CN115169387A - 脉冲信号的前景检测方法、装置、电子设备及存储介质 - Google Patents
脉冲信号的前景检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115169387A CN115169387A CN202210697063.1A CN202210697063A CN115169387A CN 115169387 A CN115169387 A CN 115169387A CN 202210697063 A CN202210697063 A CN 202210697063A CN 115169387 A CN115169387 A CN 115169387A
- Authority
- CN
- China
- Prior art keywords
- pulse signal
- pulse
- excitation
- pixel value
- frame number
- 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
- G06T7/10—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
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施方式公开了一种脉冲信号的前景检测方法、装置、电子设备及存储介质。方法包括:获取脉冲信号;基于所述脉冲信号中的激励脉冲的属性信息,将所述脉冲信号转换为像素值数据;基于所述像素值数据与前景检测模型的匹配结果,确定所述脉冲信号是否包含前景目标。本发明实施方式对原始脉冲信号执行快速重构过程,以将其转换为像素值数据,然后利用前景检测模型便捷地实现脉冲信号的前景检测。本发明实施方式无需根据应用场景调整参数,前景目标形状更加完整,并可以提高召回率。本发明实施方式通过维护不同的快速重构方式,可以解决脉冲信号的高像素值点的噪声问题。
Description
技术领域
本发明实施方式涉及图像处理技术领域,更具体的说,涉及一种脉冲信号的前景检测方法、装置、电子设备及存储介质。
背景技术
传统相机所拍摄的视频,其实是静止图像序列,不能有效记录光的高速变化过程,两帧图像之间部分时段信息甚至完全丢失。脉冲相机模拟灵长类视网膜编码原理,每个像素独立将光信号转换成比特流,可以准确、完整记录光的时空变化过程,从源头重塑包括采集、表示、编码、检测、跟踪和识别在内的整个视觉信息处理体系。
前景是图像或视频场景中可见性、显著性更强的部分。目前,图像域的前景检测技术主要包括:基于帧差的方法;基于背景建模的方法;基于机器学习的方法。基于帧差的方法处理速度较快,但鲁棒性较差,往往不能适应背景光强变化或者背景抖动的场景,且随运行时间增加检测效果下降;基于背景建模的方法运行较慢;基于机器学习的方法则具有较好的检测效果,但需要消耗大量的时间、空间资源,且需要根据具体的应用场景提前训练。
目前,针对脉冲相机获取的脉冲信号的前景检测研究成果仍然较少。
发明内容
本发明实施方式提出一种脉冲信号的前景检测方法、装置、电子设备及存储介质。
本发明实施方式的技术方案如下:
一种脉冲信号的前景检测方法,包括:
获取通过脉冲相机采集的脉冲信号;
获取脉冲信号;
基于所述脉冲信号中的激励脉冲的属性信息,将所述脉冲信号转换为像素值数据;
基于所述像素值数据与前景检测模型的匹配结果,确定所述脉冲信号是否包含前景目标。
在示范性实施方式中,所述脉冲信号中的激励脉冲的属性信息包括:所述脉冲信号中的相邻激励脉冲的时间间隔和/或所述脉冲信号在预定时间窗口内的激励脉冲的数目。
在示范性实施方式中,所述基于所述脉冲信号中的激励脉冲的属性信息,将所述脉冲信号转换为像素值数据包括下列中的至少一个:
基于所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构(TFP)方式将所述脉冲信号转换为像素值数据;
基于所述脉冲信号中的相邻激励脉冲的时间间隔,根据时间间隔重构(TFI)方式将所述脉冲信号转换为像素值数据;
基于所述脉冲信号中的相邻激励脉冲的时间间隔和所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式与根据时间间隔重构方式的混合方式,将所述脉冲信号转换为像素值数据。
在示范性实施方式中,所述基于所述脉冲信号中的相邻激励脉冲的时间间隔和所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式与根据时间间隔重构方式的混合方式,将所述脉冲信号转换为像素值数据包括:
确定自所述脉冲信号的当前时刻往后指定激励脉冲的帧序号与自所述脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值;
当所述差值大于预定门限值时,基于所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式将所述脉冲信号转换为像素值数据;当所述差值小于所述预定门限值时,基于所述脉冲信号中的相邻激励脉冲的时间间隔,根据时间间隔重构方式将所述脉冲信号转换为像素值数据;当所述差值等于所述预定门限值时,基于所述脉冲信号中的相邻激励脉冲的时间间隔,根据时间间隔重构方式将所述脉冲信号转换为像素值数据,或基于所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式将所述脉冲信号转换为像素值数据。
在示范性实施方式中,所述确定自所述脉冲信号的当前时刻往后指定激励脉冲的帧序号与自所述脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值包括:
确定自所述脉冲信号的当前时刻往前、第一个激励脉冲的第一帧序号;
确定自所述脉冲信号的当前时刻往前、第二个激励脉冲的第二帧序号;
将所述第一帧序号与所述第二帧序号的差值,确定为所述自所述脉冲信号的当前时刻往后指定激励脉冲的帧序号与自所述脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值。
在示范性实施方式中,还包括:
当所述脉冲信号为激励脉冲时,将第一矩阵元素更新为自所述脉冲信号的当前时刻往前、第一个激励脉冲的帧序号,第二矩阵元素更新为所述脉冲信号的当前时刻的帧序号,其中所述第一矩阵元素适配于保存自所述脉冲信号的当前时刻往前、第二个激励脉冲的帧序号,所述第二矩阵元素适配于保存自所述脉冲信号的当前时刻往前、第一个激励脉冲的帧序号。
在示范性实施方式中,还包括:
更新用于记录预定时间窗口长度内的脉冲信号的矩阵;
更新用于记录所述预定时间窗口长度内的激励脉冲的数目的矩阵。
在示范性实施方式中,所述基于所述像素值数据与前景检测模型的匹配结果,确定所述脉冲信号是否包含前景目标包括下列中的至少一个:
将所述像素值数据与至少一个高斯混合模型(Gaussian Mixed Model,GMM))以进行匹配,每个高斯混合模型用于模拟各自的背景目标,其中当匹配都不成功时,确定所述脉冲信号包含前景目标;
将所述像素值数据与至少一个高斯混合模型以进行匹配,每个高斯混合模型用于模拟各自的前景目标,其中当至少一次匹配成功,确定所述脉冲信号包含前景目标。
一种脉冲信号的前景检测装置,包括:
获取模块,用于获取脉冲信号;
转换模块,用于基于所述脉冲信号中的激励脉冲的属性信息,将所述脉冲信号转换为像素值数据;
前景检测模块,用于基于所述像素值数据与前景检测模型的匹配结果,确定所述脉冲信号是否包含前景目标。
在示范性实施方式中,所述脉冲信号中的激励脉冲的属性信息包括:所述脉冲信号中的相邻激励脉冲的时间间隔和/或所述脉冲信号在预定时间窗口内的激励脉冲的数目。
在示范性实施方式中,所述转换模块,用于执行下列中的至少一个:
基于所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式将所述脉冲信号转换为像素值数据;
基于所述脉冲信号中的相邻激励脉冲的时间间隔,根据时间间隔重构方式将所述脉冲信号转换为像素值数据;
基于所述脉冲信号中的相邻激励脉冲的时间间隔和所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式与根据时间间隔重构方式的混合方式,将所述脉冲信号转换为像素值数据。
在示范性实施方式中,所述转换模块,用于确定自所述脉冲信号的当前时刻往后指定激励脉冲的帧序号与自所述脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值;当所述差值大于预定门限值时,基于所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式将所述脉冲信号转换为像素值数据;当所述差值小于所述预定门限值时,基于所述脉冲信号中的相邻激励脉冲的时间间隔,根据时间间隔重构方式将所述脉冲信号转换为像素值数据;当所述差值等于所述预定门限值时,基于所述脉冲信号中的相邻激励脉冲的时间间隔,根据时间间隔重构方式将所述脉冲信号转换为像素值数据,或基于所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式将所述脉冲信号转换为像素值数据。
在示范性实施方式中,所述转换模块,用于确定自所述脉冲信号的当前时刻往前、第一个激励脉冲的第一帧序号;确定自所述脉冲信号的当前时刻往前、第二个激励脉冲的第二帧序号;将所述第一帧序号与所述第二帧序号的差值,确定为所述自所述脉冲信号的当前时刻往后指定激励脉冲的帧序号与自所述脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值。
在示范性实施方式中,还包括:
更新模块,用于当所述脉冲信号为激励脉冲时,将第一矩阵元素更新为自所述脉冲信号的当前时刻往前、第一个激励脉冲的帧序号,第二矩阵元素更新为所述脉冲信号的当前时刻的帧序号,其中所述第一矩阵元素适配于保存自所述脉冲信号的当前时刻往前、第二个激励脉冲的帧序号,所述第二矩阵元素适配于保存自所述脉冲信号的当前时刻往前、第一个激励脉冲的帧序号。
在示范性实施方式中,还包括:
更新模块,用于更新用于记录预定时间窗口长度内的脉冲信号的矩阵;更新用于记录所述预定时间窗口长度内的激励脉冲的数目的矩阵。
在示范性实施方式中,所述前景检测模块,用于执行下列中的至少一个:
将所述像素值数据与至少一个高斯混合模型以进行匹配,每个高斯混合模型用于模拟各自的背景目标,其中当匹配都不成功时,确定所述脉冲信号包含前景目标;
将所述像素值数据与至少一个高斯混合模型以进行匹配,每个高斯混合模型用于模拟各自的前景目标,其中当至少一次匹配成功,确定所述脉冲信号包含前景目标。
一种计算机可读存储介质,其上存储有计算机指令,所述计算机指令被处理器执行时可实现如上任一项所述的脉冲信号的前景检测方法的步骤。
一种电子设备,该电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述可执指令以实现如上任一项所述的脉冲信号的前景检测方法的步骤。
一种计算机程序产品,包括计算机指令,所述计算机指令在被处理器执行时实施如上任一项所述的脉冲信号的前景检测方法。
从上述技术方案可以看出,在本发明实施方式中,获取脉冲信号;基于所述脉冲信号中的激励脉冲的属性信息,将脉冲信号转换为像素值数据;基于所述像素值数据与前景检测模型的匹配结果,确定所述脉冲信号是否包含前景目标。可见,本发明实施方式对原始脉冲信号执行快速重构过程以转换为像素值数据,可以利用前景检测模型便捷地实现脉冲信号的前景检测。
而且,本发明实施方式无需根据应用场景调整参数,前景目标形状更加完整,并可以提高召回率。
另外,本发明实施方式通过维护不同的快速重构方式,可以解决脉冲信号的高像素值点的噪声问题。
附图说明
为了更清楚地说明本发明实施方式中的技术方案,下面将对实施方式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发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施方式的脉冲信号的前景检测方法的流程图。
图2是本发明实施方式的脉冲信号预处理的示范性过程图。
图3是本发明实施方式的GMM的前景检测过程的示范性示意图。
图4是本发明实施方式的脉冲信号的前景检测装置的结构图。
图5是本发明实施方式中的电子设备的示范性结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步的详细描述。
为了描述上的简洁和直观,下文通过描述若干代表性的实施方式来对本发明的方案进行阐述。实施方式中大量的细节仅用于帮助理解本发明的方案。但是很明显,本发明的技术方案实现时可以不局限于这些细节。为了避免不必要地模糊了本发明的方案,一些实施方式没有进行细致地描述,而是仅给出了框架。下文中,“包括”是指“包括但不限于”,“根据……”是指“至少根据……,但不限于仅根据……”。由于汉语的语言习惯,下文中没有特别指出一个成分的数量时,意味着该成分可以是一个也可以是多个,或可理解为至少一个。
下面将结合本发明实施方式中的附图,对本发明实施方式中的技术方案进行清楚、完整地描述,显然,所描述的实施方式仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明中的实施方式,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方式,都属于本发明保护的范围。
本发明实施方式的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施方式例如能够以除了在这里图示或描述的那些以外的顺序实施。
以下,对本公开实施例涉及的术语进行解释说明。
前景检测:即在视频中识别感兴趣区域或识别运动目标(前景)和静态部分(背景)的过程。它是运动分析、视频监控的关键步骤。前景检测结果的效果直接关系到后续分析与应用处理的性能的好坏。
GMM指的是多个高斯分布函数的线性组合,理论上GMM可以拟合出任意类型的分布,通常用于解决同一集合下的数据包含多个不同的分布的情况(或者是同一类分布但参数不一样,或者是不同类型的分布,比如正态分布和伯努利分布,等等)。
脉冲相机:在脉冲相机(比如,超高速脉冲相机)中,图像的每个像素独立工作,将物体反射的高速光子流转换成高速比特流,完整记录光的变化过程,从而打破化学时代形成的视频概念藩篱,重构出高速连续影像。
激励脉冲:脉冲值为1。
帧序号(Frame Number):也称为帧号,通常为按照时间顺序确定的帧编号。
目前前景检测和背景分割技术在智能视频监控等领域有着重要的地位。相对早期的基于滤波的目标检测方法和基于学习网络的目标检测算法,智能监控领域中实际应用的前景检测和背景分割技术往往需要在有限的时间里处理大量的输入数据,因此会对检测效果和运行速度折中,由此催生了基于K最近邻(K-Nearest Neighbors,KNN)、GMM等算法的前景检测技术。
相对普通相机,脉冲相机具有能够捕捉到目标物体在极短时间内发生的超高速变化过程的能力,因此在科学研究、自动驾驶等方面的应用具有重要意义,且现在已有较为完善的针对脉冲信号的重构方法,可以获得质量较为可靠的像素值图像以便后续处理。然而,脉冲相机捕捉到快速变化的过程的同时,也会在短时间内产生大量脉冲信号,这将会导致大量的数据存储空间和数据传输时间。受制于传输速率和有限的存储资源,脉冲信号的处理速度往往无法匹配数据的产生速度(尤其是在线实时工作的监控、自动驾驶等领域),因此需要对产生的数据进行预处理,分割出包含待检目标的帧以及帧内感兴趣的前景目标,这与现有的图像域脉前景检测技术是目标重合的。
申请人发现:将当前前景检测技术移植到脉冲相机的数据预处理上来,对脉冲信号的有用数据压缩、前景目标提取等处理过程有很大帮助。
然而,脉冲信号是使用一种特定编码原理生成的编码。传统相机拍出来的图像(以单通道黑白图像为例)每个像素点保存的是灰度值(0-255,需要8位二进制表示),例如图像分辨率为250*400时,其每帧图像大小为250*400*8bit(像素值图像),而由于记录高速运动变化的全过程需要在短时间内生成大量图像数据(如果变化比较慢,那么一段时间内的图像不会有太大变化,因此不需要保留大量图像),数据的传输和存储会很困难。
可以利用脉冲信号实现一种有损编码方式,大致原理如下:
设置一个积分阈值T,像素点在接下来的每个时刻的像素值(由光感受器产生,0-255)会被累加,如果在t时刻的累加和(sum)达到积分阈值T,则t时刻的脉冲值为1(即产生一个激励脉冲),然后sum减去积分阈值T;若sum没达到积分阈值T,则t时刻的脉冲值为0(即没有产生激励脉冲)。比如,设积分阈值T=110,光感受器输出值恒定为40,到t3时sum累加到120,输出“1”且sum变为10,继续累加,到t6时sum=130,输出“1”且sum变为20……,其中所有没达到阈值110的像素点输出值都是0,这样就得到了一串脉冲序列00100100…。在实际工作时,每个像素点都各自独立进行这个过程,所有像素点在同一时刻t产生的脉冲值(具体为“0”或“1”)拼成了一个矩阵,即t时刻的脉冲图像数据(一帧脉冲图像);然后t1时刻的脉冲图像数据、t2时刻的脉冲图像数据、t3时刻的脉冲图像数据…直到tn时刻的脉冲图像数据拼接在一起就组成了一段视频序列。因此,一段视频序列实际上是一个三维矩阵(图像宽*图像高*帧数)。
上述编码方式的优点是:输入从需要8bit的灰度值(0-255)变成仅需要1bit的脉冲信号(二进制的“0”或“1”)。当图像分辨率为250*400时,其一帧脉冲图像的大小为250*400*1bit,显著压缩了数据量,一定程度上解决了数据的传输和存储问题。将该编码过程做成芯片集成到开发板上,既形成脉冲相机。
使用脉冲相机拍摄产生的数据就是利用这种编码原理产生的脉冲信号。
以上描述了脉冲信号的编码过程,这种过程在传输时很有效,但是其产生的、二进制的“0”或“1”并不是原本的像素值,无法可视化,所以要通过解码重塑编码前的像素值。根据脉冲信号的编码原理可以发现,假设积分阈值T不变(比如设置为255),像素的值越大(即这个像素点越亮),就会更快或更早地累加到T,然后这个时刻输出“1”。
假设积分阈值T不变,对于一个像素点,具有以下两个结论:
结论(1):两个相邻“1”之间的时间间隔Δt越短,说明这段时间间隔的平均像素值越大,反之越小。
结论(2):取一段固定的时间长度(或时间窗口)w,这段时间内输出为“1”的时刻个数越多,说明这段时间的平均像素值越大,反之越小。
根据结论(1)产生的重构方式,即为根据时间间隔重构(The texturereconstruction from ISI,TFI)方式。根据结论(2)产生的重构方式,即为根据时间窗口重构(The texture reconstruction from playback with the moving time window,TFP)方式。
具体来说,在TFI中,认为Δt内的像素值等于积分阈值T除以(用符号“/”表示)时间间隔Δt;这种方法适用于像素点变化很剧烈的时候或者像素点的值比较低的时候,重构出的像素值比较接近真实值。在TFP中,认为t时刻的像素值等于积分阈值T乘以(用符号“*”表示)(时间窗口内的“1”的个数/时间窗口的长度);这种方法适用于像素点变化比较缓慢或者像素点的值比较高的时候,重构出的像素值比较接近真实值。
针对TFI方式和TFP方式的具体细节,可以参考文献:“一种基于视网膜的视觉纹理重建采样方法”(A RETINA-INSPIRED SAMPLING METHOD FOR VISUAL TEXTURERECONSTRUCTION),作者:Zhu,L;Dong,SW;Huang,TJ;Tian,YH,收录于:2019年IEEE国际多媒体与博览会(ICME)中,本发明实施方式对此不再赘述。
基于当前图像域前景检测技术和脉冲域前景检测方法的各自特点,本发明实施方式提出一种基于GMM的前景检测方法,将原始的脉冲信号通过预处理模块做快速重构过程,以解决目前的脉冲信号无法应用在现有图像域GMM方法的缺陷。
图1是本发明实施方式的脉冲信号的前景检测方法的流程图。
如图1所示,该方法包括:
步骤101:获取脉冲信号。
比如,可以利用脉冲相机实时采集脉冲信号,或者从数据源(比如云端或本地的存储介质中)获取由脉冲相机采集的、非实时的脉冲信号。
在这里,脉冲相机采集得到脉冲信号的具体过程为成熟机制,本发明实施方式对此不再赘述。比如,脉冲信号具体可以实施为包含二进制的“0”或“1”的矩阵形式。其中,脉冲信号可以对应于视频序列,也可以是对应于单帧图像。
步骤102:基于所述脉冲信号中的激励脉冲的属性信息,将所述脉冲信号转换为像素值数据。
在这里,脉冲信号中的激励脉冲的属性信息为:与脉冲信号中的激励脉冲的属性相关联的信息。
比如,脉冲信号中的激励脉冲的属性信息可以包括:
(1)、脉冲信号中的相邻激励脉冲的时间间隔;
(2)、脉冲信号在预定时间窗口内的激励脉冲的数目;
(3)、脉冲信号中的相邻激励脉冲的时间间隔和/或脉冲信号在预定时间窗口内的激励脉冲的数目。
以上示范性描述了脉冲信号中的激励脉冲的属性信息的典型实例,本领域技术人员可以意识到,这种描述仅是示范性的,并不用于限定本发明实施方式的保护范围。
在示范性实施方式中,基于脉冲信号中的相邻激励脉冲的时间间隔和/或脉冲信号在预定时间窗口内的激励脉冲的数目,将所述脉冲信号转换为像素值数据包括:
(1)、基于脉冲信号在预定时间窗口内的激励脉冲的数目,根据TFP方式将脉冲信号转换为像素值数据;
(2)、基于脉冲信号中的相邻激励脉冲的时间间隔,根据TFI方式将脉冲信号转换为像素值数据。
申请人根据测试,发现图像重构时全局采用TFI方式会使得像素图像的噪点很多(尤其是对于值比较高的像素点),全局采用TFP方式则图像在物体运动时(尤其是高速运动)会变得模糊,两者都会使得图像影响到后续的GMM算法的结果。
因此,优选地,基于快速重构方式将所述脉冲信号转换为像素值数据还可以包括:
(3)、基于脉冲信号中的相邻激励脉冲的时间间隔和脉冲信号在预定时间窗口内的激励脉冲的数目,根据TFP方式与TFI方式的混合方式,将脉冲信号转换为像素值数据。
在一个实施方式中,基于脉冲信号中的相邻激励脉冲的时间间隔和脉冲信号在预定时间窗口内的激励脉冲的数目,根据TFP方式与TFI方式的混合方式,将脉冲信号转换为像素值数据包括:确定自脉冲信号的当前时刻往后指定激励脉冲的帧序号与自脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值;当差值大于预定门限值时,基于脉冲信号在预定时间窗口内的激励脉冲的数目,根据TFP方式将脉冲信号转换为像素值数据;当差值小于预定门限值时,基于脉冲信号中的相邻激励脉冲的时间间隔,根据TFI方式将脉冲信号转换为像素值数据;当差值等于预定门限值时,基于脉冲信号中的相邻激励脉冲的时间间隔,根据TFI方式将脉冲信号转换为像素值数据,或基于脉冲信号在预定时间窗口内的激励脉冲的数目,根据TFP方式将脉冲信号转换为像素值数据。
因此,本发明实施方式通过维护不同的快速重构方式,可以解决脉冲信号的高像素值点的噪声问题。
优选地,确定自脉冲信号的当前时刻往后指定激励脉冲的帧序号与自脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值可以实施为:自脉冲信号的当前时刻往后、第一个激励脉冲的帧序号与自脉冲信号的当前时刻往前、第一个激励脉冲的帧序号之间的差值。在一个实施方式中,确定自脉冲信号的当前时刻往后、第一个激励脉冲的帧序号与自脉冲信号的当前时刻往前、第一个激励脉冲的帧序号之间的差值包括:确定自脉冲信号的当前时刻往前、第一个激励脉冲的第一帧序号;确定自脉冲信号的当前时刻往前、第二个激励脉冲的第二帧序号;将第一帧序号与第二帧序号的差值,确定为自脉冲信号的当前时刻往后、第一个激励脉冲的帧序号与自脉冲信号的当前时刻往前、第一个激励脉冲的帧序号之间的差值。
可见,通过基于明确的历史数据(当前时刻往前、第一个激励脉冲的第一帧序号以及当前时刻往前、第二个激励脉冲的第二帧序号)所确定的差值,可以方便地确定出自脉冲信号的当前时刻往后、第一个激励脉冲的帧序号与自脉冲信号的当前时刻往前、第一个激励脉冲的帧序号之间的差值,尤其适用于各自在线应用(比如,在线实时工作的监控、自动驾驶等领域)。
步骤103:基于像素值数据与前景检测模型的匹配结果,确定脉冲信号是否包含前景目标。
前景检测模型为适配于从像素值数据中检测前景的模型。前景检测模型可以实施为模拟前景的模型,也可以实施为模拟背景的模型。当像素值数据与模拟前景的模型匹配成功时,可以确定脉冲信号包含前景;当像素值数据与模拟背景的模型匹配成功时,确定脉冲信号包含背景。优选地,当像素值数据与模拟前景的模型和模拟背景的模型都不匹配成功时,确定脉冲信号包含前景。
前景检测模型具体可以实施为GMM模型、视觉背景提取(Visual BackgroundExtracto,ViBe)模型或码本(Code Book)模型,等等。本发明实施方式对此并无限定。
下面以前景检测模型具体实施为GMM模型为例进行说明。GMM模型可以实施为模拟前景的模型,也可以实施为模拟背景的模型。GMM模型的数目可以为多个,以模拟多个前景或多个背景。在一个实施方式中,将像素值数据与至少一个GMM模型以进行匹配,每个GMM模型用于模拟各自的背景目标,其中当匹配都不成功时,确定脉冲信号包含前景目标;将像素值数据与至少一个GMM模型以进行匹配,每个GMM模型用于模拟各自的前景目标,其中当至少一次匹配成功,确定脉冲信号包含前景目标。在进行前景检测前,先对模拟各自背景的多个GMM模型进行训练,其中每个背景采用一个GMM模型进行模拟。然后在测试阶段,对新输入的像素值数据与多个GMM模型分别进行匹配,如果该像素值数据能够匹配其中一个GMM模型,则认为是背景,否则认为是前景。由于整个过程中,GMM模型在不断更新学习中,因此对动态背景具有鲁棒性。
图3是本发明实施方式的GMM的前景检测过程的示范性示意图。图3所述过程用于将一帧像素值数据与GMM建模匹配以判断是否属于前景目标,并输出一帧二值图,即为前景-背景分割结果。具体地,GMM的前景检测过程包括:
第一步:初始化:初始化参数包括最大模型数k、学习率α、初始方差σ等。每个像素点都需要维护k个GMM模型,每个GMM模型包括标志位、均值、方差、权重等参数,其中最大模型数k是固定的。在有需要时,学习率α可以随输入帧数动态调整。
第二步:对每一帧输入的像素点像素值,判断其是否匹配已有的GMM模型;对已匹配的,依公式更新该模型参数;对与所有现有的GMM模型都不匹配的,依输入的像素值创建并维护一个新GMM模型,若此时GMM模型的数目已满k个,覆盖权重最低的GMM模型;同时根据匹配到的GMM模型的标志位输出其是否是前景目标的像素点。
第三步:基于拼接得到的前景图做滤波和连通域面积判断,判断该帧是否包含前景目标,从而判断此帧是否需要被数据压缩或后续处理。
以上具体描述了基于GMM模型对像素值数据执行前景检测的典型过程,本领域技术人员可以意识到,这种描述仅是示范性的,并不用于限定本发明实施方式的保护范围。
可见,本发明实施方式对原始脉冲信号执行快速重构过程以转换为像素值数据,可以利用GMM模型便捷地实现脉冲信号的前景检测。而且,本发明实施方式无需根据应用场景调整参数,前景目标形状更加完整,并可以提高召回率。
在一个实施方式中,该方法还包括:当所述脉冲信号为激励脉冲时(也就是,所述脉冲信号为二进制“1”),将第一矩阵元素更新为自所述脉冲信号的当前时刻往前、第一个激励脉冲的帧序号,第二矩阵元素更新为所述脉冲信号的当前时刻的帧序号,其中所述第一矩阵元素适配于保存自所述脉冲信号的当前时刻往前、第二个激励脉冲的帧序号,所述第二矩阵元素适配于保存自所述脉冲信号的当前时刻往前、第一个激励脉冲的帧序号。
因此,当脉冲信号为激励脉冲时,通过更新第一矩阵元素和第二矩阵元素,便于后续计算帧序号之间的差值。
在一个实施方式中,该方法还包括:更新用于记录预定时间窗口长度内的脉冲信号的矩阵;更新用于记录所述预定时间窗口长度内的激励脉冲的数目的矩阵。
可见,通过更新用于记录预定时间窗口长度内的脉冲信号的矩阵以及记录预定时间窗口长度内的激励脉冲的数目的矩阵,便于后续具体执行TFP方式或TFI方式。
在本发明实施方式中,将原始脉冲信号通过预处理模块做一个快速重构过程,以解决脉冲信号无法应用在现有图像域GMM方法的问题。
图2是本发明实施方式的脉冲信号预处理的示范性过程图。
图2示出脉冲信号通过快速重构方法转换成像素值的预处理过程。预处理过程所输出的图像可以传给下级的GMM处理模块。预处理的基本思想包括:根据实际像素值的大小采用TFP或TFI这两种不同的重构方法。对于低像素值点,由于激励间隔较长,采用TFI来减少时间窗口的长度节约资源;对高像素值点,采用TFP以抑制噪声。
预处理过程包括:
第一步:执行预处理过程的初始化。具体地,初始化过程包括:(1)、维护与原始图像具有同等尺寸的三个二维矩阵,其中两个二维矩阵分别用于记录每个像素位置的上两个激励脉冲的各自帧数(即两个帧号记录矩阵),一个二维矩阵用于记录时间窗口内的激励脉冲总数(即激励脉冲累计矩阵)。(2)、维护一个时间窗口长度为w的、与原始图像具有同等尺寸的三维矩阵,以保留该时间窗口长度w内的脉冲信号(比如,w的时间刻度与单帧时间刻度相同,则该时间窗口长度w内的脉冲信号即为最近w帧),用以TFP重构。(3)、设置初始化参数,包括积分阈值T和判断阈值K等等。
第二步:对每一帧输入的像素点脉冲,更新保存最近w帧的三维矩阵以及更新激励脉冲累计矩阵。同时判断对应位置是否是一个有效的激励脉冲,从而更新帧号记录矩阵上需要更新的像素位置对应的帧号。
第三步:通过帧号记录矩阵判断此两帧序号的差值是否大于判断阈值K,依此选择合适重构方法的像素值,拼接成像素值图像传给下一级。
需要说明的是:
(1)、在TPF方式中,使用激励脉冲累计矩阵记录的脉冲数(count)与窗口值w的比值以判断其像素值占积分阈值T的比例。此比例与T的乘积作为输出像素值传递给下一帧。T取决于产生脉冲信号的脉冲相机选择何值作为积分阈值来发放脉冲。
(2)、在TFI方式中,选择使用上两个有效脉冲的帧号来计算像素值,此时刻的像素值实际应由上一个脉冲和下一个脉冲的帧号确定。为避免实时运行时无法提前查找下一个激励脉冲的问题,本发明实施方式选择用前一个时间间隔代替。由于同一位置像素相邻时刻的时间相关性,此简略处理方式事实上是可行的。
可以意识到:一个点的大致像素值可以通过之前的两个“1”的时间间隔Δt估算,即TFI。当一个点某时刻的值比较高的时候(即时间间隔Δt较小时),应该用TFP会更好一些。因此,可以先判断时间间隔Δt是否大于判断阈值K(这里的判断阈值K,与积分阈值T无关),若是大于判断阈值K,应该采用TFI,否则应该采用TFP。因此,需要维护TFI和TFP两种方法所需要的信息。
在TFI计算时,需要找到t时刻前面最近的“1”和t时刻后面最近的“1”,根据这两个“1”之间的时间间隔进行TFI估计。然而,实时运行过程中,t时刻来临时,通常无法预知后面最近的“1”会在什么时候到来,因此在实时运行的时候这个方法通常难以实施。考虑到同一个像素点的值在相邻时刻时间上具有关联性(即大部分情况下像素值是不会发生突变的,t时刻跟之前极短时间内的值差距不大,相邻的时间间隔Δt大部分情况下是比较接近的),因此求Δt时,可以用上一段算出来的时间间隔来代替这一段的时间间隔。
具体来说,要维护两个大小为(图像长度*图像宽度)的矩阵,分别记录t时刻往前的第一个激励脉冲“1”的帧序号(下称矩阵A1)和t时刻往前的第二个激励脉冲“1”的帧序号(下称矩阵A2)。两个帧序号的求差结果,即为“上一个Δt”。如果一个时刻的当前帧的输入脉冲为“0”,则这两个矩阵不用更新,如果输入脉冲为“1”,则需要把这个时刻的A1的值传给A2的值,而且当前帧的序号传给A1的值(即执行一次“乒乓”处理)。
假定在t=10之前的上一个“1”在t=7时刻,再上一个“2”在t=5时刻。
表1
举例,在表1中:在帧序号10时,像素点提供的输入脉冲为“0”,则矩阵A1和矩阵A2不需要更新,此时该像素点在矩阵A1中的值为7,该像素点在矩阵A2中的值为5,此时,Δt为该像素点在矩阵A1中的值(也就是,7)减去该像素点在矩阵A2中的值(也就是5),即等于2。然后,将该Δt与预定的门限值进行比较,以确定针对帧序号10采用TFI或TFP来计算像素值。
在帧序号11时,输入脉冲为“1”,矩阵A1和矩阵A2需要更新,此时该像素点在矩阵A1中的值更新为11(即当前帧号),该像素点在矩阵A2中的值更新为7(即帧序号10时的、该像素点在矩阵A1中的值)。此时,Δt为该像素点在矩阵A1中的值(也就是,11)减去该像素点在矩阵A2中的值(也就是7),即等于4。然后,将该Δt与预定的门限值进行比较,以确定针对帧序号11采用TFI或TFP来计算像素值。
在TFP计算时,需要计算一个窗口w内“1”的个数,这个窗口是从当前时刻t往前的一段时间长度。例如:设w等于10,当TFP计算t40时刻的值时,需要累计t30~t40这一段窗口,计算t41时刻的值时,需要累计t31~t41这一段窗口。这样就会发现从ti时刻到ti+1时刻,实际上只有最前面和最后面这两帧发生变化。
因此,还可以维护一个长度为时间窗口w的、与图像同等尺寸的三维矩阵,以存储最近的w帧的脉冲信号,其大小为(图像长度*图像宽度*w)。还需要维护一个二维矩阵,以记录当前窗口内“1”的个数(即激励脉冲累计矩阵),大小为(图像长度*图像宽度)。
每次当来临一个脉冲信号,无论是否为“1”,都需要更新这个时间窗口内的数据(去掉最早的一个,加入最近的一个),并根据变化的两个值计算激励脉冲累计矩阵。根据激励脉冲累计矩阵中的值,就可以根据TFP来估计对应点的值。
在图2中,只有在此时刻输入脉冲为“1”时,记录矩阵A1和矩阵A2才需要更新。而且,无论此时刻输入脉冲是0还是1,都需要:(1)、更新记录时间窗口w长度的脉冲信号的矩阵(图像长度*图像宽度*w),然后更新激励脉冲累计矩阵(图像长度*图像宽度);然后可以根据TFP来算值;(2)、根据矩阵A1和矩阵A2计算Δt,然后可以根据TFI来算像素值。如果计算出的Δt小于判断阈值K,应采用TFP来算像素值;否则,用TFI来算像素值。
图4是本发明实施方式的脉冲信号的前景检测装置的结构图。如图4所示,脉冲信号的前景检测装置400包括:
获取模块401,用于获取脉冲信号;
转换模块403,用于基于所述脉冲信号中的激励脉冲的属性信息,将所述脉冲信号转换为像素值数据;
前景检测模块404,用于基于所述像素值数据与前景检测模型的匹配结果,确定所述脉冲信号是否包含前景目标。
在示范性实施方式中,脉冲信号中的激励脉冲的属性信息包括:脉冲信号中的相邻激励脉冲的时间间隔和/或脉冲信号在预定时间窗口内的激励脉冲的数目。
在示范性实施方式中,转换模块403,用于执行下列中的至少一个:
基于脉冲信号在预定时间窗口内的激励脉冲的数目,根据TFP方式将脉冲信号转换为像素值数据;基于脉冲信号中的相邻激励脉冲的时间间隔,根据TFI方式将脉冲信号转换为像素值数据;基于脉冲信号中的相邻激励脉冲的时间间隔和脉冲信号在预定时间窗口内的激励脉冲的数目,根据TFP方式与TFI方式的混合方式,将脉冲信号转换为像素值数据。
在示范性实施方式中,转换模块403,用于确定自脉冲信号的当前时刻往后指定激励脉冲的帧序号与自脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值;当差值大于预定门限值时,基于脉冲信号在预定时间窗口内的激励脉冲的数目,根据TFP方式将脉冲信号转换为像素值数据;当差值小于预定门限值时,基于脉冲信号中的相邻激励脉冲的时间间隔,根据TFI方式将脉冲信号转换为像素值数据;当差值等于预定门限值时,基于脉冲信号中的相邻激励脉冲的时间间隔,根据TFI方式将脉冲信号转换为像素值数据,或基于脉冲信号在预定时间窗口内的激励脉冲的数目,根据TFP方式将脉冲信号转换为像素值数据。
在示范性实施方式中,转换模块403,用于确定自脉冲信号的当前时刻往前、第一个激励脉冲的第一帧序号;确定自脉冲信号的当前时刻往前、第二个激励脉冲的第二帧序号;将第一帧序号与第二帧序号的差值,确定为自脉冲信号的当前时刻往后指定激励脉冲的帧序号与自脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值激励脉冲。
在示范性实施方式中,还包括布置在获取模块401和转换模块403之间的更新模块402,用于当脉冲信号为激励脉冲时,将第一矩阵元素更新为自脉冲信号的当前时刻往前、第一个激励脉冲的帧序号,第二矩阵元素更新为脉冲信号的当前时刻的帧序号,其中第一矩阵元素适配于保存自脉冲信号的当前时刻往前、第二个激励脉冲的帧序号,第二矩阵元素适配于保存自脉冲信号的当前时刻往前、第一个激励脉冲的帧序号。
在示范性实施方式中,还包括布置在获取模块401和转换模块403之间的更新模块402,用于更新用于记录预定时间窗口长度内的脉冲信号的矩阵;更新用于记录预定时间窗口长度内的激励脉冲的数目的矩阵。
在示范性实施方式中,前景检测模块404,用于执行下列中的至少一个:
将像素值数据与至少一个GMM模型以进行匹配,每个GMM模型用于模拟各自的背景目标,其中当匹配都不成功时,确定所述脉冲信号包含前景目标;
将像素值数据与至少一个GMM模型以进行匹配,每个GMM模型用于模拟各自的前景目标,其中当至少一次匹配成功,确定脉冲信号包含前景目标。
本发明实施方式还提供一种计算机可读介质,计算机可读存储介质存储指令,指令在由处理器执行时可执行如上的脉冲信号的前景检测方法中的步骤。实际应用中,计算机可读介质可以是上述实施方式中描述的设备/装置/系统中所包含的,也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或多个程序被执行时,可以实现上述各实施方式描述的脉冲信号的前景检测方法。根据本发明公开的实施方式,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件,或者上述的任意合适的组合,但不用于限制本发明保护的范围。在本发明公开的实施方式中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
如图5所示,本发明实施方式还提供一种电子设备,其中可以集成本发明实施方式实现方法的装置。如图5所示,其示出了本发明实施方式所涉及的电子设备的示范性结构图,
具体地:该电子设备可以包括一个或一个以上处理核心的处理器501、一个或一个以上计算机可读存储介质的存储器502以及存储在存储器上并可在处理器上运行的计算机程序。在执行存储器502的程序时,可以实现上述脉冲信号的前景检测方法。
在实际应用中,该电子设备还可以包括电源503、输入单元504、以及输出单元505等部件。本领域技术人员可以理解,图5中示出的电子设备的结构并不构成对该电子设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:处理器501是该电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器502内的软件程序和/或模块,以及调用存储在存储器502内的数据,执行服务器的各种功能和处理数据,从而对该电子设备进行整体监控。存储器502可用于存储软件程序以及模块,即上述计算机可读存储介质。处理器501通过运行存储在存储器502的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据服务器的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器502还可以包括存储器控制器,以提供处理器501对存储器502的访问。
该电子设备还包括给各个部件供电的电源503,可以通过电源管理系统与处理器501逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源503还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。该电子设备还可包括输入单元504,该输入单元504可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。该电子设备还可以包括输出单元505,该输出单元505可以用于显示由用户输入的信息或提供给用户的信息以及各种图像用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。
本发明实施方式还提供一种计算机程序产品,该计算机程序产品包括计算机指令,该计算机指令在被处理器执行时实施如上述任一实施方式的脉冲信号的前景检测方法。
本发明附图中的流程图和框图,示出了按照本发明公开的各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或者代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应该注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同附图中所标准的顺序发生。例如,两个连接地表示的方框实际上可以基本并行地执行,它们有时也可以按照相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或者流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本文中应用了具体实施方式对本发明的原理及实施方式进行了阐述,以上实施方式的说明只是用于帮助理解本发明的方法及其核心思路,并不用于限制本发明。对于本领域的技术人员来说,可以依据本发明的思路、精神和原则,在具体实施方式及应用范围上进行改变,其所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (19)
1.一种脉冲信号的前景检测方法,其特征在于,包括:
获取脉冲信号;
基于所述脉冲信号中的激励脉冲的属性信息,将所述脉冲信号转换为像素值数据;
基于所述像素值数据与前景检测模型的匹配结果,确定所述脉冲信号是否包含前景目标。
2.根据权利要求1所述的脉冲信号的前景检测方法,其特征在于,所述脉冲信号中的激励脉冲的属性信息包括:所述脉冲信号中的相邻激励脉冲的时间间隔和/或所述脉冲信号在预定时间窗口内的激励脉冲的数目。
3.根据权利要求2所述的脉冲信号的前景检测方法,其特征在于,所述基于所述脉冲信号中的激励脉冲的属性信息,将所述脉冲信号转换为像素值数据包括下列中的至少一个:
基于所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式将所述脉冲信号转换为像素值数据;
基于所述脉冲信号中的相邻激励脉冲的时间间隔,根据时间间隔重构方式将所述脉冲信号转换为像素值数据;
基于所述脉冲信号中的相邻激励脉冲的时间间隔和所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式与根据时间间隔重构方式的混合方式,将所述脉冲信号转换为像素值数据。
4.根据权利要求3所述的脉冲信号的前景检测方法,其特征在于,所述基于所述脉冲信号中的相邻激励脉冲的时间间隔和所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式与根据时间间隔重构方式的混合方式,将所述脉冲信号转换为像素值数据包括:
确定自所述脉冲信号的当前时刻往后指定激励脉冲的帧序号与自所述脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值;
当所述差值大于预定门限值时,基于所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式将所述脉冲信号转换为像素值数据;当所述差值小于所述预定门限值时,基于所述脉冲信号中的相邻激励脉冲的时间间隔,根据时间间隔重构方式将所述脉冲信号转换为像素值数据;当所述差值等于所述预定门限值时,基于所述脉冲信号中的相邻激励脉冲的时间间隔,根据时间间隔重构方式将所述脉冲信号转换为像素值数据,或基于所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式将所述脉冲信号转换为像素值数据。
5.根据权利要求4所述的脉冲信号的前景检测方法,其特征在于,
所述确定自所述脉冲信号的当前时刻往后指定激励脉冲的帧序号与自所述脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值包括:
确定自所述脉冲信号的当前时刻往前、第一个激励脉冲的第一帧序号;
确定自所述脉冲信号的当前时刻往前、第二个激励脉冲的第二帧序号;
将所述第一帧序号与所述第二帧序号的差值,确定为所述自所述脉冲信号的当前时刻往后指定激励脉冲的帧序号与自所述脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值。
6.根据权利要求1-5中任一项所述的脉冲信号的前景检测方法,其特征在于,还包括:
当所述脉冲信号为激励脉冲时,将第一矩阵元素更新为自所述脉冲信号的当前时刻往前、第一个激励脉冲的帧序号,第二矩阵元素更新为所述脉冲信号的当前时刻的帧序号,其中所述第一矩阵元素适配于保存自所述脉冲信号的当前时刻往前、第二个激励脉冲的帧序号,所述第二矩阵元素适配于保存自所述脉冲信号的当前时刻往前、第一个激励脉冲的帧序号。
7.根据权利要求1-5中任一项所述的脉冲信号的前景检测方法,其特征在于,还包括:
更新用于记录预定时间窗口长度内的脉冲信号的矩阵;
更新用于记录所述预定时间窗口长度内的激励脉冲的数目的矩阵。
8.根据权利要求1-5中任一项所述的脉冲信号的前景检测方法,其特征在于,
所述基于所述像素值数据与前景检测模型的匹配结果,确定所述脉冲信号是否包含前景目标包括下列中的至少一个:
将所述像素值数据与至少一个高斯混合模型以进行匹配,每个高斯混合模型用于模拟各自的背景目标,其中当匹配都不成功时,确定所述脉冲信号包含前景目标;
将所述像素值数据与至少一个高斯混合模型以进行匹配,每个高斯混合模型用于模拟各自的前景目标,其中当至少一次匹配成功,确定所述脉冲信号包含前景目标。
9.一种脉冲信号的前景检测装置,其特征在于,包括:
获取模块,用于获取脉冲信号;
转换模块,用于基于所述脉冲信号中的激励脉冲的属性信息,将所述脉冲信号转换为像素值数据;
前景检测模块,用于基于所述像素值数据与前景检测模型的匹配结果,确定所述脉冲信号是否包含前景目标。
10.根据权利要求9所述的脉冲信号的前景检测装置,其特征在于,
所述脉冲信号中的激励脉冲的属性信息包括:所述脉冲信号中的相邻激励脉冲的时间间隔和/或所述脉冲信号在预定时间窗口内的激励脉冲的数目。
11.根据权利要求10所述的脉冲信号的前景检测装置,其特征在于,
所述转换模块,用于执行下列中的至少一个:
基于所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式将所述脉冲信号转换为像素值数据;
基于所述脉冲信号中的相邻激励脉冲的时间间隔,根据时间间隔重构方式将所述脉冲信号转换为像素值数据;
基于所述脉冲信号中的相邻激励脉冲的时间间隔和所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式与根据时间间隔重构方式的混合方式,将所述脉冲信号转换为像素值数据。
12.根据权利要求11所述的脉冲信号的前景检测装置,其特征在于,
所述转换模块,用于确定自所述脉冲信号的当前时刻往后指定激励脉冲的帧序号与自所述脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值;当所述差值大于预定门限值时,基于所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式将所述脉冲信号转换为像素值数据;当所述差值小于所述预定门限值时,基于所述脉冲信号中的相邻激励脉冲的时间间隔,根据时间间隔重构方式将所述脉冲信号转换为像素值数据;当所述差值等于所述预定门限值时,基于所述脉冲信号中的相邻激励脉冲的时间间隔,根据时间间隔重构方式将所述脉冲信号转换为像素值数据,或基于所述脉冲信号在预定时间窗口内的激励脉冲的数目,根据时间窗口重构方式将所述脉冲信号转换为像素值数据。
13.根据权利要求12所述的脉冲信号的前景检测装置,其特征在于,
所述转换模块,用于确定自所述脉冲信号的当前时刻往前、第一个激励脉冲的第一帧序号;确定自所述脉冲信号的当前时刻往前、第二个激励脉冲的第二帧序号;将所述第一帧序号与所述第二帧序号的差值,确定为所述自所述脉冲信号的当前时刻往后指定激励脉冲的帧序号与自所述脉冲信号的当前时刻往前指定激励脉冲的帧序号之间的差值。
14.根据权利要求9-13中任一项所述的脉冲信号的前景检测装置,其特征在于,还包括:
更新模块,用于当所述脉冲信号为激励脉冲时,将第一矩阵元素更新为自所述脉冲信号的当前时刻往前、第一个激励脉冲的帧序号,第二矩阵元素更新为所述脉冲信号的当前时刻的帧序号,其中所述第一矩阵元素适配于保存自所述脉冲信号的当前时刻往前、第二个激励脉冲的帧序号,所述第二矩阵元素适配于保存自所述脉冲信号的当前时刻往前、第一个激励脉冲的帧序号。
15.根据权利要求9-13中任一项所述的脉冲信号的前景检测装置,其特征在于,还包括:
更新模块,用于更新用于记录预定时间窗口长度内的脉冲信号的矩阵,以及更新用于记录所述预定时间窗口长度内的激励脉冲的数目的矩阵。
16.根据权利要求9所述的脉冲信号的前景检测装置,其特征在于,
所述前景检测模块,用于执行下列中的至少一个:
将所述像素值数据与至少一个高斯混合模型以进行匹配,每个高斯混合模型用于模拟各自的背景目标,其中当匹配都不成功时,确定所述脉冲信号包含前景目标;
将所述像素值数据与至少一个高斯混合模型以进行匹配,每个高斯混合模型用于模拟各自的前景目标,其中当至少一次匹配成功,确定所述脉冲信号包含前景目标。
17.一种计算机可读存储介质,其上存储有计算机指令,其特征在于,所述计算机指令被处理器执行时可实现权利要求1-8任一项所述的脉冲信号的前景检测方法的步骤。
18.一种电子设备,其特征在于,该电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述可执行指令以实现权利要求1-8任一项所述的脉冲信号的前景检测方法的步骤。
19.一种计算机程序产品,其特征在于,包括计算机指令,所述计算机指令在被处理器执行时实施权利要求1-8任一项所述的脉冲信号的前景检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210697063.1A CN115169387B (zh) | 2022-06-20 | 2022-06-20 | 脉冲信号的前景检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210697063.1A CN115169387B (zh) | 2022-06-20 | 2022-06-20 | 脉冲信号的前景检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115169387A true CN115169387A (zh) | 2022-10-11 |
CN115169387B CN115169387B (zh) | 2023-07-18 |
Family
ID=83484674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210697063.1A Active CN115169387B (zh) | 2022-06-20 | 2022-06-20 | 脉冲信号的前景检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115169387B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115938146A (zh) * | 2022-12-30 | 2023-04-07 | 脉冲视觉(北京)科技有限公司 | 道路环境感知方法、装置和系统、标签、设备、程序及介质 |
CN118214487A (zh) * | 2022-12-15 | 2024-06-18 | 脉冲视觉(北京)科技有限公司 | 脉冲信号的编码处理方法和装置、脉冲相机、设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629792A (zh) * | 2017-08-23 | 2018-10-09 | 长安通信科技有限责任公司 | 基于背景建模与背景差分的激光目标检测方法和装置 |
CN111062974A (zh) * | 2019-11-27 | 2020-04-24 | 中国电力科学研究院有限公司 | 一种使用去除鬼影对前景目标提取的方法及系统 |
CN113284116A (zh) * | 2021-05-28 | 2021-08-20 | 荆门汇易佳信息科技有限公司 | 实时图像解析的红酒半成品运动检测系统 |
CN114612507A (zh) * | 2022-02-28 | 2022-06-10 | 天津大学 | 基于脉冲序列式图像传感器的高速目标追踪方法 |
-
2022
- 2022-06-20 CN CN202210697063.1A patent/CN115169387B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629792A (zh) * | 2017-08-23 | 2018-10-09 | 长安通信科技有限责任公司 | 基于背景建模与背景差分的激光目标检测方法和装置 |
CN111062974A (zh) * | 2019-11-27 | 2020-04-24 | 中国电力科学研究院有限公司 | 一种使用去除鬼影对前景目标提取的方法及系统 |
CN113284116A (zh) * | 2021-05-28 | 2021-08-20 | 荆门汇易佳信息科技有限公司 | 实时图像解析的红酒半成品运动检测系统 |
CN114612507A (zh) * | 2022-02-28 | 2022-06-10 | 天津大学 | 基于脉冲序列式图像传感器的高速目标追踪方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118214487A (zh) * | 2022-12-15 | 2024-06-18 | 脉冲视觉(北京)科技有限公司 | 脉冲信号的编码处理方法和装置、脉冲相机、设备和介质 |
CN115938146A (zh) * | 2022-12-30 | 2023-04-07 | 脉冲视觉(北京)科技有限公司 | 道路环境感知方法、装置和系统、标签、设备、程序及介质 |
CN115938146B (zh) * | 2022-12-30 | 2024-03-08 | 脉冲视觉(北京)科技有限公司 | 道路环境感知方法、装置和系统、标签、设备、程序及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115169387B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110378264B (zh) | 目标跟踪方法及装置 | |
CN115169387B (zh) | 脉冲信号的前景检测方法、装置、电子设备及存储介质 | |
CN110610510B (zh) | 目标跟踪方法、装置、电子设备及存储介质 | |
Cernekova et al. | Information theory-based shot cut/fade detection and video summarization | |
CN109697434B (zh) | 一种行为识别方法、装置和存储介质 | |
CN110287820B (zh) | 基于lrcn网络的行为识别方法、装置、设备及介质 | |
CN111144483B (zh) | 一种图像特征点过滤方法以及终端 | |
Srinivasan et al. | Improved background subtraction techniques for security in video applications | |
CN112818955B (zh) | 一种图像分割方法、装置、计算机设备以及存储介质 | |
CN113691733B (zh) | 视频抖动检测方法、装置、电子设备和存储介质 | |
CN111625683B (zh) | 基于图结构差异分析的视频摘要自动生成方法及系统 | |
CN109101884B (zh) | 一种脉冲阵列预测方法 | |
CN114245232B (zh) | 一种视频摘要生成方法、装置、存储介质及电子设备 | |
CN109815936A (zh) | 一种目标对象分析方法及装置、计算机设备和存储介质 | |
CN110532837B (zh) | 一种物品取放过程中的图像数据处理方法和家电设备 | |
CN110622214A (zh) | 基于超体素的时空视频分割的快速渐进式方法 | |
CN116309781A (zh) | 一种基于跨模态融合的水下视觉目标测距方法及装置 | |
CN117372932A (zh) | 一种基于自适应时序特征增强的弱监督时序动作定位方法 | |
CN111784750A (zh) | 视频图像中移动物体追踪方法、装置、设备以及存储介质 | |
CN110753228A (zh) | 基于YOLOv1的目标检测算法的车库监控视频压缩方法及系统 | |
KR20210133844A (ko) | 단안 이벤트-기반 센서를 사용하는 모션 추정의 시스템 및 방법 | |
CN114743136A (zh) | 异常行为检测方法、装置和存储介质 | |
CN108737814B (zh) | 一种基于动态模式分解的视频镜头检测方法 | |
Rahnama et al. | Adaptive frame selection in two dimensional convolutional neural network action recognition | |
CN112668504A (zh) | 动作识别方法、装置及电子设备 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230116 Address after: 302A4, Floor 3, Building 2, East District, Yard 10, Northwest Wangdong Road, Haidian District, Beijing 100084 Applicant after: Beijing Fusion Future Technology Co.,Ltd. Address before: 2nd Floor, Zhiyuan Building, No. 150 Chengfu Road, Haidian District, Beijing 100084 Applicant before: Pulse vision (Beijing) Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |