CN112333428B - 基于ai实现的普通摄像头大视野监控处理方法与系统 - Google Patents

Abstract

本发明提出基于AI实现的普通摄像头大视野监控处理方法与系统。所述方法包括获取包含目标对象的多个原始前景区域块、利用第一半透光半反射镜将所述前景区域块对应的图像数据反射至第二全反射镜、基于AI模型控制所述第二全反射镜旋转，使得经过所述第二全反射镜反射输出的所述前景区域块的坐标与原始前景区域块的坐标一致、通过第二摄像机获取所述第二全反射镜反射输出的所述前景区域块图像数据后输出等步骤。本发明还提出实现所述方法的系统，系统包括第一摄像机、第二摄像机、第一半透光半反射镜、第二全反射镜以及人工智能控制模块。本发明的技术方案能够够使普通摄像头得到的人脸像素满足现有AI图像识别要求。

Description

基于AI实现的普通摄像头大视野监控处理方法与系统

技术领域

本发明属于人工智能与监控技术领域，尤其涉及一种基于AI实现的普通摄像头大视野监控处理方法与系统。

背景技术

目标跟踪是机器视觉领域里的一门关键技术，通过对运动目标的跟踪，可以进一步实现诸如运动分析、行为理解、视频压缩等应用。目前该技术已被广泛应用于军事、安防、交通、娱乐、机器人等众多领域。面向运动目标的跟踪系统往往是基于云台，云台结构中通过驱动器驱动调整相机的视角，实现对运动目标的跟踪定位。

在一个更具体的场景中，通常需要远距离拍摄包含目标对象的图像并对其进行目标识别后分析。例如，交管监控系统需要精确拍摄到驾驶员面部图像或者车牌号码。在摄像机本身拍摄的像素足够清晰(分辨率足够高)的前提下，现有技术已经可以实现通过人工智能的图像识别算法自动的精确出感兴趣的目标区域并对其进行分析。

众所周知，AI图像智能检测人脸和车牌对图像像素是有要求的。例如，目前现有的图像处理算法技术对人脸像素的要求是大于112*112。

然而，远距离拍摄如果要达到上述要求，通常需要配置更高精度的摄像头。以普通的摄像机为例(200万像素)，在距离4m时得到的人脸像素能够达到100*100；但是在距离10m时人脸像素就只有36*36；距离30米以上后，拍摄得到的人脸像素分辨率就低于12*12，远远达不到人工智能的图像识别算法要求。据此换算，如果要在30m距离时拍摄得到分辨率大于100*100的人脸图像，相应的摄像机必须超过1亿。显然，不仅普通摄像机无法满足要求，一般的中高端摄像机也无法满足，并且随着像素越高，硬件成本也越高，限制了相关设备的应用。

解决的一个办法通常是从AI算法上改进，但是要基于普通摄像机达到对应的效果，AI算法只会越来越复杂，反过来增加了开发成本。

相关专利中，申请号为CN201810934622的中国发明专利申请提出一种基于折反射的单目立体视觉系统三维信息测量方法，根据待测物体大小建立折反射的单目立体视觉系统，折反射的单目立体视觉系统包括奇数个反射镜和一个摄像机，其中反射镜的位置和参数已知，通过反射镜反射光线和分割摄像机视野，摄像机同时拍摄物体和物体在镜子中的虚像，在一幅图像上获取物体的若干个映像，且这些映像来源于不同的视点，通过这些映像、摄像机的位置信息和反射镜的位置信息获取包含物体的场景信息。该发明通过单台摄像机即可获得三维场景信息，只需要标定一组摄像机参数，减少了工作量；

申请号为CN201810061862的中国发明专利申请提出一种微距激光散斑产生装置及方法，所述装置包括激光发射器、准直镜、光学衍射器件DOE、聚焦镜；所述激光发射器、准直镜、光学衍射器件DOE和聚焦镜四个部件之间的间距可调，且四个部件的倾斜角度可调；其中：准直镜经激光发射器发出的光线形成平行光线；光学衍射器件DOE将所述平行光线衍射出散斑点，形成散斑图案；聚焦镜聚焦将散斑图案进行缩小。该发明提出的装置投射的散斑图案对比度更高，均匀性更好，可以应用到微距范围。

然而，在普通摄像机条件下，如何使得获取的目标图像的分辨率满足AI识别要求，同时又不增加AI架构的复杂度，并未见到相关现有技术给出有效的技术方案。

发明内容

为解决上述技术问题，本发明提出基于AI实现的普通摄像头大视野监控处理方法与系统。所述方法包括获取包含目标对象的多个原始前景区域块、利用第一半透光半反射镜将所述前景区域块对应的图像数据反射至第二全反射镜、基于AI模型控制所述第二全反射镜旋转，使得经过所述第二全反射镜反射输出的所述前景区域块的坐标与原始前景区域块的坐标一致、通过第二摄像机获取所述第二全反射镜反射输出的所述前景区域块图像数据后输出等步骤。本发明还提出实现所述方法的系统，系统包括第一摄像机、第二摄像机、第一半透光半反射镜、第二全反射镜以及人工智能控制模块。本发明的技术方案能够够使普通摄像头得到的人脸像素满足现有AI图像识别要求。

具体来说，在本发明的第一个方面，提供一种基于AI实现的普通摄像头大视野监控处理方法，所述方法包括如下步骤：

S100：基于第一摄像机拍摄的多个图像帧获取包含目标对象的多个前景区域块；

S200：利用第一半透光半反射镜获取所述前景区域块对应的图像数据，并将其反射至第二全反射镜；

S300：基于AI模型控制所述第二全反射镜旋转，使得经过所述第二全反射镜反射输出的所述前景区域块的坐标与步骤S100获得的前景区域块的坐标一致；

S400：通过所述第二摄像机获取步骤S300中所述第二全反射镜反射输出的所述前景区域块图像数据后输出；

其中，所述目标对象为人脸、车牌之一或者其组合；所述第一摄像头和所述第二摄像头为像素不超过200万的普通摄像头；

所述步骤S400进一步包括：

将所述步骤S300中所述第二全反射镜反射输出的所述前景区域块图像数据以YUV格式输出。

所述AI模型为轻量化AI架构。

在本发明的第二个方面，提供一种基于AI实现的普通摄像头大视野监控处理系统，所述系统包括第一摄像机、第二摄像机、第一半透光半反射镜、第二全反射镜以及人工智能控制模块，用于实现前述的方法。

在构造上，所述第一摄像机与所述第一半透光半反射镜光学通信；所述第二摄像机与所述第二全反射镜光学通信；

作为改进，所述人工智能控制模块与所述第一摄像机以及所述第二全反射镜连接，并控制所述第二全反射镜的旋转角度。

所述人工智能控制模块连接所述第一摄像机，用于获取所述第一摄像机拍摄的多个图像帧，基于所述多个图像帧获取包含目标对象的多个前景区域块。

作为上述改进的关键技术手段，所述人工智能模块获取所述经过所述第二全反射镜反射输出的所述前景区域块对应的图像数据，并与所述基于所述多个图像帧获取的包含目标对象的多个前景区域块进行比对后，调节所述所述第二全反射镜的反射角度。

本发明的上述方法可以通过计算机系统自动化的实现，因此，本发明还提供一种计算机可读存储介质，通过包含AI架构的计算机系统，执行所述可执行程序指令，用于实现所述的方法。

本发明的技术方案，使用普通摄像头和现有轻量级AI算法，利用光学原理，使用AI算法比对摄像头的前后两帧的画面计算出前景区域，利用光的反射原理将前景区域反射给另一个摄像头，提高摄像头拍摄画面中指定区域的像素；本发明的设计方案能够使普通摄像头得到的人脸像素达到现有算法要求。

本发明的进一步优点将结合说明书附图在具体实施例部分进一步详细体现。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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是本发明一个实施例的一种基于AI实现的普通摄像头大视野监控处理方法的主体流程图；

图2是图1所述方法的步骤S100的具体实现流程示意图；

图3是用于实现图1所述方法的基于AI实现的普通摄像头大视野监控处理系统的模块架构图；

图4是图3所述系统的布局示意图。

具体实施方式

下面，结合附图以及具体实施方式，对发明做出进一步的描述。

首先，再次指出现有技术存在的问题来源。

在AI算法图像处理和计算中，200万像素＝1920*1080，但是如背景技术所分析的，200万像素的摄像头拍摄的有人脸的图片人脸的像素是30*30但是目前现有的图像处理算法技术对人脸像素的要求是大于112*112，技术200万像素摄像头拍到人脸像素低达不到技术要求的；

虽然200万以上像素的摄像头拍摄的人脸能达到112*112，但是摄像头成本增加并且对算法的要求高，增加了算法复杂度。

本发明的各个实施例的目的在于使用普通摄像头，利用光学原理和轻量级AI架构设计，提高普通摄像头拍摄图像中的人脸或车牌的像素。

参见图1，是本发明一个实施例的一种基于AI实现的普通摄像头大视野监控处理方法的主体流程图。

在图1中，所述方法包括如下步骤S100-S400，各个步骤具体实现如下：

S100：基于第一摄像机拍摄的多个图像帧获取包含目标对象的多个前景区域块；

S200：利用第一半透光半反射镜获取所述前景区域块对应的图像数据，并将其反射至第二全反射镜；

S300：基于AI模型控制所述第二全反射镜旋转，使得经过所述第二全反射镜反射输出的所述前景区域块的坐标与步骤S100获得的前景区域块的坐标一致；

S400：通过所述第二摄像机获取步骤S300中所述第二全反射镜反射输出的所述前景区域块图像数据后输出；

在图1所述实施例中，所述目标对象为人脸、车牌之一或者其组合；所述第一摄像头和所述第二摄像头为像素不超过200万的普通摄像头；

所述步骤S400进一步包括：

将所述步骤S300中所述第二全反射镜反射输出的所述前景区域块图像数据以YUV格式输出后进入ARM处理系统后，又可以执行现有的AI识别过程。

在图1基础上，参见图2，所述步骤S100具体包括如下步骤：

S101：通过所述第一摄像机获取在先图像帧和在后图像帧，所述在先图像帧和在后图像帧为时间上先后连续的不同图像帧；

S102：逐一计算所述在后图像帧和所述在后图像帧的预定大小区块的像素值差异度；

S103：判断预定大小区块的像素值差异度差异度是否在预定范围内，如果是，则将所述预定大小区块作为候选剔除块；

S104：重复步骤S101-S103预定次数后，获得多个候选剔除块；

S105：将所述多个候选剔除块中重合率最大的像素点作为背景点；

S106：从所述第一摄像机拍摄的多个图像帧中剔除所述背景点后，获得所述多个前景区域块。

图2中所述“执行步骤大于N”即是满足是否重复步骤S101-S103达到了预定次数，这里的预定次数由所述第一摄像机在预定时间内拍摄的图像帧数目确定；一般来说，所述第一摄像机在预定时间内拍摄的图像帧数目越大，所述预定次数N越大。

所述步骤S200进一步包括：

所述第一摄像机将所述多个前景区域块对应的图像数据通过YUV格式直接输出。

经过上述实施例的改进，虽然所述步骤S100获取的所述多个前景区域块的图像分辨率不高于30*30；但是所述步骤S400输出的图像分辨率不低于112*112。

在图1-2基础上，参见图3-图4。

在图3中示出一种基于AI实现的普通摄像头大视野监控处理系统，所述系统包括第一摄像机、第二摄像机、第一半透光半反射镜、第二全反射镜以及人工智能控制模块；

所述第一摄像机与所述第一半透光半反射镜光学通信；

所述第二摄像机与所述第二全反射镜光学通信；

所述人工智能控制模块与所述第一摄像机以及所述第二全反射镜连接，并控制所述第二全反射镜的旋转角度。

所述人工智能控制模块连接所述第一摄像机，用于获取所述第一摄像机拍摄的多个图像帧，基于所述多个图像帧获取包含目标对象的多个前景区域块。

所述人工智能控制模块获取所述经过所述第二全反射镜反射输出的所述前景区域块对应的图像数据，并与所述基于所述多个图像帧获取的包含目标对象的多个前景区域块进行比对后，调节所述所述第二全反射镜的反射角度。

作为优选，图1-图3所述的实施例中，所述第一半透光半反射镜为50:50半透半反镜。

值得注意的是，在图1-图3所述的实施例中，所述AI模型为轻量化AI架构，所述人工智能控制模块包含的AI控制模型也是轻量化AI模型。

所述轻量化具体体现在：

所述人工智能控制模块或者所述AI模型只需要完成所述步骤S100(包括S101-S106)所述的前景识别、所述步骤S300的旋转控制即可，并且所述前景识别不同于已有的复杂前景识别算法，而是简单的像素比对；并且所述旋转控制仅仅是需要获取所述经过所述第二全反射镜反射输出的所述前景区域块对应的图像数据，并与所述基于所述多个图像帧获取的包含目标对象的多个前景区域块进行比对后，调节所述所述第二全反射镜的反射角度，使得经过所述第二全反射镜反射输出的所述前景区域块的坐标与步骤S100获得的前景区域块的坐标一致。

图4是图3的抽象化布局示意图。

结合图1-图4，下面给出一个具体的实施例，用于进一步阐述本申请的实施原理和效果。

以人脸或者车牌像素由30*30变为120*120为例：

200万像素＝1920*1080当拍摄距离增加拍到的人脸或者车牌像素会降低，在13.5米距离的时候200万像素摄像头在距离13.5米时候拍摄人脸像素约是30*30，这样的人脸像素是不满足算法对车牌的检测要求112*112像素的；

而采用本申请的上述方案后，可以获取拍摄照片的约1/4区域(相当于人脸区域，该比例随着目标对象的不同改变)反射给另一个摄像头；则1/4区域像素变为1920*1080；

具体原理是根据摄像头聚焦得到的，摄像头1拍摄1/4区域占用像素，1/4区域像素1920/4＝480、1080/4＝270像素；即480*270车牌/人脸像素；然后1/4区域反射到摄像头2摄像头2像素由480*270转变为192*1080车牌像素也会随之提升4倍变为120*120。

在图4中，使用两个摄像头、一个半透光半反射镜和两个反射镜；其中，半透光半反射镜目前的方案是50：50可以结合实际场景改进透光和反射的比例。

本发明涉及的关键点包括：

光学原理：使用反射和半透光半反射光学原理结合摄像头和AI算法处理使得检测图像中的人脸或车牌像素提高。

轻量化AI架构：AI模块直接处理摄像头取到的全景，AI控制反射镜XY轴角度，达到实时性高可靠性强的目的。

本发明的技术方案，使用普通摄像头和现有轻量级AI算法，利用光学原理，使用AI算法比对摄像头的前后两帧的画面计算出前景区域，利用光的反射原理将前景区域反射给另一个摄像头，提高摄像头拍摄画面中指定区域的像素；本发明的设计方案能够使普通摄像头得到的人脸像素达到现有算法要求。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种基于AI实现的普通摄像头大视野监控处理方法，其特征在于，所述方法包括如下步骤：

S100：基于第一摄像机拍摄的多个图像帧获取包含目标对象的多个前景区域块，所述多个前景区域块的图像分辨率不高于30*30；

S200：利用第一半透光半反射镜获取所述前景区域块对应的图像数据，并将其反射至第二全反射镜；

S300：基于AI模型控制所述第二全反射镜旋转，使得经过所述第二全反射镜反射输出的所述前景区域块的坐标与步骤S100获得的前景区域块的坐标一致；

S400：通过第二摄像机获取步骤S300中所述第二全反射镜反射输出的所述前景区域块图像数据后输出，所述第二摄像机聚焦输出的图像分辨率不低于112*112；

其中，所述第一半透光半反射镜为50:50半透半反镜；

所述目标对象的光线经过所述第一半透光半反射镜后，第一半光线经反射进入所述第二全反射镜，另一半光线经过透光进入所述第一摄像机；

所述第二全反射镜将所述第一半光线反射至所述第二摄像机；

所述目标对象为人脸、车牌之一或者其组合；

所述第一摄像机和所述第二摄像机使用像素不超过200万的普通摄像头；

所述步骤S400进一步包括：

将所述步骤S300中所述第二全反射镜反射输出的所述前景区域块图像数据以YUV格式输出。

2.如权利要求1所述的一种基于AI实现的普通摄像头大视野监控处理方法，其特征在于：

所述步骤S100具体包括如下步骤：

S101：通过所述第一摄像机获取在先图像帧和在后图像帧，所述在先图像帧和在后图像帧为时间上先后连续的不同图像帧；

S102：逐一计算所述在后图像帧和所述在后图像帧的预定大小区块的像素值差异度；

S103：判断预定大小区块的像素值差异度是否在预定范围内，如果是，则将所述预定大小区块作为候选剔除块；

S104：重复步骤S101-S103预定次数后，获得多个候选剔除块；

S105：将所述多个候选剔除块中重合率最大的像素点作为背景点；

S106：从所述第一摄像机拍摄的多个图像帧中剔除所述背景点后，获得所述多个前景区域块。

3.如权利要求1所述的一种基于AI实现的普通摄像头大视野监控处理方法，其特征在于：

所述步骤S200进一步包括：

所述第一摄像机将所述多个前景区域块对应的图像数据通过YUV格式直接输出。

4.如权利要求1所述的一种基于AI实现的普通摄像头大视野监控处理方法，其特征在于：

所述AI模型为轻量化AI架构。

5.一种基于AI实现的普通摄像头大视野监控处理系统，所述系统包括第一摄像机、第二摄像机、第一半透光半反射镜、第二全反射镜以及人工智能控制模块；

其特征在于：

所述第一摄像机与所述第一半透光半反射镜光学通信；

所述第二摄像机与所述第二全反射镜光学通信；

所述人工智能控制模块与所述第一摄像机以及所述第二全反射镜连接，并控制所述第二全反射镜的旋转角度；

所述人工智能控制模块连接所述第一摄像机，用于获取所述第一摄像机拍摄的多个图像帧，基于所述多个图像帧获取包含目标对象的多个前景区域块；

所述人工智能模块获取经过第二全反射镜反射输出的前景区域块对应的图像数据，并与基于多个图像帧获取的包含目标对象的多个前景区域块进行比对后，调节所述第二全反射镜的反射角度，使得经过所述第二全反射镜反射输出的所述前景区域块的坐标与第一摄像机拍摄的前景区域块的坐标一致；通过第二摄像机获取的第二全反射镜反射输出的所述前景区域块图像数据后输出，所述第二摄像机聚焦输出的图像分辨率不低于112*112；

所述第一半透光半反射镜为50:50半透半反镜；

所述目标对象的光线经过所述第一半透光半反射镜后，第一半光线经反射进入所述第二全反射镜，另一半光线经过透光进入所述第一摄像机；

所述第二全反射镜将所述第一半光线反射至所述第二摄像机。

6.一种计算机可读存贮介质，其上存储有计算机可执行程序指令，通过包含AI架构的计算机系统，执行所述可执行程序指令，用于实现权利要求1-4任一项所述的方法。

Images