CN111401248A - 一种天空区域的识别方法、装置、电子设备及存储介质 - Google Patents
一种天空区域的识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111401248A CN111401248A CN202010185651.8A CN202010185651A CN111401248A CN 111401248 A CN111401248 A CN 111401248A CN 202010185651 A CN202010185651 A CN 202010185651A CN 111401248 A CN111401248 A CN 111401248A
- Authority
- CN
- China
- Prior art keywords
- determining
- horizontal line
- target vehicle
- video image
- sky 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000008034 disappearance Effects 0.000 claims abstract description 12
- 230000003068 static effect Effects 0.000 claims description 41
- 230000015654 memory Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 2
- 230000006870 function Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000007787 solid 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
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了天空区域的识别方法、装置、电子设备及存储介质,涉及计算机视觉领域。天空区域的识别方法的具体实现方案为:在视频图像中确定水平线,水平线包括:利用颜色差异在视频图像中确定的天空区域与非天空区域的分界位置所对应的第一水平线;以及在视频图像中获取目标车辆的行驶轨迹,根据目标车辆的消失位置确定的第二水平线;根据各水平线在视频图像中确定天空区域与非天空区域的分界线。通过上述方案,将利用颜色差异得到的第一水平线和目标车辆的消失位置得到的第二水平线进行综合计算,可以自动标注出天空区域的位置。节省人工标注的工作量。
Description
技术领域
本申请涉及计算机视觉领域,尤其涉及天空区域的识别方法、装置、电子设备及存储介质。
背景技术
在视频监控的应用场景中,多数情况下认为天空区域属于无效区域。传统方式多采用人工标注以确定出天空区域。但人工标注的方式劳动量大,用人成本高。
发明内容
本申请实施例提供一种天空区域的识别方法、装置、电子设备及存储介质,以解决现有技术中的一个或多个技术问题。
第一方面,本申请提供一种天空区域的识别方法,包括:
在视频图像中确定水平线,水平线包括:
利用颜色差异在视频图像中确定的天空区域与非天空区域的分界位置所对应的第一水平线;以及
在视频图像中获取目标车辆的行驶轨迹,根据目标车辆的消失位置确定的第二水平线;
根据各水平线,在视频图像中确定天空区域与非天空区域的分界线。
通过上述方案,将利用颜色差异得到的第一水平线和目标车辆的消失位置得到的第二水平线进行综合计算,可以自动标注出天空区域的位置。
节省人工标注的工作量。
在一种实施方式中,确定目标车辆的消失位置,包括:
对于视频图像的任意一帧静态图像中的第一目标车辆,在第一目标车辆与任意一帧静态图像之后的其他静态图像中的任意目标车辆的相似度均不满足预设条件的情况下,确定其他静态图像未检测到第一目标车辆;
在连续N帧静态图像未检测到第一目标车辆的情况下,在最后一次检测到第一目标车辆的静态图像中,将第一目标车辆的位置确定为消失位置;其中,N为正整数。
通过上述方案,利用目标识别技术可以准确的确定出各目标车辆的消失位置。
在一种实施方式中,根据目标车辆的消失位置确定第二水平线,包括:
在视频图像中,对预设数量的目标车辆的消失位置的纵坐标进行统计,根据统计结果确定第二水平线。
通过上述方案,可以利用多个目标车辆的消失位置进行综合计算,即可得到目标车辆的消失线,该目标车辆的消失线作为第二水平线。
在一种实施方式中,利用颜色差异,在视频图像中确定天空区域与非天空区域的分界位置所对应的第一水平线,包括:
获取拍摄视频图像的时间;
根据时间,确定天空区域的颜色阈值区间;
利用颜色阈值区间,在视频图像中确定天空区域与非天空区域的分界位置所对应的第一水平线。
通过上述方案,利用天空区域在不同时间的颜色变化选择对应的颜色阈值区间,从而在视频图像中准确的确定出天空区域。基于确定出的天空区域,可以得到天空区域与非天空区域的分界位置所对应的第一水平线。
在一种实施方式中,水平线还包括:
根据历史数据,在视频图像中预先确定的天空区域与非天空区域的分界位置所对应的第三水平线。
通过上述方案,在识别天空区域时,还可以参考第三水平线的位置。基于颜色差异确定的第一水平线,利用目标车辆消失的第二水平线以及视频图像中的第三水平线进行综合判断,从而可以更准确的确定出天空区域。
在一种实施方式中,根据各水平线在视频图像中确定天空区域与非天空区域的分界线,包括:
对各水平线的参数进行加权平均计算,根据计算结果确定分界线。
通过上述方案,为不同水平线分配不同的权重,进而依据权重对各水平线的参数进行平均值计算,根据计算结果确定分界线可以更接近真实情况。
第二方面,本申请提供一种天空区域的识别装置,包括:
水平线确定模块,用于在视频图像中确定水平线,水平线包括:
利用颜色差异在视频图像中确定的天空区域与非天空区域的分界位置所对应的第一水平线;以及
在视频图像中获取目标车辆的行驶轨迹,根据目标车辆的消失位置确定的第二水平线;
分界线确定模块,用于根据各水平线,在视频图像中确定天空区域与非天空区域的分界线。
在一种实施方式中,水平线确定模块,包括:
目标车辆确定子模块,对于视频图像的任意一帧静态图像中的第一目标车辆,用于在第一目标车辆与任意一帧静态图像之后的其他静态图像中的任意目标车辆的相似度均不满足预设条件的情况下,确定其他静态图像未检测到第一目标车辆;
消失位置确定子模块,用于在连续N帧静态图像未检测到第一目标车辆的情况下,在最后一次检测到第一目标车辆的静态图像中,将第一目标车辆的位置确定为消失位置;其中,N为正整数。
在一种实施方式中,水平线确定模块,包括:
第二水平线确定子模块,用于在视频图像中,对预设数量的目标车辆的消失位置的纵坐标进行统计,根据统计结果确定第二水平线。
在一种实施方式中,水平线确定模块,包括:
拍摄时间确定子模块,用于获取拍摄视频图像的时间;
颜色阈值区间确定子模块,用于根据时间,确定天空区域的颜色阈值区间;
第一水平线确定子模块,用于利用颜色阈值区间,在视频图像中确定天空区域与非天空区域的分界位置所对应的第一水平线。
在一种实施方式中,水平线确定模块,还包括:
第三水平线确定子模块,用于根据历史数据,在视频图像中预先确定的天空区域与非天空区域的分界位置所对应的第三水平线。
在一种实施方式中,分界线确定模块,包括:
分界线确定执行子模块,用于对所述各水平线的参数进行加权平均计算,根据计算结果确定所述分界线。
第三方面,本申请实施例提供一种电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请任意一项实施例所提供的方法。
第四方面,本申请实施例提供一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,计算机指令用于使计算机执行本申请任意一项实施例所提供的方法。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请天空区域的识别方法的流程图;
图2是根据本申请确定目标车辆的消失位置的流程图;
图3是根据本申请确定第一水平线示意图;
图4是根据本申请天空区域的识别装置的示意图;
图5是根据本申请水平线确定模块的示意图;
图6是根据本申请水平线确定模块的示意图;
图7是用来实现本申请实施例的天空区域的识别方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如图1所示,在一种实施方式中,提供一种天空区域的识别方法,包括以下步骤:
S101:在视频图像中确定水平线,水平线包括:
利用颜色差异在视频图像中确定的天空区域与非天空区域的分界位置所对应的第一水平线;以及,
在视频图像中获取目标车辆的行驶轨迹,根据目标车辆的消失位置确定的第二水平线。
S102:根据各水平线在视频图像中确定天空区域与非天空区域的分界线。
本申请可以通过服务器或云处理器等数据处理设备实现上述方法,并可以应用于对电警相机、监控相机等图像采集设备所采集的视频图像,进行天空区域的识别。
以图像采集设备为电警相机为例进行说明。由于电警相机的位置是固定不动的,因此可以以电警相机所采集的视频图像中的任意一帧图像确定第一水平线。
确定第一水平线的方案可以是:利用天空区域与非天空区的颜色差异确定。颜色差异可以包括色彩差异、饱和度差异等。
例如,可以设定天空区域的色彩区间为RGB1~RGB2。其中,RGB1和RGB2可以分别表示天空区域的色彩区间的两个边界色彩,色彩以数值形式表示。获取任意一帧图像中各个像素点的色彩。在像素点的色彩在天空区域的色彩区间内的情况下,可以将该像素点确定为属于天空区域的像素点。
通过对各个像素点的遍历,可以区分出天空区域与非天空区域。一般来说,通过颜色差异确定出的天空区域与非天空区域的分界位置所对应的是一条不规则的分界线。通过对不规则的分界线上的各像素点的纵坐标进行统计,可以得到第一水平线。
统计可以包括对各像素点的纵坐标求均值运算。或者,统计还可以包括获取在不规则的分界线上各像素点中相同的纵坐标出现的次数,选择出现次数最多的纵坐标,利用出现次数最多的纵坐标确定第一水平线。
另一方面,获取一段时间内电警相机所采集的视频图像。一段时间可以是一天、一周等。目标车辆可以从电警相机所采集的视频图像的下边缘驶入,从视频图像的上边缘驶出。基于此,可以对从视频图像下边缘驶入的目标车辆进行识别,并对各目标车辆分配标识(ID,Identity Document)以进行区分。例如,在视频图像的第1帧静态图像中检测到第一目标车辆驶入,则对第一目标车辆分配标识。从第2帧静态图像起对第一目标车辆的行驶轨迹进行跟踪,直至捕捉到第一目标车辆消失为止。
在视频图像的各帧静态图像中,对于目标车辆的跟踪可以采用检测框重合度的方式,也可以采用外观特性的方式等,在此并不进行限定。
在视频图像的各帧静态图像中统计出一定数量的目标车辆的消失位置,获取各消失位置在视频图像的纵坐标。由于电警相机的位置是固定不变的,因此各帧静态图像所采集的区域相同。基于此,可以统计纵坐标的平均值,或者统计出现次数最多的纵坐标。根据统计结果,可以得到第二水平线。
另外,由于不同电警相机所采集的视频图像的分辨率是相同的。因此可以以每帧静态图像的左下角的像素点作为坐标原点,得到第一水平线、第二水平线的表达式。例如第一水平线的表达式可以是y1=b1,第二水平线的表达式可以是y2=b2。上述两水平线的表达式中,b1、b2可以分别表示纵轴截距。
可以根据第一水平线和第二水平线得到天空区域与非天空区域之间的分界线。例如,可以计算第一水平线和第二水平线的中间水平线,将该中间水平线作为电警相机所采集的视频图像中的天空区域与非天空区域的分界线。
通过上述方案,将利用颜色差异得到的第一水平线和目标车辆的消失位置得到的第二水平线进行综合计算,可以自动标注出天空区域的位置。
节省人工标注的工作量。
如图2所示,在一种实施方式中,确定目标车辆的消失位置,包括:
S201:对于视频图像的任意一帧静态图像中的第一目标车辆,在第一目标车辆与任意一帧静态图像之后的其他静态图像中的任意目标车辆的相似度均不满足预设条件的情况下,确定其他静态图像未检测到第一目标车辆。
S202:在连续N帧静态图像未检测到第一目标车辆的情况下,在最后一次检测到第一目标车辆的静态图像中,将第一目标车辆的位置确定为消失位置;其中,N为正整数。
针对一段时间内电警相机所拍摄的视频图像,可以对视频图像的各帧静态图像中的各目标车辆进行识别,进而对识别出的目标车辆进行跟踪,得到目标车辆的行驶轨迹。利用行驶轨迹可以确定各目标车辆的消失位置。
例如,确定视频图像的第N帧静态图像中的各目标车辆。以第N帧静态图像中包含2个标车辆为例进行说明,分别为第一目标车辆和第二目标车辆。分别对2个目标车辆进行识别并分配标识,例如标识可以分别为ID1、ID2。
对于视频图像的第N+1帧静态图像,以相同的方式对目标车辆进行识别并分配标识。例如第N+1帧静态图像只检测到1个目标车辆,通过识别可以确定该目标车辆为第N帧静态图像中标识为ID2的第二目标车辆。基于此可以确定第N+1帧静态图像中未检测到标识为ID1的第一目标车辆。
对于视频图像的第N+2帧静态图像,继续对目标车辆进行识别以及分配标识,以此类推。例如,在第N帧之后的连续3帧静态图像中均未检测到标识为ID1的第一目标车辆,则可以确定第N帧静态图像为最后检测到标识为ID1的第一目标车辆的图像。
将标识为ID1的第一目标车辆在第N帧静态图像中的位置确定为该目标车辆的消失位置。
通过上述方案,利用目标识别技术可以准确的确定出各目标车辆的消失位置。
在一种实施方式中,根据目标车辆的消失位置确定第二水平线,包括:
在视频图像中,对预设数量的目标车辆的消失位置的纵坐标进行统计,根据统计结果确定第二水平线。
可以将各目标车辆的消失位置抽象为一个像素点或多个像素点组成的像素块。获取每个像素点的坐标,或者每个像素块中心点的坐标。统计获取的各像素点或像素块中心点的纵坐标的平均值,或者统计各像素点或像素块中心点出现次数最多的纵坐标,根据统计出的纵坐标即可确定第二水平线。
通过上述方案,可以利用多个目标车辆的消失位置进行综合计算,即可得到目标车辆的消失线,该目标车辆的消失线作为第二水平线。
如图3所示,在一种实施方式中,确定第一水平线,包括:
S301:获取拍摄视频图像的时间。
S302:根据时间,确定天空区域的颜色阈值区间。
S303:利用颜色阈值区间,在视频图像中确定天空区域与非天空区域的分界位置所对应的第一水平线。
根据拍摄视频图像的时间的不同,可以选择不同的天空区域的颜色阈值。时间可以以小时为单位,将天空区域的颜色阈值进行划分,例如拍摄视频图像的时间为15:10,则可以选择15点~16点时间段的颜色阈值。
颜色阈值可以根据历史数据进行统计,得到天空区域的颜色范围。或者,还可以结合拍摄区域的天气情况确定天空区域的颜色阈值。例如晴天、阴天、雨雪天等。结合的方式可以包括:选择在相同时间,对应天气情况下天空区域的颜色范围作为颜色阈值。
通过将视频图像中的各像素点的颜色与天空区域的颜色阈值进行对比,可以识别出视频图像中的天空区域。
通过上述方案,利用天空区域在不同时间的颜色变化选择对应的颜色阈值区间,从而在视频图像中准确的确定出天空区域。基于确定出的天空区域,可以得到天空区域与非天空区域的分界位置所对应的第一水平线。
在一种实施方式中,水平线还包括:
根据历史数据,在视频图像中预先确定的天空区域与非天空区域的分界位置所对应的第三水平线。
由于电警相机的安装需要符合一定标准,例如安装高度标准,安装角度标准等。基于此,可以预先对部分电警相机所采集的视频图像进行天空区域的标注。已标注的视频图像可以作为视频图像样本。例如,可以选择安装位置具有代表性的电警相机。每个选择的电警相机可以对应得到一帧静态图像。可以采用人工标注的方式,对每帧静态图像进行标注。已标注的静态图像可以作为历史数据。
由于电警相机的安装会有细微差别,因此还可以对已标注的静态图像进行聚类。例如,可以聚类出一条水平线,或者聚类出多条水平线。
聚类出的水平线作为天空区域与非天空区域的分界位置所对应的第三水平线。当聚类出多条水平线时,可以随机挑选出一条水平线作为第三水平线。例如,视频图像和视频图像样本的分辨率相同,可以为1024*768。视频图像样本中的第三水平线表示为y3=512。基于此,可以以视频图像样本中的第三水平线作为视频图像中预先确定出的第三水平线。
在步骤S102中,可以根据第一水平线、第二水平线和第三水平线确定天空区域与非天空区域的分界线。
通过上述方案,在识别天空区域时,还可以参考第三水平线的位置。即,根据利用颜色差异确定的第一水平线,利用目标车辆消失的第二水平线以及视频图像中标注出的第三水平线,可以更准确的确定出天空区域。
在一种实施方式中,根据各水平线在视频图像中确定天空区域与非天空区域的分界线,包括:
对各水平线的参数进行加权平均计算,根据计算结果确定分界线。
以各水平线包括第一水平线、第二水平线、第三水平线为例进行说明。第一至第三水平线的表达式可以分别为:y1=b1、y2=b2、y3=b3。可以预先对各水平线设置不同的权重,例如第一水平线的权重为0.3,第二水平线的权重为0.5,第三水平线的权重为0.2。
根据权重,对各水平线的参数进行加权平均值,计算结果可以表示为:
y4=b4;
b4=0.3*(b1)+0.5*(b2)+0.2*(b3)
通过上述方案,为不同水平线分配不同的权重,进而依据权重对各水平线进行综合计算,可以使计算结果更接近真实情况。
如图4所示,在一种实施方式中,提供一种天空区域的识别装置,包括:
水平线确定模块401,用于在视频图像中确定水平线,水平线包括:
利用颜色差异在视频图像中确定的天空区域与非天空区域的分界位置所对应的第一水平线;以及
在视频图像中获取目标车辆的行驶轨迹,根据目标车辆的消失位置确定的第二水平线;
分界线确定模块402,用于根据各水平线在视频图像中确定天空区域与非天空区域的分界线。
如图5所示,在一种实施方式中,水平线确定模块401,包括:
目标车辆确定子模块4011,用于对于视频图像的任意一帧静态图像中的第一目标车辆,在第一目标车辆与任意一帧静态图像之后的其他静态图像中的任意目标车辆的相似度均不满足预设条件的情况下,确定其他静态图像未检测到第一目标车辆。
消失位置确定子模块4012,用于在连续N帧静态图像未检测到第一目标车辆的情况下,在最后一次检测到第一目标车辆的静态图像中,将第一目标车辆的位置确定为消失位置;其中,N为正整数。
在一种实施方式中,水平线确定模块401包括:
第二水平线确定子模块,用于在视频图像中,对预设数量的目标车辆的消失位置的纵坐标进行统计,根据统计结果确定第二水平线。
如图6所示,在一种实施方式中,水平线确定模块401包括:
拍摄时间确定子模块4013,用于获取拍摄视频图像的时间。
颜色阈值区间确定子模块4014,用于根据时间,确定天空区域的颜色阈值区间。
第一水平线确定子模块4015,用于利用颜色阈值区间,在视频图像中确定天空区域与非天空区域的分界位置所对应的第一水平线。
在一种实施方式中,水平线确定模块401,还包括:
第三水平线确定子模块,用于根据历史数据,在视频图像中预先确定的天空区域与非天空区域的分界位置所对应的第三水平线。
在一种实施方式中,分界线确定模块402,包括:
分界线确定执行子模块,用于对所述各水平线的参数进行加权平均计算,根据计算结果确定所述分界线。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述,在此不再赘述。
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7所示,是根据本申请实施例的天空区域的识别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7所示,该电子设备包括:一个或多个处理器710、存储器720,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)上显示图形用户界面(Graphical User Interface,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7中以一个处理器710为例。
存储器720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天空区域的识别方法。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天空区域的识别方法。
存储器720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天空区域的识别方法对应的程序指令/模块(例如,附图4所示的水平线确定模块401和分界线确定模块402)。处理器710通过运行存储在存储器720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天空区域的识别方法。
存储器720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天空区域的识别方法的电子设备的使用所创建的数据等。此外,存储器720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720可选包括相对于处理器710远程设置的存储器,这些远程存储器可以通过网络连接至上述电子设备。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。
上述电子设备还可以包括:输入装置730和输出装置740。处理器710、存储器720、输入装置730和输出装置740可以通过总线或者其他方式连接,图7中以通过总线连接为例。
输入装置730可接收输入的数字或字符信息,以及产生与上述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740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(Liquid Crystal Display,LCD)、发光二极管(Light Emitting Diode,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、专用集成电路(Application Specific Integrated Circuits,ASIC)、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(programmable logic device,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(Cathode Ray Tube,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(Local Area Network,LAN)、广域网(Wide Area Network,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。
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 (14)
1.一种天空区域的识别方法,其特征在于,包括:
在视频图像中确定水平线,所述水平线包括:
利用颜色差异在所述视频图像中确定的天空区域与非天空区域的分界位置所对应的第一水平线;以及,
在所述视频图像中获取目标车辆的行驶轨迹,根据所述目标车辆的消失位置确定的第二水平线;
根据各所述水平线,在视频图像中确定天空区域与非天空区域的分界线。
2.根据权利要求1所述的方法,其特征在于,所述目标车辆的消失位置的确定方式,包括:
对于所述视频图像的任意一帧静态图像中的第一目标车辆,在所述第一目标车辆与所述任意一帧静态图像之后的其他静态图像中的任意目标车辆的相似度均不满足预设条件的情况下,确定所述其他静态图像未检测到所述第一目标车辆;
在连续N帧静态图像未检测到所述第一目标车辆的情况下,在最后一次检测到所述第一目标车辆的静态图像中,将所述第一目标车辆的位置确定为所述消失位置;其中,所述N为正整数。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述目标车辆的消失位置确定第二水平线,包括:
在所述视频图像中,对预设数量的目标车辆的消失位置的纵坐标进行统计,根据统计结果确定所述第二水平线。
4.根据权利要求1所述的方法,其特征在于,利用颜色差异,在视频图像中确定天空区域与非天空区域的分界位置所对应的第一水平线,包括:
获取拍摄所述视频图像的时间;
根据所述时间,确定天空区域的颜色阈值区间;
利用所述颜色阈值区间,在所述视频图像中确定天空区域与非天空区域的分界位置所对应的第一水平线。
5.根据权利要求1所述的方法,其特征在于,所述水平线还包括:
根据历史数据,在所述视频图像中预先确定的天空区域与非天空区域的分界位置所对应的第三水平线。
6.根据权利要求1或5所述的方法,其特征在于,所述根据各所述水平线在视频图像中确定天空区域与非天空区域的分界线,包括:
对所述各水平线的参数进行加权平均计算,根据计算结果确定所述分界线。
7.一种天空区域的识别装置,其特征在于,包括:
水平线确定模块,用于在视频图像中确定水平线,所述水平线包括:利用颜色差异在所述视频图像中确定的天空区域与非天空区域的分界位置所对应的第一水平线;以及,在所述视频图像中获取目标车辆的行驶轨迹,根据所述目标车辆的消失位置确定的第二水平线;
分界线确定模块,用于根据各所述水平线,在视频图像中确定所述天空区域与非天空区域的分界线。
8.根据权利要求7所述的装置,其特征在于,所述水平线确定模块,包括:
目标车辆确定子模块,对于所述视频图像的任意一帧静态图像中的第一目标车辆,用于在所述第一目标车辆与所述任意一帧静态图像之后的其他静态图像中的任意目标车辆的相似度均不满足预设条件的情况下,确定所述其他静态图像未检测到所述第一目标车辆;
消失位置确定子模块,用于在连续N帧图像未检测到所述第一目标车辆的情况下,在最后一次检测到所述第一目标车辆的静态图像中,将所述第一目标车辆的位置确定为所述消失位置;其中,所述N为正整数。
9.根据权利要求7或8所述的装置,其特征在于,所述水平线确定模块,包括:
第二水平线确定子模块,用于在所述视频图像中,对预设数量的目标车辆的消失位置的纵坐标进行统计,根据统计结果确定第二水平线。
10.根据权利要求7所述的装置,其特征在于,所述水平线确定模块,包括:
拍摄时间确定子模块,用于获取拍摄所述视频图像的时间;
颜色阈值区间确定子模块,用于根据所述时间,确定天空区域的颜色阈值区间;
第一水平线确定子模块,用于利用所述颜色阈值区间,在所述视频图像中确定天空区域与非天空区域的分界位置所对应的第一水平线。
11.根据权利要求7所述的装置,其特征在于,所述水平线确定模块,还包括:
第三水平线确定子模块,用于根据历史数据,在所述视频图像中预先确定的天空区域与非天空区域的分界位置所对应的第三水平线。
12.根据权利要求7或11所述的装置,其特征在于,所述分界线确定模块,包括:
分界线确定执行子模块,用于对所述各水平线的参数进行加权平均计算,根据计算结果确定所述分界线。
13.一种电子设备,其特征在于,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权利要求1至6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010185651.8A CN111401248B (zh) | 2020-03-17 | 2020-03-17 | 一种天空区域的识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010185651.8A CN111401248B (zh) | 2020-03-17 | 2020-03-17 | 一种天空区域的识别方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111401248A true CN111401248A (zh) | 2020-07-10 |
CN111401248B CN111401248B (zh) | 2023-08-15 |
Family
ID=71432581
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010185651.8A Active CN111401248B (zh) | 2020-03-17 | 2020-03-17 | 一种天空区域的识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111401248B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883827A (zh) * | 2021-01-28 | 2021-06-01 | 腾讯科技(深圳)有限公司 | 图像中指定目标的识别方法、装置、电子设备和存储介质 |
CN113808073A (zh) * | 2021-08-03 | 2021-12-17 | 北京中科慧眼科技有限公司 | 基于双目立体匹配算法的去天空方法、系统和智能终端 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008080606A1 (de) * | 2006-12-29 | 2008-07-10 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung, verfahren und computerprogramm zum bestimmen einer position basierend auf einem kamerabild |
WO2015189562A1 (en) * | 2014-06-10 | 2015-12-17 | The University Court Of The University Of Edinburgh | Image capture apparatus and method |
CN105303522A (zh) * | 2014-06-30 | 2016-02-03 | 高德软件有限公司 | 一种图像去雾处理方法及装置 |
CN109446917A (zh) * | 2018-09-30 | 2019-03-08 | 长安大学 | 一种基于级联霍夫变换的消失点检测方法 |
CN110688907A (zh) * | 2019-09-04 | 2020-01-14 | 火丁智能照明(广东)有限公司 | 基于夜间道路光源识别物体的方法及装置 |
-
2020
- 2020-03-17 CN CN202010185651.8A patent/CN111401248B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008080606A1 (de) * | 2006-12-29 | 2008-07-10 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung, verfahren und computerprogramm zum bestimmen einer position basierend auf einem kamerabild |
WO2015189562A1 (en) * | 2014-06-10 | 2015-12-17 | The University Court Of The University Of Edinburgh | Image capture apparatus and method |
CN105303522A (zh) * | 2014-06-30 | 2016-02-03 | 高德软件有限公司 | 一种图像去雾处理方法及装置 |
CN109446917A (zh) * | 2018-09-30 | 2019-03-08 | 长安大学 | 一种基于级联霍夫变换的消失点检测方法 |
CN110688907A (zh) * | 2019-09-04 | 2020-01-14 | 火丁智能照明(广东)有限公司 | 基于夜间道路光源识别物体的方法及装置 |
Non-Patent Citations (4)
Title |
---|
LI YONG 等: "Road detection algorithm for Autonomous Navigation Systems based on dark channel prior and vanishing point in complex road scenes" * |
SERGIY FEFILATYEV 等: "Detection of the Vanishing Line of the Ocean Surface from Pairs of Scale-Invariant Keypoints" * |
刘红军 等: "公路场景去雾技术研究" * |
杨益 等: "基于RGB空间的车道线检测与辨识方法" * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883827A (zh) * | 2021-01-28 | 2021-06-01 | 腾讯科技(深圳)有限公司 | 图像中指定目标的识别方法、装置、电子设备和存储介质 |
CN112883827B (zh) * | 2021-01-28 | 2024-03-29 | 腾讯科技(深圳)有限公司 | 图像中指定目标的识别方法、装置、电子设备和存储介质 |
CN113808073A (zh) * | 2021-08-03 | 2021-12-17 | 北京中科慧眼科技有限公司 | 基于双目立体匹配算法的去天空方法、系统和智能终端 |
Also Published As
Publication number | Publication date |
---|---|
CN111401248B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111540023B (zh) | 图像采集设备的监测方法、装置、电子设备及存储介质 | |
CN110929639B (zh) | 用于确定图像中障碍物位置的方法、装置、设备和介质 | |
CN110968718B (zh) | 目标检测模型负样本挖掘方法、装置及电子设备 | |
CN112669344A (zh) | 一种运动物体的定位方法、装置、电子设备及存储介质 | |
CN110910658A (zh) | 交通信号控制方法、装置、计算机设备和存储介质 | |
CN111612820A (zh) | 多目标跟踪方法、特征提取模型的训练方法和装置 | |
CN112507949A (zh) | 目标跟踪方法、装置、路侧设备以及云控平台 | |
CN110659600B (zh) | 物体检测方法、装置及设备 | |
CN110910665A (zh) | 信号灯控制方法、装置以及计算机设备 | |
CN111601013B (zh) | 用于处理视频帧的方法和装置 | |
CN111401248A (zh) | 一种天空区域的识别方法、装置、电子设备及存储介质 | |
CN111652112A (zh) | 一种车道流向的识别方法、装置、电子设备及存储介质 | |
CN111339877B (zh) | 盲区的长度检测方法、装置、电子设备及存储介质 | |
CN112184837A (zh) | 一种图像检测方法、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 | |
CN113255411A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN112257604A (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN111540010A (zh) | 一种道路监测的方法、装置、电子设备及存储介质 | |
CN110798681B (zh) | 成像设备的监测方法、装置和计算机设备 | |
CN111275827A (zh) | 基于边缘的增强现实三维跟踪注册方法、装置和电子设备 | |
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 | |
CN112509058A (zh) | 外参的计算方法、装置、电子设备和存储介质 | |
CN111696134A (zh) | 一种目标检测方法、装置以及电子设备 | |
CN111027195A (zh) | 仿真场景的生成方法、装置及设备 | |
CN112651983B (zh) | 拼接图识别方法、装置、电子设备和存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211018 Address after: 100176 Room 101, 1st floor, building 1, yard 7, Ruihe West 2nd Road, economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |