遗留物的识别方法、装置、设备及存储介质与流程

本发明涉及图像处理技术领域，尤其涉及一种遗留物的识别方法、装置、设备及存储介质。

背景技术：

随着移动通信业务的发展，移动通信覆盖区域范围不断扩大，室外通信设备分布分散、分布范围广，地市机房数量多、位置分散，人工巡检耗费大量人力和成本开销，难以及时发现并处理问题。总结之前设备故障和机房出现的问题情况，发现当设备周围和机房内出现不明遗留物时，容易产生安全隐患。

现有的遗留物检测算法主要有两种，第一种是基于收集大量环境图片和遗留物图片进行训练，再用训练得到的模型对待检测场景单张图片是否存在遗留物进行判断；第二种是通过建立遗留物数学模型，对待检测场景的实时视频进行检测。

现在要检测的工作环境为监控节点数量多，监控环境变化大的户外通信设备和机房。

第一种方法存在针对该工作环境的不同监控节点需要重新建立模型、训练图片数量庞大、摄像角度变化需要重新训练模型，前期工作量和后期维护难度较大，所以我们一般不选用第一种方法来检测遗留物。

第二种方法因为只考虑遗留物的数学模型，所以更适合监控节点数量多，监控环境变化大的户外环境。

但现有的第二种方法因为只考虑了现在画面相对背景图片是否发生变化，所以存在抗环境干扰能力较差，对环境光较敏感的问题，不能对阳光或灯光产生的局部光强增大(高光、光斑等)或局部光强减弱(暗斑等)进行准确的分辨，受环境光影响较大。

技术实现要素：

本发明实施例提供一种遗留物的识别方法、装置、设备及存储介质，对差分背景高斯累积法获取到的疑似遗留物区域进行再次判别，通过检测疑似遗留物区域沿轮廓方向的亮度梯度均值，来判断是否为真实遗留物，减少或消除由于环境光引起的误识别结果。

第一方面，提供了一种遗留物的识别方法，该方法包括：

确定第一待检测环境图片，第一待检测环境图片包括疑似遗留物；

将包括疑似遗留物的待检测环境图片输入到光斑和暗斑识别模型，确定疑似遗留物的平均梯度值，平均梯度值为疑似遗留物轮廓线的第一方向的梯度值的平均值；

当平均梯度值大于预设阈值时，确定疑似遗留物为遗留物。

在第一方面的一些实现方式中，包括：

当平均梯度值小于或等于预设阈值时，确定疑似遗留物为光斑或暗斑。

在第一方面的一些实现方式中，确定疑似遗留物的平均梯度值，包括：

确定疑似遗留物的轮廓线上的每个线段在第一方向的梯度值；

确定每个线段在第一方向的梯度值的平均值，将每个线段在第一方向的梯度值的平均值作为平均梯度值。

在第一方面的一些实现方式中，确定第一待检测图片，包括：

获取第二待检测环境图片；

使用预设的遗留物检测模型对第二待检测环境图片进行分类，确定包括疑似遗留物的第一待检测环境图片。

在第一方面的一些实现方式中，在将包括疑似遗留物的待检测环境图片输入到光斑和暗斑识别模型，确定疑似遗留物的平均梯度值之前，还包括：

训练光斑和暗斑识别模型。

在第一方面的一些实现方式中，

预设的遗留物检测模型包括使用差分背景高斯累积法的模型。

第二方面，提供了一种遗留物的识别装置，该装置包括：

处理模块，用于确定第一待检测环境图片，第一待检测环境图片包括疑似遗留物；

处理模块，还用于将包括疑似遗留物的待检测环境图片输入到光斑和暗斑识别模型，确定疑似遗留物的平均梯度值，平均梯度值为疑似遗留物轮廓线的第一方向的梯度值的平均值；

处理模块，还用于当平均梯度值大于预设阈值时，确定疑似遗留物为遗留物。

在第二方面的一些实现方式中，处理模块，还用于当平均梯度值小于或等于预设阈值时，确定疑似遗留物为光斑或暗斑。

在第二方面的一些实现方式中，

处理模块，还用于确定疑似遗留物的轮廓线上的每个线段在第一方向的梯度值；

处理模块，还用于确定每个线段在第一方向的梯度值的平均值，将每个线段在第一方向的梯度值的平均值作为平均梯度值。

在第二方面的一些实现方式中，

处理模块，还用于获取第二待检测环境图片；

处理模块，还用于使用预设的遗留物检测模型对第二待检测环境图片进行分类，确定包括疑似遗留物的第一待检测环境图片。

在第二方面的一些实现方式中，包括训练模块，

训练模块，用于训练光斑和暗斑识别模型。

在第二方面的一些实现方式中，

预设的遗留物检测模型包括使用差分背景高斯累积法的模型。

第三方面，提供了一种遗留物的识别设备，设备包括：

处理器以及存储有计算机程序指令的存储器；

处理器执行计算机指令时实现第一方面，以及第一方面任一可能实现方式中的遗留物的识别方法。

第四方面，提供了一种计算机存储介质，其特征在于，计算机存储介质上存储有计算机指令，计算机指令被处理器执行时实现第一方面，及第一方面任一可能实现方式中的遗留物的识别方法。

本发明实施例提供一种遗留物的识别方法、装置、设备及存储介质，对差分背景高斯累积法获取到的疑似遗留物区域进行再次判别，通过检测疑似遗留物区域沿轮廓方向的亮度梯度均值，来判断是否为真实遗留物，减少或消除由于环境光引起的误识别结果。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，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是本发明实施例提供的一种遗留物轮廓梯度方向的数学模型示意图；

图2是本发明实施例提供的一种遗留物的识别方法的流程示意图；

图3是本发明实施例提供的一种环境光引起的差分背景高斯累积算法模型误识别的示意图；

图4是本发明实施例提供的一种遗留物的识别装置的结构示意图；

图5是本发明实施例提供的一种计算设备的示例性硬件架构的结构图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

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……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

现有技术在对户外通信设备和机房进行遗留物检测时，使用遗留物数学模型(差分背景高斯累积法)，对待检测场景的实时视频进行检测。因为户外的环境是随时间发生变化的，有阳光或者外界有灯光的时，因为阳光或灯光的原因，会使户外通信设备和机房上出现光斑或暗斑。又因为差分背景高斯累积法只考虑当前画面相对背景图片是否发生变化，光斑或暗斑的出现也会被认为是遗留物，所以现有技术存在将光斑或暗斑误认为是遗留物的情况。

为了解决现有技术中存在抗环境干扰能力较差，对环境光较敏感，且不能对阳光或灯光产生的局部光强增大(高光、光斑等)或局部光强减弱(暗斑等)进行准确的分辨的问题，本申请的技术方案对差分背景高斯累积法获取到的疑似遗留物区域进行再次判别，通过检测疑似遗留物区域沿轮廓方向的亮度梯度均值，来判断是否为真实遗留物，减少或消除由于环境光引起的误识别结果。

本发明实施例提供了一种遗留物的识别方法、装置、设备及存储介质，下面结合附图对本发明实施例进行描述。

图1是本发明实施例提供的一种遗留物轮廓梯度方向的数学模型，ei可以为轮廓线某一部分的垂直方向，x为沿轮廓线某一部分的垂直方向加或减的角度。

下面结合图1和图2对本发明实施例提供的遗留物的识别方法进行描述。

如图2所示，图2示出了本发明实施例提供的遗留物的识别方法的流程示意图。遗留物的识别方法可以包括：

s201：确定第一待检测环境图片。

其中，第一待检测环境图片包括疑似遗留物。

具体的，在对监控区域进行监控时，通过差分背景高斯累积法，根据当前获取的图片与历史背景图片进行对比，以及进行高斯累积，从而确定被监控场景中的疑似遗留物。

s202：将包括疑似遗留物的待检测环境图片输入到光斑和暗斑识别模型，确定疑似遗留物的平均梯度值。

其中，平均梯度值为疑似遗留物轮廓线的第一方向的梯度值的平均值。

具体的，光斑和暗斑识别模型计算待检测环境图片中疑似遗留物的轮廓线的第一方向的平均梯度值。可选地，在一个实例中，该第一方向可以是疑似遗留物的轮廓线的垂直方向的平均梯度值。如图1所示，平均梯度值是疑似遗留物边缘线切线的垂线方向的梯度值的平均值。也或者说，第一方向可以为该轮廓线某一部分的垂直方向，也可以为轮廓线某一部分的垂直方向加或减x度的方向。

可选的，以该轮廓线某一部分的垂直方向进行说明，可以通过公式(1)计算疑似遗留物的轮廓线的梯度之和。

其中，l为疑似遗留物的轮廓线。

congradient为轮廓线延该轮廓线的垂直方向的梯度之和。

ei为该轮廓线某一部分的垂直方向。

可以通过公式(2)确定疑似遗留物的平均梯度值。

argcongradient＝congradient/lleng(2)

其中，llength为疑似遗留物的轮廓线的长度。

argcongradient为延该轮廓线的垂直方向单位长度的平均梯度值。

congradient为轮廓线延该轮廓线的垂直方向的梯度之和。

s203：当平均梯度值大于预设阈值时，确定疑似遗留物为遗留物。

具体的，该预设阈值可以为光斑和暗斑识别模型的训练结果，也可以为预设的数值，当平均梯度值小于或等于该预设阈值时，可以确定该疑似遗留物为光斑或暗斑。

具体的，在使用以往的差分背景高斯累积算法模型获取疑似遗留物区域时，因为环境光(阳光，路灯等)的影响，差分背景高斯累积算法模型无法准确分辨光斑、暗斑及遗留物，会将环境光造成的光斑或暗斑认为是疑似遗留物。本发明实施例提供的遗留物的识别方法中光斑和暗斑识别模型可以对该疑似遗留物区域计算轮廓线的垂直方向上的平均梯度值，当该平均梯度值大于预设阈值时，确定该疑似遗留物区域为遗留物，当该平均梯度值小于或等于预设阈值时，确定该疑似遗留物区域为光斑或暗斑。以实现在光斑、暗斑及遗留物中确定真实遗留物，减少或消除由环境光引起的误识别结果。

此外，光斑和暗斑识别模型在计算疑似遗留物区域轮廓线的平均梯度值时，还可以计算轮廓线的垂直方向加或减x度的方向上的平均梯度值，x可以根据实际情况进行调整。

如图3所示，图3示出了本发明实施例提供的环境光引起的差分背景高斯累积算法模型误识别的示意图。

由图3可见，在遗留物(真实遗留物)区域的轮廓线上，轮廓线往往清晰可见，且梯度存在突变。但光斑或暗斑区域的轮廓线并不清晰，且梯度存在缓慢变化。本发明的光斑和暗斑识别模型根据此特性，判断轮廓线在延该轮廓线的第一方向(包括垂直方向、垂直±x度方向)单位长度的平均梯度值。当该平均梯度值大于预设阈值时，则确定该疑似遗留物区域为遗留物；当该平均梯度值小于或等于预设阈值时，确定该疑似遗留物区域为光斑或暗斑，并未出现遗留物。实现在光斑、暗斑及遗留物中分辨光斑和暗斑，确定真实遗留物，减少或消除由环境光引起的误识别结果。

具体的，判断过程可以使用公式(3)及公式(4)来进行判断。

argcongradient≤threshod(3)

argcongradient>threshod(4)

其中，argcongradient可以为延该轮廓线的垂直方向单位长度的平均梯度值。

threshod为预设阈值。

threshod可以根据经验值获得，也可以通过光斑和暗斑识别模型的优化过程得到。

当该平均梯度值大于预设阈值时，确定该疑似遗留物区域为遗留物，当该平均梯度值小于或等于预设阈值时，确定该疑似遗留物区域为光斑或暗斑。

例如，由于室外遗留物监控环境复杂，在分离遗留物和环境背景时容易受环境光强度的干扰产生误识别。当户外环境下夜晚路灯亮起，容易把环境光中光强突然变化比较大的路灯灯光识别为遗留物体，产生错误告警。以及在阳光增强时产生的树影，这种情况下容易把树影中的光斑或暗斑误识别为遗留物。使得夜晚和白天光照变化比较明显的时间段内，遗留物检测的误告警较多，遗留物识别率较低。

对于遗留物监控的视场中存在路灯等其他可能产生光斑和暗斑的环境中，通过使用本实施例中遗留物的识别方法，可以检测疑似遗留物区域沿轮廓方向的亮度梯度均值，来判断是否为真实遗留物，减少或消除由于环境光引起的误识别结果。

与遗留物的识别方法的实施例相对应，本发明实施例还提供一种遗留物的识别装置。

如图4所示，图4示出了本发明实施例提供的一种遗留物的识别装置的结构示意图。

遗留物的识别装置可以包括处理模块401、训练模块402，其中，

处理模块401，用于确定第一待检测环境图片，第一待检测环境图片包括疑似遗留物。

处理模块401，还用于将包括疑似遗留物的待检测环境图片输入到光斑和暗斑识别模型，确定疑似遗留物的平均梯度值，平均梯度值为疑似遗留物轮廓线的第一方向的梯度值的平均值。

处理模块401，还用于当平均梯度值大于预设阈值时，确定疑似遗留物为遗留物。

处理模块401，还用于当平均梯度值小于或等于预设阈值时，确定疑似遗留物为光斑或暗斑。

处理模块401，还用于确定疑似遗留物的轮廓线上的每个线段在第一方向的梯度值。

处理模块401，还用于确定每个线段在第一方向的梯度值的平均值，将每个线段在第一方向的梯度值的平均值作为平均梯度值。

处理模块401，还用于获取第二待检测环境图片；

处理模块401，还用于使用预设的遗留物检测模型对第二待检测环境图片进行分类，确定包括疑似遗留物的第一待检测环境图片。

训练模块402，用于训练光斑和暗斑识别模型。

该预设的遗留物检测模型包括使用差分背景高斯累积法的模型。

本发明实施例提供的遗留物的识别装置，可以通过检测疑似遗留物区域沿轮廓方向的亮度梯度均值，来判断是否为真实遗留物，减少或消除由于环境光引起的误识别结果。

图5示出了能够实现本发明实施例的遗留物的识别方法的计算设备的示例性硬件架构的结构图。如图5所示，计算设备500包括输入设备501、输入接口502、中央处理器503、存储器504、输出接口505、以及输出设备506。其中，输入接口502、中央处理器503、存储器504、以及输出接口505通过总线510相互连接，输入设备501和输出设备506分别通过输入接口502和输出接口505与总线510连接，进而与计算设备500的其他组件连接。

具体地，输入设备501接收来自外部的输入信息，并通过输入接口502将输入信息传送到中央处理器503；中央处理器503基于存储器504中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器504中，然后通过输出接口505将输出信息传送到输出设备506；输出设备506将输出信息输出到计算设备500的外部供用户使用。

也就是说，图5所示的计算设备也可以被实现为遗留物的识别设备，该遗留物的识别设备可以包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机指令时可以实现本发明实施例提供的遗留物的识别方法。

本发明实施例还提供了一种计算机介质，其上存储有计算机指令。

当计算机程序指令被处理器执行时可以实现本发明实施例提供的遗留物的识别方法。

本发明实施例的提供的遗留物的识别方法、装置、设备及存储介质，可以通过检测疑似遗留物区域沿轮廓方向的亮度梯度均值，来判断是否为真实遗留物，减少或消除由于环境光引起的误识别结果。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上，仅为本发明的具体实施方式，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、模块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。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。