一种识别庭审视频画面中法台区域的方法、装置及设备与流程

1.本文涉及图像识别领域，尤其涉及一种识别庭审视频画面中法台区域的方法、装置及设备。


背景技术：

2.数字法庭庭审过程中，需要对审判人员的行为进行检测，但如果对整个庭审视频画面进行检测，则将带来巨大的计算量，增加了检测成本，因此现有技术通过在庭审视频画面中绘制出法台区域来缩小检测区域，对法官的行为进行监督，以防止法官出现有失公允的行为。针对多个庭审，人标识有主观因素，区域大小不统一。但目前大多通过人工方式在庭审视频画面中绘制固定的法台区域，工作量巨大。
3.现有技术还可以通过在整个庭审视频画面中找到静止的标志性物品进行逐一匹配，最终得到法台区域，但该方法需要在庭审视频的每个视频图像中自动识别出法台区域中的标志性物品，例如法官椅、水杯、法槌等，大大增加了识别成本。且不同法庭的大小、法庭内摄像头的位置可能不同，因此若在每个法庭的庭审视频画面中手动绘制法台区域，工作量巨大。
4.现在亟需一种识别庭审视频画面中法台区域的方法，从而解决现有技术中识别庭审视频画面中法台区域存在计算工作量大、识别成本高，且识别方法适应性差的问题。


技术实现要素：

5.为解决现有技术中识别庭审视频画面中法台区域存在计算工作量大、识别成本高，且识别方法适应性差的问题，本文实施例提供了一种识别庭审视频画面中法台区域的方法、装置及设备，减小了检测庭审视频画面的计算量，从而提高了检测庭审视频画面中法台区域的效率，节约了识别成本，且增强了适应性。
6.为了解决上述技术问题，本文的具体技术方案如下：
7.一方面，本文实施例提供了一种识别庭审视频画面中法台区域的方法，包括，
8.对庭审视频画面进行第一特征识别，得到有人区域，所述第一特征为人躯体特征；
9.对所述有人区域进行第二特征识别，得到法台子区域，所述第二特征为法官的预定特征；
10.组合所述法台子区域，得到所述庭审视频画面中的法台区域。
11.进一步地，对庭审视频画面进行第一特征识别，得到有人区域之前，还包括，
12.检测所述庭审视频画面中的移动物体，得到移动物体区域；
13.计算所述移动物体区域相对于所述庭审视频画面的占比；
14.去除所述占比大于第一预设门限值的区域；
15.对庭审视频画面进行第一特征识别，得到有人区域进一步包括：对去除所述占比大于第一预设门限值的区域后的所述移动物体区域进行第一特征识别，得到有人区域。
16.进一步地，对所述有人区域进行第二特征识别，得到法台子区域之后，还包括，
17.选择其中一个法台子区域作为横向基准区域；
18.按照预设步长，在所述庭审视频画面中水平平移所述横向基准区域的边界框，得到疑似法台子区域；
19.对所述疑似法台子区域进行所述第二特征识别，将识别出所述第二特征的疑似法台子区域作为所述法台子区域。
20.进一步地，所述横向基准区域在水平方向上仅与一个法台子区域相邻。
21.进一步地，在所述法台子区域中确定横向基准区域之前，还包括，
22.将靠近所述庭审视频画面最下方边界的所述法台子区域作为纵向基准区域；
23.计算除所述纵向基准区域之外的所述法台子区域与所述纵向基准区域之间的纵向距离；
24.去除所述纵向距离超过第二预设门限值的所述法台子区域。
25.进一步地，对所述有人区域进行第二特征识别进一步包括，
26.若所述有人区域未识别出所述第二特征，则根据预定范围扩大所述有人区域；
27.对扩大后的所述有人区域进行第二特征识别。
28.进一步地，组合所述法台子区域，得到所述庭审视频画面中的法台区域进一步包括，
29.在所述法台子区域的边界中筛选出距离所述庭审视频画面的边界最近的边界；
30.将筛选出的所述边界的延伸线所围成的区域作为所述法台区域。
31.另一方面，本文实施例还提供了一种识别庭审视频画面中法台区域的装置，包括，
32.有人区域确定单元，用于对庭审视频画面进行第一特征识别，得到有人区域，所述第一特征为人躯体特征；
33.法台子区域确定单元，用于对所述有人区域进行第二特征识别，得到法台子区域，所述第二特征为法官的预定特征；
34.法台区域确定单元，用于组合所述法台子区域，得到所述庭审视频画面中的法台区域。
35.另一方面，本文实施例还提供了一种计算机设备，包括存储器、处理器、以及存储在存储器上的计算机程序，处理器执行所述计算机程序时实现上述的方法。
36.最后，本文实施例还提供了一种计算机存储介质，其上存储有计算机程序，计算机程序被计算机设备的处理器运行时，执行上述的方法。
37.利用本文实施例，因为庭审视频画面中的人数远小于静止物体的数量，因此先对人体躯体特征进行识别，避免了对整个庭审视频画面中的每个静止物体进行识别，由于庭审视频画面中法官的特征比庭审视频画面中其他人员的特征更明显，因此根据法官的预定特征对识别出来的有人区域进行进一步的识别，得到法官所在的法台子区域，最后对法台子区域进行组合，即可得到法台区域，减小了检测庭审视频画面的计算量，从而提高了检测庭审视频画面中法台区域的效率，节约了识别成本。此外，根据不同法庭中法官的预定特征相同的特点，本文实施例所述的方法适用于对所有的庭审视频画面中的法台区域进行识别，提高了适应性。
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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本文的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
68.如图1所示为本文实施例庭审视频画面的示意图，其中包括庭审视频画面101和法台区域102，需要说明的是，图1所示的庭审视频画面仅仅是示意性的，并不代表真实庭审场景中的庭审视频画面。本文实施例所述的庭审视频画面101可以由多个视频画面拼接而成，各视频画面通过设置在法庭中的摄像头按照规定的录制角度录制得到，庭审视频画面包括法官所在区域、原告所在区域、被告所在区域、听众席等，其中法台区域102位于法官所在区域。此外，如图1所示的庭审视频画面，庭审视频画面101中还可以包括激励画面，所述激励画面为法官所在区域、原告所在区域或被告所在区域等的视频画面放大而成，录像系统检测哪个区域中的人在发言，将该区域进行放大，得到激励画面，因此，激励画面随着发言人的变化而变化。
69.为了对法官的行为进行监督，需要单独识别出法官所在的法台区域102，现有技术需要人工对庭审视频画面101进行识别，绘制法台区域102，由于人工主观因素的参与，导致识别法台区域102的准确度较低。若对庭审视频画面101中静止的标志性物品进行逐一匹配，得到法台区域102，大大增加了识别成本。且由于不同法庭的大小、法庭内摄像头的位置可能不同，因此若为每个法庭的庭审视频画面101中手动绘制法台区域102，工作量巨大。
70.为了解决现有技术中识别庭审视频画面中法台区域存在计算工作量大、识别成本高。且识别方法适应性差的问题，本文实施例提供了一种识别庭审视频画面中法台区域的方法，减小了检测庭审视频画面的计算量，从而提高了检测庭审视频画面中法台区域的效率，节约了识别成本，且增强了适应性。
71.如图2所示为本文实施例一种识别庭审视频画面中法台区域方法的流程图。在本图中描述了识别庭审视频画面中法台区域的过程，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或装置产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。具体的如图2所示，所述方法可以包括：
72.步骤201：对庭审视频画面进行第一特征识别，得到有人区域，所述第一特征为人躯体特征；
73.步骤202：对所述有人区域进行第二特征识别，得到法台子区域，所述第二特征为法官的预定特征；
74.步骤203：组合所述法台子区域，得到所述庭审视频画面中的法台区域。
75.通过本文实施例的方法，因为庭审视频画面中的人数远小于静止物体的数量，因此先对人体躯体特征进行识别，避免了对整个庭审视频画面中的每个静止物体进行识别，由于庭审视频画面中法官的特征比庭审视频画面中其他人员的特征更明显，因此根据法官的预定特征对识别出来的有人区域进行进一步的识别，得到法官所在的法台子区域，最后对法台子区域进行组合，即可得到法台区域，减小了检测庭审视频画面的计算量，从而提高
了检测庭审视频画面中法台区域的效率，节约了识别成本。此外，根据不同法庭中法官的预定特征相同的特点，本文实施例所述的方法适用于对所有的庭审视频画面中的法台区域进行识别，提高了适应性。
76.在本文实施例中，第一特征为人躯体特征，例如人体上半身的结构，包括头、脖子、肩膀等，第二特征为法官的预定特征，例如法官穿着的法袍、法官椅等，识别出的法台子区域中包括法官椅，且法台子区域和法官椅一一对应。对庭审视频画面进行第一特征识别，可以得到一个或多个有人区域，每个有人区域可以用矩形框表示。对有人区域进行第二特征识别，可以将识别出第二特征的有人区域作为法台子区域，将未识别出有第二特征的有人区域舍弃。最后将得到的一个或多个法台子区域进行组合，得到法台区域，其组合方式可以是按照各法台子区域在庭审视频画面中的位置关系进行拼接。需要说明的是，可以通过现有技术中图像识别方法对庭审视频画面进行第一特征识别、对有人区域进第二特征识别，在本文实施例中并不做限制。
77.根据本文的一个实施例，为了进一步地减小计算量，并且实现对存在激励画面的庭审视频画面进行法台区域识别，如图3所示，步骤201对庭审视频画面进行第一特征识别，得到有人区域之前，还包括，
78.步骤301：检测所述庭审视频画面中的移动物体，得到移动物体区域；
79.步骤302：计算所述移动物体区域相对于所述庭审视频画面的占比；
80.步骤303：去除所述占比大于第一预设门限值的区域。
81.对庭审视频画面进行第一特征识别，得到有人区域进一步包括：
82.步骤304：对去除所述占比大于第一预设门限值的区域后的所述移动物体区域进行第一特征识别，得到有人区域。
83.在本文实施例中，由于移动物体在多帧相邻的视频画面中的位置不同，因此可以检测相邻的多帧庭审视频画面中像素点的颜色变化，得到移物体区域，所述移动物体区域可以包括移动的人、移动的植物等，由于移动物体区域的检测复杂度远小于对静止物体的检测，因此本文实施例检测庭审视频画面中的移动物体的方法的计算量较小。
84.此外，由于庭审视频画面中的激励画面是对有人发言的区域进行放大得到，因此可以通过计算移动物体区域相对于庭审视频画面的占比，例如，激励画面中的移动物体区域a是对被告人所在区域a’的放大，激励画面中的移动物体区域a相对于庭审视频画面的占比大于被告人所在区域a’相对于庭审视频画面的占比，因此当所述占比大于第一预设门限值时，确定该占比所表示的画面为激励画面。在本文实施例中，第一预设门限制可以通过对大量的庭审视频画面进行分析得到，例如在多个庭审视频画面中获取移动物体区域，然后计算该移动物体区域在各自的庭审视频画面的激励画面中大小和在未放大的画面中的大小，然后再分别计算二者相对于庭审视频画面的占比。通过上述方法对大量的庭审视频画面进行分析，确定所述第一预设门限值。
85.此外，步骤302也计算在庭审视频画面中获取到的两个相同内容的移动物体区域像素的差值相对于所述庭审视频画面的占比，具体地，通过公式(1)计算在庭审视频画面中获取到的相同内容的两个移动物体区域像素的差值相对于所述庭审视频画面的占比：
86.87.其中，p表示所述占比，na表示所述两个相同内容的移动物体区域中像素数量排序在前的移动物体区域的像素数量，na′
表示所述两个相同内容的移动物体区域中像素数量排序在后的移动物体区域的像素数量，n表示所述庭审视频画面的总像素数量。作为优选地，所述第一预设门限值为6
‰
。
88.然后对去除所述占比大于第一预设门限值的区域后的所述移动物体区域进行第一特征识别，得到有人区域，即可去除激励画面的影响。上述步骤301至步骤304进一步地减小了计算量，并且去除了庭审视频画面中激励画面对识别法台区域的影响，提高了识别法台区域的精准度。
89.在本文实施例所述的庭审视频画面的法台区域中，可能存在法官未参加庭审的情况，因此需要对未参加庭审的法官进行检测，因此，根据本文的一个实施例，如图4所示，步骤202对所述有人区域进行第二特征识别，得到法台子区域之后，还包括，
90.步骤401：选择其中一个法台子区域作为横向基准区域；
91.步骤402：按照预设步长，在所述庭审视频画面中水平平移所述横向基准区域的边界框，得到疑似法台子区域；
92.步骤403：对所述疑似法台子区域进行所述第二特征识别，将识别出所述第二特征的疑似法台子区域作为所述法台子区域。
93.在本文实施例中，步骤202得到的法台子区域为有人区域，不包括未参加庭审的法官，因此需要选择其中一个法台子区域作为横向基准区域，例如随机选取一个法台子区域作为横向基准区域，所述横向基准区域为有人区域，即该横向基准区域中有法官。然后按照预设步长，在庭审视频画面中水平平移选择的横向基准区域的边界框，得到疑似法台区域，其中，预设步长可以根据法台子区域边界框的大小确定，作为优选地，本文实施例所述的预设步长等于法台子区域横横向边界的大小，其中疑似法台区域表示该区域内可能包括法官的预定特征，因此对疑似法台区域进行第二特征识别，将识别出所述第二特征的疑似法台区域作为所述法台子区域，该法台子区域可以包括法官，或包括第二预定特征的法官椅但不包括法官，因此通过上述方法，实现了对未参加庭审的法官进行检测，得到了未参加庭审的法官人数，以便于根据庭审记录，进一步地确定未参加庭审的法官。
94.需要说明的是，在步骤402中，可以得到多个疑似法台区域，然后分别对各疑似法台子区域进行第二特征识别，得到一个或多个法台子区域。此外，也可以水平平移一次所述横向基准区域的边界框，得到一个疑似法台子区域，然后步骤403对该疑似法台子区域进行第二特征识别，若步骤403未在该疑似法台子区域中识别出第二特征，则表示该疑似法台子区域已经在法台区域的边界之外，停止步骤402的操作，以便于减小计算量。
95.根据本文的一个实施例，为了提高识别疑似法台子区域的效率，步骤401所述的横向基准区域在水平方向上仅与一个法台子区域相邻。
96.在本文实施例中，所述横向基准区域在水平方向上仅与一个法台子区域相邻，即所述横向基准区域是法台子区域中最左侧或最右侧的法台子区域，作为优选地，本文实施例所述的横向基准区域为法台子区域中最左侧的法台子区域。然后按照预设步长水平向右平移横向基准区域的边界框，得到横向基准区域右侧的疑似法台子区域，然后再按照该预设步长水平向左平移横向基准区域的边界框，得到横向基准区域左侧的疑似法台子区域。由于横向基准区域在水平方向上仅与一个法台子区域相邻，因此避免了对同一区域识别多
次，提高了识别疑似法台子区域的效率。
97.在本文实施例所述的庭审视频画面的法台区域中，还可能存在不在同一条水平线上的法官椅，可能表示法庭工作人员将已请求离开的法官的法官椅移放在其余法官椅的后方，当出现上述情况时，法台区域中应当过滤掉移放在其余法官椅后放的法官椅所在的区域。因此，根据本文的一个实施例，为了过滤掉移放在其余法官椅后放的法官椅所在的区域，如图5所示，步骤401在所述法台子区域中确定横向基准区域之前，还包括，
98.步骤501：将靠近所述庭审视频画面最下方边界的所述法台子区域作为纵向基准区域；
99.步骤502：计算除所述纵向基准区域之外的所述法台子区域与所述纵向基准区域之间的纵向距离；
100.步骤503：去除所述纵向距离超过第二预设门限值的所述法台子区域。
101.在本文实施例中，根据法台的结构，出庭的法官应当靠近法台区域的桌子，因此首先将靠近所述庭审视频画面最下方边界的所述法台子区域作为纵向基准区域，即，将最下方的法台子区域作为纵向基准区域，然后计算其余法台子区域与纵向基准区域之间的纵向距离，该纵向距离可以表示各法台子区域与纵向基准区域是否在同一排，若某些法台子区域与纵向基准区域属于同一排，则其之间的纵向距离较小，若某些法台子区域与纵向基准区域不在同一排，则其之间的纵向距离较大。因此，当其纵向距离超过第二预设门限值时，表示该纵向距离所属的法台子区域与纵向基准区域不在同一排，将其在法台子区域中去除，即可过滤掉移放在其余法官椅后放的法官椅所在的区域。在本文实施例中，第二预设门限值可以根据庭审现场实测数据进行分析得到，在实际庭审现场中，某法官可能会适当调整法官椅的位置，因此第二预设门限值大于0。
102.在本文实施例中，步骤201识别出的有人区域边界框的大小可能小于法官椅的大小，当出现上述情况时，可能有人区域中虽未识别出第二特征，但该有人区域的确属于法官所在区域，因此，根据本文的一个实施例，为了解决有人区域边界框的大小小于法官椅的大小，导致识别的法台子区域不准确的问题，如图6所示，步骤202对所述有人区域进行第二特征识别进一步包括，
103.步骤601：若所述有人区域未识别出所述第二特征，则根据预定范围扩大所述有人区域；
104.步骤602：对扩大后的所述有人区域进行第二特征识别。
105.在本文实施例中，预定范围可以表示有人区域边界框的横向和纵向的扩大范围，所述横向和纵向上的扩大范围可以根据庭审现场实测数据分析得到，例如，测量法官椅的宽度和高度，根据法官椅的宽度确定有人区域边界框的横向扩大范围，根据法官椅的高度确定有人区域边界框的纵向扩大范围。因此，若实际有法官的有人区域未识别出法官的预定特征，对有人区域进行扩大，即可包括法官的预定特征，解决了有人区域边界框的大小小于法官椅的大小，导致识别的法台子区域不准确的问题。
106.在本文实施例中，一个法台子区域可能只是一个法官所在的区域，若安排多个工作人员对法官的行为进行监督，工作量可能较大，且各法台子区域单独显示，不能对各法台子区域进行关联，例如，不能通过判断法官偏向一侧的实际用意，因此需要对法台子区域进行组合，得到法台区域，便于工作人员对法官的行为进行监督。
107.因此，根据本文的一个实施例，步骤203组合所述法台子区域，得到所述庭审视频画面中的法台区域进一步包括，
108.在所述法台子区域的边界中筛选出距离所述庭审视频画面的边界最近的边界；
109.将筛选出的所述边界的延伸线所围成的区域作为所述法台区域。
110.在本文实施例中，在所述法台子区域的边界中筛选出距离所述庭审视频画面的边界最近的边界，将筛选出的所述边界的延伸线所围成的区域作为所述法台区域，即在庭审视频画面中得到了能够包含所有法台子区域的一个边界框，然后将这个边界框所围城的区域作为法台区域，即可将各法台子区域组合在一起，便于工作人员对法官的行为进行监督。
111.基于同一发明构思，本文实施例还提供了一种识别庭审视频画面中法台区域的装置，图7所示，包括，有人区域确定单元701、法台子区域确定单元702、法台区域确定单元703：
112.有人区域确定单元701，用于对庭审视频画面进行第一特征识别，得到有人区域，所述第一特征为人躯体特征；
113.法台子区域确定单元702，用于对所述有人区域进行第二特征识别，得到法台子区域，所述第二特征为法官的预定特征；
114.法台区域确定单元703，用于组合所述法台子区域，得到所述庭审视频画面中的法台区域。
115.通过上述装置所取得的有益效果与上述方法所取得的有益效果一致，本说明书实施例不做赘述。
116.如图8所示为本文实施例识别庭审视频画面中法台区域的流程示意图，在本图中描述了识别庭审视频画面中法台区域的步骤，需要说明的是，本图中所描述的步骤和顺序并非本文实施例识别庭审视频画面中法台区域的唯一步骤和顺序，对本领域技术人员来说，根据本图描述的内容还可以得到识别庭审视频画面中法台区域的其他步骤和顺序，本说明书实施例不做限制。
117.具体地，识别庭审视频画面中法台区域的步骤包括：
118.步骤801：检测所述庭审视频画面中的移动物体，得到移动物体区域；
119.在本步骤中，由于移动物体在多帧相邻的视频画面中的位置不同，因此可以检测相邻的多帧庭审视频画面中像素点的颜色变化，得到移物体区域，所述移动物体区域可以包括移动的人、移动的植物等。
120.步骤802：计算所述移动物体区域相对于所述庭审视频画面的占比；
121.在本步骤中，由于庭审视频画面中的激励画面是对有人发言的区域进行放大得到，因此可以通过计算移动物体区域相对于庭审视频画面的占比，判断该移动物体区域是否为激励画面。
122.步骤803：去除所述占比大于第一预设门限值的区域；
123.在本步骤中，当所述占比从大于第一预设门限值时，认定该占比所表示的画面为激励画面，去除占比大于第一预设门限值的区域即可去除激励画面对识别法台区域的影响。在本文实施例中，第一预设门限制可以通过对大量的庭审视频画面进行分析得到。
124.步骤804：对去除所述占比大于第一预设门限值的区域后的所述移动物体区域进行第一特征识别，得到有人区域；
125.在本步骤中，第一特征为人躯体特征，例如人体上半身的结构，包括头、脖子、肩膀等，对庭审视频画面进行第一特征识别，可以得到一个或多个有人区域，每个有人区域可以用矩形框表示。
126.因为庭审视频画面中的人数远小于静止物体的数量，因此先对人体躯体特征进行识别，避免了对整个庭审视频画面中的每个静止物体进行识别，减小了检测庭审视频画面的计算量。
127.步骤805：对所述有人区域进行第二特征识别，得到法台子区域；
128.在本步骤中，由于庭审视频画面中法官的特征比庭审视频画面中其他人员的特征更明显，因此根据法官的预定特征对识别出来的有人区域进行进一步的识别，得到法官所在的法台子区域。其中，第二特征可以例如法官穿着的法袍、法官椅等，识别出的法台子区域中包括法官椅，且法台子区域和法官椅一一对应。
129.步骤806：未识别出第二特征；
130.在本步骤中，若未在有人区域中识别出第二特征，则表示有人区域边界框的大小可能小于法官椅的大小，虽未识别出第二特征，但在实际庭审中，该有人区域属于法官所在区域。因此，当未识别出第二特征后，执行步骤807对有人区域进行扩大。
131.步骤807：根据预定范围扩大所述有人区域；
132.在本步骤中，预定范围可以表示有人区域边界框的横向和纵向的扩大范围，所述横向和纵向上的扩大范围可以根据庭审现场实测数据分析得到，例如，测量法官椅的宽度和高度，根据法官椅的宽度确定有人区域边界框的横向扩大范围，根据法官椅的高度确定有人区域边界框的纵向扩大范围。因此，若实际有法官的有人区域未识别出法官的预定特征，则根据预定范围对有人区域进行扩大，扩大后的有人区域即可包括法官的预定特征(例如法官椅)，解决了当出现有人区域边界框的大小小于法官椅的大小的情况时，识别的法台子区域不准确的问题。根据预定范围扩大所述有人区域后，再次执行步骤805，对所述扩大后的有人区域进行第二特征识别。
133.需要说明的是，本文实施例所述的识别庭审视频画面中法台区域的方法仅根据预定范围对未识别出第二特征的有人区域扩大一次，当在扩大后的有人区域中仍未识别出第二特征，则认为该有人区域不是法官所在区域，不再扩大该有人区域。
134.步骤808：将靠近所述庭审视频画面最下方边界的所述法台子区域作为纵向基准区域；
135.为了过滤掉移放在其余法官椅后放的法官椅，因此需要根据纵向基准区域对法台子区域进行过滤。在本步骤中，根据法台的结构，出庭的法官应当靠近法台区域的桌子，因此首先将靠近所述庭审视频画面最下方边界的所述法台子区域作为纵向基准区域，即，将最下方的法台子区域作为纵向基准区域。
136.步骤809：计算除所述纵向基准区域之外的所述法台子区域与所述纵向基准区域之间的纵向距离；
137.在本步骤中，计算其余法台子区域与纵向基准区域之间的纵向距离，该纵向距离可以表示各法台子区域与纵向基准区域是否在同一排，若某些法台子区域与纵向基准区域属于同一排，则其之间的纵向距离较小，若某些法台子区域与纵向基准区域不在同一排，则其之间的纵向距离较大。
138.步骤810：去除所述纵向距离超过第二预设门限值的所述法台子区域；
139.在本步骤中，当其纵向距离超过第二预设门限值时，表示该纵向距离所属的法台子区域与纵向基准区域不在同一排，将其在法台子区域中去除，即可过滤掉移放在其余法官椅后放的法官椅所在的区域。在本文实施例中，第二预设门限值可以根据庭审现场实测数据进行分析得到，在实际庭审现场中，某法官可能会调整法官椅的位置，因此第二预设门限值大于0。
140.步骤811：选择在水平方向上仅与一个法台子区域相邻的法台子区域作为横向基准区域；
141.为了对未参加庭审的法官进行检测，因此需要对法台子区域进行扩展。在本步骤中，所述横向基准区域是法台子区域中最左侧或最右侧的法台子区域，作为优选地，本文实施例所述的横向基准区域为法台子区域中最左侧的法台子区域。
142.步骤812：按照预设步长，在所述庭审视频画面中水平平移所述横向基准区域的边界框，得到疑似法台子区域；
143.在本步骤中，按照预设步长水平向右平移横向基准区域的边界框，得到横向基准区域右侧的疑似法台子区域，然后再按照该预设步长水平向左平移横向基准区域的边界框，得到横向基准区域左侧的疑似法台子区域。
144.步骤813：对所述疑似法台子区域进行所述第二特征识别，将识别出所述第二特征的疑似法台子区域作为所述法台子区域；
145.在本步骤中，对疑似法台区域进行第二特征识别，将识别出所述第二特征的疑似法台区域作为所述法台子区域，该法台子区域可以包括法官，或包括第二预定特征的法官椅但不包括法官，因此实现了对未参加庭审的法官进行检测，得到了未参加庭审的法官人数，以便于根据庭审记录，进一步地确定未参加庭审的法官。
146.需要说明的是，在步骤812中，可以得到多个疑似法台区域，然后分别对各疑似法台子区域进行第二特征识别，得到一个或多个法台子区域。也可以水平平移一次所述横向基准区域的边界框，得到一个疑似法台子区域，然后步骤813对该疑似法台子区域进行第二特征识别，若步骤813未在该疑似法台子区域中识别出第二特征，则表示该疑似法台子区域已经在法台区域的边界之外，停止步骤812的操作，以便于减小计算量。
147.步骤814：在所述法台子区域的边界中筛选出距离所述庭审视频画面的边界最近的边界；
148.在本步骤中，除了在所述法台子区域的边界中筛选出距离所述庭审视频画面的边界最近的边界之外，也可以确定同一法台子区域的各边界线的交点的坐标，然后比较所有法台区域的上述坐标，选择纵向方向上最小的坐标值、横向方向上最小的坐标值、纵向方向上最大的坐标值、横向方向上最大的坐标值，以便于步骤815将这4个坐标值围城的区域作为法台区域。
149.步骤815：将筛选出的边界的延伸线所围成的区域作为所述法台区域。
150.在本步骤中，除了将筛选出的边界的延伸线所围成的区域作为所述法台区域，还可以将步骤814得到的纵向方向上最小的坐标值、横向方向上最小的坐标值、纵向方向上最大的坐标值、横向方向上最大的坐标值围成的区域作为法台区域。将各法台子区域组合在一起，便于工作人员对法官的行为进行监督。
151.如图9所示为本文实施例计算机设备的结构示意图，本文中的装置可以为本实施例中的计算机设备，执行上述本文的方法。计算机设备902可以包括一个或多个处理设备904，诸如一个或多个中央处理单元(cpu)，每个处理单元可以实现一个或多个硬件线程。计算机设备902还可以包括任何存储资源906，其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的，比如，存储资源906可以包括以下任一项或多种组合：任何类型的ram，任何类型的rom，闪存设备，硬盘，光盘等。更一般地，任何存储资源都可以使用任何技术来存储信息。进一步地，任何存储资源可以提供信息的易失性或非易失性保留。进一步地，任何存储资源可以表示计算机设备902的固定或可移除部件。在一种情况下，当处理设备904执行被存储在任何存储资源或存储资源的组合中的相关联的指令时，计算机设备902可以执行相关联指令的任一操作。计算机设备902还包括用于与任何存储资源交互的一个或多个驱动机构908，诸如硬盘驱动机构、光盘驱动机构等。
152.计算机设备902还可以包括输入/输出模块910(i/o)，其用于接收各种输入(经由输入设备912)和用于提供各种输出(经由输出设备914)。一个具体输出机构可以包括呈现设备916和相关联的图形用户接口(gui)918。在其他实施例中，还可以不包括输入/输出模块910(i/o)、输入设备912以及输出设备914，仅作为网络中的一台计算机设备。计算机设备902还可以包括一个或多个网络接口920，其用于经由一个或多个通信链路922与其他设备交换数据。一个或多个通信总线924将上文所描述的部件耦合在一起。
153.通信链路922可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路922可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
154.对应于图2-图6、图8中的方法，本文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上存储有计算机程序，该计算机程序被处理器运行时执行上述步骤。
155.本文实施例还提供一种计算机可读指令，其中当处理器执行所述指令时，其中的程序使得处理器执行如图2-图6、图8所示的方法。
156.应理解，在本文的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本文实施例的实施过程构成任何限定。
157.还应理解，在本文实施例中，术语“和/或”仅仅是一种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。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
158.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本文的范围。
159.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
160.在本文所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通
过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
161.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本文实施例方案的目的。
162.另外，在本文各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
163.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本文的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或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中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本文各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
164.本文中应用了具体实施例对本文的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本文的方法及其核心思想；同时，对于本领域的一般技术人员，依据本文的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本文的限制。