CN111062295B - 区域定位方法和装置、存储介质 - Google Patents

区域定位方法和装置、存储介质 Download PDF

Info

Publication number
CN111062295B
CN111062295B CN201911261823.9A CN201911261823A CN111062295B CN 111062295 B CN111062295 B CN 111062295B CN 201911261823 A CN201911261823 A CN 201911261823A CN 111062295 B CN111062295 B CN 111062295B
Authority
CN
China
Prior art keywords
target
shelter
image
image acquisition
intersection
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.)
Active
Application number
CN201911261823.9A
Other languages
English (en)
Other versions
CN111062295A (zh
Inventor
仇雪雅
范凯益
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 Mingsheng Pinzhi Artificial Intelligence Technology Co ltd
Original Assignee
Shanghai Second Picket 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 Second Picket Network Technology Co ltd filed Critical Shanghai Second Picket Network Technology Co ltd
Priority to CN201911261823.9A priority Critical patent/CN111062295B/zh
Publication of CN111062295A publication Critical patent/CN111062295A/zh
Application granted granted Critical
Publication of CN111062295B publication Critical patent/CN111062295B/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
    • G06V20/42Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/46Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G06V20/47Detecting features for summarising video content
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Abstract

本发明公开了一种区域定位方法和装置、存储介质。其中,该方法包括:获取第一图像采集设备对目标空间进行图像采集所得到的图像数据集,其中,第一图像采集设备在目标空间的安装高度大于第一阈值;在图像数据集中识别出目标空间内所放置的掩体的边界;在从图像数据集中识别出目标对象的情况下,获取目标对象在目标空间内的移动轨迹与掩体的边界的多个交点位置;根据多个交点位置确定与目标对象匹配的目标盲区,并在与目标盲区对应的目标位置上设置第二图像采集设备,其中,在目标位置上的第二图像采集设备用于对目标盲区进行图像采集。本发明解决了由于掩体遮掩所导致的对有害生物对象的监控出现遗漏的技术问题。

Description

区域定位方法和装置、存储介质
技术领域
本发明涉及计算机领域,具体而言,涉及一种区域定位方法和装置、存储介质。
背景技术
有害生物防治问题与人类生活健康息息相关。受到食源的诱惑,有害生物会不断进入餐厅后厨等区域进行取食,从而严重影响了餐厅后厨等区域内的食品安全。
为了对有害生物进行有效防治,通常会在餐厅后厨等区域安装摄像头,通过摄像头来监控有害生物的活动轨迹。然而,这些摄像头通常安装在高处,只能拍摄到有害生物暴露出来的部分移动轨迹。而有害生物体型较小且移动能力较强,很容易在建筑内找到掩体来隐藏其移动轨迹。
也就是说,在传统的相关技术中,防治人员都是根据工作经验将摄像头安装在餐厅后厨等区域中固定的高处。这样就很容易遗漏对隐藏在掩体之后的有害生物的防治,使得所储存的食品被污染,导致食品安全隐患。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种区域定位方法和装置、存储介质,以至少解决由于掩体遮掩所导致的对有害生物对象的监控出现遗漏的技术问题。
根据本发明实施例的一个方面,提供了一种区域定位方法,包括:获取第一图像采集设备对目标空间进行图像采集所得到的图像数据集,其中,上述第一图像采集设备在上述目标空间的安装高度大于第一阈值;在上述图像数据集中识别出上述目标空间内所放置的掩体的边界;在从上述图像数据集中识别出目标对象的情况下,获取上述目标对象在上述目标空间内的移动轨迹与上述掩体的边界的多个交点位置;根据上述多个交点位置确定与上述目标对象匹配的目标盲区,并在与上述目标盲区对应的目标位置上设置第二图像采集设备,其中,在上述目标位置上的上述第二图像采集设备用于对上述目标盲区进行图像采集。
作为一种可选的实施方式,上述根据上述多个交点位置确定与上述目标对象匹配的目标盲区包括:提取上述多个交点位置中每个交点位置的位置坐标;根据上述位置坐标依次获取两两交点位置之间的距离;将上述距离小于第二阈值的交点位置,划分为一组交点位置;将上述一组交点位置所在区域确定为上述目标盲区。
作为一种可选的实施方式,在上述获取上述目标对象在上述目标空间内的移动轨迹与上述掩体的边界的多个交点位置之前,还包括:根据上述图像数据集获取上述目标对象在上述目标空间内出现的各个点位置;连接上述各个点位置,以得到上述目标对象的多条移动路径;根据上述多条移动路径生成上述目标对象的上述移动轨迹。
作为一种可选的实施方式,上述根据上述多条移动路径生成上述目标对象的上述移动轨迹包括:依次获取上述多条移动路径中任意两条移动轨迹之间的路径相似度;依次对上述路径相似度大于第三阈值的两条移动路径进行合并处理,得到合并后的移动路径;将上述合并后的移动路径作为上述移动轨迹。
作为一种可选的实施方式,在上述获取上述目标对象在上述目标空间内的移动轨迹与上述掩体的边界的多个交点位置之前,还包括:在上述图像数据集中识别出移动对象的情况下,提取上述移动对象的运动特征;在上述运动特征与上述目标对象的对象特征相匹配的情况下,确定上述移动对象为上述目标对象。
作为一种可选的实施方式,上述在上述图像数据集中识别出上述目标空间内所放置的掩体的边界包括:从上述图像数据集中识别出静止对象,其中,上述静止对象在连续多帧图像中的显示位置保持不变;将上述静止对象确定为上述掩体;检测上述静止对象在图像中的显示边界,以作为上述掩体的边界。
根据本发明实施例的另一方面,还提供了一种区域定位装置,包括:区域定位装置,其特征在于,包括:第一获取单元,用于获取第一图像采集设备对目标空间进行图像采集所得到的图像数据集,其中,上述第一图像采集设备在上述目标空间的安装高度大于第一阈值;第一识别单元,用于在上述图像数据集中识别出上述目标空间内所放置的掩体的边界;第二获取单元,用于在从上述图像数据集中识别出目标对象的情况下,获取上述目标对象在上述目标空间内的移动轨迹与上述掩体的边界的多个交点位置;定位单元,用于根据上述多个交点位置确定与上述目标对象匹配的目标盲区,并在与上述目标盲区对应的目标位置上设置第二图像采集设备,其中,在上述目标位置上的上述第二图像采集设备用于对上述目标盲区进行图像采集。
作为一种可选的实施方式,上述定位单元包括:提取模块,用于提取上述多个交点位置中每个交点位置的位置坐标;获取模块,用于根据上述位置坐标依次获取两两交点位置之间的距离;划分模块,用于将上述距离小于第二阈值的交点位置,划分为一组交点位置;第一确定模块,用于将上述一组交点位置所在区域确定为上述目标盲区。
作为一种可选的实施方式,上述第一识别单元包括:识别模块,用于从上述图像数据集中识别出静止对象,其中,上述静止对象在连续多帧图像中的显示位置保持不变;第二确定模块,用于将上述静止对象确定为上述掩体;检测模块,用于检测上述静止对象在图像中的显示边界,以作为上述掩体的边界。
根据本发明实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述区域定位方法。
在本发明实施例中,通过对第一图像采集设备所采集到的图像数据集进行图像识别,来确定目标空间内放置的掩体的边界以及目标对象的移动轨迹,以根据上述掩体的边界与移动轨迹的多个交点位置,来准确地定位得到目标对象在图像中消失的目标盲区。从而实现直接在上述定位出的目标盲区对应的目标位置上设置用于对目标盲区进行图像采集的第二图像采集设备。也就是说,通过对采集到的图像数据集进行图像识别,来确定容易隐藏目标对象的移动轨迹的目标盲区,并在对应的目标位置上进一步设置用于监控目标盲区的图像采集设备,从而实现对目标对象进行全面多角度地监控,避免监控遗漏,以便于对目标盲区进行针对性的防治,达到提高防治效率的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种可选的区域定位方法的流程图;
图2是根据本发明实施例的一种可选的区域定位方法的示意图;
图3是根据本发明实施例的另一种可选的区域定位方法的示意图;
图4是根据本发明实施例的一种可选的区域定位装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例的一个方面,提供了一种区域定位方法,如图1所示,上述。。方法包括:
S102,获取第一图像采集设备对目标空间进行图像采集所得到的图像数据集,其中,第一图像采集设备在目标空间的安装高度大于第一阈值;
S104,在图像数据集中识别出目标空间内所放置的掩体的边界;
S106,在从图像数据集中识别出目标对象的情况下,获取目标对象在目标空间内的移动轨迹与掩体的边界的多个交点位置;
S108,根据多个交点位置确定与目标对象匹配的目标盲区,并在与目标盲区对应的目标位置上设置第二图像采集设备,其中,在目标位置上的第二图像采集设备用于对目标盲区进行图像采集。
可选地,在本实施例中,上述区域定位方法可以但不限于应用于对目标空间内的有害生物对象进行有效防患的过程中。其中,上述目标空间可以包括但不限于厨房、餐厅等。上述有害生物对象可以为鼠类,还可以包括但不限其他生物对象,如:蛇蚁、蟑螂、飞虫等等。上述图像采集设备可以包括但不限于:预先部署在目标空间内的监控设备,如视频监控设备、拍照摄像头、红外探测设备等。上述仅是一种示例,本实施例中对此不作任何限定。
需要说明的是,在本实施例中,通过对第一图像采集设备所采集到的图像数据集进行图像识别,来确定目标空间内放置的掩体的边界以及目标对象的移动轨迹,以根据上述掩体的边界与移动轨迹的多个交点位置,来准确地定位得到目标对象在图像中消失的目标盲区。从而实现直接在上述定位出的目标盲区对应的目标位置上设置用于对目标盲区进行图像采集的第二图像采集设备。也就是说,通过对采集到的图像数据集进行图像识别,来确定容易隐藏目标对象的移动轨迹的目标盲区,并在对应的目标位置上进一步设置用于监控目标盲区的图像采集设备,从而实现对目标对象进行全面多角度地监控,避免监控遗漏,以便于对目标盲区进行针对性的防治,达到提高防治效率的效果。
可选地,在本实施例中,上述第一图像采集设备可以但不限于为相关技术中设置在目标空间中的高处的摄像头,以便于从高处采集图像,来监控目标空间全局的画面。
可选地,在本实施例中,在获取第一图像数据集之后,可以但不限于对各个图像进行识别,以确定静止对象和移动对象。其中,上述静止对象可以但不限于为连续多帧图像中的显示位置均保持不变的对象。这里静止对象可以但不限于为掩体。上述移动对象可以但不限于为在连续多帧图像中检测到多个显示位置的对象。例如,目标空间内放置的桌子、柜子、操作台等。这里移动对象可以包括但不限于:工作人员、有害生物对象。进一步,比对移动对象的运动特征与目标对象的对象特征,在比对结果指示二者相匹配的情况下,则确定该移动对象为目标对象(如鼠类),否则确定该移动对象为工作人员。
可选地,在本实施例中,上述图像数据集为多张静止的图像,这里从图像数据集中的每张图像中可以但不限于检测到目标对象所出现的点位置。进一步,对连续多张图像中的点位置进行首尾连接,来得到目标对象出现过的多条路径。需要说明的是,为了去除重复路径,在本实施例中,可以对相似的路径进行合并,在得到无法继续合并的移动路径时,将其确定为该目标对象的移动轨迹。
可选地,在本实施例中,在得到多个交点位置之后,可以但不限于还包括:根据多个交点位置的位置坐标,确定目标对象出现/消失频次较高的区域;并将该区域确定为目标盲区。这里目标对象出现/消失频次高的区域可以但不限于为交点位置数量大于一定阈值的区域。此外,这里交点位置可以但不限于为目标对象的出现位置和/或消失位置。
通过本申请提供的实施例,通过对采集到的图像数据集进行图像识别,来确定容易隐藏目标对象的移动轨迹的目标盲区,并在对应的目标位置上进一步设置用于监控目标盲区的图像采集设备,从而实现对目标对象进行全面多角度地监控,避免监控遗漏,以便于对目标盲区进行针对性的防治,达到提高防治效率的效果。
作为一种可选的方案,根据多个交点位置确定与目标对象匹配的目标盲区包括:
S1,提取多个交点位置中每个交点位置的位置坐标;
S2,根据位置坐标依次获取两两交点位置之间的距离;
S3,将距离小于第二阈值的交点位置,划分为一组交点位置;
S4,将一组交点位置所在区域确定为目标盲区。
具体结合以下示例进行说明:从图像数据集提供的图像中确定出掩体的位置,如图2所示掩体A至掩体D所在位置为阴影区域,并从图像数据集中确定出目标对象的移动轨迹,如图2所示带箭头的曲线。进一步可以确定出上述掩体的边界与移动轨迹的多个交点位置,如图2所示虚线区域的点位置。
进一步,提取上述多个交点位置中各个交点位置的位置坐标,并依次比对任意两个交点位置之间的距离,然后将距离小于第二阈值的交点位置划分为一组交点位置,如图2所示加粗虚线所指示的一组交点位置。并将这一组交点位置所在区域,确定为目标对象的目标盲区,如图2所示目标盲区202。
通过本申请提供的实施例,通过对多个交点位置进行统计分析,来确定出目标对象出现/消失频次较高的交点位置,以将其所在区域确定为与目标对象匹配的目标盲区,从而实现通过对目标盲区设置相适配的图像采集设备,来对目标盲区实现进一步监控,达到对目标对象进行全面监控的目的。
作为一种可选的方案,在获取目标对象在目标空间内的移动轨迹与掩体的边界的多个交点位置之前,还包括:
S1,根据图像数据集获取目标对象在目标空间内出现的各个点位置;
S2,连接各个点位置,以得到目标对象的多条移动路径;
S3,根据多条移动路径生成目标对象的移动轨迹。
可选地,在本实施例中,根据多条移动路径生成目标对象的移动轨迹包括:依次获取多条移动路径中任意两条移动路径之间的路径相似度;依次对路径相似度大于第三阈值的两条移动路径进行合并处理,得到合并后的移动路径;将合并后的移动路径作为移动轨迹。
通过本申请提供的实施例,通过对采集到的图像数据集进行图像识别来确定目标对象出现的各个点位置,进一步将上述各个点位置进行首尾相连来生成其移动路径。此外,由于目标对象的移动路径数量较多,在本实施例中还提供了比对各个移动路径的路径相似度,将路径相似度较高的移动路径合并,来生成最终用于与边界相交以确定交点位置的移动轨迹,从而达到去重,减少运算量的目的。
作为一种可选的方案,在获取目标对象在目标空间内的移动轨迹与掩体的边界的多个交点位置之前,还包括:
S1,在图像数据集中识别出移动对象的情况下,提取移动对象的运动特征;
S2,在运动特征与目标对象的对象特征相匹配的情况下,确定移动对象为目标对象。
可选地,在本实施例中,可以但不限于利用移动侦测功能识别画面中是否移动对象,若检测到移动对象,则录制视频。进一步,通过对所录制的视频进行算法处理,来判断上述移动对象的运动特征是否符合鼠类特征。若符合,则确定该移动对象为目标对象,如鼠类。
通过本申请提供的实施例,通过识别移动对象,并对提取出的移动对象的运动特征和目标对象的对象特征进行比对,来更加准确地识别出上述目标对象。
作为一种可选的方案,在图像数据集中识别出目标空间内所放置的掩体的边界包括:
S1,从图像数据集中识别出静止对象,其中,静止对象在连续多帧图像中的显示位置保持不变;
S2,将静止对象确定为掩体;
S3,检测静止对象在图像中的显示边界,以作为掩体的边界。
可选地,在本实施例中,获取高空第一图像采集设备采集到的图像数据集之后,可以利用相关技术中的目标识别算法,来识别出静止对象,并将该静止对象确定为上述掩体。进一步,还可以对图像进行特征分析,来确定出该静止对象的显示边界。其中,上述掩体可以包括但不限于桌子、柜子、操作台等。
通过本申请提供的实施例,通过识别出图像中的静止对象来确定出用于隐藏目标对象的移动轨迹的掩体。进一步检测识别出静止对象的显示边界,来确定掩体的边界。从而便于快速的利用该掩体的边界确定上述目标对象出现/消失频繁的交点位置,进而提高确定出用于安装第二图像采集设备所在目标位置的效率。
具体结合以下示例进行说明,上述定位第二图像采集设备的过程可以如下:
S1,根据待监控的目标空间的区域面积及安装在目标空间的高处的摄像头(第一图像采集设备)的拍摄范围,确定出上述目标空间内所需的摄像头数量,使通过全部的摄像头来覆盖全部监控区域。其中上述摄像头的安装高度可以但不限于大于第一阈值。
S2,利用移动侦测功能识别画面中是否移动对象,若有,则录制视频。对所录制的视频进行算法处理,其中,该算法用于判断移动对象是否符合鼠类特征,若确定与鼠类特征(目标对象的对象特征)相符合,则将该移动对象确定为鼠类,并记录其位置坐标。然后,将记录的位置坐标连成线,叠加在上述摄像头拍摄的图像上,来标记显示上述鼠类的移动轨迹。
S3,对上述高处的摄像头(第一图像采集设备)采集到的图像进行进一步识别分析来得到掩体,进一步在图像中标注出掩体的边界。标注效果可以如图3所示白色虚线。
S4,通过上述记录的鼠类的位置坐标,还可以标记出鼠类的移动轨迹,标记效果可以如图3所示黑色点线。进一步,获取上述掩体的边界与移动轨迹的重合点的位置(即交点位置)。从而将其确定为鼠类的始现点/消失点,如图3所示黑色实心圆点所在位置为其交点位置。
S5,提取上述重合点(即交点)的位置坐标,获取任意两个位置坐标之间的距离,在小于预设距离阈值的情况下,确定为距离奖金,则可以将较近的重合点划分为一组,从而实现将多个重合点(即交点)划分为若干组。
S6,在上述若干组重合点(即交点)对应的各个目标位置安装摄像头(第二图像采集设备),从而实现对鼠类出现/消失频次较高的位置所在目标盲区进行进一步监控。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面,还提供了一种用于实施上述区域定位方法的区域定位装置。如图4所示,该装置包括:
1)第一获取单元402,用于获取第一图像采集设备对目标空间进行图像采集所得到的图像数据集,其中,第一图像采集设备在目标空间的安装高度大于第一阈值;
2)第一识别单元404,用于在图像数据集中识别出目标空间内所放置的掩体的边界;
3)第二获取单元406,用于在从图像数据集中识别出目标对象的情况下,获取目标对象在目标空间内的移动轨迹与掩体的边界的多个交点位置;
4)定位单元408,用于根据多个交点位置确定与目标对象匹配的目标盲区,并在与目标盲区对应的目标位置上设置第二图像采集设备,其中,在目标位置上的第二图像采集设备用于对目标盲区进行图像采集。
可选地,在本实施例中,上述装置还包括:第三获取单元,用于在获取目标对象在目标空间内的移动轨迹与掩体的边界的多个交点位置之前,根据图像数据集获取目标对象在目标空间内出现的各个点位置;连接单元,用于连接各个点位置,以得到目标对象的多条移动路径;生成单元,用于根据多条移动路径生成目标对象的移动轨迹。
可选地,在本实施例中,上述生成单元用于执行以下步骤:依次获取多条移动路径中任意两条移动路径之间的路径相似度;依次对路径相似度大于第三阈值的两条移动路径进行合并处理,得到合并后的移动路径;将合并后的移动路径作为移动轨迹。
可选地,在本实施例中,上述装置还包括:提取单元,用于在获取目标对象在目标空间内的移动轨迹与掩体的边界的多个交点位置之前,在图像数据集中识别出移动对象的情况下,提取移动对象的运动特征;确定单元,用于在运动特征与目标对象的对象特征相匹配的情况下,确定移动对象为目标对象。
本方案中的实施例,可以但不限于参照上述方法实施例,本实施例中对此不作任何限定。
作为一种可选的方案,定位单元408包括:
1)提取模块,用于提取多个交点位置中每个交点位置的位置坐标;
2)获取模块,用于根据位置坐标依次获取两两交点位置之间的距离;
3)划分模块,用于将距离小于第二阈值的交点位置,划分为一组交点位置;
4)第一确定模块,用于将一组交点位置所在区域确定为目标盲区。
本方案中的实施例,可以但不限于参照上述方法实施例,本实施例中对此不作任何限定。
作为一种可选的方案,第一识别单元404包括:
1)识别模块,用于从图像数据集中识别出静止对象,其中,静止对象在连续多帧图像中的显示位置保持不变;
2)第二确定模块,用于将静止对象确定为掩体;
3)检测模块,用于检测静止对象在图像中的显示边界,以作为掩体的边界。
本方案中的实施例,可以但不限于参照上述方法实施例,本实施例中对此不作任何限定。
根据本发明实施例的又一个方面,还提供了一种用于实施上述区域定位方法的电子装置,该电子装置包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述电子装置可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取第一图像采集设备对目标空间进行图像采集所得到的图像数据集,其中,第一图像采集设备在目标空间的安装高度大于第一阈值;
S2,在图像数据集中识别出目标空间内所放置的掩体的边界;
S3,在从图像数据集中识别出目标对象的情况下,获取目标对象在目标空间内的移动轨迹与掩体的边界的多个交点位置;
S4,根据多个交点位置确定与目标对象匹配的目标盲区,并在与目标盲区对应的目标位置上设置第二图像采集设备,其中,在目标位置上的第二图像采集设备用于对目标盲区进行图像采集。
可选地,本领域普通技术人员可以理解,电子装置也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。例如,电子装置还可包括更多或者更少的组件(如网络接口等),或者具有不同的配置。
其中,存储器可用于存储软件程序以及模块,如本发明实施例中的区域定位方法和装置对应的程序指令/模块,处理器通过运行存储在存储器内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的区域定位方法。存储器可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器可进一步包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至终端。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。其中,存储器具体可以但不限于用于存储上述图像数据集、掩体的边界、目标对象的移动轨迹等信息。此外,还可以包括但不限于上述区域定位装置中的其他模块单元,本示例中不再赘述。
可选地,还包括传输装置,这里传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
此外,上述电子装置还包括:显示器,用于显示上述图像数据集、掩体的边界、目标对象的移动轨迹等信息;和连接总线,用于连接上述电子装置中的各个模块部件。
根据本发明的实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述计算机可读的存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取第一图像采集设备对目标空间进行图像采集所得到的图像数据集,其中,第一图像采集设备在目标空间的安装高度大于第一阈值;
S2,在图像数据集中识别出目标空间内所放置的掩体的边界;
S3,在从图像数据集中识别出目标对象的情况下,获取目标对象在目标空间内的移动轨迹与掩体的边界的多个交点位置;
S4,根据多个交点位置确定与目标对象匹配的目标盲区,并在与目标盲区对应的目标位置上设置第二图像采集设备,其中,在目标位置上的第二图像采集设备用于对目标盲区进行图像采集。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的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,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本发明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存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,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,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
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,在本发明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。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种区域定位方法,其特征在于,包括:
获取第一图像采集设备对目标空间进行图像采集所得到的图像数据集,其中,所述第一图像采集设备在所述目标空间的安装高度大于第一阈值;
在所述图像数据集中识别出所述目标空间内所放置的掩体的边界;
在从所述图像数据集中识别出目标对象的情况下,获取所述目标对象在所述目标空间内的移动轨迹与所述掩体的边界的多个交点位置;
根据所述多个交点位置确定与所述目标对象匹配的目标盲区,并在与所述目标盲区对应的目标位置上设置第二图像采集设备,其中,在所述目标位置上的所述第二图像采集设备用于对所述目标盲区进行图像采集。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个交点位置确定与所述目标对象匹配的目标盲区包括:
提取所述多个交点位置中每个交点位置的位置坐标;
根据所述位置坐标依次获取两两交点位置之间的距离;
将所述距离小于第二阈值的交点位置,划分为一组交点位置;
将所述一组交点位置所在区域确定为所述目标盲区。
3.根据权利要求1所述的方法,其特征在于,在所述获取所述目标对象在所述目标空间内的移动轨迹与所述掩体的边界的多个交点位置之前,还包括:
根据所述图像数据集获取所述目标对象在所述目标空间内出现的各个点位置;
连接所述各个点位置,以得到所述目标对象的多条移动路径;
根据所述多条移动路径生成所述目标对象的所述移动轨迹。
4.根据权利要求3所述的方法,其特征在于,所述根据所述多条移动路径生成所述目标对象的所述移动轨迹包括:
依次获取所述多条移动路径中任意两条移动路径之间的路径相似度;
依次对所述路径相似度大于第三阈值的两条移动路径进行合并处理,得到合并后的移动路径;
将所述合并后的移动路径作为所述移动轨迹。
5.根据权利要求1所述的方法,其特征在于,在所述获取所述目标对象在所述目标空间内的移动轨迹与所述掩体的边界的多个交点位置之前,还包括:
在所述图像数据集中识别出移动对象的情况下,提取所述移动对象的运动特征;
在所述运动特征与所述目标对象的对象特征相匹配的情况下,确定所述移动对象为所述目标对象。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述在所述图像数据集中识别出所述目标空间内所放置的掩体的边界包括:
从所述图像数据集中识别出静止对象,其中,所述静止对象在连续多帧图像中的显示位置保持不变;
将所述静止对象确定为所述掩体;
检测所述静止对象在图像中的显示边界,以作为所述掩体的边界。
7.一种区域定位装置,其特征在于,包括:
第一获取单元,用于获取第一图像采集设备对目标空间进行图像采集所得到的图像数据集,其中,所述第一图像采集设备在所述目标空间的安装高度大于第一阈值;
第一识别单元,用于在所述图像数据集中识别出所述目标空间内所放置的掩体的边界;
第二获取单元,用于在从所述图像数据集中识别出目标对象的情况下,获取所述目标对象在所述目标空间内的移动轨迹与所述掩体的边界的多个交点位置;
定位单元,用于根据所述多个交点位置确定与所述目标对象匹配的目标盲区,并在与所述目标盲区对应的目标位置上设置第二图像采集设备,其中,在所述目标位置上的所述第二图像采集设备用于对所述目标盲区进行图像采集。
8.根据权利要求7所述的装置,其特征在于,所述定位单元包括:
提取模块,用于提取所述多个交点位置中每个交点位置的位置坐标;
获取模块,用于根据所述位置坐标依次获取两两交点位置之间的距离;
划分模块,用于将所述距离小于第二阈值的交点位置,划分为一组交点位置;
第一确定模块,用于将所述一组交点位置所在区域确定为所述目标盲区。
9.根据权利要求7至8中任一项所述的装置,其特征在于,所述第一识别单元包括:
识别模块,用于从所述图像数据集中识别出静止对象,其中,所述静止对象在连续多帧图像中的显示位置保持不变;
第二确定模块,用于将所述静止对象确定为所述掩体;
检测模块,用于检测所述静止对象在图像中的显示边界,以作为所述掩体的边界。
10.一种计算机可读的存储介质,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行所述权利要求1至6任一项中所述的方法。
CN201911261823.9A 2019-12-10 2019-12-10 区域定位方法和装置、存储介质 Active CN111062295B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911261823.9A CN111062295B (zh) 2019-12-10 2019-12-10 区域定位方法和装置、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911261823.9A CN111062295B (zh) 2019-12-10 2019-12-10 区域定位方法和装置、存储介质

Publications (2)

Publication Number Publication Date
CN111062295A CN111062295A (zh) 2020-04-24
CN111062295B true CN111062295B (zh) 2023-06-13

Family

ID=70300293

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911261823.9A Active CN111062295B (zh) 2019-12-10 2019-12-10 区域定位方法和装置、存储介质

Country Status (1)

Country Link
CN (1) CN111062295B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114339038B (zh) * 2021-12-24 2023-04-18 珠海格力电器股份有限公司 目标对象的监控方法、装置及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109566592A (zh) * 2018-12-28 2019-04-05 北京明略软件系统有限公司 驱鼠的方法及系统
WO2019126971A1 (zh) * 2017-12-25 2019-07-04 仲恺农业工程学院 一种基于机器视觉的虫害监测方法
CN110248158A (zh) * 2019-06-06 2019-09-17 上海秒针网络科技有限公司 拍摄视角的调整方法及装置
CN110250123A (zh) * 2019-06-26 2019-09-20 江苏大学 基于图像识别的低密度储粮害虫实时监测系统
CN110490931A (zh) * 2019-08-20 2019-11-22 上海秒针网络科技有限公司 轨迹生成方法和装置、存储介质及电子装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019126971A1 (zh) * 2017-12-25 2019-07-04 仲恺农业工程学院 一种基于机器视觉的虫害监测方法
CN109566592A (zh) * 2018-12-28 2019-04-05 北京明略软件系统有限公司 驱鼠的方法及系统
CN110248158A (zh) * 2019-06-06 2019-09-17 上海秒针网络科技有限公司 拍摄视角的调整方法及装置
CN110250123A (zh) * 2019-06-26 2019-09-20 江苏大学 基于图像识别的低密度储粮害虫实时监测系统
CN110490931A (zh) * 2019-08-20 2019-11-22 上海秒针网络科技有限公司 轨迹生成方法和装置、存储介质及电子装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
魏杨 ; 毕秀丽 ; 肖斌 ; .基于区域卷积神经网络的农业害虫检测方法.计算机科学.2018,(S2),第226-229、233页. *

Also Published As

Publication number Publication date
CN111062295A (zh) 2020-04-24

Similar Documents

Publication Publication Date Title
JP7018462B2 (ja) 目標対象物の監視方法、装置及びシステム
CN109922310B (zh) 目标对象的监控方法、装置及系统
WO2020151083A1 (zh) 区域确定方法、装置、存储介质和处理器
CN109886999B (zh) 位置确定方法、装置、存储介质和处理器
RU2670429C1 (ru) Системы и способы отслеживания движущихся объектов на видеоизображении
JP6847254B2 (ja) 歩行者追跡の方法および電子デバイス
CN108875507B (zh) 行人跟踪方法、设备、系统和计算机可读存储介质
CN109410278B (zh) 一种目标定位方法、装置及系统
JP2015508591A (ja) クラウドベースの映像監視管理システム
CN109886129B (zh) 提示信息生成方法和装置,存储介质及电子装置
CN110675426B (zh) 人体跟踪方法、装置、设备及存储介质
EP2327057A2 (en) A system and a method for identifying human behavioural intention based on an effective motion analysis
WO2021036634A1 (zh) 故障检测方法及相关产品
CN111010547A (zh) 目标对象的追踪方法及装置、存储介质、电子装置
CN111062295B (zh) 区域定位方法和装置、存储介质
US20240005491A1 (en) Anomaly Detection System
CN110544259A (zh) 一种基于计算机视觉的复杂背景下伪装人体目标检测方法
CN112036242A (zh) 人脸图片采集方法、装置、计算机设备及存储介质
KR20120043995A (ko) 복수개의 카메라를 이용한 관심영역 추출 시스템 및 그 방법
CN104182725A (zh) 基于非接触人体生理参数测量的人脸识别跟踪系统
CN110505438B (zh) 一种排队数据的获取方法和摄像机
CN104021576A (zh) 在场景中追踪移动物体的方法及系统
JP2007018324A (ja) 画像処理による侵入物体検出装置および方法およびプログラム
CN110728249B (zh) 目标行人的跨摄像机识别方法、装置及系统
CN111681269B (zh) 一种基于空间一致性的多摄像机协同人物追踪系统及训练方法

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
TR01 Transfer of patent right

Effective date of registration: 20230724

Address after: 200232 32 / F, West Bank artificial intelligence center, 701 Yunjin Road, Xuhui District, Shanghai

Patentee after: Shanghai Mingsheng Pinzhi Artificial Intelligence Technology Co.,Ltd.

Address before: Room 1302-13, No.6 Weide Road, Yangpu District, Shanghai 200433

Patentee before: SHANGHAI SECOND PICKET NETWORK TECHNOLOGY CO.,LTD.

TR01 Transfer of patent right