一种信息检测方法及装置与流程
本申请涉及图像处理技术领域，特别涉及一种信息检测方法及装置。
背景技术：
随着社会进步以及经济发展，各个城市的商业越来越繁荣，沿街商铺逐年递增。经营者为了提高营业额，经常会将其经营摊位从商铺内搬移至商铺外。这样虽然为经营者带来了好处，但是却容易造成交通堵塞，影响市容市貌，为此，执法管理人员需不停地巡逻以减少这种情况的发生。
虽然通过执法人员巡逻的方式可以减少经营者将摊位从商铺内搬移至商铺外的现象，但是随着经济的发展，商铺越来越多，执法人员的工作压力也越来越大。
技术实现要素：
本申请实施例公开了一种信息检测方法及装置，以检测视频帧中存在异常情况的区域，减轻工作人员的工作压力。
为达到上述目的，本申请实施例公开了一种信息检测方法，所述方法包括：
检测目标视频帧中的人物；
获得所检测出的人物在参考帧中的人物位置，其中，所述参考帧为：采集时刻位于所述目标视频帧的采集时刻之前的预设数量个视频帧；
根据预设的区域检测算法，检测所述目标视频帧中的可疑区域；
根据所检测出的人物以及所述参考帧中的人物位置，确定所述目标视频帧的可疑区域是否为存在异常情况的区域。
在本申请的一种具体实现方式中，所述根据所检测出的人物以及所述参考帧中的人物位置，确定所述目标视频帧的可疑区域是否为存在异常情况的区域，包括：
获得所检测出的人物在所述目标视频帧中的人物位置；
根据所述目标视频帧中的人物位置和所述参考帧中的人物位置，确定所检测出的人物中的可疑人物；
确定所述参考帧中的可疑区域；
获得所述参考帧的可疑区域中与所述目标视频帧的可疑区域对应的区域；
在所述目标视频帧中计算所述可疑人物与所述目标视频帧的可疑区域之间的距离，并在所述参考帧中计算所述可疑人物与所获得的区域之间的距离；
根据计算得到的距离，确定所述目标视频帧的可疑区域是否为存在异常情况的区域。
在本申请的一种具体实现方式中，所述根据所述目标视频帧中的人物位置和所述参考帧中的人物位置，确定所检测出的人物中的可疑人物，包括：
判断是否满足表达式一，
其中，所述表达式一为：
meand＞Tm且vard＜Tv1，
meand表示所检测出的各个人物的平均偏移距离的均值，vard表示所检测出的各个人物的平均偏移距离的方差，Tm表示预设的均值阈值，Tv1表示预设的第一方差阈值，所检测出的任一人物i的平均偏移距离，表示所述人物i在所述目标视频帧以及所述参考帧中采集时刻相邻的两帧之间的移动距离的平均值；
若不满足，判断是否满足表达式二，
其中，所述表达式二为：
varp＜Tv2且vard＜Tv3，
varp表示所述目标视频帧中的人物位置的方差，Tv2表示预设的第二方差阈值，Tv3表示预设的第三方差阈值；
若不满足，根据表达式三从所检测出的人物中确定移动缓慢人物，并根据表达式四从所述移动缓慢人物中确定可疑人物，
其中，所述表达式三为：
frmd＞Tcnt1且distbias＜Tdist1，
frmd表示所检测出的人物中的任一人物j在所述目标视频帧以及所述参考帧中出现的次数，distbias表示所述人物j的平均偏移距离，Tdist1表示预设的第一偏移距离阈值，Tcnt1表示预设的第一数量阈值；
所述表达式四为：
distrela＜Tdist2且frms＞Tcnt2，
distrela表示任一移动缓慢人物k的位置与posaver之间的距离，posaver表示各个移动缓慢人物的历史偏移最慢处位置pospar的位置均值，pospar表示任一移动缓慢人物k在已采集视频帧f中的位置，所述人物k从所述视频帧f的前一帧移动至所述视频帧f的移动距离为：所述人物k在已采集的采集时刻相邻的两视频帧之间的移动距离的最小值，frms表示所述人物k在已采集的视频帧中被确定为缓慢移动人物的次数，Tdist2表示预设的第二偏移距离阈值，Tcnt2表示表示预设的第二数量阈值。
在本申请的一种具体实现方式中，所述根据预设的区域检测算法，检测所述目标视频帧中的可疑区域，包括：
根据预设的区域模型，检测所述目标视频帧中的可疑区域；或
根据所述参考帧中存在异常情况的区域，确定所述目标视频帧中的可疑区域；或
根据预设的区域模型，检测所述目标视频帧中的备选可疑区域；并根据所述参考帧和检测到的备选可疑区域，确定所述目标视频帧中的可疑区域。
在本申请的一种具体实现方式中，所述根据所述参考帧中存在异常情况的区域，确定所述目标视频帧中的可疑区域，包括：
按照采集时刻，获得所述目标视频帧FC的前一视频帧FF中存在异常情况的区域；
确定所述视频帧FF中存在异常情况的区域在所述目标视频帧FC中的对应区域；
统计所确定的每一区域中属于所述目标视频帧的运动前景区域的像素点的个数；
判断统计得到的每一像素点的个数是否满足以下表达式：
NumFAm/NumTAm＜ThP，
其中，NumFam表示所确定的任一区域m中属于所述目标视频帧的运动前景区域的像素点的个数，NumTam表示所述区域m中像素点的总个数，ThP表示预设的第一像素点个数比例阈值；
若满足，确定该像素点个数对应的区域为所述目标视频帧中的可疑区域。
在本申请的一种具体实现方式中，所述根据预设的区域模型，检测所述目标视频帧中的备选可疑区域，包括：
确定所述目标视频帧中的前景区域；
根据预设的区域模型，在所述前景区域中检测备选可疑区域。
在本申请的一种具体实现方式中，所述根据所述参考帧和检测到的备选可疑区域，确定所述目标视频帧中的可疑区域，包括：
确定所述目标视频帧FC的前一视频帧FF中与检测到的备选可疑区域位置相同的区域；
获得所确定的各个区域的像素点中属于所述视频帧FF中存在异常情况的区域的像素点的个数；
确定上述所确定的区域中满足以下表达式的区域对应的备选可疑区域为所述目标视频帧中的可疑区域，
Na/Nt＞TN，
其中，Na表示所确定的任一区域S中属于所述视频帧FF中存在异常情况的区域的像素点的个数，Nt表示所述区域S中像素点的个数，TN表示预设的第二像素点个数比例阈值。
在本申请的一种具体实现方式中，所述检测目标视频帧中的人物，包括：
根据当前时刻和/或当前亮度，从预设的人物检测模型库中选择人物检测模型；
根据所选择的人物检测模型检测目标视频帧中的人物。
在本申请的一种具体实现方式中，所述获得所检测出的人物在参考帧中的 人物位置，包括：
获得参考帧中与所检测出的人物相关联的人物；
根据所检测出的人物与其相关联人物之间的相似程度以及运动速度，计算所检测出的人物的置信度，其中，所述置信度，用于表示一个人物与其相关联的人物为同一人物的可信程度；
获得所检测出的人物中置信度大于预设的置信度阈值的人物在所述参考帧中的人物位置；
所述根据所检测出的人物以及所述参考帧中的人物位置，确定所述目标视频帧的可疑区域是否为存在异常情况的区域，包括：
根据所检测出的人物中置信度大于预设的置信度阈值的人物以及所述参考帧中的人物位置，确定所述目标视频帧的可疑区域是否为存在异常情况的区域。
在本申请的一种具体实现方式中，所述信息检测方法还包括：
在确定所述目标视频帧的可疑区域存在异常情况的情况下，获得该可疑区域在已采集的视频帧中被确定为存在异常情况的区域的次数；
在所获得的次数满足预设的监测条件的情况下，发送报警提示信息。
为达到上述目的，本申请实施例公开了一种信息检测装置，所述装置包括：
人物检测模块，用于检测目标视频帧中的人物；
位置获得模块，用于获得所检测出的人物在参考帧中的人物位置，其中，所述参考帧为：采集时刻位于所述目标视频帧的采集时刻之前的预设数量个视频帧；
可疑区域检测模块，用于根据预设的区域检测算法，检测所述目标视频帧中的可疑区域；
异常区域确定模块，用于根据所检测出的人物以及所述参考帧中的人物位置，确定所述目标视频帧的可疑区域是否为存在异常情况的区域。
在本申请的一种具体实现方式中，所述异常区域确定模块，包括：
人物位置获得子模块，用于获得所检测出的人物在所述目标视频帧中的人 物位置；
可疑人物确定子模块，用于根据所述目标视频帧中的人物位置和所述参考帧中的人物位置，确定所检测出的人物中的可疑人物；
对应区域获得子模块，用于获得所述参考帧的可疑区域中与所述目标视频帧的可疑区域对应的区域；
距离计算子模块，用于在所述目标视频帧中计算所述可疑人物与所述目标视频帧的可疑区域之间的距离，并在所述参考帧中计算所述可疑人物与所获得的区域之间的距离；
异常区域确定子模块，用于确定所述目标视频帧的可疑区域是否为存在异常情况的区域。
在本申请的一种具体实现方式中，所述可疑人物确定子模块，包括：
第一信息判断单元，用于判断是否满足表达式一，
其中，所述表达式一为：
meand＞Tm且vard＜Tv1，
meand表示所检测出的各个人物的平均偏移距离的均值，vard表示所检测出的各个人物的平均偏移距离的方差，Tm表示预设的均值阈值，Tv1表示预设的第一方差阈值，所检测出的任一人物i的平均偏移距离，表示所述人物i在所述目标视频帧以及所述参考帧中采集时刻相邻的两帧之间的移动距离的平均值；
第二信息判断单元，用于在所述第一信息判断单元的判断结果为否的情况下，判断是否满足表达式二，
其中，所述表达式二为：
varp＜Tv2且vard＜Tv3，
varp表示所述目标视频帧中的人物位置的方差，Tv2表示预设的第二方差阈值，Tv3表示预设的第三方差阈值；
可疑人物确定单元，用于在所述第二信息判断单元的判断结果为否的情况下，根据表达式三从所检测出的人物中确定移动缓慢人物，并根据表达式四从 所述移动缓慢人物中确定可疑人物，
其中，所述表达式三为：
frmd＞Tcnt1且distbias＜Tdist1，
frmd表示所检测出的人物中的任一人物j在所述目标视频帧以及所述参考帧中出现的次数，distbias表示所述人物j的平均偏移距离，Tdist1表示预设的第一偏移距离阈值，Tcnt1表示预设的第一数量阈值；
所述表达式四为：
distrela＜Tdist2且frms＞Tcnt2，
distrela表示任一移动缓慢人物k的位置与posaver之间的距离，posaver表示各个移动缓慢人物的历史偏移最慢处位置pospar的位置均值，pospar表示任一移动缓慢人物k在已采集视频帧f中的位置，所述人物k从所述视频帧f的前一帧移动至所述视频帧f的移动距离为：所述人物k在已采集的采集时刻相邻的两视频帧之间的移动距离的最小值，frms表示所述人物k在已采集的视频帧中被确定为缓慢移动人物的次数，Tdist2表示预设的第二偏移距离阈值，Tcnt2表示表示预设的第二数量阈值。
在本申请的一种具体实现方式中，所述可疑区域检测模块，具体用于根据预设的区域模型，检测所述目标视频帧中的可疑区域；或
所述可疑区域检测模块，具体用于根据所述参考帧中存在异常情况的区域，确定所述目标视频帧中的可疑区域；或
所述可疑区域检测模块，包括：
备选可疑区域检测子模块，用于根据预设的区域模型，检测所述目标视频帧中的备选可疑区域；
第一可疑区域确定子模块，用于根据所述参考帧和检测到的备选可疑区域，确定所述目标视频帧中的可疑区域。
在本申请的一种具体实现方式中，所述可疑区域检测模块，包括：
异常区域获得子模块，用于按照采集时刻，获得所述目标视频帧FC的前一视频帧FF中存在异常情况的区域；
对应区域确定子模块，用于确定所述视频帧FF中存在异常情况的区域在所述目标视频帧中的对应区域；
像素点个数统计子模块，用于统计所确定的每一区域中属于所述目标视频帧的运动前景区域的像素点的个数；
比例判断子模块，用于判断统计得到的每一像素点的个数是否满足以下表达式：
NumFAm/NumTAm＜ThP，
其中，NumFam表示所确定的任一区域m中属于所述目标视频帧的运动前景区域的像素点的个数，NumTam表示所述区域m中像素点的总个数，ThP表示预设的第一像素点个数比例阈值；
第二可疑区域确定子模块，用于在所述比例判断子模块的判断结果为是的情况下，确定该像素点个数对应的区域为所述目标视频帧中的可疑区域。
在本申请的一种具体实现方式中，所述备选可疑区域检测子模块，包括：
前景区域确定单元，用于确定所述目标视频帧中的前景区域；
备选可疑区域检测单元，用于根据预设的区域模型，在所述前景区域中检测备选可疑区域。
在本申请的一种具体实现方式中，所述第一可疑区域确定子模块，包括：
位置相同区域确定单元，用于确定所述目标视频帧FC的前一视频帧FF中与检测到的备选可疑区域位置相同的区域；
像素点个数获得单元，用于获得所确定的各个区域的像素点中属于所述视频帧FF中存在异常情况的区域的像素点的个数；
可疑区域确定单元，用于确定上述所确定的区域中满足以下表达式的区域对应的备选可疑区域为所述目标视频帧中的可疑区域，
Na/Nt＞TN，
其中，Na表示所确定的任一区域S中属于所述视频帧FF中存在异常情况的区域的像素点的个数，Nt表示所述区域S中像素点的个数，TN表示预设的第二像素 点个数比例阈值。
在本申请的一种具体实现方式中，所述人物检测模块，包括：
人物检测模型选择子模块，用于根据当前时刻和/或当前亮度，从预设的人物检测模型库中选择人物检测模型；
人物检测子模块，用于根据所选择的人物检测模型检测目标视频帧中的人物。
在本申请的一种具体实现方式中，所述位置获得模块，包括：
关联人物获得子模块，用于获得参考帧中与所检测出的人物相关联的人物；
置信度计算子模块，用于根据所检测出的人物与其相关联人物之间的相似程度以及运动速度，计算所检测出的人物的置信度，其中，所述置信度用于表示一个人物与其相关联的人物为同一人物的可信程度；
位置获得子模块，用于获得所检测出的人物中置信度大于预设的置信度阈值的人物在所述参考帧中的人物位置；
所述异常区域确定模块，具体用于根据所检测出的人物中置信度大于预设的置信度阈值的人物以及所述参考帧中的人物位置，确定所述目标视频帧的可疑区域是否为存在异常情况的区域。
在本申请的一种具体实现方式中，所述信息检测装置还包括：
次数获得模块，用于在确定所述目标视频帧的可疑区域存在异常情况的情况下，获得该可疑区域在已采集的视频帧中被确定为存在异常情况的区域的次数；
报警提示信息发送模块，用于在所获得的次数满足预设的监测条件的情况下，发送报警提示信息。
由以上可见，本申请实施例提供的方案中，首先检测目标视频帧中的人物以及这些人物在参考帧中的人物位置，再检测目标视频帧中的可疑区域，最后结合所检测出的人物以及参考帧中的人物位置，确定目标视频帧的可疑区域是否为存在异常情况的区域。可见应用本申请实施例提供的方案能够检测出视频帧中存在异常情况的区域，无需工作人员通过巡逻的方式发现存在异常情况的 区域，能够减轻工作人员的工作压力。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的第一种信息检测方法的流程示意图；
图2为本申请实施例提供的第二种信息检测方法的流程示意图；
图3为本申请实施例提供的第三种信息检测方法的流程示意图；
图4为本申请实施例提供的第四种信息检测方法的流程示意图；
图5为本申请实施例提供的第一种信息检测装置的结构示意图；
图6为本申请实施例提供的第二种信息检测装置的结构示意图；
图7为本申请实施例提供的第三种信息检测装置的结构示意图；
图8为本申请实施例提供的第四种信息检测装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1为本申请实施例提供的第一种信息检测方法的流程示意图，该方法包括：
S101：检测目标视频帧中的人物。
上述目标视频帧可以是通过图像采集设备实时采集得到的图像，其中，图像采集设备可以是视频监控中常用的球机等图像采集设备。本领域内的技术人员可以理解的是，实际应用中可以为一个球机设置多个预置位，按照预设的时间间隔分别对各个预置位对应的区域进行图像采集。需要说明的是，在上述图 像采集设备为球机的情况下，应用本申请实施例提供的方案进行信息检测时，可以理解为针对球机在一个预置位所采集图像进行信息检测的情况。
当然，上述图像采集设备并不仅限于球机，本申请并不对此进行限定。
可以理解的，检测目标视频帧中的人物时，可以通过基于统计的人物检测方法进行检测，通过基于统计的人物检测方法进行检测时需要构建模型，又由于构建模型时所构建模型的准确性与所选择样本的场景、光照强度、亮度等因素相关，因此，可以构建多个模型，然后在不同条件下选择不同的模型进行检测，以提高人物检测的准确率。
具体的，检测目标视频帧中的人物时，可以先根据当前时刻和/或当前亮度，从预设的人物检测模型库中选择人物检测模型，然后根据所选择的人物检测模型检测目标视频帧中的人物。
例如，上述预设的人物检测模型库中可以包括以白天为背景的行人模型和以夜晚为背景的行人模型等等，当然，还可以包括以晴天为背景的行人模型、以阴天为背景的行人模型等等，本申请并不对此进行限定。
S102：获得所检测出的人物在参考帧中的人物位置。
其中，上述参考帧可以理解为：采集时刻位于目标视频帧的采集时刻之前的预设数量个视频帧，上述预设数量的取值一般大于等于1。
由于图像采集设备是按照固定的时间间隔进行图像采集的，而且这一固定时间间隔一般较小，例如，0.04秒等等，所以，图像采集设备对同一场景进行图像采集时，通常相同的人物会出现在连续多帧图像中，所以，S101中所检测出的目标视频帧中的人物，一般会在采集时刻位于目标视频帧的采集时刻之前的若干视频帧中出现。
上述预设数量可以根据实际应用情况进行确定，例如，可以是5、10、20等等。
获得所检测出的人物在参考帧中的人物位置后，可以根据所获得的这些位置信息分析出所检测出的各个人物的运动轨迹等信息，该运动轨迹信息中可以包括：人物的运动路径、运动速度等信息，进一步的根据人物的运动轨迹可以分析出该人物是在快速前进、慢速前进、徘徊还是静止等等。
需要说明的是，上述参考帧与目标视频帧是对于同一预置位的视频帧，或者称之为对于同一场景的视频帧。
S103：根据预设的区域检测算法，检测目标视频帧中的可疑区域。
需要说明的是，区域检测算法属于比较成熟的技术，本领域内的技术人员能够根据现有技术容易获知多种区域检测算法，这里不再一一赘述，较常见的区域检测算法有CNN(Convolutional Neural Networks，卷积神经网络)区域检测算法等等。
上述可疑区域可以是疑似经营者在室外设置的摊位区域、疑似停车场的停车位区域等等，本申请并不对可疑区域的具体呈现形式进行限定。
具体的，根据预设的区域检测算法，检测目标视频帧中的可疑区域时，可以根据预设的区域模型，检测所述目标视频帧中的可疑区域，该方式中，目标视频帧可以是进行图像采集的第一帧，当然也可以是进行图像采集的非第一帧，本申请并不对此进行限定。
另外，本领域内的技术人员可以理解的是，采集时刻相邻的视频帧之间具有时间相关性以及空间相关性，也就是说检测目标视频帧中的可疑区域时可以参考目标视频帧的参考帧或其中存在异常情况的区域，其中，所参考的参考帧的帧数可以是一帧，也可以是多帧，本申请并不对具体参考的帧数进行限定。
在本申请的一种具体实现方式中，根据参考帧中存在异常情况的区域，确定目标视频帧中的可疑区域时，可以先按照采集时刻，获得目标视频帧FC的前一视频帧FF中存在异常情况的区域，确定视频帧FF中存在异常情况的区域在目标视频帧FC中的对应区域，统计确定的每一区域中属于目标视频帧的运动前景区域的像素点的个数，然后判断统计得到的每一像素点的个数是否满足以下表达式：NumFAm/NumTAm＜ThP，若满足，确定该像素点个数对应的区域为目标视频帧中的可疑区域。
对于上述异常情况为经营摊位的情况而言，由于摊位一般是静止不变的，所以，当判断得统计得到的任一像素点个数满足上述表达式时，说明目标视频帧中该像素点个数对应的区域为静止摊位的可能性较高，因此，可以确定该像素点个数对应的区域为目标视频帧中的可疑区域。
需要说明的是，该具体实现方式主要应用于图像采集得到的非第一帧的情况。
本领域内的技术人员可以理解的是，对于静止摊位而言，其一般情况下是长时间处于静止状态的，所以同一静止摊位所在区域在多个连续的视频帧中一般均会出现且处于静止状态，鉴于这种情况，在本申请的一种较佳实现方式中，还可以在判断得所获得的每一区域对应的属于目标视频帧的运动前景区域的像素点的个数与该区域中像素点总数之间的比例小于预设的第一像素点个数比例阈值之后，判断该区域在采集时刻位于目标视频帧之前的视频帧中被确定为存在异常情况的区域的次数是否大于预设的数值，若大于，则确定该区域在目标视频帧中的对应区域为目标视频帧中的可疑区域。
由于对于同一场景而言，背景区域是几乎不变的，所以，上述目标视频帧中的运动前景区域可以利用通过自适应方式构建的背景模型提取运动前景区域的方式得到，另外，为保证背景模型的准确性，还可以根据图像采集设备所采集的每一帧图像不断更新上述背景模型。
另外，在本申请的另一种具体实现方式中，参见图2，提供了第二种信息检测方法的流程示意图，与前述实施例相比，本实施例中，根据预设的区域检测算法，检测目标视频帧中的可疑区域(S103)，包括：
S103A：根据预设的区域模型，检测目标视频帧中的备选可疑区域。
与S101中在目标视频帧中进行人物检测类似，检测目标视频帧中的备选可疑区域时也可以通过模型匹配方法进行检测，上述预设的区域模型可以是预先构建的。
例如，可以预先获得多个经营者在室外设置的摊位的图像信息，然后可以通过机器学习等方法构建摊位区域模型，其中，预先获得的各个图像信息中摊位越具有代表性越有助于构建较佳的摊位模型，另外，预先获得的图像信息越多，越有助于构建较佳的摊位模型。
通常情况下，图像采集设备是针对同一场景进行图像采集的，这样所采集图像的背景几乎不变，例如，街道建筑物、商铺门面等等，而前景则是不断变化的，因此，检测目标视频中的备选可疑区域时可以基于目标视频的前景区域进行检测，具体的，根据预设的区域模型，检测目标视频帧中的备选可疑区域 时，可以先确定目标视频帧中的前景区域，然后根据预设的区域模型，在上述前景区域中检测备选可疑区域。
由于对于同一场景而言，背景区域是几乎不变的，所以，实际应用中可以在不存在异常情况的时候预先采集图像作为背景模型，之后进行信息检测时，将所采集到的图像与上述的背景模型进行差分计算，从所采集到的图像中分割出前景区域。
S103B：根据参考帧和检测到的备选可疑区域，确定目标视频帧中的可疑区域。
在确定目标视频帧中的可疑区域时，可以根据预设位置法进行确定，具体的，若备选可疑区域与预设的位置信息相匹配，则认为该备选可疑区域为目标视频帧中的可疑区域，上述预设的位置信息可以是根据运营维护人员的经验设定的等等。
在本申请的一种较佳实现方式中，根据参考帧和检测到的备选可疑区域，确定目标视频帧中的可疑区域时，可以先确定目标视频帧FC的前一视频帧FF中与检测到的备选可疑区域位置相同的区域，获得所确定的各个区域的像素点中属于视频帧FF中存在异常情况的区域的像素点的个数，再确定上述所确定的区域中满足以下表达式的区域对应的备选可疑区域为目标视频帧中的可疑区域，
Na/Nt＞TN，
其中，Na表示所确定的任一区域S中属于视频帧FF中存在异常情况的区域的像素点的个数，Nt表示区域S中像素点的个数，TN表示预设的第二像素点个数比例阈值。
具体的，对于经营摊位而言，通常情况下是静止不动的，因而上述存在异常情况的区域可以理解为具有静止不动这一特性的区域，这种情况下Na/Nt＞TN时，可以认为可疑区域是固定不动的，若在满足上述关系式的基础上经检测某一区域在连续若干帧中均是固定不动的，可以认为该区域为疑似摊位区域。
S104：根据所检测出的人物以及参考帧中的人物位置，确定目标视频帧的可疑区域是否为存在异常情况的区域。
可以理解的，上述可疑区域并不一定真的是存在异常情况的区域，所以还 需要进一步判断目标视频帧的可疑区域是否为存在异常情况的区域。例如，上述异常情况可以是经营者在室外设置的摊位的情况、停车场的车辆越过停车位的情况等等，本申请并不对上述异常情况的具体呈现形式进行限定。
具体的，实际应用中存在异常情况的区域除了与其自身的特点相关外，还可能会与其周围的人物相关，例如，经营者一般位于摊位的附近，且在摊位的附近徘徊等等。
鉴于上述情况，在本申请的一种可选实现方式中，根据所检测出的人物以及参考帧中的人物位置，确定目标视频帧的可疑区域是否为存在异常情况的区域时，可以先获得所检测出的人物在目标视频帧中的人物位置，根据目标视频帧中的人物位置和参考帧中的人物位置，确定所检测出的人物中的可疑人物，然后确定参考帧中的可疑区域，并获得参考帧的可疑区域中与目标视频帧的可疑区域对应的区域，在目标视频帧中计算可疑人物与目标视频帧的可疑区域之间的距离，并在参考帧中计算可疑人物与所获得的区域之间的距离，最后根据计算得到的距离，确定目标视频帧的可疑区域是否为存在异常情况的区域。
需要说明的是，本实施例提供的方案是针对目标视频帧进行信息检测的，检测过程中，在S103中会检测目标视频帧中的可疑区域。对于参考帧而言，由于参考帧是采集时刻位于目标视频帧的采集时刻之前的视频帧，所以在对目标视频帧进行信息检测时，已对参考帧进行过相同的信息检测，其检测过程与对目标视频帧进行信息检测的过程相同，因此，针对参考帧的信息检测过程中会获得参考帧的可疑区域。为方便视频序列中的每一帧作为后续视频帧的参考帧，对视频序列中的每一帧进行信息检测之后，可以先将检测得到的该视频帧的可疑区域的信息进行本地存储，当该视频帧作为其他视频帧的参考帧时，可以直接从本地存储的信息中获得该视频帧的可疑区域的信息。
可选的，根据计算得到的距离，确定目标视频帧的可疑区域是否为存在异常情况的区域时，可以通过计算得到的距离的均值，确定目标视频帧的可疑区域是否为存在异常情况的区域，具体的，可以是在上述计算得到的距离的均值小于预设的距离阈值的情况下，认为目标视频帧的可疑区域为存在异常情况的区域，相反的，在上述计算得到的距离的均值不小于预设的距离阈值的情况下，认为目标视频帧的可疑区域为不存在异常情况的区域。
另外，在确定目标视频帧的可疑区域是否为存在异常情况的区域时，除了可以根据上述计算得到的距离的均值确定之外，还可以考虑上述计算得到的距离的方差等信息，本申请并不对此进行限定。
在本申请的一种较佳实现方式中，根据目标视频帧中的人物位置和参考帧中的人物位置，确定所检测出的人物中的可疑人物，可以通过以下步骤确定：
判断是否满足表达式一，
其中，上述表达式一为：
meand＞Tm且vard＜Tv1，
meand表示所检测出的各个人物的平均偏移距离的均值，vard表示所检测出的各个人物的平均偏移距离的方差，Tm表示预设的均值阈值，Tv1表示预设的第一方差阈值，所检测出的任一人物i的平均偏移距离，表示人物i在目标视频帧以及参考帧中采集时刻相邻的两帧之间的移动距离的平均值；
在满足上述表达式一时，可以理解为人物在集体移动；
而在不满足上述表达式一时，继续判断是否满足表达式二，
其中，上述表达式二为：
varp＜Tv2且vard＜Tv3，
varp表示目标视频帧中的人物位置的方差，Tv2表示预设的第二方差阈值，Tv3表示预设的第三方差阈值；
在满足上述表达式二时，可以理解为当前场景为人物聚集场景；
在不满足表达式二时，根据表达式三从所检测出的人物中确定移动缓慢人物，并根据表达式四从上述移动缓慢人物中确定可疑人物，
其中，上述表达式三为：
frmd＞Tcnt1且distbias＜Tdist1，
frmd表示所检测出的人物中的任一人物j在目标视频帧以及参考帧中出现的次数，distbias表示人物j的平均偏移距离，Tdist1表示预设的第一偏移距离阈值，Tcnt1表示预设的第一数量阈值；
上述表达式四为：
distrela＜Tdist2且frms＞Tcnt2，
distrela表示任一移动缓慢人物k的位置与posaver之间的距离，posaver表示各个移动缓慢人物的历史偏移最慢处位置pospar的位置均值，pospar表示任一移动缓慢人物k在已采集视频帧f中的位置，人物k从视频帧f的前一帧移动至视频帧f的移动距离为：人物k在已采集的采集时刻相邻的两视频帧之间的移动距离的最小值，frms表示人物k在已采集的视频帧中被确定为缓慢移动人物的次数，Tdist2表示预设的第二偏移距离阈值，Tcnt2表示表示预设的第二数量阈值。
实际应用中，在上述异常情况为经营者在室外设置的摊位的情况下，上述可疑人物可以理解为是经营者、摊主，在上述异常情况为停车场的车辆越过停车位的情况下，上述可以人物可以理解为是车主。
需要说明的是，图2所示实施例也主要应用于图像采集得到的非第一帧的情况。
由以上可见，本实施例提供的方案中，首先检测目标视频帧中的人物以及这些人物在参考帧中的人物位置，再检测目标视频帧中的可疑区域，最后结合所检测出的人物以及参考帧中的人物位置，确定目标视频帧的可疑区域是否为存在异常情况的区域。可见应用本实施例提供的方案能够检测出视频帧中存在异常情况的区域，无需工作人员通过巡逻的方式发现存在异常情况的区域，能够减轻工作人员的工作压力。
在本申请的另一种具体实现方式中，参见图3，提供了第三种信息检测方法的流程示意图，与前述实施例相比，本实施例中，获得所检测出的人物在采集时刻位于目标视频帧的采集时刻之前的预设数量个视频帧中的位置(S102)，包括：
S102A：获得参考帧中与所检测出的人物相关联的人物。
由于图像采集设备是按照预设的时间间隔进行图像采集的，且通常情况下上述预设的时间间隔一般较小，所以同一人物出现在连续多帧图像中的概率较高，但是由于拍摄光线、拍摄角度、人物的行进速度等因素的影响，可能通常 情况下难以准确的检测出同一人物在不同图像中的位置，鉴于上述情况，一种情况下，上述与所检测出的人物相关联的人物可以理解为可能与所检测出的人物系同一人物的人物。
S102B：根据所检测出的人物与其相关联人物之间的相似程度以及运动速度，计算所检测出的人物的置信度。
其中，上述置信度，用于表示一个人物与其相关联的人物为同一人物的可信程度。
S102C：获得所检测出的人物中置信度大于预设的置信度阈值的人物在参考帧中的人物位置。
具体的，可以将所检测出的人物中置信度大于预设的置信度阈值Th1的人物以及该人物在参考帧中的相关联人物构成的片段称之为高置信度片段，相反，将所检测出的人物中置信度小于另一预设的置信度阈值Th2的人物以及该人物在参考帧中的相关联人物构成的片段称之为低置信度片段。进一步的，后续可以根据上述的高置信度片段和低置信度片段确定目标视频帧的可疑区域是否为存在异常情况的区域。
需要说明的是，上述两个置信度阈值可以相等，也可以不相等，具体的，Th2可以小于Th1。
根据所检测出的人物以及参考帧中的人物位置，确定目标视频帧的可疑区域是否为存在异常情况的区域(S104)，包括：
S104A：根据所检测出的人物中置信度大于预设的置信度阈值的人物以及参考帧中的人物位置，确定目标视频帧的可疑区域是否为存在异常情况的区域。
由以上可见，本实施例提供的方案中，根据所检测出的人物中置信度大于预设的置信度阈值的人物以及所获得的位置，确定目标视频帧的可疑区域是否为存在异常情况的区域，而非根据所检测出的所有人物进行确定，因此能够在保证确定结果准确的基础上减少计算量，提高计算速度。
在本申请的另一种具体实现方式中，参见图4，提供了第四种信息检测方法的流程示意图，与前述实施例相比，本实施例中，上述信息检测方法还包括：
S105：在确定目标视频帧的可疑区域存在异常情况的情况下，获得该可疑区域在已采集的视频帧中被确定为存在异常情况的区域的次数。
S106：在所获得的次数满足预设的监测条件的情况下，发送报警提示信息。
具体的，上述预设的监测条件可以是判断所获得的次数是否大于预设的次数阈值，若大于，判定所获得的次数满足预设的监测条件，否则，判定所获得的次数不满足预设的监测条件。上述预设的次数阈值可以为0、1、2等等。
由以上可见，本实施例提供的方案中，在确定目标视频帧的可疑区域存在异常情况的情况下，发送报警提示信息，有助于工作人员及时发现异常情况，另外，可疑区域被确定为存在异常情况的区域的次数满足一定监测条件的情况下才发送报警提示信息，能够有效减少误报现象。
与上述信息检测方法相对应，本申请实施例提供了一种信息检测装置。
图5为本申请实施例提供的第一种信息检测装置的结构示意图，该装置包括：
人物检测模块501，用于检测目标视频帧中的人物；
位置获得模块502，用于获得所检测出的人物在参考帧中的人物位置，其中，所述参考帧为：采集时刻位于所述目标视频帧的采集时刻之前的预设数量个视频帧；
可疑区域检测模块503，用于根据预设的区域检测算法，检测所述目标视频帧中的可疑区域；
异常区域确定模块504，用于根据所检测出的人物以及所述参考帧中的人物位置，确定所述目标视频帧的可疑区域是否为存在异常情况的区域。
具体的，所述异常区域确定模块504可以包括：
人物位置获得子模块，用于获得所检测出的人物在所述目标视频帧中的人物位置；
可疑人物确定子模块，用于根据所述目标视频帧中的人物位置和所述参考帧中的人物位置，确定所检测出的人物中的可疑人物；
对应区域获得子模块，用于获得所述参考帧的可疑区域中与所述目标视频帧的可疑区域对应的区域；
距离计算子模块，用于在所述目标视频帧中计算所述可疑人物与所述目标视频帧的可疑区域之间的距离，并在所述参考帧中计算所述可疑人物与所获得的区域之间的距离；
异常区域确定子模块，用于确定所述目标视频帧的可疑区域是否为存在异常情况的区域。
具体的，所述可疑人物确定子模块可以包括：
第一信息判断单元，用于判断是否满足表达式一，
其中，所述表达式一为：
meand＞Tm且vard＜Tv1，
meand表示所检测出的各个人物的平均偏移距离的均值，vard表示所检测出的各个人物的平均偏移距离的方差，Tm表示预设的均值阈值，Tv1表示预设的第一方差阈值，所检测出的任一人物i的平均偏移距离，表示所述人物i在所述目标视频帧以及所述参考帧中采集时刻相邻的两帧之间的移动距离的平均值；
第二信息判断单元，用于在所述第一信息判断单元的判断结果为否的情况下，判断是否满足表达式二，
其中，所述表达式二为：
varp＜Tv2且vard＜Tv3，
varp表示所述目标视频帧中的人物位置的方差，Tv2表示预设的第二方差阈值，Tv3表示预设的第三方差阈值；
可疑人物确定单元，用于在所述第二信息判断单元的判断结果为否的情况下，根据表达式三从所检测出的人物中确定移动缓慢人物，并根据表达式四从所述移动缓慢人物中确定可疑人物，
其中，所述表达式三为：
frmd＞Tcnt1且distbias＜Tdist1，
frmd表示所检测出的人物中的任一人物j在所述目标视频帧以及所述参考帧中出现的次数，distbias表示所述人物j的平均偏移距离，Tdist1表示预设的第一偏移距离阈值，Tcnt1表示预设的第一数量阈值；
所述表达式四为：
distrela＜Tdist2且frms＞Tcnt2，
distrela表示任一移动缓慢人物k的位置与posaver之间的距离，posaver表示各个移动缓慢人物的历史偏移最慢处位置pospar的位置均值，pospar表示任一移动缓慢人物k在已采集视频帧f中的位置，所述人物k从所述视频帧f的前一帧移动至所述视频帧f的移动距离为：所述人物k在已采集的采集时刻相邻的两视频帧之间的移动距离的最小值，frms表示所述人物k在已采集的视频帧中被确定为缓慢移动人物的次数，Tdist2表示预设的第二偏移距离阈值，Tcnt2表示表示预设的第二数量阈值。
具体的，所述可疑区域检测模块503，可以具体用于根据预设的区域模型，检测所述目标视频帧中的可疑区域；或
所述可疑区域检测模块503，可以具体用于根据所述参考帧中存在异常情况的区域，确定所述目标视频帧中的可疑区域；或
所述可疑区域检测模块503还可以包括：
备选可疑区域检测子模块5031，用于根据预设的区域模型，检测所述目标视频帧中的备选可疑区域；
第一可疑区域确定子模块5032，用于根据所述参考帧和检测到的备选可疑区域，确定所述目标视频帧中的可疑区域。
在本申请的一种可选实现方式中，所述可疑区域检测模块503可以包括：
异常区域获得子模块，用于按照采集时刻，获得所述目标视频帧FC的前一视频帧FF中存在异常情况的区域；
对应区域确定子模块，用于确定所述视频帧FF中存在异常情况的区域在所述目标视频帧中的对应区域；
像素点个数统计子模块，用于统计所确定的每一区域中属于所述目标视频帧FC的运动前景区域的像素点的个数；
比例判断子模块，用于判断统计得到的每一像素点的个数是否满足以下表达式：
NumFAm/NumTAm＜ThP，
其中，NumFam表示所确定的任一区域m中属于所述目标视频帧的运动前景区域的像素点的个数，NumTam表示所述区域m中像素点的总个数，ThP表示预设的第一像素点个数比例阈值；
第二可疑区域确定子模块，用于在所述比例判断子模块的判断结果为是的情况下，确定该像素点个数对应的区域为所述目标视频帧中的可疑区域。
在本申请的一种具体实现方式中，参见图6，提供了第二种信息检测装置的结构示意图，与前述实施例相比，本实施例中，所述可疑区域检测模块503，包括：
备选可疑区域检测子模块5031，用于根据预设的区域模型，检测所述目标视频帧中的备选可疑区域；
第一可疑区域确定子模块5032，用于根据所述参考帧和检测到的备选可疑区域，确定所述目标视频帧中的可疑区域。
具体的，所述备选可疑区域检测子模块5031可以包括：
前景区域确定单元，用于确定所述目标视频帧中的前景区域；
备选可疑区域检测单元，用于根据预设的区域模型，在所述前景区域中检测备选可疑区域。
具体的，所述第一可疑区域确定子模块5032可以包括：
位置相同区域确定单元，用于确定所述目标视频帧FC的前一视频帧FF中与检测到的备选可疑区域位置相同的区域；
像素点个数获得单元，用于获得所确定的各个区域的像素点中属于所述视频帧FF中存在异常情况的区域的像素点的个数；
可疑区域确定单元，用于确定上述所确定的区域中满足以下表达式的区域对应的备选可疑区域为所述目标视频帧中的可疑区域，
Na/Nt＞TN，
其中，Na表示所确定的任一区域S中属于所述视频帧FF中存在异常情况的区域的像素点的个数，Nt表示所述区域S中像素点的个数，TN表示预设的第二像素点个数比例阈值。
具体的，所述人物检测模块501可以包括：
人物检测模型选择子模块，用于根据当前时刻和/或当前亮度，从预设的人物检测模型库中选择人物检测模型；
人物检测子模块，用于根据所选择的人物检测模型检测目标视频帧中的人物。
由以上可见，本实施例提供的方案中，首先检测目标视频帧中的人物以及这些人物在参考帧中的人物位置，再检测目标视频帧中的可疑区域，最后结合所检测出的人物以及参考帧的人物位置，确定目标视频帧的可疑区域是否为存在异常情况的区域。可见应用本实施例提供的方案能够检测出视频帧中存在异常情况的区域，无需工作人员通过巡逻的方式发现存在异常情况的区域，能够减轻工作人员的工作压力。
在本申请的另一种具体实现方式中，参见图7，提供了第三种信息检测装置的结构示意图，与前述实施例相比，本实施例中，所述位置获得模块502，包括：
关联人物获得子模块5021，用于获得参考帧中与所检测出的人物相关联的人物；
置信度计算子模块5022，用于根据所检测出的人物与其相关联人物之间的相似程度以及运动速度，计算所检测出的人物的置信度，其中，所述置信度用于表示一个人物与其相关联的人物为同一人物的可信程度；
位置获得子模块5023，用于获得所检测出的人物中置信度大于预设的置信度阈值的人物在所述参考帧中的人物位置；
所述异常区域确定模块504，具体用于根据所检测出的人物中置信度大于预设的置信度阈值的人物以及所述参考帧中的人物位置，确定所述目标视频帧的 可疑区域是否为存在异常情况的区域。
由以上可见，本实施例提供的方案中，根据所检测出的人物中置信度大于预设的置信度阈值的人物以及所获得的位置，确定目标视频的可疑区域是否为存在异常情况的区域，而非根据所检测出的所有人物进行确定，因此能够在保证确定结果准确的基础上减少计算量，提高计算速度。
在本申请的另一种具体实现方式中，参见图8，提供了第四种信息检测装置的结构示意图，与前述实施例相比，本实施例中，上述信息检测装置还包括：
次数获得模块505，用于在确定所述目标视频帧的可疑区域存在异常情况的情况下，获得该可疑区域在已采集的视频帧中被确定为存在异常情况的区域的次数；
报警提示信息发送模块506，用于在所获得的次数满足预设的监测条件的情况下，发送报警提示信息。
由以上可见，本实施例提供的方案中，在确定目标视频帧的可疑区域存在异常情况的情况下，发送报警提示信息，有助于工作人员及时发现异常情况，另外，可疑区域被确定为存在异常情况的区域的次数满足一定监测条件的情况下才发送报警提示信息，能够有效减少误报现象。
对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤 是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中，这里所称得的存储介质，如：ROM/RAM、磁碟、光盘等。
以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。
- 还没有人留言评论。精彩留言会获得点赞！