CN112070113A - 摄像场景变换判断方法、装置、电子设备及可读存储介质 - Google Patents
摄像场景变换判断方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN112070113A CN112070113A CN202010743120.6A CN202010743120A CN112070113A CN 112070113 A CN112070113 A CN 112070113A CN 202010743120 A CN202010743120 A CN 202010743120A CN 112070113 A CN112070113 A CN 112070113A
- Authority
- CN
- China
- Prior art keywords
- current
- image
- similarity
- sub
- shooting scene
- 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
- 230000008859 change Effects 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000003384 imaging method Methods 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 abstract description 11
- 230000003044 adaptive effect Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 20
- 238000004364 calculation method Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/259—Fusion by voting
Abstract
本申请提供一种摄像场景变换判断方法、装置、电子设备及可读存储介质,方法包括获取当前摄像场景图像,将当前摄像场景图像与预存的当前业务的基准图像进行比对,得到比对结果,基于比对结果,确定摄像场景相对于当前业务的标准摄像场景是否发生了变换。其中,基准图像为在当前业务的标准摄像场景下拍摄的摄像场景图像。由于在摄像场景发生变换时,除了场景中的活动物体可能会发生改变外,场景内的背景内容也会发生一定的改变,因此两幅图像比对后相差通常会较大。基于此原理,采用本申请实施例的方案可以及时、有效地确定出摄像场景是否发生了变换,从而使得设备或用户可以进行相适应的控制处理。
Description
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种摄像场景变换判断方法、装置、电子设备及可读存储介质。
背景技术
目前各种人工智能系统种类繁多,如智能人像系统、结构化系统、大数据系统等。这些系统均是基于视觉算法以提供各种业务应用。而普遍建设的基础监控设施以及基于GB28181标准的视频监控系统则成为各类视觉算法产品的数据源。
通常,监控设备和视频监控系统首先要保障基础的监控需求,在满足用户可看可查可回溯的基础上,再为各类智能应用系统提供视频数据源,来辅助用户完成更高级的功能需求。
在实际场景中存在大量带有PTZ(pan/tilt/zoom)云台控制功能的监控摄像机,此类摄像机目前可以通过开发SDK(Software Development Kit,软件开发工具包)对其进行云台控制,或者通过GB28181协议在视频平台上对相机进行云台控制。所以当视频平台、各类应用系统的用户需要调整相机的照射角度时,都会通过上述控制方式对相机进行云台控制。
但是,在实际应用中,在同一个监控场景下的摄像机,经常被视频平台、智能应用系统等多个用户同时使用。而各个用户对于拍摄场景经常有不同的需求,为了满足各自的需求,用户往往会提前对摄像机进行角度调整。但是现有的各类系统大都是基于画面中ROI(region of interest,感兴趣区域)来进行计算分析,而当摄像机角度或场景变化时,原来设定的ROI就不再起作用,会导致计算分析的结果不可用。
发明内容
本申请实施例的目的在于提供一种摄像场景变换判断方法、装置、电子设备及可读存储介质,用以及时发现摄像机角度或场景发生了变化。
本申请实施例提供了一种摄像场景变换判断方法,包括:获取当前摄像场景图像;将所述当前摄像场景图像与预存的当前业务的基准图像进行比对,得到比对结果;所述基准图像为在所述当前业务的标准摄像场景下拍摄的摄像场景图像;基于所述比对结果,确定摄像场景相对于所述当前业务的标准摄像场景是否发生了变换。
在上述实现过程中,通过预先存储当前业务的基准图像,进而将当前摄像场景图像与预存的当前业务的基准图像进行比对,从而可以根据两幅图像的比对结果确定摄像场景是否发生变换。通常,在摄像场景未发生变换时,场景内的背景内容通常都是不变的,改变的仅是场景中的活动物体(如人等),因此两幅图像比对后会比较相似。相反,如果摄像场景发生变换,那么除了场景中的活动物体(如人等)可能会发生改变外,场景内的背景内容也会发生一定的改变,因此两幅图像比对后相差通常会较大。基于此原理,采用本申请实施例的方案可以及时、有效地确定出摄像场景是否发生了变换,从而使得设备或用户可以进行相适应的控制处理。
进一步地,所述比对结果为相似度;将所述当前摄像场景图像与预存的当前业务的基准图像进行比对,得到比对结果,包括:获取所述当前摄像场景图像和所述基准图像的亮度相似性、对比度相似性和结构相似性;基于所述亮度相似性、对比度相似性和结构相似性得到所述当前摄像场景图像和所述基准图像的相似度;所述基于所述比对结果,确定摄像场景相对于所述当前业务的标准摄像场景是否发生了变换,包括:在所述当前摄像场景图像与所述基准图像的相似度低于预设的相似度阈值时,确定摄像场景相对于所述当前业务的标准摄像场景发生了变换。
在上述实现过程中,采用结构化相似性计算方法,通过基于当前摄像场景图像和图像的亮度相似性、对比度相似性和结构相似性来确定出两幅图像最终的相似度,计算结果更可靠,判断更准确。
进一步地,获取所述当前摄像场景图像和所述基准图像的亮度相似性,包括:获取所述当前摄像场景图像和所述基准图像中的目标像素点,所述目标像素点的灰度值满足以下条件之一:所述目标像素点的灰度值大于预设灰度阈值;所述目标像素点的灰度值为所述当前摄像场景图像和所述基准图像中,所有像素点的灰度值中最大的N个灰度值之一;所述目标像素点的灰度值为所述当前摄像场景图像和所述基准图像中,所有像素点的灰度值中最大的N%个灰度值之一;确定所述当前摄像场景图像中的目标像素点的第一平均灰度值,确定所述基准图像中的目标像素点的第二平均灰度值;依据所述第一平均灰度值和所述第二平均灰度值得到所述当前摄像场景图像和所述基准图像的亮度相似性。
在实际应用过程中,由于天气、时间等因素的影响,容易导致场景图像的亮度或完整性等产生变化。因此,在上述实现过程中,仅取灰度值大于预设灰度值较大的目标像素点来计算亮度相似性。这样对于亮度的获取更倾向于场景目标,而忽略掉灰度值较小的背景,以此可以降低亮度的影响,提高本申请的判断准确性。
进一步地,所述获取当前摄像场景图像,包括:按照预设间隔时长获取所述当前摄像场景图像;或,在业务执行前获取所述当前摄像场景图像;或,在得到业务执行结果时获取所述当前摄像场景图像。
在上述实现过程中,按照预设间隔时长获取所述当前摄像场景图像,可以实现定期对摄像场景变换的判断,提高判断的及时性。而在业务执行前获取所述当前摄像场景图像,即可预先对当前摄像场景下任务的可执行性进行判断,从而提前避免出现摄像场景不符合业务执行要求的情况。而在得到业务执行结果时获取所述当前摄像场景图像,可以有效避免因为摄像场景不符合业务需求而导致的输出错误的业务结果的情况,提高业务执行可靠性。
进一步地,所述在得到业务执行结果时获取所述当前摄像场景图像,包括:在智能提醒条件被触发时获取所述当前摄像场景图像;所述方法还包括:在所述摄像场景未发生变换时,进行智能提醒;在所述摄像场景发生变换时,不进行智能提醒。
在上述实现过程中,在智能提醒条件被触发时获取所述当前摄像场景图像;在所述摄像场景未发生变换时,进行提醒;在所述摄像场景发生变换时,不进行提醒。这样,即可有效避免由于摄像场景变换导致的误提醒的情况,提高监控可靠性。
进一步地,将所述当前摄像场景图像与预存的当前业务的基准图像进行比对,得到比对结果,包括:将所述基准图像中预设的各子区域,分别与所述当前摄像场景图像中相对应的目标区域进行比对,得到各子区域所对应的比对结果;基于所述各子区域所对应的比对结果,确定所述当前摄像场景图像与所述基准图像的比对结果。
应当理解的是,由于实际应用场景是复杂多变的,可能存在整个场景的部分子场景会发生变化,而这种变化往往会影响对比的准确性。而为了降低比对带来的计算消耗以及部分子场景变换导致的判断错误,在本申请实施例中可以预先在基准图像中设置至少一个子区域,进而将当前摄像场景图像中与各子区域相对应的目标区域,分别与各自对应的子区域进行比对,基于各子区域所对应的比对结果,确定当前摄像场景图像与基准图像的比对结果。这样不需要对整个图像都进行比对,降低了比对带来的计算消耗,同时由于只需要计算关键部分子区域的比对结果,从而可以在一定程度上降低部分子场景变换导致的判断错误。
进一步地,所述子区域为预先在所述基准图像中设定的前景、背景、亮度、对比度之一不易发生变化的区域。
在上述实现过程中,通过采用基准图像中背景相对不易发生变化的区域来作为子区域进行摄像场景是否发生了变化的判断,从而可以降低在进行图像比对的过程中,干扰信息的影响,从而提高方案的准确性。
进一步地,所述比对结果为相似度,将所述基准图像中预设的各子区域,分别与所述当前摄像场景图像中相对应的目标区域进行比对,得到比对结果,包括:获取各子区域分别与各自对应的目标区域之间的亮度相似性、对比度相似性和结构相似性;基于各子区域预设的亮度相似性权重值、对比度相似性权重值和结构相似性权重值,对各子区域的亮度相似性、对比度相似性和结构相似性进行计算,得到各子区域所对应的相似度。
在实际应用过程中,摄像头拍摄到的图像中,不同区域主要的噪声因素往往可能存在不同,因此在求取不同子区域的整体相似度时,可以考虑不同子区域的实际情况,从而为不同子区域的亮度相似性、对比度相似性和结构相似性配置不同的权重值,从而使得不同子区域确定出的相似性能够更符合该区域的实际情况。比如,对于图像中的两个子区域,一个子区域周边设有路灯,从而导致该子区域亮度变化相对于其余子区域而言,更不敏感,因此可以将该子区域对应的亮度相似性权重值取得更大一些。
进一步地,所述比对结果为相似度;所述基于所述各子区域所对应的比对结果,确定所述当前摄像场景图像与所述基准图像的比对结果,包括:基于各子区域所对应的权重值,对所述各子区域所对应的相似度进行加权求和,得到所述当前摄像场景图像与所述基准图像的相似度。
在上述实现过程中,通过对各子区域的不同权重来提高其在整个图像中的重要性占比,这样得到的当前摄像场景图像与基准图像的相似度就更能够满足实际需要。
进一步地,所述比对结果为摄像场景发生了变换或摄像场景未发生变换;将所述基准图像中预设的各子区域,分别与所述当前摄像场景图像中相对应的目标区域进行比对,得到各子区域所对应的比对结果,包括:将所述基准图像中预设的各子区域,分别与所述当前摄像场景图像中相对应的目标区域进行比对,得到各子区域所对应的相似度,将各子区域所对应的相似度分别与各子区域对应的子区域相似度阈值进行比较,确定各子区域所对应的比对结果。
进一步地,所述比对结果为摄像场景发生了变换或摄像场景未发生变换,所述基于所述各子区域所对应的比对结果,确定所述当前摄像场景图像与所述基准图像的比对结果,包括:基于各子区域所对应的比对结果中摄像场景发生了变换的比对结果的出现次数确定所述当前摄像场景图像与所述基准图像的比对结果;或者,将各子区域所对应的比对结果进行加权求和,基于加权求和结果确定所述当前摄像场景图像与所述基准图像的比对结果。
进一步地,所述基准图像中预设有多个子区域,所述多个子区域中包括基准子区域和辅助子区域;将所述当前摄像场景图像与预存的当前业务的基准图像进行比对,得到比对结果包括:将所述基准图像中的所述基准子区域与所述当前摄像场景图像中相对应的目标区域进行比对,得到基准子区域对应的比对结果;若所述基准子区域对应的比对结果为摄像场景发生了变换,则将所述基准图像中的所述辅助子区域与所述当前摄像场景图像中相对应的目标区域进行比对,得到所述辅助子区域对应的比对结果;基于所述比对结果,确定摄像场景相对于所述当前业务的标准摄像场景是否发生了变换,包括:基于所述辅助子区域对应的比对结果,确定摄像场景相对于所述当前业务的标准摄像场景是否发生了变换。
本申请实施例还提供了一种摄像场景变换判断装置,包括:获取模块、比对模块和确定模块;所述获取模块,用于获取当前摄像场景图像;所述比对模块,用于将所述当前摄像场景图像与预存的当前业务的基准图像进行比对,得到比对结果;所述基准图像为在所述当前业务的标准摄像场景下拍摄的摄像场景图像;所述确定模块,用于基于所述比对结果,确定摄像场景相对于所述当前业务的标准摄像场景是否发生了变换。
通常,在摄像场景未发生变换时,场景内的背景内容通常都是不变的,改变的仅是场景中的活动物体(如人等),因此两幅图像的比对结果会比较相似。相反,如果摄像场景发生变换,那么除了场景中的活动物体(如人等)可能会发生改变外,场景内的背景内容也会发生一定的改变,因此两幅图像的比对结果会反映两图相差较大。基于此原理,采用本申请实施例的方案可以及时、有效地确定出摄像场景是否发生了变换,从而使得设备或用户可以进行相适应的控制处理。
本申请实施例还提供了一种电子设备,包括:包括处理器、存储器及通信总线;所述通信总线用于实现所述处理器和存储器之间的连接通信;所述处理器用于执行存储器中存储的一个或者多个程序,以实现上述任一种的摄像场景变换判断方法。
本申请实施例中还提供了一种可读存储介质,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述任一种的摄像场景变换判断方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1为本申请实施例提供的一种摄像场景变换判断方法的流程示意图;
图2为本申请实施例提供的一种结构化相似性的比对过程示意图;
图3为本申请实施例提供的一种摄像场景变换判断装置的结构示意图;
图4为本申请实施例提供的一种更具体的摄像场景变换判断装置的结构示意图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
实施例一:
本申请实施例提供了一种摄像场景变换判断方法,可以参见图1所示,本申请实施例中提供的摄像场景变换判断方法包括:
S101:获取当前摄像场景图像。
在本申请实施例的一种可行实施方式中,可以预先设定一个间隔时长,从而按照该间隔时长从摄像机处获取当前摄像场景图像。
应当理解的是,预设的间隔时长可以由业务场景决定,在摄像机角度改变频率较低的场景,可将间隔时长设置得较长,在摄像机角度改变频率较高的场景,则可以将间隔时长设置得较短。
在本申请实施例的另一种可行实施方式中,也可以基于业务流程来设定当前摄像场景图像的获取时机。
示例性的,可以设定在业务执行前获取当前摄像场景图像。
比如,可以在智能分析计算任务开始之前,先获取当前摄像场景图像,按照本申请实施例的步骤确定摄像场景是否发生变换。如果摄像场景未发生变化,则执行相关业务;否则,提示用户场景不符合初始设定,业务终止。
示例性的,也可以得到业务执行结果时获取当前摄像场景图像。
比如,监控业务执行时,会对拍摄到的当前摄像场景图像进行分析,经分析认为当前摄像场景中发生了需提醒的事件时,则认为智能提醒条件被触发,发生智能提醒。然而,拍摄当前摄像场景图像的摄像场景相对于标准摄像场景发生了变换时,可能产生错误的智能提醒。为提高智能提醒的正确率,减少误报率,可以在监控业务执行时,智能提醒条件被触发后,获取当前摄像场景图像,按照本申请实施例的步骤确定摄像场景是否发生变换。如果摄像场景未发生变化,则进行智能提醒;否则,认为属于摄像场景变换导致的误报,不进行智能提醒。
需要注意的是,在本申请实施例中,当前摄像场景图像可以采用摄像机当前拍摄的关键帧图像,以确保当前摄像场景图像中具有完整可信的场景信息。
还需要注意的是,本申请实施例中所提供的摄像场景变换判断方法可以由与摄像机相连接的业务平台来执行。由于摄像机拍摄的图像会传回业务平台进行业务处理,因此对于当前摄像场景图像可以从摄像机处获取到。
此外,本申请实施例中所提供的摄像场景变换判断方法也可以是由与摄像机或业务平台相连的专门用以进行摄像场景变换判断的电子设备来执行,从而在需要获取当前摄像场景图像时,从摄像机或业务平台处请求得到当前摄像场景图像。
S102:将当前摄像场景图像与预存的当前业务的基准图像进行比对,得到比对结果。
在本申请实施例中,可以预先为不同的业务设定相应的基准图像。需要理解的是,基准图像为在当前业务的标准摄像场景下拍摄的摄像场景图像。所谓当前业务的标准摄像场景是指,当前业务所需的摄像机角度下,摄像机所拍摄的摄像场景。
在实际应用中,大部分业务系统在设定相应的业务功能时,都需要先对摄像机的拍摄画面设置ROI,然后对ROI内的图像做计算分析,从而在判断当前摄像场景中是否发生了需提醒的事件时降低需要计算的分辨率,提升业务处理性能。
在本申请实施例中,可以在设置某一业务的ROI时,将摄像机拍摄的场景帧图像保存下来,作为后续进行摄像场景变换判断的基准图像。
需要注意的是,基准图像可以采用设置ROI时,摄像机拍摄的关键帧图像来实现,从而确保基准图像中具有完整可信的场景信息,提高当前摄像场景图像与基准图像之间比对的可信度。
在本申请实施例中,比对结果可以为当前摄像场景图像与基准图像之间的相似度。
在本申请实施例的一种可行实施方式中,可以采用SSIM(structural similarityindex,结构化相似性)来进行当前摄像场景图像与当前业务的基准图像的相似度比对。
应当理解的是,图像中物体的结构与照度是独立的,SSIM可以将与物体结构相关的亮度和对比度作为图像中结构信息的定义,从而有效确定出两幅图像的相似性。
示例性的,可以获取当前摄像场景图像和基准图像的亮度相似性、对比度相似性和结构相似性,进而基于亮度相似性、对比度相似性和结构相似性得到当前摄像场景图像和基准图像的相似度。
整体流程上可以参见图2所示,可以基于当前摄像场景图像x和基准图像y获取两幅图像的平均灰度μx和μy,将μx和μy作为亮度测量的亮度估计。亮度相似性L(x,y)是关于μx和μy的函数。将平均灰度从当前摄像场景图像x和基准图像y中去掉,得到图像(x-μx)和(y-μy),使用图像(x-μx)和(y-μy)的标准差σx和σy来作为对比度测量的估计。对比度相似性C(x,y)是关于σx和σy的函数。信号被标准差相除((x-μx)/σx,(y-μy)/σy),使用此方式来进行结构测量的估计。结构相似性S(x,y)是关于(x-μx)/σx和(y-μy)/σy的函数。三个相似性函数最终组合成完整的结构相似测量函数SSIM(x,y)。应理解的是,最终求得到SSIM(x,y)的值即为当前摄像场景图像和基准图像的相似度。需要说明的是,本申请实施例中,当前摄像场景图像x为当前摄像场景图像的图像矩阵的简称,基准图像y为基准图像的图像矩阵的简称,x和y分别表示当前摄像场景图像的图像矩阵和基准图像的图像矩阵。
需要注意的是,在实际应用过程中,由于天气、时间等因素的影响,容易导致场景图像的亮度等产生变化。此时为了提高方案对于摄像场景变换判断的准确性,可以考虑将亮度比对过程中的阈值进行一定程度的调整,以减少亮度对于摄像场景变换判断的影响。
示例性的,在SSIM中,亮度相似性L(x,y)等于(2μx×μy+c1)/(μx2+μy2+c1),其中c1为常数。
在本申请实施例中,可以获取当前摄像场景图像x和基准图像y中,灰度阈值大于预设灰度阈值的目标像素点,进而确定当前摄像场景图像x中的目标像素点的第一平均灰度值,确定基准图像y中的目标像素点的第二平均灰度值。将第一平均灰度值作为当前摄像场景图像x的亮度估计μx,将第二平均灰度值作为基准图像y的亮度估计μy,依据μx和μy,即可按照上述公式得到当前摄像场景图像和基准图像的亮度相似性。
此外,在本申请实施例中,也可以通过TOPN方式从当前摄像场景图像x和基准图像y中灰度值最大的N(N为工程师预设的大于0的值)个或N%个目标像素点(即取当前摄像场景图像和基准图像中,所有像素点的灰度值中最大的N个或N%个灰度值对应的像素点),进而确定当前摄像场景图像x中的目标像素点的第一平均灰度值,确定基准图像y中的目标像素点的第二平均灰度值。将第一平均灰度值作为当前摄像场景图像x的亮度估计μx,将第二平均灰度值作为基准图像y的亮度估计μy,依据μx和μy,即可按照上述公式得到当前摄像场景图像和基准图像的亮度相似性。
这样,通过设置灰度阈值或通过TOPN的方式,即可使得对于亮度的获取更倾向于场景目标,忽略小于灰度阈值的背景,以此可以降低亮度的影响,提高本申请的判断准确性。
应当理解的是,本申请实施例中除了可以采用SSIM来得到当前摄像场景图像和基准图像之间的相似度外,也可以通过其余的一些方式来实现。比如可以采用孪生神经网络、余弦相似度算法等方式实现对于当前摄像场景图像和基准图像之间的相似度的确定。
S103:基于比对结果,确定摄像场景相对于当前业务的标准摄像场景是否发生了变换。
示例性的,比对结果可以为相似度,进而可以在当前摄像场景图像与基准图像的相似度低于预设相似度阈值时,确定摄像场景相对于当前业务的标准摄像场景发生了变换;否则,确定摄像场景相对于当前业务的标准摄像场景没有发生变换。
在本申请实施例中,相似度阈值可以由工程师根据实际需要进行设定。
示例性的,比对结果可以为摄像场景发生了变换或摄像场景未发生变换,由比对结果可直接确定摄像场景相对于当前业务的标准摄像场景是否发生了变换。
此外,需要注意的是,在本申请实施例中,可以计算完整的当前摄像场景图像与基准图像的相似度。但是,由于实际应用场景是复杂多变的,实际应用中可能存在整个场景的部分子场景会发生变化的情况,而这种变化往往会影响对比的准确性。
为了降低比对带来的计算消耗以及部分子场景变换导致的判断错误,在本申请实施例的一种可行实施方式中,可以预先在基准图像中设置至少一个子区域,进而将基准图像中预设的各子区域,分别与当前摄像场景图像中相对应的目标区域进行比对,得到各子区域所对应的比对结果,基于各子区域所对应的比对结果,确定当前摄像场景图像与基准图像的比对结果。
这样,不需要对整个图像都进行比对,降低了比对带来的计算消耗,同时由于只需要比对关键部分子区域,从而可以在一定程度上降低部分子场景变换导致的判断错误。
在本申请实施例中,工程师可以根据需要,在基准图像中设置不同的子区域。示例性的,可以设置基准图像中,前景、背景、亮度、对比度等中的一种或多种相对不易发生变化的区域作为子区域。
所谓相对不易发生变化的区域是指,基准图像中相对而言受噪声因素影响较小的区域。在本申请实施例中,噪声因素包括但不限于环境亮度变化、场景内可移动的物体等。例如,相对于公路,花坛区域可移动的物体较少,可将花坛图像作为子区域。
在本申请实施例中,各子区域在当前摄像场景图像中相对应的目标区域是指,在当前摄像场景图像中,与各子区域位置、大小相同的区域。比如基准图像中的一个子区域为基准图像左上角300×300像素大小的区域,那么在当前摄像场景图像中该子区域对应的目标区域即为,当前摄像场景图像左上角300×300像素大小的区域。
在本申请实施例中,各子区域的比对结果可以为相似度。
在本申请实施例中,考虑到在实际应用过程中,影响不同子区域主要的噪声因素往往可能存在不同,因此在求取不同子区域的相似度时,可以考虑不同子区域的实际情况,从而为不同子区域的亮度相似性、对比度相似性和结构相似性配置不同的权重值,从而使得不同子区域确定出的相似性能够更符合该区域的实际情况。例如,某子区域的亮度不易受噪声影响,而对比度等指标易受噪声影响,可在计算子区域对应的相似度时适当调高亮度相似性的权重值,使最终计算出的子区域对应的相似度不易受噪声影响。可以理解的是,不同子区域的亮度相似性、对比度相似性和结构相似性的权重值可以不同,例如,A子区域的亮度相似性、对比度相似性和结构相似性的权重值分别为0.2、0.4、0.4,B子区域的亮度相似性、对比度相似性和结构相似性的权重值分别为0.4、0.2、0.4。
可选的,将基准图像中预设的各子区域,分别与当前摄像场景图像中相对应的目标区域进行比对时,可以获取各子区域分别与各自对应的目标区域之间的亮度相似性、对比度相似性和结构相似性,进而按照各子区域预设的亮度相似性权重值、对比度相似性权重值和结构相似性权重值,对各子区域的亮度相似性、对比度相似性和结构相似性进行计算,得到各子区域所对应的相似度。
在本申请实施例中,在得到各子区域所对应的相似度后,一种可行的方式是,可以根据各子区域所对应的相似度计算出一个相似度作为当前摄像场景图像与基准图像的相似度,该当前摄像场景图像与基准图像的相似度即可作为当前摄像场景图像与基准图像的比对结果。
示例性的,在本可行实施方式的一种可行示例中,不同子区域可以设置不同的权重值,从而通过对各子区域所对应的相似性进行加权求和,得到当前摄像场景图像与基准图像的相似度。这样,即可以考虑各子区域的重要性,从而通过权重提高重要性更高的子区域在整个图像相似性中的占比,使得得到的当前摄像场景图像与基准图像的相似度能够更满足实际需要。例如,当前摄像场景图像包括R1、R2、R33个子区域,3个子区域对应的相似度分别60%,70%,60%,3个子区域对应的权重分别为0.2、0.4、0.4,则当前摄像场景图像与基准图像的相似度为60%X0.2+70%X0.4+60%X0.4=64%。
在本申请实施例中,比对结果还可以为摄像场景发生了变换或摄像场景未发生变换。在该实施例中,首先,将所述基准图像中预设的各子区域,分别与所述当前摄像场景图像中相对应的目标区域进行比对,得到各子区域所对应的相似度。其中,计算各子区域所对应的相似度的过程如前所述,在此不再赘述。然后,将各子区域所对应的相似度分别与各子区域对应的子区域相似度阈值进行比较,确定各子区域所对应的比对结果。例如,子区域所对应的相似度大于等于该子区域对应的子区域相似度阈值时,认为摄像场景未发生变换,该子区域对应的比对结果为1,子区域所对应的相似度小于该子区域对应的子区域相似度阈值时,认为摄像场景发生了变换,子区域对应的比对结果为0。接着,基于各子区域所对应的比对结果中摄像场景发生了变换的比对结果的出现次数确定所述当前摄像场景图像与所述基准图像的比对结果;或者,将各子区域所对应的比对结果进行加权求和,基于加权求和结果确定所述当前摄像场景图像与所述基准图像的比对结果。例如,共有5个子区域,其中4个子区域对应的比对结果为1,1个子区域对应的比对结果为0,出现次数最多的比对结果为1(4次)或超过出现次数超过预设次数的比对结果为1(例如,预设次数为3,认为出现超过3次的子区域对应的比对结果为当前摄像场景图像与基准图像的比对结果),则认为当前摄像场景图像与所述基准图像的比对结果为1,摄像场景未发生变换。再例如,共有3个子区域,其对应的权重分别为0.4、0.2、0.4,比对结果分别为1、0、1,则认为当前摄像场景图像与所述基准图像的比对结果为0.8,再根据该比对结果确定摄像场景相对于所述当前业务的标准摄像场景是否发生了变换。
应理解,对于当前摄像场景图像与基准图像的相似度也可以基于其余任意可行的方式得到,在本申请中不做限定。
这样,可以有效结合各子区域的相似度情况,从而使得确定出的当前摄像场景图像与基准图像的相似度能够满足实际需要。
需要理解的是,前述可行示例中的预设次数可以由工程师根据实际需要进行设置,比如设置为1。
此外,在前述可行示例中,也可以不设置预设次数,而是采用投票机制,通过比对相似度大于等于对应的子区域相似度阈值的比对结果数量(或者子区域数量)和相似度小于对应的子区域相似度阈值的比次数结果数量(或者子区域数量),从而确定当前摄像场景图像与基准图像的比对结果。
应当理解的是,在实际应用中,可能存在在当前业务所对应的场景中位置、形态不会改变的物体,比如电线杆,保安亭等固定的物体。这类物体在场景图像中应当始终在同一位置。因此,在本申请实施例中,可以设立优先进行比对的基准子区域,该基准子区域可以选取基准图像中受噪声干扰小的子区域(比如通常不会有移动物体进入,且具有位置、形态固定的物体的子区域),进而基于基准子区域,或者基于基准子区域和辅助子区域共同来实现对于当前摄像场景是否为标准摄像场景的判断。
例如,在进行比对时,可以先将基准图像中的基准子区域与当前摄像场景图像中相对应的目标区域进行比对,得到基准子区域对应的比对结果。
若基准子区域对应的比对结果为摄像场景未发生变换,即可停止比对,确定摄像场景相对于当前业务的标准摄像场景没有发生变换。
若基准子区域对应的比对结果为摄像场景发生了变换,则将基准图像中的辅助子区域与当前摄像场景图像中相对应的目标区域进行比对,得到辅助子区域对应的比对结果。进而可以基于辅助子区域对应的比对结果,确定摄像场景相对于当前业务的标准摄像场景是否发生了变换。
如此,在根据基准子区域确定摄像场景相对于当前业务的标准摄像场景未发生变换时不再进行其他子区域的计算,从而提高判断速度、节省算力。
示例性的,可以采用前述第一种可行实施方式中的任一种可行示例中的方式计算辅助子区域的相似度,再基于各辅助子区域的相似度确定出一个当前摄像场景图像与基准图像的相似度,进而基于当前摄像场景图像与基准图像的相似度确定摄像场景相对于当前业务的标准摄像场景是否发生了变换。
此外,也可以采用前述第二种可行实施方式,计算辅助子区域的相似度,根据各辅助子区域的相似度确定各辅助子区域的比对结果,再根据各辅助子区域的比对结果确定当前摄像场景图像与基准图像的比对结果,根据当前摄像场景图像与基准图像的比对结果确定摄像场景相对于当前业务的标准摄像场景发生了变换。
应理解,前述各可行方式仅是本申请实施例中所示例的几种可行方式,但不应认为本申请实施例仅可采用前述可行方式实施。事实上,只要能够实现基于子区域确定出摄像场景相对于当前业务的标准摄像场景是否发生了变换的方式,本申请实施例均可采用。
需要注意的是,在本申请实施例中,基准图像可以保存在内存中,从而便于调用。同时,在划分有子区域时,也可以将各子区域以及各子区域的划分关系保存在内存中,以便于调用。
在本申请实施例中,在确定摄像场景相对于当前业务的标准摄像场景发生了变换时,针对需要ROI的业务而言,原来设定的ROI就不再起作用,此时一种可行的方案是,可以将摄像机的角度调整回业务原本设置的角度,又或者也可以停止执行当前业务,并通知相关人员进行处理。
本申请实施例中提供的摄像场景变换判断方法,通过预先存储当前业务的基准图像,进而将当前摄像场景图像与预存的当前业务的基准图像进行比对,从而可以根据两幅图像的比对结果确定摄像场景是否发生变换。通常,在摄像场景未发生变换时,场景内的背景内容通常都是不变的,改变的仅是场景中的活动物体(如人等),因此两幅图像比对后会比较相似。相反,如果摄像场景发生变换,那么除了场景中的活动物体(如人等)可能会发生改变外,场景内的背景内容也会发生一定的改变,因此两幅图像比对后相差通常会较大。基于此原理,采用本申请实施例的方案可以及时、有效地确定出摄像场景是否发生了变换,从而使得设备或用户可以进行相适应的控制处理。
实施例二:
本实施例在实施例一的基础上,以一种具体的业务执行过程对本申请的方案进行示例说明。
步骤1:在设置业务对应的ROI时,将摄像机拍摄的场景帧图像中的关键帧保存起来,作为基准图像。
业务需要设置ROI,说明该业务的摄像场景不能随意做较大的变换,否则会导致摄像机的识别范围出现问题,导致ROI不可用,无法进行准确的业务处理。
步骤2:在基准图像上配置n(n大于等于1)个子区域。
步骤3:将子区域的数据加载进内存中,作为基础内存数据。
应当理解的是,在划分有子区域时,后续比对只需要直接访问内存进行比对即可,不需要进行全帧图像的比对,从而可以降低对比的数据处理量,提高比对效率。同时,一般情况下全帧图像比对的结果值往往会低于子区域比对结果值,因为全帧图像中场景内容容易受到部分子区域变化和光照度等各种因素综合影响。而系统中需要计算分析的ROI区域一般都是经常受到干扰的区域,而设置子区域时可以选择场景基本不变或不容易受到干扰的区域,从而可以有效避免部分场景内容变换导致的判断错误。
但本申请实施例中也可以不在基准图像上划分子区域,而是进行全帧图像的比对。
需要说明的是,本申请实施例中将子区域的数据加载进内存中,可以避免反复进行文件读取和加载,提升效率。
步骤4:根据实际需求设置间隔时长,按间隔时长获取摄像机当前的视频关键帧,该视频关键帧即为当前摄像场景图像。
步骤5:将基准图像中预设的各子区域,分别与当前摄像场景图像中相对应的目标区域进行相似度比对。
比对前,需要将当前摄像场景图像按照基准图像的子区域划分方式,划分得到当前摄像场景图像中与基准图像各子区域对应的目标区域,并加载至内存中。
步骤6:将基准图像的各子区域,与对应的当前摄像场景图像的目标区域进行结构化相似性对比,并记录各子区域对应的相似度。
在进行结构化相似性对比时,在获取当前摄像场景图像的目标区域x1和基准图像中对应的子区域y1的亮度估计μx1和μy1的过程中,可以先获取目标区域x1和子区域y1中,灰度阈值大于预设灰度阈值的目标像素点。进而确定目标区域x1中的目标像素点的第一平均灰度值,确定子区域y1中的目标像素点的第二平均灰度值。将第一平均灰度值作为目标区域x1的亮度估计μx,将第二平均灰度值作为子区域y1的亮度估计μy,依据μx和μy,按照公式L(x,y)=(2μx×μy+c1)/(μx2+μy2+c1),得到目标区域x1和子区域y1的亮度相似性L(x,y)。式中c1为常数。
然后,按照实施例一中所述的方式,得到对比度相似性C(x,y)和结构相似性S(x,y),然后计算L(x,y)×C(x,y)×S(x,y),得到目标区域x1和子区域y1的相似度SSIM(x,y)。
对于其余子区域的相似度,可以参考上述过程实现,在此不再赘述。
步骤7:对各子区域对应的相似度进行加权求和,得到总相似度。
步骤8:业务系统根据总相似度和预设相似度阈值,判断摄像场景是否产生了变换。
在总相似度低于预设相似度阈值时,确定摄像场景产生了变换;否则,摄像场景未产生变换。
在确定摄像场景未产生变换时,即可以正常执行业务;否则,即结束业务执行过程。
实施例三:
基于同一发明构思,本申请实施例中还提供了一种摄像场景变换判断装置。请参阅图3所示,图3示出了与实施例一所示的方法对应的摄像场景变换判断装置100。应理解,摄像场景变换判断装置100具体的功能可以参见上文中的描述,为避免重复,此处适当省略详细描述。摄像场景变换判断装置100包括至少一个能以软件或固件的形式存储于存储器中或固化在摄像场景变换判断装置100的操作系统中的软件功能模块。具体地:
参见图3所示,摄像场景变换判断装置100包括:获取模块101、比对模块102和确定模块103。其中:
获取模块101,用于获取当前摄像场景图像。
比对模块102,用于将当前摄像场景图像与预存的当前业务的基准图像进行比对,得到比对结果;基准图像为在当前业务的标准摄像场景下拍摄的摄像场景图像。
确定模块103,用于基于所述比对结果,确定摄像场景相对于所述当前业务的标准摄像场景是否发生了变换。
在本申请实施例中,所述比对结果为相似度;比对模块102具体用于,获取当前摄像场景图像和基准图像的亮度相似性、对比度相似性和结构相似性;基于亮度相似性、对比度相似性和结构相似性得到当前摄像场景图像和基准图像的相似度。确定模块103具体用于,在当前摄像场景图像与基准图像的相似度低于预设的相似度阈值时,确定摄像场景相对于当前业务的标准摄像场景发生了变换。
在本申请实施例的一种可行实施方式中,比对模块102具体用于,获取当前摄像场景图像和基准图像中的目标像素点,目标像素点的灰度值满足以下条件之一:目标像素点的灰度值大于预设灰度阈值;目标像素点的灰度值为当前摄像场景图像和基准图像中,所有像素点的灰度值中最大的N个灰度值之一;目标像素点的灰度值为当前摄像场景图像和基准图像中,所有像素点的灰度值中最大的N%个灰度值之一;
确定当前摄像场景图像中的目标像素点的第一平均灰度值,确定基准图像中的目标像素点的第二平均灰度值;依据第一平均灰度值和第二平均灰度值得到当前摄像场景图像和基准图像的亮度相似性。
在本申请实施例中,获取模块101具体用于按照预设间隔时长获取当前摄像场景图像;或,在业务执行前获取当前摄像场景图像;或,在得到业务执行结果时获取当前摄像场景图像。
在本申请实施例的一种可行实施方式中,参见图4所示,摄像场景变换判断装置100还包括控制模块104。获取模块101具体用于在智能提醒条件被触发时获取当前摄像场景图像;控制模块104用于在摄像场景未发生变换时,进行智能提醒;在摄像场景发生变换时,不进行智能提醒。
在本申请实施例中,比对模块102具体用于,将所述基准图像中预设的各子区域,分别与所述当前摄像场景图像中相对应的目标区域进行比对,得到各子区域所对应的比对结果;基于所述各子区域所对应的比对结果,确定所述当前摄像场景图像与所述基准图像的比对结果。
在本申请实施例中,所述子区域为预先在基准图像中设定的前景、背景、亮度、对比度之一不易发生变化的区域。
在本申请实施例中,比对结果为相似度;比对模块102具体用于,获取各子区域分别与各自对应的目标区域之间的亮度相似性、对比度相似性和结构相似性;基于各子区域预设的亮度相似性权重值、对比度相似性权重值和结构相似性权重值,对各子区域的亮度相似性、对比度相似性和结构相似性进行计算,得到各子区域所对应的相似度。
在本申请实施例中,所述比对结果为相似度;比对模块102具体用于,基于各子区域所对应的权重值,对各子区域所对应的相似度进行加权求和,得到当前摄像场景图像与基准图像的相似度。
在本申请实施例中,所述比对结果为摄像场景发生了变换或摄像场景未发生变换;比对模块102具体用于,将所述基准图像中预设的各子区域,分别与所述当前摄像场景图像中相对应的目标区域进行比对,得到各子区域所对应的相似度,将各子区域所对应的相似度分别与各子区域对应的子区域相似度阈值进行比较,确定各子区域所对应的比对结果。
在本申请实施例的一种可行实施方式中,所述比对结果为摄像场景发生了变换或摄像场景未发生变换;比对模块102具体用于,基于各子区域所对应的比对结果中摄像场景发生了变换的比对结果的出现次数确定所述当前摄像场景图像与所述基准图像的比对结果;或者,将各子区域所对应的比对结果进行加权求和,基于加权求和结果确定所述当前摄像场景图像与所述基准图像的比对结果。
需要理解的是,出于描述简洁的考量,部分实施例一中描述过的内容在本实施例中不再赘述。
实施例四:
本实施例提供了一种电子设备,参见图5所示,其包括处理器501、存储器502以及通信总线503。其中:
通信总线503用于实现处理器501和存储器502之间的连接通信。
处理器501用于执行存储器502中存储的一个或多个程序,以实现上述实施例一/二中的摄像场景变换判断方法。
可以理解,图5所示的结构仅为示意,电子设备还可包括比图5中所示更多或者更少的组件,或者具有与图5所示不同的配置,例如还可以具有显示屏、数据输入/输出组件等部件。
本申请实施例中,电子设备可以作为业务平台进行业务处理,并与摄像机连接,以获取相应的图像数据。
本实施例还提供了一种可读存储介质,如软盘、光盘、硬盘、闪存、U盘、SD(SecureDigital Memory Card,安全数码卡)卡、MMC(Multimedia Card,多媒体卡)卡等,在该可读存储介质中存储有实现上述各个步骤的一个或者多个程序,这一个或者多个程序可被一个或者多个处理器执行,以实现上述实施例一/二中的摄像场景变换判断方法。在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。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,又例如,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通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,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。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
在本文中,多个是指两个或两个以上。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (14)
1.一种摄像场景变换判断方法,其特征在于,包括:
获取当前摄像场景图像;
将所述当前摄像场景图像与预存的当前业务的基准图像进行比对,得到比对结果;所述基准图像为在所述当前业务的标准摄像场景下拍摄的摄像场景图像;
基于所述比对结果,确定摄像场景相对于所述当前业务的标准摄像场景是否发生了变换。
2.如权利要求1所述的摄像场景变换判断方法,其特征在于,所述比对结果为相似度;
将所述当前摄像场景图像与预存的当前业务的基准图像进行比对,得到比对结果,包括:
获取所述当前摄像场景图像和所述基准图像的亮度相似性、对比度相似性和结构相似性;
基于所述亮度相似性、对比度相似性和结构相似性得到所述当前摄像场景图像和所述基准图像的相似度;
所述基于所述比对结果,确定摄像场景相对于所述当前业务的标准摄像场景是否发生了变换,包括:
在所述当前摄像场景图像与所述基准图像的相似度低于预设的相似度阈值时,确定摄像场景相对于所述当前业务的标准摄像场景发生了变换。
3.如权利要求2所述的摄像场景变换判断方法,其特征在于,获取所述当前摄像场景图像和所述基准图像的亮度相似性,包括:
获取所述当前摄像场景图像和所述基准图像中的目标像素点,所述目标像素点的灰度值满足以下条件之一:所述目标像素点的灰度值大于预设灰度阈值;所述目标像素点的灰度值为所述当前摄像场景图像和所述基准图像中,所有像素点的灰度值中最大的N个灰度值之一;所述目标像素点的灰度值为所述当前摄像场景图像和所述基准图像中,所有像素点的灰度值中最大的N%个灰度值之一;
确定所述当前摄像场景图像中的目标像素点的第一平均灰度值,确定所述基准图像中的目标像素点的第二平均灰度值;
依据所述第一平均灰度值和所述第二平均灰度值得到所述当前摄像场景图像和所述基准图像的亮度相似性。
4.如权利要求1-3任一项所述的摄像场景变换判断方法,其特征在于,所述获取当前摄像场景图像,包括:
按照预设间隔时长获取所述当前摄像场景图像;
或,在业务执行前获取所述当前摄像场景图像;
或,在得到业务执行结果时获取所述当前摄像场景图像。
5.如权利要求1-4任一项所述的摄像场景变换判断方法,其特征在于,将所述当前摄像场景图像与预存的当前业务的基准图像进行比对,得到比对结果,包括:
将所述基准图像中预设的各子区域,分别与所述当前摄像场景图像中相对应的目标区域进行比对,得到各子区域所对应的比对结果;
基于所述各子区域所对应的比对结果,确定所述当前摄像场景图像与所述基准图像的比对结果。
6.如权利要求5所述的摄像场景变换判断方法,其特征在于,所述子区域为预先在所述基准图像中设定的前景、背景、亮度、对比度之一不易发生变化的区域。
7.如权利要求5或6所述的摄像场景变换判断方法,其特征在于,所述比对结果为相似度;
将所述基准图像中预设的各子区域,分别与所述当前摄像场景图像中相对应的目标区域进行比对,得到比对结果,包括:
获取各子区域分别与各自对应的目标区域之间的亮度相似性、对比度相似性和结构相似性;
基于各子区域预设的亮度相似性权重值、对比度相似性权重值和结构相似性权重值,对各子区域的亮度相似性、对比度相似性和结构相似性进行计算,得到各子区域所对应的相似度。
8.如权利要求5-7任一项所述的摄像场景变换判断方法,其特征在于,所述比对结果为相似度;
所述基于所述各子区域所对应的比对结果,确定所述当前摄像场景图像与所述基准图像的比对结果,包括:
基于各子区域所对应的权重值,对所述各子区域所对应的相似度进行加权求和,得到所述当前摄像场景图像与所述基准图像的相似度。
9.如权利要求5或6所述的摄像场景变换判断方法,其特征在于,所述比对结果为摄像场景发生了变换或摄像场景未发生变换;
将所述基准图像中预设的各子区域,分别与所述当前摄像场景图像中相对应的目标区域进行比对,得到各子区域所对应的比对结果,包括:
将所述基准图像中预设的各子区域,分别与所述当前摄像场景图像中相对应的目标区域进行比对,得到各子区域所对应的相似度,将各子区域所对应的相似度分别与各子区域对应的子区域相似度阈值进行比较,确定各子区域所对应的比对结果。
10.如权利要求5、6或9所述的摄像场景变换判断方法,其特征在于,所述比对结果为摄像场景发生了变换或摄像场景未发生变换;
所述基于所述各子区域所对应的比对结果,确定所述当前摄像场景图像与所述基准图像的比对结果,包括:
基于各子区域所对应的比对结果中摄像场景发生了变换的比对结果的出现次数确定所述当前摄像场景图像与所述基准图像的比对结果;或者,将各子区域所对应的比对结果进行加权求和,基于加权求和结果确定所述当前摄像场景图像与所述基准图像的比对结果。
11.如权利要求1-4任一项所述的摄像场景变换判断方法,其特征在于,所述基准图像中预设有多个子区域,所述多个子区域中包括基准子区域和辅助子区域;
将所述当前摄像场景图像与预存的当前业务的基准图像进行比对,得到比对结果包括:
将所述基准图像中的所述基准子区域与所述当前摄像场景图像中相对应的目标区域进行比对,得到基准子区域对应的比对结果;
若所述基准子区域对应的比对结果为摄像场景发生了变换,则将所述基准图像中的所述辅助子区域与所述当前摄像场景图像中相对应的目标区域进行比对,得到所述辅助子区域对应的比对结果;
基于所述比对结果,确定摄像场景相对于所述当前业务的标准摄像场景是否发生了变换,包括:
基于所述辅助子区域对应的比对结果,确定摄像场景相对于所述当前业务的标准摄像场景是否发生了变换。
12.一种摄像场景变换判断装置,其特征在于,包括:获取模块、比对模块和确定模块;
所述获取模块,用于获取当前摄像场景图像;
所述比对模块,用于将所述当前摄像场景图像与预存的当前业务的基准图像进行比对,得到比对结果;所述基准图像为在所述当前业务的标准摄像场景下拍摄的摄像场景图像;
所述确定模块,用于基于所述比对结果,确定摄像场景相对于所述当前业务的标准摄像场景是否发生了变换。
13.一种电子设备,其特征在于,包括处理器、存储器及通信总线;
所述通信总线用于实现所述处理器和存储器之间的连接通信;
所述处理器用于执行存储器中存储的一个或者多个程序,以实现如权利要求1至11任一项所述的摄像场景变换判断方法。
14.一种可读存储介质,其特征在于,所述可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至11任一项所述的摄像场景变换判断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010743120.6A CN112070113B (zh) | 2020-07-28 | 2020-07-28 | 摄像场景变换判断方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010743120.6A CN112070113B (zh) | 2020-07-28 | 2020-07-28 | 摄像场景变换判断方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112070113A true CN112070113A (zh) | 2020-12-11 |
CN112070113B CN112070113B (zh) | 2024-03-26 |
Family
ID=73656240
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010743120.6A Active CN112070113B (zh) | 2020-07-28 | 2020-07-28 | 摄像场景变换判断方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070113B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004241945A (ja) * | 2003-02-05 | 2004-08-26 | Nippon Telegr & Teleph Corp <Ntt> | 画像監視装置、画像監視方法、画像監視プログラム及びそのプログラムを記録した記録媒体 |
CN101599175A (zh) * | 2009-06-11 | 2009-12-09 | 北京中星微电子有限公司 | 确定拍摄背景发生改变的检测方法及图像处理设备 |
CN101853504A (zh) * | 2010-05-07 | 2010-10-06 | 厦门大学 | 基于视觉特性与结构相似度的图像质量评测方法 |
CN107071231A (zh) * | 2017-04-14 | 2017-08-18 | 珠海市魅族科技有限公司 | 图像变化识别方法及装置 |
CN109034185A (zh) * | 2018-06-08 | 2018-12-18 | 汪俊 | 一种街景图像差异对比方法及装置 |
CN109086696A (zh) * | 2018-07-18 | 2018-12-25 | 洛阳语音云创新研究院 | 一种异常行为检测方法、装置、电子设备及存储介质 |
CN110796157A (zh) * | 2019-08-29 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 一种图像差异识别方法、装置及存储介质 |
-
2020
- 2020-07-28 CN CN202010743120.6A patent/CN112070113B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004241945A (ja) * | 2003-02-05 | 2004-08-26 | Nippon Telegr & Teleph Corp <Ntt> | 画像監視装置、画像監視方法、画像監視プログラム及びそのプログラムを記録した記録媒体 |
CN101599175A (zh) * | 2009-06-11 | 2009-12-09 | 北京中星微电子有限公司 | 确定拍摄背景发生改变的检测方法及图像处理设备 |
CN101853504A (zh) * | 2010-05-07 | 2010-10-06 | 厦门大学 | 基于视觉特性与结构相似度的图像质量评测方法 |
CN107071231A (zh) * | 2017-04-14 | 2017-08-18 | 珠海市魅族科技有限公司 | 图像变化识别方法及装置 |
CN109034185A (zh) * | 2018-06-08 | 2018-12-18 | 汪俊 | 一种街景图像差异对比方法及装置 |
CN109086696A (zh) * | 2018-07-18 | 2018-12-25 | 洛阳语音云创新研究院 | 一种异常行为检测方法、装置、电子设备及存储介质 |
CN110796157A (zh) * | 2019-08-29 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 一种图像差异识别方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112070113B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108335279B (zh) | 图像融合和hdr成像 | |
EP2549738B1 (en) | Method and camera for determining an image adjustment parameter | |
US7450756B2 (en) | Method and apparatus for incorporating iris color in red-eye correction | |
CN105577983B (zh) | 检测运动遮罩的设备和方法 | |
US7345702B2 (en) | Image sensing apparatus, control method for illumination device, flash photographing method, and computer program product | |
JP2009171318A (ja) | 画像処理装置及び画像処理方法並びに撮像装置 | |
US9258481B2 (en) | Object area tracking apparatus, control method, and program of the same | |
CN110536068A (zh) | 对焦方法和装置、电子设备、计算机可读存储介质 | |
CN101640788B (zh) | 一种监控控制方法、装置及监控系统 | |
KR20120020008A (ko) | 초해상도 영상 복원 방법, 및 이를 이용한 불법 주정차 단속 시스템 | |
CN109618102B (zh) | 对焦处理方法、装置、电子设备及存储介质 | |
US8798369B2 (en) | Apparatus and method for estimating the number of objects included in an image | |
US20190230269A1 (en) | Monitoring camera, method of controlling monitoring camera, and non-transitory computer-readable storage medium | |
CN113259594A (zh) | 图像处理方法及装置、计算机可读存储介质、终端 | |
JP2022038287A (ja) | 機械学習装置及び画像処理装置 | |
CN112070113B (zh) | 摄像场景变换判断方法、装置、电子设备及可读存储介质 | |
CN111885371A (zh) | 图像遮挡检测方法、装置、电子设备和计算机可读介质 | |
US10194072B2 (en) | Method and apparatus for remote detection of focus hunt | |
CN116506737A (zh) | 一种曝光参数的确定方法、装置、设备及存储介质 | |
CN114430461B (zh) | 基于深度学习实现软光敏的方法、装置、终端及存储介质 | |
JP2015233202A (ja) | 画像処理装置および画像処理方法、並びにプログラム | |
JP7250433B2 (ja) | 撮像装置、制御方法及びプログラム | |
KR101248154B1 (ko) | 가변크기 영역 기반의 객체 움직임 추정 방법 및 이를 실행하는 장치, 그리고 이를 실행하는 움직임 추정 프로그램을 기록한 컴퓨터로 판독가능한 기록매체 | |
WO2020019266A1 (zh) | 一种图像处理方法及装置 | |
CN112738387A (zh) | 目标抓拍方法、装置及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |