CN111811399B - 一种检测方法及装置 - Google Patents
一种检测方法及装置 Download PDFInfo
- Publication number
- CN111811399B CN111811399B CN202010596229.1A CN202010596229A CN111811399B CN 111811399 B CN111811399 B CN 111811399B CN 202010596229 A CN202010596229 A CN 202010596229A CN 111811399 B CN111811399 B CN 111811399B
- Authority
- CN
- China
- Prior art keywords
- dog
- image
- person
- determining
- position information
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 130
- 238000000034 method Methods 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 15
- 241000282472 Canis lupus familiaris Species 0.000 description 440
- 238000010586 diagram Methods 0.000 description 19
- 230000008569 process Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010021403 Illusion Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/14—Measuring arrangements characterised by the use of optical techniques for measuring distance or clearance between spaced objects or spaced apertures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/36—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light
- G01P3/38—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light using photographic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Electromagnetism (AREA)
- Power Engineering (AREA)
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种检测方法及装置,用以智能检测狗是否被合理看管,以提高社区居民的安全性。由于本发明可以在确定第一图像中存在狗时,通过目标检测模型确定第一图像中人与狗的距离小于预设的距离阈值,且狗绳被人牵引时,确定该狗被合理看管,否则,确定该狗没有被合理看管,此时控制报警设备报警,从而可以提高社区居民的安全性。
Description
技术领域
本发明涉及检测技术领域,尤其涉及一种检测方法、装置、设备及介质。
背景技术
随着人们生活水平的提高,越来越多的居民喜欢养狗,导致狗伤人的事件日益上升。其中,大量的狗伤人事件,皆因狗没有被合理看管所造成的。
例如,虽然在各个城市的养犬管理条例中都规定“携犬出户时,应当对犬束犬链,由成年人牵领”,但能做到的狗主人却并不多。有调查显示在53起狗伤人事件中,48起都因为狗没有被栓狗绳等没有被合理看管所造成的,由于狗没有被合理看管所造成的狗伤人事件已经占到狗伤人事件的90%。
由此可以看出,狗没有被合理看管的行为已经对社区居民的安全造成一定的影响。
发明内容
本发明实施例提供了一种检测方法、装置、设备及介质,用以智能检测狗是否被合理看管,以提高社区居民的安全性。
第一方面,本发明提供了一种检测方法,所述方法包括:
获取待检测的第一图像;
确定所述第一图像中存在狗时,通过预先训练完成的目标检测模型,若确定所述第一图像中人与狗的距离小于预设的距离阈值,且狗绳被所述人牵引,则确定所述狗被合理看管,否则,控制报警设备报警。
第二方面,本发明提供了一种检测装置,所述装置包括:
获取模块,用于获取待检测的第一图像;
确定模块,用于确定所述第一图像中存在狗时,通过预先训练完成的目标检测模型,若确定所述第一图像中人与狗的距离小于预设的距离阈值,且狗绳被所述人牵引,则确定所述狗被合理看管,否则,控制报警设备报警。
第三方面,本发明提供了一种电子设备,所述电子设备至少包括处理器和存储器,所述处理器用于执行存储器中存储的计算机程序时实现上述任一所述检测方法的步骤。
第四方面,本发明提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述检测方法的步骤。
由于本发明实施例可以在确定第一图像中存在狗时,通过目标检测模型确定第一图像中人与狗的距离小于预设的距离阈值,且狗绳被人牵引时,确定该狗被合理看管,否则,确定该狗没有被合理看管,此时控制报警设备报警,从而可以提高社区居民的安全性。
附图说明
图1为本发明实施例提供的一种检测过程示意图;
图2为本发明实施例提供的一种将目标区域设置在第一图像的中心区域的示意图;
图3为本发明实施例的一种确定人与狗之间的距离的示意图;
图4为本发明实施例提供的判断狗绳的横坐标的大小位于人的横坐标和狗的横坐标之间的示意图;
图5为本发明实施例提供的另一种检测过程示意图;
图6为本发明实施例提供的一种检测装置示意图;
图7为本发明实施例提供的一种电子设备结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅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做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
为了可以智能检测狗是否被合理看管,以提高社区居民的安全性,本发明实施例提供了一种检测方法、装置、设备及介质。
实施例1:
图1为本发明实施例提供的一种检测过程示意图,该过程包括以下步骤:
S101:获取待检测的第一图像。
本发明实施例提供的检测方法应用于电子设备,该电子设备例如可以是图像采集设备、PC、移动终端等设备,也可以是服务器等。
在本发明实施例中,电子设备获取的待检测的第一图像,可以是自身的摄像头采集的,也可以是其他设备采集并发送给该电子设备的。具体的,可以通过网络传输的方式获取其他设备采集的图像。在一种可能的实施方式中,为了减少网络带宽压力,降低电子设备的负载以及消耗,可以以一定的频率抽取自身摄像头采集的或者其他设备采集的视频流中的部分视频帧图像作为待检测的第一图像。具体的频率可以根据需求灵活设置,例如可以根据社区的规模大小进行灵活设置。例如可以是每间隔5帧视频帧图像抽取1帧视频帧图像的频率来获取待检测的第一图像。
另外,为了提高兼容性,电子设备可以获取支持实时流传输协议(Real TimeStreaming Protocol,RTSP)和实时信息传输协议(Real Time Message Protocol,RTMP)的摄像头所采集的图像,以不仅可以兼容当前比较大众的新版本的主流摄像头所采集的图像,同时也可以兼容旧版本的摄像头所采集的图像。
S102:确定所述第一图像中存在狗时,通过预先训练完成的目标检测模型,若确定所述第一图像中人与狗的距离小于预设的距离阈值,且狗绳被所述人牵引,则确定所述狗被合理看管,否则,控制报警设备报警。
在确定第一图像中是否存在狗时,可以通过预先训练完成的目标检测模型或者其他识别方式进行识别,为了提高效率,可以在当确定第一图像中存在狗时,再对该第一图像中存在的狗是否被合理看管进行判断。
在一种可能的实施方式中,确定第一图像中存在狗时,为了确定该狗是否被合理看管,可以进而判断该第一图像中是否存在人。具体的,可以通过预先训练完成的目标检测模型,判断第一图像中是否存在人。目标检测模型可以是You Only Look Once,YOLO目标检测模型,例如可以是YOLO的第3个版本(YOLO V3)目标检测模型。
如果确定第一图像中存在狗,但确定第一图像中不存在人,无论第一图像中是否存在狗绳,都可以确定该狗没有被合理看管,为了提高社区居民的安全性,可以控制报警设备报警。
在一种可能的实施方式中,确定第一图像中存在狗且存在人时,基于《养犬管理条例》中“人牵狗的时候,牵引绳的距离不得超过2米,否则会受到惩罚”的规定,为了准确确定狗是否被合理看管,可以进一步确定第一图像中人与狗之间的距离。
为了确定第一图像中存在的人与狗之间的实际距离,可以预先确定采集该第一图像的图像采集设备所采集的任一图像中,物体在该任一图像中的图像距离与实际距离之间的比例尺。然后可以根据该人与该狗在第一图像中的图像距离、以及该比例尺,从而确定该人与该狗的实际距离。
在本发明实施例中,确定第一图像中存在狗,且存在人,但该人与该狗的距离大于预设的距离阈值,无论第一图像中是否存在狗绳、以及无论狗绳是否被人牵引,都可以确定该狗没有被合理看管,为了提高社区居民的安全性,可以控制报警设备报警。
在本发明实施例中,确定第一图像中存在狗时,为了确定该狗是否被合理看管,可以确定第一图像中是否存在狗绳。具体的,可以通过预先训练完成的目标检测模型确定第一图像中是否存在狗绳。
具体的,确定第一图像中存在狗,但不存在狗绳时,无论第一图像中是否存在人、以及无论人与狗的距离是否小于预设的距离阈值,都可以确定该狗没有被合理看管,为了提高社区居民的安全性,可以控制报警设备报警。
为了准确确定第一图像中的狗是否被合理看管,在确定存在狗绳时,还需要进一步判断该狗绳是否被人牵引,只有确定该狗绳被人牵引时,才认为该狗被合理看管。如果确定该狗绳没有被人牵引,则认为该狗没有被合理看管,为了提高社区居民的安全性,可以控制报警设备报警。
确定狗绳是否被人牵引时,可以通过判断狗绳的一端是不是与狗连接,另一端是不是与人连接,具体的在判断狗绳的一端是否与狗连接时,可以判断狗绳的一端是否位于狗所在的第一目标框内,在判断狗绳的另一端是否与人连接时,可以狗绳的另一端是否位于人所在的第二目标框内,如果均是,则可以确定狗绳被人牵引。如果任一判断结果为否,例如狗绳的一端没有位于狗所在的第一目标框内,和/或狗绳的另一端没有位于人所在的第二目标框内,则可以确定狗绳没有被人牵引。
具体的,确定第一图像中存在狗,但确定第一图像中的狗绳没有被人牵引,无论第一图像中狗与人的距离是否小于预设的距离阈值,都可以确定该狗没有被合理看管,为了提高社区居民的安全性,可以控制报警设备报警。
由于本发明实施例可以在确定第一图像中存在狗时,通过目标检测模型确定第一图像中存在人以及狗绳、人与狗的距离小于预设的距离阈值,且狗绳被人牵引时,确定该狗被合理看管,否则,确定该狗没有被合理看管,则控制报警设备报警,从而可以提高社区居民的安全性。
实施例2:
为了准确确定第一图像中存在的狗是否被合理看管,在上述实施例的基础上,在本发明实施例中,所述确定所述第一图像中存在狗之后,通过预先训练完成的目标检测模型,确定所述第一图像中人与狗的距离是否小于预设的距离阈值,且狗绳是否被所述人牵引之前,所述方法还包括:
获取所述第一图像中所述狗所在的第一位置信息;
判断所述狗所在的第一位置信息是否在预设的目标区域内,若是,则进行后续的步骤。
在本发明实施例中,为了准确确定第一图像中存在的狗是否被合理看管,在确定第一图像中存在狗之后,还可以获取第一图像中该狗所在的第一位置信息,具体的,可以通过预先训练完成的目标检测模型或者其他获取位置信息方式进行获取。
在确定第一图像中存在狗时,为了防止狗出现在第一图像的边缘区域时,由于摄像头的拍摄视角等原因而导致该第一图像中没有拍摄到人或者狗绳等,从而无法准确的判断出该狗是否被合理看管。在本发明实施例中,为了准确确定第一图像中的狗是否被合理看管,防止误检测,在确定第一图像中存在狗之后,还可以获取第一图像中该狗所在的第一位置信息,具体的,可以通过预先训练完成的目标检测模型或者其他获取位置信息方式进行获取。
同时,可以预设有目标区域,当判断狗所在的第一位置信息在预设的目标区域时,可以进行后续确定第一图像中存在狗的步骤。当判断狗所在的第一位置不在预设的目标区域时,可以不对该第一图像中存在的狗是否被合理看管进行确定。
本发明实施例对预设的目标区域的位置不做具体限定,可以根据需求灵活设置。一般情况下,因为如果狗出现在第一图像的边缘区域时,可能无法准确的判断出该狗是否被合理看管,因此该目标区域可以设置为第一图像的中心区域。目标区域可以是圆形区域,也可以是矩形区域。图2为本发明实施例提供的一种将目标区域设置在第一图像的中心区域的示意图,如图2所示,目标区域可以是以第一图像的中心点为圆心,设定半径的一个圆形区域。
在一种可能的实施方式中,为了准确的判断狗是否被合理看管,可以在第一图像中狗所在区域的第一目标框均位于该目标区域时,可以认为狗所在的第一位置信息在预设的目标区域内,可以进行后续确定第一图像中存在狗的步骤。否则,如果第一图像中狗所在区域的第一目标框全部或者部分没有位于该目标区域,可以认为狗所在的第一位置信息不在预设的目标区域内,可以不对该第一图像中存在的狗是否被合理看管进行确定。
可以理解的,目标检测模型保存有置信度阈值,目标检测模型输出的识别结果为置信度不小于该置信度阈值的识别结果,其中,识别结果的置信度越高,目标检测模型对该识别结果的可信度和准确率也越高。
实施例3:
为了提高检测的准确性,在上述各实施例的基础上,在本发明实施例中,若确定所述第一图像中不存在人,控制报警设备报警之前,所述方法还包括:
获取所述第一图像之后的第一设定时长内的第二图像;
通过预先训练完成的所述目标检测模型,判断所述第二图像中是否存在人;
若所述第二图像中不存在人,则进行后续控制报警设备报警的步骤。
当确定第一图像中不存在人时,可能是由于社区内的树木、建筑物等障碍物遮挡等原因导致在第一图像中没有检测到人,为了提高检测的准确性,防止因为误检测而造成不必要的报警,可以再获取第一图像之后的第一设定时长内的第二图像,判断第二图像中是否存在人。
具体的,第一设定时长可以根据需求灵活设置,例如第一设定时长可以是3分钟、5分钟、10分钟等。第二图像可以是一张也可以是多张,可以根据需求灵活设置。
当通过预先训练完成的目标检测模型,判断第二图像中均不存在人时,则可以将第一图像中的狗确定为没有被合理看管,可以控制报警设备报警。
相反,如果判断第一图像之后的第一设定时长内的任一第二图像中存在人时,说明第一图像中应该也存在人,只是可能被障碍物遮挡等导致没有识别到,此时可以结合上述实施例中其他判断条件,对第一图像中的狗是否被合理看管进一步进行确定。
本发明实施例对具体控制报警设备报警的报警方式不做限定,可以根据需求灵活设置。例如报警方式可以是控制报警设备发出声光报警信息等,报警设备可以是社区视频监控管理平台、也可以是第一图像的图像采集设备对应的报警设备等。
具体的,在控制社区视频监控管理平台发生声光报警信息等时,可以是电子设备将报警信息推送到预先建立连接的社区视频监控管理平台,以使社区视频监控管理平台对应的监控屏幕发出设定的光或不断闪烁、或者使社区视频监控管理平台对应的音响发出报警声音等通知社区管理人员。社区管理人员通过报警信息获知社区内有狗没有被合理看管后,可以采用语音广播的方式提示社区居民、或者给没被合理看管的狗的主人打电话告知、或者在确认该没被合理看管的狗很可能会伤人的情况下,启动主动防护措施,例如采用喷水、或者远程控制狗身上的控狗器等控制介质使狗感到疼痛等,从而有效减少狗伤人事件的发生。
另外,控制报警设备报警,还可以是给预设的手机号、微信等对应的终端发送报警信息。预设的手机号、微信等可以是社区管理人员、养狗人士、老人小孩等怕狗人士对应的。
在控制第一图像的图像采集设备对应的报警设备发出声光报警信息等时,该报警设备可以与第一图像的图像采集设备处于社区内同一位置,报警设备可以以发出报警声音或者发出设定的光等方式,告知社区居民该报警设备附近有狗没有被合理看管。
实施例4:
为了提高检测的准确性,在上述各实施例的基础上,在本发明实施例中,若确定所述第一图像中不存在狗绳,控制报警设备报警之前,所述方法还包括:
获取所述第一图像之后的第二设定时长内的第三图像;
通过预先训练完成的所述目标检测模型,判断所述第三图像中是否存在狗绳;
若所述第三图像中不存在狗绳,则进行后续控制报警设备报警的步骤。
当确定第一图像中不存在狗绳时,可能是由于社区内的树木、建筑物等障碍物遮挡等原因导致在第一图像中没有检测到狗绳,为了提高检测的准确性,防止因为误检测而造成不必要的报警,可以再获取第一图像之后的第二设定时长内的第三图像,判断第三图像中是否存在狗绳。
具体的,第二设定时长可以根据需求灵活设置,例如第二设定时长可以是1分钟、5分钟、10分钟等。第一设定时长与第二设定时长可以相同,也可以不同。第三图像可以是一张也可以是多张,可以根据需求灵活设置,示例性的,第三图像可以是第一图像之后连续的5帧视频帧图像。
当通过预先训练完成的目标检测模型,判断第三图像中均不存在狗绳时,则可以将第一图像中的狗确定为没有被合理看管,可以控制报警设备报警。
相反,如果判断第一图像之后的第二设定时长内的任一第三图像中存在狗绳时,说明第一图像中应该也存在狗绳,只是可能被障碍物遮挡等导致没有识别到,此时可以结合上述实施例中其他判断条件,对第一图像中的狗是否被合理看管进一步进行确定。
实施例5:
为了准确确定第一图像中人与狗的距离是否小于预设的距离阈值,在上述各实施例的基础上,在本发明实施例中,确定所述第一图像中存在狗时,通过预先训练完成的目标检测模型,确定所述第一图像中存在人,且所述人与所述狗的距离小于预设的距离阈值包括:
通过预先训练完成的所述目标检测模型,确定所述第一图像中存在狗及所述狗所在的第一位置信息、以及确定所述第一图像中存在人以及所述人所在的第二位置信息;
根据所述第一位置信息和所述第二位置信息,判断所述狗与所述人之间的第一距离是否小于预设的距离阈值;若是,则确定所述人与所述狗的距离小于预设的距离阈值。
在本发明实施例中,为了确定第一图像中是否存在狗及存在人,可以通过预先训练完成的目标检测模型,进行判断,如果得到第一图像中存在狗以及该狗在第一图像中所在的第一位置信息,和第一图像中存在人以及该人在第一图像中的第二位置信息,则确定存在狗并存在人。
在一种可能的实施方式中,狗所在的第一位置信息包括狗所在的第一目标框的左上角像素点在第一图像中的第一坐标位置。人所在的第二位置信息包括人所在的第二目标框的左上角像素点在第一图像中的第二坐标位置。
在本发明实施例中,可以根据狗所在的第一位置信息和人所在的第二位置信息,确定狗与人之间的距离。示例性的,第一坐标位置可以用(xdog,ydog)表示,其中xdog为狗的第一目标框的左上角像素点在第一图像中的横坐标,ydog为狗的第一目标框的左上角像素点在第一图像中的纵坐标。第二坐标位置可以用(xperson,yperson)表示,其中xperson为人的第二目标框的左上角像素点在第一图像中的横坐标,yperson为人的第二目标框的左上角像素点在第一图像中的纵坐标。则该人与该狗之间的距离可以采用欧式距离进行计算,即该人与该狗之间的距离可以为:
根据该第一坐标位置和第二坐标位置,确定的狗与人之间的距离也为用像素点表示的距离。则预设的距离阈值可以根据第一图像的像素点与实际距离的非线性比例的对应关系,将实际距离的距离阈值换算为对应的像素点距离阈值。
示例性的,如果采集第一图像的摄像头安装高度为6m,镜头焦距为8mm,最远检测距离为15m,最大检测宽度为14m,采集的第一图像的分辨率大小为1080P,即1920*1080,在横轴上共有1920个像素点,在纵轴上共有1080个像素点,则根据第一图像的像素点与实际距离的非线性比例的对应关系,可以认为该第一图像的1个像素点大约平均为实际距离的2cm,如果实际距离的距离阈值为2m,则可以将像素点距离阈值设置为100个像素点。
如果计算得到狗与人之间的距离超过预设的距离阈值,则可以确定该狗没有被合理看管,可以控制报警设备报警。
相反,如果计算得到的狗与人之间的距离小于预设的距离阈值,则可以结合上述实施例中其他判断条件,对第一图像中的狗是否被合理看管进一步进行确定。
值得说明的是,当第一图像中存在多个人时,在本发明实施例中所指的狗与人之间的距离是指与狗距离最近的那个人与狗之间的距离。图3为本发明实施例的一种确定人与狗之间的距离的示意图,如图3所示,当第一图像中存在多个人时,可以分别计算每个人与该狗之间的距离,确定其中距离最小的最小距离,并该最小距离是否小于设定的距离阈值,若是,则确定该狗与最小距离对应的人的距离小于预设的距离阈值,若否,则确定该狗没有被合理看管,可以控制报警设备报警。
同理,当第一图像中存在多个狗时,可以分别计算每个狗与每个人之间的距离,针对第一图像中的每个狗,分别确定每个狗与第一图像中存在的每个人之间的距离,判断其中的最小距离是否小于设定的距离阈值,若是,则确定该最小距离对应的人与狗之间的距离小于预设的距离阈值,若否,则确定该狗没有被合理看管。为了提高社区居民的安全性,确定第一图像中的任一狗没有被合理看管,均可以控制报警设备报警。
下面通过一个具体实施例对本发明实施例提供的确定第一图像中存在的人和狗之间的距离的过程进行说明。
具体的,第一图像中狗所在的第一位置信息包括狗的第一目标框的左上角像素点在第一图像中的第一坐标位置,为方便管理,将第一图像中狗所在的第一位置信息保存在Dog文件夹中。如果第一图像中存在多个狗,则可以将第一图像中每个狗对应的第一位置信息分别保存在Dog文件夹中,为了可以对每个狗的第一位置信息进行区分,可以为每个狗的第一位置信息设置对应的第一位置标识,示例性的,例如第一图像中有n个狗,则Dog文件夹中的第一位置标识可以是dog 1,dog 2,……,dog n等。
第一图像中人所在的第二位置信息包括人的第二目标框的左上角像素点在第一图像中的第二坐标位置,可以将人所在的第二位置信息保存在Person文件夹中。如果第一图像中存在多个人,则可以将第一图像中每个人对应的第二位置信息分别保存在Person文件夹中。为了可以对每个人的第二位置信息进行区分,可以为每个人的第二位置信息设置对应的第二位置标识,示例性的,例如第二图像中有m个人,则Person文件夹中的第二位置标识可以是person 1,person 2,……,person m等。
确定第一图像中存在的人和狗的距离时,可以是确定第一图像中每个狗与每个人之间的距离。也就是说,可以分别确定dog 1对应的第一位置信息与每个第二位置信息之间距离,即分别确定dog 1与person 1、dog 1与person 2、……、dog 1与person m之间的距离,将确定的每个距离均保存在persong_dog文件夹中。然后将得到的m个距离进行排序,从而确定其中距离最小的那个最小距离,即min(person_dog)。判断该最小距离是否小于预设的距离阈值,以dog 1与person 1的距离最小进行举例说明,如果该dog 1与person 1之间的距离小于预设的距离阈值,则确定dog 1对应的狗与person 1对应的人的距离小于距离阈值,可以结合上述实施例中其他判断条件,对该dog 1对应的狗是否被合理看管进一步进行确定。如果dog 1对应的狗与person 1对应的人的距离不小于距离阈值,则确定dog 1对应的狗没有被合理看管,为了提高社区居民的安全性,可以控制报警设备报警。
同理,可以用与dog 1相同的方式分别确定dog 2、……dog n对应的每个狗是否被合理看管,在此不再赘述。
实施例6:
为了准确确定狗绳是否被人牵引,在上述各实施例的基础上,在本发明实施例中,通过预先训练完成的目标检测模型,确定所述第一图像中存在狗绳,所述狗绳被所述人牵引包括:
通过预先训练完成的目标检测模型,确定所述第一图像中存在狗绳及所述狗绳所在的第三位置信息;
基于所述第一位置信息、所述第二位置信息以及所述第三位置信息,判断所述狗绳的第三位置信息是否位于所述狗和所述人之间,若是,则确定所述狗绳被所述人牵引。
狗绳大多是比较细长的物体,且生活中可以用很多细长物体来作为狗绳,为了减少将第一图像中其他物体误确定为狗绳的概率,例如将第一图像中出现的树上的细长的树枝、背包上细长的背包带等误确定为狗绳,且为了可以准确确定第一图像中的狗是否被合理看管,在本发明实施例中,在确定第一图像中存在狗绳时,再判断该狗绳是否被人牵引,只有确定该狗绳被人牵引,才认为该狗被合理看管。如果确定该狗绳没有被人牵引,则认为该狗没有被合理看管,为了提高社区居民的安全性,可以控制报警设备报警。
为了准确确定狗绳是否被人牵引,通过预先训练完成的目标检测模型确定第一图像中存在狗绳时,可以同时确定该狗绳在第一图像中的第三位置信息。示例性的,第三位置信息可以包括该狗绳所在的第三目标框的左上角像素点在第一图像中的第三坐标。
基于第一位置信息、第二位置信息和第三位置信息,判断狗绳的第三位置信息是否位于狗与人之间的方式可以根据需求灵活设置。为方便理解,仍以上述实施例进行举例说明。第三坐标可以用(xrope,yrope)表示,其中xrope为狗绳所在的第三目标框的左上角像素点在第一图像中的横坐标,yrope为狗绳所在的第三目标框的左上角像素点在第一图像中的纵坐标。
在确定狗绳是否被人牵引时,可以通过比较狗所在的第一目标框的左上角像素点在第一图像中的横坐标、人所在的第二目标框的左上角像素点在第一图像中的横坐标、以及狗绳所在的第三目标框的左上角像素点在第一图像中的横坐标的大小,来判断狗绳的第三位置是否位于狗和人之间。具体的,可以在狗绳的横坐标的大小位于人的横坐标和狗的横坐标之间时,可以确定该狗绳很大概率是被人牵引,可以结合上述实施例中其他判断条件,对该狗是否被合理看管进一步进行确定,否则,如果狗绳的横坐标的大小没有位于人的横坐标和狗的横坐标之间时,则认为该狗绳没有被人牵引,可以确定该狗没有被合理看管,为了提高社区居民的安全性,可以控制报警设备报警。
图4为本发明实施例提供的判断狗绳的横坐标的大小位于人的横坐标和狗的横坐标之间的示意图,如图4所示,当狗绳的横坐标的大小位于人的横坐标和狗的横坐标之间时,即xdog≤xrope≤xperson,或者xdog≥xrope≥xperson时,可以确定该狗绳很大概率是被人牵引,可以结合上述实施例中其他判断条件,对该狗是否被合理看管进一步进行确定。否则,如果狗绳的横坐标的大小没有位于人的横坐标和狗的横坐标之间时,即xrope≥xdog且xrope≥xperson,或者,xrope≤xdog且xrope≤xperson,则认为狗绳没有被人牵引,可以确定该狗没有被合理看管,为了提高社区居民的安全性,可以控制报警设备报警。
另外,在确定狗绳是否被人牵引时,也可以通过比较狗的第一目标框的左上角像素点在第一图像中的纵坐标、人的第二目标框的左上角像素点在第一图像中的纵坐标、以及狗绳的第三目标框的左上角像素点在第一图像中的纵坐标的大小,来判断狗绳的第三位置是否位于狗和人之间。具体的,可以在狗绳的纵坐标的大小位于人的纵坐标和狗的纵坐标之间时,可以确定该狗绳很大概率是被人牵引,可以结合上述实施例中其他判断条件,对该狗是否被合理看管进一步进行确定,否则,如果狗绳的纵坐标的大小没有位于人的纵坐标和狗的纵坐标之间时,则认为该狗绳没有被人牵引,可以确定该狗没有被合理看管,为了提高社区居民的安全性,可以控制报警设备报警。
具体的,当ydog≤yrope≤yperson,或者ydog≥yrope≥yperson时,可以认为狗绳的纵坐标的大小位于人的纵坐标和狗的纵坐标之间。否则,当yrope≥ydog且yrope≥yperson,或者,yrope≤ydog且yrope≤yperson时,可以认为狗绳的纵坐标的大小没有位于人的纵坐标和狗的纵坐标之间。
值得说明的是,当第一图像中存在多个人时,在本发明实施例中所指的判断狗绳的第三位置是否位于狗与人之间,是指狗绳的第三位置是否位于狗与距离狗最近的那个人之间。如何判断距离狗最近的那个人与上述实施例相同,在此不再赘述。
实施例7:
为了准确确定第一图像中的狗是否被合理看管,在上述各实施例的基础上,在本发明实施例中,确定所述狗被合理看管之前,所述方法还包括:
获取所述第一图像之后的第三设定时长内的第四图像;
确定所述第四图像与所述第一图像中所述狗、所述狗绳、所述人的位置偏移量,并分别确定所述狗的第一移动速度、所述狗绳的第二移动速度、及所述人的第三移动速度;
判断所述第二移动速度是否位于所述第一移动速度和所述第三移动速度之间,若是,则进行后续确定所述狗被合理看管的步骤。
另外,为了准确确定该狗是否被合理看管,在上述各实施例的基础上,在本发明实施例中,所述方法还包括:
若所述第二移动速度不位于所述第一移动速度和所述第三移动速度之间,则控制所述报警设备报警。
在一种可能的实施方式中,虽然目标检测模型确定第一图像中存在狗绳,且确定狗绳的第三位置位于人与狗之间,但可能只是该人与该狗之间的地面上恰好有绳子,造成了视觉错觉,实际上该绳子并不是被牵引的狗绳。基于此,为了准确确定狗是否被合理看管,在本发明实施例中,还可以获取第一图像之后的第三设定时长内的第四图像。其中第三设定时长的具体时长可以根据需求灵活设置。
可以理解的,第四图像与第一图像中的狗、人以及狗绳分别为同一个狗、人以及狗绳。与第一图像相同,可以通过目标检测模型,确定第四图像中该狗所在的第四位置信息、该人所在的第五位置信息、以及该狗绳所在的第六位置信息。从而可以根据第四图像中该狗的第四位置信息和第一图像中该狗的第一位置信息,确定该狗的第一位置偏移量。同样的,可以根据第四图像中该人的第五位置信息和第一图像中该人的第二位置信息,确定该人的第二位置偏移量。可以根据第四图像中该狗绳的第六位置信息和第一图像中该狗绳的第三位置信息,确定该狗绳的第三位置偏移量。
图像采集设备采集第一图像和第四图像的采集时间是可以获知的,所以第四图像与第一图像的时间差是可以确定的,具体的,可以根据第四图像的第二采集时间与第一图像的第一采集时间的差值来确定该时间差。
则可以根据第一位置偏移量与该时间差的商,来确定该狗的第一移动速度。同样的,可以根据第二位置偏移量与该时间差的商,来确定该人的第三移动速度。可以根据第三位置偏移量与该时间差的商,来确定该狗绳的第二移动速度。
为了准确确定该狗是否被合理看管,可以比较狗绳的第二移动速度vrope是否位于狗的第一移动速度vdog和人的第三移动速度vperson之间。具体的,如果狗绳的第二移动速度位于狗的第一移动速度和人的第三移动速度之间,即vdog≤vrope≤vperson,或者vdog≥vrope≥vperson时,则该狗绳可以认为随着人以及狗的移动而移动,即该狗绳很大概率就是该人牵引该狗的狗绳,可以结合上述实施例中其他判断条件,对该狗是否被合理看管进一步进行确定。
否则,如果狗绳的第二移动速度不位于狗的第一移动速度和人的第三移动速度之间,即vrope≥vdog且vrope≥vperson,或者,vrope≤vdog且vrope≤vperson,则该狗绳很大概率不是该人牵引该狗的狗绳,则可以确定该狗没有被合理看管,可以确定该狗没有被合理看管,为了提高社区居民的安全性,可以控制报警设备报警。
下面通过一个具体实施例对本发明实施例提供的检测过程进行详细说明,图5为本发明实施例提供的另一种检测过程示意图,如图5所示:
S501:电子设备通过自身的摄像头采集视频流。
S502:以一定的频率抽取视频流中的部分视频帧图像作为待检测的第一图像。
针对待检测的每张第一图像都进行后续操作:
S503:通过预先训练完成的目标检测模型,判断第一图像中是否存在狗,若否,则进行S504,若是,则进行S505。
S504:不对第一图像进行响应。
S505:确定第一图像中是否存在人,若否,则进行S506,若是,则进行S507。
S506:控制报警设备报警。
S507:确定人与狗的距离是否小于预设的距离阈值,若否,则进行S506,若是,则进行S508。
S508:确定第一图像中是否存在狗绳,若否,则进行S506,若是,进行S509。
S509:确定狗绳的第三位置是否位于人与狗之间,若否,则进行S506,若是,则进行S510。
S510:获取第一图像之后的第三设定时长内的第四图像;确定第四图像与第一图像中该狗、该人、该狗绳的位置偏移量,并分别确定该狗的第一移动速度、该人的第三移动速度、及该狗绳的第二移动速度。判断第二移动速度是否位于第一移动速度和第三移动速度之间,若否,则进行S506,若是,则进行S511。
S511:确定该狗被合理看管,不做响应。
实施例8:
为了准确确定狗是否被合理看管,在上述各实施例的基础上,在本发明实施例中,训练所述目标检测模型的过程包括:
获取样本集中任一包含有目标物体的样本图像,所述样本图像对应有样本类别标签、以及所述样本类别标签对应的目标物体在所述样本图像中的样本位置信息;其中所述样本类别标签用于标识所述样本图像中包含的目标物体的类别;
通过原始目标检测模型,确定所述样本图像中包含的目标物体的识别类别标签以及对应的识别位置信息;
根据所述样本类别标签和所述识别类别标签,以及所述样本位置信息和所述识别位置信息,对原始目标检测模型进行训练,得到训练完成的目标检测模型。
为了准确确定狗是否被合理看管,在本发明实施例中,可以通过预先训练完成的目标检测模型,确定第一图像中是否存在狗、是否存在人、是否存在狗绳,以及在确定第一图像中存在狗、存在人、存在狗绳时,可以输出第一图像中的狗所在的第一位置信息、人所在的第二位置信息、以及狗绳所在的第三位置信息。
在一种可能的实施方式中,可以分别通过不同的目标检测模型,分别确定第一图像中是否存在目标物体狗、或者是否存在目标物体人、或者是否存在目标物体狗绳。也可以通过一个同一个目标检测模型,同时确定第一图像中是否存在目标物体狗、人、以及狗绳。无论哪种方式的目标检测模型的训练过程都可以采用本发明实施例提供的训练过程。
下面以通过同一个目标检测模型,同时确定第一图像中是否存在目标物体狗、人、以及狗绳对应的目标检测模型的训练过程进行举例说明。
为了可以准确确定狗是否被合理看管,在本发明实施例中,样本集中包含多个样本图像,每个包含有目标物体的样本图像都对应有该目标物体对应的样本类别标签,该样本类别标签用于标识该样本图像中包含的目标物体的类别,例如当目标物体包含狗时,该样本图像对应有包含狗的样本类别标签,当目标物体包含人时,该样本图像对应有包含人的样本类别标签,当目标物体包含狗绳时,该样本图像对应有包含狗绳的样本类别标签。
为了可以获取目标物体的位置信息,样本图像还对应有每个样本类别标签对应的目标物体在该样本图像中的样本位置信息。样本位置信息可以包括该目标物体的目标框的左上角像素点在第一图像中的坐标位置,还可以包括该目标框的长度、宽度等信息。
在对原始目标检测模型进行训练时,可以获取样本集中任一包含有目标物体的样本图像,该样本图像对应有样本类别标签、以及该样本类别标签对应的目标物体在该样本图像中的样本位置信息。将该获取到的任一样本图像输入原始目标检测模型,通过原始目标检测模型,获取该样本图像对应的目标物体的识别类别标签,以及对应的识别位置信息。
具体实施中,确定了输入的样本图像的识别类别标签和对应的识别位置信息后,因为预先保存了该样本图像的样本类别标签、以及该样本类别标签对应的目标物体在样本图像中的样本位置信息,因此可以根据样本类别标签与识别类别标签是否一致,以及样本位置信息与识别位置信息是否一致,确定该目标检测模型的识别结果是否准确。具体实施中,若不一致,说明该目标检测模型的识别结果不准确,则需要对该目标检测模型的参数进行调整,从而对目标检测模型进行训练。
具体实施中,对目标检测模型中的参数进行调整时,可以采用梯度下降算法,对目标检测模型的参数的梯度进行反向传播,从而对目标检测模型进行训练。
在一种可能的实施方式中,可以对样本集中的每个样本图像都进行上述操作,当满足预设的收敛条件时,确定该目标检测模型训练完成。
其中,满足预设的收敛条件可以为样本集中的样本图像通过该原始目标检测模型,被正确识别的样本图像的个数大于设定数量,或对目标检测模型进行训练的迭代次数达到设置的最大迭代次数等。具体实施中可以灵活进行设置,在此不做具体限定。
在一种可能的实施方式中,在进行原始目标检测模型训练时,可以把样本集中的样本图像分为训练样本图像和测试样本图像,先基于训练样本图像对原始目标检测模型进行训练,再基于测试样本图像对上述已训练的目标检测模型的可靠程度进行验证。
实施例9:
图6为本发明实施例提供的一种检测装置示意图,如图6所示,在上述各实施例的基础上,本发明实施例提供的一种检测装置,所述装置包括:
获取模块61,用于获取待检测的第一图像;
确定模块62,用于确定所述第一图像中存在狗时,通过预先训练完成的目标检测模型,若确定所述第一图像中人与狗的距离小于预设的距离阈值,且狗绳被所述人牵引,则确定所述狗被合理看管,否则,控制报警设备报警。
在一种可能的实施方式中,所述确定模块62,还用于确定所述第一图像中存在狗之后,通过预先训练完成的目标检测模型,确定所述第一图像中人与狗的距离是否小于预设的距离阈值,且狗绳是否被所述人牵引之前,获取所述第一图像中所述狗所在的第一位置信息;判断所述狗所在的第一位置信息是否在预设的目标区域内,若是,则进行后续的步骤。
在一种可能的实施方式中,所述确定模块62,还用于若确定所述第一图像中不存在人,控制报警设备报警之前,获取所述第一图像之后的第一设定时长内的第二图像;通过预先训练完成的所述目标检测模型,判断所述第二图像中是否存在人;若所述第二图像中不存在人,则进行后续控制报警设备报警的步骤。
在一种可能的实施方式中,所述确定模块62,还用于若确定所述第一图像中不存在狗绳,控制报警设备报警之前,获取所述第一图像之后的第二设定时长内的第三图像;通过预先训练完成的所述目标检测模型,判断所述第三图像中是否存在狗绳;若所述第三图像中不存在狗绳,则进行后续控制报警设备报警的步骤。
在一种可能的实施方式中,所述确定模块62,具体用于通过预先训练完成的所述目标检测模型,确定所述第一图像中存在狗及所述狗所在的第一位置信息、以及确定所述第一图像中存在人以及所述人所在的第二位置信息;根据所述第一位置信息和所述第二位置信息,判断所述狗与所述人之间的距离是否小于预设的距离阈值;若是,则确定所述第一图像中人与狗的距离小于预设的距离阈值。
在一种可能的实施方式中,所述确定模块62,具体用于通过预先训练完成的目标检测模型,确定所述第一图像中存在狗绳及所述狗绳所在的第三位置信息;基于所述第一位置信息、所述第二位置信息以及所述第三位置信息,判断所述狗绳的第三位置信息是否位于所述狗和所述人之间,若是,则确定所述狗绳被所述人牵引。
在一种可能的实施方式中,所述确定模块62,还用于确定所述狗被合理看管之前,获取所述第一图像之后的第三设定时长内的第四图像;确定所述第四图像与所述第一图像中所述狗、所述人、所述狗绳的位置偏移量,并分别确定所述狗的第一移动速度、所述人的第三移动速度、及所述狗绳的第二移动速度;判断所述第二移动速度是否位于所述第一移动速度和所述第三移动速度之间,若是,则进行后续确定所述狗被合理看管的步骤。
在一种可能的实施方式中,所述装置还包括:
控制模块,用于若所述第二移动速度不位于所述第一移动速度和所述第三移动速度之间,则控制所述报警设备报警。
在一种可能的实施方式中,训练所述目标检测模型的过程包括:
获取样本集中任一包含有目标物体的样本图像,所述样本图像对应有样本类别标签、以及所述样本类别标签对应的目标物体在所述样本图像中的样本位置信息;其中所述样本类别标签用于标识所述样本图像中包含的目标物体的类别;
通过原始目标检测模型,确定所述样本图像中包含的目标物体的识别类别标签以及对应的识别位置信息;
根据所述样本类别标签和所述识别类别标签,以及所述样本位置信息和所述识别位置信息,对原始目标检测模型进行训练,得到训练完成的目标检测模型。
由于本发明实施例可以在确定第一图像中存在狗时,通过目标检测模型确定第一图像中人与狗的距离小于预设的距离阈值,且狗绳被人牵引时,确定该狗被合理看管,否则,确定该狗没有被合理看管,此时控制报警设备报警,从而可以提高社区居民的安全性。
实施例10:
图7为本发明实施例提供的一种电子设备结构示意图,在上述各实施例的基础上,本发明实施例还提供了一种电子设备,如图7所示,包括:处理器71、通信接口72、存储器73和通信总线74,其中,处理器71,通信接口72,存储器73通过通信总线74完成相互间的通信;
所述存储器73中存储有计算机程序,当所述程序被所述处理器71执行时,使得所述处理器71执行如下步骤:
获取待检测的第一图像;
确定所述第一图像中存在狗时,通过预先训练完成的目标检测模型,若确定所述第一图像中人与狗的距离小于预设的距离阈值,且狗绳被所述人牵引,则确定所述狗被合理看管,否则,控制报警设备报警。
在一种可能的实施方式中,处理器71,还用于所述确定所述第一图像中存在狗之后,通过预先训练完成的目标检测模型,确定所述第一图像中人与狗的距离是否小于预设的距离阈值,且狗绳是否被所述人牵引之前,获取所述第一图像中所述狗所在的第一位置信息;
判断所述狗所在的第一位置信息是否在预设的目标区域内,若是,则进行后续的步骤。
在一种可能的实施方式中,处理器71,还用于若确定所述第一图像中不存在人,控制报警设备报警之前,获取所述第一图像之后的第一设定时长内的第二图像;
通过预先训练完成的所述目标检测模型,判断所述第二图像中是否存在人;
若所述第二图像中不存在人,则进行后续控制报警设备报警的步骤。
在一种可能的实施方式中,处理器71,还用于若确定所述第一图像中不存在狗绳,控制报警设备报警之前,获取所述第一图像之后的第二设定时长内的第三图像;
通过预先训练完成的所述目标检测模型,判断所述第三图像中是否存在狗绳;
若所述第三图像中不存在狗绳,则进行后续控制报警设备报警的步骤。
在一种可能的实施方式中,处理器71,具体用于通过预先训练完成的所述目标检测模型,确定所述第一图像中存在狗及所述狗所在的第一位置信息、以及确定所述第一图像中存在人以及所述人所在的第二位置信息;
根据所述第一位置信息和所述第二位置信息,判断所述狗与所述人之间的距离是否小于预设的距离阈值;若是,则确定所述第一图像中人与狗的距离小于预设的距离阈值。
在一种可能的实施方式中,处理器71,具体用于通过预先训练完成的目标检测模型,确定所述第一图像中存在狗绳及所述狗绳所在的第三位置信息;
基于所述第一位置信息、所述第二位置信息以及所述第三位置信息,判断所述狗绳的第三位置信息是否位于所述狗和所述人之间,若是,则确定所述狗绳被所述人牵引。
在一种可能的实施方式中,处理器71,还用于确定所述狗被合理看管之前,获取所述第一图像之后的第三设定时长内的第四图像;
确定所述第四图像与所述第一图像中所述狗、所述人、所述狗绳的位置偏移量,并分别确定所述狗的第一移动速度、所述人的第三移动速度、及所述狗绳的第二移动速度;
判断所述第二移动速度是否位于所述第一移动速度和所述第三移动速度之间,若是,则进行后续确定所述狗被合理看管的步骤。
在一种可能的实施方式中,处理器71,还用于若所述第二移动速度不位于所述第一移动速度和所述第三移动速度之间,则控制所述报警设备报警。
在一种可能的实施方式中,处理器71,具体用于获取样本集中任一包含有目标物体的样本图像,所述样本图像对应有样本类别标签、以及所述样本类别标签对应的目标物体在所述样本图像中的样本位置信息;其中所述样本类别标签用于标识所述样本图像中包含的目标物体的类别;
通过原始目标检测模型,确定所述样本图像中包含的目标物体的识别类别标签以及对应的识别位置信息;
根据所述样本类别标签和所述识别类别标签,以及所述样本位置信息和所述识别位置信息,对原始目标检测模型进行训练,得到训练完成的目标检测模型。
由于上述电子设备解决问题的原理与检测方法相似,因此上述电子设备的实施可以参见方法的实施,重复之处不再赘述。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口72用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,RAM),也可以包括非易失性存储器(Non-Volatile Memory,NVM),例如至少一个磁盘存储器。可选地,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述处理器可以是通用处理器,包括中央处理器、网络处理器(NetworkProcessor,NP)等;还可以是数字指令处理器(Digital Signal Processing,DSP)、专用集成电路、现场可编程门陈列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
由于本发明实施例可以在确定第一图像中存在狗时,通过目标检测模型确定第一图像中人与狗的距离小于预设的距离阈值,且狗绳被人牵引时,确定该狗被合理看管,否则,确定该狗没有被合理看管,此时控制报警设备报警,从而可以提高社区居民的安全性。
实施例11:
在上述各实施例的基础上,本申请提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有可由电子设备执行的计算机程序,计算机可执行指令用于使计算机执行前述方法部分所执行的流程。
上述计算机可读存储介质可以是电子设备中的处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器如软盘、硬盘、磁带、磁光盘(MO)等、光学存储器如CD、DVD、BD、HVD等、以及半导体存储器如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD)等。
由于本发明实施例可以在确定第一图像中存在狗时,通过目标检测模型确定第一图像中人与狗的距离小于预设的距离阈值,且狗绳被人牵引时,确定该狗被合理看管,否则,确定该狗没有被合理看管,此时控制报警设备报警,从而可以提高社区居民的安全性。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (9)
1.一种检测方法,其特征在于,所述方法包括:
获取待检测的第一图像;
确定所述第一图像中存在狗时,通过预先训练完成的目标检测模型,若确定所述第一图像中人与狗的距离小于预设的距离阈值,且狗绳被所述人牵引,则确定所述狗被合理看管,否则,控制报警设备报警;
确定所述狗被合理看管之前,所述方法还包括:
获取所述第一图像之后的第三设定时长内的第四图像;
确定所述第四图像与所述第一图像中所述狗、所述人、所述狗绳的位置偏移量,并分别确定所述狗的第一移动速度、所述狗绳的第二移动速度、及所述人的第三移动速度;
判断所述第二移动速度是否位于所述第一移动速度和所述第三移动速度之间,若是,则进行后续确定所述狗被合理看管的步骤。
2.根据权利要求1所述的方法,其特征在于,所述确定所述第一图像中存在狗之后,通过预先训练完成的目标检测模型,确定所述第一图像中人与狗的距离是否小于预设的距离阈值,且狗绳是否被所述人牵引之前,所述方法还包括:
获取所述第一图像中所述狗所在的第一位置信息;
判断所述狗所在的第一位置信息是否在预设的目标区域内,若是,则进行后续的步骤。
3.根据权利要求1所述的方法,其特征在于,若确定所述第一图像中不存在人,控制报警设备报警之前,所述方法还包括:
获取所述第一图像之后的第一设定时长内的第二图像;
通过预先训练完成的所述目标检测模型,判断所述第二图像中是否存在人;
若所述第二图像中不存在人,则进行后续控制报警设备报警的步骤。
4.根据权利要求1所述的方法,其特征在于,若确定所述第一图像中不存在狗绳,控制报警设备报警之前,所述方法还包括:
获取所述第一图像之后的第二设定时长内的第三图像;
通过预先训练完成的所述目标检测模型,判断所述第三图像中是否存在狗绳;
若所述第三图像中不存在狗绳,则进行后续控制报警设备报警的步骤。
5.根据权利要求1所述的方法,其特征在于,确定所述第一图像中存在狗时,通过预先训练完成的目标检测模型,确定所述第一图像中存在人,且所述人与所述狗的距离小于预设的距离阈值包括:
通过预先训练完成的所述目标检测模型,确定所述第一图像中存在狗及所述狗所在的第一位置信息、以及确定所述第一图像中存在人以及所述人所在的第二位置信息;
根据所述第一位置信息和所述第二位置信息,判断所述狗与所述人之间的距离是否小于预设的距离阈值;若是,则确定所述第一图像中人与狗的距离小于预设的距离阈值。
6.根据权利要求5所述的方法,其特征在于,通过预先训练完成的目标检测模型,确定所述第一图像中存在狗绳,所述狗绳被所述人牵引包括:
通过预先训练完成的目标检测模型,确定所述第一图像中存在狗绳及所述狗绳所在的第三位置信息;
基于所述第一位置信息、所述第二位置信息以及所述第三位置信息,判断所述狗绳的第三位置信息是否位于所述狗和所述人之间,若是,则确定所述狗绳被所述人牵引。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述第二移动速度不位于所述第一移动速度和所述第三移动速度之间,则控制所述报警设备报警。
8.根据权利要求1所述的方法,其特征在于,训练所述目标检测模型的过程包括:
获取样本集中任一包含有目标物体的样本图像,所述样本图像对应有样本类别标签、以及所述样本类别标签对应的目标物体在所述样本图像中的样本位置信息;其中所述样本类别标签用于标识所述样本图像中包含的目标物体的类别;
通过原始目标检测模型,确定所述样本图像中包含的目标物体的识别类别标签以及对应的识别位置信息;
根据所述样本类别标签和所述识别类别标签,以及所述样本位置信息和所述识别位置信息,对原始目标检测模型进行训练,得到训练完成的目标检测模型。
9.一种检测装置,其特征在于,所述装置包括:
获取模块,用于获取待检测的第一图像;
确定模块,用于确定所述第一图像中存在狗时,通过预先训练完成的目标检测模型,若确定所述第一图像中人与狗的距离小于预设的距离阈值,且狗绳被所述人牵引,则确定所述狗被合理看管,否则,控制报警设备报警;
所述确定模块,还用于确定所述狗被合理看管之前,获取所述第一图像之后的第三设定时长内的第四图像;确定所述第四图像与所述第一图像中所述狗、所述人、所述狗绳的位置偏移量,并分别确定所述狗的第一移动速度、所述狗绳的第二移动速度、及所述人的第三移动速度;判断所述第二移动速度是否位于所述第一移动速度和所述第三移动速度之间,若是,则进行后续确定所述狗被合理看管的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010596229.1A CN111811399B (zh) | 2020-06-28 | 2020-06-28 | 一种检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010596229.1A CN111811399B (zh) | 2020-06-28 | 2020-06-28 | 一种检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111811399A CN111811399A (zh) | 2020-10-23 |
CN111811399B true CN111811399B (zh) | 2021-11-23 |
Family
ID=72855434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010596229.1A Active CN111811399B (zh) | 2020-06-28 | 2020-06-28 | 一种检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111811399B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112325780B (zh) * | 2020-10-29 | 2022-01-25 | 青岛聚好联科技有限公司 | 一种基于社区监控的距离测算方法及装置 |
CN112906678B (zh) * | 2021-05-07 | 2021-07-09 | 南京甄视智能科技有限公司 | 基于监控视频的非法遛狗事件检测方法、装置 |
CN113965722A (zh) * | 2021-09-10 | 2022-01-21 | 浙江西谷数字技术股份有限公司 | 一种基于物联网的智慧小区安防监控系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8526677B1 (en) * | 2012-07-16 | 2013-09-03 | Google Inc. | Stereoscopic camera with haptic feedback for object and location detection |
CN108764109A (zh) * | 2018-05-23 | 2018-11-06 | 西安理工大学 | 一种基于狗脸图像识别技术的寻狗系统及方法 |
CN110852198A (zh) * | 2019-10-27 | 2020-02-28 | 恒大智慧科技有限公司 | 防止智慧社区内宠物狗袭击的控制方法、设备及存储介质 |
CN111291641A (zh) * | 2020-01-20 | 2020-06-16 | 上海依图网络科技有限公司 | 图像识别方法及其装置、计算机可读介质和系统 |
-
2020
- 2020-06-28 CN CN202010596229.1A patent/CN111811399B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8526677B1 (en) * | 2012-07-16 | 2013-09-03 | Google Inc. | Stereoscopic camera with haptic feedback for object and location detection |
CN108764109A (zh) * | 2018-05-23 | 2018-11-06 | 西安理工大学 | 一种基于狗脸图像识别技术的寻狗系统及方法 |
CN110852198A (zh) * | 2019-10-27 | 2020-02-28 | 恒大智慧科技有限公司 | 防止智慧社区内宠物狗袭击的控制方法、设备及存储介质 |
CN111291641A (zh) * | 2020-01-20 | 2020-06-16 | 上海依图网络科技有限公司 | 图像识别方法及其装置、计算机可读介质和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111811399A (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111811399B (zh) | 一种检测方法及装置 | |
JP7468493B2 (ja) | 侵入検知装置、侵入検知方法、及び侵入検知プログラム | |
WO2020125406A1 (zh) | 安全监护方法、装置、终端及计算机可读存储介质 | |
KR101825045B1 (ko) | 경보 방법 및 장치 | |
KR101470315B1 (ko) | 객체의 움직임 감지에 의한 위험 감지 cctv 시스템 및 그 방법 | |
CN111784857A (zh) | 一种停车位管理方法、装置以及计算机存储介质 | |
CN109040693B (zh) | 智能告警系统及方法 | |
CN112183265A (zh) | 基于图像识别的电力施工视频监控告警方法及系统 | |
CN113191699A (zh) | 一种配电施工现场安全监管方法 | |
CN110674761B (zh) | 一种区域行为预警方法及系统 | |
CN111507211B (zh) | 一种宠物监管方法、装置、设备及存储介质 | |
CN112052821B (zh) | 消防通道安全检测方法、装置、设备及存储介质 | |
CN112820014A (zh) | 一种智能门禁系统控制方法、装置、设备及介质 | |
CN112542027A (zh) | 基于图像识别的施工现场人员安全告警系统 | |
KR101454644B1 (ko) | 보행자 추적기를 이용한 서성거림을 탐지하는 방법 | |
CN114973573A (zh) | 目标入侵确定方法、装置、存储介质及电子装置 | |
JP2018151834A (ja) | 迷子検出装置および迷子検出方法 | |
CN114255424A (zh) | 对象行为的确定方法、装置、存储介质及电子装置 | |
CN113112813B (zh) | 违章停车检测方法及装置 | |
CN110363153A (zh) | 涉水检测方法、装置、服务器及计算机可读存储介质 | |
CN112804519A (zh) | 摄像头遮挡检测方法、装置、电子设备及通道闸 | |
CN111425256A (zh) | 煤矿巷道监控方法、装置及计算机存储介质 | |
US20240153109A1 (en) | Image based tracking system | |
CN114445779A (zh) | 待检测区域的安全状态确定方法、系统、设备及介质 | |
CN113903000A (zh) | 一种翻墙检测方法、装置及设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |