CN112215219B - 用于路侧拍摄设备的感兴趣区域获取方法、装置及介质 - Google Patents
用于路侧拍摄设备的感兴趣区域获取方法、装置及介质 Download PDFInfo
- Publication number
- CN112215219B CN112215219B CN202010963279.9A CN202010963279A CN112215219B CN 112215219 B CN112215219 B CN 112215219B CN 202010963279 A CN202010963279 A CN 202010963279A CN 112215219 B CN112215219 B CN 112215219B
- Authority
- CN
- China
- Prior art keywords
- picture
- area
- road surface
- region
- pictures
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000011156 evaluation Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 32
- 230000015654 memory Effects 0.000 claims description 21
- 238000001228 spectrum Methods 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Abstract
本申请公开了用于路侧拍摄设备的感兴趣区域获取方法、装置、电子设备及存储介质,涉及智能交通、车路协同及自动驾驶领域,其中的方法可包括:获取N帧图片,N为正整数;针对每帧图片,分别执行以下第一处理:获取图片中的路面区域,通过滑窗卷积的方法遍历路面区域,并在遍历到每个位置时,分别获取该位置的评估参数;当N帧图片均执行所述第一处理后,针对每个图片子区域,分别根据评估参数,从位于该图片子区域内的各位置中选出至少一个位置,作为感兴趣区域,其中,将整个图片区域划分为M个图片子区域,M为大于一的正整数。应用本申请所述方案,可降低人力和时间成本,并提升获取结果的准确性等。
Description
技术领域
本申请涉及计算机应用技术,特别涉及智能交通、车路协同及自动驾驶领域的用于路侧拍摄设备的感兴趣区域获取方法、装置及介质。
背景技术
在路侧感知场景下,为了通过相机获取超视距的道路交通信息,通常会将相机安装在路灯杆或红绿灯杆上,安装位置越高,获取的视野范围越大,信息量就会越多。路侧感知获取的信息可以通过车与外界(V2X,Vehicle-to-Everything)车路协同的方式进行交互。
但由于安装位置较高,当风吹或重型车经过时会引起相机抖动,当相机的位置发生变化时,利用离线标定好的外参等来确定障碍物的3D位置时就会引入抖动的误差,即导致结果不准确。
为消除上述误差,可采用视频稳像的方法,即手动在模板图片上选取多个感兴趣区域(ROI,Region Of Interest),并实时计算每帧图片上的各感兴趣区域相对于模板图片中的各感兴趣区域的偏移量,根据偏移量纠正障碍物位置。但是,由于需要手动选取感兴趣区域,因此费时费力,而且,人工选取受主观感觉影响较大,不够准确。
发明内容
本申请提供了用于路侧拍摄设备的感兴趣区域获取方法、装置、电子设备及存储介质。
一种用于路侧拍摄设备的感兴趣区域获取方法,包括:
获取N帧图片,N为正整数,所述图片为路侧拍摄设备所获取的视野范围内的道路交通画面;
针对每帧图片,分别执行以下第一处理:获取所述图片中的路面区域,通过滑窗卷积的方法遍历所述路面区域,并在遍历到每个位置时,分别获取所述位置的评估参数;
当所述N帧图片均执行所述第一处理后,针对每个图片子区域,分别根据所述评估参数,从位于所述图片子区域内的各位置中选出至少一个位置,作为所述感兴趣区域,其中,将整个图片区域划分为M个图片子区域,M为大于一的正整数。
一种用于路侧拍摄设备的感兴趣区域获取装置,包括:图片获取模块以及图片处理模块;
所述图片获取模块,用于获取N帧图片,N为正整数,所述图片为路侧拍摄设备所获取的视野范围内的道路交通画面;
所述图片处理模块,用于针对每帧图片,分别执行以下第一处理:获取所述图片中的路面区域,通过滑窗卷积的方法遍历所述路面区域,并在遍历到每个位置时,分别获取所述位置的评估参数;当所述N帧图片均执行所述第一处理后,针对每个图片子区域,分别根据所述评估参数,从位于所述图片子区域内的各位置中选出至少一个位置,作为所述感兴趣区域,其中,将整个图片区域划分为M个图片子区域,M为大于一的正整数。
一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如以上所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行如以上所述的方法。
一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如以上所述的方法。
上述申请中的一个实施例具有如下优点或有益效果:可根据获取到的图片,通过一系列处理自动地确定出感兴趣区域,无需人工参与,从而降低人力和时间成本,并避免了人为的主观感觉影响,从而提升了获取结果的准确性等。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1为本申请所述用于路侧拍摄设备的感兴趣区域获取方法第一实施例的流程图;
图2为本申请所述路面掩膜的示意图;
图3为本申请所述划分出的四个图片子区域的示意图;
图4为本申请所述用于路侧拍摄设备的感兴趣区域获取方法第二实施例的流程图;
图5为本申请所述获取到的四个感兴趣区域的示意图;
图6为本申请所述用于路侧拍摄设备的感兴趣区域获取装置实施例60的组成结构示意图;
图7为根据本申请实施例所述方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
另外,应理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
图1为本申请所述用于路侧拍摄设备的感兴趣区域获取方法第一实施例的流程图。如图1所示,包括以下具体实现方式。
在101中,获取N帧图片,N为正整数,所述图片为路侧拍摄设备所获取的视野范围内的道路交通画面。
所述拍摄设备可为相机等,即获取到的N帧图片可为路侧相机所拍摄的视野范围内的道路交通画面。
N的具体取值可根据实际需要而定。
在102中,针对每帧图片,分别执行以下第一处理:获取图片中的路面区域,通过滑窗卷积的方法遍历路面区域,并在遍历到每个位置时,分别获取该位置的评估参数。
针对获取到的N帧图片,可分别执行所述第一处理。
在103中,当N帧图片均执行所述第一处理后,针对每个图片子区域,分别根据评估参数,从位于该图片子区域内的各位置中选出至少一个位置,作为感兴趣区域,其中,将整个图片区域划分为M个图片子区域,M为大于一的正整数。
当针对N帧图片均执行完所述第一处理后,可针对划分出的每个图片子区域,分别从位于该图片子区域内的各位置中选出至少一个位置,作为感兴趣区域。
可以看出,上述实施例中,可根据获取到的图片,通过一系列处理自动地确定出感兴趣区域,无需人工参与,从而降低人力和时间成本,并避免了人为的主观感觉影响,从而提升了获取结果的准确性等。
如101中所述,获取N帧图片,N为正整数,也就是说,N的取值可为一,也可以大于一,可根据实际需要灵活获取。
当N的取值为一时,获取到的图片中的路面中可不存在前景障碍物。如可人工或自动地从一段视频流中选出一帧图片,该图片中的路面中不存在前景障碍物。前景障碍物可包括对于路面有遮挡的车辆、行人等非地面元素,即行驶在路面上的车辆和走在路面上的行人等,具体将哪些元素视为前景障碍物可根据实际需要而定。
当N的取值大于一时,获取到的N帧图片可构成一段连续的视频流,即可获取一段连续的视频流,其中包括N帧图片。获取视频流主要是希望通过多帧图片,使得图片中的每个路面位置均有不存在前景障碍物的情况出现。
如102中所述,针对获取到的每帧图片,可分别获取图片中的路面区域。本申请中对于如何获取图片中的路面区域不作限制。比如,可通过图像检测来检测出图片中的路面区域,或者,也可根据预先生成的路面掩膜来确定出图片中的路面区域等。图2为本申请所述路面掩膜的示意图,如图2所示,其中的白色区域即为路面掩膜,可为人工生成的。
如102中所述,在获取到图片中的路面区域后,还可通过滑窗卷积的方法遍历路面区域,并在遍历到每个位置时,分别获取该位置的评估参数。在实际应用中,对于感兴趣区域通常会有一定的要求,如需要具有以下特征:为无遮挡的路面。因此,在遍历到每个位置时,若确定该位置对应的区域中仅包括无遮挡的路面,则可获取该位置的评估参数,否则,可丢弃该位置,继续遍历下一位置。如何进行遍历为现有技术。
相应地,当N的取值大于一时,在获取到图片中的路面区域后,还可检测出路面区域中的前景障碍物,并将检测出的前景障碍物视为对于路面的遮挡。比如,若遍历到的某一位置对应的区域中包括前景障碍物(全部或部分),那么则可丢弃该位置,并继续遍历下一位置。如何检测前景障碍物同样不作限制,如可通过现有图像检测算法检测出前景障碍物。
通过上述方式,可使得后续获取到的感兴趣区域符合实际要求,并且,对于丢弃的位置,可无需进行后续的获取该位置的评估参数等处理,从而节省了系统资源等。
所述滑窗的大小可根据实际需要而定,比如,可为101*101大小。针对遍历到的每个位置(对应的区域大小为101*101),可分别获取该位置的评估参数。所述评估参数具体为何种参数同样可根据实际需要而定,比如,可为互功率谱差值。互功率谱也可为互功率谱密度,是互相关函数的傅立叶变换,即频域结果。
具体地,针对遍历到的每个位置,可获取该位置的互功率谱,并从获取到的互功率谱中选出最大值和次大值,进而可计算最大值与次大值的差值,将该差值作为该位置的评估参数。比如,该位置对应的区域大小为101*101,那么可按照现有方式计算得到该位置的101*101个互功率谱,并可从中选出最大值和次大值,进而可计算两者的差值,将计算得到的差值作为该位置的评估参数。
如103中所述,当针对N帧图片均执行所述第一处理后,可针对每个图片子区域,分别根据评估参数,从位于该图片子区域内的各位置中选出至少一个位置,作为感兴趣区域,其中,将整个图片区域划分为M个图片子区域,M为大于一的正整数。M的具体取值同样可根据实际需要而定。
具体地,针对每个图片子区域,可分别从位于该图片子区域内的各位置中选出评估参数的取值最大的位置,如从位于该图片子区域内的各位置中选出对应的所述差值最大的位置,作为感兴趣区域。
另外,在实际应用中,可将整个图片区域划分为左上图片子区域、右上图片子区域、左下图片子区域以及右下图片子区域共四个图片子区域。图3为本申请所述划分出的四个图片子区域的示意图。如图3所示,可将整个图片区域平均划分为左上图片子区域、右上图片子区域、左下图片子区域以及右下图片子区域共四个图片子区域。其中,若某一位置对应的区域跨多个图片子区域,如部分位于左下图片子区域中,部分位于右下图片子区域中,那么可灵活处理,如可比较位于两个图片子区域中的面积大小,将更大面积所在的图片子区域作为该位置所在的图片子区域等。
若从上述四个图片子区域中分别选出一个位置作为感兴趣区域,那么共可得到四个感兴趣区域,这些感兴趣区域即为最终获取/所需的感兴趣区域。
在实际应用中,对于感兴趣区域通常会有一定的要求,除上述的为无遮挡的路面外,通常还需要具体以下特征:特征明显,如包括清晰的车道线特征等;局部特征唯一性,即附近不存在特别相似的场景等。通过上述计算互功率谱的差值并选取差值最大的位置等方式,可确保最终获取到的感兴趣区域符合实际要求,并且通过一系列处理自动地确定出感兴趣区域,无需人工参与,从而降低人力和时间成本,并避免了人为的主观感觉影响,从而提升了获取结果的准确性等。
综合上述介绍,图4为本申请所述用于路侧拍摄设备的感兴趣区域获取方法第二实施例的流程图。如图4所示,包括以下具体实现方式。
在401中,获取一段视频流,其中包括N帧图片,N为大于一的正整数。
在402中,针对每帧图片,分别按照403-406所示方式进行处理。
在403中,获取图片中的路面区域。
如可根据预先生成的路面掩膜来确定出图片中的路面区域等。
在404中,检测出路面区域中的前景障碍物,将前景障碍物视为对于路面的遮挡。
检测出的前景障碍物可能为一个,也可能为多个。
在405中,通过滑窗卷积的方法遍历路面区域,并在遍历到每个位置时,若确定遍历到的位置对应的区域中仅包括无遮挡的路面,则执行406,否则,丢弃该位置。
在406中,获取该位置的互功率谱,从中选出最大值和次大值,计算最大值与次大值的差值,将计算得到的差值作为该位置的评估参数。
在407中,当N帧图片均处理完毕后,将整个图片区域划分为左上图片子区域、右上图片子区域、左下图片子区域以及右下图片子区域。
如可将整个图片区域平均划分为左上图片子区域、右上图片子区域、左下图片子区域以及右下图片子区域。
在408中,针对每个图片子区域,分别从位于该图片子区域内的各位置中选出评估参数的取值最大的位置,作为感兴趣区域。
比如,N的取值为20,以左上图片子区域为例,假设对于每帧图片来说,分别有5个位置位于左上图片子区域内,那么20帧图片中共有100个位置位于左上图片子区域内,可从这100个位置中选出评估参数取值最大的位置,作为左上图片子区域内的感兴趣区域。
按照同样的方式,可分别获取到其它图片子区域内的感兴趣区域,共可得到四个感兴趣区域。图5为本申请所述获取到的四个感兴趣区域的示意图。如图5所示,其中的每个方框即表示一个感兴趣区域。
需要说明的是,对于前述的各方法实施例,为了简单描述,将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。另外,某个实施例中没有详述的部分,可以参见其它实施例中的相关说明。
以上是关于方法实施例的介绍,以下通过装置实施例,对本申请所述方案进行进一步说明。
图6为本申请所述用于路侧拍摄设备的感兴趣区域获取装置实施例60的组成结构示意图.如图6所示,包括:图片获取模块601以及图片处理模块602。
图片获取模块601,用于获取N帧图片,N为正整数,所述图片为路侧拍摄设备所获取的视野范围内的道路交通画面。
图片处理模块602,用于针对每帧图片,分别执行以下第一处理:获取图片中的路面区域,通过滑窗卷积的方法遍历路面区域,并在遍历到每个位置时,分别获取该位置的评估参数;当N帧图片均执行所述第一处理后,针对每个图片子区域,分别根据评估参数,从位于该图片子区域内的各位置中选出至少一个位置,作为感兴趣区域,其中,将整个图片区域划分为M个图片子区域,M为大于一的正整数。
当N的取值为一时,获取到的图片中的路面中可不存在前景障碍物。如可人工或自动地从一段视频流中选出一帧图片,该图片中的路面中不存在前景障碍物。前景障碍物可包括对于路面有遮挡的车辆、行人等非地面元素。当N的取值大于一时,获取到的N帧图片可构成一段连续的视频流,即可获取一段连续的视频流,其中包括N帧图片。
针对获取到的每帧图片,图片处理模块602可分别获取图片中的路面区域,比如,可根据预先生成的路面掩膜来确定出图片中的路面区域等。在获取到图片中的路面区域后,图片处理模块602还可通过滑窗卷积的方法遍历路面区域,并在遍历到每个位置时,分别获取该位置的评估参数。具体地,在遍历到每个位置时,若确定该位置对应的区域中仅包括无遮挡的路面,则可获取该位置的评估参数,否则,可丢弃该位置,继续遍历下一位置。
相应地,当N的取值大于一时,图片处理模块602在获取到图片中的路面区域后,还可检测出路面区域中的前景障碍物,并将检测出的前景障碍物视为对于路面的遮挡。比如,若遍历到的某一位置对应的区域中包括前景障碍物(全部或部分),则可丢弃该位置。
针对遍历到的每个位置,图片处理模块602可分别获取该位置的互功率谱,从互功率谱中选出最大值和次大值,计算最大值与次大值的差值,将计算得到的差值作为该位置的评估参数。
当N帧图片均执行所述第一处理后,图片处理模块602可针对每个图片子区域,分别从位于该图片子区域内的各位置中选出评估参数的取值最大的位置,如从位于该图片子区域内的各位置中选出对应的所述差值最大的位置,作为感兴趣区域。
另外,在实际应用中,可将整个图片区域划分为左上图片子区域、右上图片子区域、左下图片子区域以及右下图片子区域共四个图片子区域。若从这四个图片子区域中分别选出一个位置作为感兴趣区域,那么共可得到四个感兴趣区域,这些感兴趣区域即为最终获取/所需的感兴趣区域。
图6所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明,不再赘述。
总之,采用本申请装置实施例所述方案,可根据获取到的图片,通过一系列处理自动地确定出感兴趣区域,无需人工参与,从而降低人力和时间成本,并避免了人为的主观感觉影响,从而提升了获取结果的准确性等。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图7所示,是根据本申请实施例所述方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图7所示,该电子设备包括:一个或多个处理器Y01、存储器Y02,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示图形用户界面的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器Y01为例。
存储器Y02即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的方法。
存储器Y02作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的方法对应的程序指令/模块。处理器Y01通过运行存储在存储器Y02中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的方法。
存储器Y02可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器Y02可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器Y02可选包括相对于处理器Y01远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、区块链网络、局域网、移动通信网及其组合。
电子设备还可以包括:输入装置Y03和输出装置Y04。处理器Y01、存储器Y02、输入装置Y03和输出装置Y04可以通过总线或者其他方式连接,图7中以通过总线连接为例。
输入装置Y03可接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置Y04可以包括显示设备、辅助照明装置和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器、发光二极管显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,阴极射线管或者液晶显示器监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网、广域网、区块链网络和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (10)
1.一种用于路侧拍摄设备的感兴趣区域获取方法,包括:
获取N帧图片,N为正整数,所述图片为路侧拍摄设备所获取的视野范围内的道路交通画面;
针对每帧图片,分别执行以下第一处理:获取所述图片中的路面区域,通过滑窗卷积的方法遍历所述路面区域,并在遍历到每个位置时,分别获取所述位置的评估参数,包括:获取所述位置的互功率谱,从所述互功率谱中选出最大值和次大值,计算所述最大值与所述次大值的差值,将所述差值作为所述位置的所述评估参数;
当所述N帧图片均执行所述第一处理后,针对每个图片子区域,分别从位于所述图片子区域内的各位置中选出所述评估参数的取值最大的位置,作为所述感兴趣区域,其中,将整个图片区域划分为M个图片子区域,M为大于一的正整数。
2.根据权利要求1所述的方法,其中,所述获取所述位置的评估参数包括:
若确定所述位置对应的区域中仅包括无遮挡的路面,则获取所述位置的所述评估参数,否则,丢弃所述位置。
3.根据权利要求2所述的方法,其中,
当N的取值为一时,获取到的图片中的路面中不存在前景障碍物;
当N的取值大于一时,获取到的N帧图片构成一段连续的视频流;
当N的取值大于一时,还包括:检测出所述路面区域中的前景障碍物,将所述前景障碍物视为对于路面的遮挡。
4.根据权利要求1所述的方法,其中,所述将整个图片区域划分为M个图片子区域包括:
将所述整个图片区域划分为左上图片子区域、右上图片子区域、左下图片子区域以及右下图片子区域。
5.一种用于路侧拍摄设备的感兴趣区域获取装置,包括:图片获取模块以及图片处理模块;
所述图片获取模块,用于获取N帧图片,N为正整数,所述图片为路侧拍摄设备所获取的视野范围内的道路交通画面;
所述图片处理模块,用于针对每帧图片,分别执行以下第一处理:获取所述图片中的路面区域,通过滑窗卷积的方法遍历所述路面区域,并在遍历到每个位置时,分别获取所述位置的评估参数,包括:获取所述位置的互功率谱,从所述互功率谱中选出最大值和次大值,计算所述最大值与所述次大值的差值,将所述差值作为所述位置的所述评估参数;当所述N帧图片均执行所述第一处理后,针对每个图片子区域,分别从位于所述图片子区域内的各位置中选出所述评估参数的取值最大的位置,作为所述感兴趣区域,其中,将整个图片区域划分为M个图片子区域,M为大于一的正整数。
6.根据权利要求5所述的装置,其中,
所述图片处理模块在遍历到每个位置时,若确定所述位置对应的区域中仅包括无遮挡的路面,则获取所述位置的所述评估参数,否则,丢弃所述位置。
7.根据权利要求6所述的装置,其中,
当N的取值为一时,获取到的图片中的路面中不存在前景障碍物;当N的取值大于一时,获取到的N帧图片构成一段连续的视频流;
当N的取值大于一时,所述图片处理模块进一步用于,检测出所述路面区域中的前景障碍物,将所述前景障碍物视为对于路面的遮挡。
8.根据权利要求5所述的装置,其中,
所述图片处理模块将所述整个图片区域划分为左上图片子区域、右上图片子区域、左下图片子区域以及右下图片子区域。
9.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010963279.9A CN112215219B (zh) | 2020-09-14 | 2020-09-14 | 用于路侧拍摄设备的感兴趣区域获取方法、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010963279.9A CN112215219B (zh) | 2020-09-14 | 2020-09-14 | 用于路侧拍摄设备的感兴趣区域获取方法、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112215219A CN112215219A (zh) | 2021-01-12 |
CN112215219B true CN112215219B (zh) | 2023-11-24 |
Family
ID=74049456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010963279.9A Active CN112215219B (zh) | 2020-09-14 | 2020-09-14 | 用于路侧拍摄设备的感兴趣区域获取方法、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215219B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105261017A (zh) * | 2015-10-14 | 2016-01-20 | 长春工业大学 | 基于路面约束的图像分割法提取行人感兴趣区域的方法 |
FR3038760A1 (fr) * | 2015-07-09 | 2017-01-13 | Valeo Schalter & Sensoren Gmbh | Detection d'objets par traitement d'images |
CN107872614A (zh) * | 2016-09-27 | 2018-04-03 | 中兴通讯股份有限公司 | 一种拍摄方法及拍摄装置 |
US10275668B1 (en) * | 2015-09-21 | 2019-04-30 | Hrl Laboratories, Llc | System for collision detection and obstacle avoidance |
KR20200014604A (ko) * | 2018-08-01 | 2020-02-11 | 삼성에스디에스 주식회사 | 관심 영역 검출 방법 및 그 장치 |
CN111263072A (zh) * | 2020-02-26 | 2020-06-09 | Oppo广东移动通信有限公司 | 一种拍摄控制方法、装置及计算机可读存储介质 |
CN111353407A (zh) * | 2020-02-24 | 2020-06-30 | 中南大学湘雅医院 | 医学图像处理方法、装置、计算机设备和存储介质 |
CN111444778A (zh) * | 2020-03-04 | 2020-07-24 | 武汉理工大学 | 一种车道线检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469087B (zh) * | 2015-07-13 | 2017-04-19 | 百度在线网络技术(北京)有限公司 | 识别服饰图片的方法、服饰图片的标注方法及装置 |
CN105988665B (zh) * | 2016-03-17 | 2017-06-16 | 广州阿里巴巴文学信息技术有限公司 | 信息复制系统、信息复制方法及电子设备 |
CN109272530B (zh) * | 2018-08-08 | 2020-07-21 | 北京航空航天大学 | 面向空基监视场景的目标跟踪方法与装置 |
US11113815B2 (en) * | 2018-11-30 | 2021-09-07 | Purdue Research Foundation | Video processing methods and software architectures for analyzing transformation in objects |
-
2020
- 2020-09-14 CN CN202010963279.9A patent/CN112215219B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3038760A1 (fr) * | 2015-07-09 | 2017-01-13 | Valeo Schalter & Sensoren Gmbh | Detection d'objets par traitement d'images |
US10275668B1 (en) * | 2015-09-21 | 2019-04-30 | Hrl Laboratories, Llc | System for collision detection and obstacle avoidance |
CN105261017A (zh) * | 2015-10-14 | 2016-01-20 | 长春工业大学 | 基于路面约束的图像分割法提取行人感兴趣区域的方法 |
CN107872614A (zh) * | 2016-09-27 | 2018-04-03 | 中兴通讯股份有限公司 | 一种拍摄方法及拍摄装置 |
KR20200014604A (ko) * | 2018-08-01 | 2020-02-11 | 삼성에스디에스 주식회사 | 관심 영역 검출 방법 및 그 장치 |
CN111353407A (zh) * | 2020-02-24 | 2020-06-30 | 中南大学湘雅医院 | 医学图像处理方法、装置、计算机设备和存储介质 |
CN111263072A (zh) * | 2020-02-26 | 2020-06-09 | Oppo广东移动通信有限公司 | 一种拍摄控制方法、装置及计算机可读存储介质 |
CN111444778A (zh) * | 2020-03-04 | 2020-07-24 | 武汉理工大学 | 一种车道线检测方法 |
Non-Patent Citations (3)
Title |
---|
Hyperspectral image super-resolution with spectral–spatial network;jinrang jia 等;《International Journal of Remote Sensing》;第39卷(第22期);7806-7829 * |
一种基于局部HOG特征的运动车辆检测方法;李子彦;刘伟铭;;广西师范大学学报(自然科学版)(第03期);5-17 * |
基于深度学习的交通目标感兴趣区域检测;丁松涛;曲仕茹;;中国公路学报(第09期);171-178 * |
Also Published As
Publication number | Publication date |
---|---|
CN112215219A (zh) | 2021-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929639B (zh) | 用于确定图像中障碍物位置的方法、装置、设备和介质 | |
CN108492287B (zh) | 一种视频抖动检测方法、终端设备及存储介质 | |
Fernandez-Sanchez et al. | Background subtraction model based on color and depth cues | |
DE112020003794T5 (de) | Tiefenbewusste Fotobearbeitung | |
US10762649B2 (en) | Methods and systems for providing selective disparity refinement | |
CN112150558B (zh) | 用于路侧计算设备的障碍物三维位置获取方法及装置 | |
CN110968718B (zh) | 目标检测模型负样本挖掘方法、装置及电子设备 | |
CN112528786B (zh) | 车辆跟踪方法、装置及电子设备 | |
JP2009533778A (ja) | 統計的画素モデリングを使った映像セグメント化 | |
CN111666876B (zh) | 用于检测障碍物的方法、装置、电子设备和路侧设备 | |
CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
CN111950543A (zh) | 一种目标检测方法和装置 | |
JP7200207B2 (ja) | 地図生成方法、地図生成装置、電子機器、非一時的なコンピュータ読み取り可能な記憶媒体及びコンピュータプログラム | |
CN111191619B (zh) | 车道线虚线段的检测方法、装置、设备和可读存储介质 | |
CN111540010B (zh) | 一种道路监测的方法、装置、电子设备及存储介质 | |
JP2019154027A (ja) | ビデオ監視システムのパラメータ設定方法、装置及びビデオ監視システム | |
DE112016005936B4 (de) | Codefilter für Tiefenerfassung mit codiertem Licht in Tiefenbildern | |
CN113011298B (zh) | 截断物体样本生成、目标检测方法、路侧设备和云控平台 | |
CN112215219B (zh) | 用于路侧拍摄设备的感兴趣区域获取方法、装置及介质 | |
CN111401248B (zh) | 一种天空区域的识别方法、装置、电子设备及存储介质 | |
CN112184828A (zh) | 激光雷达与摄像头的外参标定方法、装置及自动驾驶车辆 | |
JP2023036054A (ja) | 目標カウント方法、装置、デバイス及び記憶媒体 | |
CN110798681A (zh) | 成像设备的监测方法、装置和计算机设备 | |
CN112528932B (zh) | 用于优化位置信息的方法、装置、路侧设备和云控平台 | |
KR20210134252A (ko) | 이미지 안정화 방법, 장치, 노변 기기 및 클라우드 제어 플랫폼 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211014 Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |