CN117456193A - 对象的状态检测方法、装置、存储介质及电子装置 - Google Patents
对象的状态检测方法、装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN117456193A CN117456193A CN202311396695.5A CN202311396695A CN117456193A CN 117456193 A CN117456193 A CN 117456193A CN 202311396695 A CN202311396695 A CN 202311396695A CN 117456193 A CN117456193 A CN 117456193A
- Authority
- CN
- China
- Prior art keywords
- target
- state
- image
- gray level
- gray
- 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 24
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 65
- 230000008859 change Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 230000000875 corresponding effect Effects 0.000 description 39
- 238000005516 engineering process Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011430 maximum method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 241000700605 Viruses Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- ZXQYGBMAQZUVMI-GCMPRSNUSA-N gamma-cyhalothrin Chemical compound CC1(C)[C@@H](\C=C(/Cl)C(F)(F)F)[C@H]1C(=O)O[C@H](C#N)C1=CC=CC(OC=2C=CC=CC=2)=C1 ZXQYGBMAQZUVMI-GCMPRSNUSA-N 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
- 238000007781 pre-processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009466 transformation 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供了一种对象的状态检测方法和装置、存储介质及电子设备，该方法包括：获取对目标对象进行图像采集得到的初始图像，根据初始图像绘制初始图像灰度直方图，在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据目标图像绘制目标图像灰度直方图，确定初始图像灰度直方图与目标图像灰度直方图之间的相关参数，并根据相关参数确定第一状态和第二状态是否相同，进而得知目标对象的状态在预设时长内是否发生了变化。通过本申请，解决了由于无法获取对象的全局状态，导致对象的状态检测正确率较低的技术问题。
Description
技术领域
本申请实施例涉及计算机领域，具体而言，涉及一种对象的状态检测方法、装置、存储介质及电子装置。
背景技术
目前，在进行对象的状态检测时，往往采用检测对象的局部状态的方式，进而根据指定局部组件的状态来确定对象的全局状态，这种状态检测方案无法获取到对象的真实状态，也就是说，在改变除了指定局部组件之外的其他局部组件的状态的情况下，会导致对象发生状态变化，但无法识别确定，以检测对象是门为例，根据门锁部件的状态来确定门的状态，若改变门框部件的状态，此时，门的状态也会改变，但是由于门锁部件的状态并未改变，这就导致了最终获取到的门的状态的准确率难以保证。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种对象的状态检测方法、装置、存储介质及电子装置，以至少解决由于无法获取对象的全局状态，导致对象的状态检测正确率较低的问题。
根据本申请的一个方面，提供了一种对象的状态检测方法，包括：获取对目标对象进行图像采集得到的初始图像，根据所述初始图像绘制初始图像灰度直方图，其中，所述初始图像灰度直方图用于表示所述初始图像对应的初始灰度信息，所述初始灰度信息用于表示采集所述初始图像时，所述目标对象的状态为第一状态；在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据所述目标图像绘制目标图像灰度直方图，其中，所述目标图像灰度直方图用于表示所述目标图像对应的目标灰度信息，所述目标灰度信息用于表示采集所述目标图像时，所述目标对象的状态为第二状态；确定所述初始图像灰度直方图与所述目标图像灰度直方图之间的相关参数，并根据所述相关参数确定所述第一状态和所述第二状态是否相同，其中，所述相关参数用于表示所述目标对象在所述预设时长内的发生状态变化的概率。
根据本申请的另一个方面，提供了一种对象的状态检测装置，包括：第一获取模块，用于获取对目标对象进行图像采集得到的初始图像，根据所述初始图像绘制初始图像灰度直方图，其中，所述初始图像灰度直方图用于表示所述初始图像对应的初始灰度信息，所述初始灰度信息用于表示采集所述初始图像时，所述目标对象的状态为第一状态；第二获取模块，用于在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据所述目标图像绘制目标图像灰度直方图，其中，所述目标图像灰度直方图用于表示所述目标图像对应的目标灰度信息，所述目标灰度信息用于表示采集所述目标图像时，所述目标对象的状态为第二状态；确定模块，用于确定所述初始图像灰度直方图与所述目标图像灰度直方图之间的相关参数，并根据所述相关参数确定所述第一状态和所述第二状态是否相同，其中，所述相关参数用于表示所述目标对象在所述预设时长内的发生状态变化的概率。
可选地，所述装置用于通过如下方式获取对目标对象进行图像采集得到的初始图像，根据所述初始图像绘制初始图像灰度直方图：在处于固定位置上的发射设备持续朝着所述目标对象发射目标光线的情况下，确定所述目标光线在所述目标对象上形成的第一光斑，其中，所述初始图像包括所述第一光斑，所述第一光斑表示所述目标光线照射在所述目标对象上形成的具有最小尺寸的光斑，将所述第一状态确定为与所述第一光斑匹配；根据所述第一光斑确定所述初始灰度信息，其中，所述初始灰度信息包括所述第一光斑所处位置的第一灰度信息，所述第一灰度信息用于指示所述第一光斑与所述固定位置之间的距离；根据所述初始灰度信息绘制所述初始图像灰度直方图。
可选地，所述装置用于通过如下方式在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据所述目标图像绘制目标图像灰度直方图：在处于所述固定位置上的所述发射设备在经过所述预设时长后朝着所述目标对象发射所述目标光线的情况下，确定所述目标光线在所述目标对象上形成的第二光斑，其中，所述目标图像包括所述第二光斑，所述第二光斑表示所述目标光线在经过所述预设时长后照射在所述目标对象上形成的光斑，将所述第二状态确定为与所述第二光斑匹配，所述第二光斑的尺寸与所述第一光斑的尺寸是否相同由所述第二光斑的位置与所述第一光斑的位置是否相同确定；根据所述第二光斑确定所述目标灰度信息，其中，所述目标灰度信息包括所述第二光斑所处位置的第二灰度信息，所述第二灰度信息用于指示所述第二光斑与所述固定位置之间的距离；根据所述目标灰度信息绘制所述目标图像灰度直方图。
可选地，所述装置用于通过如下方式获取对目标对象进行图像采集得到的初始图像，根据所述初始图像绘制初始图像灰度直方图：在处于固定位置上的发射设备持续朝着所述目标对象发射目标光线的情况下，确定所述目标光线在所述目标对象上形成的第一光斑集合，其中，所述初始图像包括所述第一光斑集合，所述第一光斑集合表示所述目标光线照射在所述目标对象上形成的多个处于不同位置下的具有最小尺寸的光斑，将所述第一状态确定为与所述第一光斑集合匹配；根据所述第一光斑集合确定所述初始灰度信息，其中，所述初始灰度信息包括所述第一光斑集合中各个光斑所处位置的第一灰度信息集合，所述第一灰度信息集合中的一个灰度信息用于指示所述第一光斑集合中的一个光斑与所述固定位置之间的距离；根据所述初始灰度信息绘制所述初始图像灰度直方图。
可选地，所述装置用于通过如下方式确定所述初始图像灰度直方图与所述目标图像灰度直方图之间的相关参数：根据所述初始图像灰度直方图确定第一均值，并根据所述目标图像灰度直方图确定第二均值，其中，所述第一均值表示所述初始图像灰度直方图的像素点的灰度值的平均值，所述第二均值表示所述目标图像灰度直方图的像素点的灰度值的平均值；将所述第一均值与所述初始图像灰度直方图的每个像素点的灰度值之间的差值确定为第一差值，将所述第二均值与所述目标图像灰度直方图的每个像素点的灰度值的差值确定为第二差值；将每个所述像素点对应的所述第一差值与所述第二差值的乘积确定为每个所述像素点对应的第一相关子参数；将每个所述像素点对应的所述第一差值的平方确定为第二相关子参数；将每个所述像素点对应的所述第二差值的平方确定为第三相关子参数；根据所述第一相关子参数、所述第二相关子参数以及所述第三相关子参数确定所述相关系数。
可选地，所述装置用于通过如下至少之一的方式根据所述相关参数确定所述第一状态和所述第二状态是否相同：在所述相关参数大于或等于第一预设阈值的情况下，确定所述第一状态与所述第二状态相同，其中，所述第一预设阈值用于表示不同图像灰度直方图之间相似的最小取值；在第一组相关参数中大于或等于第二预设阈值的相关参数的个数满足第一预设条件的情况下，确定所述第一状态与所述第二状态相同，其中，所述第一预设条件用于表示所述第一组相关参数中大于或等于所述第二预设阈值的相关参数的最小数量，所述第一组相关参数中的一个相关参数与所述初始图像中的一个图像采集区域相对应。
可选地，所述装置还用于：根据所述相关参数确定所述第一状态和所述第二状态是否相同之后，在所述相关参数小于预设阈值的情况下，发送第一提示信息，其中，所述第一提示信息用于提示所述目标对象的状态由所述第一状态切换为所述第二状态；在所述相关参数小于预设阈值的情况下，根据所述初始图像和所述目标图像确定所述目标对象上灰度发生变化的对象区域，发送第二提示信息，其中，所述第二提示信息用于提示所述目标对象的状态由所述第一状态切换为所述第二状态，且所述对象区域发生了变化。
根据本申请的又一个实施例，还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本申请的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
在本申请实施例中，通过获取对目标对象进行图像采集得到的初始图像，根据所述初始图像绘制初始图像灰度直方图，其中，所述初始图像灰度直方图用于表示所述初始图像对应的初始灰度信息，所述初始灰度信息用于表示采集所述初始图像时，所述目标对象的状态为第一状态；在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据所述目标图像绘制目标图像灰度直方图，其中，所述目标图像灰度直方图用于表示所述目标图像对应的目标灰度信息，所述目标灰度信息用于表示采集所述目标图像时，所述目标对象的状态为第二状态；确定所述初始图像灰度直方图与所述目标图像灰度直方图之间的相关参数，并根据所述相关参数确定所述第一状态和所述第二状态是否相同，其中，所述相关参数用于表示所述目标对象在所述预设时长内的发生状态变化的概率，达到了对对象的全局状态进行检测的目的，实现了提高对象状态检测的准确性的技术效果，进而解决由于无法获取对象的全局状态，导致对象的状态检测正确率较低的问题。
附图说明
图1是根据本申请实施例的一种对象的状态检测方法的移动终端的硬件结构框图；
图2是根据本申请实施例的一种对象的状态检测方法的流程图；
图3是根据本申请实施例的一种对象的状态检测方法的流程示意图；
图4是根据本申请实施例的另一种对象的状态检测方法的流程示意图；
图5是根据本申请实施例的又一种对象的状态检测方法的流程示意图；
图6是根据本申请实施例的又一种对象的状态检测方法的流程示意图；
图7是根据本申请实施例的一种对象的状态检测装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本申请的实施例。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“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。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本申请实施例的一种对象的状态检测方法的移动终端的硬件结构框图。如图1所示，移动终端可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，其中，上述移动终端还可以包括用于通信功能的传输设备106以及终端设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本申请实施例中的对象的状态检测方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
结合图1所示，上述对象的状态检测方法可以在终端设备108通过如下步骤实现：
S1，获取对目标对象进行图像采集得到的初始图像，根据初始图像绘制初始图像灰度直方图，其中，初始图像灰度直方图用于表示初始图像对应的初始灰度信息，初始灰度信息用于表示采集初始图像时，目标对象的状态为第一状态；
S2，在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据目标图像绘制目标图像灰度直方图，其中，目标图像灰度直方图用于表示目标图像对应的目标灰度信息，目标灰度信息用于表示采集目标图像时，目标对象的状态为第二状态；
S3，确定初始图像灰度直方图与目标图像灰度直方图之间的相关参数，并根据相关参数确定第一状态和第二状态是否相同，其中，相关参数用于表示目标对象在预设时长内的发生状态变化的概率。
可选地，在本实施例中，上述对象的状态检测方法还可以通过服务器实现，或由终端设备和服务器共同实现。
上述仅是一种示例，本实施例不做具体的限定。
可选地，作为一种可选的实施方式，图2是根据本申请实施例的一种对象的状态检测方法的流程图，如图2所示，上述对象的状态检测方法包括：
S202，获取对目标对象进行图像采集得到的初始图像，根据初始图像绘制初始图像灰度直方图，其中，初始图像灰度直方图用于表示初始图像对应的初始灰度信息，初始灰度信息用于表示采集初始图像时，目标对象的状态为第一状态；
可选地，在本实施例中，上述目标对象可以包括但不限于门，窗户，电视，手机，电脑，平板等，在进行上述目标对象的图像采集时，该图像采集设备可以包括但不限于摄像机，手机相机等具有图像采集功能的影像设备。
在一个示例性的实施例中，假设上述目标对象为门，上述第一状态可以包括但不限于开门状态，关门状态，锁定状态，半开状态等。
示例性地，通过图像采集设备进行上述目标对象的初始图像采集时，本申请实施例对上述初始图像的图片采集张数不做限定，也就是说，可以只采集一张初始图像，也可以采集多张初始图像，其中，从多张初始图像可以获取到的目标对象信息可以包括但不限于上述目标对象的同一位置上的对象信息，不同位置上的对象信息。
需要说明的是，根据采集到的初始图像绘制初始图像灰度直方图时，包括但不限于通过云技术将所述初始图像进行处理，获取该初始图像的图像灰度信息，该图像灰度信息即为上述初始灰度信息，可以理解为，通过上述初始灰度信息，可以获取到上述初始图像中所包含的每个像素点的灰度级别，该灰度级别可以包括但不限于图像中像素的亮度，例如，在一个具有100个像素点的初始图像中，每个像素点的灰度值是一个介于0到255之间的整数，其中0表示最暗的黑色，255表示最亮的白色，通过上述初始灰度信息可以但不限于获取图像的整体亮度、图像的对比度和图像的阴影等图像特征。
可选地，在本实施例中，根据上述初始灰度信息可以确定上述目标对象的状态，假设上述目标对象为门，上述初始图像包括200个像素点，所对应的初始灰度信息中存在50％及50％以上的像素点的灰度值均大于189，此时即认定在采集上述初始图像的当前时刻，上述目标对象的状态为关门状态，也就是说，上述第一状态就是关门状态，若只存在40％的像素点的灰度值大于189，此时即认定在采集上述初始图像的当前时刻，上述目标对象的状态为开门状态，也就是说，上述第一状态就是开门状态。
其中，云技术(Cloud technology)是指在广域网或局域网内将硬件、软件、网络等系列资源统一起来，实现数据的计算、储存、处理和共享的一种托管技术。
云计算(cloud computing)指IT基础设施的交付和使用模式，指通过网络以按需、易扩展的方式获得所需资源；广义云计算指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需服务。这种服务可以是IT和软件、互联网相关，也可是其他服务。云计算是网格计算(Grid Computing)、分布式计算(DistributedComputing)、并行计算(Parallel Computing)、效用计算(Utility Computing)、网络存储(Network StorageTechnologies)、虚拟化(Virtualization)、负载均衡(Load Balance)等传统计算机和网络技术发展融合的产物。
随着互联网、实时数据流、连接设备多样化的发展，以及搜索服务、社会网络、移动商务和开放协作等需求的推动，云计算迅速发展起来。不同于以往的并行分布式计算，云计算的产生从理念上将推动整个互联网模式、企业管理模式发生革命性的变革。
云安全(Cloud Security)是指基于云计算商业模式应用的安全软件、硬件、用户、机构、安全云平台的总称。云安全融合了并行处理、网格计算、未知病毒行为判断等新兴技术和概念，通过网状的大量客户端对网络中软件行为的异常监测，获取互联网中木马、恶意程序的最新信息，并发送到服务端进行自动分析和处理，再把病毒和木马的解决方案分发到每一个客户端。
可选地，在本实施例中，根据上述初始图像来绘制上述初始图像灰度直方图的步骤可以包括但不限于：
S1，将初始图像转换为灰度图像；
S2，创建一个长度为256的数组，用于存储每个灰度级的像素数量；
S3，遍历图像的每个像素，将其灰度级对应的数组元素加1；
S4，使用柱状图来表示灰度级和对应的像素数量，横轴表示灰度级，纵轴表示像素数量。
示例性地，可以通过如下方式实现S1中提出的将初始图像转化为灰度图像，包括但不限于平均值法(Average Method)，加权平均法(Weighted Average Method)，最大值法(Maximum Method)，最小值法(Minimum Method)，加权平均法(Lightness Method)。
具体而言，平均值法可以包括但不限于将彩色图像的每个像素点的RGB三个通道的值相加，然后除以3，得到灰度值；加权平均法可以包括但不限于根据人眼对不同颜色的感知程度，对彩色图像的RGB三个通道的值进行加权求和，得到灰度值。将红色通道R的权重为0.2989，绿色通道G的权重为0.5870，蓝色通道B的权重为0.1140；最大值法可以包括但不限于将彩色图像的每个像素点的RGB三个通道的值中最大的那个值作为灰度值；最小值法可以包括但不限于将彩色图像的每个像素点的RGB三个通道的值中最小的那个值作为灰度值；加权平均法可以包括但不限于将彩色图像的每个像素点的RGB三个通道的值中的最大值和最小值相加，然后除以2，得到灰度值。
在一个示例性的实施例中，上述在绘制初始图像灰度直方图之前，可以进行图像预处理，以增强初始图像的对比度和细节，可以包括但不限于灰度平衡、直方图均衡化等操作。
S204，在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据目标图像绘制目标图像灰度直方图，其中，目标图像灰度直方图用于表示目标图像对应的目标灰度信息，目标灰度信息用于表示采集目标图像时，目标对象的状态为第二状态；
在一个示例性的实施例中，假设上述目标对象为手机，上述第二状态可以包括但不限于开机状态，关机状态，静音状态，充电状态等。
可选地，在本实施例中，上述第二状态与上述第一状态可以表示相同状态，也可以是不同状态，假设上述目标对象为门，图3是根据本申请实施例的一种对象的状态检测方法的流程示意图，如图3所示：
S1，在第一时刻采集到的门的区域302的初始图像包括300个像素点，所对应的初始灰度信息中存在60％及60％以上的像素点的灰度值均大于200，此时即认定在采集上述初始图像的当前时刻，上述门的状态为关门状态304(上述第一状态)；
S2，经过了30秒之后，再次采集到的门的区域302的目标图像包括300个像素点若只存在50％的像素点的灰度值大于200，此时即认定在采集上述目标图像的当前时刻，上述门的状态为开门状态306(上述第二状态)。
也就是说，经过30秒之后，门的状态由第一状态变为第二状态，上述第一状态与上述第二状态表示上述目标对象的不同状态。
示例性地，在经过预设时长后，通过上述图像采集设备进行上述目标对象的目标图像采集时，本申请实施例对上述目标图像的图片采集张数也不做限定，也就是说，可以只采集一张目标图像，也可以采集多张目标图像，其中，从多张目标图像可以获取到的目标对象信息可以包括但不限于上述目标对象的同一位置上的对象信息，不同位置上的对象信息。
具体而言，上述初始图像与上述目标图像可以具有对应关系，也就是说，上述图像采集设备在当前时刻采集到上述目标对象上的第一图像采集区域的图像作为初始图像，经过30秒之后，上述图像采集设备再次采集到上述目标对象上的第一图像采集区域的图像作为目标图像。
需要说明的是，根据采集到的目标图像绘制目标图像灰度直方图时，包括但不限于通过云技术将所述目标图像进行处理，获取该目标图像的图像灰度信息，该图像灰度信息即为上述目标灰度信息，可以理解为，通过上述目标灰度信息，可以获取到上述目标图像中所包含的每个像素点的灰度级别，该灰度级别可以包括但不限于图像中像素的亮度，例如，在一个具有100个像素点的目标图像中，每个像素点的灰度值是一个介于0到255之间的整数，其中0表示最暗的黑色，255表示最亮的白色，通过上述目标灰度信息可以但不限于获取图像的整体亮度、图像的对比度和图像的阴影等图像特征。
可选地，在本实施例中，根据上述目标图像来绘制上述目标图像灰度直方图的步骤可以包括但不限于：
S1，将目标图像转换为灰度图像；
S2，创建一个长度为256的数组，用于存储每个灰度级的像素数量；
S3，遍历图像的每个像素，将其灰度级对应的数组元素加1；
S4，使用折线图来表示灰度级和对应的像素数量，横轴表示灰度级，纵轴表示像素数量。
示例性地，可以通过如下方式实现S1中提出的将目标图像转化为灰度图像，包括但不限于平均值法(Average Method)，加权平均法(Weighted Average Method)，最大值法(Maximum Method)，最小值法(Minimum Method)，加权平均法(Lightness Method)。
在一个示例性的实施例中，上述在绘制目标图像灰度直方图之前，可以进行图像预处理，以增强目标图像的对比度和细节，可以包括但不限于灰度平衡、直方图均衡化等操作。
S206，确定初始图像灰度直方图与目标图像灰度直方图之间的相关参数，并根据相关参数确定第一状态和第二状态是否相同，其中，相关参数用于表示目标对象在预设时长内的发生状态变化的概率。
示例性地，根据上述初始图像灰度直方图以及上述目标图像灰度直方图来确定第一状态和第二状态是否相同，可以包括但不限于如下步骤：
S1，将两个直方图的灰度值范围分成多个区间，并统计每个区间内像素的数量；
S2，将每个直方图中的每个区间的像素数量除以总的像素数量，对直方图进行归一化处理；
S3，计算直方图的相关系数；
S4，根据计算得到的相关系数来判断直方图之间的相关性。
需要说明的是，若相关系数接近于1，表示两个直方图高度正相关，也就是说上述第一状态与上述第二状态为相同状态的可能性越大，若相关系数接近于0，表示两个直方图高度负相关，也就是说上述第一状态与上述第二状态为相同状态的可能性越小。
具体而言，上述S3提到的相关系数可以通过如下方式进行计算，包括但不限于：
S1，分别计算初始图像灰度直方图与目标图像灰度直方图的像素灰度值的平均值，记为和/>
S2，依次计算初始图像灰度直方图的像素点的灰度值与上述的差值，再对全部像素点与/>的差值进行求和得到/>再依次计算目标图像灰度直方图的像素点的灰度值与上述/>的差值，再对全部像素点与/>的差值进行求和得到
S3，根据公式计算相关参数：
其中，d(H1,H2)即为相关参数。
需要说明的是，在计算上述相关性系数时，可以但不限于只计算一组图像灰度直方图，即一张上述初始图像灰度直方图与一张上述目标图像灰度直方图，也可以是多组图像灰度直方图，即多张上述初始图像灰度直方图与多张上述目标图像灰度直方图，其中，每一组图像灰度直方图中的上述初始图像灰度直方图与上述目标图像灰度直方图具有对应关系，可以理解为，上述初始图像灰度直方图与上述目标图像灰度直方图中所包含的上述目标对象的图像采集位置相同。
可选地，在本实施例中，假设上述目标对象为门，图4是根据本申请实施例的另一种对象的状态检测方法的流程示意图，如图4所示：
S1，进行设备初始化402，即开启发射设备，发射目标光线404；
S2，在门上选取图像采集区域406；
S3，目标光线404在图像采集区域406上形成具有最小尺寸的光斑；
S4，采集初始图像410，生成初始图像灰度直方图，进而获取门的第一状态为关门状态；
S5，采集目标时间下的目标图像412，生成目标图像灰度直方图，进而获取门的第二状态为开门状态。
可选地，在本申请实施例中，通过获取对目标对象进行图像采集得到的初始图像，根据所述初始图像绘制初始图像灰度直方图，其中，所述初始图像灰度直方图用于表示所述初始图像对应的初始灰度信息，所述初始灰度信息用于表示采集所述初始图像时，所述目标对象的状态为第一状态；在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据所述目标图像绘制目标图像灰度直方图，其中，所述目标图像灰度直方图用于表示所述目标图像对应的目标灰度信息，所述目标灰度信息用于表示采集所述目标图像时，所述目标对象的状态为第二状态；确定所述初始图像灰度直方图与所述目标图像灰度直方图之间的相关参数，并根据所述相关参数确定所述第一状态和所述第二状态是否相同，其中，所述相关参数用于表示所述目标对象在所述预设时长内的发生状态变化的概率，达到了对对象的全局状态进行检测的目的，实现了提高对象状态检测的准确性的技术效果，进而解决由于无法获取对象的全局状态，导致对象的状态检测正确率较低的问题。
作为一种可选的方案，上述装置用于通过如下方式获取对目标对象进行图像采集得到的初始图像，根据上述初始图像绘制初始图像灰度直方图：在处于固定位置上的发射设备持续朝着上述目标对象发射目标光线的情况下，确定上述目标光线在上述目标对象上形成的第一光斑，其中，上述初始图像包括上述第一光斑，上述第一光斑表示上述目标光线照射在上述目标对象上形成的具有最小尺寸的光斑，将上述第一状态确定为与上述第一光斑匹配；根据上述第一光斑确定上述初始灰度信息，其中，上述初始灰度信息包括上述第一光斑所处位置的第一灰度信息，上述第一灰度信息用于指示上述第一光斑与上述固定位置之间的距离；根据上述初始灰度信息绘制上述初始图像灰度直方图。
可选地，在本实施例中，上述发射设备可以包括但不限于红外线发射装置，紫外线发射装置，X射线发射装置，激光器，红外线激光器等，上述目标光线可以包括但不限于红外线，紫外线，X射线等。
示例性地，在上述固定位置处预先部署上述发射设备，该发射设备持续发射目标光线，其中，由上述发射设备发射出的目标光线是不可见光，该目标光线将在上述目标对象上形成第一光斑。
需要说明的是，上述第一光斑是上述目标光线在上述目标对象上能够形成的具有最小尺寸的光斑，也就是说，上述第一光斑的面积最小，范围最小，通过上述图像采集设备进行目标对象的初始图像采集，在初始图像中包含上述第一光斑的信息。
具体而言，在确定上述目标对象在第一时刻处于上述第一状态的情况下，上述发射设备在第一时刻所发出的目标光线在上述目标对象上所形成的第一光斑的尺寸是最小的光斑尺寸。
在一个示例性的实施例中，根据上述第一灰度信息可以获取到上述第一光斑的信息，并且根据该第一灰度信息可以得知上述发射设备在固定位置发出的目标光线在到达上述目标对象时所经过的路程，也就是上述第一光斑至上述固定位置的距离。
可选地，在本实施例中，通过在处于固定位置上的发射设备持续朝着上述目标对象发射目标光线的情况下，确定上述目标光线在上述目标对象上形成的第一光斑，根据上述第一光斑确定上述初始灰度信息，根据上述初始灰度信息绘制上述初始图像灰度直方图的方式，实现了初始图像的快速采集，达到了提高生成初始图像灰度直方图的效率的技术效果。
作为一种可选的方案，上述装置用于通过如下方式在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据上述目标图像绘制目标图像灰度直方图：在处于上述固定位置上的上述发射设备在经过上述预设时长后朝着上述目标对象发射上述目标光线的情况下，确定上述目标光线在上述目标对象上形成的第二光斑，其中，上述目标图像包括上述第二光斑，上述第二光斑表示上述目标光线在经过上述预设时长后照射在上述目标对象上形成的光斑，将上述第二状态确定为与上述第二光斑匹配，上述第二光斑的尺寸与上述第一光斑的尺寸是否相同由上述第二光斑的位置与上述第一光斑的位置是否相同确定；根据上述第二光斑确定上述目标灰度信息，其中，上述目标灰度信息包括上述第二光斑所处位置的第二灰度信息，上述第二灰度信息用于指示上述第二光斑与上述固定位置之间的距离；根据上述目标灰度信息绘制上述目标图像灰度直方图。
可选地，在本实施例中，上述第二光斑是上述目标光线经过预设时长后，在上述目标对象上能够形成的光斑，换言之，上述第二光斑的面积是随机的，通过上述图像采集设备进行目标对象的目标图像采集，在目标图像中包含上述第二光斑的信息。
需要说明的是，在确定上述目标对象在第二时刻处于上述第二状态的情况下，上述发射设备在第二时刻所发出的目标光线在上述目标对象上所形成的上述第二光斑的尺寸与上述第一光斑的尺寸可能相同，也可能不同。
在一个示例性的实施例中，根据上述第二灰度信息可以获取到上述第二光斑的信息，并且根据该第二灰度信息可以得知经过预设时长后，上述发射设备在固定位置发出的目标光线在到达上述目标对象时所经过的路程，也就是上述第二光斑至上述固定位置的距离。
可选地，在本实施例中，假设上述目标对象为门，图5是根据本申请实施例的又一种对象的状态检测方法的流程示意图，如图5所示：
S502，在固定位置安装不可见光发射装置，发射激光光束(上述目标光线)；
S504，采集初始图像，该初始图像中包含具有最小尺寸的光斑；
S506，根据从初始图像提取到的初始灰度信息绘制初始图像灰度直方图，门的状态为关门状态；
S508，定时进行目标图像的采集，根据从目标图像提取到的目标灰度信息绘制目标图像灰度直方图；
S510，对比不同图像采集区域下的目标图像灰度直方图与初始图像灰度直方图，判断是否同时发生变化；
S512-1，不同图像采集区域下的目标图像灰度直方图与初始图像灰度直方图未同时发生变化，确定门的状态为关门状态；
S512-1，不同图像采集区域下的目标图像灰度直方图与初始图像灰度直方图未同时发生变化，确定门的状态为关门状态；
S512-2，不同图像采集区域下的目标图像灰度直方图与初始图像灰度直方图同时发生变化，确定门的状态为开门状态；
S514，门的状态检测结束。
可选地，在本实施例中，通过在处于固定位置上的发射设备持续朝着上述目标对象发射目标光线的情况下，确定上述目标光线在上述目标对象上形成的第二光斑，根据上述第二光斑确定上述目标灰度信息，根据上述初目标灰度信息绘制上述目标图像灰度直方图的方式，实现了目标图像的快速采集，达到了提高生成目标图像灰度直方图的效率的技术效果。
作为一种可选的方案，上述装置用于通过如下方式获取对目标对象进行图像采集得到的初始图像，根据上述初始图像绘制初始图像灰度直方图：在处于固定位置上的发射设备持续朝着上述目标对象发射目标光线的情况下，确定上述目标光线在上述目标对象上形成的第一光斑集合，其中，上述初始图像包括上述第一光斑集合，上述第一光斑集合表示上述目标光线照射在上述目标对象上形成的多个处于不同位置下的具有最小尺寸的光斑，将上述第一状态确定为与上述第一光斑集合匹配；根据上述第一光斑集合确定上述初始灰度信息，其中，上述初始灰度信息包括上述第一光斑集合中各个光斑所处位置的第一灰度信息集合，上述第一灰度信息集合中的一个灰度信息用于指示上述第一光斑集合中的一个光斑与上述固定位置之间的距离；根据上述初始灰度信息绘制上述初始图像灰度直方图。
可选地，在本实施例中，上述第一光斑集合中可以包括但不限于多张上述初始图像，在进行图像采集时，可以通过对上述目标对象的不同区域在同一时刻进行图像的采集，即可以一次性采集到多张上述初始图像，不同的初始图像对应于不同的图像采集区域。
具体而言，上述发射设备所发出的上述目标光线可以在上述目标对象的不同区域同时形成光斑，上述光斑可能有多个，将多个光斑确定为上述第一光斑集合，并且处于第一光斑集合的不同光斑的尺寸可以相同，均是在上述图像区域内所形成的具有最小尺寸的光斑，上述第一光斑集合中的光斑的尺寸可以相同，也可以不同，例如，上述目光光线在上述目标对象的第一图像采集区域形成了第一最小光斑，该第一最小光斑是在第一图像采集区域内的具有最小尺寸的光斑，同时上述目光光线在上述目标对象的第二图像采集区域形成了第二最小光斑，该第二最小光斑是在第二图像采集区域内的具有最小尺寸的光斑，上述第一最小光斑与上述第二最小光斑的尺寸可以相同，也可以是上述第一最小光斑的尺寸大于上述第二最小光斑的尺寸，还可能是上述第一最小光斑的尺寸小于上述第二最小光斑的尺寸。
需要说明的是，在本申请实施例中，上述初始灰度信息可以包含多个光斑的信息，不同的光斑信息可以来自于不同的上述初始图像的灰度信息。
可选地，在本实施例中，通过在处于固定位置上的发射设备持续朝着上述目标对象发射目标光线的情况下，确定上述目标光线在上述目标对象上形成的第一光斑集合，根据上述第一光斑集合确定上述初始灰度信息，根据上述初始灰度信息绘制上述初始图像灰度直方图的方式，实现了初始图像的快速采集，达到了提高生成初始图像灰度直方图的效率的技术效果。
作为一种可选的方案，上述装置用于通过如下方式确定上述初始图像灰度直方图与上述目标图像灰度直方图之间的相关参数：根据上述初始图像灰度直方图确定第一均值，并根据上述目标图像灰度直方图确定第二均值，其中，上述第一均值表示上述初始图像灰度直方图的像素点的灰度值的平均值，上述第二均值表示上述目标图像灰度直方图的像素点的灰度值的平均值；将上述第一均值与上述初始图像灰度直方图的每个像素点的灰度值之间的差值确定为第一差值，将上述第二均值与上述目标图像灰度直方图的每个像素点的灰度值的差值确定为第二差值；将每个上述像素点对应的上述第一差值与上述第二差值的乘积确定为每个上述像素点对应的第一相关子参数；将每个上述像素点对应的上述第一差值的平方确定为第二相关子参数；将每个上述像素点对应的上述第二差值的平方确定为第三相关子参数；根据上述第一相关子参数、上述第二相关子参数以及上述第三相关子参数确定上述相关系数。
需要说明的是，可以通过如下的计算公式确定上述初始图像灰度直方图与上述目标图像灰度直方图之间的相关参数，包括但不限于：
S1，分别计算初始图像灰度直方图与目标图像灰度直方图的像素灰度值的平均值，记为(上述第一均值)和/>(上述第二均值)；
S2，依次计算上述初始图像灰度直方图的像素点的灰度值与上述的差值(上述第一差值)，依次计算上述目标图像灰度直方图的像素点的灰度值与上述/>的差值(上述第二差值)；
S3，将每个上述像素点对应的上述第一差值与上述第二差值的乘积(上述第一相关子参数)进行求和得到
S4，对上述初始图像灰度直方图的全部像素点的灰度值与的差值的平方(上述第二相关子参数)进行求和得到/>
S5，对上述目标图像灰度直方图的全部像素点的灰度值与的差值的平方(上述第三相关子参数)进行求和得到/>
S6，最终按照上述计算公式得到d(H1,H2)，该d(H1,H2)即为上述相关参数。
通过计算上述相关参数可以确定上述第一状态与上述第二状态是否相同，换句话说，上述相关参数的数值越靠近1，即上述第一状态与上述第二状态是为相同状态的可能性越大，上述相关参数的数值越靠近0，即上述第一状态与上述第二状态是为相同状态的可能性越小。
可选地，在本实施例中，通过根据上述初始图像灰度直方图确定第一均值，并根据上述目标图像灰度直方图确定第二均值，其中，上述第一均值表示上述初始图像灰度直方图的像素点的灰度值的平均值，上述第二均值表示上述目标图像灰度直方图的像素点的灰度值的平均值；将上述第一均值与上述初始图像灰度直方图的每个像素点的灰度值之间的差值确定为第一差值，将上述第二均值与上述目标图像灰度直方图的每个像素点的灰度值的差值确定为第二差值；将每个上述像素点对应的上述第一差值与上述第二差值的乘积确定为每个上述像素点对应的第一相关子参数；将每个上述像素点对应的上述第一差值的平方确定为第二相关子参数；将每个上述像素点对应的上述第二差值的平方确定为第三相关子参数；根据上述第一相关子参数、上述第二相关子参数以及上述第三相关子参数确定上述相关系数，达到了提高对象状态的检测效率的技术效果。
作为一种可选的方案，上述装置用于通过如下至少之一的方式根据上述相关参数确定上述第一状态和上述第二状态是否相同：在上述相关参数大于或等于第一预设阈值的情况下，确定上述第一状态与上述第二状态相同，其中，上述第一预设阈值用于表示不同图像灰度直方图之间相似的最小取值；在第一组相关参数中大于或等于第二预设阈值的相关参数的个数满足第一预设条件的情况下，确定上述第一状态与上述第二状态相同，其中，上述第一预设条件用于表示上述第一组相关参数中大于或等于上述第二预设阈值的相关参数的最小数量，上述第一组相关参数中的一个相关参数与上述初始图像中的一个图像采集区域相对应。
在一个示例性的实施例中，根据上述第一预设阈值来确定上述第一状态与第二状态是否相同，本申请实施例对上述第一预设阈值的具体数值取值范围不做限定，例如，上述初始图像灰度直方图与上述目标图像灰度直方图之间相似的最小取值为0.5，即上述第一预设阈值为0.5，若经过计算得到上述相关参数为0.6，即认定上述初始图像灰度直方图与上述目标图像灰度直方图相似，即上述第一状态与上述第二状态相同，若经过计算得到上述相关参数为0.4，即认定上述初始图像灰度直方图与上述目标图像灰度直方图不相似，上述第一状态与上述第二状态不同，也就是说，上述目标对象在经过上述预设时长之后，状态发生了变化。
可选的，在本实施例中，还可以通过上述第二预设阈值来确定上述第一状态与第二状态是否相同，本申请实施例对上述第一预设阈值的具体数值取值范围不做限定。
具体而言，图6是根据本申请实施例的又一种对象的状态检测方法的流程示意图，假设上述第二预设阈值取值为0.6，上述第一预设条件表示上述第一组相关参数中大于或等于上述第二预设阈值的相关参数的最小数量为2个，如图6所示：
S1，采集上述目标对象上5个不同的图像采集区域的5张上述初始图像灰度直方图，分别是初始图像灰度直方图602，初始图像灰度直方图604，初始图像灰度直方图606，初始图像灰度直方图608和初始图像灰度直方图610；
S2，采集上述初始图像灰度直方图相对应的5张上述目标图像灰度直方图，分别是目标图像灰度直方图612，目标图像灰度直方图614，目标图像灰度直方图616，目标图像灰度直方图618以及目标图像灰度直方图620；
S3，通过计算得到上述第一组相关参数同样有5个相关参数，分别是初始图像灰度直方图602与目标图像灰度直方图612的相关参数为0.9，初始图像灰度直方图604与目标图像灰度直方图614的相关参数为0.3，初始图像灰度直方图606与目标图像灰度直方图616的相关参数为0.4，初始图像灰度直方图608与目标图像灰度直方图618的相关参数为0.5，初始图像灰度直方图610与目标图像灰度直方图620的相关参数为0.6，将处于上述第一组相关参数中的相关参数依次与上述第二预设阈值比较，该第一组相关参数中恰好有2个相关参数(0.9，0.6)大于或等于上述第二预设阈值(0.6)；
S4，上述中有2个初始图像灰度直方图与上述目标图像灰度直方图相似，进而得知上述第一状态与上述第二状态相同，也就是说，上述目标对象在经过上述预设时长之后，状态未发生变化。
可选地，在本实施例中，通过在上述相关参数大于或等于第一预设阈值的情况下，确定上述第一状态与上述第二状态相同，或在第一组相关参数中大于或等于第二预设阈值的相关参数的个数满足第一预设条件的情况下，确定上述第一状态与上述第二状态相同，拓展了检测对象状态的方式，提高了对象状态的检测正确率。
作为一种可选的方案，上述装置还用于：根据上述相关参数确定上述第一状态和上述第二状态是否相同之后，在上述相关参数小于预设阈值的情况下，发送第一提示信息，其中，上述第一提示信息用于提示上述目标对象的状态由上述第一状态切换为上述第二状态；在上述相关参数小于预设阈值的情况下，根据上述初始图像和上述目标图像确定上述目标对象上灰度发生变化的对象区域，发送第二提示信息，其中，上述第二提示信息用于提示上述目标对象的状态由上述第一状态切换为上述第二状态，且上述对象区域发生了变化。
示例性地，上述第一提示信息与上述第二提示信息可以包括但不限于提示相关人员目标对象的状态发生了变化，其中，上述第二提示信息中还包括上述目标对象上灰度发生了变化的区域。
需要说明的是，在上述第二光斑的尺寸与上述第一光斑的尺寸不同的情况下，上述目标图像灰度直方图相较于上述初始图像灰度直方图而言，所包含的上述目标对象的灰度信息发生了变化，即上述目标对象由上述第一状态切换至上述第二状态。
可选地，在本实施例中，通过在上述相关参数小于预设阈值的情况下，发送第一提示信息，根据上述初始图像和上述目标图像确定上述目标对象上灰度发生变化的对象区域，发送第二提示信息，达到了及时获取对象状态发生变化的原因的技术效果，便于后续灵活调整对象状态。
上述仅是一种示例，本申请不做任何具体的限定。
显然，上述所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。
下面结合具体实施例对本申请进行具体说明：
可选地，在本实施例中，假设上述目标对象为门，本申请实施例所提出的对象的检测方法可以适用于视频监控领域，具体涉及一种通过线上摄像头实时监控，动态识别特定进出口位置门的开关状态的方法。
随着科技的进步，安防系统也在不断发展并运用广泛，在一些需要布控的场景，例如消防通道，工业园区等，动态监管各类区域之间连接门是否打开或关闭，可以及时快捷的反应，防止人为监管过程中的漏洞。现有技术只要使用两种方案实行：
S1，使用电磁门吸装置，通过电流转化为磁力控制门的关闭和开启，同时将是否供电的信号反馈给控制中心，从而实现控制中心对门的开闭状态进行实时监控，仅通过控制端发送出的指令(上电开启磁吸或断电关闭磁吸)判断门状态，而无法获取到门真实状态的反馈，吸盘与门之间若存在障碍物阻挡会影响判断准确性；
S2，安装智能门锁，在门锁中安装智能传感器，通过半段门与锁舌之间的缝隙等相关参数，判断门的开闭状态，仅能通过局部部件检测局部状态，若避过门锁部位对门进行破坏，门锁不能感知到。
此外，上述两种方案共同缺点为仅能获取实时门的信息，而在门的状态发生异常变更时无法溯源。
可选地，本申请实施例能够解决的技术问题可以包括但不限于：
S1，根据门的相关信息正向检测出门的真实状态；
S2，形成多点的证据链，提取全局信息以在检测门状态的同时防止避开重要特征部位变更门的状态；
S3，在门的状态发生异常变更时收集更多信息以进行溯源。
可选地，本申请所提出的对象的检测方法可以包括但不限于基于视频判断门开关状态的方法，通过对门框范围相关特征的检测实现对门开关状态的判定。包括设置检测区域，发射不可见激光，采集光斑样本绘制直方图，对比计算几部分。
由于大多数门是一个颜色统一的矩形平面，且各种门形状，颜色种类繁多，没有太多独立特征可提取用于视频检测，即便提取出特征，也只适用于单一场景，因此，本申请实施例中设计出通过视频监控设备上安装不可见激光发射装置，例如红外光，通过计算出聚焦点光斑直径大小的变化，从而合理推算出门的状态时候发生变更。
具体实施方案如下；
S1，在摄像头上安装不可见光发射装置(上述发射设备)，发射可聚焦的激光光束(上述目标光线)，随着目标和发射点的位置的变化，激光光斑的直径大小随之发生变化，进入步骤二；
S2，设备启动后由发射装置发出五束激光分别聚焦于在门上选取的多个区域内，调整至光斑直径达到最小，即激光聚焦程度最高时，此时，设备与门之间的距离可保持唯一性，任何距离的变动都会带来光斑直径的变化，可以被设备捕捉到。若激光未聚焦在门位置上时，会出现多个空间位置上光斑直径相同，会出现误差。聚焦完光斑进入步骤三；
S3，图像模块开始进行初始数据采集，采集关门状态的各区域内图像作为默认状态，统计各个像素的灰度值，绘制标准图像直方图(上述初始图像灰度直方图)，标准图像下激光高度聚焦，光斑点直径相对非常小，图像灰度直方图呈现窄高，此时采集完初始图像和直方图后进入步骤四；
S4，设定间隔时间对区域内图像数据定时采样，并生成图像灰度直方图(上述目标图像灰度直方图)进行对比，如果此时门在关门状态，则采集的图像不会有变化，如果是开门状态，由于门在开关过程中门所在平面中各点相对于激光发射点的空间距离会产生变化，采样区域中的激光光斑直径会随之发生变化，此时图像采集区域的灰度直方图会逐渐变宽，对比各区域的目标图像灰度直方图与初始图像灰度直方图的差异可知道门平面内各点位置发生变化，开门过程中门平面上各点都会发生空间中位置变化，因此，多个采样区域中光斑同时发生变化时，可以判定发生了开门动作，进而得知门的状态。直方图对比方法可采用相关性计算(CV_COMP_CORREL)，计算公式如下：
其中，N是直方图的BIN(将图像灰度级别的数据范围划分为等宽的区间)个数，是均值。计算值越大，相关度越高，最大值为1，最小值为0，越接近1越相似，即越接近0，越确定是开门状态。
可选地，在本实施例中，可以通过如下方式来对门进行检测：
S1，采用视频检测方法，不需要在门上安装额外部件；
S2，通过光斑的变化，判断门所在平面是否产生物理空间上的位移从而判断门的状态。
可选地，在本实施例中，所能达到的技术效果可以包括但不限于：
S1，通过对门的分析获取正向获取状态，避免有干扰的情况下对门的状态进行错误判断；
S2，可选多个位置进行判断，解决局部判断的局限性；
S3，结合视频在事件发生时可以形成完整信息链，便于溯源。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台前端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例的方法。
根据本申请实施例的另一个方面，还提供了一种系统访问的装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图7是根据本申请实施例的一种对象的状态检测装置的结构框图，如图7所示，该装置包括：
第一获取模块702，用于获取对目标对象进行图像采集得到的初始图像，根据初始图像绘制初始图像灰度直方图，其中，初始图像灰度直方图用于表示初始图像对应的初始灰度信息，初始灰度信息用于表示采集初始图像时，目标对象的状态为第一状态；
第二获取模块704，用于在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据目标图像绘制目标图像灰度直方图，其中，目标图像灰度直方图用于表示目标图像对应的目标灰度信息，目标灰度信息用于表示采集目标图像时，目标对象的状态为第二状态；
确定模块706，用于确定初始图像灰度直方图与目标图像灰度直方图之间的相关参数，并根据相关参数确定第一状态和第二状态是否相同，其中，相关参数用于表示目标对象在预设时长内的发生状态变化的概率。
作为一种可选的方案，上述装置用于通过如下方式获取对目标对象进行图像采集得到的初始图像，根据上述初始图像绘制初始图像灰度直方图：在处于固定位置上的发射设备持续朝着上述目标对象发射目标光线的情况下，确定上述目标光线在上述目标对象上形成的第一光斑，其中，上述初始图像包括上述第一光斑，上述第一光斑表示上述目标光线照射在上述目标对象上形成的具有最小尺寸的光斑，将上述第一状态确定为与上述第一光斑匹配；根据上述第一光斑确定上述初始灰度信息，其中，上述初始灰度信息包括上述第一光斑所处位置的第一灰度信息，上述第一灰度信息用于指示上述第一光斑与上述固定位置之间的距离；根据上述初始灰度信息绘制上述初始图像灰度直方图。
作为一种可选的方案，上述装置用于通过如下方式在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据上述目标图像绘制目标图像灰度直方图：在处于上述固定位置上的上述发射设备在经过上述预设时长后朝着上述目标对象发射上述目标光线的情况下，确定上述目标光线在上述目标对象上形成的第二光斑，其中，上述目标图像包括上述第二光斑，上述第二光斑表示上述目标光线在经过上述预设时长后照射在上述目标对象上形成的光斑，将上述第二状态确定为与上述第二光斑匹配，上述第二光斑的尺寸与上述第一光斑的尺寸是否相同由上述第二光斑的位置与上述第一光斑的位置是否相同确定；根据上述第二光斑确定上述目标灰度信息，其中，上述目标灰度信息包括上述第二光斑所处位置的第二灰度信息，上述第二灰度信息用于指示上述第二光斑与上述固定位置之间的距离；根据上述目标灰度信息绘制上述目标图像灰度直方图。
