CN116030388B - 一种识别任务的处理方法、电子设备及存储介质 - Google Patents

一种识别任务的处理方法、电子设备及存储介质 Download PDF

Info

Publication number
CN116030388B
CN116030388B CN202211730397.0A CN202211730397A CN116030388B CN 116030388 B CN116030388 B CN 116030388B CN 202211730397 A CN202211730397 A CN 202211730397A CN 116030388 B CN116030388 B CN 116030388B
Authority
CN
China
Prior art keywords
task
information
list
preset
detection
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
Application number
CN202211730397.0A
Other languages
English (en)
Other versions
CN116030388A (zh
Inventor
吕浩瑞
李凡平
石柱国
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.)
ISSA Technology Co Ltd
Original Assignee
ISSA Technology 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 ISSA Technology Co Ltd filed Critical ISSA Technology Co Ltd
Priority to CN202211730397.0A priority Critical patent/CN116030388B/zh
Publication of CN116030388A publication Critical patent/CN116030388A/zh
Application granted granted Critical
Publication of CN116030388B publication Critical patent/CN116030388B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Image Analysis (AREA)

Abstract

本发明提供了一种识别任务的处理方法,通过获取指定摄像头对应的指定图像信息,并根据指定图像信息获取指定检测任务信息,从而获取到指定标记信息、置顶帖判断辅助参数,通过指定判断辅助参数生成判断规则;通过对指定摄像头对应的指定图像根据指定标记信息进行图像提取得到区域图像列表集,通过对区域图像列表中每个区域图像对应的判断规则进行判断得到判断结果列表集,并获取每个判断结果对应的判断结果信息;因此,不对指定图像全部区域进行检测,而是根据用户的标记生成相应的标识信息,使检测区域更加准确且检测结果更符合用户的需要,且在检测时对每个提取后区域图像同时进行检测,提高了时间效率。

Description

一种识别任务的处理方法、电子设备及存储介质
技术领域
本发明涉及数据处理技术领域,特别是涉及一种识别任务的处理方法、电子设备及存储介质。
背景技术
随着车辆产业的逐渐发展,车辆多样性的提升,车辆和行人的违规行为也逐渐提升了多样性,在对车辆和行人的违规行为进行检测时,需要花费更多的时间,并且,在需要对同一区域检测多种车辆或行人违规行为时,需要对拍摄的视频中提取的视频帧或拍摄的图像进行多次处理,且不可以对检测区域进行选择,在耗费服务器资源的同时,浪费了时间资源。因此,急需一种可以更加贴合用户检测需求的同时提高时间效率的识别任务的处理方法。
发明内容
针对上述技术问题,本发明采用的技术方案为:
一种识别任务的处理方法,包括如下步骤:
S10、获取指定摄像头对应的指定图像信息ZP=(XP,TP),XP为指定摄像头对应的指定图像,TP为XP对应的拍摄时间。
S20、获取ZP对应的指定检测任务信息;指定检测任务信息包括:指定任务类型列表p2=(p21,p22,……,p2α,……,p2β)、p2对应的指定标记信息列表集p3=(p31,p32,……,p3α,……,p3β)、p3对应的指定判断辅助参数列表集p4=(p41,p42,……,p4α,……,p4β)、p2对应的指定任务类型标识列表p5=(p51,p52,……,p5α,……,p5β)和p5对应的指定任务检测时间段列表p6=(p61,p62,……,p6α,……,p6β),α=1,2,……β,β为指定检测任务中指定任务类型的数量,p2α为第α个指定任务类型,p5α为p2α对应的指定任务类型标识,p6α为p5α对应的指定任务检测时间段,p2α对应的指定区域的标记信息列表p3α=(p3α1,p3α2,……,p3αγ,……,p3αδ(α)),γ=1,2,……,δ(α),δ(α)为p2α对应的指定区域的数量,p3αg为p3α中第γ个标记信息,p3α对应的指定判断辅助参数列表p4α=(p4α1,p4α2,……,p4αγ,……,p4αδ(α)),p4αγ为p3αγ对应的指定判断辅助参数,指定任务类型为符合第一预设时间条件,第一预设时间条件为:TP∈p6α,指定区域为指定标记在指定图像中对应的A个角点坐标形成的区域,指定图像为指定摄像头拍摄的图像。
S30、根据p3对XP进行图像提取,得到XP对应的提取后区域图像列表集HP=(HP1,HP2,……,HPα,……,HPβ);其中,第α个指定任务类型对应的提取后区域图像列表HPα=(HPα1,HPα2,……,HPαγ,……,HPαδ(α)),HPαγ为根据p3α对XP进行提取后得到的提取后区域图像。
S40、根据p4对HP进行检测,得到HP对应的判断结果列表集DP=(DP1,DP2,……,DPα,……,DPβ);其中,HPα对应的判断结果列表DPα=(DPα1,DPα2,……,DPαγ,……,DPαδ(α)),DPαγ为HPαγ在p4αγ生成的判断规则进行检测的情况下,HPαγ对应的判断结果,判断结果为违反判断规则的结果。
S50、根据DP,得到DP对应的判断结果信息列表集JP=(JP1,JP2,……,JPα,……,JPβ);其中,DPα对应的判断标结果信息列表JPα=(JPα1,JPα2,……,JPαv,……,JPαw(α)),v=1,2,……,w(α),w(α)为DPα对应的判断标结果信息的数量,JPα中第v个判断结果信息JPαv=(p2α,p5α,TP,QPαv),QPαv为JPαv对应的提取后区域图像的标记信息。
本发明至少具有以下有益效果:
本发明通过获取指定摄像头对应的指定图像信息,并根据指定图像信息获取指定检测任务信息,从而获取到指定标记信息、置顶帖判断辅助参数,通过指定判断辅助参数生成判断规则;通过对指定摄像头对应的指定图像根据指定标记信息进行图像提取得到区域图像列表集,通过对区域图像列表中每个区域图像对应的判断规则进行判断得到判断结果列表集,并获取每个判断结果对应的判断结果信息;因此,不对指定图像全部区域进行检测,而是根据用户的标记生成相应的标识信息,使检测区域更加准确且检测结果更符合用户的需要,且在检测时对每个提取后区域图像同时进行检测,提高了时间效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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。
图1为本发明实施例提供的一种识别任务的处理方法的流程示意图;
图2为本发明另一实施例提供的一种识别任务的处理方法的流程示意图。
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。
实施例一
本发明提供一种识别任务的处理方法,如图1所示,所述方法包括如下步骤:
S10、获取指定摄像头对应的指定图像信息ZP=(XP,TP),XP为指定摄像头对应的指定图像,TP为XP对应的拍摄时间。
S20、获取ZP对应的指定检测任务信息;所述指定检测任务信息包括:指定任务类型列表p2=(p21,p22,……,p2α,……,p2β)、p2对应的指定标记信息列表集p3=(p31,p32,……,p3α,……,p3β)、p3对应的指定判断辅助参数列表集p4=(p41,p42,……,p4α,……,p4β)、p2对应的指定任务类型标识列表p5=(p51,p52,……,p5α,……,p5β)和p5对应的指定任务检测时间段列表p6=(p61,p62,……,p6α,……,p6β),α=1,2,……β,β为指定检测任务中指定任务类型的数量,p2α为第α个指定任务类型,p5α为p2α对应的指定任务类型标识,p6α为p5α对应的指定任务检测时间段,p2α对应的指定区域的标记信息列表p3α=(p3α1,p3α2,……,p3αγ,……,p3αδ(α)),γ=1,2,……,δ(α),δ(α)为p2α对应的指定区域的数量,p3αg为p3α中第γ个标记信息,p3α对应的指定判断辅助参数列表p4α=(p4α1,p4α2,……,p4αγ,……,p4αδ(α)),p4αγ为p3αγ对应的指定判断辅助参数,所述指定任务类型为符合第一预设时间条件,所述第一预设时间条件为:TP∈p6α,所述指定区域为指定标记在指定图像中对应的A个角点坐标形成的区域,所述指定图像为指定摄像头拍摄的图像。
优选地,A=4。
进一步地,所述指定任务包括但不限于:违规停车检测、逆向行驶检测、不戴头盔检测、违法载人检测、闯红灯检测以及超速行驶检测。
进一步地,所述指定图像为指定摄像头拍摄的任意一张图像。
在本发明实施例中,所述步骤20具体包括如下步骤获取指定检测任务信息:
S21、获取指定摄像头对应的预设检测任务类型信息,所述预设检测任务信息包括:预设任务类型列表p2′=(p2′1,p2′2,……,p2′c,……,p2′u)、p2′对应的预设标记信息列表集p3′=(p3′1,p3′2,……,p3′c,……,p3′u)、p3′对应的预设判断辅助参数列表集p4′=(p4′1,p4′2,……,p4′c,……,p4′u)、p2′对应的预设任务类型标识列表p5′=(p5′1,p5′2,……,p5′c,……,p5′u)和p5′对应的预设任务检测时间段列表p6′=(p6′1,p6′2,……,p6′c,……,p6′u),c=1,2,……u,u为预设检测任务中预设任务类型的数量,p2′c为第c个预设任务类型,p5′c为p2′c对应的预设任务类型标识,p6′c为p5′c对应的预设任务检测时间段,p2′c对应的预设区域的标记信息列表p3′c=(p3′c1,p3′c2,……,p3′cy,……,p3′cY(c)),y=1,2,……,Y(c),Y(c)为p2′c对应的预设区域的数量,p3′cy为p3′c中第c个标记信息,p3′c对应的预设判断辅助参数列表p4′c=(p4′c1,p4′c2,……,p4′cy,……,p4′cY(c)),p4′cy为p3′cy对应的预设判断辅助参数;
在本发明实施例中,所述步骤21具体包括:
S211、响应于用户发出的针对指定摄像头的任务建立请求,获取指定摄像头对应的指定图像。
S212、获取用户在指定图像上标记的第三类标识列表集D′=(D′1,D′2,……,D′c,……D′u);其中,p2′c对应的第三类标识列表D′c=(D′c1,D′c2,……,D′cy,……,D′cY(c)),D′cy为d2′c对应的第c个第三类标识,D′cy用于标记出指定图像上第c个预设任务类型对应的第c个预设区域。
具体地,所述第三类标识可以理解为指定区域A个角点对应的标识;进一步地,所述指定区域可以理解为通过对A个角点进行连线围城的区域。
S213、根据D′,确定出D′对应的目标区域的目标标记信息集p3′。
在本发明实施例中,所述步骤213具体包括:
S2131、将D′cy的每一角点在所述指定图像中的像素坐标确定为D′cy对应的标记信息p3′cy,以得到预设标记信息集p3′。
S214、根据D′,获取用户在目标图像上标记的第四类标识列表集E′=(E′1,E′2,……,E′c,……,E′u);其中,D′c对应的第四类标识列表E′c=(E′c1,E′c2,……,E′cy,……,E′cY(c)),E′cy为D′cy对应的第四类任务标识,所述第四类任务标识标记在所述预设区域内。
具体地,所述第四类标识包括但不限于:箭头形式标识以及指示线形式标识。
S215、根据E′,确定出E′对应的预设判断辅助参数列表集p4′。
上述,通过获取用户在指定图像上标记的第三类标识列表集生成对应的预设区域的预设标记信息集;通过获取用户在指定图像上标记的第四类标识列表集,获取对应的预设判断辅助参数列表集;因此,可以不对指定摄像头获取的指定图像全部区域进行检测,而是根据用户的标记生成相应的标识信息,使检测区域更加准确且更符合用户的需要。
S22、获取p6′对应的预设任务检测时间段信息列表Lp6′=(Lp6′1,Lp6′2,……,Lp6′c,……,Lp6′u);其中,p6′c对应的预设任务检测时间段信息Lp6′c=(Cp6′c,Zp6′c),Cp6′c为p6′c对应的预设任务检测初始时间点,Zp6′c为p6′c对应的预设任务检测结束时间点;
S23、若Cp6′c≤TP≤Zp6′c,将p6′c对应的中间任务检测子信息加入至指定任务检测信息,所述中间任务检测子信息包括:p2′c,p3′c,p4′c,p5′c,p6′c
上述,通过对预设检测任务类型信息获取中间任务检测子信息,从而生成指定任务检测信息;不对指定图像对应的全部预设任务类型进行检测,而是检测用户在拍摄指定图像时间点时需要的指定检测任务类型,在检测结果准确的同时节省了服务器的计算资源,使检测所用的时间更短,提高了时间效率。
S24、当接收到目标终端发送的变更识别任务请求时,获取第三任务类型列表p21=(p21 1,p21 2,……,p21 ε,……,p21 η)、p21对应的第三标记信息列表集p31=(p31 1,p31 2,……,p31 ε,……,p31 η)以及p31对应的第三判断辅助参数列表集p41=(p41 1,p41 2,……,p41 ε,……,p41 η),ε=1,2,……,η;其中,η为第三任务类型的数量,p21 ε为第ε个第二任务类型,p31 t为p21 ε对应的第三标记信息列表列表,p41 ε为p31 ε对应的第三判断辅助参数列表,所述第三任务类型为变更后的识别任务请求对应的任务类型。
S30、根据p3对XP进行图像提取,得到XP对应的提取后区域图像列表集HP=(HP1,HP2,……,HPα,……,HPβ);其中,第α个指定任务类型对应的提取后区域图像列表HPα=(HPα1,HPα2,……,HPαγ,……,HPαδ(α)),HPαγ为根据p3α对XP进行提取后得到的提取后区域图像。
具体地,本领域人员知晓,任意一种根据p3对XP进行图像提取得到的提取后区域图像的方法均落入本发明保护范围,在此不再赘述。
S40、根据p4对HP进行检测,得到HP对应的判断结果列表集DP=(DP1,DP2,……,DPα,……,DPβ);其中,HPα对应的判断结果列表DPα=(DPα1,DPα2,……,DPαγ,……,DPαδ(α)),DPαγ为HPαγ在p4αγ生成的判断规则进行检测的情况下,HPαγ对应的判断结果,所述判断结果为违反判断规则的结果。
具体地,本领域人员知晓,任意一种根据p4αγ生成的判断规则的方法均落入本发明保护范围,在此不再赘述。
进一步地,所述判断规则可包括:符合车辆规定的行驶方向、符合车辆行驶速度以及符合车辆搭载标准。
S50、根据DP,得到DP对应的判断结果信息列表集JP=(JP1,JP2,……,JPα,……,JPβ);其中,DPα对应的判断标结果信息列表JPα=(JPα1,JPα2,……,JPαv,……,JPαw(α)),v=1,2,……,w(α),w(α)为DPα对应的判断标结果信息的数量,JPα中第v个判断结果信息JPαv=(p2α,p5α,TP,QPαv),QPαv为JPαv对应的提取后区域图像的标记信息。
上述,通过获取指定摄像头对应的指定图像信息,并根据指定图像信息获取指定检测任务信息,从而获取到指定标记信息、置顶帖判断辅助参数,通过指定判断辅助参数生成判断规则;通过对指定摄像头对应的指定图像根据指定标记信息进行图像提取得到区域图像列表集,通过对区域图像列表中每个区域图像对应的判断规则进行判断得到判断结果列表集,并获取每个判断结果对应的判断结果信息;因此,不对指定图像全部区域进行检测,而是根据用户的标记生成相应的标识信息,使检测区域更加准确且检测结果更符合用户的需要,且在检测时对每个提取后区域图像同时进行检测,提高了时间效率。
实施例二
在本发明另一实施例中,当需要识别任务的对象为目标摄像头对应的视频帧时,如图2所示,通过如下步骤获取判断结果信息:
S100、获取目标摄像头对应的目标检测任务信息;所述目标检测任务信息包括:目标任务类型列表d2=(d21,d22,……,d2i,……,d2m)、d2对应的目标标记信息列表集d3=(d31,d32,……,d3i,……,d3m)以及d3对应的目标判断辅助参数列表集d4=(d41,d42,……,d4i,……,d4m),i=1,2,……m,m为目标检测任务中目标任务类型的数量,d2i为第i个目标任务类型,d2i对应的目标区域的标记信息列表d3i=(d3i1,d3i2,……,d3ig,……,d3iG(i)),g=1,2,……,G(i),G(i)为d2i对应的目标区域的数量,d3ig为d3i中第g个标记信息,d3i对应的目标判断辅助参数列表d4i=(d4i1,d4i2,……,d4ig,……,d4iG(i)),d4ig为d3ig对应的目标判断辅助参数,所述目标区域为目标标记在目标图像中对应的a个角点坐标形成的区域,所述目标图像为目标摄像头拍摄的图像。
优选地,a=4。
进一步地,所述目标任务包括但不限于:违规停车检测、逆向行驶检测、不戴头盔检测、违法载人检测、闯红灯检测以及超速行驶检测。
进一步地,所述目标图像为目标摄像头对应的历史拍摄的任一视频帧。
进一步地,所述步骤100具体包括:
S110、响应于用户发出的针对目标摄像头的任务建立请求,获取目标摄像头对应的目标图像。
S120、获取用户在目标图像上标记的第一类标识列表集D=(D1,D2,……,Di,……Dm);其中,d2i对应的第一类标识列表Di=(Di1,Di2,……,Dig,……,DiG(i)),Dig为d2i对应的的第g个第一类标识,Dig用于标记出目标图像上第i个目标任务类型对应的第g个目标区域。
具体地,所述第一类标识可以理解为目标区域a个角点对应的标识;进一步地,所述目标区域可以理解为通过对a个角点进行连线围城的区域。
S130、根据D,确定出D对应的目标区域的目标标记信息集d3。
具体地,所述步骤130具体包括:
S131、将Dig的每一角点在所述目标图像中的像素坐标确定为Dig对应的标记信息d3ig,以得到目标标记信息集d3。
S140、根据D,获取用户在目标图像上标记的第二类标识列表集E=(E1,E2,……,Ei,……,Em);其中,Di对应的第二类标识列表Ei=(Ei1,Ei2,……,Eig,……,EiG(i)),Eig为Dig对应的第二类任务标识,所述第二类任务标识标记在所述目标区域内。
具体地,所述第二类标识包括但不限于:箭头形式标识以及指示线形式标识。
S150、根据E,确定出E对应的目标判断辅助参数列表集d4。
上述,通过获取用户在目标图像上标记的第一类标识列表集生成对应的目标区域的目标标记信息集;通过获取用户在目标图像上标记的第二类标识列表集,获取对应的目标判断辅助参数列表集;因此,可以不对目标摄像头获取的视频帧全部区域进行检测,而是根据用户的标记生成相应的标识信息,使检测区域更加准确且更符合用户的需要。
具体地,所述步骤150具体包括:
S151、根据第二类标识中第一子标识对应的方向,确定出第一子标识与所述目标图像y轴之间的夹角W;所述第一子标识为第二类标识对应的箭头形式的标识。
具体地,所述y轴可以理解为平面直角坐标系中y轴。
S152、获取第一子标识对应的像素点坐标列表K=(K1,K2,……,Kq,……,KQ),q=1,2,……,Q;其中,Q为第一子标识对应的像素点坐标的数量,Kq为第一子标识第q个像素点在目标图像上对应的坐标,且Kq=(HKq,ZKq),HKq为Kq对应的横坐标,ZKq为Kq对应的纵坐标。
S153、根据Kq,获取第一子标识对应的横坐标最大差值HKmax和第一子标识对应的纵坐标最大差值ZKmax;所述横坐标最大差值为任意两个第一子标识对应的像素点横坐标之间差的最大值,所述纵坐标最大差值为任意两个第一子标识对应的像素点纵坐标之间差的最大值。
S154、当W≤45°时,获取第一子标识第一区域对应的像素点坐标数量F1和第二区域对应的像素点坐标数量F2;所述第一区域为直角坐标系中ZKmax/2对应的纵坐标上方的区域,所述第二区域为直角坐标系中ZKmax/2对应的纵坐标下方的区域。
S155、当F1>F2时,所述第一子标识标识的方向为直角坐标系中沿y轴向上的方向。
S156、当F1<F2时,所述第一子标识标识的方向为直角坐标系中沿y轴向下的方向。
S157、当W>45°时,获取第一子标识第三区域对应的像素点坐标数量F3和第四二区域对应的像素点坐标数量F4;所述第三区域为直角坐标系中HKmax/2对应的横坐标左方的区域,所述第四区域为直角坐标系中HKmax/2对应的横坐标右方的区域。
S158、当F3>F4时,所述第一子标识标识的方向为直角坐标系中沿x轴向左的方向。
S159、当F3<F4时,所述第一子标识标识的方向为直角坐标系中沿x轴向右的方向。
通过获取第一子标识与所述目标图像y轴之间的夹角,并获取第一子标识对应的各个像素点坐标,通过第一子标识对应的像素点坐标获取横坐标最大差值以及纵坐标最大差值,根据第一子标识与所述目标图像y轴之间的夹角确定出第一子标识在目标图像中对应的摆放方向(横向或纵向),根据第一子标识在各个区域根据横坐标最大差值以及纵坐标最大差值确定出的像素点数量,得到第一子标识对应的指向。
S200、获取目标摄像头对应的视频帧列表Z=(Z1,Z2,……,Zr,……,ZR),r=1,2,……,R;其中,R为Z中视频帧的数量,Zr为目标摄像头对应的第r个视频帧。
具体地,Z为目标摄像头实时拍摄的视频转换而成的视频帧。
S300、根据d3对Zr进行图像提取,得到Zr对应的提取后区域图像列表集Yr=(Yr1,Yr2,……,Yri,……,Yrm);其中,第i个目标任务类型对应的提取后区域图像列表Yri=(Yri1,Yri2,……,Yrig,……,YriG(i)),Yrig为根据d3ig对Zr进行提取得到的提取后区域图像。
具体地,本领域人员知晓,任意一种根据d3ig对Zr进行提取得到的提取后区域图像的方法均落入本发明保护范围,在此不再赘述。
进一步地,本发明实施例中仅展示了对Zr进行处理的过程用作示例,实际应用中对Z中每一视频帧全部进行处理。
S400、根据d4对Yr进行检测,得到Yr对应的判断结果列表集Sr=(Sr1,Sr2,……,Sri,……,Srm);其中,Yri对应的判断结果列表Sri=(Sri1,Sri2,……,Srig,……,SriG(i)),Srig为Yrig在根据d4ig生成的判断规则进行检测的情况下,Yrig对应的判断结果,所述判断结果为违反判断规则的结果。
具体地,本领域人员知晓,任意一种根据d4ig生成的判断规则的方法均落入本发明保护范围,在此不再赘述。
进一步地,所述判断规则可包括:符合车辆规定的行驶方向、符合车辆行驶速度以及符合车辆搭载标准。
S500、根据Sr,得到Sr对应的判断结果信息列表集Xr=(Xr1,Xr2,……,Xri,……,Xrm);其中,Sri对应的判断标结果信息列表Xri=(Xri1,Xri2,……,Xrij,……,Xrin(i)),j=1,2,……,n(i),n(i)为Sri对应的判断结果信息的数量,Xri中第j个判断结果信息Xrij=(d2i,QXij),QXij为Xij对应的提取后区域图像的标记信息。
具体地,n(i)符合如下条件:Sri1对应的判断结果数量,Sri2对应的判断结果数量,Srig对应的判断结果数量,SriG(i)对应的判断结果数量之和。
上述,通过用户在目标图像上做的各种标记,获取到目标标记信息、目标判断辅助参数,通过目标判断辅助参数生成判断规则;通过对目标摄像头对应的视频帧根据目标标记信息进行图像提取得到区域图像列表集,通过对区域图像列表中每个区域图像对应的判断规则进行判断得到判断结果列表集,并获取每个判断结果对应的判断结果信息;因此,不对目标摄像头获取的视频帧全部区域进行检测,而是根据用户的标记生成相应的标识信息,使检测区域更加准确且检测结果更符合用户的需要,且在检测时对每个提取后区域图像同时进行检测,提高了时间效率。
在本发明实施例中,所述识别任务请求还包括d2对应的目标任务类型标识列表d5=(d51,d52,……,d5i,……,d5m)和d5对应的目标任务检测时间段列表d6=(d61,d62,……,d6i,……,d6m),d5i为d2i对应的目标任务类型标识,d6i为d5i对应的目标任务检测时间段。
在本发明实施例中,可对每一任务类型对应的任务检测时间段进行设置,每一任务类型对应的任务检测时间段可以相同也可以不同;因此,不用每时每刻对任务类型进行检测,节省了服务器的计算资源,使检测所用的时间更短,提高了时间效率。
具体地,所述步骤500后还包括如下步骤:
S600、根据d6对Xr进行检测,得到Xr对应的满足预设时间条件的关键结果信息列表集Gr=(Gr1,Gr2,……,Gri,……,Grm);其中,Xri对应的满足预设时间条件的关键结果信息列表Gri=(Gri1,Gri2,……,Grib,……,GriB(i)),b=1,2,……,B,B为Xri对应的满足预设时间条件的关键结果信息的数量,第b个Xri对应的满足预设时间条件的关键结果信息Grib=(d2i,d5i,QGrib,TGrib),QGrib为Grib对应的提取后区域图像的标记信息,TGrib为Zr对应的拍摄时间,所述预设时间条件为TGrib∈d6i
具体地,所述步骤600具体包括:
S610、根据Xr、d5和d6,获取Xr对应的中间结果信息列表集Fr=(Fr1,Fr2,……,Fri,……,Frm);其中,Xri对应的中间结果信息列表Fri=(Fri1,Fri2,……,Frij,……,Frin(i)),Xri对应的第j个中间结果信息Frij=(d2i,d5i,QFrij,TFrij,d60 j,d61 j),QFrij为Frij对应的提取后区域图像的标记信息,TFrij为Zr对应的拍摄时间,d60 j为d6i对应的任务检测初始时间点,d61 j为d6i对应的任务检测结束时间点;
S620、若d60 j≤TFrij≤d61 j,则执行S630;若TFrij<d60 j或TFrij>d61 j,则执行S640;
S630、将TFrij对应的中间结果信息确定为关键结果信息;
S640、将TFrij对应的中间结果信息删除。
上述,通过获取任务类型标识对应的任务执行时间段列表,根据任务执行时间段获取任务执行初始时间点以及任务执行结束时间点,根据任务执行初始时间点以及任务执行结束时间点对判断结果信息进行判断,得到判断结果信息的拍摄时间处于对应的任务执行时间段的判断结果信息作为关键结果信息;只获取指定的任务执行时间段对应的判断结果信息,对非用户指定的任务执行时间段对应的判断结果信息进行删除,因此,提高了服务器存储空间的利用效率。
S700、每间隔预设时间对d6进行一次检测,得到第一任务类型列表d20=(d20 1,d20 2,……,d20 h,……,d20 H)、d20对应的第一标记信息列表集d30=(d30 1,d30 2,……,d30 h,……,d30 H)以及d30对应的第一判断辅助参数列表集d40=(d40 1,d40 2,……,d40 h,……,d40 H),h=1,2,……,H;其中,H为第一任务类型的数量且H≤m,d20 h为第h个第一任务类型,d30 h为d20 h对应的第一标记信息列表,d40 h为d30 h对应的第一判断辅助参数列表,所述第一任务类型为当前检测时间处于任务执行检测时间段的任务类型;H≤m。
具体地,本领域技术人员可根据实际需求设置所述预设时间,在此不再赘述。
上述,每间隔预设时间对任务检测时间段进行一次检测,获取在当前检测时间处于任务执行检测时间段的目标任务类型、第一标记信息列表集以及第一判断辅助参数列表集,将不需要进行检测的任务进行关闭,以免占用服务器的检测资源,减少服务器中数据处理量。
S800、当接收到目标终端发送的变更识别任务请求时,获取第二任务类型列表d21=(d21 1,d21 2,……,d21 t,……,d21 T)、d21对应的第二标记信息列表集d31=(d31 1,d31 2,……,d31 t,……,d31 T)以及d31对应的第二判断辅助参数列表集d41=(d41 1,d41 2,……,d41 t,……,d41 T),t=1,2,……,T;其中,T为第二任务类型的数量,d21 t为第t个第二任务类型,d31 t为d21 t对应的第二标记信息列表列表,d41 t为d31 t对应的第二判断辅助参数列表,所述第二任务类型为变更后的识别任务请求对应的任务类型;
由于用户可以在目标检测任务期间对目标检测任务信息进行更改,因此,要即时对更改后的目标任务检测信息进行更新,获取第二任务类型列表、第二标记信息列表集以及第二判断辅助参数列表集。
本发明的实施例还提供了一种非瞬时性计算机可读存储介质,该存储介质可设置于电子设备之中以保存用于实现方法实施例中一种方法相关的至少一条指令或至少一段程序,该至少一条指令或该至少一段程序由该处理器加载并执行以实现上述实施例提供的方法。
本发明的实施例还提供了一种电子设备,包括处理器和前述的非瞬时性计算机可读存储介质。
本发明的实施例还提供一种计算机程序产品,其包括程序代码,当所述程序产品在电子设备上运行时,所述程序代码用于使该电子设备执行本说明书上述描述的根据本发明各种示例性实施方式的方法中的步骤。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。

Claims (8)

1.一种识别任务的处理方法,其特征在于,所述方法包括如下步骤:
S10、获取指定摄像头对应的指定图像信息ZP=(XP,TP),XP为指定摄像头对应的指定图像,TP为XP对应的拍摄时间;
S20、获取ZP对应的指定检测任务信息;所述指定检测任务信息包括:指定任务类型列表p2=(p21,p22,……,p2α,……,p2β)、p2对应的指定标记信息列表集p3=(p31,p32,……,p3α,……,p3β)、p3对应的指定判断辅助参数列表集p4=(p41,p42,……,p4α,……,p4β)、p2对应的指定任务类型标识列表p5=(p51,p52,……,p5α,……,p5β)和p5对应的指定任务检测时间段列表p6=(p61,p62,……,p6α,……,p6β),α=1,2,……β,β为指定检测任务中指定任务类型的数量,p2α为第α个指定任务类型,p5α为p2α对应的指定任务类型标识,p6α为p5α对应的指定任务检测时间段,p2α对应的指定区域的标记信息列表p3α=(p3α1,p3α2,……,p3αγ,……,p3αδ(α)),γ=1,2,……,δ(α),δ(α)为p2α对应的指定区域的数量,p3αg为p3α中第γ个标记信息,p3α对应的指定判断辅助参数列表p4α=(p4α1,p4α2,……,p4αγ,……,p4αδ(α)),p4αγ为p3αγ对应的指定判断辅助参数,所述指定任务类型为符合第一预设时间条件,所述第一预设时间条件为:TP∈p6α,所述指定区域为指定标记在指定图像中对应的A个角点坐标形成的区域,所述指定图像为指定摄像头拍摄的图像;
S30、根据p3对XP进行图像提取,得到XP对应的提取后区域图像列表集HP=(HP1,HP2,……,HPα,……,HPβ);其中,第α个指定任务类型对应的提取后区域图像列表HPα=(HPα1,HPα2,……,HPαγ,……,HPαδ(α)),HPαγ为根据p3α对XP进行提取后得到的提取后区域图像;
S40、根据p4对HP进行检测,得到HP对应的判断结果列表集DP=(DP1,DP2,……,DPα,……,DPβ);其中,HPα对应的判断结果列表DPα=(DPα1,DPα2,……,DPαγ,……,DPαδ(α)),DPαγ为HPαγ在p4αγ生成的判断规则进行检测的情况下,HPαγ对应的判断结果,所述判断结果为违反判断规则的结果;
S50、根据DP,得到DP对应的判断结果信息列表集JP=(JP1,JP2,……,JPα,……,JPβ);其中,DPα对应的判断标结果信息列表JPα=(JPα1,JPα2,……,JPαv,……,JPαw(α)),v=1,2,……,w(α),w(α)为DPα对应的判断标结果信息的数量,JPα中第v个判断结果信息JPαv=(p2α,p5α,TP,QPαv),QPαv为JPαv对应的提取后区域图像的标记信息。
2.根据权利要求1所述的方法,其特征在于,所述步骤20具体包括如下步骤获取指定检测任务信息:
S21、获取指定摄像头对应的预设检测任务类型信息,所述预设检测任务信息包括:预设任务类型列表p2′=(p2′1,p2′2,……,p2′c,……,p2′u)、p2′对应的预设标记信息列表集p3′=(p3′1,p3′2,……,p3′c,……,p3′u)、p3′对应的预设判断辅助参数列表集p4′=(p4′1,p4′2,……,p4′c,……,p4′u)、p2′对应的预设任务类型标识列表p5′=(p5′1,p5′2,……,p5′c,……,p5′u)和p5′对应的预设任务检测时间段列表p6′=(p6′1,p6′2,……,p6′c,……,p6′u),c=1,2,……u,u为预设检测任务中预设任务类型的数量,p2′c为第c个预设任务类型,p5′c为p2′c对应的预设任务类型标识,p6′c为p5′c对应的预设任务检测时间段,p2′c对应的预设区域的标记信息列表p3′c=(p3′c1,p3′c2,……,p3′cy,……,p3′cY(c)),y=1,2,……,Y(c),Y(c)为p2′c对应的预设区域的数量,p3′cy为p3′c中第c个标记信息,p3′c对应的预设判断辅助参数列表p4′c=(p4′c1,p4′c2,……,p4′cy,……,p4′cY(c)),p4′cy为p3′cy对应的预设判断辅助参数;
S22、获取p6′对应的预设任务检测时间段信息列表Lp6′=(Lp6′1,Lp6′2,……,Lp6′c,……,Lp6′u);其中,p6′c对应的预设任务检测时间段信息Lp6′c=(Cp6′c,Zp6′c),Cp6′c为p6′c对应的预设任务检测初始时间点,Zp6′c为p6′c对应的预设任务检测结束时间点;
S23、若Cp6′c≤TP≤Zp6′c,将p6′c对应的中间任务检测信息加入至指定任务检测信息,所述中间任务检测信息包括:p2′c,p3′c,p4′c,p5′c,p6′c
3.根据权利要求2所述的方法,其特征在于,所述步骤21具体包括:
S211、响应于用户发出的针对指定摄像头的任务建立请求,获取指定摄像头对应的指定图像;
S212、获取用户在指定图像上标记的第三类标识列表集D′=(D′1,D′2,……,D′c,……D′u);其中,p2′c对应的第三类标识列表D′c=(D′c1,D′c2,……,D′cy,……,D′cY(c)),D′cy为d2′c对应的第c个第三类标识,D′cy用于标记出指定图像上第c个预设任务类型对应的第c个预设区域;
S213、根据D′,确定出D′对应的目标区域的目标标记信息集p3′;
S214、根据D′,获取用户在目标图像上标记的第四类标识列表集E′=(E′1,E′2,……,E′c,……,E′u);其中,D′c对应的第四类标识列表E′c=(E′c1,E′c2,……,E′cy,……,E′cY(c)),E′cy为D′cy对应的第四类任务标识,所述第四类任务标识标记在所述预设区域内;
S215、根据E′,确定出E′对应的预设判断辅助参数列表集p4′。
4.根据权利要求3所述的方法,其特征在于,所述步骤213具体包括:
S2131、将D′cy的每一角点在所述指定图像中的像素坐标确定为D′cy对应的标记信息p3′cy,以得到预设标记信息集p3′。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括如下步骤:
S24、当接收到目标终端发送的变更识别任务请求时,获取第三任务类型列表p21=(p21 1,p21 2,……,p21 ε,……,p21 η)、p21对应的第三标记信息列表集p31=(p31 1,p31 2,……,p31 ε,……,p31 η)以及p31对应的第三判断辅助参数列表集p41=(p41 1,p41 2,……,p41 ε,……,p41 η),ε=1,2,……,η;其中,η为第三任务类型的数量,p21 ε为第ε个第二任务类型,p31 t为p21 ε对应的第三标记信息列表列表,p41 ε为p31 ε对应的第三判断辅助参数列表,所述第三任务类型为变更后的识别任务请求对应的任务类型。
6.根据权利要求1所述的方法,其特征在于,A=4。
7.一种非瞬时性计算机可读存储介质,所述存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-6中任意一项的所述方法。
8.一种电子设备,其特征在于,包括处理器和权利要求7中的非瞬时性计算机可读存储介质。
CN202211730397.0A 2022-12-30 2022-12-30 一种识别任务的处理方法、电子设备及存储介质 Active CN116030388B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211730397.0A CN116030388B (zh) 2022-12-30 2022-12-30 一种识别任务的处理方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211730397.0A CN116030388B (zh) 2022-12-30 2022-12-30 一种识别任务的处理方法、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN116030388A CN116030388A (zh) 2023-04-28
CN116030388B true CN116030388B (zh) 2023-08-11

Family

ID=86071837

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211730397.0A Active CN116030388B (zh) 2022-12-30 2022-12-30 一种识别任务的处理方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116030388B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0800123A2 (en) * 1996-04-05 1997-10-08 Omron Corporation Image recognition method and device and copier and scanner employing same
JP2006153536A (ja) * 2004-11-26 2006-06-15 Hoya Corp マーク検出方法及び装置
WO2015032308A1 (zh) * 2013-09-05 2015-03-12 华为终端有限公司 一种图像识别方法及用户终端
WO2015096565A1 (zh) * 2013-12-27 2015-07-02 华为技术有限公司 图像中的目标物的识别方法及装置
EP3009959A2 (en) * 2014-10-15 2016-04-20 Comcast Cable Communications, LLC Identifying content of interest
WO2018149322A1 (zh) * 2017-02-15 2018-08-23 腾讯科技(深圳)有限公司 图像识别方法、装置、设备及存储介质
CN109934146A (zh) * 2019-03-05 2019-06-25 上海钧正网络科技有限公司 车辆监控方法、装置、系统、服务器及摄像头
CN111428644A (zh) * 2020-03-25 2020-07-17 北京以萨技术股份有限公司 基于深度神经网络的斑马线区域监测方法、系统及介质
KR20210104360A (ko) * 2020-02-17 2021-08-25 엔에이치엔 주식회사 이미지 인식 기반 인공지능 서비스 제공방법 및 시스템
CN114240981A (zh) * 2021-11-22 2022-03-25 广东虚拟现实科技有限公司 标记识别方法及装置
CN114283496A (zh) * 2021-12-17 2022-04-05 深圳市安佳威视信息技术有限公司 一种智能防人脸过曝摄像机模组
CN114333344A (zh) * 2021-12-29 2022-04-12 以萨技术股份有限公司 机动车违章抓拍方法、装置及电子设备
CN114743146A (zh) * 2022-04-22 2022-07-12 四川云从天府人工智能科技有限公司 车辆违停检测方法、系统及计算机存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7783135B2 (en) * 2005-05-09 2010-08-24 Like.Com System and method for providing objectified image renderings using recognition information from images
JP4670657B2 (ja) * 2006-01-24 2011-04-13 富士ゼロックス株式会社 画像処理装置、画像処理方法及びプログラム

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0800123A2 (en) * 1996-04-05 1997-10-08 Omron Corporation Image recognition method and device and copier and scanner employing same
JP2006153536A (ja) * 2004-11-26 2006-06-15 Hoya Corp マーク検出方法及び装置
CN109902687A (zh) * 2013-09-05 2019-06-18 华为终端有限公司 一种图像识别方法及用户终端
WO2015032308A1 (zh) * 2013-09-05 2015-03-12 华为终端有限公司 一种图像识别方法及用户终端
WO2015096565A1 (zh) * 2013-12-27 2015-07-02 华为技术有限公司 图像中的目标物的识别方法及装置
EP3009959A2 (en) * 2014-10-15 2016-04-20 Comcast Cable Communications, LLC Identifying content of interest
WO2018149322A1 (zh) * 2017-02-15 2018-08-23 腾讯科技(深圳)有限公司 图像识别方法、装置、设备及存储介质
CN109934146A (zh) * 2019-03-05 2019-06-25 上海钧正网络科技有限公司 车辆监控方法、装置、系统、服务器及摄像头
KR20210104360A (ko) * 2020-02-17 2021-08-25 엔에이치엔 주식회사 이미지 인식 기반 인공지능 서비스 제공방법 및 시스템
CN111428644A (zh) * 2020-03-25 2020-07-17 北京以萨技术股份有限公司 基于深度神经网络的斑马线区域监测方法、系统及介质
CN114240981A (zh) * 2021-11-22 2022-03-25 广东虚拟现实科技有限公司 标记识别方法及装置
CN114283496A (zh) * 2021-12-17 2022-04-05 深圳市安佳威视信息技术有限公司 一种智能防人脸过曝摄像机模组
CN114333344A (zh) * 2021-12-29 2022-04-12 以萨技术股份有限公司 机动车违章抓拍方法、装置及电子设备
CN114743146A (zh) * 2022-04-22 2022-07-12 四川云从天府人工智能科技有限公司 车辆违停检测方法、系统及计算机存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
摄像头网络整体视域优化扩展模型及最优求解;徐义春 等;《计算机应用研究》;第27卷(第5期);1676-1679 *

Also Published As

Publication number Publication date
CN116030388A (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN111512317B (zh) 一种多目标实时跟踪方法、装置及电子设备
CN110853033B (zh) 基于帧间相似度的视频检测方法和装置
CN112307810B (zh) 一种视觉定位效果自检方法及车载终端
US20120106784A1 (en) Apparatus and method for tracking object in image processing system
EP2235680A1 (en) Invariant visual scene and object recognition
CN105488434A (zh) 一种基于标记的矢量地图完整性认证方法
CN112132892B (zh) 目标位置标注方法、装置及设备
CN116030388B (zh) 一种识别任务的处理方法、电子设备及存储介质
CN116469025B (zh) 一种识别任务的处理方法、电子设备及存储介质
US9747511B2 (en) Image recognition device, image recognition method, program, and recording medium
CN112837384B (zh) 车辆标记方法、装置和电子设备
CN117710905A (zh) 一种视频监控信息处理方法、系统、装置及存储介质
CN112906643A (zh) 车牌号码识别方法及装置
CN115661131B (zh) 一种图像识别方法、装置、电子设备及存储介质
CN113887384B (zh) 基于多轨迹融合的行人轨迹分析方法、装置、设备及介质
CN114821513A (zh) 一种基于多层网络的图像处理方法及装置、电子设备
CN116401392B (zh) 一种图像检索的方法、电子设备及存储介质
CN114565500A (zh) 基于预测误差扩展的可逆图像认证方法及系统
CN116048698B (zh) 一种地图内弹窗显示的方法、电子设备及存储介质
CN113870185A (zh) 基于图像抓拍的图像处理方法、终端及存储介质
JP5473836B2 (ja) 駐車検出装置、駐車検出方法および駐車検出プログラム
CN107154011B (zh) 定位篡改图元组的矢量地图完整性认证方法
CN112037273A (zh) 深度信息获取方法、装置、可读存储介质及计算机设备
CN111639640A (zh) 基于人工智能的车牌识别方法、装置及设备
CN117218162B (zh) 一种基于ai的全景追踪控视系统

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
GR01 Patent grant
GR01 Patent grant