CN116030423A - 一种区域边界侵入检测方法、设备及介质 - Google Patents
一种区域边界侵入检测方法、设备及介质 Download PDFInfo
- Publication number
- CN116030423A CN116030423A CN202310314960.4A CN202310314960A CN116030423A CN 116030423 A CN116030423 A CN 116030423A CN 202310314960 A CN202310314960 A CN 202310314960A CN 116030423 A CN116030423 A CN 116030423A
- Authority
- CN
- China
- Prior art keywords
- coordinate
- detection
- point
- image
- coordinate 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.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本申请公开了一种区域边界侵入检测方法、设备及介质,涉及图形数据处理技术领域,其方法包括:采集实际场景中实际检测范围对应的检测图像,在检测图像中确定该实际检测范围对应的第一图像,在第一图像区域的边界线上选取多个第一坐标点,并在实际场景中选取各第一坐标点对应的参照物,基于参照物在检测图像中的坐标范围对第一坐标点进行高度补偿,得到第二坐标点并根据第二坐标点生成实际检测范围对应的第二图像区域,然后根据第一图像区域和第二图像区域,对实际检测范围进行边界侵入检测,实现了更加精确的边界侵入检测,能够有效减少区域边界侵入检测误识别、误报警等问题,提高用户体验。
Description
技术领域
本申请涉及图形数据处理技术领域,具体涉及一种区域边界侵入检测方法、设备及介质。
背景技术
区域入侵检测是指根据现场实际情况,设置需要进行监测的作业区域,并对该作业区域进行实时目标检测,判断是否有目标穿入该作业区域。目前区域入侵检测常常被用在电子围栏、不安全区域入侵、智慧城市、安防监控、企业生产安全等领域。例如,在工作生产中,某些作业区域具有较强的危险性,贸然闯入易导致危险事故,因此为了满足企业的安全生产需求,对具有危险性的作业区域进行实时监测,当监测到目标出现在作业区域时,立即发出报警信号,避免危险事故发生。
但是在实际的监测过程中,经常会在作业区域的边界出现误识别、误报警等问题,影响企业生产的正常进行。目前面对误识别问题,通常的优化方法是在得到目标检测框的基础上进行二次判断。但是二次判断采用了增加计算的方式,这就加剧了设备的计算负担,需要利用较多的计算资源,影响实时检测速度。
基于此,在不增加计算资源的情况下,如何高效准确的实现区域边界侵入检测成为亟需解决的技术问题。
发明内容
本申请提出了一种基于区域边界侵入方法、设备及介质,旨在解决现有技术实现高效准确的区域边界入侵检测需要增加较多计算资源的问题。
为了实现上述目的,本申请提供了一种区域边界侵入检测方法,其包括:
采集实际场景中实际检测范围对应的检测图像,并在所述检测图像中确定所述实际检测范围对应的第一图像区域;
在所述第一图像区域的边界线上,选取多个第一坐标点;
在所述实际场景中,选取各所述第一坐标点相应的参照物;
基于所述参照物在所述检测图像中的坐标范围,对所述第一坐标点进行高度补偿,得到第二坐标点并根据所述第二坐标点生成所述实际检测范围对应的第二图像区域;
根据所述第一图像区域和所述第二图像区域,对所述实际检测范围进行边界侵入检测。
可选地,在所述实际场景中,选取各所述第一坐标点相应的参照物,具体包括:
针对每个第一坐标点,在所述实际场景中,将距离该第一坐标点最近的,且能够完整体现在所述检测图像中、具有固定高度的物体,作为该第一坐标点对应的参照物。
可选地,基于所述参照物在所述检测图像中的坐标范围,对所述第一坐标点进行高度补偿,得到第二坐标点,具体包括:
在所述检测图像中,针对每个所述第一坐标点,确定所述第一坐标点对应的参照物的坐标范围,所述坐标范围包括最高点和最低点;
将所述坐标范围平移至所述第一坐标点处,以使所述最高点或所述最低点与所述第一坐标点重合,并在平移过程中,通过透视特征对所述坐标范围进行第一次缩放;
确定该第一坐标点对应的参照物的实际高度,并基于所述实际高度以及预设待补偿高度,得到对应的缩放比例;
将与所述第一坐标点重合的所述最高点或所述最低点作为固定点,根据所述缩放比例将平移之后的坐标范围进行第二次缩放,并在第二次缩放后将坐标范围中的非固定点,作为第二坐标点。
可选地,所述将所述坐标范围平移至所述第一坐标点处,以使所述最高点或所述最低点与所述第一坐标点重合,具体包括:
获取预设入侵物体的物体类别;
在所述预设入侵物体的物体类别为高空物体时,将所述坐标范围平移至所述第一坐标点处,以使所述最高点与所述第一坐标点重合;
在所述预设入侵物体的物体类别为非高空物体时,将所述坐标范围平移至所述第一坐标点处,以使所述最低点与所述第一坐标点重合。
可选地,所述基于所述参照物在所述检测图像中的坐标范围,对所述第一坐标点进行高度补偿,得到第二坐标点,具体包括:
获取若干预设入侵物体对应的预设待补偿高度;其中,若干包括至少一个;
基于所述参照物在所述检测图像中的坐标范围以及所述预设入侵物体对应的预设待补偿高度,对第一坐标点进行高度补偿,得到第二坐标点;
生成所述预设入侵物体对应的第二图像区域与所述预设入侵物体的物体类别之间的关联关系并存储至预设数据库;所述第二图像区域为根据所述第二坐标点生成。
可选地,所述根据所述第一图像区域和所述第二图像区域,对所述实际检测范围进行边界侵入检测,具体包括:
对所述检测图像进行目标检测,得到一个或多个目标检测框;
确定所述目标检测框对应的目标物体的物体类别;
根据所述目标物体的物体类别,从预设数据库中确定所述物体类别对应的关联关系;
其中,所述关联关系用于表征预设入侵物体的物体类别与第二图像区域的关联关系;
根据所述关联关系,确定所述目标物体对应的第二图像区域;
根据所述第一图像区域和所述目标物体对应的所述第二图像区域,确定所述目标物体是否侵入所述实际检测范围。
可选地,所述根据所述第一图像区域和所述第二图像区域,对所述实际检测范围进行边界侵入检测,具体包括:
对所述检测图像进行目标检测,得到一个或多个目标检测框并获取所述目标检测框在所述检测图像中的位置信息;
根据所述目标检测框在所述检测图像中的位置信息,确定所述目标检测框与所述第一图像区域、所述第二图像区域的位置关系;
在所述位置关系为所述目标检测框部分位于第一图像区域内且部分位置第二图像区域内的情况下,确定所述目标检测框对应的目标物体侵入所述实际检测范围;
在所述位置关系为所述目标检测框全部位于第一图像区域内,确定所述目标检测框对应的所述目标物体侵入所述实际检测范围。
可选地,在所述第一图像区域的边界线上,选取多个第一坐标点,具体包括:
针对所述第一图像区域的每条边界线,若所述边界线为直线,则将直线两端的顶点作为第一坐标点;
若所述边界线为弧线,将弧线两端的顶点作为第一坐标点,并根据弧线的实际长度在弧线上选取至少一个等分点,作为第一坐标点。
为了实现上述目的,本申请还提供了一种区域边界侵入检测设备,所述设备包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述任意一项所述的一种区域边界侵入检测方法。
为了实现上述目的,本申请还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为采用上述任意一项所述的一种区域边界侵入检测方法。
本申请的有益效果如下:本申请通过采集实际场景中实际检测范围对应的检测图像,在检测图像中确定该实际检测范围对应的第一图像,在第一图像区域的边界线上选取多个第一坐标点,并在实际场景中选取各第一坐标点对应的参照物,基于参照物在检测图像中的坐标范围对第一坐标点进行高度补偿,得到第二坐标点并根据第二坐标点生成实际检测范围对应的第二图像区域,然后根据第一图像区域和第二图像区域,对实际检测范围进行边界侵入检测,实现了更加精确的边界侵入检测,能够有效减少区域边界侵入检测误识别、误报警等问题,提高用户体验。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中区域边界侵入检测方法的流程示意图;
图2为本申请实施例中检测图像的示例图;
图3为本申请实施例中第一图像区域的示例图;
图4为本申请实施例中步骤S103的流程示意图;
图5为本申请实施例中步骤S402的流程示意图;
图6为本申请实施例中第二图像区域的示例图;
图7为本申请实施例中区域边界侵入检测设备的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
如图1所示,本申请实施例提供区域边界侵入检测方法,其包括:
S101、采集实际场景中实际检测范围对应的检测图像,并在检测图像中确定实际检测范围对应的第一图像区域。
在本申请实施例中,实际场景中可能存在一个或多个实际检测范围,对于每个实际检测范围可以预先设置一个或多个图像采集设备(例如相机、摄像机等),用于实现对各个实际检测范围进行实时地图像采集,得到各实际检测区域范围对应的检测图像。
在实际场景中,实际检测范围可能较大因此需要多个图像采集设备进行图像采集,将采集到的图像进行图像拼接,即可得到实际检测范围对应的检测图像。
其中,上述检测图像为二维图像,上述第一图像区域即为实际检测范围在检测图像中对应的区域。
在本申请实施例中,可以通过对检测图像的图像处理,确定实际检测范围在检测图像中的第一图像区域。
例如,实际检测范围对应的检测图像如图2所示,图2中实线内的区域即为实际检测范围,首先对该检测图像进行图像识别,识别出检测图像的实线,根据识别到的实线的端点,绘制出实际检测范围对应的第一图像区域,如图3所示。可见,第一图像区域与实际检测范围重合。
S102、在第一图像区域的边界线上,选取多个第一坐标点。
具体地,针对第一图像区域的每条边界线,若该边界线为直线,则将直线两端的端点作为第一坐标点;若边界线为弧线,将弧线两端的顶点作为第一坐标点,并根据该弧线的实际长度,在该弧线上选取至少一个等分点,作为第一坐标点。
在本申请实施例中,第一图像区域是由多条边界线组成的闭合区域。由于第一图像区域的区域形状存在多种可能性,故边界线可能是直线或弧线。
进一步地,可以先对第一图像区域的每条边界线进行线段识别,确定该边界点为直线还是弧线。在该边界线为直线的情况下,则将该直线两端的端点作为第一坐标系。在边界线为弧线的情况下,将弧线两端的顶点作为第一坐标点,并根据弧线的实际长度对该弧线等分,从弧线上选取至少一个等分点,作为第一坐标点。
例如,如图3所示,选择第一图像区域的四个顶点作为第一坐标点,分别为:A =(,);B =(,);C =(,);D =(,)。
通过上述方案,可以选取的第一坐标点更加贴合与第一图像区域的区域形状,在此基础上使得区域侵入检测更加精确,进一步避免误识别、误警报灯问题。
S103、在实际场景中,选取各第一坐标点相应的参照物。
具体地,针对每个第一坐标点,在实际场景中,将距离该第一坐标点最近的、且能够完整体现在检测图像中具有固定高度的物体,作为第一坐标点对应的参照物。参照物为实际场景存在的物体,其可以通过自动化的选择,或者通过人工选择,比如,对于一个固定场景来说,其中存在的各物体往往是固定的,在工厂内,存在的物体多为橱柜、生产设备等,故而可以通过相应的识别模型,在图像中选取出相应的参照物。
在本申请实施例中,对检测图像进行目标识别,确定检测图像中存在的物体;对检测图像中存在的物体进行筛选,确定完整体现在检测图像中且具有固定高度的物体,作为待定参照物;计算每个待定参照物与每个第一坐标点的距离,将与该第一坐标点距离最短的待定参照物作为该第一坐标点对应的参照物。
进一步地,对检测图像进行目标识别,可以得到检测图像中存在的物体所对应的检测框,因此,上述计算每个待定参照物与每个第一坐标点的距离,可以是计算该待定参照物对应的检测框的中心点与第一坐标点的距离。
上述完整体现在检测图像中的物体是指物体整体都存在与检测图像中。
S103、基于该参照物在检测图像中的坐标范围,对第一坐标点进行高度补偿,得到第二坐标点。
如图4所示,步骤S103至少可以通过以下步骤实现:
S401、在检测图像中,针对每个第一坐标点,确定该第一坐标点对应的参照物的坐标范围。
其中,上述坐标范围至少包括:最高点和最低点。
具体的,在检测图像中,针对每个第一坐标点,获取第一坐标点对应的参照物的检测框,按照竖直方向将参照物的检测框的上边中心点作为坐标范围的最高点,将参照物的检测框的下边中心点作为坐标范围的最低点。
进一步地,在检测图像中,针对每个第一坐标点,获取第一坐标点对应的参照物的检测框;获取参照物的检测框对应的检测框区域,并对检测框区域进行轮廓识别,得到参照物的轮廓信息;根据参照物的轮廓信息确定坐标范围的最高点和最低点。
其中,按照竖直方向将参照物的轮廓信息的最高点作为坐标范围的最高点,将参照物的轮廓信息的最低点作为坐标范围的最低点。
在实际应用中,由于参照物的检测框中存在一定的噪声,因此在得到参照物的检测框后,对其对应的检测框区域进行轮廓识别,得到参照物的轮廓信息,根据该轮廓信息确定坐标范围的最高点和最低点,可以进一步提高区域边界侵入检测的精度,进一步有效避免误识别、误报警等现象。
S402、将坐标范围平移至第一坐标点处,以使最高点或最低点与第一坐标点重合,并在平移过程中,通过透视特征对坐标范围进行第一次缩放。
上述透视特征即为透视近大远小的特征。由于物体空间位置的不同,其透视现象表现为近处的物体比较大,远处的物体比较小。
由于在实际应用中,坐标范围与第一坐标点的空间位置存在不同,因此,在坐标范围平移过程中,通过透视特征对坐标范围进行第一次缩放。
具体地,根据第一坐标点的空间位置信息和最高点、最低点的空间位置,确定坐标范围与第一坐标点的横向距离和纵向距离;根据上述横向距离和上述纵向距离确定对应的缩放比例,根据该缩放比例在平移过程中对坐标范围进行第一次缩放。
进一步地,可以获取预设入侵物体的物体类别,在预设入侵物体的物体类别为高空物体时,将坐标范围平移至第一坐标点处,以使坐标范围的最高点与第一坐标点重合;在预设入侵物体的物体类别为非高空物体时,将坐标范围平移至第一坐标点,以使坐标范围的最低点与第一坐标点重合。
上述高空物体可以是指例如飞鸟、塔吊等物体。
在本申请实施例中,针对不同物体类别的预设入侵物体,从坐标范围内选择对应的点与第一坐标点重合。对于高空物体来说,将坐标范围的最高点与第一坐标点重合,可以很好的实现高空的区域侵入检测。
可以理解的是,在本申请实施例中可以设置多种不同的预设入侵物体,在本申请实施例中不做具体限定。
S403、确定该第一坐标点对应的参照物的实际高度,并基于该实际高度以及预设待补偿高度,得到对应的缩放比例。
在本申请实施例中,先获取第一坐标点对应的参照物的实际高度以及预设入侵物体对应的预设待补偿高度。再根据实际高度和预设待补偿高度进行计算,得到对应的缩放比例。
例如,参照物为实际高度为3米的橱柜,预设入侵物体为1.7米的人,则对应的缩放比例为1.7/3。
可以理解的是,步骤S403中的缩放比例与步骤S402中的缩放比例并不相同。
S404、将与第一坐标点重合的最高点或最低点作为固定点,根据缩放比例,将平移之后的坐标范围进行第二次缩放。
在本申请实施例中,根据步骤S403中得到的缩放比例对平移之后的坐标范围进行第二次缩放。
S405、在第二次缩放后将坐标范围中的非固定点,作为第二坐标点。
其中,非固定点即为坐标范围中除了固定点的另一点。例如,固定点为最低点,则非固定点即为最高点;再例如,固定点为最高点,则非固定点为最低点。
例如,预设入侵物体为身高为1.7米的工作人员,则其对应的预设待补偿高度为1.7米,第一坐标点对应的参照物为实际高度为3米橱柜,则先获取橱柜在检测图像中的坐标范围,然后将坐标范围平移到第一坐标点处,由于预设入侵物体为非高空物体,则将坐标范围的最低点与第一坐标点重合,作为固定点,并且在坐标范围平移过程中通过透视特征对坐标范围进行第一次缩放,再根据橱柜的实际高度和预设待补偿高度,得到对应的缩放比例,保持固定点不动对坐标范围进行第二次缩放,并将第二次缩放后的坐标范围中的非固定点作为第二坐标点。
再例如,以图3所示的第一图像区域中四个第一坐标点为例,经过步骤S103之后,得到的第二坐标点分别为:A =(,+);B =(,+);C =(,+);D=(,+)。
通过上述步骤S401-S405,先将第一坐标点对应的参照物的坐标范围进行平移、缩放,以使坐标范围的最高点或最低点与第一坐标点重合,然后根据参照物的实际高度、预设侵入物体的预设待补偿高度,确定对应的缩放比例对坐标范围进行二次缩放,能够适用于不同高度的侵入物体,对于不同高度的侵入物体设置不同的图像区域,以进一步提高区域侵入检测的准确度。
在实际应用中,实际检测范围对应的禁入物体是多种,例如人、车、动物等。因此,如图5所示,本申请提供的步骤S402中至少还可以通过以下步骤实现:
S501、获取若干预设入侵物体对应的预设待补偿高度。
其中,若干包括至少一个。
在本申请实施例中,预先设置多个不同物体类型的入侵物体,作为上述预设入侵物体。并且对于不同的预设入侵物体预先设置对应的待补偿高度,即上述预设待补偿高度。
例如,预设入侵物体为人时所对应的预设待补偿高度为1.7米,预设入侵物体为猫时所对应的预设待补偿高度为0.25米。
S502、基于参照物在检测图像中的坐标范围以及预设入侵物体对应的预设待补偿高度,对第一坐标点进行高度补偿,得到第二坐标点。
在本申请实施例中,对于不同的预设入侵物体的预设待补偿高度以及参照物在检测图像中的坐标范围,对第一坐标点进行高度补偿,得到对应的第二坐标点,不同的预设入侵物体的第二坐标点不同。
可以理解的是,步骤S502可以通过上述S401-S405的技术方案得到第二坐标点,再次不再加以赘述。
S503、生成预设入侵物体对应的第二图像区域与所述预设入侵物体的物体类别之间的关联关系并存储至预设数据库。
其中,第二图像区域为根据第二坐标点生成的,具体参照下述步骤S104,在此不再赘述。
通过上述方案,针对不同的侵入对象可以实现更加准确地侵入检测。
S104、根据第二坐标点生成第二图像区域。
在本申请实施例中,按照顺序将第二坐标点进行连接,所得到的闭合区域即为上述第二图像区域,如图6所示。
S105、根据第一图像区域和第二图像区域,对实际检测范围进行边界侵入检测。
具体地,对检测图像进行目标检测,得到一个或多个目标检测框;确定目标检测框对应的目标物体的物体类别;根据目标物体的物体类别,从预设数据库中确定物体类别对应的关联关系;根据关联关系,确定目标物体对应的第二图像区域;根据第一图像区域和目标物体对应的第二图像区域,确定目标物体是否侵入实际检测范围。
