CN114820640A - 复杂环境下连续多个显示屏的分割算法、系统及存储介质 - Google Patents
复杂环境下连续多个显示屏的分割算法、系统及存储介质 Download PDFInfo
- Publication number
- CN114820640A CN114820640A CN202110109363.9A CN202110109363A CN114820640A CN 114820640 A CN114820640 A CN 114820640A CN 202110109363 A CN202110109363 A CN 202110109363A CN 114820640 A CN114820640 A CN 114820640A
- Authority
- CN
- China
- Prior art keywords
- display screens
- image
- changed
- characteristic
- video stream
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 71
- 238000003860 storage Methods 0.000 title claims abstract description 26
- 238000000638 solvent extraction Methods 0.000 title abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 19
- 230000011218 segmentation Effects 0.000 claims description 61
- 238000004590 computer program Methods 0.000 claims description 27
- 230000007613 environmental effect Effects 0.000 claims description 25
- 238000000034 method Methods 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 238000000926 separation method Methods 0.000 claims description 11
- 238000005260 corrosion Methods 0.000 claims description 8
- 230000007797 corrosion Effects 0.000 claims description 8
- 238000005530 etching Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 9
- 238000001914 filtration Methods 0.000 description 9
- 239000003086 colorant Substances 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 230000003628 erosive effect Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- KNVAYBMMCPLDOZ-UHFFFAOYSA-N propan-2-yl 12-hydroxyoctadecanoate Chemical group CCCCCCC(O)CCCCCCCCCCC(=O)OC(C)C KNVAYBMMCPLDOZ-UHFFFAOYSA-N 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及计算机技术领域,尤其涉及一种复杂环境下连续多个显示屏的分割算法、系统及存储介质,所述算法包括:获取所述连续摆放的多个显示屏播放的视频流;对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域;根据所述变化的区域对所述多个显示屏进行分割。借此本发明以实现了对复杂环境下连续多个显示屏的分割。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种复杂环境下连续多个显示屏的分割算法、系统及存储介质。
背景技术
如图1所示,在现有技术中,对视频中的目标(显示屏)进行分割,不是一件容易的事。当前,如果要良好的实现分割,必须要求环境光照充足,电视播放纯色的照片,通过特定颜色进行二值化,从而达到分割的目的。但是当环境昏暗、有人员走动、灯光闪烁、外部太阳光干扰等等复杂因素存在时,分割变得非常困难。特别是复杂环境下,更难对显示屏进行分割。复杂环境特指存在不确定干扰因素的环境,比如灯光闪烁,阳光照射,人员走动等等,存在对图像分析不利的外界因素。而显示屏即显示器屏幕,分割是指通过视频分析,将连续摆放的显示屏分割为独立的个体,每一个个体表示一台显示器。这样做的目的是给后续其它算法模块提供支持。
综上可知,现有技术在实际使用上显然存在不便与缺陷,所以有必要加以改进。
发明内容
针对上述的缺陷,本发明的目的在于提供一种复杂环境下连续多个显示屏的分割算法、系统及存储介质,以实现对复杂环境下连续多个显示屏的分割。
为了实现本发明的一个发明目的,本发明提供了一种复杂环境下连续摆放的多个显示屏的分割算法,包括:
获取所述连续摆放的多个显示屏播放的视频流;
对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域;
根据所述变化的区域对所述多个显示屏进行分割。
根据所述的分割算法,所述对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域包括:
为所述连续摆放的多个显示屏播放的视频流创建特征图像模块;
采用预设的算法在预设的第一时间范围内对所述视频流的每帧图像进行运算;
将通过运算获得的特征值保存在所述特征图像模块中,以获得特征图像。
根据所述的分割算法,所述预设的算法为OpenCV背景分离算法;
所述特征图像模块的长和宽为所述连续摆放的多个显示屏播放的视频流的整体宽度和长度。
根据所述的分割算法,所述特征值为float类型,所述特征值的范围为:0~1;在所述特征值为0时,表示所述每帧图像中对应的像素无变化;在所述特征值为1时,表示所述每帧图像中对应的像素有变化。
根据所述的分割算法,在所述将通过运算获得的特征值保存在所述特征图像模块中,以获得特征图像之前还包括:
对所述运算获得的特征值进行归一化处理;
在所述根据所述变化的区域对所述多个显示屏进行分割之后还包括:
在间隔预设的第二时间到达时,对保存在所述特征图像模块中的特征值进行清零。
根据所述的分割算法,所述根据所述变化的区域对所述多个显示屏进行分割包括:
对所述特征图像进行去除环境干扰和噪点处理;
对去除环境干扰和噪点后的特征图像中的变化区域和不变化区域进行区别显示,并提取所述变化区域的坐标;
按照所述变化区域的坐标对所述特征图像进行分割。
根据所述的分割算法,所述对去除环境干扰和噪点后的所述特征图像中的变化区域和不变化区域进行区别显示,并提取所述变化区域的坐标包括:
对去除环境干扰和噪点后的特征图像进行二值化操作和腐蚀操作;
对所述二值化操作和腐蚀操作后的特征图像中的变化区域附上第一颜色,对所述特征图像中的不变化区域附上第二颜色;
按照所述第一颜色像素边沿提取多个所述变化区域的坐标;
所述按照所述变化区域的坐标对所述特征图像进行分割包括:
按照多个所述变化区域的坐标对所述特征图像进行分割。
为了实现本发明的另一发明目的,本发明还提供了一种复杂环境下连续摆放的多个显示屏的分割系统,包括:
获取模块,用于获取所述连续摆放的多个显示屏播放的视频流;
筛选模块,用于对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域;
分割模块,用于根据所述变化的区域对所述多个显示屏进行分割。
为了实现本发明的又一发明目的,本发明还提供了一种存储介质,用于存储一种用于执行上述任意一种分割算法的计算机程序。
为了实现本发明的又一发明目的,本发明还提供了一种计算机设备,包括存储介质、处理器以及存储在所述存储介质上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述的分割算法。
本发明通过获取所述连续摆放的多个显示屏播放的视频流;再对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域;最后根据所述变化的区域对所述多个显示屏进行分割,实现在在复杂环境下对电视/电脑等显示屏进行分割。
附图说明
图1是现有技术中复杂环境下连续多个显示屏的摆放示意图;
图2是本发明实施例提供的复杂环境下连续多个显示屏的分割算法流程图;
图3是本发明实施例提供的复杂环境下连续多个显示屏的分割过程示意图;
图4是本发明实施例提供的复杂环境下连续多个显示屏的分割结果示意图;
图5是本发明实施例提供的复杂环境下连续多个显示屏的分割效果示意图;
图6是本发明实施例提供的复杂环境下连续多个显示屏的分割系统的一种结构框图;
图7是本发明实施例提供的复杂环境下连续多个显示屏的分割系统的另一种结构框图;
图8是本发明实施例提供的存储介质的结构示意图;
图9是本发明实施例提供的计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明的,本说明书中针对“一个实施例”、“实施例”、“示例实施例”等的引用,指的是描述的该实施例可包括特定的特征、结构或特性,但是不是每个实施例必须包含这些特定特征、结构或特性。此外,这样的表述并非指的是同一个实施例。进一步,在结合实施例描述特定的特征、结构或特性时,不管有没有明确的描述,已经表明将这样的特征、结构或特性结合到其它实施例中是在本领域技术人员的知识范围内的。
此外,在说明书及后续的权利要求当中使用了某些词汇来指称特定组件或部件,所属领域中具有通常知识者应可理解,制造商可以用不同的名词或术语来称呼同一个组件或部件。本说明书及后续的权利要求并不以名称的差异来作为区分组件或部件的方式,而是以组件或部件在功能上的差异来作为区分的准则。在通篇说明书及后续的权利要求书中所提及的“包括”和“包含”为一开放式的用语,故应解释成“包含但不限定于”。以外,“连接”一词在此系包含任何直接及间接的电性连接手段。间接的电性连接手段包括通过其它装置进行连接。
参见图1,在本发明的一个实施例中,提供一种复杂环境下连续摆放的多个显示屏的分割算法,包括:
步骤S201中,获取所述连续摆放的多个显示屏播放的视频流;
步骤S202中,对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域;
步骤S203中,根据所述变化的区域对所述多个显示屏进行分割。
在该实施例中,连续摆放的多个显示屏的朝向相同,并且连续摆放的多个显示屏的显示区域相互遮挡,具体如图1所示。各个显示屏播放视频时,首先获取连续摆放的多个显示屏播放的视频流,可以从多个显示屏的正面对多个显示屏播放的视频流进行视频采集。然后对采集到的视频流进行视频特征提取,根据这些视频特征筛选出视频流变化的区域;变化的区域为视频流显示的前景,未变化的区域为视频流显示的背景。最后,根据筛选出的变化的区域,对多个显示屏进行分割。最终获得由图3所示的分割结果。由此,实现了在复杂环境下,通过视频分析进行显示屏的自动分割。让对多个显示屏的屏幕质量、老化检测提供更多的可能。本发明提供的种复杂环境下连续摆放的多个显示屏的分割算法同样适用于其它屏幕,甚至可以拓展到其它物体。
在本发明的一个实施例中,所述步骤S202包括:
为所述连续摆放的多个显示屏播放的视频流创建特征图像模块;
采用预设的算法在预设的第一时间范围内对所述视频流的每帧图像进行运算;
将通过运算获得的特征值保存在所述特征图像模块中,以获得特征图像。
在该实施例中,建立一个特征图像模块,该特征图像模块用于对采用预设的算法对在预设的第一时间范围内的视频流的每帧图像进行运算得到的特征值进行存储。该预设的第一时间可以为30分钟,或者是其他设置的时间,例如20分钟,25分钟等。可选的,预设的算法为OpenCV(开源计算机视觉)背景分离算法;OpenCV提供背景分离的开源实现,可以将视频中的前景和背景分离开来。可选的,变动的区域是前景,静止不动的区域是背景。特征图像模块的长和宽为连续摆放的多个显示屏播放的视频流的整体宽度和长度;特征值为float类型,特征值的范围为:0~1;在特征值为0时,表示每帧图像中对应的像素无变化。在特征值为1时,表示每帧图像中对应的像素有变化。特征图像模块具体的创建过程为,创建一个Mat作为构造的特征图像,用于保存提取的特征值,这些特征值是float类型的,值域是0~1。其长和宽分别等于连续摆放的多个显示屏播放的视频流的总长和宽,假定长是W和宽是H,如图4中所示的W和H。在本实施例中将Mat命名为FeatureMat。
在本发明的一个实施例中,在所述将通过运算获得的特征值保存在所述特征图像模块中,以获得特征图像之前还包括:
对所述运算获得的特征值进行归一化处理;以保证所述运算获得的特征值在0~1范围;
在所述根据所述变化的区域对所述多个显示屏进行分割之后还包括:
在间隔预设的第二时间到达时,对保存在所述特征图像模块中的特征值进行清零。在达到预设的第二时间时,对FeatureMAT清零,再重复上述步骤,即可以再次对屏幕进行分割。可选的,所述预设的第二时间为30分钟。
在本发明的一个实施例中,所述步骤S203包括:
对所述特征图像进行去除环境干扰和噪点处理;具体的可以对所述特征图像进行高斯滤波,去除一部分环境干扰以及噪点。
对去除环境干扰和噪点后的所述特征图像中的变化区域和不变化区域进行区别显示,并提取所述变化区域的坐标;由于通过上述运算可以获得所述特征图像中的变化区域和不变化区域,因此可以将所述特征图像中前景和后景分离。
按照所述变化区域的坐标对所述特征图像进行分割。按照图4所示的黑线框对所述特征图像进行分割。
在本发明的一个实施例中,所述对去除环境干扰和噪点后的特征图像中的变化区域和不变化区域进行区别显示,并提取所述变化区域的坐标包括:
对去除环境干扰和噪点后的特征图像进行二值化操作和腐蚀操作;
通过高斯滤波的对所述特征图像进行二值化操作和腐蚀操作由此确定边沿和屏幕本身,边沿处虽然是黑色的,但是它的值不是0,而是非常接近0,根据多次试验知道它在0.02附近。而进行腐蚀操作的目的是为了放大边沿,去除边沿处的一些噪点。不管是噪点,还是不为0值的边沿部分,都是由环境光照变化或者电视本身播放了亮度比较高的视频内容产生的。
对所述二值化操作和腐蚀操作后的特征图像中的变化区域附上第一颜色,对所述特征图像中的不变化区域附上第二颜色;所述第一颜色和第二颜色为不同的颜色;对变化区域和不变化区域附上不同的颜色以示区别。如变化区域为绿色,不变化区域为黑色。其中,所述预设的第一时间为30分钟;所述预设的第二时间为30分钟;
按照所述第一颜色像素边沿提取多个所述变化区域的坐标;
所述按照所述变化区域的坐标对所述特征图像进行分割包括:
按照多个所述变化区域的坐标对所述特征图像进行分割。其中所述特征图像中的变化区域为前景,所述特征图像中的不变化区域为背景。
在本发明的一个实施例中,提供了复杂环境下连续摆放的多个显示屏的分割算法,该分割算法主要通过视频特征提取后,再基于视频特征的屏幕分割。该分割算法主要计算过程为:首先视频特征提取。根据连续播放的视频,使用OpenCV背景分离算法将变化的区域筛选出来。具体做法是:1)创建一个Mat作为构造的特征图像,里面保存提取的特征值,这些特征值是float类型的,值域是0~1,长宽等于视频的长和宽。假定是W和H。这个Mat可命名为FeatureMat。2)使用OpenCV背景分离算法(BackgroundSubtractorKNN),调用接口createBackgroundSubtractorKNN设定参数,history=50,dist2Threshold=2800。该接口会创建一个背景模板,将连续的视频图像输入到OpenCV背景分离算法内,OpenCV背景分离算法自动更新模板,并将有变化的区域标识出来。每调用一次,算法返回一个Mat,可命名为KNN_MAT(一个图像,长宽同样是W和H,里面全是0和1,1表示对应的像素有变化,是前景;0表示对应的像素没有变化,是背景)。3)将KNN_MAT中的值(0或者1)加到BG_MAT上。即:BG_MAT=BG_MAT+KNN_MAT/max(BG_MAT).max(BG_MAT)表示BG_MAT中的最大值,除以max(BG_MAT)表示对结果归一化,保证不会超出0~1这个值域。4)每一帧图像都执行上述步骤2)和步骤3),连续统计30分钟,得到一个值域在0~1,长和宽为W和H的Mat特征图FeatureMat。每30分钟将FeatureMAT清零,重复上述步骤1)~4)。再进行下一部分屏幕分割。屏幕分割是将上述步骤1)~4)得到的FeatureMAT看成一个图像,如图3所示的图,即是得到FeatureMat图像,其中越亮表示越接近1,越暗表示越接近0。然后对图像进行高斯滤波,去除一部分环境干扰,也去除很多噪点。对整个FeatureMat进行二值化操作和腐蚀操作,并将前景附上第一颜色,如绿色,背景附上第二颜色,如黑色,则得到图4,黑色的就是屏幕边沿,绿色就是屏幕。至此,将屏幕分割出来了。所用的二值化操作是为了确定边沿和屏幕本身,边沿处虽然是黑色的,但是它的值不是0,而是非常接近0,根据实验知道它在0.02附近。腐蚀操作的目的是为了放大边沿,去除边沿处的一些噪点。不管是噪点,还是不为0值的边沿部分,都是由环境光照变化或者电视本身播放了亮度比较高的视频内容产生的。最后提取屏幕坐标,方法是寻找绿色像素的边沿,边沿的坐标就是屏幕本身的坐标。
最后分割的结果如图5所示,将每一块电视提取出来,得到电视屏幕的边沿坐标。得到的结果可以送入算法的下一个模块,但本申请不涉及后续模块,只包含如何分割这些屏幕,得到边沿坐标。对整个FeatureMat进行二值化操作和腐蚀操作,并将前景附上第一颜色,如绿色,背景附上第二颜色,如黑色。得到图4。则黑色的就是屏幕边沿,绿色就是屏幕,至此将屏幕分割出来。
由上述多个实施例可见,本发明首先通过获取所述连续摆放的多个显示屏播放的视频流;再对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域;最后根据所述变化的区域对所述多个显示屏进行分割,实现在在复杂环境下对电视/电脑等显示屏进行分割。此外,通过构造特征图像模块存储在预设的第一时间范围内的视频流的每帧图像进行运算得到的特征值构成特征图FeatureMat。其将前景出现的次数进行统计,并描绘到特征图FeatureMat。再将FeatureMat当做图像处理,能方便地利用到图像的滤波/腐蚀/二值化等操作,顺利完成分割。最终,如处理图像去噪一样,去除了干扰因素,达到良好的分割效果,给生产相关产品的工厂提供支持,避免了环境昏暗、有人员走动、灯光闪烁、外部太阳光干扰等等复杂因素的影响,方便进行产品测试,提升了生产力和生产效率。
参见图6,在本发明的一个实施例中,提供一种复杂环境下连续摆放的多个显示屏的分割系统100,包括:
获取模块10,用于获取所述连续摆放的多个显示屏播放的视频流;
筛选模块20,用于对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域;
分割模块30,用于根据所述变化的区域对所述多个显示屏进行分割。
在该实施例中,获取模块10将连续摆放的多个显示屏播放的视频流进行采集获取。筛选模块20提取视频特征,并将该视频流显示变化的区域筛选出来。分割模块30根据筛选出的视频流显示变化的区域对多个显示屏进行分割。由于在提取视频特征时是在复杂环境下,因此根据视频流显示变化的区域对多个显示屏进行分割,实现将连续摆放的显示屏分割为独立的个体。
参见图7,在本发明的一个实施例中,所述筛选模块20包括:
创建子模块21,用于为所述连续摆放的多个显示屏播放的视频流创建特征图像模块;
运算子模块22,用于采用预设的算法在预设的第一时间范围内对所述视频流的每帧图像进行运算;
特征图像获取子模块23,用于将通过运算获得的特征值保存在所述特征图像模块中,以获得特征图像。
在该实施例中,创建子模块21为所述连续摆放的多个显示屏播放的视频流创建特征图像模块;该特征图像模块用于对采用预设的算法对在预设的第一时间范围内的视频流的每帧图像进行运算得到的特征值进行存储。运算子模块22则采用预设的算法在预设的第一时间范围内对所述视频流的每帧图像进行运算;特征图像获取子模块23则将通过运算获得的特征值保存在所述特征图像模块中,以获得特征图像。所述预设的算法为OpenCV背景分离算法;所述特征图像模块的长和宽为所述连续摆放的多个显示屏播放的视频流的整体宽度和长度;所述特征值为float类型,所述特征值的范围为:0~1;在所述特征值为0时,表示所述每帧图像中对应的像素无变化;在所述特征值为1时,表示所述每帧图像中对应的像素有变化。
参见图7,在本发明的一个实施例中,所述筛选模块20还包括:
归一化子模块24,用于对所述运算获得的特征值进行归一化处理;通过归一化子模块24对运算获得的特征值进行归一化处理,以保证特征值不会超出0~1这个值域;
所述分割系统还包括:
清零模块40,用于在间隔预设的第二时间到达时,对保存在所述特征图像模块中的特征值进行清零。每间隔预设的第二时间,如30分钟将FeatureMAT清零,重复步骤上述步骤,每30分钟对屏幕进行一次完整的分割。
参见图7,在本发明的一个实施例中,所述分割模块30包括:
处理子模块31,用于对所述特征图像进行去除环境干扰和噪点处理;具体的,处理子模块31对特征图像进行高斯滤波,去除一部分环境干扰,也去除很多噪点。
坐标提取子模块32,用于对去除环境干扰和噪点后的所述特征图像中的变化区域和不变化区域进行区别显示,并提取所述变化区域的坐标;坐标提取子模块32将提取所述变化区域的坐标。
分割子模块33,用于按照所述变化区域的坐标对所述特征图像进行分割。分割子模块33则根据坐标提取子模块32将提取的变化区域的坐标对特征图像进行分割。最终实现将实现将连续摆放的显示屏分割为独立的个体。
具体的,所述坐标提取子模块32包括:
去除单元321,用于对去除环境干扰和噪点后的特征图像进行二值化操作和腐蚀操作;去除单元321所做的二值化操作是为了确定边沿和屏幕本身,边沿处虽然是黑色的,但是它的值不是0,而是非常接近0,根据实验它在0.02附近。可选的,去除单元321通过高斯滤波对特征图像进行二值化操作和腐蚀操作;去除单元321执行腐蚀操作,目的是为了放大边沿,去除边沿处的一些噪点。不管是噪点,还是不为0值的边沿部分,都是由环境光照变化或者电视本身播放了亮度比较高的视频内容产生的。
附色单元322,用于对所述二值化操作和腐蚀操作后的特征图像中的变化区域附上第一颜色,对所述特征图像中的不变化区域附上第二颜色;附色单元322对整个FeatureMat进行二值化操作和腐蚀操作,并将前景附上第一颜色,如绿色,背景附上第二颜色,如黑色。
提取单元323,用于按照所述第一颜色像素边沿提取多个所述变化区域的坐标;提取单元323提取屏幕坐标是寻找第一颜色像素(绿色颜色像素)的边沿,边沿的坐标就是屏幕本身的坐标。
所述分割子模块33还包括:
分割单元331,用于按照多个所述变化区域的坐标对所述特征图像进行分割。
所述连续摆放的多个显示屏的朝向相同,并且所述连续摆放的多个显示屏的显示区域相互遮挡;所述预设的第一时间为30分钟;所述预设的第二时间为30分钟;所述第一颜色和第二颜色为不同的颜色;
所述特征图像中的变化区域为前景,所述特征图像中的不变化区域为背景。
为了实现本发明的另一发明目的,本发明还提供了一种存储介质,用于执行上述任意一种分割算法的计算机程序。
为了实现本发明的另一发明目的,本发明还提供了一种计算机设备400,包括存储介质200、处理器300以及存储在存储介质上并可在处理器300上运行的计算机程序,处理器300执行计算机程序时实现上述任一项的分割算法。
参见图8和图9,在本发明的一个实施例中,还提供了用于存储一种用于执行上述实施例中任意一种方法的计算机程序的存储介质200。以及一种计算机设备400,包括存储介质200、处理器300以及存储在所述存储介质200上并可在所述处理器300上运行的计算机程序,所述处理器300执行所述计算机程序时实现上述任一个实施例中的所述的方法。
本发明提供一种存储介质200,用于存储如图1所述任意一种方法的计算机程序。例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的存储介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输和/或被存储在根据程序指令运行的计算机设备的存储介质中。在此,根据本申请的一个实施例包括一个如图9所示的计算机设备400,所述计算机设备400优选包括用于存储计算机程序的存储介质200和用于执行计算机程序的处理器300,其中,当该计算机程序被该处理器300执行时,触发该计算机设备400执行基于前述多个实施例中的方法和/或技术方案。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
根据本发明的方法可以作为计算机实现方法在计算机上实现、或者在专用硬件中实现、或以两者的组合的方式实现。用于根据本发明的方法的可执行代码或其部分可以存储在计算机程序产品上。计算机程序产品的示例包括存储器设备、光学存储设备、集成电路、服务器、在线软件等。可选的,计算机程序产品包括存储在计算机可读介质上以便当所述程序产品在计算机上执行时执行根据本发明的方法的非临时程序代码部件。
在优选实施例中,计算机程序包括适合于当计算机程序在计算机上运行时执行根据本发明的方法的所有步骤的计算机程序代码部件。可选的,在计算机可读介质上体现计算机程序。
综上所述,本发明通过获取所述连续摆放的多个显示屏播放的视频流;再对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域;最后根据所述变化的区域对所述多个显示屏进行分割,实现在在复杂环境下对电视/电脑等显示屏进行分割。本发明公开了A1、一种复杂环境下连续摆放的多个显示屏的分割算法,包括:
获取所述连续摆放的多个显示屏播放的视频流;
对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域;
根据所述变化的区域对所述多个显示屏进行分割。
A2、根据A1所述的分割算法,所述对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域包括:
为所述连续摆放的多个显示屏播放的视频流创建特征图像模块;
采用预设的算法在预设的第一时间范围内对所述视频流的每帧图像进行运算;
将通过运算获得的特征值保存在所述特征图像模块中,以获得特征图像。
A3、根据A2所述的分割算法,所述预设的算法为OpenCV背景分离算法;
所述特征图像模块的长和宽为所述连续摆放的多个显示屏播放的视频流的整体宽度和长度。
A4、根据A2所述的分割算法,所述特征值为float类型,所述特征值的范围为:0~1;在所述特征值为0时,表示所述每帧图像中对应的像素无变化;在所述特征值为1时,表示所述每帧图像中对应的像素有变化。
A5、根据A2所述的分割算法,在所述将通过运算获得的特征值保存在所述特征图像模块中,以获得特征图像之前还包括:
对所述运算获得的特征值进行归一化处理;
在所述根据所述变化的区域对所述多个显示屏进行分割之后还包括:
在间隔预设的第二时间到达时,对保存在所述特征图像模块中的特征值进行清零。
A6、根据A2所述的分割算法,所述根据所述变化的区域对所述多个显示屏进行分割包括:
对所述特征图像进行去除环境干扰和噪点处理;
对去除环境干扰和噪点后的特征图像中的变化区域和不变化区域进行区别显示,并提取所述变化区域的坐标;
按照所述变化区域的坐标对所述特征图像进行分割。
A7、根据A6所述的分割算法,所述对去除环境干扰和噪点后的所述特征图像中的变化区域和不变化区域进行区别显示,并提取所述变化区域的坐标包括:
对去除环境干扰和噪点后的特征图像进行二值化操作和腐蚀操作;
对所述二值化操作和腐蚀操作后的特征图像中的变化区域附上第一颜色,对所述特征图像中的不变化区域附上第二颜色;
按照所述第一颜色像素边沿提取多个所述变化区域的坐标;
所述按照所述变化区域的坐标对所述特征图像进行分割包括:
按照多个所述变化区域的坐标对所述特征图像进行分割。
A8、根据A7所述的分割算法,所述连续摆放的多个显示屏的朝向相同,并且所述连续摆放的多个显示屏的显示区域相互遮挡;
所述第一颜色和第二颜色为不同的颜色;
所述特征图像中的变化区域为前景,所述特征图像中的不变化区域为背景。
A9、根据A5所述的分割算法,所述预设的第一时间为30分钟;所述预设的第二时间为30分钟。
B10、一种复杂环境下连续摆放的多个显示屏的分割系统,包括:
获取模块,用于获取所述连续摆放的多个显示屏播放的视频流;
筛选模块,用于对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域;
分割模块,用于根据所述变化的区域对所述多个显示屏进行分割。
B11、根据B10所述的分割系统,所述筛选模块包括:
创建子模块,用于为所述连续摆放的多个显示屏播放的视频流创建特征图像模块;
运算子模块,用于采用预设的算法在预设的第一时间范围内对所述视频流的每帧图像进行运算;
特征图像获取子模块,用于将通过运算获得的特征值保存在所述特征图像模块中,以获得特征图像。
B12、根据B11所述的分割系统,所述预设的算法为OpenCV背景分离算法;
所述特征图像模块的长和宽为所述连续摆放的多个显示屏播放的视频流的整体宽度和长度。
B13、根据B11所述的分割系统,所述特征值为float类型,所述特征值的范围为:0~1;在所述特征值为0时,表示所述每帧图像中对应的像素无变化;在所述特征值为1时,表示所述每帧图像中对应的像素有变化。
B14、根据B12所述的分割系统,所述筛选模块还包括:
归一化子模块,用于对所述运算获得的特征值进行归一化处理;
所述分割系统还包括:
清零模块,用于在间隔预设的第二时间到达时,对保存在所述特征图像模块中的特征值进行清零。
B15、根据B11所述的分割系统,所述分割模块包括:
处理子模块,用于对所述特征图像进行去除环境干扰和噪点处理;
坐标提取子模块,用于对去除环境干扰和噪点后的所述特征图像中的变化区域和不变化区域进行区别显示,并提取所述变化区域的坐标;
分割子模块,用于按照所述变化区域的坐标对所述特征图像进行分割。
B16、根据B15所述的分割系统,所述坐标提取子模块包括:
去除单元,用于对去除环境干扰和噪点后的特征图像进行二值化操作和腐蚀操作;
附色单元,用于对所述二值化操作和腐蚀操作后的特征图像中的变化区域附上第一颜色,对所述特征图像中的不变化区域附上第二颜色;
提取单元,用于按照所述第一颜色像素边沿提取多个所述变化区域的坐标;
所述分割子模块还包括:
分割单元,用于按照多个所述变化区域的坐标对所述特征图像进行分割。
B17、根据B16所述的分割系统,所述连续摆放的多个显示屏的朝向相同,并且所述连续摆放的多个显示屏的显示区域相互遮挡;
所述第一颜色和第二颜色为不同的颜色;
所述特征图像中的变化区域为前景,所述特征图像中的不变化区域为背景。
B18、根据B14所述的分割系统,所述预设的第一时间为30分钟;所述预设的第二时间为30分钟。
本发明还公开了C19、一种存储介质,用于存储一种用于执行A1~A9中任意一种分割算法的计算机程序。
本发明还公开了D20、一种计算机设备,包括存储介质、处理器以及存储在所述存储介质上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现A1~A9任意一项所述的分割算法。
Claims (10)
1.一种复杂环境下连续摆放的多个显示屏的分割算法,其特征在于,包括:
获取所述连续摆放的多个显示屏播放的视频流;
对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域;
根据所述变化的区域对所述多个显示屏进行分割。
2.根据权利要求1所述的分割算法,其特征在于,所述对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域包括:
为所述连续摆放的多个显示屏播放的视频流创建特征图像模块;
采用预设的算法在预设的第一时间范围内对所述视频流的每帧图像进行运算;
将通过运算获得的特征值保存在所述特征图像模块中,以获得特征图像。
3.根据权利要求2所述的分割算法,其特征在于,所述预设的算法为OpenCV背景分离算法;
所述特征图像模块的长和宽为所述连续摆放的多个显示屏播放的视频流的整体宽度和长度。
4.根据权利要求2所述的分割算法,其特征在于,所述特征值为float类型,所述特征值的范围为:0~1;在所述特征值为0时,表示所述每帧图像中对应的像素无变化;在所述特征值为1时,表示所述每帧图像中对应的像素有变化。
5.根据权利要求2所述的分割算法,其特征在于,在所述将通过运算获得的特征值保存在所述特征图像模块中,以获得特征图像之前还包括:
对所述运算获得的特征值进行归一化处理;
在所述根据所述变化的区域对所述多个显示屏进行分割之后还包括:
在间隔预设的第二时间到达时,对保存在所述特征图像模块中的特征值进行清零。
6.根据权利要求2所述的分割算法,其特征在于,所述根据所述变化的区域对所述多个显示屏进行分割包括:
对所述特征图像进行去除环境干扰和噪点处理;
对去除环境干扰和噪点后的特征图像中的变化区域和不变化区域进行区别显示,并提取所述变化区域的坐标;
按照所述变化区域的坐标对所述特征图像进行分割。
7.根据权利要求6所述的分割算法,其特征在于,所述对去除环境干扰和噪点后的特征图像中的变化区域和不变化区域进行区别显示,并提取所述变化区域的坐标包括:
对去除环境干扰和噪点后的特征图像进行二值化操作和腐蚀操作;
对所述二值化操作和腐蚀操作后的特征图像中的变化区域附上第一颜色,对所述特征图像中的不变化区域附上第二颜色;
按照所述第一颜色像素边沿提取多个所述变化区域的坐标;
所述按照所述变化区域的坐标对所述特征图像进行分割包括:
按照多个所述变化区域的坐标对所述特征图像进行分割。
8.一种复杂环境下连续摆放的多个显示屏的分割系统,其特征在于,包括:
获取模块,用于获取所述连续摆放的多个显示屏播放的视频流;
筛选模块,用于对所述视频流进行视频特征提取,筛选出所述视频流显示变化的区域;
分割模块,用于根据所述变化的区域对所述多个显示屏进行分割。
9.一种存储介质,其特征在于,用于存储一种用于执行权利要求1~7中任意一种分割算法的计算机程序。
10.一种计算机设备,包括存储介质、处理器以及存储在所述存储介质上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~7任意一项所述的分割算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110109363.9A CN114820640A (zh) | 2021-01-27 | 2021-01-27 | 复杂环境下连续多个显示屏的分割算法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110109363.9A CN114820640A (zh) | 2021-01-27 | 2021-01-27 | 复杂环境下连续多个显示屏的分割算法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114820640A true CN114820640A (zh) | 2022-07-29 |
Family
ID=82523620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110109363.9A Pending CN114820640A (zh) | 2021-01-27 | 2021-01-27 | 复杂环境下连续多个显示屏的分割算法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820640A (zh) |
-
2021
- 2021-01-27 CN CN202110109363.9A patent/CN114820640A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7978917B2 (en) | Method and system for processing video data including foreground extraction | |
CN107240084B (zh) | 一种单幅图像去雨方法及装置 | |
Yu et al. | Physics-based fast single image fog removal | |
US20090245571A1 (en) | Digital video target moving object segmentation method and system | |
KR20210006276A (ko) | 플리커를 약화시키기 위한 이미지 처리 방법 | |
EP2034436A1 (en) | Method for non-photorealistic rendering | |
CN110298796B (zh) | 基于改进Retinex与对数图像处理的低照度图像增强方法 | |
CN100367770C (zh) | 一种去除视频孤立噪声点的方法 | |
Liu et al. | Single image haze removal via depth-based contrast stretching transform | |
Mei et al. | Single image dehazing using dark channel fusion and haze density weight | |
CN114127784A (zh) | 用于生成相机流的掩模的方法、计算机程序产品和计算机可读介质 | |
CN108898561B (zh) | 一种含天空区域雾天图像的去雾方法、服务器及系统 | |
CN114820640A (zh) | 复杂环境下连续多个显示屏的分割算法、系统及存储介质 | |
CN112750089A (zh) | 基于局部块最大和最小像素先验的光学遥感影像去雾方法 | |
Su et al. | Moving object segmentation using improved running gaussian average background model | |
CN114693543B (zh) | 图像降噪方法及装置、图像处理芯片、图像采集设备 | |
CN113066077B (zh) | 火焰检测方法及装置 | |
CN111932470A (zh) | 基于视觉选择融合的图像复原方法、装置、设备和介质 | |
CN113674158A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN111932469A (zh) | 显著性权重的快速曝光图像融合方法、装置、设备和介质 | |
JP3062394B2 (ja) | 動体像抽出方法 | |
CN110728686A (zh) | 一种基于Voronoi的车载灯具图像分割方法 | |
Vincent et al. | Shadow detection: A review of various approaches to enhance image quality | |
CN110852228B (zh) | 监控视频中的动态背景提取及前景物体检测方法及系统 | |
Zhu et al. | An adaptive shadow elimination algorithm using shadow position and edges attributes |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |