CN113191210A - 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 PDF

Info

Publication number
CN113191210A
CN113191210A CN202110383940.3A CN202110383940A CN113191210A CN 113191210 A CN113191210 A CN 113191210A CN 202110383940 A CN202110383940 A CN 202110383940A CN 113191210 A CN113191210 A CN 113191210A
Authority
CN
China
Prior art keywords
target
determining
frequency region
image
background image
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
Application number
CN202110383940.3A
Other languages
English (en)
Other versions
CN113191210B (zh
Inventor
乔勇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN202110383940.3A priority Critical patent/CN113191210B/zh
Publication of CN113191210A publication Critical patent/CN113191210A/zh
Application granted granted Critical
Publication of CN113191210B publication Critical patent/CN113191210B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06V10/96—Management of image or video recognition tasks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/71—Indexing; Data structures therefor; Storage structures
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本申请提供一种图像处理方法、装置及设备，该方法包括：基于前端设备采集的多个背景图像中的每个背景图像，获取所述背景图像中目标小图的位置坐标，所述目标小图是背景图像中目标对象所在的区域；基于多个背景图像中目标小图的位置坐标确定第一高频区域，所述目标对象在背景图像中的第一高频区域出现的概率大于或等于预设阈值；将第一高频区域的信息发送给前端设备，以使所述前端设备基于所述第一高频区域的信息确定背景图像中的第二高频区域和低频区域，并对所述前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理。通过本申请的技术方案，能够提升高频区域的画面质量，较高的画面质量可以保证更好的图像分析效果。

Description

一种图像处理方法、装置及设备
技术领域
本申请涉及图像处理技术领域，尤其是一种图像处理方法、装置及设备。
背景技术
视频管理系统通常包括前端设备(如网络摄像机、模拟摄像机等)和存储设备等。视频管理系统以其直观、准确、及时和信息内容丰富而广泛应用于许多场合，随着计算机、网络以及图像处理、传输技术的飞速发展，视频管理技术也有了长足的发展。随着视频管理技术的发展，视频管理系统正向智能化应用方面发展，越来越多的智能识别和智能分析技术被应用在视频管理系统。比如说，前端设备采集到视频图像后，可以对视频图像进行智能识别和智能分析，以从视频图像中截取目标小图(如车辆小图等)，并将视频图像和目标小图一起发送给存储设备，由存储设备对视频图像和目标小图进行存储。
但是，由于前端设备可以采集到大量视频图像，将这些视频图像以及这些视频图像中的目标小图一起发送给存储设备时，需要使用大量网络带宽，且存储设备对这些视频图像和目标小图进行存储时，也需要使用大量存储资源。
发明内容
本申请提供一种图像处理方法，所述方法包括：
基于前端设备采集的多个背景图像中的每个背景图像，获取所述背景图像中目标小图的位置坐标，所述目标小图是所述背景图像中目标对象所在的区域；
基于所述多个背景图像中目标小图的位置坐标确定第一高频区域，所述目标对象在背景图像中的所述第一高频区域出现的概率大于或等于预设阈值；
将所述第一高频区域的信息发送给所述前端设备，以使所述前端设备基于所述第一高频区域的信息确定背景图像中的第二高频区域和低频区域，并对所述前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理。
本申请提供一种图像处理装置，所述装置包括：获取模块，用于基于前端设备采集的多个背景图像中的每个背景图像，获取所述背景图像中目标小图的位置坐标，所述目标小图是所述背景图像中目标对象所在的区域；确定模块，用于基于所述多个背景图像中目标小图的位置坐标确定第一高频区域，所述目标对象在背景图像中的第一高频区域出现的概率大于或等于预设阈值；发送模块，用于将所述第一高频区域的信息发送给所述前端设备，以使所述前端设备基于所述第一高频区域的信息确定背景图像中的第二高频区域和低频区域，并对前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理。
本申请提供一种存储设备，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；
所述处理器用于执行机器可执行指令，以实现如下步骤：
基于前端设备采集的多个背景图像中的每个背景图像，获取所述背景图像中目标小图的位置坐标，所述目标小图是所述背景图像中目标对象所在的区域；
基于所述多个背景图像中目标小图的位置坐标确定第一高频区域，所述目标对象在背景图像中的所述第一高频区域出现的概率大于或等于预设阈值；
将所述第一高频区域的信息发送给所述前端设备，以使所述前端设备基于所述第一高频区域的信息确定背景图像中的第二高频区域和低频区域，并对所述前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理。
由以上技术方案可见，本申请实施例中，可以基于多个背景图像中目标小图(如车辆小图等)的位置坐标确定目标小图在画面中出现的第一高频区域，并将该第一高频区域的位置信息发送给前端设备，由前端设备基于该位置信息确定背景图像中的第二高频区域和低频区域，并对背景图像中的第二高频区域和低频区域进行差异化处理，从而能够提升高频区域的画面质量，较高的画面质量可以保证更好的图像分析效果。能够降低低频区域的画面质量，较低的画面质量可以节省存储设备的存储空间和网络带宽。
附图说明
为了更加清楚地说明本申请实施例或者现有技术中的技术方案，下面将对本申请实施例或者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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据本申请实施例的这些附图获得其他的附图。
图1A-图1C是本申请一种实施方式中的背景图像的示意图；
图2是本申请一种实施方式中的应用场景示意图；
图3是本申请一种实施方式中的图像处理方法的流程图；
图4A-图4C是本申请一种实施方式中的高频区域的示意图；
图5是本申请一种实施方式中的图像处理方法的流程图；
图6是本申请一种实施方式中的图像处理装置的结构图；
图7是本申请一种实施方式中的存储设备的结构图。
具体实施方式
在本申请实施例使用的术语仅仅是出于描述特定实施例的目的，而非限制本申请。本申请和权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其它含义。还应当理解，本文中使用的术语“和/或”是指包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请实施例可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，此外，所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在介绍本申请实施例的技术方案之前，先介绍与本申请有关的技术术语：
背景图像：将前端设备采集到的图像(如视频图像)称为背景图像，该背景图像可以是完整图像，参见图1A所示，为背景图像的一个示意图。
目标对象(也可以称为目标识别物)：目标对象为背景图像中需要关注的特定类型对象，如车辆，物体等，对此目标对象的类型不做限制。
目标小图：目标小图是背景图像中目标对象所在区域的小图(或称为抠图)，比如说，目标对象可以是车辆，目标小图是背景图像中车辆所在的区域，也称为车辆小图或车辆抠图。又例如，目标对象可以是特定物体，目标小图是背景图像中特定物体所在的区域，也称为特定物体小图或特定物体抠图。
示例性的，目标小图可以是背景图像中包括目标对象的矩形小图，也可以是背景图像中沿着目标对象轮廓的不规则小图，对此目标小图不做限制，只要目标小图是背景图像中的小图，且目标小图中包括目标对象即可。
当然，上述只是目标对象的几个示例，对此目标对象不做限制，基于背景图像中目标对象所在区域，可以从背景图像中获取到目标小图。例如，针对图1A所示的背景图像来说，可以得到图1B所示的目标小图。
目标分析：可以使用智能分析算法对背景图像中的目标对象进行分析，得到目标对象所在区域的小图，即包括目标对象的目标小图，对此分析过程不做限制，只要能够得到目标小图即可。比如说，可以采用车辆智能分析算法对背景图像中的车辆进行分析，从而从背景图像中得到车辆小图。
目标小图的位置坐标：该位置坐标是目标小图在背景图像中的位置坐标，该位置坐标指示了该目标小图在背景图像中的区域。目标小图可以为矩形，也可以为其它形状，对此不做限制，本实施例以矩形为例。参见图1C所示，目标小图是由A1、A2、A3和A4组成的矩形区域。例如，目标小图的位置坐标可以为矩形区域的左上角A1的坐标、矩形区域的宽和矩形区域的高。基于矩形区域的左上角A1的坐标、矩形区域的宽和矩形区域的高，可以得到矩形区域的右上角A2的坐标、矩形区域的右下角A3的坐标、矩形区域的左下角A4的坐标。
当然，目标小图的位置坐标还可以为其它情况，对此不做限制。比如说，目标小图的位置坐标可以为矩形区域的右上角A2的坐标、矩形区域的宽和矩形区域的高。又例如，目标小图的位置坐标可以为矩形区域的右下角A3的坐标、矩形区域的宽和矩形区域的高。又例如，目标小图的位置坐标可以为矩形区域的左下角A4的坐标、矩形区域的宽和矩形区域的高。又例如，目标小图的位置坐标可以为矩形区域的左上角A1的坐标、矩形区域的右上角A2的坐标、矩形区域的右下角A3的坐标、矩形区域的左下角A4的坐标。
目标小图的属性信息：在使用智能分析算法对背景图像中的目标对象进行分析时，还可以对目标对象的属性进行分析，得到该目标对象的属性信息，目标对象的属性信息也就是包括该目标对象的目标小图的属性信息。比如说，在对背景图像中的车辆进行分析时，可以得到车辆颜色，车辆品牌、车牌号等属性信息。当然，上述只是属性信息的几个示例，对此属性信息不做限制。
参见图2所示，为本申请实施例的应用场景示意图，视频管理系统可以包括存储设备210和多个前端设备，在图2中以5个前端设备(221-225)为例。
前端设备为具有图像采集功能的设备，例如网络摄像机(即IPC，IP Camera)，模拟摄像机，录像采集设备等，对此前端设备的类型不做限制。存储设备210为具有图像存储功能的设备，用于对前端设备上传的图像进行存储，如云存储设备，存储服务器，IP-SAN(Storage Area Network，存储局域网络)，NVR(Network Video Recorder，网络视频录像机)等，对存储设备210的类型不做限制。
在一种可能的实施方式中，前端设备221在采集到背景图像后，不对背景图像进行目标分析，可以将背景图像直接发送给存储设备210，由存储设备210存储该背景图像。存储设备210在接收到背景图像后，可以对背景图像中的目标对象进行目标分析，得到目标对象所在区域的目标小图，并确定目标小图的位置坐标。可选地，存储设备210还可以对背景图像中的目标对象进行目标分析，得到目标小图的属性信息。