在本申请实施例中,根据检测图像中各目标检测框的物体类别,确定其对应的第二图像区域,针对不同的目标对象通过其对应的第二图像区域和第一图像区域,确定该目标对象是否侵入实际检测范围,使得对区域边界侵入检测的判断更加准确,进一步减少误识别、误报警的问题。
其中,上述关联关系用于表征预设入侵物体的物体类别与第二图像区域之间的关联关系,即为上述步骤S504中存储的关联关系。
进一步地,根据目标检测框在检测图像中的位置信息,确定目标检测框与第一图像区域、第二图像区域的位置关系;在上述位置关系为目标检测框部分位于第一图像区域内且部分位置第二图像区域内的情况下,则确定目标检测框对应的目标物体侵入该实际检测范围;在上述位置关系为目标检测框全部位于第一图像区域内,则确定目标检测框对应的目标物体侵入该实际检测范围;在上述位置关系为目标检测框处于第一图像区域外的情况下,则确定目标检测框对应的目标物体未侵入该实际检测范围。
本申请提供的一种区域边界侵入检测方法,通过实际场景中实际检测范围对应的检测图像,在检测图像中确定该实际检测范围对应的第一图像,在第一图像区域的边界线上选取多个第一坐标点,并在实际场景中选取各第一坐标点对应的参照物,基于参照物在检测图像中的坐标范围对第一坐标点进行高度补偿,得到第二坐标点并根据第二坐标点生成实际检测范围对应的第二图像区域,然后根据第一图像区域和第二图像区域,对实际检测范围进行边界侵入检测,实现了更加精确的边界侵入检测,能够有效减少区域边界侵入检测误识别、误报警等问题,提高用户体验。
基于上述区域边界侵入检测方法,本申请还提供了一种区域边界侵入设备,如图7所示,所述设备包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行任意一项实施例所述的一种区域边界侵入检测方法。
基于上述区域边界检测方法,本申请还提供了一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为采用任意一项实施例所述的一种区域边界侵入检测方法。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备和介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例提供的设备和介质与方法是一一对应的,因此,设备和介质也具有与其对应的方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM) 和/或非易失性内存等形式,如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (10)
1.一种区域边界侵入检测方法,其特征在于,包括:
采集实际场景中实际检测范围对应的检测图像,并在所述检测图像中确定所述实际检测范围对应的第一图像区域;
在所述第一图像区域的边界线上,选取多个第一坐标点;
在所述实际场景中,选取各所述第一坐标点相应的参照物;
基于所述参照物在所述检测图像中的坐标范围,对所述第一坐标点进行高度补偿,得到第二坐标点并根据所述第二坐标点生成所述实际检测范围对应的第二图像区域;
根据所述第一图像区域和所述第二图像区域,对所述实际检测范围进行边界侵入检测。
2.根据权利要求1所述的方法,其特征在于,在所述实际场景中,选取各所述第一坐标点相应的参照物,具体包括:
针对每个第一坐标点,在所述实际场景中,将距离该第一坐标点最近的,且能够完整体现在所述检测图像中、具有固定高度的物体,作为该第一坐标点对应的参照物。
3.根据权利要求2所述的方法,其特征在于,基于所述参照物在所述检测图像中的坐标范围,对所述第一坐标点进行高度补偿,得到第二坐标点,具体包括:
在所述检测图像中,针对每个所述第一坐标点,确定所述第一坐标点对应的参照物的坐标范围,所述坐标范围包括最高点和最低点;
将所述坐标范围平移至所述第一坐标点处,以使所述最高点或所述最低点与所述第一坐标点重合,并在平移过程中,通过透视特征对所述坐标范围进行第一次缩放;
确定该第一坐标点对应的参照物的实际高度,并基于所述实际高度以及预设待补偿高度,得到对应的缩放比例;
将与所述第一坐标点重合的所述最高点或所述最低点作为固定点,根据所述缩放比例将平移之后的坐标范围进行第二次缩放,并在第二次缩放后将坐标范围中的非固定点,作为第二坐标点。
4.根据权利要求3所述的方法,其特征在于,所述将所述坐标范围平移至所述第一坐标点处,以使所述最高点或所述最低点与所述第一坐标点重合,具体包括:
获取预设入侵物体的物体类别;
在所述预设入侵物体的物体类别为高空物体时,将所述坐标范围平移至所述第一坐标点处,以使所述最高点与所述第一坐标点重合;
在所述预设入侵物体的物体类别为非高空物体时,将所述坐标范围平移至所述第一坐标点处,以使所述最低点与所述第一坐标点重合。
5.根据权利要求1所述的方法,其特征在于,所述基于所述参照物在所述检测图像中的坐标范围,对所述第一坐标点进行高度补偿,得到第二坐标点,具体包括:
获取若干预设入侵物体对应的预设待补偿高度;其中,若干包括至少一个;
基于所述参照物在所述检测图像中的坐标范围以及所述预设入侵物体对应的预设待补偿高度,对第一坐标点进行高度补偿,得到第二坐标点;
生成所述预设入侵物体对应的第二图像区域与所述预设入侵物体的物体类别之间的关联关系并存储至预设数据库;所述第二图像区域为根据所述第二坐标点生成。
6.根据权利要求1所述的方法,其特征在于,所述根据所述第一图像区域和所述第二图像区域,对所述实际检测范围进行边界侵入检测,具体包括:
对所述检测图像进行目标检测,得到一个或多个目标检测框;
确定所述目标检测框对应的目标物体的物体类别;
根据所述目标物体的物体类别,从预设数据库中确定所述物体类别对应的关联关系;
其中,所述关联关系用于表征预设入侵物体的物体类别与第二图像区域的关联关系;
根据所述关联关系,确定所述目标物体对应的第二图像区域;
根据所述第一图像区域和所述目标物体对应的所述第二图像区域,确定所述目标物体是否侵入所述实际检测范围。
7.根据权利要求1所述的方法,其特征在于,所述根据所述第一图像区域和所述第二图像区域,对所述实际检测范围进行边界侵入检测,具体包括:
对所述检测图像进行目标检测,得到一个或多个目标检测框并获取所述目标检测框在所述检测图像中的位置信息;
根据所述目标检测框在所述检测图像中的位置信息,确定所述目标检测框与所述第一图像区域、所述第二图像区域的位置关系;
在所述位置关系为所述目标检测框部分位于第一图像区域内且部分位置第二图像区域内的情况下,确定所述目标检测框对应的目标物体侵入所述实际检测范围;
在所述位置关系为所述目标检测框全部位于第一图像区域内,确定所述目标检测框对应的所述目标物体侵入所述实际检测范围。
8.根据权利要求1所述的方法,其特征在于,在所述第一图像区域的边界线上,选取多个第一坐标点,具体包括:
针对所述第一图像区域的每条边界线,若所述边界线为直线,则将直线两端的顶点作为第一坐标点;
若所述边界线为弧线,将弧线两端的顶点作为第一坐标点,并根据弧线的实际长度在弧线上选取至少一个等分点,作为第一坐标点。
9.一种区域边界侵入检测设备,其特征在于,所述设备包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任意一项权利要求所述的一种区域边界侵入检测方法。
10.一种非易失性计算机存储介质,存储有计算机可执行指令,其特征在于,所述计算机可执行指令设置为采用权利要求1-8中任意一项权利要求所述的一种区域边界侵入检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310314960.4A CN116030423B (zh) | 2023-03-29 | 2023-03-29 | 一种区域边界侵入检测方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310314960.4A CN116030423B (zh) | 2023-03-29 | 2023-03-29 | 一种区域边界侵入检测方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116030423A true CN116030423A (zh) | 2023-04-28 |
CN116030423B CN116030423B (zh) | 2023-06-16 |
Family
ID=86077936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310314960.4A Active CN116030423B (zh) | 2023-03-29 | 2023-03-29 | 一种区域边界侵入检测方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116030423B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289904A (zh) * | 2011-06-22 | 2011-12-21 | 无锡国科微纳传感网科技有限公司 | 一种入侵检测方法及系统 |
CN103677240A (zh) * | 2012-09-24 | 2014-03-26 | 株式会社理光 | 虚拟触摸交互方法和虚拟触摸交互设备 |
