CN115278217A - 图像画面检测方法、装置、电子设备及存储介质 - Google Patents
图像画面检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115278217A CN115278217A CN202210865307.2A CN202210865307A CN115278217A CN 115278217 A CN115278217 A CN 115278217A CN 202210865307 A CN202210865307 A CN 202210865307A CN 115278217 A CN115278217 A CN 115278217A
- Authority
- CN
- China
- Prior art keywords
- image
- detected
- sub
- color
- abnormal
- 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 86
- 230000002159 abnormal effect Effects 0.000 claims abstract description 100
- 239000003086 colorant Substances 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012544 monitoring process Methods 0.000 claims description 49
- 230000005856 abnormality Effects 0.000 claims description 45
- 238000012806 monitoring device Methods 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000002547 anomalous effect Effects 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 241001464837 Viridiplantae Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种图像画面检测方法、装置、电子设备及存储介质,方法包括获取待检测图像;在所述待检测图像的颜色异常的情况下,从所述待检测图像中截取出至少一个子图像;在所述至少一个子图像中确定颜色异常的子图像的数量,并确定所述待检测图像和所述至少一个子图像各自对应的均方差;若颜色异常的子图像的数量符合预设条件,并且所述待检测图像以及所述至少一个子图像各自对应的均方差均在第一预设范围内,则确定所述待检测图像的画面异常。通过本发明实施例的技术方案,可以实现对待检测图像的画面异常的检测,提高了检测的效率和准确度。
Description
技术领域
本发明涉及一种图像处理技术领域,尤其涉及一种图像画面检测方法、装置、电子设备及存储介质。
背景技术
现今,城市中很多地方都布满了监控摄像头,比如,工厂、学校、道路两旁、各个机关单位、公司、学校等地方。监控成了维持城市运转不可或缺的一部分。老师可以通过监控视频监督管理学生,工厂员工可以通过监控视频对机械设备进行监管等等。若是监控视频由于视频图像的颜色异常,造成视频图像不清晰,会对监督管理工作造成很大的影响。
目前,现有对视频图像颜色异常的排查方法是通过人工观察监控图像是否出现颜色异常,这种方式耗费了大量的人力资源,而且,很容易造成漏检的情况。
发明内容
本发明实施例提供了一种图像画面检测方法、装置、电子设备及存储介质,以解决人工排查耗时多且容易漏检的技术问题。
第一方面,本发明实施例提供了一种图像画面检测方法,所述方法包括:
获取待检测图像;
在所述待检测图像的颜色异常的情况下,从所述待检测图像中截取出至少一个子图像;
在所述至少一个子图像中确定颜色异常的子图像的数量,并确定所述待检测图像和所述至少一个子图像各自对应的均方差;
若颜色异常的子图像的数量符合预设条件,并且所述待检测图像以及所述至少一个子图像各自对应的均方差均在第一预设范围内,则确定所述待检测图像的画面异常。
第二方面,本发明实施例还提供了一种图像画面检测装置,所述装置包括:
图像获取模块,用于获取待检测图像;
子图像获取模块,用于在所述待检测图像的颜色异常的情况下,从所述待检测图像中截取出至少一个子图像;
均方差获取模块,用于在所述至少一个子图像中确定颜色异常的子图像的数量,并确定所述待检测图像和所述至少一个子图像各自对应的均方差;
画面异常判定模块,用于若颜色异常的子图像的数量符合预设条件,并且所述待检测图像以及所述至少一个子图像各自对应的均方差均在第一预设范围内,则确定所述待检测图像的画面异常。
第三方面,本发明实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例任一所述的图像画面检测方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例任一所述的图像画面检测方法。
本发明实施例的技术方案,通过获取待检测图像,在待检测图像整体的颜色异常的情况下,从待检测图像中截取出至少一个子图像。在至少一个子图像中确定颜色异常的子图像的数量,并确定待检测图像和至少一个子图像各自对应的均方差,若颜色异常的子图像的数量符合预设条件,并未待检测图像以及至少一个子图像各自对应的均方差均在第一预设范围内,则确定待检测图像的画面异常。本发明实施例的技术方案首先从整体上获得待检测图像是否颜色异常,之后,判定子图像的颜色异常的数量是否符合预设条件,并且待检测图像和至少一个子图像的均方差是否在第一预设范围内,若二者皆是,则确定待检测图像的画面异常。本发明实施例从整体和局部对待检测图像进行画面异常分析,可以提高图像画面检测的准确度,并且,通过计算机来检测图像的画面是否异常的方式,能够对视频的每一帧图像进行逐一检测,相较于人工排查的方式,不会出现漏检的情况,还可以提高检测的效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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。
其中:
图1为一个实施例中图像画面检测方法的流程示意图;
图2为另一个实施例中图像画面检测方法的流程示意图;
图3为一个实施例中子图像的示意图;
图4为另一个实施例中图像画面检测方法的流程示意图;
图5为一个实施例中图像画面检测装置的结构示意图;
图6一个实施例中电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在阐述本发明实施例的技术方案之前,首先对本发明实施例的应用场景进行示例性说明:
现今,监控装置已经融入到了人们的生活工作中,而监控视频对于人们的生活和工作都有着非常大的影响。而监控装置由于网络传输问题,摄像头的光传感器出现异常等造成的监控视频画面异常,使得监控视频无法为人们提供服务。在现有技术中方法,通常需要人工筛查出画面异常的监控视频,耗时耗力。
针对上述的技术问题,本发明实施例提出一种图像画面检测方法,本发明实施例可适用于对图像画面的画面异常进行检测的情况,该方法可以由图像画面检测装置来执行,图像检测装置可以是手机上的APP,也可以是计算机上的软件等。图像检测装置可以在计算机、服务器等设备上进行应用。该装置可以通过软件和/或硬件的形式实现。
以下具体介绍本发明实施例的技术方案。本发明实施例的技术方案可以对图像的画面异常进行检测,比如应用在对监控视频的画面颜色异常进行检测,进而判断监控视频对应的监控装置是否出现故障,也可以对人脸识别图像进行图像颜色异常的检测,进而判断人脸识别装置是否出现故障等。
如图1所示,本发明实施例的图像画面检测方法具体包括如下步骤:
S110、获取待检测图像。
其中,待检测图像是指需要进行图像画面异常检测的图像,可以是监控视频图像,或者其他需要进行画面异常检测的图像。
具体的,获取待检测图像,为后续对待检测图像的画面异常检测做准备工作。示例性的,若是待检测图像为监控视频图像,则从监控视频中截取出任一视频帧图像作为待检测图像。
可选地,本发明实施例对待检测图像的大小、图像格式等都不做具体限定。比如,图像可以是bmp格式或者jpg格式。
S120、在所述待检测图像的颜色异常的情况下,从所述待检测图像中截取出至少一个子图像。
其中,颜色异常可以是指颜色偏色。比如,图像画面偏红色、偏蓝色等。
具体的,首先得到待检测图像整体上的颜色异常情况,在待检测图像整体上存在颜色异常的情况下,从待检测图像中截取出至少一个子图像。示例性,可以通过图像分割方法从待检测图像截取出至少一个子图像。需要说明的是,子图像的数量以及在待检测图像中的位置可以根据实际情况进行设定,比如,子图像有三个,将待检测图像从上至下进行三等分,得到三个子图像。
S130、在所述至少一个子图像中确定颜色异常的子图像的数量,并确定所述待检测图像和所述至少一个子图像各自对应的均方差。
具体的,对至少一个子图像进行颜色异常检测,确定颜色异常的子图像的数量,并且获取待检测图像和至少一个子图像的均方差,为后续针对颜色异常的子图像的数量的判定,以及针对各个均方差的判定做准备工作。
其中,待检测图像和至少一个子图像各自对应的均方差包括待图像的均方差和每个子图像的均方差;图像的均方差的含义是指图像的各个像素值的均方差。均方差可以表示所有像素的像素值的差异。
例如,获取图像在每个颜色通道中的各个像素值,针对每个与颜色通道,计算每个颜色通道的各个像素值的均方差,得到每个颜色通道对的均方差,进而将每个颜色通道的均方差进行均值计算,得到图像的均方差。
S140、若颜色异常的子图像的数量符合预设条件,并且所述待检测图像以及所述至少一个子图像各自对应的均方差均在第一预设范围内,则确定所述待检测图像的画面异常。
其中,预设条件可以是数量达到了预设数量,也可以是颜色异常的子图像的数量占所有子图像中的占比,达到了预设占比,还可以是颜色异常的子图像数量与颜色无异常的子图像数量的比值,达到了预设比值。应当理解,预设数量、预设占比、预设比值以及第一预设范围都可以根据实际情况进行设置,这里不做具体限定。
具体的,由于子图像是从待检测图像中截取出来的不同区域的图像,若是子图像中颜色异常的数量符合预设条件,则说明待检测图像的局部区域存在颜色异常。但是,由于子图像的选取位置以及每个待检测图像中的画面信息的不同,仅凭子图像的颜色异常还不能确定待检测图像的画面异常。因此,需要对待检测图像中的整体和局部的信息进行检测,本发明实施例通过对待检测图像和子图像的均方差是否在第一预设范围进行判断,进而得到待检测图像是否出现颜色异常。在图像整体出现颜色偏色或者颜色异常,图像的整体均方差和局部区域的均方差相差不大,整体颜色单一或者偏向于某种颜色。比如,一张图像,整体颜色偏红,图像的整体均方差和局部区域的均方差相差不大。因此设置第一预设范围,当待检测图像和至少一个子图像的均方差在第一预设范围内时,则说明待检测图像的颜色异常。根据颜色异常的子图像的判定是从局部判定待检测图像是否出现颜色异常,对待检测图像和各个子图像的均方差的判定,是从整体上判定待检测图像是否出现异常,通过子图像的局部判定、子图像和待检测图像的整体判定,得到待检测图像的画面是否异常的结果,提高了待检测图像画面检测的准确度。
可选地,对于待检测图像以及所述至少一个子图像各自对应的均方差均在第一预设范围内,可以是多种情况,第一种情况可以是待检测图像以及至少一个子图像各自的均方差都在第一预设范围内,如上述阐述的内容。
第二种情况,可以是待检测图像和至少一个子图像的均方差的差值,该至少一个差值均在第一预设插值范围内时,说明此时的待检测图像和至少一个子图像的均方差在第一预设范围内。具体的,对待检测图像和至少一个子图像的均方差进行差值计算,得到至少一个差值,若这至少一个差值均在第一预设差值范围内,则说明待检测图像和至少一个子图像的均方差都在第一预设范围内。通过差值来确定待检测图像和至少一个子图像携带信息的差异,若是至少一个差值在第一预设差值范围内,则说明待检测图像和至少一个子图像携带的信息差异不大,也即信息相似。比如,待检测图像中布满绿植,截取了一个子图像也是部分绿植,二者携带的信息相似,二者的均方差的差值在第一预设差值范围内,二者的均方差都在第一预设范围内。
本发明实施例的技术方案,通过获取待检测图像,在待检测图像整体的颜色异常的情况下,从待检测图像中截取出至少一个子图像。在至少一个子图像中确定颜色异常的子图像的数量,并确定待检测图像和至少一个子图像各自对应的均方差,若颜色异常的子图像的数量符合预设条件,并未待检测图像以及至少一个子图像各自对应的均方差均在第一预设范围内,则确定待检测图像的画面异常。也即待检测图像的画面颜色偏色。本发明实施例的技术方案首先从整体上获得待检测图像是否颜色异常,之后,判定子图像的颜色异常的数量是否符合预设条件,并且待检测图像和至少一个子图像的均方差是否在第一预设范围内,若二者皆是,则确定待检测图像的画面异常。本发明实施例从整体和局部对待检测图像进行画面异常分析,可以提高图像画面检测的准确度,并且,通过计算机来检测图像的画面是否异常的方式,能够对视频的每一帧图像进行逐一检测,相较于人工排查的方式,不会出现漏检的情况,还可以提高检测的效率。
在另一本发明实施例中,所述待检测图像为监控视频图像;所述方法还包括:若检测到所述待检测图像对应的监控视频中至少一个图像的画面异常,则确定所述监控视频对应的监控装置存在异常。
本发明实施例中,待检测图像为监控视频图像。从监控视频中获取待检测图像,可以获取多个待检测图像。可选地,对监控视频的多个待检测图像分别进行画面检测,若是存在至少一个图像的画面异常,则确定监控视频对应的监控装置存在异常。当然,存在画面异常的图像可以是多个,比如,设置为3个,当存在3个及以上的图像的画面异常时,确定监控视频对应的监控装置存在异常。可选地,此时的图像画面异常可以是指图像画面偏色。
可选的,在监控视频对应的监控装置存在异常时,可以发出预警信息,预警信息可以包括待检测图像的画面检测时间,监控视频的标识以及监控装置的标识。可以将预警信息发送至与监控装置对应的下级域,以使下级域的工作人员对监控装置进行排查。
可选地,监控装置异常可以是监控装置拍摄的监控视频在传输过程出现异常,也即监控装置的网络传输异常,也可以是监控装置的摄像头的光传感器异常,还可以是由于监控装置所在的环境原因造成的监控视频画面异常。发送预警信息至监控装置所在的下级域,以使下级域的工作人员对监控装置以及监控装置所处的环境进行排查。
可选地,若监控视频中的任一图像的画面异常,则确定监控视频对应的监控装置存在异常。比如,待检测图像的画面异常,则确定监控视频对应的监控装置存在异常。该监控视频包括待检测图像。
可选的,可以在不同的时刻对监控视频进行图像的画面检测,比如,设置每天上午7点和下午6点对各个监控视频的画面进行检测,此时,可以仅对每个监控视频获取一个待检测图像,并对该检测图像进行画面检测。
可选的,对于从监控视频中获取多个待检测图像,可以根据监控视频的录制时长,分别获取不同时刻的监控视频图像。
可选地,在所述确定所述待检测图像的画面异常之前,还包括:将所述待检测图像进行颜色还原,得到待比较图像;所述确定所述待检测图像的画面异常,包括:若所述待比较图像与所述待检测图像在每个颜色通道上的颜色误差均在预设误差范围内,则确定所述待检测图像的画面异常。
其中,对待检测图像进行颜色还原的方式可以是白平衡算法、K-Means算法等。颜色还原的本质是指将图像的颜色尽可能的接近图像中物体的真实颜色。颜色通道可以是指R颜色通道、G颜色通道或者B颜色通道。每个颜色通道上的颜色误差可以是指该颜色通道上,待比较图像和待检测图像各个像素值之间的差值的加和,或者待比较图像和待检测图像各个像素值之间的差值的均值,也可以是指该颜色通道上,待比较图像和待检测图像的所有像素值的均值的差值的绝对值等。比如,颜色通道可以是R颜色通道。在R颜色通道上,待比较图像和待检测图像的各个像素值之间的差值为a1,a2,……an。R颜色通道的颜色误差可以是a1+a2+……an,也可以是R颜色通道的颜色误差为(a1+a2+……an)/n,还可以是在R颜色通道上待比较图像的所有像素值的均值为a,待检测图像的所有像素值的均值为b,则R颜色通道的颜色误差为|a-b|。
具体的,在确定待检测图像的画面异常之前,将待检测图像进行颜色还原,得到待比较图像,并获取待比较图像和待检测图像在每个颜色通道的颜色误差,根据待比较图像和待检测图像的颜色误差,可以知道待比较图像和待检测图像在每个颜色通道上的颜色的相似程度。若是颜色误差在预设误差范围内,则说明待比较图像和待检测图像的颜色相差不大,可以确定待检测图像的画面异常。通过颜色误差的方式可以从整体上,知道待检测图像的颜色偏色情况,提高待检测图像的画面异常检测的全面性。
可选地,所述从所述待检测图像中截取出至少一个子图像之前,还包括:根据待检测图像的图像平均色度和色度中心距的比值,检测所述待检测图像的颜色是否异常。
其中,色度是不包括亮度在内的颜色的性质,用于反映颜色的色调和饱和度。图像平均色度是指图像的各个色度的平均值。色度中心距是指相邻色度中心之间的距离。在本发明实施例中,可以通过RGB色度模型确定图像的色度。
具体的,通过等效圆理论对待检测图像进行颜色异常的检测,得到图像的图像平均色度,根据平均色度的方差得到色度中心距,根据待检测图像的图像平均色度和色度中心距之间的比值,也即偏色因子确定待检测图像是否颜色异常。偏色因子越大,偏色越严重,因此,可以设置偏色阈值。当偏色因子大于偏色阈值,则确定待检测图像的颜色异常,也即颜色偏色。通过本发明实施例的等效圆理论的方式对待检测图像的颜色异常进行检测,检测的速度快,并且检测的效果好。尤其是针对RGB图像,效果更加。当然,本发明实施例不局限于才用等效圆理论的方式,比如,还可以才用BP神经网络的图像偏色处理。
在另一本发明实施例中,参见图2,在步骤S110的获取待检测图像之后,还包括:S150、对所述待检测图像进行画面黑度检测;若所述待检测图像的黑度小于预设黑度,则检测所述待检测图像的颜色是否异常。
其中,画面黑度检测是指对待检测图像的画面的明暗进行检测,预设黑度用于对画面的明暗程度进行判定。预设黑度是指一个预设阈值,可根据实际情况进行设置。
本发明实施中,对待检测图像进行画面黑度检测,得到待检测图像的黑度,若是黑度小于预设黑度,则判定待检测图像不是黑度图像,执行待检测图像的颜色异常检测的步骤。应当理解,这里的黑度图像的明暗程度是根据黑度阈值进行确定的,并非特指画面全黑的图像。可选地,对于待检测图像的画面黑度检测,可以首先将待检测图像转换为灰度图像,之后计算灰度图像的各个像素点的灰度值,若是灰度值小于预设灰度阈值的像素点的个数达到了预设阈值,或者,灰度值小于预设灰度阈值的像素点的个数与总像素点的比值达到了预设阈值,确定待检测图像为黑度图像,则停止计算,输出待检测图像为黑度图像,若否,则对待检测图像进行颜色异常的检测。可选地,预设灰度阈值可以是20。通过本步骤可以剔除黑度图像。比如,待检测图像转换为灰度图像后,获得各个像素点的灰度值b1,b2,……bn,之后统计n个灰度值中小于预设灰度阈值A的像素点的个数C,若是个数C达到了预设阈值D,则确定待检测图像为黑度图像,或者,个数C与n的比值达到了预设阈值D,则确定待检测图像为黑度图像。
可选的,在S110的获取待检测图像之后,还包括:S160、获取所述待检测图像的目标平均值,若目标平均值不在纯色阈值范围内,则检测所述待检测图像的颜色是否异常;所述目标平均值是指对所述待检测图像的每个颜色通道的平均值进行均值计算,得到的平均值。
本发明实施例中,在获取待检测图像之后,获取待检测图像的目标平均值,若是目标平均值在纯色阈值范围内,则待检测图像为纯色图像,停止后续步骤,输出待检测图像为纯色图像。若目标平均值不在纯色阈值范围内,则待检测图像不是纯色图像,执行后续的检测待检测图像的颜色是否异常的步骤。
本发明实施例中,通过上述的S150和S160,可以对待检测图像进行预处理,剔除黑度图像和纯色图像,避免黑度图像和纯色图像影响后续检测待检测图像的画面异常检测的准确度。本发明实施例中的待检测图像的画面异常可以是指画面颜色偏色。
可选地,可以先执行S150,之后执行S160,在执行完S150之后,将待检测图像进行颜色还原得到原始的待检测图像,之后执行步骤S160。当然,也可以先执行S160,再执行S150。
可选地,若是待检测图像为监控视频,在得到待检测图像为黑度图像之后,可以直接输出监控视频图像为黑度图像的检测结果,当然,也可以对监控视频中的其他图像,并进行黑度检测,在监控视频的多个图像的检测结果都是黑度图像的情况下,输出监控视频图像为黑度图像的检测结果。待检测图像的纯色检测,同样可以通过本步骤对待检测图像对应的监控视频的画面异常进行初步判定,判定过程相同,将不再赘述。
可选的,若待检测图像为监控视频图像,黑度图像/纯色图像产生的原因可能是拍摄监控视频时周围光线差等原因,可以通过生成待检测图像为黑度图像/纯色图像的检测结果,并将检测结果发送至监控装置所在的下级域,以使下级域的工作人员核查监控视频的画面异常的原因等。
可选地,若待检测图像为监控视频图像,通过S150和S160输出的颜色异常的图像,可以追溯是否为监控装置的线路异常等问题。并且,通过上述的两个步骤可以去除噪声对后续监控视频画面异常检测的影响,提高监控视频画面异常判定的准确度。可以通过S110-S140得到待检测图像画面异常,进而得到待检测图像所属的监控视频对应的监控装置异常,监控装置异常包括监控装置的摄像头的光传感器、故障监控装置的网络传输异常等问题。
在另一本发明实施例中,所述从所述待检测图像中截取出至少一个子图像,包括:在待检测图像的四个角以及中心区域截取出相同大小的五个子图像,所述五个子图像互不重合。
本发明实施例中,可以将待检测图像的四个角和中心区域截取出相同大小的五个子图像,参见图3,预先设置子图像的大小,之后在待检测图像的四个角和中心区域截取出预设大小的子图像。可选地,各个子图像互不重合。当然,重合也是可以的。通过选择四个角和中心区域,将待检测图像的边缘区域和中心区域作为子图像进行颜色异常的检测,使得子图像中的信息更加全面。应当理解,每个子图像中的标号1-5,只是为了区分不同的子图像,在计算子图像的均方差时,也可用作不同子图像之间的区分使用。
可选的,可以通过使用opencv提供的方法,比如:Mat roi5(img2,Rect(cv::Point(0.66*Cols,0.66*Rows),cv::Point(Cols,Rows)))。得到图4的各个子图像,子图像的长宽无固定值,结合实际情况而定。
在另一本发明实施例中,提供一种优选方案,参见图4,本发明实施例中的待检测图像为监控视频图像,获取待检测图像,读取待检测图像到内存中,并判断是否读入成功,若否,重新读取,若是,对待检测图像的明暗程度进行检测,通过将待检测图像转化成灰度图,获取灰度图中各个像素点的灰度值,得到灰度值小于20的像素点占总像素点的占比,若占比达到了预设占比阈值,则待检测图像为黑度图像,得到待检测图像对应的监控视频图像为黑度图像。若待检测图像不是黑度图像,则将待检测图像还原为RGB图像,若待检测图像的每个像素点的RGB三通道的平均值的平均值,在预设纯色范围内,则确定待检测图像为纯色图像,得到待检测图像对应的监控视频图像为纯色图像。需要说明的是,若是通过上述的通过黑度检测得到了待检测图像为黑度图像,或者通过纯色检测得到待检测图像为纯色图像,则将检测结果发送至监控视频对应的监控装置所在的下级域。检测结果包括监控视频图像为黑度图像或者纯色图像,监控视频的标识和监控装置标识等。通过检测结果提醒工作人员,以使工作人员基于检测结果进行后续的监控装置或者监控环境的排查工作。
进一步的,在得到待检测图像不是纯色图像之后,通过等效圆理论对待检测图像的颜色异常进行判定,若判定待检测图像的颜色异常,则从待检测图像的四个角以及中间区域截取出5个大小相同的子图像,并通过等效圆理论对各个子图像的颜色异常进行判定,若是存在3个子图像的颜色异常,对待检测图像和每个子图像的均方差进行判定,判定各个均方差是否都在第一预设范围内,若是,通过白平衡算法对待检测图像进行颜色还原,得到待比较图像,将待比较图像和待检测图像的每个颜色通道的平均值进行差值计算,判定各个差值是否在预设差值范围内,若是,得到待检测图像对应的监控视频的画面异常。可选地,颜色通道可以是指RGB三个颜色通道。
在本发明实施例中,对待检测图像和每个子图像的均方差进行判定,判定各个均方差是否都在第一预设范围内,可以是将待检测图像和每个子图像的均方差进行差值计算,得到差值,之后判定每个差值是否在第一预设差值范围内。
示例性的,通过白平衡算法对待检测图像进行颜色还原,得到待比较图像,待比较图像和待检测图像的RGB三个颜色通道的各个像素点的平均值,参见表1,之后,对每个颜色通道的平均值进行差值计算,得到差值,比如,待检测图像在B颜色通道的平均值为137.779,待比较图像在B颜色通道的平均值为136.194,两个平均值的差值为B颜色通道的差值1.585。同理,G颜色通道的差值为20.93,R颜色通道的差值为-19.843,需要说明的是,可以选择差值的绝对值进行比较,若是第一预设差值范围为(0,15),则存在R颜色通道和G颜色通道的差值不在第一预设差值范围内,说明待检测图像的颜色无异常。
表1
通道 | B | G | R |
待检测图像 | 137.779 | 114.839 | 156.084 |
待比较图像 | 136.194 | 135.769 | 136.241 |
本发明实施例中,在得到监控视频的画面异常之后,可以发送预警信息至监控视频对应的监控装置所在的下级域,以使下级域的工作人员针对预警信息对监控装置或者监控装置所在的环境进行排查。预警信息包括监控视频的画面异常,待检测图像的画面异常,监控装置的标识等。在本发明实施例中,待检测图像的画面异常主要是指画面颜色偏色。
本发明实施例的技术方案,通过对图像进行黑度和纯色的检测,去除黑度图像和纯色图像,提高后续图像画面颜色偏色检测的效率和准确度。本发明实施例不限制图像的格式等,鲁邦性能良好,对于环境复杂多样,摄像装置的种类繁多的情况,导致监控视频图像的大小不一、图像类型不一,图像内容不一等。本发明实施例的技术方案对上述提到的监控视频图像都可以进行画面异常检测,普适性良好。
本发明实施例的技术方案,实现了对监控视频的画面颜色异常的检测,通过黑度检测和纯色检测,可以首先剔除监控视频的画面异常
在另一本发明实施例中,提供的一种图像画面检测装置,本发明实施例所提供的图像画面检测装置可执行本发明任意实施例所提供的图像画面检测方法,具备执行方法相应的功能模块和有益效果。参见图5,该装置包括:图像获取模块610、子图像获取模块620、均方差获取模块630和画面异常判定模块640;其中:
图像获取模块610,用于获取待检测图像;子图像获取模块620,用于在所述待检测图像的颜色异常的情况下,从所述待检测图像中截取出至少一个子图像;均方差获取模块630,用于在所述至少一个子图像中确定颜色异常的子图像的数量,并确定所述待检测图像和所述至少一个子图像各自对应的均方差;画面异常判定模块640,用于若颜色异常的子图像的数量符合预设条件,并且所述待检测图像以及所述至少一个子图像各自对应的均方差均在第一预设范围内,则确定所述待检测图像的画面异常。
进一步的,在本发明实施例中,画面异常判定模块640还用于:
将所述待检测图像进行颜色还原,得到待比较图像;
所述确定所述待检测图像的画面异常,包括:
若所述待比较图像与所述待检测图像在每个颜色通道上的颜色误差均在预设误差范围内,则确定所述待检测图像的画面异常。
进一步的,在本发明实施例中,装置还包括:
颜色异常判定模块,用于根据待检测图像的图像平均色度和色度中心距的比值,检测所述待检测图像的颜色是否异常。
进一步的,在本发明实施例中,装置还包括:
黑度检测模块,用于对所述待检测图像进行画面黑度检测;若所述待检测图像的黑度小于预设黑度,则检测所述待检测图像的颜色是否异常。
进一步的,在本发明实施例中,装置还包括:
纯色检测模块,用于获取所述待检测图像的目标平均值,若目标平均值不在纯色阈值范围内,则检测所述待检测图像的颜色是否异常;所述目标平均值是指对所述待检测图像的每个颜色通道的平均值进行均值计算,得到的平均值。
进一步的,在本发明实施例中,子图像获取模块620还用于:
在待检测图像的四个角以及中心区域截取出相同大小的五个子图像,所述五个子图像互不重合。
进一步的,在本发明实施例中,待检测图像为监控视频图像;所述装置还包括:
装置异常判定模块,用于若检测到所述待检测图像对应的监控视频中至少一个图像的画面异常,则确定所述监控视频对应的监控装置存在异常。
本发明实施例的技术方案,通过获取待检测图像,在待检测图像整体的颜色异常的情况下,从待检测图像中截取出至少一个子图像。在至少一个子图像中确定颜色异常的子图像的数量,并确定待检测图像和至少一个子图像各自对应的均方差,若颜色异常的子图像的数量符合预设条件,并未待检测图像以及至少一个子图像各自对应的均方差均在第一预设范围内,则确定待检测图像的画面异常。本发明实施例的技术方案首先从整体上获得待检测图像是否颜色异常,之后,判定子图像的颜色异常的数量是否符合预设条件,并且待检测图像和至少一个子图像的均方差是否在第一预设范围内,若二者皆是,则确定待检测图像的画面异常。本发明实施例从整体和局部对待检测图像进行画面异常分析,可以提高图像画面检测的准确度,并且,通过计算机来检测图像的画面是否异常的方式,能够对视频的每一帧图像进行逐一检测,相较于人工排查的方式,不会出现漏检的情况,还可以提高检测的效率。值得注意的是,上述装置所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
在另一本发明实施例中,提供一种电子设备,图6为本发明实施例提供的一种电子设备的结构示意图。图6示出了适于用来实现本发明实施例实施方式的示例性电子设备50的框图。图6显示的电子设备50仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,电子设备50以通用计算设备的形式表现。电子设备50的组件可以包括但不限于:一个或者多个处理器或者处理单元501,系统存储器502,连接不同系统组件(包括系统存储器502和处理单元501)的总线503。
总线503表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备50访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器502可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)504和/或高速缓存存储器505。电子设备50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统506可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线503相连。存储器502可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块507的程序/实用工具508,可以存储在例如存储器502中,这样的程序模块507包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块507通常执行本发明所描述的实施例中的功能和/或方法。
电子设备50也可以与一个或多个外部设备509(例如键盘、指向设备、显示器510等)通信,还可与一个或者多个使得用户能与该电子设备50交互的设备通信,和/或与使得该电子设备50能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口511进行。并且,电子设备50还可以通过网络适配器512与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器512通过总线503与电子设备50的其它模块通信。应当明白,尽管图6中未示出,可以结合电子设备50使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元501通过运行存储在系统存储器502中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的图像画面检测方法。
在另一本发明实施例中,还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种图像画面检测方法,所述方法包括:
获取待检测图像;在所述待检测图像的颜色异常的情况下,从所述待检测图像中截取出至少一个子图像;在所述至少一个子图像中确定颜色异常的子图像的数量,并确定所述待检测图像和所述至少一个子图像各自对应的均方差;若颜色异常的子图像的数量符合预设条件,并且所述待检测图像以及所述至少一个子图像各自对应的均方差均在第一预设范围内,则确定所述待检测图像的画面异常。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、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。在本文件中,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。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明实施例操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种图像画面检测方法,其特征在于,包括:
获取待检测图像;
在所述待检测图像的颜色异常的情况下,从所述待检测图像中截取出至少一个子图像;
在所述至少一个子图像中确定颜色异常的子图像的数量,并确定所述待检测图像和所述至少一个子图像各自对应的均方差;
若颜色异常的子图像的数量符合预设条件,并且所述待检测图像以及所述至少一个子图像各自对应的均方差均在第一预设范围内,则确定所述待检测图像的画面异常。
2.根据权利要求1所述的图像画面检测方法,其特征在于,所述确定所述待检测图像的画面异常之前,还包括:
将所述待检测图像进行颜色还原,得到待比较图像;
所述确定所述待检测图像的画面异常,包括:
若所述待比较图像与所述待检测图像在每个颜色通道上的颜色误差均在预设误差范围内,则确定所述待检测图像的画面异常。
3.根据权利要求1所述的图像画面检测方法,其特征在于,所述从所述待检测图像中截取出至少一个子图像之前,还包括:
根据所述待检测图像的图像平均色度和色度中心距的比值,检测所述待检测图像的颜色是否异常。
4.根据权利要求1-3任一项所述的图像画面检测方法,其特征在于,所述获取待检测图像之后,还包括:
对所述待检测图像进行画面黑度检测;
若所述待检测图像的黑度小于预设黑度,则检测所述待检测图像的颜色是否异常。
5.根据权利要求1-3任一项所述的图像画面检测方法,其特征在于,所述获取待检测图像之后,还包括:
获取所述待检测图像的目标平均值,若目标平均值不在纯色阈值范围内,则检测所述待检测图像的颜色是否异常;所述目标平均值是指对所述待检测图像的每个颜色通道的平均值进行均值计算,得到的平均值。
6.根据权利要求1-3任一项所述的图像画面检测方法,其特征在于,所述从所述待检测图像中截取出至少一个子图像,包括:
在待检测图像的四个角以及中心区域截取出相同大小的五个子图像,所述五个子图像互不重合。
7.根据权利要求1所述的图像画面检测方法,其特征在于,所述待检测图像为监控视频图像;
所述方法还包括:
若检测到所述待检测图像对应的监控视频中至少一个图像的画面异常,则确定所述监控视频对应的监控装置存在异常。
8.一种图像画面检测装置,其特征在于,包括:
图像获取模块,用于获取待检测图像;
子图像获取模块,用于在所述待检测图像的颜色异常的情况下,从所述待检测图像中截取出至少一个子图像;
均方差获取模块,用于在所述至少一个子图像中确定颜色异常的子图像的数量,并确定所述待检测图像和所述至少一个子图像各自对应的均方差;
画面异常判定模块,用于若颜色异常的子图像的数量符合预设条件,并且所述待检测图像以及所述至少一个子图像各自对应的均方差均在第一预设范围内,则确定所述待检测图像的画面异常。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的图像画面检测方法。
10.一种包括计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的图像画面检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210865307.2A CN115278217A (zh) | 2022-07-21 | 2022-07-21 | 图像画面检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210865307.2A CN115278217A (zh) | 2022-07-21 | 2022-07-21 | 图像画面检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115278217A true CN115278217A (zh) | 2022-11-01 |
Family
ID=83768177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210865307.2A Pending CN115278217A (zh) | 2022-07-21 | 2022-07-21 | 图像画面检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115278217A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078778A (zh) * | 2023-10-16 | 2023-11-17 | 四川邕合科技有限公司 | 基于大数据的智慧园区空气质量检测方法及检测终端 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102905160A (zh) * | 2011-07-25 | 2013-01-30 | 深圳英飞拓科技股份有限公司 | 一种偏色检测的方法及系统 |
CN103702111A (zh) * | 2013-12-24 | 2014-04-02 | 北京佳讯飞鸿电气股份有限公司 | 一种检测摄像头视频偏色的方法 |
CN105430384A (zh) * | 2015-12-10 | 2016-03-23 | 青岛海信网络科技股份有限公司 | 一种视频质量诊断方法和系统 |
CN105761282A (zh) * | 2014-12-15 | 2016-07-13 | 北京文安科技发展有限公司 | 图像偏色的检测方法和装置 |
US20160277644A1 (en) * | 2015-03-20 | 2016-09-22 | Ricoh Company, Ltd. | Color processing apparatus, inspection apparatus, and color processing method |
CN106340037A (zh) * | 2016-09-30 | 2017-01-18 | 杭州电子科技大学 | 基于色度中心比色度离心距的图像偏色检测方法 |
CN110572637A (zh) * | 2019-09-18 | 2019-12-13 | 普联技术有限公司 | 图像异常的检测方法、终端设备及存储介质 |
CN113962924A (zh) * | 2021-08-03 | 2022-01-21 | 广州傲视物联网信息技术有限公司 | 一种含有云台移动及马赛克检测的视频监控质量评估方法 |
CN114022375A (zh) * | 2021-11-03 | 2022-02-08 | 深圳绿米联创科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
-
2022
- 2022-07-21 CN CN202210865307.2A patent/CN115278217A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102905160A (zh) * | 2011-07-25 | 2013-01-30 | 深圳英飞拓科技股份有限公司 | 一种偏色检测的方法及系统 |
CN103702111A (zh) * | 2013-12-24 | 2014-04-02 | 北京佳讯飞鸿电气股份有限公司 | 一种检测摄像头视频偏色的方法 |
CN105761282A (zh) * | 2014-12-15 | 2016-07-13 | 北京文安科技发展有限公司 | 图像偏色的检测方法和装置 |
US20160277644A1 (en) * | 2015-03-20 | 2016-09-22 | Ricoh Company, Ltd. | Color processing apparatus, inspection apparatus, and color processing method |
CN105430384A (zh) * | 2015-12-10 | 2016-03-23 | 青岛海信网络科技股份有限公司 | 一种视频质量诊断方法和系统 |
CN106340037A (zh) * | 2016-09-30 | 2017-01-18 | 杭州电子科技大学 | 基于色度中心比色度离心距的图像偏色检测方法 |
CN110572637A (zh) * | 2019-09-18 | 2019-12-13 | 普联技术有限公司 | 图像异常的检测方法、终端设备及存储介质 |
CN113962924A (zh) * | 2021-08-03 | 2022-01-21 | 广州傲视物联网信息技术有限公司 | 一种含有云台移动及马赛克检测的视频监控质量评估方法 |
CN114022375A (zh) * | 2021-11-03 | 2022-02-08 | 深圳绿米联创科技有限公司 | 图像处理方法、装置、电子设备和计算机可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078778A (zh) * | 2023-10-16 | 2023-11-17 | 四川邕合科技有限公司 | 基于大数据的智慧园区空气质量检测方法及检测终端 |
CN117078778B (zh) * | 2023-10-16 | 2024-01-26 | 四川邕合科技有限公司 | 基于大数据的智慧园区空气质量检测方法及检测终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9317732B2 (en) | Method and apparatus of determining air quality | |
WO2020057159A1 (zh) | 一种高校餐厅食品加工违规行为视频分析系统及方法 | |
CN110728936A (zh) | Led显示屏故障监控管理系统 | |
CN110096945B (zh) | 基于机器学习的室内监控视频关键帧实时提取方法 | |
CN113554008B (zh) | 静态物体区域内检测方法、装置、电子设备及存储介质 | |
US20230049656A1 (en) | Method of processing image, electronic device, and medium | |
CN115278217A (zh) | 图像画面检测方法、装置、电子设备及存储介质 | |
US20230296896A1 (en) | Image display method, image display device and readable storage medium | |
CN115131714A (zh) | 视频图像智能检测分析方法及系统 | |
CN113255516A (zh) | 活体检测方法、装置和电子设备 | |
CN110553151B (zh) | 一种管道泄漏监测方法和系统 | |
KR101215666B1 (ko) | 오브젝트 색상 보정 방법, 시스템 및 컴퓨터 프로그램 제품 | |
CN116246416A (zh) | 一种用于安防的智能分析预警平台及方法 | |
CN113554022B (zh) | 电力仪器检测试验数据的自动获取方法及装置 | |
JP2018136785A (ja) | 印影照合プログラム、印影照合装置および印影照合方法 | |
CN113963162A (zh) | 安全帽佩戴识别方法、装置、计算机设备和存储介质 | |
CN110310341B (zh) | 颜色算法中默认参数的生成方法、装置、设备和存储介质 | |
WO2020135097A1 (zh) | 显示终端通道切换检测方法和装置 | |
US20230048649A1 (en) | Method of processing image, electronic device, and medium | |
CN115908360A (zh) | 监控视频巡检方法、装置、电子设备及存储介质 | |
CN111696154B (zh) | 坐标定位方法、装置、设备及存储介质 | |
CN108447107B (zh) | 用于生成视频的方法和装置 | |
CN111882536A (zh) | 一种基于图片对比实现散货数量监测的方法 | |
CN111928944A (zh) | 激光光线检测方法、装置和系统 | |
CN112288774B (zh) | 移动侦测方法、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 |