CN111553255A - 基于梯度算法的高空抛物墙体监测区域定位方法 - Google Patents
基于梯度算法的高空抛物墙体监测区域定位方法 Download PDFInfo
- Publication number
- CN111553255A CN111553255A CN202010336725.3A CN202010336725A CN111553255A CN 111553255 A CN111553255 A CN 111553255A CN 202010336725 A CN202010336725 A CN 202010336725A CN 111553255 A CN111553255 A CN 111553255A
- Authority
- CN
- China
- Prior art keywords
- window
- altitude parabolic
- gray
- frame
- building
- 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 28
- 238000012544 monitoring process Methods 0.000 title claims description 14
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000007717 exclusion Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 7
- 238000012937 correction Methods 0.000 abstract description 5
- 230000004044 response Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于梯度算法的高空抛物墙体检测区域定位方法,通过将摄像头拍摄的视频帧内楼栋的画面进行灰度图梯度处理,从而获取楼栋的框架结构图,根据楼栋的框架结构图,可有效的将窗体区域进行0值填充,从而为高空抛物检测前期排除窗体干扰,减少高空抛物检测的误报率。本发明的基于梯度算法的高空抛物墙体检测区域定位方法将楼栋墙体和楼栋窗体框区域的智能识别,结合人为修正去除,从而排除窗体处的多样化场景的干扰,能够有效降低高空抛物检测误报率。
Description
技术领域
本发明涉及视频检测技术领域,尤其涉及一种可以排除窗体干扰,减少高空抛物检测误报率的基于梯度算法的高空抛物墙体监测区域定位方法。
背景技术
随着人们生活质量的提高和社会技术的进步,越来越多的智能化技术涌进社区生活的方方面面,特别是目前城市化进度的推进,呈现人口密集化,大型化。然而,随着城镇化进度的推进,也将一些问题给凸显出来,比如高空抛物,成为悬在城市上空的炸弹。近期一些高空抛物事件,造成的严重后果,也引起了人们对于高空抛物的重视,越来越多高空抛物技术和应用,应运而生。例如采用图像视频处理的方法和硬件感应设备进行高空抛物预警和智能化视频取证,以及加大力度进行楼栋潜在高空抛物危险品的监查和排除工作。针对在图像智能化高空抛物处理方面,在进行检测时,由于楼栋窗体处,由于场景多样复杂,光线不稳定等客观因素,造成智能检测的误报率很高。
因此,有必要提出一种改进以克服现有技术缺陷。
发明内容
本发明的目的是解决现有技术中的问题,提供一种可以排除窗体干扰,减少高空抛物检测误报率的基于梯度算法的高空抛物墙体监测区域定位方法;通过将楼栋墙体和楼栋窗体框区域的智能识别,结合人为修正去除,从而排除窗体处的多样化场景的干扰,能够有效降低高空抛物检测误报率。
本发明的技术方案是:一种基于梯度算法的高空抛物墙体监测区域定位方法,包括以下步骤:
S1、启动高空抛物视频智能检测,获取视频中第一个视频帧frame,进行窗体排除高空抛物检测预处理;
S2、对该视频帧frame进行灰度处理可得灰度图frame_grey;对灰度图frame_grey采用梯度算法提取出边框,获取图像的边界;
S3、根据图像的边界获取楼栋整体区域和楼栋内部的窗体区域坐标集合set;
S4、在视频内对坐标集合set的框体进行灰色标注;
S5、人工对灰色标注的区域进行确认,进行窗体排除预处理操作;若标注错误,则取消标记;若未标注出窗体,可通过手动进行圈注;
S6、启动高空抛物检测,对后续每一帧进行高空抛物检测前,将圈注的窗体区域内的像素进行0值填充。
作为一种优选的技术方案,所述步骤S3“根据图像的边界获取楼栋整体区域和楼栋内部的窗体区域坐标集合set”的具体步骤为:
S3a、利用灰度图边界检测确定楼栋在视频帧的区域;
S3b、对楼栋整体区域框体进行灰度图处理,在灰度图处理后的楼栋框体内,若为窗体,则灰度图处理后的连续边界为接近矩形形状的类四边形,一旦检测到窗体形状,获得其坐标信息并添加至坐标集合set内。
作为一种优选的技术方案,所述步骤S5内“若标注错误,则取消标记”的具体操作为用鼠标双击对应的灰色窗体。
作为一种优选的技术方案,所述步骤S5内“若未标注出窗体,可通过手动进行圈注”的具体操作为:通过手动画封闭窗体形状的形式进行圈注。
作为一种优选的技术方案,所述步骤S6之后,还包括步骤S7,利用视频智能分析方法进行高空抛物检测流程。
本发明的基于梯度算法的高空抛物墙体检测区域定位方法,通过将摄像头拍摄的视频帧内楼栋的画面进行灰度图梯度处理,从而获取楼栋的框架结构图,根据楼栋的框架结构图,可有效的将窗体区域进行0值填充,从而为高空抛物检测前期排除窗体干扰,减少高空抛物检测的误报率。本发明的基于梯度算法的高空抛物墙体检测区域定位方法将楼栋墙体和楼栋窗体框区域的智能识别,结合人为修正去除,从而排除窗体处的多样化场景的干扰,能够有效降低高空抛物检测误报率。
附图说明
图1为本发明基于梯度算法的高空抛物墙体检测区域定位方法具体实施方式流程框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,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,都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
如图1所示为本发明的一种基于梯度算法的高空抛物墙体监测区域定位方法的流程框图。本发明基于梯度算法的高空抛物墙体监测区域定位方法,包括以下步骤:
S1、启动高空抛物视频智能检测,获取视频中第一个视频帧frame,进行窗体排除高空抛物检测预处理;
S2、对该视频帧frame进行灰度处理可得灰度图frame_grey;对灰度图frame_grey采用梯度算法提取出边框,获取图像的边界;
S3、根据图像的边界获取楼栋整体区域和楼栋内部的窗体区域坐标集合set;
S4、在视频内对坐标集合set的框体进行灰色标注;
S5、人工对灰色标注的区域进行确认,进行窗体排除预处理操作;若标注错误,则取消标记;若未标注出窗体,可通过手动进行圈注;
S6、启动高空抛物检测,对后续每一帧进行高空抛物检测前,将圈注的窗体区域内的像素进行0值填充。
本发明的基于梯度算法的高空抛物墙体监测区域定位方法,通过将楼栋墙体和楼栋窗体框区域的智能识别,结合人为修正去除,从而排除窗体处的多样化场景的干扰,能够有效降低高空抛物检测误报率。
具体的,所述步骤S3“根据图像的边界获取楼栋整体区域和楼栋内部的窗体区域坐标集合set”的具体步骤为:
S3a、利用灰度图边界检测确定楼栋在视频帧的区域;
S3b、对楼栋整体区域框体进行灰度图处理,在灰度图处理后的楼栋框体内,若为窗体,则灰度图处理后的连续边界为接近矩形形状的类四边形,一旦检测到窗体形状,获得其坐标信息并添加至坐标集合set内。
对于步骤S3a,由于在进行摄像头角度和位置选取时,位置比较特殊,因此楼栋在视频帧的区域,利用灰度图边界检测很容易确定。
对于步骤S3b,在灰度图处理后的楼栋框体内,若为窗体,则灰度图处理后的连续边界,必为类四边形(接近矩形形状),则一但检测到该窗体,则将其坐标信息rectangle(i)=[[x1,y1],[x2,y2],[x3,y3],[x4,y4]],则将该窗体信息添加到set中。
为了简化人工操作,提高效率,所述步骤S5内“若标注错误,则取消标记”的具体操作为用鼠标双击对应的灰色窗体。同时,所述步骤S5内“若未标注出窗体,可通过手动进行圈注”的具体操作为:通过手动画封闭窗体形状的形式进行圈注。人工对灰色标注的区域确认完成后,点击确定,窗体排除预处理操作结束。
在实际的高空抛物监测过程中,所述步骤S6之后,还包括步骤S7,利用视频智能分析方法进行高空抛物检测流程。
本发明的基于梯度算法的高空抛物墙体检测区域定位方法,通过将摄像头拍摄的视频帧内楼栋的画面进行灰度图梯度处理,从而获取楼栋的框架结构图,根据楼栋的框架结构图,可有效的将窗体区域进行0值填充,从而为高空抛物检测前期排除窗体干扰,减少高空抛物检测的误报率。本发明的基于梯度算法的高空抛物墙体检测区域定位方法将楼栋墙体和楼栋窗体框区域的智能识别,结合人为修正去除,从而排除窗体处的多样化场景的干扰,能够有效降低高空抛物检测误报率。
综上所述仅为本发明较佳的实施例,并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化及修饰,皆应属于本发明的技术范畴。
Claims (5)
1.基于梯度算法的高空抛物墙体监测区域定位方法,其特征在于:包括以下步骤:
S1、启动高空抛物视频智能检测,获取视频中第一个视频帧frame,进行窗体排除高空抛物检测预处理;
S2、对该视频帧frame进行灰度处理可得灰度图frame_grey;对灰度图frame_grey采用梯度算法提取出边框,获取图像的边界;
S3、根据图像的边界获取楼栋整体区域和楼栋内部的窗体区域坐标集合set;
S4、在视频内对坐标集合set的框体进行灰色标注;
S5、人工对灰色标注的区域进行确认,进行窗体排除预处理操作;若标注错误,则取消标记;若未标注出窗体,可通过手动进行圈注;
S6、启动高空抛物检测,对后续每一帧进行高空抛物检测前,将圈注的窗体区域内的像素进行0值填充。
2.根据权利要求1所述的基于梯度算法的高空抛物墙体监测区域定位方法,其特征在于:所述步骤S3“根据图像的边界获取楼栋整体区域和楼栋内部的窗体区域坐标集合set”的具体步骤为:
S3a、利用灰度图边界检测确定楼栋在视频帧的区域;
S3b、对楼栋整体区域框体进行灰度图处理,在灰度图处理后的楼栋框体内,若为窗体,则灰度图处理后的连续边界为接近矩形形状的类四边形,一旦检测到窗体形状,获得其坐标信息并添加至坐标集合set内。
3.根据权利要求1所述的基于梯度算法的高空抛物墙体监测区域定位方法,其特征在于:所述步骤S5内“若标注错误,则取消标记”的具体操作为用鼠标双击对应的灰色窗体。
4.根据权利要求1所述的基于梯度算法的高空抛物墙体监测区域定位方法,其特征在于:所述步骤S5内“若未标注出窗体,可通过手动进行圈注”的具体操作为:通过手动画封闭窗体形状的形式进行圈注。
5.根据权利要求1所述的基于梯度算法的高空抛物墙体监测区域定位方法,其特征在于:所述步骤S6之后,还包括步骤S7,利用视频智能分析方法进行高空抛物检测流程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010336725.3A CN111553255B (zh) | 2020-04-26 | 2020-04-26 | 基于梯度算法的高空抛物墙体监测区域定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010336725.3A CN111553255B (zh) | 2020-04-26 | 2020-04-26 | 基于梯度算法的高空抛物墙体监测区域定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111553255A true CN111553255A (zh) | 2020-08-18 |
CN111553255B CN111553255B (zh) | 2023-04-07 |
Family
ID=72005871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010336725.3A Active CN111553255B (zh) | 2020-04-26 | 2020-04-26 | 基于梯度算法的高空抛物墙体监测区域定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111553255B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1460835A1 (en) * | 2003-03-19 | 2004-09-22 | Thomson Licensing S.A. | Method for identification of tokens in video sequences |
JP2006145484A (ja) * | 2004-11-24 | 2006-06-08 | Sharp Corp | 外観検査装置、外観検査方法およびコンピュータを外観検査装置として機能させるためのプログラム |
US20060164642A1 (en) * | 2002-06-17 | 2006-07-27 | Pascal Amary | Achromatic spectroscopie ellipsometer with high spatial resolution |
CN101042525A (zh) * | 2006-03-23 | 2007-09-26 | 三星电子株式会社 | 全方向立体摄像机及其控制方法 |
US20180027145A1 (en) * | 2016-07-25 | 2018-01-25 | Iteris, Inc. | Image-based field boundary detection and identification |
WO2018095082A1 (zh) * | 2016-11-28 | 2018-05-31 | 江苏东大金智信息系统有限公司 | 一种视频监测中运动目标的快速检测方法 |
US20190050970A1 (en) * | 2015-09-21 | 2019-02-14 | Agfa Healthcare Nv | Method for reducing image disturbances caused by reconstructed defective pixels in direct radiography |
CN109842787A (zh) * | 2019-01-09 | 2019-06-04 | 武汉海慧技术有限公司 | 一种监测高空抛物的方法及系统 |
CN109872341A (zh) * | 2019-01-14 | 2019-06-11 | 中建三局智能技术有限公司 | 一种基于计算机视觉的高空抛物检测方法与系统 |
CN110275042A (zh) * | 2019-05-07 | 2019-09-24 | 深圳市零壹移动互联系统有限公司 | 一种基于计算机视觉与无线电信号分析的高空抛物检测方法 |
CN110675592A (zh) * | 2019-08-16 | 2020-01-10 | 重庆特斯联智慧科技股份有限公司 | 一种基于目标识别的高空抛物预警防护系统和控制方法 |
CN110853295A (zh) * | 2019-11-12 | 2020-02-28 | 江西赣鄱云新型智慧城市技术研究有限公司 | 一种高空抛物预警方法和装置 |
-
2020
- 2020-04-26 CN CN202010336725.3A patent/CN111553255B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060164642A1 (en) * | 2002-06-17 | 2006-07-27 | Pascal Amary | Achromatic spectroscopie ellipsometer with high spatial resolution |
EP1460835A1 (en) * | 2003-03-19 | 2004-09-22 | Thomson Licensing S.A. | Method for identification of tokens in video sequences |
JP2006145484A (ja) * | 2004-11-24 | 2006-06-08 | Sharp Corp | 外観検査装置、外観検査方法およびコンピュータを外観検査装置として機能させるためのプログラム |
CN101042525A (zh) * | 2006-03-23 | 2007-09-26 | 三星电子株式会社 | 全方向立体摄像机及其控制方法 |
US20190050970A1 (en) * | 2015-09-21 | 2019-02-14 | Agfa Healthcare Nv | Method for reducing image disturbances caused by reconstructed defective pixels in direct radiography |
US20180027145A1 (en) * | 2016-07-25 | 2018-01-25 | Iteris, Inc. | Image-based field boundary detection and identification |
WO2018095082A1 (zh) * | 2016-11-28 | 2018-05-31 | 江苏东大金智信息系统有限公司 | 一种视频监测中运动目标的快速检测方法 |
CN109842787A (zh) * | 2019-01-09 | 2019-06-04 | 武汉海慧技术有限公司 | 一种监测高空抛物的方法及系统 |
CN109872341A (zh) * | 2019-01-14 | 2019-06-11 | 中建三局智能技术有限公司 | 一种基于计算机视觉的高空抛物检测方法与系统 |
CN110275042A (zh) * | 2019-05-07 | 2019-09-24 | 深圳市零壹移动互联系统有限公司 | 一种基于计算机视觉与无线电信号分析的高空抛物检测方法 |
CN110675592A (zh) * | 2019-08-16 | 2020-01-10 | 重庆特斯联智慧科技股份有限公司 | 一种基于目标识别的高空抛物预警防护系统和控制方法 |
CN110853295A (zh) * | 2019-11-12 | 2020-02-28 | 江西赣鄱云新型智慧城市技术研究有限公司 | 一种高空抛物预警方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111553255B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460740B (zh) | 基于ais与视频数据融合的船舶身份识别方法 | |
CN110414559B (zh) | 智能零售柜商品目标检测统一框架的构建方法及商品识别方法 | |
CN103093198B (zh) | 一种人群密度监测方法及装置 | |
CN111414807B (zh) | 一种基于yolo技术的潮水识别与危机预警方法 | |
CN105374049B (zh) | 一种基于稀疏光流法的多角点跟踪方法及装置 | |
CN106778712A (zh) | 一种多目标检测与跟踪方法 | |
JP2015069219A (ja) | 異常潮位変動検知装置、異常潮位変動検知方法、及び異常潮位変動検知プログラム | |
CN109711256B (zh) | 一种低空复杂背景无人机目标检测方法 | |
CN113608663B (zh) | 一种基于深度学习和k-曲率法的指尖跟踪方法 | |
CN109948455A (zh) | 一种遗留物体检测方法及装置 | |
CN111881853A (zh) | 一种超大桥隧中异常行为识别方法和装置 | |
McIvor et al. | The background subtraction problem for video surveillance systems | |
CN108629254B (zh) | 一种运动目标的检测方法及装置 | |
CN112101158A (zh) | 一种基于深度学习和视觉slam的船舶航行辅助系统与方法 | |
CN112232316B (zh) | 人群聚集检测方法、装置、电子设备及存储介质 | |
CN111009008A (zh) | 一种基于自学习策略的机场飞机自动挂标方法 | |
CN115719436A (zh) | 模型训练方法、目标检测方法、装置、设备以及存储介质 | |
CN116434325A (zh) | 一种特定动作的检测方法、装置、设备及存储介质 | |
CN115297306A (zh) | 一种行人随身物品防丢监控方法、装置、设备及存储介质 | |
CN115049954A (zh) | 目标识别方法、装置、电子设备和介质 | |
CN109242882B (zh) | 视觉跟踪方法、装置、介质及设备 | |
CN111553255B (zh) | 基于梯度算法的高空抛物墙体监测区域定位方法 | |
CN107729811B (zh) | 一种基于场景建模的夜间火焰检测方法 | |
CN113705380A (zh) | 雾天的目标检测方法、装置、电子设备以及存储介质 | |
CN113657264A (zh) | 基于暗通道和knn算法融合的森林火灾烟雾根节点检测方法 |
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 |