CN112183277A - 遗留物与遗失物的检测方法、装置、终端设备及存储介质 - Google Patents
遗留物与遗失物的检测方法、装置、终端设备及存储介质 Download PDFInfo
- Publication number
- CN112183277A CN112183277A CN202010996430.9A CN202010996430A CN112183277A CN 112183277 A CN112183277 A CN 112183277A CN 202010996430 A CN202010996430 A CN 202010996430A CN 112183277 A CN112183277 A CN 112183277A
- Authority
- CN
- China
- Prior art keywords
- target area
- moving target
- color histogram
- foreground
- determining
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 238000012216 screening Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 230000003068 static effect Effects 0.000 claims description 15
- 230000000877 morphologic effect Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- QVQLCTNNEUAWMS-UHFFFAOYSA-N barium oxide Chemical compound [Ba]=O QVQLCTNNEUAWMS-UHFFFAOYSA-N 0.000 description 1
- 229910001864 baryta Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000007787 solid Substances 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
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种遗留物与遗失物的检测方法、装置、终端设备及存储介质，所述方法包括：获取待检测图像序列；根据所述待检测图像序列确定运动目标区域；统计所述运动目标区域的持续时间，若持续时间达到预设的第一阈值，则判定所述运动目标区域为遗留物或遗失物；获取所述运动目标区域的外接区域；对所述运动目标区域进行颜色直方图计算，得到第一颜色直方图；对所述外接区域进行颜色直方图计算，得到第二颜色直方图；计算所述第一颜色直方图和所述第二颜色直方图的相似度；判断所述相似度是否小于预设的第二阈值，若是，则所述运动目标区域为遗留物；若否，则所述运动目标区域为遗失物。本发明能够有效减少计算量，保证检测的准确率。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种遗留物与遗失物的检测方法、装置、终端设备及存储介质。
背景技术
遗留物是指占有人有意识地放置于某地的财物，并且记得财物的放置时间和地点；遗失物是指占有人因疏忽而丢失于公园、广场或马路上等公共活动空间、已完全丧失实际控制力的财物。对遗留物和遗失物进行实时检测常用于辅助监控人员监察场景中是否有可疑物体遗留，以及场景中的重要物体是否被挪动或移走，能够及时监测并触发报警以防止意外发生。
现有技术对遗留物进行检测的方法通常有两种，第一种方法是将待检测图像和背景模型进行逐像素的比较，生成比较结果二值图；对二值图进行形态学处理，得到被盗遗留物的候选区域；将候选区域送入基于卷积神经网络的图片分类网络中，进行精确分类判断是否属于被盗遗留物。第二种方法是采用帧差法判断像素的运动特性，找到由动变静的目标物体，即疑似遗留物；然后采用HOG特征结合SVM进行分类，区分人和物品，并将人滤除；再采用证据累加方式，判断目标物体停留时长是否超过预设时长；最后将目标物体附近的人与目标物体的主人进行特征匹配，如果未匹配上，则确定目标物体为遗留物。
但是，第一种方法使用深度神经网络进行遗留物特征提取及对比，计算量大，对硬件要求较高；第二种方法对选取的背景图像依赖度较高，若背景图选取得不好，容易导致遗留物漏检或者误检。此外，现有技术大多都是单一地只对遗留物进行检测或者只对遗失物进行检测，还未有对遗留物和遗失物同时进行检测和判断的方法。
发明内容
本发明实施例所要解决的技术问题在于，提供一种遗留物与遗失物的检测方法、装置、终端设备及存储介质，能够减少计算量，同时保证检测的准确率。
为了实现上述目的，本发明实施例提供了一种遗留物与遗失物的检测方法，包括：
获取待检测图像序列；
根据所述待检测图像序列确定运动目标区域；
统计所述运动目标区域的持续时间，若持续时间达到预设的第一阈值，则判定所述运动目标区域为遗留物或遗失物；
获取所述运动目标区域的外接区域；
对所述运动目标区域进行颜色直方图计算，得到第一颜色直方图；对所述外接区域进行颜色直方图计算，得到第二颜色直方图；
计算所述第一颜色直方图和所述第二颜色直方图的相似度；
判断所述相似度是否小于预设的第二阈值，若是，则所述运动目标区域为遗留物；若否，则所述运动目标区域为遗失物。
进一步的，所述根据所述待检测图像序列确定运动目标区域，具体包括：
通过预设的背景模型提取所述待检测图像序列中的初始运动前景；
对所述初始运动前景进行形态学操作，得到运动前景；
根据所述运动前景中的前景轮廓，确定运动目标区域。
进一步的，所述根据所述运动前景中的前景轮廓，确定运动目标区域，具体包括：
对所述运动前景进行连通区域分析，得到所述运动前景中的前景轮廓；
将所述前景轮廓进行轮廓拟合，得到运动目标区域。
进一步的，所述根据所述待检测图像序列确定运动目标区域之后，还包括：
采用预设的分类器筛除所述运动目标区域中静止的人体目标。
进一步的，所述采用预设的分类器筛除所述运动目标区域中静止的人体目标，具体包括：
在预设的分类器中输入所述运动目标区域；
将所述预设的分类器的筛除参数设置为静止的人体目标；
由所述预设的分类器筛除所述运动目标区域中静止的人体目标。
本发明实施例还提供了一种遗留物与遗失物的检测装置，包括：
图像序列获取模块，用于获取待检测图像序列；
运动目标区域确定模块，用于根据所述待检测图像序列确定运动目标区域；
第一判断模块，统计所述运动目标区域的持续时间，若持续时间达到预设的第一阈值，则判定所述运动目标区域为遗留物或遗失物；
外接区域获取模块，用于获取所述运动目标区域的外接区域；
第一计算模块，用于对所述运动目标区域进行颜色直方图计算，得到第一颜色直方图；对所述外接区域进行颜色直方图计算，得到第二颜色直方图；
第二计算模块，用于计算所述第一颜色直方图和所述第二颜色直方图的相似度；
第二判断模块，用于判断所述相似度是否小于预设的第二阈值，若是，则所述运动目标区域为遗留物；若否，则所述运动目标区域为遗失物。
进一步的，所述运动目标区域确定模块，具体包括：
提取单元，用于通过预设的背景模型提取所述待检测图像序列中的初始运动前景；
形态学操作单元，用于对所述初始运动前景进行形态学操作，得到运动前景；
确定单元，用于根据所述运动前景中的前景轮廓，确定运动目标区域。
进一步的，所述装置还包括：
筛除模块，用于采用预设的分类器筛除所述运动目标区域中静止的人体目标。
本发明实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的遗留物与遗失物的检测方法。
本发明实施例还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任一项所述的遗留物与遗失物的检测方法。
相对于现有技术，本发明实施例提供的遗留物与遗失物的检测方法、装置、终端设备及存储介质的有益效果在于：通过获取待检测图像序列；根据所述待检测图像序列确定运动目标区域；统计所述运动目标区域的持续时间，若持续时间达到预设的第一阈值，则判定所述运动目标区域为遗留物或遗失物；获取所述运动目标区域的外接区域；对所述运动目标区域进行颜色直方图计算，得到第一颜色直方图；对所述外接区域进行颜色直方图计算，得到第二颜色直方图；计算所述第一颜色直方图和所述第二颜色直方图的相似度；判断所述相似度是否小于预设的第二阈值，若是，则所述运动目标区域为遗留物；若否，则所述运动目标区域为遗失物。本发明通过计算颜色直方图及其相似度对遗留物与遗失物进行检测，能够有效减少计算量，提高运行速度，保证检测的准确率。
附图说明
图1是本发明提供的一种遗留物与遗失物的检测方法的一个优选实施例的流程示意图；
图2是本发明提供的一种遗留物与遗失物的检测装置的一个优选实施例的结构示意图；
图3是本发明提供的一种终端设备的一个优选实施例的结构示意图。
具体实施方式
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。
请参阅图1,图1是本发明提供的一种遗留物与遗失物的检测方法的一个优选实施例的流程示意图。所述遗留物与遗失物的检测方法，包括：
S1，获取待检测图像序列；
S2，根据所述待检测图像序列确定运动目标区域；
S3，统计所述运动目标区域的持续时间，若持续时间达到预设的第一阈值，则判定所述运动目标区域为遗留物或遗失物；
S4，获取所述运动目标区域的外接区域；
S5，对所述运动目标区域进行颜色直方图计算，得到第一颜色直方图；对所述外接区域进行颜色直方图计算，得到第二颜色直方图；
S6，计算所述第一颜色直方图和所述第二颜色直方图的相似度；
S7，判断所述相似度是否小于预设的第二阈值，若是，则所述运动目标区域为遗留物；若否，则所述运动目标区域为遗失物。
具体的，可以通过电子设备实时获取待检测图像序列，所述电子设备可以是网络摄像头、智能手机以及平板电脑等具备录制视频功能的电子设备，在这里不做特殊限定。然后根据所述待检测图像序列确定运动目标区域，其中运动目标区域的表示方法包括但不限于外接矩形和外接椭圆形。然后统计所述运动目标区域的持续时间，若持续时间达到预设的第一阈值，则判定所述运动目标区域为遗留物或遗失物，其中，第一阈值可以设置为10～15秒，表示物体在进入画面后在同一位置停留了该时间或离开画面持续了该时间，即发生运动后静止了一段时间，若运动目标区域的持续时间达到10～15秒，则判定所述运动目标区域为遗留物或遗失物。接下来再进一步判断所述运动目标区域是遗留物还是遗失物。先以所述运动目标区域的边界为起点向各个方向延伸一定距离，以获取所述运动目标区域的外接区域。然后对所述运动目标区域进行颜色直方图计算，得到第一颜色直方图；对所述外接区域进行颜色直方图计算，得到第二颜色直方图，其中，用于计算颜色直方图的颜色空间包括但不限于灰度、RGB、YUV、HSV；再计算所述第一颜色直方图和所述第二颜色直方图的相似度，其中，计算颜色直方图的相似度的方法包括但不限于相关性、交叉核、卡方距离和巴氏距离；最后，判断所述相似度是否小于预设的第二阈值，若是，则所述运动目标区域为遗留物；若否，则所述运动目标区域为遗失物。
本实施例通过计算颜色直方图及其相似度对遗留物与遗失物进行检测，能够有效减少计算量，提高运行速度，保证检测的准确率。
在另一个优选实施例中，所述S2根据所述待检测图像序列确定运动目标区域，具体包括：
通过预设的背景模型提取所述待检测图像序列中的初始运动前景；
对所述初始运动前景进行形态学操作，得到运动前景；
根据所述运动前景中的前景轮廓，确定运动目标区域。
具体的，获取到待检测图像序列后，通过预设的背景模型提取所述待检测图像序列中的初始运动前景，其中，常用的背景建模方法有高斯混合模型、K邻近法、光流法等，这里不做特殊限定；然后对所述初始运动前景进行形态学操作，得到运动前景，其中形态学操作包括开操作和闭操作。先腐蚀后膨胀的操作称之为开操作，它具有消除细小物体，在纤细处分离物体和平滑较大物体边界的作用。先膨胀后腐蚀的操作称之为闭操作，它具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。实际操作时可先进行开操作后再进行闭操作，或先若干次腐蚀再若干次膨胀然后再进行若干次腐蚀，以降低噪点，平滑运动区域边界；最后，根据所述运动前景中的前景轮廓，确定运动目标区域。
在另一个优选实施例中，所述根据所述运动前景中的前景轮廓，确定运动目标区域，具体包括：
对所述运动前景进行连通区域分析，得到所述运动前景中的前景轮廓；
将所述前景轮廓进行轮廓拟合，得到运动目标区域。
在另一个优选实施例中，所述根据所述待检测图像序列确定运动目标区域之后，还包括：
采用预设的分类器筛除所述运动目标区域中静止的人体目标。
在又一个优选实施例中，所述采用预设的分类器筛除所述运动目标区域中静止的人体目标，具体包括：
在预设的分类器中输入所述运动目标区域；
将所述预设的分类器的筛除参数设置为静止的人体目标；
由所述预设的分类器筛除所述运动目标区域中静止的人体目标。
相应地，本发明还提供一种遗留物与遗失物的检测装置，能够实现上述实施例中的遗留物与遗失物的检测方法的所有流程。
请参阅图2，图2是本发明提供的一种遗留物与遗失物的检测装置的一个优选实施例的结构示意图。所述遗留物与遗失物的检测装置，包括：
图像序列获取模块201，用于获取待检测图像序列；
运动目标区域确定模块202，用于根据所述待检测图像序列确定运动目标区域；
第一判断模块203，统计所述运动目标区域的持续时间，若持续时间达到预设的第一阈值，则判定所述运动目标区域为遗留物或遗失物；
外接区域获取模块204，用于获取所述运动目标区域的外接区域；
第一计算模块205，用于对所述运动目标区域进行颜色直方图计算，得到第一颜色直方图；对所述外接区域进行颜色直方图计算，得到第二颜色直方图；
第二计算模块206，用于计算所述第一颜色直方图和所述第二颜色直方图的相似度；
第二判断模块207，用于判断所述相似度是否小于预设的第二阈值，若是，则所述运动目标区域为遗留物；若否，则所述运动目标区域为遗失物。
进一步的，所述运动目标区域确定模块202，具体包括：
提取单元，用于通过预设的背景模型提取所述待检测图像序列中的初始运动前景；
形态学操作单元，用于对所述初始运动前景进行形态学操作，得到运动前景；
确定单元，用于根据所述运动前景中的前景轮廓，确定运动目标区域。
进一步的，所述装置还包括：
筛除模块，用于采用预设的分类器筛除所述运动目标区域中静止的人体目标。
在具体实施当中，本发明实施例提供的遗留物与遗失物的检测装置的工作原理、控制流程及实现的技术效果，与上述实施例中的遗留物与遗失物的检测方法对应相同，在此不再赘述。
请参阅图3，图3是本发明提供的一种终端设备的一个优选实施例的结构示意图。所述终端设备包括处理器301、存储器302以及存储在所述存储器302中且被配置为由所述处理器301执行的计算机程序，所述处理器301执行所述计算机程序时实现上述任一实施例所述的遗留物与遗失物的检测方法。
优选地，所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序1、计算机程序2、······)，所述一个或者多个模块/单元被存储在所述存储器302中，并由所述处理器301执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
所述处理器301可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)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，通用处理器可以是微处理器，或者所述处理器301也可以是任何常规的处理器，所述处理器301是所述终端设备的控制中心，利用各种接口和线路连接所述终端设备的各个部分。
所述存储器302主要包括程序存储区和数据存储区，其中，程序存储区可存储操作系统、至少一个功能所需的应用程序等，数据存储区可存储相关数据等。此外，所述存储器302可以是高速随机存取存储器，还可以是非易失性存储器，例如插接式硬盘，智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡和闪存卡(Flash Card)等，或所述存储器302也可以是其他易失性固态存储器件。
需要说明的是，上述终端设备可包括，但不仅限于，处理器、存储器，本领域技术人员可以理解，图3的结构示意图仅仅是上述终端设备的示例，并不构成对上述终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
本发明实施例还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任一实施例所述的遗留物与遗失物的检测方法。
本发明实施例提供的遗留物与遗失物的检测方法、装置、终端设备及存储介质，通过获取待检测图像序列；根据所述待检测图像序列确定运动目标区域；统计所述运动目标区域的持续时间，若持续时间达到预设的第一阈值，则判定所述运动目标区域为遗留物或遗失物；获取所述运动目标区域的外接区域；对所述运动目标区域进行颜色直方图计算，得到第一颜色直方图；对所述外接区域进行颜色直方图计算，得到第二颜色直方图；计算所述第一颜色直方图和所述第二颜色直方图的相似度；判断所述相似度是否小于预设的第二阈值，若是，则所述运动目标区域为遗留物；若否，则所述运动目标区域为遗失物。本发明通过计算颜色直方图及其相似度对遗留物与遗失物进行检测，能够有效减少计算量，提高运行速度，保证检测的准确率。
需说明的是，以上所描述的系统实施例仅仅是示意性的，其中所述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模块来实现本实施例方案的目的。另外，本发明提供的系统实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种遗留物与遗失物的检测方法，其特征在于，包括：
获取待检测图像序列；
根据所述待检测图像序列确定运动目标区域；
统计所述运动目标区域的持续时间，若持续时间达到预设的第一阈值，则判定所述运动目标区域为遗留物或遗失物；
获取所述运动目标区域的外接区域；
对所述运动目标区域进行颜色直方图计算，得到第一颜色直方图；对所述外接区域进行颜色直方图计算，得到第二颜色直方图；
计算所述第一颜色直方图和所述第二颜色直方图的相似度；
判断所述相似度是否小于预设的第二阈值，若是，则所述运动目标区域为遗留物；若否，则所述运动目标区域为遗失物。
2.如权利要求1所述的一种遗留物与遗失物的检测与判断方法，其特征在于，所述根据所述待检测图像序列确定运动目标区域，具体包括：
通过预设的背景模型提取所述待检测图像序列中的初始运动前景；
对所述初始运动前景进行形态学操作，得到运动前景；
根据所述运动前景中的前景轮廓，确定运动目标区域。
3.如权利要求2所述的一种遗留物与遗失物的检测方法，其特征在于，所述根据所述运动前景中的前景轮廓，确定运动目标区域，具体包括：
对所述运动前景进行连通区域分析，得到所述运动前景中的前景轮廓；
将所述前景轮廓进行轮廓拟合，得到运动目标区域。
4.如权利要求1所述的一种遗留物与遗失物的检测方法，其特征在于，所述根据所述待检测图像序列确定运动目标区域之后，还包括：
采用预设的分类器筛除所述运动目标区域中静止的人体目标。
5.如权利要求4所述的一种遗留物与遗失物的检测方法，其特征在于，所述采用预设的分类器筛除所述运动目标区域中静止的人体目标，具体包括：
在预设的分类器中输入所述运动目标区域；
设置所述预设的分类器的筛除参数为静止的人体目标；
由所述预设的分类器筛除所述运动目标区域中静止的人体目标。
6.一种遗留物与遗失物的检测装置，其特征在于，包括：
图像序列获取模块，用于获取待检测图像序列；
运动目标区域确定模块，用于根据所述待检测图像序列确定运动目标区域；
第一判断模块，统计所述运动目标区域的持续时间，若持续时间达到预设的第一阈值，则判定所述运动目标区域为遗留物或遗失物；
外接区域获取模块，用于获取所述运动目标区域的外接区域；
第一计算模块，用于对所述运动目标区域进行颜色直方图计算，得到第一颜色直方图；对所述外接区域进行颜色直方图计算，得到第二颜色直方图；
第二计算模块，用于计算所述第一颜色直方图和所述第二颜色直方图的相似度；
第二判断模块，用于判断所述相似度是否小于预设的第二阈值，若是，则所述运动目标区域为遗留物；若否，则所述运动目标区域为遗失物。
7.如权利要求6所述的一种遗留物与遗失物的检测装置，其特征在于，所述运动目标区域确定模块，具体包括：
提取单元，用于通过预设的背景模型提取所述待检测图像序列中的初始运动前景；
形态学操作单元，用于对所述初始运动前景进行形态学操作，得到运动前景；
确定单元，用于根据所述运动前景中的前景轮廓，确定运动目标区域。
8.如权利要求6所述的一种遗留物与遗失物的检测装置，其特征在于，所述装置还包括：
筛除模块，用于采用预设的分类器筛除所述运动目标区域中静止的人体目标。
9.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的遗留物与遗失物的检测方法。
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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至5中任意一项所述的遗留物与遗失物的检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010996430.9A CN112183277A (zh) | 2020-09-21 | 2020-09-21 | 遗留物与遗失物的检测方法、装置、终端设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010996430.9A CN112183277A (zh) | 2020-09-21 | 2020-09-21 | 遗留物与遗失物的检测方法、装置、终端设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112183277A true CN112183277A (zh) | 2021-01-05 |
Family
ID=73956682
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010996430.9A Pending CN112183277A (zh) | 2020-09-21 | 2020-09-21 | 遗留物与遗失物的检测方法、装置、终端设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112183277A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112104838A (zh) * | 2019-06-17 | 2020-12-18 | 晶睿通讯股份有限公司 | 图像分辨方法及其监控摄像机与监控摄像系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103714325A (zh) * | 2013-12-30 | 2014-04-09 | 中国科学院自动化研究所 | 基于嵌入式系统的遗留物和遗失物实时检测方法 |
| CN104156942A (zh) * | 2014-07-02 | 2014-11-19 | 华南理工大学 | 一种用于复杂环境遗留物的检测方法 |
| CN112104838A (zh) * | 2019-06-17 | 2020-12-18 | 晶睿通讯股份有限公司 | 图像分辨方法及其监控摄像机与监控摄像系统 |
-
2020
- 2020-09-21 CN CN202010996430.9A patent/CN112183277A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103714325A (zh) * | 2013-12-30 | 2014-04-09 | 中国科学院自动化研究所 | 基于嵌入式系统的遗留物和遗失物实时检测方法 |
| CN104156942A (zh) * | 2014-07-02 | 2014-11-19 | 华南理工大学 | 一种用于复杂环境遗留物的检测方法 |
| CN112104838A (zh) * | 2019-06-17 | 2020-12-18 | 晶睿通讯股份有限公司 | 图像分辨方法及其监控摄像机与监控摄像系统 |
Non-Patent Citations (2)
| Title |
|---|
| 高军: "基于视频分析的遗留及遗失物检测", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 2014, pages 138 - 1025 * |
| 高军: "基于视频分析的遗留及遗失物检测", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 2014, pages 138 - 1025 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112104838A (zh) * | 2019-06-17 | 2020-12-18 | 晶睿通讯股份有限公司 | 图像分辨方法及其监控摄像机与监控摄像系统 |
| CN112104838B (zh) * | 2019-06-17 | 2022-11-08 | 晶睿通讯股份有限公司 | 图像分辨方法及其监控摄像机与监控摄像系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107527009B (zh) | 一种基于yolo目标检测的遗留物检测方法 | |
| CN110427905B (zh) | 行人跟踪方法、装置以及终端 | |
| CN107358149B (zh) | 一种人体姿态检测方法和装置 | |
| CN105279484B (zh) | 对象检测方法和对象检测装置 | |
| US10534957B2 (en) | Eyeball movement analysis method and device, and storage medium | |
| US9911055B2 (en) | Method and system for detection and classification of license plates | |
| WO2019033572A1 (zh) | 人脸遮挡检测方法、装置及存储介质 | |
| KR101322168B1 (ko) | 실시간 얼굴 인식 장치 | |
| CN110751022A (zh) | 基于图像识别的城市宠物活动轨迹监测方法及相关设备 | |
| US11321945B2 (en) | Video blocking region selection method and apparatus, electronic device, and system | |
| CN108564579B (zh) | 一种基于时空相关的混凝土裂缝检测方法及检测装置 | |
| JP2017531883A (ja) | 画像の主要被写体を抽出する方法とシステム | |
| CN111178245A (zh) | 车道线检测方法、装置、计算机设备和存储介质 | |
| CN111639653A (zh) | 一种误检图像确定方法、装置、设备和介质 | |
| WO2023039781A1 (zh) | 一种遗留物检测方法、装置、电子设备及存储介质 | |
| WO2020140611A1 (zh) | 一种基于图像处理的vin码识别方法、设备及介质 | |
| CN111783524A (zh) | 一种场景变换检测方法、装置、存储介质及终端设备 | |
| CN112464797A (zh) | 一种吸烟行为检测方法、装置、存储介质及电子设备 | |
| CN111079621A (zh) | 检测对象的方法、装置、电子设备和存储介质 | |
| Chang et al. | Parallel design of background subtraction and template matching modules for image objects tracking system | |
| CN112183277A (zh) | 遗留物与遗失物的检测方法、装置、终端设备及存储介质 | |
| KR101681233B1 (ko) | 저 에너지/해상도 가지는 얼굴 검출 방법 및 장치 | |
| Lai et al. | Robust background extraction scheme using histogram-wise for real-time tracking in urban traffic video | |
| Zaharin et al. | Comparison of human detection using background subtraction and frame difference | |
| Mustafah et al. | Face detection system design for real time high resolution smart camera |
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 |