CN116894102A - 毫米波成像视频流的过滤方法、装置、设备、存储介质 - Google Patents

毫米波成像视频流的过滤方法、装置、设备、存储介质 Download PDF

Info

Publication number
CN116894102A
CN116894102A CN202310758354.1A CN202310758354A CN116894102A CN 116894102 A CN116894102 A CN 116894102A CN 202310758354 A CN202310758354 A CN 202310758354A CN 116894102 A CN116894102 A CN 116894102A
Authority
CN
China
Prior art keywords
article
millimeter wave
image
image sequence
false alarm
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
Application number
CN202310758354.1A
Other languages
English (en)
Other versions
CN116894102B (zh
Inventor
唐红强
高伟
罗俊
刘文冬
周春元
张慧
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.)
Zhuhai Weidu Xinchuang Technology Co ltd
Original Assignee
Zhuhai Weidu Xinchuang 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 Zhuhai Weidu Xinchuang Technology Co ltd filed Critical Zhuhai Weidu Xinchuang Technology Co ltd
Priority to CN202310758354.1A priority Critical patent/CN116894102B/zh
Publication of CN116894102A publication Critical patent/CN116894102A/zh
Application granted granted Critical
Publication of CN116894102B publication Critical patent/CN116894102B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请公开一种毫米波成像视频流的过滤方法、装置、设备、存储介质，方法包括：对毫米波成像视频流的图像序列进行图像处理，得到多个目标特征信息，目标特征信息包括人体图像坐标信息、人体检出置信度值、物品图像坐标信息和物品检出置信度值；根据目标特征信息、图像序列和连续帧算法，得到图像序列对应的物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果并确定虚警目标，并根据虚警目标对图像序列进行过滤处理。本申请利用连续帧算法以及获取图像序列中的物品检出信息和人体检出信息，综合判定毫米波成像视频流的虚警目标，并对视频流进行过滤处理，进而降低基于毫米波成像视频流进行物品检测的虚警率。

Description

毫米波成像视频流的过滤方法、装置、设备、存储介质
技术领域
本申请涉及但不限于毫米波图像处理技术领域，尤其涉及一种毫米波成像视频流的过滤方法、装置、设备、存储介质。
背景技术
目前，实时毫米波成像人体安检设备为了满足高帧率实时成像要求，对成像性能做了较大的牺牲，图像分辨率和图像中人体与物品清晰度都不太理想。此外，由于高人流量的轨道交通行业人体安检场景中，设备成像过程中行人是处于运动状态的，且手臂与腿等部位都是快速摆动的，使得设备获取的毫米波成像视频流中的人体和物品图像特征残缺严重，不利于毫米波图像中物品检出，容易导致基于深度学习的毫米波图像中物品检测虚警率不断提升，严重影响了人体安检产品的客户体验感。
发明内容
本申请实施例提供了一种毫米波成像视频流的过滤方法、装置、设备、存储介质，能够过滤掉毫米波成像视频流中携带有虚警目标的图像序列，进而降低基于毫米波成像视频流进行物品检测的虚警率，提升人体安检产品的客户体验感。
第一方面，本申请实施例提供了一种毫米波成像视频流的过滤方法，包括：
通过毫米波安检设备获取毫米波成像视频流，所述毫米波成像视频流包括多个毫米波图像序列；
根据深度学习目标检测算法对多个所述毫米波图像序列进行图像处理，得到多个目标特征信息，各个所述目标特征信息与各个所述毫米波图像序列一一对应，各个所述目标特征信息包括人体图像坐标信息、人体检出置信度值、物品图像坐标信息和物品检出置信度值；
基于各个所述人体图像坐标信息、各个所述人体检出置信度值、各个所述物品图像坐标信息、各个所述物品检出置信度值和各个所述毫米波图像序列，根据连续帧算法对所述毫米波图像序列进行分析处理，得到所述毫米波图像序列对应的物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果；
根据预设筛选规则、所述物品出现合法性检验结果、所述物品图像特征相似性检验结果和所述物品位置连续性检验结果从所述毫米波图像序列中确定虚警目标，并对所述毫米波成像视频流中携带有所述虚警目标的所述毫米波图像序列进行过滤处理。
在一些实施例中，所述虚警目标包括第一虚警目标、第二虚警目标和第三虚警目标，所述根据预设筛选规则、所述物品出现合法性检验结果、所述物品图像特征相似性检验结果和所述物品位置连续性检验结果从所述毫米波图像序列中确定虚警目标，并对所述毫米波成像视频流中携带有所述虚警目标的所述毫米波图像序列进行过滤处理，包括：
根据所述物品出现合法性检验结果从多个所述毫米波图像序列中确定第一虚警目标，并对所述第一虚警目标对应的所述毫米波图像序列进行过滤处理，得到参考图像序列，所述参考图像序列表征按时间先后顺序排列的多个图像序列，各个所述图像序列的物品出现合法性检验结果为检验通过；
基于所述物品图像坐标信息和连续帧算法，计算所述参考图像序列的物品位置连续性检验结果，并根据所述物品图像特征相似性检验结果从所述参考图像序列中确定第二虚警目标，并对所述第二虚警目标对应的图像序列进行过滤处理，得到新的参考图像序列；
基于所述物品图像坐标信息和所述连续帧算法，计算所述新的参考图像序列的物品特征相似性检验结果，并根据所述物品特征相似性检验结果从所述新的参考图像序列中确定第三虚警目标，并对所述第三虚警目标对应的图像序列进行过滤处理。
在一些实施例中，所述人体图像坐标信息包括人体图像范围，所述物品出现合法性检验结果根据以下步骤得到：
根据各个所述人体图像坐标信息、各个所述人体检出置信度值、各个所述物品图像坐标信息和各个所述物品检出置信度值计算各个所述毫米波图像序列的物品出现合法性检验结果；
当所述毫米波图像序列的所述物品图像坐标信息对应的物品中心点坐标归属于所述人体图像范围，所述毫米波图像序列的所述人体检出置信度值大于第一预设置信度值，并且所述毫米波图像序列的所述物品检出置信度值大于第二预设置信度值，所述物品出现合法性检验结果为检验通过；
当所述毫米波图像序列的所述物品图像坐标信息对应的物品中心点坐标不归属于所述人体图像范围，所述毫米波图像序列的所述人体检出置信度值小于或等于所述第一预设置信度值，或者所述毫米波图像序列的所述物品检出置信度值小于或等于所述第二预设置信度值，所述物品出现合法性检验结果为检验不通过。
在一些实施例中，所述参考图像序列至少包括第一图像序列、第二图像序列和第三图像序列，所述物品图像坐标信息包括第一矩形框、第二矩形框和第三矩形框，所述第一矩形框与所述第一图像序列相对应，所述第二矩形框与所述第二图像序列相对应，所述第三矩形框与所述第三图像序列相对应，所述物品位置连续性检验结果根据以下步骤得到：
计算所述第一矩形框、所述第二矩形框与所述第三矩形框之间的多个矩形框IOU值；
计算第一中心点坐标、第二中心点坐标与第三中间点坐标之间的多个中心点坐标偏移值，其中，所述第一中心点坐标为所述第一矩形框的中心点坐标，所述第二中心点坐标为所述第二矩形框的中心点坐标，所述第三中心点坐标为所述第三矩形框的中心点坐标；
根据多个所述矩形框IOU值、预设IOU阈值、多个所述中心点坐标偏移值和预设偏移阈值确定所述物品位置连续性检验结果。
在一些实施例中，所述根据多个所述矩形框IOU值、预设IOU阈值、多个所述中心点坐标偏移值和预设偏移阈值确定所述物品位置连续性检验结果，包括：
当所述矩形框IOU值大于所述预设IOU阈值，并且所述中心点坐标偏移值小于所述预设偏移阈值，所述物品位置连续性检验结果为检验通过；
当所述矩形框IOU值小于或等于所述预设IOU阈值，或者所述中心点坐标偏移值大于或等于所述预设偏移阈值，所述物品位置连续性检验结果为检验不通过。
在一些实施例中，所述根据所述物品图像特征相似性检验结果从所述参考图像序列中确定第二虚警目标，包括：
计算所述参考图像序列的参考次数，所述参考次数为所述参考图像序列中的图像序列对应的物品位置连续性检验结果为检验不通过的累计次数；
当所述参考次数大于预设次数阈值，将大于所述预设次数阈值的参考次数对应的图像序列确定为所述第二虚警目标。
在一些实施例中，物品特征相似性检验结果根据以下步骤得到：
基于直方图特征提取算法，依次对所述新的参考图像序列中的各个图像序列进行特征提取，得到多个物品特征向量；
根据余弦相似度算法计算多个所述物品特征向量之间的相似度得分值；
根据所述相似度得分值确定所述物品特征相似性检验结果。
第二方面，本申请实施例提供了一种毫米波成像视频流的过滤装置，包括：
图像获取模块，所述图像获取模块用于通过毫米波安检设备获取毫米波成像视频流，所述毫米波成像视频流包括多个毫米波图像序列；
第一图像处理模块，所述第一图像处理模块用于根据深度学习目标检测算法对多个所述毫米波图像序列进行图像处理，得到多个目标特征信息，各个所述目标特征信息与各个所述毫米波图像序列一一对应，各个所述目标特征信息包括人体图像坐标信息、人体检出置信度值、物品图像坐标信息和物品检出置信度值；
第二图像处理模块，所述第二图像处理模块用于基于各个所述人体图像坐标信息、各个所述人体检出置信度值、各个所述物品图像坐标信息、各个所述物品检出置信度值和各个所述毫米波图像序列，根据连续帧算法对所述毫米波图像序列进行分析处理，得到所述毫米波图像序列对应的物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果；
图像过滤模块，所述图像过滤模块用于根据预设筛选规则、所述物品出现合法性检验结果、所述物品图像特征相似性检验结果和所述物品位置连续性检验结果从所述毫米波图像序列中确定虚警目标，并对所述毫米波成像视频流中携带有所述虚警目标的所述毫米波图像序列进行过滤处理。
第三方面，本申请实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的毫米波成像视频流的过滤方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如第一方面所述的毫米波成像视频流的过滤方法。
本申请实施例提供了一种毫米波成像视频流的过滤方法、装置、设备、存储介质，方法包括：通过毫米波安检设备获取毫米波成像视频流，所述毫米波成像视频流包括多个毫米波图像序列；根据深度学习目标检测算法对多个所述毫米波图像序列进行图像处理，得到多个目标特征信息，各个所述目标特征信息与各个所述毫米波图像序列一一对应，各个所述目标特征信息包括人体图像坐标信息、人体检出置信度值、物品图像坐标信息和物品检出置信度值；基于各个所述人体图像坐标信息、各个所述人体检出置信度值、各个所述物品图像坐标信息、各个所述物品检出置信度值和各个所述毫米波图像序列，根据连续帧算法对所述毫米波图像序列进行分析处理，得到所述毫米波图像序列对应的物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果；根据预设筛选规则、所述物品出现合法性检验结果、所述物品图像特征相似性检验结果和所述物品位置连续性检验结果从所述毫米波图像序列中确定虚警目标，并对所述毫米波成像视频流中携带有所述虚警目标的所述毫米波图像序列进行过滤处理。本申请实施例基于毫米波成像视频流，利用连续帧算法以及获取图像序列中的物品检出信息和人体检出信息，综合判定图像序列中的虚警目标，并过滤掉视频流中携带虚警目标的图像序列，进而降低基于毫米波成像视频流进行物品检测的虚警率，提升人体安检产品的客户体验感。
附图说明
图1是本申请一个实施例提供的毫米波成像视频流的过滤方法的步骤流程图；
图2是本申请另一个实施例提供的毫米波成像视频流的过滤方法的步骤流程图；
图3是本申请另一个实施例提供的得到物品出现合法性检验结果的步骤流程图；
图4是本申请另一个实施例提供的得到物品位置连续性检验结果的步骤流程图；
图5是本申请另一个实施例提供的得到物品位置连续性检验结果的步骤流程图；
图6是本申请另一个实施例提供的确定第二虚警目标的步骤流程图；
图7是本申请另一个实施例提供的得到物品特征相似性检验结果的步骤流程图；
图8是本申请另一个实施例提供的毫米波成像视频流的过滤装置的模块示意图；
图9是本申请另一个实施例提供的电子设备的结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
可以理解的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
目前，实时毫米波成像人体安检设备为了满足高帧率实时成像要求，对成像性能做了较大的牺牲，图像分辨率和图像中人体与物品清晰度都不太理想。此外，由于高人流量的轨道交通行业人体安检场景中，设备成像过程中行人是处于运动状态的，且手臂与腿等部位都是快速摆动的，使得设备获取的毫米波成像视频流中的人体和物品图像特征残缺严重，不利于毫米波图像中物品检出，容易导致基于深度学习的毫米波图像中物品检测虚警率不断提升，严重影响了人体安检产品的客户体验感。
为解决上述存在的问题，本申请实施例通过毫米波安检设备获取毫米波成像视频流，所述毫米波成像视频流包括多个毫米波图像序列；根据深度学习目标检测算法对多个所述毫米波图像序列进行图像处理，得到多个目标特征信息，各个所述目标特征信息与各个所述毫米波图像序列一一对应，各个所述目标特征信息包括人体图像坐标信息、人体检出置信度值、物品图像坐标信息和物品检出置信度值；基于各个所述人体图像坐标信息、各个所述人体检出置信度值、各个所述物品图像坐标信息、各个所述物品检出置信度值和各个所述毫米波图像序列，根据连续帧算法对所述毫米波图像序列进行分析处理，得到所述毫米波图像序列对应的物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果；根据预设筛选规则、所述物品出现合法性检验结果、所述物品图像特征相似性检验结果和所述物品位置连续性检验结果从所述毫米波图像序列中确定虚警目标，并对所述毫米波成像视频流中携带有所述虚警目标的所述毫米波图像序列进行过滤处理。本申请实施例基于毫米波成像视频流，利用连续帧算法以及获取图像序列中的物品检出信息和人体检出信息，综合判定图像序列中的虚警目标，并过滤掉视频流中携带虚警目标的图像序列，进而降低基于毫米波成像视频流进行物品检测的虚警率，提升人体安检产品的客户体验感。
下面结合附图，对本申请实施例作进一步阐述。
如图1所示，图1是本申请一个实施例提供的毫米波成像视频流的过滤方法的步骤流程图，本申请实施例提供了一种毫米波成像视频流的过滤方法，该方法包括但不限于有以下步骤：
步骤S110，通过毫米波安检设备获取毫米波成像视频流，毫米波成像视频流包括多个毫米波图像序列；
步骤S120，根据深度学习目标检测算法对多个毫米波图像序列进行图像处理，得到多个目标特征信息，各个目标特征信息与各个毫米波图像序列一一对应，各个目标特征信息包括人体图像坐标信息、人体检出置信度值、物品图像坐标信息和物品检出置信度值；
步骤S130，基于各个人体图像坐标信息、各个人体检出置信度值、各个物品图像坐标信息、各个物品检出置信度值和各个毫米波图像序列，根据连续帧算法对毫米波图像序列进行分析处理，得到毫米波图像序列对应的物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果；
步骤S140，根据预设筛选规则、物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果从毫米波图像序列中确定虚警目标，并对毫米波成像视频流中携带有虚警目标的毫米波图像序列进行过滤处理。
需要说明的是，本申请实施例并不限制具体的深度学习目标检测算法，可以是yolov5算法、Faster R-CNN算法或SSD算法，本领域技术人员根据实际需求进行确定即可。本申请实施例的深度学习目标检测算法为yolov5算法，同时本申请实施例并不限制使用yolov5算法对毫米波图像序列进行图像处理的具体过程，可以是采集大量的训练数据，并由人工对该训练数据进行先验信息标注，基于训练样本和对应的标注信息，使用yolov5算法进行模型训练，直到训练收敛，得到目标检测模型，再利用该目标检测模型对多个毫米波图像序列进行图像处理。
需要说明的是，本申请实施例并不限制对毫米波成像视频流的过滤处理的具体方式，可以是分别基于物品出现合法性检验结果、物品位置连续性检验结果以及物品图像特征相似性检验结果，依次从毫米波成像视频流的毫米波图像序列中筛选虚警目标，并依次基于筛选得到的虚警目标对应的毫米波图像序列进行过滤处理；还可以是从毫米波成像视频流的毫米波图像序列中一次性过滤同时满足预设条件的图像序列，其中，预设条件为物品出现合法性检验结果为检验通过，物品位置连续性检验结果为检验通过，并且物品图像特征相似性检验结果为检验通过。
可以理解的是，本申请实施例通过毫米波安检设备获取毫米波成像视频流，该毫米波成像视频流包括多个毫米波图像序列；根据深度学习目标检测算法对多个毫米波图像序列进行图像处理，得到与各个毫米波图像序列一一对应的各个目标特征信息，各个目标特征信息包括人体图像坐标信息、人体检出置信度值、物品图像坐标信息和物品检出置信度值，携带有人体图像坐标信息、人体检出置信度值、物品图像坐标信息和物品检出置信度值的目标特征信息能够为后续确定虚警目标以及视频流过滤处理提供有效的数据基础；基于各个人体图像坐标信息、各个人体检出置信度值、各个物品图像坐标信息、各个物品检出置信度值和各个毫米波图像序列，根据连续帧算法对毫米波图像序列进行分析处理，得到毫米波图像序列对应的物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果；根据预设筛选规则、物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果从毫米波图像序列中确定虚警目标，并对毫米波成像视频流中携带有虚警目标的毫米波图像序列进行过滤处理。可以看出，本申请实施例基于毫米波成像视频流，利用连续帧算法以及获取图像序列中的物品检出信息和人体检出信息，综合判定图像序列中的虚警目标，并过滤掉视频流中携带虚警目标的图像序列，进而提升基于毫米波成像视频流进行物品检测的虚警率，提升人体安检产品的客户体验感。
另外，在一些实施例中，虚警目标包括第一虚警目标、第二虚警目标和第三虚警目标，参考图2，图1的步骤S140包括但不限于有以下步骤：
步骤S210，根据物品出现合法性检验结果从多个毫米波图像序列中确定第一虚警目标，并对第一虚警目标对应的毫米波图像序列进行过滤处理，得到参考图像序列，参考图像序列表征按时间先后顺序排列的多个图像序列，各个图像序列的物品出现合法性检验结果为检验通过；
步骤S220，基于物品图像坐标信息和连续帧算法，计算参考图像序列的物品位置连续性检验结果，并根据物品图像特征相似性检验结果从参考图像序列中确定第二虚警目标，并对第二虚警目标对应的图像序列进行过滤处理，得到新的参考图像序列；
步骤S230，基于物品图像坐标信息和连续帧算法，计算新的参考图像序列的物品特征相似性检验结果，并根据物品特征相似性检验结果从新的参考图像序列中确定第三虚警目标，并对第三虚警目标对应的图像序列进行过滤处理。
可以理解的是，本申请实施例对毫米波成像视频流的过滤处理为：分别基于物品出现合法性检验结果、物品位置连续性检验结果以及物品图像特征相似性检验结果，依次从毫米波成像视频流的毫米波图像序列中筛选虚警目标，并依次基于筛选得到的虚警目标对应的毫米波图像序列进行过滤处理。具体步骤为：根据物品出现合法性检验结果从多个毫米波图像序列中确定第一虚警目标，并对第一虚警目标对应的毫米波图像序列进行过滤处理，得到物品出现合法性检验结果为检验通过的参考图像序列；基于物品图像坐标信息和连续帧算法，计算参考图像序列的物品位置连续性检验结果，并根据物品图像特征相似性检验结果从参考图像序列中确定第二虚警目标，并对第二虚警目标对应的图像序列进行过滤处理，得到新的参考图像序列；基于物品图像坐标信息和连续帧算法，计算新的参考图像序列的物品特征相似性检验结果，并根据物品特征相似性检验结果从新的参考图像序列中确定第三虚警目标，并对第三虚警目标对应的图像序列进行过滤处理。可以看出，利用毫米波图像序列的物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果作为筛选条件，综合判定图像序列中的虚警目标，并过滤掉视频流中携带虚警目标的图像序列，能够降低基于毫米波成像视频流后续进行物品检测的虚警率，进而提升人体安检产品的客户体验感。
另外，在一些实施例中，人体图像坐标信息包括人体图像范围，参考图3，本申请实施例中获取物品出现合法性检验结果的步骤包括但不限于有以下步骤：
步骤S310，根据各个人体图像坐标信息、各个人体检出置信度值、各个物品图像坐标信息和各个物品检出置信度值计算各个毫米波图像序列的物品出现合法性检验结果；
步骤S320，当毫米波图像序列的物品图像坐标信息对应的物品中心点坐标归属于人体图像范围，毫米波图像序列的人体检出置信度值大于第一预设置信度值，并且毫米波图像序列的物品检出置信度值大于第二预设置信度值，物品出现合法性检验结果为检验通过；
步骤S330，当毫米波图像序列的物品图像坐标信息对应的物品中心点坐标不归属于人体图像范围，毫米波图像序列的人体检出置信度值小于或等于第一预设置信度值，或者毫米波图像序列的物品检出置信度值小于或等于第二预设置信度值，物品出现合法性检验结果为检验不通过。
可以理解的是，物品出现合法性检验结果由各个毫米波图像序列对应的人体图像坐标信息、人体检出置信度值、物品图像坐标信息和物品检出置信度值结合分析得到，用于检验各个毫米波图像序列所检测出的物品的真实性。当毫米波图像序列的物品图像坐标信息对应的物品中心点坐标归属于人体图像范围，物品中心点坐标可以是毫米波图像序列对应的物品检测矩形框的中心点坐标，人体图像范围可以是毫米波图像序列对应的人体检测矩形框内部的所有坐标点的范围，在此不做限制，毫米波图像序列的人体检出置信度值大于第一预设置信度值，并且毫米波图像序列的物品检出置信度值大于第二预设置信度值，物品出现合法性检验结果为检验通过，即针对该毫米波图像序列检验出的物品的真实性较高；当毫米波图像序列的物品图像坐标信息对应的物品中心点坐标不归属于人体图像范围，毫米波图像序列的人体检出置信度值小于或等于第一预设置信度值，或者毫米波图像序列的物品检出置信度值小于或等于第二预设置信度值，物品出现合法性检验结果为检验不通过，即针对该毫米波图像序列检验出的物品的真实性较低。确定物品出现合法性检验结果，能够为过滤虚警目标，保留真实有效的毫米波图像序列提供有效的数据基础。
另外，在一些实施例中，参考图像序列至少包括第一图像序列、第二图像序列和第三图像序列，物品图像坐标信息包括第一矩形框、第二矩形框和第三矩形框，第一矩形框与第一图像序列相对应，第二矩形框与第二图像序列相对应，第三矩形框与第三图像序列相对应，参考图4，本申请实施例中获取物品位置连续性检验结果的步骤但不限于有以下步骤：
步骤S410，计算第一矩形框、第二矩形框与第三矩形框之间的多个矩形框IOU值；
步骤S420，计算第一中心点坐标、第二中心点坐标与第三中间点坐标之间的多个中心点坐标偏移值，其中，第一中心点坐标为第一矩形框的中心点坐标，第二中心点坐标为第二矩形框的中心点坐标，第三中心点坐标为第三矩形框的中心点坐标；
步骤S430，根据多个矩形框IOU值、预设IOU阈值、多个中心点坐标偏移值和预设偏移阈值确定物品位置连续性检验结果。
另外，在一些实施例中，图1的步骤S430包括但不限于有以下步骤：
步骤S510，当矩形框IOU值大于预设IOU阈值，并且中心点坐标偏移值小于预设偏移阈值，物品位置连续性检验结果为检验通过；
步骤S520，当矩形框IOU值小于或等于预设IOU阈值，或者中心点坐标偏移值大于或等于预设偏移阈值，物品位置连续性检验结果为检验不通过。
另外，在一些实施例中，参考图6，图2的步骤S220中确定第二虚警目标的步骤包括但不限于有以下步骤：
步骤S610，计算参考图像序列的参考次数，参考次数为参考图像序列中的图像序列对应的物品位置连续性检验结果为检验不通过的累计次数；
步骤S620，当参考次数大于预设次数阈值，将大于预设次数阈值的参考次数对应的图像序列确定为第二虚警目标。
可以理解的是，参考上述描述，毫米波图像序列在经过第一次过滤处理之后，得到检验出的物品的真实性较高的参考图像序列，由于参考图像序列包括按时间先后顺序排列的多个图像序列，通过计算参考图像序列的物品位置连续性检验结果，能够为过滤参考图像序列中检出物品的连续性较低的图像序列，保留检出物品的连续性较高的图像序列，能够为过滤虚警目标，保留真实有效的毫米波图像序列提供有效的数据基础。
以下以一个具体的示例对确定参考图像序列的物品位置连续性检验结果，并基于物品位置连续性检验结果对参考图像序列进行过滤处理的具体步骤进行具体描述。
示例一：
假设事实上人体只携带了一件物品，参考图像序列中前后连续3个图像序列中检测到的物品情况如下：第一图像序列检测出物品矩形框A，第二图像序列检测出物品矩形框B和C，第三帧图像序列检测出物品矩形框D；
(1)计算物品矩形框A、物品矩形框B、物品矩形框C与物品矩形框D两两之间的矩形框IOU值，可以表示为：
其中，∩表示计算两个物品矩形框坐标之间的交集，∪表示计算两个物品矩形框坐标之间的并集。
当各个矩形框IOU值满足如下表达式：
其中，预设IOU阈值为0.5，IOU(A，B)以及IOU(B，D)的数值大于0.5，说明物品矩形框A、B、D对应的物品为同一个物品的概率较高；IOU(A，C)以及IOU(C，D)的数值小于或等于0.5，说明物品矩形框C与A、B、D分别所对应的物品不处于同一个位置的概率较高，此时，第二图像序列对应的物品位置连续性检验结果为检验不通过。
(2)计算物品矩形框A、B、C与D各自的中心点坐标两两之间的多个中心点坐标偏移值OFFER，可以表示为：
当各个OFFER满足如下表达式：
其中，Threshold为预设偏移阈值，Threshold可以取值为15个像素，OFFER(A，B)以及OFFER(B，D)的数值小于Threshold，说明物品矩形框A、B、D对应的物品为同一个物品的概率较高；OFFER(A，C)以及OFFER(C，D)的数值大于或等于Threshold，说明物品矩形框C与A、B、D分别所对应的物品不处于同一个位置的概率较高，此时，第二图像序列对应的物品位置连续性检验结果为检验不通过。
计算参考图像序列中的前后连续的3个图像序列满足以下情况的累计次数，即参考次数：
其中，本实施例的预设次数阈值取值为2，此时，参考次数大于预设次数阈值，大于预设次数阈值的参考次数对应的图像序列，即第二图像序列为第二虚警目标，第二图像序列的物品矩形框C对应的目标特征信息连续性较差，通过对物品矩形框C对应的目标特征信息进行过滤处理，保留连续性较好的目标特征信息，得到新的参考图像序列，能够降低基于毫米波成像视频流后续进行物品检测的虚警率，进而提升人体安检产品的客户体验感。
另外，在一些实施例中，参考图7，本申请实施例中获取物品特征相似性检验结果的步骤但不限于有以下步骤：
步骤S710，基于直方图特征提取算法，依次对新的参考图像序列中的各个图像序列进行特征提取，得到多个物品特征向量；
步骤S720，根据余弦相似度算法计算多个物品特征向量之间的相似度得分值；
步骤S730，根据相似度得分值确定物品特征相似性检验结果。
需要说明的是，本申请实施例并不限制对新的参考图像序列中的各个图像序列进行特征提取的具体操作，可以是对图像序列进行裁剪处理，并对裁剪得到的图像进行图像尺寸归一化操作，本领域技术人员根据实际需求进行确认即可。
可以理解的是，基于直方图特征提取算法，依次对新的参考图像序列中的各个图像序列进行特征提取，得到多个物品特征向量；根据余弦相似度算法计算多个物品特征向量之间的相似度得分值；根据相似度得分值确定物品特征相似性检验结果，能够为保留物品相似性较高的图像序列提供有效的数据基础，进而降低基于毫米波成像视频流后续进行物品检测的虚警率，进而提升人体安检产品的客户体验感。
基于示例一的实施例，以下以一个具体的示例对确定参考图像序列的物品特征相似性检验结果，并基于物品特征相似性检验结果对新的参考图像序列进行过滤处理的具体步骤进行具体描述。
示例二：
(1)基于新的参考图像序列中前后连续3个图像序列中的各个物品矩形框(A，B，D)，进行分别裁剪，得到裁剪后的物品图像(imgA，imgB，imgD)；
(2)将物品图像(imgA，imgB，imgD)进行图像尺寸归一化操作：
imgA，imgB，imgD＝resize(imgA，imgB，imgD)；
(3)通过直方图提取算法从图像尺寸归一化后的物品图像(imgA，imgB，imgD)中提取物品特征向量(vecA，vecB，vecD)：
vecA，vecB，vecD＝hist(imgA，imgB，imgD)；
(4)根据余弦相似度算法分别计算物品特征向量(vecA，vecB，vecD)之间的相似度得分值：
其中，当满足以下条件，确定物品矩形框(A，B，D)所对应的物品为同一个物品：
其中，0.8为得分阈值，即是说，当相似度得分值大于或等于得分阈值，新的参考图像序列的物品特征相似性检验结果为检验通过，此时，第三虚警目标为空，此时不对新的参考图像序列进行过滤处理。
另外，参考图8，图8是本申请另一个实施例提供的毫米波成像视频流的过滤装置的模块示意图，本申请的一个实施例还提供了一种毫米波成像视频流的过滤装置800，该毫米波成像视频流的过滤装置800包括：
图像获取模块810，图像获取模块810用于通过毫米波安检设备获取毫米波成像视频流，毫米波成像视频流包括多个毫米波图像序列；
第一图像处理模块820，第一图像处理模块820用于根据深度学习目标检测算法对多个毫米波图像序列进行图像处理，得到多个目标特征信息，各个目标特征信息与各个毫米波图像序列一一对应，各个目标特征信息包括人体图像坐标信息、人体检出置信度值、物品图像坐标信息和物品检出置信度值；
第二图像处理模块830，第二图像处理模块830用于基于各个人体图像坐标信息、各个人体检出置信度值、各个物品图像坐标信息、各个物品检出置信度值和各个毫米波图像序列，根据连续帧算法对毫米波图像序列进行分析处理，得到毫米波图像序列对应的物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果；
图像过滤模块840，图像过滤模块840用于根据预设筛选规则、物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果从毫米波图像序列中确定虚警目标，并对毫米波成像视频流中携带有虚警目标的毫米波图像序列进行过滤处理。
需要说明的是，毫米波成像视频流的过滤装置800的具体实施方式与上述毫米波成像视频流的过滤方法的具体实施例以及具体步骤原理基本相同，在此不再赘述。
另外，参考图9，图9是本申请另一个实施例提供的电子设备的结构图，本申请的一个实施例还提供了一种电子设备900，该电子设备900包括：存储器910、处理器920及存储在存储器910上并可在处理器920上运行的计算机程序。
处理器920和存储器910可以通过总线或者其他方式连接。
实现上述实施例的毫米波成像视频流的过滤方法所需的非暂态软件程序以及指令存储在存储器910中，当被处理器920执行时，执行上述实施例中的毫米波成像视频流的过滤方法，例如，执行以上描述的图1中的方法步骤S110至步骤S140、图2中的方法步骤S210至步骤S230、图3中的方法步骤S310至步骤S330、图4中的方法步骤S410至步骤S430、图9中的方法步骤S910至步骤S920、图6中的方法步骤S610至步骤S620和图7中的方法步骤S710至步骤S730。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者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者全部模块来实现本实施例方案的目的。
此外，本申请的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述电子设备900实施例中的一个处理器920执行，可使得上述处理器920执行上述实施例中的毫米波成像视频流的过滤方法，例如，执行以上描述的图1中的方法步骤S110至步骤S140、图2中的方法步骤S210至步骤S230、图3中的方法步骤S310至步骤S330、图4中的方法步骤S410至步骤S430、图9中的方法步骤S910至步骤S920、图6中的方法步骤S610至步骤S620和图7中的方法步骤S710至步骤S730。本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

Claims (10)

1.一种毫米波成像视频流的过滤方法，其特征在于，包括：
通过毫米波安检设备获取毫米波成像视频流，所述毫米波成像视频流包括多个毫米波图像序列；
根据深度学习目标检测算法对多个所述毫米波图像序列进行图像处理，得到多个目标特征信息，各个所述目标特征信息与各个所述毫米波图像序列一一对应，各个所述目标特征信息包括人体图像坐标信息、人体检出置信度值、物品图像坐标信息和物品检出置信度值；
基于各个所述人体图像坐标信息、各个所述人体检出置信度值、各个所述物品图像坐标信息、各个所述物品检出置信度值和各个所述毫米波图像序列，根据连续帧算法对所述毫米波图像序列进行分析处理，得到所述毫米波图像序列对应的物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果；
根据预设筛选规则、所述物品出现合法性检验结果、所述物品图像特征相似性检验结果和所述物品位置连续性检验结果从所述毫米波图像序列中确定虚警目标，并对所述毫米波成像视频流中携带有所述虚警目标的所述毫米波图像序列进行过滤处理。
2.根据权利要求1所述的毫米波成像视频流的过滤方法，其特征在于，所述虚警目标包括第一虚警目标、第二虚警目标和第三虚警目标，所述根据预设筛选规则、所述物品出现合法性检验结果、所述物品图像特征相似性检验结果和所述物品位置连续性检验结果从所述毫米波图像序列中确定虚警目标，并对所述毫米波成像视频流中携带有所述虚警目标的所述毫米波图像序列进行过滤处理，包括：
根据所述物品出现合法性检验结果从多个所述毫米波图像序列中确定第一虚警目标，并对所述第一虚警目标对应的所述毫米波图像序列进行过滤处理，得到参考图像序列，所述参考图像序列表征按时间先后顺序排列的多个图像序列，各个所述图像序列的物品出现合法性检验结果为检验通过；
基于所述物品图像坐标信息和连续帧算法，计算所述参考图像序列的物品位置连续性检验结果，并根据所述物品图像特征相似性检验结果从所述参考图像序列中确定第二虚警目标，并对所述第二虚警目标对应的图像序列进行过滤处理，得到新的参考图像序列；
基于所述物品图像坐标信息和所述连续帧算法，计算所述新的参考图像序列的物品特征相似性检验结果，并根据所述物品特征相似性检验结果从所述新的参考图像序列中确定第三虚警目标，并对所述第三虚警目标对应的图像序列进行过滤处理。
3.根据权利要求1所述的毫米波成像视频流的过滤方法，其特征在于，所述人体图像坐标信息包括人体图像范围，所述物品出现合法性检验结果根据以下步骤得到：
根据各个所述人体图像坐标信息、各个所述人体检出置信度值、各个所述物品图像坐标信息和各个所述物品检出置信度值计算各个所述毫米波图像序列的物品出现合法性检验结果；
当所述毫米波图像序列的所述物品图像坐标信息对应的物品中心点坐标归属于所述人体图像范围，所述毫米波图像序列的所述人体检出置信度值大于第一预设置信度值，并且所述毫米波图像序列的所述物品检出置信度值大于第二预设置信度值，所述物品出现合法性检验结果为检验通过；
当所述毫米波图像序列的所述物品图像坐标信息对应的物品中心点坐标不归属于所述人体图像范围，所述毫米波图像序列的所述人体检出置信度值小于或等于所述第一预设置信度值，或者所述毫米波图像序列的所述物品检出置信度值小于或等于所述第二预设置信度值，所述物品出现合法性检验结果为检验不通过。
4.根据权利要求2所述的毫米波成像视频流的过滤方法，其特征在于，所述参考图像序列至少包括第一图像序列、第二图像序列和第三图像序列，所述物品图像坐标信息包括第一矩形框、第二矩形框和第三矩形框，所述第一矩形框与所述第一图像序列相对应，所述第二矩形框与所述第二图像序列相对应，所述第三矩形框与所述第三图像序列相对应，所述物品位置连续性检验结果根据以下步骤得到：
计算所述第一矩形框、所述第二矩形框与所述第三矩形框之间的多个矩形框IOU值；
计算第一中心点坐标、第二中心点坐标与第三中间点坐标之间的多个中心点坐标偏移值，其中，所述第一中心点坐标为所述第一矩形框的中心点坐标，所述第二中心点坐标为所述第二矩形框的中心点坐标，所述第三中心点坐标为所述第三矩形框的中心点坐标；
根据多个所述矩形框IOU值、预设IOU阈值、多个所述中心点坐标偏移值和预设偏移阈值确定所述物品位置连续性检验结果。
5.根据权利要求4所述的毫米波成像视频流的过滤方法，其特征在于，所述根据多个所述矩形框IOU值、预设IOU阈值、多个所述中心点坐标偏移值和预设偏移阈值确定所述物品位置连续性检验结果，包括：
当所述矩形框IOU值大于所述预设IOU阈值，并且所述中心点坐标偏移值小于所述预设偏移阈值，所述物品位置连续性检验结果为检验通过；
当所述矩形框IOU值小于或等于所述预设IOU阈值，或者所述中心点坐标偏移值大于或等于所述预设偏移阈值，所述物品位置连续性检验结果为检验不通过。
6.根据权利要求5所述的毫米波成像视频流的过滤方法，其特征在于，所述根据所述物品图像特征相似性检验结果从所述参考图像序列中确定第二虚警目标，包括：
计算所述参考图像序列的参考次数，所述参考次数为所述参考图像序列中的图像序列对应的物品位置连续性检验结果为检验不通过的累计次数；
当所述参考次数大于预设次数阈值，将大于所述预设次数阈值的参考次数对应的图像序列确定为所述第二虚警目标。
7.根据权利要求2所述的毫米波成像视频流的过滤方法，其特征在于，物品特征相似性检验结果根据以下步骤得到：
基于直方图特征提取算法，依次对所述新的参考图像序列中的各个图像序列进行特征提取，得到多个物品特征向量；
根据余弦相似度算法计算多个所述物品特征向量之间的相似度得分值；
根据所述相似度得分值确定所述物品特征相似性检验结果。
8.一种毫米波成像视频流的过滤装置，其特征在于，包括：
图像获取模块，所述图像获取模块用于通过毫米波安检设备获取毫米波成像视频流，所述毫米波成像视频流包括多个毫米波图像序列；
第一图像处理模块，所述第一图像处理模块用于根据深度学习目标检测算法对多个所述毫米波图像序列进行图像处理，得到多个目标特征信息，各个所述目标特征信息与各个所述毫米波图像序列一一对应，各个所述目标特征信息包括人体图像坐标信息、人体检出置信度值、物品图像坐标信息和物品检出置信度值；
第二图像处理模块，所述第二图像处理模块用于基于各个所述人体图像坐标信息、各个所述人体检出置信度值、各个所述物品图像坐标信息、各个所述物品检出置信度值和各个所述毫米波图像序列，根据连续帧算法对所述毫米波图像序列进行分析处理，得到所述毫米波图像序列对应的物品出现合法性检验结果、物品图像特征相似性检验结果和物品位置连续性检验结果；
图像过滤模块，所述图像过滤模块用于根据预设筛选规则、所述物品出现合法性检验结果、所述物品图像特征相似性检验结果和所述物品位置连续性检验结果从所述毫米波图像序列中确定虚警目标，并对所述毫米波成像视频流中携带有所述虚警目标的所述毫米波图像序列进行过滤处理。
9.一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的毫米波成像视频流的过滤方法。
10.一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1至7中任意一项所述的毫米波成像视频流的过滤方法。
CN202310758354.1A 2023-06-26 2023-06-26 毫米波成像视频流的过滤方法、装置、设备、存储介质 Active CN116894102B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310758354.1A CN116894102B (zh) 2023-06-26 2023-06-26 毫米波成像视频流的过滤方法、装置、设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310758354.1A CN116894102B (zh) 2023-06-26 2023-06-26 毫米波成像视频流的过滤方法、装置、设备、存储介质

Publications (2)

Publication Number Publication Date
CN116894102A true CN116894102A (zh) 2023-10-17
CN116894102B CN116894102B (zh) 2024-02-20

Family

ID=88314252

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310758354.1A Active CN116894102B (zh) 2023-06-26 2023-06-26 毫米波成像视频流的过滤方法、装置、设备、存储介质

Country Status (1)

Country Link
CN (1) CN116894102B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018228422A1 (zh) * 2017-06-15 2018-12-20 杭州海康威视数字技术股份有限公司 一种发出预警信息的方法、装置及系统
WO2022012158A1 (zh) * 2020-07-17 2022-01-20 华为技术有限公司 一种目标确定方法以及目标确定装置
CN114743026A (zh) * 2022-03-30 2022-07-12 北京奇艺世纪科技有限公司 目标对象的方位检测方法、装置、设备及计算机可读介质
CN114862837A (zh) * 2022-06-02 2022-08-05 西京学院 基于改进YOLOv5s的人体安检图像检测方法及系统
CN115943439A (zh) * 2021-03-01 2023-04-07 杜豫川 一种基于雷视融合的多目标车辆检测及重识别方法
CN218949048U (zh) * 2022-11-24 2023-05-02 江苏银宝专用车有限公司 一种垃圾清运车智能盲区行人检测及预警装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018228422A1 (zh) * 2017-06-15 2018-12-20 杭州海康威视数字技术股份有限公司 一种发出预警信息的方法、装置及系统
WO2022012158A1 (zh) * 2020-07-17 2022-01-20 华为技术有限公司 一种目标确定方法以及目标确定装置
CN115943439A (zh) * 2021-03-01 2023-04-07 杜豫川 一种基于雷视融合的多目标车辆检测及重识别方法
CN114743026A (zh) * 2022-03-30 2022-07-12 北京奇艺世纪科技有限公司 目标对象的方位检测方法、装置、设备及计算机可读介质
CN114862837A (zh) * 2022-06-02 2022-08-05 西京学院 基于改进YOLOv5s的人体安检图像检测方法及系统
CN218949048U (zh) * 2022-11-24 2023-05-02 江苏银宝专用车有限公司 一种垃圾清运车智能盲区行人检测及预警装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
穆森;单海婧;周锦源;邱桂苹;: "一种被动毫米波图像中人体隐匿物品的检测方法", 科技资讯, no. 36 *

Also Published As

Publication number Publication date
CN116894102B (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
US10497121B2 (en) Method and system for extracting a main subject of an image
CN107527009B (zh) 一种基于yolo目标检测的遗留物检测方法
Gllavata et al. Text detection in images based on unsupervised classification of high-frequency wavelet coefficients
US10068343B2 (en) Method and apparatus for recognizing moving target
CN109308460B (zh) 物品检测方法、系统及计算机可读存储介质
US8355079B2 (en) Temporally consistent caption detection on videos using a 3D spatiotemporal method
CN109934216B (zh) 图像处理的方法、装置、计算机可读存储介质
CN111753794B (zh) 水果品质分类方法、装置、电子设备及可读存储介质
US9904853B2 (en) Monitoring camera device and related region-based motion detection method
US10110846B2 (en) Computationally efficient frame rate conversion system
JP2022551366A (ja) カメラストリームのためのマスクを生成する方法、コンピュータープログラム製品およびコンピューター可読媒体
CN111611944A (zh) 身份识别方法及装置、电子设备、存储介质
CN116543334A (zh) 关键帧抽取方法、装置、电子设备及存储介质
CN110769262B (zh) 一种视频图像压缩方法、系统、设备和存储介质
US9818178B1 (en) Method and system for detection of ghosting artifact in a video
US20200394802A1 (en) Real-time object detection method for multiple camera images using frame segmentation and intelligent detection pool
CN111931745B (zh) 车辆检测方法、装置、电子设备及存储介质
CN116894102B (zh) 毫米波成像视频流的过滤方法、装置、设备、存储介质
CN112330618A (zh) 图像偏移检测方法、设备及存储介质
CN115830513A (zh) 一种图像场景变化确定的方法、装置、系统及存储介质
CN112085683B (zh) 一种显著性检测中的深度图可信度检测方法
CN114998283A (zh) 一种镜头遮挡物检测方法及装置
CN114283293A (zh) 一种红外目标检测虚警抑制方法
CN111985423A (zh) 活体检测方法、装置、设备及可读存储介质
CN112581489A (zh) 一种视频压缩方法、装置及存储介质

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