作为一种可选的方案，上述装置用于通过如下方式获取对目标对象进行图像采集得到的初始图像，根据上述初始图像绘制初始图像灰度直方图：在处于固定位置上的发射设备持续朝着上述目标对象发射目标光线的情况下，确定上述目标光线在上述目标对象上形成的第一光斑集合，其中，上述初始图像包括上述第一光斑集合，上述第一光斑集合表示上述目标光线照射在上述目标对象上形成的多个处于不同位置下的具有最小尺寸的光斑，将上述第一状态确定为与上述第一光斑集合匹配；根据上述第一光斑集合确定上述初始灰度信息，其中，上述初始灰度信息包括上述第一光斑集合中各个光斑所处位置的第一灰度信息集合，上述第一灰度信息集合中的一个灰度信息用于指示上述第一光斑集合中的一个光斑与上述固定位置之间的距离；根据上述初始灰度信息绘制上述初始图像灰度直方图。
作为一种可选的方案，上述装置用于通过如下方式确定上述初始图像灰度直方图与上述目标图像灰度直方图之间的相关参数：根据上述初始图像灰度直方图确定第一均值，并根据上述目标图像灰度直方图确定第二均值，其中，上述第一均值表示上述初始图像灰度直方图的像素点的灰度值的平均值，上述第二均值表示上述目标图像灰度直方图的像素点的灰度值的平均值；将上述第一均值与上述初始图像灰度直方图的每个像素点的灰度值之间的差值确定为第一差值，将上述第二均值与上述目标图像灰度直方图的每个像素点的灰度值的差值确定为第二差值；将每个上述像素点对应的上述第一差值与上述第二差值的乘积确定为每个上述像素点对应的第一相关子参数；将每个上述像素点对应的上述第一差值的平方确定为第二相关子参数；将每个上述像素点对应的上述第二差值的平方确定为第三相关子参数；根据上述第一相关子参数、上述第二相关子参数以及上述第三相关子参数确定上述相关系数。
作为一种可选的方案，上述装置用于通过如下至少之一的方式根据上述相关参数确定上述第一状态和上述第二状态是否相同：在上述相关参数大于或等于第一预设阈值的情况下，确定上述第一状态与上述第二状态相同，其中，上述第一预设阈值用于表示不同图像灰度直方图之间相似的最小取值；在第一组相关参数中大于或等于第二预设阈值的相关参数的个数满足第一预设条件的情况下，确定上述第一状态与上述第二状态相同，其中，上述第一预设条件用于表示上述第一组相关参数中大于或等于上述第二预设阈值的相关参数的最小数量，上述第一组相关参数中的一个相关参数与上述初始图像中的一个图像采集区域相对应。
作为一种可选的方案，上述装置还用于：根据上述相关参数确定上述第一状态和上述第二状态是否相同之后，在上述相关参数小于预设阈值的情况下，发送第一提示信息，其中，上述第一提示信息用于提示上述目标对象的状态由上述第一状态切换为上述第二状态；在上述相关参数小于预设阈值的情况下，根据上述初始图像和上述目标图像确定上述目标对象上灰度发生变化的对象区域，发送第二提示信息，其中，上述第二提示信息用于提示上述目标对象的状态由上述第一状态切换为上述第二状态，且上述对象区域发生了变化。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本申请的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中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本申请的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本申请的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本申请不限制于任何特定的硬件和软件结合。
以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种对象的状态检测方法，其特征在于，包括：
获取对目标对象进行图像采集得到的初始图像，根据所述初始图像绘制初始图像灰度直方图，其中，所述初始图像灰度直方图用于表示所述初始图像对应的初始灰度信息，所述初始灰度信息用于表示采集所述初始图像时，所述目标对象的状态为第一状态；
在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据所述目标图像绘制目标图像灰度直方图，其中，所述目标图像灰度直方图用于表示所述目标图像对应的目标灰度信息，所述目标灰度信息用于表示采集所述目标图像时，所述目标对象的状态为第二状态；
确定所述初始图像灰度直方图与所述目标图像灰度直方图之间的相关参数，并根据所述相关参数确定所述第一状态和所述第二状态是否相同，其中，所述相关参数用于表示所述目标对象在所述预设时长内的发生状态变化的概率。
2.根据权利要求1所述的方法，其特征在于，所述获取对目标对象进行图像采集得到的初始图像，根据所述初始图像绘制初始图像灰度直方图，包括：
在处于固定位置上的发射设备持续朝着所述目标对象发射目标光线的情况下，确定所述目标光线在所述目标对象上形成的第一光斑，其中，所述初始图像包括所述第一光斑，所述第一光斑表示所述目标光线照射在所述目标对象上形成的具有最小尺寸的光斑，将所述第一状态确定为与所述第一光斑匹配；
根据所述第一光斑确定所述初始灰度信息，其中，所述初始灰度信息包括所述第一光斑所处位置的第一灰度信息，所述第一灰度信息用于指示所述第一光斑与所述固定位置之间的距离；
根据所述初始灰度信息绘制所述初始图像灰度直方图。
3.根据权利要求2所述的方法，其特征在于，所述在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据所述目标图像绘制目标图像灰度直方图，包括：
在处于所述固定位置上的所述发射设备在经过所述预设时长后朝着所述目标对象发射所述目标光线的情况下，确定所述目标光线在所述目标对象上形成的第二光斑，其中，所述目标图像包括所述第二光斑，所述第二光斑表示所述目标光线在经过所述预设时长后照射在所述目标对象上形成的光斑，将所述第二状态确定为与所述第二光斑匹配，所述第二光斑的尺寸与所述第一光斑的尺寸是否相同由所述第二光斑的位置与所述第一光斑的位置是否相同确定；
根据所述第二光斑确定所述目标灰度信息，其中，所述目标灰度信息包括所述第二光斑所处位置的第二灰度信息，所述第二灰度信息用于指示所述第二光斑与所述固定位置之间的距离；
根据所述目标灰度信息绘制所述目标图像灰度直方图。
4.根据权利要求1所述的方法，其特征在于，所述获取对目标对象进行图像采集得到的初始图像，根据所述初始图像绘制初始图像灰度直方图，包括：
在处于固定位置上的发射设备持续朝着所述目标对象发射目标光线的情况下，确定所述目标光线在所述目标对象上形成的第一光斑集合，其中，所述初始图像包括所述第一光斑集合，所述第一光斑集合表示所述目标光线照射在所述目标对象上形成的多个处于不同位置下的具有最小尺寸的光斑，将所述第一状态确定为与所述第一光斑集合匹配；
根据所述第一光斑集合确定所述初始灰度信息，其中，所述初始灰度信息包括所述第一光斑集合中各个光斑所处位置的第一灰度信息集合，所述第一灰度信息集合中的一个灰度信息用于指示所述第一光斑集合中的一个光斑与所述固定位置之间的距离；
根据所述初始灰度信息绘制所述初始图像灰度直方图。
5.根据权利要求1所述的方法，其特征在于，所述确定所述初始图像灰度直方图与所述目标图像灰度直方图之间的相关参数，包括：
根据所述初始图像灰度直方图确定第一均值，并根据所述目标图像灰度直方图确定第二均值，其中，所述第一均值表示所述初始图像灰度直方图的像素点的灰度值的平均值，所述第二均值表示所述目标图像灰度直方图的像素点的灰度值的平均值；
将所述第一均值与所述初始图像灰度直方图的每个像素点的灰度值之间的差值确定为第一差值，将所述第二均值与所述目标图像灰度直方图的每个像素点的灰度值的差值确定为第二差值；
将每个所述像素点对应的所述第一差值与所述第二差值的乘积确定为每个所述像素点对应的第一相关子参数；
将每个所述像素点对应的所述第一差值的平方确定为第二相关子参数；
将每个所述像素点对应的所述第二差值的平方确定为第三相关子参数；
根据所述第一相关子参数、所述第二相关子参数以及所述第三相关子参数确定所述相关系数。
6.根据权利要求1所述的方法，其特征在于，所述根据所述相关参数确定所述第一状态和所述第二状态是否相同，包括以下至少之一：
在所述相关参数大于或等于第一预设阈值的情况下，确定所述第一状态与所述第二状态相同，其中，所述第一预设阈值用于表示不同图像灰度直方图之间相似的最小取值；
在第一组相关参数中大于或等于第二预设阈值的相关参数的个数满足第一预设条件的情况下，确定所述第一状态与所述第二状态相同，其中，所述第一预设条件用于表示所述第一组相关参数中大于或等于所述第二预设阈值的相关参数的最小数量，所述第一组相关参数中的一个相关参数与所述初始图像中的一个图像采集区域相对应。
7.根据权利要求1所述的方法，其特征在于，所述根据所述相关参数确定所述第一状态和所述第二状态是否相同之后，所述方法还包括以下至少之一：
在所述相关参数小于预设阈值的情况下，发送第一提示信息，其中，所述第一提示信息用于提示所述目标对象的状态由所述第一状态切换为所述第二状态；
在所述相关参数小于预设阈值的情况下，根据所述初始图像和所述目标图像确定所述目标对象上灰度发生变化的对象区域，发送第二提示信息，其中，所述第二提示信息用于提示所述目标对象的状态由所述第一状态切换为所述第二状态，且所述对象区域发生了变化。
8.一种对象的状态检测装置，其特征在于，包括：
第一获取模块，用于获取对目标对象进行图像采集得到的初始图像，根据所述初始图像绘制初始图像灰度直方图，其中，所述初始图像灰度直方图用于表示所述初始图像对应的初始灰度信息，所述初始灰度信息用于表示采集所述初始图像时，所述目标对象的状态为第一状态；
第二获取模块，用于在经过预设时长后，获取对目标对象进行图像采集得到的目标图像，根据所述目标图像绘制目标图像灰度直方图，其中，所述目标图像灰度直方图用于表示所述目标图像对应的目标灰度信息，所述目标灰度信息用于表示采集所述目标图像时，所述目标对象的状态为第二状态；
确定模块，用于确定所述初始图像灰度直方图与所述目标图像灰度直方图之间的相关参数，并根据所述相关参数确定所述第一状态和所述第二状态是否相同，其中，所述相关参数用于表示所述目标对象在所述预设时长内的发生状态变化的概率。
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中存储有计算机程序，其中，所述计算机程序被处理器执行时实现所述权利要求1至7任一项中所述的方法的步骤。
10.一种电子装置，包括存储器、处理器以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，其特征在于，所述处理器执行所述计算机程序时实现所述权利要求1至7任一项中所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311396695.5A CN117456193A (zh) | 2023-10-25 | 2023-10-25 | 对象的状态检测方法、装置、存储介质及电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311396695.5A CN117456193A (zh) | 2023-10-25 | 2023-10-25 | 对象的状态检测方法、装置、存储介质及电子装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117456193A true CN117456193A (zh) | 2024-01-26 |
Family
ID=89594265
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311396695.5A Pending CN117456193A (zh) | 2023-10-25 | 2023-10-25 | 对象的状态检测方法、装置、存储介质及电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117456193A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118470615A (zh) * | 2024-07-11 | 2024-08-09 | 三一智能装备有限公司 | 井下视频的还原方法、装置和可读存储介质 |
-
2023
- 2023-10-25 CN CN202311396695.5A patent/CN117456193A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118470615A (zh) * | 2024-07-11 | 2024-08-09 | 三一智能装备有限公司 | 井下视频的还原方法、装置和可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11443498B2 (en) | Target object recognition method and apparatus, storage medium, and electronic device | |
| EP3321844B1 (en) | Action recognition in a video sequence | |
| EP2688296A1 (en) | Video monitoring system and method | |
| CN111147513B (zh) | 基于攻击行为分析的蜜网内横向移动攻击路径确定方法 | |
| CN117456193A (zh) | 对象的状态检测方法、装置、存储介质及电子装置 | |
| WO2013118491A1 (ja) | カメラ装置、サーバ装置、画像監視システム、画像監視システム制御方法及び画像監視システム制御プログラム | |
| US10997469B2 (en) | Method and system for facilitating improved training of a supervised machine learning process | |
| CN113096158A (zh) | 运动对象的识别方法、装置、电子设备及可读存储介质 | |
| KR102584708B1 (ko) | 과소 및 과밀 환경을 지원하는 군중위험관리시스템 및 방법 | |
| CN107547852A (zh) | 一种大数据存储系统 | |
| KR102077632B1 (ko) | 로컬 영상분석과 클라우드 서비스를 활용하는 하이브리드 지능형 침입감시 시스템 | |
| KR102505691B1 (ko) | 이상 개체 검출 장치 및 방법, 이를 포함하는 촬상 장치 | |
| Yuwono et al. | Design and implementation of human detection feature on surveillance embedded IP camera | |
| CN102077245B (zh) | 面部检测处理方法、图像处理设备以及制造品 | |
| CN115601712A (zh) | 适用于现场安全措施的图像数据处理方法及系统 | |
| KR20210024935A (ko) | 영상 감시장치, 영상 분석 장치 및 온라인 기계 학습 방법 | |
| CN105631579A (zh) | 一种业务流程自动监管辅助决策的实现方法 | |
| Sugumar et al. | IoT Concept for Animal Detection Using ANN to Prevent Animal Vehicle Collision on Highways | |
| KR20230077565A (ko) | 협업 기반 지능형 영상보안 시스템, 지능형 협업 서버 및 이의 협업 기반 영상 분석 방법 | |
| CN104268446A (zh) | 防止视频二次传播的方法及装置 | |
| CN116740874A (zh) | 一种入侵检测方法及相关装置 | |
| An et al. | Wireless Spy Camera Spotter System with Real-time Traffic Similarity Analysis and WiFi Signal Tracing | |
| CN108601139B (zh) | 一种智能家居照明数据采集方法 | |
| Mohammed et al. | Implementation of human detection on raspberry pi for smart surveillance | |
| KR20200115723A (ko) | 영상 감시장치, 영상 분석 서버장치 및 그 학습 방법들 |
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 |