一種信息檢測方法及裝置與流程
本申請涉及圖像處理技術(shù)領(lǐng)域，特別涉及一種信息檢測方法及裝置。
背景技術(shù)：
隨著社會進步以及經(jīng)濟發(fā)展，各個城市的商業(yè)越來越繁榮，沿街商鋪逐年遞增。經(jīng)營者為了提高營業(yè)額，經(jīng)常會將其經(jīng)營攤位從商鋪內(nèi)搬移至商鋪外。這樣雖然為經(jīng)營者帶來了好處，但是卻容易造成交通堵塞，影響市容市貌，為此，執(zhí)法管理人員需不停地巡邏以減少這種情況的發(fā)生。
雖然通過執(zhí)法人員巡邏的方式可以減少經(jīng)營者將攤位從商鋪內(nèi)搬移至商鋪外的現(xiàn)象，但是隨著經(jīng)濟的發(fā)展，商鋪越來越多，執(zhí)法人員的工作壓力也越來越大。
技術(shù)實現(xiàn)要素：
本申請實施例公開了一種信息檢測方法及裝置，以檢測視頻幀中存在異常情況的區(qū)域，減輕工作人員的工作壓力。
為達到上述目的，本申請實施例公開了一種信息檢測方法，所述方法包括：
檢測目標視頻幀中的人物；
獲得所檢測出的人物在參考幀中的人物位置，其中，所述參考幀為：采集時刻位于所述目標視頻幀的采集時刻之前的預(yù)設(shè)數(shù)量個視頻幀；
根據(jù)預(yù)設(shè)的區(qū)域檢測算法，檢測所述目標視頻幀中的可疑區(qū)域；
根據(jù)所檢測出的人物以及所述參考幀中的人物位置，確定所述目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域。
在本申請的一種具體實現(xiàn)方式中，所述根據(jù)所檢測出的人物以及所述參考幀中的人物位置，確定所述目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域，包括：
獲得所檢測出的人物在所述目標視頻幀中的人物位置；
根據(jù)所述目標視頻幀中的人物位置和所述參考幀中的人物位置，確定所檢測出的人物中的可疑人物；
確定所述參考幀中的可疑區(qū)域；
獲得所述參考幀的可疑區(qū)域中與所述目標視頻幀的可疑區(qū)域?qū)?yīng)的區(qū)域；
在所述目標視頻幀中計算所述可疑人物與所述目標視頻幀的可疑區(qū)域之間的距離，并在所述參考幀中計算所述可疑人物與所獲得的區(qū)域之間的距離；
根據(jù)計算得到的距離，確定所述目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域。
在本申請的一種具體實現(xiàn)方式中，所述根據(jù)所述目標視頻幀中的人物位置和所述參考幀中的人物位置，確定所檢測出的人物中的可疑人物，包括：
判斷是否滿足表達式一，
其中，所述表達式一為：
meand＞Tm且vard＜Tv1，
meand表示所檢測出的各個人物的平均偏移距離的均值，vard表示所檢測出的各個人物的平均偏移距離的方差，Tm表示預(yù)設(shè)的均值閾值，Tv1表示預(yù)設(shè)的第一方差閾值，所檢測出的任一人物i的平均偏移距離，表示所述人物i在所述目標視頻幀以及所述參考幀中采集時刻相鄰的兩幀之間的移動距離的平均值；
若不滿足，判斷是否滿足表達式二，
其中，所述表達式二為：
varp＜Tv2且vard＜Tv3，
varp表示所述目標視頻幀中的人物位置的方差，Tv2表示預(yù)設(shè)的第二方差閾值，Tv3表示預(yù)設(shè)的第三方差閾值；
若不滿足，根據(jù)表達式三從所檢測出的人物中確定移動緩慢人物，并根據(jù)表達式四從所述移動緩慢人物中確定可疑人物，
其中，所述表達式三為：
frmd＞Tcnt1且distbias＜Tdist1，
frmd表示所檢測出的人物中的任一人物j在所述目標視頻幀以及所述參考幀中出現(xiàn)的次數(shù)，distbias表示所述人物j的平均偏移距離，Tdist1表示預(yù)設(shè)的第一偏移距離閾值，Tcnt1表示預(yù)設(shè)的第一數(shù)量閾值；
所述表達式四為：
distrela＜Tdist2且frms＞Tcnt2，
distrela表示任一移動緩慢人物k的位置與posaver之間的距離，posaver表示各個移動緩慢人物的歷史偏移最慢處位置pospar的位置均值，pospar表示任一移動緩慢人物k在已采集視頻幀f中的位置，所述人物k從所述視頻幀f的前一幀移動至所述視頻幀f的移動距離為：所述人物k在已采集的采集時刻相鄰的兩視頻幀之間的移動距離的最小值，frms表示所述人物k在已采集的視頻幀中被確定為緩慢移動人物的次數(shù)，Tdist2表示預(yù)設(shè)的第二偏移距離閾值，Tcnt2表示表示預(yù)設(shè)的第二數(shù)量閾值。
在本申請的一種具體實現(xiàn)方式中，所述根據(jù)預(yù)設(shè)的區(qū)域檢測算法，檢測所述目標視頻幀中的可疑區(qū)域，包括：
根據(jù)預(yù)設(shè)的區(qū)域模型，檢測所述目標視頻幀中的可疑區(qū)域；或
根據(jù)所述參考幀中存在異常情況的區(qū)域，確定所述目標視頻幀中的可疑區(qū)域；或
根據(jù)預(yù)設(shè)的區(qū)域模型，檢測所述目標視頻幀中的備選可疑區(qū)域；并根據(jù)所述參考幀和檢測到的備選可疑區(qū)域，確定所述目標視頻幀中的可疑區(qū)域。
在本申請的一種具體實現(xiàn)方式中，所述根據(jù)所述參考幀中存在異常情況的區(qū)域，確定所述目標視頻幀中的可疑區(qū)域，包括：
按照采集時刻，獲得所述目標視頻幀F(xiàn)C的前一視頻幀F(xiàn)F中存在異常情況的區(qū)域；
確定所述視頻幀F(xiàn)F中存在異常情況的區(qū)域在所述目標視頻幀F(xiàn)C中的對應(yīng)區(qū)域；
統(tǒng)計所確定的每一區(qū)域中屬于所述目標視頻幀的運動前景區(qū)域的像素點的個數(shù)；
判斷統(tǒng)計得到的每一像素點的個數(shù)是否滿足以下表達式：
NumFAm/NumTAm＜ThP，
其中，NumFam表示所確定的任一區(qū)域m中屬于所述目標視頻幀的運動前景區(qū)域的像素點的個數(shù)，NumTam表示所述區(qū)域m中像素點的總個數(shù)，ThP表示預(yù)設(shè)的第一像素點個數(shù)比例閾值；
若滿足，確定該像素點個數(shù)對應(yīng)的區(qū)域為所述目標視頻幀中的可疑區(qū)域。
在本申請的一種具體實現(xiàn)方式中，所述根據(jù)預(yù)設(shè)的區(qū)域模型，檢測所述目標視頻幀中的備選可疑區(qū)域，包括：
確定所述目標視頻幀中的前景區(qū)域；
根據(jù)預(yù)設(shè)的區(qū)域模型，在所述前景區(qū)域中檢測備選可疑區(qū)域。
在本申請的一種具體實現(xiàn)方式中，所述根據(jù)所述參考幀和檢測到的備選可疑區(qū)域，確定所述目標視頻幀中的可疑區(qū)域，包括：
確定所述目標視頻幀F(xiàn)C的前一視頻幀F(xiàn)F中與檢測到的備選可疑區(qū)域位置相同的區(qū)域；
獲得所確定的各個區(qū)域的像素點中屬于所述視頻幀F(xiàn)F中存在異常情況的區(qū)域的像素點的個數(shù)；
確定上述所確定的區(qū)域中滿足以下表達式的區(qū)域?qū)?yīng)的備選可疑區(qū)域為所述目標視頻幀中的可疑區(qū)域，
Na/Nt＞TN，
其中，Na表示所確定的任一區(qū)域S中屬于所述視頻幀F(xiàn)F中存在異常情況的區(qū)域的像素點的個數(shù)，Nt表示所述區(qū)域S中像素點的個數(shù)，TN表示預(yù)設(shè)的第二像素點個數(shù)比例閾值。
在本申請的一種具體實現(xiàn)方式中，所述檢測目標視頻幀中的人物，包括：
根據(jù)當(dāng)前時刻和/或當(dāng)前亮度，從預(yù)設(shè)的人物檢測模型庫中選擇人物檢測模型；
根據(jù)所選擇的人物檢測模型檢測目標視頻幀中的人物。
在本申請的一種具體實現(xiàn)方式中，所述獲得所檢測出的人物在參考幀中的 人物位置，包括：
獲得參考幀中與所檢測出的人物相關(guān)聯(lián)的人物；
根據(jù)所檢測出的人物與其相關(guān)聯(lián)人物之間的相似程度以及運動速度，計算所檢測出的人物的置信度，其中，所述置信度，用于表示一個人物與其相關(guān)聯(lián)的人物為同一人物的可信程度；
獲得所檢測出的人物中置信度大于預(yù)設(shè)的置信度閾值的人物在所述參考幀中的人物位置；
所述根據(jù)所檢測出的人物以及所述參考幀中的人物位置，確定所述目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域，包括：
根據(jù)所檢測出的人物中置信度大于預(yù)設(shè)的置信度閾值的人物以及所述參考幀中的人物位置，確定所述目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域。
在本申請的一種具體實現(xiàn)方式中，所述信息檢測方法還包括：
在確定所述目標視頻幀的可疑區(qū)域存在異常情況的情況下，獲得該可疑區(qū)域在已采集的視頻幀中被確定為存在異常情況的區(qū)域的次數(shù)；
在所獲得的次數(shù)滿足預(yù)設(shè)的監(jiān)測條件的情況下，發(fā)送報警提示信息。
為達到上述目的，本申請實施例公開了一種信息檢測裝置，所述裝置包括：
人物檢測模塊，用于檢測目標視頻幀中的人物；
位置獲得模塊，用于獲得所檢測出的人物在參考幀中的人物位置，其中，所述參考幀為：采集時刻位于所述目標視頻幀的采集時刻之前的預(yù)設(shè)數(shù)量個視頻幀；
可疑區(qū)域檢測模塊，用于根據(jù)預(yù)設(shè)的區(qū)域檢測算法，檢測所述目標視頻幀中的可疑區(qū)域；
異常區(qū)域確定模塊，用于根據(jù)所檢測出的人物以及所述參考幀中的人物位置，確定所述目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域。
在本申請的一種具體實現(xiàn)方式中，所述異常區(qū)域確定模塊，包括：
人物位置獲得子模塊，用于獲得所檢測出的人物在所述目標視頻幀中的人 物位置；
可疑人物確定子模塊，用于根據(jù)所述目標視頻幀中的人物位置和所述參考幀中的人物位置，確定所檢測出的人物中的可疑人物；
對應(yīng)區(qū)域獲得子模塊，用于獲得所述參考幀的可疑區(qū)域中與所述目標視頻幀的可疑區(qū)域?qū)?yīng)的區(qū)域；
距離計算子模塊，用于在所述目標視頻幀中計算所述可疑人物與所述目標視頻幀的可疑區(qū)域之間的距離，并在所述參考幀中計算所述可疑人物與所獲得的區(qū)域之間的距離；
異常區(qū)域確定子模塊，用于確定所述目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域。
在本申請的一種具體實現(xiàn)方式中，所述可疑人物確定子模塊，包括：
第一信息判斷單元，用于判斷是否滿足表達式一，
其中，所述表達式一為：
meand＞Tm且vard＜Tv1，
meand表示所檢測出的各個人物的平均偏移距離的均值，vard表示所檢測出的各個人物的平均偏移距離的方差，Tm表示預(yù)設(shè)的均值閾值，Tv1表示預(yù)設(shè)的第一方差閾值，所檢測出的任一人物i的平均偏移距離，表示所述人物i在所述目標視頻幀以及所述參考幀中采集時刻相鄰的兩幀之間的移動距離的平均值；
第二信息判斷單元，用于在所述第一信息判斷單元的判斷結(jié)果為否的情況下，判斷是否滿足表達式二，
其中，所述表達式二為：
varp＜Tv2且vard＜Tv3，
varp表示所述目標視頻幀中的人物位置的方差，Tv2表示預(yù)設(shè)的第二方差閾值，Tv3表示預(yù)設(shè)的第三方差閾值；
可疑人物確定單元，用于在所述第二信息判斷單元的判斷結(jié)果為否的情況下，根據(jù)表達式三從所檢測出的人物中確定移動緩慢人物，并根據(jù)表達式四從 所述移動緩慢人物中確定可疑人物，
其中，所述表達式三為：
frmd＞Tcnt1且distbias＜Tdist1，
frmd表示所檢測出的人物中的任一人物j在所述目標視頻幀以及所述參考幀中出現(xiàn)的次數(shù)，distbias表示所述人物j的平均偏移距離，Tdist1表示預(yù)設(shè)的第一偏移距離閾值，Tcnt1表示預(yù)設(shè)的第一數(shù)量閾值；
所述表達式四為：
distrela＜Tdist2且frms＞Tcnt2，
distrela表示任一移動緩慢人物k的位置與posaver之間的距離，posaver表示各個移動緩慢人物的歷史偏移最慢處位置pospar的位置均值，pospar表示任一移動緩慢人物k在已采集視頻幀f中的位置，所述人物k從所述視頻幀f的前一幀移動至所述視頻幀f的移動距離為：所述人物k在已采集的采集時刻相鄰的兩視頻幀之間的移動距離的最小值，frms表示所述人物k在已采集的視頻幀中被確定為緩慢移動人物的次數(shù)，Tdist2表示預(yù)設(shè)的第二偏移距離閾值，Tcnt2表示表示預(yù)設(shè)的第二數(shù)量閾值。
在本申請的一種具體實現(xiàn)方式中，所述可疑區(qū)域檢測模塊，具體用于根據(jù)預(yù)設(shè)的區(qū)域模型，檢測所述目標視頻幀中的可疑區(qū)域；或
所述可疑區(qū)域檢測模塊，具體用于根據(jù)所述參考幀中存在異常情況的區(qū)域，確定所述目標視頻幀中的可疑區(qū)域；或
所述可疑區(qū)域檢測模塊，包括：
備選可疑區(qū)域檢測子模塊，用于根據(jù)預(yù)設(shè)的區(qū)域模型，檢測所述目標視頻幀中的備選可疑區(qū)域；
第一可疑區(qū)域確定子模塊，用于根據(jù)所述參考幀和檢測到的備選可疑區(qū)域，確定所述目標視頻幀中的可疑區(qū)域。
在本申請的一種具體實現(xiàn)方式中，所述可疑區(qū)域檢測模塊，包括：
異常區(qū)域獲得子模塊，用于按照采集時刻，獲得所述目標視頻幀F(xiàn)C的前一視頻幀F(xiàn)F中存在異常情況的區(qū)域；
對應(yīng)區(qū)域確定子模塊，用于確定所述視頻幀F(xiàn)F中存在異常情況的區(qū)域在所述目標視頻幀中的對應(yīng)區(qū)域；
像素點個數(shù)統(tǒng)計子模塊，用于統(tǒng)計所確定的每一區(qū)域中屬于所述目標視頻幀的運動前景區(qū)域的像素點的個數(shù)；
比例判斷子模塊，用于判斷統(tǒng)計得到的每一像素點的個數(shù)是否滿足以下表達式：
NumFAm/NumTAm＜ThP，
其中，NumFam表示所確定的任一區(qū)域m中屬于所述目標視頻幀的運動前景區(qū)域的像素點的個數(shù)，NumTam表示所述區(qū)域m中像素點的總個數(shù)，ThP表示預(yù)設(shè)的第一像素點個數(shù)比例閾值；
第二可疑區(qū)域確定子模塊，用于在所述比例判斷子模塊的判斷結(jié)果為是的情況下，確定該像素點個數(shù)對應(yīng)的區(qū)域為所述目標視頻幀中的可疑區(qū)域。
在本申請的一種具體實現(xiàn)方式中，所述備選可疑區(qū)域檢測子模塊，包括：
前景區(qū)域確定單元，用于確定所述目標視頻幀中的前景區(qū)域；
備選可疑區(qū)域檢測單元，用于根據(jù)預(yù)設(shè)的區(qū)域模型，在所述前景區(qū)域中檢測備選可疑區(qū)域。
在本申請的一種具體實現(xiàn)方式中，所述第一可疑區(qū)域確定子模塊，包括：
位置相同區(qū)域確定單元，用于確定所述目標視頻幀F(xiàn)C的前一視頻幀F(xiàn)F中與檢測到的備選可疑區(qū)域位置相同的區(qū)域；
像素點個數(shù)獲得單元，用于獲得所確定的各個區(qū)域的像素點中屬于所述視頻幀F(xiàn)F中存在異常情況的區(qū)域的像素點的個數(shù)；
可疑區(qū)域確定單元，用于確定上述所確定的區(qū)域中滿足以下表達式的區(qū)域?qū)?yīng)的備選可疑區(qū)域為所述目標視頻幀中的可疑區(qū)域，
Na/Nt＞TN，
其中，Na表示所確定的任一區(qū)域S中屬于所述視頻幀F(xiàn)F中存在異常情況的區(qū)域的像素點的個數(shù)，Nt表示所述區(qū)域S中像素點的個數(shù)，TN表示預(yù)設(shè)的第二像素 點個數(shù)比例閾值。
在本申請的一種具體實現(xiàn)方式中，所述人物檢測模塊，包括：
人物檢測模型選擇子模塊，用于根據(jù)當(dāng)前時刻和/或當(dāng)前亮度，從預(yù)設(shè)的人物檢測模型庫中選擇人物檢測模型；
人物檢測子模塊，用于根據(jù)所選擇的人物檢測模型檢測目標視頻幀中的人物。
在本申請的一種具體實現(xiàn)方式中，所述位置獲得模塊，包括：
關(guān)聯(lián)人物獲得子模塊，用于獲得參考幀中與所檢測出的人物相關(guān)聯(lián)的人物；
置信度計算子模塊，用于根據(jù)所檢測出的人物與其相關(guān)聯(lián)人物之間的相似程度以及運動速度，計算所檢測出的人物的置信度，其中，所述置信度用于表示一個人物與其相關(guān)聯(lián)的人物為同一人物的可信程度；
位置獲得子模塊，用于獲得所檢測出的人物中置信度大于預(yù)設(shè)的置信度閾值的人物在所述參考幀中的人物位置；
所述異常區(qū)域確定模塊，具體用于根據(jù)所檢測出的人物中置信度大于預(yù)設(shè)的置信度閾值的人物以及所述參考幀中的人物位置，確定所述目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域。
在本申請的一種具體實現(xiàn)方式中，所述信息檢測裝置還包括：
次數(shù)獲得模塊，用于在確定所述目標視頻幀的可疑區(qū)域存在異常情況的情況下，獲得該可疑區(qū)域在已采集的視頻幀中被確定為存在異常情況的區(qū)域的次數(shù)；
報警提示信息發(fā)送模塊，用于在所獲得的次數(shù)滿足預(yù)設(shè)的監(jiān)測條件的情況下，發(fā)送報警提示信息。
由以上可見，本申請實施例提供的方案中，首先檢測目標視頻幀中的人物以及這些人物在參考幀中的人物位置，再檢測目標視頻幀中的可疑區(qū)域，最后結(jié)合所檢測出的人物以及參考幀中的人物位置，確定目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域?？梢姂?yīng)用本申請實施例提供的方案能夠檢測出視頻幀中存在異常情況的區(qū)域，無需工作人員通過巡邏的方式發(fā)現(xiàn)存在異常情況的 區(qū)域，能夠減輕工作人員的工作壓力。
附圖說明
為了更清楚地說明本申請實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
圖1為本申請實施例提供的第一種信息檢測方法的流程示意圖；
圖2為本申請實施例提供的第二種信息檢測方法的流程示意圖；
圖3為本申請實施例提供的第三種信息檢測方法的流程示意圖；
圖4為本申請實施例提供的第四種信息檢測方法的流程示意圖；
圖5為本申請實施例提供的第一種信息檢測裝置的結(jié)構(gòu)示意圖；
圖6為本申請實施例提供的第二種信息檢測裝置的結(jié)構(gòu)示意圖；
圖7為本申請實施例提供的第三種信息檢測裝置的結(jié)構(gòu)示意圖；
圖8為本申請實施例提供的第四種信息檢測裝置的結(jié)構(gòu)示意圖。
具體實施方式
下面將結(jié)合本申請實施例中的附圖，對本申請實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例?；诒旧暾堉械膶嵤├绢I(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。
圖1為本申請實施例提供的第一種信息檢測方法的流程示意圖，該方法包括：
S101：檢測目標視頻幀中的人物。
上述目標視頻幀可以是通過圖像采集設(shè)備實時采集得到的圖像，其中，圖像采集設(shè)備可以是視頻監(jiān)控中常用的球機等圖像采集設(shè)備。本領(lǐng)域內(nèi)的技術(shù)人員可以理解的是，實際應(yīng)用中可以為一個球機設(shè)置多個預(yù)置位，按照預(yù)設(shè)的時間間隔分別對各個預(yù)置位對應(yīng)的區(qū)域進行圖像采集。需要說明的是，在上述圖 像采集設(shè)備為球機的情況下，應(yīng)用本申請實施例提供的方案進行信息檢測時，可以理解為針對球機在一個預(yù)置位所采集圖像進行信息檢測的情況。
當(dāng)然，上述圖像采集設(shè)備并不僅限于球機，本申請并不對此進行限定。
可以理解的，檢測目標視頻幀中的人物時，可以通過基于統(tǒng)計的人物檢測方法進行檢測，通過基于統(tǒng)計的人物檢測方法進行檢測時需要構(gòu)建模型，又由于構(gòu)建模型時所構(gòu)建模型的準確性與所選擇樣本的場景、光照強度、亮度等因素相關(guān)，因此，可以構(gòu)建多個模型，然后在不同條件下選擇不同的模型進行檢測，以提高人物檢測的準確率。
具體的，檢測目標視頻幀中的人物時，可以先根據(jù)當(dāng)前時刻和/或當(dāng)前亮度，從預(yù)設(shè)的人物檢測模型庫中選擇人物檢測模型，然后根據(jù)所選擇的人物檢測模型檢測目標視頻幀中的人物。
例如，上述預(yù)設(shè)的人物檢測模型庫中可以包括以白天為背景的行人模型和以夜晚為背景的行人模型等等，當(dāng)然，還可以包括以晴天為背景的行人模型、以陰天為背景的行人模型等等，本申請并不對此進行限定。
S102：獲得所檢測出的人物在參考幀中的人物位置。
其中，上述參考幀可以理解為：采集時刻位于目標視頻幀的采集時刻之前的預(yù)設(shè)數(shù)量個視頻幀，上述預(yù)設(shè)數(shù)量的取值一般大于等于1。
由于圖像采集設(shè)備是按照固定的時間間隔進行圖像采集的，而且這一固定時間間隔一般較小，例如，0.04秒等等，所以，圖像采集設(shè)備對同一場景進行圖像采集時，通常相同的人物會出現(xiàn)在連續(xù)多幀圖像中，所以，S101中所檢測出的目標視頻幀中的人物，一般會在采集時刻位于目標視頻幀的采集時刻之前的若干視頻幀中出現(xiàn)。
上述預(yù)設(shè)數(shù)量可以根據(jù)實際應(yīng)用情況進行確定，例如，可以是5、10、20等等。
獲得所檢測出的人物在參考幀中的人物位置后，可以根據(jù)所獲得的這些位置信息分析出所檢測出的各個人物的運動軌跡等信息，該運動軌跡信息中可以包括：人物的運動路徑、運動速度等信息，進一步的根據(jù)人物的運動軌跡可以分析出該人物是在快速前進、慢速前進、徘徊還是靜止等等。
需要說明的是，上述參考幀與目標視頻幀是對于同一預(yù)置位的視頻幀，或者稱之為對于同一場景的視頻幀。
S103：根據(jù)預(yù)設(shè)的區(qū)域檢測算法，檢測目標視頻幀中的可疑區(qū)域。
需要說明的是，區(qū)域檢測算法屬于比較成熟的技術(shù)，本領(lǐng)域內(nèi)的技術(shù)人員能夠根據(jù)現(xiàn)有技術(shù)容易獲知多種區(qū)域檢測算法，這里不再一一贅述，較常見的區(qū)域檢測算法有CNN(Convolutional Neural Networks，卷積神經(jīng)網(wǎng)絡(luò))區(qū)域檢測算法等等。
上述可疑區(qū)域可以是疑似經(jīng)營者在室外設(shè)置的攤位區(qū)域、疑似停車場的停車位區(qū)域等等，本申請并不對可疑區(qū)域的具體呈現(xiàn)形式進行限定。
具體的，根據(jù)預(yù)設(shè)的區(qū)域檢測算法，檢測目標視頻幀中的可疑區(qū)域時，可以根據(jù)預(yù)設(shè)的區(qū)域模型，檢測所述目標視頻幀中的可疑區(qū)域，該方式中，目標視頻幀可以是進行圖像采集的第一幀，當(dāng)然也可以是進行圖像采集的非第一幀，本申請并不對此進行限定。
另外，本領(lǐng)域內(nèi)的技術(shù)人員可以理解的是，采集時刻相鄰的視頻幀之間具有時間相關(guān)性以及空間相關(guān)性，也就是說檢測目標視頻幀中的可疑區(qū)域時可以參考目標視頻幀的參考幀或其中存在異常情況的區(qū)域，其中，所參考的參考幀的幀數(shù)可以是一幀，也可以是多幀，本申請并不對具體參考的幀數(shù)進行限定。
在本申請的一種具體實現(xiàn)方式中，根據(jù)參考幀中存在異常情況的區(qū)域，確定目標視頻幀中的可疑區(qū)域時，可以先按照采集時刻，獲得目標視頻幀F(xiàn)C的前一視頻幀F(xiàn)F中存在異常情況的區(qū)域，確定視頻幀F(xiàn)F中存在異常情況的區(qū)域在目標視頻幀F(xiàn)C中的對應(yīng)區(qū)域，統(tǒng)計確定的每一區(qū)域中屬于目標視頻幀的運動前景區(qū)域的像素點的個數(shù)，然后判斷統(tǒng)計得到的每一像素點的個數(shù)是否滿足以下表達式：NumFAm/NumTAm＜ThP，若滿足，確定該像素點個數(shù)對應(yīng)的區(qū)域為目標視頻幀中的可疑區(qū)域。
對于上述異常情況為經(jīng)營攤位的情況而言，由于攤位一般是靜止不變的，所以，當(dāng)判斷得統(tǒng)計得到的任一像素點個數(shù)滿足上述表達式時，說明目標視頻幀中該像素點個數(shù)對應(yīng)的區(qū)域為靜止攤位的可能性較高，因此，可以確定該像素點個數(shù)對應(yīng)的區(qū)域為目標視頻幀中的可疑區(qū)域。
需要說明的是，該具體實現(xiàn)方式主要應(yīng)用于圖像采集得到的非第一幀的情況。
本領(lǐng)域內(nèi)的技術(shù)人員可以理解的是，對于靜止攤位而言，其一般情況下是長時間處于靜止狀態(tài)的，所以同一靜止攤位所在區(qū)域在多個連續(xù)的視頻幀中一般均會出現(xiàn)且處于靜止狀態(tài)，鑒于這種情況，在本申請的一種較佳實現(xiàn)方式中，還可以在判斷得所獲得的每一區(qū)域?qū)?yīng)的屬于目標視頻幀的運動前景區(qū)域的像素點的個數(shù)與該區(qū)域中像素點總數(shù)之間的比例小于預(yù)設(shè)的第一像素點個數(shù)比例閾值之后，判斷該區(qū)域在采集時刻位于目標視頻幀之前的視頻幀中被確定為存在異常情況的區(qū)域的次數(shù)是否大于預(yù)設(shè)的數(shù)值，若大于，則確定該區(qū)域在目標視頻幀中的對應(yīng)區(qū)域為目標視頻幀中的可疑區(qū)域。
由于對于同一場景而言，背景區(qū)域是幾乎不變的，所以，上述目標視頻幀中的運動前景區(qū)域可以利用通過自適應(yīng)方式構(gòu)建的背景模型提取運動前景區(qū)域的方式得到，另外，為保證背景模型的準確性，還可以根據(jù)圖像采集設(shè)備所采集的每一幀圖像不斷更新上述背景模型。
另外，在本申請的另一種具體實現(xiàn)方式中，參見圖2，提供了第二種信息檢測方法的流程示意圖，與前述實施例相比，本實施例中，根據(jù)預(yù)設(shè)的區(qū)域檢測算法，檢測目標視頻幀中的可疑區(qū)域(S103)，包括：
S103A：根據(jù)預(yù)設(shè)的區(qū)域模型，檢測目標視頻幀中的備選可疑區(qū)域。
與S101中在目標視頻幀中進行人物檢測類似，檢測目標視頻幀中的備選可疑區(qū)域時也可以通過模型匹配方法進行檢測，上述預(yù)設(shè)的區(qū)域模型可以是預(yù)先構(gòu)建的。
例如，可以預(yù)先獲得多個經(jīng)營者在室外設(shè)置的攤位的圖像信息，然后可以通過機器學(xué)習(xí)等方法構(gòu)建攤位區(qū)域模型，其中，預(yù)先獲得的各個圖像信息中攤位越具有代表性越有助于構(gòu)建較佳的攤位模型，另外，預(yù)先獲得的圖像信息越多，越有助于構(gòu)建較佳的攤位模型。
通常情況下，圖像采集設(shè)備是針對同一場景進行圖像采集的，這樣所采集圖像的背景幾乎不變，例如，街道建筑物、商鋪門面等等，而前景則是不斷變化的，因此，檢測目標視頻中的備選可疑區(qū)域時可以基于目標視頻的前景區(qū)域進行檢測，具體的，根據(jù)預(yù)設(shè)的區(qū)域模型，檢測目標視頻幀中的備選可疑區(qū)域 時，可以先確定目標視頻幀中的前景區(qū)域，然后根據(jù)預(yù)設(shè)的區(qū)域模型，在上述前景區(qū)域中檢測備選可疑區(qū)域。
由于對于同一場景而言，背景區(qū)域是幾乎不變的，所以，實際應(yīng)用中可以在不存在異常情況的時候預(yù)先采集圖像作為背景模型，之后進行信息檢測時，將所采集到的圖像與上述的背景模型進行差分計算，從所采集到的圖像中分割出前景區(qū)域。
S103B：根據(jù)參考幀和檢測到的備選可疑區(qū)域，確定目標視頻幀中的可疑區(qū)域。
在確定目標視頻幀中的可疑區(qū)域時，可以根據(jù)預(yù)設(shè)位置法進行確定，具體的，若備選可疑區(qū)域與預(yù)設(shè)的位置信息相匹配，則認為該備選可疑區(qū)域為目標視頻幀中的可疑區(qū)域，上述預(yù)設(shè)的位置信息可以是根據(jù)運營維護人員的經(jīng)驗設(shè)定的等等。
在本申請的一種較佳實現(xiàn)方式中，根據(jù)參考幀和檢測到的備選可疑區(qū)域，確定目標視頻幀中的可疑區(qū)域時，可以先確定目標視頻幀F(xiàn)C的前一視頻幀F(xiàn)F中與檢測到的備選可疑區(qū)域位置相同的區(qū)域，獲得所確定的各個區(qū)域的像素點中屬于視頻幀F(xiàn)F中存在異常情況的區(qū)域的像素點的個數(shù)，再確定上述所確定的區(qū)域中滿足以下表達式的區(qū)域?qū)?yīng)的備選可疑區(qū)域為目標視頻幀中的可疑區(qū)域，
Na/Nt＞TN，
其中，Na表示所確定的任一區(qū)域S中屬于視頻幀F(xiàn)F中存在異常情況的區(qū)域的像素點的個數(shù)，Nt表示區(qū)域S中像素點的個數(shù)，TN表示預(yù)設(shè)的第二像素點個數(shù)比例閾值。
具體的，對于經(jīng)營攤位而言，通常情況下是靜止不動的，因而上述存在異常情況的區(qū)域可以理解為具有靜止不動這一特性的區(qū)域，這種情況下Na/Nt＞TN時，可以認為可疑區(qū)域是固定不動的，若在滿足上述關(guān)系式的基礎(chǔ)上經(jīng)檢測某一區(qū)域在連續(xù)若干幀中均是固定不動的，可以認為該區(qū)域為疑似攤位區(qū)域。
S104：根據(jù)所檢測出的人物以及參考幀中的人物位置，確定目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域。
可以理解的，上述可疑區(qū)域并不一定真的是存在異常情況的區(qū)域，所以還 需要進一步判斷目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域。例如，上述異常情況可以是經(jīng)營者在室外設(shè)置的攤位的情況、停車場的車輛越過停車位的情況等等，本申請并不對上述異常情況的具體呈現(xiàn)形式進行限定。
具體的，實際應(yīng)用中存在異常情況的區(qū)域除了與其自身的特點相關(guān)外，還可能會與其周圍的人物相關(guān)，例如，經(jīng)營者一般位于攤位的附近，且在攤位的附近徘徊等等。
鑒于上述情況，在本申請的一種可選實現(xiàn)方式中，根據(jù)所檢測出的人物以及參考幀中的人物位置，確定目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域時，可以先獲得所檢測出的人物在目標視頻幀中的人物位置，根據(jù)目標視頻幀中的人物位置和參考幀中的人物位置，確定所檢測出的人物中的可疑人物，然后確定參考幀中的可疑區(qū)域，并獲得參考幀的可疑區(qū)域中與目標視頻幀的可疑區(qū)域?qū)?yīng)的區(qū)域，在目標視頻幀中計算可疑人物與目標視頻幀的可疑區(qū)域之間的距離，并在參考幀中計算可疑人物與所獲得的區(qū)域之間的距離，最后根據(jù)計算得到的距離，確定目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域。
需要說明的是，本實施例提供的方案是針對目標視頻幀進行信息檢測的，檢測過程中，在S103中會檢測目標視頻幀中的可疑區(qū)域。對于參考幀而言，由于參考幀是采集時刻位于目標視頻幀的采集時刻之前的視頻幀，所以在對目標視頻幀進行信息檢測時，已對參考幀進行過相同的信息檢測，其檢測過程與對目標視頻幀進行信息檢測的過程相同，因此，針對參考幀的信息檢測過程中會獲得參考幀的可疑區(qū)域。為方便視頻序列中的每一幀作為后續(xù)視頻幀的參考幀，對視頻序列中的每一幀進行信息檢測之后，可以先將檢測得到的該視頻幀的可疑區(qū)域的信息進行本地存儲，當(dāng)該視頻幀作為其他視頻幀的參考幀時，可以直接從本地存儲的信息中獲得該視頻幀的可疑區(qū)域的信息。
