CN113011226B - 一种车内监控画面花色物体遮挡检测的方法 - Google Patents
一种车内监控画面花色物体遮挡检测的方法 Download PDFInfo
- Publication number
- CN113011226B CN113011226B CN201911320495.5A CN201911320495A CN113011226B CN 113011226 B CN113011226 B CN 113011226B CN 201911320495 A CN201911320495 A CN 201911320495A CN 113011226 B CN113011226 B CN 113011226B
- Authority
- CN
- China
- Prior art keywords
- frame difference
- shielding
- calculating
- image
- threshold
- 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 23
- 238000012544 monitoring process Methods 0.000 title claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 15
- 230000000903 blocking effect Effects 0.000 claims abstract description 7
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000005260 corrosion Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
Classifications
-
- 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
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
Abstract
本发明提供一种车内监控画面花色物体遮挡检测的方法,所述方法通过全局帧差区间预判,将花色物体遮挡过程中存在误判的帧差区间分离出来;进行帧差图分块;并计算各分块帧差图的帧差、方差特征;基于所述的特征进行花色物体遮挡判断。所述的帧差区间预判的步骤之前,还包括:参数初始化,包括:背景初始化,计数器fn=0,cn=0;以及计算全局背景帧差的步骤。所述的花色物体遮挡判断的步骤之后,还包括:返回检测结果,等待下一帧,执行计算全局背景帧差的步骤。
Description
技术领域
本发明涉及智能监控视频处理技术领域,涉及一种车内监控画面花色物体遮挡检测的方法。
背景技术
随着科技的不断发展,特别是智能技术的发展,以及互联网的广泛应用,特别是近年来,网约车的时兴给大众出行提供了便利,为了保障车内人员的人身安全,在车内加装监控相机,不仅可以威慑不法分子,而且可以有效保存车内现场信息,为犯罪行径提供了有力佐证。现有技术中,车内监控相机一般通过比较当前画面与原始未遮挡画面的帧差是否达到设定阈值来判断画面是否被遮挡。通过计算正常监控视频画面(背景图像)与当前画面的帧差图,统计帧差图中大于一定阈值的像素点,从而计算当前画面的遮挡面积。通过设置帧差图阈值,可以调整遮挡面积的计算灵敏度。阈值越低,灵敏度越高,表示画面中出现与原画帧差较小的区域都会在遮挡面积中体现;反之,阈值越高,灵敏度越低,表示画面中出现与原画帧差较大的区域才会在遮挡面积中体现。然而由于遮挡物体的不确定性,帧差图阈值的选择很难保证在计算遮挡面积时的灵敏度一致,这就导致在设置好阈值后,有些颜色物体灵敏度高,而有些灵敏度低,从而导致遮挡面积计算不准确,影响遮挡检测结果。
发明内容
为了解决上述问题,特别是使用花色物体对车内监控视频画面进行遮挡时,由于物体颜色多样,与背景一致或相似的颜色部分帧差值较小,从而影响实际遮挡面积的计算,导致遮挡漏报的问题,本发明提供一种车内监控画面花色物体遮挡检测的方法,所述方法通过全局帧差区间预判,将花色物体遮挡过程中存在误判的帧差区间分离出来;进行帧差图分块;并计算各分块帧差图的帧差、方差特征;基于所述的特征进行花色物体遮挡判断。
所述的帧差区间预判的步骤之前,还包括:参数初始化,包括:背景初始化,计数器fn=0,cn=0;以及计算全局背景帧差的步骤。
所述的花色物体遮挡判断的步骤之后,还包括:返回检测结果,等待下一帧,执行计算全局背景帧差的步骤。
由此,本申请的优势在于:
(1)花色物体遮挡检测比纯色物体遮挡检测复杂,如果不提取帧差图的方差等细节特征,而是简单的通过全局帧差进行遮挡检测很容易导致遮挡漏报。结合分块及分块特征等方法可以更好的识别花色物体遮挡的情况。
(2)纯色物体遮挡易识别,如果对每一帧图像都增加分块、分块特征计算等进行遮挡判断,直接影响产品功耗、检测时间等性能。增加帧差区间预判,可以对漏报集中的区间进行进一步的遮挡判断,减少漏报的同时,保证产品性能。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,并不构成对本发明的限定。
