CN112131916A - 目标抓拍方法、装置、电子设备及存储介质 - Google Patents
目标抓拍方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112131916A CN112131916A CN201910556994.8A CN201910556994A CN112131916A CN 112131916 A CN112131916 A CN 112131916A CN 201910556994 A CN201910556994 A CN 201910556994A CN 112131916 A CN112131916 A CN 112131916A
- Authority
- CN
- China
- Prior art keywords
- target
- video image
- image
- face
- snapshot
- 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 47
- 238000012544 monitoring process Methods 0.000 claims abstract description 79
- 238000001514 detection method Methods 0.000 claims description 62
- 230000015654 memory Effects 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种目标抓拍方法、装置、电子设备及存储介质,属于智能交通领域。所述方法包括:通过所述图像传感器对监控场景进行图像采集;根据采集到的视频图像,确定所述监控场景的类型,不同类型的场景中待监控目标的类型不同;当确定所述监控场景为第一类型场景时,检测所述采集到的视频图像中第一目标的位置,将所述第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像;当确定所述监控场景为第二类型场景时,检测所述采集到的视频图像中第二目标的人脸,将所述第二目标的人脸满足目标条件的视频图像保存为第二抓拍图像。本发明通过单个图像传感器实现了不同场景下的抓拍,设备成本低、场景的适用性高。
Description
技术领域
本发明涉及智能交通领域,尤其涉及一种目标抓拍方法、装置、电子设备及存储介质。
背景技术
目标抓拍是指当目标进入监控范围内后,拍摄该目标的视频图像。随着交通安全意识的提升,道路上设置有越来越多的监控设备,如抓拍机,这些监控设备可以对道路上的车辆、行人等目标进行抓拍。
目前,监控设备采用两个图像传感器,通过一个图像传感器拍摄监控场景的视频图像,对该视频图像进行人体检测,得到人体所在区域,然后再通过另一个图像传感器对准所述人体所在区域进行拍摄,得到另一视频图像,然后对该视频图像中进行人脸检测,如果检测到人脸,则将该视频图像作为抓拍图像。
上述技术中监控设备采用两个图像传感器进行人脸抓拍,仅适用于抓拍目标为行人的监控场景,不适用于抓拍目标为车辆的监控场景,设备成本高、场景的适用性差。
发明内容
本发明实施例提供了一种目标抓拍方法、装置、电子设备及存储介质,可以解决相关技术中设备成本高、场景的适用性差的问题。所述技术方案如下:
第一方面,提供了一种目标抓拍方法,应用于电子设备,所述电子设备包括图像传感器,所述方法包括:
通过所述图像传感器对监控场景进行图像采集;
根据采集到的视频图像,确定所述监控场景的类型,不同类型的场景中待监控目标的类型不同;
当确定所述监控场景为第一类型场景时,检测所述采集到的视频图像中第一目标的位置,将所述第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像,所述第一类型场景中的目标为车辆;
当确定所述监控场景为第二类型场景时,检测所述采集到的视频图像中第二目标的人脸,将所述第二目标的人脸满足目标条件的视频图像保存为第二抓拍图像,所述第二类型场景中的目标为行人。
在一种可能实现方式中,所述根据采集到的视频图像,确定所述监控场景的类型,包括:
对采集到的当前帧视频图像进行车道线检测;
当检测到所述当前帧视频图像中存在车道线时,确定所述监控场景为所述第一类型场景;
当检测到所述当前帧视频图像中不存在车道线时,确定所述监控场景为所述第二类型场景。
在一种可能实现方式中,所述检测所述采集到的视频图像中第一目标的位置,将所述第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像,包括:
检测采集到的当前帧视频图像中所述第一目标的位置;
当所述当前帧视频图像中所述第一目标处于所述指定抓拍位置时,将所述当前帧视频图像保存为所述第一抓拍图像;
当所述当前帧视频图像中所述第一目标不在所述指定抓拍位置时,继续检测采集到的下一帧视频图像中所述第一目标的位置,将所述第一目标移动到所述指定抓拍位置的视频图像保存为所述第一抓拍图像。
在一种可能实现方式中,所述检测所述采集到的视频图像中第一目标的位置,将所述第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像之后,所述方法还包括:
根据所述第一抓拍图像中所述第一目标的位置所在的车道区域,确定所述第一抓拍图像中所述第一目标所在的车道号,其中,所述车道号为各个车道线划分的车道区域的编号;
输出所述第一抓拍图像中所述第一目标所在的车道号或者同时输出所述车道号及所述第一目标的车牌信息。
在一种可能实现方式中,所述目标条件为在采集到的多帧视频图像中所述第二目标的人脸评分值最大,人脸的朝向越接近正面则人脸评分值越大,所述多帧视频图像包括从所述第二目标的人脸进入所述图像传感器的视场到离开所述视场的所有视频图像,所述检测所述采集到的视频图像中第二目标的人脸,将所述第二目标的人脸满足目标条件的视频图像保存为第二抓拍图像,包括:
检测采集到的当前帧视频图像中所述第二目标的人脸,获取所述当前帧视频图像中所述第二目标的人脸评分值;
根据所述当前帧视频图像中所述第二目标的人脸评分值和所述当前帧图像之前获取的所述第二目标的人脸评分值,缓存所述第二目标的人脸评分值最大的视频图像;
继续对下一帧视频图像执行获取人脸评分值和缓存人脸评分值最大的视频图像的步骤,直至对最后一帧视频图像执行获取人脸评分值和缓存人脸评分值最大的视频图像的步骤后,将缓存的视频图像保存为所述第二抓拍图像,所述最后一帧视频图像为所述第二目标的人脸离开所述视场时的视频图像。
在一种可能实现方式中,所述根据所述当前帧视频图像中所述第二目标的人脸评分值和所述当前帧图像之前获取的所述第二目标的人脸评分值,缓存所述第二目标的人脸评分值最大的视频图像,包括:
当所述当前帧视频图像中所述第二目标的人脸评分值大于所述当前帧图像之前获取的所述第二目标的最大人脸评分值时,清空之前缓存的视频图像,缓存所述当前帧视频图像;
当所述当前帧视频图像中所述第二目标的人脸评分值小于或等于所述当前帧图像之前获取的所述第二目标的最大人脸评分值时,保持之前缓存的视频图像不变,并放弃保存当前帧视频图像。
在一种可能实现方式中,所述方法还包括:
检测所述第二目标的人脸在采集到的视频图像中的位置;
当所述视频图像中所述第二目标的人脸的位置与视频图像的下边缘的距离等于预设距离时,确定所述视频图像为所述第二目标的人脸离开所述视场时的视频图像。
第二方面,提供了一种目标抓拍装置,所述装置包括:
采集模块,用于通过所述图像传感器对监控场景进行图像采集;
确定模块,用于根据采集到的视频图像,确定所述监控场景的类型,不同类型的场景中待监控目标的类型不同;
第一检测模块,用于当确定所述监控场景为第一类型场景时,检测所述采集到的视频图像中第一目标的位置,将所述第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像,所述第一类型场景中的目标为车辆;
第二检测模块,用于当确定所述监控场景为第二类型场景时,检测所述采集到的视频图像中第二目标的人脸,将所述第二目标的人脸满足目标条件的视频图像保存为第二抓拍图像,所述第二类型场景中的目标为行人。
在一种可能实现方式中,所述确定模块用于:
对采集到的当前帧视频图像进行车道线检测;
当检测到所述当前帧视频图像中存在车道线时,确定所述监控场景为所述第一类型场景;
当检测到所述当前帧视频图像中不存在车道线时,确定所述监控场景为所述第二类型场景。
在一种可能实现方式中,所述第一检测模块用于:
检测采集到的当前帧视频图像中所述第一目标的位置;
当所述当前帧视频图像中所述第一目标处于所述指定抓拍位置时,将所述当前帧视频图像保存为所述第一抓拍图像;
当所述当前帧视频图像中所述第一目标不在所述指定抓拍位置时,继续检测采集到的下一帧视频图像中所述第一目标的位置,将所述第一目标移动到所述指定抓拍位置的视频图像保存为所述第一抓拍图像。
在一种可能实现方式中,所述装置还包括:
所述确定模块还用于根据所述第一抓拍图像中所述第一目标的位置所在的车道区域,确定所述第一抓拍图像中所述第一目标所在的车道号,其中,所述车道号为各个车道线划分的车道区域的编号;
第一输出模块,用于输出所述第一抓拍图像中所述第一目标所在的车道号或者同时输出所述车道号及所述第一目标的车牌信息。
在一种可能实现方式中,所述目标条件为在采集到的多帧视频图像中所述第二目标的人脸评分值最大,人脸的朝向越接近正面则人脸评分值越大,所述多帧视频图像包括从所述第二目标的人脸进入所述图像传感器的视场到离开所述视场的所有视频图像,所述第二检测模块用于:
检测采集到的当前帧视频图像中所述第二目标的人脸,获取所述当前帧视频图像中所述第二目标的人脸评分值;
根据所述当前帧视频图像中所述第二目标的人脸评分值和所述当前帧图像之前获取的所述第二目标的人脸评分值,缓存所述第二目标的人脸评分值最大的视频图像;
继续对下一帧视频图像执行获取人脸评分值和缓存人脸评分值最大的视频图像的步骤,直至对最后一帧视频图像执行获取人脸评分值和缓存人脸评分值最大的视频图像的步骤后,将缓存的视频图像保存为所述第二抓拍图像,所述最后一帧视频图像为所述第二目标的人脸离开所述视场时的视频图像。
在一种可能实现方式中,所述第二检测模块用于:
当所述当前帧视频图像中所述第二目标的人脸评分值大于所述当前帧图像之前获取的所述第二目标的最大人脸评分值时,清空之前缓存的视频图像,缓存所述当前帧视频图像;
当所述当前帧视频图像中所述第二目标的人脸评分值小于或等于所述当前帧图像之前获取的所述第二目标的最大人脸评分值时,保持之前缓存的视频图像不变,并放弃保存当前帧视频图像。
在一种可能实现方式中,所述第二检测模块还用于检测所述第二目标的人脸在采集到的视频图像中的位置;
所述确定模块还用于当所述视频图像中所述第二目标的人脸的位置与视频图像的下边缘的距离等于预设距离时,确定所述视频图像为所述第二目标的人脸离开所述视场时的视频图像。
第三方面,提供了一种电子设备,包括一个或多个处理器和一个或多个存储器;所述一个或多个存储器,用于存放至少一条指令;所述一个或多个处理器,用于执行所述一个或多个存储器上所存放的至少一条指令,实现第一方面任一种实现方式所述的方法步骤。
第四方面,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至少一条指令,所述至少一条指令被处理器执行时实现第一方面任一种实现方式所述的方法步骤。
本发明实施例提供的技术方案带来的有益效果至少包括:
通过监控设备的图像传感器对监控场景进行图像采集,当根据采集到的视频图像,确定该监控场景为第一类型场景时,由于第一类型场景中的目标为车辆,通过检测视频图像中目标的位置,将目标的位置为指定抓拍位置的视频图像保存为抓拍图像。当确定该监控场景为第二类型场景时,由于第一类型场景中的目标为行人,通过检测视频图像中目标的人脸,将目标的人脸满足目标条件的视频图像保存为抓拍图像。上述方案通过根据采集到的视频图像,确定该监控场景的类型后,自动采用该监控场景对应的检测模式,对采集到的视频图像进行检测,根据检测结果将相应的视频图像保存为抓拍图像,通过单个图像传感器实现了不同场景下的抓拍,设备成本低、场景的适用性高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
图1是本发明实施例提供的一种目标抓拍方法的流程图;
图2是本发明实施例提供的一种目标抓拍方法的流程图;
图3是本发明实施例提供的一种混合车道场景的示意图;
图4是本发明实施例提供的一种行人街道场景的示意图;
图5是本发明实施例提供的一种目标抓拍方法的流程图;
图6是本发明实施例提供的一种目标抓拍装置的结构示意图;
图7是本发明实施例提供的一种电子设备700的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
图1是本发明实施例提供的一种目标抓拍方法的流程图。该方法应用于电子设备,该电子设备包括图像传感器,参见图1,该方法包括:
101、通过所述图像传感器对监控场景进行图像采集。
102、根据采集到的视频图像,确定所述监控场景的类型,不同类型的场景中待监控目标的类型不同。
103、当确定所述监控场景为第一类型场景时,检测所述采集到的视频图像中第一目标的位置,将所述第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像,所述第一类型场景中的目标为车辆。
104、当确定所述监控场景为第二类型场景时,检测所述采集到的视频图像中第二目标的人脸,将所述第二目标的人脸满足目标条件的视频图像保存为第二抓拍图像,所述第二类型场景中的目标为行人。
本发明实施例提供的方法,通过监控设备的图像传感器对监控场景进行图像采集,当根据采集到的视频图像,确定该监控场景为第一类型场景时,由于第一类型场景中的目标为车辆,通过检测视频图像中目标的位置,将目标的位置为指定抓拍位置的视频图像保存为抓拍图像。当确定该监控场景为第二类型场景时,由于第一类型场景中的目标为行人,通过检测视频图像中目标的人脸,将目标的人脸满足目标条件的视频图像保存为抓拍图像。上述方案根据采集到的视频图像,确定该监控场景的类型后,自动切换到该监控场景对应的检测模式,对不同监控场景采用不同的图像检测方式,根据检测结果将相应的视频图像保存为抓拍图像,通过单个图像传感器实现了不同场景下的抓拍,设备成本低、场景的适用性高。
在一种可能实现方式中,所述根据采集到的视频图像,确定所述监控场景的类型,包括:
对采集到的当前帧视频图像进行车道线检测;
当检测到所述当前帧视频图像中存在车道线时,确定所述监控场景为所述第一类型场景;
当检测到所述当前帧视频图像中不存在车道线时,确定所述监控场景为所述第二类型场景。
在一种可能实现方式中,所述检测所述采集到的视频图像中第一目标的位置,将所述第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像,包括:
检测采集到的当前帧视频图像中所述第一目标的位置;
当所述当前帧视频图像中所述第一目标处于所述指定抓拍位置时,将所述当前帧视频图像保存为所述第一抓拍图像;
当所述当前帧视频图像中所述第一目标不在所述指定抓拍位置时,继续检测采集到的下一帧视频图像中所述第一目标的位置,将所述第一目标移动到所述指定抓拍位置的视频图像保存为所述第一抓拍图像。
在一种可能实现方式中,所述检测所述采集到的视频图像中第一目标的位置,将所述第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像之后,所述方法还包括:
根据所述第一抓拍图像中所述第一目标的位置所在的车道区域,确定所述第一抓拍图像中所述第一目标所在的车道号,其中,所述车道号为各个车道线划分的车道区域的编号;
输出所述第一抓拍图像中所述第一目标所在的车道号或者同时输出所述车道号及所述第一目标的车牌信息。
在一种可能实现方式中,所述目标条件为在采集到的多帧视频图像中所述第二目标的人脸评分值最大,人脸的朝向越接近正面则人脸评分值越大,所述多帧视频图像包括从所述第二目标的人脸进入所述图像传感器的视场到离开所述视场的所有视频图像,所述检测所述采集到的视频图像中第二目标的人脸,将所述第二目标的人脸满足目标条件的视频图像保存为第二抓拍图像,包括:
检测采集到的当前帧视频图像中所述第二目标的人脸,获取所述当前帧视频图像中所述第二目标的人脸评分值;
根据所述当前帧视频图像中所述第二目标的人脸评分值和所述当前帧图像之前获取的所述第二目标的人脸评分值,缓存所述第二目标的人脸评分值最大的视频图像;
继续对下一帧视频图像执行获取人脸评分值和缓存人脸评分值最大的视频图像的步骤,直至对最后一帧视频图像执行获取人脸评分值和缓存人脸评分值最大的视频图像的步骤后,将缓存的视频图像保存为所述第二抓拍图像,所述最后一帧视频图像为所述第二目标的人脸离开所述视场时的视频图像。
在一种可能实现方式中,所述根据所述当前帧视频图像中所述第二目标的人脸评分值和所述当前帧图像之前获取的所述第二目标的人脸评分值,缓存所述第二目标的人脸评分值最大的视频图像,包括:
当所述当前帧视频图像中所述第二目标的人脸评分值大于所述当前帧图像之前获取的所述第二目标的最大人脸评分值时,清空之前缓存的视频图像,缓存所述当前帧视频图像;
当所述当前帧视频图像中所述第二目标的人脸评分值小于或等于所述当前帧图像之前获取的所述第二目标的最大人脸评分值时,保持之前缓存的视频图像不变,并放弃保存当前帧视频图像。
在一种可能实现方式中,所述方法还包括:
检测所述第二目标的人脸在采集到的视频图像中的位置;
当所述视频图像中所述第二目标的人脸的位置与所述视频图像的下边缘的距离等于预设距离时,确定所述视频图像为所述第二目标的人脸离开所述视场时的视频图像。
上述所有可选技术方案,可以采用任意结合形成本发明的可选实施例,在此不再一一赘述。
图2是本发明实施例提供的一种目标抓拍方法的流程图。该方法由电子设备执行,该电子设备包括图像传感器,例如该电子设备可以是抓拍机。参见图2,该方法包括:
201、通过图像传感器对监控场景进行图像采集。
本发明实施例中,电子设备可以通过图像传感器对监控场景进行图像采集,得到监控场景的视频图像。
监控场景可以有不同类型,不同类型的场景中待监控目标的类型不同。例如,监控场景可以为第一类型场景,第一类型场景中的目标为车辆,也称为混合车道场景。监控场景也可以为第二类型场景,该第二类型场景中的目标为行人,也称为行人街道场景。参见图3,提供了一种混合车道场景的示意图,如图3所示,该场景多为城市街道场景,较为规范,有明显的车道线划分,出现的目标多为机动车、非机动车等车辆。参见图4,提供了一种行人街道场景的示意图,如图4所示,该场景多为行人步行街、乡间小道等,没有车道线划分,出现的目标多为行人,场景较小,有丰富的人脸特征。
电子设备可以通过检测监控场景中是否存在车道线,来判断监控场景是图3所示的混合车道场景还是图4所示的行人街道场景。
202、对采集到的当前帧视频图像进行车道线检测。
本发明实施例中,电子设备通过图像传感器采集到监控场景的当前帧视频图像后,可以采用车道线检测算法,检测当前帧视频图像中是否存在国标规定的各类车道线,根据检测结果判断监控场景的类型。
203、当检测到该当前帧视频图像中存在车道线时,确定该监控场景为该第一类型场景。
本发明实施例中,如果检测到监控场景中存在车道线,则可以确定监控场景为第一类型场景,也即是图3所示的混合车道场景,此情况下,电子设备可以执行后续步骤205。
204、当检测到该当前帧视频图像中不存在车道线时,确定该监控场景为该第二类型场景。
本发明实施例中,如果检测到监控场景中不存在车道线,则可以确定监控场景为第二类型场景,也即是,图4所示的行人街道场景,此情况下,电子设备可以执行后续步骤206。
需要说明的是,上述步骤202至步骤204是根据采集到的视频图像,确定该监控场景的类型的一种可能实现方式。通过检测视频图像中的车道线,来判断监控场景的类型,从而可以采用对应的检测模式得到抓拍图像,以达到最优的抓拍效果。在一些实施例中,电子设备还可以将采集到的当前帧视频图像输入到监控场景识别模型,输出当前帧视频图像的监控场景类型,该监控场景识别模型用于根据输入的视频图像,输出监控场景类型。例如,该监控场景识别模型可以基于样本视频图像和人工标注的监控场景类型进行训练得到。
参见图5,提供了一种目标抓拍方法的流程图,如图5所示,电子设备可以检测监控场景中是否存在车道线,如果是(存在车道线),则判断监控场景为混合车道场景(第一类型场景),执行后续步骤205;如果否(不存在车道线),则判断监控场景为行人街道场景(第二类型场景),执行后续步骤206。
205、当确定该监控场景为第一类型场景时,检测该采集到的视频图像中第一目标的位置,将该第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像,该第一类型场景中的目标为车辆。
其中,第一目标是指第一类型场景中需要抓拍的目标,包括机动车和非机动车。
本发明实施例中,电子设备在确定监控场景为第一类型场景,也即是混合车道场景时,可以自动切换系统检测模式为目标检测模式,如图5所示。目标检测模式是指对抓拍目标的整体进行检测,该目标检测模式所使用的目标检测模型可以基于目标的整体图像和人工标定的目标位置进行训练得到。电子设备在采用目标检测模式,对该采集到的视频图像进行检测时,可以将视频图像输入到该目标检测模型,输出视频图像中目标的位置。
在一种可能实现方式中,该步骤205可以包括:检测采集到的当前帧视频图像中第一目标的位置;当该当前帧视频图像中第一目标处于指定抓拍位置时,将该当前帧视频图像保存为该第一抓拍图像;当该当前帧视频图像中第一目标不在该指定抓拍位置时,继续检测采集到的下一帧视频图像中第一目标的位置,将所述第一目标移动到所述指定抓拍位置的视频图像保存为该第一抓拍图像。
针对指定抓拍位置,该指定抓拍位置可以预先在电子设备中进行设置,该指定抓拍位置能够便于图像传感器采集到目标的整体图像,一般设置在图像传感器的整个视场的下四分之一处,对应到图像传感器采集到的视频图像中,该指定抓拍位置为视频图像的下四分之处,也即是,指定抓拍位置与视频图像的下边缘的距离为整个视频图像高度的四分之一。
针对目标检测,电子设备可以将当前帧视频图像输入到目标检测模型,输出当前帧视频图像中第一目标的位置。如果第一目标处于指定抓拍位置,则电子设备可以将当前帧视频图像保存为抓拍图像,也即是第一抓拍图像。
针对将视频图像保存为抓拍图像,电子设备可以直接将当前帧视频图像作为抓拍图像进行保存,也可以调整图像传感器的参数,如调高镜头快门时间,提高增益值,同时也可以开启闪光灯,采集下一帧视频图像作为抓拍图像进行保存,可以得到清晰度更高的抓拍图像。
如图5所示,电子设备可以采用目标检测方法,检测当前帧视频图像中的目标是否到达指定抓拍位置,如果是(目标到达指定抓拍位置),则将当前帧视频图像保存为抓拍图像,如果否(目标未到达指定抓拍位置),则继续检测下一帧视频图像,直至在某一帧视频图像中检测到目标处于指定抓拍位置时,将该帧视频图像保存为抓拍图像。
对于混合车道场景,抓拍目标为车辆,整体特征较为清楚,通过采用目标检测方法,通过检测目标是否到达指定抓拍位置,来判断是否作为抓拍图像或进行抓拍,可以保证最优的目标抓拍效果。
在一种可能实现方式中,该检测采集到的当前帧视频图像中第一目标的位置之前,还可以检测当前帧视频图像中的各个车道区域,对该各个车道区域进行编号,得到该各个车道区域的车道号。
针对车道区域的检测,在一种可能实现方式中,电子设备可以检测该当前帧视频图像中的各个车道线;根据该各个车道线,得到各个车道区域。针对车道线的检测,在一种可能实现方式中,电子设备可以提取该当前帧视频图像中的各个车道线片段;对该各个车道线片段进行拟合,得到该各个车道线。
针对车道线片段,以虚线形式的车道线为例,虚线的每一段均可以作为一个车道线片段,以实线形式的车道线为例,实线的某个位置可能会有脏迹,导致此处的颜色与该实线本身的颜色不同,例如白色实线的某个位置有黑色脏迹时,该白色实线可以从此处划分为两个车道线片段。
针对车道线的检测,如图5所示,电子设备可以采用深度学习算法提取车道线片段,使用最小二乘法将车道线片段进行拟合,得到各个车道线。
针对车道区域的确定,电子设备在检测到各个车道线后,可以将车道线两两组合,根据每两个相邻的车道线,确定各个车道区域。在一些实施例中,电子设备还可以根据各个车道线中与道路边界最近的车道线和道路边界,确定车道区域。电子设备可以对各个车道区域从1开始编号,将各个车道区域的编号作为各自的车道号,最大车道号等于该各个车道区域的数量。
通过检测车道线,确定各个车道区域以及对应的车道号,可以便于后续输出车道号信息,使得用户可以得知抓拍目标所在的车道号。
在一种可能实现方式中,电子设备在得到第一抓拍图像后,可以根据该第一抓拍图像中第一目标的位置所在的车道区域,确定该第一抓拍图像中第一目标所在的车道号,其中,所述车道号为各个车道线划分的车道区域的编号;输出该第一抓拍图像中第一目标所在的车道号或者同时输出所述车道号及所述第一目标的车牌信息。
对于非机动车辆,电子设备可以根据非机动车辆的位置,获得非机动车辆所在的车道号,从而输出车道号,如图5所示。对于机动车辆,机动车辆一般都有车牌,相应地,在一些实施例中,当第一抓拍图像中的第一目标具有车牌时,电子设备可以对第一抓拍图像中的第一目标进行车牌识别,得到第一抓拍图像中第一目标的车牌信息,如车牌号码;在输出该第一抓拍图像中第一目标所在的车道号时,同时输出该第一抓拍图像中第一目标的车牌信息,如图5所示。电子设备可以对第一抓拍图像中的目标进行车牌检测,当检测到车牌时,可以确定该目标具有车牌。
当该第一抓拍图像中的目标具有车牌,如目标为机动车辆时,可以输出该第一抓拍图像中目标的车牌号码和车道号;当该第一抓拍图像中的目标为非机动车辆时,输出该第一抓拍图像中目标所在的车道号。通过根据抓拍目标的车辆类型,输出车辆的信息,使得用户可以得知抓拍图像中抓拍目标的相关信息。
206、当确定该监控场景为第二类型场景时,检测该采集到的视频图像中第二目标的人脸,将该第二目标的人脸满足目标条件的视频图像保存为第二抓拍图像,该第二类型场景中的目标为行人。
其中,第二目标是指第二类型场景中需要抓拍的目标,也即是,行人。
本发明实施例中,电子设备在确定监控场景为第二类型场景,也即是行人街道场景时,可以自动切换系统检测模式为人脸检测模式,如图5所示。人脸检测模式是指对抓拍目标的人脸进行检测,该人脸检测模式所使用的人脸检测模型可以基于目标的人脸图像以及人工标定的人脸位置和人脸评分值进行训练得到。电子设备在采用人脸检测模式,对该采集到的视频图像进行检测时,可以将该视频图像输入到该人脸检测模型,输出该视频图像中目标的人脸位置和人脸评分值。
在一种可能实现方式中,该目标条件为在采集到的多帧视频图像中该第二目标的人脸评分值最大,人脸的朝向越接近正面则人脸评分值越大,该多帧视频图像包括从该第二目标的人脸进入该图像传感器的视场到离开该视场的每帧视频图像。
该多帧视频图像中的第一帧视频图像即为该人脸进入视场时的视频图像,当电子设备第一次检测到监控场景的某帧视频图像中出现该人脸时,可以将该帧视频图像作为该人脸进入视场时的视频图像。该多帧视频图像中的最后一帧视频图像即为该人脸离开视场时的视频图像,电子设备可以检测所述第二目标的人脸在采集到的视频图像中的位置,如将视频图像输入人脸检测模型,输出该视频图像中第二目标的人脸的位置。当该视频图像中第二目标的人脸的位置与视频图像的下边缘的距离等于预设距离时,电子设备可以确定该视频图像为该第二目标的人脸离开视场时的视频图像。该多帧视频图像中的其余视频图像则是该第一帧视频图像和最后一帧视频图像之间的视频图像,也即是,在第一帧视频图像的采集时间和最后一帧视频图像的采集时间之间的时间段内采集到的视频图像。
电子设备可以依次采集到该多帧视频图像,每采集到一帧视频图像,则对该帧视频图像进行检测,获取该帧视频图像中第二目标的人脸评分值,选出人脸评分值最大的视频图像保存为第二抓拍图像。在一种可能实现方式中,该步骤206可以包括:检测采集到的当前帧视频图像中第二目标的人脸,获取该当前帧视频图像中该第二目标的人脸评分值;根据该当前帧视频图像中该第二目标的人脸评分值和该当前帧图像之前获取的该第二目标的人脸评分值,缓存该第二目标的人脸评分值最大的视频图像;继续对下一帧视频图像执行获取人脸评分值和缓存人脸评分值最大的视频图像的步骤,直至对最后一帧视频图像执行获取人脸评分值和缓存人脸评分值最大的视频图像的步骤后,将缓存的视频图像保存为该第二抓拍图像,该最后一帧视频图像为该第二目标的人脸离开该图像传感器的视场时的视频图像。
其中,检测采集到的当前帧视频图像中第二目标的人脸,获取该当前帧视频图像中该第二目标的人脸评分值包括:将该当前帧视频图像输入人脸检测模型,输出该当前帧视频图像中该第二目标的人脸评分值,该人脸检测模型用于根据输入的视频图像输出目标的人脸评分值。
如图5所示,电子设备可以采用人脸检测方法,检测当前帧视频图像,得到行人人脸的位置和评分值,并判断当前帧视频图像的人脸评分值是否为该行人最大人脸评分值。如果是,也即是当该当前帧视频图像中第二目标的人脸评分值大于该当前帧图像之前获取的第二目标的最大人脸评分值时,则清空之前缓存的视频图像,缓存该当前帧视频图像。如果否,也即是当该当前帧视频图像中第二目标的人脸评分值小于或等于该当前帧图像之前获取的第二目标的最大人脸评分值时,则保持之前缓存的视频图像不变,并放弃保存当前帧视频图像。进而,电子设备可以检测人脸是否将要离开图像传感器的视场,也即是判断当前帧视频图像是否为该人脸离开视场时的最后一帧视频图像。如果是,则将缓存的人脸评分值最大的视频图像保存为抓拍图像,也即是,第二抓拍图像;如果否,则继续对下一帧视频图像执行相同的检测过程,直至得到第二抓拍图像。
对于行人街道场景,人脸结构信息较为详细,通过采用人脸检测方法,对从人脸进入视场到离开该视场的每帧视频图像,分别计算人脸评分值,通过比较人脸评分值,获取人脸评分值最大的视频图像作为抓拍图像,可以保证最优的人脸抓拍效果。
在一种可能实现方式中,电子设备在得到第二抓拍图像后,可以输出抓拍目标的人脸信息。具体地,电子设备可以输出该第二抓拍图像中该第二目标的人脸评分值。该目标的人脸评分值可以作为一个指标,用于评价识别目标结果的准确性与置信度。
通过从人脸进入视场到离开视场的每帧图像,分别进行人脸评分计算,选出人脸评分值最大的一帧视频图像作为抓拍图像保存,并输出对应的人脸评分值,可以便于技术人员根据抓拍图像进行后续分析。
上述技术方案通过检测监控场景中是否存在车道线,用于判断监控设备所应用于的监控场景类型,针对不同的监控场景,切换不同的检测方法,以达到最优的抓拍效果,以此达到设备自适应监控场景的目的。对于混合车道场景,抓拍目标为车辆,整体特征较为清楚,采用目标检测方法,通过检测目标是否到达指定抓拍位置,来判断是否作为抓拍图像或进行抓拍。对于行人街道场景,人脸结构信息较为详细,采用人脸检测方法,通过比较人脸评分值,以达到最优的人脸抓拍效果。
本发明实施例提供的方法,通过监控设备的图像传感器对监控场景进行图像采集,当根据采集到的视频图像,确定该监控场景为第一类型场景时,由于第一类型场景中的目标为车辆,通过检测视频图像中目标的位置,将目标的位置为指定抓拍位置的视频图像保存为抓拍图像。当确定该监控场景为第二类型场景时,由于第一类型场景中的目标为行人,通过检测视频图像中目标的人脸,将目标的人脸满足目标条件的视频图像保存为抓拍图像。上述方案通过根据采集到的视频图像,确定该监控场景的类型后,自动采用该监控场景对应的检测模式,对采集到的视频图像进行检测,根据检测结果将相应的视频图像保存为抓拍图像,通过单个图像传感器实现了不同场景下的抓拍,设备成本低、场景的适用性高。
图6是本发明实施例提供的一种目标抓拍装置的结构示意图。参照图6,该装置包括:
采集模块601,用于通过所述图像传感器对监控场景进行图像采集;
确定模块602,用于根据采集到的视频图像,确定所述监控场景的类型,不同类型的场景中待监控目标的类型不同;
第一检测模块603,用于当确定所述监控场景为第一类型场景时,检测所述采集到的视频图像中第一目标的位置,将所述第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像,所述第一类型场景中的目标为车辆;
第二检测模块604,用于当确定所述监控场景为第二类型场景时,检测所述采集到的视频图像中第二目标的人脸,将所述第二目标的人脸满足目标条件的视频图像保存为第二抓拍图像,所述第二类型场景中的目标为行人。
在一种可能实现方式中,所述确定模块602用于:
对采集到的当前帧视频图像进行车道线检测;
当检测到所述当前帧视频图像中存在车道线时,确定所述监控场景为所述第一类型场景;
当检测到所述当前帧视频图像中不存在车道线时,确定所述监控场景为所述第二类型场景。
在一种可能实现方式中,所述第一检测模块603用于:
检测采集到的当前帧视频图像中所述第一目标的位置;
当所述当前帧视频图像中所述第一目标处于所述指定抓拍位置时,将所述当前帧视频图像保存为所述第一抓拍图像;
当所述当前帧视频图像中所述第一目标不在所述指定抓拍位置时,继续检测采集到的下一帧视频图像中所述第一目标的位置,将所述第一目标移动到所述指定抓拍位置的视频图像保存为所述第一抓拍图像。
在一种可能实现方式中,所述装置还包括:
所述确定模块602还用于根据所述第一抓拍图像中所述第一目标的位置所在的车道区域,确定所述第一抓拍图像中所述第一目标所在的车道号,其中,所述车道号为各个车道线划分的车道区域的编号;
第一输出模块,用于输出所述第一抓拍图像中所述第一目标所在的车道号或者同时输出所述车道号及所述第一目标的车牌信息。
在一种可能实现方式中,所述目标条件为在采集到的多帧视频图像中所述第二目标的人脸评分值最大,人脸的朝向越接近正面则人脸评分值越大,所述多帧视频图像包括从所述第二目标的人脸进入所述图像传感器的视场到离开所述视场的所有视频图像,所述第二检测模块604用于:
检测采集到的当前帧视频图像中所述第二目标的人脸,获取所述当前帧视频图像中所述第二目标的人脸评分值;
根据所述当前帧视频图像中所述第二目标的人脸评分值和所述当前帧图像之前获取的所述第二目标的人脸评分值,缓存所述第二目标的人脸评分值最大的视频图像;
继续对下一帧视频图像执行获取人脸评分值和缓存人脸评分值最大的视频图像的步骤,直至对最后一帧视频图像执行获取人脸评分值和缓存人脸评分值最大的视频图像的步骤后,将缓存的视频图像保存为所述第二抓拍图像,所述最后一帧视频图像为所述第二目标的人脸离开所述视场时的视频图像。
在一种可能实现方式中,所述第二检测模块604用于:
当所述当前帧视频图像中所述第二目标的人脸评分值大于所述当前帧图像之前获取的所述第二目标的最大人脸评分值时,清空之前缓存的视频图像,缓存所述当前帧视频图像;
当所述当前帧视频图像中所述第二目标的人脸评分值小于或等于所述当前帧图像之前获取的所述第二目标的最大人脸评分值时,保持之前缓存的视频图像不变,并放弃保存当前帧视频图像。
在一种可能实现方式中,所述第二检测模块604还用于检测所述第二目标的人脸在采集到的视频图像中的位置;
所述确定模块602还用于当所述视频图像中所述第二目标的人脸的位置与所述视频图像的下边缘的距离等于预设距离时,确定所述视频图像为所述第二目标的人脸离开所述视场时的视频图像。
本发明实施例中,通过监控设备的图像传感器对监控场景进行图像采集,当根据采集到的视频图像,确定该监控场景为第一类型场景时,由于第一类型场景中的目标为车辆,通过检测视频图像中目标的位置,将目标的位置为指定抓拍位置的视频图像保存为抓拍图像。当确定该监控场景为第二类型场景时,由于第一类型场景中的目标为行人,通过检测视频图像中目标的人脸,将目标的人脸满足目标条件的视频图像保存为抓拍图像。上述方案通过根据采集到的视频图像,确定该监控场景的类型后,自动采用该监控场景对应的检测模式,对采集到的视频图像进行检测,根据检测结果将相应的视频图像保存为抓拍图像,通过单个图像传感器实现了不同场景下的抓拍,设备成本低、场景的适用性高。
需要说明的是:上述实施例提供的目标抓拍装置在目标抓拍时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的目标抓拍装置与目标抓拍方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图7是本发明实施例提供的一种电子设备700的结构示意图,该电子设备1000可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(CentralProcessing Units,CPU)701和一个或一个以上的存储器702,其中,该存储器702中存储有至少一条指令,该至少一条指令由该处理器701加载并执行以实现上述各个方法实施例提供的目标抓拍方法。当然,该电子设备700还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该电子设备700还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种存储有至少一条指令的计算机可读存储介质,例如存储有至少一条指令的存储器,上述至少一条指令被处理器执行时实现上述实施例中的目标抓拍方法。例如,该计算机可读存储介质可以是只读内存(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、只读光盘(Compact Disc Read-OnlyMemory,CD-ROM)、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,上述程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
上述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种目标抓拍方法,其特征在于,应用于电子设备,所述电子设备包括图像传感器,所述方法包括:
通过所述图像传感器对监控场景进行图像采集;
根据采集到的视频图像,确定所述监控场景的类型,不同类型的场景中待监控目标的类型不同;
当确定所述监控场景为第一类型场景时,检测所述采集到的视频图像中第一目标的位置,将所述第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像,所述第一类型场景中的目标为车辆;
当确定所述监控场景为第二类型场景时,检测所述采集到的视频图像中第二目标的人脸,将所述第二目标的人脸满足目标条件的视频图像保存为第二抓拍图像,所述第二类型场景中的目标为行人。
2.根据权利要求1所述的方法,其特征在于,所述根据采集到的视频图像,确定所述监控场景的类型,包括:
对采集到的当前帧视频图像进行车道线检测;
当检测到所述当前帧视频图像中存在车道线时,确定所述监控场景为所述第一类型场景;
当检测到所述当前帧视频图像中不存在车道线时,确定所述监控场景为所述第二类型场景。
3.根据权利要求1所述的方法,其特征在于,所述检测所述采集到的视频图像中第一目标的位置,将所述第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像,包括:
检测采集到的当前帧视频图像中所述第一目标的位置;
当所述当前帧视频图像中所述第一目标处于所述指定抓拍位置时,将所述当前帧视频图像保存为所述第一抓拍图像;
当所述当前帧视频图像中所述第一目标不在所述指定抓拍位置时,继续检测采集到的下一帧视频图像中所述第一目标的位置,将所述第一目标移动到所述指定抓拍位置的视频图像保存为所述第一抓拍图像。
4.根据权利要求1所述的方法,其特征在于,所述检测所述采集到的视频图像中第一目标的位置,将所述第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像之后,所述方法还包括:
根据所述第一抓拍图像中所述第一目标的位置所在的车道区域,确定所述第一抓拍图像中所述第一目标所在的车道号,其中,所述车道号为各个车道线划分的车道区域的编号;
输出所述第一抓拍图像中所述第一目标所在的车道号或者同时输出所述车道号及所述第一目标的车牌信息。
5.根据权利要求1所述的方法,其特征在于,所述目标条件为在采集到的多帧视频图像中所述第二目标的人脸评分值最大,人脸的朝向越接近正面则人脸评分值越大,所述多帧视频图像包括从所述第二目标的人脸进入所述图像传感器的视场到离开所述视场的所有视频图像,所述检测所述采集到的视频图像中第二目标的人脸,将所述第二目标的人脸满足目标条件的视频图像保存为第二抓拍图像,包括:
检测采集到的当前帧视频图像中所述第二目标的人脸,获取所述当前帧视频图像中所述第二目标的人脸评分值;
根据所述当前帧视频图像中所述第二目标的人脸评分值和所述当前帧图像之前获取的所述第二目标的人脸评分值,缓存所述第二目标的人脸评分值最大的视频图像;
继续对下一帧视频图像执行获取人脸评分值和缓存人脸评分值最大的视频图像的步骤,直至对最后一帧视频图像执行获取人脸评分值和缓存人脸评分值最大的视频图像的步骤后,将缓存的视频图像保存为所述第二抓拍图像,所述最后一帧视频图像为所述第二目标的人脸离开所述视场时的视频图像。
6.根据权利要求5所述的方法,其特征在于,所述根据所述当前帧视频图像中所述第二目标的人脸评分值和所述当前帧图像之前获取的所述第二目标的人脸评分值,缓存所述第二目标的人脸评分值最大的视频图像,包括:
当所述当前帧视频图像中所述第二目标的人脸评分值大于所述当前帧图像之前获取的所述第二目标的最大人脸评分值时,清空之前缓存的视频图像,缓存所述当前帧视频图像;
当所述当前帧视频图像中所述第二目标的人脸评分值小于或等于所述当前帧图像之前获取的所述第二目标的最大人脸评分值时,保持之前缓存的视频图像不变,并放弃保存所述当前帧视频图像。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
检测所述第二目标的人脸在采集到的视频图像中的位置;
当所述视频图像中所述第二目标的人脸的位置与视频图像的下边缘的距离等于预设距离时,确定所述视频图像为所述第二目标的人脸离开所述视场时的视频图像。
8.一种目标抓拍装置,其特征在于,所述装置包括:
采集模块,用于通过所述图像传感器对监控场景进行图像采集;
确定模块,用于根据采集到的视频图像,确定所述监控场景的类型,不同类型的场景中待监控目标的类型不同;
第一检测模块,用于当确定所述监控场景为第一类型场景时,检测所述采集到的视频图像中第一目标的位置,将所述第一目标处于指定抓拍位置的视频图像保存为第一抓拍图像,所述第一类型场景中的目标为车辆;
第二检测模块,用于当确定所述监控场景为第二类型场景时,检测所述采集到的视频图像中第二目标的人脸,将所述第二目标的人脸满足目标条件的视频图像保存为第二抓拍图像,所述第二类型场景中的目标为行人。
9.一种电子设备,其特征在于,包括一个或多个处理器和一个或多个存储器;所述一个或多个存储器,用于存放至少一条指令;所述一个或多个处理器,用于执行所述一个或多个存储器上所存放的至少一条指令,实现权利要求1-7任一项所述的方法步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有至少一条指令,所述至少一条指令被处理器执行时实现权利要求1-7任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910556994.8A CN112131916B (zh) | 2019-06-25 | 2019-06-25 | 目标抓拍方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910556994.8A CN112131916B (zh) | 2019-06-25 | 2019-06-25 | 目标抓拍方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112131916A true CN112131916A (zh) | 2020-12-25 |
CN112131916B CN112131916B (zh) | 2024-06-04 |
Family
ID=73850157
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910556994.8A Active CN112131916B (zh) | 2019-06-25 | 2019-06-25 | 目标抓拍方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112131916B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2470744A1 (en) * | 2003-06-12 | 2004-12-12 | Redflex Traffic Systems Pty Ltd. | Automated traffic violation monitoring and reporting system with combined video and still image data |
CN101789177A (zh) * | 2010-02-05 | 2010-07-28 | 南京航空航天大学 | 越、压黄线的车辆检测跟踪和车辆信息抓拍装置及其方法 |
CN102170563A (zh) * | 2011-03-24 | 2011-08-31 | 杭州海康威视软件有限公司 | 智能人员卡口系统及人员监控管理方法 |
US20120026292A1 (en) * | 2010-07-27 | 2012-02-02 | Hon Hai Precision Industry Co., Ltd. | Monitor computer and method for monitoring a specified scene using the same |
CN103049460A (zh) * | 2011-10-17 | 2013-04-17 | 天津市亚安科技股份有限公司 | 一种视频监控场景信息分类存储的方法及检索方法 |
CN104282150A (zh) * | 2014-09-29 | 2015-01-14 | 北京汉王智通科技有限公司 | 运动目标的识别装置及系统 |
KR101498114B1 (ko) * | 2013-11-28 | 2015-03-05 | 현대모비스 주식회사 | 보행자를 검출하는 영상 처리 장치 및 그 방법 |
WO2016041442A1 (zh) * | 2014-09-16 | 2016-03-24 | 华为技术有限公司 | 数据处理的方法和设备 |
CN106373405A (zh) * | 2016-09-29 | 2017-02-01 | 浙江宇视科技有限公司 | 车位监控系统及方法 |
CN106960193A (zh) * | 2017-03-24 | 2017-07-18 | 佛山市南海区广工大数控装备协同创新研究院 | 一种车道线检测装置和方法 |
CN107800964A (zh) * | 2017-10-26 | 2018-03-13 | 武汉大学 | 一种基于双摄像头实现人脸自动检测与抓拍的方法 |
CN108810390A (zh) * | 2018-09-07 | 2018-11-13 | 厦门博聪信息技术有限公司 | 一种枪球协同式的大场景车辆违法抓拍摄像机及其车辆违法抓拍方法 |
-
2019
- 2019-06-25 CN CN201910556994.8A patent/CN112131916B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2470744A1 (en) * | 2003-06-12 | 2004-12-12 | Redflex Traffic Systems Pty Ltd. | Automated traffic violation monitoring and reporting system with combined video and still image data |
CN101789177A (zh) * | 2010-02-05 | 2010-07-28 | 南京航空航天大学 | 越、压黄线的车辆检测跟踪和车辆信息抓拍装置及其方法 |
US20120026292A1 (en) * | 2010-07-27 | 2012-02-02 | Hon Hai Precision Industry Co., Ltd. | Monitor computer and method for monitoring a specified scene using the same |
CN102170563A (zh) * | 2011-03-24 | 2011-08-31 | 杭州海康威视软件有限公司 | 智能人员卡口系统及人员监控管理方法 |
CN103049460A (zh) * | 2011-10-17 | 2013-04-17 | 天津市亚安科技股份有限公司 | 一种视频监控场景信息分类存储的方法及检索方法 |
KR101498114B1 (ko) * | 2013-11-28 | 2015-03-05 | 현대모비스 주식회사 | 보행자를 검출하는 영상 처리 장치 및 그 방법 |
WO2016041442A1 (zh) * | 2014-09-16 | 2016-03-24 | 华为技术有限公司 | 数据处理的方法和设备 |
CN104282150A (zh) * | 2014-09-29 | 2015-01-14 | 北京汉王智通科技有限公司 | 运动目标的识别装置及系统 |
CN106373405A (zh) * | 2016-09-29 | 2017-02-01 | 浙江宇视科技有限公司 | 车位监控系统及方法 |
CN106960193A (zh) * | 2017-03-24 | 2017-07-18 | 佛山市南海区广工大数控装备协同创新研究院 | 一种车道线检测装置和方法 |
CN107800964A (zh) * | 2017-10-26 | 2018-03-13 | 武汉大学 | 一种基于双摄像头实现人脸自动检测与抓拍的方法 |
CN108810390A (zh) * | 2018-09-07 | 2018-11-13 | 厦门博聪信息技术有限公司 | 一种枪球协同式的大场景车辆违法抓拍摄像机及其车辆违法抓拍方法 |
Non-Patent Citations (2)
Title |
---|
CHAN YEE LOW等: "Simple robust road lane detection algorithm", 2014 5TH INTERNATIONAL CONFERENCE ON INTELLIGENT AND ADVANCED SYSTEMS (ICIAS), 4 August 2014 (2014-08-04), pages 1 - 4 * |
汤一平;陈耀宇;: "基于计算机视觉的违章停车智能监控系统", 计算机测量与控制, no. 08, 25 August 2009 (2009-08-25), pages 56 - 59 * |
Also Published As
Publication number | Publication date |
---|---|
CN112131916B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101854554B1 (ko) | 건축물 높이 산출 방법, 장치 및 저장 매체 | |
CN107506760B (zh) | 基于gps定位与视觉图像处理的交通信号检测方法及系统 | |
US9077907B2 (en) | Image processing apparatus | |
KR102015947B1 (ko) | 자율주행을 위한 학습대상 이미지 추출 장치 및 방법 | |
CN104050679A (zh) | 一种违法停车的自动取证方法 | |
WO2021139049A1 (zh) | 检测方法、检测装置、监控设备和计算机可读存储介质 | |
KR101974105B1 (ko) | 차량번호 인식률을 높인 차량 촬영시스템 및 방법 | |
KR102015945B1 (ko) | 자율주행을 위한 학습대상 이미지 패키징 장치 및 방법 | |
CN107909012B (zh) | 一种基于视差图的实时车辆跟踪检测方法与装置 | |
CN111507145A (zh) | 嵌入式车载环视系统库位障碍物检测方法、系统及装置 | |
CN112885108B (zh) | 一种基于深度学习算法的停车位上车辆换车检测方法及系统 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN112001208A (zh) | 用于车辆盲区的目标检测方法、装置和电子设备 | |
CN110880205B (zh) | 一种停车收费方法及装置 | |
CN115761668A (zh) | 摄像头的污渍识别方法、装置、车辆及存储介质 | |
JP2004086417A (ja) | 横断歩道等における歩行者検出方法及び同装置 | |
WO2024098992A1 (zh) | 倒车检测方法及装置 | |
KR20120098292A (ko) | 차선 검출 방법 | |
JP2019192201A (ja) | 自律走行のための学習対象イメージ抽出装置及び方法 | |
CN111383248A (zh) | 一种行人闯红灯判断方法、装置和电子设备 | |
CN113223276A (zh) | 一种基于视频识别的行人跨栏行为警报方法及装置 | |
CN112131916B (zh) | 目标抓拍方法、装置、电子设备及存储介质 | |
CN116052059A (zh) | 一种交通违法行为的检测方法、装置及系统 | |
CN104077566B (zh) | 基于颜色差分的卡口图片人脸检测方法 | |
CN104118352A (zh) | 车辆辅助系统、车辆辅助方法及车辆 |
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 |