CN108431876A (zh) * | 2015-12-16 | 2018-08-21 | 日本电气株式会社 | 入侵检测设备、设置辅助设备、入侵检测方法、设置辅助方法和程序记录介质 |
CN110658518A (zh) * | 2018-06-29 | 2020-01-07 | 杭州海康威视数字技术股份有限公司 | 一种目标入侵检测方法及装置 |
CN111488838A (zh) * | 2020-04-14 | 2020-08-04 | 上海天诚比集科技有限公司 | 一种视频检测区域物体侵入检测方法 |
CN111712828A (zh) * | 2019-06-06 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 物体检测方法、电子设备和可移动平台 |
CN111815570A (zh) * | 2020-06-16 | 2020-10-23 | 浙江大华技术股份有限公司 | 区域入侵检测方法及其相关装置 |
CN112329747A (zh) * | 2021-01-04 | 2021-02-05 | 湖南大学 | 基于视频识别和深度学习的车辆参数检测方法及相关装置 |
CN112668496A (zh) * | 2020-12-31 | 2021-04-16 | 深圳市商汤科技有限公司 | 入侵检测方法、装置、设备及存储介质 |
CN115150519A (zh) * | 2022-09-05 | 2022-10-04 | 武汉精立电子技术有限公司 | 一种基于线扫描的自动聚焦系统、方法及应用 |
CN115690496A (zh) * | 2022-10-27 | 2023-02-03 | 武汉大学 | 基于YOLOv5的实时区域入侵检测方法 |
CN115830142A (zh) * | 2022-12-13 | 2023-03-21 | 重庆长安汽车股份有限公司 | 相机标定和相机的目标检测与定位方法、装置及电子设备 |
-
2023
- 2023-03-29 CN CN202310314960.4A patent/CN116030423B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289904A (zh) * | 2011-06-22 | 2011-12-21 | 无锡国科微纳传感网科技有限公司 | 一种入侵检测方法及系统 |
CN103677240A (zh) * | 2012-09-24 | 2014-03-26 | 株式会社理光 | 虚拟触摸交互方法和虚拟触摸交互设备 |
CN108431876A (zh) * | 2015-12-16 | 2018-08-21 | 日本电气株式会社 | 入侵检测设备、设置辅助设备、入侵检测方法、设置辅助方法和程序记录介质 |
CN110658518A (zh) * | 2018-06-29 | 2020-01-07 | 杭州海康威视数字技术股份有限公司 | 一种目标入侵检测方法及装置 |
CN111712828A (zh) * | 2019-06-06 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 物体检测方法、电子设备和可移动平台 |
CN111488838A (zh) * | 2020-04-14 | 2020-08-04 | 上海天诚比集科技有限公司 | 一种视频检测区域物体侵入检测方法 |
CN111815570A (zh) * | 2020-06-16 | 2020-10-23 | 浙江大华技术股份有限公司 | 区域入侵检测方法及其相关装置 |
CN112668496A (zh) * | 2020-12-31 | 2021-04-16 | 深圳市商汤科技有限公司 | 入侵检测方法、装置、设备及存储介质 |
WO2022141962A1 (zh) * | 2020-12-31 | 2022-07-07 | 深圳市商汤科技有限公司 | 入侵检测方法、装置、设备、存储介质和程序产品 |
CN112329747A (zh) * | 2021-01-04 | 2021-02-05 | 湖南大学 | 基于视频识别和深度学习的车辆参数检测方法及相关装置 |
CN115150519A (zh) * | 2022-09-05 | 2022-10-04 | 武汉精立电子技术有限公司 | 一种基于线扫描的自动聚焦系统、方法及应用 |
CN115690496A (zh) * | 2022-10-27 | 2023-02-03 | 武汉大学 | 基于YOLOv5的实时区域入侵检测方法 |
CN115830142A (zh) * | 2022-12-13 | 2023-03-21 | 重庆长安汽车股份有限公司 | 相机标定和相机的目标检测与定位方法、装置及电子设备 |
Non-Patent Citations (3)
Title |
---|
HAORAN HUANG等: "Railway intrusion detection based on refined spatial and temporal features for UAV surveillance scene", 《MEASUREMENT》, pages 1 - 11 * |
卢永辉: "面向公共安全的铁路人员和异物检测算法研究与实现", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》, vol. 2023, no. 1, pages 026 - 263 * |
王伟等: "基于BIM与机器视觉技术结合的建筑施工危险区域入侵预警研究", 《安全与环境工程》, vol. 27, no. 2, pages 196 - 203 * |
Also Published As
Publication number | Publication date |
---|---|
CN116030423B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112102409B (zh) | 目标检测方法、装置、设备及存储介质 | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
US11842516B2 (en) | Homography through satellite image matching | |
CN111735446B (zh) | 一种激光、视觉定位融合的方法及设备 | |
CN108876813B (zh) | 用于视频中物体检测的图像处理方法、装置及设备 | |
CN111192331A (zh) | 一种激光雷达和相机的外参标定方法及装置 | |
US11615548B2 (en) | Method and system for distance measurement based on binocular camera, device and computer-readable storage medium | |
CN115063442B (zh) | 一种输电线路隐患目标跟踪方法、设备及介质 | |
CN111026115A (zh) | 一种基于深度学习的机器人避障控制方法及装置 | |
CN116030423B (zh) | 一种区域边界侵入检测方法、设备及介质 | |
CN114821497A (zh) | 目标物位置的确定方法、装置、设备及存储介质 | |
CN114529566A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN113409282A (zh) | 箱式结构的形变检测方法、装置、电子设备及存储介质 | |
EP4250245A1 (en) | System and method for determining a viewpoint of a traffic camera | |
CN114037921B (zh) | 基于无人机智能识别的弧垂建模方法及系统 | |
CN113129255B (zh) | 检测包裹的方法、计算设备、系统及存储介质 | |
CN114549627A (zh) | 一种对目标测距的方法、装置、图像采集设备及介质 | |
JP6546898B2 (ja) | 3次元空間特定装置、方法、及びプログラム | |
CN116168283A (zh) | 一种输电线路通道隐患程度判定的方法、设备及存储介质 | |
GB2583774A (en) | Stereo image processing | |
CN116274893B (zh) | 检测钢包内衬侵蚀量的方法、处理器、装置及存储介质 | |
CN114782529B (zh) | 一种面向带电作业机器人的抓线点高精度定位方法、系统及存储介质 | |
JP2020086899A (ja) | オブジェクト位置特定装置、オブジェクト位置特定方法、及びオブジェクト位置特定プログラム | |
CN109993143B (zh) | 图像采集设备的安装方法、装置、电子设备及存储介质 | |
CN117928451A (zh) | 高温大负荷工况下的输电线路导线弧垂的监测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |