CN112530059A - 一种通道闸内拉杆箱判断方法、装置、设备和存储介质 - Google Patents
一种通道闸内拉杆箱判断方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN112530059A CN112530059A CN202011332383.4A CN202011332383A CN112530059A CN 112530059 A CN112530059 A CN 112530059A CN 202011332383 A CN202011332383 A CN 202011332383A CN 112530059 A CN112530059 A CN 112530059A
- Authority
- CN
- China
- Prior art keywords
- draw
- bar box
- shielding
- image
- sub
- 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
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/10—Movable barriers with registering means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- 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
Abstract
本发明公开了一种通道闸内拉杆箱判断方法、装置、设备和存储介质,用于解决通道闸中行人携带拉杆箱时,拉杆箱容易被卡的问题。本发明包括:通过所述图像采集装置采集所述发光结构的发光图像;检测所述发光图像中的遮挡区域;在所述多个遮挡子区域中确定目标遮挡子区域;计算所述行人遮挡子区域与所述拉杆箱遮挡子区域之间的距离;根据所述距离判断所述通道闸中是否存在拉杆箱。本发明通过图像采集装置采集发光结构的发光图像,并从发光图像中确定行人遮挡子区域和拉杆箱遮挡子区域,通过行人遮挡子区域和拉杆箱遮挡子区域之间的距离来判断通道闸中是否存在拉杆箱,从而在通道闸中存在拉杆箱时保持通道闸开启,避免拉杆箱被卡的情况。
Description
技术领域
本发明涉及通道闸控制技术领域,尤其涉及一种通道闸内拉杆箱判断方法、装置、设备和存储介质。
背景技术
目前,通道闸已经广泛地应用于我们的日常生活之中,例如机场、地铁站、车站、码头、景点、公园、学生宿舍、单位人行通道等,通道闸主要用于对人流进行管理,具有快速打开、安全、方便等特点,是行人高频率出入通道的理想管理疏导设备。
目前检测通道闸中是否有目标通行,主要是采用红外线对射管来进行检测,而采用红外线对射管来检测时,在行人携带拉杆箱的情况下感应不准确,容易发生拉杆箱被卡的情况。
因此,现有技术中采用红外线对射管来检测通道闸中行人的拉杆箱时准确率较低,容易发生拉杆箱被卡的情况。
发明内容
本发明提供了一种通道闸内拉杆箱判断方法、装置、设备和存储介质,用于解决通道闸中行人携带拉杆箱时,拉杆箱容易被卡的问题。
本发明提供的一种通道闸内拉杆箱判断方法,所述通道闸两侧对称设置有发光结构和图像采集装置;所述发光结构由发光材料或发光装置构成;所述方法包括:
通过所述图像采集装置采集所述发光结构的发光图像;
检测所述发光图像中的遮挡区域;所述遮挡区域包括多个遮挡子区域;
在所述多个遮挡子区域中确定目标遮挡子区域;所述目标遮挡子区域包括行人遮挡子区域和拉杆箱遮挡子区域;
计算所述行人遮挡子区域与所述拉杆箱遮挡子区域之间的距离;
根据所述距离判断所述通道闸中是否存在拉杆箱。
可选地,所述检测所述发光图像中的遮挡区域的步骤,包括:
对所述发光图像进行前景图像分割,得到分割图像;
对所述分割图像进行边缘检测,生成边缘检测图像;
检测所述边缘检测图像中的最大亮点像素行;所述最大亮点像素行具有像素黑点;
获取所述像素黑点的列索引,根据所述列索引确定所述分割图像中的遮挡区域。
可选地,所述发光图像包括上发光图像;所述遮挡区域包括上发光结构遮挡区域;所述在所述多个遮挡子区域中确定目标遮挡子区域的步骤,包括:
获取行人前进方向;
基于所述行人前进方向,确定所述上发光结构遮挡区域中的最后一个遮挡子区域为行人遮挡子区域。
可选地,所述发光图像还包括下发光图像;所述遮挡区域还包括下发光结构遮挡区域;所述在所述多个遮挡子区域中确定目标遮挡子区域的步骤,还包括:
获取拉杆箱前进方向;
基于所述拉杆箱前进方向,确定所述下发光结构遮挡区域中的最后一个遮挡子区域为拉杆箱遮挡子区域。
可选地,所述计算所述行人遮挡子区域与所述拉杆箱遮挡子区域之间的距离的步骤,包括:
获取所述行人遮挡子区域的中心位置横坐标和所述拉杆箱遮挡子区域的起点位置横坐标;
计算所述中心位置横坐标和所述起点位置横坐标的距离。
可选地,所述根据所述距离判断所述通道闸中是否存在拉杆箱的步骤,包括:
计算所述拉杆箱遮挡子区域的遮挡长度;
当所述距离的绝对值大于第一预设阈值,且所述遮挡长度大于第二预设阈值时,所述通道闸中存在拉杆箱。
可选地,还包括:
