差异,监测成像设备的位移,基于图像中确定的静态物体的位置的变化,实现了成像设备的自动监测,由于没有增加硬件设备,成本也较低。
实际应用中,成像设备采集到的第一图像中,确定的静态物体可能有至少2个,同时,静态物体在第一图像中和第二图像中存在位置差异,可能是因为成像设备存在位移造成的,也可能是因为静态物体本身的移动造成的,为此,基于上一实施例,本实施例提供了另一种成像设备的监测方法,图2为本申请实施例所提供的另一种成像设备的监测方法的流程示意图。
如图2所示,上述步骤105还可以包括以下子步骤:
步骤1051,比较同一静态物体在第一图像和第二图像中的位置,得到相应静态物体的绝对偏移量。
本实施例中,静态物体为至少两个。
具体地,针对至少两个静态物体,分别比较同一静态物体在第一图像中的位置,与该静态物体在第二图像中的位置,根据位置的差异,确定相应静态物体的绝对偏移量,同理,可以确定所有静态物体的绝对偏移量。
步骤1052,若至少一个静态物体的绝对偏移量大于第一阈值,确定不同静态物体在第一图像中的相对位置,以及第二图像中的相对位置。
具体地,若至少两个静态物体中有一个静态物体的绝对偏移量大于第一阈值,则说明第二图像中存在相应静态物体的明显移动,或者说第二图像中相应位置上的静态物体发生了变化,而至少一个静态物体的绝对偏移量大于第一阈值,可能是因为成像设备的偏移造成的,也可能是因为相应静态物体的实时位置发生了变化,也就是说是因为相应静态物体主动的移动造成的。进一步,为了确定静态物体是否发生了位置的移动,则确定不同静态物体在第一图像中的相对位置,以及不同静态物体在第二图像中的相对位置。
例如,包含静态物体A和B,静态物体A存在的绝对偏移大于第一阈值,则进一步确定第一图像中静态物体A和静态物体B之间的相对位置,以及在第二图像中静态物体A和静态物体B之间的相对位置。
步骤1053,比较第一图像中的相对位置和第二图像中的相对位置,确定不同静态物体的相对偏移量。
具体地,比较不同静态物体在第一图像中的相对位置,与比较不同静态物体在第二图像中的相对位置,确定不同静态物体间的相对偏移量。
步骤1054,若相对偏移量小于第二阈值,确定成像设备存在位移。
具体地,若确定的不同静态物体间的相对偏移量小于第二阈值,也就是说不同静态物体之间的相对便宜量是很小的,因此,可以确定至少两个静态物体都没有发生移动,从而可以确定成像设备存在位移,提高了确定成像设备存在移位的准确性和可靠性。
本实施例的成像设备的监测方法中,获取成像设备采集的第一图像,从第一图像中确定静态物体的位置,获取成像设备在第一图像之后采集的第二图像,确定静态物体在第二图像中的位置,根据静态物体在第一图像和所述第二图像中的位置差异,监测成像设备的位移,基于图像中确定的静态物体的位置的变化,实现了成像设备位移的自动监测,由于没有增加硬件设备,成本也较低。进一步,为了提高成像位移监测的准确性,在图像中包含的静态物体为至少两个时,若存在至少一个静态物体的绝对偏移,则进一步确定该绝对偏移是由于物体的移动产生的,还是因为成像设备的位移产生的,若根据第一图像中静态物体的相对位置和第二图像中静态物体的相对位置确定不同静态物体的相对偏移量都小于阈值,则说明至少两个静态物体的实际位置都没有发生移动,则确定成像设备存在位移,实现了自动且准确定确定成像设备的位移。
为了实现上述实施例,本申请还提出一种成像设备的监测装置。
图3为本申请实施例提供的一种成像设备的监测装置的结构示意图。
如图3所示,该装置包括:第一确定模块31、第二确定模块32和监测模块33。
第一确定模块31,用于获取成像设备采集的第一图像;从第一图像中确定静态物体的位置。
第二确定模块32,用于获取成像设备在第一图像之后采集的第二图像,确定静态物体在第二图像中的位置。
监测模块33,用于根据静态物体在第一图像和第二图像中的位置差异,监测成像设备的位移。
进一步地,在本申请实施例的一种可能的实现方式中,第一图像为设定时段内采集的多帧图像,上述第一确定模块31,包括:
比较单元,用于比较多帧所述第一图像,将图像内容未改变的区域作为呈现有所述静态物体的区域.
确定单元,用于将所述区域在所述第一图像中的位置,作为所述静态物体的位置。
作为另一种可能的实现方式,上述第一确定模块31,包括:
输入单元,用于将所述第一图像输入识别模型,以从所述第一图像中识别设定的静态物体;其中,所述识别模型已学习得到所述设定的静态物体特征;
位置确定单元,用于确定所述设定的静态物体在所述第一图像中的位置。
作为一种可能的实现方式,设定的静态物体包括道路标线和/或路侧固定设施。
作为一种可能的实现方式,静态物体为至少两个,上述监测模块33,包括:
绝对比较单元,用于比较同一静态物体在所述第一图像和所述第二图像中的位置,得到相应静态物体的绝对偏移量;
相对位置单元,用于若至少一个静态物体的绝对偏移量大于第一阈值,确定不同静态物体在所述第一图像中的相对位置,以及所述第二图像中的相对位置;
相对比较单元,用于比较所述第一图像中的相对位置和所述第二图像中的相对位置,确定不同静态物体的相对偏移量;
处理单元,用于若所述相对偏移量大于小于第二阈值,确定所述成像设备存在位移。
需要说明的是,前述对成像设备的监测方法实施例的解释说明也适用于该实施例的成像设备的监测装置,原理相同,此处不再赘述。
本实施例的成像设备的监测装置中,获取成像设备采集的第一图像,从第一图像中确定静态物体的位置,获取成像设备在第一图像之后采集的第二图像,确定静态物体在第二图像中的位置,根据静态物体在第一图像和所述第二图像中的位置差异,监测成像设备的位移,基于图像中确定的静态物体的位置的变化,实现了成像设备的自动监测,由于没有增加硬件设备,成本也较低。
为了实现上述实施例,本申请实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如前述方法实施例所述的成像设备的监测方法。
为了实现上述实施例,本申请实施例提出了一种非临时性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如前述方法实施例所述的成像设备的监测方法。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图4所示,是根据本申请实施例的成像设备的监测方法的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图4所示,该电子设备包括:一个或多个处理器401、存储器402,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图4中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的成像设备的监测方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的成像设备的监测方法。
存储器402作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的成像设备的监测方法对应的程序指令/模块(例如,附图3所示的第一确定模块31、第二确定模块32和监测模块33)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的成像设备的监测方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据成像设备的监测方法的电子设备的使用所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至成像设备的监测方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
成像设备的监测方法的电子设备还可以包括:输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接,图4中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息,以及产生与成像设备的监测方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,获取成像设备采集的第一图像,从第一图像中确定静态物体的位置,获取成像设备在第一图像之后采集的第二图像,确定静态物体在第二图像中的位置,根据静态物体在第一图像和所述第二图像中的位置差异,监测成像设备的位移,基于图像中确定的静态物体的位置的变化,实现了成像设备的自动监测,由于没有增加硬件设备,成本也较低。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。

Claims (11)

1.一种成像设备的监测方法,其特征在于,所述方法包括:
获取成像设备采集的第一图像;
从所述第一图像中确定静态物体的位置;
获取所述成像设备在所述第一图像之后采集的第二图像;
确定所述静态物体在所述第二图像中的位置;
根据所述静态物体在所述第一图像和所述第二图像中的位置差异,监测所述成像设备的位移。
2.根据权利要求1所述的监测方法,其特征在于,所述第一图像为设定时段内采集的多帧图像,所述从所述第一图像中确定静态物体的位置,包括:
比较多帧所述第一图像,将图像内容未改变的区域作为呈现有所述静态物体的区域;
将所述区域在所述第一图像中的位置,作为所述静态物体的位置。
3.根据权利要求1所述的监测方法,其特征在于,所述从所述第一图像中确定静态物体的位置,包括:
将所述第一图像输入识别模型,以从所述第一图像中识别设定的静态物体;其中,所述识别模型已学习得到所述设定的静态物体特征;
确定所述设定的静态物体在所述第一图像中的位置。
4.根据权利要求3所述的监测方法,其特征在于,所述设定的静态物体包括道路标线和/或路侧固定设施。
5.根据权利要求1-4任一项所述的监测方法,其特征在于,所述静态物体为至少两个,所述根据所述静态物体在所述第一图像和所述第二图像中的位置差异,监测所述成像设备的位移,包括:
比较同一静态物体在所述第一图像和所述第二图像中的位置,得到相应静态物体的绝对偏移量;
若至少一个静态物体的绝对偏移量大于第一阈值,确定不同静态物体在所述第一图像中的相对位置,以及所述第二图像中的相对位置;
比较所述第一图像中的相对位置和所述第二图像中的相对位置,确定不同静态物体的相对偏移量;
若所述相对偏移量小于第二阈值,确定所述成像设备存在位移。
6.一种成像设备的监测装置,其特征在于,所述装置包括:
第一确定模块,用于获取成像设备采集的第一图像;从所述第一图像中确定静态物体的位置;
第二确定模块,用于获取所述成像设备在所述第一图像之后采集的第二图像;确定所述静态物体在所述第二图像中的位置;
监测模块,用于根据所述静态物体在所述第一图像和所述第二图像中的位置差异,监测所述成像设备的位移。
7.根据权利要求6所述的监测装置,其特征在于,所述第一图像为设定时段内采集的多帧图像,所述第一确定模块,包括:
比较单元,用于比较多帧所述第一图像,将图像内容未改变的区域作为呈现有所述静态物体的区域;
确定单元,用于将所述区域在所述第一图像中的位置,作为所述静态物体的位置。
8.根据权利要求6所述的监测装置,其特征在于,所述第一确定模块,包括:
输入单元,用于将所述第一图像输入识别模型,以从所述第一图像中识别设定的静态物体;其中,所述识别模型已学习得到所述设定的静态物体特征;
位置确定单元,用于确定所述设定的静态物体在所述第一图像中的位置。
9.根据权利要求6-8任一项所述的监测装置,其特征在于,所述静态物体为至少两个,所述监测模块,包括:
绝对比较单元,用于比较同一静态物体在所述第一图像和所述第二图像中的位置,得到相应静态物体的绝对偏移量;
相对位置单元,用于若至少一个静态物体的绝对偏移量大于第一阈值,确定不同静态物体在所述第一图像中的相对位置,以及所述第二图像中的相对位置;
相对比较单元,用于比较所述第一图像中的相对位置和所述第二图像中的相对位置,确定不同静态物体的相对偏移量;
处理单元,用于若所述相对偏移量大于小于第二阈值,确定所述成像设备存在位移。
10.一种计算机设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如权利要求1-5中任一所述的成像设备的监测方法。
11.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的成像设备的监测方法。
CN201911101029.8A 2019-11-12 2019-11-12 成像设备的监测方法、装置和计算机设备 Active CN110798681B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911101029.8A CN110798681B (zh) 2019-11-12 2019-11-12 成像设备的监测方法、装置和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911101029.8A CN110798681B (zh) 2019-11-12 2019-11-12 成像设备的监测方法、装置和计算机设备

Publications (2)

Publication Number Publication Date
CN110798681A true CN110798681A (zh) 2020-02-14
CN110798681B CN110798681B (zh) 2022-02-01

Family

ID=69444271

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911101029.8A Active CN110798681B (zh) 2019-11-12 2019-11-12 成像设备的监测方法、装置和计算机设备

Country Status (1)

Country Link
CN (1) CN110798681B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112135122A (zh) * 2020-09-21 2020-12-25 北京百度网讯科技有限公司 用于监测成像设备的方法、装置、电子设备以及路侧设备
US11423659B2 (en) 2020-05-15 2022-08-23 Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Method, apparatus, electronic device, and storage medium for monitoring an image acquisition device

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103096121B (zh) * 2011-10-28 2016-03-02 浙江大华技术股份有限公司 一种摄像头移动检测方法及装置
CN103150736A (zh) * 2012-11-16 2013-06-12 佳都新太科技股份有限公司 一种基于视频监控的摄像机移动检测方法
CN103634593B (zh) * 2013-12-23 2015-12-02 深圳市捷顺科技实业股份有限公司 摄像机移动检测方法和系统
CN104657997B (zh) * 2015-02-28 2018-01-09 北京格灵深瞳信息技术有限公司 一种镜头移位检测方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11423659B2 (en) 2020-05-15 2022-08-23 Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Method, apparatus, electronic device, and storage medium for monitoring an image acquisition device
CN112135122A (zh) * 2020-09-21 2020-12-25 北京百度网讯科技有限公司 用于监测成像设备的方法、装置、电子设备以及路侧设备

Also Published As

Publication number Publication date
CN110798681B (zh) 2022-02-01

Similar Documents

Publication Publication Date Title
EP3926526A2 (en) Optical character recognition method and apparatus, electronic device and storage medium
CN110659600B (zh) 物体检测方法、装置及设备
CN111722245B (zh) 定位方法、定位装置和电子设备
CN112507949A (zh) 目标跟踪方法、装置、路侧设备以及云控平台
CN111292531B (zh) 交通信号灯的跟踪方法、装置、设备及存储介质
CN112149636A (zh) 用于检测目标物体的方法、装置、电子设备及存储介质
CN110675635B (zh) 相机外参的获取方法、装置、电子设备及存储介质
CN112528786A (zh) 车辆跟踪方法、装置及电子设备
CN110968718A (zh) 目标检测模型负样本挖掘方法、装置及电子设备
CN111275983A (zh) 车辆追踪方法、装置、电子设备和计算机可读存储介质
CN111738072A (zh) 目标检测模型的训练方法、装置及电子设备
CN111540023B (zh) 图像采集设备的监测方法、装置、电子设备及存储介质
CN111767853A (zh) 车道线检测方法和装置
CN110798681B (zh) 成像设备的监测方法、装置和计算机设备
CN111601013B (zh) 用于处理视频帧的方法和装置
CN111339877B (zh) 盲区的长度检测方法、装置、电子设备及存储介质
CN111191619A (zh) 车道线虚线段的检测方法、装置、设备和可读存储介质
CN111401248B (zh) 一种天空区域的识别方法、装置、电子设备及存储介质
US20210256725A1 (en) Target detection method, device, electronic apparatus and storage medium
CN111783613B (zh) 异常检测方法、模型的训练方法、装置、设备及存储介质
CN113011298A (zh) 截断物体样本生成、目标检测方法、路侧设备和云控平台
CN111696134A (zh) 一种目标检测方法、装置以及电子设备
CN112508964A (zh) 图像分割方法、装置、电子设备和存储介质
CN112307872A (zh) 用于检测目标对象的方法的和装置
CN113780045A (zh) 用于训练距离预测模型的方法和装置

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
TA01 Transfer of patent application right

Effective date of registration: 20211011

Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Zhilian (Beijing) Technology Co., Ltd

Address before: 2 / F, baidu building, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: Beijing Baidu Netcom Science Technology Co., Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant