CN115187884A - 一种高空抛物识别方法、装置、电子设备及存储介质 - Google Patents

一种高空抛物识别方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN115187884A
CN115187884A CN202110365417.8A CN202110365417A CN115187884A CN 115187884 A CN115187884 A CN 115187884A CN 202110365417 A CN202110365417 A CN 202110365417A CN 115187884 A CN115187884 A CN 115187884A
Authority
CN
China
Prior art keywords
motion
curve
image
altitude parabolic
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.)
Pending
Application number
CN202110365417.8A
Other languages
English (en)
Inventor
吴翔南
麦广柱
袁道鸣
郭秉义
苏旭
周琳琳
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.)
Nanjing Lingdong Shuzhi Technology Co ltd
Original Assignee
Guangdong Bozhilin Robot 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 Guangdong Bozhilin Robot Co Ltd filed Critical Guangdong Bozhilin Robot Co Ltd
Priority to CN202110365417.8A priority Critical patent/CN115187884A/zh
Publication of CN115187884A publication Critical patent/CN115187884A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请实施例提供一种高空抛物识别方法、装置、电子设备及存储介质,涉及图像处理技术领域。该方法包括获取待检测视频流并将待检测视频流进行切分,得到多个帧图像;提取帧图像的运动区域并将运动区域进行合成,得到合成图像;对合成图像进行聚类并进行去噪处理,得到多个类;对各个类分别进行曲线拟合,得到拟合运动轨迹曲线;对拟合运动轨迹曲线进行判断,以确定是否存在高空抛物轨迹曲线,能够利用监控视频判断是否是高空抛物并输出结果以供查证,无需人工排查、计算量小且具有较强的抗干扰能力,解决现有方法需要耗费大量人力和时间同时也容易漏检以及计算量大、成本高的问题。

Description

一种高空抛物识别方法、装置、电子设备及存储介质
技术领域
本申请涉及图像处理技术领域,具体而言,涉及一种高空抛物识别方法、装置、电子设备及存储介质。
背景技术
传统的监管手段大多是由物业保安等在发生了高空抛物之后,通过调取监控摄像视频进行人工浏览和排查,既要耗费大量人力和时间同时也容易漏检,无法实时监管和较难追溯定位到抛物者;或是利用日益发展的AI技术,目前市场上基于计算机视觉、无线电信号、毫米波雷达、传感器等的技术发展出的智能识别方法和系统,存在计算耗时大、算力要求高、内存要求高、设备昂贵等问题。
发明内容
本申请实施例的目的在于提供一种高空抛物识别方法、装置、电子设备及存储介质,能够利用监控视频判断是否是高空抛物并输出结果以供查证,无需人工排查、计算量小且具有较强的抗干扰能力,解决现有方法需要耗费大量人力和时间同时也容易漏检以及计算量大、成本高的问题。
本申请实施例提供了一种高空抛物识别方法、装置、电子设备及存储介质,所述方法包括:
获取待检测视频流并将所述待检测视频流进行切分,得到多个帧图像;
提取所述帧图像的运动区域并将所述运动区域进行合成,得到合成图像;
对所述合成图像进行聚类并进行去噪处理,得到多个类;
对各个所述类分别进行曲线拟合,得到拟合运动轨迹曲线;
对所述拟合运动轨迹曲线进行判断,以确定是否存在高空抛物轨迹曲线。
在上述实现过程中,对监控视频进行切分,获得帧图像,通过对帧图像进行合成,再通过聚类、规则去噪、曲线拟合以及分类器判断等过程,从而得到高空抛物的判断结果,以供查证,大幅减少计算量,具有很强的抗噪抗干扰的准确识别能力,且对内存要求小且设备成本低,解决了现有方法需要耗费大量人力和时间同时也容易漏检以及计算量大、成本高的问题。
进一步地,所述提取所述帧图像的运动区域并将所述运动区域进行合成,得到合成图像,包括:
利用帧间差分法将每相邻的两帧图像的像素值相减,得到相减图像;
对所述相减图像进行二值化处理,以提取所述相减图像中的运动区域信息;
将所述运动区域信息合成在一张图像上并生成合成图像。
在上述实现过程中,对多帧差分进行合成的一张二值图像,从而提取运动区域信息,以便后续进行准确识别。
进一步地,所述对所述合成图像进行聚类并进行去噪处理,得到多个类,包括:
选取所述合成图像中的任意像素点为指定点并获得所述指定点的邻域点,所述邻域点为:到所述指定点的距离小于等于预设邻域半径的所有像素点;
若所述邻域点的个数大于样本个数阈值,则标记所述指定点为核心样本并为所述指定点分配一个新簇标签;
依次访问所述指定点的各个邻域点,并判断所述邻域点是否已被分配一个簇标签,若否,则分配所述像素点的新簇标签给所述邻域点,重复以上步骤直至得到所述合成图像中的所有像素点的簇样本集合;
去除类密度高于或低于预设范围的簇样本集合,以得到密度处于预设范围内的类。
在上述实现过程中,对多帧差分进行合成的一张二值图像进行去噪与抛物线曲线识别,有很强的抗噪抗干扰以及准确识别能力。
进一步地,所述对各个所述类分别进行曲线拟合,以得到拟合运动轨迹曲线,包括:
对所述类分别进行曲线拟合,得到各类的运动曲线;
通过距离和斜率判断所述运动曲线是否在同一条曲线上;
若是,则合并为同一类并重新进行曲线拟合,以得到拟合运动轨迹曲线。
在上述实现过程中,通过对同一类进行曲线拟合,可得到同一类的运动轨迹。
进一步地,所述对所述拟合运动轨迹曲线进行判断,以确定是否存在高空抛物轨迹曲线,包括:
获取所述拟合运动轨迹曲线上各点的坐标和时间点数据;
利用极限梯度提升分类器判断是否存在高空抛物轨迹曲线;
若是,则输出所述拟合运动轨迹曲线和运动区域信息对应的时间段。
在上述实现过程中,通过分类器进行抛物线判断,具有更高的抗噪抗干扰准确识别能力。
进一步地,所述方法还包括:
若存在所述高空抛物轨迹曲线,则在所述待检测视频流对应的原视频上标记判断结果、所述运动轨迹曲线的位置以及所述时间段,以定位抛物时间、抛物者以及抛物轨迹曲线。
在上述实现过程中,将判断结果、对应时间段以及标注了高空抛物运动轨迹的原视频输出,以供查证。
本申请实施例还提供一种高空抛物识别装置,所述装置包括:
帧获取模块,用于获取待检测视频流并将所述待检测视频流进行切分,得到多个帧图像;
合成模块,用于提取所述帧图像的运动区域并将所述运动区域进行合成在,得到合成图像;
聚类模块,用于对所述合成图像进行聚类并进行去噪处理,以得到多个类;
拟合模块,用于对各个所述类分别进行曲线拟合,以得到拟合运动轨迹曲线;
识别模块,用于对所述拟合运动轨迹曲线进行判断,以确定是否存在高空抛物轨迹曲线。
在上述实现过程中,利用从监控摄像头获取的监控视频进行解析切分得到多帧图像,然后对多帧图像进行帧间差分法检测出运动区域并合成二值图表示,然后利用DBSCAN基于密度的聚类算法对二值图进行运动区域聚类得到具有噪声的基于密度的聚类,再对聚类进行基于规则去噪后拟合出各类的运动轨迹曲线,再运用XGBoot算法作为分类器对各运动轨迹曲线进行识别判断是否是高空抛物,输出判断结果、对应时间段且若判断是高空抛物时还输出标注了高空抛物运动轨迹的原视频,以供查证。
进一步地,所述合成模块包括:
差分子模块,用于利用帧间差分法将每相邻的两帧图像的像素值相减,以得到相减图像;
二值化子模块,用于对所述相减图像进行二值化处理,以提取所述相减图像中的运动区域信息;
合成图像获取子模块,用于将所述运动区域信息合成在一张图像上并生成合成图像。
在上述实现过程中,通过合成可将运动区域在同一张图像上表示,得到合成图,如果是高空抛物,则合成图像具有一定的规律,便于后续为拟合运动轨迹奠定基础,并能够提高识别准确性。
进一步地,所述识别模块包括:
数据获取子模块,用于获取所述拟合运动轨迹曲线上各点的坐标和时间点数据;
判断子模块,用于利用极限梯度提升分类器判断是否存在高空抛物轨迹曲线;
结果输出子模块,用于若存在高空抛物轨迹曲线,则输出所述拟合运动轨迹曲线和运动区域信息对应的时间段。
在上述实现过程中,通过分类器判断是否存在高空抛物轨迹曲线,以判断是否为高空抛物,通过XGBoost分类器进行抛物线判断,具有更高的抗噪抗干扰准确识别能力。
本申请实施例还提供一种电子设备,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行上述中任一项所述的高空抛物识别方法。
本申请实施例还提供一种可读存储介质,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行上述中任一项所述的高空抛物识别方法。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,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为本申请实施例提供的一种高空抛物识别方法的流程图;
图2为本申请实施例提供的输出结果获取流程图;
图3为本申请实施例提供的合成图像的生成流程图;
图4为本申请实施例提供的类的获取流程图;
图5为本申请实施例提供的拟合运动轨迹曲线的生成流程图;
图6为本申请实施例提供的分类器判断的流程图;
图7为本申请实施例提供的待检测监控视频流示意图;
图8为本申请实施例提供的检测结果输出示意图;
图9为本申请实施例提供的高空抛物识别装置的结构框图;
图10为本申请实施例提供的高空抛物识别装置的整体结构框图。
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描述。
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。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
请参看图1,图1为本申请实施例提供的一种高空抛物识别方法的流程图。该方法可以应用于对监控视频进行处理,仅从单个或从多个实时影像检测得到结果,并输出判断结果、对应时间段且若判断是高空抛物时还输出标注了高空抛物运动轨迹的原视频,以供查证,如图2所示,为输出结果获取流程图。具体包括以下步骤:
步骤S100:获取待检测视频流并将所述待检测视频流进行切分,以得到多个帧图像;
待检测视频流可以是监控视频,可收集并整理实际监控摄像头监控得到的监控视频,对视频流切分,得到多个帧图像。
步骤S200:提取所述帧图像的运动区域并将所述运动区域进行合成在一张图像上,以生成合成图像;
如图3所示,为合成图像的生成流程图,该步骤具体可以包括:
步骤S201:利用帧间差分法将每相邻的两帧图像的像素值相减,以得到相减图像;
步骤S202:对所述相减图像进行二值化处理,以提取所述相减图像中的运动区域信息;
步骤S203:将所述运动区域信息合成在一张图像上并生成合成图像。
利用帧间差分法将视频流中每相邻两帧图像的两幅图像像素值相减,然后对相减后的图像进行二值化来提取图像中的运动区域信息(包括坐标和时刻),并将所有提取的运动区域信息合在同一张图上表示。对多帧差分进行合成的一张二值图像进行去噪与抛物线曲线识别,有很强的抗噪抗干扰准确识别能力。
步骤S300:对所述合成图像进行聚类并进行去噪处理,得到多个类;
对合成图利用DBSCAN(Density-Based Spatial Clustering of Applicationswith Noise,具有噪声的基于密度的聚类方法)进行聚类。如图4所示,为类的获取流程图,该步骤可以包括:
步骤S301:选取所述合成图像中的任意像素点为指定点并获得所述指定点的邻域点,所述邻域点为:到所述指定点的距离小于等于预设邻域半径的所有像素点;
步骤S302:若所述邻域点的个数大于样本个数阈值,则标记所述指定点为核心样本并为所述指定点分配一个新簇标签;
步骤S303:依次访问各个所述邻域点,并判断所述邻域点是否已被分配一个簇标签,若否,则分配所述指定点的新簇标签给所述邻域点,以得到所述合成图像中的所有指定点的簇样本集合;
步骤S304:去除类密度高于或低于预设范围的簇样本集合,以得到密度处于预设范围内的类。
找到离选取的这个像素点(指定点)距离小于等于eps(邻域半径)的所有的邻域点,如果距这个像素点的距离在eps之内的数据点个数小于min_samples(样本个数阈值),那么这个点被标记为噪声。如果距离在eps之内的数据点个数大于min_samples,则这个点被标记为核心样本,并被分配一个新簇标签;
然后访问该像素点的所有邻域点,如果它们还没有被分配一个簇,那么就将刚刚创建的新簇标签分配给它们。如果它们是核心样本,那么就依次访问其邻居(在距离eps以内),以此类推。簇逐渐增大,直到在簇的eps距离内没有更多的核心样本为止。
选取另一个尚未被访问过的像素点,并重复上述相同的过程(获取邻域点),直至所有像素点被访问完毕,并最终得到所划分的所有簇样本集合。
对聚类后的簇样本集合进行基于规则的去噪处理,具体规则为:对密度高于或低于阈值范围的类去除,保留密度处于阈值范围的类。
步骤S400:对各个所述类分别进行曲线拟合,得到拟合运动轨迹曲线;
如图5所示,为拟合运动轨迹曲线的生成流程图,该步骤具体可以包括:
步骤S401:对所述类进行曲线拟合,得到各类的运动曲线;
步骤S402:通过距离和斜率判断所述运动曲线是否在同一条曲线上;
步骤S403:若是,则合并为同一类并重新进行曲线拟合,以得到拟合运动轨迹曲线。
对规则去噪处理后的数据进行各个类分别拟合一条运动轨迹曲线,然后对各类初步拟合的运动曲线根据距离和斜率判断是否在同一条曲线,若是则合并为同一类并拟合新运动轨迹曲线。
步骤S500:利用分类器对所述拟合运动轨迹曲线进行判断,以确定是否存在高空抛物轨迹曲线,并输出判断结果。
如图6所示,为分类器判断的流程图,该步骤具体包括:
步骤S501:获取各类的所述拟合运动轨迹曲线上各点的坐标和时间点数据;
步骤S502:利用极限梯度提升分类器判断是否存在高空抛物轨迹曲线;
步骤S503:若是,则输出所述拟合运动轨迹曲线和运动区域信息对应的时间段。
对拟合的各类的运动轨迹曲线上各点的横坐标、纵坐标和对应的时间点数据,使用XGBoost(Exterme Gradient Boosting,极限梯度提升)判断是否存在高空抛物的轨迹曲线,得到判断结果且若对某类判断结果为是,还需要返回该类的运动轨迹曲线、该类包含的运动区域信息对应的时间段。通过对下落时间、横坐标位移距离、纵坐标位移距离进行曲线拟合,然后通过XGBoost分类器进行抛物线判断,具有更高的抗噪抗干扰准确识别能力。
其中,XGBoost的原理是:
预测函数:设
Figure BDA0003006611440000091
是样本xi的最终预测分数,fi是第i颗树的叶子打分映射,K为树的数量,则预测函数为
Figure BDA0003006611440000092
目标函数:定义模型的损失函数为
Figure BDA0003006611440000093
其中
Figure BDA0003006611440000094
是单个样本xi的损失函数,可以是任意可微函数,比如平方误差
Figure BDA0003006611440000095
和逻辑误差函数
Figure BDA0003006611440000096
然后定义模型的复杂度为
Figure BDA0003006611440000097
得到XGBoost的目标函数Obj为Obj=L(F)+Ω(F);
优化目标函数:根据数学归纳法,当加入第t颗树,即第t次迭代,当前模型的预测结果为
Figure BDA0003006611440000101
则目标函数改为迭代版本
Figure BDA0003006611440000102
再将目标函数在ft(xi)处进行二阶泰勒展开,得到
Figure BDA0003006611440000103
由于目标函数只受基学习器f的影响,上一次的误差
Figure BDA0003006611440000104
是常数项,对本次迭代没有影响,所以删除常数项则有
Figure BDA0003006611440000105
继续优化目标函数:定义q(xi)是在数中任意样本xi落在叶子的位置,
Figure BDA0003006611440000106
是在数中任意样本xi落在叶子的权重,模型的复杂度
Figure BDA0003006611440000107
其中T为叶子节点个数,wj为每片叶子的权重,γ和λ是超参数。然后将树的函数表达式ft(xi)的拆分和模型复杂度Ω(ft)带入目标函数,得到
Figure BDA0003006611440000108
定义Gi=∑gi,Hi=∑hi,得到最终简化的目标函数为
Figure BDA0003006611440000109
求解目标函数极值:对目标函数求导,得出模型的最优解
Figure BDA00030066114400001010
根据判断结果,进行固定输出(判断结果、对应时间段),若得到判断结果为是,还要输出带标注的视频(即在原视频上标注运动轨迹),将运动轨迹曲线标记在原视频中,能准确清晰地追溯定位抛物发生的时间、抛物者以及抛物轨迹曲线,如图7-图8所示,分别为待检测监控视频流和检测结果输出示意图,图7为对应时间段为自2020-11-15 16:13:55到2020-11-15 16:14:00监控视频,图8为对应的判断结果、对应时间段和标注有运动轨迹的视频即判断结果:存在高空抛物,对应时间段:自2020-11-15 16:13:55到2020-11-15 16:14:00的标注视频。
此外,还可以使用光流法实现高空抛物检测,在此不再赘述。
本申请通过上述处理得到输出结果的过程,可以大幅减少计算量,对内存要求小、设备成本低、大幅减少计算量,有很强的抗噪抗干扰准确识别能力。
此外,本申请还可以应用于数据中心,来对各视频监控装置数据进行集中处理,也可以集成内置于各视频监控装置中进行判定筛选后,再将认定为高空抛物的视频段及拟合的高空抛物轨迹曲线传输到数据中心,供二次判定和记录取证,更灵活的搭配布置能减少对网络带宽和数据中心的性能要求,可使一个数据中心接入更多视频监控装置提升监控密度减少监控盲区。
实施例2
本申请实施例还提供一种高空抛物识别装置,如图9所示,为高空抛物识别装置的结构框图,所述装置包括:
帧获取模块100,用于获取待检测视频流并将所述待检测视频流进行切分,以得到多个帧图像;
合成模块200,用于提取所述帧图像的运动区域并将所述运动区域进行合成在一张图像上,以生成合成图像;
聚类模块300,用于对所述合成图像进行聚类并进行去噪处理,以得到多个类;
拟合模块400,用于对各个所述类分别进行曲线拟合,以得到拟合运动轨迹曲线;
识别模块500,用于利用分类器对所述拟合运动轨迹曲线进行判断,以确定是否存在高空抛物轨迹曲线,并输出判断结果。
如图10所示,为高空抛物识别装置的整体结构框图,其中,合成模块200包括:
差分子模块201,用于利用帧间差分法将每相邻的两帧图像的像素值相减,以得到相减图像;
二值化子模块202,用于对所述相减图像进行二值化处理,以提取所述相减图像中的运动区域信息;
合成图像获取子模块203,用于将所述运动区域信息合成在一张图像上并生成合成图像。
聚类模块300包括:
邻域点选取子模块301,用于选取所述合成图像中的任意像素点为指定点并获得所述指定点的邻域点,所述邻域点为:到所述指定点的距离小于等于预设邻域半径的所有像素点;
标记子模块302,用于若所述邻域点的个数大于样本个数阈值,则标记所述像素点为核心样本并为所述像素点分配一个新簇标签;
簇样本集合获取子模块303,用于依次访问所述邻域点,并判断所述邻域点是否已被分配一个簇标签,若否,则分配所述像素点的新簇标签给所述邻域点,以得到所述合成图像中的所有像素点的簇样本集合;
类获取子模块304,用于去除密度高于或低于阈值范围的簇样本集合,以得到密度处于阈值范围内的类。
拟合模块400包括:
曲线拟合子模块401,用于对所述类进行曲线拟合,得到运动曲线;
曲线判断子模块402,用于通过距离和斜率判断所述运动曲线是否属于同一条曲线;
运动轨迹曲线获取子模块403,用于若是,则合并为同一类并进行曲线拟合,以得到拟合运动轨迹曲线。
识别模块500包括:
数据获取子模块501,用于获取各类的所述拟合运动轨迹曲线上各点的坐标和时间点数据;
判断子模块502,用于利用极限梯度提升分类器判断是否存在高空抛物轨迹曲线;
结果输出子模块503,用于若存在高空抛物轨迹曲线,则输出所述拟合运动轨迹曲线和运动区域信息对应的时间段。
本申请实施例还提供一种电子设备,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行实施例1中任一项所述的高空抛物识别方法。
本申请实施例还提供一种可读存储介质,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行实施例1中任一项所述的高空抛物识别方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也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,附图中的流程图和框图显示了根据本申请的多个实施例的装置、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、程序段或代码的一部分,所述模块、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。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动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。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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)执行本申请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(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。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。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,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,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (11)

1.一种高空抛物识别方法,其特征在于,所述方法包括:
获取待检测视频流并将所述待检测视频流进行切分,得到多个帧图像;
提取所述帧图像的运动区域并将所述运动区域进行合成,得到合成图像;
对所述合成图像进行聚类并进行去噪处理,得到多个类;
对各个所述类分别进行曲线拟合,得到拟合运动轨迹曲线;
对所述拟合运动轨迹曲线进行判断,以确定是否存在高空抛物轨迹曲线。
2.根据权利要求1所述的高空抛物识别方法,其特征在于,所述提取所述帧图像的运动区域并将所述运动区域进行合成,得到合成图像,包括:
利用帧间差分法将每相邻的两帧图像的像素值相减,得到相减图像;
对所述相减图像进行二值化处理,以提取所述相减图像中的运动区域信息;
将所述运动区域信息合成在一张图像上并生成合成图像。
3.根据权利要求2所述的高空抛物识别方法,其特征在于,所述对所述合成图像进行聚类并进行去噪处理,得到多个类,包括:
选取所述合成图像中的任意像素点为指定点并获得所述指定点的邻域点,所述邻域点为:到所述指定点的距离小于等于预设邻域半径的所有像素点;
若所述邻域点的个数大于样本个数阈值,则标记所述指定点为核心样本并为所述指定点分配一个新簇标签;
依次访问所述指定点的各个邻域点,并判断所述邻域点是否已被分配一个簇标签,若否,则分配所述指定点的新簇标签给所述邻域点,重复以上步骤直至得到所述合成图像中的所有像素点的簇样本集合;
去除类密度高于或低于预设范围的簇样本集合,以得到密度处于预设范围内的类。
4.根据权利要求1所述的高空抛物识别方法,其特征在于,所述对各个所述类分别进行曲线拟合,以得到拟合运动轨迹曲线,包括:
对所述类分别进行曲线拟合,得到各类的运动曲线;
通过距离和斜率判断所述运动曲线是否在同一条曲线上;
若是,则合并为同一类并重新进行曲线拟合,以得到拟合运动轨迹曲线。
5.根据权利要求1所述的高空抛物识别方法,其特征在于,所述对所述拟合运动轨迹曲线进行判断,以确定是否存在高空抛物轨迹曲线,包括:
获取所述拟合运动轨迹曲线上各点的坐标和时间点数据;
利用极限梯度提升分类器判断是否存在高空抛物轨迹曲线;
若是,则输出所述拟合运动轨迹曲线和运动区域信息对应的时间段。
6.根据权利要求5所述的高空抛物识别方法,其特征在于,所述方法还包括:
若存在所述高空抛物轨迹曲线,则在所述待检测视频流对应的原视频上标记判断结果、所述运动轨迹曲线的位置以及所述时间段。
7.一种高空抛物识别装置,其特征在于,所述装置包括:
帧获取模块,用于获取待检测视频流并将所述待检测视频流进行切分,得到多个帧图像;
合成模块,用于提取所述帧图像的运动区域并将所述运动区域进行合成,得到合成图像;
聚类模块,用于对所述合成图像进行聚类并进行去噪处理,得到多个类;
拟合模块,用于对各个所述类分别进行曲线拟合,得到拟合运动轨迹曲线;
识别模块,用于对所述拟合运动轨迹曲线进行判断,以确定是否存在高空抛物轨迹曲线。
8.根据权利要求7所述的高空抛物识别装置,其特征在于,所述合成模块包括:
差分子模块,用于利用帧间差分法将每相邻的两帧图像的像素值相减,得到相减图像;
二值化子模块,用于对所述相减图像进行二值化处理,以提取所述相减图像中的运动区域信息;
合成图像获取子模块,用于将所述运动区域信息合成在一张图像上并生成合成图像。
9.根据权利要求7所述的高空抛物识别装置,其特征在于,所述识别模块包括:
数据获取子模块,用于获取所述拟合运动轨迹曲线上各点的坐标和时间点数据;
判断子模块,用于利用极限梯度提升分类器判断是否存在高空抛物轨迹曲线;
结果输出子模块,用于若存在高空抛物轨迹曲线,则输出所述拟合运动轨迹曲线和运动区域信息对应的时间段。
10.一种电子设备,其特征在于,所述电子设备包括存储器以及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1-6中任一项所述的高空抛物识别方法。
11.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机程序指令,所述计算机程序指令被一处理器读取并运行时,执行权利要求1-6任一项所述的高空抛物识别方法。
CN202110365417.8A 2021-04-02 2021-04-02 一种高空抛物识别方法、装置、电子设备及存储介质 Pending CN115187884A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110365417.8A CN115187884A (zh) 2021-04-02 2021-04-02 一种高空抛物识别方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110365417.8A CN115187884A (zh) 2021-04-02 2021-04-02 一种高空抛物识别方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN115187884A true CN115187884A (zh) 2022-10-14

Family

ID=83511976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110365417.8A Pending CN115187884A (zh) 2021-04-02 2021-04-02 一种高空抛物识别方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN115187884A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116994201A (zh) * 2023-07-20 2023-11-03 山东产研鲲云人工智能研究院有限公司 对高空抛物进行溯源监测的方法及计算设备
CN118134962A (zh) * 2024-05-08 2024-06-04 中国人民解放军国防科技大学 一种高空抛物的检测方法、电子设备及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116994201A (zh) * 2023-07-20 2023-11-03 山东产研鲲云人工智能研究院有限公司 对高空抛物进行溯源监测的方法及计算设备
CN116994201B (zh) * 2023-07-20 2024-03-29 山东产研鲲云人工智能研究院有限公司 对高空抛物进行溯源监测的方法及计算设备
CN118134962A (zh) * 2024-05-08 2024-06-04 中国人民解放军国防科技大学 一种高空抛物的检测方法、电子设备及存储介质
CN118134962B (zh) * 2024-05-08 2024-09-13 中国人民解放军国防科技大学 一种高空抛物的检测方法、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN108665487B (zh) 基于红外和可见光融合的变电站作业对象和目标定位方法
Goyette et al. A novel video dataset for change detection benchmarking
CN106897681B (zh) 一种遥感图像对比分析方法及系统
Chen et al. Learning-based spatio-temporal vehicle tracking and indexing for transportation multimedia database systems
CN106446922B (zh) 一种人群异常行为分析方法
Szwoch Extraction of stable foreground image regions for unattended luggage detection
CN111383244B (zh) 一种目标检测跟踪方法
Abdulghafoor et al. A novel real-time multiple objects detection and tracking framework for different challenges
CN111882586A (zh) 一种面向剧场环境的多演员目标跟踪方法
Athanesious et al. Trajectory based abnormal event detection in video traffic surveillance using general potential data field with spectral clustering
CN115187884A (zh) 一种高空抛物识别方法、装置、电子设备及存储介质
CN114708555A (zh) 基于数据处理的森林防火监控方法及电子设备
CN113688797A (zh) 一种基于骨架提取的异常行为识别方法及系统
CN112651996B (zh) 目标检测跟踪方法、装置、电子设备和存储介质
Doulamis Coupled multi-object tracking and labeling for vehicle trajectory estimation and matching
CN112100435A (zh) 一种基于边缘端交通音视频同步样本的自动标注方法
CN116311063A (zh) 监控视频下基于人脸识别的人员细粒度跟踪方法及系统
CN110969645A (zh) 面向拥挤场景的无监督异常轨迹检测方法和装置
CN115761647A (zh) 基于计算机视觉的变电站内物体运动轨迹检测方法及系统
CN116647644A (zh) 基于数字孪生技术的校园交互式监控方法以及系统
KR101690050B1 (ko) 지능형 영상보안 시스템 및 객체 추적 방법
CN116958873A (zh) 行人跟踪方法、装置、电子设备及可读存储介质
Khan et al. Foreground detection using motion histogram threshold algorithm in high-resolution large datasets
CN116630801A (zh) 基于伪实例软标签的遥感图像弱监督目标检测方法
CN114494999A (zh) 一种双分支联合型目标密集预测方法及系统

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: 20230327

Address after: 528311 no.l203 Country Garden International Club, Beijiao Town, Shunde District, Foshan City, Guangdong Province

Applicant after: Zero Hole Technology Co.,Ltd.

Address before: 528000 a2-05, 2nd floor, building A1, 1 Panpu Road, Biguiyuan community, Beijiao Town, Shunde District, Foshan City, Guangdong Province (for office use only) (residence declaration)

Applicant before: GUANGDONG BOZHILIN ROBOT Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20231222

Address after: Room 01, Floor 9, Xinlihua Center Building, 151 Mount Taishan Road, Jianye District, Nanjing, Jiangsu 210004

Applicant after: Nanjing Lingdong Shuzhi Technology Co.,Ltd.

Address before: 528311 no.l203 Country Garden International Club, Beijiao Town, Shunde District, Foshan City, Guangdong Province

Applicant before: Zero Hole Technology Co.,Ltd.