CN113516018A - 目标检测方法、安防设备及可读存储介质 - Google Patents

目标检测方法、安防设备及可读存储介质 Download PDF

Info

Publication number
CN113516018A
CN113516018A CN202110440318.1A CN202110440318A CN113516018A CN 113516018 A CN113516018 A CN 113516018A CN 202110440318 A CN202110440318 A CN 202110440318A CN 113516018 A CN113516018 A CN 113516018A
Authority
CN
China
Prior art keywords
target
determining
frames
frame
preset threshold
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110440318.1A
Other languages
English (en)
Inventor
谢志强
阙玉龙
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.)
Shenzhen Ruilian Technology Co ltd
Shenzhen Reolink Technology Co Ltd
Original Assignee
Shenzhen Ruilian 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 Shenzhen Ruilian Technology Co ltd filed Critical Shenzhen Ruilian Technology Co ltd
Priority to CN202110440318.1A priority Critical patent/CN113516018A/zh
Priority to US17/462,008 priority patent/US11295454B1/en
Publication of CN113516018A publication Critical patent/CN113516018A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • G06T7/20—Analysis of motion
    • G06T7/223—Analysis of motion using block-matching
    • G06T7/231—Analysis of motion using block-matching using full search
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/97—Determining parameters from multiple pictures
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (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)
  • Alarm Systems (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

本申请公开一种目标检测方法、安防设备及可读存储介质。目标检测方法包括：获取第一时段内拍摄目标得到的多个第一帧；获取第二时段内拍摄目标得到的多个第二帧，第一时段的结束时刻为第二时段的开始时刻；将每一第二帧与多个第一帧逐一进行对比，以判断目标在第二帧与第一帧中的位移变化量是否小于第一预设阈值；确定目标的位移变化量小于第一预设阈值，则计数增加一次，并在多个第二帧均完成对比后得到总计数；判断总计数是否达到第二预设阈值；若是，则确定目标静止；若否，则确定目标移动。本申请能够改善例如AI检测方式对静止目标的状态检测的准确性，减少误报警。

Description

目标检测方法、安防设备及可读存储介质
技术领域
本申请涉及安防技术领域，具体涉及一种目标检测方法、安防设备及可读存储介质。
背景技术
目前的摄像机一般具有各类检测及报警功能，例如移动检测，当摄像机检测到画面中出现移动目标时，即触发警报。移动检测的主要方式包括：一、通过移动传感器；二、人工智能(Artificial Intelligence,AI)检测方式，通过摄像机内置AI芯片或AI算法，实时分析监控画面和内容，并基于数据库及模型的训练来识别特定目标。
移动传感器的灵敏度较差，在目标的坐标发生较大变化时才可以检测到目标移动。AI检测方式的灵敏度较高，被广泛应用于安防设备中。但AI检测方式对静止目标的状态检测误差较大，例如，虽然目标是静止的，但在图像传感器(image sensor)每次拍摄得到的图像中，目标的位置会产生较小的偏差，在这种情况下，AI算法计算得到目标的坐标发生变化，会认定该目标发生移动，从而产生误报警。
发明内容
鉴于此，本申请实施例提供一种目标检测方法、安防设备及可读存储介质，以改善对静止目标的状态检测的准确性，减少误报警。
第一方面，本申请提供的一种目标检测方法，包括步骤S1至S62。
S1：获取第一时段内拍摄目标得到的多个第一帧。
S2：获取第二时段内拍摄目标得到的多个第二帧，第一时段的结束时刻为第二时段的开始时刻。
S3：将每一第二帧与多个第一帧逐一进行对比，以判断目标在第二帧与第一帧中的位移变化量是否小于第一预设阈值。
S4：确定目标的位移变化量小于第一预设阈值，则计数增加一次，并在多个第二帧均完成对比后得到总计数。
S5：判断总计数是否达到第二预设阈值。以及，若是，则执行步骤S61：确定目标静止。若否，则执行步骤S62：确定目标移动。
在一些实例中，多个第一帧按照时间先后顺序存储于第一数据链中。
在一些实例中，按照先入先出的顺序将目标在第二帧中的坐标存储于第二数据链的最末尾。
在一些实例中，确定总计数小于第二预设阈值之后，且确定目标移动之前，所述方法包括：判断目标在第二帧中的坐标是否为已存储于第二数据链中的坐标；以及，若是，则确定目标静止；若否，则确定目标移动。
在一些实例中，确定目标静止或者确定目标移动之前，所述方法包括：获取传感器对目标状态的当前检测结果；判断当前检测结果与传感器的检测结果是否相同；若是，则以相同的检测结果确定目标的状态；若否，则根据预设规则以其中一个检测结果确定目标的状态。
在一些实例中，第一时段的开始时刻为对目标执行拍摄的初始时刻，第二时段的时长小于第一时段的时长。
本申请提供的一种安防设备，包括：拍摄单元和处理单元。拍摄单元用于获取第一时段内拍摄目标得到的多个第一帧，以及，第二时段内拍摄目标得到的多个第二帧，第一时段的结束时刻为第二时段的开始时刻。处理单元用于将每一第二帧与多个第一帧逐一进行对比，以判断目标在第二帧与第一帧中的位移变化量是否小于第一预设阈值；以及，确定目标的位移变化量小于第一预设阈值，则计数增加一次，并在多个第二帧均完成对比后得到总计数；处理单元还用于判断总计数是否达到第二预设阈值；以及，若是，则确定目标静止；若否，则确定目标移动。
在一些实例中，确定总计数达到第二预设阈值之后，且确定目标移动之前，处理单元还用于：判断目标在第二帧中的坐标是否为已存储于第二数据链中的坐标，第二数据链用于存储静止的目标在第二帧中的坐标；以及，若是，则确定目标静止；若否，则确定目标移动。在确定目标静止之后，处理单元还用于将目标在第二帧中的坐标存储于第二数据链中。
在一些实例中，安防设备还包括传感单元。传感单元用于检测目标的状态并得到当前检测结果。确定目标静止或者确定目标移动之前，处理单元还用于：判断当前检测结果与传感单元的检测结果是否相同；以及，若是，则以相同的检测结果确定目标的状态；若否，则根据预设规则以其中一个检测结果确定目标的状态。
本申请提供的一种可读存储介质，存储有程序，该程序被处理器运行时以实现上述任一项所述的目标检测方法。
在本申请的目标检测方法、安防设备及可读存储介质中，通过比较不同时段拍摄得到的目标图像，判断目标在不同时段中的位移变化量较大(即超过第一预设阈值)的总次数，来确定目标是静止还是移动，在总次数较少(即小于第二预设阈值)时，确定目标静止，反之则确定目标移动，可见，本申请并非是在检测到目标的位移变化量较大时即认定目标移动、以及目标的位移变化量较小时即认定目标静止，而是以出现这种情况的总次数作为状态检测的依据，从而能够改善对目标(包括静止目标)的状态检测的准确性，减少误报警的概率。例如，对于AI检测方式，减少静止目标的检测误差，增加用户对AI检测方式的认可度。
附图说明
图1是本申请第一实施例的目标检测方法的流程示意图；
图2是本申请第一时段和第二时段的时序示意图；
图3是本申请一实施例中第二帧与第一帧进行比对的示意图；
图4是本申请第二实施例的目标检测方法的流程示意图；
图5是本申请一实施例的安防设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合实施例及附图，对本申请技术方案进行清楚、完整地描述。显然，所描述实施例仅是一部分实施例，而非全部。基于本申请中的实施例，在不冲突的情况下，下述各个实施例及其技术特征可以相互组合。
图1是本申请第一实施例的目标检测方法的流程示意图。请参阅图1所示，目标检测方法包括如下步骤S1至S62。
S1：获取第一时段内拍摄目标得到的多个第一帧。
S2：获取第二时段内拍摄目标得到的多个第二帧，第一时段的结束时刻为第二时段的开始时刻。
本实施例不限定该方法中各步骤的执行主体，可根据实际场景所需而定，例如可以为具有拍摄功能的各类电子设备，包括但不限于为安防领域的摄像机等监控设备；又例如，可以为具有运算处理功能的电子设备，该电子设备可以不具备拍摄功能，第一帧和第二帧可以由外接的拍摄设备拍摄得到，并从外接的拍摄设备获取。
在一些实例中，第一时段的开始时刻可以为对目标执行拍摄的初始时刻，例如为电子设备的开机时刻或者完成对焦后拍摄目标的开始时刻。如图2所示，第一时段t1的时长为开始时刻t1s至结束时刻t1e的时间差，第一时段t1的结束时刻t1e为第二时段t2的开始时刻t2s，第二时段t2的时长为开始时刻t2s至结束时刻t2d的时间差。
第二时段t2的时长小于第一时段t1的时长，缩短取样的目标图像的时长，能够有利于提高检测目标状态的准确性。
第一帧的数量与第一时段的时长具有正比例关系，同理，第二帧的数量与第二时段的时长具有正比例关系。可理解，拍摄时间越长，得到的帧的数量越大。例如，如果摄像机每秒拍摄得到10张图片，第一时段的时长为3秒，则步骤S1得到30个第一帧。
应理解，在一些实例中，本申请可以单独或者综合AI算法的运算性能设定第一帧和第二帧的数量。例如，在AI算法每秒仅能处理7张图片的场景中，即使摄像机每秒拍摄得到10张图片，则最终选取7张图片设定第一帧和/或第二帧，例如，步骤S1得到21个第一帧。选取图片的规则，本申请实施例不予以限制，例如可以选取其中最清晰的7张图片、或者选取拍摄时刻最靠近第二时段的7张图片。
在一些场景中，多个第一帧可按照时间先后顺序存储于第一数据链中，有利于第一帧的调用及步骤S3的对比。第一数据链为存储空间，例如为电子设备的系统缓存区或者外接存储器的存储空间。
S31：将每一第二帧与多个第一帧逐一进行对比。
S32：判断目标在第二帧与第一帧中的位移变化量是否小于第一预设阈值。
S4：确定目标的位移变化量小于第一预设阈值，则计数增加一次，并在多个第二帧均完成对比后得到总计数。
例如，在图3所示的场景中，目标为小狗，对其拍摄得到7个第二帧(分别编号为F1…F7)和21个第一帧(分别编号为Fa1、Fa2、…Fa21)，首先将第二帧F1与这21个第一帧逐一进行对比，判断目标在第二帧F1与第一帧Fa1中的位移变化量是否小于第一预设阈值，判断目标在第二帧F1与第一帧Fa2中的位移变化量是否小于第一预设阈值，依次类推，直至判断目标在第二帧F1与第一帧Fa21中的位移变化量是否小于第一预设阈值；然后，将第二帧F2与这21个第一帧逐一进行对比；依此将其余的第二帧分别与这21个第一帧逐一进行对比。
在一些实例中，步骤S32可根据三维直角坐标系中x轴、y轴、z轴上的坐标变化量，标识目标的位移变化量。三个轴的坐标变化量均小于第一预设阈值，则确定目标的位移变化量小于第一预设阈值。
例如，第一预设阈值为d0，目标在第二帧F1中的坐标为(x1,y1,z1)，在第一帧Fa2中的坐标为(x2,y2,z2)，若│x1-x2│＜d0，│y1-y2│＜d0，且│z1-z2│＜d0，则确定目标在第二帧F1和第一帧Fa2中的坐标变化量小于第一预设阈值，而如果其中一个轴、或者两个轴、或者三个轴上的坐标变化量大于第一预设阈值，则确定目标在第二帧F1和第一帧Fa2中的坐标变化量大于或等于第一预设阈值，例如，如果│x1-x2│≥d0，即使│y1-y2│＜d0且│z1-z2│＜d0，也确定目标在第二帧F1和第一帧Fa2中的坐标变化量大于第一预设阈值。
如果确定目标的位移变化量大于或等于第一预设阈值，则可以执行步骤S33：确定为非静止数据，并继续执行步骤S31和S32。
完成所有第二帧F1…F7的比对之后，得到总计数。总计数可用于标识目标在第一帧和第二帧中未发生较大坐标变化的数量，数量越多，则越能认定是图像传感器拍摄时产生的位置偏差，而非目标因自身移动发生的位移，即目标静止的概率越高。
S5：判断总计数是否达到第二预设阈值。若是，则执行步骤S61：确定目标静止。若否，则执行步骤S62：确定目标移动。
本申请实施例并非是在检测到目标在前后两帧中的位移变化量较大时即认定目标移动、以及目标的位移变化量较小时即认定目标静止，而是基于前后两个时段内的多个帧，通过帧对比，得到出现这种情况的总次数并作为状态检测的依据，从而能够改善对目标(包括静止目标)的状态检测的准确性。该方法可适用于安防领域，例如当检测到目标移动时，可以减少误报警的概率。
上述方法的步骤可以通过运行AI算法予以实现，于此，对于AI检测方式，能够滤除静止目标所导致的检测误差，提高AI检测方式的准确性，增加用户对AI检测方式的认可度。
图4是本申请第二实施例的目标检测方法的流程示意图。请参阅图4所示，目标检测方法包括如下步骤S1至S62。
S1：获取第一时段内拍摄目标得到的多个第一帧。
S2：获取第二时段内拍摄目标得到的多个第二帧，第一时段的结束时刻为第二时段的开始时刻。
S31：将每一第二帧与多个第一帧逐一进行对比。
S32：判断目标在第二帧与第一帧中的位移变化量是否小于第一预设阈值。
S4：确定目标的位移变化量小于第一预设阈值，则计数增加一次，并在多个第二帧均完成对比后得到总计数。
S5：判断总计数是否达到第二预设阈值。
以及，若是，则执行步骤S61：确定目标静止。若否，则执行步骤S51：判断目标在第二帧中的坐标是否为已存储于第二数据链中的坐标。
若目标在第二帧中的坐标为已存储于第二数据链中的坐标，则执行步骤S61：确定目标静止。以及，S63：按照先入先出的顺序将坐标存储于第二数据链的最末尾。
若目标在第二帧中的坐标并非是已存储于第二数据链中的坐标，则执行步骤S62：确定目标移动。
在图1所描述实施例的描述基础上，但与其不同的是，本实施例在每次确定目标静止之后会将静止目标的坐标数据存储于第二数据链中，相当于持续更新目标静止状态下的坐标数据(即静止数据不变更新)，以利于提高目标状态检测的准确性。例如，随着时间的先后顺序，图像传感器拍摄时产生的位置偏差可能越来越大，例如目标在第二帧F1和第一帧Fa2中的坐标变化量较大，且大于第一预设阈值时被误认为目标移动，而实际上目标并未移动，对此，本实施例将最新的静止数据存入第二数据链中，相当于持续更新静止数据，有利于减少此类误检测。
应理解，前述第一预设阈值、第二预设阈值、第一数据链的存储大小、第二数据链的存储大小中的一个或多个，可以根据实际所需予以适应性设定，通过这些阈值的调整，可以调节检测的灵敏度，从而能够根据不同场景而适应性调节检测的灵敏度，进一步有利于过滤静止物体所导致的误检测。
本申请的实施例可以将前述任一种方法与传感器的检测结果相结合，综合检测目标的状态。在一些实例中，确定目标静止或者确定目标移动之前，所述方法还包括：获取传感器对目标状态的检当前测结果；判断当前检测结果与传感器的检测结果是否相同。若是，则以相同的检测结果确定目标的状态，例如两种检测方式均确定目标移动，则最终确定目标移动。若否，则根据预设规则以其中一个检测结果确定目标的状态。例如，预设规则为将AI检测方式的检测结果作为目标的状态，或者，预设规则为将移动传感器的检测结果作为目标的状态。
在一些场景中，传感器包括但不限于为移动传感器、红外传感器、基于被动红外(Passive Infrared,PIR)技术的传感器等。
预设规则还可以根据目标的驻留场景适应性设定。例如，室内室外场景实际并不会有真实的人能保持完全不动，只有玩具人偶或者雕像等才能保持完全不动，如果传感器检测到目标为真实的人，即使AI检测到目标静止，最终的检测结果也确定为目标移动。
本申请实施例还提供一种安防设备，如图5所示，该安防设备10至少包括拍摄单元11和处理单元12。
拍摄单元11用于获取第一时段内拍摄目标得到的多个第一帧，以及，第二时段内拍摄目标得到的多个第二帧，第一时段的结束时刻为第二时段的开始时刻。
处理单元12用于将每一第二帧与多个第一帧逐一进行对比，以判断目标在第二帧与第一帧中的位移变化量是否小于第一预设阈值；以及，确定目标的位移变化量小于第一预设阈值，则计数增加一次，并在多个第二帧均完成对比后得到总计数；处理单元12还用于判断总计数是否达到第二预设阈值；以及，若是，则确定目标静止；若否，则确定目标移动。
在一些实例中，确定总计数达到第二预设阈值之后，且确定目标移动之前，处理单元12还用于：判断目标在第二帧中的坐标是否为已存储于第二数据链中的坐标；以及，若是，则确定目标静止；若否，则确定目标移动。在确定目标静止之后，处理单元12还用于将目标在第二帧中的坐标存储于第二数据链中。
在一些实例中，安防设备还包括传感单元13。传感单元13用于检测目标的状态并得到当前检测结果。确定目标静止或者确定目标移动之前，处理单元12还用于：判断当前检测结果与传感单元13的检测结果是否相同；以及，若是，则以相同的检测结果确定目标的状态；若否，则根据预设规则以其中一个检测结果确定目标的状态。
处理单元12是安防设备10的控制中心，利用各种接口和线路连接整个防设备10的各个部分，通过运行或加载存储在存储器内的程序，以及调用存储在存储器内的数据，执行防设备10的各种功能和处理数据，从而实现前述任一实施例的方法中的步骤。
应该理解到，在实际应用场景中具体实施时，根据安防设备10所属的设备类型，以上各个步骤的执行主体可以并非拍摄单元11、处理单元12和传感单元13，而是由其他模块和单元分别实现。
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一可读存储介质中，并由处理器进行加载和执行。为此，本申请实施例提供一种可读存储介质，该可读存储介质中存储有程序，该程序能够被处理器进行加载，以执行本申请实施例所提供的任一种目标检测方法中的一个或多个步骤。
该可读存储介质可以包括只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。
由于该可读存储介质中所存储的程序，可以执行本申请实施例所提供的任一种目标检测方法中的一个或多个步骤，因此，可以实现本申请实施例所提供的任一种目标检测方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
以上所述仅为本申请的部分实施例，并非因此限制本申请的专利范围，凡是利用本说明书及附图内容所作的等效结构变换，均同理包括在本申请的专利保护范围内。
在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素，此外，不同实施例中具有同样命名的部件、特征、要素可能具有相同含义，也可能具有不同含义，其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
另外，尽管本文采用术语“第一、第二、第三”等描述各种信息，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。本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式。术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。

Claims (10)

1.一种目标检测方法，其特征在于，包括：
获取第一时段内拍摄目标得到的多个第一帧；
获取第二时段内拍摄目标得到的多个第二帧，所述第一时段的结束时刻为所述第二时段的开始时刻；
将每一所述第二帧与所述多个第一帧逐一进行对比，以判断所述目标在第二帧与第一帧中的位移变化量是否小于第一预设阈值；
确定所述目标的位移变化量小于第一预设阈值，则计数增加一次，并在所述多个第二帧均完成对比后得到总计数；
判断所述总计数是否达到第二预设阈值；
若是，则确定所述目标静止；
若否，则确定所述目标移动。
2.根据权利要求1所述的方法，其特征在于，所述多个第一帧按照时间先后顺序存储于第一数据链中。
3.根据权利要求1所述的方法，其特征在于，所述确定所述目标静止之后，所述方法包括：按照先入先出的顺序将所述目标在第二帧中的坐标存储于所述第二数据链的最末尾。
4.根据权利要求3所述的方法，其特征在于，
确定所述总计数达到第二预设阈值之后，且所述确定所述目标移动之前，所述方法包括：判断所述目标在第二帧中的坐标是否为已存储于所述第二数据链中的坐标；以及，若是，则确定所述目标静止；
若否，则确定所述目标移动。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述确定所述目标静止或者确定所述目标移动之前，所述方法包括：
获取传感器对目标状态的当前检测结果；
判断当前检测结果与所述传感器的检测结果是否相同；
若是，则以相同的检测结果确定所述目标的状态；
若否，则根据预设规则以其中一个检测结果确定所述目标的状态。
6.根据权利要求1所述的方法，其特征在于，所述第一时段的开始时刻为对目标执行拍摄的初始时刻，所述第二时段的时长小于所述第一时段的时长。
7.一种安防设备，其特征在于，所述安防设备包括：
拍摄单元，用于获取第一时段内拍摄目标得到的多个第一帧，以及，第二时段内拍摄目标得到的多个第二帧，所述第一时段的结束时刻为所述第二时段的开始时刻；
处理单元，用于将每一所述第二帧与所述多个第一帧逐一进行对比，以判断所述目标在第二帧与第一帧中的位移变化量是否小于第一预设阈值；以及，确定所述目标的位移变化量小于第一预设阈值，则计数增加一次，并在所述多个第二帧均完成对比后得到总计数；
所述处理单元还用于判断所述总计数是否达到第二预设阈值；以及，若是，则确定所述目标静止；若否，则确定所述目标移动。
8.根据权利要求7所述的安防设备，其特征在于，
所述处理单元还用于设置第二数据链，所述第二数据链用于存储静止的目标在所述第二帧中的坐标；
确定所述总计数达到第二预设阈值之后，且所述确定所述目标移动之前，所述处理单元还用于：判断所述目标在第二帧中的坐标是否为已存储于所述第二数据链中的坐标；以及，若是，则确定所述目标静止；
若否，则确定所述目标移动；
在确定所述目标静止之后，所述处理单元还用于将所述目标在所述第二帧中的坐标存储于第二数据链中。
9.根据权利要求7所述的安防设备，其特征在于，所述安防设备还包括传感单元，用于检测所述目标状态并得到当前检测结果；
所述确定所述目标静止或者确定所述目标移动之前，所述处理单元还用于：判断当前检测结果与所述传感单元的检测结果是否相同；以及，若是，则以相同的检测结果确定所述目标的状态；若否，则根据预设规则以其中一个检测结果确定所述目标的状态。
10.一种可读存储介质，存储有程序，其特征在于，所述程序被处理器运行时以实现权利要求1至6任一项所述的目标检测方法。
CN202110440318.1A 2021-04-22 2021-04-22 目标检测方法、安防设备及可读存储介质 Pending CN113516018A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110440318.1A CN113516018A (zh) 2021-04-22 2021-04-22 目标检测方法、安防设备及可读存储介质
US17/462,008 US11295454B1 (en) 2021-04-22 2021-08-31 Object detection method, security device, and readable storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110440318.1A CN113516018A (zh) 2021-04-22 2021-04-22 目标检测方法、安防设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN113516018A true CN113516018A (zh) 2021-10-19

Family

ID=78061159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110440318.1A Pending CN113516018A (zh) 2021-04-22 2021-04-22 目标检测方法、安防设备及可读存储介质

Country Status (2)

Country Link
US (1) US11295454B1 (zh)
CN (1) CN113516018A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116246233A (zh) * 2023-05-11 2023-06-09 深圳依时货拉拉科技有限公司 车载货物监控方法、装置、计算机设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4999794B2 (ja) * 2008-07-04 2012-08-15 日本電信電話株式会社 静止領域検出方法とその装置、プログラム及び記録媒体
CN106878668B (zh) * 2015-12-10 2020-07-17 微软技术许可有限责任公司 对物体的移动检测

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116246233A (zh) * 2023-05-11 2023-06-09 深圳依时货拉拉科技有限公司 车载货物监控方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
US11295454B1 (en) 2022-04-05

Similar Documents

Publication Publication Date Title
US10769480B2 (en) Object detection method and system
US9922423B2 (en) Image angle variation detection device, image angle variation detection method and image angle variation detection program
CN105654512B (zh) 一种目标跟踪方法和装置
KR101910542B1 (ko) 객체 검출을 위한 영상분석 서버장치 및 방법
JP2019522851A (ja) ３次元空間内の姿勢推定
JP4769943B2 (ja) 物体追跡装置、異常状態検知装置及び物体追跡方法
US9761012B2 (en) Object tracking device, object tracking method, and computer-readable medium
CN110533694B (zh) 图像处理方法、装置、终端及存储介质
US11871125B2 (en) Method of processing a series of events received asynchronously from an array of pixels of an event-based light sensor
KR102002812B1 (ko) 객체 검출을 위한 영상분석 서버장치 및 방법
CN109815787B (zh) 目标识别方法、装置、存储介质及电子设备
JP2009510541A (ja) オブジェクト追跡方法及びオブジェクト追跡装置
US20120020523A1 (en) Information creation device for estimating object position and information creation method and program for estimating object position
US10692225B2 (en) System and method for detecting moving object in an image
CN109255360B (zh) 一种目标分类方法、装置及系统
KR20210129043A (ko) 이벤트 기반 센서로부터의 정보를 처리하는 방법
JP5771039B2 (ja) 放置人物検出装置
KR101454644B1 (ko) 보행자 추적기를 이용한 서성거림을 탐지하는 방법
CN113516018A (zh) 目标检测方法、安防设备及可读存储介质
CN111199179B (zh) 目标对象的跟踪方法、终端设备及介质
CN110400329B (zh) 人流计数方法及其系统
CN113674319A (zh) 一种目标跟踪的方法、系统、设备及计算机存储介质
CN112598707A (zh) 一种实时视频流对象检测和跟踪方法
JP7480841B2 (ja) イベントの管理方法、イベント管理装置、システム及びプログラム
CN112738387A (zh) 目标抓拍方法、装置及存储介质

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