CN113487652A - 安防监控方法、安防监控设备、存储介质以及计算机设备 - Google Patents
安防监控方法、安防监控设备、存储介质以及计算机设备 Download PDFInfo
- Publication number
- CN113487652A CN113487652A CN202110694772.XA CN202110694772A CN113487652A CN 113487652 A CN113487652 A CN 113487652A CN 202110694772 A CN202110694772 A CN 202110694772A CN 113487652 A CN113487652 A CN 113487652A
- Authority
- CN
- China
- Prior art keywords
- radar
- initial
- camera
- acquiring
- moving object
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请公开了一种安防监控方法、安防监控设备、存储介质和计算机设备,其中方法包括:在雷达监测到移动物体时,开启摄像头,以通过摄像头获取移动物体的实时图像;获取系统级芯片当前的剩余处理能力;在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上,在剩余处理能力大于或等于预设处理能力时,关闭雷达,系统级芯片根据摄像头获取的实时图像获取移动物体的第二位置信息,并将第二位置信息展示在实时图像上,提高了安防监控设备的监控效果。
Description
技术领域
本申请涉及安防技术领域,具体而言,涉及一种安防监控方法、安防监控设备、存储介质和计算机设备。
背景技术
随着安防意识的提高,安防监控设备越来越普及,且大部分的安防监控设备都会包括监控摄像头以及系统级芯片,其中,系统级芯片可以根据监控摄像头获取的图像数据获取监控范围内的移动物体的位置信息。而由于系统级芯片的数据处理能力有限,当系统级芯片被占用的数据处理能力较多时,如果继续使用系统级芯片获取被监控的移动物体的实时位置信息,会降低系统级芯片的数据处理效率,从而降低系统级芯片对监控摄像头获取的图像数据的处理效率,使之无法及时获取被监控对象的位置信息,进而影响安防监控设备的监控效果。
发明内容
本申请提供一种安防监控方法、安防监控设备、存储介质以及计算机设备,可以解决如何在系统级芯片可用的数据处理能力不足时,及时获取被监控对象的位置信息的技术问题。
第一方面,本申请实施例提供一种安防监控方法,应用于安防监控设备,安防监控设备包括雷达、摄像头以及系统级芯片,该方法包括:
在雷达监测到移动物体时,开启摄像头,以通过摄像头获取移动物体的实时图像;
获取系统级芯片当前的剩余处理能力;
在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上;
在剩余处理能力大于或等于预设处理能力时,关闭雷达,系统级芯片根据摄像头获取的实时图像获取移动物体的第二位置信息,并将第二位置信息展示在实时图像上。
通过雷达监测移动物体,并在监测到移动物体后,获取系统级芯片当前的剩余处理能力,在系统级芯片的剩余处理能力充足时,关闭雷达,再通过摄像头获取移动物体的监控数据,从而在通过摄像头获取准确性更高的监控数据的同时,通过关闭雷达来降低安防监控设备的能耗,或者在系统级芯片当前的剩余处理能力不足时,直接通过雷达获取移动物体的位置信息并展示在实时图像上,从而使得用户及时得到安防监控设备当前的监控数据,进而提高安防监控设备的监控效果。
可选的,在雷达监测到移动物体时,开启摄像头之前,还包括:
获取雷达当前接收到的第一反射信号,并根据第一反射信号确定雷达的监测范围中是否存在预设物体;
获取雷达当前接收到的第一反射信号,并根据第一反射信号确定雷达的监测范围中是否存在预设物体;
在存在预设物体时,获取预设物体的第一雷达坐标,并根据雷达上一次接收到的第二反射信号获取预设物体对应的第二雷达坐标;
基于第一雷达坐标以及第二雷达坐标获取预设物体的移动距离;
在移动距离大于或等于预设距离时,判定雷达监测到移动物体。
通过雷达当前接收到的第一反射信号以及上一次接收到的第二反射信号来判断雷达监测范围内是否存在移动物体,以通过雷达及时向安防监控设备发送提示信息,从而及时开启安防监控设备,在保证安防监控设备的监控效果的前提下,节省安防监控设备的功耗。
可选的,定时获取系统级芯片当前的剩余处理能力;
在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上,包括:
在剩余处理能力小于预设处理能力时,开启雷达;
通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上。
通过定时获取系统级芯片的当前剩余处理能力,以及时的切换位置信息的获取方式,提高安防监控系统的监控效果。
可选的,系统级芯片根据摄像头获取的实时图像获取移动物体的第二位置信息,并将第二位置信息展示在实时图像上,包括:
获取摄像头采集的实时图像;
通过系统级芯片对实时图像进行图像预处理,并识别实时图像中的移动物体;
基于图像预处理后的实时图像获取移动物体的物体轮廓;
获取物体轮廓对应的物体中心点;
获取物体中心点与摄像头对应的像素点之间的第二目标左右偏移量,第二目标左右偏移量为移动物体与摄像头在左右方向上的距离;
获取物体中心点与摄像头对应的像素点之间的目标上下偏移量,目标上下偏移量为移动物体与摄像头在上下方向上的距离;
将第二目标左右偏移量与目标上下偏移量作为移动物体的第二位置信息;
将第二位置信息展示在实时图像上。
通过对实时图像进行图像预处理以及轮廓识别来获取待测物的物体轮廓,然后确定根据物体轮廓确定待测物的物体中心点,得到该物体中心点的坐标,最后使用物体中心点的坐标来表示待测物的位置,由于物体中心点为待测物的中心位置,该位置能准确的表述待测物所在的位置,从而提高了获取的待测物的位置信息的准确率。
可选的,通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上,包括:
通过雷达获取移动物体的当前位置参数,当前位置参数包括移动物体与雷达之间的距离、夹角以及夹角所处的夹角方位;
根据当前位置参数获取移动物体的第一位置信息;
基于第一位置信息与预先得到的位置误差,对第一位置信息进行校准;
将校准后的第一位置信息展示在实时图像上。
通过雷达获取移动物体的位置信息,然后对得到的位置信息进行误差处理,以提高获取的移动物体的位置信息的准确率。
可选的,根据当前位置参数获取移动物体的第一位置信息,包括:
获取预设角度与夹角之间的角度差;
将夹角方位、距离以及角度差的正弦值之间的乘积作为移动物体与雷达之间的第一目标左右偏移量;
将距离以及角度差的余弦值之间的乘积作为移动物体与雷达之间的目标前后偏移量;
将获取的第一目标左右偏移量以及目标前后偏移量作为移动物体的第一位置信息。
由于雷达探测范围是以雷达所在位置为极点的极坐标系,通过雷达获取的位置参数为极坐标参数,则将通过雷达获取的极坐标参数转化为以雷达所在位置为原点的直角坐标系对应的位置坐标,使得通过雷达获取的坐标与通过摄像头获取的坐标至少存在一个位于相同维度的坐标,在从摄像头切换至雷达或从雷达切换至摄像头时,保证获取的位置信息的连续性。
可选的,在雷达监测到移动物体时,开启摄像头,以通过摄像头获取移动物体的实时图像之前,还包括:
通过摄像头采集待测物的初始图像,获取待测物在初始图像中的第一初始坐标;
通过雷达获取待测物的初始位置参数,初始位置参数包括待测物与雷达之间的初始距离、初始夹角以及初始夹角所处的初始夹角方位;
根据初始位置参数获取待测物的第二初始坐标;
基于第一初始坐标以及第二初始坐标计算位置误差。
由于分别通过摄像头以及雷达获取待测物的位置坐标,然后获取通过摄像头获取的位置坐标与通过雷达获取的位置坐标之间的位置误差,以在以应用过程中,将通过雷达获取的位置坐标归一至通过摄像头获取的位置坐标,即通过雷达获取的位置信息与通过摄像头获取的位置信息中,相同维度的位置坐标保持一致,从而提高获取的移动物体的位置信息的准确率。
可选的,获取待测物在初始图像中的第一初始坐标,包括:
通过系统级芯片对初始图像进行图像预处理;
基于图像预处理后的初始图像获取待测物的物体轮廓;
获取物体轮廓对应的物体中心点;
获取物体中心点与摄像头对应的像素点之间的第一左右偏移量,第一左右偏移量为待测物与摄像头在左右方向上的距离;
获取物体中心点与摄像头对应的像素点之间的上下偏移量,上下偏移量为待测物与摄像头在上下方向上的距离;
将第一左右偏移量与上下偏移量作为待测物在初始图像中的第一初始坐标。
通过对初始图像进行图像预处理以及轮廓识别来获取待测物的物体轮廓,然后确定根据物体轮廓确定待测物的物体中心点,得到该物体中心点的坐标,最后使用物体中心点的坐标来表示待测物的位置,由于物体中心点为待测物的中心位置,该位置能准确的表述待测物所在的位置,从而提高了获取的待测物的位置信息的准确率。
可选的,根据初始位置参数获取待测物的第二初始坐标,包括:
获取预设角度与初始夹角之间的初始角度差;
将初始夹角方位、初始距离以及初始角度差的正弦值之间的乘积作为待测物与雷达之间的第二左右偏移量,第二左右偏移量为待测物与雷达在左右方向上的距离;
将初始距离以及初始角度差的余弦值之间的乘积作为待测物与雷达之间的前后偏移量,前后偏移量为待测物与雷达在前后方向上的距离;
将第二左右偏移量以及前后偏移量作为初始图像中的第二初始坐标。
由于雷达探测范围是以雷达所在位置为极点的极坐标系,通过雷达获取的位置参数为极坐标参数,则将通过雷达获取的极坐标参数转化为以雷达所在位置为原点的直角坐标系对应的位置坐标,使得通过雷达获取的坐标与通过摄像头获取的坐标至少存在一个位于相同维度的坐标,在从摄像头切换至雷达或从雷达切换至摄像头时,保证获取的位置信息的连续性。
可选的,基于第一初始坐标以及第二初始坐标计算位置误差,包括:
获取第一初始坐标中的第一左右偏移量与第二初始坐标中的第二左右偏移量之间的第一差值,并将第一差值作为位置误差。
由于可以先获取通过摄像头获取的位置坐标与通过雷达获取的位置坐标在相同维度上的坐标差值,再将得到的差值作为位置误差,以在以应用过程中,使得通过雷达获取的位置信息与通过摄像头获取的位置信息中,相同维度的位置坐标保持一致,从而提高获取的移动物体的位置信息的准确率。
可选的,初始图像包括至少两帧初始图像帧,不同的初始图像帧对应有不同的第一初始坐标,不同的初始图像帧对应不同的采集时刻,不同的采集时刻对应不同的第二初始坐标,基于第一初始坐标以及第二初始坐标计算位置误差,包括:
遍历各采集时刻对应的第一初始坐标与第二初始坐标;
在当前遍历的采集时刻为第一个采集时刻时,将第一初始坐标中的第一左右偏移量与第二初始坐标中的第二左右偏移量之间的第二差值作为当前采集时刻的位置误差;
在当前遍历的采集时刻不为第一个采集时刻时,基于第二初始坐标与上一采集时刻对应的位置误差,对第二初始坐标进行校准,得到校准后的第二初始坐标;
获取第一初始坐标中的第一左右偏移量与校准后的第二初始坐标中的第二左右偏移量之间的第二差值;
根据第二差值对上一采集时刻对应的位置误差进行优化,并将优化后的位置误差作为当前采集时刻的位置误差;
当所有的采集时刻遍历完成时,将最后一个采集时刻得到的位置误差作为最终的位置误差。
由于在训练位置误差时,先获取多组第一初始坐标和第二初始坐标,然后根据每组初始坐标进行训练,即根据上一训练阶段得到的位置误差对第二初始坐标进行校准,再计算校准后的第二初始坐标与对应的第一初始坐标在相同维度之间的误差,最后根据得到的误差更新上一训练阶段得到的位置误差,从而得到当前训练阶段的位置误差,以通过多次的误差处理、误差更新过程,不断优化得到的位置误差,得到准确率更高的位置误差。
第二方面,本申请实施例提供一种安防监控设备,包括:
图像获取模块,用于在安防监控设备的雷达监测到移动物体时,开启安防监控设备的摄像头,以通过摄像头获取移动物体的实时图像;
能力获取模块,用于获取安防监控设备的系统级芯片当前的剩余处理能力;
第一位置获取模块,用于在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上。
第二位置获取模块,用于在剩余处理能力大于或等于预设处理能力时,关闭雷达,系统级芯片根据摄像头获取的实时图像获取移动物体的第二位置信息,并将第二位置信息展示在实时图像上。
通过摄像头获取移动物体的实时图像,并在系统级芯片当前的剩余处理能力不足时,通过雷达获取移动物体的位置信息并展示在实时图像上,从而使得用户及时得到安防监控设备当前的监控数据,进而提高安防监控设备的监控效果,或者通过摄像头获取移动物体的实时图像,并在系统级芯片当前的剩余处理能力足够时,继续通过摄像头获取的实时图像来获取移动物体的位置信息,得到准确性更高的位置信息,即相对于通过雷达获取的位置信息来说,通过摄像头获取的位置信息无需误差处理的过程,因而准确性更高,也因此使得用户及时得到更准确的,安防监控设备当前的监控数据,进而提高安防监控设备的监控效果。
第三方面,本申请实施例提供一种存储介质,存储介质存储有计算机程序,计算机程序适于由处理器加载并执行上述方法的步骤。
第四方面,本申请实施例提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述的方法的步骤。
在本申请实施例中,通过在雷达监测到移动物体时,开启摄像头,并通过摄像头获取移动物体的实时图像,然后获取系统级芯片当前的剩余处理能力,在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的位置信息,并将得到的位置信息展示在实时图像上。采用本申请,通过雷达监测移动物体,并在监测到移动物体后,获取系统级芯片当前的剩余处理能力,在系统级芯片的剩余处理能力充足时,关闭雷达,再通过摄像头获取移动物体的监控数据,在剩余处理能力大于或等于预设处理能力时,关闭雷达,系统级芯片根据摄像头获取的实时图像获取移动物体的第二位置信息,并将第二位置信息展示在实时图像上。从而在通过摄像头获取准确性更高的监控数据的同时,通过关闭雷达来降低安防监控设备的能耗,或者在系统级芯片当前的剩余处理能力不足时,直接通过雷达获取移动物体的位置信息并展示在实时图像上,从而使得用户及时得到安防监控设备当前的监控数据,进而提高安防监控设备的监控效果。
附图说明
为了更清楚地说明本申请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申请的一些实施例,对于本领域技术人员来讲,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为本申请实施例提供的一种安防监控方法的流程示意图;
图2为本申请实施例提供的一种安防监控方法的流程示意图;
图3为本申请实施例提供的一种安防监控方法的流程示意图;
图4为本申请实施例提供的一种雷达的探测范围示意图;
图5为本申请实施例提供的一种获取第一位置信息的流程示意图;
图6为本申请实施例提供的一种获取第二位置信息的流程示意图;
图7为本申请实施例提供的一种初始图像的示意图;
图8为本申请实施例提供的一种预处理后的初始图像的示意图;
图9为本申请实施例提供的一种待测物的示意图;
图10为本申请实施例提供的一种待识别图像的示意图;
图11为本申请实施例提供的一种安防监控方法的流程示意图;
图12为本申请实施例提供的一种安防监控设备的监控范围示意图;
图13为本申请实施例提供的一种获取第一初始坐标的流程示意图;
图14为本申请实施例提供的一种获取第二初始坐标的流程示意图;
图15为本申请实施例提供的一种获取位置误差的流程示意图;
图16为本申请实施例提供的一种安防监控设备的结构示意图;
图17为本申请实施例提供的一种安防监控设备的硬件架构示意图;
图18为本申请实施例提供的一种监控装置的硬件架构示意图;
图19是本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使得本申请的特征和优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而非全部实施例。基于本申请中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。附图中所示的流程图仅是示例性说明,不是必须按照所示步骤执行。例如,有的步骤是并列的,在逻辑上并没有严格的先后关系,因此实际执行顺序是可变的。另外,术语“第一”、“第二”、“第三”、“第四”、“第五”、“第六”、“第七”、“第八”仅是为了区分的目的,不应作为本公开内容的限制。
本申请实施例公开的安防监控方法和安防监控设备可以应用于安防技术领域,例如道路监控系统、家庭监控系统等,也可以应用于机房监控系统,通过机房监控系统中的雷达监测监控环境中是否存在移动物体,并在雷达监测到移动物体后,开启摄像头,以通过摄像头获取移动物体的实时图像,然后获取机房监控系统的系统级芯片的剩余处理能力,并在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的位置信息,并将得到的位置信息展示在实时图像上。安防监控设备,可以包括但不限于交互式平板、手机、个人电脑、笔记本电脑等,包括摄像头以及雷达,或与摄像头以及雷达连接的终端设备。
在本申请实施例中,通过在雷达监测到移动物体时,开启摄像头,并通过摄像头获取移动物体的实时图像,然后获取系统级芯片当前的剩余处理能力,在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的位置信息,并将得到的位置信息展示在实时图像上。采用本申请,通过雷达监测移动物体,并在监测到移动物体后,获取系统级芯片当前的剩余处理能力,在系统级芯片的剩余处理能力充足时,关闭雷达,再通过摄像头获取移动物体的监控数据,在剩余处理能力大于或等于预设处理能力时,关闭雷达,系统级芯片根据摄像头获取的实时图像获取移动物体的第二位置信息,并将第二位置信息展示在实时图像上。从而在通过摄像头获取准确性更高的监控数据的同时,通过关闭雷达来降低安防监控设备的能耗,或者在系统级芯片当前的剩余处理能力不足时,直接通过雷达获取移动物体的位置信息并展示在实时图像上,从而使得用户及时得到安防监控设备当前的监控数据,进而提高安防监控设备的监控效果。
下面将结合图1~图15,对本申请实施例提供的安防监控方法进行详细介绍。
请参见图1,为本申请实施例提供了一种安防监控方法的流程示意图。如图1所示,方法可以包括以下步骤S101~步骤S104。
S101,在雷达监测到移动物体时,开启摄像头,以通过摄像头获取移动物体的实时图像。
具体的,雷达可以是组成安防监控设备的探测装置,也可以是与安防监控设备连接的探测装置,在雷达与安防监控设备为连接关系时,雷达获取的探测信息可以发送至安防监控设备。其中,雷达可以利用电磁波探测移动物体,即通过发射电磁波对移动物体进行照射,并接收反射回来的电磁波,以获取移动物体的信息,如位置信息、运动信息等。雷达可以但不限定于毫米波雷达等。移动物体为安防监控设备的监控范围内正在移动的物体,移动物体可以但不限定于包括车辆、飞行器、人体、动物等。摄像头可以是组成安防监控设备的摄像装置,也可以是与安防监控设备连接的摄像装置,在摄像头与安防监控设备为连接关系时,摄像头获取的图像数据可以发送至安防监控设备。
安防监控设备处于省电模式或休眠模式时,安防监控设备的摄像头、蜂鸣器等监控器件全部处于关闭状态,而雷达处于开启状态,并持续监测当前监控范围内是否存在移动物体。具体来说,雷达以低功耗扫描模式进行扫描,在低功耗扫描模式下,雷达的扫描频率较低,示例性地,雷达的扫描频率可以是一秒钟扫描一次。雷达在进行扫描时,可以获取处于扫描范围内各个物体的位置信息以及运动信息,其中,位置信息可以包括物体与雷达之前的距离、夹角、夹角方位、高度等,运动信息可以包括径向速度,该径向速度根据距离变化率计算得到。在雷达的扫描范围内存在径向速度大于预设速度的物体时,判定雷达监测到移动物体,其中,预设速度可以为零。雷达向系统级芯片发送监测到移动物体的提示消息,并停止扫描/监测移动物体。系统级芯片接收到雷达发送的提示消息后,向摄像头发送开启指令,摄像头在接收到开启指令后,启动并开始获取拍摄范围内的实时图像,以通过摄像头获取当前的实时图像作为监控画面保存;可以理解的是,当安防监控设备的摄像头的采光孔前方存在滑盖时,系统级芯片还会生成开启滑盖指令,以使滑盖的控制装置在接收到滑盖开启指令时,开启滑盖,即使滑盖从遮盖摄像头的位置滑动至不遮盖摄像头的位置。
S102,获取系统级芯片当前的剩余处理能力。
具体的,系统级芯片是指系统级芯片(SoC,System on Chip),该系统级芯片具有数字信号处理能力、模拟信号处理能力以及混合信号处理能力,由于图像数据、音频数据等都是数字信号,则可以理解的是,系统级芯片具有图像处理能力、音频处理能力等。由于系统级芯片的数据处理能力是有限的,且该数据处理能力可被量化,则剩余处理能力为系统级芯片的最大数据处理能力与被占用的数据处理能力之间的差值。
系统级芯片获取被占用的数据处理能力,并将总数据处理能力减去被占用的数据处理能力得到剩余处理能力,示例性地,假设系统级芯片的总数据处理能力为100%,系统级芯片被占用的数据处理能力为80%时,系统级芯片的剩余处理能力为20%。
S103,在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上。
具体的,预设处理能力是指系统级芯片在通过摄像头获取的图像数据得到移动物体的位置信息时,系统级芯片能实时根据摄像头获取的实时图像处理得到位置信息的最小数据处理能力,即系统级芯片从接收实时图像到生成位置信息之间的处理时间为安防监控设备可承受的最长处理时间时,系统级芯片所需的最小数据处理能力,示例性地,预设处理能力可以是50%。
需要说明的是,以摄像头所在位置为三维笛卡尔坐标系的坐标原点,以面向摄像头的左右方向为横轴,以面向摄像头的上下方向为竖轴,以面向摄像头的前后方向为纵轴。则通过雷达获取的移动物体的第一位置信息包括横轴坐标以及纵轴坐标,进一步地,通过摄像头获取的移动物体的第二位置信息包括横轴坐标以及竖轴坐标。
在系统级芯片的剩余处理能力小于预设处理能力时,通过雷达获取移动物体的第一位置信息,然后将移动物体的第一位置信息展示摄像头针对移动物体采集的实时图像中,即获取与雷达获取的第一位置信息对应的实时图像,即雷达的探测时刻与实时图像的采集时刻相同,然后将第一位置信息标注在实时图像中的移动物体对应的位置上,即将第一位置信息标注在实时图像的第一位置信息处。
S104,在剩余处理能力大于或等于预设处理能力时,关闭雷达,系统级芯片根据摄像头获取的实时图像获取移动物体的第二位置信息,并将第二位置信息展示在实时图像上。
具体的,系统级芯片在剩余处理能力大于或等于预设处理能力时,确定雷达是否处于开启状态,若雷达处于开启状态,先关闭雷达,以减少安防监控设备的整体功耗,再通过摄像头获取的实时图像获取移动物体的第二位置信息,并将得到的第二位置信息展示在实时图像上。
在本实施例中,通过摄像头获取移动物体的实时图像,并在系统级芯片当前的剩余处理能力不足时,通过雷达获取移动物体的位置信息并展示在实时图像上,从而使得用户及时得到安防监控设备当前的监控数据,进而提高安防监控设备的监控效果。或者通过摄像头获取移动物体的实时图像,并在系统级芯片当前的剩余处理能力足够时,继续通过摄像头获取的实时图像来获取移动物体的位置信息,得到准确性更高的位置信息,即相对于通过雷达获取的位置信息来说,通过摄像头获取的位置信息无需误差处理的过程,因而准确性更高,也因此使得用户及时得到更准确的,安防监控设备当前的监控数据,进而提高安防监控设备的监控效果。
请参见图2,为本申请实施例提供了一种安防监控方法的流程示意图。如图2所示,本申请实施例的方法可以包括以下步骤S201-步骤S206。
S201,获取雷达当前接收到的第一反射信号,并根据第一反射信号确定雷达的监测范围中是否存在预设物体。
具体的,雷达可以为毫米波雷达,毫米波雷达在扫描范围内发射扫描信号时,不同物体所反射的反射信号的能量不同,其中,经过人体和车辆的反射信号的能量较强,且反射能量处于一定的范围内,需要说明的是,扫描信号与反射信号均为毫米波,则对应的能量为波的能量。预设物体为人体或车辆。
雷达定时发送用以扫描的毫米波,根据当前接收到的第一反射信号确定扫描范围中是否存在人体或车辆。需要说明的是,雷达的扫描范围可以覆盖安防监控设备的监控范围。
S202,在存在预设物体时,获取预设物体的第一雷达坐标,并根据雷达上一次接收到的第二反射信号获取预设物体对应的第二雷达坐标。
具体的,由于毫米波雷达的扫描频率是固定的,则人体和车辆的最大移动距离也是明确的,基于最大移动距离与第一雷达坐标确定人体或车辆的最大移动范围,然后确定人体或车辆在这两次扫描过程中的位置的对应关系。
若扫描范围内存在人体或车辆,则根据第一反射信号获取人体或车辆的第一雷达坐标。同时,获取雷达上一次接收到的第二反射信号,并根据第二反射信号获取对应的人体或车辆的第二雷达坐标。
S203,基于第一雷达坐标以及第二雷达坐标获取预设物体的移动距离。
S204,在移动距离大于或等于预设距离时,判定雷达监测到移动物体。
在本申请实施例中,通过雷达当前接收到的第一反射信号以及上一次接收到的第二反射信号来判断雷达监测范围内是否存在移动物体,以通过雷达及时向安防监控设备发送提示信息,从而及时开启安防监控设备,在保证安防监控设备的监控效果的前提下,节省安防监控设备的功耗。
S205,在雷达监测到移动物体时,开启摄像头,以通过摄像头获取移动物体的实时图像。
具体可参见步骤S101,此处不再赘述。
S206,定时获取系统级芯片当前的剩余处理能力。
定时获取系统级芯片当前的剩余处理能力,以及时更新系统级芯片的剩余处理能力,从而切换位置信息获取方式。
S207,在剩余处理能力小于预设处理能力时,开启雷达,通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上。
在系统级芯片的剩余处理能力小于预设处理能力时,先确定雷达是否处于开启状态,若雷达未处于开启状态,则先开启雷达,再通过雷达获取移动物体的第一位置信息,然后将移动物体的第一位置信息展示摄像头针对移动物体采集的实时图像中,即获取与雷达获取的第一位置信息对应的实时图像,即雷达的探测时刻与实时图像的采集时刻相同,然后将第一位置信息标注在实时图像中的移动物体对应的位置上,即将第一位置信息标注在实时图像的第一位置信息处。
S208,在剩余处理能力大于或等于预设处理能力时,关闭雷达,系统级芯片根据摄像头获取的实时图像获取移动物体的第二位置信息,并将第二位置信息展示在实时图像上。
具体可参见步骤S104,此处不再赘述。
在本申请实施例中,通过定时获取系统级芯片的当前剩余处理能力,以及时的切换位置信息的获取方式,提高安防监控系统的监控效果。
请参见图3,为本申请实施例提供了一种安防监控方法的流程示意图。如图3所示,本申请实施例的方法可以包括以下步骤S301-步骤S306。
S301,在雷达监测到移动物体时,开启摄像头,以通过摄像头获取移动物体的实时图像。
具体可参见步骤S101,此处不再赘述。
S302,获取系统级芯片当前的剩余处理能力。
具体可参见步骤S102,此处不再赘述。
S303,在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的当前位置参数,当前位置参数包括移动物体与雷达之间的距离、夹角以及夹角所处的夹角方位。
具体的,通过雷达获取的移动物体的当前位置参数为极坐标参数。即以雷达所在的位置作为极点,以雷达所在位置的前后方向引出一条射线作为极轴,形成雷达对应的极坐标系。则当前位置参数中的距离是指移动物体与极点(即雷达)之间的极径,位置参数中的夹角是指移动物体与雷达之间的连线与极轴之间的极角,与常规极坐标不同的是,本实施例还以雷达所在位置的左右方向引出一条射线作为辅助线,如图4所示,极轴为0°对应的射线,辅助线为90°或-90°对应的直线,该辅助线将雷达的扫描角度范围限定在-90°~90°之间,则可以理解的是,位置参数中的夹角方位分为极轴左侧的第一方位和极轴右侧的第二方位,第一方位可以用“-”表示,第二方位可以用“+”表示,默认地,在极坐标的夹角表示值不包括“-”时,该夹角处于第二方位。示例性地,在极坐标表示为(25,-30°)时,夹角方位为第一方位;在极坐标表示为(25,30°)时,夹角方位为第二方位。则可以理解的是,夹角方位可以是移动物体所处的方位,也可以是指夹角所处的方位。进一步地,图4将雷达的扫描距离范围限定0cm~240cm之间仅仅是达到举例作用,并不限定雷达的最大扫描距离为240cm。
雷达定时向移动物体发射用以扫描的电磁波,然后接收反射回来的电磁波,根据接收到的电磁波信号得到移动位置当前位置参数,可选的,可以将接收到的位置参数用极坐标表示,然后得到的极坐标发送至系统级芯片。
S304,根据当前位置参数获取移动物体的第一位置信息。
具体的,将通过雷达获取的当前位置信息(极坐标)转化成第一位置信息(笛卡尔坐标)。可以理解的是,第一位置信息对应的坐标系为以雷达所在位置为三维笛卡尔坐标系的坐标原点,以面向雷达的左右方向为横轴,以面向雷达的上下方向为竖轴,以面向雷达的前后方向为纵轴。则通过雷达获取的移动物体的第一位置信息包括横轴坐标以及纵轴坐标,
S305,基于第一位置信息与预先得到的位置误差,对第一位置信息进行校准。
具体的,由于通过雷达获取的坐标是以雷达为坐标原点,通过摄像头获取的坐标是以摄像头为坐标原点,则位置误差是将通过雷达获取的位置坐标归一至通过摄像头获取的位置坐标,更具体来说,是将通过雷达获取的第一位置信息中的横轴坐标,通过误差处理后,与通过摄像头获取的第二位置信息中的横轴坐标一致。
系统级芯片根据预先得到的位置误差对第一位置信息中的横轴坐标进行误差处理,即将第一位置信息中的横轴坐标与位置误差相加,得到误差校准后的第一位置信息。示例性地,当第一位置信息为(10,8),位置误差为-5时,即第一位置信息中的的横轴坐标为10,纵轴坐标8,误差校准后的第一位置信息为(5,8)。
S306,将校准后的第一位置信息展示在实时图像上。
具体的,将移动物体的第一位置信息展示摄像头针对移动物体采集的实时图像中,即获取与雷达获取的第一位置信息对应的实时图像,即雷达的探测时刻与实时图像的采集时刻相同,然后将第一位置信息标注在实时图像中的移动物体对应的位置上,即将第一位置信息标注在实时图像的第一位置信息处。
在本实施例中,通过雷达获取移动物体的位置信息,然后对得到的位置信息进行误差处理,以提高获取的移动物体的位置信息的准确率。
请一并参照图5,为本申请实施例提供了一种获取第一位置信息的流程示意图。如图5所示,本申请实施例的方法可以包括以下步骤S401-步骤S404。
S401,获取预设角度与夹角之间的角度差。
具体的,将预设角度减去当前得到的夹角,将得到的差值作为预设角度与夹角之间的角度差。设定预设角度是指90°,夹角为θ,则预设角度与夹角之间的角度差可以表示为90°-θ。示例性地,在极坐标表示为(25,-30°)时,当前的夹角为30°时,角度差为90°-30°=60°。
S402,将夹角方位、距离以及角度差的正弦值之间的乘积作为移动物体与雷达之间的第一目标左右偏移量。
具体的,第一目标左右偏移量是指在以雷达为坐标原点的三维笛卡尔坐标系的左右方向上,移动物体与雷达之间的距离。
系统级芯片计算夹角方位、距离以及角度差的正弦值之间的乘积,得到移动物体在左右方向上与雷达之间的左右偏移量。其中,移动物体在左右方向上与雷达之间的左右偏移量由以下公式计算得到:
x=α*r*sin(90-θ)
其中,x表示左右偏移量,α表示角度方位,r表示距离,90表示预设角度,θ表示夹角。
示例性地,当α为-,r为100,θ为30时,x=-100*sin(90-30)=-86.60。
S403,将距离以及角度差的余弦值之间的乘积作为移动物体与雷达之间的目标前后偏移量。
具体的,目标前后偏移量是指是指在以雷达为坐标原点的三维笛卡尔坐标系的前后方向上,移动物体与雷达之间的距离。
系统级芯片计算距离以及角度差的余弦值之间的乘积,得到移动物体在前后方向上与雷达之间的前后偏移量。其中,移动物体在前后方向上与雷达之间的前后偏移量由以下公式计算得到:
y=r*cos(90-θ)
其中,y表示前后偏移量,r表示距离,90表示预设角度,θ表示夹角。
示例性的,r为100,θ为30时,y=100*cos(90-30)=50.00。
S404,将获取的第一目标左右偏移量以及目标前后偏移量作为移动物体的第一位置信息。
由于雷达探测范围是以雷达所在位置为极点的极坐标系,通过雷达获取的位置参数为极坐标参数,则将通过雷达获取的极坐标参数转化为以雷达所在位置为原点的直角坐标系对应的位置坐标,使得通过雷达获取的坐标与通过摄像头获取的坐标至少存在一个位于相同维度的坐标,在从摄像头切换至雷达或从雷达切换至摄像头时,保证获取的位置信息的连续性。
请一并参照图6,为本申请实施例提供了一种获取第二位置信息的流程示意图。如图6所示,本申请实施例的方法可以包括以下步骤S501-步骤S508。
S501,获取摄像头采集的实时图像。
具体的,摄像头实时采集安防监控设备的监控图像,并将采集到的实时图像发送至系统级芯片。系统级芯片接收摄像头采集的实时图像,并获取当前接收到的实时图像的采集时刻,可选的,可以将实时图像与采集时刻关联保存。
S502,通过系统级芯片对实时图像进行图像预处理,并识别实时图像中的移动物体。
具体的,系统级芯片在接收到摄像头发送的实时图像时,实时图像如图7所示,先识别出实时图像中的移动物体。
对获得的实时图像进行图像预处理,得到处理后的实时图像。示例性地,摄像头可以是RGB摄像头,则摄像头采集的实时图像为RGB实时图像,则图像预处理可以是将当前获取的RGB实时图像(如图7所示)转换成HSV实时图像(如图8所示),以消去移动物体所处环境对移动物体识别的影响。
S503,基于图像预处理后的实时图像获取移动物体的物体轮廓。
具体的,系统级芯片根据图像上的颜色区分出HSV实时图像中的移动物体和背景,然后将HSV实时图像中的不感兴趣区域消除,即将HSV实时图像中的背景区域消除,得到仅包括移动物体区域的中间图像(如图9所示),然后根据中间图像进行轮廓识别,得到移动物体的物体轮廓,然后将剩余区域进行背景填充,得到实时图像(如图10所示),该实时图像用于获取移动物体的物体中心。
S504,获取物体轮廓对应的物体中心点。
具体的,物体中心点为表示移动物体的轮廓中心的像素点,该轮廓中心用于表示移动物体在实时图像中的位置坐标/图像坐标。
系统级芯片根据实时图像中的物体轮廓分析识别出物体轮廓的轮廓中心,并将该轮廓中心作为移动物体的物体中心点。
S505,获取物体中心点与摄像头对应的像素点之间的第二目标左右偏移量,第二目标左右偏移量为移动物体与摄像头在左右方向上的距离。
具体的,系统级芯片根据物体中心点与预设像素点在左右方向上相差的像素个数得到第一目标左右偏移量。
S506,获取物体中心点与摄像头对应的像素点之间的目标上下偏移量,目标上下偏移量为移动物体与摄像头在上下方向上的距离。
具体的,根据物体中心点在实时图像中的位置,预设像素点的位置以及物体中心点与预设像素点在上下方向上相差的像素个数得到目标上下偏移量。
示例性地,在预设像素点是指实时图像的横轴中心线与竖轴中心线的交点时,系统级芯片获取物体中心点与预设像素点在左右方向上相差的像素个数,将该像素个数作为第一目标左右偏移量,然后确定物体中心点在预设像素点的左侧还是右侧,当物体中心点在预设像素点的右侧时,移动物体的水平坐标用“+”标记出来,当物体中心点在预设像素点的左侧时,移动物体的水平坐标用“-”标记出来。系统级芯片获取物体中心点与预设像素点在上下方向上相差的像素个数,并将该像素个数作为目标上下偏移量,然后确定物体中心点在预设像素点的上方还是下方,当物体中心点在预设像素点的上方时,移动物体的竖直坐标用“+”标记出来,当物体中心点在预设像素点的下方时,移动物体的竖直坐标用“-”标记出来。可选的,标记“+”可以省略。
S507,将第二目标左右偏移量与目标上下偏移量作为移动物体的第二位置信息。
通过对实时图像进行图像预处理以及轮廓识别来获取移动物体的物体轮廓,然后确定根据物体轮廓确定移动物体的物体中心点,得到该物体中心点的坐标,最后使用物体中心点的坐标来表示移动物体的位置,由于物体中心点为移动物体的中心位置,该位置能准确的表述移动物体所在的位置,从而提高了获取的移动物体的位置信息的准确率。
S508,将第二位置信息展示在实时图像上。
通过对实时图像进行图像预处理以及轮廓识别来获取移动物体的物体轮廓,然后确定根据物体轮廓确定移动物体的物体中心点,得到该物体中心点的坐标,最后使用物体中心点的坐标来表示移动物体的位置,由于物体中心点为移动物体的中心位置,该位置能准确的表述移动物体所在的位置,从而提高了获取的移动物体的位置信息的准确率。
请参见图11,为本申请实施例提供了一种安防监控方法的流程示意图。如图11所示,本申请实施例的方法可以包括以下步骤S601-步骤S609。
S601,通过摄像头采集待测物的初始图像,获取待测物在初始图像中的第一初始坐标。
具体的,待测物是指安防监控设备的ROI范围(感兴趣范围)内,随机选择的物体。如图12所示,系统级芯片在摄像头102的视场角与雷达103的探测范围的重叠范围处,划定出安防监控设备的ROI范围。
系统级芯片在确定待测物后,通过摄像头采集待测物的初始图像,然后对获取的初始图像进行图像处理,并基于处理后的图像数据分析出待测物在初始图中的第一初始坐标。
S602,通过雷达获取待测物的初始位置参数,初始位置参数包括待测物与雷达之间的初始距离、初始夹角以及初始夹角所处的初始夹角方位。
具体的,摄像头在采集待测物的初始图像的同时,雷达还会探测待测物的初始位置参数,则摄像头会将采集到的初始图像发送至系统级芯片,雷达也会将探测到的初始位置参数发送至系统级芯片。
可以理解的是,当前的过程是安防监控设备的初始化过程,则在初始化进程中,安防监控设备的系统级芯片并不会处理除初始图像和初始位置参数之外的其他的数据,也不会要求数据的处理速度。因此,初始图像和初始位置参数的处理过程可以同时进行,也可以先将初始图像与采集时刻关联保存,将初始位置参数与探测时刻关联保存,之后再依次进行数据处理。
初始夹角为安防监控设备在初始化进程中获取的待测物与雷达之间的夹角;初始夹角方位为安防监控设备在初始化进程中获取的待测物与雷达之间的夹角方位;初始距离为安防监控设备在初始化进程中获取的待测物与雷达之间的距离。
S603,根据初始位置参数获取待测物的第二初始坐标。
具体的,将通过雷达获取的初始位置参数(极坐标)转化成第二初始坐标(笛卡尔坐标)。可以理解的是,第二初始坐标对应的坐标系为以雷达所在位置为三维笛卡尔坐标系的坐标原点,以面向雷达的左右方向为横轴,以面向雷达的上下方向为竖轴,以面向雷达的前后方向为纵轴。则通过雷达获取的移动物体的第一位置信息包括横轴坐标以及纵轴坐标,
S604,基于第一初始坐标以及第二初始坐标计算位置误差。
具体的,第一初始坐标是指基于摄像头采集的初始图像获取的待测物的位置;第二图像坐标是指基于雷达探测的初始位置参数获取的待测物的位置。进一步地,初始图像的采集时刻与初始位置信息的探测时刻相同。然后根据第一初始坐标中的横轴坐标与第二初始坐标中的横轴坐标计算位置误差,并保存。
可选的,获取第一初始坐标中的第一左右偏移量与第二初始坐标中的第二左右偏移量之间的第一差值,并将第一差值作为位置误差。
具体的,系统级芯片先计算第一初始坐标中的横轴坐标与第二初始坐标中的横轴坐标之间的第一差值,并将得到的第一差值保存为位置误差。示例性地,当第一初始坐标为(-13,31),第二初始坐标为(-18,27)时,位置误差为5。
由于可以先获取通过摄像头获取的位置坐标与通过雷达获取的位置坐标在相同维度上的坐标差值,再将得到的差值作为位置误差,以在以应用过程中,使得通过雷达获取的位置信息与通过摄像头获取的位置信息中,相同维度的位置坐标保持一致,从而提高获取的移动物体的位置信息的准确率。
S605,在雷达监测到移动物体时,开启摄像头,以通过摄像头获取移动物体的实时图像。
具体可参见步骤S101,此处不再赘述。
S606,获取系统级芯片当前的剩余处理能力;
具体可参见步骤S102,此处不再赘述。
S607,在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的当前位置参数,当前位置参数包括移动物体与雷达之间的距离、夹角以及夹角所处的夹角方位。
具体可参见步骤S303,此处不再赘述。
S607,根据当前位置参数获取移动物体的第一位置信息。
具体可参见步骤S304,此处不再赘述。
S608,基于第一位置信息与预先得到的位置误差,对第一位置信息进行校准。
具体可参见步骤S305,此处不再赘述。
S609,将校准后的第一位置信息展示在实时图像上。
具体可参见步骤S306,此处不再赘述。
由于分别通过摄像头以及雷达获取待测物的位置坐标,然后获取通过摄像头获取的位置坐标与通过雷达获取的位置坐标之间的位置误差,以在以应用过程中,将通过雷达获取的位置坐标归一至通过摄像头获取的位置坐标,即通过雷达获取的位置信息与通过摄像头获取的位置信息中,相同维度的位置坐标保持一致,从而提高获取的移动物体的位置信息的准确率。
请一并参照图13,为本申请实施例提供了一种获取第一初始坐标的流程示意图。如图13所示,本申请实施例的方法可以包括以下步骤S701-步骤S706。
S701,通过系统级芯片对初始图像进行图像预处理。
具体的,系统级芯片在接收到摄像头发送的初始图像时,初始图像如图7所示,对获得的初始图像进行图像预处理,得到处理后的初始图像。示例性地,摄像头可以是RGB摄像头,则摄像头采集的初始图像为RGB初始图像,则图像预处理可以是将当前获取的RGB初始图像(如图7所示)转换成HSV初始图像(如图8所示),以消去待测物所处环境对待测物识别的影响。
S702,基于图像预处理后的初始图像获取待测物的物体轮廓。
具体的,系统级芯片根据图像上的颜色区分出HSV初始图像中的待测物和背景,然后将HSV初始图像中的不感兴趣区域消除,即将HSV初始图像中的背景区域消除,得到仅包括待测物区域的中间图像(如图9所示),然后根据中间图像进行轮廓识别,得到待测物的物体轮廓,然后将剩余区域进行背景填充,得到待识别图像(如图11所示),该待识别图像用于获取待测物的物体中心。
可选地,在安防监控设备初始化时,即对雷达与摄像头获取的位置信息进行校准时,可以限定安防监控设备处于环境为绿幕或白墙的背景环境下,则在系统级芯片对获取的初始图像进行相应的图像处理和数据分析时,可以获取更准确的物体轮廓,即在消除待测物的背景时,能更准确的区分待测物与背景。
S703,获取物体轮廓对应的物体中心点。
具体的,物体中心点为表示待测物的轮廓中心的像素点,该轮廓中心用于表示待测物在初始图像中的位置坐标/图像坐标。
系统级芯片根据待识别图像中的物体轮廓分析识别出物体轮廓的轮廓中心,并将该轮廓中心作为待测物的物体中心点。
S704,获取物体中心点与摄像头对应的像素点之间的第一左右偏移量,第一左右偏移量为待测物与摄像头在左右方向上的距离。
具体的,系统级芯片根据物体中心点与预设像素点在左右方向上相差的像素个数得到第一左右偏移量。
S705,获取物体中心点与摄像头对应的像素点之间的上下偏移量,上下偏移量为待测物与摄像头在上下方向上的距离。
具体的,根据物体中心点在初始图像中的位置,预设像素点的位置以及物体中心点与预设像素点在上下方向上相差的像素个数得到上下偏移量。
S706,将第一左右偏移量与上下偏移量作为待测物在初始图像中的第一初始坐标。
通过对初始图像进行图像预处理以及轮廓识别来获取待测物的物体轮廓,然后确定根据物体轮廓确定待测物的物体中心点,得到该物体中心点的坐标,最后使用物体中心点的坐标来表示待测物的位置,由于物体中心点为待测物的中心位置,该位置能准确的表述待测物所在的位置,从而提高了获取的待测物的位置信息的准确率。
请一并参照图14,为本申请实施例提供了一种获取第二初始坐标的流程示意图。如图14所示,本申请实施例的方法可以包括以下步骤S801-步骤S804。
步骤S801,获取预设角度与初始夹角之间的初始角度差。
具体可参见步骤S401,此处不再赘述。
步骤S802,将初始夹角方位、初始距离以及初始角度差的正弦值之间的乘积作为待测物与雷达之间的第二左右偏移量,第二左右偏移量为待测物与雷达在左右方向上的距离。
具体可参见步骤S402,此处不再赘述。
步骤S803,将初始距离以及初始角度差的余弦值之间的乘积作为待测物与雷达之间的前后偏移量,前后偏移量为待测物与雷达在前后方向上的距离。
具体可参见步骤S403,此处不再赘述。
步骤S804,将第二左右偏移量以及前后偏移量作为初始图像中的第二初始坐标。
由于雷达探测范围是以雷达所在位置为极点的极坐标系,通过雷达获取的位置参数为极坐标参数,则将通过雷达获取的极坐标参数转化为以雷达所在位置为原点的直角坐标系对应的位置坐标,使得通过雷达获取的坐标与通过摄像头获取的坐标至少存在一个位于相同维度的坐标,在从摄像头切换至雷达或从雷达切换至摄像头时,保证获取的位置信息的连续性。
请一并参照图15,为本申请实施例提供了一种获取位置误差的流程示意图。如图15所示,本申请实施例的方法可以包括以下步骤S901-步骤S906。
S901,遍历各采集时刻对应的第一初始坐标与第二初始坐标;
具体的,系统级芯片可以在安防监控设备的ROI范围内,随机选择一个物体作为用于误差计算的待测物,然后通过摄像头获取待测物在一段时间内的至少两帧初始图像帧,并通过雷达获取待测物在相同一段时间内的至少两个初始位置参数,其中,不同的初始图像帧对应不同的采集时刻,不同的采集时刻对应不同的第二初始坐标,即在摄像头针对待测物采集初始图像帧的同时,通过雷达探测待测物的初始位置参数。然后计算每个初始图像帧对应的第一初始坐标,计算每个初始位置参数对应的第二初始坐标,将相同采集时刻/探测时刻的第一初始坐标与第二初始坐标作为一组数据。然后按照采集时刻/探测时刻依次遍历各组数据,即第一初始坐标与第二初始坐标。
S902,在当前遍历的采集时刻为第一个采集时刻时,将第一初始坐标中的第一左右偏移量与第二初始坐标中的第二左右偏移量之间的第二差值作为当前采集时刻的位置误差。
具体的,在当前遍历的采集时刻为第一个采集时刻,即最初始的采集时刻时,计算第一初始坐标中的第一左右偏移量与第二初始坐标中的第二左右偏移量之间的第二差值,并将该差值作为第一个采集时刻得到的位置误差。
S903,在当前遍历的采集时刻不为第一个采集时刻时,基于第二初始坐标与上一采集时刻对应的位置误差,对第二初始坐标进行校准,得到校准后的第二初始坐标。
具体的,在当前遍历的采集时刻不为第一个采集时刻时,获取上一采集时刻对应的位置误差,然后根据上一采集时刻对应的位置误差对第二初始坐标中的横轴坐标进行误差校准,即将第二初始坐标中的横轴坐标与位置误差相加,得到校准后的第二初始坐标。示例性地,当第二初始坐标为(10,8),位置误差为-5时,即第二初始坐标中的的横轴坐标为10,纵轴坐标8,误差校准后的第二初始坐标为(5,8)。需要说明的是,横轴坐标即为左右偏移量。
S904,获取第一初始坐标中的第一左右偏移量与校准后的第二初始坐标中的第二左右偏移量之间的第二差值。
S905,根据第二差值对上一采集时刻对应的位置误差进行优化,并将优化后的位置误差作为当前采集时刻的位置误差。
S906,当所有的采集时刻遍历完成时,将最后一个采集时刻得到的位置误差作为最终的位置误差。
由于在训练位置误差时,先获取多组第一初始坐标和第二初始坐标,然后根据每组初始坐标进行训练,即根据上一训练阶段得到的位置误差对第二初始坐标进行校准,再计算校准后的第二初始坐标与对应的第一初始坐标在相同维度之间的误差,最后根据得到的误差更新上一训练阶段得到的位置误差,从而得到当前训练阶段的位置误差,以通过多次的误差处理、误差更新过程,不断优化得到的位置误差,得到准确率更高的位置误差。
下面将结合附图16~图18本申请实施例提供的安防监控设备进行详细介绍。需要说明的是,附图16~图18安防监控设备,用于执行本申请图1~图15所示实施例的方法,为了便于说明,仅示出了与本申请实施例相关的部分,具体技术细节未揭示的,请参照本申请图1~图15所示的实施例。
请参见图16,为本申请实施例提供了一种安防监控设备的结构示意图。如图16所示,本申请实施例的安防监控设备1可以包括:图像获取模块10、能力获取模块20、第一位置获取模块30以及第二位置获取模块40。
图像获取模块10,用于在安防监控设备的雷达监测到移动物体时,开启安防监控设备的摄像头,以通过摄像头获取移动物体的实时图像;
能力获取模块20,用于获取安防监控设备的系统级芯片当前的剩余处理能力;
第一位置获取模块30,用于在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上;
第二位置获取模块40,用于在剩余处理能力大于或等于预设处理能力时,关闭雷达,系统级芯片根据摄像头获取的实时图像获取移动物体的第二位置信息,并将第二位置信息展示在实时图像上。
在本实施例中,通过在雷达监测到移动物体时,开启摄像头,并通过摄像头获取移动物体的实时图像,然后获取系统级芯片当前的剩余处理能力,在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的位置信息,并将得到的位置信息展示在实时图像上。采用本申请,通过雷达监测移动物体,并在监测到移动物体后,获取系统级芯片当前的剩余处理能力,在系统级芯片的剩余处理能力充足时,关闭雷达,再通过摄像头获取移动物体的监控数据,在剩余处理能力大于或等于预设处理能力时,关闭雷达,系统级芯片根据摄像头获取的实时图像获取移动物体的第二位置信息,并将第二位置信息展示在实时图像上。从而在通过摄像头获取准确性更高的监控数据的同时,通过关闭雷达来降低安防监控设备的能耗,或者在系统级芯片当前的剩余处理能力不足时,直接通过雷达获取移动物体的位置信息并展示在实时图像上,从而使得用户及时得到安防监控设备当前的监控数据,进而提高安防监控设备的监控效果。
可选的,安防监控设备1还包括雷达检测模块50,雷达检测模块50具体用于:
获取雷达当前接收到的第一反射信号,并根据第一反射信号确定雷达的监测范围中是否存在预设物体;
在存在预设物体时,获取预设物体的第一雷达坐标,并根据雷达上一次接收到的第二反射信号获取预设物体对应的第二雷达坐标;
基于第一雷达坐标以及第二雷达坐标获取预设物体的移动距离;
在移动距离大于或等于预设距离时,判定雷达监测到移动物体。
可选的,能力获取模块20具体用于:
定时获取系统级芯片当前的剩余处理能力;
第一位置获取模块30具体用于:
在剩余处理能力小于预设处理能力时,开启雷达;
通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上。
可选的,第二位置获取模块40具体用于:
获取摄像头采集的实时图像;
通过系统级芯片对实时图像进行图像预处理,并识别实时图像中的移动物体;
基于图像预处理后的实时图像获取移动物体的物体轮廓;
获取物体轮廓对应的物体中心点;
获取物体中心点与摄像头对应的像素点之间的第二目标左右偏移量,第二目标左右偏移量为移动物体与摄像头在左右方向上的距离;
获取物体中心点与摄像头对应的像素点之间的目标上下偏移量,目标上下偏移量为移动物体与摄像头在上下方向上的距离;
将第二目标左右偏移量与目标上下偏移量作为移动物体的第二位置信息;
将第二位置信息展示在实时图像上。
可选的,第一位置获取模块30具体用于:
通过雷达获取移动物体的当前位置参数,当前位置参数包括移动物体与雷达之间的距离、夹角以及夹角所处的夹角方位;
根据当前位置参数获取移动物体的第一位置信息;
基于第一位置信息与预先得到的位置误差,对第一位置信息进行校准;
将校准后的第一位置信息展示在实时图像上。
可选的,第一位置获取模块30具体用于:
获取预设角度与夹角之间的角度差;
将夹角方位、距离以及角度差的正弦值之间的乘积作为移动物体与雷达之间的第一目标左右偏移量;
将距离以及角度差的余弦值之间的乘积作为移动物体与雷达之间的目标前后偏移量;
将获取的第一目标左右偏移量以及目标前后偏移量作为移动物体的第一位置信息。
可选的,安防监控设备1还包括误差获取模块60,误差获取模块60具体用于:
通过摄像头采集待测物的初始图像,获取待测物在初始图像中的第一初始坐标;
通过雷达获取待测物的初始位置参数,初始位置参数包括待测物与雷达之间的初始距离、初始夹角以及初始夹角所处的初始夹角方位;
根据初始位置参数获取待测物的第二初始坐标;
基于第一初始坐标以及第二初始坐标计算位置误差。
可选的,误差获取模块60具体用于:
通过系统级芯片对初始图像进行图像预处理;
基于图像预处理后的初始图像获取待测物的物体轮廓;
获取物体轮廓对应的物体中心点;
获取物体中心点与摄像头对应的像素点之间的第一左右偏移量,第一左右偏移量为待测物与摄像头在左右方向上的距离;
获取物体中心点与摄像头对应的像素点之间的上下偏移量,上下偏移量为待测物与摄像头在上下方向上的距离;
将第一左右偏移量与上下偏移量作为待测物在初始图像中的第一初始坐标。
可选的,误差获取模块60具体用于:
获取预设角度与初始夹角之间的初始角度差;
将初始夹角方位、初始距离以及初始角度差的正弦值之间的乘积作为待测物与雷达之间的第二左右偏移量,第二左右偏移量为待测物与雷达在左右方向上的距离;
将初始距离以及初始角度差的余弦值之间的乘积作为待测物与雷达之间的前后偏移量,前后偏移量为待测物与雷达在前后方向上的距离;
将第二左右偏移量以及前后偏移量作为初始图像中的第二初始坐标。
可选的,误差获取模块60具体用于:
获取第一初始坐标中的第一左右偏移量与第二初始坐标中的第二左右偏移量之间的第一差值,并将第一差值作为位置误差。
可选的,误差获取模块60具体用于:
遍历各采集时刻对应的第一初始坐标与第二初始坐标;
在当前遍历的采集时刻为第一个采集时刻时,将第一初始坐标中的第一左右偏移量与第二初始坐标中的第二左右偏移量之间的第二差值作为当前采集时刻的位置误差;
在当前遍历的采集时刻不为第一个采集时刻时,基于第二初始坐标与上一采集时刻得到的位置误差,对第二初始坐标进行校准,得到校准后的第二初始坐标;
获取第一初始坐标中的第一左右偏移量与校准后的第二初始坐标中的第二左右偏移量之间的第二差值;
根据第二差值对上一采集时刻的位置误差进行优化,并将优化后的位置误差作为当前采集时刻的位置误差;
当所有的采集时刻遍历完成时,将最后一个采集时刻得到的位置误差作为最终的位置误差。
请参见图17,为本申请实施例提供了一种安防监控设备的硬件架构结构示意图。如图17所示,安防监控设备1包括:显示装置11、监控装置12,其中,监控装置12包括:壳体121、系统级芯片122、雷达123以及摄像头124。
具体的,壳体121内设置有系统级芯片122,系统级芯片122与显示装置11电性连接;雷达123设置于壳体121内并与系统级芯片122电性连接;摄像头124设置于壳体121内,并与系统级芯片122电性连接,且壳体121上开设有供摄像头124外露的采光孔。需要说明的是,系统级芯片122可以设置在壳体121内的任意位置处,并不限定设置在图示中的位置。
在安防监控设备1处于省电模式或休眠模式时,雷达123以低功耗扫描模式进行扫描,以通过雷达123监测安防监控设备1的监控范围内是否存在移动物体。雷达123在监测到移动物体时,向系统级芯片122发送监测到移动物体的提示信息。系统级芯片122在接收到监测到移动物体的提示信息时,向摄像头124发送开启指令。摄像头124启动后,拍摄摄像机124的拍摄范围内的实时图像,并将该实时图像作为监控图像发送至系统级芯片122。系统级芯片122将接收到的监控图像保存。系统级芯片122还可以获取自身的剩余处理能力,在剩余处理能力小于预设处理能力时,向雷达123发送持续获取移动物体的位置信息的控制指令。雷达123接收到该控制指令后,以预设扫描频率进行扫描,并在获取到移动物体的位置参数时,将获取的位置参数发送至系统级芯片122,可以理解的是,预设扫描频率高于低功耗扫描模式下的扫描频率。系统级芯片122根据接收到位置参数获取移动物体的位置信息。系统级芯片122在剩余处理能力大于预设处理能力时,直接根据接收到的实时图像获取移动物体的位置信息。系统级芯片122根据得到的位置信息以及对应的实时图像生成展示图像,并将展示图像发送至显示装置11。显示装置11接收到展示图像时,显示该展示图像。
可选的,壳体121可以直接遮盖雷达,从而减少对壳体121的穿孔。壳体121也可以开设通孔,该通孔可以供雷达123外露,从而提高雷达123所获取的位置信息的准确性。
在本实施例中,通过摄像头获取移动物体的实时图像,并在系统级芯片当前的剩余处理能力不足时,通过雷达获取移动物体的位置信息并展示在实时图像上,从而使得用户及时得到安防监控设备当前的监控数据,进而提高安防监控设备的监控效果。同时,通过雷达激活系统级芯片以及摄像头,避免了因为温度或者是直线侦测等原因造成误判后,摄像头误启动的情况。
请参见图18,为本申请实施例提供了一种监控装置的硬件架构示意图。如图18所示,监控装置12进一步包括:壳体121、系统级芯片122、雷达123、摄像头124以及滑盖125。
具体的,滑盖125可滑动设置于壳体121上,并至少用于遮盖或者打开摄像头124对应的采光孔;当壳体121上还开设雷达123对应的通孔时,滑盖125可以用于同时遮盖或者打开采光孔以及通孔。
系统级芯片122在接收到雷达123发送的监测到移动物体的提示信息时,还可以向滑盖125的控制装置发送开启滑盖125的开启指令。该控制装置接收到开启滑盖125的开启指令时,控制滑盖125进行滑动,以使滑盖125从遮盖摄像头124的位置滑动到不遮盖摄像头124的位置。对应的,在关闭安防监控装置1时,系统级芯片122发送关闭滑盖125的关闭指令。该控制装置接收到关闭滑盖125的关闭指令时,控制滑盖125进行滑动,以使滑盖125从不遮盖摄像头124的位置滑动到遮盖摄像头124的位置。在壳体121上还存在通孔时,控制装置控制滑盖125从不遮盖摄像头124以及雷达123的位置滑动到遮盖摄像头124以及雷达123的位置。
在本实施例中,通过设置可遮盖摄像头,或遮盖摄像头以及雷达的滑盖,达到了遮盖摄像头以及雷达的效果,在提高安防监控设备的隐私性的同时,保护了摄像头的镜头以及雷达。
本申请实施例还提供了一种存储介质,存储介质可以存储有多条程序指令,程序指令适于由处理器加载并执行如上述图1~图15所示实施例的方法步骤,具体执行过程可以参见图1~图15所示实施例的具体说明,在此不进行赘述。
请参见图19,为本申请实施例提供了一种计算机设备的结构示意图。如图19所示,计算机设备1000可以包括:至少一个处理器1001,至少一个存储器1002,至少一个网络接口1003,至少一个输入输出接口1004,至少一个通讯总线1005和至少一个显示单元1006。其中,处理器1001可以包括一个或者多个处理核心。处理器1001利用各种接口和线路连接整个计算机设备1000内的各个部分,通过运行或执行存储在存储器1002内的指令、程序、代码集或指令集,以及调用存储在存储器1002内的数据,执行终端1000的各种功能和处理数据。存储器1002可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1002可选的还可以是至少一个位于远离前述处理器1001的存储装置。其中,网络接口1003可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。通信总线1005用于实现这些组件之间的连接通信。如图19所示,作为一种终端设备存储介质的存储器1002中可以包括操作系统、网络通信模块、输入输出接口模块以及安防控制程序。
在图19所示的计算机设备1000中,输入输出接口1004主要用于为用户以及接入设备提供输入的接口,获取用户以及接入设备输入的数据。
在一个实施例中。
处理器1001可以用于调用存储器1002中存储的安防控制程序,并具体执行以下操作:
在雷达监测到移动物体时,开启摄像头,以通过摄像头获取移动物体的实时图像;
获取系统级芯片当前的剩余处理能力;
在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上;
在剩余处理能力大于或等于预设处理能力时,关闭雷达,系统级芯片根据摄像头获取的实时图像获取移动物体的第二位置信息,并将第二位置信息展示在实时图像上。
可选的,处理器1001在执行在雷达监测到移动物体时,开启摄像头之前,还执行以下操作:
获取雷达当前接收到的第一反射信号,并根据第一反射信号确定雷达的监测范围中是否存在预设物体;
在存在预设物体时,获取预设物体的第一雷达坐标,并根据雷达上一次接收到的第二反射信号获取预设物体对应的第二雷达坐标;
基于第一雷达坐标以及第二雷达坐标获取预设物体的移动距离;
在移动距离大于或等于预设距离时,判定雷达监测到移动物体。
可选的,处理器1001在执行定时获取系统级芯片当前的剩余处理能力;
在执行在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上时,具体执行以下操作:
在剩余处理能力小于预设处理能力时,开启雷达;
通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上。
可选的,处理器1001在执行系统级芯片根据摄像头获取的实时图像获取移动物体的第二位置信息,并将第二位置信息展示在实时图像上时,具体执行以下操作:
获取摄像头采集的实时图像;
通过系统级芯片对实时图像进行图像预处理,并识别实时图像中的移动物体;
基于图像预处理后的实时图像获取移动物体的物体轮廓;
获取物体轮廓对应的物体中心点;
获取物体中心点与摄像头对应的像素点之间的第二目标左右偏移量,第二目标左右偏移量为移动物体与摄像头在左右方向上的距离;
获取物体中心点与摄像头对应的像素点之间的目标上下偏移量,目标上下偏移量为移动物体与摄像头在上下方向上的距离;
将第二目标左右偏移量与目标上下偏移量作为移动物体的第二位置信息;
将第二位置信息展示在实时图像上。
可选的,处理器1001在执行通过雷达获取移动物体的第一位置信息,并将第一位置信息展示在实时图像上时,具体执行以下操作:
通过雷达获取移动物体的当前位置参数,当前位置参数包括移动物体与雷达之间的距离、夹角以及夹角所处的夹角方位;
根据当前位置参数获取移动物体的第一位置信息;
基于第一位置信息与预先得到的位置误差,对第一位置信息进行校准;
将校准后的第一位置信息展示在实时图像上。
可选的,处理器1001在执行雷达监测到移动物体时,开启摄像头,以通过摄像头获取移动物体的实时图像之前,还执行以下操作:
通过摄像头采集待测物的初始图像,获取待测物在初始图像中的第一初始坐标;
通过雷达获取待测物的初始位置参数,初始位置参数包括待测物与雷达之间的初始距离、初始夹角以及初始夹角所处的初始夹角方位;
根据初始位置参数获取待测物的第二初始坐标;
基于第一初始坐标以及第二初始坐标计算位置误差。
可选的,处理器1001在执行根据当前位置参数获取移动物体的第一位置信息时,具体执行以下操作:
获取预设角度与夹角之间的角度差;
将夹角方位、距离以及角度差的正弦值之间的乘积作为移动物体与雷达之间的第一目标左右偏移量;
将距离以及角度差的余弦值之间的乘积作为移动物体与雷达之间的目标前后偏移量;
将获取的第一目标左右偏移量以及目标前后偏移量作为移动物体的第一位置信息。
可选的,处理器1001在执行获取待测物在初始图像中的第一初始坐标时,具体执行以下操作:
通过系统级芯片对初始图像进行图像预处理;
基于图像预处理后的初始图像获取待测物的物体轮廓;
获取物体轮廓对应的物体中心点;
获取物体中心点与摄像头对应的像素点之间的第一左右偏移量,第一左右偏移量为待测物与摄像头在左右方向上的距离;
获取物体中心点与摄像头对应的像素点之间的上下偏移量,上下偏移量为待测物与摄像头在上下方向上的距离;
将第一左右偏移量与上下偏移量作为待测物在初始图像中的第一初始坐标。
可选的,处理器1001在执行根据初始位置参数获取待测物的第二初始坐标时,具体执行以下操作:
获取预设角度与初始夹角之间的初始角度差;
将初始夹角方位、初始距离以及初始角度差的正弦值之间的乘积作为待测物与雷达之间的第二左右偏移量,第二左右偏移量为待测物与雷达在左右方向上的距离;
将初始距离以及初始角度差的余弦值之间的乘积作为待测物与雷达之间的前后偏移量,前后偏移量为待测物与雷达在前后方向上的距离;
将第二左右偏移量以及前后偏移量作为初始图像中的第二初始坐标。
可选的,处理器1001在执行基于第一初始坐标以及第二初始坐标计算位置误差时,具体执行以下操作:
获取第一初始坐标中的第一左右偏移量与第二初始坐标中的第二左右偏移量之间的第一差值,并将第一差值作为位置误差。
可选的,处理器1001在执行基于第一初始坐标以及第二初始坐标计算位置误差时,具体执行以下操作:
遍历各采集时刻对应的第一初始坐标与第二初始坐标;
在当前遍历的采集时刻为第一个采集时刻时,将第一初始坐标中的第一左右偏移量与第二初始坐标中的第二左右偏移量之间的第二差值作为当前采集时刻的位置误差;
在当前遍历的采集时刻不为第一个采集时刻时,基于第二初始坐标与上一采集时刻对应的位置误差,对第二初始坐标进行校准,得到校准后的第二初始坐标;
获取第一初始坐标中的第一左右偏移量与校准后的第二初始坐标中的第二左右偏移量之间的第二差值;
根据第二差值对上一采集时刻对应的位置误差进行优化,并将优化后的位置误差作为当前采集时刻的位置误差;
当所有的采集时刻遍历完成时,将最后一个采集时刻得到的位置误差作为最终的位置误差。
在本申请实施例中,通过在雷达监测到移动物体时,开启摄像头,并通过摄像头获取移动物体的实时图像,然后获取系统级芯片当前的剩余处理能力,在剩余处理能力小于预设处理能力时,通过雷达获取移动物体的位置信息,并将得到的位置信息展示在实时图像上。采用本申请,通过雷达监测移动物体,并在监测到移动物体后,获取系统级芯片当前的剩余处理能力,在系统级芯片的剩余处理能力充足时,关闭雷达,再通过摄像头获取移动物体的监控数据,在剩余处理能力大于或等于预设处理能力时,关闭雷达,系统级芯片根据摄像头获取的实时图像获取移动物体的第二位置信息,并将第二位置信息展示在实时图像上。从而在通过摄像头获取准确性更高的监控数据的同时,通过关闭雷达来降低安防监控设备的能耗,或者在系统级芯片当前的剩余处理能力不足时,直接通过雷达获取移动物体的位置信息并展示在实时图像上,从而使得用户及时得到安防监控设备当前的监控数据,进而提高安防监控设备的监控效果。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上为对本申请所提供的一种安防监控方法、装置、存储介质及设备的描述,对于本领域的技术人员,依据本申请实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本申请的限制。
Claims (14)
1.一种安防监控方法,其特征在于,应用于安防监控设备,所述安防监控设备包括雷达、摄像头以及系统级芯片,所述方法包括:
在所述雷达监测到移动物体时,开启所述摄像头,以通过所述摄像头获取所述移动物体的实时图像;
获取所述系统级芯片当前的剩余处理能力;
在所述剩余处理能力小于预设处理能力时,通过所述雷达获取所述移动物体的第一位置信息,并将所述第一位置信息展示在所述实时图像上;
在所述剩余处理能力大于或等于所述预设处理能力时,关闭所述雷达,所述系统级芯片根据所述摄像头获取的实时图像获取所述移动物体的第二位置信息,并将所述第二位置信息展示在所述实时图像上。
2.根据权利要求1所述的方法,其特征在于,所述在所述雷达监测到移动物体时,开启所述摄像头之前,还包括:
获取所述雷达当前接收到的第一反射信号,并根据所述第一反射信号确定所述雷达的监测范围中是否存在预设物体;
在存在所述预设物体时,获取所述预设物体的第一雷达坐标,并根据所述雷达上一次接收到的第二反射信号获取所述预设物体对应的第二雷达坐标;
基于所述第一雷达坐标以及所述第二雷达坐标获取所述预设物体的移动距离;
在所述移动距离大于或等于预设距离时,判定所述雷达监测到移动物体。
3.根据权利要求1所述的方法,其特征在于,定时获取所述系统级芯片当前的剩余处理能力;
所述在所述剩余处理能力小于预设处理能力时,通过所述雷达获取所述移动物体的第一位置信息,并将所述第一位置信息展示在所述实时图像上,包括:
在所述剩余处理能力小于预设处理能力时,开启所述雷达;
通过所述雷达获取所述移动物体的第一位置信息,并将所述第一位置信息展示在所述实时图像上。
4.根据权利要求1所述的方法,其特征在于,所述系统级芯片根据所述摄像头获取的实时图像获取所述移动物体的第二位置信息,并将所述第二位置信息展示在所述实时图像上,包括:
获取所述摄像头采集的实时图像;
通过所述系统级芯片对所述实时图像进行图像预处理,并识别所述实时图像中的移动物体;
基于图像预处理后的所述实时图像获取所述移动物体的物体轮廓;
获取所述物体轮廓对应的物体中心点;
获取所述物体中心点与所述摄像头对应的像素点之间的第二目标左右偏移量,所述第二目标左右偏移量为所述移动物体与所述摄像头在左右方向上的距离;
获取所述物体中心点与所述摄像头对应的像素点之间的目标上下偏移量,所述目标上下偏移量为所述移动物体与所述摄像头在上下方向上的距离;
将所述第二目标左右偏移量与所述目标上下偏移量作为所述移动物体的第二位置信息;
将所述第二位置信息展示在所述实时图像上。
5.根据权利要求1所述的方法,其特征在于,所述通过所述雷达获取所述移动物体的第一位置信息,并将所述第一位置信息展示在所述实时图像上,包括:
通过所述雷达获取所述移动物体的当前位置参数,所述当前位置参数包括所述移动物体与所述雷达之间的距离、夹角以及所述夹角所处的夹角方位;
根据所述当前位置参数获取所述移动物体的第一位置信息;
基于所述第一位置信息与预先得到的位置误差,对所述第一位置信息进行校准;
将校准后的所述第一位置信息展示在所述实时图像上。
6.根据权利要求5所述的方法,其特征在于,所述根据所述当前位置参数获取所述移动物体的第一位置信息,包括:
获取预设角度与所述夹角之间的角度差;
将所述夹角方位、所述距离以及所述角度差的正弦值之间的乘积作为所述移动物体与所述雷达之间的第一目标左右偏移量;
将所述距离以及所述角度差的余弦值之间的乘积作为所述移动物体与所述雷达之间的目标前后偏移量;
将获取的所述第一目标左右偏移量以及所述目标前后偏移量作为所述移动物体的第一位置信息。
7.根据权利要求5所述的方法,其特征在于,所述在所述雷达监测到移动物体时,开启所述摄像头,以通过所述摄像头获取所述移动物体的实时图像之前,还包括:
通过所述摄像头采集待测物的初始图像,获取所述待测物在所述初始图像中的第一初始坐标;
通过所述雷达获取所述待测物的初始位置参数,所述初始位置参数包括所述待测物与所述雷达之间的初始距离、初始夹角以及所述初始夹角所处的初始夹角方位;
根据所述初始位置参数获取所述待测物的第二初始坐标;
基于所述第一初始坐标以及所述第二初始坐标计算位置误差。
8.根据权利要求7所述的方法,其特征在于,所述获取所述待测物在所述初始图像中的第一初始坐标,包括:
通过所述系统级芯片对所述初始图像进行图像预处理;
基于图像预处理后的所述初始图像获取所述待测物的物体轮廓;
获取所述物体轮廓对应的物体中心点;
获取所述物体中心点与所述摄像头对应的像素点之间的第一左右偏移量,所述第一左右偏移量为所述待测物与所述摄像头在左右方向上的距离;
获取所述物体中心点与所述摄像头对应的像素点之间的上下偏移量,所述上下偏移量为所述待测物与所述摄像头在上下方向上的距离;
将所述第一左右偏移量与所述上下偏移量作为所述待测物在所述初始图像中的第一初始坐标。
9.根据权利要求7所述的方法,其特征在于,所述根据所述初始位置参数获取所述待测物的第二初始坐标,包括:
获取预设角度与所述初始夹角之间的初始角度差;
将所述初始夹角方位、所述初始距离以及所述初始角度差的正弦值之间的乘积作为所述待测物与所述雷达之间的第二左右偏移量,所述第二左右偏移量为所述待测物与所述雷达在左右方向上的距离;
将所述初始距离以及所述初始角度差的余弦值之间的乘积作为所述待测物与所述雷达之间的前后偏移量,所述前后偏移量为所述待测物与所述雷达在前后方向上的距离;
将所述第二左右偏移量以及所述前后偏移量作为所述初始图像中的第二初始坐标。
10.根据权利要求7所述的方法,其特征在于,所述基于所述第一初始坐标以及所述第二初始坐标计算位置误差,包括:
获取第一初始坐标中的第一左右偏移量与第二初始坐标中的第二左右偏移量之间的第一差值,并将所述第一差值作为位置误差。
11.根据权利要求7所述的方法,其特征在于,所述初始图像包括至少两帧初始图像帧,不同的所述初始图像帧对应有不同的第一初始坐标,不同的初始图像帧对应不同的采集时刻,不同的采集时刻对应不同的第二初始坐标,所述基于所述第一初始坐标以及所述第二初始坐标计算位置误差,包括:
遍历各所述采集时刻对应的第一初始坐标与第二初始坐标;
在当前遍历的所述采集时刻为第一个所述采集时刻时,将所述第一初始坐标中的第一左右偏移量与所述第二初始坐标中的第二左右偏移量之间的第二差值作为当前采集时刻的位置误差;
在当前遍历的所述采集时刻不为第一个所述采集时刻时,基于所述第二初始坐标与上一所述采集时刻得到的位置误差,对所述第二初始坐标进行校准,得到校准后的第二初始坐标;
获取所述第一初始坐标中的第一左右偏移量与校准后的所述第二初始坐标中的第二左右偏移量之间的第二差值;
根据所述第二差值对上一所述采集时刻的位置误差进行优化,并将优化后的所述位置误差作为当前采集时刻的位置误差;
当所有的所述采集时刻遍历完成时,将最后一个所述采集时刻得到的位置误差作为最终的位置误差。
12.一种安防监控设备,其特征在于,包括:
图像获取模块,用于在安防监控设备的雷达监测到移动物体时,开启所述安防监控设备的摄像头,以通过所述摄像头获取所述移动物体的实时图像;
能力获取模块,用于获取所述安防监控设备的系统级芯片当前的剩余处理能力;
第一位置获取模块,用于在所述剩余处理能力小于预设处理能力时,通过所述雷达获取所述移动物体的第一位置信息,并将所述第一位置信息展示在所述实时图像上;
第二位置获取模块,用于在所述剩余处理能力大于或等于所述预设处理能力时,关闭所述雷达,所述系统级芯片根据所述摄像头获取的实时图像获取所述移动物体的第二位置信息,并将所述第二位置信息展示在所述实时图像上。
13.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~11中任一项所述的方法。
14.一种计算机设备,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1~11任意一项所述的安防监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694772.XA CN113487652B (zh) | 2021-06-22 | 2021-06-22 | 安防监控方法、安防监控设备、存储介质以及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110694772.XA CN113487652B (zh) | 2021-06-22 | 2021-06-22 | 安防监控方法、安防监控设备、存储介质以及计算机设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113487652A true CN113487652A (zh) | 2021-10-08 |
CN113487652B CN113487652B (zh) | 2023-06-02 |
Family
ID=77935668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110694772.XA Active CN113487652B (zh) | 2021-06-22 | 2021-06-22 | 安防监控方法、安防监控设备、存储介质以及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487652B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8165407B1 (en) * | 2006-10-06 | 2012-04-24 | Hrl Laboratories, Llc | Visual attention and object recognition system |
CN103426308A (zh) * | 2012-05-14 | 2013-12-04 | 深圳市子元技术有限公司 | 可兼容和拓展的智能交通系统 |
CN203365452U (zh) * | 2013-05-02 | 2013-12-25 | 中国计量学院 | 基于双目立体视觉的车速检测系统 |
CN107509033A (zh) * | 2017-09-20 | 2017-12-22 | 中国科学院长春光学精密机械与物理研究所 | 一种遥感相机图像实时采集处理系统 |
CN112146848A (zh) * | 2019-06-27 | 2020-12-29 | 华为技术有限公司 | 一种确定摄像头的畸变参数的方法及装置 |
CN112702571A (zh) * | 2020-12-18 | 2021-04-23 | 福建汇川物联网技术科技股份有限公司 | 一种监控方法及装置 |
CN112929602A (zh) * | 2021-01-22 | 2021-06-08 | 平安普惠企业管理有限公司 | 基于图像处理的数据监控方法、装置及相关设备 |
-
2021
- 2021-06-22 CN CN202110694772.XA patent/CN113487652B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8165407B1 (en) * | 2006-10-06 | 2012-04-24 | Hrl Laboratories, Llc | Visual attention and object recognition system |
CN103426308A (zh) * | 2012-05-14 | 2013-12-04 | 深圳市子元技术有限公司 | 可兼容和拓展的智能交通系统 |
CN203365452U (zh) * | 2013-05-02 | 2013-12-25 | 中国计量学院 | 基于双目立体视觉的车速检测系统 |
CN107509033A (zh) * | 2017-09-20 | 2017-12-22 | 中国科学院长春光学精密机械与物理研究所 | 一种遥感相机图像实时采集处理系统 |
CN112146848A (zh) * | 2019-06-27 | 2020-12-29 | 华为技术有限公司 | 一种确定摄像头的畸变参数的方法及装置 |
CN112702571A (zh) * | 2020-12-18 | 2021-04-23 | 福建汇川物联网技术科技股份有限公司 | 一种监控方法及装置 |
CN112929602A (zh) * | 2021-01-22 | 2021-06-08 | 平安普惠企业管理有限公司 | 基于图像处理的数据监控方法、装置及相关设备 |
Non-Patent Citations (3)
Title |
---|
TOMI D. RÄTY: "Survey on Contemporary Remote Surveillance Systems for Public Safety", 《IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS, PART C (APPLICATIONS AND REVIEWS)》 * |
李翔翔: "实验室监控系统及其关键技术的研究", 《中国优秀硕士学位论文全文数据库_信息科技辑》 * |
陈思程: "毫米波雷达和视频联合处理系统在安防中的应用研究", 《中国优秀硕士学位论文全文数据库_社会科学Ⅰ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN113487652B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10509479B2 (en) | Multi-sensor based user interface | |
CN107957294B (zh) | 环境光强度检测方法、装置、存储介质及电子设备 | |
CN109947886B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN105718031B (zh) | 手势辨识方法及其装置 | |
US20210150232A1 (en) | Method and device for detecting a state of signal indicator light, and storage medium | |
US20200288065A1 (en) | Target tracking method and device, movable platform, and storage medium | |
US11568654B2 (en) | Object recognition method and object recognition device performing the same | |
CN108932512A (zh) | 一种冰箱食材录入方法 | |
CN111582257A (zh) | 用于对待检测对象进行检测的方法、装置及系统 | |
CN113490842A (zh) | 信息处理装置、信息处理方法和信息处理系统 | |
CN110442521B (zh) | 控件单元检测方法及装置 | |
US20130155190A1 (en) | Driving assistance device and method | |
US20210248808A1 (en) | Posture prediction method, computer device and storage medium | |
US11302099B2 (en) | Method and device for recognizing states of electrical devices | |
US10343603B2 (en) | Image processing device and image processing method | |
CN113487652B (zh) | 安防监控方法、安防监控设备、存储介质以及计算机设备 | |
CN107610106B (zh) | 一种检测方法、装置、电子设备及计算机可读存储介质 | |
CN111387932A (zh) | 一种视力检测方法、装置及设备 | |
CN113642425A (zh) | 基于多模态的图像检测方法、装置、电子设备及存储介质 | |
CN116009107B (zh) | 一种被动式人体检测方法、装置、设备及介质 | |
CN112037255A (zh) | 目标跟踪方法和装置 | |
CN112037478A (zh) | 适用于电力设备的监控方法及监控系统 | |
CN110163192B (zh) | 字符识别方法、装置及可读介质 | |
US20230048952A1 (en) | Image registration method and electronic device | |
CN114442808B (zh) | 一种位姿跟踪模块的测试方法、装置、设备、系统和介质 |
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 |