CN112329499A - 一种图像处理方法、装置及设备 - Google Patents
一种图像处理方法、装置及设备 Download PDFInfo
- Publication number
- CN112329499A CN112329499A CN201910715688.4A CN201910715688A CN112329499A CN 112329499 A CN112329499 A CN 112329499A CN 201910715688 A CN201910715688 A CN 201910715688A CN 112329499 A CN112329499 A CN 112329499A
- Authority
- CN
- China
- Prior art keywords
- target
- monitoring
- scene
- image
- preset
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 277
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 161
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 24
- 230000006870 function Effects 0.000 claims description 108
- 238000012806 monitoring device Methods 0.000 claims description 57
- 238000001514 detection method Methods 0.000 claims description 42
- 238000004891 communication Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 10
- 230000008878 coupling Effects 0.000 abstract description 6
- 238000010168 coupling process Methods 0.000 abstract description 6
- 238000005859 coupling reaction Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000003825 pressing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
- G06V30/262—Techniques for post-processing, e.g. correcting the recognition result using context analysis, e.g. lexical, syntactic or semantic context
- G06V30/274—Syntactic or semantic context, e.g. balancing
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Alarm Systems (AREA)
Abstract
本申请实施例提供了一种图像处理方法、装置及设备,涉及监控技术领域。所述方法应用于监控设备,所述方法包括:确定所述监控设备所处的图像采集场景,作为目标场景,在预先存储的监控算法组件库中,根据场景预设或者是用户裁剪过的功能流生成用以确定可执行文件数据流的配置文件,作为目标监控算法组件,当采集到待处理的第一图像时,利用所述目标监控算法组件,对所述第一图像进行处理。采用本申请可以降低硬件与软件的耦合性,提高使用的便利性。
Description
技术领域
本申请涉及监控技术领域,特别是涉及一种图像处理方法、装置及设备。
背景技术
目前,通常在各种场景中安装摄像机,通过摄像机采集的视频图像对场景进行监控。比如,在高速路场景中安装抓拍机或者球机,对行驶的车辆进行监控;再比如,在家庭场景中安装摄像头,监控是否存在非法入侵、人员摔倒等情况。
一般来说,在高速路场景中安装的摄像机中,配置与车牌识别、交通事故检测等功能相关的程序,在家庭场景中安装的摄像中,配置与人脸识别、入侵检测等功能相关的程序。也就是说,摄像机中配置的程序都与场景相关,安装在高速路场景的摄像机并不能检测出家庭场景中出现的情况,这样,硬件与软件的耦合性较强,造成使用不方便。
发明内容
本申请实施例的目的在于提供一种图像处理方法、装置及设备,以降低硬件与软件的耦合性,提高便利性。具体技术方案如下:
第一方面,提供了一种图像处理方法,所述方法应用于监控设备,所述方法包括:
确定所述监控设备所处的图像采集场景,作为目标场景;
在预先存储的监控算法组件库中,确定所述目标场景对应的监控算法组件,作为目标监控算法组件;
当采集到待处理的第一图像时,利用所述目标监控算法组件,对所述第一图像进行处理。
可选的,所述确定所述监控设备所处的图像采集场景,作为目标场景,包括:
采集待处理的第二图像,并通过预设的场景识别算法,识别所述第二图像对应的采集场景,作为目标场景;或者,
接收用户输入的图像采集场景的选择指令,根据所述选择指令,确定用户选择的图像采集场景,作为目标场景。
可选的,所述通过预设的场景识别算法,识别所述第二图像对应的采集场景,包括:
通过预设的监控对象检测算法,检测所述第二图像包含的目标监控对象,根据预设的监控对象和采集场景的对应关系,确定所述目标监控对象对应的采集场景;或者,
通过预设的区域特征检测算法,检测所述第二图像包含的目标监控区域的目标区域特征,根据预设的区域特征和采集场景的对应关系,确定所述目标区域特征对应的采集场景;或者,
通过预设的语义特征检测算法,检测所述第二图像包含的目标语义特征,根据预设的语义特征和采集场景的对应关系,确定所述目标语义特征对应的采集场景。
可选的,所述在预先存储的监控算法组件库中,确定所述目标场景对应的监控算法组件,作为目标监控算法组件,包括:
根据预设的所述目标场景和监控功能的对应关系,在预先存储的监控算法组件库中,获取所述目标场景对应的每种监控功能的目标子组件;
根据预设的所述每种监控功能的执行顺序,确定各目标子组件的调用顺序;
按照所述各目标子组件的调用顺序,将所述各目标子组件构成所述目标场景对应的监控算法组件,得到目标监控算法组件。
可选的,所述方法还包括:
显示所述目标场景对应的监控功能设置界面,所述监控功能设置界面包括多种待使用的监控功能;
当接收到对应第一监控功能的选择指令时,建立所述目标场景和所述第一监控功能的对应关系。
第二方面,提供了一种图像处理装置,所述装置应用于监控设备,所述装置包括:
第一确定模块,用于确定所述监控设备所处的图像采集场景,作为目标场景;
第二确定模块,用于在预先存储的监控算法组件库中,确定所述目标场景对应的监控算法组件,作为目标监控算法组件;
处理模块,用于当采集到待处理的第一图像时,利用所述目标监控算法组件,对所述第一图像进行处理。
可选的,所述第一确定模块,具体用于:
采集待处理的第二图像,并通过预设的场景识别算法,识别所述第二图像对应的采集场景,作为目标场景;或者,
接收用户输入的图像采集场景的选择指令,根据所述选择指令,确定用户选择的图像采集场景,作为目标场景。
可选的,所述第一确定模块,具体用于:
通过预设的监控对象检测算法,检测所述第二图像包含的目标监控对象,根据预设的监控对象和采集场景的对应关系,确定所述目标监控对象对应的采集场景;或者,
通过预设的区域特征检测算法,检测所述第二图像包含的目标监控区域的目标区域特征,根据预设的区域特征和采集场景的对应关系,确定所述目标区域特征对应的采集场景;或者,
通过预设的语义特征检测算法,检测所述第二图像包含的目标语义特征,根据预设的语义特征和采集场景的对应关系,确定所述目标语义特征对应的采集场景。
可选的,所述第二确定模块,具体用于:
根据预设的所述目标场景和监控功能的对应关系,在预先存储的监控算法组件库中,获取所述目标场景对应的每种监控功能的目标子组件;
根据预设的所述每种监控功能的执行顺序,确定各目标子组件的调用顺序;
按照所述各目标子组件的调用顺序,将所述各目标子组件构成所述目标场景对应的监控算法组件,得到目标监控算法组件。
可选的,所述装置还包括:
显示模块,用于显示所述目标场景对应的监控功能设置界面,所述监控功能设置界面包括多种待使用的监控功能;
建立模块,用于当接收到对应第一监控功能的选择指令时,建立所述目标场景和所述第一监控功能的对应关系。
第三方面,提供了一种监控设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面任一所述的方法步骤。
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计算机程序,所述计算机程序被处理器执行时实现第一方面任一所述的方法步骤。
第五方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面任一所述的方法。
应用本申请实施例,监控设备可以确定所述监控设备所处的图像采集场景,作为目标场景,然后在预先存储的监控算法组件库中,确定所述目标场景对应的监控算法组件,作为目标监控算法组件。当采集到待处理的第一图像时,利用所述目标监控算法组件,对所述第一图像进行处理。这样,利用一种硬件设备可以实现各种软件功能,降低了硬件与软件的耦合性,提高了使用的便利性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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申请的一些实施例,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为本申请实施例提供的一种图像处理方法的流程图;
图2为本申请实施例提供的一种图像处理方法的示例的流程图;
图3为本申请实施例提供的一种图像处理装置的结构示意图;
图4为本申请实施例提供的一种图像处理装置的结构示意图;
图5为本申请实施例提供的一种监控设备的结构示意图。
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清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
申请实施例提供了一种图像处理方法,该方法可以应用于监控设备。其中,该监控设备可以为摄像机,也可以其他具有图像采集功能的设备。监控设备中可以预先存储有监控算法组件库。其中,监控算法组件库中可以存储有多种场景对应的监控算法组件,以便对不同的场景进行监控。
图1为本申请实施例提供的一种图像处理方法的流程示意图,该方法具体包括以下步骤。
步骤101,确定监控设备所处的图像采集场景,作为目标场景。
在实际应用中,技术人员可以将监控设备安装在某一监控区域中,这样,监控设备可以实时采集该监控区域中的图像,以便对该监控区域中的监控对象进行监控和跟踪。本申请实施例中,监控设备可以在启动后、或者在达到预设周期时,确定自身所处的图像采集场景,作为目标场景。其中,目标场景可以为高速路场景、红绿灯路口场景、家庭场景或出入口场景等。
可选的,监控设备确定所处的图像采集场景的方式可以是多种多样的,本申请实施例提供了两种可行的处理方式,具体如下。
方式一、采集待处理的第二图像,并通过预设的场景识别算法,识别第二图像对应的采集场景,作为目标场景。
本申请实施例中,监控设备中可以预先存储有场景识别算法。监控设备在启动后、或者在达到预设周期时,可以采集监控区域中的图像(可称为待处理的第二图像)。然后,监控设备可以通过场景识别算法对第二图像进行识别,得到第二图像对应的采集场景,并将识别出的采集场景作为目标场景。其中,现有技术中任意能够识别场景的算法(比如神经网络算法、深度学习算法或机器学习算法等)均可以应用于本申请实施例中,本申请实施例不做限定。
可选的,本申请实施例提供了几种应用不同场景识别算法时,步骤102的执行过程的示例,具体内容如下。
示例一、监控设备通过预设的监控对象检测算法,检测第二图像包含的目标监控对象,根据预设的监控对象和采集场景的对应关系,确定目标监控对象对应的采集场景。
本申请实施例中,监控设备中可以预先存储有监控对象检测算法,监控设备检测到第二图像后,可以通过该监控对象检测算法,提取第二图像包含的对象特征,进而根据提取出的对象特征,确定第二图像包含的目标监控对象(即确定出该对象的具体类型),进而可以根据预设的监控对象和采集场景的对应关系,确定目标监控对象对应的采集场景。例如,如果第二图像中包含红路灯,则可以确定目标场景为红绿灯路口场景;如果第二图像中包含床、沙发等家具,则可以确定目标场景为家庭场景。其中,现有技术中任意能够检测监控对象的算法(比如神经网络算法、深度学习算法或机器学习算法等)均可以应用于本申请实施例中,本申请实施例不做限定。
示例二、监控设备通过预设的区域特征检测算法,检测第二图像包含的目标监控区域的目标区域特征,根据预设的区域特征和采集场景的对应关系,确定目标区域特征对应的采集场景。
本申请实施例中,监控设备中可以预先存储有区域特征检测算法,监控设备检测到第二图像后,可以通过该区域特征检测算法,在第二图像中确定一个或多个候选区域,进而提取每个候选区域的区域特征(即目标区域特征)。然后,监控设备可以根据预设的区域特征和采集场景的对应关系,确定目标区域特征对应的采集场景。可选的,对于确定出多个候选区域的情况,可以根据各候选区域的位置,确定重要程度最高的目标候选区域,进而获取目标候选区域的区域特征,作为目标区域特征。例如,可以以摄像头中预设的消隐线为边界,对监控设备检测到的图像进行区域划分,消隐线以上的区域可以认为是次要区域,消隐线以下的区域做为特征提取的重要区域。其中,现有技术中任意能够检测区域特征的算法均可以应用于本申请实施例中,本申请实施例不做限定。
示例三、监控设备通过预设的语义特征检测算法,检测第二图像包含的目标语义特征,根据预设的语义特征和采集场景的对应关系,确定目标语义特征对应的采集场景。
本申请实施例中,监控设备中可以预先存储有语义特征检测算法,监控设备检测到第二图像后,可以通过该语义特征检测算法,对第二图像包含图像数据进行全局分析,从而得到第二图像对应的语义特征。可选的,监控设备也可在监控视频中,获取第二图像之前预设数目帧图像(可称为第三图像)、以及第二图像之后预设数目帧图像(可称为第四图像),然后,可以通过语义特征检测算法,对第二图像、第三图像和第四图像进行检测,以确定第二图像包含的目标语义特征。监控设备可以根据预设的语义特征和采集场景的对应关系,确定目标语义特征对应的采集场景。例如,如果识别出图像中只存在人、车、草地和动物,不包含道路标线,则可以确定采集场景为小区场景;如果识别出图像中只存在车、道路标线和高速指示牌,不包含人和动物,则可以确定采集场景为高速道路场景。其中,现有技术中任意能够检测监控对象的算法(比如神经网络算法、深度学习算法或机器学习算法等)均可以应用于本申请实施例中,本申请实施例不做限定。
通过语义特征检测算法,可以对第二图像的全局信息和上下文信息进行分析,而非对第二图像中的局部区域或包含的某一特定对象进行分析,可以降低局部噪声对场景分类的影响,提高了场景分类的鲁棒性。
方式二、接收用户输入的图像采集场景的选择指令,根据选择指令,确定用户选择的图像采集场景,作为目标场景。
本申请实施例中,监控设备的应用程序中,可以预先设置有用于设定场景的接口。监控设备可以通过显示部件或控制终端,显示场景设置界面。该场景设置界面中可以包含图像采集场景的选项,用户可以该监控设备实际的图像采集场景进行选择。监控设备则可以接收到图像采集场景的选择指令,然后根据该选择指令,确定用户选择的图像采集场景,作为目标场景。可选的,该场景设置界面包含的图像采集场景,为监控算法组件库中能够提供监控算法组件的场景。
步骤102,在预先存储的监控算法组件库中,确定目标场景对应的监控算法组件,作为目标监控算法组件。
本申请实施例中,监控算法组件库中可以存储有多种场景对应的监控算法组件,该监控算法组件可以为预先训练的针对某一特定场景的识别模型(比如神经网络算法、深度学习算法或机器学习算法等训练的模型)。监控设备确定目标场景后,可以在预先存储的监控算法组件库中,查找目标场景对应的监控算法组件。如果查找到目标场景对应的监控算法组件,则该监控算法组件即为目标监控算法组件。如果未查找到目标场景对应的监控算法组件,则说明该监控设备不支持对目标场景的监控。监控设备可以输出告警信息,以提示用户不能识别当前场景。
可选的,每种场景下可以由多种监控功能。例如,在高速路场景中,可以对行驶的车辆进行监控,监控功能可以包括:车辆超速行驶检测、车辆违规停车、车辆行驶路线异常、驾驶员行为异常检测和车辆乱抛垃圾等。又如,在红绿灯路口场景下,可以对行人和车辆进行监控,监控功能可以包括:行人闯红灯、车辆闯红灯、车辆压线,车辆违规行驶、乱丢垃圾和占道经营等。又如,在家庭场景中,可以对人员或特定对象监控,监控功能可以包括:盗窃行为、烟雾检测、摔倒检测、特定对象(比如老人、儿童或宠物)监控等。又如,在出入口场景下,可以对行驶的车辆进行监控,监控功能可以包括:车牌识别、车辆特征提取等。
可选的,在任意一种场景下,对于该场景下的每种监控功能,可以训练该监控功能对应的检测模型,作为子组件。监控功能设备可以根据预设的目标场景和监控功能的对应关系,在预先存储的监控算法组件库中,获取目标场景对应的每种监控功能的目标子组件,然后,可以根据预设的每种监控功能的执行顺序,确定各目标子组件的调用顺序,进而按照各目标子组件的调用顺序,将各目标子组件构成目标场景对应的监控算法组件,得到目标监控算法组件。
本申请实施例中,监控设备中可以预先存储有目标场景和监控功能的对应关系,该对应关系中的监控功能可以为该场景下的全部监控功能,也可以为该场景下的部分监控功能。该对应关系可以由厂商预先设定,也可以由用户自定义设置,具体的设置过程后续会进行详细说明。并且,对于目标场景下的每种监控功能,监控设备中存储有各监控功能对应的执行顺序。例如,在红绿灯路口场景下,监控功能可以包括:车牌识别、车辆闯红灯、车辆压线,则执行顺序为车牌识别-车辆压线-车辆闯红灯。
监控设备可以根据预设的目标场景和监控功能的对应关系,在预先存储的监控算法组件库中,获取目标场景对应的每种监控功能的目标子组件,然后,可以根据预设的每种监控功能的执行顺序,确定各目标子组件的调用顺序,并按照各目标子组件的调用顺序,将各目标子组件合成为监控算法组件,得到目标监控算法组件,该目标监控算法组件为机器的可执行程序。这样,监控设备在执行目标监控算法组件时,可以按照预设的监控功能的执行顺序进行监控处理,从而得到所需的监控结果。
可选的,对于用户设置目标场景和监控功能的对应关系的情况,监控设备的处理过程可以如下:显示目标场景对应的监控功能设置界面,监控功能设置界面包括多种待使用的监控功能;当接收到对应第一监控功能的选择指令时,建立目标场景和第一监控功能的对应关系。
本申请实施例中,监控设备可以通过显示部件或控制终端,显示目标场景对应的监控功能设置界面。其中,该监控功能设置界面包含的监控功能,为目标场景下的、并且监控算法组件库中能够提供子组件的监控功能。
用户可以监控功能设置界面中,选择在目标场景下需要使用的监控功能(记第一监控功能),监控设备则可以接收到对应第一监控功能的选择指令,然后,监控设备可以建立目标场景和第一监控功能的对应关系,也即,目标场景和监控功能的对应关系可以由用户进行设置。这样,用户可以根据需要,选择目标场景下的部分监控功能进行使用。
步骤103,当采集到待处理的第一图像时,利用目标监控算法组件,对第一图像进行处理。
本申请实施例中,当监控设备采集到待处理的第一图像时,可以运行目标监控算法组件,这样,可以通过目标监控算法组件包含的子组件,执行各监控功能,从而对第一图像进行处理。可选的,当监控设备识别出预设的告警事件时(比如通过烟雾检测功能检测到烟雾时),监控设备可以向用户的终端设备发送告警信息,以使用户获知发生了告警事件。
可选的,本申请实施例还提供了两种生成目标监控算法组件的方式示例,具体内容如下。
在一种实现方式中,监控设备中可以预先存储有每种监控功能的子组件,该子组件为可执行文件,并且,监控设备中还可以针对每种场景,存储该场景下的全部监控功能的执行顺序(可称为执行路径)。监控设备确定目标场景后,可以根据用户选择的监控功能生成配置文件。该配置文件中可以包含各监控功能对应的开关信息(比如是否使用该监控功能),以实现控制可执行文件的执行路径。监控设备可以根据该配置文件所表示的执行路径,调用可执行文件,从而得到可执行程序(即目标监控算法组件)。
在另一种实现方式中,监控设备中可以存储有用于实现对各场景进行监控的程序框架,该程序框架中包含用于实现各监控功能的源代码。监控设备确定目标场景、以及用户选择的监控功能后,可以获取相应的源代码,然后通过编译器将源代码编译成可执行程序,从而得到目标监控算法组件。在该实现方式中,可以对各监测功能进行模块划分,并对各模块包含的接口进行标准化设计。基于检测、跟踪、单帧分类和多帧分类这样功能模块的划分基本上可以处理目前我们常见的场景,又因为深度学习的发展,使这些功能模块的逻辑更加简化接口也可以统一。例如,对于不同场景的机非人检测,检测模块的接口可以标准化为:输入图像,输出检测后的目标队列和程序运行时需要的内存输入,不管什么样的场景接口都可以统一,内部的处理逻辑则只是预处理和检测网络;跟踪模块可以标准化为:输入图像、检测输出的目标队列输入、输出后的目标队列和运行所需要的内存,不管是跟踪什么样的目标都可以基于这样的接口和基于特征距离计算的内部逻辑。其他模块类似。正是基于这样的标准化设计,可以抽象出描述针对某种功能模块输入输出构成的接口的数据结构,通过该数据结构约束各接口输入数据的格式,以应对不同的场景和监控功能。例如,同样是检测模块,针对道路场景和针对室内场景需要输入图像的分辨率不同,那么,可以提出一种数据结构,用于对分辨率进行约束和设定,也即,实现针对道路场景传入分别率为A的输入图像,针对室内场景传入分别率为B的输入图像。这样,通过针对各场景的数据结构的设计,监控设备中仅需存储检测模块的源代码,就可以编译出适用于各场景的检测模块。
另外,其他能够生成目标监控算法组件的处理方式均可应用于本申请实施例中,本申请实施例不做限定。
本申请实施例中,监控设备可以确定所述监控设备所处的图像采集场景,作为目标场景,然后在预先存储的监控算法组件库中,确定所述目标场景对应的监控算法组件,作为目标监控算法组件。当采集到待处理的第一图像时,利用所述目标监控算法组件,对所述第一图像进行处理。这样,利用一种硬件设备可以实现各种软件功能,降低了硬件与软件的耦合性,提高了使用的便利性。
本申请实施例还提供了一种图像处理方法的示例,如图2所示,具体包括以下步骤。
步骤201,采集待处理的第二图像。
步骤202,通过预设的场景识别算法,识别第二图像对应的采集场景,作为目标场景。
步骤203,接收用户选择的在目标场景下需要使用的监控功能。
步骤204,在预先存储的监控算法组件库中,获取用于实现用户选择的各监控功能的源代码,根据预设的监控功能的执行顺序,通过编译器将源代码编译成可执行程序,得到目标监控算法组件。
步骤205,当采集到待处理的第一图像时,利用目标监控算法组件,对第一图像进行处理。
基于相同的技术构思,本申请实施例还提供了一种图像处理装置,该装置应用于监控设备,如图3所示,该装置包括:
第一确定模块310,用于确定监控设备所处的图像采集场景,作为目标场景;
第二确定模块320,用于在预先存储的监控算法组件库中,确定目标场景对应的监控算法组件,作为目标监控算法组件;
处理模块330,用于当采集到待处理的第一图像时,利用目标监控算法组件,对第一图像进行处理。
可选的,第一确定模块310,具体用于:
采集待处理的第二图像,并通过预设的场景识别算法,识别第二图像对应的采集场景,作为目标场景;或者,
接收用户输入的图像采集场景的选择指令,根据选择指令,确定用户选择的图像采集场景,作为目标场景。
可选的,第一确定模块310,具体用于:
通过预设的监控对象检测算法,检测第二图像包含的目标监控对象,根据预设的监控对象和采集场景的对应关系,确定目标监控对象对应的采集场景;或者,
通过预设的区域特征检测算法,检测第二图像包含的目标监控区域的目标区域特征,根据预设的区域特征和采集场景的对应关系,确定目标区域特征对应的采集场景;或者,
通过预设的语义特征检测算法,检测第二图像包含的目标语义特征,根据预设的语义特征和采集场景的对应关系,确定目标语义特征对应的采集场景。
可选的,第二确定模块320,具体用于:
根据预设的目标场景和监控功能的对应关系,在预先存储的监控算法组件库中,获取目标场景对应的每种监控功能的目标子组件;
根据预设的每种监控功能的执行顺序,确定各目标子组件的调用顺序;
按照各目标子组件的调用顺序,将各目标子组件构成目标场景对应的监控算法组件,得到目标监控算法组件。
可选的,如图4所示,该装置还包括:
显示模块340,用于显示目标场景对应的监控功能设置界面,监控功能设置界面包括多种待使用的监控功能;
建立模块350,用于当接收到对应第一监控功能的选择指令时,建立目标场景和第一监控功能的对应关系。
本申请实施例中,监控设备可以确定所述监控设备所处的图像采集场景,作为目标场景,然后在预先存储的监控算法组件库中,确定所述目标场景对应的监控算法组件,作为目标监控算法组件。当采集到待处理的第一图像时,利用所述目标监控算法组件,对所述第一图像进行处理。这样,利用一种硬件设备可以实现各种软件功能,降低了硬件与软件的耦合性,提高了使用的便利性。
本申请实施例还提供了一种监控设备,如图5所示,包括处理器501、通信接口502、存储器503和通信总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信,
存储器503,用于存放计算机程序;
处理器501,用于执行存储器503上所存放的程序时,实现如下步骤:
确定所述监控设备所处的图像采集场景,作为目标场景;
在预先存储的监控算法组件库中,确定所述目标场景对应的监控算法组件,作为目标监控算法组件;
当采集到待处理的第一图像时,利用所述目标监控算法组件,对所述第一图像进行处理。
可选的,所述确定所述监控设备所处的图像采集场景,作为目标场景,包括:
采集待处理的第二图像,并通过预设的场景识别算法,识别所述第二图像对应的采集场景,作为目标场景;或者,
接收用户输入的图像采集场景的选择指令,根据所述选择指令,确定用户选择的图像采集场景,作为目标场景。
可选的,所述通过预设的场景识别算法,识别所述第二图像对应的采集场景,包括:
通过预设的监控对象检测算法,检测所述第二图像包含的目标监控对象,根据预设的监控对象和采集场景的对应关系,确定所述目标监控对象对应的采集场景;或者,
通过预设的区域特征检测算法,检测所述第二图像包含的目标监控区域的目标区域特征,根据预设的区域特征和采集场景的对应关系,确定所述目标区域特征对应的采集场景;或者,
通过预设的语义特征检测算法,检测所述第二图像包含的目标语义特征,根据预设的语义特征和采集场景的对应关系,确定所述目标语义特征对应的采集场景。
可选的,所述在预先存储的监控算法组件库中,确定所述目标场景对应的监控算法组件,作为目标监控算法组件,包括:
根据预设的所述目标场景和监控功能的对应关系,在预先存储的监控算法组件库中,获取所述目标场景对应的每种监控功能的目标子组件;
根据预设的所述每种监控功能的执行顺序,确定各目标子组件的调用顺序;
按照所述各目标子组件的调用顺序,将所述各目标子组件构成所述目标场景对应的监控算法组件,得到目标监控算法组件。
可选的,所述方法还包括:
显示所述目标场景对应的监控功能设置界面,所述监控功能设置界面包括多种待使用的监控功能;
当接收到对应第一监控功能的选择指令时,建立所述目标场景和所述第一监控功能的对应关系。
上述监控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。
通信接口用于上述监控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。可选的,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。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessing,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。
基于相同的技术构思,本申请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内存储有计算机程序,所述计算机程序被处理器执行时实现上述的图像处理方法步骤。
基于相同的技术构思,本申请实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述的图像处理方法。
需要说明的是,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。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。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,均包含在本申请的保护范围内。
Claims (12)
1.一种图像处理方法,其特征在于,所述方法应用于监控设备,所述方法包括:
确定所述监控设备所处的图像采集场景,作为目标场景;
在预先存储的监控算法组件库中,确定所述目标场景对应的监控算法组件,作为目标监控算法组件;
当采集到待处理的第一图像时,利用所述目标监控算法组件,对所述第一图像进行处理。
2.根据权利要求1所述的方法,其特征在于,所述确定所述监控设备所处的图像采集场景,作为目标场景,包括:
采集待处理的第二图像,并通过预设的场景识别算法,识别所述第二图像对应的采集场景,作为目标场景;或者,
接收用户输入的图像采集场景的选择指令,根据所述选择指令,确定用户选择的图像采集场景,作为目标场景。
3.根据权利要求2所述的方法,其特征在于,所述通过预设的场景识别算法,识别所述第二图像对应的采集场景,包括:
通过预设的监控对象检测算法,检测所述第二图像包含的目标监控对象,根据预设的监控对象和采集场景的对应关系,确定所述目标监控对象对应的采集场景;或者,
通过预设的区域特征检测算法,检测所述第二图像包含的目标监控区域的目标区域特征,根据预设的区域特征和采集场景的对应关系,确定所述目标区域特征对应的采集场景;或者,
通过预设的语义特征检测算法,检测所述第二图像包含的目标语义特征,根据预设的语义特征和采集场景的对应关系,确定所述目标语义特征对应的采集场景。
4.根据权利要求1所述的方法,其特征在于,所述在预先存储的监控算法组件库中,确定所述目标场景对应的监控算法组件,作为目标监控算法组件,包括:
根据预设的所述目标场景和监控功能的对应关系,在预先存储的监控算法组件库中,获取所述目标场景对应的每种监控功能的目标子组件;
根据预设的所述每种监控功能的执行顺序,确定各目标子组件的调用顺序;
按照所述各目标子组件的调用顺序,将所述各目标子组件构成所述目标场景对应的监控算法组件,得到目标监控算法组件。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
显示所述目标场景对应的监控功能设置界面,所述监控功能设置界面包括多种待使用的监控功能;
当接收到对应第一监控功能的选择指令时,建立所述目标场景和所述第一监控功能的对应关系。
6.一种图像处理装置,其特征在于,所述装置应用于监控设备,所述装置包括:
第一确定模块,用于确定所述监控设备所处的图像采集场景,作为目标场景;
第二确定模块,用于在预先存储的监控算法组件库中,确定所述目标场景对应的监控算法组件,作为目标监控算法组件;
处理模块,用于当采集到待处理的第一图像时,利用所述目标监控算法组件,对所述第一图像进行处理。
7.根据权利要求6所述的装置,其特征在于,所述第一确定模块,具体用于:
采集待处理的第二图像,并通过预设的场景识别算法,识别所述第二图像对应的采集场景,作为目标场景;或者,
接收用户输入的图像采集场景的选择指令,根据所述选择指令,确定用户选择的图像采集场景,作为目标场景。
8.根据权利要求7所述的装置,其特征在于,所述第一确定模块,具体用于:
通过预设的监控对象检测算法,检测所述第二图像包含的目标监控对象,根据预设的监控对象和采集场景的对应关系,确定所述目标监控对象对应的采集场景;或者,
通过预设的区域特征检测算法,检测所述第二图像包含的目标监控区域的目标区域特征,根据预设的区域特征和采集场景的对应关系,确定所述目标区域特征对应的采集场景;或者,
通过预设的语义特征检测算法,检测所述第二图像包含的目标语义特征,根据预设的语义特征和采集场景的对应关系,确定所述目标语义特征对应的采集场景。
9.根据权利要求6所述的装置,其特征在于,所述第二确定模块,具体用于:
根据预设的所述目标场景和监控功能的对应关系,在预先存储的监控算法组件库中,获取所述目标场景对应的每种监控功能的目标子组件;
根据预设的所述每种监控功能的执行顺序,确定各目标子组件的调用顺序;
按照所述各目标子组件的调用顺序,将所述各目标子组件构成所述目标场景对应的监控算法组件,得到目标监控算法组件。
10.根据权利要求9所述的装置,其特征在于,所述装置还包括:
显示模块,用于显示所述目标场景对应的监控功能设置界面,所述监控功能设置界面包括多种待使用的监控功能;
建立模块,用于当接收到对应第一监控功能的选择指令时,建立所述目标场景和所述第一监控功能的对应关系。
11.一种监控设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-5任一所述的方法步骤。
12.一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计算机程序,所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910715688.4A CN112329499B (zh) | 2019-08-05 | 一种图像处理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910715688.4A CN112329499B (zh) | 2019-08-05 | 一种图像处理方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112329499A true CN112329499A (zh) | 2021-02-05 |
CN112329499B CN112329499B (zh) | 2024-07-09 |
Family
ID=
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113065615A (zh) * | 2021-06-02 | 2021-07-02 | 南京甄视智能科技有限公司 | 基于场景化的边缘分析算法下发方法、装置及存储介质 |
CN114782899A (zh) * | 2022-06-15 | 2022-07-22 | 浙江大华技术股份有限公司 | 一种图像处理的方法、装置及电子设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3012777A1 (en) * | 2014-10-23 | 2016-04-27 | Axis AB | Modification of at least one parameter used by a video processing algorithm for monitoring of a scene |
CN106454250A (zh) * | 2016-11-02 | 2017-02-22 | 北京弘恒科技有限公司 | 智能识别及预警处理的信息平台 |
CN108717521A (zh) * | 2018-04-17 | 2018-10-30 | 智慧互通科技有限公司 | 一种基于图像的停车场秩序管理方法及系统 |
CN109815844A (zh) * | 2018-12-29 | 2019-05-28 | 西安天和防务技术股份有限公司 | 目标检测方法及装置、电子设备和存储介质 |
CN109886138A (zh) * | 2019-01-27 | 2019-06-14 | 武汉星巡智能科技有限公司 | 基于场景识别的控制方法、装置及计算机可读存储介质 |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3012777A1 (en) * | 2014-10-23 | 2016-04-27 | Axis AB | Modification of at least one parameter used by a video processing algorithm for monitoring of a scene |
CN106454250A (zh) * | 2016-11-02 | 2017-02-22 | 北京弘恒科技有限公司 | 智能识别及预警处理的信息平台 |
CN108717521A (zh) * | 2018-04-17 | 2018-10-30 | 智慧互通科技有限公司 | 一种基于图像的停车场秩序管理方法及系统 |
CN109815844A (zh) * | 2018-12-29 | 2019-05-28 | 西安天和防务技术股份有限公司 | 目标检测方法及装置、电子设备和存储介质 |
CN109886138A (zh) * | 2019-01-27 | 2019-06-14 | 武汉星巡智能科技有限公司 | 基于场景识别的控制方法、装置及计算机可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113065615A (zh) * | 2021-06-02 | 2021-07-02 | 南京甄视智能科技有限公司 | 基于场景化的边缘分析算法下发方法、装置及存储介质 |
CN114782899A (zh) * | 2022-06-15 | 2022-07-22 | 浙江大华技术股份有限公司 | 一种图像处理的方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106952303B (zh) | 车距检测方法、装置和系统 | |
KR102553883B1 (ko) | 비디오 감시 시스템에서 경보들을 발생시키는 방법 | |
CN111582006A (zh) | 一种视频分析方法及装置 | |
US8558889B2 (en) | Method and system for security system tampering detection | |
KR101980551B1 (ko) | 기계학습 객체검출을 이용한 실시간 지능형 cctv 영상 분석 행위 탐지 시스템 및 기계학습 객체검출을 이용한 실시간 지능형 cctv 영상 분석 행위 탐지 방법 | |
US20140369566A1 (en) | Perimeter Image Capture and Recognition System | |
CN110895662A (zh) | 车辆超载报警方法、装置、电子设备及存储介质 | |
KR102260123B1 (ko) | 지역내 이벤트감지장치 및 그 장치의 구동방법 | |
CN110826356B (zh) | 一种非机动车违章检测系统、方法及服务器 | |
CN109544870B (zh) | 用于智能监控系统的报警判断方法与智能监控系统 | |
CN111325954A (zh) | 人员走失预警方法、装置、系统及服务器 | |
CN110544312A (zh) | 虚拟场景中的视频显示方法、装置、电子设备与存储装置 | |
KR101470314B1 (ko) | 객체 자동 인식/분류 cctv 시스템 및 그 방법 | |
KR101879444B1 (ko) | Cctv 구동 방법 및 시스템 | |
CN113484858A (zh) | 一种入侵检测方法和系统 | |
CN110895663B (zh) | 一种两轮车识别方法、装置、电子设备及监控系统 | |
CN111768630A (zh) | 一种违章废图检测方法、装置及电子设备 | |
Ali et al. | License plate recognition system | |
KR20190136515A (ko) | 차량 인식 장치 | |
CN112329499B (zh) | 一种图像处理方法、装置及设备 | |
CN112329499A (zh) | 一种图像处理方法、装置及设备 | |
CN110855932B (zh) | 基于视频数据的报警方法、装置、电子设备及存储介质 | |
KR102493273B1 (ko) | 딥러닝 객체 추적을 통한 무인주차 관제 시스템 및 방법 | |
KR20230128216A (ko) | 이상행동감지 기반 귀갓길 케어 서비스 | |
CN111104845B (zh) | 检测设备,控制方法及计算机可读记录介质 |
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 |