本公开涉及一种对象检测方法和装置，尤其是涉及用于视频热区检测的对象检测方法和装置。
背景技术：
在诸如安保监控、交通监控之类的特定场所的热区(roi,regionofinterest)监控中，已经存在很多对象检测方法。有些对象检测方法通过训练专门的行人识别模型，在整个视频流中进行对象检测。这些方法通常全程利用深度学习算法实现对象检测，很耗时间。例如，中国专利申请公开号为cn107301380a公开了一种用于视频监控场景中行人识别的方法，用该方法一秒内才能得到不超过5帧结果。
另外，有些对象检测方法根据前后帧的差异寻找前景物体，然后将前景对象作为目标来进行对象检测。然后，此类方法没有使用对象检测算法对对象进行识别，因此无法根据对象类型实现有选择的报警。例如，中国专利申请公开cn102236902a公开了一种目标检测方法和装置，其使用了将前后帧进行比较的方法进行变化分析，从而查找入侵物体位置。但是此方法没有使用对象检测算法对对象进行识别，因此无法根据对象类型实现有选择的报警。
此外，还有些对象检测方法根据前后帧的差异寻找移动物体，然后根据监测热区内差异点的比率判断入侵物体。例如，中国专利申请公开cn102340619a公开了一种移动侦测方法和装置，该方法和装置就是根据前后帧的差异寻找移动物体，然后根据监测热区内差异点的比率判断入侵物体。然而，这种方法没有考虑由于摄像机视角问题造成的“投影入侵”，因此无法消除对象影像投影在监测热区内，而物理位置在监测热区外时产生的伪告警。为了克服这种问题，常见的方式是对摄像机位置进行重新布置，使得摄像头正对监控区域(即通常的热区)，从而消除投影入侵导致的伪警告情形。但是这种重新布置摄像头的方式工程量大，线路改造复杂，为用户带来巨大的改造成本。而且，一旦改造完成，监控热区不可变更。一旦变更监控热区改变或监控方向改变，又需要重新改造摄像头的布置方向或布置位置，也可能导致线路改造，这会导致用户的重复成本支出。
因此，需要一种能够快速、有选择地识别对象，能够灵活调整监控热区又能够避免伪警告的对象检测方法。
技术实现要素：
为此，本专利的目的是利用前景分离和对象检测相结合的技术，在保证检测系统处理速度的基础上，实现了更精确的对象识别。同时，本专利通过优化的入侵判断算法有效降低了由于摄影机安装角度造成的“投影入侵”伪告警，从而为安防应用提供一种高效、可靠、智能的方法和装置。
根据本公开的一个方面，提供了一种对象检测方法，包括以下步骤：a)利用背景去除算法剔除输入视频帧的背景以获得视频帧的前景图像，将该前景图像划分成若干前景子区域并画出其轮廓线，并检测所述前景子区域的全部或一部分是否位于监测热区中；以及b)若前景子区域的全部或一部分位于监测热区中，则对当前视频帧进行对象检测，并且如果有待检测对象类型存在于监测热区范围内，则发出表示检测到对象的信号(触发告警)。
优选地，该步骤a)包括：a1)利用背景去除法对所接收到的视频帧进行前景/后景分离，以输出前景图像；a2)对前景图像进行形态变换，以消除前景像素之间的间隙,并消除噪音点；a3)将优化后的前景图像划分成若干子区域并计算和绘制出其轮廓线；并且a4)检测所述前景子区域的全部或一部分是否位于监测热区中。
优选地，该步骤b)包括：b1)在原始视频图像中进行对象检测；b2)判断检测到的对象是否位于监测热区内，并且如果检测到的对象位于监测热区内，则发出表示检测到对象的信号。
优选地，该步骤b2)包括下列步骤中至少之一：判断检测到的整个对象轮廓是否与监测热区重叠；判断检测到的对象轮廓底边是否与监测热区重叠；判断检测到的对象轮廓底边的特定片段是否与监测热区重叠；和判断检测到的对象轮廓中的特定区域是否与监测热区重叠。
优选地，该步骤b2)还包括：将检测到的对象轮廓绘制在原始视频图像上；并且将绘制对象轮廓的视频帧存档，并且发出表示检测到对象的信号。
优选地，所述对象检测方法还包括：c)如果有待检测对象类型存在于监测热区范围内，则对该对象在视频中进行连续追踪。
优选地，所述监测热区是指监控视频中的指定区域，而如果没有指定区域，则所述监测热区就是整个监控画面区域。
根据本公开的另一个方面，提供了一种用于视频监测热区检测的对象检测装置，包括：前景检测器，其利用背景去除算法剔除输入视频帧的背景以获得视频帧的前景图像，将该前景图像划分成若干子区域并画出其轮廓线，检测所述前景子区域的全部或一部分是否位于监测热区中；以及对象识别器，其在前景子区域的全部或一部分位于监测热区中时，用当前视频帧进行对象检测，并在检测到对象时发出表示检测到对象的信号。
优选地，该前景检测器包括：前景分离器，用于利用背景去除法对所接收到的视频帧进行前景/后景分离，以输出前景图像；形态转换器，用于对前景区域进行优化，以消除前景像素之间的间隙，和前景噪音；轮廓绘制器，用于将优化后的前景图像划分成若干子区域并画出其轮廓线；以及第一监测热区比较器，用于检测所述前景子区域的全部或一部分是否位于监测热区中。
优选地，该对象识别器包括：对象检测器，用于在图像的视频帧中进行对象检测；以及第二监测热区比较器，用于判断检测到的对象区域是否与监测热区存在重叠，如果存在重叠，则输出侵入监测热区的对象区域以发出表示检测到对象的信号。
优选地，该第二监测热区比较器被配置为实现下列动作中至少之一：判断检测到的整个对象轮廓是否与监测热区重叠；判断检测到的对象轮廓底边是否与监测热区重叠；判断检测到的对象轮廓底边的特定片段是否与监测热区重叠；和判断检测到的对象轮廓中的特定区域是否与监测热区重叠。
优选地，该第二监测热区比较器还将检测到的对象轮廓绘制在原始视频图像上，将绘制对象轮廓的视频帧存档，并且发出表示检测到对象的信号。
优选地，该对象检测装置还包括对象追踪器，用于如果有待检测对象类型存在于监测热区范围内，则对该对象在视频中进行连续追踪。
本公开采用前景分析和对象检测相结合的方式实现热区检测，可以快速地得到更详细的检测结果信息，例如侵入对象的类别。并且，由于使用了优化的监测热区入侵算法，因此可以最大限度地降低由于摄像头安装角度造成的“投影入侵”而发出表示检测到对象的伪信号，所发出的表示检测到对象的信号质量更高、对设备安装要求更低，可以最大限度地利用已有设备进行监控，从而大大降低实施成本。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据本公开的一个实施例的对象检测系统的示意性框图；
图2是根据本公开的一个实施例的对象检测部分的详细示意性框图；
图3是根据本公开的一个实施例的前景检测器的框图；
图4是根据本公开的一个实施例的对象识别器的框图；
图5是根据本公开的一个实施例的对象检测方法的流程图；
图6是根据一个实例的视频帧的前景图像；
图7是对图6所示的前景图像进行形态变换后的前景图像；
图8是图7所示的前景图像的前景子区域的轮廓图；
图9是图8所示的前景图像中只保留与监测热区存在重叠的前景点的子区域后的视图；
图10a是取全部对象轮廓区域进行入侵判断后的对象检测结果的在输出保存部分上显示的视图；
图10b是采用对象轮廓底边进行入侵判断后的对象检测结果的在输出保存部分上显示的视图；
图10c是采用对象轮廓底边的一部分进行入侵判断后的对象检测结果的在输出保存部分上显示的视图；以及
图11是基于前景分析的最终检测结果视图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本开。除非另有定义，本文使用的所有其他科学和技术术语具有与本发明所属领域的普通技术人员通常理解的相同的含义。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一也可以被称为第二，反之亦然。取决于语境，如在此所使用的词语“如果”可以被解释成为“在…时”或“当…时”或“响应于确定”。
为了使本领域技术人员更好地理解本公开，下面结合附图和具体实施方式对本公开作进一步详细说明。
图1是根据本公开的一个实施例的对象检测系统的示意性框图。如图1所示，该对象检测系统包括视频采集部分110、对象检测部分120和输出保存部分130。根据本公开的一个实施例，视频采集部分110用于采集视频数据，包括通过诸如监控ip摄像头(未示出)之类的摄像设备拍摄视频流，通过网络(未示出)等接收视频流数据，并且可以从存储设备(未示出)中读取视频流数据等。视频采集部分110将所产生或接收到的视频流输出到对象检测部分120。
对象检测部分120从视频采集部分110中接收到视频流数据之后，首先处理所接收到的数据以得到用于对象检测的视频帧并根据用户要求或缺省设置确定监测热区。根据本公开，用户可以根据自己的需求，将视频帧或视频采集部分110所能采集的视场范围内的任意一部分设置为监控热区。然后对象检测部分120根据所确定的监测热区来检测处理后的视频帧数据中的监视对象。此外，对象检测部分120在检测到监视对象时，将检测结果输出到输出保存部分130。以下将更详细地描述对象检测部分120的结构和功能。
输出保存部分130可以包括但不限于视频显示器(未示出)、存储设备(未示出)、监控墙(未示出)、扬声器(未示出)等中的全部或一部分，用于可视听地展示对象检测结果，例如发出表示检测到对象的信号(例如，触发声音警报，灯光警告等)和/或保存检测结果留存备案。
图2是根据本公开的一个实施例的图1所示的对象检测部分120的详细示意性框图。如图2所示，该对象检测部分120包括热区确定装置210、视频帧转换器220、前景检测器230、对象识别器240和对象追踪器250。
根据本公开的一个实施例，该视频帧转换器220接收视频采集部分110所产生或接收到的视频流，并转换成视频帧。
根据本公开的一个实施例，热区确定装置210可以是可选装置，其用于根据用户要求或系统设定，来在监控视频流中指定监测区域作为监测热区。如果没有热区确定装置210或者热区确定装置210没有指定监测热区域，则所述监测热区默认就是整个监控画面区域。
接下来，前景检测器230接收来自视频帧转换器220的视频帧，并利用背景去除法等对所接收到的视频帧进行前景分离，以剔除视频图像帧中的图像背景来产生前景图像。然后，前景检测器230对前景图像进行形态变换，以消除前景像素之间的间隙，和消除前景噪声，并且利用诸如黑白图像的边界跟随拓扑结构分析算法将前景点转换成若干包含前景点的子区域，并计算各前景子区域的轮廓线。前景检测器230还检测前景子区域的全部或一部分是否位于监测热区(即是否存在与被监测热区重叠的前景子区域)中，直到在分离的前景图像中发现有与被监测热区存在重叠的前景子区域。在存在重叠的前景子区域的情况下，前景检测器230就将发现有与被监测热区存在重叠的前景子区域的该视频帧发送给对象识别器240。
然后，对象识别器240对所接收到的已经发现有与被监测热区存在重叠的前景子区域的视频帧中的指定对象进行识别，并在确认指定对象入侵后输出侵入对象区域。具体地说，对象识别器240在原始视频图像中进行对象检测，判断检测到的对象是否位于监测热区内，并且在检测到的对象位于监测热区内时，对象识别器240把检测到的监测热区中的对象轮廓绘制在视频帧上，输出到图1所示的输出保存部分130，以便进行显示、播放以发出表示检测到对象的信号和/或保存在存储设备上留存备案。
根据本公开的一个实施例，对象识别器240还可以把侵入对象区域发送给对象追踪器250，并由对象追踪器250根据所接收到的侵入对象区域在视频帧转换器220输出的后续视频帧中进行独立追踪，并持续更新对象的位置区域并且将结果输出到输出保存部分130。
这里，前景检测器230直到在分离的前景图像中发现有与被监测热区存在重叠，才将发现有与被监测热区存在重叠的该视频帧发送给对象识别器240。所以，对于那些不存在前景图像有热区重叠的视频帧可以忽略，不予处理，因此，减少了大量数据处理任务，因此可以高效低成本地使用进行图像识别。
图3是根据本公开的一个实施例的如图2所示的前景检测器230的框图。如图3所示，该前景检测器230包括前景分离器310、形态转换器320、轮廓绘制器330和第一监测热区比较器340。
首先，前景分离器310利用背景去除法对所接收到的视频帧进行前景/后景分离，输出的黑白图像中白色代表前景区域。
然后形态转换器320对前景区域进行优化，以消除前景像素之间的间隙。通常采用封闭(closing)算法对前景进行修复，即对前景先进行扩张(dilation)融合区域，再侵蚀(erosion)消除噪声，但是本文也可采用其他优化算法(例如开放(opening-先侵蚀再扩张)算法、或者单独使用扩张或侵蚀算法)。
轮廓绘制器330利用诸如黑白图像的边界跟随拓扑结构分析算法将前景点转换成若干包含前景点的子区域，并计算各前景子区域的轮廓线，然后勾勒出各个前景子区域的轮廓。
然后，第一监测热区比较器340检测各前景子区域轮廓是否与监测热区存在重叠。如果存在重叠，则将该视频帧发送给如图2所示的对象识别器240。
图4是根据本公开的一个实施例的如图2所示的对象识别器240的框图。如图4所示，该对象识别器240包括对象检测器410以及第二监测热区比较器420。
首先，对象检测器410在图像的视频帧中进行对象检测。然后将长方形对象轮廓发送给第二监测热区比较器420，判断对象区域是否与监测热区存在重叠。如果存在重叠，则输出侵入监测热区的对象区域。
根据本公开的一个实施例，为了减少诸如由于摄像机的安装角度造成的“投影入侵”伪告警信号，发送给第二监测热区比较器420的对象轮廓可以是原始对象轮廓的底边。
根据本公开的一个实施例，为了进一步减少对长方形对象轮廓大于对象实际边界造成的“投影入侵”伪告警信号，发送给第二监测热区比较器420的对象轮廓可以是原始对象轮廓的底边的一部分(例如以原始底边中点为中心，宽度为原始底边宽度的50％的部分)。
根据本公开的一个实施例，为了进一步减少特定形状物体造成的“投影入侵”伪告警信号，可以选取长方形象轮廓内的任意子区域作为比较区域发送给第二监测热区比较器420。
根据本公开的一个实施例，第二监测热区比较器420可以将检测到的对象轮廓绘制在原始视频图像上，将绘制对象轮廓的视频帧输出到如图1所示的输出保存部分130存档留证，并且发出表示检测到对象的信号。
图5是根据本公开的一个实施例的对象检测方法的流程图。如图5所示，在步骤s510中，利用图1所示的视频采集部分110接收或产生视频流，然后将所产生的视频流传送给如图1所示的对象检测部分120。
接下来，在步骤s520中，通过视频帧转换器220(如图2所示)将视频流转换成视频帧，并且通过热区确定装置210(如图2所示)确定监测热区域，以便于从所述视频帧的监测热区中检测对象。
接下来，在步骤s530中，利用前景分离器310(如图3所示)从视频帧转换器220(如图2所示)接收视频帧，并利用背景去除法剔除视频图像帧中的图像背景以产生前景图像。
然后，在步骤s540中，利用形态转换器320(如图3所示)对前景图像进行形态变换，以消除前景像素之间的间隙。
接着，在步骤s550中，例如如图3所示的轮廓绘制器330利用诸如黑白图像的边界跟随拓扑结构分析算法将前景点转换成若干包含前景点的子区域，并且计算和绘制各前景子区域的轮廓线。
在步骤s560中，利用如图3所示的第一监测热区比较器340检测前景子区域的全部或一部分是否位于监测热区(即是否存在与被监测热区重叠的前景子区域)中，直到在分离的前景图像中发现有与被监测热区存在重叠的前景子区域。
如果在步骤s560中检测到存在重合，则第一监测热区比较器340将发现有与被监测热区存在重叠的该视频帧发送给对象识别器240。如果在步骤s560中没有检测到存在重合，则继续监测视频流。
接下来，在步骤s570中，对象识别器240检测对所接收到的视频帧进行指定对象识别，以确认指定对象是否位于监测热区内，并在确认指定对象入侵后输出侵入对象区域，以触发出表示检测到对象的信号。具体地说，利用如图4所示的对象检测器410在原始视频图像中进行对象检测，通过如图4所示的第二监测热区比较器420判断检测到的对象是否位于监测热区内，并且在检测到的对象位于监测热区内时，输出检测结果以发出表示检测到对象的信号。
然后，在步骤s580中，对象识别器240把检测到的监测热区中的对象轮廓绘制在视频帧上，并且输出到输出保存部分130。
根据本公开的一个实施例，在步骤s590中，对象识别器240也可以将检测到的监测热区中的对象轮廓传送给如图2所示的对象追踪器250，以便对象追踪器250通过后续视频流持续对该对象进行追踪，并将带有更新的对象轮廓位置的视频帧位置输出到输出保存部分130。
实例
该实例的目的是利用ip摄像机拍摄生成的视频流实现监测热区侵入检测。检测过程如下。
1)从视频帧生成前景图像
图6是根据该实例的视频帧的前景图像。对于利用ip摄像机拍摄的流视频文件，通过基于高斯混合的背景/前景分割算法(gaussianmixture-basedbackground/foregroundsegmentationalgorithm)，计算视频中各像素点的混合k高斯分布(mixtureofkgaussiandistribution)，将视频帧中相对静态的像素点标为背景点(在图6中用黑色表示)，并且将视频帧中相对变化率较高的点标为前景点(在图6中用白色表示)。这样，就可以把原始视频帧转换成黑白的前景图像(如图6所示)。应当理解，本发明也可采用其他类似的算法来生成前景图像。
2)对前景图像进行形态变换。
图7是对图6所示的前景图像进行形态变换后的前景图像。从图6可以看到，由于原始视频帧中色彩、光线等因素的影响，前景图像高度离散化，需要对前景图像进行形态变换，以消除前景像素之间的间隙。实现区域融合，同时去除离散的噪音点。因此，本实施例中使用封闭算法对图6所示的前景图像进行形态变换，得到形态变换后的前景图像(如图7所示)。应当理解，在其他实施例中，可以根据实施例的具体特征，选择开放(opening-先侵蚀再扩张)算法、或者单独使用扩张或侵蚀算法来进行前景变换。
3)生成前景子区域轮廓边框：
图8是图7所示的前景图像的前景子区域的轮廓图。在图8中，为了提高视频处理的效率，利用黑白图像的边界跟随拓扑结构分析算法将图7中的前景点转换成若干包含前景点的子区域，并用矩形边框标识。
4)判断前景子区域是否与监测热区重合
图9是图8所示的前景图像中只保留与监测热区存在重叠的前景点的子区域后的视图。如图9所示，对于监测热区的监测，可以过滤掉大量前景干扰区域，提升分析速度。应当理解，在本发明的其他实施例中可能不存在单独画出的监测热区，那么在这种情况下可以把整个图像区域作为监测热区进行分析。
5)利用对象识别技术对存在监测热区侵入的图像进行对象识别
图10a-10c是该实例的对象检测结果在输出保存部分上显示的视图，其中图10a是取全部对象轮廓区域进行入侵判断后的对象检测结果的在输出保存部分上显示的视图，图10b是采用对象轮廓底边进行入侵判断后的对象检测结果的在输出保存部分上显示的视图，而图10c是采用对象轮廓底边的一部分进行入侵判断后的对象检测结果的在输出保存部分上显示的视图。
为了得到图10a-10c的视图，通过前景分析法检测到监测热区(图中白色边的梯形框)侵入的原始视频帧被发送给对象识别器240进行对象识别。同样，在对对象识别和分类的基础上，对象识别器240将识别的对象的轮廓区域与监测热区进行匹配，检查是否存在重叠。如果检测到重叠，则输出对象轮廓到输出保存部分130，例如监视器墙。同时，也可以将该视频帧存储到存储器1300备案。
图10a的视图中包含“投影入侵”，是取全部对象轮廓区域进行入侵判断得到的视图。为了消除图10a中由于摄像头安装角度的问题造成的“投影入侵”伪告警信号，在做监测热区侵入检测时可以采用对象轮廓底边进行入侵判断，即将判断对象轮廓底边是否与监测热区存在重合作为入侵判断的依据。其结果被示出在图10b中。
此外，在做监测热区侵入检测时也可以采用对象轮廓底边的一部分进行入侵判断，即将判断对象轮廓底边的一部分(如50％)是否与监测热区存在重合作为入侵判断的依据。其结果被示出在图10c中。如图10c所示，图中有效地消除了“投影入侵”伪告警信号。
应当理解，在本发明的其他实施例中，可以采用对象轮廓的任意一部分进行优化的入侵判断。比如，当监测热区时垂直于地面的门区或栅栏，则可以采用列入对象轮廓两个纵边中点的连线或其一部分进行入侵判断。
图11是基于前景分析的最终检测结果视图。如图11所示，虽然利用前景分离技术和监测热区检测技术可以在原始视频帧中判断和标记监测热区侵入，但是这种判断无法对侵入对象进行分类识别，往往还需要人工二次判断，大大限制了检测技术的自动化实现。而完全基于对象识别的解决方案存在计算量大、速度慢的缺陷，难以在工程上应用。因此本专利采用前景分析与对象识别相结合的方式，在保证系统运行速度和实现对象类型识别的基础上，最小化计算任务，节约了实施成本。
6)利用对象追踪技术对存在监测热区侵入的图像进行持续追踪
当检测到监测热区的对象入侵时，可以利用对象识别轮廓生成对象追踪器，在后续的视频帧中对该对象进行持续地追踪。
以上参考附图描述了根据本公开的对象检测方法和装置，在其一个实施例中，使用前景分析和对象检测相结合的方式实现热区检测，所以它比传统的前景分析方法可以得到更详细的检测结果信息，例如侵入对象的类别。
在本公开的另一个实施例中，使用前景分析和对象检测相结合的方式实现热区检测，所以它比传统的对象检测方法速度更快。
在本公开的再一个实施例中，使用了优化的监测热区入侵算法，因此可以最大限度地降低由于摄像头安装角度造成的“投影入侵”伪告警信号，告警质量更高、对设备安装要求更低，可以最大限度地利用已有设备进行监控，从而大大降低实施成本。
本发明不限于本文所描述的具体实施例的范围，这些实施例旨在作为示例性实施例。功能上相同的产品和方法显然包含在本文描述的本发明的范围内。
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，对本领域的普通技术人员而言，能够理解本公开的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本公开的说明的情况下运用他们的基本编程技能就能实现的。
因此，本公开的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本公开的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本公开，并且存储有这样的程序产品的存储介质也构成本公开。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。
还需要指出的是，在本公开的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。