CN116580182B - 一种自动调整的目标检测的方法、系统、设备及存储介质 - Google Patents
一种自动调整的目标检测的方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN116580182B CN116580182B CN202310390730.6A CN202310390730A CN116580182B CN 116580182 B CN116580182 B CN 116580182B CN 202310390730 A CN202310390730 A CN 202310390730A CN 116580182 B CN116580182 B CN 116580182B
- Authority
- CN
- China
- Prior art keywords
- area
- target
- image
- target area
- pixel
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000015654 memory Effects 0.000 claims description 12
- 230000035772 mutation Effects 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及人工智能和图像处理技术领域，尤其涉及一种自动调整的目标检测的方法、装置、设备及存储介质。包括：得到待识别的目标区域图像，所述目标区域图像携带所述目标区域图像的摄像头编号信息；利用所述目标区域图像，得到所述目标区域图像的相关参数信息；利用所述目标区域图像和所述相关参数信息，输入到预先构建的固定区域自动调整模型，进行目标区域自动调整；利用所述目标区域自动调整的结果，进行目标检测，得到目标检测的结果。本申请帮助实现根据摄像头角度或方向变化，自动调整固定区域的坐标的方法，以提高容错率、降低误识别率。
Description
技术领域
本申请涉及人工智能和图像处理技术领域，尤其涉及一种自动调整的目标检测的方法、装置、设备及存储介质。
背景技术
随着人工智能的快速发展，图像的目标检测方法在各个应用场景完成落地，但是需求也在不断的更新，人们不再满足对视频内的整体画面进行检测识别，例如违停检测(只检测识别停车线区域外的车辆)、人员闯入(只检测识别固定区域内的是否有人进入)等。现有技术一般是通过在固定的视频画面中人为划定感兴趣区域，记录下区域坐标，将感兴趣区域坐标传入检测识别的程序中，根据该坐标在图片或是视频中截取并保留该区域，再进行识别，但是现有技术中，固定视频画面下的感兴趣区域很难充分考虑到因摄像头方向或角度移动所造成的干扰，造成容错率低、误识别率高。
发明内容
为至少在一定程度上克服相关技术中现有技术中，固定视频画面下的感兴趣区域很难充分考虑到因摄像头方向或角度移动所造成的干扰，造成容错率低、误识别率高的问题，本申请提供一种自动调整的目标检测的方法、装置、设备及存储介质。
本申请的方案如下：
一方面，本申请提供一种自动调整的目标检测的方法，所述方法包括：
得到待识别的目标区域图像，所述目标区域图像携带所述目标区域图像的摄像头编号信息；
利用所述目标区域图像，得到所述目标区域图像的相关参数信息，所述相关参数信息包括：得到所述目标区域图像的背景图、所述目标区域图像的背景图的区域坐标、所述目标区域图像的背景图的区域中心点坐标；
利用所述目标区域图像和所述相关参数信息，输入到预先构建的固定区域自动调整模型，进行目标区域自动调整；
利用所述目标区域自动调整的结果，进行目标检测，得到目标检测的结果。
进一步地，所述利用所述目标区域图像，得到所述目标区域图像的相关参数信息，包括：
利用所述待识别目标区域图像，通过目标分割算法对所述目标区域图像进行分割，分割出所述目标区域图像的实例；
对所述实例进行黑化处理，通过插值算法对所述黑化处理的结果进行填充，得到所述目标区域图像的背景图、所述目标区域图像的背景图的区域坐标、所述目标区域图像的背景图的区域中心点坐标。
进一步地，所述利用所述目标区域图像和所述相关参数信息，输入到预先构建的固定区域自动调整模型，进行目标区域自动调整，包括：
利用所述目标区域图像的摄像头编号信息，搜索目标图像，得到所述目标图像的背景图和所述目标图像的背景图的区域中心点坐标；
利用所述目标区域图像的背景图和所述目标区域图像的背景图的区域中心点坐标作为中心，按照第一像素阈值划分第一中心区域；
利用所述目标图像的背景图和所述目标图像的背景图的区域中心点坐标作为中心，按照第一像素阈值划分第二中心区域；
逐像素对比所述第一中心区域和所述第二中心区域的像素差值，允许像素差值小于等于5个像素差，若大于等于百分之七十的像素的差值在所述允许像素差值的范围内，则判定第一中心区域和所述第二中心区域为同一固定区域，利用所述目标区域图像的背景图的区域坐标进行目标检测识别；
否则，进行区域调整，利用所述区域调整后划定的目标识别区域，进行目标识别。
进一步地，所述进行区域调整，利用所述区域调整后划定的目标识别区域，进行目标识别，包括：
逐像素对比所述第一中心区域和所述第二中心区域的像素差值，允许像素差值小于等于5个像素差，若大于等于百分之五十且小于百分之七十的像素的差值在所述允许像素差值的范围内，则获取差值范围区域的坐标作为像素值突变的坐标，用所述第二中心区域的固定区域的坐标减去所述像素值突变的坐标，即为新区域的坐标，利用所述新区域的坐标，进行目标识别；
否则，判定所述第一中心区域和所述第二中心区域不属于同一固定区域，重新划定区域，利用所述重新划定区域，进行目标识别。
第二方面，本申请提供一种自动调整的目标检测的系统，所述系统包括：
获取模块，用于得到待识别的目标区域图像，所述目标区域图像携带所述目标区域图像的摄像头编号信息；
图片处理模块，用于利用所述目标区域图像，得到所述目标区域图像的相关参数信息，所述相关参数信息包括：得到所述目标区域图像的背景图、所述目标区域图像的背景图的区域坐标、所述目标区域图像的背景图的区域中心点坐标；
目标区域自动调整模块，用于利用所述目标区域图像和所述相关参数信息，输入到预先构建的固定区域自动调整模型，进行目标区域自动调整；
识别模块，用于利用所述目标区域自动调整的结果，进行目标检测，得到目标检测的结果。
第三方面，本申请提供一种自动调整的目标检测的设备，所述设备包括：
存储器，其上存储有可执行程序；
处理器，用于执行所述存储器中的所述可执行程序，以实现上述中任一项所述方法的步骤。
第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行上述中任一项所述方法的步骤。
本申请提供的技术方案可以包括以下有益效果：
本申请通过得到待识别的目标区域图像，所述目标区域图像携带所述目标区域图像的摄像头编号信息；利用所述目标区域图像，得到所述目标区域图像的相关参数信息；利用所述目标区域图像和所述相关参数信息，输入到预先构建的固定区域自动调整模型，进行目标区域自动调整；利用所述目标区域自动调整的结果，进行目标检测，得到目标检测的结果。本申请帮助实现根据摄像头角度或方向变化，自动调整固定区域的坐标的方法，以提高容错率、降低误识别率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请一个实施例提供的一种自动调整的目标检测的方法流程示意图；
图2是本申请另一个实施例提供的一种自动调整的目标检测的结构组成示意图；
图3是本申请又一个实施例提供的一种自动调整的目标检测的设备组成示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
随着人工智能的快速发展，图像的目标检测方法在各个应用场景完成落地，但是需求也在不断的更新，人们不再满足对视频内的整体画面进行检测识别，例如违停检测(只检测识别停车线区域外的车辆)、人员闯入(只检测识别固定区域内的是否有人进入)等。现有技术一般是通过在固定的视频画面中人为划定感兴趣区域，记录下区域坐标，将感兴趣区域坐标传入检测识别的程序中，根据该坐标在图片或是视频中截取并保留该区域，再进行识别。
随着场景的复杂化，固定视频画面下的感兴趣区域很难充分考虑到因摄像头方向或角度移动所造成的干扰。这时需要再根据摄像头方向或角度移动后的画面，重新去划定感兴趣区域，并且此时的触发条件可能是已经出现误识别的情况。所以就需要一种可以根据摄像头角度或方向变化，自动调整固定区域的坐标的方法，以提高容错率、降低误识别率。
针对上述问题，本申请提出一种自动调整的目标检测的方法、装置、设备及存储介质，帮助实现根据摄像头角度或方向变化，自动调整固定区域的坐标的方法，以提高容错率、降低误识别率。
实施例一
请参阅图1，图1是本申请一个实施例提供的一种自动调整的目标检测的方法流程示意图，所述方法包括：
S1.得到待识别的目标区域图像，所述目标区域图像携带所述目标区域图像的摄像头编号信息；
S2.利用所述目标区域图像，得到所述目标区域图像的相关参数信息，所述相关参数信息包括：得到所述目标区域图像的背景图、所述目标区域图像的背景图的区域坐标、所述目标区域图像的背景图的区域中心点坐标；
S3.利用所述目标区域图像和所述相关参数信息，输入到预先构建的固定区域自动调整模型，进行目标区域自动调整；
S4.利用所述目标区域自动调整的结果，进行目标检测，得到目标检测的结果。
在一个实施例中，请参阅步骤S2,所述利用所述目标区域图像，得到所述目标区域图像的相关参数信息，所述相关参数信息包括：得到所述目标区域图像的背景图、所述目标区域图像的背景图的区域坐标、所述目标区域图像的背景图的区域中心点坐标，包括：
S21.利用所述待识别目标区域图像，通过目标分割算法对所述目标区域图像进行分割，分割出所述目标区域图像的实例；
S22.对所述实例进行黑化处理，通过插值算法对所述黑化处理的结果进行填充，得到所述目标区域图像的背景图、所述目标区域图像的背景图的区域坐标、所述目标区域图像的背景图的区域中心点坐标。
在具体实施时，在摄像头的实时视频中划定区域，将区域坐标以及摄像头编号存入数据库中。另外使用目标分割算法处理当前视频画面的截图，分割出区域内的所有实例，并对区域内存在实例的位置进行黑化，再使用插值算法填充黑化的部分，此时得到的图片为区域的背景图，保存当前区域坐标下视频画面的截图和处理后的背景图，以便每次取出该区域坐标并进行前后区域位置对比。
在具体实施时，分别取出当前图片背景图和上一时刻图片背景图以区域中心点为中心；设定原始视频帧截图尺寸(W,H)，划定区域尺寸(w,h)；
设定50α*50β像素大小的中心区域，如果整个划定区域不足50*50像素，则取整个划定区域，其中，α＝W/w；β＝H/h。
在一个实施例中，如步骤S3所述，所述利用所述目标区域图像和所述相关参数信息，输入到预先构建的固定区域自动调整模型，进行目标区域自动调整，包括：
S31.利用所述目标区域图像的摄像头编号信息，搜索目标图像，得到所述目标图像的背景图和所述目标图像的背景图的区域中心点坐标；
S32.利用所述目标区域图像的背景图和所述目标区域图像的背景图的区域中心点坐标作为中心，按照第一像素阈值划分第一中心区域；
S33.利用所述目标图像的背景图和所述目标图像的背景图的区域中心点坐标作为中心，按照第一像素阈值划分第二中心区域；
S34.逐像素对比所述第一中心区域和所述第二中心区域的像素差值，允许像素差值小于等于5个像素差，若大于等于百分之七十的像素的差值在所述允许像素差值的范围内，则判定第一中心区域和所述第二中心区域为同一固定区域，利用所述目标区域图像的背景图的区域坐标进行目标检测识别；
S35.否则，进行区域调整，利用所述区域调整后划定的目标识别区域，进行目标识别。
具体的，所述进行区域调整，利用所述区域调整后划定的目标识别区域，进行目标识别，包括：
S35.1逐像素对比所述第一中心区域和所述第二中心区域的像素差值，允许像素差值小于等于5个像素差，若大于等于百分之五十且小于百分之七十的像素的差值在所述允许像素差值的范围内，则获取差值范围区域的坐标作为像素值突变的坐标，用所述第二中心区域的固定区域的坐标减去所述像素值突变的坐标，即为新区域的坐标，利用所述新区域的坐标，进行目标识别；
在具体实施时，突变点寻找方法：(1)第一帧区域中心每一像素点的值等于3通道值相加的平均值，第二帧区域中心点处理方式相同；
(2)在每一个像素点上计算第二帧区域中心点原始像素值与第一帧区域中心点原始像素值的标准差(RGB通道)；
(3)使用第二帧区域中心点原始像素值减去第一帧区域中心点原始像素值，得到区域中心像素点变化差值(RGB通道)；
(4)将像素点编号、原始像素点坐标、像素点通道尺度上的均值、第二帧区域中心与第一帧区域中心像素点之间的标准差、第二帧区域中心与第一帧区域中心像素点之间的像素差(RGB通道)组成原始数据，对后三部分(均值、标准差、像素差)进行聚类分为4个类别进行聚类，中心点默认为突变点；
具体的，在选取的中心点，像素差值在±5之内，满足预设条件下，4个聚类中心点则未突变点。
S35.2否则，判定所述第一中心区域和所述第二中心区域不属于同一固定区域，重新划定区域，利用所述重新划定区域，进行目标识别。
在具体实施时，当一张图片进行区域识别时，取出上一次识别时该摄像头编号对应的图片和区域坐标信息。根据区域坐标，先根据步骤S2中的方法计算当前图片的背景图，再计算区域中心点坐标，分别取出当前图片背景图和上一时刻图片背景图以区域中心点为中心，50*50像素大小的中心区域(如果整个划定区域不足50*50像素，则取整个划定区域)。
逐像素对比两张背景图以区域中心点取出来的中心区域，允许的差值在±5之间，分别记录每个像素的差值是否在±5之内。
若70％以内的像素的差值都满足差值范围内，则属于同一固定区域，不需要进行区域更改，直接根据区域坐标进行识别检测即可。
则认为不属于同一固定区域，需要进行区域调整。
具体的，进行固定区域调整：
计算两张图片区域内的像素值的差值并记录，同时保存像素点坐标。
若部分区域的像素值存在突变，例如，若大于等于百分之五十且小于百分之七十的像素的差值在所述允许像素差值的范围内，则获取该区域的坐标，用固定区域的坐标减去像素值突变的坐标，即为新区域的坐标；
若整体的像素值差值都比较大，则认为两个张图片的固定区域无重合区域，即新图片的对应摄像头的角度或方向变动较大，则无法处理，只能重新划定区域；
根据新固定区域，在原图上进行处理，进行识别检测即可。
在一个实施例中，如步骤S4所述，所述利用所述目标区域自动调整的结果，进行目标检测，得到目标检测的结果，包括：
利用步骤S3确定的目标区域，进行目标识别检测，譬如某地需要进行停车位外的违规停车识别，在当前的摄像头的角度和方向下划定了违规的区域，但是当摄像头因人为原因或其它原因发生小范围的方向或角度的变动，之前划定的违规区域也会随之变动，那么很有可能将停车位也归于违规区域内。此时，现有的技术无法根据摄像头的变动，去自动调整固定的违规区域，因此可能会发生将停车位里面的车识别判断为违规停车。并且会是根据人为反馈识别错误，才知道摄像头发生变动，再去人为重新划定区域，利用步骤S3确定的目标区域，根据摄像头的小范围变动，自动的去调整划定的违规区域，由此来判断是否违停，减少了误报的发生和人为的再次调整区域的行为。
实施例二
请参阅图2，图2是本申请另一个实施例提供的一种自动调整的目标检测的结构组成示意图，所述系统包括：
