CN117173643B - 一种基于3d相机的监控保护方法、装置及相关设备 - Google Patents
一种基于3d相机的监控保护方法、装置及相关设备 Download PDFInfo
- Publication number
- CN117173643B CN117173643B CN202311457433.5A CN202311457433A CN117173643B CN 117173643 B CN117173643 B CN 117173643B CN 202311457433 A CN202311457433 A CN 202311457433A CN 117173643 B CN117173643 B CN 117173643B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- monitoring area
- background frame
- frame
- area
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 728
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims description 65
- 238000001914 filtration Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 25
- 230000009545 invasion Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013215 result calculation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于3D相机的监控保护方法,包括:获取目标监控区域的M个背景帧深度图,并将每个背景帧深度图进行区域分割,得到监控区域背景帧深度图和N个监控子区域背景帧深度图,再分别计算出监控区域背景帧深度图和监控子区域背景帧深度图的方差阈值、候选点阈值、最小距离深度图,再获取监控区域前景帧深度图,通过先统计高置信度入侵点,再计算分析监控区域前景帧深度图的方差、候选点并分别与背景帧深度图的方差阈值、候选点阈值、最小距离深度图分别对应进行比较,从而判定是否有目标入侵,本发明通过以上设计,可以精准有效识别目标监控区域是否有入侵物体,从而触发相应的保护动作。
Description
技术领域
本发明涉及3D相机的监控保护的技术领域,尤其是涉及一种基于3D相机的监控保护方法、装置及相关设备。
背景技术
随着工业互联网的不断进步,越来越多的监控与报警的产品不断涌现,其中,以3D相机为代表的应用产品在监控与报警的技术领域占据主导地位,3D相机是一种能够捕捉物体深度信息的相机,通过基于3D相机来进行实现监控与保护的方案是非常适配的;
3D相机和背景之间均需要监控保护的场景,如果监控保护区延伸到背景,3D相机和背景之间只要有物体,就需要启动保护动作,因为检测精度的问题,部分背景测量点被测量落在保护区域内,导致误启动保护动作;
目前市面上通常解决的方案是在背景和监控保护区域边界之间设置一个固定的公差,但是问题是:若公差太小,则会受到背景的影响而误报,若公差太大,且公差内的入侵目标贴着背景或目标太小,则入侵物体不会被识别,则无法启动保护动作。
因此,针对上述问题本领域人员需要亟待解决。
发明内容
为了解决上述背景技术中提出的技术缺陷,本发明的目的是提供一种基于3D相机的监控保护方法、装置及相关设备,可有效的、精准的检测到入侵物品并及时作出相对应的保护动作。
本发明采用如下技术方案:
第一方面,本发明提供一种基于3D相机的监控保护方法,包括:
S1、当目标监控区域存在背景时,获取目标监控区域的M个背景帧深度图,对每一个背景帧深度图进行区域分割处理,得到与之对应的N个监控子区域背景帧深度图;并通过预设的背景学习策略获得相应的监控区域背景帧平均深度图、N个监控子区域背景帧平均深度图、监控区域背景帧方差阈值、N个监控子区域背景帧方差阈值、监控区域第一候选点数阈值、N个监控子区域第二候选点数阈值以及监控区域背景帧最小距离深度图;
S2、获取目标的监控区域前景帧原始深度图,并基于所述监控区域前景帧原始深度图进行滤波处理,得到监控区域前景帧深度图;
将所述监控区域前景帧深度图进行区域分割,得到N个监控子区域前景帧深度图;
基于所述监控区域前景帧深度图与所述监控区域背景帧最小距离深度图进行高置信度入侵点统计处理,得到监控区域高置信度入侵判定结果;
基于所述监控区域前景帧深度图与所述监控区域背景帧平均深度图进行方差计算,得到监控区域前景帧第一方差结果,并将N个监控子区域前景帧深度图与对应的所述监控子区域背景帧平均深度图分别一对一进行方差计算,得到N个监控子区域前景帧第二方差结果;
分别统计所述监控区域前景帧深度图入侵候选点数量和各所述监控子区域前景帧深度图入侵候选点数量,得到监控区域前景帧第一候选点数统计结果和N个监控子区域的前景帧第二候选点数统计结果;
基于所述监控区域前景帧第一方差结果和所述监控区域背景帧方差阈值进行比较处理,得到监控区域前景帧第一方差比较结果,并将N个所述监控子区域前景帧第二方差结果与N个所述监控子区域背景帧方差阈值进行一对一比较,得到N个监控子区域前景帧第二方差比较结果;
基于所述监控区域前景帧第一候选点数统计结果与所述监控区域第一候选点数阈值进行比较处理,得到监控区域前景帧第一候选点比较结果,并将各所述监控子区域前景帧第二候选点数统计结果与各所述各监控子区域第二候选点数阈值分别一对一进行比较处理,得到N个监控子区域前景帧第二候选点比较结果;
基于所述监控区域前景帧高置信度入侵判定结果或所述监控区域前景帧第一方差比较结果或任一所述监控子区域前景帧第二方差比较结果或所述监控区域前景帧第一候选点比较结果或任一所述监控子区域前景帧第二候选点比较结果,以判定目标监控区域是否存在入侵,并根据入侵情况启动相应保护动作。
可选的,所述预设的背景学习策略步骤,包括:
基于M个所述监控区域背景帧深度图和与之对应的N个监控子区域背景帧深度图计算得到监控区域背景帧平均深度图和与之对应的N个监控子区域背景帧平均深度图;
基于M个监控区域背景帧深度图和所述监控区域背景帧平均深度图计算以得到M个监控区域背景帧方差阈值,基于N个监控子区域背景帧深度图和与之对应的监控子区域背景帧平均深度图计算得到N个监控子区域背景帧方差阈值;
从M个监控区域背景帧深度图和与之对应的N个监控子区域的背景帧深度图中分别筛选出监控区域背景帧最小距离深度图和N个监控子区域背景帧最小距离深度图;
基于监控区域背景帧平均深度图和预设偏移距离的背景偏移深度图计算得到监控区域背景帧最近参考深度图,并计算M个所述监控区域背景帧深度图与所述监控区域背景帧最近参考深度图的差值,得到M个监控区域背景帧差值深度图;计算每一个监控区域背景帧差值深度图小于0的候选点的点数,并从中求得对应的M个监控区域背景帧候选点的点数的最大值,以及根据监控区域背景帧候选点的点数最大值中计算得到监控区域第一候选点数阈值;
基于N个监控子区域背景帧平均深度图和预设的N个对应的监控子区域背景偏移深度图计算得到N个监控子区域的最近参考深度图,并计算所述N个监控子区域背景帧深度图与对应的监控子区域最近参考深度图的差值,得到每个监控子区域的差值深度图;计算每个监控子区域的差值深度图小于0的候选点的点数,并从中求得对应的监控子区域的背景帧候选点的点数的最大值,以及根据该监控子区域的背景帧候选点的点数的最大值计算得到监控子区域第二候选点数阈值。
可选的,所述监控区域背景帧方差阈值和与之对应的N个监控子区域的背景帧方差阈值的计算步骤,包括:
分别预设监控区域背景帧方差阈值调节系数和N个监控子区域背景帧方差阈值调节系数;
基于每一个监控区域背景帧深度图与所述监控区域背景帧平均深度图进行方差计算,得到M个监控区域背景帧第一方差,并根据M个监控区域背景帧第一方差,确定监控区域背景帧深度图最大方差;
基于N个监控子区域背景帧深度图与所述监控子区域背景帧平均深度图进行方差计算,得到N个监控子区域的背景帧第二方差,并根据N个监控子区域背景帧第二方差,确定N个监控子区域背景帧深度图最大方差;
根据所述监控区域背景帧深度图最大方差与监控区域背景帧方差阈值调节系数进行相乘计算,得到监控区域背景帧方差阈值;
根据N个所述监控子区域背景帧深度图最大方差与N个所述监控子区域背景帧方差阈值调节系数进行一对一相乘计算,得到N个监控子区域背景帧方差阈值。
可选的,所述监控区域背景帧最小距离深度图和N个监控子区域背景帧最小距离深度图的筛选策略,包括:
基于M个所述监控区域背景帧深度图同一个位置的点进行距离测量计算,得到监控区域背景帧最小距离深度图;
基于N个所述监控子区域背景帧深度图同一个位置的点进行距离测量计算,得到N个监控子区域背景帧最小距离深度图。
可选的,所述监控区域第一候选点数阈值和M个监控子区域第二候选点数阈值的计算步骤,包括:
分别预设监控区域第一候选点数阈值系数和与之对应的N个监控子区域第二候选点数阈值系数;
基于M个所述监控区域背景帧差值深度图的候选点数进行统计处理,并根据从M个所述监控区域背景帧差值深度图的候选点数中计算出监控区域背景帧差值深度图的候选点数最大值,得到监控区域第一候选点数最大值;
基于N个所述监控子区域的M个差值深度图的候选点数进行统计处理,并根据从各个所述监控子区域的差值深度图的候选点数中计算出各个监控子区域深度图候选点数的最大值,以得到N个监控子区域第二候选点数最大值;
根据所述监控区域第一候选点数阈值系数与监控区域第一候选点数最大值进行相乘计算,得到监控区域第一候选点数阈值;
根据N个所述监控子区域第二候选点数阈值系数与N个监控子区域第二候选点数最大值一对一进行相乘计算,以得到N个监控子区域第二候选点数阈值。
可选的,所述目标监控区域入侵的判定步骤,包括:
若所述监控区域前景帧高置信度入侵判定结果标志位为TRUE,或
所述监控区域前景帧第一方差结果大于所述监控区域背景帧方差阈值,或
任一所述监控子区域前景帧第二方差结果大于与之相对应的所述监控子区域背景帧方差阈值,或
所述监控区域前景帧第一候选点数统计结果大于所述监控区域第一候选点数阈值,或
任一所述监控子区域前景帧第二候选点数统计结果大于与之相对应的所述监控子区域第二候选点数阈值,则判定监控目标区域存在入侵。
第二方面,本发明提供一种基于3D相机的监控保护装置,包括:
获取模块:用于采集目标背景图像数据和实时采集目标前景图像数据;
滤波模块:用于为背景帧深度图和前景帧深度图进行滤波处理;
第一计算模块:用于分别计算监控区域背景帧方差阈值、监控子区域背景帧方差阈值、监控区域第一最小距离深度图、监控子区域第二最小距离深度图、监控区域第一候选点数阈值以及监控子区域第二候选点数阈值;
第二计算模块:用于分别计算监控区域前景帧高置信度入侵判定结果、监控区域前景帧第一方差结果、监控子区域前景帧第二方差结果、监控区域前景帧第一候选点数统计结果、监控子区域前景帧第二候选点数统计结果;
第一比较模块:用于将监控区域前景帧第一方差结果与监控区域背景帧方差阈值进行比较、监控子区域前景帧第二方差结果与监控子区域背景帧方差阈值进行比较;
第二比较模块:用于将监控区域前景帧第一候选点数统计结果与所述监控区域第一候选点数阈值进行比较、监控子区域前景帧第二候选点数统计结果与监控子区域第二候选点数阈值分别进行比较;
判断模块:用于将所述监控区域前景帧高置信度入侵判定结果进行True或False判断、所述监控区域前景帧第一方差结果与所述监控区域背景帧方差阈值进行判断、所述监控子区域前景帧第二方差结果与所述监控子区域背景帧方差阈值进行判断、所述监控区域前景帧第一候选点数统计结果与所述监控区域第一候选点数阈值进行判断、所述监控子区域前景帧第二候选点数统计结果与所述监控子区域第二候选点数阈值分别进行判断。
第三方面,本发明提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述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本发明实施例提供的一种基于3D相机的监控保护方法中的步骤。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现本发明实施例提供的一种基于3D相机的监控保护方法中的步骤。
综上所述,本发明的有益效果为:
本发明首先通过监控目标区域的M个背景帧深度图,随即将监控区域背景帧深度图进行分割处理,得到与之对应的N个监控子区域背景帧深度图,通过上述分割处理,能够便于对监控区域的目标图像数据做特征分析,可以有效检测不同位置,不同尺寸的目标侵入,同时通过预设的背景学习策略获得相应的监控区域背景帧方差阈值、以及与之对应的N个监控子区域背景帧方差阈值、监控区域第一候选点数阈值、N个监控子区域第二候选点数阈值,能够便于对监控目标区域做特征进行分析,同时通过获取前景帧深度图,并将前景帧的深度图进行滤波处理,能够使其分析对比更加清晰和精准,同时分别计算滤波后的前景帧深度图的方差、入侵候选点数量以及进行高置信度入侵点处理,通过上述参数标准与背景学习策略的参数标准进行对比分析,通过这样的方式无需设置较大的公差进行计算,从而能够准确判定监控目标区域是否有物体入侵,从而避免了保护区和墙壁之间小尺寸物体入侵目标无法有效检测的问题,提高了检测的充分性、准确性和稳定性,进而能够根据物体入侵情况及时启动相应保护动作。
上述说明仅是本发明的技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1是本发明实施例的一种基于3D相机的监控保护方法的流程图;
图2是本发明实施例的一种基于3D相机的监控保护装置的示意图;
图3是本发明实施例的一种电子设备的示意图。
具体实施方式
为了使本发明的内容能更容易被清楚的理解,下面根据具体实施例并结合附图,对本发明作进一步说明。
如图1所示,图1是本发明实施例提供的一种基于3D相机的监控保护方法流程图,该监控保护方法包括:
S1、当目标监控区域存在背景时,获取目标监控区域的M个背景帧深度图,对每一个背景帧深度图进行区域分割处理,得到与之对应的N个监控子区域背景帧深度图;并通过预设的背景学习策略获得相应的监控区域背景帧平均深度图、N个监控子区域背景帧平均深度图、监控区域背景帧方差阈值、N个监控子区域背景帧方差阈值、监控区域第一候选点数阈值、N个监控子区域第二候选点数阈值以及监控区域背景帧最小距离深度图。
在本发明实施例中,上述的背景学习策略可以应用在3D相机中,上述的背景帧深度图主要是为了提供一种识别参数标准做为判定是否入侵的基础,并在此基础上通过背景学习策略计算出监控区域背景帧方差阈值、与之对应的监控子区域背景帧方差阈值、监控区域第一候选点数阈值、监控子区域第二候选点数阈值以及监控区域背景帧最小距离深度图,以供后续步骤的实时监控的前景帧深度图进行对比分析时提供参数标准,从而能够通过背景帧深度图和前景帧深度图进行对比分析,如此,能够有效识别入侵物体,并进行启动相应的保护动作。
具体的,其中需要说明的是背景帧深度图可以为M个,将每一个背景帧深度图分割为N个监控子区域背景帧深度图(可以理解为一个背景帧深度图包含N个背景帧深度图),上述通过滤波处理的方式是将背景帧深度图先进行过滤处理,进而能够减少单个点测距偏差较大的影响,可以人为配置滤波强度,其中,滤波的方式可以采用中值滤波、均值滤波等滤波方法,从而通过将背景帧滤波深度图进行滤波处理后能够使图像识别更加精准,减少误差,提高背景帧图像学习的效果,从而使参数标准更加精确,以便能够使图像识别更加清晰、精准。
S2、获取目标的监控区域前景帧原始深度图,并基于监控区域前景帧原始深度图进行滤波处理,得到监控区域前景帧深度图。
S201、将监控区域前景帧深度图进行区域分割,得到N个监控子区域前景帧深度图。
在发明实施例中,首先对上述监控目标区域的图像数据进行进行实时获取,从而能够得到实时前景帧深度图,通过将前景帧深度图与背景帧深度图进行分析和对比,以背景帧深度图的参数(方差阈值、候选点阈值、最小距离深度图)为参考标准进行分析对比,能够精准的实时监控前景帧深度图中的入侵物体,进而能够及时做出相对应的保护动作。
具体的,上述实施例中,对上述前景帧深度图进行滤波处理,其中滤波处理的方法也可以是中值滤波、均值滤波等滤波方法,当然,若监控区域的目标图像数据精度好,可以不进行滤波,通过对前景帧深度图进行滤波处理,能够有效的提高监控区域前景帧深度图的清晰度,从而避免了在与背景帧深度图进行分析对比时造成误判。同时,通过将前景帧滤波深度图进行区域分割,得到监控区域前景帧深度图和与之对应的N个监控子区域前景帧深度图,其中可以理解为:监控区域前景帧深度图为前景帧滤波深度图,而监控子区域前景帧深度图是在监控区域前景帧深度图的基础上划分出来的(一个监控区域前景帧深度图划分为N个监控子区域前景帧深度图),通过采用这种子区域图进行划分,能够可以有效的检测不同位置、不同尺寸的目标是否有侵入,以便能够精准的进行保护动作的启动。
S202、基于监控区域前景帧深度图与监控区域背景帧最小距离深度图进行高置信度入侵点统计处理,得到监控区域高置信度入侵判定结果。
在本发明实施例中,上述高置信度入侵点计算处理是将前景帧深度图和上述步骤S1中的监控区域背景帧最小距离深度图进行比较,如果监控区域前景帧深度图有比监控区域背景帧最小距离深度图更近的点(入侵物体与相机之间最近的点),且判断不是孤立的候选点,则该目标点为入侵点,其中入侵标志可以设置为IS_intrusion = TURE。
具体的,需要说明的是,判断候选点为孤立点的方法:选择p×p窗口,p为基数且可配置,若当前点为候选点,若p×p邻域有候选点,则代表存在物体入侵,将做出相应的保护动作,若p×p邻域无候选点,则当前点为孤立点,当为孤立点时,该候选点对应位置无物体入侵,则不作出相应的保护动作,从而能够避免因为孤立点而造成3D相机误判。
S203、基于监控区域前景帧深度图与监控区域背景帧平均深度图进行方差计算,得到监控区域前景帧第一方差结果,并将N个监控子区域前景帧深度图与对应的监控子区域背景帧平均深度图分别一对一进行方差计算,以得到N个监控子区域前景帧第二方差结果。
在本发明实施例中,上述通过计算监控区域前景帧深度图和监控区域背景帧深度图进行方差计算,能够得到监控区域前景帧第一方差结果,通过计算监控子区域前景帧深度图和监控子区域背景帧深度图进行方差计算,能够得到监控子区域前景帧第二方差结果,通过计算这两个方差结果,能够与步骤S102的监控区域背景帧方差阈值和监控子区域背景帧方差阈值进行对比,通过分析对比,能够判断出前景帧深度图是否有目标入侵,其中监控区域前景帧第一方差结果计算公式可以表示为:,其中为监控区域前景帧深度图,/>为监控区域背景帧平均深度图;第二方差结果计算公式可以表示为:/>,其中/> 表示为第n个监控子区域前景帧深度图,/>为第n个监控子区域背景帧平均深度图。
S204、分别统计监控区域前景帧深度图入侵候选点数量和与之对应的N个监控子区域前景帧深度图入侵候选点数量,以得到监控区域前景帧第一候选点数统计结果和与之对应的N个监控子区域前景帧第二候选点数统计结果。
本发明实施例中,上述步骤S204还包括前置处理,如下:
首先计算监控区域前景帧和监控区域背景帧最近参考深度图的差值深度图,其中公式可以表示为:,其中/>为监控区域前景帧深度图,/>为监控区域背景帧最近参考深度图,/>为监控区域前景帧差值深度图,再次计算监控子区域前景帧深度图和监控子区域背景帧最近参考深度图的差值深度图,可以表示为:/>,其中/>为第n个监控子区域前景帧滤波深度图,/>为第n个监控子区域背景帧最近参考深度图,/>为第n个监控区域前景帧差值深度图。
上述实施例中的监控区域前景帧第一候选点数统计结果公式为,通过分别对前景帧深度图进行候选点的统计从而得到监控区域前景帧第一候选点数统计结果和与之对应的N个监控子区域前景帧第二候选点数统计结果,进而再将监控区域前景帧第一候选点数统计结果与监控区域第一候选点数阈值进行比较,同理,再将N个监控子区域前景帧第二候选点数统计结果与与之对应的N个监控子区域第二候选点数阈值进行一对一比较,如此,便能够根据比较结果进行判定监控区域是否有物体存在入侵,从而使入侵判定更加精准。
S205、基于监控区域前景帧第一方差结果和监控区域背景帧方差阈值进行比较处理,得到监控区域前景帧第一方差比较结果,并将N个监控子区域前景帧第二方差结果与N个监控子区域背景帧方差阈值进行一对一比较,得到N个监控子区域前景帧第二方差比较结果。
本发明实施例中,需要说明的是,上述比较处理是指方差数值的大小比较,通过与监控区域背景帧方差阈值进行比较处理,方差比较结果越大,代表前景帧深度图与背景帧深度图变化越大,如此,可以得知通过分析前景帧深度图和监控子区域前景帧深度图的方差比较结果是否有目标入侵到监控保护区域。
S206、基于监控区域前景帧第一候选点数统计结果与监控区域第一候选点数阈值进行比较处理,得到监控区域前景帧第一候选点比较结果,并将各监控子区域前景帧第二候选点数统计结果与各监控子区域第二候选点数阈值分别一对一进行比较处理,得到N个监控子区域前景帧第二候选点比较结果。
本发明实施例中,通过将监控区域前景帧第一候选点数统计结果与监控区域第一候选点数阈值进行比较,同时通过N个监控子区域前景帧第二候选点数统计结果与N个监控子区域第二候选点数阈值分别进行一对一的比较,可以理解为,监控子区域前景帧第二候选点数统计结果是前景帧各个监控子区域深度图的入侵候选点的数量,通过计算监控区域前景帧第一候选点数统计结果与监控区域第一候选点数阈值进行分析对比、N个监控子区域前景帧第二候选点数统计结果与对应的N个监控子区域第二候选点数阈值进行比较,从而能够通过分析候选点数比较能够得出监控区域是否存在入侵,并根据入侵情况做出相对应的保护动作。
S207、基于监控区域前景帧高置信度入侵判定结果或监控区域前景帧第一方差比较结果或任一监控子区域前景帧第二方差比较结果或监控区域前景帧第一候选点比较结果或任一监控子区域前景帧第二候选点比较结果,以判定目标监控区域是否存在入侵,并根据入侵情况启动相应保护动作。
在本发明实施例中,如果上述监控区域前景帧高置信度入侵判定结果为True,则直接判定有目标入侵监控区域,并直接启动相应的保护动作;否则,若监控区域前景帧第一方差比较结果为监控区域前景帧第一方差结果大于监控区域背景帧方差阈值,或者任一监控子区域前景帧第二方差比较结果为监控子区域前景帧第二方差结果大于监控子区域背景帧方差阈值,或者监控区域前景帧第一候选点比较结果为监控区域前景帧第一候选点数统计结果大于监控区域第一候选点数阈值,或者任一监控子区域前景帧第二候选点比较结果为监控子区域前景帧第二候选点数统计结果大于与之相对应的监控子区域第二候选点数阈值,则判定有目标入侵背景保护区,并启动相应的保护动作;否则,则无目标进入监控区域,此时3D相机不做任何动作。
可选的,本申请实施例中预设的背景学习策略步骤,包括:
S101、基于M个监控区域背景帧深度图和与之对应的N个监控子区域的各M个背景帧深度图计算得到监控区域背景帧平均深度图和与之对应的N个监控子区域背景帧平均深度图。
本发明实施例中,上述监控区域背景帧平均深度图和与之对应的N个监控子区域背景帧平均深度图的计算步骤中,由于需要计算监控区域背景帧深度图方差阈值和监控子区域背景帧深度图方差阈值,因此在监控区域背景帧方差阈值和监控子区域背景帧方差阈值的计算之前需要对监控区域背景帧深度图和监控子区域背景帧深度图进行平均值计算,其中监控区域背景帧平均深度图的计算公式可以为:,其中/>表示为第m个背景帧深度图,M表示为帧数,其中帧数可以设定为100帧或其他自定义帧数,第n个监控子区域背景帧平均深度图计算公式可以为:/>,其中/>表示为第M个背景帧的第N个监控子区域背景帧深度图,其中,n表示为每一帧的背景帧的分割的监控子区域标记。
S102、基于M个监控区域背景帧深度图和监控区域背景帧平均深度图计算以得到M个监控区域背景帧方差阈值,基于N个监控子区域的背景帧深度图和与之对应的N个监控子区域背景帧平均深度图计算得到N个监控子区域背景帧方差阈值。
上述实施例中,通过计算背景帧深度图和监控区域背景帧平均深度图统计得到监控区域背景帧方差阈值/>,由监控子区域背景帧深度图/>和与之对应的监控子区域背景帧平均深度图/>一对一统计得到监控子区域背景帧方差阈值/>,通过统计得到监控区域背景帧方差阈值和监控子区域背景帧方差阈值,进而能够便于后续的前景帧深度图的分析和对比,以便对前景帧深度图入侵目标时的判断提供参数,如此能够提高其入侵目标判定的精准度,进而启动相应的保护动作。
S103、从M个监控区域背景帧深度图和与之对应的N个监控子区域的背景帧深度图中分别筛选出监控区域背景帧最小距离深度图和N个监控子区域背景帧最小距离深度图。
在本发明实施例中,由于采集到的背景帧深度图可以为多帧数M帧,在这个M帧背景帧滤波深度图中监控区域背景帧深度图和监控子区域背景帧深度图的同一位置的点进行M次测量距离,通过对监控区域背景帧最小距离深度图的计算,能够便于后续高置信度入侵点的处理计算,从而为监控目标区域的目标入侵情况又提供一种参数标准,以便在实时监控的时候精准的分析监控目标区域是否有入侵目标。
S104、基于监控区域背景帧平均深度图和预设偏移距离的背景偏移深度图计算得到监控区域背景帧最近参考深度图,并计算M个监控区域背景帧深度图与监控区域背景帧最近参考深度图的差值,得到M个监控区域背景帧差值深度图;计算每一个监控区域背景帧差值深度图小于0的候选点的点数,并从中求得对应的M个监控区域背景帧候选点的点数的最大值,以及根据监控区域背景帧候选点的点数最大值中计算得到监控区域第一候选点数阈值。
在本发明实施例中,在计算出监控区域第一候选点数阈值之前,还包括前置步骤:首先需要获取所设置的保护区距离墙面的距离,以确定距离数值,其中距离数值参数可以用表示(/>参照物体的最小尺寸进行设置),从而计算得出监控边界与与墙面(背景)偏移深度,以得到监控区域第一偏移深度图/>,同时在根据监控区域背景帧平均深度图和监控区域第一偏移深度图/>进行计算,其中计算公式可以为:,如此,可以得到监控区域背景帧最近参考深度图,再进一步的,根据计算得出监控区域背景帧最近参考深度图/>与监控区域背景帧深度图/>进行差值计算,从而可以得到监控区域背景帧差值深度图,计算公式可以为:/>;再通过计算出监控区域背景帧差值深度图小于0的候选点的点数/>,公式可以表示为:,其中参数/>为第m帧监控区域背景帧差值深度图,并通过求监控区域背景帧候选点的点数的最大值中,从而计算得出监控区域第一候选点数阈值,通过计算出监控区域第一候选点数阈值,能够在监控区域有物体入侵的情况下,统计入侵物体的点数,从而避免造成误判。
S105、基于N个监控子区域背景帧平均深度图和预设的N个对应的监控子区域背景偏移深度图计算得到N个监控子区域的最近参考深度图,并计算N个监控子区域背景帧深度图与对应的监控子区域最近参考深度图的差值,得到每个监控子区域的差值深度图;计算每个监控子区域的差值深度图小于0的候选点的点数,并从中求得对应的监控子区域的背景帧候选点的点数的最大值,以及根据该监控子区域的背景帧候选点的点数的最大值计算得到监控子区域第二候选点数阈值。
上述实施例可以理解为,同上述步骤所示,可以计算得出监控子区域背景帧深度图的监控边界与墙面(背景)偏移深度,从而可以得到N个监控子区域第二偏移深度图,从而根据差值计算可以得出,可以得出监控子区域背景帧最近参考深度图,其中监控子区域背景帧最近参考深度图计算公式可以为:;同理,根据上述步骤,监控子区域背景帧最近参考深度图/>与监控子区域背景帧深度图/>进行差值计算,其中计算公式可以为:/>,如此可以得到监控子区域背景帧差值深度图/>,其中参数/>为第m帧背景的第n个监控子区域背景帧差值深度图,每一个监控子区域背景帧差值深度图小于0的候选点的点数/>,公式可以表示为/>,再求得监控子区域背景帧候选点的点数的最大值/>,公式可以表示为/>,从而根据监控子区域背景帧候选点的点数的最大值计算得到N个监控子区域第二候选点数阈值。
进一步的,本发明实施例中,监控区域背景帧方差阈值和与之对应的N个监控子区域背景帧方差阈值的计算步骤,包括:分别预设监控区域背景帧方差阈值调节系数和N个监控子区域背景帧方差阈值调节系数;基于每一个监控区域背景帧深度图与监控区域背景帧平均深度图进行方差计算,得到M个监控区域背景帧第一方差,并根据M个监控区域背景帧第一方差,确定监控区域背景帧深度图最大方差;基于N个监控子区域背景帧深度图与监控子区域背景帧平均深度图进行方差计算,得到N个监控子区域的背景帧第二方差,并根据N个监控子区域背景帧第二方差,确定N个监控子区域背景帧深度图最大方差;根据监控区域背景帧深度图最大方差与监控区域背景帧方差阈值调节系数进行相乘计算,得到监控区域背景帧方差阈值;根据N个监控子区域背景帧深度图最大方差与N个监控子区域背景帧方差阈值调节系数进行一对一相乘计算,得到N个监控子区域背景帧方差阈值。
在本发明实施例中,上述预设监控区域背景帧方差阈值的调节系数和监控子区域背景帧方差阈值调节系数,该方差阈值调节系统可以是人为设置,其中,监控区域背景帧方差阈值调节系数,和监控子区域背景帧方差阈值调节系数/>均可以是大于或等于1,随后通过监控区域背景帧深度图与监控区域背景帧平均深度图进行方差计算,计算公式可以为:/>,其中,/>为第m帧监控区域背景帧深度图,/>为监控区域背景帧平均深度图,如此可以得到第m帧监控区域背景帧的方差/>,同时,通过计算监控子区域背景帧深度图与监控子区域背景帧平均深度图进行方差计算,计算公式可以表示为: />,其中,/>为第m帧背景帧的第n个监控子区域背景帧深度图,/>为第n个监控子区域的背景帧平均深度图,能够得到第m帧的第n个监控子区域背景帧方差/>,随即,再通过监控区域背景帧深度图最大方差和监控区域背景帧方差阈值调节系数进行相乘计算,公式可以表示为:/>,如此可以得到监控区域背景帧方差阈值/>,同理,第n个监控子区域背景帧方差阈值可以表示为:/>,如此可以得到第n个监控子区域背景帧方差阈值/>,通过上述方差阈值的计算,能够便于分析背景帧深度图的特征,以便后续能够对监控区域的前景帧深度图入侵目标物体的判断提供参数标准,以便提高其入侵目标判定的精准度,进而启动相应的保护动作。
进一步的,本发明实施例中,监控区域背景帧最小距离深度图和N个监控子区域背景帧最小距离深度图的筛选策略,包括:基于M个监控区域背景帧深度图同一个位置的点进行距离测量计算,得到监控区域背景帧最小距离深度图;基于N个监控子区域背景帧深度图同一个位置的点进行距离测量计算,得到N个监控子区域背景帧最小距离深度图。
本发明实施例中,最小距离可以理解为入侵物体最靠近3D相机的点到3D相机之间的距离,监控区域背景帧最小距离深度图公式,即监控区域背景帧最小距离深度图的每个点的距离值为M帧背景帧所对应的同位置点的距离最小值,其中为第m帧监控区域背景帧深度图,如此可以得到监控区域背景帧最小距离深度图,同理,监控子区域背景帧深度图计算公式可以表示为:/>,即每个监控子区域背景帧最小距离深度图的每个点的距离值为与之对应的M帧监控子区域背景帧所对应的同位置点的距离最小值,如此可以的得到N个监控子区域背景帧最小距离深度图/>,通过对监控区域背景帧最小距离深度图的计算,从而为监控目标区域的目标入侵情况又提供一种参数标准,以便在实时监控的时候精准的分析监控目标区域是否有入侵目标,从而做出相对应的保护策略。
进一步的,本发明实施例中监控区域第一候选点数阈值和监控子区域第二候选点数阈值的计算步骤,包括:分别预设监控区域第一候选点数阈值系数和与之对应的N个监控子区域第二候选点数阈值系数;基于M个监控区域背景帧差值深度图的候选点数进行统计处理,并根据从M个监控区域背景帧深度图的候选点数中计算出背景帧深度图的候选点数最大值,得到第一候选点数最大值;基于N个监控子区域各M个背景帧差值深度图的候选点数进行统计处理,并根据从各个监控子区域背景帧深度图的候选点数中计算出N个监控子区域背景帧深度图候选点数的最大值,得到N个监控子区域第二候选点数最大值;根据监控区域第一候选点数阈值系数与监控区域第一候选点数最大值进行相乘计算,以得到监控区域第一候选点数阈值;根据N个监控子区域第二候选点数阈值系数与N个监控子区域第二候选点数最大值一对一进行相乘计算,以得到N个监控子区域第二候选点数阈值。
本发明实施例中,首先通过分别预设监控区域第一候选点数阈值系数和监控子区域第二候选点数阈值系数/>,其中,两者阈值系数均大于或等于1,即/>、,以便能够方便进行候选点阈值计算,再通过计算出监控区域背景帧候选点数最大值/>和N个监控子区域背景帧深度图候选点数的最大值:,通过监控区域第一候选点数阈值系数与监控区域第一候选点数最大值进行相乘计算,从而能够得到监控区域第一候选点数阈值/>,公式可以表示为/>,通过每一个监控子区域第二候选点数阈值系数和每一个监控子区域第二候选点数最大值一对一进行相乘计算,从而以得到N个监控子区域第二候选点数阈值/>,其中,计算公式可以表示为:/>。
可选的,目标监控区域入侵的判定步骤,包括:
若监控区域前景帧高置信度入侵判定结果标志位为TRUE,或监控区域前景帧第一方差结果大于监控区域背景帧方差阈值,或任一监控子区域前景帧第二方差结果大于与之相对应的监控子区域背景帧方差阈值,或监控区域前景帧第一候选点数统计结果大于监控区域第一候选点数阈值,或任一监控子区域前景帧第二候选点数统计结果大于与之相对应的监控子区域第二候选点数阈值,则判定目标监控区域存在入侵。
本发明实施例中,上述高置信度入侵判定指的是在前景图像中具有高置信度的潜在入侵点或异常点,通过前景帧提取、入侵目标物体检测与跟踪、入侵点的定义和特征、置信度的计算,通过判定高置信度入侵能够直接判定前景帧是否有入侵目标,从而根据入侵情况选择是否直接触发保护动作,否则,监控区域前景帧第一方差比较结果为监控区域前景帧第一方差结果大于监控区域背景帧方差阈值,或者监控子区域前景帧第二方差比较结果为监控子区域前景帧第二方差结果大于监控子区域背景帧方差阈值,或者监控区域前景帧第一候选点比较结果为监控区域前景帧第一候选点数统计结果大于监控区域第一候选点数阈值,或者监控子区域前景帧第二候选点比较结果为监控子区域前景帧第二候选点数统计结果大于监控子区域第二候选点数阈值,则判定有目标入侵背景保护区,并启动相应的保护动作;否则,则无目标入侵保护区,此时3D相机则不做出任何动作,通过上述判定方式进行分析和对比,能够及时的监控前景帧是否有目标入侵的情况,进而能够及时的启动保护动作。
如图3所示,本发明提供一种基于3D相机的监控保护装置,包括:
获取模块301:用于采集目标背景图像数据和实时采集目标前景图像数据;
滤波模块302:用于为背景帧深度图和前景帧深度图进行滤波处理;
第一计算模块303:用于分别计算监控区域背景帧方差阈值、监控子区域背景帧方差阈值、监控区域第一最小距离深度图、监控子区域第二最小距离深度图、监控区域第一候选点数阈值以及监控子区域第二候选点数阈值;
第二计算模块304:用于分别计算监控区域前景帧第一方差结果、监控子区域前景帧第二方差结果、监控区域前景帧第一候选点数统计结果、监控子区域前景帧第二候选点数统计结果、监控区域前景帧高置信度入侵判定结果;
第一比较模块305:用于将监控区域前景帧第一方差结果与监控区域背景帧方差阈值进行比较、监控子区域前景帧第二方差结果与监控子区域背景帧方差阈值进行比较;
第二比较模块306:用于将监控区域前景帧第一候选点数统计结果与监控区域第一候选点数阈值进行比较、监控子区域前景帧第二候选点数统计结果与监控子区域第二候选点数阈值分别进行比较;
判断模块307:用于将监控区域前景帧高置信度入侵判定结果进行True或False判断、监控区域前景帧第一方差结果与监控区域背景帧方差阈值进行判断、监控子区域前景帧第二方差结果与监控子区域背景帧方差阈值进行判断、监控区域前景帧第一候选点数统计结果与监控区域第一候选点数阈值进行判断、监控子区域前景帧第二候选点数统计结果与监控子区域第二候选点数阈值分别进行判断。
可选的,所述第一计算模块包括:
第一计算单元:用于计算监控区域背景帧平均深度图和与之对应的N个监控子区域背景帧平均深度图;
第二计算单元:用于计算监控区域背景帧方差阈值、监控子区域背景帧方差阈值;
第三计算单元:用于计算背景帧最近参考深度图、背景帧差值深度图、第一候选点数阈值;
第四计算单元:用于计算监控子区域最近参考深度图、监控子区域差值深度图以及第二候选点数阈值。
可选的,所述第二计算单元包括:
第一预设单元:用于监控区域背景帧方差阈值调节系数和N个监控子区域背景帧方差阈值调节系数;
第一确定单元:用于确定监控区域背景帧深度图最大方差;
第二确定单元:用于确定监控子区域背景帧深度图最大方差;
第二计算子单元:用于计算监控区域背景帧方差阈值;
第三计算子单元:用于计算监控子区域背景帧方差阈值。
可选的,所述第二计算模块还包括:
第一测量单元:用于监控区域背景帧深度图同一个位置的点进行距离测量计算,测量监控区域背景帧最小距离深度图;
第二测量单元:用于监控子区域背景帧深度图同一个位置的点进行距离测量计算,得到N个监控子区域背景帧最小距离深度图。
可选的,所述第二计算模块还包括:
第二预设单元:用于预设监控区域第一候选点数阈值系数和与之对应的N个监控子区域第二候选点数阈值系数;
第一候选点计算单元:用于计算监控区域第一候选点数最大值;
第二候选点计算单元:用于计算监控子区域第二候选点数最大值;
第三候选点计算单元:用于计算监控区域第一候选点数阈值;
第四候候选点计算单元:用于计算监控子区域第二候选点数阈值。
可选的,所述判断模块包括:
第一判断单元:用于判断监控区域前景帧高置信度入侵判定结果标志位是否为TRUE;
第二判断单元:用于判断监控区域前景帧第一方差结果与所述监控区域背景帧方差阈值的结果;
第三判断单元:用于判断监控区域前景帧第一方差结果与所述监控区域背景帧方差阈值的结果;
第四判断单元:用于判断任一所述监控子区域前景帧第二方差结果、与之相对应的所述监控子区域背景帧方差阈值的结果;
第五判断单元:所述监控区域前景帧第一候选点数统计结果与所述监控区域第一候选点数阈值;
第六判断单元:任一所述监控子区域前景帧第二候选点数统计结果、及与之相对应的所述监控子区域第二候选点数阈值的结果;
逻辑判断单元:用于根据上述的判断结果以判定监控目标区域是否存在入侵。
本发明实施例中提供的一种基于3D相机的监控保护装置能够实现上述方法实施例中一种基于3D相机的监控保护方法实现的各个过程,且可以达到相同的有益效果,为避免重复,这里不再赘述。
如图3所示,本发明实施例提供的电子设备能够实现上述方法实施例中一种基于3D相机的监控保护方法实现的各个过程,且可以达到相同的有益效果。为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现本发明实施例提供的一种基于3D相机的监控保护方法的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
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的程序可存储于一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,的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存取存储器(Random Access Memory,简称RAM)等。
本具体实施方式的实施例均为本申请的较佳实施例,并非依此限制本申请的保护范围,其中相同的零部件用相同的附图标记表示。故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (9)
1.一种基于3D相机的监控保护方法,其特征在于,包括:
S1、当目标监控区域存在背景时,获取目标监控区域的M个背景帧深度图,对每一个背景帧深度图进行区域分割处理,得到与之对应的N个监控子区域背景帧深度图;并通过预设的背景学习策略获得相应的监控区域背景帧平均深度图、N个监控子区域背景帧平均深度图、监控区域背景帧方差阈值、N个监控子区域背景帧方差阈值、监控区域第一候选点数阈值、N个监控子区域第二候选点数阈值以及监控区域背景帧最小距离深度图;
S2、获取目标的监控区域前景帧原始深度图,并基于所述监控区域前景帧原始深度图进行滤波处理,得到监控区域前景帧深度图;
将所述监控区域前景帧深度图进行区域分割,得到N个监控子区域前景帧深度图;
基于所述监控区域前景帧深度图与所述监控区域背景帧最小距离深度图进行高置信度入侵点统计处理,得到监控区域高置信度入侵判定结果;
基于所述监控区域前景帧深度图与所述监控区域背景帧平均深度图进行方差计算,得到监控区域前景帧第一方差结果,并将N个监控子区域前景帧深度图与对应的所述监控子区域背景帧平均深度图分别一对一进行方差计算,得到N个监控子区域前景帧第二方差结果;
分别统计所述监控区域前景帧深度图入侵候选点数量和各所述监控子区域前景帧深度图入侵候选点数量,得到监控区域前景帧第一候选点数统计结果和N个监控子区域的前景帧第二候选点数统计结果;
基于所述监控区域前景帧第一方差结果和所述监控区域背景帧方差阈值进行比较处理,得到监控区域前景帧第一方差比较结果,并将N个所述监控子区域前景帧第二方差结果与N个所述监控子区域背景帧方差阈值进行一对一比较,得到N个监控子区域前景帧第二方差比较结果;
基于所述监控区域前景帧第一候选点数统计结果与所述监控区域第一候选点数阈值进行比较处理,得到监控区域前景帧第一候选点比较结果,并将各所述监控子区域前景帧第二候选点数统计结果与各所述各监控子区域第二候选点数阈值分别一对一进行比较处理,得到N个监控子区域前景帧第二候选点比较结果;
基于所述监控区域前景帧高置信度入侵判定结果或所述监控区域前景帧第一方差比较结果或任一所述监控子区域前景帧第二方差比较结果或所述监控区域前景帧第一候选点比较结果或任一所述监控子区域前景帧第二候选点比较结果,以判定目标监控区域是否存在入侵,并根据入侵情况启动相应保护动作。
2.根据权利要求1所述的一种基于3D相机的监控保护方法,其特征在于,所述预设的背景学习策略步骤,包括:
基于M个所述监控区域背景帧深度图和与之对应的N个监控子区域背景帧深度图计算得到监控区域背景帧平均深度图和与之对应的N个监控子区域背景帧平均深度图;
基于M个监控区域背景帧深度图和所述监控区域背景帧平均深度图计算以得到M个监控区域背景帧方差阈值,基于N个监控子区域背景帧深度图和与之对应的监控子区域背景帧平均深度图计算得到N个监控子区域背景帧方差阈值;
从M个监控区域背景帧深度图和与之对应的N个监控子区域的背景帧深度图中分别筛选出监控区域背景帧最小距离深度图和N个监控子区域背景帧最小距离深度图;
基于监控区域背景帧平均深度图和预设偏移距离的背景偏移深度图计算得到监控区域背景帧最近参考深度图,并计算M个所述监控区域背景帧深度图与所述监控区域背景帧最近参考深度图的差值,得到M个监控区域背景帧差值深度图;计算每一个监控区域背景帧差值深度图小于0的候选点的点数,并从中求得对应的M个监控区域背景帧候选点的点数的最大值,以及根据监控区域背景帧候选点的点数最大值中计算得到监控区域第一候选点数阈值;
基于N个监控子区域背景帧平均深度图和预设偏移距离的N个对应的监控子区域背景偏移深度图计算得到N个监控子区域最近参考深度图,并计算所述N个监控子区域背景帧深度图与对应的监控子区域最近参考深度图的差值,得到每个监控子区域差值深度图;计算每个监控子区域的差值深度图小于0的候选点的点数,并从中求得对应的监控子区域的背景帧候选点的点数的最大值,以及根据该监控子区域的背景帧候选点的点数的最大值计算得到监控子区域第二候选点数阈值。
3.根据权利要求2所述的一种基于3D相机的监控保护方法,其特征在于,所述监控区域背景帧方差阈值和与之对应的N个监控子区域的背景帧方差阈值的计算步骤,包括:
分别预设监控区域背景帧方差阈值调节系数和N个监控子区域背景帧方差阈值调节系数;
基于每一个监控区域背景帧深度图与所述监控区域背景帧平均深度图进行方差计算,得到M个监控区域背景帧第一方差,并根据M个监控区域背景帧第一方差,确定监控区域背景帧深度图最大方差;
基于N个监控子区域背景帧深度图与所述监控子区域背景帧平均深度图进行方差计算,得到N个监控子区域的背景帧第二方差,并根据N个监控子区域背景帧第二方差,确定N个监控子区域背景帧深度图最大方差;
根据所述监控区域背景帧深度图最大方差与监控区域背景帧方差阈值调节系数进行相乘计算,得到监控区域背景帧方差阈值;
根据N个所述监控子区域背景帧深度图最大方差与N个所述监控子区域背景帧方差阈值调节系数进行一对一相乘计算,得到N个监控子区域背景帧方差阈值。
4.根据权利要求2所述的一种基于3D相机的监控保护方法,其特征在于,所述监控区域背景帧最小距离深度图和N个监控子区域背景帧最小距离深度图的筛选策略,包括:
基于M个所述监控区域背景帧深度图同一个位置的点进行距离测量计算,得到监控区域背景帧最小距离深度图;
基于N个所述监控子区域背景帧深度图同一个位置的点进行距离测量计算,得到N个监控子区域背景帧最小距离深度图。
5.根据权利要求2所述的一种基于3D相机的监控保护方法,其特征在于,所述监控区域第一候选点数阈值和N个监控子区域第二候选点数阈值的计算步骤,包括:
分别预设监控区域第一候选点数阈值系数和与之对应的N个监控子区域第二候选点数阈值系数;
基于M个所述监控区域背景帧差值深度图的候选点数进行统计处理,并根据从M个所述监控区域背景帧差值深度图的候选点数中计算出监控区域背景帧差值深度图的候选点数最大值,得到监控区域第一候选点数最大值;
基于N个所述监控子区域的M个差值深度图的候选点数进行统计处理,并根据从各个所述监控子区域的差值深度图的候选点数中计算出各个监控子区域深度图候选点数的最大值,以得到N个监控子区域第二候选点数最大值;
根据所述监控区域第一候选点数阈值系数与监控区域第一候选点数最大值进行相乘计算,得到监控区域第一候选点数阈值;
根据N个所述监控子区域第二候选点数阈值系数与N个监控子区域第二候选点数最大值一对一进行相乘计算,以得到N个监控子区域第二候选点数阈值。
6.根据权利要求1所述的一种基于3D相机的监控保护方法,其特征在于,所述目标监控区域入侵的判定步骤,包括:
若所述监控区域前景帧高置信度入侵判定结果标志位为TRUE,或
所述监控区域前景帧第一方差结果大于所述监控区域背景帧方差阈值,或
任一所述监控子区域前景帧第二方差结果大于与之相对应的所述监控子区域背景帧方差阈值,或
所述监控区域前景帧第一候选点数统计结果大于所述监控区域第一候选点数阈值,或
任一所述监控子区域前景帧第二候选点数统计结果大于与之相对应的所述监控子区域第二候选点数阈值,则判定监控目标区域存在入侵。
7.一种基于3D相机的监控保护装置,其特征在于,包括:
获取模块:用于采集目标背景图像数据和实时采集目标前景图像数据;
滤波模块:用于为背景帧深度图和前景帧深度图进行滤波处理;
第一计算模块:用于分别计算监控区域背景帧方差阈值、监控子区域背景帧方差阈值、监控区域第一最小距离深度图、监控子区域第二最小距离深度图、监控区域第一候选点数阈值以及监控子区域第二候选点数阈值;
第二计算模块:用于分别计算监控区域前景帧高置信度入侵判定结果、监控区域前景帧第一方差结果、监控子区域前景帧第二方差结果、监控区域前景帧第一候选点数统计结果、监控子区域前景帧第二候选点数统计结果;
第一比较模块:用于将监控区域前景帧第一方差结果与监控区域背景帧方差阈值进行比较、监控子区域前景帧第二方差结果与监控子区域背景帧方差阈值进行比较;
第二比较模块:用于将监控区域前景帧第一候选点数统计结果与所述监控区域第一候选点数阈值进行比较、监控子区域前景帧第二候选点数统计结果与监控子区域第二候选点数阈值分别进行比较;
判断模块:用于将所述监控区域前景帧高置信度入侵判定结果进行True或False判断、所述监控区域前景帧第一方差结果与所述监控区域背景帧方差阈值进行判断、所述监控子区域前景帧第二方差结果与所述监控子区域背景帧方差阈值进行判断、所述监控区域前景帧第一候选点数统计结果与所述监控区域第一候选点数阈值进行判断、所述监控子区域前景帧第二候选点数统计结果与所述监控子区域第二候选点数阈值分别进行判断。
8.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述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权利要求1至6中任一项所述的一种基于3D相机的监控保护方法中的步骤。
9.一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上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的一种基于3D相机的监控保护方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311457433.5A CN117173643B (zh) | 2023-11-03 | 2023-11-03 | 一种基于3d相机的监控保护方法、装置及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311457433.5A CN117173643B (zh) | 2023-11-03 | 2023-11-03 | 一种基于3d相机的监控保护方法、装置及相关设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117173643A CN117173643A (zh) | 2023-12-05 |
CN117173643B true CN117173643B (zh) | 2024-01-30 |
Family
ID=88941763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311457433.5A Active CN117173643B (zh) | 2023-11-03 | 2023-11-03 | 一种基于3d相机的监控保护方法、装置及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117173643B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104519343A (zh) * | 2013-09-26 | 2015-04-15 | 西克股份公司 | 根据立体视图原理的3d相机和用于获取深度图的方法 |
CN106898014A (zh) * | 2017-02-22 | 2017-06-27 | 杭州艾芯智能科技有限公司 | 一种基于深度相机的入侵检测方法 |
CN111862511A (zh) * | 2020-08-10 | 2020-10-30 | 湖南海森格诺信息技术有限公司 | 基于双目立体视觉的目标入侵检测装置及其方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105872477B (zh) * | 2016-05-27 | 2018-11-23 | 北京旷视科技有限公司 | 视频监控方法和视频监控系统 |
-
2023
- 2023-11-03 CN CN202311457433.5A patent/CN117173643B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104519343A (zh) * | 2013-09-26 | 2015-04-15 | 西克股份公司 | 根据立体视图原理的3d相机和用于获取深度图的方法 |
CN106898014A (zh) * | 2017-02-22 | 2017-06-27 | 杭州艾芯智能科技有限公司 | 一种基于深度相机的入侵检测方法 |
CN111862511A (zh) * | 2020-08-10 | 2020-10-30 | 湖南海森格诺信息技术有限公司 | 基于双目立体视觉的目标入侵检测装置及其方法 |
Non-Patent Citations (1)
Title |
---|
基于视频的入侵检测系统;吴金勇;虞致国;马国强;徐健健;;电子测量技术(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117173643A (zh) | 2023-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5551595B2 (ja) | 滑走路監視システムおよび方法 | |
CN111210399B (zh) | 一种成像质量评价方法、装置及设备 | |
JP4729610B2 (ja) | 煙検出装置 | |
JP4653207B2 (ja) | 煙検出装置 | |
JP2010238032A (ja) | 煙検出装置 | |
JP6679858B2 (ja) | 対象の遮蔽を検出する方法と装置 | |
CN104954747B (zh) | 视频监视方法和装置 | |
CN110689555B (zh) | 基于前景检测的kcf跟踪目标丢失检测方法及系统 | |
US10474935B2 (en) | Method and device for target detection | |
CN110114801B (zh) | 图像前景检测装置及方法、电子设备 | |
CN116343436A (zh) | 一种山体滑坡检测的方法、装置、设备及介质 | |
CN103077534B (zh) | 时空多尺度运动目标检测方法 | |
CN114022468B (zh) | 一种安防监控中物品遗留丢失检测方法 | |
US8503737B2 (en) | Visual line estimating apparatus | |
JP5356302B2 (ja) | 煙検出装置 | |
CN117173643B (zh) | 一种基于3d相机的监控保护方法、装置及相关设备 | |
CN114612882A (zh) | 障碍物检测方法、图像检测模型的训练方法及装置 | |
JPH05300516A (ja) | 動画処理装置 | |
CN114782561A (zh) | 基于大数据的智慧农业云平台监控系统 | |
JP6457728B2 (ja) | 層流煙検出装置および層流煙検出方法 | |
JP2004208209A (ja) | 移動体監視装置および移動体監視方法 | |
Miljanovic et al. | Detection of windows in facades using image processing algorithms | |
CN112990309B (zh) | 检测仪表设备是否存在异物遮挡的方法及系统 | |
JPH09319978A (ja) | 侵入物体監視装置 | |
JP6457727B2 (ja) | 層流煙検出装置および層流煙検出方法 |
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 |