CN110852253A - 梯控场景检测方法、装置及电子设备 - Google Patents
梯控场景检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN110852253A CN110852253A CN201911084629.8A CN201911084629A CN110852253A CN 110852253 A CN110852253 A CN 110852253A CN 201911084629 A CN201911084629 A CN 201911084629A CN 110852253 A CN110852253 A CN 110852253A
- Authority
- CN
- China
- Prior art keywords
- current frame
- frame image
- control scene
- motor vehicle
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 10
- 238000004590 computer program Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开实施例中提供了一种梯控场景检测方法、装置及电子设备，属于图像处理技术领域，该方法包括：采集梯控场景内对应目标区域的当前帧图像；提取所述当前帧图像对应的前景图像；计算所述前景图像对应的检测值，其中，所述检测值为以所述当前帧图像平面坐标系为参考坐标系的情况下所述前景图像坐标集与所述当前帧图像坐标集的重合率；判断所述检测值与第一阈值是否匹配；若所述检测值与第一阈值匹配，则确定所述梯控场景内处于承载状态，进行非机动车检测操作；若所述检测值与第一阈值不匹配，则确定所述梯控场景内处于空载状态，不进行非机动车检测操作。通过本公开的处理方案，提高了梯控场景检测的检测效率以及信息反馈速度。
Description
技术领域
本公开涉及图像检测技术领域，尤其涉及一种梯控场景检测方法、装置及电子设备。
背景技术
目前电梯的应用已经十分普及，电梯内通常会设置图像采集装置，用于采集梯控场景内的图像，便于在出现电梯故障后，对电梯的事故原因进行追踪。出于安全考虑，电梯内不能承载非机动车等特殊设备，以免出现电梯失控、非机动车在室内充电引发火灾等事故。而在现有的检测技术方面，无法及时对梯控场景进行实时检测和预警，导致梯控场景检测的效率较差，事故预防效果较差。
可见，现有的梯控场景检测方法存在梯控场景检测和检测信息反馈的效率较差，事故预防效果较差的问题。
发明内容
有鉴于此，本公开实施例提供一种梯控场景检测方法，至少部分解决现有技术中存在的问题。
第一方面，本公开实施例提供了一种梯控场景检测方法，所述方法包括：
采集梯控场景内对应目标区域的当前帧图像；
提取所述当前帧图像对应的前景图像；
计算所述前景图像图像对应的检测值，其中，所述检测值为以所述当前帧图像平面坐标系为参考坐标系的情况下所述前景图像坐标集与所述当前帧图像坐标集的重合率；
判断所述检测值与第一阈值是否匹配；
若所述检测值与第一阈值匹配，则确定所述梯控场景内处于承载状态，进行非机动车检测操作；
若所述检测值与第一阈值不匹配，则确定所述梯控场景内处于空载状态，不进行非机动车检测操作。
根据本公开实施例的一种具体实现方式，所述当前帧图像平面坐标系为参考坐标系为以当前帧图像的目标像素点作为原点建立的平面坐标系，坐标与所述图像的每个像素点相对应，所述目标像素点为所述当前帧图像的任一像素点。
根据本公开实施例的一种具体实现方式，所述提取所述当前帧图像对应的前景图像的步骤，包括：
建立对应所述梯控场景目标区域图像的背景模型；
将采集的所述目标区域内当前帧图像与所述背景模型行比对；
将所述当前帧图像像素点与所述背景图像像素点之间的差异像素点集合作为所述目标区域的前景图像。
根据本公开实施例的一种具体实现方式，所述建立对应所述梯控场景目标区域图像的背景模型的步骤，包括：
采集所述目标区域的当前帧图像对应的前一帧图像；
根据所述前一帧图像的像素点集合，生成所述背景模型。
根据本公开实施例的一种具体实现方式，所述进行非机动车检测操作的步骤，包括：
在所述当前帧图像对应的采集时刻后的预设时段内，采集对应所述目标区域的至少两帧参考图像；
根据所述至少两帧参考图像的前景图像，确定所述非机动车连续出现的次数；
判断所述非机动车连续出现的次数是否与第二阈值匹配；
若所述非机动车连续出现的帧数与第二阈值匹配，则确定梯控场景内检测到非机动车，发送警报信息；
若所述非机动车连续出现的帧数与第二阈值不匹配，则确定梯控场景内未检测到非机动车，禁止发送警报信息。
根据本公开实施例的一种具体实现方式，所述确定梯控场景内出现非机动车，发送警报的步骤，包括：
确定所述非机动车在梯控场景的平面坐标；
判断所述非机动车的平面坐标是否位于所述承载区域的平面坐标范围内，其中，所述当前帧图像包括所述梯控场景内的承载区域的当前帧图像；
若所述非机动车的平面坐标在所述承载区域的平面坐标范围内，则发送警报信息；
若所述非机动车的平面坐标不在所述承载区域的平面坐标范围内，则禁止发送警报信息。
根据本公开实施例的一种具体实现方式，所述确定所述非机动车在梯控场景的平面坐标的步骤，包括：
根据所述包含非机动车的每一帧前景图像像素点与所述原点的比对，得出相对应的平面坐标。
第二方面，本公开实施例提供了一种梯控场景检测装置，包括：
采集模块，采集梯控场景内对应目标区域的当前帧图像；
提取模块，提取所述前景图像对应的前景图像；
计算模块，计算所述前景图像对应的检测值，其中，所述检测值为以所述当前帧图像平面坐标系为参考坐标系的情况下所述前景图像坐标集与所述当前帧图像坐标集的重合率；
判断模块，判断所述检测值与第一阈值是否匹配；
若所述检测值与第一阈值匹配，则确定所述梯控场景内处于承载状态，进行非机动车检测操作；
若所述检测值与第一阈值不匹配，则确定所述梯控场景内处于空载状态，不进行非机动车检测操作。
第三方面，本公开实施例还提供了一种电子设备，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述第一方面或第一方面的任一实现方式中的梯控场景检测方法。
第四方面，本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态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该计算机执行前述第一方面或第一方面的任一实现方式中的梯控场景检测方法。
第五方面，本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述第一方面或第一方面的任一实现方式中的梯控场景检测方法。
本公开实施例中的梯控场景检测方案，包括采集梯控场景内对应目标区域的当前帧图像；提取所述当前帧图像对应的前景图像；计算所述前景图像对应的检测值，其中，所述检测值为以所述当前帧图像平面坐标系为参考坐标系的情况下所述前景图像坐标集与所述当前帧图像坐标集的重合率；判断所述检测值与第一阈值是否匹配；若所述检测值与第一阈值匹配，则确定所述梯控场景内处于承载状态，进行非机动车检测操作；若所述检测值与第一阈值不匹配，则确定所述梯控场景内处于空载状态，不进行非机动车检测操作。通过本公开的方案，提高了梯控场景检测的实时反馈效率。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种梯控场景检测流程示意图；
图2为本公开实施例提供的另一种梯控场景检测的部分流程示意图；
图3为本公开实施例提供的另一种梯控场景检测的部分流程示意图；
图4为本公开实施例提供的一种梯控场景检测装置结构示意图；
图5为本公开实施例提供的电子设备示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
本公开实施例提供一种梯控场景检测方法。本实施例提供的梯控场景检测方法可以由一计算装置来执行，该计算装置可以实现为软件，或者实现为软件和硬件的组合，该计算装置可以集成设置在服务器、终端设备等中。
参见图1，本公开实施例提供的一种梯控场景检测方法，包括：
S101，采集梯控场景内对应目标区域的当前帧图像；
本公开实施例提供的梯控场景检测方法，可以应用于电梯内非机动车检测、无人值守仓库防盗检测等梯控场景中检测过程。
电子设备可以内置有图像采集模块，或者外接有图像采集设备，用于采集待检测梯控场景对应区域内的图像。图像采集模块或者图像采集设备在采集到梯控场景区域内图像之后，可以直接发送给处理器进行后续的分析处理操作，也可以将采集到的梯控场景图像存储到预定的存储空间内，在需要分析梯控场景特定时刻时，可以从预定的存储空间内获取对应的图像进行分析处理。
本实施例中，设定待检测的梯控场景为电梯场景，将梯控场景对应的监控区域或者图像采集区域定义为该梯控场景的目标区域，该目标区域可以至少包含所述梯控场景的承载区域，当然也可以包括电梯出口区域图像、电梯内部区域图像或者电梯电梯出口附近区域图像。梯控场景内的图像采集装置可以采集该梯控场景对应目标区域内的图像，将当前检测时刻采集到的图像定义为该梯控场景内对应目标区域的当前帧图像。需要说明的是，该当前帧图像可以为所采集的任一帧图像。
S102，提取所述当前帧图像对应的前景图像；
在采集到当前帧图像之后，可以利用该当前帧图像对应的前景图像进行后续的分析检测流程。提取前景图像的方式可以有多种，可选的，电子设备可以通过下述方式提取前景图像：
建立对应所述梯控场景目标区域图像的背景模型；
将采集的所述目标区域内当前帧图像与所述背景模型行比对；
将所述当前帧图像像素点与所述背景图像像素点之间的差异像素点集合定义为所述目标区域的前景图像。
具体的，使用帧差法，采集所述目标区域的当前帧图像对应的前一帧图像，根据所述前一帧图像的像素点集合建立起对应所述梯控场景目标区域图像的背景模型，得到所述背景模型对应的像素点集合。
再将所述当前帧图像像素点集合与所述背景模型像素点集合进行比对，其中所述当前帧图像像素点集合与所述背景模型像素点集合进行之间的差异像素点集合就定义为所述目标区域的前景图像。
电子设备得到所述目标区域的前景图像之后，可以直接发送给处理器进行后续的分析处理操作，也可以将采得到的所述目标区域的前景图像存储到预定的存储空间内。
S103，计算所述前景图像对应的检测值；其中，所述检测值为以所述当前帧图像平面坐标系为参考坐标系的情况下所述前景图像坐标集与所述当前帧图像坐标集的重合率；
可选的，以所述当前帧图像建立平面坐标系，将所述平面坐标系定义为参考坐标系，其中所述当前帧图像以及所述前景图像的每个像素点都对应不同的坐标值。将所述前景图像坐标集合与所述当前帧图像坐标集合进行比对，得出所述前景图像坐标集合与所述当前帧图像坐标集合相同坐标在所述当前帧图像坐标集合的占有比值，定义为所述前景图像坐标集合与所述当前帧图像坐标集合的重合率。
例如，以当前帧图像的目标像素点作为原点建立的平面坐标系，坐标与所述图像的每个像素点相对应，所述目标像素点为所述当前帧图像的任一像素点。可以设定所述前景图像像素点集合为M，所述当前帧图像像素点集合为N，将前景图像像素点集合M中每个像素点对应的坐标遍历当前帧图像像素点集合N，得出重合坐标数，再计算出重合率。将所述重合率定义为检测值。
S104，判断所述检测值与第一阈值是否匹配；
例如，考虑到日常检测过程中，由于梯控场景内，光照、阴影和遮挡物等因素造成非机动车的前景图像略微变化的情况，为保证检测精度和识别效率，可以通过设定一定阈值来限定检测过程中所采集的前景图像与样本图像的相似比例。即梯控场景检测过程中一般会设定一个阈值作为评判通过与否的标准，该阈值一般是用分数或者百分比来衡量。
具体的，电子设备可以预先采集预设的样本图像，通过轻量级的卷积神经网络训练出的非机动车检测模型，并得到跟其对应的第一阈值。
当所述前景图像坐标集合与所述当前帧图像像素点集合的重合率对应的检测值大于此阈值时，则比对通过，否则比对失败。而阈值的设定一般是根据非机动车检测的ROC曲线(Receiver Operating Curve)进行设定。所述阈值是为了平衡匹配成功率与误识率所得出的与检测模型的预设相似比例。
电子设备接收所述前景图像的检测值之后，确定检测值与所述第一阈值的大小比对，从而确定下一步的操作流程。
若所述检测值与所述第一阈值相匹配，则执行步骤S105，确定所述梯控场景内处于承载状态，进行非机动车检测操作。
若所述检测值与所述第一阈值相匹配，则执行步骤S106，确定所述梯控场景内处于空载状态，不进行非机动车检测操作。
电子设备若判定所述检测值大于所述第一阈值，则确定所述前景图像与所述非机动车检测模型匹配成功，表示梯控场景为承载状态，可以继续检测该梯控场景中非机动车的位置，例如，可以通过非机动车的平面坐标检测方案来确定该梯控场景中是否存在非机动车。
电子设备若判定所述检测值小于或等于所述第一阈值，则确定所述前景图像与所述非机动车检测模型匹配失败，表示梯控场景内处于空载状态信息，停止继续检测该梯控场景中非机动车的位置。
上述本公开实施例提供的梯控场景检测方法，针对在梯控场景内对非机动车的实时检测，通过提取前景图像与背景模型比对来进行检测梯控场景内是否为承载状态，在确定为承载状态时才进行非机动车的检测，在空载状态下则不进行非机动车的检测。本实施例提供的方法，提供了梯控场景的非机动车检测方案，且仅在承载状态下才进行非机动车的检测。可以及时检测到梯控场景中的非机动车并进行警报，以有效避免可能发生的安全事故。另外，通过承载状态才检测的方案，降低了计算成本，提升了系统的计算效率和检测信息反馈速度。
此外，在另一种具体实施方式中，如图2所示，所述进行非机动车检测操作的步骤，可以包括：
S201，在所述当前帧图像对应的采集时刻后的预设时段内，采集对应所述目标区域的至少两帧参考图像；
采集完当前时刻对应的当前帧图像后，利用图像采集设备按照预设时间，采集两帧以上的所述梯控场景内目标区域图像，定义为参考图像。
例如，可以设定设备采集5秒内所述梯控场景内目标区域的每一帧图像，可以直接发送给处理器进行后续的分析处理操作，也可以将采集到的梯控场景目标区域内每一帧图像存储到预定的存储空间内。
S202，根据所述至少两帧参考图像的前景图像，确定所述非机动车连续出现的次数；
可选的，在具体实施时，设备记录包含所述非机动车的前景图像出现的次数。
本实施例中，设定待检测的梯控场景为电梯场景，可以设定设备采集100帧所述参考图像的前景图像，再对所采集的参考图像的前景图像进行分析处理，计算所述非机动车的前景图像出现的次数并记录。
当然，针对不同的场景不同的时段，设定的采集时间和采集帧数量也可以不同。
S203，判断所述非机动车连续出现的次数是否与第二阈值匹配；
设定一个包含所述非机动车的前景图像出现的预设次数对应的第二阈值。
接收所述包含所述非机动车的前景图像出现的次数之后，在内部确定包含所述非机动车的前景图像出现的次数与所述第二阈值的大小比对，从而确定下一步的操作流程。
若所述非机动车连续出现的帧数与第二阈值匹配，则执行步骤S204，确定梯控场景内检测到非机动车，发送警报信息；
若所述非机动车连续出现的帧数与第二阈值不匹配，则执行步骤S205，确定梯控场景内未检测到非机动车，禁止发送警报信息。
若所述非机动车连续出现的帧数大于第二阈值，则确定梯控场景内检测到非机动车，发送警报信息。若所述非机动车连续出现的帧数小于或等于第二阈值，则确定梯控场景内未检测到非机动车，禁止发送警报信息。
此外，在另一种具体实施方式中，如图3所示，所述确定梯控场景内出现非机动车，发送警报信息的步骤，包括：
S301，确定所述非机动车在梯控场景的平面坐标；
其中，根据所述包含非机动车的每一帧前景图像像素点与所述原点的比对，得出相对应的平面坐标。
S302，判断所述非机动车的平面坐标是否位于所述承载区域的平面坐标范围内，其中，所述当前帧图像包括所述梯控场景内的承载区域的当前帧图像；
将所述非机动车的平面坐标在所述承载区域的平面坐标进行比对，从而确定下一步操作流程。
若所述非机动车的平面坐标在所述承载区域的平面坐标范围内，则执行步骤S303，发送警报信息；
将所述非机动车的平面坐标在所述承载区域的平面坐标进行比对，若所述非机动车的平面坐标在所述承载区域的平面坐标范围内，则确定所述非机动车在承载区域内，发送警报信息。
若所述非机动车的平面坐标不在所述承载区域的平面坐标范围内，则执行步骤S304，禁止发送警报信息。
将所述非机动车的平面坐标在所述承载区域的平面坐标进行比对，若所述非机动车的平面坐标不在所述承载区域的平面坐标范围内，则确定所述非机动车不在承载区域内，禁止发送警报信息。
具体实施时，设定待检测的梯控场景为电梯场景，图像采集设备为外接摄像头，图像采集区域可以设定为电梯承载区域以及电梯出口附近区域。进行非机动车位置检测时，电子设备将所述非机动车的平面坐标遍历所述承载区域的平面坐标，当所述非机动车的平面坐标在所述承载区域的平面坐标范围内时，则确定所述非机动车处于电梯承载区域内，设备发送警报信息。当所述非机动车的平面坐标不在所述承载区域的平面坐标范围内时，则确定所述非机动车不处于电梯承载区域内，禁止设备发送警报信息。这样可以排除掉非机动车位于电梯承载区域外的情况造成的误报警。
与上面的方法实施例相对应，参见图4，本公开实施例还提供了一种梯控场景检测装置40，包括：
采集模块401，采集梯控场景内对应目标区域的当前帧图像；
提取模块402，提取所述前景图像对应的前景图像；
计算模块403，计算所述前景图像对应的检测值，其中，所述检测值为以所述当前帧图像平面坐标系为参考坐标系的情况下所述前景图像坐标集与所述当前帧图像坐标集的重合率；
判断模块404，判断所述检测值与第一阈值是否匹配。
图4所示装置可以对应的执行上述方法实施例中的内容，本实施例未详细描述的部分，参照上述方法实施例中记载的内容，在此不再赘述。
参见图5，本公开实施例还提供了一种电子设备50，该电子设备包括：
至少一个处理器；以及，
与该至少一个处理器通信连接的存储器；其中，
该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行前述方法实施例中的梯控场景检测方法。
本公开实施例还提供了一种非暂态计算机可读存储介质，该非暂态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该计算机执行前述方法实施例中的梯控场景检测方法。
本公开实施例还提供了一种计算机程序产品，该计算机程序产品包括存储在非暂态计算机可读存储介质上的计算程序，该计算机程序包括程序指令，当该程序指令被计算机执行时，使该计算机执行前述方法实施例中的的梯控场景检测方法。
下面参考图5，其示出了适于用来实现本公开实施例的电子设备50的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，电子设备50可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备50操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常，以下装置可以连接至I/O接口505：包括例如触摸屏、触摸板、键盘、鼠标、图像传感器、麦克风、加速度计、陀螺仪等的输入装置506；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备50与其他设备进行无线或有线通信以交换数据。虽然图中示出了具有各种装置的电子设备50，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
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，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的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存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个网际协议地址；向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求，其中，所述节点评价设备从所述至少两个网际协议地址中，选取网际协议地址并返回；接收所述节点评价设备返回的网际协议地址；或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：接收包括至少两个网际协议地址的节点评价请求；从所述至少两个网际协议地址中，选取网际协议地址；返回选取出的网际协议地址；其中，接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
应当理解，本公开的各部分可以用硬件、软件、固件或它们的组合来实现。
以上所述，仅为本公开的具体实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种梯控场景检测方法，其特征在于，所述方法包括：
采集梯控场景内对应目标区域的当前帧图像；
提取所述当前帧图像对应的前景图像；
计算所述前景图像对应的检测值，其中，所述检测值为以所述当前帧图像平面坐标系为参考坐标系的情况下，所述前景图像坐标集与所述当前帧图像坐标集的重合率；
判断所述检测值与第一阈值是否匹配；
若所述检测值与第一阈值匹配，则确定所述梯控场景内处于承载状态，进行非机动车检测操作；
若所述检测值与第一阈值不匹配，则确定所述梯控场景内处于空载状态，不进行非机动车检测操作。
2.根据权利要求1所述的方法，其特征在于，所述当前帧图像平面坐标系为以当前帧图像的目标像素点作为原点建立的平面坐标系，所述当前帧图像的坐标与所述当前帧图像的每个像素点相对应，所述目标像素点为所述当前帧图像的任一像素点。
3.根据权利要求1所述的方法，其特征在于，所述提取所述当前帧图像对应的前景图像的步骤，包括：
建立对应所述梯控场景目标区域图像的背景模型；
将采集的所述目标区域内当前帧图像与所述背景模型行比对；
将所述当前帧图像像素点与所述背景图像像素点之间的差异像素点集合作为所述目标区域的前景图像。
4.根据权利要求3所述的方法，其特征在于，所述建立对应所述梯控场景目标区域图像的背景模型的步骤，包括：
采集所述目标区域的当前帧图像对应的前一帧图像；
根据所述前一帧图像的像素点集合，生成所述背景模型。
5.根据权利要求2所述的方法，其特征在于，所述进行非机动车检测操作的步骤，包括：
在所述当前帧图像对应的采集时刻后的预设时段内，采集对应所述目标区域的至少两帧参考图像；
根据所述至少两帧参考图像的前景图像，确定所述非机动车连续出现的次数；
判断所述非机动车连续出现的次数是否与第二阈值匹配；
若所述非机动车连续出现的帧数与第二阈值匹配，则确定梯控场景内检测到非机动车，发送警报信息；
若所述非机动车连续出现的帧数与第二阈值不匹配，则确定梯控场景内未检测到非机动车，禁止发送警报信息。
6.根据权利要求5所述的方法，其特征在于，所述确定梯控场景内出现非机动车，发送警报的步骤，包括：
确定所述非机动车在梯控场景的平面坐标，以及，根据所述当前帧图像确定所述梯控场景的承载区域的平面坐标范围；
判断所述非机动车的平面坐标是否位于所述承载区域的平面坐标范围内；
若所述非机动车的平面坐标在所述承载区域的平面坐标范围内，则发送警报信息；
若所述非机动车的平面坐标不在所述承载区域的平面坐标范围内，则禁止发送警报信息。
7.根据权利要求6所述的方法，其特征在于，所述确定所述非机动车在梯控场景的平面坐标的步骤，包括：
根据所述包含非机动车的每一帧前景图像像素点与所述原点的比对，得出相对应的平面坐标。
8.一种梯控场景检测装置，其特征在于，包括：
采集模块，采集梯控场景内对应目标区域的当前帧图像；
提取模块，提取所述当前帧图像对应的前景图像；
计算模块，计算所述前景图像对应的检测值，其中，所述检测值为以所述当前帧图像平面坐标系为参考坐标系的情况下所述前景图像坐标集与所述当前帧图像坐标集的重合率；
判断模块，判断所述检测值与第一阈值是否匹配；
若所述检测值与第一阈值匹配，则确定所述梯控场景内处于承载状态，进行非机动车检测操作；
若所述检测值与第一阈值不匹配，则确定所述梯控场景内处于空载状态，不进行非机动车检测操作。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述利要求1-7中任一项所述的梯控场景检测方法。
10.一种非暂态计算机可读存储介质，该非暂态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该计算机执行前述利要求1-7中任一项所述的梯控场景检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911084629.8A CN110852253A (zh) | 2019-11-08 | 2019-11-08 | 梯控场景检测方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911084629.8A CN110852253A (zh) | 2019-11-08 | 2019-11-08 | 梯控场景检测方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110852253A true CN110852253A (zh) | 2020-02-28 |
Family
ID=69599312
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911084629.8A Pending CN110852253A (zh) | 2019-11-08 | 2019-11-08 | 梯控场景检测方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110852253A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112598746A (zh) * | 2020-12-18 | 2021-04-02 | 北京声智科技有限公司 | 电梯门开关检测方法、装置、可读介质及电子设备 |
| WO2022134504A1 (zh) * | 2020-12-25 | 2022-06-30 | 上海商汤智能科技有限公司 | 图像检测方法及装置、电子设备和存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070072707A1 (en) * | 2005-09-27 | 2007-03-29 | Russell Corporation | Spinning nut basketball elevator system |
| CN101527838A (zh) * | 2008-03-04 | 2009-09-09 | 华为技术有限公司 | 对视频对象的反馈式对象检测与跟踪的方法和系统 |
| CN102831384A (zh) * | 2011-06-13 | 2012-12-19 | 索尼公司 | 从视频中检测遗弃物的方法和装置 |
| CN103400113A (zh) * | 2013-07-10 | 2013-11-20 | 重庆大学 | 基于图像处理的高速公路隧道行人检测方法 |
| CN105611233A (zh) * | 2015-12-18 | 2016-05-25 | 航天恒星科技有限公司 | 一种静态场景在线视频监控方法 |
| CN107986126A (zh) * | 2017-11-17 | 2018-05-04 | 浙江新再灵科技股份有限公司 | 一种电梯困人的检测系统及方法 |
| CN108033329A (zh) * | 2017-11-16 | 2018-05-15 | 浙江新再灵科技股份有限公司 | 一种电梯遗落物的自动检测系统及检测方法 |
| CN109165620A (zh) * | 2018-09-04 | 2019-01-08 | 张晓飞 | 一种电动车的检测方法、系统及终端设备 |
| CN110222659A (zh) * | 2019-06-12 | 2019-09-10 | 江苏鼎航电子科技有限公司 | 电动车识别方法、装置和系统 |
-
2019
- 2019-11-08 CN CN201911084629.8A patent/CN110852253A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070072707A1 (en) * | 2005-09-27 | 2007-03-29 | Russell Corporation | Spinning nut basketball elevator system |
| CN101527838A (zh) * | 2008-03-04 | 2009-09-09 | 华为技术有限公司 | 对视频对象的反馈式对象检测与跟踪的方法和系统 |
| CN102831384A (zh) * | 2011-06-13 | 2012-12-19 | 索尼公司 | 从视频中检测遗弃物的方法和装置 |
| CN103400113A (zh) * | 2013-07-10 | 2013-11-20 | 重庆大学 | 基于图像处理的高速公路隧道行人检测方法 |
| CN105611233A (zh) * | 2015-12-18 | 2016-05-25 | 航天恒星科技有限公司 | 一种静态场景在线视频监控方法 |
| CN108033329A (zh) * | 2017-11-16 | 2018-05-15 | 浙江新再灵科技股份有限公司 | 一种电梯遗落物的自动检测系统及检测方法 |
| CN107986126A (zh) * | 2017-11-17 | 2018-05-04 | 浙江新再灵科技股份有限公司 | 一种电梯困人的检测系统及方法 |
| CN109165620A (zh) * | 2018-09-04 | 2019-01-08 | 张晓飞 | 一种电动车的检测方法、系统及终端设备 |
| CN110222659A (zh) * | 2019-06-12 | 2019-09-10 | 江苏鼎航电子科技有限公司 | 电动车识别方法、装置和系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112598746A (zh) * | 2020-12-18 | 2021-04-02 | 北京声智科技有限公司 | 电梯门开关检测方法、装置、可读介质及电子设备 |
| CN112598746B (zh) * | 2020-12-18 | 2022-03-11 | 北京声智科技有限公司 | 电梯门开关检测方法、装置、可读介质及电子设备 |
| WO2022134504A1 (zh) * | 2020-12-25 | 2022-06-30 | 上海商汤智能科技有限公司 | 图像检测方法及装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112232313A (zh) | 视频中人员安全帽佩戴状态的检测方法、装置及电子设备 | |
| CN111222509B (zh) | 目标检测方法、装置及电子设备 | |
| CN110287810A (zh) | 车门动作检测方法、装置和计算机可读存储介质 | |
| CN111914656A (zh) | 一种人员行为检测方法、装置、电子设备及存储介质 | |
| CN110852253A (zh) | 梯控场景检测方法、装置及电子设备 | |
| CN111191556A (zh) | 人脸识别方法、装置及电子设备 | |
| CN110879975B (zh) | 人员流量检测方法、装置及电子设备 | |
| CN112990017B (zh) | 一种智慧城市大数据分析方法及监控系统 | |
| CN112598668B (zh) | 基于三维图像的缺陷识别方法、装置及电子设备 | |
| CN111914784B (zh) | 轨旁障碍物入侵实时检测方法、装置及电子设备 | |
| CN110751120A (zh) | 一种检测方法、装置及电子设备 | |
| CN112150033A (zh) | 一种快递柜系统管理方法、装置及电子设备 | |
| CN113984109B (zh) | 轨道检测数据校正方法、装置及电子设备 | |
| CN111681267B (zh) | 基于图像识别的轨道防侵入方法 | |
| CN111488866B (zh) | 基于深度学习的入侵物识别方法、装置及电子设备 | |
| CN111832354A (zh) | 目标对象年龄识别方法、装置及电子设备 | |
| CN111523529B (zh) | 基于乘客出行轨迹的轨道交通疫情防控系统及方法 | |
| CN115484721A (zh) | 基于路侧感知系统的路灯控制方法、装置、设备及介质 | |
| CN110941455B (zh) | 主动唤醒方法、装置及电子设备 | |
| CN112560700A (zh) | 一种基于动作分析的信息关联方法、装置及电子设备 | |
| CN111222421A (zh) | 水域中人员状态检测方法、装置及电子设备 | |
| CN114445710A (zh) | 图像识别方法、装置、电子设备以及存储介质 | |
| CN114460599A (zh) | 基于激光雷达的站房结构安全监测方法、装置及电子设备 | |
| CN110969189B (zh) | 人脸检测方法、装置及电子设备 | |
| CN110489262A (zh) | 系统出错模块的自动定位方法、系统、介质和电子设备 |
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 |
Application publication date: 20200228 |
|
| RJ01 | Rejection of invention patent application after publication |