图1是本发明涉及的方法的示意框图。
图2是本发明涉及的实施例的流程示意图。
图3是本发明涉及方法的具体实施例的流程框图。
具体实施方式
为了能够更清楚地理解本发明的技术内容及优点,现结合附图对本发明进行进一步的详细说明。
如图1所示,本发明涉及一种车内监控画面花色物体遮挡检测的方法,通过全局帧差区间预判,将花色物体遮挡过程中存在误判的帧差区间分离出来;进行帧差图分块;并计算各分块帧差图的帧差、方差特征;基于所述的特征进行花色物体遮挡判断。
具体地,如图2所示,本发明的一种车内监控画面花色物体遮挡检测的方法的步骤可以表示为如下:
本方法的主要实施步骤:
S1.参数初始化,包括:背景初始化,计数器fn=0,cn=0;相关阈值初始化,其中阈值1、阈值2、阈值3、阈值4、阈值5、阈值6的初始化值分别为0.8、0.25、0.4、0.3、8、10;
S2.计算全局背景帧差
将当前帧图像与背景图像作帧差(见公式(1)所示),并对帧差图像作腐蚀处理(见公式(2)所示),按公式(3)统计腐蚀后帧差图像中非零像素点的总数,即全局帧差特征;
D(i,j)=abs(In(i,j)-I0(i,j)) 公式(1)
De=erode(D) 公式(2)
S3.帧差区间预判
S4.帧差图分块
将帧差图等分成M×N=K块,其中高、宽分别被等分成M、N块;
S5.计算分块帧差图的帧差、方差特征
S6.花色物体遮挡判断
S7.返回检测结果,等待下一帧,执行步骤S2。
本发明方法涉及的具体实施例的流程如图3所示,其中方法的主要实施步骤如下:
步骤1.参数初始化,包括:背景初始化,计数器fn=0,cn=0;相关阈值初始化,其中阈值1、阈值2、阈值3、阈值4、阈值5、阈值6的初始化值分别为0.8、0.25、0.4、0.3、8、10;
步骤2.计算全局背景帧差
将当前帧图像与背景图像作帧差(如公式1所示),并对帧差图像作腐蚀处理(如公式2所示),按公式(3)统计腐蚀后帧差图像中非零像素点的总数,即全局背景帧差;
D(i,j)=abs(In(i,j)-I0(i,j)) 公式(1)
De=erode(D) 公式(2)
其中,In为当前帧图像,I0为背景图像,D为帧差图像,Tg为全局帧差特征,De(i,j)表示腐蚀后的帧差图像第i行j列像素值,sgn为符号函数;
步骤3.帧差区间预判
3.1如果全局背景帧差大于设定阈值1,则认为背景遮挡部分较大,输出检测结果为遮挡,执行步骤7;否则执行步骤3.2;
3.2如果全局背景帧差小于设定阈值2,其中阈值2小于阈值1;则认为背景遮挡部分较小,将计数器fn=0,输出检测结果为不遮挡,执行步骤7;否则执行步骤4;
步骤4.帧差图分块
将公式(2)中的结果(即腐蚀后的帧差图)等分成M×N=K块,其中高、宽分别被等分成M、N块;
步骤5.计算分块帧差图的帧差、方差特征
5.1根据步骤4中划分的K个区域分别统计各个区域内帧差图像中非零像素点的总数,即各个分块的帧差特征,计算方法如公式(4)所示;
其中,k=1,2…K;k表示区域号,Tk表示区域k的分块帧差特征;
5.2根据步骤4中划分的K个区域分别统计各个区域内帧差图像的像素点的方差,计算步骤如下所示:
1)按公式(5)求各个区域像素累计和;
其中,k=1,2…K;k表示区域号,De(i,j)表示腐蚀后的帧差图像第i行j列像素值,Sk表示区域k像素累计和;
2)按公式(6)求各个区域像素均值;
其中:Ak表示区域k的面积,Ak=H*W/K,H、W分别表示原图的高、宽;Mk表示区域k的像素均值;
3)按公式(7)求各个区域像素方差特征;
其中,Vark表示区域k的像素方差特征;
步骤6.花色物体遮挡判断
6.1令计数器cn=0,i=0;
6.2如果i<K,则执行步骤6.3;否则执行步骤6.5;
6.3如果分块i的帧差大于设定阈值3且分块i的方差大于设定阈值4,则令cn=cn+1,执行步骤6.4;否则执行步骤6.4;
6.4令i=i+1,返回步骤6.2;
6.5如果cn大于设定阈值5,则令fn=fn+1,执行步骤6.6;否则令fn=0,执行步骤6.6;
6.6如果fn大于设定阈值6,则检测为有遮挡,否则无遮挡;
步骤7.返回检测结果,等待下一帧,执行步骤2。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种车内监控画面花色物体遮挡检测的方法,其特征在于,所述方法通过全局帧差区间预判,将花色物体遮挡过程中存在误判的帧差区间分离出来;进行帧差图分块;并计算各分块帧差图的帧差、方差特征;基于所述的特征进行花色物体遮挡判断;
所述的帧差区间预判的步骤之前,还包括:参数初始化,包括:
背景初始化,计数器fn=0,cn=0;相关阈值初始化,其中阈值1、阈值2、阈值3、阈值4、阈值5、阈值6的初始化值分别为0.8、0.25、0.4、0.3、8、10;以及计算全局背景帧差的步骤;
所述的计算全局背景帧差的步骤,进一步包括:按公式1将当前帧图像与背景图像作帧差,并按公式2对帧差图像作腐蚀处理,按公式3统计腐蚀后帧差图像中非零像素点的总数,即全局背景帧差;
公式1:D(i,j)=abs(In(i,j)-I0(i,j)),
公式2:De(i,j)=erode(D(i,j)),
公式3:
其中,In为当前帧图像,I0为背景图像,D为帧差图像,Tg为全局帧差特征,De(i,j)表示腐蚀后的帧差图像第i行j列像素值,sgn为符号函数;
所述的花色物体遮挡判断的步骤之后,还包括:返回检测结果,等待下一帧,执行计算全局背景帧差的步骤;
所述的帧差区间预判的步骤,进一步包括:
A.如果全局背景帧差大于设定阈值1,则认为背景遮挡部分较大,输出检测结果为遮挡,执行返回检测结果,等待下一帧,执行计算全局背景帧差的步骤;否则执行下一步骤B;
B.如果全局背景帧差小于设定阈值2,其中阈值2小于阈值1;则认为背景遮挡部分较小,将计数器fn=0,输出检测结果为不遮挡,执行返回检测结果,等待下一帧,执行计算全局背景帧差的步骤;否则执行帧差图分块的步骤,将帧差图等分成M×N=K块,其中高、宽分别被等分成M、N块;
所述的计算分块帧差图的帧差、方差特征的步骤,进一步包括:
H.根据帧差图分块的步骤中划分的K个区域分别统计各个区域内帧差图像中非零像素点的总数,即各个分块的帧差特征,按公式4计算;
公式4:
其中,k=1,2…K;k表示区域号,Tk表示区域k的分块帧差特征;I.根据帧差图分块的步骤中划分的K个区域分别统计各个区域内帧差图像的像素点的方差,计算步骤如下:
1)按公式5求各个区域像素累计和;
公式5:
其中,k=1,2…K;k表示区域号,De(i,j)表示腐蚀后的帧差图像第i行j列像素值,Sk表示区域k像素累计和;
2)按公式6求各个区域像素均值;
公式6:
其中:Ak表示区域k的面积,Ak=H*W/K,H、W分别表示原图的高、宽;Mk表示区域k的像素均值;
3)按公式7求各个区域像素方差特征;
公式7:
其中,Vark表示区域k的像素方差特征;
所述的花色物体遮挡判断的步骤,进一步包括:
N1,令计数器cn=0,m=0;
N2,如果m<K,则执行步骤N3;否则执行步骤N5;
N3,如果分块m的帧差大于设定阈值3且分块m的方差大于设定阈值4,则令cn=cn+1,执行步骤N4;否则直接执行步骤N4;
N4,令m=m+1,返回步骤N2;
N5,如果cn大于设定阈值5,则令fn=fn+1,执行步骤N6;否则令fn=0,执行步骤N6;
N6,如果fn大于设定阈值6,则检测为有遮挡,否则无遮挡。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911320495.5A CN113011226B (zh) | 2019-12-19 | 2019-12-19 | 一种车内监控画面花色物体遮挡检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911320495.5A CN113011226B (zh) | 2019-12-19 | 2019-12-19 | 一种车内监控画面花色物体遮挡检测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113011226A CN113011226A (zh) | 2021-06-22 |
CN113011226B true CN113011226B (zh) | 2024-05-03 |
Family
ID=76382360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911320495.5A Active CN113011226B (zh) | 2019-12-19 | 2019-12-19 | 一种车内监控画面花色物体遮挡检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011226B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
CN102609685A (zh) * | 2012-01-17 | 2012-07-25 | 公安部沈阳消防研究所 | 一种图像型火灾探测器的遮挡判别方法 |
CN103139547A (zh) * | 2013-02-25 | 2013-06-05 | 昆山南邮智能科技有限公司 | 基于视频图像信号判定摄像镜头遮挡状态的方法 |
JP2013152669A (ja) * | 2012-01-26 | 2013-08-08 | Secom Co Ltd | 画像監視装置 |
CN103268470A (zh) * | 2013-04-16 | 2013-08-28 | 东南大学 | 基于任意场景的视频对象实时统计方法 |
CN104504707A (zh) * | 2014-12-26 | 2015-04-08 | 西安理工大学 | 一种监控相机视频画面的异物遮挡检测方法 |
CN105430384A (zh) * | 2015-12-10 | 2016-03-23 | 青岛海信网络科技股份有限公司 | 一种视频质量诊断方法和系统 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101465955B (zh) * | 2009-01-05 | 2013-08-21 | 北京中星微电子有限公司 | 背景更新方法和装置 |
-
2019
- 2019-12-19 CN CN201911320495.5A patent/CN113011226B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102111532A (zh) * | 2010-05-27 | 2011-06-29 | 周渝斌 | 相机镜头遮挡检测系统及方法 |
CN102609685A (zh) * | 2012-01-17 | 2012-07-25 | 公安部沈阳消防研究所 | 一种图像型火灾探测器的遮挡判别方法 |
JP2013152669A (ja) * | 2012-01-26 | 2013-08-08 | Secom Co Ltd | 画像監視装置 |
CN103139547A (zh) * | 2013-02-25 | 2013-06-05 | 昆山南邮智能科技有限公司 | 基于视频图像信号判定摄像镜头遮挡状态的方法 |
CN103268470A (zh) * | 2013-04-16 | 2013-08-28 | 东南大学 | 基于任意场景的视频对象实时统计方法 |
CN104504707A (zh) * | 2014-12-26 | 2015-04-08 | 西安理工大学 | 一种监控相机视频画面的异物遮挡检测方法 |
CN105430384A (zh) * | 2015-12-10 | 2016-03-23 | 青岛海信网络科技股份有限公司 | 一种视频质量诊断方法和系统 |
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 |
Non-Patent Citations (2)
Title |
---|
一种改进的帧差和背景减相结合的运动检测方法;李毅;孙正兴;远博;张岩;;《中国图象图形学报》;20090615(第6期);全文 * |
基于深度学习的监控视频树叶遮挡检测;邬美银等;《武汉科技大学学报》;20160229;第39卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113011226A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7215795B2 (en) | Intruding object detecting method and intruding object monitoring apparatus employing the method | |
US20020005898A1 (en) | Detection apparatus for road obstructions | |
CN105678803A (zh) | 基于w4算法和帧间差分的视频监控目标检测方法 | |
CN103714325A (zh) | 基于嵌入式系统的遗留物和遗失物实时检测方法 | |
US11107237B2 (en) | Image foreground detection apparatus and method and electronic device | |
CN111047908B (zh) | 跨线车辆的检测装置、方法及视频监控设备 | |
CN104717402B (zh) | 一种空时域联合噪声估计系统 | |
CN110913209B (zh) | 摄像头遮挡检测方法、装置、电子设备及监控系统 | |
CN111741186A (zh) | 一种视频抖动检测方法、装置以及系统 | |
JP4967937B2 (ja) | 画像処理装置、方法、およびプログラム | |
CN111814776A (zh) | 一种图像处理方法、设备、服务器及存储介质 | |
CN105469054A (zh) | 正常行为的模型构建方法及异常行为的检测方法 | |
CN101324959B (zh) | 一种检测运动目标的方法及装置 | |
CN113011226B (zh) | 一种车内监控画面花色物体遮挡检测的方法 | |
CN106254723A (zh) | 一种实时监测视频噪声干扰的方法 | |
CN110008957B (zh) | 基于车牌识别和图像方差算法的小区违停告警方法 | |
CN107111757B (zh) | 车道线检测方法及装置 | |
CN112084880A (zh) | 一种图像处理方法、装置、存储介质及设备 | |
CN109460812B (zh) | 神经网络的中间信息分析装置、优化装置、特征可视化装置 | |
CN111191603B (zh) | 车内人员识别方法、装置、终端设备及介质 | |
CN113011217B (zh) | 一种车内监控画面晃动状态的判断方法 | |
CN113011218B (zh) | 一种车内监控检测中应对人员上下车自动更新背景的方法 | |
CN113011227B (zh) | 一种遮挡检测中背景更新预判断期间避免误报的辅助检测方法 | |
CN112200835A (zh) | 一种交通事故检测方法、装置、电子设备及存储介质 | |
CN113096059A (zh) | 一种车内监控相机排除夜晚光源干扰遮挡检测的方法 |
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 |