摄像机视觉区域内遗留物的检测方法、装置、介质及设备与流程

1.本发明涉及视觉检测领域，具体涉及一种摄像机视觉区域内遗留物的检测方法、装置、介质及设备。


背景技术：

2.区域监控分为人、物、行为、事件等的检查和预警，主要用于安全防范和证据溯源。本发明以图像区域变化为核心的区域遗留物检测。
3.传统的遗留物检测方法一般采用图像数据差值法：图像数据差值法通过图像背景帧与当前帧做简单的减法，得到图像的变化值为判断依据，输出是否为遗留物或有目标入侵到摄像机视觉区域。此方式，抗干扰能力差，易受天气、光线影响，准确率低。


技术实现要素：

4.鉴于以上所述现有技术的缺点，本发明的目的在于提供一种摄像机视觉区域内遗留物的检测方法、装置、介质及设备，用于解决现有技术中的至少一个缺陷。
5.为实现上述目的及其他相关目的，本发明提供一种摄像机视觉区域内遗留物的检测方法，包括：
6.设定感兴趣区域；
7.获取感兴趣区域的当前帧图像与背景帧图像；
8.基于当前帧图像与背景帧图像，利用预先训练好的遗留物检测模型对感兴趣区域进行检测，得到遗留物检测结果。
9.可选地，还包括：
10.对所述当前帧图像与背景帧图像进行网格化，得到当前帧图像的第一子网格与背景帧图像的第二子网格；所述第一子网格与所述第二子网格组成网格组，属于同一个网格的第一子网格与第二子网格组成网格块，第一子网格的网格数据与第二子网格的网格数据组成网格块数据。
11.可选地，在利用遗留物检测模型对网格进行检测前，还包括：
12.对所述网格块数据进行融合，得到融合数据；
13.所述遗留物检测模型以所述融合数据作为输入。
14.可选地，在利用遗留物检测模型对感兴趣区域进行检测的过程中，循环遍历网格组，得到基于每一个网格块数据的遗留物检测结果。
15.可选地，基于每一个网格块数据，利用预先训练好的遗留物检测模型对感兴趣区域进行检测，每一个网格块数据对应一个检测结果。
16.可选地，还包括：
17.确定具有遗留物的子网格；
18.将具有遗留物的子网格进行组合，从而确定遗留物的尺寸大小与位置。
19.为实现上述目的及其他相关目的，本发明提供一种摄像机视觉区域内遗留物的检
测装置，包括：
20.设定模块，用于设定感兴趣区域；
21.图像获取模块，用于获取感兴趣区域的当前帧图像与背景帧图像；
22.图像检测模块，用于基于当前帧图像与背景帧图像，利用预先训练好的遗留物检测模型对感兴趣区域进行检测，得到遗留物检测结果。
23.可选地，还包括：
24.网格化模块，用于对所述当前帧图像与背景帧图像进行网格化，得到当前帧图像的第一子网格与背景帧图像的第二子网格；所述第一子网格与所述第二子网格组成网格组，属于同一个网格的第一子网格与第二子网格组成网格块，第一子网格的网格数据与第二子网格的网格数据组成网格块数据。
25.为实现上述目的及其他相关目的，本发明提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在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权利要求1至7中任一项所述数据可视化方法的步骤。
26.为实现上述目的及其他相关目的，本发明提供一种计算机可读存储介质，其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所述数据可视化方法的步骤。
27.如上所述，本发明的一种摄像机视觉区域内遗留物的检测方法、装置、介质及设备，具有以下有益效果：
28.本发明的一种摄像机视觉区域内遗留物的检测方法，包括：设定感兴趣区域；获取感兴趣区域的当前帧图像与背景帧图像；基于当前帧图像与背景帧图像，利用预先训练好的遗留物检测模型对感兴趣区域进行检测，得到遗留物检测结果。本发明通过画区域的方法设定背景帧和当前帧可以减少输入数据量，提高遗留物检测算法的效率。
附图说明
29.图1为本发明一实施例一种摄像机视觉区域内遗留物的检测方法的流程图；
30.图2为本发明另一实施例一种摄像机视觉区域内遗留物的检测方法的流程图；
31.图3为本发明一实施例感兴趣区域网格化示意图；
32.图4为本发明一实施例遗留物检测模型的原理图；
33.图5为本发明一实施例一种摄像机视觉区域内遗留物的检测装置的结构图。
具体实施方式
34.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
35.需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
36.如图1所示，本技术实施例提供一种摄像机视觉区域内遗留物的检测方法，包括：
37.s100设定感兴趣区域；
38.s101获取感兴趣区域的当前帧图像与背景帧图像；
39.s102基于当前帧图像与背景帧图像，利用预先训练好的遗留物检测模型对感兴趣区域进行检测，得到遗留物检测结果。
40.本发明通过画区域的方法从整个监控区域中选定感兴趣域，设定感兴趣区可以减少输入数据量，提高遗留物检测算法的效率。
41.在一实施例中，还包括：
42.对所述当前帧图像与背景帧图像进行网格化，得到当前帧图像的第一子网格与背景帧图像的第二子网格；所述第一子网格与所述第二子网格组成网格组，属于同一个网格的第一子网格与第二子网格组成网格块，第一子网格的网格数据与第二子网格的网格数据组成网格块数据。如图3所示，本技术将感兴趣区域进行网格化，将感兴趣区域划分为多个小方格。在进行遗留物检测时，将每个小方格数据作为算法模型的输入，增加数据的有效性，提高算法正确率。
43.具体地，在进行遗留物检测时，基于每一个网格块数据，利用预先训练好的遗留物检测模型对感兴趣区域进行检测，每一个网格块数据对应一个检测结果。
44.图4遗留物检测模型的结构图，该遗留物检测模型为卷积神经网络模型。
45.遗留物检测模型用于根据任一区域的当前帧图像与背景帧图像确定该区域内是否有遗留物，该遗留物检测模型可以通过训练得到。
46.在训练过程中，先获取多个样本图像，每个样本图像中包括当前帧图像和背景帧图像，并获取基于前帧图像和背景帧图像判断区域内是否有遗留物的检测结果。在训练前，可以对每个组样本图像进行网格划分，例如将样本图像划分为24x24的多个小方格，样本图像为同一个方格的当前帧图像和背景帧图像。当前帧图像与背景帧图像一致，说明没有遗留物体，反之则存在遗留物体。具体地，可以通过1，0来表示是否存在遗留物体，1对应有遗留物体，0表示没有遗留物体。样本图像中的物体可以通过人工标注确定。之后，对每个样本图像进行特征提取，得到每个样本图像的特征向量，通过特征向量可以描述对应的样本图像，并以每个样本图像的特征向量作为输入数据，以每个样本图像是否相同作为输出数据，分别根据多个样本图像对应的输入数据和输出数据进行训练，得到遗留物检测模型。例如，建立一个初始遗留物检测模型，遍历多个样本图像，每次根据当前遍历到的样本图像对应的输入数据和输出数据进行训练，得到训练后的遗留物检测模型，采用训练后的遗留物检测模型对样本图像进行检测，根据测试类型和样本图像实际所属的遗留物检测结果之间的差异可以对该遗留物检测模型进行修正，得到修正后的遗留物检测模型，以此类推，经过多次遍历之后即可训练出准确度较高的遗留物检测模型。
47.本发明通过基于卷积神经网络的深度学习对检测结果进行分类，判断当前帧图像和背景帧图像相同位置的24x24小方格是否是同一个，即需要判断当前帧是否有物体进入；若不是同一个，说明有物体进入，反之则没有物体。在本技术中，布置网格，设置精确的尺寸，有效提高算法的精确度。
48.在一实施例中，在利用遗留物检测模型对网格进行检测前，还包括：
49.对所述网格块数据进行融合，得到融合数据；
50.所述遗留物检测模型以所述融合数据作为输入。
51.在本实施例中，由于网格块数据包括同一个网格的当前帧图像数据和背景帧图像数据，对网格块数据进行融合，即将同一个网格的当前帧图像数据和背景帧图像数据进行融合，得到融合数据。
52.常情况一幅彩色rgb图像有三个通道，可看作是三个通道的数据矩阵。采用contact方法将背景帧的三通道数据和当前帧的三通道数据进行融合，得到6组数据矩阵，并将该6组数据矩阵作为模型输入。
53.设定背景帧图像b_img，设定后保持不变。假设待测图像为当前帧c_img。划定区域，设置网格矩阵，构成背景帧和当前帧组成的网格数据。然后，遍历每一个网格块数据(每一个网格块数据包括b_img_i_j,c_img_i_j)。
54.input＝concat(b_img_i_j,c_img_i_j)
55.在一实施例中，在利用遗留物检测模型对感兴趣区域进行检测的过程中，循环遍历网格组，得到基于每一个网格块数据的遗留物检测结果。
56.进一步，在获取到基于每一个网格块数据的遗留物检测结果后，确定具有遗留物的子网格；
57.将具有遗留物的子网格进行组合，从而确定遗留物的尺寸大小与位置。
58.由于本实施例将感兴趣区域进行网格化，在对遗留物进行检测的过程中，需要循环遍历网格组，得到每一个网格块数据的遗留物检测结果。当有一个或限定个(设置检测有没有遗留物的精度)
‘1’
时，不需要再循环遍历，直接退出循环，输出有遗留物(或入侵事件)发生。当需要检测遗留物大小或位置时，需继续遍历网格块数据，通过得到的所有网格块的输出，整合区域，计算出遗留物位置信息和尺寸大小。具体地，当需要检测遗留物大小或位置时，需继续遍历网格块数据，通过得到的所有网格块的输出，统计1的数量n。根据网格总数n，物体大小占整个视觉区域面积的n/n。。
59.如图5所示，本技术一实施例提供一种摄像机视觉区域内遗留物的检测装置，包括：
60.设定模块400，用于设定感兴趣区域；
61.图像获取模块401，用于获取感兴趣区域的当前帧图像与背景帧图像；
62.图像检测模块402，用于基于当前帧图像与背景帧图像，利用预先训练好的遗留物检测模型对感兴趣区域进行检测，得到遗留物检测结果。
63.在一实施例中，还包括：
64.网格化模块，用于对所述当前帧图像与背景帧图像进行网格化，得到当前帧图像的第一子网格与背景帧图像的第二子网格；所述第一子网格与所述第二子网格组成网格组，属于同一个网格的第一子网格与第二子网格组成网格块，第一子网格的网格数据与第二子网格的网格数据组成网格块数据。
65.对所述当前帧图像与背景帧图像进行网格化，得到当前帧图像的第一子网格与背景帧图像的第二子网格；所述第一子网格与所述第二子网格组成网格组，属于同一个网格的第一子网格与第二子网格组成网格块，第一子网格的网格数据与第二子网格的网格数据组成网格块数据。
66.在一实施例中，还包括：数据融合模块，用于在利用遗留物检测模型对网格进行检
测前，对所述网格块数据进行融合，得到融合数据。
67.在一实施例中，在利用遗留物检测模型对感兴趣区域进行检测的过程中，循环遍历网格组，得到基于每一个网格块数据的遗留物检测结果。
68.在一实施例中，基于每一个网格块数据，利用预先训练好的遗留物检测模型对感兴趣区域进行检测，每一个网格块数据对应一个检测结果。
69.在一实施例中，还包括：
70.确定具有遗留物的子网格；
71.将具有遗留物的子网格进行组合，从而确定遗留物的尺寸大小与位置。
72.上述装置与检测方法具体实施方式大致相同，在此不再赘述。
73.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，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
74.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
75.本技术实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在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检测方法的步骤。
76.本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现所述检测方法的步骤。
77.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、或者计算机软件和电子硬件的结合来实现。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发明的范围。
78.在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
79.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实施例方案的目的。
80.另外，在本发明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。
81.所述集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom,read-only memory)、随机存取存储器((ram,random access memory)、电载波信号、电信信号以及软件分发介质等。
82.上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。