CN113269177B - 一种基于监控设备的目标捕捉系统 - Google Patents
一种基于监控设备的目标捕捉系统 Download PDFInfo
- Publication number
- CN113269177B CN113269177B CN202110825995.5A CN202110825995A CN113269177B CN 113269177 B CN113269177 B CN 113269177B CN 202110825995 A CN202110825995 A CN 202110825995A CN 113269177 B CN113269177 B CN 113269177B
- Authority
- CN
- China
- Prior art keywords
- similarity
- processing module
- target
- region
- area
- 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
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于监控设备的目标捕捉系统,涉及图像处理技术领域,包括,输入模块,用以输入目标的头部特征、服装特征和身材特征,其与采集模块连接;所述采集模块,用以采集预设时间段内摄像设备存储的视频文件,其与处理模块连接;所述处理模块,用以从所述视频文件中获取视频帧,并对视频帧进行目标捕捉,以获取目标图像,其与存储模块连接;所述存储模块,用以对含有目标图像的视频帧进行存储,其与输出模块连接;所述输出模块,用以对含有目标图像的视频帧进行输出;所述处理模块中设置有人像曲线库,所述人像曲线库中设有若干预设人像曲线。本发明所述系统有效提高了视频帧内目标捕捉的效率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种基于监控设备的目标捕捉系统。
背景技术
视频监控是安全防范系统的重要组成部分,视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合,近年来,随着计算机、网络以及图像处理、传输技术的飞速发展,视频监控技术也有了长足的发展。
虽然现阶段中监控设备种类繁多,功能也愈发齐全,但是当出现危急情况人们需要从存储的视频文件中寻找目标人物时,大多采用人工筛查,通过人工进行筛查既浪费劳动力又影响目标人物捕捉的准确度,降低了目标捕捉效率。
发明内容
为此,本发明提供一种基于监控设备的目标捕捉系统,用以克服现有技术中无法通过对监控视频进行精确的人物特征识别导致的目标捕捉效率低的问题。
为实现上述目的,本发明提供一种基于监控设备的目标捕捉系统,包括,
输入模块,用以输入目标的头部特征、服装特征和身材特征,其与采集模块连接;
所述采集模块,用以采集预设时间段内摄像设备存储的视频文件,其与处理模块连接;
所述处理模块,用以从所述视频文件中获取视频帧,并对视频帧进行目标捕捉,以获取目标图像,其与存储模块连接;
所述存储模块,用以对含有目标图像的视频帧进行存储,其与输出模块连接;
所述输出模块,用以对含有目标图像的视频帧进行输出;
所述处理模块的目标捕捉过程包括,所述处理模块中设置有人像曲线库,所述人像曲线库中设有若干预设人像曲线,所述处理模块将视频帧按照纹理复杂度划分为若干区域,并将相连区域的边线形状与任一人像曲线形状相同的相连区域作为目标区域,目标区域确定后,所述处理模块将目标区域放大或缩小至预设像素比例,比例缩放完成后,所述处理模块将目标区域自上而下按照宽度划分为头部区域、上身区域和下身区域;
在对所述目标区域进行区域划分后,所述处理模块首先确定头部相似度,所述处理模块根据输入的头饰种类设置头饰形状,再根据图形的纹理复杂度将所述头部区域划分为若干拼接区域,并将灰度值相同的相连拼接区域作为对比区域,所述处理模块通过计算曲率差△A判定目标区域的头部相似度,头部相似度判定完成后,所述处理模块根据输入的头发色调计算色调占比,并以此对头部相似度进行调节,在进行调节时,所述处理模块根据输入的头发类型对选取的调节系数进行修正;
在所述头部相似度确定后,所述处理模块进行上身相似度判定,所述处理模块根据输入的上装色调计算上身色调占比,并以此判定目标区域的上身相似度,上身相似度判定完成后,所述处理模块根据输入的上装类型对上身相似度进行补偿;
在所述上身相似度确定后,所述处理模块进行下身相似度判定,所述处理模块根据输入的下装色调计算下身色调占比,并以此判定目标区域的下身相似度;
在所述下身相似度确定后,所述处理模块根据修正后的头部相似度、补偿后的上身相似度和下身相似度计算目标相似度S,并根据目标相似度S值判定目标区域是否为目标图像,若是则对包含目标图像的视频帧进行存储和输出,在计算目标相似度S时,所述处理模块根据输入的身高M和体重N对计算得到的目标相似度S进行补正。
进一步地,所述处理模块在进行目标区域划分时,所述处理模块获取比例缩放后目标区域自上而下的宽度D,并设置宽度突变值△D,设定△D=|Da-Db|,Da为相连区域上方区域宽度,Db为相连区域下方区域宽度,并将宽度突变值△D与第一预设突变值△D1进行比对,当△D≥△D1时,判定宽度突变值位置上方区域为头部区域,头部区域确定后,继续向下进行宽度突变值计算,并将宽度突变值△D与第二预设突变值△D2进行比对,当△D≥△D2时,判定宽度突变值位置下方区域为下身区域,并判定所述头部区域与所述下身区域的中间区域为上身区域,其中,△D1>△D2。
进一步地,在进行头部相似度判定时,所述处理模块根据对比区域边线的平均曲率A与头饰形状曲线的平均曲率A0计算曲率差△A,设定△A=|A-A0|,并将曲率差△A与预设曲率差△A0进行比对,并根据对比结果判定目标区域的头部相似度,其中,
当△A<△A0时,所述处理模块判定目标区域的头部相似度为B1,B1为预设值,0<B1<50%;
当△A0≤△A时,所述处理模块判定目标区域的头部相似度为B2,设定B2=B1×[1-(△A-△A0)/△A0]。
进一步地,所述头部相似度判定完成后,所述处理模块将输入的头发色调与所述头部区域中含有的色调进行比对,当所述头部区域中含有与输入的头发色调相同的色调时,所述处理模块将与输入的头发色调相同的区域面积占所述头部区域面积的比例C与预设色调占比C0进行比对,并根据比对结果对头部相似度Bi进行调节,其中,
当所述处理模块选取第j调节系数aj对头部相似度Bi进行调节时,设定j=1,2,调节后的头部相似度为Ba,设定Ba=Bi×aj,其中,
当C≤C0时,所述处理模块选取第一调节系数a1对Bi进行调节,a1为预设值,1<a1;
当C>C0时,所述处理模块选取第二调节系数a2对Bi进行调节,设定a2=a1×[1+(C-C0)/C0]。
进一步地,在对头部相似度Bi进行调节时,所述处理模块根据输入的头发类型选取对应的修正系数对选取的调节系数aj进行修正,其中,
当所述处理模块选取第k预设修正系数bk对调节系数aj进行修正时,设定k=1,2,修正后的调节系数为aj’,设定aj’=aj×bk,其中,
当输入的头发类型为短发时,所述处理模块选取第一预设修正系数b1对aj进行修正;
当输入的头发类型为长发时,所述处理模块选取第二预设修正系数b2对aj进行修正;
其中,修正后的头部相似度为Bb,设定Bb=Ba×bk,0<b1<1<b2。
进一步地,在进行上身相似度判定时,所述处理模块将输入的上装色调与所述上身区域中含有的色调进行比对,当所述上身区域中含有与输入的上装色调相同的色调时,所述处理模块将所述上身区域中与输入的上装色调相同的区域面积占所述上身区域面积的比例F与预设上装色调占比F0进行比对,并根据比对结果判定目标区域的上身相似度,其中,
当F≤F0时,所述处理模块判定目标区域的上身相似度为E1,E1为预设值,0<E1<60%;
当F>F0时,所述处理模块判定目标区域的上身相似度为E2,设定E2=E1×[1+(F-F0)/F0]。
进一步地,所述处理模块在对所述目标区域的上身相似度判定完成后,所述处理模块根据输入的上装类型选取对应的补偿系数对上身相似度Ei进行补偿,设定i=1,2,其中,
当所述处理模块选取第j预设补偿系数cj对上身相似度Ei进行补偿时,设定j=1,2,补偿后的上身相似度为Ei’,设定Ei’=Ei×cj,其中,
当输入的上装类型为长款时,所述处理模块选取第一预设补偿系数c1对Ei进行补偿;
当输入的上装类型为短款时,所述处理模块选取第二预设补偿系数c2对Ei进行补偿;
其中,0<c2<1<c1。
进一步地,在进行下身相似度判定时,所述处理模块将输入的下装色调与所述下身区域中含有的色调进行比对,当所述下身区域中含有与输入的下装色调相同的色调时,所述处理模块将所述下身区域中与输入的下装色调相同的区域面积占所述下身区域面积的比例G与预设下装色调占比G0进行比对,并根据比对结果判定目标区域的下身相似度,其中,
当G≤G0时,所述处理模块判定目标区域的下身相似度为H1,H1为预设值,0<H1<70%;
当G>G0时,所述处理模块判定目标区域的下身相似度为H2,设定H2=H1×[1+(G-G0)/G0]。
进一步地,在计算目标相似度时,所述处理模块根据修正后的头部相似度Bb、补偿后的上身相似度Ei’和下身相似度Hj计算目标相似度S,设定S=0.5×Bb+0.3×Ei’+0.2×Hj,j=1,2,并将计算得到的目标相似度S与预设目标相似度S0进行比对,当S≥S0时,所述处理模块判定该目标区域图像为目标图像,所述存储模块对含有该目标图像的视频帧进行存储。
进一步地,所述处理模块在计算出目标相似度S后,所述处理模块根据输入的身高M和体重N计算目标的身材配比L,设定L=M/N,身高M的计算单位为cm,体重N的计算单位为kg,并根据目标的身材配比L设置目标图像的标准高宽比Z0,设定Z0=L×P,P为比例系数,1<P<2,所述处理模块根据目标区域的最大高度R和最大宽度T计算目标区域的高宽比Z,设定Z=R/T,所述处理模块将目标区域的高宽比Z与标准高宽比Z0进行比对,并根据比对结果对目标相似度S进行补正,其中,
当所述处理模块选取第i预设补正系数fi对目标相似度S进行补正时,设定i=1,2,补正后的目标相似度为S’,设定S’=S×fi,其中,
当Z≤Z0时,所述处理模块选取第一预设补正系数f1对S进行补正;
当Z>Z0时,所述处理模块选取第二预设补正系数f2对S进行补正;
其中,0.9<f1<1<f2<1.1。
与现有技术相比,本发明的有益效果在于,所述处理模块通过设置人像曲线库,并通过人像曲线形状获取目标区域,保证对视频帧内出现的人像均进行特征比对,可有效保证进行目标捕捉时视频帧内目标捕捉的准确度,在所述目标区域确定后,通过缩放至预设像素比例,可使图像分析更加精确,进一步保证目标捕捉的准确度,从而提高目标捕捉效率,所述处理模块通过将目标区域划分为头部区域、上身区域和下身区域,再针对不同区域进行不同相似度判定,最后根据不同区域的相似度计算目标相似度,通过分区域以不同特征进行相似度判定,可有效保证相似度判定结果的准确度,从而进一步保证目标相似度计算的准确度,从而进一步提高视频帧内目标捕捉的效率;所述处理模块根据头饰种类设置头饰形状,例如眼镜、帽子等均存在不同形状,且在图像中的纹理复杂度亦不相同,通过纹理复杂度进行头部区域划分,再根据头饰形状及灰度值确定对比区域,所确定的对比区域即是头饰对应图像区域,再通过两者的曲率差比对判定头部相似度,有效保证了头部相似度判定的准确度,从而进一步提高了视频帧内目标捕捉的效率,再通过输入的头发色调和头发类型对头部相似度进行调节和修正,进一步保证了头部相似度判定的准确度,从而进一步提高了视频帧内目标捕捉的效率;在进行上身相似度判定时,通过输入的上装色调进行相似度判定,并根据输入的上装类型对上身相似度进行补偿,有效保证了上身相似度的准确度,进一步保证计算目标相似度的准确度,进一步提高了视频帧内目标捕捉的效率;在进行下身相似度判定时,通过输入的下装色调进行下身相似度判定,可有效保证下身相似度判定的准确度,从而进一步保证计算目标相似度的准确度,进一步提高了视频帧内目标捕捉的效率。
尤其,所述处理模块获取比例缩放后目标区域自上而下的宽度D,并设置宽度突变值△D,不同区域宽度存在一定差异,通过宽度突变值△D对目标区域进行划分,可有效保证划分后各区域分类的准确度,从而进一步保证目标相似度计算的准确度,进一步提高了视频帧内目标捕捉的效率。
尤其,所述处理模块通过将曲率差△A与预设曲率差△A0进行比对判定目标区域的头部相似度,有效保证了目标区域的头部相似度判定的准确度,从而进一步保证目标相似度计算的准确度,进一步提高了视频帧内目标捕捉的效率。
尤其,所述处理模块将与输入的头发色调相同的区域面积占所述头部区域面积的比例C与预设色调占比C0进行比对,并根据比对结果对头部相似度Bi进行调节,通过对头部相似度Bi进行调节,进一步保证了头部相似度的准确度,从而进一步保证目标相似度计算的准确度,进一步提高了视频帧内目标捕捉的效率。
尤其,所述处理模块根据输入的头发类型选取对应的修正系数对选取的调节系数aj进行修正,通过对调节系数aj进行修正,进一步提高了头部相似度调节的准确度,从而进一步保证目标相似度计算的准确度,进一步提高了视频帧内目标捕捉的效率。
尤其,在进行上身相似度判定时,所述处理模块通过将所述上身区域中与输入的上装色调相同的区域面积占所述上身区域面积的比例F与预设上装色调占比F0进行比对,并根据比对结果判定目标区域的上身相似度,有效保证了上身相似度判定的准确度,从而进一步保证目标相似度计算的准确度,进一步提高了视频帧内目标捕捉的效率。
尤其,所述处理模块根据输入的上装类型选取对应的补偿系数对上身相似度Ei进行补偿,通过对上身相似度Ei进行补偿,进一步保证了上身相似度的准确度,从而进一步保证目标相似度计算的准确度,进一步提高了视频帧内目标捕捉的效率。
尤其,所述处理模块通过将所述下身区域中与输入的下装色调相同的区域面积占所述下身区域面积的比例G与预设下装色调占比G0进行比对,并根据比对结果判定目标区域的下身相似度,有效保证了下身相似度判定的准确度,从而进一步保证目标相似度计算的准确度,进一步提高了视频帧内目标捕捉的效率。
尤其,所述处理模块通过将目标区域的高宽比Z与标准高宽比Z0进行比对,并根据比对结果对目标相似度S进行补正,通过对目标相似度S进行补正,进一步保证了目标相似度计算的准确度,进一步提高了视频帧内目标捕捉的效率。
附图说明
图1为本实施例基于监控设备的目标捕捉系统的结构框架图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示,其为本实施例基于监控设备的目标捕捉系统的结构框架图,本实施例所述系统包括,
输入模块,用以输入目标的头部特征、服装特征和身材特征,其与采集模块连接;所述头部特征包括头饰种类、头发颜色和类型;所述服装特征包括上装颜色和下装颜色及上装类型;所述身材特征包括身高和体重;
所述采集模块,用以采集预设时间段内摄像设备存储的视频文件,其与处理模块连接;
所述处理模块,用以从所述视频文件中获取视频帧,并对视频帧进行目标捕捉,以获取目标图像,其与存储模块连接;所述处理模块在获取视频帧时,以秒为单位获取预设时间段内所述视频文件每秒的视频帧,所述视频帧为视频在某一时刻对应的一帧图像;
所述存储模块,用以对含有目标图像的视频帧进行存储,其与输出模块连接;
所述输出模块,用以对含有目标图像的视频帧进行输出。
具体而言,所述处理模块在对所述视频帧进行目标捕捉时,所述处理模块中设置有人像曲线库,所述人像曲线库中设有若干预设人像曲线,所述处理模块将视频帧按照纹理复杂度划分为若干区域,并将相连区域的边线形状与任一人像曲线形状相同的相连区域作为目标区域。
具体而言,所述目标区域确定后,所述处理模块将目标区域放大或缩小至预设像素比例,比例缩放完成后,所述处理模块将目标区域自上而下按照宽度划分为头部区域、上身区域和下身区域,在进行区域划分时,所述处理模块获取比例缩放后目标区域自上而下的宽度D,并设置宽度突变值△D,设定△D=|Da-Db|,Da为相连区域上方区域宽度,Db为相连区域下方区域宽度,并将宽度突变值△D与第一预设突变值△D1进行比对,当△D≥△D1时,判定宽度突变值位置上方区域为头部区域,头部区域确定后,继续向下进行宽度突变值计算,并将宽度突变值△D与第二预设突变值△D2进行比对,当△D≥△D2时,判定宽度突变值位置下方区域为下身区域,并判定所述头部区域与所述下身区域的中间区域为上身区域,其中,△D1>△D2。
具体而言,本实施例所述处理模块获取比例缩放后目标区域自上而下的宽度D,并设置宽度突变值△D,不同区域宽度存在一定差异,通过宽度突变值△D对目标区域进行划分,可有效保证划分后各区域分类的准确度,从而进一步保证目标相似度计算的准确度,进一步提高了视频帧内目标捕捉的效率。
具体而言,在对所述目标区域进行区域划分后,所述处理模块根据输入的头饰种类设置头饰形状,所述处理模块再次根据图形的纹理复杂度将所述头部区域划分为若干拼接区域,并将灰度值相同的相连拼接区域作为对比区域,所述处理模块根据对比区域边线的平均曲率A与头饰形状曲线的平均曲率A0计算曲率差△A,设定△A=|A-A0|,并将曲率差△A与预设曲率差△A0进行比对,并根据对比结果判定目标区域的头部相似度,其中,
当△A<△A0时,所述处理模块判定目标区域的头部相似度为B1,B1为预设值,0<B1<50%;
当△A0≤△A时,所述处理模块判定目标区域的头部相似度为B2,设定B2=B1×[1-(△A-△A0)/△A0]。
具体而言,所述处理模块在对所述目标区域的头部相似度判定完成后,所述处理模块将输入的头发色调与所述头部区域中含有的色调进行比对,当所述头部区域中含有与输入的头发色调相同的色调时,所述处理模块将与输入的头发色调相同的区域面积占所述头部区域面积的比例C与预设色调占比C0进行比对,并根据比对结果对头部相似度Bi进行调节,其中,
当所述处理模块选取第j调节系数aj对头部相似度Bi进行调节时,设定j=1,2,调节后的头部相似度为Ba,设定Ba=Bi×aj,其中,
当C≤C0时,所述处理模块选取第一调节系数a1对Bi进行调节,a1为预设值,1<a1;
当C>C0时,所述处理模块选取第二调节系数a2对Bi进行调节,设定a2=a1×[1+(C-C0)/C0]。
具体而言,本实施例所述处理模块将与输入的头发色调相同的区域面积占所述头部区域面积的比例C与预设色调占比C0进行比对,并根据比对结果对头部相似度Bi进行调节,通过对头部相似度Bi进行调节,进一步保证了头部相似度的准确度,从而进一步保证目标相似度计算的准确度,进一步提高了视频帧内目标捕捉的效率。
具体而言,在对头部相似度Bi进行调节时,所述处理模块根据输入的头发类型选取对应的修正系数对选取的调节系数aj进行修正,其中,
当所述处理模块选取第k预设修正系数bk对调节系数aj进行修正时,设定k=1,2,修正后的调节系数为aj’,设定aj’=aj×bk,其中,
当输入的头发类型为短发时,所述处理模块选取第一预设修正系数b1对aj进行修正;
当输入的头发类型为长发时,所述处理模块选取第二预设修正系数b2对aj进行修正;
其中,修正后的头部相似度为Bb,设定Bb=Ba×bk,0<b1<1<b2。
具体而言,在对所述头部相似度Bi修正完成后,所述处理模块将输入的上装色调与所述上身区域中含有的色调进行比对,当所述上身区域中含有与输入的上装色调相同的色调时,所述处理模块将所述上身区域中与输入的上装色调相同的区域面积占所述上身区域面积的比例F与预设上装色调占比F0进行比对,并根据比对结果判定目标区域的上身相似度,其中,
当F≤F0时,所述处理模块判定目标区域的上身相似度为E1,E1为预设值,0<E1<60%;
当F>F0时,所述处理模块判定目标区域的上身相似度为E2,设定E2=E1×[1+(F-F0)/F0]。
具体而言,在进行上身相似度判定时,所述处理模块通过将所述上身区域中与输入的上装色调相同的区域面积占所述上身区域面积的比例F与预设上装色调占比F0进行比对,并根据比对结果判定目标区域的上身相似度,有效保证了上身相似度判定的准确度,从而进一步保证目标相似度计算的准确度,进一步提高了视频帧内目标捕捉的效率。
具体而言,所述处理模块在对所述目标区域的上身相似度判定完成后,所述处理模块根据输入的上装类型选取对应的补偿系数对上身相似度Ei进行补偿,设定i=1,2,其中,
当所述处理模块选取第j预设补偿系数cj对上身相似度Ei进行补偿时,设定j=1,2,补偿后的上身相似度为Ei’,设定Ei’=Ei×cj,其中,
当输入的上装类型为长款时,所述处理模块选取第一预设补偿系数c1对Ei进行补偿;
当输入的上装类型为短款时,所述处理模块选取第二预设补偿系数c2对Ei进行补偿;
其中,0<c2<1<c1。
具体而言,在对所述上身相似度Ei补偿完成后,所述处理模块将输入的下装色调与所述下身区域中含有的色调进行比对,当所述下身区域中含有与输入的下装色调相同的色调时,所述处理模块将所述下身区域中与输入的下装色调相同的区域面积占所述下身区域面积的比例G与预设下装色调占比G0进行比对,并根据比对结果判定目标区域的下身相似度,其中,
当G≤G0时,所述处理模块判定目标区域的下身相似度为H1,H1为预设值,0<H1<70%;
当G>G0时,所述处理模块判定目标区域的下身相似度为H2,设定H2=H1×[1+(G-G0)/G0]。
具体而言,本实施例所述处理模块通过将所述下身区域中与输入的下装色调相同的区域面积占所述下身区域面积的比例G与预设下装色调占比G0进行比对,并根据比对结果判定目标区域的下身相似度,有效保证了下身相似度判定的准确度,从而进一步保证目标相似度计算的准确度,进一步提高了视频帧内目标捕捉的效率。
具体而言,所述处理模块在对所述目标区域的下身相似度判定完成后,所述处理模块根据修正后的头部相似度Bb、补偿后的上身相似度Ei’和下身相似度Hj计算目标相似度S,设定S=0.5×Bb+0.3×Ei’+0.2×Hj,j=1,2,并将计算得到的目标相似度S与预设目标相似度S0进行比对,当S≥S0时,所述处理模块判定该目标区域图像为目标图像,所述存储模块对含有该目标图像的视频帧进行存储。
具体而言,所述处理模块在计算出目标相似度S后,所述处理模块根据输入的身高M和体重N计算目标的身材配比L,设定L=M/N,身高M的计算单位为cm,体重N的计算单位为kg,并根据目标的身材配比L设置目标图像的标准高宽比Z0,设定Z0=L×P,P为比例系数,1<P<2,所述处理模块根据目标区域的最大高度R和最大宽度T计算目标区域的高宽比Z,设定Z=R/T,所述处理模块将目标区域的高宽比Z与标准高宽比Z0进行比对,并根据比对结果对目标相似度S进行补正,其中,
当所述处理模块选取第i预设补正系数fi对目标相似度S进行补正时,设定i=1,2,补正后的目标相似度为S’,设定S’=S×fi,其中,
当Z≤Z0时,所述处理模块选取第一预设补正系数f1对S进行补正;
当Z>Z0时,所述处理模块选取第二预设补正系数f2对S进行补正;
其中,0.9<f1<1<f2<1.1。
具体而言,本实施例所述处理模块通过将目标区域的高宽比Z与标准高宽比Z0进行比对,并根据比对结果对目标相似度S进行补正,通过对目标相似度S进行补正,进一步保证了目标相似度计算的准确度,进一步提高了视频帧内目标捕捉的效率。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种基于监控设备的目标捕捉系统,其特征在于,包括,
输入模块,用以输入目标的头部特征、服装特征和身材特征,其与采集模块连接;
所述采集模块,用以采集预设时间段内摄像设备存储的视频文件,其与处理模块连接;
所述处理模块,用以从所述视频文件中获取视频帧,并对视频帧进行目标捕捉,以获取目标图像,其与存储模块连接;
所述存储模块,用以对含有目标图像的视频帧进行存储,其与输出模块连接;
所述输出模块,用以对含有目标图像的视频帧进行输出;
所述处理模块的目标捕捉过程包括,所述处理模块中设置有人像曲线库,所述人像曲线库中设有若干预设人像曲线,所述处理模块将视频帧按照纹理复杂度划分为若干区域,并将相连区域的边线形状与任一人像曲线形状相同的相连区域作为目标区域,目标区域确定后,所述处理模块将目标区域放大或缩小至预设像素比例,比例缩放完成后,所述处理模块将目标区域自上而下按照宽度划分为头部区域、上身区域和下身区域;
在对所述目标区域进行区域划分后,所述处理模块首先确定头部相似度,所述处理模块根据输入的头饰种类设置头饰形状,再根据图形的纹理复杂度将所述头部区域划分为若干拼接区域,并将灰度值相同的相连拼接区域作为对比区域,所述处理模块通过计算曲率差△A判定目标区域的头部相似度,头部相似度判定完成后,所述处理模块根据输入的头发色调计算色调占比,并以此对头部相似度进行调节,在进行调节时,所述处理模块根据输入的头发类型对选取的调节系数进行修正;
在所述头部相似度确定后,所述处理模块进行上身相似度判定,所述处理模块根据输入的上装色调计算上身色调占比,并以此判定目标区域的上身相似度,上身相似度判定完成后,所述处理模块根据输入的上装类型对上身相似度进行补偿;
在所述上身相似度确定后,所述处理模块进行下身相似度判定,所述处理模块根据输入的下装色调计算下身色调占比,并以此判定目标区域的下身相似度;
在所述下身相似度确定后,所述处理模块根据修正后的头部相似度、补偿后的上身相似度和下身相似度计算目标相似度S,并根据目标相似度S值判定目标区域是否为目标图像,若是则对包含目标图像的视频帧进行存储和输出,在计算目标相似度S时,所述处理模块根据输入的身高M和体重N对计算得到的目标相似度S进行补正。
2.根据权利要求1所述的基于监控设备的目标捕捉系统,其特征在于,所述处理模块在进行目标区域划分时,所述处理模块获取比例缩放后目标区域自上而下的宽度D,并设置宽度突变值△D,设定△D=|Da-Db|,Da为相连区域上方区域宽度,Db为相连区域下方区域宽度,并将宽度突变值△D与第一预设突变值△D1进行比对,当△D≥△D1时,判定宽度突变值位置上方区域为头部区域,头部区域确定后,继续向下进行宽度突变值计算,并将宽度突变值△D与第二预设突变值△D2进行比对,当△D≥△D2时,判定宽度突变值位置下方区域为下身区域,并判定所述头部区域与所述下身区域的中间区域为上身区域,其中,△D1>△D2。
3.根据权利要求1所述的基于监控设备的目标捕捉系统,其特征在于,在进行头部相似度判定时,所述处理模块根据对比区域边线的平均曲率A与头饰形状曲线的平均曲率A0计算曲率差△A,设定△A=|A-A0|,并将曲率差△A与预设曲率差△A0进行比对,并根据对比结果判定目标区域的头部相似度,其中,
当△A<△A0时,所述处理模块判定目标区域的头部相似度为B1,B1为预设值,0<B1<50%;
当△A0≤△A时,所述处理模块判定目标区域的头部相似度为B2,设定B2=B1×[1-(△A-△A0)/△A0]。
4.根据权利要求3所述的基于监控设备的目标捕捉系统,其特征在于,所述头部相似度判定完成后,所述处理模块将输入的头发色调与所述头部区域中含有的色调进行比对,当所述头部区域中含有与输入的头发色调相同的色调时,所述处理模块将与输入的头发色调相同的区域面积占所述头部区域面积的比例C与预设色调占比C0进行比对,并根据比对结果对头部相似度Bi进行调节,其中,
当所述处理模块选取第j调节系数aj对头部相似度Bi进行调节时,设定j=1,2,调节后的头部相似度为Ba,设定Ba=Bi×aj,其中,
当C≤C0时,所述处理模块选取第一调节系数a1对Bi进行调节,a1为预设值,1<a1;
当C>C0时,所述处理模块选取第二调节系数a2对Bi进行调节,设定a2=a1×[1+(C-C0)/C0]。
5.根据权利要求4所述的基于监控设备的目标捕捉系统,其特征在于,在对头部相似度Bi进行调节时,所述处理模块根据输入的头发类型选取对应的修正系数对选取的调节系数aj进行修正,其中,
当所述处理模块选取第k预设修正系数bk对调节系数aj进行修正时,设定k=1,2,修正后的调节系数为aj’,设定aj’=aj×bk,其中,
当输入的头发类型为短发时,所述处理模块选取第一预设修正系数b1对aj进行修正;
当输入的头发类型为长发时,所述处理模块选取第二预设修正系数b2对aj进行修正;
其中,修正后的头部相似度为Bb,设定Bb=Ba×bk,0<b1<1<b2。
6.根据权利要求1所述的基于监控设备的目标捕捉系统,其特征在于,在进行上身相似度判定时,所述处理模块将输入的上装色调与所述上身区域中含有的色调进行比对,当所述上身区域中含有与输入的上装色调相同的色调时,所述处理模块将所述上身区域中与输入的上装色调相同的区域面积占所述上身区域面积的比例F与预设上装色调占比F0进行比对,并根据比对结果判定目标区域的上身相似度,其中,
当F≤F0时,所述处理模块判定目标区域的上身相似度为E1,E1为预设值,0<E1<60%;
当F>F0时,所述处理模块判定目标区域的上身相似度为E2,设定E2=E1×[1+(F-F0)/F0]。
7.根据权利要求6所述的基于监控设备的目标捕捉系统,其特征在于,所述处理模块在对所述目标区域的上身相似度判定完成后,所述处理模块根据输入的上装类型选取对应的补偿系数对上身相似度Ei进行补偿,设定i=1,2,其中,
当所述处理模块选取第j预设补偿系数cj对上身相似度Ei进行补偿时,设定j=1,2,补偿后的上身相似度为Ei’,设定Ei’=Ei×cj,其中,
当输入的上装类型为长款时,所述处理模块选取第一预设补偿系数c1对Ei进行补偿;
当输入的上装类型为短款时,所述处理模块选取第二预设补偿系数c2对Ei进行补偿;
其中,0<c2<1<c1。
8.根据权利要求1所述的基于监控设备的目标捕捉系统,其特征在于,在进行下身相似度判定时,所述处理模块将输入的下装色调与所述下身区域中含有的色调进行比对,当所述下身区域中含有与输入的下装色调相同的色调时,所述处理模块将所述下身区域中与输入的下装色调相同的区域面积占所述下身区域面积的比例G与预设下装色调占比G0进行比对,并根据比对结果判定目标区域的下身相似度,其中,
当G≤G0时,所述处理模块判定目标区域的下身相似度为H1,H1为预设值,0<H1<70%;
当G>G0时,所述处理模块判定目标区域的下身相似度为H2,设定H2=H1×[1+(G-G0)/G0]。
9.根据权利要求1所述的基于监控设备的目标捕捉系统,其特征在于,在计算目标相似度时,所述处理模块根据修正后的头部相似度Bb、补偿后的上身相似度Ei’和下身相似度Hj计算目标相似度S,设定S=0.5×Bb+0.3×Ei’+0.2×Hj,j=1,2,并将计算得到的目标相似度S与预设目标相似度S0进行比对,当S≥S0时,所述处理模块判定该目标区域图像为目标图像,所述存储模块对含有该目标图像的视频帧进行存储。
10.根据权利要求9所述的基于监控设备的目标捕捉系统,其特征在于,所述处理模块在计算出目标相似度S后,所述处理模块根据输入的身高M和体重N计算目标的身材配比L,设定L=M/N,身高M的计算单位为cm,体重N的计算单位为kg,并根据目标的身材配比L设置目标图像的标准高宽比Z0,设定Z0=L×P,P为比例系数,1<P<2,所述处理模块根据目标区域的最大高度R和最大宽度T计算目标区域的高宽比Z,设定Z=R/T,所述处理模块将目标区域的高宽比Z与标准高宽比Z0进行比对,并根据比对结果对目标相似度S进行补正,其中,
当所述处理模块选取第i预设补正系数fi对目标相似度S进行补正时,设定i=1,2,补正后的目标相似度为S’,设定S’=S×fi,其中,
当Z≤Z0时,所述处理模块选取第一预设补正系数f1对S进行补正;
当Z>Z0时,所述处理模块选取第二预设补正系数f2对S进行补正;
其中,0.9<f1<1<f2<1.1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110825995.5A CN113269177B (zh) | 2021-07-21 | 2021-07-21 | 一种基于监控设备的目标捕捉系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110825995.5A CN113269177B (zh) | 2021-07-21 | 2021-07-21 | 一种基于监控设备的目标捕捉系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113269177A CN113269177A (zh) | 2021-08-17 |
CN113269177B true CN113269177B (zh) | 2021-09-14 |
Family
ID=77236997
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110825995.5A Active CN113269177B (zh) | 2021-07-21 | 2021-07-21 | 一种基于监控设备的目标捕捉系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269177B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114119491B (zh) * | 2021-10-29 | 2022-09-13 | 吉林医药学院 | 一种基于医学图像分析的数据处理系统 |
CN114549706A (zh) * | 2022-02-21 | 2022-05-27 | 成都工业学院 | 一种动画生成方法及动画生成装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020198A (zh) * | 2012-11-30 | 2013-04-03 | 杭州易尊数字科技有限公司 | 一种在视频中搜索目标的方法 |
CN107452113A (zh) * | 2017-08-09 | 2017-12-08 | 郝建 | 具有人脸识别功能的智能准入系统 |
CN108805048A (zh) * | 2018-05-25 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 一种人脸识别模型的调整方法、装置和存储介质 |
CN111814690A (zh) * | 2020-07-09 | 2020-10-23 | 浙江大华技术股份有限公司 | 一种目标重识别方法、装置和计算机可读存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2634225C1 (ru) * | 2016-06-20 | 2017-10-24 | Общество с ограниченной ответственностью "САТЕЛЛИТ ИННОВАЦИЯ" (ООО "САТЕЛЛИТ") | Способы и системы поиска объекта в видеопотоке |
US10891509B2 (en) * | 2017-10-27 | 2021-01-12 | Avigilon Corporation | Method and system for facilitating identification of an object-of-interest |
-
2021
- 2021-07-21 CN CN202110825995.5A patent/CN113269177B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020198A (zh) * | 2012-11-30 | 2013-04-03 | 杭州易尊数字科技有限公司 | 一种在视频中搜索目标的方法 |
CN107452113A (zh) * | 2017-08-09 | 2017-12-08 | 郝建 | 具有人脸识别功能的智能准入系统 |
CN108805048A (zh) * | 2018-05-25 | 2018-11-13 | 腾讯科技(深圳)有限公司 | 一种人脸识别模型的调整方法、装置和存储介质 |
CN111814690A (zh) * | 2020-07-09 | 2020-10-23 | 浙江大华技术股份有限公司 | 一种目标重识别方法、装置和计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
