CN116912473A - 一种目标检测方法、装置及电子设备 - Google Patents
一种目标检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116912473A CN116912473A CN202310822975.1A CN202310822975A CN116912473A CN 116912473 A CN116912473 A CN 116912473A CN 202310822975 A CN202310822975 A CN 202310822975A CN 116912473 A CN116912473 A CN 116912473A
- Authority
- CN
- China
- Prior art keywords
- target
- images
- determining
- difference
- frames
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000002159 abnormal effect Effects 0.000 claims abstract description 43
- 238000012545 processing Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
-
- 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
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请公开了一种目标检测方法、装置及电子设备,该方法包括:获取目标采集设备所采集的目标图像集合;基于目标图像集合,确定指定区域异常的图像组;基于图像组中两帧图像的时间标记,在目标图像集合中确定含图像组的连续M帧图像,并基于连续M帧图像确定目标。通过本申请实施例提供的技术方案,在目标图像集合中标记最有可能发生剐蹭事故的连续M帧图像,此时只需通过该连续M帧图像,即可确定剐蹭事故中目标,该目标即为剐蹭事故中剐蹭方,从而避免了使用目标图像集合中所有图像来确定目标,进而提高了确定剐蹭事故中目标的效率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种目标检测方法、装置及电子设备。
背景技术
随着汽车保有量的逐年增加,与汽车相关的问题也逐渐显现出来,其中以车辆剐蹭的问题尤为突出。
在乡村、商场或者城市小区的停车场中,由于停车位周围的空间有限,容易发生剐蹭事故。当发生剐蹭事故时,被剐蹭车辆,即目标车辆的车主需要调取目标摄像头所拍摄的目标监控视频,该目标摄像头是能够拍摄到目标车辆的摄像头。然后车主采用人工的方式回看该目标监控视频,从而确认剐蹭事故中除目标车辆外的另一个参与方。
当采用人工方式回看目标监控视频时,车主最多以8倍速的速度观看该目标监控视频。由于目标车辆的旁边不断有不同的车辆停放,并且各个车辆的停放时间不定。因此,车主在回看目标监控视频时需要全程观看目标监控视频,耗时耗力,使得确定剐蹭事故中除目标车辆外的另一个参与方的效率低。
发明内容
本申请提供了一种目标检测方法、装置及电子设备,用以解决确定剐蹭事故中剐蹭方时效率低的问题。具体实现方案如下:
第一方面,本申请提供了一种目标检测方法,包括:
获取目标采集设备所采集的目标图像集合;所述目标采集设备用于采集包含被剐蹭车辆的图像;
基于所述目标图像集合,确定指定区域异常的图像组;所述图像组包括时间间隔为预设时间长度的两帧图像;所述指定区域异常指示,所述两帧图像中所述指定区域的对应像素点的像素值之间的差异度大于第一预设阈值;
基于所述图像组中所述两帧图像的时间标记,在所述目标图像集合中确定含所述图像组的连续M帧图像,并基于所述连续M帧图像确定所述目标;M是大于2的整数。
本申请实施例所提供的目标检测方法,基于目标采集设备所述采集的目标图像集合,根据两帧图像中指定区域的对应像素点的像素值之间的差异度与第一预设阈值的判断结果,确定了指定区域异常的两帧图像,从而基于该两帧图像的时间标记确定了目标图像集合中连续M帧图像,进而只需要通过该连续M帧图像,即可确定剐蹭事故中目标,该目标即为剐蹭方。因此,避免了通过目标图像集合中所有图像来确定剐蹭事故中目标,在不降低确定目标准确率的前提下,减少了确定目标时所使用的图像数量,从而减少了确定目标时所使用的时间,进而使得确定目标时的效率得以提高。
在一种可能的实施方式中,所述获取目标采集设备所采集的目标图像集合,包括:
获取所述被剐蹭车辆的车辆信息及采集设备的采集区域;所述车辆信息至少包括所述被剐蹭车辆对应的停车位标识;
响应于所述采集区域包括所述停车位标识所对应的停车位,确定所述采集设备为目标采集设备;则所述目标图像集合由所述目标采集设备所采集的图像组成。
在一种可能的实施方式中,所述确定所述采集设备为目标采集设备,包括:
在采集区域包括停车位标识对应的停车位的各个采集设备中,确定采集的图像包括预设信息的采集设备为目标采集设备;所述预设信息是车辆信息中一种或者多种信息;所述车辆信息包括车辆标识、停车位标识、车辆外观信息与环境信息。
在一种可能的实施方式中,所述指定区域通过以下方法得到:
针对所述两帧图像,基于获取的车辆标识,确定包围所述被剐蹭车辆的目标区域;所述车辆标识与所述被剐蹭车辆一一对应;
将所述目标区域进行灰度化处理,得到所述指定区域。
在一种可能的实施方式中,所述指定区域通过以下方法得到:
在所述目标图像集合中的任一帧图像中,基于获取的车辆标识,确定包围所述被剐蹭车辆的目标区域;所述车辆标识与所述被剐蹭车辆一一对应;
将所述目标区域外的每一个像素点所对应的像素值设置为第一指定像素值,并将所述目标区域内的每一个像素点所对应的像素值设置为第二指定像素值,得到掩膜图像;
将所述两帧图像与所述掩膜图像之间的交集区域进行灰度化处理,得到所述指定区域。
在一种可能的实施方式中,所述差异度包括第一差异度;则所述确定指定区域异常的图像组,包括:
确定所述两帧图像在所述指定区域中对应像素点的像素值之间的所述第一差异度;
若所述第一差异度大于所述第一预设阈值,确定所述两帧图像的所述指定区域异常;则所述两帧图像组成所述图像组。
在一种可能的实施方式中,所述差异度包括第二差异度或第三差异度;则所述确定所述两帧图像在所述指定区域中对应像素点的像素值之间的所述第一差异度,包括:
在所述两帧图像的所述指定区域中,基于对应像素点的像素值之间的差值的绝对值,确定所述差值的绝对值大于第二预设阈值的目标绝对值的个数,并确定所述目标绝对值的个数与所述差值的绝对值的总个数之间的第一比例为所述第二差异度;或者,
基于所述像素值,确定所述两帧图像的所述指定区域中像素点之间的欧式距离为所述第三差异度。
在一种可能的实施方中,所述差异度包括第四差异度;则所述确定指定区域异常的图像组,包括:
在所述两帧图像的所述指定区域中,基于对应像素点的像素值之间的差值的绝对值,确定相减图;所述相减图中像素点的像素值为所述差值的绝对值;
根据预设滑窗,将所述相减图划分为K个子相减图;K是大于1的整数;
在所述子相减图中,确定像素点的像素值大于第三预设阈值的目标像素点,以及所述目标像素点的个数;并确定所述目标像素点的个数与所述子相减图中像素点的总个数之间的第二比例为所述第四差异度;
若任一子相减图中,所述第四差异度大于第四预设阈值,确定所述两帧图像的所述指定区域异常;则所述两帧图像组成所述图像组。
第二方面,本申请还提供了一种目标检测装置,包括:
获取模块,用于获取目标采集设备所采集的目标图像集合;所述目标采集设备用于采集包含被剐蹭车辆的图像;
确定模块,用于基于所述目标图像集合,确定指定区域异常的图像组;所述图像组包括时间间隔为预设时间长度的两帧图像;所述指定区域异常指示,所述两帧图像中所述指定区域的对应像素点的像素值之间的差异度大于第一预设阈值;
处理模块,用于基于所述图像组中所述两帧图像的时间标记,在所述目标图像集合中确定含所述图像组的连续M帧图像,并基于所述连续M帧图像确定所述目标;M是大于2的整数。
在一种可能的实施方式中,所述获取模块,具体用于获取所述被剐蹭车辆的车辆信息及采集设备的采集区域;所述车辆信息至少包括所述被剐蹭车辆对应的停车位标识;响应于所述采集区域包括所述停车位标识所对应的停车位,确定所述采集设备为目标采集设备;则所述目标图像集合由所述目标采集设备所采集的图像组成。
在一种可能的实施方式中,所述获取模块,具体用于在采集区域包括停车位标识对应的停车位的各个采集设备中,确定采集的图像包括预设信息的采集设备为目标采集设备;所述预设信息是车辆信息中一种或者多种信息;所述车辆信息包括车辆标识、停车位标识、车辆外观信息与环境信息。
在一种可能的实施方式中,所述确定模块,具体用于针对所述两帧图像,基于获取的车辆标识,确定包围所述被剐蹭车辆的目标区域;所述车辆标识与所述被剐蹭车辆一一对应;将所述目标区域进行灰度化处理,得到所述指定区域。
在一种可能的实施方式中,所述确定模块,具体用于在所述目标图像集合中的任一帧图像中,基于获取的车辆标识,确定包围所述被剐蹭车辆的目标区域;所述车辆标识与所述被剐蹭车辆一一对应;将所述目标区域外的每一个像素点所对应的像素值设置为第一指定像素值,并将所述目标区域内的每一个像素点所对应的像素值设置为第二指定像素值,得到掩膜图像;将所述两帧图像与所述掩膜图像之间的交集区域进行灰度化处理,得到所述指定区域。
在一种可能的实施方式中,所述差异度包括第一差异度;则所述确定模块,具体用于确定所述两帧图像在所述指定区域中对应像素点的像素值之间的所述第一差异度;若所述第一差异度大于所述第一预设阈值,确定所述两帧图像的所述指定区域异常;则所述两帧图像组成所述图像组。
在一种可能的实施方式中,所述差异度包括第二差异度或第三差异度;则所述确定模块,具体用于在所述两帧图像的所述指定区域中,基于对应像素点的像素值之间的差值的绝对值,确定所述差值的绝对值大于第二预设阈值的目标绝对值的个数,并确定所述目标绝对值的个数与所述差值的绝对值的总个数之间的第一比例为所述第二差异度;或者,
所述确定模块,具体用于基于所述像素值,确定所述两帧图像的所述指定区域中像素点之间的欧式距离为所述第三差异度。
在一种可能的实施方式中,所述差异度包括第四差异度;则所述确定模块,具体用于在所述两帧图像的所述指定区域中,基于对应像素点的像素值之间的差值的绝对值,确定相减图;所述相减图中像素点的像素值为所述差值的绝对值;根据预设滑窗,将所述相减图划分为K个子相减图;K是大于1的整数;在所述子相减图中,确定像素点的像素值大于第三预设阈值的目标像素点,以及所述目标像素点的个数;并确定所述目标像素点的个数与所述子相减图中像素点的总个数之间的第二比例为所述第四差异度;若任一子相减图中,所述第四差异度大于第四预设阈值,确定所述两帧图像的所述指定区域异常;则所述两帧图像组成所述图像组。
第三方面,本申请提供了一种电子设备,包括:
存储器,用于存放计算机程序;
处理器,用于执行所述存储器上所存放的计算机程序时,实现上述的一种目标检测方法步骤。
第四方面,本申请提供了一种计算机可读存储介质,计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现上述的一种目标检测方法步骤。
附图说明
图1为本申请提供的一种目标检测方法的流程示意图;
图2a为本申请提供的图像在指定区域的像素点的像素值的示例图一;
图2b为本申请提供的图像在指定区域的像素点的像素值的示例图二;
图2c为本申请提供的图像在指定区域的像素点的像素值的示例图三;
图3为本申请提供的一种目标检测方法的处理过程示意图;
图4为本申请提供的一种目标检测装置的示意图;
图5为本申请提供的一种电子设备示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请作进一步地详细描述。方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。需要说明的是,在本申请的描述中“多个”理解为“至少两个”。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。A与B连接,可以表示:A与B直接连接和A与B通过C连接这两种情况。另外,在本申请的描述中,“第一”、“第二”等词汇,仅用于区分描述的目的,而不能理解为指示或暗示相对重要性,也不能理解为指示或暗示顺序。
下面结合附图,对本申请实施例进行详细描述。
由于采用人工方式回看目标监控视频,需要花费大量时间来确定剐蹭事故的剐蹭方,导致出现确定剐蹭方效率低的问题。
基于此,本申请提出了一种目标检测方法:根据计算的两帧图像的指定区域对应像素点的像素值的差异度与第一预设阈值的判断结果,确定指定区域异常的两帧图像;再基于目标图像集合中含两帧图像的连续M帧图像,确定剐蹭事故中目标。通过上述方式,在目标图像集合中标记了最有可能发生剐蹭事故的连续M帧图像,此时只需该连续M帧图像,即可确定剐蹭事故中目标,该目标即为剐蹭事故中剐蹭方,从而避免了使用目标图像集合中所有图像来确定目标,进而提高了确定剐蹭事故中目标的效率。
参照图1所示为本申请实施例提供的一种目标检测方法流程图,该方法包括:
S1,获取目标采集设备所采集的目标图像集合。
其中,目标采集设备用于采集包含被剐蹭车辆的图像。
具体来讲,首先获取被剐蹭车辆的车辆信息及采集设备的采集区域,该车辆信息至少包括被剐蹭车辆对应的停车位标识。比如被剐蹭车辆停在停车场A的负一层中的第123个停车位,则停车位标识为123。
然后响应于采集区域包括停车位标识对应的停车位,确定采集设备为目标采集设备,则获取该目标采集设备所采集的目标图像集合。因此,该目标图像集合中每一帧图像均包含了被剐蹭车辆。
在本申请实施例中,上述目标采集设备可以是摄像头。目标采集设备可以是采集的图像,也可以是采集的视频。但视频也是由不同帧图像组成,因此目标图像集合中图像也是视频中图像。
通过上述方式,根据响应于采集区域包括停车位标识对应的停车位,确定了目标采集设备,使得目标采集设备所采集的图像中均包含了被剐蹭车辆,从而使得目标图像集合中每一帧图像均是包含了被剐蹭车辆的图像,为后续确定指定区域异常的图像提供了数据。
在一种可能的实施方式,在确定采集设备为目标采集设备时,先确定采集区域包括停车位标识对应的停车位的各个采集设备;然后在各个采集设备中,确定采集的图像包括预设信息的采集设备为目标采集设备。
上述预设信息是车辆信息中一种或者多种信息。比如预设信息可以是车辆信息中车辆标识,且该车辆标识与被剐蹭车辆一一对应。该车辆标识比如为车牌号。预设信息也可以是车辆信息中停车位标识;还可以是车辆信息中车辆外观信息与环境信息。从而基于上述预设信息,使得后续确定包围被剐蹭车辆的指定区域时可以在图像中快速确定出被剐蹭车辆。
S2,基于目标图像集合,确定指定区域异常的图像组。
在步骤S1获取目标采集设备所采集的目标图像集合后,基于该目标图像集合,确定指定区域异常的图像组。在确定指定区域异常的图像组时,先确定指定区域,然后将含指定区域异常的两帧图像确定为前述图像组。该指定区域异常指示,两帧图像中指定区域的对应像素点的像素值之间的差异度大于第一预设阈值;该两帧图像是目标图像集合中间隔时间为预设时间长度的两帧图像。
以下首先对确定指定区域的两种实施方式进行详细说明:
方式一:
首先获取预设时间长度与车辆信息中车辆标识;然后针对目标图像集合中间隔预设时间长度的两帧图像,基于车辆标识,确定包围被剐蹭车辆的目标区域;再将目标区域进行灰度化处理,得到指定区域。
上述目标区域的形状可以是矩形,也可以是其他任意多边形,在本申请实施例中可以根据具体情形调整目标区域的形状。为保证目标区域还包含目标,上述目标区域的任一边界线位置与被剐蹭车辆的中心之间的距离为第一预设距离。上述目标可以是被剐蹭车辆的周边车辆或人员。但需要说明的是,目标区域不同的边界线位置,距离被剐蹭车辆的中心的第一预设距离值可以不相同。上述目标区域即为事故发生区域。
值得注意的是,上述两帧图像中指定区域的形状、大小、位置完全一致。
在本申请实施例中,在将目标区域进行灰度化处理时,可以是基于最大值法对目标区域进行灰度化处理。该最大值法如下公式所示:
R′(j,k)=G′(j,k)=Bj′(j,k)=max(R(j,k),G(j,k),B(j,k))
其中,R(j,k)、R′(j,k)分别表示目标区域中像素点的位置为(j,k)时,在进行灰度化处理之前与灰度化处理之后的红色像素值;G(j,k)、G′(j,k)分别表示目标区域中像素点的位置为(j,k)时,在进行灰度化处理之前与灰度化处理之后的绿色像素值;B(j,k)、B(′j,k)分别表示目标区域中像素点的位置为(j,k)时,在进行灰度化处理之前与灰度化处理之后的蓝色像素值;max表示最大值运算。
当像素点对应的R、G、B相等时,表示该像素点对应的像素的颜色为灰色,此时R=G=B的值即为灰度值。在目标区域中每一个像素点对应的像素的颜色均为灰色时,表示已对该目标区域完成了灰度化处理。
在将目标区域进行灰度化处理时,也可以是基于平均值法对目标区域进行灰度化处理。该平均值法如下公式所示:
在将目标区域进行灰度化处理时,还可以是基于加权平均法对目标区域进行灰度化处理。该加权平均法如下公式所示:
R′(j,k)=G′(j,k)=B′j(j,k)=α1R(j,k)+α2G(j,k)+α3B(j,k)
其中,α1、α2、α3之和为1;α1、α2、α3分别表示目标区域中像素点的位置为(j,k)时,在进行灰度化处理之前的红色像素值、绿色像素值、蓝色像素值各自对应的系数;该系数可以根据具体图像进行调整。
在本申请实施例中,在将目标区域进行灰度化处理之前,还可以将图像中目标区域外的每一个像素点所对应的像素值设置为第三指定像素值,而图像中目标区域内的每一个像素点所对应的像素值保持不变。从而在对目标区域进行灰度化处理时,可以更加清楚、快速的在图像中识别出目标区域。
方式二:
首先,获取预设时间长度与车辆信息中车辆标识。然后,在目标图像集合中的任一帧图像中,基于车辆标识,确定包围被剐蹭车辆的目标区域。接着,将目标区域外的每一个像素点所对应的像素值设置为第一指定像素值,并将目标区域内的每一个像素点对应的像素值设置为第二像素值,得到掩膜(mask)图像。再针对目标图像集合中间隔预设时间长度的两帧图像,将该两帧图像与mask图像之间的交集区域进行灰度化处理,得到指定区域。
这里需要说明的是,目标区域的任一边界线位置与被剐蹭车辆的中心之间的距离为第二预设距离值,以便于保证目标区域中还包含目标。该目标可以是被剐蹭车辆的周边车辆或人员。该第二预设距离值与方式一中第二预设距离值可以相同也可以不相同。同时,上述目标区域的形状与方式一中目标区域的形状也是可以相同或不相同。
在本方式二中,上述第一指定像素值与第二指定像素值可以分别为0、1。因此,mask图像中目标区域外的颜色为黑色,目标区域内的颜色为白色。
上述在交集区域进行灰度化处理时,同方式一中将目标区域进行灰度化处理时的灰度化处理方法一致,可以是基于最大值法对交集区域进行灰度化处理;也可以是基于平均值法对交集区域进行灰度化处理;还可以是基于加权平均法对交集区域进行灰度化处理。
通过上述方式,只需针对一帧图像确定出包围被剐蹭车辆的目标区域,避免了针对每一帧图像均确定一次目标区域,从而在基于目标区域确定指定区域时,提升了每一帧图像中确定指定区域的效率。并且,为保证每帧图像中指定区域的大小、位置完全一致,则需要每帧图像中被确定出的目标区域需完全一致,但需要耗费大量时间。而经过一帧mask图像与每一帧图像取交集区域的方式,即可保证每一帧图像中指定区域的大小、位置完全一致,避免了消耗大量时间,进一步的提高了确定每一帧图像中指定区域的效率与准确率。此外,通过灰度化处理,简化了指定区域中像素点的像素值,提高了后续确定两帧图像中指定区域对应像素点的像素值的差异度的效率,进一步的提高了确定剐蹭事故中目标的效率。
在一种可能的实施方式中,上述差异度包括第一差异度,则在确定指定区域异常的图像组时,首先,确定上述两帧图像在指定区域中对应像素点的像素值之间的第一差异度。然后,判断该第一差异度是否大于第一预设阈值。
若第一差异度不大于第一预设阈值,则确定上述两帧图像中指定区域不存在异常。
若第一差异度大于第一预设阈值,则确定上述两帧图像中指定区域异常。此时,由上述两帧图像组成图像组。
通过上述方式,根据两帧图像在指定区域中对应像素点的像素值之间的第一差异度与第一预设阈值的判断结果,确定了两帧图像中指定区域是否存在异常。从而将指定区域异常的两帧图像组成图像组,而后续是基于图像组中两帧图像的时间标记,来确定剐蹭事故中目标,进一步的减少了后续在目标图像集合中确定剐蹭事故中目标时所需的图像数量。
进一步,上述差异度还可以包括第二差异度或第三差异度,则在确定上述两帧图像在指定区域中对应像素点的像素值之间的第一差异度时,可通过以下步骤201、步骤202来确定第二差异度。
步骤201:在两帧图像的指定区域中,基于对应像素点的像素值之间的差值的绝对值,确定差值的绝对值大于第二预设阈值的目标绝对值的个数。
具体的,首先,在两帧图像的指定区域中,计算对应像素点的像素值之间的差值的绝对值,从而得到差值的绝对值集合。对应像素点的像素值指示像素点在两帧图像中指定区域的同一个位置的像素值。
举例来说,两帧图像的指定区域如图2a、图2b所示,其中,图2a所示的指定区域中像素点的位置为(3,3)时,对应的像素值为22;图2b所示的指定区域中像素点的位置为(3,3)时,对应的像素值为20,则两帧图像中指定区域的像素点的位置为(3,3)时,对应像素值的差值的绝对值为2。
然后,在差值的绝对值集合中,判断差值的绝对值是否大于第二预设阈值。
若差值的绝对值不大于第二预设阈值,则继续判断下一个差值的绝对值是否大于第二预设阈值。
若差值的绝对值大于第二预设阈值,则将该差值的绝对值标记为目标绝对值。
接着,在差值的绝对值集合中,确定目标绝对值的个数。
步骤202:确定目标绝对值的个数与差值的绝对值的总个数之间的第一比例为第二差异度。
举例来说,差值的绝对值集合为{13,25,56,35,23,46,34,45},第二预设阈值为30。则差值的绝对值集合中,有5个差值的绝对值大于30,即目标绝对值的个数为5。进而第一比例为5/8*100%=62.5%,即第二差异度为62.5%。
通过上述方式,基于计算的两帧图像在指定区域中对应像素点的像素值之间的差值的绝对值,确定了第二差异度。由于在确定第二差异度时,只计算了一次目标绝对值的个数与差值的绝对值的总个数之间的第一比例,从而提高了确定两帧图像的指定区域是否存在异常时的效率。
上述在确定上述两帧图像在指定区域中对应像素点的像素值之间的第一差异度时,还可以基于像素值,确定两帧图像的指定区域中像素点之间的欧式距离为第三差异度。
上述欧式距离d采用如下公式得到:
其中,x、y分别表示两帧图像中的一帧图像;x(j,k)表示一帧图像中指定区域中位置为(j,k)的像素点的像素值;y(j,k)表示另一帧图像中指定区域中位置为(j,k)的像素点的像素值;n、m分别表示指定区域中行像素点的总个数与列像素点的总个数。
通过上述方式,基于两帧图像的指定区域中像素点之间的欧式距离,确定了两帧图像在指定区域中对应像素点的像素值之间的第三差异度。由于欧式距离可以根据具体的计算公式快速得到,此时针对两帧图像的指定区域也只需计算一次欧式距离,从而进一步的提高了确定两帧图像中指定区域之间是否存在异常时的效率。
在另一种可能的实施方式中,上述差异度还包括第四差异度,则在确定指定区域异常的图像组时,首先,在两帧图像的指定区域中,基于对应像素点的像素值之间的差值的绝对值,确定相减图;该相减图中像素点的像素值为差值的绝对值。
举例来说,两帧图像中指定区域如图2a、图2b所示,将图2a中像素点的位置为(1,1)时的像素值45,减去图2b中像素点的位置为(1,1)时的像素值43,并将该差值取绝对值,得到相减图中像素点的位置为(1,1)时的像素值2,该相减图如图2c所示。同理,将图2a中每一个像素点的像素值与图2b中每一个像素点的像素值一一对应相减并取绝对值,得到图2c。
然后,根据预设滑窗,将相减图划分为K个子相减图;K是大于1的整数。
上述预设滑窗为步长为m1,大小为m2*m3的滑窗。m1是大于零的整数;m2、m3均是大于1的整数。因此,每一个子相减图的大小为m2*m3。比如,如图2c所示的相减图,滑窗的大小为2*2,步长为1。在2*2滑窗划出来的第一个子相减图中,第一行像素点的像素值从左到右依次为2、5,第二行像素点的像素值从左到右依次为0、0。然后将2*2的滑窗根据步长向右平移一个像素点,得到第二个子相减图。在第二个子相减图中,第一行像素点的像素值从左到右依次为5、2,第二行像素点的像素值从左到右依次为0、1。
其次,在子相减图中,确定像素点的像素值大于第三预设阈值的目标像素点,以及目标像素点的个数;并确定目标像素点的个数与子相减图中像素点的总个数之间的第二比例为第四差异度。
比如,如图2c所示的相减图,在第一个子相减图中,第一行像素点的像素值从左到右依次为2、5,第二行像素点的像素值从左到右依次为0、0,第三预设阈值为2。则像素点的像素值大于第三预设阈值的目标像素点的个数为1。此时第二比例则为1/4*100%=25%。
然后,在子相减图中,判断第四差异度是否大于第四预设阈值。
若第四差异度不大于第四预设阈值,则说明该子相减的像素值不存在异常。
若第四差异度大于第四预设阈值,则确定两帧图像的指定区域异常,则两帧图像组成图像组。
换言之,只要在任一子相减图中,第四差异度大于第四预设阈值,则确定两帧图像的指定区域异常。比如,第四预设阈值为20%。在如图2c所示的相减图中的第一个子相减图中,第四差异度为25%,该第四差异度超过了20%,此时则可以说明图2a与图2b所示的两帧图像的指定区域异常。
上述第一预设阈值、第二预设阈值、第三预设阈值、第四预设阈值可以相同也可以不相同,可以根据具体图像调整第一预设阈值、第二预设阈值、第三预设阈值、第四预设阈值。
通过上述方式,基于计算的两帧图像的指定区域对应像素点的像素值之间的差值的绝对值,得到了相减图;然后基于预设滑窗将相减图划分为了K个子相减图。只要任一子相减图中第四差异度大于第四预设阈值,则可以确定两帧图像的指定区域异常。由于将相减图划分为了K个子相减图,是在K个子相减图中任一子相减图中来确定第四差异度的,避免了在少部分对应像素点的像素值之间的差异度大于预设阈值时,仍认为两帧图像指定区域之间不存在异常。从而提高了确定两帧图像指定区域对应像素点的像素值之间是否存在异常时的准确率。
S3,基于图像组中两帧图像的时间标记,在目标图像集合中确定含图像组的连续M帧图像,并基于连续M帧图像确定目标。
其中,M是大于2的整数。
在一种可能的实施方式中,在基于连续M帧图像确定目标时,在图像中,确定被剐蹭车辆的剐蹭位置;再确定与剐蹭位置的距离最近的物体为目标。
在另一种可能的实施方式中,在基于连续M帧图像确定目标时,还可以是基于深度学习算法来确定目标。
在确定目标后,即确定了剐蹭事故中剐蹭被剐蹭车辆的剐蹭方。
此外,若步骤S2、步骤S3中,所选取的目标图像集合中时间间隔为预设时间长度的两帧图像,不满足步骤S2、步骤S3中各个条件,则选取目标图像集合中时间间隔为预设时间长度的另两帧图像,继续执行步骤S2、步骤S3,直至确定剐蹭事故中目标。
因此,在步骤S1、步骤S2、步骤S3中,也可以先基于间隔帧数对目标图像集合进行抽帧,得到图像序列。也就是说,在目标图像集合中,在抽取第一帧图像后,间隔上述间隔帧数抽取第二帧图像,从而得到图像序列。该间隔帧数是基于预设时间长度的时间间隔得到,从而使得图像序列中每两帧图像之间均间隔了预设时间长度。
举例来说,停车场中车辆的车速为5.6m/s,停车位宽3m,视频A的视频帧率为25每秒显示帧数(Frames per Second,FPS),即视频A每秒显示25帧图像。因此在对视频A进行抽帧时,预设时间长度为0.54秒,则间隔帧数可设置为13。也就是说,在视频A中,间隔13帧就抽取一帧图像,从而得到图像序列。
然后,在步骤S2、步骤S3中,针对目标图像集合中时间间隔为预设时间长度的两帧图像执行各个操作时,直接针对目标图像序列中任两帧相邻图像执行各个操作,直至确定剐蹭事故中目标。
这里需要说明的是,在本申请实施例中,图像序列中第一帧图像,可以是目标图像集合中,被剐蹭车辆在停车位停好时的第一时刻对应的帧图像。该第一帧图像还可以是目标图像集合中,目标车辆未被剐蹭时的任一时刻对应的一帧图像。在本申请实施例中可以根据具体的应用场景来调整第一帧图像。
此外,在本申请实施例中,不同的目标图像集合,间隔帧数可以不同。
综上来说,本申请所提出的目标检测方法,通过确定指定区域异常的两帧图像,然后基于目标图像集合中含上述两帧图像的连续M帧图像确定了剐蹭事故中目标。通过该方法,可在冗长的目标图像集合中迅速筛选、定位到了可能拍摄到发生剐蹭事故过程的连续M帧图像,从而只需通过该连续M帧图像即可确定目标,而无需通过目标图像集合中每一帧图像来确定目标,因此缩减了确定目标的时间,进而使得确定剐蹭事故的剐蹭方的效率得到了有效提高。
并且,只针对了两帧图像中的事故发生区域进行了差异度计算,避免了计算包含非事故发生区域的差异度,从而避免了非事故发生区域的无效信息对差异度的影响,并且降低了差异度计算的运算量,进一步的提高了确定剐蹭事故的剐蹭方的效率与准确率。
下面结合具体的应用过程对本申请技术方案做进一步的说明。
如图3所示为目标检测方法的处理过程示意图,首先确定被剐蹭车辆所在的停车位;然后确定采集区域包括该停车位的目标摄像头;再获取该目标摄像头采集的目标图像集合;并将该目标图像集合发送至目标区域确定模块与抽帧模块。
在目标区域确定模块中,在目标图像集合中任一帧图像中,确定出包围被剐蹭车辆的目标区域,该目标区域的边缘位置与被剐蹭车辆的中心的距离为预设距离。再将确定了目标区域的图像发送至mask图像转化模块。
在mask图像转化模块中,将确定了目标区域的图像转化为mask图像,其中,目标区域内每一个像素点所对应的像素值为1,目标区域外每一个像素点所对应的像素值为0。并将该mask图像发送至交集模块。
在抽帧模块中,根据间隔帧数对接收的目标图像集合进行抽帧,得到图像序列。并将该图像序列发送至交集模块。
在交集模块中,针对接收的图像序列中的每一帧图像,将该图像与接收的mask图像的交集区域进行灰度化处理,得到指定区域。该指定区域即为事故发生区域。此时该图像序列中每一帧图像均确定了指定区域。然后将确定了指定区域的图像序列发送至差异检测模块。
在差异检测模块中,计算图像序列中的两帧图像的指定区域对应像素点的像素值之间的差异度。然后判断该差异度是否大于第一预设阈值。若差异度大于第一预设阈值,则确定两帧图像的指定区域异常。将指定区域异常的两帧图像发送至核实模块。
在核实模块中,基于两帧图像的时间标记,在目标图像集合中确定含该两帧图像的连续M帧图像,M是大于2的整数。再基于该M帧图像,定并核实剐蹭事故中目标,该目标即为剐蹭事故中剐蹭方。
通过上述方式,将目标图像集合中所有图像转化为了M帧图像,从而只需在M帧图像中确定剐蹭事故中目标,在不降低确定剐蹭事故中目标的准确率的前提条件下,减少了确定剐蹭事故中目标的时间,从而提高了确定剐蹭事故中目标的效率。
并且,在进行差异检测时,只对事故发生区域进行了差异检测,避免了非事故发生区域对差异度的影响,并且使得计算差异度时的运行量降低,进一步的提高了确定剐蹭事故中目标的效率与准确率。
基于同一发明构思,本申请实施例中还提供了一种目标检测装置,图4所示为本申请提供的一种目标检测装置的结构示意图,该装置包括:
获取模块401,用于获取目标采集设备所采集的目标图像集合;目标采集设备用于采集包含被剐蹭车辆的图像;
确定模块402,用于基于目标图像集合,确定指定区域异常的图像组;图像组包括时间间隔为预设时间长度的两帧图像;指定区域异常指示,两帧图像中指定区域的对应像素点的像素值之间的差异度大于第一预设阈值;
处理模块403,用于基于图像组中两帧图像的时间标记,在目标图像集合中确定含图像组的连续M帧图像,并基于连续M帧图像确定所述目标;M是大于2的整数。
在一种可能的实施方式中,获取模块401,具体用于获取被剐蹭车辆的车辆信息及采集设备的采集区域;车辆信息至少包括被剐蹭车辆对应的停车位标识;响应于采集区域包括停车位标识所对应的停车位,确定采集设备为目标采集设备;则目标图像集合由目标采集设备所采集的图像组成。
在一种可能的实施方式中,获取模块401,还用于在采集区域包括停车位标识对应的停车位的各个采集设备中,确定采集的图像包括预设信息的采集设备为目标采集设备;预设信息是车辆信息中一种或者多种信息;车辆信息包括车辆标识、停车位标识、车辆外观信息与环境信息。
在一种可能的实施方式中,确定模块402,具体用于针对两帧图像,基于获取的车辆标识,确定包围被剐蹭车辆的目标区域;车辆标识与被剐蹭车辆一一对应;将目标区域进行灰度化处理,得到指定区域。
在一种可能的实施方式中,确定模块402,还用于在目标图像集合中的任一帧图像中,基于获取的车辆标识,确定包围被剐蹭车辆的目标区域;车辆标识与被剐蹭车辆一一对应;将目标区域外的每一个像素点所对应的像素值设置为第一指定像素值,并将目标区域内的每一个像素点所对应的像素值设置为第二指定像素值,得到掩膜图像;将两帧图像与掩膜图像之间的交集区域进行灰度化处理,得到指定区域。
在一种可能的实施方式中,差异度包括第一差异度;则确定模块402,还用于确定两帧图像在指定区域中对应像素点的像素值之间的第一差异度;若第一差异度大于第一预设阈值,确定两帧图像的指定区域异常;则两帧图像组成图像组。
在一种可能的实施方式中,差异度包括第二差异度或第三差异度;则确定模块402,还用于在两帧图像的指定区域中,基于对应像素点的像素值之间的差值的绝对值,确定差值的绝对值大于第二预设阈值的目标绝对值的个数,并确定目标绝对值的个数与差值的绝对值的总个数之间的第一比例为第二差异度;或者,
确定模块402,还用于基于像素值,确定两帧图像的指定区域中像素点之间的欧式距离为第三差异度。
在一种可能的实施方式中,差异度包括第四差异度;则确定模块402,还用于在两帧图像的指定区域中,基于对应像素点的像素值之间的差值的绝对值,确定相减图;相减图中像素点的像素值为差值的绝对值;根据预设滑窗,将相减图划分为K个子相减图;K是大于1的整数;在子相减图中,确定像素点的像素值大于第三预设阈值的目标像素点,以及目标像素点的个数;并确定目标像素点的个数与子相减图中像素点的总个数之间的第二比例为第四差异度;若任一子相减图中,第四差异度大于第四预设阈值,确定两帧图像的指定区域异常;则两帧图像组成图像组。
基于同一发明构思,本申请实施例中还提供了一种电子设备,上述电子设备可以实现前述目标检测装置的功能,参考图5,上述电子设备包括:
至少一个处理器501,以及与至少一个处理器501连接的存储器502,本申请实施例中不限定处理器501与存储器502之间的具体连接介质,图5中是以处理器501和存储器502之间通过总线500连接为例。总线500在图5中以粗线表示,其它部件之间的连接方式,仅是进行示意性说明,并不引以为限。总线500可以分为地址总线、数据总线、控制总线等,为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。或者,处理器501也可以称为控制器,对于名称不做限制。
在本申请实施例中,存储器502存储有可被至少一个处理器501执行的指令,至少一个处理器501通过执行存储器502存储的指令,可以执行前文论述的目标检测方法。处理器501可以实现图4所示的装置中各个模块的功能。
其中,处理器501是该装置的控制中心,可以利用各种接口和线路连接整个该控制设备的各个部分,通过运行或执行存储在存储器502内的指令以及调用存储在存储器502内的数据,该装置的各种功能和处理数据,从而对该装置进行整体监控。
在一种可能的设计中,处理器501可包括一个或多个处理单元,处理器501可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器501中。在一些实施例中,处理器501和存储器502可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器501可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的目标检测方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器502作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器502可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器502是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本申请实施例中的存储器502还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
通过对处理器501进行设计编程,可以将前述实施例中介绍的目标检测方法所对应的代码固化到芯片内,从而使芯片在运行时能够执行图1所示的实施例的目标检测方法的步骤。如何对处理器501进行设计编程为本领域技术人员所公知的技术,这里不再赘述。
基于同一发明构思,本申请实施例还提供一种存储介质,该存储介质存储有计算机指令,当该计算机指令在计算机上运行时,使得计算机执行前文论述的目标检测方法。
在一些可能的实施方式中,本申请提供的目标检测方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在装置上运行时,程序代码用于使该控制设备执行本说明书上述描述的根据本申请各种示例性实施方式的目标检测方法中的步骤。
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。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种目标检测方法,其特征在于,包括:
获取目标采集设备所采集的目标图像集合;所述目标采集设备用于采集包含被剐蹭车辆的图像;
基于所述目标图像集合,确定指定区域异常的图像组;所述图像组包括时间间隔为预设时间长度的两帧图像;所述指定区域异常指示,所述两帧图像中所述指定区域的对应像素点的像素值之间的差异度大于第一预设阈值;
基于所述图像组中所述两帧图像的时间标记,在所述目标图像集合中确定含所述图像组的连续M帧图像,并基于所述连续M帧图像确定所述目标;M是大于2的整数。
2.如权利要求1所述的方法,其特征在于,所述获取目标采集设备所采集的目标图像集合,包括:
获取所述被剐蹭车辆的车辆信息及采集设备的采集区域;所述车辆信息至少包括所述被剐蹭车辆对应的停车位标识;
响应于所述采集区域包括所述停车位标识所对应的停车位,确定所述采集设备为目标采集设备;则所述目标图像集合由所述目标采集设备所采集的图像组成。
3.如权利要求1所述的方法,其特征在于,所述指定区域通过以下方法得到:
针对所述两帧图像,基于获取的车辆标识,确定包围所述被剐蹭车辆的目标区域;所述车辆标识与所述被剐蹭车辆一一对应;
将所述目标区域进行灰度化处理,得到所述指定区域。
4.如权利要求1所述的方法,其特征在于,所述指定区域通过以下方法得到:
在所述目标图像集合中的任一帧图像中,基于获取的车辆标识,确定包围所述被剐蹭车辆的目标区域;所述车辆标识与所述被剐蹭车辆一一对应;
将所述目标区域外的每一个像素点所对应的像素值设置为第一指定像素值,并将所述目标区域内的每一个像素点所对应的像素值设置为第二指定像素值,得到掩膜图像;
将所述两帧图像与所述掩膜图像之间的交集区域进行灰度化处理,得到所述指定区域。
5.如权利要求1-4任一项所述的方法,其特征在于,所述差异度包括第一差异度;则所述确定指定区域异常的图像组,包括:
确定所述两帧图像在所述指定区域中对应像素点的像素值之间的所述第一差异度;
若所述第一差异度大于所述第一预设阈值,确定所述两帧图像的所述指定区域异常;则所述两帧图像组成所述图像组。
6.如权利要求5所述的方法,其特征在于,所述差异度包括第二差异度或第三差异度;则所述确定所述两帧图像在所述指定区域中对应像素点的像素值之间的所述第一差异度,包括:
在所述两帧图像的所述指定区域中,基于对应像素点的像素值之间的差值的绝对值,确定所述差值的绝对值大于第二预设阈值的目标绝对值的个数,并确定所述目标绝对值的个数与所述差值的绝对值的总个数之间的第一比例为所述第二差异度;或者,
基于所述像素值,确定所述两帧图像的所述指定区域中像素点之间的欧式距离为所述第三差异度。
7.如权利要求1-4任一项所述的方法,其特征在于,所述差异度包括第四差异度;则所述确定指定区域异常的图像组,包括:
在所述两帧图像的所述指定区域中,基于对应像素点的像素值之间的差值的绝对值,确定相减图;所述相减图中像素点的像素值为所述差值的绝对值;
根据预设滑窗,将所述相减图划分为K个子相减图;K是大于1的整数;
在所述子相减图中,确定像素点的像素值大于第三预设阈值的目标像素点,以及所述目标像素点的个数;并确定所述目标像素点的个数与所述子相减图中像素点的总个数之间的第二比例为所述第四差异度;
若任一子相减图中,所述第四差异度大于第四预设阈值,确定所述两帧图像的所述指定区域异常;则所述两帧图像组成所述图像组。
8.一种目标检测装置,其特征在于,包括:
获取模块,用于获取目标采集设备所采集的目标图像集合;所述目标采集设备用于采集包含被剐蹭车辆的图像;
确定模块,用于基于所述目标图像集合,确定指定区域异常的图像组;所述图像组包括时间间隔为预设时间长度的两帧图像;所述指定区域异常指示,所述两帧图像中所述指定区域的对应像素点的像素值之间的差异度大于第一预设阈值;
处理模块,用于基于所述图像组中所述两帧图像的时间标记,在所述目标图像集合中确定含所述图像组的连续M帧图像,并基于所述连续M帧图像确定所述目标;M是大于2的整数。
9.一种电子设备,其特征在于,包括:
存储器,用于存放计算机程序;
处理器,用于执行所述存储器上所存放的计算机程序时,实现权利要求1-7中任一项所述的方法步骤。
10.一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内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310822975.1A CN116912473A (zh) | 2023-07-05 | 2023-07-05 | 一种目标检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310822975.1A CN116912473A (zh) | 2023-07-05 | 2023-07-05 | 一种目标检测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116912473A true CN116912473A (zh) | 2023-10-20 |
Family
ID=88367599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310822975.1A Pending CN116912473A (zh) | 2023-07-05 | 2023-07-05 | 一种目标检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116912473A (zh) |
-
2023
- 2023-07-05 CN CN202310822975.1A patent/CN116912473A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111695609A (zh) | 目标物损伤程度判定方法、装置、电子设备及存储介质 | |
CN111368587B (zh) | 场景检测方法、装置、终端设备及计算机可读存储介质 | |
CN106651797B (zh) | 一种信号灯有效区域的确定方法和装置 | |
CN111179302B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
CN105976570A (zh) | 一种基于车载视频监控的驾驶员吸烟行为实时监测方法 | |
CN111917991A (zh) | 图像的质量控制方法、装置、设备及存储介质 | |
CN110114801A (zh) | 图像前景检测装置及方法、电子设备 | |
CN115761668A (zh) | 摄像头的污渍识别方法、装置、车辆及存储介质 | |
CN110458029B (zh) | 一种雾天环境中的车辆检测方法及装置 | |
CN111723805B (zh) | 一种信号灯的前景区域识别方法及相关装置 | |
CN114708532A (zh) | 一种监控视频质量评估方法、系统及存储介质 | |
CN110033425B (zh) | 干扰区域检测装置及方法、电子设备 | |
CN108874269B (zh) | 一种目标跟踪方法、装置及系统 | |
CN116912473A (zh) | 一种目标检测方法、装置及电子设备 | |
CN110688979A (zh) | 违法车辆追踪方法及装置 | |
CN111325731A (zh) | 遥控装置的安装检测方法及装置 | |
CN113436279B (zh) | 一种图像处理方法、装置及设备 | |
CN111639642B (zh) | 一种图像处理方法、设备及装置 | |
CN112818743B (zh) | 图像识别的方法、装置、电子设备及计算机存储介质 | |
CN111986144B (zh) | 一种图像模糊判断方法、装置、终端设备及介质 | |
CN116152691A (zh) | 图像检测方法、装置、设备和存储介质 | |
CN114359183A (zh) | 图像质量评估方法及设备、镜头遮挡的确定方法 | |
CN110751618B (zh) | 一种漂浮物检测方法、装置及电子设备 | |
CN110852228A (zh) | 监控视频中的动态背景提取及前景物体检测方法及系统 | |
CN116013091B (zh) | 基于车流量大数据的隧道监控系统与分析方法 |
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 |