获取模块101，用于得到待识别的目标区域图像，所述目标区域图像携带所述目标区域图像的摄像头编号信息；
图片处理模块102，用于利用所述目标区域图像，得到所述目标区域图像的相关参数信息，所述相关参数信息包括：得到所述目标区域图像的背景图、所述目标区域图像的背景图的区域坐标、所述目标区域图像的背景图的区域中心点坐标；
目标区域自动调整模块103，用于利用所述目标区域图像和所述相关参数信息，输入到预先构建的固定区域自动调整模型，进行目标区域自动调整；
识别模块104，用于利用所述目标区域自动调整的结果，进行目标检测，得到目标检测的结果。
实施例三
请参阅图3，图3是本申请另一个实施例提供的一种自动调整的目标检测的设备组成示意图，所述设备包括：
存储器31，其上存储有可执行程序；
处理器32，用于执行所述存储器中的所述可执行程序，以实现上述中任一项所述方法的步骤。
此外，本申请提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行上述任一项所述方法的步骤。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(RandomAccess Memory，RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本申请的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块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。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种自动调整的目标检测的方法，其特征在于，所述方法包括：
得到待识别的目标区域图像，所述目标区域图像携带所述目标区域图像的摄像头编号信息；
利用所述目标区域图像，得到所述目标区域图像的相关参数信息，所述相关参数信息包括：得到所述目标区域图像的背景图、所述目标区域图像的背景图的区域坐标、所述目标区域图像的背景图的区域中心点坐标；
利用所述目标区域图像和所述相关参数信息，输入到预先构建的固定区域自动调整模型，进行目标区域自动调整，包括：利用所述目标区域图像的摄像头编号信息，搜索目标图像，得到所述目标图像的背景图和所述目标图像的背景图的区域中心点坐标；利用所述目标区域图像的背景图和所述目标区域图像的背景图的区域中心点坐标作为中心，按照第一像素阈值划分第一中心区域；利用所述目标图像的背景图和所述目标图像的背景图的区域中心点坐标作为中心，按照第一像素阈值划分第二中心区域；逐像素对比所述第一中心区域和所述第二中心区域的像素差值，允许像素差值小于等于5个像素差，若大于等于百分之七十的像素的差值在所述允许像素差值的范围内，则判定第一中心区域和所述第二中心区域为同一固定区域，利用所述目标区域图像的背景图的区域坐标进行目标检测识别；否则，进行区域调整，利用所述区域调整后划定的目标识别区域，进行目标识别；
利用所述目标区域自动调整的结果，进行目标检测，得到目标检测的结果。
2.根据权利要求1所述的方法，其特征在于，所述利用所述目标区域图像，得到所述目标区域图像的相关参数信息，包括：
利用所述待识别目标区域图像，通过目标分割算法对所述目标区域图像进行分割，分割出所述目标区域图像的实例；
对所述实例进行黑化处理，通过插值算法对所述黑化处理的结果进行填充，得到所述目标区域图像的背景图、所述目标区域图像的背景图的区域坐标、所述目标区域图像的背景图的区域中心点坐标。
3.根据权利要求1所述的方法，其特征在于，所述进行区域调整，利用所述区域调整后划定的目标识别区域，进行目标识别，包括：
逐像素对比所述第一中心区域和所述第二中心区域的像素差值，允许像素差值小于等于5个像素差，若大于等于百分之五十且小于百分之七十的像素的差值在所述允许像素差值的范围内，则获取差值范围区域的坐标作为像素值突变的坐标，用所述第二中心区域的固定区域的坐标减去所述像素值突变的坐标，即为新区域的坐标，利用所述新区域的坐标，进行目标识别；
否则，判定所述第一中心区域和所述第二中心区域不属于同一固定区域，重新划定区域，利用所述重新划定区域，进行目标识别。
4.一种自动调整的目标检测的系统，其特征在于，所述系统包括：
获取模块，用于得到待识别的目标区域图像，所述目标区域图像携带所述目标区域图像的摄像头编号信息；
图片处理模块，用于利用所述目标区域图像，得到所述目标区域图像的相关参数信息，所述相关参数信息包括：得到所述目标区域图像的背景图、所述目标区域图像的背景图的区域坐标、所述目标区域图像的背景图的区域中心点坐标；
目标区域自动调整模块，用于利用所述目标区域图像和所述相关参数信息，输入到预先构建的固定区域自动调整模型，进行目标区域自动调整，包括：利用所述目标区域图像的摄像头编号信息，搜索目标图像，得到所述目标图像的背景图和所述目标图像的背景图的区域中心点坐标；利用所述目标区域图像的背景图和所述目标区域图像的背景图的区域中心点坐标作为中心，按照第一像素阈值划分第一中心区域；利用所述目标图像的背景图和所述目标图像的背景图的区域中心点坐标作为中心，按照第一像素阈值划分第二中心区域；逐像素对比所述第一中心区域和所述第二中心区域的像素差值，允许像素差值小于等于5个像素差，若大于等于百分之七十的像素的差值在所述允许像素差值的范围内，则判定第一中心区域和所述第二中心区域为同一固定区域，利用所述目标区域图像的背景图的区域坐标进行目标检测识别；否则，进行区域调整，利用所述区域调整后划定的目标识别区域，进行目标识别；
识别模块，用于利用所述目标区域自动调整的结果，进行目标检测，得到目标检测的结果。
5.一种自动调整的目标检测的设备，其特征在于，所述设备包括：
存储器，其上存储有可执行程序；
处理器，用于执行所述存储器中的所述可执行程序，以实现权利要求1-3中任一项所述方法的步骤。
6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使计算机执行权利要求1-3任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310390730.6A CN116580182B (zh) | 2023-04-13 | 2023-04-13 | 一种自动调整的目标检测的方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310390730.6A CN116580182B (zh) | 2023-04-13 | 2023-04-13 | 一种自动调整的目标检测的方法、系统、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116580182A CN116580182A (zh) | 2023-08-11 |
| CN116580182B true CN116580182B (zh) | 2024-06-18 |
Family
ID=87533078
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310390730.6A Active CN116580182B (zh) | 2023-04-13 | 2023-04-13 | 一种自动调整的目标检测的方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116580182B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117097987B (zh) * | 2023-10-16 | 2024-02-06 | 深圳市云希谷科技有限公司 | 一种自动矫正摄像头的方法及设备 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002232875A (ja) * | 2001-02-06 | 2002-08-16 | Matsushita Electric Ind Co Ltd | 監視用カメラの画角ずれを調整する方法と装置、及びその装置を制御するための媒体 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10307920A (ja) * | 1997-05-08 | 1998-11-17 | Omron Corp | 位置ずれ量検出装置及び画像検査装置並びに位置ずれ量検出プログラムを記録した機械読み取り可能な記録媒体 |
| TWI376157B (en) * | 2008-08-22 | 2012-11-01 | Hon Hai Prec Ind Co Ltd | Video monitoring system and method thereof |
| CN106740841B (zh) * | 2017-02-14 | 2018-07-10 | 驭势科技（北京）有限公司 | 基于动态控制的车道线检测方法、装置及车载设备 |
| JP6794879B2 (ja) * | 2017-03-10 | 2020-12-02 | 株式会社タダノ | 作業車両用の人物検知システムおよびこれを備える作業車両 |
| CN110475226A (zh) * | 2018-05-11 | 2019-11-19 | 深圳Tcl新技术有限公司 | 一种基于无人机的基站信号覆盖方法、系统及无人机 |
| CN112464785B (zh) * | 2020-11-25 | 2024-08-09 | 浙江大华技术股份有限公司 | 一种目标检测方法、装置、计算机设备及存储介质 |
| KR102482341B1 (ko) * | 2022-02-14 | 2022-12-28 | (주)테라테코 | 차량 단속영역좌표 자동 보정 시스템 |
| CN115393433A (zh) * | 2022-08-17 | 2022-11-25 | 杭州海康威视系统技术有限公司 | 一种检测区域恢复方法、装置、设备及存储介质 |
| CN115937799A (zh) * | 2023-01-05 | 2023-04-07 | 武汉微创光电股份有限公司 | 监控相机的偏移检测与校准方法及相关设备 |
-
2023
- 2023-04-13 CN CN202310390730.6A patent/CN116580182B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002232875A (ja) * | 2001-02-06 | 2002-08-16 | Matsushita Electric Ind Co Ltd | 監視用カメラの画角ずれを調整する方法と装置、及びその装置を制御するための媒体 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116580182A (zh) | 2023-08-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111914692B (zh) | 车辆定损图像获取方法及装置 | |
| EP1805715B1 (en) | A method and system for processing video data | |
| US8027534B2 (en) | Image processing apparatus, image processing method, and program | |
| US8494267B2 (en) | Image processing device, image processing method, and program for normalizing a histogram | |
| EP2549738B1 (en) | Method and camera for determining an image adjustment parameter | |
| JPH09322155A (ja) | 映像監視方法及び装置 | |
| US20140037212A1 (en) | Image processing method and device | |
| CN116580182B (zh) | 一种自动调整的目标检测的方法、系统、设备及存储介质 | |
| US11074742B2 (en) | Image processing apparatus, image processing method, and storage medium | |
| CN106651903B (zh) | 一种运动物体检测方法 | |
| US11127141B2 (en) | Image processing apparatus, image processing method, and a non-transitory computer readable storage medium | |
| CN112561946A (zh) | 一种动态目标检测方法 | |
| JP7392488B2 (ja) | 遺留物誤検出の認識方法、装置及び画像処理装置 | |
| US20130027550A1 (en) | Method and device for video surveillance | |
| CN114648734A (zh) | 基于图像处理的摄像机工作异常检测方法 | |
| CN114302226A (zh) | 一种视频画幅智能裁剪方法 | |
| US9652854B2 (en) | System and method for identifying an object in an image | |
| US11457158B2 (en) | Location estimation device, location estimation method, and program recording medium | |
| CN111160340B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
| US20130027549A1 (en) | Method and device for video surveillance | |
| CN110717910A (zh) | Ct图像目标检测方法及ct扫描仪 | |
| CN111275045B (zh) | 图像的主体识别方法、装置、电子设备和介质 | |
| KR101617428B1 (ko) | 디지털 영상에서 손상 영역을 검출하는 방법 및 장치 | |
| KR20150060032A (ko) | 움직임 검출 시스템 및 방법 | |
| US20230126046A1 (en) | Information processing apparatus, method of controlling information processing apparatus, and storage medium |
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 |