当所述通道闸中存在拉杆箱时,采用所述拉杆箱遮挡子区域计算所述拉杆箱的位置。
本发明提供的一种通道闸内拉杆箱判断装置,所述通道闸两侧对称设置有发光结构和图像采集装置;所述发光结构由发光材料或发光装置构成;所述装置包括:
发光图像采集模块,用于通过所述图像采集装置采集所述发光结构的发光图像;
遮挡区域检测模块,用于检测所述发光图像中的遮挡区域;所述遮挡区域包括多个遮挡子区域;
目标遮挡子区域确定模块,用于在所述多个遮挡子区域中确定目标遮挡子区域;所述目标遮挡子区域包括行人遮挡子区域和拉杆箱遮挡子区域;
距离计算模块,用于计算所述行人遮挡子区域与所述拉杆箱遮挡子区域之间的距离;
拉杆箱判断模块,用于根据所述距离判断所述通道闸中是否存在拉杆箱。
可选地,所述遮挡区域检测模块,包括:
前景图像分割子模块,用于对所述分光图像进行前景图像分割,得到分割图像;
边缘检测子模块,用于对所述分割图像进行边缘检测,生成边缘检测图像;
最大亮点像素行检测子模块,用于检测所述边缘检测图像中的最大亮点像素行;所述最大亮点像素行具有像素黑点;
遮挡区域确定子模块,用于获取所述像素黑点的列索引,根据所述列索引确定所述分割图像中的遮挡区域。
可选地,所述发光图像包括上发光图像;所述遮挡区域包括上发光结构遮挡区域;所述目标遮挡子区域确定模块,包括:
前进方向获取单元,用于获取行人前进方向;
行人遮挡子区域确定单元,用于基于所述行人前进方向,确定所述上发光结构遮挡区域中的最后一个遮挡子区域为行人遮挡子区域。
可选地,所述发光图像还包括下发光图像;所述遮挡区域还包括下发光结构遮挡区域;所述目标遮挡子区域确定模块,还包括:
前进方向获取单元,用于获取拉杆箱前进方向;
拉杆箱遮挡子区域确定单元,用于基于所述拉杆箱前进方向,确定所述下发光结构遮挡区域中的最后一个遮挡子区域为拉杆箱遮挡子区域。
可选地,所述距离计算模块,包括:
横坐标获取子模块,用于获取所述行人遮挡子区域的中心位置横坐标和所述拉杆箱遮挡子区域的起点位置横坐标;
距离计算子模块,用于计算所述中心位置横坐标和所述起点位置横坐标的距离。
可选地,所述拉杆箱判断模块,包括:
遮挡长度计算子模块,用于计算所述拉杆箱遮挡子区域的遮挡长度;
拉杆箱判断子模块,用于当所述距离的绝对值大于第一预设阈值,且所述遮挡长度大于第二预设阈值时,判断所述通道闸中存在拉杆箱。
可选地,还包括:
定位模块,用于当所述通道闸中存在拉杆箱时,采用所述拉杆箱遮挡子区域计算所述拉杆箱的位置。
本发明提供的一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如上任一项所述的通道闸内拉杆箱判断方法的步骤。
本发明提供的一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被所述处理器执行时实现如上任一项所述的通道闸内拉杆箱判断方法。
从以上技术方案可以看出,本发明具有以下优点:本发明通过图像采集装置采集发光结构的发光图像,并从发光图像中确定行人遮挡子区域和拉杆箱遮挡子区域,通过行人遮挡子区域和拉杆箱遮挡子区域之间的距离来判断通道闸中是否存在拉杆箱,从而在通道闸中存在拉杆箱时保持通道闸开启,避免拉杆箱被卡的情况。
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性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种通道闸内拉杆箱判断方法的步骤流程图;
图2为本发明另一实施例提供的一种通道闸内拉杆箱判断方法的步骤流程图;
图3为本发明实施例提供的一种检测发光图像中遮挡区域的步骤流程图;
图4为本发明实施例提供的一种通道闸内拉杆箱判断方法的流程图;
图5为本发明实施例提供的一种通道闸内拉杆箱判断装置的结构框图。
具体实施方式
本发明实施例提供了一种通道闸内拉杆箱判断方法、装置和电子设备,用于解决通道闸中行人携带拉杆箱时,拉杆箱容易被卡的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,图1为本发明实施例提供的一种通道闸内拉杆箱判断方法的步骤流程图。
本发明提供的一种通道闸内拉杆箱判断方法,包括:
步骤101,通过所述图像采集装置采集所述发光结构的发光图像;
在本发明实施例中,通道闸一侧设置有上下两排发光结构,具体地,发光结构可以由发光材料或发光装置构成。
通道闸另一侧与发光结构等高位置设置有图像采集装置,图像采集装置用于拍摄发光结构,采集发光结构的当前帧图像。在实际应用中,图像采集装置可以是任何可用于图像采集的装置,如摄像头,本发明对此不作具体限制。
需要说明的是,发光结构的排数和图像采集装置的个数可以均为2,也可以是2以上的数值,本发明对此不作具体限制。
步骤102,检测所述发光图像中的遮挡区域;所述遮挡区域包括多个遮挡子区域;
当通道闸中有行人或拉杆箱通过时,行人或拉杆箱会对发光结构产生遮挡,导致图像采集装置采集到的发光结构的发光图像中存在遮挡区域,由于行人行走过程中,身体的不同部位、拉杆箱均会对发光结构造成遮挡,因此上发光图像和下发光图像中均有多个遮挡子区域。例如,上发光图像中可以包括腰部遮挡子区域、手臂遮挡子区域等。下发光图像中可以包括拉杆箱遮挡子区域、行人脚部遮挡子区域等。
步骤103,在所述多个遮挡子区域中确定目标遮挡子区域;所述目标遮挡子区域包括行人遮挡子区域和拉杆箱遮挡子区域;
在实际场景中,行人携带拉杆箱时,一般而言,与拉杆箱最近的身体部位是手部,本发明实施例主要通过确定行人手部形成的行人遮挡子区域与拉杆箱形成的拉杆箱遮挡子区域的相对位置,来判断拉杆箱是否由该行人携带。
步骤104,计算所述行人遮挡子区域与所述拉杆箱遮挡子区域之间的距离;
步骤105,根据所述距离判断所述通道闸中是否存在拉杆箱。
在实际场景中,行人在拉动拉杆箱时,拉杆箱与手部的相对距离是有限的,本发明可以通过设定阈值来判断行人遮挡子区域和拉杆箱遮挡子区域之间的距离是否属于行人携带拉杆箱的情况。
在一个示例中,可以分别在通道闸一侧的90cm高度和45cm高度设置上发光结构和下发光结构,在另一侧对应位置设置两个图像采集装置,分别用于采集上发光结构的发光图像和下发光结构的发光图像。设置阈值为100像素,当行人遮挡子区域与拉杆箱遮挡子区域之间的距离大于100像素时,可以判断通道闸中的行人携带有拉杆箱。此时保持通道闸开启直至拉杆箱完全通过通道闸。
本发明通过图像采集装置采集发光结构的发光图像,并从发光图像中确定行人遮挡子区域和拉杆箱遮挡子区域,通过行人遮挡子区域和拉杆箱遮挡子区域之间的距离来判断通道闸中是否存在拉杆箱,从而在通道闸中存在拉杆箱时保持通道闸开启,避免拉杆箱被卡的情况。
请参阅图2,图2为本发明另一实施例提供的一种通道闸内拉杆箱判断方法的步骤流程图,具体包括以下步骤:
步骤201,通过所述图像采集装置采集所述发光结构的发光图像;
在本发明实施例中,发光结构是由多个光源发射装置或发光材料按照一定的间隔排列而成。在本发明实施例中,通道闸一侧设置有上下两排发光结构。
通道闸另一侧与发光结构等高位置设置有图像采集装置,图像采集装置用于拍摄发光结构,采集发光结构的当前帧图像。在实际应用中,图像采集装置可以是任何可用于图像采集的装置,如摄像头,本发明对此不作具体限制。
步骤202,检测所述发光图像中的遮挡区域;所述遮挡区域包括多个遮挡子区域;
当通道闸中有行人或拉杆箱通过时,行人或拉杆箱会对发光结构产生遮挡,导致图像采集装置采集到的发光结构的发光图像中存在遮挡区域,由于行人行走过程中,身体的不同部位、拉杆箱均会对发光结构造成遮挡,因此上发光图像和下发光图像中均有多个遮挡子区域。例如,上发光图像中可以包括腰部遮挡子区域、手臂遮挡子区域等。下发光图像中可以包括拉杆箱遮挡子区域、行人脚部遮挡子区域等。
如图3所示,图3为本发明实施例提供的一种检测发光图像中遮挡区域的步骤流程图。
在本发明实施例中,步骤202可以包括以下子步骤:
S21,对所述发光图像进行前景图像分割,得到分割图像;
S22,对所述分割图像进行边缘检测,生成边缘检测图像;
前景图像分割,即图像高度不变,图像长度上去掉最大亮点像素行两端因安装或闸机长度或发光结构长度等因素,导致的图像两端的黑点。这使最大亮点像素行两端没有黑点,使遮挡区域定位更准确。
边缘检测的实质是采用某种算法来提取出图像中对象与背景间的交界线,目的是标识数字图像中亮度变化明显的点,其可以大幅度地减少图像的数据量,并且剔除了不相关的信息,保留了图像重要的结构属性。
在本发明实施例中,通过对分割图像进行边缘检测,可以减少后续对分割图像进行处理时所需要处理的数据量,同时凸显出发光结构在边缘检测图像中的光路。
在实际应用中,用于边缘检测的方法有很多,它们的绝大部分可以划分为两类:基于查找一类和基于零穿越的一类。基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界,通常是将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界,通常是拉普拉斯过零点或者非线性差分表示的过零点。
边缘检测的主要工具是边缘检测模板。模板的作用是将右邻点的灰度值减去左邻点的灰度值作为该点的灰度值。在灰度相近的区域内,这么做的结果使得该点的灰度值接近于0;而在边缘附近,灰度值有明显的跳变,这么做的结果使得该点的灰度值很大。模板是一种边缘检测器,它在数学上的涵义是一种基于梯度的滤波器,习惯上又称边缘算子。梯度是有方向的,其和边缘的方向总是垂直的。如果图象的边缘是水平方向的,可以用梯度是垂直方向的模板来检测图像的边缘;如果图象的边缘是水平方向的,可以用梯度是垂直方向的模板来检测图像的边缘。
常用的边缘检测模板有Laplacian算子、Roberts算子、Sobel算子、log(Laplacian-Gauss)算子、Kirsch算子和Prewitt算子等。
在本发明实施例中,以Sobel算法为例进行边缘检测。
Soble边缘检测通常带有方向性,可以只检测竖直边缘或垂直边缘或都检测。
首先定义两个梯度方向的系数;然后计算梯度图像,边缘点其实就是图像中灰度跳变剧烈的点,所以先计算梯度图像,然后将梯度图像中较亮的那一部分提取出来就是简单的边缘部分。
Sobel算子用了一个3*3的滤波器来对图像进行滤波从而得到梯度图像,这里面不再详细描述怎样进行滤波及它们的意义等。
定义好滤波器后,分别求垂直和竖起方向上的梯度图像。用滤波器与图像进行卷积即可。
在本发明实施例中,为了减少噪声,增强发光结构区域连通性,去除边缘检测图像局部的黑洞,还可以对边缘检测图像进行形态学处理,如膨胀处理。
在实际应用中,经过边缘处理得到的边缘检测图像中,发光结构形成的光束可能会是一条不连续的光束,光束中会存在细小的局部黑洞,为了消除局部黑洞,使光束连续化,可以对边缘检测图像进行膨胀处理。膨胀处理的原理是使边缘检测图像中高亮部分进行膨胀,领域扩张,从而覆盖掉细小的局部黑洞,使得光束呈现连续性。
S23,检测所述边缘检测图像中的最大亮点像素行;所述最大亮点像素行具有像素黑点;
S24,获取所述像素黑点的列索引,根据所述列索引确定所述分割图像中的遮挡区域。
在本发明实施例中,由于图像采集装置只对应采集一个发光结构的发光图像,所以在边缘检测图像中,发光结构所在的位置亮点像素最多。由于发光结构发光不稳定,且发光结构位置不会完全水平的因素,亮点像素越多越能反映发光结构的确切位置。因此,在本发明实施例中,可以通过检测亮点像素最多的最大亮点行来反映发光结构的遮挡情况。在本发明实施例中,由于只对最大亮点行进行后续处理,所以能够有效减少查找遮挡区域的计算量,提高运行速度。
在获取到边缘检测图像的最大亮点行后,可以根据最大亮点行上像素的灰度值来判断遮挡区域。可以理解的是,遮挡区域的像素的灰度值会远小于未被遮挡区域的像素的灰度值。在本发明实施例中,以灰度值为10作为临界值,当像素点的灰度值小于10时,可以判定该像素点被遮挡,从而可以得到多个被遮挡的目标像素点。记录每个目标像素点的列索引,根据列索引可以将多个目标像素点划分为至少一个遮挡区域。
具体地,每一个遮挡区域可以认为是由连续的目标像素点所组成,当相邻两个目标像素点之间的列索引的差的绝对值大于1,表征这两个目标像素点不连续,因此可以将它们划分至不同的遮挡区域之间。将连续的目标像素点划分为同一个遮挡区域,从而得到至少一个遮挡区域。
步骤203,在所述多个遮挡子区域中确定目标遮挡子区域;所述目标遮挡子区域包括行人遮挡子区域和拉杆箱遮挡子区域;
在实际场景中,行人携带拉杆箱时,一般而言,与拉杆箱最近的身体部位是手部,本发明实施例主要通过确定行人手部形成的行人遮挡子区域与拉杆箱形成的拉杆箱遮挡子区域的相对位置,来判断拉杆箱是否由该行人携带。
在一个示例中,行人遮挡子区域可以通过以下方式来确定:
获取行人前进方向;
基于所述行人前进方向,确定所述上发光结构遮挡区域中的最后一个遮挡子区域为行人遮挡子区域。
在实际场景中,行人携带拉杆箱行走时,沿前进方向,拉着拉杆箱的手处于行人所有身体部位的最后端。因此,可以通过获取行人的前进方向来确定上发光结构遮挡区域中的最后一个遮挡区域作为行人遮挡子区域。
同理,行人行走时,拉杆箱会位于行人后方,因此可以通过获取拉杆箱前进方向来确定下发光结构遮挡区域中的最后一个遮挡区域作为拉杆箱遮挡子区域。
步骤204,计算所述行人遮挡子区域与所述拉杆箱遮挡子区域之间的距离;
在本发明实施例中,计算行人遮挡子区域与拉杆箱遮挡子区域之间的距离的步骤可以包括:获取所述行人遮挡子区域的中心位置横坐标和所述拉杆箱遮挡子区域的起点位置横坐标;计算所述中心位置横坐标和所述起点位置横坐标的距离。
在本发明实施例中,可以以行人遮挡子区域的中心位置横坐标和拉杆箱遮挡子区域的起点位置横坐标来计算两者之间的距离。
在一个示例中,以发光图像下发光结构最大亮点像素行的最左端为原点建立直角坐标系;当行人遮挡子区域的中心位置横坐标为a,拉杆箱遮挡子区域的起点位置横坐标为b时,两者的距离为a-b。
步骤205,根据所述距离判断所述通道闸中是否存在拉杆箱。
在实际场景中,行人在拉动拉杆箱时,拉杆箱与手部的相对距离是有限的,本发明可以通过设定阈值来判断行人遮挡子区域和拉杆箱遮挡子区域之间的距离是否属于行人携带拉杆箱的情况。
在一个示例中,可以分别在通道闸一侧的90cm高度和45cm高度设置上发光结构和下发光结构,在另一侧对应位置设置两个图像采集装置,分别用于采集上发光结构的发光图像和下发光结构的发光图像。设置阈值为100像素,当行人遮挡子区域中心位置横坐标与拉杆箱遮挡子区域起点位置横坐标之间的距离大于100像素时,可以判断通道闸中的行人携带有拉杆箱。此时保持通道闸开启直至拉杆箱完全通过通道闸。
需要说明的是,当行人牵着小孩时,行人手部与小孩之间的距离也可能满足距离要求。因此,在本发明实施例中,还可以在满足距离要求的情况下,增加对拉杆箱的判别,从而提高对拉杆箱识别的准确性。
在本发明实施例中,根据距离判断通道闸中是否存在拉杆箱的方法可以包括:计算所述拉杆箱遮挡子区域的遮挡长度;当所述距离的绝对值大于第一预设阈值,且所述遮挡长度大于第二预设阈值时,所述通道闸中存在拉杆箱。
在一个示例中,设置距离的第一预设阈值为C1,C1为正值,如100像素,拉杆箱遮挡子区域长度为CL,遮挡长度的第二预设阈值为C2。当|a-b|>C1,且CL>C2时,表征通道中有拉杆箱存在。其中,当a-b>C1时,表示行人在通道闸中由左向右行走,当a-b<-C1时,表示行人在通道闸中由右向左行走。
步骤206,当所述通道闸中存在拉杆箱时,采用所述拉杆箱遮挡子区域计算所述拉杆箱的位置。
在本发明实施例中,当拉杆箱存在时,拉杆箱遮挡子区域的位置即为拉杆箱的位置。
需要说明的是,由于行人在通道闸中是持续行走的,因此,当上发光结构没有遮挡,而图像采集装置采集的上一帧图像中标记有拉杆箱,且当前帧中DL>0时,表征行人刚走出通道闸而拉杆箱还在通道闸中的情况,此时当前帧中也需要标记存在拉杆箱,拉杆箱遮挡子区域就是拉杆箱的位置,DL就是拉杆箱在发光图像中的长度。
请参阅图4,图4为本发明实施例提供的一种通道闸内拉杆箱判断方法的流程图。
如图4所示,为了判定通道闸中行人是否携带有拉杆箱,首先需要通过图像采集装置对上下两排发光结构进行图像采集;对采集到的发光图像进行前景图像分割,对得到的分割图像进行边缘检测和形态学处理;然后检测进行了形态学处理的图像的遮挡区域;最后判断上发光结构中的行人遮挡子区域的中心位置横坐标a,与下发光结构中的拉杆箱遮挡子区域的起点位置横坐标b之间的距离的绝对值|a-b|是否大于预设阈值C1,且拉杆箱遮挡子区域的遮挡长度CL是否大于预设阈值C2,若是,则判断通道闸内行人有携带拉杆箱;若否,则判断通道闸中行人未携带有拉杆箱。
本发明通过图像采集装置采集发光结构的发光图像,并从发光图像中确定行人遮挡子区域和拉杆箱遮挡子区域,通过行人遮挡子区域和拉杆箱遮挡子区域之间的距离来判断通道闸中是否存在拉杆箱,从而在通道闸中存在拉杆箱时保持通道闸开启,避免拉杆箱被卡的情况。
请参阅图5,图5为本发明实施例提供的一种通道闸内拉杆箱判断装置的结构框图。
本发明提供的一种通道闸内拉杆箱判断装置,所述通道闸两侧对称设置有发光结构和图像采集装置;所述发光结构由发光材料或发光装置构成;所述装置包括:
发光图像采集模块501,用于通过所述图像采集装置采集所述发光结构的发光图像;
遮挡区域检测模块502,用于检测所述发光图像中的遮挡区域;所述遮挡区域包括多个遮挡子区域;
目标遮挡子区域确定模块503,用于在所述多个遮挡子区域中确定目标遮挡子区域;所述目标遮挡子区域包括行人遮挡子区域和拉杆箱遮挡子区域;
距离计算模块504,用于计算所述行人遮挡子区域与所述拉杆箱遮挡子区域之间的距离;
拉杆箱判断模块505,用于根据所述距离判断所述通道闸中是否存在拉杆箱。
可选地,所述遮挡区域检测模块502,包括:
前景图像分割子模块,用于对所述发光图像进行前景图像分割,得到分割图像;
边缘检测子模块,用于对所述分割图像进行边缘检测,生成边缘检测图像;
最大亮点像素行检测子模块,用于检测所述边缘检测图像中的最大亮点像素行;所述最大亮点像素行具有像素黑点;
遮挡区域确定子模块,用于获取所述像素黑点的列索引,根据所述列索引确定所述分割图像中的遮挡区域。
可选地,所述发光图像包括上发光图像;所述遮挡区域包括上发光结构遮挡区域;所述目标遮挡子区域确定模块503,包括:
前进方向获取单元,用于获取行人前进方向;
行人遮挡子区域确定单元,用于基于所述行人前进方向,确定所述上发光结构遮挡区域中的最后一个遮挡子区域为行人遮挡子区域。
可选地,所述发光图像还包括下发光图像;所述遮挡区域还包括下发光结构遮挡区域;所述目标遮挡子区域确定模块503,还包括:
前进方向获取单元,用于获取拉杆箱前进方向;
拉杆箱遮挡子区域确定单元,用于基于所述拉杆箱前进方向,确定所述下发光结构遮挡区域中的最后一个遮挡子区域为拉杆箱遮挡子区域。
可选地,所述距离计算模块504,包括:
横坐标获取子模块,用于获取所述行人遮挡子区域的中心位置横坐标和所述拉杆箱遮挡子区域的起点位置横坐标;
距离计算子模块,用于计算所述中心位置横坐标和所述起点位置横坐标的距离。
可选地,所述拉杆箱判断模块605,包括:
遮挡长度计算子模块,用于计算所述拉杆箱遮挡子区域的遮挡长度;
拉杆箱判断子模块,用于当所述距离的绝对值大于第一预设阈值,且所述遮挡长度大于第二预设阈值时,所述通道闸中存在拉杆箱。
可选地,还包括:
定位模块,用于当所述通道闸中存在拉杆箱时,采用所述拉杆箱遮挡子区域计算所述拉杆箱的位置。
本发明实施例还提供了一种电子设备,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行本发明实施例所述的方法。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被所述处理器执行时实现本发明实施例所述的方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种通道闸内拉杆箱判断方法,其特征在于,所述通道闸两侧对称设置有发光结构和图像采集装置;所述发光结构由发光材料或发光装置构成;
所述方法包括:
通过所述图像采集装置采集所述发光结构的发光图像;
检测所述发光图像中的遮挡区域;所述遮挡区域包括多个遮挡子区域;
在所述多个遮挡子区域中确定目标遮挡子区域;所述目标遮挡子区域包括行人遮挡子区域和拉杆箱遮挡子区域;
计算所述行人遮挡子区域与所述拉杆箱遮挡子区域之间的距离;
根据所述距离判断所述通道闸中是否存在拉杆箱。
2.根据权利要求1所述的方法,其特征在于,所述检测所述发光图像中的遮挡区域的步骤,包括:
对所述发光图像进行前景图像分割,得到分割图像;
对所述分割图像进行边缘检测,生成边缘检测图像;
检测所述边缘检测图像中的最大亮点像素行;所述最大亮点像素行具有像素黑点;
获取所述像素黑点的列索引,根据所述列索引确定所述分割图像中的遮挡区域。
3.根据权利要求2所述的方法,其特征在于,所述发光图像包括上发光图像;所述遮挡区域包括上发光结构遮挡区域;所述在所述多个遮挡子区域中确定目标遮挡子区域的步骤,包括:
获取行人前进方向;
基于所述行人前进方向,确定所述上发光结构遮挡区域中的最后一个遮挡子区域为行人遮挡子区域。
4.根据权利要求3所述的方法,其特征在于,所述发光图像还包括下发光图像;所述遮挡区域还包括下发光结构遮挡区域;所述在所述多个遮挡子区域中确定目标遮挡子区域的步骤,还包括:
获取拉杆箱前进方向;
基于所述拉杆箱前进方向,确定所述下发光结构遮挡区域中的最后一个遮挡子区域为拉杆箱遮挡子区域。
5.根据权利要求4所述的方法,其特征在于,所述计算所述行人遮挡子区域与所述拉杆箱遮挡子区域之间的距离的步骤,包括:
获取所述行人遮挡子区域的中心位置横坐标和所述拉杆箱遮挡子区域的起点位置横坐标;
计算所述中心位置横坐标和所述起点位置横坐标的距离。
6.根据权利要求1或5所述的方法,其特征在于,所述根据所述距离判断所述通道闸中是否存在拉杆箱的步骤,包括:
计算所述拉杆箱遮挡子区域的遮挡长度;
当所述距离的绝对值大于第一预设阈值,且所述遮挡长度大于第二预设阈值时,判断所述通道闸中存在拉杆箱。
7.根据权利要求1-6任一项所述的方法,其特征在于,还包括:
当所述通道闸中存在拉杆箱时,采用所述拉杆箱遮挡子区域计算所述拉杆箱的位置。
8.一种通道闸内拉杆箱判断装置,其特征在于,所述通道闸两侧对称设置有发光结构和图像采集装置;所述发光结构由发光材料或发光装置构成;所述装置包括:
发光图像采集模块,用于通过所述图像采集装置采集所述发光结构的发光图像;
遮挡区域检测模块,用于检测所述发光图像中的遮挡区域;所述遮挡区域包括多个遮挡子区域;
目标遮挡子区域确定模块,用于在所述多个遮挡子区域中确定目标遮挡子区域;所述目标遮挡子区域包括行人遮挡子区域和拉杆箱遮挡子区域;
距离计算模块,用于计算所述行人遮挡子区域与所述拉杆箱遮挡子区域之间的距离;
拉杆箱判断模块,用于根据所述距离判断所述通道闸中是否存在拉杆箱。
9.一种电子设备,其特征在于,包括存储器及处理器,所述存储器中储存有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-7中任一项所述的通道闸内拉杆箱判断方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-7任一项所述的通道闸内拉杆箱判断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011332383.4A CN112530059B (zh) | 2020-11-24 | 2020-11-24 | 一种通道闸内拉杆箱判断方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011332383.4A CN112530059B (zh) | 2020-11-24 | 2020-11-24 | 一种通道闸内拉杆箱判断方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112530059A true CN112530059A (zh) | 2021-03-19 |
CN112530059B CN112530059B (zh) | 2022-07-05 |
Family
ID=74993279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011332383.4A Active CN112530059B (zh) | 2020-11-24 | 2020-11-24 | 一种通道闸内拉杆箱判断方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112530059B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004069497A (ja) * | 2002-08-06 | 2004-03-04 | Sumitomo Osaka Cement Co Ltd | 監視装置および監視方法 |
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
CN105869253A (zh) * | 2016-05-27 | 2016-08-17 | 成都千帆科技开发有限公司 | 基于人脸识别的人-证-票综合验证人行闸机 |
CN105953519A (zh) * | 2016-05-03 | 2016-09-21 | 青岛海尔股份有限公司 | 冰箱门体的开启方法与冰箱 |
CN106127901A (zh) * | 2016-06-29 | 2016-11-16 | 北京明生宏达科技有限公司 | 左右检票通行的通道管理设备及左右检票通行方法 |
CN107316312A (zh) * | 2017-06-30 | 2017-11-03 | 深圳信路通智能技术有限公司 | 一种视频图像遮挡检测方法及系统 |
CN207689691U (zh) * | 2017-11-08 | 2018-08-03 | 中云智慧(北京)科技有限公司 | 一种行李通关查验系统 |
CN108362712A (zh) * | 2018-03-14 | 2018-08-03 | 京东方科技集团股份有限公司 | 一种基板母板及其检测方法 |
WO2019019828A1 (zh) * | 2017-07-27 | 2019-01-31 | 腾讯科技(深圳)有限公司 | 目标对象的遮挡检测方法及装置、电子设备及存储介质 |
US20190080457A1 (en) * | 2017-09-08 | 2019-03-14 | Samsung Electronics Co., Ltd. | Electronic device and method for automatic human segmentation in image |
US20190279018A1 (en) * | 2018-03-08 | 2019-09-12 | I.R.I.S. | Image Processing Apparatus |
CN110378179A (zh) * | 2018-05-02 | 2019-10-25 | 上海大学 | 基于红外热成像的地铁逃票行为检测方法及系统 |
CN111310576A (zh) * | 2020-01-17 | 2020-06-19 | 厦门中控智慧信息技术有限公司 | 一种通道目标通行检测方法、装置以及设备 |
US20200250830A1 (en) * | 2019-02-01 | 2020-08-06 | Electronics And Telecommunications Research Institute | Method for extracting person region in image and apparatus using the same |
CN111784885A (zh) * | 2020-06-17 | 2020-10-16 | 杭州海康威视数字技术股份有限公司 | 通行控制方法、装置、闸机设备及多闸机系统 |
WO2020215552A1 (zh) * | 2019-04-26 | 2020-10-29 | 平安科技(深圳)有限公司 | 多目标跟踪方法、装置、计算机设备及存储介质 |
-
2020
- 2020-11-24 CN CN202011332383.4A patent/CN112530059B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004069497A (ja) * | 2002-08-06 | 2004-03-04 | Sumitomo Osaka Cement Co Ltd | 監視装置および監視方法 |
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
CN105953519A (zh) * | 2016-05-03 | 2016-09-21 | 青岛海尔股份有限公司 | 冰箱门体的开启方法与冰箱 |
CN105869253A (zh) * | 2016-05-27 | 2016-08-17 | 成都千帆科技开发有限公司 | 基于人脸识别的人-证-票综合验证人行闸机 |
CN106127901A (zh) * | 2016-06-29 | 2016-11-16 | 北京明生宏达科技有限公司 | 左右检票通行的通道管理设备及左右检票通行方法 |
CN107316312A (zh) * | 2017-06-30 | 2017-11-03 | 深圳信路通智能技术有限公司 | 一种视频图像遮挡检测方法及系统 |
WO2019019828A1 (zh) * | 2017-07-27 | 2019-01-31 | 腾讯科技(深圳)有限公司 | 目标对象的遮挡检测方法及装置、电子设备及存储介质 |
US20190080457A1 (en) * | 2017-09-08 | 2019-03-14 | Samsung Electronics Co., Ltd. | Electronic device and method for automatic human segmentation in image |
CN207689691U (zh) * | 2017-11-08 | 2018-08-03 | 中云智慧(北京)科技有限公司 | 一种行李通关查验系统 |
US20190279018A1 (en) * | 2018-03-08 | 2019-09-12 | I.R.I.S. | Image Processing Apparatus |
CN108362712A (zh) * | 2018-03-14 | 2018-08-03 | 京东方科技集团股份有限公司 | 一种基板母板及其检测方法 |
CN110378179A (zh) * | 2018-05-02 | 2019-10-25 | 上海大学 | 基于红外热成像的地铁逃票行为检测方法及系统 |
US20200250830A1 (en) * | 2019-02-01 | 2020-08-06 | Electronics And Telecommunications Research Institute | Method for extracting person region in image and apparatus using the same |
WO2020215552A1 (zh) * | 2019-04-26 | 2020-10-29 | 平安科技(深圳)有限公司 | 多目标跟踪方法、装置、计算机设备及存储介质 |
CN111310576A (zh) * | 2020-01-17 | 2020-06-19 | 厦门中控智慧信息技术有限公司 | 一种通道目标通行检测方法、装置以及设备 |
CN111784885A (zh) * | 2020-06-17 | 2020-10-16 | 杭州海康威视数字技术股份有限公司 | 通行控制方法、装置、闸机设备及多闸机系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112530059B (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180365843A1 (en) | Method and system for tracking moving objects based on optical flow method | |
TWI393074B (zh) | 移動物體偵測裝置與方法 | |
US8238607B2 (en) | System and method for detecting, tracking and counting human objects of interest | |
CA3094424C (en) | Safety monitoring and early-warning method for man-machine interaction behavior of underground conveyor belt operator | |
CN110517288A (zh) | 基于全景多路4k视频图像的实时目标检测跟踪方法 | |
Wang et al. | Modified particle filter-based infrared pedestrian tracking | |
EP2919189A2 (en) | Pedestrian tracking and counting method and device for near-front top-view monitoring video | |
CN109086724B (zh) | 一种加速的人脸检测方法及存储介质 | |
CN105512618B (zh) | 视频跟踪方法 | |
US20100310122A1 (en) | Method and Device for Detecting Stationary Targets | |
JP2012038318A (ja) | ターゲット検出方法及び装置 | |
CN105469427B (zh) | 一种用于视频中目标跟踪方法 | |
JP2005309746A (ja) | 動物体追跡方法、動物体追跡プログラムおよびその記録媒体、ならびに、動物体追跡装置 | |
CN111967394A (zh) | 一种基于动静态网格融合策略的森林火灾烟雾根节点检测方法 | |
CN112446913B (zh) | 一种通道闸行人数量统计与尾随判断方法、装置和设备 | |
CN110598570A (zh) | 一种行人异常行为检测方法、系统、存储介质及计算机设备 | |
CN115049954B (zh) | 目标识别方法、装置、电子设备和介质 | |
CN103793921B (zh) | 一种运动目标提取方法及装置 | |
CN108830204A (zh) | 面对目标的监控视频中异常检测方法 | |
CN112115878A (zh) | 一种基于烟雾区域密度的森林火灾烟雾根节点检测方法 | |
KR101690050B1 (ko) | 지능형 영상보안 시스템 및 객체 추적 방법 | |
CN114445398A (zh) | 采煤机液压支架护帮板状态监测方法及装置 | |
CN112530059B (zh) | 一种通道闸内拉杆箱判断方法、装置、设备和存储介质 | |
Almomani et al. | Segtrack: A novel tracking system with improved object segmentation | |
JPH08249471A (ja) | 動画像処理装置 |
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 |