CN116193242B - 一种摄像装置图像解析与传输方法 - Google Patents
一种摄像装置图像解析与传输方法 Download PDFInfo
- Publication number
- CN116193242B CN116193242B CN202310448449.3A CN202310448449A CN116193242B CN 116193242 B CN116193242 B CN 116193242B CN 202310448449 A CN202310448449 A CN 202310448449A CN 116193242 B CN116193242 B CN 116193242B
- Authority
- CN
- China
- Prior art keywords
- image
- compression mode
- light intensity
- determining
- real
- 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
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/146—Data rate or code amount at the encoder output
- H04N19/149—Data rate or code amount at the encoder output by estimating the code amount by means of a model, e.g. mathematical model or statistical model
Landscapes
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明提供一种摄像装置图像解析与传输方法,属于摄像装置技术领域,具体包括:利用摄像装置的图像传输通道的运行状态和实时光线强度确定需要进行识别图像的判断时,当实时光线强度不能满足要求时,采用LoG检测算子对所述摄像装置的图像进行特征点的提取,并利用特征点的尺度信息进行图像特征向量的提取并确定图像是否为识别图像;当图像不是识别图像时,基于实时光线强度、所述图像特征向量、摄像装置的安装位置确定图像压缩方式,当为第二压缩方式或者图像为识别图像时,基于RNN算法进行RNN编码器的构建,并基于RNN编码器对所述图像进行压缩并传输,从而实现了对图像解析和传输的效率和准确性。
Description
技术领域
本发明属于摄像装置技术领域,尤其涉及一种摄像装置图像解析与传输方法。
背景技术
为了实现对摄像装置的图像解析,并根据图像解析结果进行数据传输,在发明专利CN112533029B《一种视频分时传输方法、摄像装置、系统和存储介质》中通过响应于待传输视频帧的类型,并当满足对当前待传输视频帧进行传输的条件时将当前待传输视频帧传输至外部设备;若不满足对当前待传输视频帧进行传输的条件,则在传输避让时段对当前待传输视频帧进行缓存,但是却存在以下技术问题:
1、忽视了结合摄像装置的光线情况进行视频帧的图像压缩方式的确认,现有的图像压缩方式通过小波变换的方式进行图像的压缩,但是当摄像装置的光线较差时,此时的图像质量已经较差,若采用上述的图像压缩方式,则有可能导致最终的监控图像的图像质量无法得到保证。
2、忽视了结合图像的图像特征值的情况进行视频帧的图像压缩方式的确认,在实际的操作过程中,监控图像大部分状态下往往是保持不变的,因此若仅仅依靠光线的情况而不结合图像的特征值,则同样无法在保证图像的传输的时效性的基础上,实现对关键的视频帧的高质量传输。
针对上述技术问题,本发明提供了一种摄像装置图像解析与传输方法。
发明内容
为实现本发明目的,本发明采用如下技术方案:
根据本发明的一个方面,提供了一种摄像装置图像解析与传输方法。
一种摄像装置图像解析与传输方法,其特征在于,具体包括:
S11利用摄像装置的图像传输通道的运行状态和实时光线强度确定是否需要进行识别图像的判断,若是,则进入步骤S12,若否,则采用第二压缩方式并进入步骤S14;
S12当所述实时光线强度不能满足要求时,采用LoG检测算子对所述摄像装置的图像进行特征点的提取,并利用所述特征点的尺度信息进行图像特征向量的提取并确定所述图像是否为识别图像;当实时光线强度满足要求时,利用HOG特征进行所述图像的HOG特征向量的确定并确定所述图像是否为识别图像;
S13当所述图像不是识别图像时,基于所述实时光线强度、所述图像特征向量、摄像装置的安装位置确定图像压缩方式,所述图像压缩方式包括第一压缩方式和第二压缩方式,当采用第一压缩方式时,利用小波变换对所述图像进行压缩并传输;
S14当为第二压缩方式或者图像为识别图像时,基于RNN算法进行RNN编码器的构建,并基于所述RNN编码器对所述图像进行压缩并传输。
另一方面,本发明提供了一种摄像装置,采用上述一种摄像装置的图像解析与传输方法,其特征在于,具体包括:
识别图像确定模块;图像压缩方式确定模块;图像传输模块;
其中所述识别图像确定模块负责当所述实时光线强度不能满足要求时,采用LoG检测算子对所述摄像装置的图像进行特征点的提取,并利用所述特征点的尺度信息进行图像特征向量的提取并确定所述图像是否为识别图像;当实时光线强度满足要求时,利用HOG特征进行所述图像的HOG特征向量的确定并确定所述图像是否为识别图像;
所述图像压缩方式确定模块负责当所述图像不是识别图像时,基于所述实时光线强度、所述图像特征向量、摄像装置的安装位置确定图像压缩方式;
所述图像传输模块负责当采用第一压缩方式时,利用小波变换对所述图像进行压缩并传输;当为第二压缩方式或者图像为识别图像时,基于RNN算法进行RNN编码器的构建,并基于所述RNN编码器对所述图像进行压缩并传输。
另一方面,本发明提供了一种计算机存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的一种摄像装置的图像解析与传输方法。
本发明的有益效果在于:
通过利用图像传输通道的运行状态和实时光照强度进行是否需要进行识别图像的判断,从而实现了从图像传输通道的拥堵状态以及光照强度的不同进行识别图像的判断需要的确定,提升了数据处理和传输的效率。
在实时光照强度不能满足要求时,通过利用LoG检测算子进行特征点的提取,并根据图像特征向量进行识别图像的判断,而在光照强度满足要求时,基于HOG特征进行所述图像的HOG特征向量的确定并确定所述图像是否为识别图像,从而实现了在不同的光照强度条件下对图像处理方式的区别,保证了光照强度较弱的情况下的识别图像识别的准确性,同时也保证了光照强度较强的情况下的识别图像的识别的效率。
通过根据图像压缩方式以及光照强度、识别图像的差异,实现对图像压缩方式的确定,在保证光照强度较差的条件下的图像的清晰度的基础上,同时也保证了图像传输的效率和稳定性。
其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
通过参照附图详细描述其示例实施方式,本发明的上述和其它特征及优点将变得更加明显;
图1是根据实施例1的一种摄像装置图像解析与传输方法的流程图;
图2是根据实施例1的图像传输通道的运行状态判断的具体步骤的流程图;
图3是根据实施例1的图像特征向量确定的方法的流程图;
图4是根据实施例1的图像压缩方式确定的具体步骤的流程图;
图5是根据实施例3的一种计算机存储介质的框架图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书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说明书一部分实施例,而不是全部的实施例。基于本说明书实施例,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,都应当属于本说明书保护的范围。
实施例1
为解决上述问题,根据本发明的一个方面,如图1所示,提供了根据本发明的一个方面,提供了一种摄像装置图像解析与传输方法,其特征在于,具体包括:
S11利用摄像装置的图像传输通道的运行状态和实时光线强度确定是否需要进行识别图像的判断,若是,则进入步骤S12,若否,则采用第二压缩方式并进入步骤S14;
需要说明的是,所述图像传输通道的运行状态根据所述图像传输通道的时延,吞吐量、丢包率进行确定。
具体的举例说明,依据图2所示,所述图像传输通道的运行状态判断的具体步骤为:
S21获取所述图像传输通道的筛选时间内的吞吐量,并基于所述吞吐量确定所述图像传输通道是否处于堵塞状态,若是,则进入步骤S22,若否,则进入步骤S24;
S22获取所述图像传输通道的筛选时间内的时延,并基于所述时延确定所述图像传输通道是否处于堵塞状态,若是,则确定处于堵塞状态,若否,则进入步骤S23;
S23获取所述图像传输通道的筛选时间内的丢包率,并基于所述丢包率确定所述图像传输通道是否处于堵塞状态,若是,则确定处于堵塞状态,若否,则进入步骤S24;
S24基于所述图像传输通道的筛选时间内的时延,吞吐量、丢包率构建综合评价系数,并基于所述综合评价系数确定是否处于堵塞状态。
可以理解的是,利用摄像装置的图像传输通道的运行状态和实时光线强度确定是否需要进行识别图像的判断,具体包括:
当所述摄像装置的图像传输通道的运行状态处于堵塞状态时,需要进行识别图像的判断;
当所述摄像装置的图像传输通道的运行状态处于非堵塞状态时,且实时光线强度小于设定光线强度时,则无需进行识别图像的判断;
当所述摄像装置的图像传输通道的运行状态处于非堵塞状态时,且实时光线强度不小于设定光线强度时,需要根据所述综合评价系数和实时光线强度进行是否需要进行识别图像的判断。
可以理解的是,根据所述综合评价系数和实时光线强度进行是否需要进行识别图像的判断,具体包括:
基于所述综合评价系数和实时光线强度进行识别图像特征值的构建,其中所述综合评价系数越大,所述实时光线强度越小,则所述识别图像特征值越大,并当所述识别图像特征值大于设计值时,则确定需要进行识别图像的判断。
在本实施例中,通过利用图像传输通道的运行状态和实时光照强度进行是否需要进行识别图像的判断,从而实现了从图像传输通道的拥堵状态以及光照强度的不同进行识别图像的判断需要的确定,提升了数据处理和传输的效率。
S12当所述实时光线强度不能满足要求时,采用LoG检测算子对所述摄像装置的图像进行特征点的提取,并利用所述特征点的尺度信息进行图像特征向量的提取并确定所述图像是否为识别图像;当实时光线强度满足要求时,利用HOG特征进行所述图像的HOG特征向量的确定并确定所述图像是否为识别图像;
需要说明的是,具体的如图3所示,所述图像特征向量确定的方法为:
S31对所述图像用cornerHarris函数构建尺度空间,然后在所述尺度空间上进行拉普拉斯运算得到处理后的尺度空间,并利用Canny算子进行边缘检测得到所述处理后的尺度空间的二阶导数为零的特征点以及所述特征点的尺度信息;
S32根据特征点的尺度信息构建高斯尺度空间,以所述特征点为中心建立规则格网区域;
S33利用所述规则格网区域的像素点的梯度值及方向通过高斯函数进行加权处理得到所述规则格网区域的梯度信息,并基于所述梯度信息进行图像特征向量的构建。
具体的举例说明,确定所述图像是否为识别图像,具体包括:
基于马氏距离函数确定所述图像特征向量或者HOG特征向量与匹配图像的所述图像特征向量或者HOG特征向量的相似度,并基于所述相似度进行识别图像的识别,其中所述匹配图像根据所述摄像装置的监控对象的环境图像进行确定。
在本实施例中,在实时光照强度不能满足要求时,通过利用LoG检测算子进行特征点的提取,并根据图像特征向量进行识别图像的判断,而在光照强度满足要求时,基于HOG特征进行所述图像的HOG特征向量的确定并确定所述图像是否为识别图像,从而实现了在不同的光照强度条件下对图像处理方式的区别,保证了光照强度较弱的情况下的识别图像识别的准确性,同时也保证了光照强度较强的情况下的识别图像的识别的效率。
S13当所述图像不是识别图像时,基于所述实时光线强度、所述图像特征向量、摄像装置的安装位置确定图像压缩方式,所述图像压缩方式包括第一压缩方式和第二压缩方式,当采用第一压缩方式时,利用小波变换对所述图像进行压缩并传输;
可以理解的是,如图4所示,图像压缩方式确定的具体步骤为:
S41基于所述实时光线强度确定是否需要采用第二压缩方式,若是,则确定所述图像压缩方式为第二压缩方式,若否,则进入步骤S42;
可以理解的是,当实时光照强度较差时,则确定所述图像压缩方式为第二压缩方式。
S42基于所述实时光线强度确定是否需要采用第一压缩方式,若是,则确定所述图像压缩方式为第一压缩方式,若否,则进入步骤S43;
可以理解的是,当实时光照强度较好时,则确定所述图像压缩方式为第一压缩方式。
S43基于所述摄像装置的安装位置确定是否需要采用第二压缩方式,若是,则确定所述图像压缩方式为第二压缩方式,若否,则进入步骤S44;
可以理解的是,当摄像装置的安装位置为门口、重要物资等清晰度要求较高的安装位置时,则确定所述图像压缩方式为第二压缩方式。
S44基于所述摄像装置的图像的所述图像特征向量确定是否需要采用第二压缩方式,若是,则确定所述图像压缩方式为第二压缩方式,若否,则进入步骤S45;
其中图像特征向量的相似度不高时,但是按照原有的相似度阈值仍将其作为不为识别图像,此时为了保证可靠性,确定所述图像压缩方式为第二压缩方式。
S45基于所述摄像装置的所述实时光线强度、安装位置、图像的所述图像特征向量进行压缩特征量的确定,并基于所述压缩特征量进行压缩方式的确定。
可以理解的是,图像特征量综合反映了实时光线强度、安装位置、图像的所述图像特征向量三方面的影响,其中图像特征向量的相似度不高时,但是按照原有的相似度阈值仍将其作为不为识别图像,此时仍可以根据实时光照强度和安装位置进行压缩方式的确定。
S14当为第二压缩方式或者图像为识别图像时,基于RNN算法进行RNN编码器的构建,并基于所述RNN编码器对所述图像进行压缩并传输。
可以理解的是,采用RNN算法的RNN编码器对图像的细节特征的保存的可靠性较好,因此若按照此种RNN编码器,可以实现对图像的基本无损的传输,但是对于数据传输通道的压力较大。
在本实施例中,通过根据图像压缩方式以及光照强度、识别图像的差异,实现对图像压缩方式的确定,在保证光照强度较差的条件下的图像的清晰度的基础上,同时也保证了图像传输的效率和稳定性。
实施例2
另一方面,本发明提供了一种摄像装置,采用上述一种摄像装置的图像解析与传输方法,其特征在于,具体包括:
识别图像确定模块;图像压缩方式确定模块;图像传输模块;
其中所述识别图像确定模块负责当所述实时光线强度不能满足要求时,采用LoG检测算子对所述摄像装置的图像进行特征点的提取,并利用所述特征点的尺度信息进行图像特征向量的提取并确定所述图像是否为识别图像;当实时光线强度满足要求时,利用HOG特征进行所述图像的HOG特征向量的确定并确定所述图像是否为识别图像;
需要说明的是,基于图像特征向量确定所述图像是否为识别图像,具体包括:
S31对所述图像用cornerHarris函数构建尺度空间,然后在所述尺度空间上进行拉普拉斯运算得到处理后的尺度空间,并利用Canny算子进行边缘检测得到所述处理后的尺度空间的二阶导数为零的特征点以及所述特征点的尺度信息;
S32根据特征点的尺度信息构建高斯尺度空间,以所述特征点为中心建立规则格网区域;
S33利用所述规则格网区域的像素点的梯度值及方向通过高斯函数进行加权处理得到所述规则格网区域的梯度信息,并基于所述梯度信息进行图像特征向量的构建;
基于马氏距离函数确定所述图像特征向量与匹配图像的所述图像特征向量的相似度,并基于所述相似度进行识别图像的识别,其中所述匹配图像根据所述摄像装置的监控对象的环境图像进行确定。
可以理解的是,摄像装置的监控环境的环境图像本质上为在没有物体移动时,其最常见的监控图像,也即是其背景图像,该背景图像按照一定的时间定时更新,也可以根据识别图像的数量确定是否进行更新。
所述图像压缩方式确定模块负责当所述图像不是识别图像时,基于所述实时光线强度、所述图像特征向量、摄像装置的安装位置确定图像压缩方式;
所述图像传输模块负责当采用第一压缩方式时,利用小波变换对所述图像进行压缩并传输;当为第二压缩方式或者图像为识别图像时,基于RNN算法进行RNN编码器的构建,并基于所述RNN编码器对所述图像进行压缩并传输。
实施例3
如图5所示,本发明提供了一种计算机存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行上述的一种摄像装置的图像解析与传输方法。
可以理解的是,上述的一种摄像装置的图像解析与传输方法,具体包括:
利用摄像装置的图像传输通道的运行状态和实时光线强度确定需要进行识别图像的判断时进入下一步骤;
当所述实时光线强度不能满足要求时,采用LoG检测算子对所述摄像装置的图像进行特征点的提取,并利用所述特征点的尺度信息进行图像特征向量的提取并确定所述图像是否为识别图像;
当所述图像不是识别图像时,基于所述实时光线强度、所述图像特征向量、摄像装置的安装位置确定图像压缩方式,所述图像压缩方式包括第一压缩方式和第二压缩方式,当采用第一压缩方式时,利用小波变换对所述图像进行压缩并传输;
当为第二压缩方式或者图像为识别图像时,基于RNN算法进行RNN编码器的构建,并基于所述RNN编码器对所述图像进行压缩并传输。
具体的,利用摄像装置的图像传输通道的运行状态和实时光线强度确定需要进行识别图像的判断,具体包括:
当所述摄像装置的图像传输通道的运行状态处于堵塞状态时,需要进行识别图像的判断;
当所述摄像装置的图像传输通道的运行状态处于非堵塞状态时,且实时光线强度小于设定光线强度时,则无需进行识别图像的判断;
当所述摄像装置的图像传输通道的运行状态处于非堵塞状态时,且实时光线强度不小于设定光线强度时,需要根据所述综合评价系数和实时光线强度进行是否需要进行识别图像的判断。
本说明书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,对于装置、设备、非易失性计算机存储介质实施例而言,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。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (10)
1.一种摄像装置图像解析与传输方法,其特征在于,具体包括:
S11利用摄像装置的图像传输通道的运行状态和实时光线强度确定是否需要进行识别图像的判断,若是,则进入步骤S12,若否,则采用第二压缩方式并进入步骤S14;
S12当所述实时光线强度不能满足要求时,采用LoG检测算子对所述摄像装置的图像进行特征点的提取,并利用所述特征点的尺度信息进行图像特征向量的提取并确定所述图像是否为识别图像;当实时光线强度满足要求时,利用HOG特征进行所述图像的HOG特征向量的确定并确定所述图像是否为识别图像;
S13当所述图像不是识别图像时,基于所述实时光线强度、所述图像特征向量、摄像装置的安装位置确定图像压缩方式,所述图像压缩方式包括第一压缩方式和第二压缩方式,当采用第一压缩方式时,利用小波变换对所述图像进行压缩并传输;
S14当为第二压缩方式或者图像为识别图像时,基于RNN算法进行RNN编码器的构建,并基于所述RNN编码器对所述图像进行压缩并传输。
2.如权利要求1所述的一种摄像装置图像解析与传输方法,其特征在于,所述图像传输通道的运行状态根据所述图像传输通道的时延,吞吐量、丢包率进行确定。
3.如权利要求2所述的一种摄像装置图像解析与传输方法,其特征在于,所述图像传输通道的运行状态判断的具体步骤为:
S21获取所述图像传输通道的筛选时间内的吞吐量,并基于所述吞吐量确定所述图像传输通道是否处于堵塞状态,若是,则进入步骤S22,若否,则进入步骤S24;
S22获取所述图像传输通道的筛选时间内的时延,并基于所述时延确定所述图像传输通道是否处于堵塞状态,若是,则确定处于堵塞状态,若否,则进入步骤S23;
S23获取所述图像传输通道的筛选时间内的丢包率,并基于所述丢包率确定所述图像传输通道是否处于堵塞状态,若是,则确定处于堵塞状态,若否,则进入步骤S24;
S24基于所述图像传输通道的筛选时间内的时延,吞吐量、丢包率构建综合评价系数,并基于所述综合评价系数确定是否处于堵塞状态。
4.如权利要求3所述的一种摄像装置图像解析与传输方法,其特征在于,利用摄像装置的图像传输通道的运行状态和实时光线强度确定是否需要进行识别图像的判断,具体包括:
当所述摄像装置的图像传输通道的运行状态处于堵塞状态时,需要进行识别图像的判断;
当所述摄像装置的图像传输通道的运行状态处于非堵塞状态时,且实时光线强度小于设定光线强度时,则无需进行识别图像的判断;
当所述摄像装置的图像传输通道的运行状态处于非堵塞状态时,且实时光线强度不小于设定光线强度时,需要根据所述综合评价系数和实时光线强度进行是否需要进行识别图像的判断。
5.如权利要求4所述的一种摄像装置图像解析与传输方法,其特征在于,根据所述综合评价系数和实时光线强度进行是否需要进行识别图像的判断,具体包括:
基于所述综合评价系数和实时光线强度进行识别图像特征值的构建,其中所述综合评价系数越大,所述实时光线强度越小,则所述识别图像特征值越大,并当所述识别图像特征值大于设计值时,则确定需要进行识别图像的判断。
6.如权利要求1所述的一种摄像装置图像解析与传输方法,其特征在于,所述图像特征向量确定的方法为:
对所述图像用cornerHarris函数构建尺度空间,然后在所述尺度空间上进行拉普拉斯运算得到处理后的尺度空间,并利用Canny算子进行边缘检测得到所述处理后的尺度空间的二阶导数为零的特征点以及所述特征点的尺度信息;
根据特征点的尺度信息构建高斯尺度空间,以所述特征点为中心建立规则格网区域;
利用所述规则格网区域的像素点的梯度值及方向通过高斯函数进行加权处理得到所述规则格网区域的梯度信息,并基于所述梯度信息进行图像特征向量的构建。
7.如权利要求1所述的一种摄像装置图像解析与传输方法,其特征在于,确定所述图像是否为识别图像,具体包括:
基于马氏距离函数确定所述图像特征向量或者HOG特征向量与匹配图像的所述图像特征向量或者HOG特征向量的相似度,并基于所述相似度进行识别图像的识别,其中所述匹配图像根据所述摄像装置的监控对象的环境图像进行确定。
8.如权利要求1所述的一种摄像装置图像解析与传输方法,其特征在于,图像压缩方式确定的具体步骤为:
基于所述实时光线强度确定是否需要采用第二压缩方式,若是,则确定所述图像压缩方式为第二压缩方式,若否,则进入下一步骤;
基于所述实时光线强度确定是否需要采用第一压缩方式,若是,则确定所述图像压缩方式为第一压缩方式,若否,则进入下一步骤;
基于所述摄像装置的安装位置确定是否需要采用第二压缩方式,若是,则确定所述图像压缩方式为第二压缩方式,若否,则进入下一步骤;
基于所述摄像装置的图像的所述图像特征向量确定是否需要采用第二压缩方式,若是,则确定所述图像压缩方式为第二压缩方式,若否,则进入下一步骤;
基于所述摄像装置的所述实时光线强度、安装位置、图像的所述图像特征向量进行压缩特征量的确定,并基于所述压缩特征量进行压缩方式的确定。
9.一种摄像装置,采用权利要求1-8任一项所述的一种摄像装置的图像解析与传输方法,其特征在于,具体包括:
识别图像确定模块;图像压缩方式确定模块;图像传输模块;
其中所述识别图像确定模块负责当所述实时光线强度不能满足要求时,采用LoG检测算子对所述摄像装置的图像进行特征点的提取,并利用所述特征点的尺度信息进行图像特征向量的提取并确定所述图像是否为识别图像;当实时光线强度满足要求时,利用HOG特征进行所述图像的HOG特征向量的确定并确定所述图像是否为识别图像;
所述图像压缩方式确定模块负责当所述图像不是识别图像时,基于所述实时光线强度、所述图像特征向量、摄像装置的安装位置确定图像压缩方式;
所述图像传输模块负责当采用第一压缩方式时,利用小波变换对所述图像进行压缩并传输;当为第二压缩方式或者图像为识别图像时,基于RNN算法进行RNN编码器的构建,并基于所述RNN编码器对所述图像进行压缩并传输。
10.一种计算机存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行权利要求1-8任一项所述的一种摄像装置的图像解析与传输方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310448449.3A CN116193242B (zh) | 2023-04-24 | 2023-04-24 | 一种摄像装置图像解析与传输方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310448449.3A CN116193242B (zh) | 2023-04-24 | 2023-04-24 | 一种摄像装置图像解析与传输方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116193242A CN116193242A (zh) | 2023-05-30 |
CN116193242B true CN116193242B (zh) | 2023-07-14 |
Family
ID=86449293
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310448449.3A Active CN116193242B (zh) | 2023-04-24 | 2023-04-24 | 一种摄像装置图像解析与传输方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116193242B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103281525A (zh) * | 2011-12-15 | 2013-09-04 | 弗莱克斯电子有限责任公司 | 用于增强照片及视频的联网图像/视频处理系统 |
CN104541301A (zh) * | 2012-03-26 | 2015-04-22 | 皇家飞利浦有限公司 | 用于hdr图像编码和解码的基于视亮度区域的装置和方法 |
CN113706640A (zh) * | 2021-08-05 | 2021-11-26 | 网易(杭州)网络有限公司 | 压缩图像的方法、装置、存储介质及电子设备 |
CN114283050A (zh) * | 2021-09-23 | 2022-04-05 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备及存储介质 |
WO2022067656A1 (zh) * | 2020-09-30 | 2022-04-07 | 华为技术有限公司 | 一种图像处理方法及装置 |
CN114936979A (zh) * | 2022-06-07 | 2022-08-23 | 中南大学 | 一种模型训练方法、图像去噪方法、装置、设备及存储介质 |
WO2023030072A1 (zh) * | 2021-08-30 | 2023-03-09 | 华为技术有限公司 | 编解码方法、编码器、解码器及电子设备 |
-
2023
- 2023-04-24 CN CN202310448449.3A patent/CN116193242B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103281525A (zh) * | 2011-12-15 | 2013-09-04 | 弗莱克斯电子有限责任公司 | 用于增强照片及视频的联网图像/视频处理系统 |
CN104541301A (zh) * | 2012-03-26 | 2015-04-22 | 皇家飞利浦有限公司 | 用于hdr图像编码和解码的基于视亮度区域的装置和方法 |
WO2022067656A1 (zh) * | 2020-09-30 | 2022-04-07 | 华为技术有限公司 | 一种图像处理方法及装置 |
CN113706640A (zh) * | 2021-08-05 | 2021-11-26 | 网易(杭州)网络有限公司 | 压缩图像的方法、装置、存储介质及电子设备 |
WO2023030072A1 (zh) * | 2021-08-30 | 2023-03-09 | 华为技术有限公司 | 编解码方法、编码器、解码器及电子设备 |
CN114283050A (zh) * | 2021-09-23 | 2022-04-05 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备及存储介质 |
CN114936979A (zh) * | 2022-06-07 | 2022-08-23 | 中南大学 | 一种模型训练方法、图像去噪方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116193242A (zh) | 2023-05-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101942808B1 (ko) | 객체 이미지 인식 dcnn 기반 cctv 영상분석장치 | |
JP5478047B2 (ja) | 映像データ圧縮前処理方法およびこれを用いた映像データ圧縮方法と映像データ圧縮システム | |
US8922659B2 (en) | Dynamically reconfigurable intelligent video surveillance system | |
US9253503B2 (en) | Computationally efficient motion estimation with learning capabilities for video compression in transportation and regularized environments | |
CN104966304B (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
US20190258852A1 (en) | Image processing apparatus, image processing system, image processing method, and program | |
US8922674B2 (en) | Method and system for facilitating color balance synchronization between a plurality of video cameras and for obtaining object tracking between two or more video cameras | |
US20140286527A1 (en) | Systems and methods for accelerated face detection | |
US11868897B2 (en) | Monitoring icon status in a display from an external device | |
CN105550710A (zh) | 基于非线性拟合的接触网运行异常状态智能检测方法 | |
US20130155228A1 (en) | Moving object detection method and apparatus based on compressed domain | |
US9736493B2 (en) | System and method for achieving computationally efficient motion estimation in video compression based on motion direction and magnitude prediction | |
US7280596B2 (en) | Apparatus detecting motion of image data and detecting method thereof | |
EP3751245A1 (en) | Smart sensor measurement system | |
CN114758271A (zh) | 视频处理方法、装置、计算机设备及存储介质 | |
CN105357517A (zh) | 屏幕的图像检测方法和装置 | |
CN117395424B (zh) | 一种用于视频无线传输监控系统的视频优化方法 | |
CN112241982A (zh) | 一种图像处理方法、装置及机器可读存储介质 | |
CN116193242B (zh) | 一种摄像装置图像解析与传输方法 | |
KR102261187B1 (ko) | 머신 러닝에 기반한 감시 영상 분석 시스템 및 그 방법 | |
CN115082326A (zh) | 视频去模糊的处理方法、边缘计算设备及中心处理器 | |
KR100825504B1 (ko) | 카메라를 이용한 인터페이스 장치 및 방법 | |
CN113743235B (zh) | 基于边缘计算的电力巡检图像处理方法、装置和设备 | |
CN115909215A (zh) | 一种基于目标检测的边缘入侵预警方法及系统 | |
CN111145219B (zh) | 一种基于Codebook原理的高效视频移动目标检测方法 |
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 |