可選的，根據(jù)計算得到的距離，確定目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域時，可以通過計算得到的距離的均值，確定目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域，具體的，可以是在上述計算得到的距離的均值小于預(yù)設(shè)的距離閾值的情況下，認為目標視頻幀的可疑區(qū)域為存在異常情況的區(qū)域，相反的，在上述計算得到的距離的均值不小于預(yù)設(shè)的距離閾值的情況下，認為目標視頻幀的可疑區(qū)域為不存在異常情況的區(qū)域。
另外，在確定目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域時，除了可以根據(jù)上述計算得到的距離的均值確定之外，還可以考慮上述計算得到的距離的方差等信息，本申請并不對此進行限定。
在本申請的一種較佳實現(xiàn)方式中，根據(jù)目標視頻幀中的人物位置和參考幀中的人物位置，確定所檢測出的人物中的可疑人物，可以通過以下步驟確定：
判斷是否滿足表達式一，
其中，上述表達式一為：
meand＞Tm且vard＜Tv1，
meand表示所檢測出的各個人物的平均偏移距離的均值，vard表示所檢測出的各個人物的平均偏移距離的方差，Tm表示預(yù)設(shè)的均值閾值，Tv1表示預(yù)設(shè)的第一方差閾值，所檢測出的任一人物i的平均偏移距離，表示人物i在目標視頻幀以及參考幀中采集時刻相鄰的兩幀之間的移動距離的平均值；
在滿足上述表達式一時，可以理解為人物在集體移動；
而在不滿足上述表達式一時，繼續(xù)判斷是否滿足表達式二，
其中，上述表達式二為：
varp＜Tv2且vard＜Tv3，
varp表示目標視頻幀中的人物位置的方差，Tv2表示預(yù)設(shè)的第二方差閾值，Tv3表示預(yù)設(shè)的第三方差閾值；
在滿足上述表達式二時，可以理解為當(dāng)前場景為人物聚集場景；
在不滿足表達式二時，根據(jù)表達式三從所檢測出的人物中確定移動緩慢人物，并根據(jù)表達式四從上述移動緩慢人物中確定可疑人物，
其中，上述表達式三為：
frmd＞Tcnt1且distbias＜Tdist1，
frmd表示所檢測出的人物中的任一人物j在目標視頻幀以及參考幀中出現(xiàn)的次數(shù)，distbias表示人物j的平均偏移距離，Tdist1表示預(yù)設(shè)的第一偏移距離閾值，Tcnt1表示預(yù)設(shè)的第一數(shù)量閾值；
上述表達式四為：
distrela＜Tdist2且frms＞Tcnt2，
distrela表示任一移動緩慢人物k的位置與posaver之間的距離，posaver表示各個移動緩慢人物的歷史偏移最慢處位置pospar的位置均值，pospar表示任一移動緩慢人物k在已采集視頻幀f中的位置，人物k從視頻幀f的前一幀移動至視頻幀f的移動距離為：人物k在已采集的采集時刻相鄰的兩視頻幀之間的移動距離的最小值，frms表示人物k在已采集的視頻幀中被確定為緩慢移動人物的次數(shù)，Tdist2表示預(yù)設(shè)的第二偏移距離閾值，Tcnt2表示表示預(yù)設(shè)的第二數(shù)量閾值。
實際應(yīng)用中，在上述異常情況為經(jīng)營者在室外設(shè)置的攤位的情況下，上述可疑人物可以理解為是經(jīng)營者、攤主，在上述異常情況為停車場的車輛越過停車位的情況下，上述可以人物可以理解為是車主。
需要說明的是，圖2所示實施例也主要應(yīng)用于圖像采集得到的非第一幀的情況。
由以上可見，本實施例提供的方案中，首先檢測目標視頻幀中的人物以及這些人物在參考幀中的人物位置，再檢測目標視頻幀中的可疑區(qū)域，最后結(jié)合所檢測出的人物以及參考幀中的人物位置，確定目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域?？梢姂?yīng)用本實施例提供的方案能夠檢測出視頻幀中存在異常情況的區(qū)域，無需工作人員通過巡邏的方式發(fā)現(xiàn)存在異常情況的區(qū)域，能夠減輕工作人員的工作壓力。
在本申請的另一種具體實現(xiàn)方式中，參見圖3，提供了第三種信息檢測方法的流程示意圖，與前述實施例相比，本實施例中，獲得所檢測出的人物在采集時刻位于目標視頻幀的采集時刻之前的預(yù)設(shè)數(shù)量個視頻幀中的位置(S102)，包括：
S102A：獲得參考幀中與所檢測出的人物相關(guān)聯(lián)的人物。
由于圖像采集設(shè)備是按照預(yù)設(shè)的時間間隔進行圖像采集的，且通常情況下上述預(yù)設(shè)的時間間隔一般較小，所以同一人物出現(xiàn)在連續(xù)多幀圖像中的概率較高，但是由于拍攝光線、拍攝角度、人物的行進速度等因素的影響，可能通常 情況下難以準確的檢測出同一人物在不同圖像中的位置，鑒于上述情況，一種情況下，上述與所檢測出的人物相關(guān)聯(lián)的人物可以理解為可能與所檢測出的人物系同一人物的人物。
S102B：根據(jù)所檢測出的人物與其相關(guān)聯(lián)人物之間的相似程度以及運動速度，計算所檢測出的人物的置信度。
其中，上述置信度，用于表示一個人物與其相關(guān)聯(lián)的人物為同一人物的可信程度。
S102C：獲得所檢測出的人物中置信度大于預(yù)設(shè)的置信度閾值的人物在參考幀中的人物位置。
具體的，可以將所檢測出的人物中置信度大于預(yù)設(shè)的置信度閾值Th1的人物以及該人物在參考幀中的相關(guān)聯(lián)人物構(gòu)成的片段稱之為高置信度片段，相反，將所檢測出的人物中置信度小于另一預(yù)設(shè)的置信度閾值Th2的人物以及該人物在參考幀中的相關(guān)聯(lián)人物構(gòu)成的片段稱之為低置信度片段。進一步的，后續(xù)可以根據(jù)上述的高置信度片段和低置信度片段確定目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域。
需要說明的是，上述兩個置信度閾值可以相等，也可以不相等，具體的，Th2可以小于Th1。
根據(jù)所檢測出的人物以及參考幀中的人物位置，確定目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域(S104)，包括：
S104A：根據(jù)所檢測出的人物中置信度大于預(yù)設(shè)的置信度閾值的人物以及參考幀中的人物位置，確定目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域。
由以上可見，本實施例提供的方案中，根據(jù)所檢測出的人物中置信度大于預(yù)設(shè)的置信度閾值的人物以及所獲得的位置，確定目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域，而非根據(jù)所檢測出的所有人物進行確定，因此能夠在保證確定結(jié)果準確的基礎(chǔ)上減少計算量，提高計算速度。
在本申請的另一種具體實現(xiàn)方式中，參見圖4，提供了第四種信息檢測方法的流程示意圖，與前述實施例相比，本實施例中，上述信息檢測方法還包括：
S105：在確定目標視頻幀的可疑區(qū)域存在異常情況的情況下，獲得該可疑區(qū)域在已采集的視頻幀中被確定為存在異常情況的區(qū)域的次數(shù)。
S106：在所獲得的次數(shù)滿足預(yù)設(shè)的監(jiān)測條件的情況下，發(fā)送報警提示信息。
具體的，上述預(yù)設(shè)的監(jiān)測條件可以是判斷所獲得的次數(shù)是否大于預(yù)設(shè)的次數(shù)閾值，若大于，判定所獲得的次數(shù)滿足預(yù)設(shè)的監(jiān)測條件，否則，判定所獲得的次數(shù)不滿足預(yù)設(shè)的監(jiān)測條件。上述預(yù)設(shè)的次數(shù)閾值可以為0、1、2等等。
由以上可見，本實施例提供的方案中，在確定目標視頻幀的可疑區(qū)域存在異常情況的情況下，發(fā)送報警提示信息，有助于工作人員及時發(fā)現(xiàn)異常情況，另外，可疑區(qū)域被確定為存在異常情況的區(qū)域的次數(shù)滿足一定監(jiān)測條件的情況下才發(fā)送報警提示信息，能夠有效減少誤報現(xiàn)象。
與上述信息檢測方法相對應(yīng)，本申請實施例提供了一種信息檢測裝置。
圖5為本申請實施例提供的第一種信息檢測裝置的結(jié)構(gòu)示意圖，該裝置包括：
人物檢測模塊501，用于檢測目標視頻幀中的人物；
位置獲得模塊502，用于獲得所檢測出的人物在參考幀中的人物位置，其中，所述參考幀為：采集時刻位于所述目標視頻幀的采集時刻之前的預(yù)設(shè)數(shù)量個視頻幀；
可疑區(qū)域檢測模塊503，用于根據(jù)預(yù)設(shè)的區(qū)域檢測算法，檢測所述目標視頻幀中的可疑區(qū)域；
異常區(qū)域確定模塊504，用于根據(jù)所檢測出的人物以及所述參考幀中的人物位置，確定所述目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域。
具體的，所述異常區(qū)域確定模塊504可以包括：
人物位置獲得子模塊，用于獲得所檢測出的人物在所述目標視頻幀中的人物位置；
可疑人物確定子模塊，用于根據(jù)所述目標視頻幀中的人物位置和所述參考幀中的人物位置，確定所檢測出的人物中的可疑人物；
對應(yīng)區(qū)域獲得子模塊，用于獲得所述參考幀的可疑區(qū)域中與所述目標視頻幀的可疑區(qū)域?qū)?yīng)的區(qū)域；
距離計算子模塊，用于在所述目標視頻幀中計算所述可疑人物與所述目標視頻幀的可疑區(qū)域之間的距離，并在所述參考幀中計算所述可疑人物與所獲得的區(qū)域之間的距離；
異常區(qū)域確定子模塊，用于確定所述目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域。
具體的，所述可疑人物確定子模塊可以包括：
第一信息判斷單元，用于判斷是否滿足表達式一，
其中，所述表達式一為：
meand＞Tm且vard＜Tv1，
meand表示所檢測出的各個人物的平均偏移距離的均值，vard表示所檢測出的各個人物的平均偏移距離的方差，Tm表示預(yù)設(shè)的均值閾值，Tv1表示預(yù)設(shè)的第一方差閾值，所檢測出的任一人物i的平均偏移距離，表示所述人物i在所述目標視頻幀以及所述參考幀中采集時刻相鄰的兩幀之間的移動距離的平均值；
第二信息判斷單元，用于在所述第一信息判斷單元的判斷結(jié)果為否的情況下，判斷是否滿足表達式二，
其中，所述表達式二為：
varp＜Tv2且vard＜Tv3，
varp表示所述目標視頻幀中的人物位置的方差，Tv2表示預(yù)設(shè)的第二方差閾值，Tv3表示預(yù)設(shè)的第三方差閾值；
可疑人物確定單元，用于在所述第二信息判斷單元的判斷結(jié)果為否的情況下，根據(jù)表達式三從所檢測出的人物中確定移動緩慢人物，并根據(jù)表達式四從所述移動緩慢人物中確定可疑人物，
其中，所述表達式三為：
frmd＞Tcnt1且distbias＜Tdist1，
frmd表示所檢測出的人物中的任一人物j在所述目標視頻幀以及所述參考幀中出現(xiàn)的次數(shù)，distbias表示所述人物j的平均偏移距離，Tdist1表示預(yù)設(shè)的第一偏移距離閾值，Tcnt1表示預(yù)設(shè)的第一數(shù)量閾值；
所述表達式四為：
distrela＜Tdist2且frms＞Tcnt2，
distrela表示任一移動緩慢人物k的位置與posaver之間的距離，posaver表示各個移動緩慢人物的歷史偏移最慢處位置pospar的位置均值，pospar表示任一移動緩慢人物k在已采集視頻幀f中的位置，所述人物k從所述視頻幀f的前一幀移動至所述視頻幀f的移動距離為：所述人物k在已采集的采集時刻相鄰的兩視頻幀之間的移動距離的最小值，frms表示所述人物k在已采集的視頻幀中被確定為緩慢移動人物的次數(shù)，Tdist2表示預(yù)設(shè)的第二偏移距離閾值，Tcnt2表示表示預(yù)設(shè)的第二數(shù)量閾值。
具體的，所述可疑區(qū)域檢測模塊503，可以具體用于根據(jù)預(yù)設(shè)的區(qū)域模型，檢測所述目標視頻幀中的可疑區(qū)域；或
所述可疑區(qū)域檢測模塊503，可以具體用于根據(jù)所述參考幀中存在異常情況的區(qū)域，確定所述目標視頻幀中的可疑區(qū)域；或
所述可疑區(qū)域檢測模塊503還可以包括：
備選可疑區(qū)域檢測子模塊5031，用于根據(jù)預(yù)設(shè)的區(qū)域模型，檢測所述目標視頻幀中的備選可疑區(qū)域；
第一可疑區(qū)域確定子模塊5032，用于根據(jù)所述參考幀和檢測到的備選可疑區(qū)域，確定所述目標視頻幀中的可疑區(qū)域。
在本申請的一種可選實現(xiàn)方式中，所述可疑區(qū)域檢測模塊503可以包括：
異常區(qū)域獲得子模塊，用于按照采集時刻，獲得所述目標視頻幀F(xiàn)C的前一視頻幀F(xiàn)F中存在異常情況的區(qū)域；
對應(yīng)區(qū)域確定子模塊，用于確定所述視頻幀F(xiàn)F中存在異常情況的區(qū)域在所述目標視頻幀中的對應(yīng)區(qū)域；
像素點個數(shù)統(tǒng)計子模塊，用于統(tǒng)計所確定的每一區(qū)域中屬于所述目標視頻幀F(xiàn)C的運動前景區(qū)域的像素點的個數(shù)；
比例判斷子模塊，用于判斷統(tǒng)計得到的每一像素點的個數(shù)是否滿足以下表達式：
NumFAm/NumTAm＜ThP，
其中，NumFam表示所確定的任一區(qū)域m中屬于所述目標視頻幀的運動前景區(qū)域的像素點的個數(shù)，NumTam表示所述區(qū)域m中像素點的總個數(shù)，ThP表示預(yù)設(shè)的第一像素點個數(shù)比例閾值；
第二可疑區(qū)域確定子模塊，用于在所述比例判斷子模塊的判斷結(jié)果為是的情況下，確定該像素點個數(shù)對應(yīng)的區(qū)域為所述目標視頻幀中的可疑區(qū)域。
在本申請的一種具體實現(xiàn)方式中，參見圖6，提供了第二種信息檢測裝置的結(jié)構(gòu)示意圖，與前述實施例相比，本實施例中，所述可疑區(qū)域檢測模塊503，包括：
備選可疑區(qū)域檢測子模塊5031，用于根據(jù)預(yù)設(shè)的區(qū)域模型，檢測所述目標視頻幀中的備選可疑區(qū)域；
第一可疑區(qū)域確定子模塊5032，用于根據(jù)所述參考幀和檢測到的備選可疑區(qū)域，確定所述目標視頻幀中的可疑區(qū)域。
具體的，所述備選可疑區(qū)域檢測子模塊5031可以包括：
前景區(qū)域確定單元，用于確定所述目標視頻幀中的前景區(qū)域；
備選可疑區(qū)域檢測單元，用于根據(jù)預(yù)設(shè)的區(qū)域模型，在所述前景區(qū)域中檢測備選可疑區(qū)域。
具體的，所述第一可疑區(qū)域確定子模塊5032可以包括：
位置相同區(qū)域確定單元，用于確定所述目標視頻幀F(xiàn)C的前一視頻幀F(xiàn)F中與檢測到的備選可疑區(qū)域位置相同的區(qū)域；
像素點個數(shù)獲得單元，用于獲得所確定的各個區(qū)域的像素點中屬于所述視頻幀F(xiàn)F中存在異常情況的區(qū)域的像素點的個數(shù)；
可疑區(qū)域確定單元，用于確定上述所確定的區(qū)域中滿足以下表達式的區(qū)域?qū)?yīng)的備選可疑區(qū)域為所述目標視頻幀中的可疑區(qū)域，
Na/Nt＞TN，
其中，Na表示所確定的任一區(qū)域S中屬于所述視頻幀F(xiàn)F中存在異常情況的區(qū)域的像素點的個數(shù)，Nt表示所述區(qū)域S中像素點的個數(shù)，TN表示預(yù)設(shè)的第二像素點個數(shù)比例閾值。
具體的，所述人物檢測模塊501可以包括：
人物檢測模型選擇子模塊，用于根據(jù)當(dāng)前時刻和/或當(dāng)前亮度，從預(yù)設(shè)的人物檢測模型庫中選擇人物檢測模型；
人物檢測子模塊，用于根據(jù)所選擇的人物檢測模型檢測目標視頻幀中的人物。
由以上可見，本實施例提供的方案中，首先檢測目標視頻幀中的人物以及這些人物在參考幀中的人物位置，再檢測目標視頻幀中的可疑區(qū)域，最后結(jié)合所檢測出的人物以及參考幀的人物位置，確定目標視頻幀的可疑區(qū)域是否為存在異常情況的區(qū)域?？梢姂?yīng)用本實施例提供的方案能夠檢測出視頻幀中存在異常情況的區(qū)域，無需工作人員通過巡邏的方式發(fā)現(xiàn)存在異常情況的區(qū)域，能夠減輕工作人員的工作壓力。
在本申請的另一種具體實現(xiàn)方式中，參見圖7，提供了第三種信息檢測裝置的結(jié)構(gòu)示意圖，與前述實施例相比，本實施例中，所述位置獲得模塊502，包括：
關(guān)聯(lián)人物獲得子模塊5021，用于獲得參考幀中與所檢測出的人物相關(guān)聯(lián)的人物；
置信度計算子模塊5022，用于根據(jù)所檢測出的人物與其相關(guān)聯(lián)人物之間的相似程度以及運動速度，計算所檢測出的人物的置信度，其中，所述置信度用于表示一個人物與其相關(guān)聯(lián)的人物為同一人物的可信程度；
位置獲得子模塊5023，用于獲得所檢測出的人物中置信度大于預(yù)設(shè)的置信度閾值的人物在所述參考幀中的人物位置；
所述異常區(qū)域確定模塊504，具體用于根據(jù)所檢測出的人物中置信度大于預(yù)設(shè)的置信度閾值的人物以及所述參考幀中的人物位置，確定所述目標視頻幀的 可疑區(qū)域是否為存在異常情況的區(qū)域。
由以上可見，本實施例提供的方案中，根據(jù)所檢測出的人物中置信度大于預(yù)設(shè)的置信度閾值的人物以及所獲得的位置，確定目標視頻的可疑區(qū)域是否為存在異常情況的區(qū)域，而非根據(jù)所檢測出的所有人物進行確定，因此能夠在保證確定結(jié)果準確的基礎(chǔ)上減少計算量，提高計算速度。
在本申請的另一種具體實現(xiàn)方式中，參見圖8，提供了第四種信息檢測裝置的結(jié)構(gòu)示意圖，與前述實施例相比，本實施例中，上述信息檢測裝置還包括：
次數(shù)獲得模塊505，用于在確定所述目標視頻幀的可疑區(qū)域存在異常情況的情況下，獲得該可疑區(qū)域在已采集的視頻幀中被確定為存在異常情況的區(qū)域的次數(shù)；
報警提示信息發(fā)送模塊506，用于在所獲得的次數(shù)滿足預(yù)設(shè)的監(jiān)測條件的情況下，發(fā)送報警提示信息。
由以上可見，本實施例提供的方案中，在確定目標視頻幀的可疑區(qū)域存在異常情況的情況下，發(fā)送報警提示信息，有助于工作人員及時發(fā)現(xiàn)異常情況，另外，可疑區(qū)域被確定為存在異常情況的區(qū)域的次數(shù)滿足一定監(jiān)測條件的情況下才發(fā)送報警提示信息，能夠有效減少誤報現(xiàn)象。
對于裝置實施例而言，由于其基本相似于方法實施例，所以描述的比較簡單，相關(guān)之處參見方法實施例的部分說明即可。
需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實體或者操作與另一個實體或操作區(qū)分開來，而不一定要求或者暗示這些實體或操作之間存在任何這種實際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。
本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述方法實施方式中的全部或部分步驟 是可以通過程序來指令相關(guān)的硬件來完成，所述的程序可以存儲于計算機可讀取存儲介質(zhì)中，這里所稱得的存儲介質(zhì)，如：ROM/RAM、磁碟、光盤等。
以上所述僅為本申請的較佳實施例而已，并非用于限定本申請的保護范圍。凡在本申請的精神和原則之內(nèi)所作的任何修改、等同替換、改進等，均包含在本申請的保護范圍內(nèi)。
- 還沒有人留言評論。精彩留言會獲得點贊！