CN114419560B - 一种检测目标物体的方法、装置以及介质 - Google Patents
一种检测目标物体的方法、装置以及介质 Download PDFInfo
- Publication number
- CN114419560B CN114419560B CN202210336894.6A CN202210336894A CN114419560B CN 114419560 B CN114419560 B CN 114419560B CN 202210336894 A CN202210336894 A CN 202210336894A CN 114419560 B CN114419560 B CN 114419560B
- Authority
- CN
- China
- Prior art keywords
- image
- foreground
- target
- target object
- point
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06T7/60—Analysis of geometric attributes
-
- 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
Abstract
本申请公开了一种检测目标物体的方法、装置以及介质,应用于图像处理领域。该方法可通过现有的摄像头获取图像,确定出图像中的移动目标;图像中的移动目标可能是老鼠,也可能是其他动物或运动的物体,因此,需要获取移动目标的特征信息,其中,特征信息至少包括移动目标的像素值和/或位于图像中的尺寸,可用于确定图像中的移动目标是否为目标物体,在特征信息满足第一预设要求时,确定移动目标为目标物体,可根据老鼠的特征信息生成第一预设要求,即可以确定出图像中是否存在老鼠。本申请提供的方法对鼠患出现的位置进行监控,确定老鼠出现的位置之后,可以针对性的布置捕鼠工具,不仅节省了人力物力,还提高了灭鼠的效果。
Description
技术领域
本申请涉及图像处理领域,特别是涉及一种检测目标物体的方法、装置以及介质。
背景技术
餐饮企业的厨房卫生状况是消费者关注的重点,近几年食品安全问题频频上热搜。尤其是餐厅中出现的鼠患,在严重危害消费者健康同时还会极大损害餐饮企业的商誉。老鼠喜好群居具有昼伏夜出的特性,当前针对鼠患较为常见的做法是在老鼠可能出现的地方预先布置捕鼠的工具,以预防或解决鼠患。
但是这种方式并没有对鼠患出现的位置进行监控,在不清楚是否有老鼠出现或者不清楚老鼠出现的位置的情况下,大量的布置捕鼠工具,不仅需要耗费大量的人力物力成本,且灭鼠效果难以保证。
由此可见,如何在不投入大量人力物力的情况下提高灭鼠的效果,是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种检测目标物体的方法、装置以及介质,以提高灭鼠的效果。
为解决上述技术问题,本申请提供一种检测目标物体的方法,包括:
获取摄像头采集的图像;
确定出所述图像中的移动目标;
获取所述移动目标的特征信息,所述特征信息至少包括所述移动目标的像素值和/或位于所述图像中的尺寸;
在所述特征信息满足第一预设要求时,确定所述移动目标为目标物体。
优选地,所述确定出所述图像中的移动目标包括:
根据初始的所述图像的像素值初始化背景帧模板并根据所述图像更新所述背景帧模板;其中,所述背景帧模板的每个点设有对应的样本集,所述样本集包括至少一个样本;
根据新的所述图像和所述背景帧模板得到前景帧,其中,在所述前景帧中满足匹配要求的点为前景点,所述匹配要求包括第一匹配要求;所述第一匹配要求具体为:新的所述图像的点的像素值与第一结果的差值小于第二结果;所述第一结果为第一系数与所述背景帧模板中同一位置的点对应的各样本的像素值的乘积,所述第二结果为第二系数与所述背景帧模板中同一位置的点对应的各样本的像素值的乘积,所述第一系数为所述背景帧模板与地面的差异系数,所述第二系数为所述背景帧模板的亮度系数;
依据所有相连的所述前景点确定前景框的外轮廓,以确定出所述移动目标。
优选地,所述根据所述图像更新所述背景帧模板包括:
根据背景点更新所述背景帧模板,其中,所述背景点为所述前景帧中不满足所述匹配要求的点。
优选地,所述匹配要求还包括第二匹配要求,所述第二匹配要求具体为:
目标样本的个数不大于预设数量;其中,同一位置的点在所述背景帧模板的目标样本中的像素值与在新的所述图像中的像素值之间的差距小于第一阈值。
优选地,所述依据所有相连的所述前景点确定前景框的外轮廓,以确定出所述移动目标包括:
依据所有相连的前景点确定至少一个前景框的外轮廓;
将所述外轮廓处理为矩形;
将所述矩形作为所述移动目标;
所述特征信息包括:
所述矩形的高、宽、高宽比值、以及像素值。
优选地,所述在所述特征信息满足第一预设要求时,确定所述移动目标为目标物体包括:
若第一预设时间内含有疑似目标物体的所述图像的数量不小于第二阈值,则将计数值增加第一预设值,若所述第一预设时间内含有所述疑似目标物体的所述图像的数量小于所述第二阈值,则将所述计数值减少第二预设值,其中,所述疑似目标物体为高、宽、高宽比值、以及像素值满足第二预设要求的所述移动目标;
若第二预设时间内所述计数值超过第三阈值,则确定所述移动目标为目标物体。
优选地,所述图像具体为灰度图,所述获取摄像头采集的图像包括:
获取摄像头采集的视频流,从视频流中抽取多个彩色图像;
将所述彩色图像处理为所述灰度图。
为解决上述技术问题,本申请还提供一种检测目标物体的装置,包括:
第一获取模块,用于获取摄像头采集的图像;
第一确定模块,用于确定出所述图像中的移动目标;
第二获取模块,用于获取所述移动目标的特征信息,所述特征信息至少包括所述移动目标的像素值和/或位于所述图像中的尺寸;
第二确定模块,用于在所述特征信息满足第一预设要求时,确定所述移动目标为目标物体。
为解决上述技术问题,本申请还提供一种检测目标物体的装置,包括:存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现上述检测目标物体的方法的步骤。
为解决上述技术问题,本申请还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述检测目标物体的方法的步骤。
本申请所提供的检测目标物体的方法,可通过现有的摄像头获取图像,确定出图像中的移动目标;图像中的移动目标可能是老鼠,也可能是其他动物或运动的物体,因此,需要获取移动目标的特征信息,其中,特征信息至少包括移动目标的像素值和/或位于图像中的尺寸,可用于确定图像中的移动目标是否为目标物体,在特征信息满足第一预设要求时,确定移动目标为目标物体,可根据老鼠的特征信息生成第一预设要求,即可以确定出图像中是否存在老鼠。本申请提供的方法对鼠患出现的位置进行监控,确定老鼠出现的位置之后,可以针对性的布置捕鼠工具,不仅节省了人力物力,还提高了灭鼠的效果。
本申请还提供了一种检测目标物体的装置以及介质,与上述方法对应,故具有与上述方法相同的有益效果。
附图说明
为了更清楚地说明本申请实施例,下面将对实施例中所需要使用的附图做简单的介绍,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的附图。
图1为本申请实施例提供的检测目标物体的方法的流程图;
图2为本申请实施例提供的检测目标物体的装置的结构图;
图3为本申请另一实施例提供的检测目标物体的装置的结构图。
具体实施方式
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,而不是全部实施例。基于本申请中的实施例,本领域普通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,都属于本申请保护范围。
本申请的核心是提供一种检测目标物体的方法、装置以及介质。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。
本申请提供了一种检测目标物体的方法,用于侦测鼠患,老鼠具有群居和昼伏夜出的特性,尤其容易在厨房等地方出现,一般厨房都安装有摄像头,因此,可以根据厨房的摄像头对老鼠进行检测。图1为本申请实施例提供的检测目标物体的方法的流程图,如图所示,该方法包括如下步骤:
S10:获取摄像头采集的图像。
一般类似于厨房等与食品安全相关的地方都安装有摄像头,可直接通过现有的摄像头获取图像,也可针对欲监控的位置专门安装新的摄像头。摄像头获取的通常是视频流,视频流用于提供多帧图像,可每隔2-3帧抽取一帧图像,摄像头获取的图像一般是彩色图像,其中彩色图像的分辨率一般为720p至1080p,若不进行处理直接使用彩色图像进行判断,需要处理的数据量大,因此,可先将摄像头获取到的彩色图形处理成灰度图,再进行后续步骤。
S11:确定出图像中的移动目标。
可根据预设的条件将图像中的移动目标提取出来,本申请实施例提供其中一种方案,先根据初始的图像的像素值初始化背景帧模板并根据图像更新背景帧模板。从视频流中获取有多帧图像,其中第一帧图像一般用于初始化背景帧模板,此后的每一帧图像既用于前景帧生成,又用于背景帧模板的更新。将之后的图像与背景帧模板共同处理得到前景帧,其中,在前景帧中满足匹配要求的点为前景点,在前景帧中不满足匹配要求的点为背景点,匹配要求可以包括第一匹配要求;第一匹配要求具体为:新的图像的点的像素值与第一结果的差值小于第二结果;第一结果为第一系数与背景帧模板中同一位置的点对应的各样本的像素值的乘积,第二结果为第二系数与背景帧模板中同一位置的点对应的各样本的像素值的乘积,第一系数为背景帧模板与地面的差异系数,第二系数为背景帧模板的亮度系数,匹配要求还可以包括第二匹配要求,第二匹配要求具体为:目标样本的个数不大于预设数量;其中,同一位置的点在背景帧模板的目标样本中的像素值与在新的图像中的像素值之间的差距小于第一阈值,上述情况只是对匹配要求进行举例说明,这里并不对匹配要求进行限定。初始化背景帧模板时,背景帧模板可设置为w*h*numsample的矩阵samples[i][j][k](三维矩阵,samples[i][j][k]表示背景帧模板的第k个样本中坐标为(i,j)的点的像素值大小,其中,k∈[0,numsample])。w,h为输入图像的高和宽,numsample为背景帧模板样本集中样本的数量,样本集中包括至少一个样本,假设numsample等于20,而用于初始化的图像只有一张,则初始化背景帧模板时,一般通过Vibe算法随机选取图像中目标点邻域的20个点,每个点建立一个背景帧模板的样本集,这种方式具有初始化速度快、内存消耗少和占用资源少等优点。初始化背景帧模板之后,将新得到的彩色图像处理为灰度图,根据灰度图与背景帧模板生成前景帧FGModel。FGModel初始为w*h的全零矩阵,即所有点的像素值均为0,从第二帧开始更新FGModel。将灰度图的所有像素值pix[i][j](pix[i][j]是指该图像中坐标为(i,j)的点的像素值)与背景帧模板进行比较,筛选出前景点,具体筛选过程在下面说明,并将前景点的像素值赋值为255(即将原来的黑点变为白点,其中,像素值为0则为黑点,代表静止的点,即背景点,像素值为255则为白点,代表移动的点,即前景点)。最后得到的前景点有多个,前景帧中白色的区域即为前景点,可以依据所有相连的前景点确定前景框的外轮廓,并将该外轮廓处理为矩形,然后将该矩形作为移动目标。
S12:获取移动目标的特征信息,特征信息至少包括移动目标的像素值和/或位于图像中的尺寸。
本申请实施例以移动目标为矩形为例,可获取矩形的高、宽、高宽比值、以及矩形中各个前景点的像素值。实际应用时,可根据前景点的形状将移动目标处理为其他形状,也可不进行处理,直接使用前景点的外轮廓进行判定。特征信息也可包括其他信息,用于判断移动目标是否为老鼠。
S13:在特征信息满足第一预设要求时,确定移动目标为目标物体。
本申请的目的是为了防止鼠患,因此,目标物体即是老鼠。根据老鼠的特征信息生成第一预设条件,若获取到的移动目标的特征信息满足第一预设要求,则确定移动目标为老鼠。这里对第一预设要求不作限定,可以是矩形的高、宽、高宽比值、以及前景点的像素值满足要求,则相当于特征信息满足第一预设要求;也可以是预设时间内,获取的多张灰度图中矩形的高、宽、高宽比值、以及前景点的像素值均满足要求,则相当于特征信息满足第一预设要求。
本申请所提供的检测目标物体的方法,可通过现有的摄像头获取图像,确定出图像中的移动目标;图像中的移动目标可能是老鼠,也可能是其他动物或运动的物体,因此,需要获取移动目标的特征信息,其中,特征信息至少包括移动目标的像素值和/或位于图像中的尺寸,可用于确定图像中的移动目标是否为目标物体,在特征信息满足第一预设要求时,确定移动目标为目标物体,可根据老鼠的特征信息生成第一预设要求,即可以确定出图像中是否存在老鼠。本申请提供的方法对鼠患出现的位置进行监控,确定老鼠出现的位置之后,可以针对性的布置捕鼠工具,不仅节省了人力物力,还提高了灭鼠的效果。
本申请实施例对如何确定出图像中的移动目标进行说明,根据初始的图像的像素值初始化背景帧模板并根据图像更新背景帧模板;根据新的图像和背景帧模板得到前景帧,其中,在前景帧中满足匹配要求的点为前景点,因为光照下的移动目标会投射出阴影区域,易被误检为移动目标的一部分,因此筛选前景点时可进行阴影过滤。因此,匹配要求包括第一匹配要求,第一匹配要求具体为:新的图像的点的像素值与第一结果的差值小于第二结果,其中第一结果为第一系数与背景帧模板中同一位置的点对应的各样本的像素值的乘积,第二结果为第二系数与背景帧模板中同一位置的点对应的各样本的像素值的乘积,第一系数为背景帧模板与地面的差异系数,第二系数为背景帧模板的亮度系数。为了筛选出图像中移动的点作为前景点,匹配要求还包括第二匹配要求,第二匹配要求具体为目标样本的个数不大于预设数量;其中,同一位置的点在背景帧模板的目标样本中的像素值与在新的图像中的像素值差距小于第一阈值。依据所有相连的前景点确定前景框的外轮廓确定出移动目标。根据图像更新背景帧模板包括:根据背景点更新背景帧模板,其中,背景点为前景帧中不满足匹配要求的点。
在上述实施例中提到,背景帧模板为w*h*numsample的矩阵samples[i][j][k],在初始化背景帧模板之后,之后每获取一帧图像就更新一次背景帧模板的样本集,在更新完背景帧模板的所有像素点对应的样本集之后,获取到新的图像,将图像与全部的背景帧模板的样本集共同处理得到前景帧。作为前景点的前提是该点的目标样本的数量不大于预设数量,第二匹配要求具体为目标样本的个数不大于预设数量,而目标样本的定义为:同一位置的点在背景帧模板的目标样本中的像素值与在新的图像中的像素值差距小于第一阈值。一般通过当前图像中坐标为(i,j)的点的像素值与背景帧模板的样本中坐标为(i,j)的像素值之间的差值筛选目标样本,具体如公式(1)所示。
(abs(pix[i][j] - samples[i][j][k]))<R (1)
其中,R(即第一阈值)的最优值为20。pix[i][j] - samples[i][j][k]在计算时,就是数值减去数值,abs运算即取绝对值。即一个样本满足公式(1)则确定该样本为目标样本,而目标样本不大于预设数量则说明前景帧中的点满足第二匹配要求,即为前景点,以预设数量为4,第一阈值为20举例,则第二匹配要求具体为:满足以下条件的背景帧模板的样本不大于4个:当前图像中坐标为(i,j)的点的像素值与背景帧模板的样本中坐标为(i,j)的像素值之间的差值小于20,坐标为(i,j)的点则为前景点,实施时需对k、i、j均进行遍历。筛选出前景点之后,可依据所有相连的前景点确定前景框的外轮廓,以确定出移动目标。
而第一匹配要求具体可为公式(2)所示。
(abs(pix[i][j] - samples[i][j][k] * 0.35))< (samples[i][j][k] *0.05)(2)
其中第一系数为0.35,第二系数为0.05。若图像中一点满足公式(1)却不满足公式(2),则说明该点为阴影点,需要过滤掉。另外,前景帧中不满足匹配要求的点即为背景点,说明背景点不属于移动目标,则可根据背景点更新背景帧模板,为了避免更新过于频繁,每张图像以1/8的概率更新背景模板。这里不对第一阈值、预设数量的大小作限定。
本申请实施例提供的方法,将满足匹配要求的点作为前景点,可确定当前图像与之前一段时间的图像之间不同的点,最终得到移动目标精确的外轮廓。根据背景点更新背景帧模板以便于下次图像与背景帧模板进行处理得到准确的前景帧。在筛选前景点时进行阴影过滤,可以得到更加准确的移动目标的外轮廓。
实际应用时,前景点的外轮廓的形状不定,处理较为困难,因此,依据所有相连的前景点确定前景框的外轮廓,以确定出移动目标包括:依据所有相连的前景点确定至少一个前景框的外轮廓;将外轮廓处理为矩形;将矩形作为移动目标。特征信息包括:矩形的高、宽、高宽比值、以及像素值。可使用矩形框框出所有前景点的外轮廓,确定出所有的移动目标,可以更好对移动目标进行判断。
在上述实施例中,未限定何为第一预设要求,合适的第一预设要求可更加准确的判断移动目标是否为老鼠,因此,获取摄像头采集的图像包括:按预设频率获取摄像头采集的图像。在特征信息满足第一预设要求时,确定移动目标为目标物体包括:若第一预设时间内含有疑似目标物体的图像的数量不小于第二阈值,则将计数值增加第一预设值,若第一预设时间内含有疑似目标物体的图像的数量小于第二阈值,则将计数值减少第二预设值,其中,疑似目标物体为高、宽、高宽比值、以及像素值满足第二预设要求的移动目标;若第二预设时间内计数值超过第三阈值,则确定移动目标为目标物体。
具体实施时,每获取一张图像就提取一次前景框,提取前景框即提取前景点的外轮廓,并使用矩形框框出所有外轮廓,处理得到的矩形即为前景框。可根据实际生活中老鼠的大小估计出第二预设要求,在上述实施例中提到,像素值为0则为黑点,代表静止的点,即背景点,像素值为255则为白点,代表移动的点,即前景点(背景点和前景点均称为像素点),可以前景框中所有点的像素值的平均值作为判断依据。以下给出第二预设要求的其中一种方案,移动目标满足第二预设要求即前景框满足如下所有要求:高和宽均小于100个像素点、高和宽均大于10个像素点、高宽比小于4且大于1/4、前景框中各点的平均像素值小于100。假设按预设频率获取摄像头采集的图像,一秒获取到25帧图像,设定第一预设时间为1s,第二阈值为5,第一预设值为1,第二预设值为0.5,第三阈值为3.5,计数值初始时刻为0;若一秒内满足第二预设要求的图像帧数不小于5帧,则计数值加上1,还可同时记录出现频率最高的前景框;若一秒内满足第二预设要求的图像帧数小于5帧,则判定为误检,则将计数值减去0.5。当一分钟内的计数值大于3.5时,则确定移动目标为老鼠。在确定出老鼠之后,还需要将前景框上报,考虑到前景框未框入移动目标的部分区域,可计算前景框四边到中心点的距离,对四边距离进行扩充,可各扩充30%,如此,可将完整的移动目标上报。另外,若一分钟内的计数值大于3.5,还可遍历这一分钟内的前景框,若前景框相互重叠且交并比(Intersection over Union,iou)大于设定的百分比(可设定为60%),则该前景框中的移动目标大概率为类似于风扇的物体,虽然风扇的扇叶在动,但风扇本身却并未移动,因此,可将这种前景框滤除掉。
实际应用时,当按预设频率获取摄像头采集的图像时,第一预设要求中的第一预设时间和第二预设时间可依据该摄像头采集图像时的预设频率确定。
本申请实施例提供的方案,提出了一种合适的第一预设要求,可准确的判断出移动目标是否为老鼠。
在上述实施例中,对于检测目标物体的方法进行了详细描述,本申请还提供检测目标物体的装置对应的实施例。需要说明的是,本申请从两个角度对装置部分的实施例进行描述,一种是基于功能模块的角度,另一种是基于硬件的角度。
基于功能模块的角度,本实施例提供一种检测目标物体的装置,图2为本申请实施例提供的检测目标物体的装置的结构图,如图2所示,该装置包括:
第一获取模块10,用于获取摄像头采集的图像;
第一确定模块11,用于确定出图像中的移动目标;
第二获取模块12,用于获取移动目标的特征信息,特征信息至少包括移动目标的像素值和/或位于图像中的尺寸;
第二确定模块13,用于在特征信息满足第一预设要求时,确定移动目标为目标物体。
由于装置部分的实施例与方法部分的实施例相互对应,因此装置部分的实施例请参见方法部分的实施例的描述,这里暂不赘述。
本实施例提供的检测目标物体的装置,与上述方法对应,故具有与上述方法相同的有益效果。
基于硬件的角度,本实施例提供了另一种检测目标物体的装置,图3为本申请另一实施例提供的检测目标物体的装置的结构图,如图3所示,检测目标物体的装置包括:存储器20,用于存储计算机程序;
处理器21,用于执行计算机程序时实现如上述实施例中所提到的检测目标物体的方法的步骤。
本实施例提供的检测目标物体的装置可以包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。
其中,处理器21可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器21可以采用数字信号处理器(Digital Signal Processor,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称中央处理器(CentralProcessing Unit,CPU);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器21可以集成有图像处理器(Graphics Processing Unit,GPU),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器21还可以包括人工智能(Artificial Intelligence,AI)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器20可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。本实施例中,存储器20至少用于存储以下计算机程序201,其中,该计算机程序被处理器21加载并执行之后,能够实现前述任一实施例公开的检测目标物体的方法的相关步骤。另外,存储器20所存储的资源还可以包括操作系统202和数据203等,存储方式可以是短暂存储或者永久存储。其中,操作系统202可以包括Windows、Unix、Linux等。数据203可以包括但不限于检测目标物体的方法涉及到的数据等。
在一些实施例中,检测目标物体的装置还可包括有显示屏22、输入输出接口23、通信接口24、电源25以及通信总线26。
本领域技术人员可以理解,图中示出的结构并不构成对检测目标物体的装置的限定,可以包括比图示更多或更少的组件。
本申请实施例提供的检测目标物体的装置,包括存储器和处理器,处理器在执行存储器存储的程序时,能够实现如下方法:检测目标物体的方法。
本实施例提供的检测目标物体的装置,与上述方法对应,故具有与上述方法相同的有益效果。
最后,本申请还提供一种计算机可读存储介质对应的实施例。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述方法实施例中记载的步骤。
可以理解的是,如果上述实施例中的方法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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请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全部或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,执行本申请各个实施例描述的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-Only Memory,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。
本实施例提供的计算机可读存储介质,与上述方法对应,故具有与上述方法相同的有益效果。
以上对本申请所提供的检测目标物体的方法、装置以及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括上述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种检测目标物体的方法,其特征在于,包括:
获取摄像头采集的图像;
根据预设条件确定出所述图像中的移动目标;
获取所述移动目标的特征信息,所述特征信息至少包括所述移动目标的像素值和/或位于所述图像中的尺寸;
在所述特征信息满足第一预设要求时,确定所述移动目标为目标物体;
所述确定出所述图像中的移动目标具体包括,根据初始的所述图像的像素值初始化背景帧模板并根据所述图像更新所述背景帧模板;
根据新的所述图像和所述背景帧模板得到前景帧,在前景帧中满足匹配要求的点为前景点,依据所有相连的所述前景点确定前景框的外轮廓,以确定出所述移动目标;
所述匹配要求包括第一匹配要求;所述第一匹配要求具体为:新的所述图像的点的像素值与第一结果的差值小于第二结果;所述第一结果为第一系数与所述背景帧模板中同一位置的点对应的各样本的像素值的乘积,所述第二结果为第二系数与所述背景帧模板中同一位置的点对应的各样本的像素值的乘积,所述第一系数为所述背景帧模板与地面的差异系数,所述第二系数为所述背景帧模板的亮度系数。
2.根据权利要求1所述的检测目标物体的方法,其特征在于,所述根据所述图像更新所述背景帧模板包括:
根据背景点更新所述背景帧模板,其中,所述背景点为所述前景帧中不满足所述匹配要求的点。
3.根据权利要求2所述的检测目标物体的方法,其特征在于,所述匹配要求还包括第二匹配要求,所述第二匹配要求具体为:
目标样本的个数不大于预设数量;其中,同一位置的点在所述背景帧模板的目标样本中的像素值与在新的所述图像中的像素值之间的差距小于第一阈值。
4.根据权利要求3所述的检测目标物体的方法,其特征在于,前景点满足第二匹配要求且不满足第一匹配要求则进行过滤。
5.根据权利要求1所述的检测目标物体的方法,其特征在于,所述依据所有相连的所述前景点确定前景框的外轮廓,以确定出所述移动目标包括:
依据所有相连的前景点确定至少一个前景框的外轮廓;
将所述外轮廓处理为矩形;
将所述矩形作为所述移动目标;
所述特征信息包括:
所述矩形的高、宽、高宽比值、以及像素值。
6.根据权利要求1所述的检测目标物体的方法,其特征在于,所述在所述特征信息满足第一预设要求时,确定所述移动目标为目标物体包括:
若第一预设时间内含有疑似目标物体的所述图像的数量不小于第二阈值,则将计数值增加第一预设值,若所述第一预设时间内含有所述疑似目标物体的所述图像的数量小于所述第二阈值,则将所述计数值减少第二预设值,其中,所述疑似目标物体为高、宽、高宽比值、以及像素值满足第二预设要求的所述移动目标;
若第二预设时间内所述计数值超过第三阈值,则确定所述移动目标为目标物体。
7.根据权利要求1至6任意一项所述的检测目标物体的方法,其特征在于,所述图像具体为灰度图,所述获取摄像头采集的图像包括:
获取摄像头采集的视频流,从视频流中抽取多个彩色图像;
将所述彩色图像处理为所述灰度图。
8.一种检测目标物体的装置,其特征在于,包括:
第一获取模块,用于获取摄像头采集的图像;
第一确定模块,用于根据预设条件确定出所述图像中的移动目标;
第二获取模块,用于获取所述移动目标的特征信息,所述特征信息至少包括所述移动目标的像素值和/或位于所述图像中的尺寸;
第二确定模块,用于在所述特征信息满足第一预设要求时,确定所述移动目标为目标物体;所述确定出所述图像中的移动目标具体包括,根据初始的所述图像的像素值初始化背景帧模板并根据所述图像更新所述背景帧模板;
根据新的所述图像和所述背景帧模板得到前景帧,在前景帧中满足匹配要求的点为前景点,依据所有相连的所述前景点确定前景框的外轮廓,以确定出所述移动目标;
所述匹配要求包括第一匹配要求;所述第一匹配要求具体为:新的所述图像的点的像素值与第一结果的差值小于第二结果;所述第一结果为第一系数与所述背景帧模板中同一位置的点对应的各样本的像素值的乘积,所述第二结果为第二系数与所述背景帧模板中同一位置的点对应的各样本的像素值的乘积,所述第一系数为所述背景帧模板与地面的差异系数,所述第二系数为所述背景帧模板的亮度系数。
9.一种检测目标物体的装置,其特征在于,包括存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述的检测目标物体的方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的检测目标物体的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210336894.6A CN114419560B (zh) | 2022-04-01 | 2022-04-01 | 一种检测目标物体的方法、装置以及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210336894.6A CN114419560B (zh) | 2022-04-01 | 2022-04-01 | 一种检测目标物体的方法、装置以及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114419560A CN114419560A (zh) | 2022-04-29 |
CN114419560B true CN114419560B (zh) | 2022-07-12 |
Family
ID=81263939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210336894.6A Active CN114419560B (zh) | 2022-04-01 | 2022-04-01 | 一种检测目标物体的方法、装置以及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114419560B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2651780Y (zh) * | 2003-06-11 | 2004-10-27 | 云南昆船设计研究院 | 自发光式消除图像背景阴影的装置 |
CN105956539A (zh) * | 2016-04-27 | 2016-09-21 | 武汉大学 | 一种基于背景建模和双目视觉的人体身高测量方法 |
CN106683119A (zh) * | 2017-01-09 | 2017-05-17 | 河北工业大学 | 基于航拍视频图像的运动车辆检测方法 |
CN106686347A (zh) * | 2016-11-21 | 2017-05-17 | 国电南瑞科技股份有限公司 | 一种基于视频的判定地铁摄像机移位的方法 |
CN110033472A (zh) * | 2019-03-15 | 2019-07-19 | 电子科技大学 | 一种复杂红外地面环境下的稳定目标跟踪方法 |
CN112016498A (zh) * | 2020-09-04 | 2020-12-01 | 廖一峰 | 一种基于计算机视觉的商场散落购物车定位回收方法 |
JPWO2020095644A1 (ja) * | 2018-11-09 | 2021-09-24 | Necソリューションイノベータ株式会社 | 変状検出装置、変状検出方法、及びプログラム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI395483B (zh) * | 2009-05-25 | 2013-05-01 | Visionatics Inc | 使用適應性背景模型之移動物體偵測方法及其電腦程式產品 |
CN104036490B (zh) * | 2014-05-13 | 2017-03-29 | 重庆大学 | 适用于移动通信网络传输中的前景分割方法 |
CN103971347A (zh) * | 2014-06-04 | 2014-08-06 | 深圳市赛为智能股份有限公司 | 视频图像中阴影的处理方法及装置 |
CN104732543A (zh) * | 2015-03-30 | 2015-06-24 | 中国人民解放军63655部队 | 一种沙漠戈壁背景下红外弱小目标快速检测方法 |
GB2541179B (en) * | 2015-07-31 | 2019-10-30 | Imagination Tech Ltd | Denoising filter |
JP2018147329A (ja) * | 2017-03-07 | 2018-09-20 | 株式会社デンソーテン | 画像処理装置、画像処理システム、及び画像処理方法 |
CN108875759B (zh) * | 2017-05-10 | 2022-05-24 | 华为技术有限公司 | 一种图像处理方法、装置及服务器 |
CN109145678B (zh) * | 2017-06-15 | 2020-12-11 | 杭州海康威视数字技术股份有限公司 | 信号灯检测方法及装置和计算机设备及可读存储介质 |
CN109285187A (zh) * | 2018-09-11 | 2019-01-29 | 东南大学 | 一种基于道路监控视频图像的最远可见点检测方法 |
CN109714602B (zh) * | 2018-12-29 | 2022-11-01 | 武汉大学 | 一种基于背景模板和稀疏编码的无人机视频压缩方法 |
CN112489069A (zh) * | 2020-12-12 | 2021-03-12 | 江西洪都航空工业集团有限责任公司 | 一种基于实时视频的车窗抛物检测方法 |
-
2022
- 2022-04-01 CN CN202210336894.6A patent/CN114419560B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2651780Y (zh) * | 2003-06-11 | 2004-10-27 | 云南昆船设计研究院 | 自发光式消除图像背景阴影的装置 |
CN105956539A (zh) * | 2016-04-27 | 2016-09-21 | 武汉大学 | 一种基于背景建模和双目视觉的人体身高测量方法 |
CN106686347A (zh) * | 2016-11-21 | 2017-05-17 | 国电南瑞科技股份有限公司 | 一种基于视频的判定地铁摄像机移位的方法 |
CN106683119A (zh) * | 2017-01-09 | 2017-05-17 | 河北工业大学 | 基于航拍视频图像的运动车辆检测方法 |
JPWO2020095644A1 (ja) * | 2018-11-09 | 2021-09-24 | Necソリューションイノベータ株式会社 | 変状検出装置、変状検出方法、及びプログラム |
CN110033472A (zh) * | 2019-03-15 | 2019-07-19 | 电子科技大学 | 一种复杂红外地面环境下的稳定目标跟踪方法 |
CN112016498A (zh) * | 2020-09-04 | 2020-12-01 | 廖一峰 | 一种基于计算机视觉的商场散落购物车定位回收方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114419560A (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2011250829B2 (en) | Image processing apparatus, image processing method, and program | |
CN110717489A (zh) | Osd的文字区域的识别方法、装置及存储介质 | |
US10878593B2 (en) | Pupil localizing method and system | |
CN110346699B (zh) | 基于紫外图像处理技术的绝缘子放电信息提取方法及装置 | |
AU2011250827B2 (en) | Image processing apparatus, image processing method, and program | |
CN107220647B (zh) | 一种叶片交叉条件下作物中心点定位方法及系统 | |
CN111144337B (zh) | 火灾检测方法、装置及终端设备 | |
CN113902641B (zh) | 一种基于红外图像的数据中心热区判别方法及系统 | |
CN104637068A (zh) | 视频帧及视频画面遮挡检测方法及装置 | |
CN111062331A (zh) | 图像的马赛克检测方法、装置、电子设备及存储介质 | |
CN112651953A (zh) | 图片相似度计算方法、装置、计算机设备及存储介质 | |
CN113052754B (zh) | 一种图片背景虚化的方法及装置 | |
CN113781421A (zh) | 基于水下的目标识别方法、装置及系统 | |
CN109255792A (zh) | 一种视频图像的分割方法、装置、终端设备及存储介质 | |
WO2023019793A1 (zh) | 一种确定方法、清洁机器人和计算机存储介质 | |
CN113052923B (zh) | 色调映射方法、装置、电子设备和存储介质 | |
Hafiz et al. | Foreground segmentation-based human detection with shadow removal | |
CN114419560B (zh) | 一种检测目标物体的方法、装置以及介质 | |
Kaur et al. | An edge detection technique with image segmentation using ant colony optimization: A review | |
CN108780576B (zh) | 使用对象边界框的视频片段中的重影去除的系统和方法 | |
CN113269790A (zh) | 视频裁剪方法、装置、电子设备、服务器及存储介质 | |
CN108805838A (zh) | 一种图像处理方法、移动终端及计算机可读存储介质 | |
CN114821978B (zh) | 一种误报警的消除方法、装置以及介质 | |
JP6546385B2 (ja) | 画像処理装置及びその制御方法、プログラム | |
WO2018110377A1 (ja) | 映像監視装置 |
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 |