CN116129157A - 一种基于极微光的警戒摄像机智能图像处理方法及系统 - Google Patents

Abstract

本发明公开了一种基于极微光的警戒摄像机智能图像处理方法及系统，通过将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据，对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，通过与红外图像对比并基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，根据预设警戒模式与物体识别数据生成预警信息。通过本发明能够实现高效精准地识别极微光图像并进行实时预警。

Description

一种基于极微光的警戒摄像机智能图像处理方法及系统

技术领域

本发明涉及图像处理领域，更具体的，涉及一种基于极微光的警戒摄像机智能图像处理方法及系统。

背景技术

微光图像是一种在低照度环境下探测得到的图像，目前在军用夜视、安防、遥感等诸多领域发挥着重要作用。由于探测环境照度低、光线暗，微光图像也不可避免地存在低亮度与低对比度问题，若要精确地还原微光图像，则对图像处理的技术要求较高。

而受制于传统技术，目前的极微光的警戒摄像机难以做到图像的有效增强与智能化识别处理，且现代化技术结合度低，功能较为单一，因此，现在亟需一种基于极微光的警戒摄像机智能图像处理方法。

发明内容

本发明克服了现有技术的缺陷，提出了一种基于极微光的警戒摄像机智能图像处理方法及系统。

本发明第一方面提供了一种基于极微光的警戒摄像机智能图像处理方法，包括：

获取极微光图像数据；

将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据；

对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据；

根据预设警戒模式与物体识别数据生成预警信息。

本方案中，所述获取极微光图像数据，之前包括：

根据警戒监控场景，生成相关物体检索标签；

根据所述检索标签从互联网中进行图像数据检索，并得到图像检索数据；

将所述图像检索数据基于物体类别、属性进行分类与整合，得到物体对比图像数据与对应物体信息；

将所述物体对比图像数据进行轮廓特征与色彩特征提取，得到物体对比轮廓数据与物体对比图像特征数据；

将所述物体对比轮廓数据、物体对比图像特征数据、物体信息进行数据去冗余与数据整合，得到物体特征大数据。

本方案中，所述将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据，具体为：

实时监测并获取警戒区域的极微光图像，并得到极微光图像数据；

根据预设警戒模式，将极微光图像数据进行图像分割得到警戒区域图像数据与非警戒区域图像数据；

将警戒区域图像数据进行灰度转化与图像降噪预处理，得到预处理图像数据。

本方案中，所述对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，具体为：

基于极微光对比度分析，将预处理图像数据进行物体轮廓分析，得到多个物体轮廓区域；

分析多个物体轮廓区域中的对比度数值，若所述对比度数值低于预设对比度，则将对应的物体轮廓区域标记为待增强区域；

将待增强区域中的图像进行对比度增强，并将对比度增强至预设对比度。

本方案中，所述根据预设警戒模式与物体识别数据生成预警信息，具体为：

根据物体轮廓区域对预处理图像数据进行物体轮廓与图像特征提取，得到当前物体轮廓信息与物体图像特征信息；

根据当前物体轮廓信息与物体图像特征信息，在物体特征大数据中进行轮廓特征与图像特征的相似度对比分析；

从物体特征大数据中获取与当前物体轮廓与图像特征相似度最高的物体信息，将所述物体信息作为物体识别数据；

判断物体识别数据中是否存在预设警戒物体，若存在，则实时截取对应极微光图像数据；

根据对应极微光图像数据、物体识别数据、监测时间数据生成预警信息；

将所述预警信息发送至预设终端设备。

本方案中，所述对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，还包括：

获取当前物体轮廓信息与物体图像特征信息；

根据所述当前物体轮廓信息，判断轮廓完整度，若所述轮廓完整度低于预设完整度，则实时获取红外图像数据；

根据当前物体轮廓信息确定物体轮廓范围并标记为第一物体轮廓范围；

将第一物体轮廓范围根据预设比例增大范围并得到第二物体轮廓范围。

本方案中，所述对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，还包括：

基于第二物体轮廓范围，从红外图像数据中进行物体范围红外图像提取，得到物体红外图像数据；

将物体红外图像数据进行目标物体识别与轮廓提取，得到物体红外廓信息；

将物体轮廓信息与物体红外廓信息进行轮廓重合分析并对物体轮廓信息进行轮廓补充修正，得到修正物体轮廓信息；

基于修正物体轮廓信息，在物体特征大数据中进行轮廓特征对比与图像特征识别，得到物体识别数据。

本发明第二方面还提供了一种基于极微光的警戒摄像机智能图像处理系统，该系统包括：存储器、处理器，所述存储器中包括基于极微光的警戒摄像机智能图像处理程序，所述基于极微光的警戒摄像机智能图像处理程序被所述处理器执行时实现如下步骤：

获取极微光图像数据；

将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据；

对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据；

根据预设警戒模式与物体识别数据生成预警信息。

本方案中，所述获取极微光图像数据，之前包括：

根据警戒监控场景，生成相关物体检索标签；

根据所述检索标签从互联网中进行图像数据检索，并得到图像检索数据；

将所述图像检索数据基于物体类别、属性进行分类与整合，得到物体对比图像数据与对应物体信息；

将所述物体对比图像数据进行轮廓特征与色彩特征提取，得到物体对比轮廓数据与物体对比图像特征数据；

将所述物体对比轮廓数据、物体对比图像特征数据、物体信息进行数据去冗余与数据整合，得到物体特征大数据。

本方案中，所述将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据，具体为：

实时监测并获取警戒区域的极微光图像，并得到极微光图像数据；

根据预设警戒模式，将极微光图像数据进行图像分割得到警戒区域图像数据与非警戒区域图像数据；

将警戒区域图像数据进行灰度转化与图像降噪预处理，得到预处理图像数据。

本发明公开了一种基于极微光的警戒摄像机智能图像处理方法及系统，通过将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据，对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，通过与红外图像对比并基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，根据预设警戒模式与物体识别数据生成预警信息。通过本发明能够实现高效精准地识别极微光图像并进行实时预警。

附图说明

图1示出了本发明一种基于极微光的警戒摄像机智能图像处理方法的流程图；

图2示出了本发明获取物体特征大数据流程图；

图3示出了本发明获取预处理图像数据流程图；

图4示出了本发明一种基于极微光的警戒摄像机智能图像处理系统的框图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1示出了本发明一种基于极微光的警戒摄像机智能图像处理方法的流程图。

如图1所示，本发明第一方面提供了一种基于极微光的警戒摄像机智能图像处理方法，包括：

S102，获取极微光图像数据；

S104，将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据；

S106，对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据；

S108，根据预设警戒模式与物体识别数据生成预警信息。

需要说明的是，所述本发明警戒摄像机包括高清摄像装置与红外摄像装置。

图2示出了本发明获取物体特征大数据流程图。

根据本发明实施例，所述获取极微光图像数据，之前包括：

S202，根据警戒监控场景，生成相关物体检索标签；

S204，根据所述检索标签从互联网中进行图像数据检索，并得到图像检索数据；

S206，将所述图像检索数据基于物体类别、属性进行分类与整合，得到物体对比图像数据与对应物体信息；

S208，将所述物体对比图像数据进行轮廓特征与色彩特征提取，得到物体对比轮廓数据与物体对比图像特征数据；

S210，将所述物体对比轮廓数据、物体对比图像特征数据、物体信息进行数据去冗余与数据整合，得到物体特征大数据。

需要说明的是，所述场景包括机场、铁路、港口、航道、边境、岸线、道路卡口、园区等重点点位24小时智能管控区域，不同场景下所对应的相关物体存在差异，如机场、边境相关物体一般为人，航道、道路卡口场景下相关物体一般为船只或者车辆，园区相关物体一般为人或动物。所述得到物体特征大数据中，不同场景下得到物体特征大数据存在差异，通过整合物体特征大数据，能够有助于后续对极微光图像的快速物体识别。所述物体信息包括物体的名称、属性、种类等基本信息。

图3示出了本发明获取预处理图像数据流程图。

根据本发明实施例，所述将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据，具体为：

S302，实时监测并获取警戒区域的极微光图像，并得到极微光图像数据；

S304，根据预设警戒模式，将极微光图像数据进行图像分割得到警戒区域图像数据与非警戒区域图像数据；

S306，将警戒区域图像数据进行灰度转化与图像降噪预处理，得到预处理图像数据。

需要说明的是，当警戒区域出现目标物体时，系统将自动拍照获取相应警戒区域的极微光图像进行物体识别与预警。

根据本发明实施例，所述预设警戒模式包括关闭人体警戒、全屏人体警戒、区域人体警戒、向左越界警戒、向右越界警戒五种模式。当设置为关闭人体警戒时，将无警戒功能，也不可自动拍照；当设置为全屏人体警戒模式时，不在存在警报区和非警报区，所有界面全部为警报区，即警戒区域，显示界面无警戒线和警戒框；当设置为区域人体警戒模式时，用户可选取图像中任意四点，系统将根据所述四点进行连线得到四边形区域，所述四边形区域为警戒区域，其余为非警戒区域；当设置为左向越界警戒模式时，将整个图像显示界面根据警戒线分为警报区（左侧）和非警报区（右侧），物体在右侧非警报区行动时不触发报警拍照，而一旦从非警报区（右侧）中任何一点超过警戒线到达警戒线左边，即警报区（左侧），立刻触发报警拍照并获取相应极微光图像进行分析，警戒线由用户通过选取图像两点进行设定，两点确定的直线为警戒线且延伸到视频边界；当设置为右向越界警戒模式时，将整个图像显示界面根据警戒线分为警报区（右侧）和非警报区（左侧），物体在左侧非警报区行动时不触发报警拍照，而一旦从非警报区中任何一点超过警戒线到达警戒线右边，即警报区，立刻触发报警拍照并获取相应极微光图像进行分析，警戒线由用户通过选取图像两点进行设定，两点确定的直线为警戒线且延伸到视频边界。

根据本发明实施例，所述对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，具体为：

基于极微光对比度分析，将预处理图像数据进行物体轮廓分析，得到多个物体轮廓区域；

分析多个物体轮廓区域中的对比度数值，若所述对比度数值低于预设对比度，则将对应的物体轮廓区域标记为待增强区域；

将待增强区域中的图像进行对比度增强，并将对比度增强至预设对比度。

需要说明的是，所述预设对比度一般为系统自动设置，所述预设对比度在适用图像识别的对比度范围。所述得到多个物体轮廓区域中，系统将根据物体数量得到对应的多个物体轮廓区域，一个物体对应一个物体轮廓区域。

根据本发明实施例，所述根据预设警戒模式与物体识别数据生成预警信息，具体为：

根据物体轮廓区域对预处理图像数据进行物体轮廓与图像特征提取，得到当前物体轮廓信息与物体图像特征信息；

根据当前物体轮廓信息与物体图像特征信息，在物体特征大数据中进行轮廓特征与图像特征的相似度对比分析；

从物体特征大数据中获取与当前物体轮廓与图像特征相似度最高的物体信息，将所述物体信息作为物体识别数据；

判断物体识别数据中是否存在预设警戒物体，若存在，则实时截取对应极微光图像数据；

根据对应极微光图像数据、物体识别数据、监测时间数据生成预警信息；

将所述预警信息发送至预设终端设备。

需要说明的是，所述预设警戒物体一般为用户设定，可以为人、动物、交通工具等。所述预设终端设备包括移动终端设备与计算机终端设备。用户可以通过预警信息掌握警报时间、警报物体、触发警报时对应的图像等信息。

根据本发明实施例，所述对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，还包括：

获取当前物体轮廓信息与物体图像特征信息；

根据所述当前物体轮廓信息，判断轮廓完整度，若所述轮廓完整度低于预设完整度，则实时获取红外图像数据；

根据当前物体轮廓信息确定物体轮廓范围并标记为第一物体轮廓范围；

将第一物体轮廓范围根据预设比例增大范围并得到第二物体轮廓范围。

需要说明的是，所述根据所述当前物体轮廓信息，判断轮廓完整度，若所述轮廓完整度低于预设完整度，则实时获取红外图像数据中，所述红外图像数据为通过红外摄像装置获取，当出现轮廓完整度低于预设完整度时将自动打开并进行图像监测，当未出现轮廓完整度低于预设完整度时将自动关闭，从而减少装置的额外消耗。

根据本发明实施例，所述对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，还包括：

基于第二物体轮廓范围，从红外图像数据中进行物体范围红外图像提取，得到物体红外图像数据；

将物体红外图像数据进行目标物体识别与轮廓提取，得到物体红外廓信息；

将物体轮廓信息与物体红外廓信息进行轮廓重合分析并对物体轮廓信息进行轮廓补充修正，得到修正物体轮廓信息；

基于修正物体轮廓信息，在物体特征大数据中进行轮廓特征对比与图像特征识别，得到物体识别数据。

需要说明的是，所述轮廓完整度具体表示物体的轮廓线条的完整度，所述完整度越低，通过物体特征大数据进行识别的准确率则越低，本发明通过红外图像识别，将基于极微光图像数据的物体轮廓进行补充，能够有效提高后续物体识别率，提高警戒摄像机智能预警能力。所述预设比例一般为10%~20%，而通过扩大范围能够更加完整地识别红外图像的物体轮廓。

根据本发明实施例，还包括：

获取当前极微光图像数据；

对当前极微光图像数据进行分割为N个图像区域；

对N个图像区域进行对比度与亮度数值提取，得到N组数据，每一组数据包括一个图像区域的对比度与亮度数值；

计算出N组数据平均值，得到平均对比度与平均亮度；

获取多组预设数值范围，每组预设数值范围包括对比度数值范围与亮度数值范围，每组预设数值范围对应一个识别灵敏度；

将平均对比度、平均亮度与每一组预设数值范围进行比较，若符合一组预设数值范围，则将当前图像处理系统设置为对应的识别灵敏度。

需要说明的是，所述多组预设数值范围中一般设置3组，而具体预设数值一般由用户进行设定，所述3组预设数值范围分别对应高、中、低三档识别灵敏度，不同的识别灵敏度中，系统对图像的数据处理能力与处理数据的大小也不同，对应的硬件开销也有所差异。例如，在白天亮度较高的环境下，极微光图像的亮度与对比度较高，系统的图像识别率较高，此时，可以通过动态降低识别灵敏度，在保证识别率的同时减少一定的硬件开销，在晚上亮度较低的情况下，极微光图像的亮度与对比度较低，此时可以动态提高识别灵敏度，以提高识别率，从而适应不同的光照环境情况。

根据本发明实施例，还包括：

获取当前极微光图像数据；

获取历史警戒区域图像与历史非警戒区域图像；

将历史警戒区域图像与历史非警戒区域图像进行色彩特征提取得到警戒区域图像特征与非警戒区域图像特征；

对警戒区域图像特征与非警戒区域图像特征进行特征变化分析，得到特征变化信息；

基于特征变化信息，将当前极微光图像数据进行相同特征变化分析，并得到具有相同特征变化的多个图像区域；

将多个图像区域的中点进行相连并生成一条相连线；

将所述相连线作为警戒线，通过所述警戒线划分警戒区域与非警戒区域。

需要说明的是，本发明警戒摄像机中的区域人体警戒、向左越界警戒、向右越界警戒三种模式中，均需要设置警戒线以划分警戒区域与非警戒区域，而警戒线的设置可以为用户设定与系统动态设定。在警戒摄像机实际运用过程中，常常需要移动或变更警戒摄像机的位置，以达到用户监视区域的需求，此时，可以通过本发明动态地设置警戒线，能够提高警戒摄像机的便捷性，减少手动设置的操作。本发明通过对历史警戒区域图像与历史非警戒区域图像进行色彩特征提取，进而能够分析出警戒线中的色彩过渡的变化特征，进一步根据特征变化信息动态地选取警戒线以划分警戒区域，例如，在一些园区内，警戒线往往设置为陆地与河流的分割线作为警戒线，河流区域作为警戒区域，此时，系统通过分析河流与陆地的图像特征变化，进行能够得到警戒线的变化特征，在变更警戒摄像机位置时，能够快速生成新的警戒线以划分警戒区域与非警戒区域。

根据本发明实施例，还包括：

获取当前极微光图像数据；

对当前极微光图像数据分割为N个图像区域；

对N个图像区域进行基于灰度图像的二维信息熵计算，得到N个二维熵；

分析N个图像区域中是否存在极微光变化点，若存在，将极微光变化点所在图像区域进行标记并得到变化点图像区域；

实时获取变化点图像区域对应的二维熵并分析所述二维熵大小变化，若所述二维熵大于预设值，则对变化点图像区域进行实时物体识别得到物体识别数据，并基于警戒线判断物体是否越过警戒区域；

若越过警戒区域则根据预设警戒模式与物体识别数据生成预警信息。

需要说明的是，所述N的大小一般为系统预先设定，用户可根据实际情况进行手动修改设置。N数值越大，图像分割的区域数越多，系统分析图像区域所需硬件资源越多。所述二维熵具体为反映图像信息量与灰度空间分布的数据，进一步能够直接反映图像的特征丰富度。所述变化点图像区域具体为存在某个极微光点的区域，当人或动物等物体在距离警戒摄像机较远距离时，极微光图像中会出现一个极微光点，此时，系统难以识别该点轮廓与图像信息，其所在的变化点图像区域的二维熵较低，特征丰富度也较低，而当物体逐渐靠近警戒摄像机，其对应的二维熵将逐渐增大，系统通过实时计算分析变化点图像区域的二维熵，当所述二维熵大于预设值时，系统将能够实时进行物体识别并判断是否生成预警信息，进一步提高系统的预警能力。

图4示出了本发明一种基于极微光的警戒摄像机智能图像处理系统的框图。

本发明第二方面还提供了一种基于极微光的警戒摄像机智能图像处理系统4，该系统包括：存储器41、处理器42，所述存储器中包括基于极微光的警戒摄像机智能图像处理程序，所述基于极微光的警戒摄像机智能图像处理程序被所述处理器执行时实现如下步骤：

获取极微光图像数据；

将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据；

对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据；

根据预设警戒模式与物体识别数据生成预警信息。

需要说明的是，所述本发明警戒摄像机包括高清摄像装置与红外摄像装置。

根据本发明实施例，所述获取极微光图像数据，之前包括：

根据警戒监控场景，生成相关物体检索标签；

根据所述检索标签从互联网中进行图像数据检索，并得到图像检索数据；

将所述图像检索数据基于物体类别、属性进行分类与整合，得到物体对比图像数据与对应物体信息；

将所述物体对比图像数据进行轮廓特征与色彩特征提取，得到物体对比轮廓数据与物体对比图像特征数据；

将所述物体对比轮廓数据、物体对比图像特征数据、物体信息进行数据去冗余与数据整合，得到物体特征大数据。

需要说明的是，所述场景包括机场、铁路、港口、航道、边境、岸线、道路卡口、园区等重点点位24小时智能管控区域，不同场景下所对应的相关物体存在差异，如机场、边境相关物体一般为人，航道、道路卡口场景下相关物体一般为船只或者车辆，园区相关物体一般为人或动物。所述得到物体特征大数据中，不同场景下得到物体特征大数据存在差异，通过整合物体特征大数据，能够有助于后续对极微光图像的快速物体识别。所述物体信息包括物体的名称、属性、种类等基本信息。

根据本发明实施例，所述将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据，具体为：

实时监测并获取警戒区域的极微光图像，并得到极微光图像数据；

根据预设警戒模式，将极微光图像数据进行图像分割得到警戒区域图像数据与非警戒区域图像数据；

将警戒区域图像数据进行灰度转化与图像降噪预处理，得到预处理图像数据。

需要说明的是，当警戒区域出现目标物体时，系统将自动拍照获取相应警戒区域的极微光图像进行物体识别与预警。

根据本发明实施例，所述预设警戒模式包括关闭人体警戒、全屏人体警戒、区域人体警戒、向左越界警戒、向右越界警戒五种模式。当设置为关闭人体警戒时，将无警戒功能，也不可自动拍照；当设置为全屏人体警戒模式时，不在存在警报区和非警报区，所有界面全部为警报区，即警戒区域，显示界面无警戒线和警戒框；当设置为区域人体警戒模式时，用户可选取图像中任意四点，系统将根据所述四点进行连线得到四边形区域，所述四边形区域为警戒区域，其余为非警戒区域；当设置为左向越界警戒模式时，将整个图像显示界面根据警戒线分为警报区（左侧）和非警报区（右侧），物体在右侧非警报区行动时不触发报警拍照，而一旦从非警报区（右侧）中任何一点超过警戒线到达警戒线左边，即警报区（左侧），立刻触发报警拍照并获取相应极微光图像进行分析，警戒线由用户通过选取图像两点进行设定，两点确定的直线为警戒线且延伸到视频边界；当设置为右向越界警戒模式时，将整个图像显示界面根据警戒线分为警报区（右侧）和非警报区（左侧），物体在左侧非警报区行动时不触发报警拍照，而一旦从非警报区中任何一点超过警戒线到达警戒线右边，即警报区，立刻触发报警拍照并获取相应极微光图像进行分析，警戒线由用户通过选取图像两点进行设定，两点确定的直线为警戒线且延伸到视频边界。

根据本发明实施例，所述对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，具体为：

基于极微光对比度分析，将预处理图像数据进行物体轮廓分析，得到多个物体轮廓区域；

分析多个物体轮廓区域中的对比度数值，若所述对比度数值低于预设对比度，则将对应的物体轮廓区域标记为待增强区域；

将待增强区域中的图像进行对比度增强，并将对比度增强至预设对比度。

需要说明的是，所述预设对比度一般为系统自动设置，所述预设对比度在适用图像识别的对比度范围。所述得到多个物体轮廓区域中，系统将根据物体数量得到对应的多个物体轮廓区域，一个物体对应一个物体轮廓区域。

根据本发明实施例，所述根据预设警戒模式与物体识别数据生成预警信息，具体为：

根据物体轮廓区域对预处理图像数据进行物体轮廓与图像特征提取，得到当前物体轮廓信息与物体图像特征信息；

根据当前物体轮廓信息与物体图像特征信息，在物体特征大数据中进行轮廓特征与图像特征的相似度对比分析；

从物体特征大数据中获取与当前物体轮廓与图像特征相似度最高的物体信息，将所述物体信息作为物体识别数据；

判断物体识别数据中是否存在预设警戒物体，若存在，则实时截取对应极微光图像数据；

根据对应极微光图像数据、物体识别数据、监测时间数据生成预警信息；

将所述预警信息发送至预设终端设备。

需要说明的是，所述预设警戒物体一般为用户设定，可以为人、动物、交通工具等。所述预设终端设备包括移动终端设备与计算机终端设备。用户可以通过预警信息掌握警报时间、警报物体、触发警报时对应的图像等信息。

根据本发明实施例，所述对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，还包括：

获取当前物体轮廓信息与物体图像特征信息；

根据所述当前物体轮廓信息，判断轮廓完整度，若所述轮廓完整度低于预设完整度，则实时获取红外图像数据；

根据当前物体轮廓信息确定物体轮廓范围并标记为第一物体轮廓范围；

将第一物体轮廓范围根据预设比例增大范围并得到第二物体轮廓范围。

需要说明的是，所述根据所述当前物体轮廓信息，判断轮廓完整度，若所述轮廓完整度低于预设完整度，则实时获取红外图像数据中，所述红外图像数据为通过红外摄像装置获取，当出现轮廓完整度低于预设完整度时将自动打开并进行图像监测，当未出现轮廓完整度低于预设完整度时将自动关闭，从而减少装置的额外消耗。

根据本发明实施例，所述对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，还包括：

基于第二物体轮廓范围，从红外图像数据中进行物体范围红外图像提取，得到物体红外图像数据；

将物体红外图像数据进行目标物体识别与轮廓提取，得到物体红外廓信息；

将物体轮廓信息与物体红外廓信息进行轮廓重合分析并对物体轮廓信息进行轮廓补充修正，得到修正物体轮廓信息；

基于修正物体轮廓信息，在物体特征大数据中进行轮廓特征对比与图像特征识别，得到物体识别数据。

需要说明的是，所述轮廓完整度具体表示物体的轮廓线条的完整度，所述完整度越低，通过物体特征大数据进行识别的准确率则越低，本发明通过红外图像识别，将基于极微光图像数据的物体轮廓进行补充，能够有效提高后续物体识别率，提高警戒摄像机智能预警能力。所述预设比例一般为10%~20%，而通过扩大范围能够更加完整地识别红外图像的物体轮廓。

根据本发明实施例，还包括：

获取当前极微光图像数据；

对当前极微光图像数据进行分割为N个图像区域；

对N个图像区域进行对比度与亮度数值提取，得到N组数据，每一组数据包括一个图像区域的对比度与亮度数值；

计算出N组数据平均值，得到平均对比度与平均亮度；

获取多组预设数值范围，每组预设数值范围包括对比度数值范围与亮度数值范围，每组预设数值范围对应一个识别灵敏度；

将平均对比度、平均亮度与每一组预设数值范围进行比较，若符合一组预设数值范围，则将当前图像处理系统设置为对应的识别灵敏度。

需要说明的是，所述多组预设数值范围中一般设置3组，而具体预设数值一般由用户进行设定，所述3组预设数值范围分别对应高、中、低三档识别灵敏度，不同的识别灵敏度中，系统对图像的数据处理能力与处理数据的大小也不同，对应的硬件开销也有所差异。例如，在白天亮度较高的环境下，极微光图像的亮度与对比度较高，系统的图像识别率较高，此时，可以通过动态降低识别灵敏度，在保证识别率的同时减少一定的硬件开销，在晚上亮度较低的情况下，极微光图像的亮度与对比度较低，此时可以动态提高识别灵敏度，以提高识别率，从而适应不同的光照环境情况。

根据本发明实施例，还包括：

获取当前极微光图像数据；

对当前极微光图像数据分割为N个图像区域；

对N个图像区域进行基于灰度图像的二维信息熵计算，得到N个二维熵；

分析N个图像区域中是否存在极微光变化点，若存在，将极微光变化点所在图像区域进行标记并得到变化点图像区域；

实时获取变化点图像区域对应的二维熵并分析所述二维熵大小变化，若所述二维熵大于预设值，则对变化点图像区域进行实时物体识别得到物体识别数据，并基于警戒线判断物体是否越过警戒区域；

若越过警戒区域则根据预设警戒模式与物体识别数据生成预警信息。

需要说明的是，所述N的大小一般为系统预先设定，用户可根据实际情况进行手动修改设置。N数值越大，图像分割的区域数越多，系统分析图像区域所需硬件资源越多。所述二维熵具体为反映图像信息量与灰度空间分布的数据，进一步能够直接反映图像的特征丰富度。所述变化点图像区域具体为存在某个极微光点的区域，当人或动物等物体在距离警戒摄像机较远距离时，极微光图像中会出现一个极微光点，此时，系统难以识别该点轮廓与图像信息，其所在的变化点图像区域的二维熵较低，特征丰富度也较低，而当物体逐渐靠近警戒摄像机，其对应的二维熵将逐渐增大，系统通过实时计算分析变化点图像区域的二维熵，当所述二维熵大于预设值时，系统将能够实时进行物体识别并判断是否生成预警信息，进一步提高系统的预警能力。

本发明公开了一种基于极微光的警戒摄像机智能图像处理方法及系统，通过将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据，对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，通过与红外图像对比并基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，根据预设警戒模式与物体识别数据生成预警信息。通过本发明能够实现高效精准地识别极微光图像并进行实时预警。

在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、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。

或者，本发明上述集成的单元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，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献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）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于极微光的警戒摄像机智能图像处理方法，其特征在于，包括：

获取极微光图像数据；

将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据；

对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据；

根据预设警戒模式与物体识别数据生成预警信息。

2.根据权利要求1所述的一种基于极微光的警戒摄像机智能图像处理方法，其特征在于，所述获取极微光图像数据，之前包括：

根据警戒监控场景，生成相关物体检索标签；

根据所述检索标签从互联网中进行图像数据检索，并得到图像检索数据；

将所述图像检索数据基于物体类别、属性进行分类与整合，得到物体对比图像数据与对应物体信息；

将所述物体对比图像数据进行轮廓特征与色彩特征提取，得到物体对比轮廓数据与物体对比图像特征数据；

将所述物体对比轮廓数据、物体对比图像特征数据、物体信息进行数据去冗余与数据整合，得到物体特征大数据。

3.根据权利要求1所述的一种基于极微光的警戒摄像机智能图像处理方法，其特征在于，所述将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据，具体为：

实时监测并获取警戒区域的极微光图像，并得到极微光图像数据；

根据预设警戒模式，将极微光图像数据进行图像分割得到警戒区域图像数据与非警戒区域图像数据；

将警戒区域图像数据进行灰度转化与图像降噪预处理，得到预处理图像数据。

4.根据权利要求1所述的一种基于极微光的警戒摄像机智能图像处理方法，其特征在于，所述对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，具体为：

基于极微光对比度分析，将预处理图像数据进行物体轮廓分析，得到多个物体轮廓区域；

分析多个物体轮廓区域中的对比度数值，若所述对比度数值低于预设对比度，则将对应的物体轮廓区域标记为待增强区域；

将待增强区域中的图像进行对比度增强，并将对比度增强至预设对比度。

5.根据权利要求1所述的一种基于极微光的警戒摄像机智能图像处理方法，其特征在于，所述根据预设警戒模式与物体识别数据生成预警信息，具体为：

根据物体轮廓区域对预处理图像数据进行物体轮廓与图像特征提取，得到当前物体轮廓信息与物体图像特征信息；

根据当前物体轮廓信息与物体图像特征信息，在物体特征大数据中进行轮廓特征与图像特征的相似度对比分析；

从物体特征大数据中获取与当前物体轮廓与图像特征相似度最高的物体信息，将所述物体信息作为物体识别数据；

判断物体识别数据中是否存在预设警戒物体，若存在，则实时截取对应极微光图像数据；

根据对应极微光图像数据、物体识别数据、监测时间数据生成预警信息；

将所述预警信息发送至预设终端设备。

6.根据权利要求5所述的一种基于极微光的警戒摄像机智能图像处理方法，其特征在于，所述对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，还包括：

获取当前物体轮廓信息与物体图像特征信息；

根据所述当前物体轮廓信息，判断轮廓完整度，若所述轮廓完整度低于预设完整度，则实时获取红外图像数据；

根据当前物体轮廓信息确定物体轮廓范围并标记为第一物体轮廓范围；

将第一物体轮廓范围根据预设比例增大范围并得到第二物体轮廓范围。

7.根据权利要求6所述的一种基于极微光的警戒摄像机智能图像处理方法，其特征在于，所述对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据，还包括：

基于第二物体轮廓范围，从红外图像数据中进行物体范围红外图像提取，得到物体红外图像数据；

将物体红外图像数据进行目标物体识别与轮廓提取，得到物体红外廓信息；

将物体轮廓信息与物体红外廓信息进行轮廓重合分析并对物体轮廓信息进行轮廓补充修正，得到修正物体轮廓信息；

基于修正物体轮廓信息，在物体特征大数据中进行轮廓特征对比与图像特征识别，得到物体识别数据。

8.一种基于极微光的警戒摄像机智能图像处理系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括基于极微光的警戒摄像机智能图像处理程序，所述基于极微光的警戒摄像机智能图像处理程序被所述处理器执行时实现如下步骤：

获取极微光图像数据；

将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据；

对预处理图像数据进行物体轮廓特征提取，得到物体轮廓信息，基于物体特征大数据，将物体轮廓信息进行匹配分析得到物体识别数据；

根据预设警戒模式与物体识别数据生成预警信息。

9.根据权利要求8所述的一种基于极微光的警戒摄像机智能图像处理系统，其特征在于，所述获取极微光图像数据，之前包括：

根据警戒监控场景，生成相关物体检索标签；

根据所述检索标签从互联网中进行图像数据检索，并得到图像检索数据；

将所述图像检索数据基于物体类别、属性进行分类与整合，得到物体对比图像数据与对应物体信息；

将所述物体对比图像数据进行轮廓特征与色彩特征提取，得到物体对比轮廓数据与物体对比图像特征数据；

将所述物体对比轮廓数据、物体对比图像特征数据、物体信息进行数据去冗余与数据整合，得到物体特征大数据。

10.根据权利要求8所述的一种基于极微光的警戒摄像机智能图像处理系统，其特征在于，所述将极微光图像数据进行图像分割、对比增强、降噪预处理，得到预处理图像数据，具体为：

实时监测并获取警戒区域的极微光图像，并得到极微光图像数据；

根据预设警戒模式，将极微光图像数据进行图像分割得到警戒区域图像数据与非警戒区域图像数据；

将警戒区域图像数据进行灰度转化与图像降噪预处理，得到预处理图像数据。

Images