CN114332720A - 摄像装置遮挡检测方法、装置、电子设备及存储介质 - Google Patents
摄像装置遮挡检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114332720A CN114332720A CN202111668662.2A CN202111668662A CN114332720A CN 114332720 A CN114332720 A CN 114332720A CN 202111668662 A CN202111668662 A CN 202111668662A CN 114332720 A CN114332720 A CN 114332720A
- Authority
- CN
- China
- Prior art keywords
- image frame
- current image
- preset
- pixel
- coding information
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000004590 computer program Methods 0.000 claims description 10
- 208000036828 Device occlusion Diseases 0.000 claims description 9
- 238000012545 processing Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Studio Devices (AREA)
Abstract
本公开提供了一种摄像装置遮挡检测方法、装置、电子设备及存储介质，该摄像装置遮挡检测方法包括：通过摄像装置获取车辆的驾驶区域的视频数据；对所述视频数据中的当前图像帧进行人脸检测，在未检测到人脸的情况下，根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息；基于所述当前图像帧的特征编码信息以及预设特征编码信息，确定所述摄像装置是否被遮挡，其中，所述预设特征编码信息包括所述视频数据中包含人脸的图像帧的特征编码信息。本公开实施例，可以提升摄像装置遮挡的检测精度。
Description
技术领域
本公开涉及图像处理技术领域，具体而言，涉及一种摄像装置遮挡检测方法、装置、电子设备和存储介质。
背景技术
随着人们生活水平的提高，车辆已经成为人们生活中必不可少的交通工具，车舱内的摄像装置可以用于对驾驶员的驾驶行为进行约束，进而减少交通事故发生的几率，从而辅助提升行车安全。
然而，在实际的使用的过程中，摄像装置会存在被遮挡的情况，而若摄像装置被遮挡，则无法准确检测驾驶员行为，因此，检测摄像装置是否被遮挡以及如何提升摄像装置遮挡检测的精度，显得尤为重要。
发明内容
本公开实施例至少提供一种摄像装置遮挡检测方法、装置、电子设备及存储介质，不仅能够实现对摄像装置的遮挡检测，还能够提高检测的精度。
本公开实施例提供了一种摄像装置遮挡检测方法，包括：
通过摄像装置获取车辆的驾驶区域的视频数据；
对所述视频数据中的当前图像帧进行人脸检测，在未检测到人脸的情况下，根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息；
基于所述当前图像帧的特征编码信息以及预设特征编码信息，确定所述摄像装置是否被遮挡，其中，所述预设特征编码信息包括所述视频数据中包含人脸的图像帧的特征编码信息。
在一种可能的实施方式中，所述根据所述当前图像帧中的像素值对所述当前图像帧进行编码，包括：
确定所述当前图像帧的参考像素阈值；
依次将所述当前图像帧的每个像素点的像素值与所述参考像素阈值进行比较，将大于所述参考像素阈值的像素点编码为1，将不大于所述参考像素阈值的像素点编码为0，得到所述当前图像帧的特征编码信息。
在一种可能的实施方式中，所述参考像素阈值为所述当前图像帧的平均像素值。
在一种可能的实施方式中，所述基于所述当前图像帧的特征编码信息以及预设特征编码信息，确定所述摄像装置是否被遮挡，包括：
在所述当前图像帧的特征编码信息与所述预设特征编码信息之间的汉明距离大于预设阈值的情况下，确定所述摄像装置被遮挡。
在一种可能的实施方式中，所述方法还包括：
在所述汉明距离不大于所述预设阈值的情况下，确定所述当前图像帧的像素分布直方图；
基于所述当前图像帧的像素分布直方图，确定所述摄像装置是否被遮挡。
在一种可能的实施方式中，所述基于所述当前图像帧的像素分布直方图，确定所述摄像装置是否被遮挡，包括：
在所述像素分布直方图中的预设区间的像素分布占比大于预设占比阈值的情况下，确定所述摄像装置被遮挡。
在一种可能的实施方式中，所述方法还包括：
在所述像素分布直方图中的预设区间的像素分布占比不大于所述预设占比阈值的情况下，确定所述当前图像帧的最大连通域；
在所述最大连通域的面积大于预设面积阈值的情况下，确定所述摄像装置被遮挡。
在一种可能的实施方式中，所述方法还包括：
在确定所述摄像装置被遮挡的情况下，输出提示信息。
在一种可能的实施方式中，所述在确定所述摄像装置被遮挡的情况下，输出提示信息，包括：
根据所述视频数据中各帧图像的摄像装置检测结果，确定所述摄像装置的持续遮挡时间；
在所述持续遮挡时间达到预设时间的情况下，输出所述提示信息。
本公开实施例提供了一种摄像装置遮挡检测装置，包括：
视频获取模块，用于通过摄像装置获取车辆的驾驶区域的视频数据；
人脸检测模块，用于对所述视频数据中的当前图像帧进行人脸检测，在未检测到人脸的情况下，根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息；
遮挡确定模块，用于基于所述当前图像帧的特征编码信息以及预设特征编码信息，确定所述摄像装置是否被遮挡，其中，所述预设特征编码信息包括所述视频数据中包含人脸的图像帧的特征编码信息。
在一种可能的实施方式中，所述人脸检测模块具体用于：
确定所述当前图像帧的参考像素阈值；
依次将所述当前图像帧的每个像素点的像素值与所述参考像素阈值进行比较，将大于所述参考像素阈值的像素点编码为1，将不大于所述参考像素阈值的像素点编码为0，得到所述当前图像帧的特征编码信息。
在一种可能的实施方式中，所述参考像素阈值为所述当前图像帧的平均像素值。
在一种可能的实施方式中，所述遮挡确定模块具体用于：
在所述当前图像帧的特征编码信息与所述预设特征编码信息之间的汉明距离大于预设阈值的情况下，确定所述摄像装置被遮挡。
在一种可能的实施方式中，所述遮挡确定模块具体用于：
在所述汉明距离不大于所述预设阈值的情况下，确定所述当前图像帧的像素分布直方图；
基于所述当前图像帧的像素分布直方图，确定所述摄像装置是否被遮挡。
在一种可能的实施方式中，所述遮挡确定模块具体用于：
在所述像素分布直方图中的预设区间的像素分布占比大于预设占比阈值的情况下，确定所述摄像装置被遮挡。
在一种可能的实施方式中，所述遮挡确定模块具体用于：
在所述像素分布直方图中的预设区间的像素分布占比不大于所述预设占比阈值的情况下，确定所述当前图像帧的最大连通域；
在所述最大连通域的面积大于预设面积阈值的情况下，确定所述摄像装置被遮挡。
在一种可能的实施方式中，所述装置还包括：
信息输出模块，用于在确定所述摄像装置被遮挡的情况下，输出提示信息。
在一种可能的实施方式中，所述信息输出模块具体用于：
根据所述视频数据中各帧图像的摄像装置检测结果，确定所述摄像装置的持续遮挡时间；
在所述持续遮挡时间达到预设时间的情况下，输出所述提示信息。
本公开实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如前述任一实施方式中所述的摄像装置遮挡检测方法。
本公开实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如前述任一实施方式中所述的摄像装置遮挡检测方法。
本公开实施例所提供的摄像装置遮挡检测方法、装置、电子设备及存储介质，在未识别到人脸的情况下，根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息，并基于所述当前图像帧的特征编码信息以及预设特征编码信息，判断所述摄像装置是否被遮挡，如此，可以在未识别到人脸的情况下，对图像做进一步判断，进而可以提高判断的精度。
为使本公开的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，此处的附图被并入说明书中并构成本说明书中的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
图1示出了本公开实施例所提供的一种摄像装置遮挡检测方法的流程图；
图2示出了本公开实施例所提供的一种确定当前图像帧的特征编码信息的方法流程图；
图3示出了本公开实施例所提供的另一种摄像装置遮挡检测方法的流程图；
图4示出了本公开实施例所提供的一种输出提示信息的方法流程图；
图5示出了本公开实施例所提供的再一种摄像装置遮挡检测方法的流程图；
图6示出了本公开实施例所提供的一种摄像装置遮挡检测装置的结构示意图；
图7示出了本公开实施例所提供的另一种摄像装置遮挡检测装置的结构示意图；
图8示出了本公开实施例所提供的一种电子设备的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例中附图，对本公开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公开一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围，而是仅仅表示本公开的选定实施例。基于本公开的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
本文中术语“和/或”，仅仅是描述一种关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
随着人们生活水平的提高，车辆已经成为人们生活中必不可少的交通工具，车舱内的摄像装置可以用于对驾驶员的驾驶行为进行约束，进而减少交通事故发生的几率，从而辅助提升行车安全。然而，在实际的使用的过程中，摄像装置会存在被遮挡的情况，而若摄像装置被遮挡，则无法准确检测驾驶员行为。
经研究发现，现有技术中虽然存在能够对摄像装置是否被遮挡进行检测的方法，比如通过人脸检测的方法来确定摄像装置是否被遮挡，但该方法在图像整体亮度较高或者较低时，容易出现误判或者漏判的情况。
基于上述研究，本公开提供了一种摄像装置遮挡检测方法，该方法包括：通过摄像装置获取车辆的驾驶区域的视频数据；对所述视频数据中的当前图像帧进行人脸检测，在未检测到人脸的情况下，根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息；基于所述当前图像帧的特征编码信息以及预设特征编码信息，确定所述摄像装置是否被遮挡，其中，所述预设特征编码信息包括所述视频数据中包含人脸的图像帧的特征编码信息。
本公开实施例中，在未识别到人脸的情况下，根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息，并基于所述当前图像帧的特征编码信息以及预设特征编码信息，确定所述摄像装置是否被遮挡，如此，可以在未识别到人脸的情况下，对图像做进一步判断，进而可以提高判断的精度。
下面结合附图，对本公开实施例中所提供的摄像装置遮挡检测方法进行详细介绍。参见图1所示，为本公开实施例提供的摄像装置遮挡检测方法的流程图，该摄像装置遮挡检测方法包括以下S101～S103：
S101，通过摄像装置获取车辆的驾驶区域的视频数据。
其中，驾驶区域是指车辆内驾驶员进行车辆驾驶控制的区域。在车辆行驶的过程中，驾驶员通常都位于车辆的驾驶区域，终端设备可以获取车辆的驾驶区域的视频数据。
视频数据是指连续的图像序列，其实质是由一组组连续的图像构成的，其中，图像帧是组成视频的最小视觉单位，是一幅静态的图像。将时间上连续的图像帧序列合成到一起便形成动态视频。本实施方式中，为了方便后续的检测识别，需要对所述视频数据中的图像帧进行提取。
示例性地，由于视频数据中每秒钟通常包括很多帧图像(比如每秒钟包括24帧图像)，因此，在提取所述视频数据中的图像帧的过程中，可以进行抽帧提取，其中，抽帧提取是指按照预设的间隔帧数进行抽帧提取，比如，每间隔20帧提取一帧图像；还可以按照预设的时间间隔进行抽帧提取，比如每间隔10ms提取一次图像。
需要说明的是，具体提的间隔帧数以及间隔时间，可以根据实际需求而设定，在此不做限定。
可选的，驾驶区域的视频数据可以由设置于车辆内部的摄像装置拍摄得到，然后终端设备获取拍摄装置拍摄的视频数据。也即，本公开实施例中，该摄像装置遮挡检测方法的执行主体可以为终端设备，其中，终端设备包括但不限于车载设备、可穿戴设备、用户终端及手持设备等。
其他实施方式中，该摄像装置遮挡检测方法的执行主体还可以是服务器，其中，该服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云存储、大数据和人工智能平台等基础云计算服务的云服务器。
在一些可能的实现方式中，该摄像装置遮挡检测方法还可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
S102，对所述视频数据中的当前图像帧进行人脸检测，在未检测到人脸的情况下，根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息。
可以理解，在对视频数据进行图像帧的提取处理后，会得到多个图像帧。其中，当前图像帧是指当前需要进行检测识别处理的图像帧，视频数据中时序位于当前图像帧之前的图像帧称为前序图像帧，时序位于当前图像帧之后的图像帧称为后序图像帧。
示例性地，在前述提取到多帧图像之后，可以对所提取的图像进行人脸检测，以确定当前图像帧中是否存在人脸。具体地，若当前图像帧中检测到人脸，则说明驾驶员此时在驾驶区域，且摄像装置未被遮挡；若当前图像帧中未检测到人脸，需要对当前图像帧做进一步判断，以提高判断的精度。
本实施方式中，在当前图像帧未识别到人脸的情况下，进一步根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息。具体地，参见图2所示，在根据所述当前图像帧中的像素值对所述当前图像帧进行编码的步骤可以包括以下S1021～S1022：
S1021，确定所述当前图像帧的参考像素阈值。
本实施方式中，所述参考像素阈值为所述当前图像帧的平均像素值，如此，可以使得基于该参考像素阈值素得到的特征编码信息与当前图像帧具有唯一的对应关系，进而可以进一步提升判断的精度。当然，在其他实施方式中，该参考像素阈值也可以根据实际情况而设定，比如可以根据当前图像的整体亮度，确定相应的参考像素阈值，而并非是当前图像帧的平均像素值。
示例性地，为了提升参考像素阈值的确定精度，在确定所述当前图像帧的参考像素阈值之前，可以对当前图像帧进行降噪处理，进而可以降低成像噪声的影响。
在一些实施方式中，可以采用高斯平滑算法对所述当前图像帧进行降噪处理。在其他实施例中，降噪处理还可以采用中值滤波算法或者均值滤波算法进行降噪处理，具体不做限定。
S1022，依次将所述当前图像帧的每个像素点的像素值与所述参考像素阈值进行比较，将大于所述参考像素阈值的像素点编码为1，将不大于所述参考像素阈值的像素点编码为0，得到所述当前图像帧的特征编码信息。
示例性地，在确定参考像素阈值之后，即可根据该参考像素阈值来对当前图像帧进行编码，具体的编码过程可以是将大于所述参考像素阈值的像素点编码为1，并将不大于所述参考像素阈值的像素点编码为0，进而得到所述特征编码信息。该特征编码信息可以是与被编码的当前图像帧尺寸一致的二维数组或二维矩阵。例如，在当前图像帧的平均像素为100的情况下，若当前图像帧中的某一像素点的像素值为123，则将该像素点编码为1，而若当前图像帧中的某一像素点的像素值为80，则将该像素点编码为0。
可选地，为了对特征编码信息降维以减少计算量，在对当前图像帧中的每个像素点编码之后，可以按照各像素点的编码按照一定的扫描次序(例如先行后列)依次将各像素点的编码串联起来，形成一维数组或向量，作为图像帧的特征编码信息。
S103，基于所述当前图像帧的特征编码信息以及预设特征编码信息，确定所述摄像装置是否被遮挡，其中，所述预设特征编码信息包括所述视频数据中包含人脸的图像帧的特征编码信息。
本实施方式中，所述预设特征编码信息包括所述视频数据中包含人脸的图像帧的特征编码信息，也即，预设特征编码信息为所述当前图像帧的前序图像帧的特征编码信息，且所述前序图像帧包括人脸。也即，将摄像装置启动后所拍摄到了包含有人脸的图像作为后续图像帧是否发生摄像装置遮挡的判断依据。
可以理解，在车辆启动后，摄像装置即可上电工作，开始对车辆的驾驶区域进行拍摄，得到视频数据，若根据视频数据得到的首帧图像中未包含人脸，此时，可以从预先存储的包含人脸的特征编码信息作为该预设特征编码信息；而若该首帧图像中包含人脸，则将该首帧图像的特征编码信息作为该预设特征编码信息。
需要说明的是，若通过视频数据确定连续多帧图像中都包含有人脸，可以对预设特征编码信息进行更新，也即，将后续的包含人脸的特征编码信息替换该首帧图像的特征编码信息。比如，可以每间隔预设时间更新一次，具体的间隔时间不做限定，比如可以是1分钟，也可以是2分钟。
示例性地，可以将当前图像帧的特征编码信息与预设特征编码信息进行对比，进而确定摄像装置是否被遮挡。具体地，可以计算当前图像帧的特征编码信息与预设特征编码信息之间的汉明距离，并在所述当前图像帧的特征编码信息与所述预设特征编码信息之间的汉明距离大于预设阈值的情况下，确定所述摄像装置被遮挡。
本公开实施例中，在未识别到人脸的情况下，还根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息，并基于所述当前图像帧的特征编码信息以及预设特征编码信息，判断所述摄像装置是否被遮挡，如此，可以在未识别到人脸的情况下，对图像做进一步判断，进而可以提高判断的精度，尤其对驾驶员是否离岗的判断较为准确。
参见图3所示，为本公开实施例提供的另一种摄像装置遮挡检测方法的流程图，包括以下S201～S205：
S201，通过摄像装置获取车辆的驾驶区域的视频数据。
其中，该步骤与上述步骤S101类似，在此不再赘述。
S202，对所述视频数据中的当前图像帧进行人脸检测，在未检测到人脸的情况下，根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息。
其中，该步骤与上述步骤S102类似，在此不再赘述。
S203，判断当前图像帧的特征编码信息与所述预设特征编码信息之间的汉明距离是否大于预设阈值；若是，则执行步骤S205；若否，则执行步骤S204。
其中，该步骤与上述步骤S103类似，在此不再赘述。
S204，基于所述当前图像帧的像素分布直方图，判断所述摄像装置是否被遮挡。
示例性地，在当前图像帧的特征编码信息与所述预设特征编码信息之间的汉明距离不大于预设阈值的情况下，说明当前图像帧中可能存在人脸，只是由于一些特定的原因(比如环境光线较暗)导致人脸检测的过程中未识别出来，因此，为了进一步提升判断的精度，还需要对当前图像帧从其他角度进行判断，以进一步判断摄像装置是否被遮挡。
本公开实施例中，在当前图像帧的特征编码信息与所述预设特征编码信息之间的汉明距离不大于预设阈值的情况下，确定当前图像帧的像素分布直方图，并在所述像素分布直方图中的预设区间的像素分布占比大于预设占比阈值的情况下，确定所述摄像装置被遮挡。
具体地，可以对当前图像帧中的每个像素点的像素值的分布进行统计，进而得到当前图像帧的像素分布直方图。例如，可以按照预先划分的多个像素区间对当前图像帧中的每个像素点的像素值的分布进行统计，该多个像素区间可以为[0～19]、[20～80]、[81～126]及[127～255]等。可以理解，本实施方式中，所示出的多个像素区间仅仅是示意，其他实施方式中，该多个像素区间还可以按照其他需求进行划分。
在一些实施方式中，该预设区间可以根据摄装置的实际使用环境进行大量的测试而得出，例如，可以统计车辆驾驶区域场景的图像的直方分布图，可以确定摄像装置未被遮挡情况下拍摄的正常的图像中像素区间[20～80]的像素数占比和摄像装置被遮挡情况下拍摄的图像中像素区间[20～80]的像素数占比有比较明显的分界，因此，可以将预设区间设为[20～80]的像素区间。
另外，像素值较低(比如小于20)或者大于高亮度阈值的总像素占比越大，意味着图像中存在有效内容的概率越小，因此，在其他实施例中，该预设区间还可以是像素值较低的区间或者是像素值较高的区间，比如[0～20]的像素区间或者[130～255]的像素区间，具体不做限定。
本实施方式中，该预设区间为该多个像素区间中个一个，比如，该预设区间为[20～80]，若该预设区间为[20～80]内的像素点的数量较多，大于预设占比阈值，则可以确定摄像装置被遮挡。
S205，确定所述摄像装置被遮挡。
S206，输出提示信息。
示例性地，在确定摄像装置被遮挡后，可以输出提示信息，以提醒驾驶员对遮挡的摄像装置进行处理，以使摄像装置可以正常拍摄驾驶员的图像，从而可以辅助提升驾驶的安全性。
其中，提示信息包括但不限于语音提示信息、图文提示信息，灯光提示信息等。例如，可以输出“摄像装置被遮挡，请确认”的语音提示信息。
在一些实施方式中，为了避免因瞬间的遮挡而频繁的输出提示信息对车内人员产生影响，参见图4所示，在输出提示信息时，可以包括以下S2061～S2062：
S2061，根据所述视频数据中各帧图像的摄像装置检测结果，确定所述摄像装置的持续遮挡时间。
S2062，在所述持续遮挡时间达到预设时间的情况下，输出所述提示信息。
本实施方式中，在当前图像帧确定摄像装置遮挡的情况下，还要确定后帧图像的判断结果是否也为遮挡，若至少一帧后帧图像判断摄像装置未被遮挡，则说明，当前遮挡只是闪现，此时，则不输出提示信息；若至少一帧后帧图像的判断结果也为摄像装置被遮挡，也即连续多帧图像都判断摄像装置被遮挡，说明此时摄像装置被持续遮挡，是有意遮挡，并不是误遮挡，且在所述持续遮挡时间达到预设时间(比如5秒钟)的情况下，输出提示信息以进行提示。
参见图5所示，为本公开实施例提供的再一种摄像装置遮挡检测方法的流程图，包括以下S301～S310：
S301，通过摄像装置获取车辆的驾驶区域的视频数据。
其中，该步骤与上述步骤S101类似，在此不再赘述。
S302，对所述视频数据中的当前图像帧进行人脸检测，在未检测到人脸的情况下，根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息。
其中，该步骤与上述步骤S102类似，在此不再赘述。
S303，判断当前图像帧的特征编码信息与所述预设特征编码信息之间的汉明距离是否大于预设阈值；若是，则执行步骤S308；若否，则执行步骤S304。
示例性地，若当前图像帧的特征编码信息与所述预设特征编码信息之间的汉明距离大于预设阈值，说明当前图像帧中不包含人脸，此时，则执行步骤S308，判断摄像装置被遮挡；若当前图像帧的特征编码信息与所述预设特征编码信息之间的汉明距离不大于预设阈值，则说明当前图像帧中可能存在人脸，需要进一步判断，因此，执行步骤S304。
S304，确定所述当前图像帧的像素分布直方图。
其中，该步骤与上述步骤S204类似，在此不再赘述。
S305，判断像素分布直方图中的预设区间的像素分布占比是否大于预设占比阈值；若是，则执行步骤S308；若否，则执行步骤S306。
示例性地，若像素分布直方图中的预设区间的像素分布占比大于预设占比阈值，说明当前图像帧中无效内容占比较大，则执行步骤S308，判断摄像装置被遮挡；若像素分布直方图中的预设区间的像素分布占比不大于预设占比阈值，说明当前图像帧的有效内容占比正常，则需要执行步骤S306，进行进一步判断。
S306，确定所述当前图像帧的最大连通域。
S307，判断所述最大连通域的面积是否大于预设面积阈值；若是，则执行步骤S308；若否，则执行步骤S310。
其中，最大连通域是指具有相同像素值或者在一定误差之内的所有像素值且位置相邻的像素点组成的图像区域，最大连通域是一个闭合的区域。比如，预设面积阈值可以设为占比正张图像的60％的面积，若最大连通域大于该预设面积阈值，则执行步骤S308，确定摄像装置被遮挡；若最大连通域不大于该预设面积阈值，则执行步骤S310，确定所述摄像装置未被遮挡。
可以理解，为了进一步提高判断精度，防止因突变情况而造成误判，比如，因瞬间遮挡而造成的误判，在一些实施方式中，在确定当前图像帧的最大连通域的面积大于所述预设面积阈值的情况下，还可以执行以下(1)～(3)：
(1)确定所述当前图像帧的之前和/或之后的至少一帧图像的最大连通域；
(2)确定所述当前图像帧以及所述至少一帧图像的最大连通域的面积的平均值；
(3)在所述当前图像帧以及所述至少一帧图像的最大连通域的面积的平均值大于所述预设面积阈值的情况下，确定所述摄像装置被遮挡。
如此，在确定当前图像帧的最大连通域的面积大于预设面积阈值的情况下，还确定当前图像帧的之前或者之后的多帧图像的最大连通域的面积的平均值，进而可以避免因闪现(比如瞬间从摄像装置前经过)而导致的误判的情况发生，进一步提升了判断的准确度。
S308，确定所述摄像装置被遮挡。
S309，输出提示信息。
其中，该步骤与上述步骤S206类似，在此不再赘述。
S310，确定所述摄像装置未被遮挡。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一技术构思，本公开实施例中还提供了与摄像装置遮挡检测方法对应的摄像装置遮挡检测装置，由于本公开实施例中的装置解决问题的原理与本公开实施例上述摄像装置遮挡检测方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图6所示，为本公开实施例提供的一种摄像装置遮挡检测装置500的示意图，该摄像装置遮挡检测装置500包括：
视频获取模块501，用于通过摄像装置获取车辆的驾驶区域的视频数据；
人脸检测模块502，用于对所述视频数据中的当前图像帧进行人脸检测，在未检测到人脸的情况下，根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息；
遮挡确定模块503，用于基于所述当前图像帧的特征编码信息以及预设特征编码信息，确定所述摄像装置是否被遮挡，其中，所述预设特征编码信息包括所述视频数据中包含人脸的图像帧的特征编码信息。
在一种可能的实施方式中，所述人脸检测模块502具体用于：
确定所述当前图像帧的参考像素阈值；
依次将所述当前图像帧的每个像素点的像素值与所述参考像素阈值进行比较，将大于所述参考像素阈值的像素点编码为1，将不大于所述参考像素阈值的像素点编码为0，得到所述当前图像帧的特征编码信息。
在一种可能的实施方式中，所述参考像素阈值为所述当前图像帧的平均像素值。
在一种可能的实施方式中，所述遮挡确定模块503具体用于：
在所述当前图像帧的特征编码信息与所述预设特征编码信息之间的汉明距离大于预设阈值的情况下，确定所述摄像装置被遮挡。
在一种可能的实施方式中，所述遮挡确定模块503具体用于：
在所述汉明距离不大于所述预设阈值的情况下，确定所述当前图像帧的像素分布直方图；
基于所述当前图像帧的像素分布直方图，确定所述摄像装置是否被遮挡。
在一种可能的实施方式中，所述遮挡确定模块503具体用于：
在所述像素分布直方图中的预设区间的像素分布占比大于预设占比阈值的情况下，确定所述摄像装置被遮挡。
在一种可能的实施方式中，所述遮挡确定模块503具体用于：
在所述像素分布直方图中的预设区间的像素分布占比不大于所述预设占比阈值的情况下，确定所述当前图像帧的最大连通域；
在所述最大连通域的面积大于预设面积阈值的情况下，确定所述摄像装置被遮挡。
参见图7所示，在一种可能的实施方式中，所述装置还包括：
信息输出模块504，用于在确定所述摄像装置被遮挡的情况下，输出提示信息。
在一种可能的实施方式中，所述信息输出模块504具体用于：
根据所述视频数据中各帧图像的摄像装置检测结果，确定所述摄像装置的持续遮挡时间；
在所述持续遮挡时间达到预设时间的情况下，输出所述提示信息。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
基于同一技术构思，本公开实施例还提供了一种电子设备。参照图8所示，为本公开实施例提供的电子设备700的结构示意图，包括处理器701、存储器702、和总线703。其中，存储器702用于存储执行指令，包括内存7021和外部存储器7022；这里的内存7021也称内存储器，用于暂时存放处理器701中的运算数据，以及与硬盘等外部存储器7022交换的数据，处理器701通过内存7021与外部存储器7022进行数据交换。
本申请实施例中，存储器702具体用于存储执行本申请方案的应用程序代码，并由处理器701来控制执行。也即，当电子设备700运行时，处理器701与存储器702之间通过总线703通信，使得处理器701执行存储器702中存储的应用程序代码，进而执行前述任一实施例中所述的方法。
其中，存储器702可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read－Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read－Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read－Only Memory，EEPROM)等。
处理器701可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
可以理解的是，本申请实施例示意的结构并不构成对电子设备700的具体限定。在本申请另一些实施例中，电子设备700可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。图示的部件可以以硬件，软件或软件和硬件的组合实现。
本公开实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述方法实施例中的摄像装置遮挡检测方法的步骤。其中，该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例还提供一种计算机程序产品，该计算机程序产品承载有程序代码，所述程序代码包括的指令可用于执行上述方法实施例中的摄像装置遮挡检测方法的步骤，具体可参见上述方法实施例，在此不再赘述。
其中，上述计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本公开所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本公开各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本公开的具体实施方式，用以说明本公开的技术方案，而非对其限制，本公开的保护范围并不局限于此，尽管参照前述实施例对本公开进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应所述以权利要求的保护范围为准。
Claims (12)
1.一种摄像装置遮挡检测方法，其特征在于，包括：
通过摄像装置获取车辆的驾驶区域的视频数据；
对所述视频数据中的当前图像帧进行人脸检测，在未检测到人脸的情况下，根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息；
基于所述当前图像帧的特征编码信息以及预设特征编码信息，确定所述摄像装置是否被遮挡，其中，所述预设特征编码信息包括所述视频数据中包含人脸的图像帧的特征编码信息。
2.根据权利要求1所述的方法，其特征在于，所述根据所述当前图像帧中的像素值对所述当前图像帧进行编码，包括：
确定所述当前图像帧的参考像素阈值；
依次将所述当前图像帧的每个像素点的像素值与所述参考像素阈值进行比较，将大于所述参考像素阈值的像素点编码为1，将不大于所述参考像素阈值的像素点编码为0，得到所述当前图像帧的特征编码信息。
3.根据权利要求2所述的方法，其特征在于，所述参考像素阈值为所述当前图像帧的平均像素值。
4.根据权利要求1所述的方法，其特征在于，所述基于所述当前图像帧的特征编码信息以及预设特征编码信息，确定所述摄像装置是否被遮挡，包括：
在所述当前图像帧的特征编码信息与所述预设特征编码信息之间的汉明距离大于预设阈值的情况下，确定所述摄像装置被遮挡。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
在所述汉明距离不大于所述预设阈值的情况下，确定所述当前图像帧的像素分布直方图；
基于所述当前图像帧的像素分布直方图，确定所述摄像装置是否被遮挡。
6.根据权利要求5所述的方法，其特征在于，所述基于所述当前图像帧的像素分布直方图，确定所述摄像装置是否被遮挡，包括：
在所述像素分布直方图中的预设区间的像素分布占比大于预设占比阈值的情况下，确定所述摄像装置被遮挡。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
在所述像素分布直方图中的预设区间的像素分布占比不大于所述预设占比阈值的情况下，确定所述当前图像帧的最大连通域；
在所述最大连通域的面积大于预设面积阈值的情况下，确定所述摄像装置被遮挡。
8.根据权利要求1-7任一所述的方法，其特征在于，所述方法还包括：
在确定所述摄像装置被遮挡的情况下，输出提示信息。
9.根据权利要求8所述的方法，其特征在于，所述在确定所述摄像装置被遮挡的情况下，输出提示信息，包括：
根据所述视频数据中各帧图像的摄像装置检测结果，确定所述摄像装置的持续遮挡时间；
在所述持续遮挡时间达到预设时间的情况下，输出所述提示信息。
10.一种摄像装置遮挡检测装置，其特征在于，包括：
视频获取模块，用于通过摄像装置获取车辆的驾驶区域的视频数据；
人脸检测模块，用于对所述视频数据中的当前图像帧进行人脸检测，在未检测到人脸的情况下，根据所述当前图像帧中的像素值对所述当前图像帧进行编码，得到所述当前图像帧的特征编码信息；
遮挡确定模块，用于基于所述当前图像帧的特征编码信息以及预设特征编码信息，确定所述摄像装置是否被遮挡，其中，所述预设特征编码信息包括所述视频数据中包含人脸的图像帧的特征编码信息。
11.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1-9任一所述的摄像装置遮挡检测方法。
12.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1-9任一所述的摄像装置遮挡检测方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111668662.2A CN114332720A (zh) | 2021-12-31 | 2021-12-31 | 摄像装置遮挡检测方法、装置、电子设备及存储介质 |
| PCT/CN2022/124934 WO2023124385A1 (zh) | 2021-12-31 | 2022-10-12 | 摄像装置遮挡检测方法、装置、电子设备、存储介质及计算机程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111668662.2A CN114332720A (zh) | 2021-12-31 | 2021-12-31 | 摄像装置遮挡检测方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114332720A true CN114332720A (zh) | 2022-04-12 |
Family
ID=81020389
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111668662.2A Pending CN114332720A (zh) | 2021-12-31 | 2021-12-31 | 摄像装置遮挡检测方法、装置、电子设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114332720A (zh) |
| WO (1) | WO2023124385A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023124385A1 (zh) * | 2021-12-31 | 2023-07-06 | 上海商汤智能科技有限公司 | 摄像装置遮挡检测方法、装置、电子设备、存储介质及计算机程序产品 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109858441A (zh) * | 2019-01-30 | 2019-06-07 | 广州轨道交通建设监理有限公司 | 一种用于施工现场的异常状态监测方法与装置 |
| CN110557628A (zh) * | 2018-06-04 | 2019-12-10 | 杭州海康威视数字技术股份有限公司 | 一种检测摄像头遮挡的方法、装置及电子设备 |
| CN111862228A (zh) * | 2020-06-04 | 2020-10-30 | 福瑞泰克智能系统有限公司 | 遮挡检测的方法、系统、计算机设备和可读存储介质 |
| CN112261402A (zh) * | 2020-09-22 | 2021-01-22 | 北京紫光展锐通信技术有限公司 | 图像检测方法与系统以及摄像头遮挡监控方法与系统 |
| WO2021174819A1 (zh) * | 2020-03-05 | 2021-09-10 | 平安科技（深圳）有限公司 | 人脸遮挡检测方法及系统 |
| US20210342595A1 (en) * | 2018-12-29 | 2021-11-04 | Shenzhen Tcl New Technology Co., Ltd. | Scene-based image processing method, apparatus, smart terminal and storage medium |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10339812B2 (en) * | 2017-03-02 | 2019-07-02 | Denso International America, Inc. | Surrounding view camera blockage detection |
| US11145046B2 (en) * | 2018-07-24 | 2021-10-12 | The Regents Of The University Of Michigan | Detection of near-field occlusions in images |
| CN111970405A (zh) * | 2020-08-21 | 2020-11-20 | Oppo（重庆）智能科技有限公司 | 摄像头遮挡检测方法、存储介质、电子设备及装置 |
| CN112351271A (zh) * | 2020-09-22 | 2021-02-09 | 北京迈格威科技有限公司 | 一种摄像头的遮挡检测方法、装置、存储介质和电子设备 |
| CN112668636B (zh) * | 2020-12-25 | 2023-08-08 | 展讯通信（上海）有限公司 | 摄像头遮挡检测方法及系统、电子设备及存储介质 |
| CN114332720A (zh) * | 2021-12-31 | 2022-04-12 | 上海商汤临港智能科技有限公司 | 摄像装置遮挡检测方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-31 CN CN202111668662.2A patent/CN114332720A/zh active Pending
-
2022
- 2022-10-12 WO PCT/CN2022/124934 patent/WO2023124385A1/zh unknown
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110557628A (zh) * | 2018-06-04 | 2019-12-10 | 杭州海康威视数字技术股份有限公司 | 一种检测摄像头遮挡的方法、装置及电子设备 |
| US20210342595A1 (en) * | 2018-12-29 | 2021-11-04 | Shenzhen Tcl New Technology Co., Ltd. | Scene-based image processing method, apparatus, smart terminal and storage medium |
| CN109858441A (zh) * | 2019-01-30 | 2019-06-07 | 广州轨道交通建设监理有限公司 | 一种用于施工现场的异常状态监测方法与装置 |
| WO2021174819A1 (zh) * | 2020-03-05 | 2021-09-10 | 平安科技（深圳）有限公司 | 人脸遮挡检测方法及系统 |
| CN111862228A (zh) * | 2020-06-04 | 2020-10-30 | 福瑞泰克智能系统有限公司 | 遮挡检测的方法、系统、计算机设备和可读存储介质 |
| CN112261402A (zh) * | 2020-09-22 | 2021-01-22 | 北京紫光展锐通信技术有限公司 | 图像检测方法与系统以及摄像头遮挡监控方法与系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023124385A1 (zh) * | 2021-12-31 | 2023-07-06 | 上海商汤智能科技有限公司 | 摄像装置遮挡检测方法、装置、电子设备、存储介质及计算机程序产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023124385A1 (zh) | 2023-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109272509B (zh) | 一种连续图像的目标检测方法、装置、设备及存储介质 | |
| CN114332721A (zh) | 摄像装置遮挡检测方法、装置、电子设备及存储介质 | |
| CN110991310B (zh) | 人像检测方法、装置、电子设备及计算机可读介质 | |
| CN111582032A (zh) | 行人检测方法、装置、终端设备及存储介质 | |
| CN113554008A (zh) | 静态物体区域内检测方法、装置、电子设备及存储介质 | |
| CN114332720A (zh) | 摄像装置遮挡检测方法、装置、电子设备及存储介质 | |
| CN114005093A (zh) | 基于视频分析的驾驶行为告警方法、装置、设备及介质 | |
| CN114677650A (zh) | 地铁乘客行人违法行为智能分析方法及装置 | |
| US10115028B2 (en) | Method and device for classifying an object in an image | |
| CN112633281B (zh) | 一种基于Hash算法车辆身份认证方法及系统 | |
| CN113569812A (zh) | 未知障碍物的识别方法、装置和电子设备 | |
| CN111079560B (zh) | 一种摔倒监测方法、装置及终端设备 | |
| CN113179423A (zh) | 事件的检测输出方法及装置、电子设备和存储介质 | |
| CN110765875B (zh) | 交通目标的边界检测方法、设备及装置 | |
| JP5954212B2 (ja) | 画像処理装置、画像処理方法、および画像処理プログラム | |
| CN112837384A (zh) | 车辆标记方法、装置和电子设备 | |
| CN109658452B (zh) | 一种轨距检测方法及装置 | |
| CN110889352A (zh) | 图像模糊化处理方法、计算机装置及计算机可读存储介质 | |
| EP2453383A1 (en) | Facial features detection | |
| CN112581489A (zh) | 一种视频压缩方法、装置及存储介质 | |
| CN111091056A (zh) | 图像中的墨镜识别方法及装置、电子设备、存储介质 | |
| JP2017058950A (ja) | 認識装置、撮像システム、撮像装置並びに認識方法及び認識用プログラム | |
| CN113239738B (zh) | 一种图像的模糊检测方法及模糊检测装置 | |
| CN113920590A (zh) | 活体检测方法、装置、设备及可读存储介质 | |
| CN112395963A (zh) | 对象识别方法和装置、电子设备及存储介质 |
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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40063414 Country of ref document: HK |