CN117152751A - 一种图像分割方法及系统 - Google Patents
一种图像分割方法及系统 Download PDFInfo
- Publication number
- CN117152751A CN117152751A CN202311412344.9A CN202311412344A CN117152751A CN 117152751 A CN117152751 A CN 117152751A CN 202311412344 A CN202311412344 A CN 202311412344A CN 117152751 A CN117152751 A CN 117152751A
- Authority
- CN
- China
- Prior art keywords
- image
- abnormal
- ground
- judging
- monitoring image
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003709 image segmentation Methods 0.000 title claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims abstract description 177
- 238000012544 monitoring process Methods 0.000 claims abstract description 110
- 239000010813 municipal solid waste Substances 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000011218 segmentation Effects 0.000 claims description 4
- 210000000746 body region Anatomy 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 8
- 235000019504 cigarettes Nutrition 0.000 description 4
- 230000003321 amplification Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 2
- 235000013361 beverage Nutrition 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005764 inhibitory process Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000010223 real-time analysis Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010062717 Increased upper airway secretion Diseases 0.000 description 1
- 206010036790 Productive cough Diseases 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 208000026435 phlegm Diseases 0.000 description 1
- 208000024794 sputum Diseases 0.000 description 1
- 210000003802 sputum Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- 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
- G06V2201/05—Recognition of patterns representing particular kinds of hidden objects, e.g. weapons, explosives, drugs
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Human Computer Interaction (AREA)
- Alarm Systems (AREA)
Abstract
本发明适用于图像分割技术领域,提供了一种图像分割方法及系统,获取监控图像数据;对所述监控图像数据进行分析,判定监控图像中的地面是否存在异常物品;当判定地面存在所述异常物品时,确定判定时刻,并识别所述异常物品的特征信息;以所述判定时刻为准,调取判定时刻之前的监控图像数据;根据特征信息识别调取的监控图像中的所述异常物品,直到异常物品与图像中的人身区域重叠。能够实时且准确的将摄像头获取的监控视频中的异常物品图像分割出来,并对异常物品进行分析,以确定该异常物品的类型,进而可以及时的通过语音播报设备来提醒人群丢失贵重物品或者提醒人群勿乱扔垃圾,进而提高了本图像分割方法的应用性。
Description
技术领域
本发明属于图像分割技术领域,尤其涉及一种图像分割方法及系统。
背景技术
图像分割是计算机视觉中的基础问题之一。图像分割是利用图像某些特征,如灰度、颜色、纹理等等,将图像分割成若干个独立且具有意义连接的区域或对象,在每个区域内有相同的特征,通过这些区域来表达设计的场景或者物体,符合现实中人眼的视觉特征,以满足用户图像处理需求。
目前,图像处理广泛应用于医学图像、遥感云图、指纹识别、人脸检测、地质勘测等领域,图像分割作为图像处理过程中的一个关键步骤,用于为图像检索、图像分析提供有效的信息,从而使更高层次的图像处理成为可能。
摄像头是公共场所中十分常见的图像获取设备,摄像头通过对公共场所的摄录,可以记录下来公共场所出现的异常现象以及异常现象对应的异常物品。公共场所中,人们丢失贵重物品或者乱扔垃圾的现象十分普遍,但是现有技术中的图像分割方法无法准确且实时的将摄像头获取的监控视频中的异常物品分割出并将其分类,以及时的提醒人群丢失贵重物品或者提醒人群勿乱扔垃圾。
发明内容
本发明的目的在于提供一种图像分割方法,旨在解决背景技术中提出的问题。
本发明是这样实现的,一种图像分割方法,所述方法具体包括以下步骤:
获取监控图像数据;
对所述监控图像数据进行分析,判定监控图像中的地面是否存在异常物品;
当判定地面存在所述异常物品时,确定判定时刻,并识别所述异常物品的特征信息;
以所述判定时刻为准,调取判定时刻之前的监控图像数据;
根据特征信息识别调取的监控图像中的所述异常物品,直到异常物品与图像中的人身区域重叠,得到重叠区域;
根据所述重叠区域,分割出存在丢掉异常物品的人物图像。
作为本发明实施例技术方案进一步的限定,所述异常物品包括贵重物品以及垃圾物品。
作为本发明实施例技术方案进一步的限定,所述对所述监控图像数据进行分析,判定监控图像中的地面是否存在异常物品的步骤包括:
对监控图像数据进行分析,得到地面图像信息;
将所述地面图像信息上传至数据库中,并与数据库中的预设地面图像进行比较,分析地面图像信息中是否包含非预设地面图像内容;
当地面图像信息中包含非预设地面图像内容时,计算该非预设地面图像内容的面积,若该面积小于预设面积,则判定监控图像中存在异常物品。
作为本发明实施例技术方案进一步的限定,当判定地面存在所述异常物品时,确定判定时刻,并识别所述异常物品的特征信息的步骤包括:
当判定地面存在异常物品时,确定判定时刻;
根据判定时刻,提取获取的监控图像中的一帧图片,得到判定图片;
识别所述判定图片,得到所述异常物品的特征信息。
作为本发明实施例技术方案进一步的限定,所述根据特征信息识别调取的监控图像中的所述异常物品,直到异常物品与图像中的人身区域重叠,得到重叠区域的步骤包括:
根据特征信息识别调取的监控图像中的所述异常物品;
判断监控图像中的所述异常物品的所在位置,直到异常物品的所在位置与图像中的人身区域重叠时,停止判断,并得到重叠区域。
作为本发明实施例技术方案进一步的限定,所述根据所述重叠区域,分割出存在丢掉异常物品的人物图像的步骤包括:
根据所述重叠区域,获取监控图像数据中包含重叠区域的一帧图像;
将所述包含重叠区域的一帧图像上传至数据库中;
对所述包含重叠区域的一帧图像进行识别,分割出存在丢掉异常物品的人物图像。
一种图像分割系统,所述系统包括:监控图像数据获取单元、异常物品判定单元、特征信息识别单元、监控图像数据调取单元、重叠区域获取单元和人物图片分割单元,其中:
监控图像数据获取单元,用于获取监控图像数据;
异常物品判定单元,用于对所述监控图像数据进行分析,判定监控图像中的地面是否存在异常物品;
特征信息识别单元,用于当判定地面存在所述异常物品时,确定判定时刻,并识别所述异常物品的特征信息;
监控图像数据调取单元,用于以所述判定时刻为准,调取判定时刻之前的监控图像数据;
重叠区域获取单元,用于根据特征信息识别调取的监控图像中的所述异常物品,直到异常物品与图像中的人身区域重叠,得到重叠区域;
人物图片分割单元,用于根据所述重叠区域,分割出存在丢掉异常物品的人物图像。
作为本发明实施例技术方案进一步的限定,所述异常物品判定单元具体包括:
地面图像信息获取模块,用于对监控图像数据进行分析,得到地面图像信息;
地面图像信息分析模块,用于将所述地面图像信息上传至数据库中,并与数据库中的预设地面图像进行比较,分析地面图像信息中是否包含非预设地面图像内容;
异常物品判定模块,用于当地面图像信息中包含非预设地面图像内容时,计算该非预设地面图像内容的面积,若该面积小于预设面积,则判定监控图像中存在异常物品。
作为本发明实施例技术方案进一步的限定,所述特征信息识别单元具体包括:
判定时刻确定模块,用于当判定地面存在异常物品时,确定判定时刻;
判定图片获取模块,用于根据判定时刻,提取获取的监控图像中的一帧图片,得到判定图片;
特征信息获取模块,用于识别所述判定图片,得到所述异常物品的特征信息。
作为本发明实施例技术方案进一步的限定,所述重叠区域获取单元具体包括:
异常物品识别模块,用于根据特征信息识别调取的监控图像中的所述异常物品;
重叠区域确定模块,用于判断监控图像中的所述异常物品的所在位置,直到异常物品的所在位置与图像中的人身区域重叠时,停止判断,并得到重叠区域。
本发明通过获取监控图像数据;对所述监控图像数据进行分析,判定监控图像中的地面是否存在异常物品;当判定地面存在所述异常物品时,确定判定时刻,并识别所述异常物品的特征信息;以所述判定时刻为准,调取判定时刻之前的监控图像数据;根据特征信息识别调取的监控图像中的所述异常物品,直到异常物品与图像中的人身区域重叠,得到重叠区域;根据所述重叠区域,分割出存在丢掉异常物品的人物图像。能够实时且准确的将摄像头获取的监控视频中的异常物品图像分割出来,并对异常物品进行分析,以确定该异常物品的类型,进而可以及时的通过语音播报设备来提醒人群丢失贵重物品或者提醒人群勿乱扔垃圾,进而提高了本图像分割方法的应用性。
附图说明
图1示出了本发明实施例提供的图像分割方法的流程图;
图2示出了本发明实施例的方法中的判定异常物品的流程图;
图3示出了本发明实施例的方法中的识别异常物品的特征信息的流程图;
图4示出了本发明实施例的方法中的获取重叠区域的流程图;
图5示出了本发明实施例的方法中的分割人物图像的流程图;
图6为本发明实施例提供的系统的应用架构图;
图7为本发明实施例提供的系统中异常物品判定单元的结构框图;
图8为本发明实施例提供的系统中特征信息识别单元的结构框图;
图9为本发明实施例提供的系统中重叠区域获取单元的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明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仅用以解释本发明,并不用于限定本发明。
图1示出了本发明实施例提供的方法的流程图。
具体的,一种图像分割方法,所述方法具体包括以下步骤:
步骤S100,获取监控图像数据。
在本发明实施例中,可以通过在公共场所的内部设置若干个摄像头的方式来获取公共场所内部的监控图像数据,且每个摄像头均能够清洗的拍摄到公共场所地面的图像,上述的公共场所可以是候机厅、展览厅、博物馆、火车站台等等,上述的摄像头通过wifi或者数据线连入互联网,且后台计算机可以控制摄像头工作,上述的摄像头具备视频储存、背光补偿、画面调整以及智能放大等功能。
进一步的,所述图像分割方法还包括以下步骤:
步骤S200,对所述监控图像数据进行分析,判定监控图像中的地面是否存在异常物品。
在本发明的实施例中,异常物品包括例如电子用品(手机、耳机等)、首饰、车票或者身份证等贵重物品,也包括例如纸团、烟头、痰或者饮料瓶等垃圾物品,监控图像数据的分析过程是实时进行的,即摄像头摄录公共场所的视频后,即将摄录下来的视频上传至后台计算机,且后台计算机对摄像头摄录的视频进行实时分析,并且判定监控图像中的地面上是否存在上述的异常物品。
具体的,图2示出了本发明实施例提供的方法中的判定异常物品的流程图。
其中,在本发明的优选实施方式中,所述对监控图像数据进行分析,判定监控图像中的地面是否存在异常物品具体包括以下步骤:
步骤S201,对监控图像数据进行分析,得到地面图像信息;
步骤S202,将所述地面图像信息上传至数据库中,并与数据库中的预设地面图像进行比较,分析地面图像信息中是否包含非预设地面图像内容;
步骤S203,当地面图像信息中包含非预设地面图像内容时,计算该非预设地面图像内容的面积,若该面积小于预设面积,则判定监控图像中存在异常物品。
在本发明实施例中,后台计算机可以建立数据库,该数据库中包含多张预设地面图像,上述的预设地面图像不仅仅包括地面图像,且还包括设置在地面上的固定不变的物品图像(例如座椅、装饰品、建筑物等),且每个预设地面图像对应着一个摄像头,后台计算机可以对若干个摄像头进行编号;
可以理解的是,在摄像头将监控图像数据上传至后台计算机后,后台计算机根据该摄像头的特定编号匹配对应的预设地面图像,之后后台计算机对监控图像数据进行分析,并得到地面图像信息,再将地面图像信息输入至数据库中与该摄像头匹配的预设地面图像进行比较,并分析地面图像信息中是否包含非预设地面图像内容,如果没有发现非预设地面图像内容,则进行下一时间段的监控图像数据的分析作业,如果发现非预设地面图像内容,则对非预设地面图像内容进行判定,以确定该非预设地面图像内容所对应的为人体目标还是非人体目标,若为人体目标,则继续进行下一时间段的监控图像数据的分析作业,若非人体目标,则计算该非预设地面图像内容在监控图像中所占有的面积,若该面积小于预设面积,则判定监控图像中存在异常物品;
可以理解的是,后台计算机的数据库中还储存了多个包含有不同的异常物品的图像,在后台计算机分析非预设地面图像内容的时候,还可以将该非预设地面图像内容从监控图像中单独分割出来,以获得对比图像,后台计算机将该对比图像与输入至数据库中,并与数据库中的包含预设异常物品的多个图像进行比较,并比较出相似度最高的异常物品,进而以确定非预设地面图像内容中所包含的异常物品的具体种类,进一步的,若确定异常物品为身份证、电子产品等贵重物品时,则后台计算机可以控制公共场所内的播音设备播放贵重物品丢失语音信息,以提醒人们知晓物品丢失,或者后台计算机发送信息给公共场所值班人员,以使得值班人员将贵重物品拾起来并送至物品丢失处,若确定异常物品为烟头、纸团等垃圾物品,则控制播音设备播放禁止乱扔垃圾等语音信息。
进一步的,所述图像分割方法还包括以下步骤:
步骤S300,当判定地面存在所述异常物品时,确定判定时刻,并识别所述异常物品的特征信息。
在本发明实施例中,当后台计算机判定监控图像数据中的地面上确实存在异常物品时,确定并记录判定时刻,并识别监控图像数据中的异常物品的特征信息,该特征信息主要包括异常物品的具体形状和具体颜色分布。
具体的,图3示出了本发明实施例提供的方法中的识别异常物品的特征信息的流程图。
其中,在本发明的优选实施方式中,所述当判定地面存在所述异常物品时,确定判定时刻,并识别所述异常物品的特征信息具体包括以下步骤:
步骤S301,当判定地面存在异常物品时,确定判定时刻;
步骤S302,根据判定时刻,提取获取的监控图像中的一帧图片,得到判定图片;
步骤S303,识别所述判定图片,得到所述异常物品的特征信息。
在本发明实施例中,在确定判定时刻后,截取监控图像数据中判定时刻对应的一帧图片,以得到判定图片,且该判定图片中包含着地面信息、人像、异常物品图像等,后台计算机对上述的判定图片进行识别,并只提取判定图片中的异常物品图像的特征信息。
进一步的,所述图像分割方法还包括以下步骤:
步骤S400,以所述判定时刻为准,调取判定时刻之前的监控图像数据。
步骤S500,根据特征信息识别调取的监控图像中的所述异常物品,直到异常物品与图像中的人身区域重叠,得到重叠区域。
具体的,图4示出了本发明实施例提供的方法中的获取重叠区域的流程图。
其中,在本发明的优选实施方式中,所述当判定地面存在所述异常物品时,确定判定时刻,并识别所述异常物品的特征信息具体包括以下步骤:
步骤S501,根据特征信息识别调取的监控图像中的所述异常物品。
步骤S502,判断监控图像中的所述异常物品的所在位置,直到异常物品的所在位置与图像中的人身区域重叠时,停止判断,并得到重叠区域。
在本发明实施例中,在后台计算机确定了判定时刻后,调取判定时刻之前的预设时间段的监控图像数据,该预设时间段设定在5分钟-20分钟之间,之后后台计算机按照以判定时刻为基准点,并从后往前的将预设时间段内的监控图像数据逐帧识别所述异常物品的所在位置,直到异常物品与监控图像数据中的人身区域重叠,停止判断,并得到重叠区域,上述的人身区域包含人体皮肤、着装的服饰以及携带的背包、行李箱等;
可以理解的是,如果在预设时间段内,后台计算机没有识别到异常物品与监控图像数据中的人身区域重叠时,则停止识别作业,该步骤的目的是,当异常物品不是从人身区域丢掉时,避免后台计算机进行长时间判定作业而占用大量的硬件系统。
进一步的,所述图像分割方法还包括以下步骤:
步骤S600,根据所述重叠区域,分割出存在丢掉异常物品的人物图像。
具体的,图5示出了本发明实施例提供的方法中的分割人物图像的流程图。
其中,在本发明的优选实施方式中,所述根据所述重叠区域,分割出存在丢掉异常物品的人物图像具体包括以下步骤:
步骤S601,根据所述重叠区域,获取监控图像数据中包含重叠区域的一帧图像。
步骤S602,将所述包含重叠区域的一帧图像上传至数据库中。
步骤S603,对所述包含重叠区域的一帧图像进行识别,分割出存在丢掉异常物品的人物图像。
在本发明实施例中,在后台计算机获取到了重叠区域这一特征后,截取监控图像数据中包含该重叠区域特征的一帧图像,并将该图像上传入数据库中进行识别,并将包含重叠区域的人像从截取的图像中分割出来,以获取独立的人像图片,且该人像图片对应着上述的异常物品,进而在后续的丢失人寻找丢失物品的过程中,可以快速确定寻物的丢失人是否为真实丢失人,且确定其具体丢失的物品。
进一步的,图6示出了本发明实施例提供的系统的应用架构图。
其中,在本发明提供的又一个优选实施方式中,一种图像分割系统,包括:
监控图像数据获取单元100,用于获取监控图像数据。
在本发明实施例中,可以通过在公共场所的内部设置若干个摄像头的方式来获取公共场所内部的监控图像数据,且每个摄像头均能够清洗的拍摄到公共场所地面的图像,上述的摄像头通过wifi或者数据线连入互联网,且监控图像数据获取单元100可以控制摄像头工作,上述的摄像头具备视频储存、背光补偿、画面调整以及智能放大等功能。
进一步的,所述图像分割系统还包括:
异常物品判定单元200,用于对所述监控图像数据进行分析,判定监控图像中的地面是否存在异常物品。
在本发明实施例中,异常物品包括例如电子用品(手机、耳机等)、首饰、车票或者身份证等贵重物品,也包括例如纸团、烟头、痰或者饮料瓶等垃圾物品,监控图像数据的分析过程是实时进行的,即摄像头摄录公共场所的视频后,即将摄录下来的视频上传至后台计算机,且后台计算机对摄像头摄录的视频进行实时分析,异常物品判定单元200则判定监控图像中的地面上是否存在上述的异常物品。
具体的,图7示出了本发明实施例提供的系统中异常物品判定单元200的结构框图。
其中,在本发明提供的优选实施方式中,所述异常物品判定单元200具体包括:
地面图像信息获取模块201,用于对监控图像数据进行分析,得到地面图像信息;
地面图像信息分析模块202,用于将所述地面图像信息上传至数据库中,并与数据库中的预设地面图像进行比较,分析地面图像信息中是否包含非预设地面图像内容;
异常物品判定模块203,用于当地面图像信息中包含非预设地面图像内容时,计算该非预设地面图像内容的面积,若该面积小于预设面积,则判定监控图像中存在异常物品。
在本发明实施例中,后台计算机可以建立数据库,该数据库中包含多张预设地面图像,上述的预设地面图像不仅仅包括地面图像,且还包括设置在地面上的固定不变的物品图像(例如座椅、装饰品、建筑物等),且每个预设地面图像对应着一个摄像头,后台计算机可以对若干个摄像头进行编号;
可以理解的是,在摄像头将监控图像数据上传至后台计算机后,后台计算机根据该摄像头的特定编号匹配对应的预设地面图像,之后地面图像信息获取模块201对监控图像数据进行分析,并得到地面图像信息,再将地面图像信息输入至数据库中与该摄像头匹配的预设地面图像进行比较,地面图像信息分析模块202分析地面图像信息中是否包含非预设地面图像内容,如果地面图像信息分析模块202没有发现非预设地面图像内容,则进行下一时间段的监控图像数据的分析作业,如果地面图像信息分析模块202发现非预设地面图像内容,则对非预设地面图像内容进行判定,以确定该非预设地面图像内容所对应的为人体目标还是非人体目标,若为人体目标,则继续进行下一时间段的监控图像数据的分析作业,若非人体目标,则计算该非预设地面图像内容在监控图像中所占有的面积,若该面积小于预设面积,则异常物品判定模块203判定监控图像中存在异常物品;
可以理解的是,后台计算机的数据库中还储存了多个包含有不同的异常物品的图像,在后台计算机分析非预设地面图像内容的时候,还可以将该非预设地面图像内容从监控图像中单独分割出来,以获得对比图像,后台计算机将该对比图像与输入至数据库中,并与数据库中的包含预设异常物品的多个图像进行比较,并比较出相似度最高的异常物品,进而以确定非预设地面图像内容中所包含的异常物品的具体种类,进一步的,若确定异常物品为身份证、电子产品等贵重物品时,则后台计算机可以控制公共场所内的播音设备播放贵重物品丢失语音信息,以提醒人们知晓物品丢失,或者后台计算机发送信息给公共场所值班人员,以使得值班人员将贵重物品拾起来并送至物品丢失处,若确定异常物品为烟头、纸团等垃圾物品,则控制播音设备播放禁止乱扔垃圾等语音信息。
进一步的,所述图像分割系统还包括:
特征信息识别单元300,用于当判定地面存在所述异常物品时,确定判定时刻,并识别所述异常物品的特征信息。
在本发明实施例中,当后台计算机判定监控图像数据中的地面上确实存在异常物品时,确定并记录判定时刻,特征信息识别单元300识别监控图像数据中的异常物品的特征信息,该特征信息主要包括异常物品的具体形状和具体颜色分布。
具体的,图8示出了本发明实施例提供的系统中特征信息识别单元300的结构框图。
其中,在本发明提供的优选实施方式中,所述特征信息识别单元300具体包括:
判定时刻确定模块301,用于当判定地面存在异常物品时,确定判定时刻;
判定图片获取模块302,用于根据判定时刻,提取获取的监控图像中的一帧图片,得到判定图片;
特征信息获取模块303,用于识别所述判定图片,得到所述异常物品的特征信息。
在本发明实施例中,判定时刻确定模块301确定判定时刻后,判定图片获取模块302截取监控图像数据中判定时刻对应的一帧图片,以得到判定图片,且该判定图片中包含着地面信息、人像、异常物品图像等,特征信息获取模块303对上述的判定图片进行识别,并将只提取判定图片中的异常物品图像的特征信息。
进一步的,所述图像分割系统还包括:
监控图像数据调取单元400,用于以所述判定时刻为准,调取判定时刻之前的监控图像数据。
重叠区域获取单元500,用于根据特征信息识别调取的监控图像中的所述异常物品,直到异常物品与图像中的人身区域重叠,得到重叠区域。
具体的,图9示出了本发明实施例提供的系统中重叠区域获取单元500的结构框图。
其中,在本发明提供的优选实施方式中,所述重叠区域获取单元500具体包括:
异常物品识别模块501,用于根据特征信息识别调取的监控图像中的所述异常物品;
重叠区域确定模块502,用于判断监控图像中的所述异常物品的所在位置,直到异常物品的所在位置与图像中的人身区域重叠时,停止判断,并得到重叠区域。
在本发明实施例中,在判定时刻确定模块301确定了判定时刻后,调取判定时刻之前的预设时间段的监控图像数据,该预设时间段设定在5分钟-20分钟之间,之后异常物品识别模块501按照以判定时刻为基准点,并从后往前的将预设时间段内的监控图像数据逐帧识别所述异常物品的所在位置,直到异常物品与监控图像数据中的人身区域重叠,异常物品识别模块501停止判断,重叠区域确定模块502得到重叠区域,上述的人身区域包含人体皮肤、着装的服饰以及携带的背包、行李箱等;
可以理解的是,如果在预设时间段内,异常物品识别模块501没有识别到异常物品与监控图像数据中的人身区域重叠时,则停止识别作业,该步骤的目的是,当异常物品不是从人身区域丢掉时,避免后台计算机进行长时间判定作业而占用大量的硬件系统。
进一步的,所述图像分割系统还包括:
人物图片分割单元600,用于根据所述重叠区域,分割出存在丢掉异常物品的人物图像。
在本发明实施例中,在后台计算机获取到了重叠区域这一特征后,截取监控图像数据中包含该重叠区域特征的一帧图像,并将该图像上传入数据库中进行识别,人物图片分割单元600将包含重叠区域的人像从截取的图像中分割出来,以获取独立的人像图片,且该人像图片对应着上述的异常物品,进而在后续的丢失人寻找丢失物品的过程中,可以快速确定寻物的丢失人是否为真实丢失人,且确定其具体丢失的物品。
在本发明实施例中,在后台计算机获取到了重叠区域这一特征后,截取监控图像数据中包含该重叠区域特征的一帧图像,并将该图像上传入数据库中进行识别,并将包含重叠区域的人像从截取的图像中分割出来,以获取独立的人像图片,且该人像图片对应着上述的异常物品,进而在后续的丢失人寻找丢失物品的过程中,可以快速确定寻物的丢失人是否为真实丢失人,且确定其具体丢失的物品。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像分割方法,其特征在于,所述方法具体包括以下步骤:
获取监控图像数据;
对所述监控图像数据进行分析,判定监控图像中的地面是否存在异常物品;
当判定地面存在所述异常物品时,确定判定时刻,并识别所述异常物品的特征信息;
以所述判定时刻为准,调取判定时刻之前的监控图像数据;
根据特征信息识别调取的监控图像中的所述异常物品,直到异常物品与图像中的人身区域重叠,得到重叠区域;
根据所述重叠区域,分割出存在丢掉异常物品的人物图像。
2.根据权利要求1所述的图像分割方法,其特征在于,所述异常物品包括贵重物品以及垃圾物品。
3.根据权利要求1所述的图像分割方法,其特征在于,所述对所述监控图像数据进行分析,判定监控图像中的地面是否存在异常物品的步骤包括:
对监控图像数据进行分析,得到地面图像信息;
将所述地面图像信息上传至数据库中,并与数据库中的预设地面图像进行比较,分析地面图像信息中是否包含非预设地面图像内容;
当地面图像信息中包含非预设地面图像内容时,计算该非预设地面图像内容的面积,若该面积小于预设面积,则判定监控图像中存在异常物品。
4.根据权利要求1所述的图像分割方法,其特征在于,所述当判定地面存在所述异常物品时,确定判定时刻,并识别所述异常物品的特征信息的步骤包括:
当判定地面存在异常物品时,确定判定时刻;
根据判定时刻,提取获取的监控图像中的一帧图片,得到判定图片;
识别所述判定图片,得到所述异常物品的特征信息。
5.根据权利要求1所述的图像分割方法,其特征在于,所述根据特征信息识别调取的监控图像中的所述异常物品,直到异常物品与图像中的人身区域重叠,得到重叠区域的步骤包括:
根据特征信息识别调取的监控图像中的所述异常物品;
判断监控图像中的所述异常物品的所在位置,直到异常物品的所在位置与图像中的人身区域重叠时,停止判断,并得到重叠区域。
6.根据权利要求1所述的图像分割方法,其特征在于,所述根据所述重叠区域,分割出存在丢掉异常物品的人物图像的步骤包括:
根据所述重叠区域,获取监控图像数据中包含重叠区域的一帧图像;
将所述包含重叠区域的一帧图像上传至数据库中;
对所述包含重叠区域的一帧图像进行识别,分割出存在丢掉异常物品的人物图像。
7.一种图像分割系统,其特征在于,所述系统包括:监控图像数据获取单元、异常物品判定单元、特征信息识别单元、监控图像数据调取单元、重叠区域获取单元和人物图片分割单元,其中:
监控图像数据获取单元,用于获取监控图像数据;
异常物品判定单元,用于对所述监控图像数据进行分析,判定监控图像中的地面是否存在异常物品;
特征信息识别单元,用于当判定地面存在所述异常物品时,确定判定时刻,并识别所述异常物品的特征信息;
监控图像数据调取单元,用于以所述判定时刻为准,调取判定时刻之前的监控图像数据;
重叠区域获取单元,用于根据特征信息识别调取的监控图像中的所述异常物品,直到异常物品与图像中的人身区域重叠,得到重叠区域;
人物图片分割单元,用于根据所述重叠区域,分割出存在丢掉异常物品的人物图像。
8.根据权利要求7所述的图像分割系统,其特征在于,所述异常物品判定单元具体包括:
地面图像信息获取模块,用于对监控图像数据进行分析,得到地面图像信息;
地面图像信息分析模块,用于将所述地面图像信息上传至数据库中,并与数据库中的预设地面图像进行比较,分析地面图像信息中是否包含非预设地面图像内容;
异常物品判定模块,用于当地面图像信息中包含非预设地面图像内容时,计算该非预设地面图像内容的面积,若该面积小于预设面积,则判定监控图像中存在异常物品。
9.根据权利要求7所述的图像分割系统,其特征在于,所述特征信息识别单元具体包括:
判定时刻确定模块,用于当判定地面存在异常物品时,确定判定时刻;
判定图片获取模块,用于根据判定时刻,提取获取的监控图像中的一帧图片,得到判定图片;
特征信息获取模块,用于识别所述判定图片,得到所述异常物品的特征信息。
10.根据权利要求7所述的图像分割系统,其特征在于,所述重叠区域获取单元具体包括:
异常物品识别模块,用于根据特征信息识别调取的监控图像中的所述异常物品;
重叠区域确定模块,用于判断监控图像中的所述异常物品的所在位置,直到异常物品的所在位置与图像中的人身区域重叠时,停止判断,并得到重叠区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311412344.9A CN117152751A (zh) | 2023-10-30 | 2023-10-30 | 一种图像分割方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311412344.9A CN117152751A (zh) | 2023-10-30 | 2023-10-30 | 一种图像分割方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117152751A true CN117152751A (zh) | 2023-12-01 |
Family
ID=88897118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311412344.9A Withdrawn CN117152751A (zh) | 2023-10-30 | 2023-10-30 | 一种图像分割方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117152751A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108476304A (zh) * | 2016-01-25 | 2018-08-31 | 松下知识产权经营株式会社 | 丢弃物体监视装置和具备该丢弃物体监视装置的丢弃物体监视系统以及丢弃物体监视方法 |
CN110232359A (zh) * | 2019-06-17 | 2019-09-13 | 中国移动通信集团江苏有限公司 | 滞留物检测方法、装置、设备及计算机存储介质 |
CN111199182A (zh) * | 2019-11-12 | 2020-05-26 | 恒大智慧科技有限公司 | 基于智慧社区的丢失物件方法、系统及存储介质 |
CN111611970A (zh) * | 2020-06-01 | 2020-09-01 | 城云科技(中国)有限公司 | 一种基于城管监控视频的乱扔垃圾行为检测方法 |
CN111814510A (zh) * | 2019-04-10 | 2020-10-23 | 杭州海康威视数字技术股份有限公司 | 一种遗留物主体检测方法及装置 |
CN111914670A (zh) * | 2020-07-08 | 2020-11-10 | 浙江大华技术股份有限公司 | 一种遗留物品检测方法、装置、系统及存储介质 |
CN112707058A (zh) * | 2020-12-10 | 2021-04-27 | 广东芯盾微电子科技有限公司 | 一种厨余垃圾规范动作的检测方法、系统、装置及介质 |
CN113393482A (zh) * | 2021-06-17 | 2021-09-14 | 中国工商银行股份有限公司 | 一种基于融合算法的遗留物品检测方法和装置 |
CN114973065A (zh) * | 2022-04-29 | 2022-08-30 | 北京容联易通信息技术有限公司 | 一种基于视频智能分析的物品搬移、遗留检测方法及系统 |
CN115394065A (zh) * | 2022-10-31 | 2022-11-25 | 之江实验室 | 一种基于ai自动识别丢包行为报警的方法和装置 |
CN115424170A (zh) * | 2022-08-23 | 2022-12-02 | 上海忆芯实业有限公司 | 一种垃圾抛投检测系统及方法 |
CN115439933A (zh) * | 2022-09-02 | 2022-12-06 | 合肥旷鸣智能科技有限公司 | 一种基于多重模型识别策略的垃圾分类投放站点检测方法 |
WO2023039781A1 (zh) * | 2021-09-16 | 2023-03-23 | 华北电力大学扬中智能电气研究中心 | 一种遗留物检测方法、装置、电子设备及存储介质 |
CN116129328A (zh) * | 2023-02-20 | 2023-05-16 | 北京百度网讯科技有限公司 | 遗留物检测方法、装置、设备以及存储介质 |
-
2023
- 2023-10-30 CN CN202311412344.9A patent/CN117152751A/zh not_active Withdrawn
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108476304A (zh) * | 2016-01-25 | 2018-08-31 | 松下知识产权经营株式会社 | 丢弃物体监视装置和具备该丢弃物体监视装置的丢弃物体监视系统以及丢弃物体监视方法 |
CN111814510A (zh) * | 2019-04-10 | 2020-10-23 | 杭州海康威视数字技术股份有限公司 | 一种遗留物主体检测方法及装置 |
CN110232359A (zh) * | 2019-06-17 | 2019-09-13 | 中国移动通信集团江苏有限公司 | 滞留物检测方法、装置、设备及计算机存储介质 |
CN111199182A (zh) * | 2019-11-12 | 2020-05-26 | 恒大智慧科技有限公司 | 基于智慧社区的丢失物件方法、系统及存储介质 |
CN111611970A (zh) * | 2020-06-01 | 2020-09-01 | 城云科技(中国)有限公司 | 一种基于城管监控视频的乱扔垃圾行为检测方法 |
CN111914670A (zh) * | 2020-07-08 | 2020-11-10 | 浙江大华技术股份有限公司 | 一种遗留物品检测方法、装置、系统及存储介质 |
CN112707058A (zh) * | 2020-12-10 | 2021-04-27 | 广东芯盾微电子科技有限公司 | 一种厨余垃圾规范动作的检测方法、系统、装置及介质 |
CN113393482A (zh) * | 2021-06-17 | 2021-09-14 | 中国工商银行股份有限公司 | 一种基于融合算法的遗留物品检测方法和装置 |
WO2023039781A1 (zh) * | 2021-09-16 | 2023-03-23 | 华北电力大学扬中智能电气研究中心 | 一种遗留物检测方法、装置、电子设备及存储介质 |
CN114973065A (zh) * | 2022-04-29 | 2022-08-30 | 北京容联易通信息技术有限公司 | 一种基于视频智能分析的物品搬移、遗留检测方法及系统 |
CN115424170A (zh) * | 2022-08-23 | 2022-12-02 | 上海忆芯实业有限公司 | 一种垃圾抛投检测系统及方法 |
CN115439933A (zh) * | 2022-09-02 | 2022-12-06 | 合肥旷鸣智能科技有限公司 | 一种基于多重模型识别策略的垃圾分类投放站点检测方法 |
CN115394065A (zh) * | 2022-10-31 | 2022-11-25 | 之江实验室 | 一种基于ai自动识别丢包行为报警的方法和装置 |
CN116129328A (zh) * | 2023-02-20 | 2023-05-16 | 北京百度网讯科技有限公司 | 遗留物检测方法、装置、设备以及存储介质 |
Non-Patent Citations (2)
Title |
---|
YRNEH ZARIT ULLOA-TORREALBA 等: "Litter on the streets-solid waste detection using VHR images", 《EUROPEAN JOURNAL OF REMOTE SENSING》, vol. 56, no. 1, pages 1 - 18 * |
刘琦: "地铁列车清客遗留检测系统应用研究", 《现代城市轨道交通》, pages 99 - 104 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11704936B2 (en) | Object tracking and best shot detection system | |
Xiao et al. | Video-based evidence analysis and extraction in digital forensic investigation | |
US10701321B2 (en) | System and method for distributed video analysis | |
CN107292240B (zh) | 一种基于人脸与人体识别的找人方法及系统 | |
CN106844492B (zh) | 一种人脸识别的方法、客户端、服务器及系统 | |
Liao et al. | A localized approach to abandoned luggage detection with foreground-mask sampling | |
US11710392B2 (en) | Targeted video surveillance processing | |
Liciotti et al. | Person re-identification dataset with rgb-d camera in a top-view configuration | |
EP2113846B1 (en) | Behavior history searching device and behavior history searching method | |
CN109376639B (zh) | 基于人像识别的伴随人员预警系统及方法 | |
KR101781358B1 (ko) | 디지털 영상 내의 얼굴 인식을 통한 개인 식별 시스템 및 방법 | |
JPWO2017122258A1 (ja) | 混雑状況監視システム及び混雑状況監視方法 | |
CN111597999A (zh) | 一种基于视频检测的4s店销售服务管理方法和系统 | |
JP6185517B2 (ja) | 画像監視装置 | |
CN110941993A (zh) | 基于人脸识别的动态人员分类与存储方法 | |
Patil et al. | Suspicious movement detection and tracking based on color histogram | |
Moorthy et al. | CNN based smart surveillance system: a smart IoT application post covid-19 era | |
CN117152751A (zh) | 一种图像分割方法及系统 | |
CN116612498A (zh) | 一种鸟类识别模型训练方法、鸟类识别方法、装置及设备 | |
CN114676117B (zh) | 一种岗位数据存储方法、装置及岗位机器人 | |
CN113642450B (zh) | 视频人脸识别方法、系统及存储介质 | |
Senior | An introduction to automatic video surveillance | |
CN112601054B (zh) | 摄像画面的采集方法及装置、存储介质、电子设备 | |
CN111814509B (zh) | 一种物品定位方法、装置及监控系统 | |
CN112801583A (zh) | 无人值守智慧仓库系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231201 |