Face Detection in Security Monitoring Based on Artificial Intelligence Video Retrieval Technology;Dong, Zuolin等;《IEEE ACCESS》;20200415;第8卷;第63421-63433页 * |
静态图像中的正面人体分割算法研究;孙智鹏;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20100715(第7期);第I138-937页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113269177A (zh) | 2021-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113269177B (zh) | 一种基于监控设备的目标捕捉系统 | |
CN111402135B (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
US7689034B2 (en) | Learning method for detectors, face detection method, face detection apparatus, and face detection program | |
US8374458B2 (en) | Tone correcting method, tone correcting apparatus, tone correcting program, and image equipment | |
US8355574B2 (en) | Determination of main object on image and improvement of image quality according to main object | |
US8605955B2 (en) | Methods and apparatuses for half-face detection | |
CN107016647B (zh) | 全景图像色调一致性纠正方法及系统 | |
CN107800965B (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
US20100027072A1 (en) | Image Processing Apparatus, Image Processing Method, Image Processing Program, and Printing Apparatus | |
CN107818305A (zh) | 图像处理方法、装置、电子设备和计算机可读存储介质 | |
US20070036429A1 (en) | Method, apparatus, and program for object detection in digital image | |
EP1703436A2 (en) | Image processing system, image processing apparatus and method, recording medium, and program | |
JP3959909B2 (ja) | ホワイトバランス調整方法及び調整装置 | |
CN107862663A (zh) | 图像处理方法、装置、可读存储介质和计算机设备 | |
CN107730444A (zh) | 图像处理方法、装置、可读存储介质和计算机设备 | |
CN107451969A (zh) | 图像处理方法、装置、移动终端及计算机可读存储介质 | |
CN107993209A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN108022207A (zh) | 图像处理方法、装置、存储介质和电子设备 | |
CN109711268B (zh) | 一种人脸图像筛选方法及设备 | |
US20230059499A1 (en) | Image processing system, image processing method, and non-transitory computer readable medium | |
CN113255706B (zh) | 一种基于卷积神经网络算法的目标识别方法及系统 | |
US20060159340A1 (en) | Digital image photographing apparatus and method | |
CN107909542A (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
CN107845076A (zh) | 图像处理方法、装置、计算机可读存储介质和计算机设备 | |
JP4496005B2 (ja) | 画像処理方法および画像処理装置 |
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 |