综上所述，针对前端设备221采集的背景图像，存储设备210可以得到背景图像、背景图像中的目标小图、目标小图的位置坐标及目标小图的属性信息。
在另一种可能的实施方式中，前端设备222在采集到背景图像后，可以对背景图像中的目标对象进行目标分析，得到目标对象所在区域的目标小图，并确定目标小图的位置坐标。可选地，前端设备222还可以对背景图像中的目标对象进行目标分析，得到目标小图的属性信息。然后，前端设备222可以将背景图像、背景图像中的目标小图、目标小图的位置坐标及目标小图的属性信息发送给存储设备210，由存储设备210得到背景图像、背景图像中的目标小图、目标小图的位置坐标及目标小图的属性信息。
综上所述，针对前端设备222采集的背景图像，存储设备210可以得到背景图像、背景图像中的目标小图、目标小图的位置坐标及目标小图的属性信息。
在另一种可能的实施方式中，前端设备223在采集到背景图像后，对背景图像中的目标对象进行目标分析，得到目标对象所在区域的目标小图，确定目标小图的位置坐标。前端设备222可以将背景图像、背景图像中的目标小图及目标小图的位置坐标发送给存储设备210，由存储设备210得到背景图像、背景图像中的目标小图及目标小图的位置坐标。可选地，存储设备210在接收到背景图像后，对背景图像中的目标对象进行目标分析，得到目标小图的属性信息。
综上所述，针对前端设备223采集的背景图像，存储设备210可以得到背景图像、背景图像中的目标小图、目标小图的位置坐标及目标小图的属性信息。
参见图2所示，视频管理系统还可以包括智能分析服务器230，基于此：
在另一种可能的实施方式中，前端设备224在采集到背景图像后，不对背景图像进行目标分析，将背景图像分别直接发送给智能分析服务器230和存储设备210。智能分析服务器230在接收到背景图像后，对背景图像中的目标对象进行目标分析，得到目标对象所在区域的目标小图，确定目标小图的位置坐标。可选地，智能分析服务器230还可以对背景图像中的目标对象进行目标分析，得到目标小图的属性信息。智能分析服务器230可以将背景图像中的目标小图、目标小图的位置坐标及目标小图的属性信息发送给存储设备210，由存储设备210得到背景图像中的目标小图、目标小图的位置坐标及目标小图的属性信息。
综上所述，针对前端设备224采集的背景图像，存储设备210可以得到背景图像、背景图像中的目标小图、目标小图的位置坐标及目标小图的属性信息。
在另一种可能的实施方式中，前端设备225在采集到背景图像后，对背景图像中的目标对象进行目标分析，得到目标对象所在区域的目标小图，确定目标小图的位置坐标。前端设备222将背景图像、背景图像中的目标小图及目标小图的位置坐标发送给存储设备210，存储设备210得到背景图像、背景图像中的目标小图及目标小图的位置坐标。前端设备225将背景图像中的目标小图发送给智能分析服务器230，智能分析服务器230对背景图像中的目标对象进行目标分析，得到目标小图的属性信息，将目标小图的属性信息发送给存储设备210。
综上所述，针对前端设备225采集的背景图像，存储设备210可以得到背景图像、背景图像中的目标小图、目标小图的位置坐标及目标小图的属性信息。
综上可以看出，无论是哪种应用场景的前端设备，针对该前端设备采集的背景图像，存储设备210均可以得到该背景图像、该背景图像中的目标小图、该目标小图的位置坐标及该目标小图的属性信息，对此过程不再详加赘述。
而且，从上述方式可以看出，背景图像中的目标小图、该目标小图的位置坐标及该目标小图的属性信息，可以由同一个主体分析得到，如由前端设备分析得到背景图像中的目标小图、该目标小图的位置坐标及该目标小图的属性信息，或由存储设备分析得到背景图像中的目标小图、该目标小图的位置坐标及该目标小图的属性信息。或者，也可以由不同主体分析得到，如由前端设备分析得到背景图像中的目标小图、该目标小图的位置坐标，由存储设备分析得到该目标小图的属性信息，或由前端设备分析得到背景图像中的目标小图、该目标小图的位置坐标，由智能分析服务器分析得到该目标小图的属性信息。
当然，上述方式只是示例，对此执行主体不做限制，只要存储设备可以得到背景图像中的目标小图、目标小图的位置坐标及目标小图的属性信息即可。
基于上述应用场景，本申请实施例中提出一种图像处理方法，可以应用于存储设备，参见图3所示，为图像处理方法的流程示意图，该方法包括：
步骤301，基于前端设备采集的多个背景图像中的每个背景图像，获取该背景图像中目标小图的位置坐标，目标小图是该背景图像中目标对象所在的区域，该目标对象所在的区域可以是相对于背景图像更小的区域。
示例性的，参见上述实施例，针对每个前端设备(如前端设备221、前端设备222、前端设备223、前端设备224和前端设备225等)来说，该前端设备可以采集多个背景图像，针对多个背景图像中的每个背景图像，存储设备可以得到该背景图像、该背景图像中的目标小图以及该目标小图的位置坐标。
显然，基于前端设备采集的多个背景图像中的每个背景图像，存储设备可以得到该背景图像中目标小图的位置坐标，比如说，该目标小图的位置坐标可以包括矩形区域的左上角的坐标、矩形区域的宽度值和矩形区域的高度值。当然，该目标小图的位置坐标也可以为其它情况，在此不再重复赘述。
步骤302，基于多个背景图像中目标小图的位置坐标确定第一高频区域，示例性的，目标对象在该背景图像中的该第一高频区域出现的概率大于或等于预设阈值，该预设阈值可以根据实际需求配置，对此预设阈值的取值不做限制。
示例性的，在得到每个背景图像中目标小图的位置坐标后，可以基于这些位置坐标确定第一高频区域，该第一高频区域是指目标对象在背景图像中出现的高频区域，即，目标对象在背景图像中出现时，该目标对象在背景图像中的第一高频区域出现的概率比较大，目标对象在该第一高频区域出现的概率大于或等于预设阈值，因此，本实施例中，可以将目标对象出现的概率大于或等于预设阈值的区域称为第一高频区域，且需要基于位置坐标确定第一高频区域。
在一种可能的实施方式中，基于多个背景图像中目标小图的位置坐标，可以采用如下步骤确定第一高频区域，当然，如下方式只是示例，对此确定方式不做限制，只要能够基于目标小图的位置坐标确定第一高频区域即可。
步骤3021，基于多个背景图像中目标小图的位置坐标(即所有目标小图的位置坐标，可以为多个位置坐标)，确定初始高频区域。
参见上述实施例，针对多个背景图像中的每个背景图像，存储设备可以得到该背景图像中目标小图的位置坐标，该位置坐标可以包括矩形区域的左上角的坐标、矩形区域的宽度值和矩形区域的高度值。基于矩形区域的左上角的坐标、矩形区域的宽度值和矩形区域的高度值，可以确定出目标小图的中心坐标(该中心坐标可以包括中心横坐标和中心纵坐标)。然后，基于所有背景图像中目标小图的中心坐标，可以确定出初始高频区域。
在一种可能的实施方式中，基于多个背景图像中目标小图的位置坐标，可以采用如下步骤确定初始高频区域，当然，如下方式只是一个示例。
步骤S11，针对每个目标小图(即每个背景图像中的目标小图)，基于该目标小图的位置坐标确定该目标小图的中心坐标。示例性的，该目标小图的中心坐标可以包括该目标小图的中心横坐标和中心纵坐标。
示例性的，背景图像通常以画面的左上角为原点坐标O，横坐标向右为正向，纵坐标向下为正向，而背景图像中的目标小图通常为矩形区域，参见图4A所示，为背景图像中的目标小图的示例，目标小图表示为矩形区域B1B2B3B4。目标小图的位置坐标可以包括：矩形区域B1B2B3B4的左上角B1的坐标(a1，b1)，矩形区域B1B2B3B4的宽度值W1，矩形区域B1B2B3B4的高度值H1。
在一种可能的实施方式中，基于目标小图的位置坐标，可以采用如下公式(1)确定矩形区域B1B2B3B4的中心坐标，即中心坐标为(x1，y1)。显然，x1用于表示中心坐标中的中心横坐标，y1用于表示中心坐标中的中心纵坐标。
Figure BDA0003014100080000091
当然，上述只是确定中心坐标的一个示例，对此确定方式不做限制。
示例性的，假设得到N个背景图像，基于上述公式(1)，可以基于N个背景图像中的目标小图(即N个目标小图)的位置坐标，得到N个目标小图的中心坐标，将这N个目标小图的中心坐标依次记为(x1，y1)，(x2，y2)…(xN，yN)。
步骤S12，确定所有目标小图的中心横坐标的数学期望和方差，并确定所有目标小图的中心纵坐标的数学期望和方差。
示例性的，在得到所有目标小图的中心坐标后，基于所有目标小图的中心坐标，如上述N个目标小图的中心坐标(x1，y1)，(x2，y2)…(xN，yN)，可以确定所有目标小图的中心横坐标的数学期望和方差，并确定所有目标小图的中心纵坐标的数学期望和方差。比如说，可以通过公式(2)确定N个目标小图的中心横坐标的数学期望μx，可以通过公式(3)确定N个目标小图的中心横坐标的方差σx 2，可以通过公式(4)确定N个目标小图的中心纵坐标的数学期望μy，可以通过公式(5)确定N个目标小图的中心纵坐标的方差σy 2。
Figure BDA0003014100080000101
Figure BDA0003014100080000102
Figure BDA0003014100080000103
Figure BDA0003014100080000104
在公式(2)和公式(3)中，Wi表示第i个目标小图的宽度值，
Figure BDA0003014100080000105
表示第i个目标小图的中心横坐标，在公式(4)和公式(5)中，Hi表示第i个目标小图的高度值，
Figure BDA0003014100080000106
表示第i个目标小图的中心纵坐标。
步骤S13，基于所有目标小图的中心横坐标的数学期望和方差，确定横坐标最小值和横坐标最大值，基于该横坐标最小值和该横坐标最大值确定宽度区间。
目标对象在背景图像中出现的概率服从正态分布，根据正态分布规律，样本出现在(μ-σ，μ+σ)的概率为68.268949％，样本出现在(μ-2σ，μ+2σ)的概率为95.449974％，样本出现在(μ-3σ，μ+3σ)的概率为99.73002％。
基于此，若预设阈值小于或者等于68.268949％，则横坐标最小值为μx-σx，横坐标最大值为μx+σx，μx-σx和μx+σx之间的宽度区间就是初始高频区域的宽度区间，目标对象的中心横坐标出现在初始高频区域的概率为68.268949％，即在初始高频区域出现的概率会大于或等于预设阈值。
若预设阈值大于68.268949％且小于或者等于95.449974％，则横坐标最小值为μx-2σx，横坐标最大值为μx+2σx，μx-2σx和μx+2σx之间的宽度区间就是初始高频区域的宽度区间，目标对象的中心横坐标出现在初始高频区域的概率为95.449974％，即在初始高频区域出现的概率会大于或等于预设阈值。
若预设阈值大于95.449974％且小于或者等于99.73002％，则横坐标最小值为μx-3σx，横坐标最大值为μx+3σx，μx-3σx和μx+3σx之间的宽度区间就是初始高频区域的宽度区间，目标对象的中心横坐标出现在初始高频区域的概率为99.73002％，即在初始高频区域出现的概率会大于或等于预设阈值。
在一种可能的实施方式中，为了使目标对象的中心横坐标在初始高频区域出现的概率较大，则初始高频区域的横坐标最小值为μx-2σx，初始高频区域的横坐标最大值为μx+2σx。在另一种可能的实施方式中，为了使目标对象的中心横坐标在初始高频区域出现的概率较大，则初始高频区域的横坐标最小值为μx-3σx，初始高频区域的横坐标最大值为μx+3σx。参见步骤S12，μx为所有目标小图的中心横坐标的数学期望，σx 2为所有目标小图的中心横坐标的方差。
本实施例中，以横坐标最小值为μx-2σx，横坐标最大值为μx+2σx为例。
步骤S14，基于所有目标小图的中心纵坐标的数学期望和方差，确定纵坐标最小值和纵坐标最大值，基于该纵坐标最小值和该纵坐标最大值确定高度区间。
若预设阈值小于或等于68.268949％，则纵坐标最小值为μy-σy，纵坐标最大值为μy+σy，μy-σy和μy+σy之间的高度区间就是初始高频区域的高度区间，目标对象的中心纵坐标出现在初始高频区域的概率为68.268949％，即在初始高频区域出现的概率会大于或等于预设阈值。
若预设阈值大于68.268949％且小于或者等于95.449974％，则纵坐标最小值为μy-2σy，纵坐标最大值为μy+2σy，μy-2σy和μy+2σy之间的高度区间就是初始高频区域的高度区间，即在初始高频区域出现的概率会大于或等于预设阈值。
若预设阈值大于95.449974％且小于或者等于99.73002％，则纵坐标最小值为μy-3σy，纵坐标最大值为μy+3σy，μy-3σy和μy+3σy之间的高度区间就是初始高频区域的高度区间，即在初始高频区域出现的概率会大于或等于预设阈值。
在一种可能的实施方式中，为了使目标对象的中心纵坐标在初始高频区域出现的概率比较大，则初始高频区域的纵坐标最小值为μy-2σy，初始高频区域的纵坐标最大值为μy+2σy。在另一种可能的实施方式中，为了使目标对象的中心纵坐标在初始高频区域出现的概率比较大，则初始高频区域的纵坐标最小值为μy-3σy，初始高频区域的纵坐标最大值为μy+3σy。参见步骤S12，μy为所有目标小图的中心纵坐标的数学期望，σy 2为所有目标小图的中心纵坐标的方差。
本实施例中，以纵坐标最小值为μy-2σy，纵坐标最大值为μy+2σy为例。
步骤S15，将宽度区间(横坐标最小值和横坐标最大值间的区间)和高度区间(纵坐标最小值和纵坐标最大值间的区间)组成的区域确定为初始高频区域。
示例性的，参见图4B所示，横坐标最小值为μx-2σx，横坐标最大值为μx+2σx，纵坐标最小值为μy-2σy，纵坐标最大值为μy+2σy，横坐标最小值与纵坐标最小值的交点为J，横坐标最小值与纵坐标最大值的交点为L，横坐标最大值与纵坐标最小值的交点为K，横坐标最大值与纵坐标最大值的交点为M。在此基础上，上述4个交点组成的矩形区域JKML即为初始高频区域。
综上所述，在步骤3021中，可以得到初始高频区域，然后，执行后续步骤。
步骤3022，基于多个背景图像中目标小图的宽度值，确定第一扩展区间。以及，基于多个背景图像中目标小图的高度值，确定第二扩展区间。
参见上述实施例，针对多个背景图像中的每个背景图像，存储设备可以得到该背景图像中目标小图的位置坐标，该位置坐标可以包括矩形区域的宽度值(即目标小图的宽度值)和矩形区域的高度值(即目标小图的高度值)。基于所有背景图像中目标小图的宽度值和高度值，可以确定第一扩展区间和第二扩展区间。在一种可能的实施方式中，基于目标小图的宽度值和高度值，可以采用如下步骤确定第一扩展区间和第二扩展区间，当然，如下方式只是一个示例。
步骤S21，针对每个目标小图(即每个背景图像中的目标小图)，基于该目标小图的位置坐标确定该目标小图的宽度值，并基于该目标小图的位置坐标确定该目标小图的高度值。显然，由于目标小图的位置坐标包括目标小图的宽度值和高度值，因此，可以确定目标小图的宽度值和高度值。比如说，将N个目标小图的宽度值和高度值依次记为(W1，H1)，(W2，H2)…(WN，HN)。
步骤S22，确定所有目标小图的宽度值的数学期望和方差，并确定所有目标小图的高度值的数学期望和方差。
比如说，基于N个目标小图的宽度值和高度值，可以通过公式(6)确定N个目标小图的宽度值的数学期望μW，可以通过公式(7)确定N个目标小图的宽度值的方差σW 2，可以通过公式(8)确定N个目标小图的高度值的数学期望μH，可以通过公式(9)确定N个目标小图的高度值的方差σH 2。
Figure BDA0003014100080000131
Figure BDA0003014100080000132
Figure BDA0003014100080000133
Figure BDA0003014100080000134
步骤S23，基于所有目标小图的宽度值的数学期望和方差，确定宽度最大值，并基于该宽度最大值确定第一扩展区间。以及，基于所有目标小图的高度值的数学期望和方差，确定高度最大值，并基于该高度最大值确定第二扩展区间。
示例性的，若预设阈值小于或者等于68.268949％，则宽度最小值可以为μW-σW，宽度最大值可以为μW+σW，高度最小值为μH-σH，高度最大值为μH+σH。
示例性的，若预设阈值大于68.268949％且小于或者等于95.449974％，则宽度最小值为μW-2σW，宽度最大值为μW+2σW，高度最小值为μH-2σH，高度最大值为μH+2σH。
在此基础上，初始高频区域的横坐标最小值与第一数值(第一数值是横坐标最小值减去宽度最大值的一半)之间的宽度区间记为扩展区间1，初始高频区域的横坐标最大值与第二数值(第二数值是横坐标最大值加上宽度最大值的一半)之间的宽度区间记为扩展区间2，将扩展区间1和扩展区间2作为第一扩展区间。初始高频区域的纵坐标最小值与第三数值(第三数值是纵坐标最小值减去高度最大值的一半)之间的高度区间记为扩展区间3，初始高频区域的纵坐标最大值与第四数值(第四数值是纵坐标最大值加上高度最大值的一半)之间的高度区间记为扩展区间4，将扩展区间3和扩展区间4作为第二扩展区间。
在一种可能的实施方式中，为了使目标对象在第一高频区域出现的概率较大，则宽度最小值为μW-2σW，宽度最大值为μW+2σW，高度最小值为μH-2σH，高度最大值为μH+2σH。在另一种可能的实施方式中，为了使目标对象在第一高频区域出现的概率较大，则宽度最小值为μW-3σW，宽度最大值为μW+3σW，高度最小值为μH-3σH，高度最大值为μH+3σH。参见步骤S22，μW为所有目标小图的宽度值的数学期望，σx 2为所有目标小图的宽度值的方差，μH为所有目标小图的高度值的数学期望，σH 2为所有目标小图的高度值的方差。
为了方便描述，在后续实施例中，以宽度最小值为μW-2σW，宽度最大值为μW-2σW，高度最小值为μH-2σH，高度最大值为μH+2σH为例。
综上所述，步骤3022中，可以得到第一扩展区间和第二扩展区间。
步骤3023，将初始高频区域，第一扩展区间和第二扩展区间组成的区域，确定为第一高频区域。
示例性的，参见图4C所示，横坐标最小值为μx-2σx，横坐标最大值为μx+2σx，纵坐标最小值为μy-2σy，纵坐标最大值为μy+2σy组成的矩形区域为初始高频区域。μx-2σx与
Figure BDA0003014100080000141
(横坐标最小值减去宽度最大值的一半)之间的宽度区间为扩展区间1，μx+2σx与
Figure BDA0003014100080000142
(横坐标最大值加上宽度最大值的一半)之间的宽度区间为扩展区间2，扩展区间1和扩展区间2作为第一扩展区间。μy-2σy与
Figure BDA0003014100080000143
(纵坐标最小值减去高度最大值的一半)之间的高度区间为扩展区间3，μy+2σy与
Figure BDA0003014100080000144
(纵坐标最大值加上高度最大值的一半)之间的高度区间为扩展区间4，扩展区间3和扩展区间4作为第二扩展区间。在此基础上，可以将初始高频区域，第一扩展区间和第二扩展区间组成的区域，确定为第一高频区域，也就是说，参见图4C所示，
Figure BDA0003014100080000145
和
Figure BDA0003014100080000146
Figure BDA0003014100080000147
组成的区域PQRS是第一高频区域。
示例性的，针对该第一高频区域来说，左上角位置P的坐标为
Figure BDA0003014100080000148
Figure BDA0003014100080000149
右上角位置Q的坐标为
Figure BDA00030141000800001410
Figure BDA00030141000800001411
右下角位置R的坐标为
Figure BDA00030141000800001412
Figure BDA00030141000800001413
左下角位置S的坐标为
Figure BDA00030141000800001414
综上所述，可以得到第一高频区域的四个位置的坐标，基于这些位置的坐标表示第一高频区域。当然，也可以通过某个位置的坐标(如左上角位置P的坐标、或右上角位置Q的坐标、或右下角位置R的坐标、或左下角位置S的坐标)，及第一高频区域的宽度值和高度值表示第一高频区域，对此不做限制。
步骤303，将第一高频区域的信息发送给前端设备，以使前端设备基于该第一高频区域的信息确定背景图像中的第二高频区域和低频区域，并对前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理，如对前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化编码控制。
示例性的，存储设备可以将第一高频区域的信息(如第一高频区域的P、Q、R、S等四个位置的坐标，或，第一高频区域的某个位置的坐标及第一高频区域的宽度值和高度值)发送给前端设备，前端设备在接收到第一高频区域的信息后，基于第一高频区域的信息确定背景图像中的第二高频区域，第二高频区域与第一高频区域可以相同，第二高频区域与第一高频区域也可以不同，具体不做限定，本文以第二高频区域与第一高频区域相同为例。比如说，可以将第一高频区域的P、Q、R、S等四个位置的坐标组成的区域作为第二高频区域，又例如，可以对第一高频区域的P、Q、R、S等四个位置的坐标组成的区域进行变换，并将变换后的区域作为第二高频区域，对此不做限制。
示例性的，第二高频区域是指目标对象在背景图像中出现的高频区域，即，目标对象在背景图像中出现时，该目标对象在背景图像中的第二高频区域出现的概率比较大，目标对象在第二高频区域出现的概率大于或等于预设阈值，因此，本实施例中，可以将目标对象出现的概率大于或等于预设阈值的区域称为第二高频区域，且前端设备需要基于第一高频区域的信息确定第二高频区域。
示例性的，存储设备确定出第一高频区域之后，还可以确定低频区域，即背景图像中除第一高频区域之外的区域为低频区域，存储设备还可以将低频区域的信息发送给前端设备。基于此，前端设备接收到低频区域的信息后，基于低频区域的信息确定背景图像中的低频区域。或者，存储设备也可以只将第一高频区域的信息发送给前端设备，而不将低频区域的信息发送给前端设备，前端设备基于第一高频区域的信息确定背景图像中的第二高频区域之后，还可以确定低频区域，即将背景图像中除第二高频区域之外的区域确定为低频区域。
综上所述，前端设备可以确定背景图像中的第二高频区域和低频区域，参见图4C所示，矩形区域PQRS是第二高频区域，矩形区域PQRS之外的区域是低频区域。
在一种可能的实施方式中，前端设备在采集到背景图像后，可以对背景图像中的第二高频区域和低频区域进行差异化处理，差异化处理用于提升第二高频区域的画面质量和/或图像流畅度，或者，差异化处理用于降低低频区域的画面质量和/或图像流畅度，或者，差异化处理用于提升高频区域的画面质量和/或图像流畅度，且降低低频区域的画面质量和/或图像流畅度。
综上所述，对前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理之后，差异化处理后的第二高频区域的图像画面质量比差异化处理后的低频区域的图像画面质量高；和/或，差异化处理后的第二高频区域的图像流畅度比差异化处理后的低频区域的图像流畅度高。比如说，可以将第二高频区域作为ROI(Region Of Interest，感兴趣区域)，对于第二高频区域来说，前端设备能够进行较高质量的视频编码，而对于低频区域来说，前端设备能够降低其码率和图像质量，进行较低质量的视频编码，甚至是不传输这部分区域，从而实现第二高频区域和低频区域的差异化处理，在不损失背景图像中重点区域的图像细节的前提下，通过对第二高频区域和低频区域的差异化处理，实现提升目标识别分析效果，降低网络带宽占用率和减少存储空间。
此外，还可以将背景图像中的图像画面分割为第二高频区域的图像数据和低频区域的图像数据，并只将第二高频区域的图像数据进行保存，比如说，前端设备只将第二高频区域的图像数据发送给存储设备，而不将低频区域的图像数据发送给存储设备，由存储设备只将第二高频区域的图像数据进行保存。
在一种可能的实施方式中，前端设备对本前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理，可以包括但不限于如下方式：
方式1、采用第一码率对背景图像中的第二高频区域进行编码，并采用第二码率对背景图像中的低频区域进行编码，该第一码率可以大于该第二码率。
比如说，将前端设备未对第二高频区域和低频区域进行差异化处理时的码率称为标准码率，在需要对第二高频区域和低频区域进行差异化处理时，可以使用比标准码率大的第一码率对第二高频区域进行编码，使用与标准码率相同的第二码率对低频区域进行编码，或者，使用比标准码率大的第一码率对第二高频区域进行编码，使用比标准码率小的第二码率对低频区域进行编码，或者，使用与标准码率相同的第一码率对第二高频区域进行编码，使用比标准码率小的第二码率对低频区域进行编码。当然，上述只是几个示例，只要第一码率大于第二码率即可。
第一码率和第二码率可以是存储设备确定的，由存储设备将第一码率和第二码率发送给前端设备。第一码率和第二码率也可以是前端设备自身确定的。
方式2、采用第一帧率对背景图像中的第二高频区域进行编码，并采用第二帧率对背景图像中的低频区域进行编码，该第一帧率可以大于该第二帧率。
比如说，将前端设备未对第二高频区域和低频区域进行差异化处理时的帧率称为标准帧率，在需要对第二高频区域和低频区域进行差异化处理时，可以使用比标准帧率大的第一帧率对第二高频区域进行编码，使用与标准帧率相同的第二帧率对低频区域进行编码，或者，使用比标准帧率大的第一帧率对第二高频区域进行编码，使用比标准帧率小的第二帧率对低频区域进行编码，或者，使用与标准帧率相同的第一帧率对第二高频区域进行编码，使用比标准帧率小的第二帧率对低频区域进行编码。当然，上述只是几个示例，只要第一帧率大于第二帧率即可。
第一帧率和第二帧率可以是存储设备确定的，由存储设备将第一帧率和第二帧率发送给前端设备。第一帧率和第二帧率也可以是前端设备自身确定的。
方式3、采用第一QP值对背景图像中的第二高频区域进行编码，采用第二QP值对背景图像中的低频区域进行编码，该第一QP值可以小于该第二QP值。
比如说，将前端设备未对第二高频区域和低频区域进行差异化处理时的QP值称为标准QP值，在需要对第二高频区域和低频区域进行差异化处理时，使用比标准QP值小的第一QP值对第二高频区域进行编码，使用与标准QP值相同的第二QP值对低频区域进行编码，或，使用比标准QP值小的第一QP值对第二高频区域进行编码，使用比标准QP值大的第二QP值对低频区域进行编码，或，使用与标准QP值相同的第一QP值对第二高频区域进行编码，使用比标准QP值大的第二QP值对低频区域进行编码。当然，上述只是示例，第一QP值小于第二QP值即可。
第一QP值和第二QP值可以是存储设备确定，由存储设备将第一QP值和第二QP值发送给前端设备。第一QP值和第二QP值也可以是前端设备确定。
方式4、采用第一码率和第一帧率对背景图像中的第二高频区域进行编码，并采用第二码率和第二帧率对背景图像中的低频区域进行编码。
方式5、采用第一码率和第一QP值对背景图像中的第二高频区域进行编码，并采用第二码率和第二QP值对背景图像中的低频区域进行编码。
方式6、采用第一帧率和第一QP值对背景图像中的第二高频区域进行编码，并采用第二帧率和第二QP值对背景图像中的低频区域进行编码。
方式7、采用第一码率、第一帧率和第一QP值对背景图像的第二高频区域进行编码，并采用第二码率、第二帧率和第二QP值对背景图像中低频区域进行编码。
当然，在上述方式1-方式7中，码率、帧率和QP值只是编码参数的几个示例，还可以有其它类型的编码参数，对此不做限制，只要能够基于编码参数对背景图像中的第二高频区域和低频区域进行差异化处理即可，差异化处理用于提升第二高频区域的画面质量或流畅度，和/或，差异化处理用于降低低频区域的画面质量或流畅度。
方式8、将背景图像中的图像画面分割为第二高频区域的图像数据和低频区域的图像数据，并将第二高频区域的图像数据发送给存储设备，以使存储设备存储第二高频区域的图像数据。显然，在该方式8中，只需要传输并存储第二高频区域的图像数据，而不需要传输并存储低频区域的图像数据，从而节省存储设备的存储空间，节省图像传输时的网络带宽。
在一种可能的实施方式中，无论前端设备对背景图像中的第二高频区域和低频区域进行差异化处理，还是未对背景图像中的第二高频区域和低频区域进行差异化处理，针对该背景图像，存储设备均能够获取到该背景图像中目标小图的位置坐标。基于多个背景图像(当前的背景图像及之前已经存储的背景图像)中目标小图的位置坐标，存储设备可以确定新的第一高频区域，即可以对第一高频区域进行更新，并将更新后的第一高频区域的信息发送给前端设备，以使前端设备重新确定背景图像中的第二高频区域，以此类推。
由以上技术方案可见，本申请实施例中，存储设备可以基于多个背景图像中目标小图(如车辆小图等)的位置坐标确定目标小图在画面中出现的第一高频区域，并将该第一高频区域的位置信息发送给前端设备，由前端设备基于该位置信息确定背景图像中的第二高频区域和低频区域，并对背景图像中的第二高频区域和低频区域进行差异化处理，从而能够提升高频区域的画面质量，较高的画面质量可以保证更好的图像分析效果。降低低频区域的画面质量，较低的画面质量可以节省存储设备的存储空间和网络带宽。
在一种可能的实施方式中，基于多个背景图像中目标小图的位置坐标确定第一高频区域，可以包括但不限于：基于每个背景图像中目标小图的属性信息，从所有背景图像中的目标小图中选择与已配置的目标属性信息(目标属性信息可以是基于用户选择配置的)匹配的目标小图，基于选择的目标小图的位置坐标确定第一高频区域，该第一高频区域可以与该目标属性信息对应。
示例性的，基于用户选择配置的目标属性信息可以为至少一个，比如说，假设存在3个目标属性信息，则可以确定与目标属性信息1对应的第一高频区域，与目标属性信息2对应的第一高频区域，与目标属性信息3对应的第一高频区域。例如，假设目标属性信息为属性信息A，若目标小图1-5的属性信息为属性信息A，目标小图6-9的属性信息为属性信息B，则从所有目标小图中选择与目标属性信息匹配的目标小图1-5，基于目标小图1-5的位置坐标确定与属性信息A对应的第一高频区域，具体方式参见上述实施例，在此不再重复赘述。
以下结合具体实施例，对本申请实施例的图像处理方法进行说明。
基于与上述方法同样的申请构思，本申请实施例中还提出了另一种图像处理方法，可以应用于存储设备，参见图5所示，该方法可以包括：
步骤501，基于前端设备采集的多个背景图像中的每个背景图像，基于每个背景图像中目标小图的属性信息，从所有背景图像中的目标小图中选择与已配置的目标属性信息(可以为至少一个目标属性信息)匹配的目标小图。
示例性的，参见上述实施例，针对每个前端设备(如前端设备221-225等)来说，该前端设备可以采集多个背景图像，针对多个背景图像中的每个背景图像，存储设备可以得到该背景图像、该背景图像中的目标小图、该目标小图的属性信息及该目标小图的位置坐标。综上所述，针对前端设备采集的多个背景图像中的每个背景图像，存储设备可以得到该背景图像中目标小图的属性信息。
针对每个目标小图来说，若该目标小图的属性信息与已配置的目标属性信息相同，则可以将该目标小图作为与该目标属性信息匹配的目标小图。综上所述，可以从所有目标小图中选择与该目标属性信息匹配的目标小图。
示例性的，目标属性信息可以基于用户选择预先配置，对此目标属性信息不做限制，目标属性信息可以为1个，也可以为多个，在目标属性信息为多个时，每个目标属性信息对应一组目标小图，使用这组目标小图确定与该目标属性信息对应的第一高频区域。
步骤502，基于与目标属性信息匹配的目标小图，获取该目标小图的位置坐标，该目标小图是背景图像中目标对象所在的区域，该目标对象所在的区域可以是相对于背景图像更小的区域，目标小图的位置坐标可以包括矩形区域的左上角的坐标、矩形区域的宽度值和矩形区域的高度值。
步骤503，基于与目标属性信息匹配的目标小图的位置坐标确定第一高频区域，该第一高频区域是该目标属性信息对应的第一高频区域，且目标对象在背景图像中的该第一高频区域出现的概率大于或等于预设阈值，即目标对象在背景图像中的该第一高频区域出现的概率比较大。
步骤504，将第一高频区域的信息发送给前端设备，以使前端设备基于该第一高频区域的信息确定背景图像中的第二高频区域和低频区域，并对前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理，如对前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化编码控制。
示例性的，步骤502-步骤504可以参见步骤301-步骤303，在此不再赘述。
基于与上述方法同样的申请构思，本申请实施例中还提出一种图像处理装置，如图6所示，为所述图像处理装置的结构图，所述装置包括：
获取模块61，用于基于前端设备采集的多个背景图像中的每个背景图像，获取所述背景图像中目标小图的位置坐标，所述目标小图是所述背景图像中目标对象所在的区域；确定模块62，用于基于所述多个背景图像中目标小图的位置坐标确定第一高频区域，所述目标对象在背景图像中的所述第一高频区域出现的概率大于或等于预设阈值；发送模块63，用于将所述第一高频区域的信息发送给所述前端设备，以使所述前端设备基于所述第一高频区域的信息确定背景图像中的第二高频区域和低频区域，并对所述前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理。
示例性的，所述确定模块62基于所述多个背景图像中目标小图的位置坐标确定第一高频区域时具体用于：基于每个背景图像中目标小图的属性信息，从所有背景图像中的目标小图中选择与已配置的目标属性信息匹配的目标小图；基于选择的目标小图的位置坐标确定该目标属性信息对应的第一高频区域。
示例性的，所述确定模块62基于所述多个背景图像中目标小图的位置坐标确定第一高频区域时具体用于：基于所述多个背景图像中目标小图的位置坐标，确定初始高频区域；基于所述多个背景图像中目标小图的宽度值，确定第一扩展区间；基于所述多个背景图像中目标小图的高度值，确定第二扩展区间；将所述初始高频区域，所述第一扩展区间和所述第二扩展区间组成的区域，确定为所述第一高频区域。
示例性的，所述确定模块62基于所述多个背景图像中目标小图的位置坐标，确定初始高频区域时具体用于：基于每个目标小图的位置坐标确定该目标小图的中心横坐标和中心纵坐标；基于所有目标小图的中心横坐标的数学期望和方差，确定横坐标最小值和横坐标最大值，基于所述横坐标最小值和所述横坐标最大值确定宽度区间；基于所有目标小图的中心纵坐标的数学期望和方差，确定纵坐标最小值和纵坐标最大值，基于所述纵坐标最小值和所述纵坐标最大值确定高度区间；将所述宽度区间和所述高度区间组成的区域确定为所述初始高频区域。
示例性的，所述确定模块62基于所述多个背景图像中目标小图的宽度值，确定第一扩展区间时具体用于：基于每个目标小图的位置坐标确定该目标小图的宽度值；基于所有目标小图的宽度值的数学期望和方差，确定宽度最大值；基于所述宽度最大值确定所述第一扩展区间。
示例性的，所述确定模块62基于所述多个背景图像中目标小图的高度值，确定第二扩展区间时具体用于：基于每个目标小图的位置坐标确定该目标小图的高度值；基于所有目标小图的高度值的数学期望和方差，确定高度最大值；基于所述高度最大值确定所述第二扩展区间。
基于与上述方法同样的申请构思，本申请实施例还提出一种存储设备，本申请实施例提供的存储设备，从硬件层面而言，存储设备的硬件架构示意图可以参见图7所示。存储设备可以包括：处理器71和机器可读存储介质72，所述机器可读存储介质72存储有能够被所述处理器71执行的机器可执行指令；所述处理器71用于执行机器可执行指令，以实现本申请上述示例公开的方法。
例如，处理器71用于执行机器可执行指令，以实现如下步骤：
基于前端设备采集的多个背景图像中的每个背景图像，获取所述背景图像中目标小图的位置坐标，所述目标小图是所述背景图像中目标对象所在的区域；
基于所述多个背景图像中目标小图的位置坐标确定第一高频区域，所述目标对象在背景图像中的所述第一高频区域出现的概率大于或等于预设阈值；
将所述第一高频区域的信息发送给所述前端设备，以使所述前端设备基于所述第一高频区域的信息确定背景图像中的第二高频区域和低频区域，并对所述前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理。
基于与上述方法同样的申请构思，本申请实施例还提供一种机器可读存储介质，其中，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被处理器执行时，能够实现本申请上述示例公开的方法。
示例性的，上述机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：RAM(Random Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机，计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可以由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其它可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其它可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
而且，这些计算机程序指令也可以存储在能引导计算机或其它可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或者多个流程和/或方框图一个方框或者多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其它可编程数据处理设备上，使得在计算机或者其它可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其它可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种图像处理方法，其特征在于，所述方法包括：
基于前端设备采集的多个背景图像中的每个背景图像，获取所述背景图像中目标小图的位置坐标，所述目标小图是所述背景图像中目标对象所在的区域；
基于所述多个背景图像中目标小图的位置坐标确定第一高频区域，所述目标对象在背景图像中的所述第一高频区域出现的概率大于或等于预设阈值；
将所述第一高频区域的信息发送给所述前端设备，以使所述前端设备基于所述第一高频区域的信息确定背景图像中的第二高频区域和低频区域，并对所述前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理。
2.根据权利要求1所述的方法，其特征在于，所述基于所述多个背景图像中目标小图的位置坐标确定第一高频区域，包括：
基于每个背景图像中目标小图的属性信息，从所有背景图像中的目标小图中选择与已配置的目标属性信息匹配的目标小图；
基于选择的目标小图的位置坐标确定该目标属性信息对应的第一高频区域。
3.根据权利要求1或2所述的方法，其特征在于，所述基于所述多个背景图像中目标小图的位置坐标确定第一高频区域，包括：
基于所述多个背景图像中目标小图的位置坐标，确定初始高频区域；
基于所述多个背景图像中目标小图的宽度值，确定第一扩展区间；
基于所述多个背景图像中目标小图的高度值，确定第二扩展区间；
将所述初始高频区域，所述第一扩展区间和所述第二扩展区间组成的区域，确定为所述第一高频区域。
4.根据权利要求3所述的方法，其特征在于，所述基于所述多个背景图像中目标小图的位置坐标，确定初始高频区域，包括：
基于每个目标小图的位置坐标确定该目标小图的中心横坐标和中心纵坐标；
基于所有目标小图的中心横坐标的数学期望和方差，确定横坐标最小值和横坐标最大值，基于所述横坐标最小值和所述横坐标最大值确定宽度区间；
基于所有目标小图的中心纵坐标的数学期望和方差，确定纵坐标最小值和纵坐标最大值，基于所述纵坐标最小值和所述纵坐标最大值确定高度区间；
将所述宽度区间和所述高度区间组成的区域确定为所述初始高频区域。
5.根据权利要求3所述的方法，其特征在于，所述基于所述多个背景图像中目标小图的宽度值，确定第一扩展区间，包括：
基于每个目标小图的位置坐标确定该目标小图的宽度值；
基于所有目标小图的宽度值的数学期望和方差，确定宽度最大值；
基于所述宽度最大值确定所述第一扩展区间。
6.根据权利要求3所述的方法，其特征在于，所述基于所述多个背景图像中目标小图的高度值，确定第二扩展区间，包括：
基于每个目标小图的位置坐标确定该目标小图的高度值；
基于所有目标小图的高度值的数学期望和方差，确定高度最大值；
基于所述高度最大值确定所述第二扩展区间。
7.根据权利要求1所述的方法，其特征在于，所述对所述前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理之后，
差异化处理后的第二高频区域的图像画面质量比差异化处理后的低频区域的图像画面质量高；和/或，差异化处理后的第二高频区域的图像流畅度比差异化处理后的低频区域的图像流畅度高。
8.一种图像处理装置，其特征在于，所述装置包括：
获取模块，用于基于前端设备采集的多个背景图像中的每个背景图像，获取所述背景图像中目标小图的位置坐标，所述目标小图是所述背景图像中目标对象所在的区域；
确定模块，用于基于所述多个背景图像中目标小图的位置坐标确定第一高频区域，所述目标对象在背景图像中的所述第一高频区域出现的概率大于或等于预设阈值；
发送模块，用于将所述第一高频区域的信息发送给所述前端设备，以使所述前端设备基于所述第一高频区域的信息确定背景图像中的第二高频区域和低频区域，并对所述前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理。
9.根据权利要求8所述的装置，其特征在于，
所述确定模块基于所述多个背景图像中目标小图的位置坐标确定第一高频区域时具体用于：基于每个背景图像中目标小图的属性信息，从所有背景图像中的目标小图中选择与已配置的目标属性信息匹配的目标小图；基于选择的目标小图的位置坐标确定该目标属性信息对应的第一高频区域；
所述确定模块基于所述多个背景图像中目标小图的位置坐标确定第一高频区域时具体用于：基于多个背景图像中目标小图的位置坐标，确定初始高频区域；基于多个背景图像中目标小图的宽度值，确定第一扩展区间；基于多个背景图像中目标小图的高度值，确定第二扩展区间；将所述初始高频区域，所述第一扩展区间和所述第二扩展区间组成的区域，确定为所述第一高频区域；
其中，所述确定模块基于多个背景图像中目标小图的位置坐标，确定初始高频区域时具体用于：基于每个目标小图的位置坐标确定该目标小图的中心横坐标和中心纵坐标；基于所有目标小图的中心横坐标的数学期望和方差，确定横坐标最小值和横坐标最大值，基于所述横坐标最小值和所述横坐标最大值确定宽度区间；基于所有目标小图的中心纵坐标的数学期望和方差，确定纵坐标最小值和纵坐标最大值，基于所述纵坐标最小值和所述纵坐标最大值确定高度区间；将所述宽度区间和所述高度区间组成的区域确定为所述初始高频区域；
其中，所述确定模块基于多个背景图像中目标小图的宽度值，确定第一扩展区间时具体用于：基于每个目标小图的位置坐标确定该目标小图的宽度值；基于所有目标小图的宽度值的数学期望和方差，确定宽度最大值；基于所述宽度最大值确定所述第一扩展区间；
其中，所述确定模块基于多个背景图像中目标小图的高度值，确定第二扩展区间时具体用于：基于每个目标小图的位置坐标确定该目标小图的高度值；基于所有目标小图的高度值的数学期望和方差，确定高度最大值；基于所述高度最大值确定所述第二扩展区间。
10.一种存储设备，其特征在于，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；
所述处理器用于执行机器可执行指令，以实现如下步骤：
基于前端设备采集的多个背景图像中的每个背景图像，获取所述背景图像中目标小图的位置坐标，所述目标小图是所述背景图像中目标对象所在的区域；
基于所述多个背景图像中目标小图的位置坐标确定第一高频区域，所述目标对象在背景图像中的所述第一高频区域出现的概率大于或等于预设阈值；
将所述第一高频区域的信息发送给所述前端设备，以使所述前端设备基于所述第一高频区域的信息确定背景图像中的第二高频区域和低频区域，并对所述前端设备采集到的背景图像中的第二高频区域和低频区域进行差异化处理。
CN202110383940.3A 2021-04-09 2021-04-09 一种图像处理方法、装置及设备 Active CN113191210B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110383940.3A CN113191210B (zh) 2021-04-09 2021-04-09 一种图像处理方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110383940.3A CN113191210B (zh) 2021-04-09 2021-04-09 一种图像处理方法、装置及设备

Publications (2)

Publication Number Publication Date
CN113191210A true CN113191210A (zh) 2021-07-30
CN113191210B CN113191210B (zh) 2023-08-29

Family

ID=76975424

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110383940.3A Active CN113191210B (zh) 2021-04-09 2021-04-09 一种图像处理方法、装置及设备

Country Status (1)

Country Link
CN (1) CN113191210B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023109867A1 (zh) * 2021-12-16 2023-06-22 华为技术有限公司 摄像机图像传输方法装置以及摄像机

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08147484A (ja) * 1994-11-21 1996-06-07 Nippon Joho Kagaku Kk 文字発生方法
US20050058971A1 (en) * 2003-09-12 2005-03-17 Nicholas Bugosh Fluvial geomorphic landscape design computer software
CN101877125A (zh) * 2009-12-25 2010-11-03 北京航空航天大学 一种基于小波域统计信号的图像融合处理方法
US20130121563A1 (en) * 2011-11-14 2013-05-16 Nvidia Corporation Prioritized compression for video
CN103136525A (zh) * 2013-02-28 2013-06-05 中国科学院光电技术研究所 一种利用广义Hough变换的异型扩展目标高精度定位方法
CN104427291A (zh) * 2013-08-19 2015-03-18 华为技术有限公司 一种图像处理方法及设备
CN105340268A (zh) * 2013-06-25 2016-02-17 安奇逻辑股份有限公司 图像处理装置、图像处理方法以及图像处理程序
CN108270999A (zh) * 2018-01-26 2018-07-10 中南大学 一种目标检测方法、图像识别服务器及系统
CN108898624A (zh) * 2018-06-12 2018-11-27 浙江大华技术股份有限公司 一种运动物体跟踪的方法、装置、电子设备和存储介质
CN109660762A (zh) * 2018-12-21 2019-04-19 深圳英飞拓智能技术有限公司 智能抓拍装置中大小图关联方法及装置
CN110113618A (zh) * 2019-06-11 2019-08-09 苏州泓迅生物科技股份有限公司 一种图像存储方法、读取方法、存储装置和读取装置
CN110910341A (zh) * 2019-09-02 2020-03-24 海南电网有限责任公司海口供电局 一种输电线路锈蚀区缺陷检测方法及装置
CN111161346A (zh) * 2019-12-30 2020-05-15 北京三快在线科技有限公司 将商品在货架中进行分层的方法、装置和电子设备
CN111325701A (zh) * 2018-12-14 2020-06-23 杭州海康威视数字技术股份有限公司 图像处理方法、装置及存储介质
US20200348580A1 (en) * 2016-12-27 2020-11-05 Zhejiang Dahua Technology Co., Ltd. Systems and methods for exposure control
CN112085031A (zh) * 2020-09-11 2020-12-15 河北工程大学 目标检测方法及系统
US20210081703A1 (en) * 2019-09-16 2021-03-18 Wistron Corporation Face recognition method and computer system thereof

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08147484A (ja) * 1994-11-21 1996-06-07 Nippon Joho Kagaku Kk 文字発生方法
US20050058971A1 (en) * 2003-09-12 2005-03-17 Nicholas Bugosh Fluvial geomorphic landscape design computer software
CN101877125A (zh) * 2009-12-25 2010-11-03 北京航空航天大学 一种基于小波域统计信号的图像融合处理方法
US20130121563A1 (en) * 2011-11-14 2013-05-16 Nvidia Corporation Prioritized compression for video
CN103136525A (zh) * 2013-02-28 2013-06-05 中国科学院光电技术研究所 一种利用广义Hough变换的异型扩展目标高精度定位方法
CN105340268A (zh) * 2013-06-25 2016-02-17 安奇逻辑股份有限公司 图像处理装置、图像处理方法以及图像处理程序
CN104427291A (zh) * 2013-08-19 2015-03-18 华为技术有限公司 一种图像处理方法及设备
US20200348580A1 (en) * 2016-12-27 2020-11-05 Zhejiang Dahua Technology Co., Ltd. Systems and methods for exposure control
CN108270999A (zh) * 2018-01-26 2018-07-10 中南大学 一种目标检测方法、图像识别服务器及系统
CN108898624A (zh) * 2018-06-12 2018-11-27 浙江大华技术股份有限公司 一种运动物体跟踪的方法、装置、电子设备和存储介质
CN111325701A (zh) * 2018-12-14 2020-06-23 杭州海康威视数字技术股份有限公司 图像处理方法、装置及存储介质
CN109660762A (zh) * 2018-12-21 2019-04-19 深圳英飞拓智能技术有限公司 智能抓拍装置中大小图关联方法及装置
CN110113618A (zh) * 2019-06-11 2019-08-09 苏州泓迅生物科技股份有限公司 一种图像存储方法、读取方法、存储装置和读取装置
CN110910341A (zh) * 2019-09-02 2020-03-24 海南电网有限责任公司海口供电局 一种输电线路锈蚀区缺陷检测方法及装置
US20210081703A1 (en) * 2019-09-16 2021-03-18 Wistron Corporation Face recognition method and computer system thereof
CN111161346A (zh) * 2019-12-30 2020-05-15 北京三快在线科技有限公司 将商品在货架中进行分层的方法、装置和电子设备
CN112085031A (zh) * 2020-09-11 2020-12-15 河北工程大学 目标检测方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JUN XIN等: "An overview of scalable video streaming", 《HTTPS://DOI.ORG/10.1002/WCM.471》, pages 159 - 172 *
余新新; 徐漫; 胡宏昌: "正态分布中期望与方差的最优联合置信区域", 《湖北师范大学学报(自然科学版)》, pages 17 - 22 *
魏文怡: "基于深度学习的无人机目标识别方法研究", 《中国优秀硕士学位论文电子期刊》, pages 32 - 40 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023109867A1 (zh) * 2021-12-16 2023-06-22 华为技术有限公司 摄像机图像传输方法装置以及摄像机

Also Published As

Publication number Publication date
CN113191210B (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
CN109325933B (zh) 一种翻拍图像识别方法及装置
JP6694829B2 (ja) ルールに基づくビデオ重要度解析
US9785865B2 (en) Multi-stage image classification
US9600744B2 (en) Adaptive interest rate control for visual search
US20230030020A1 (en) Defining a search range for motion estimation for each scenario frame set
CN106412720B (zh) 视频水印去除的方法和装置
CN111695540B (zh) 视频边框识别方法及裁剪方法、装置、电子设备及介质
JP6016332B2 (ja) 画像処理装置、画像処理方法
CN106651797B (zh) 一种信号灯有效区域的确定方法和装置
JP2009147911A (ja) 映像データ圧縮前処理方法およびこれを用いた映像データ圧縮方法と映像データ圧縮システム
GB2558644A (en) Video encoding
CN111080665B (zh) 图像边框识别方法、装置、设备和计算机存储介质
JP5950605B2 (ja) 画像処理システム、及び、画像処理方法
JP7014005B2 (ja) 画像処理装置及び方法、電子機器
CN111428740A (zh) 网络翻拍照片的检测方法、装置、计算机设备及存储介质
US8165387B2 (en) Information processing apparatus and method, program, and recording medium for selecting data for learning
JP2009212605A (ja) 情報処理方法、情報処理装置及びプログラム
CN113628259A (zh) 图像的配准处理方法及装置
CN113191210A (zh) 一种图像处理方法、装置及设备
CN108040244B (zh) 基于光场视频流的抓拍方法及装置、存储介质
US10136156B2 (en) Directional motion vector filtering
CN109672829B (zh) 图像亮度的调整方法、装置、存储介质及终端
US11755758B1 (en) System and method for evaluating data files
CN112016609A (zh) 一种图像聚类方法、装置、设备及计算机存储介质
CN114463242A (zh) 图像检测方法、设备、存储介质及装置

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