[go: up one dir, main page]

CN112084813B - 异常目标的检测方法、装置及存储介质 - Google Patents

异常目标的检测方法、装置及存储介质 Download PDF

Info

Publication number
CN112084813B
CN112084813B CN201910508062.6A CN201910508062A CN112084813B CN 112084813 B CN112084813 B CN 112084813B CN 201910508062 A CN201910508062 A CN 201910508062A CN 112084813 B CN112084813 B CN 112084813B
Authority
CN
China
Prior art keywords
image
detection
detection area
abnormal target
images
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910508062.6A
Other languages
English (en)
Other versions
CN112084813A (zh
Inventor
朱逢辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Ezviz Network Co Ltd
Original Assignee
Hangzhou Ezviz Network Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Ezviz Network Co Ltd filed Critical Hangzhou Ezviz Network Co Ltd
Priority to CN201910508062.6A priority Critical patent/CN112084813B/zh
Priority to US17/618,137 priority patent/US20220245941A1/en
Priority to PCT/CN2019/124327 priority patent/WO2020248543A1/zh
Priority to EP19933022.6A priority patent/EP3965001A4/en
Publication of CN112084813A publication Critical patent/CN112084813A/zh
Application granted granted Critical
Publication of CN112084813B publication Critical patent/CN112084813B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/194—Terrestrial scenes using hyperspectral data, i.e. more or other wavelengths than RGB
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Geometry (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本申请公开了一种异常目标的检测方法、装置及存储介质，属于智能安防领域。所述方法包括：基于检测区域内检测的红外信号，确定第一检测结果，第一检测结果用于指示检测区域内是否存在异常目标；获取检测区域的N帧图像，对N帧图像进行异常目标检测，得到第二检测结果，第二检测结果用于指示检测区域内是否存在异常目标；当第一检测结果和第二检测结果均指示检测区域内存在异常目标时，确定检测区域内存在异常目标。如此，可以将红外检测与图像检测进行结合，来确定检测区域是否存在异常目标，由于图像检测不易受飞虫或热气流等外界因素干扰，因此可以降低检测失误，提高了检测异常目标的准确率。

Description

异常目标的检测方法、装置及存储介质
技术领域
本申请涉及智能安防领域，特别涉及一种异常目标的检测方法、装置及存储介质。
背景技术
在当今社会中，为了保证生命财产安全，人们会在一些地方安装检测设备，检测设备用于检测对应检测区域内是否有异常目标入侵，即对应检测区域内是否存在异常目标，以便在检测到存在异常目标时，进行报警提醒。其中，异常目标通常为人或车辆等。
目前，为了提高检测的准确度，检测设备可以基于红外信号和微波信号对检测区域进行检测，只有当基于检测区域内检测的红外信号确定检测区域存在异常目标，且基于检测区域内检测的微波信号也确定检测区域存在异常目标时，才会最终确定检测区域内存在异常目标。具体地，检测设备可以包括红外传感器、微波传感器和处理器，当检测区域内存在异常目标时，异常目标发出的红外信号可以被红外传感器检测到，红外传感器可以将检测到的红外信号转化为电信号发送给处理器，由处理器根据接收的电信号判断检测区域内是否存在异常目标。微波探测器可以不断向检测区域发送微波信号，也不断接收检测区域反射回来的微波信号，当检测区域内存在异常目标时，微波探测器接收到的微波信号的频率与发送出去的微波信号的频率会有差异，处理器可以根据该差异判断检测区域是否存在异常目标。当处理器通过红外传感器和微波探测器均检测到检测区域内存在异常目标时，即可确定检测区域存在异常目标。
但是上述方法仍然会受一些外在因素的干扰，导致检测结果不准确。例如，一些飞虫等不属于异常目标的小动物可能会爬到检测设备上，对检测到的红外信号和微波信号造成干扰，导致检测失误。或者，晴天、大风等天气情况下产生的热气流，也会对检测到的红外信号和微波信号造成干扰，导致检测失误。
发明内容
本申请实施例提供了一种异常目标的检测方法、装置及存储介质，可以解决现有技术中检测设备容易受外在因素干扰，导致检测失误的问题。所述技术方案如下：
一方面，提供了一种异常目标的检测方法，所述方法包括：
基于检测区域内检测的红外信号，确定第一检测结果，所述第一检测结果用于指示所述检测区域内是否存在异常目标；
获取所述检测区域的N帧图像，对所述N帧图像进行异常目标检测，得到第二检测结果，所述第二检测结果用于指示所述检测区域内是否存在所述异常目标，所述N为正整数；
当所述第一检测结果和所述第二检测结果均指示所述检测区域内存在所述异常目标时，确定所述检测区域内存在所述异常目标。
在本申请一种可能的实现方式中，所述获取所述检测区域的N帧图像，包括：
基于检测区域内检测的红外信号，确定第一检测结果的同时，对所述检测区域进行图像采集，将第一参考时长内采集到的图像，确定为所述N帧图像；或者，
基于检测区域内检测的红外信号，确定第一检测结果之后，当所述第一检测结果指示所述检测区域内存在所述异常目标时，对所述检测区域进行图像采集，将第一参考时长内采集到的图像，确定为所述N帧图像。
在本申请一种可能的实现方式中，所述对所述检测区域进行图像采集，将第一参考时长内采集到的图像，确定为所述N帧图像，包括：
在所述第一参考时长内，每隔第二参考时长，通过图像传感器采集所述检测区域的光学图像，所述第二参考时长小于或等于所述第一参考时长；
对所述光学图像进行光电转换，得到所述光学图像对应的电信号；
对所述光学图像对应的电信号进行数字转换，得到二进制图像数据；
对所述二进制图像数据进行像素转换，得到所述检测区域的第一图像，所述第一图像为不可视图像；
将所述第一参考时长内得到的所述第一图像，确定为所述N帧图像。
在本申请一种可能的实现方式中，所述对所述检测区域进行图像采集，将第一参考时长内采集到的图像，确定为所述N帧图像，包括：
在所述第一参考时长内，每隔第二参考时长，通过摄像头对所述检测区域进行拍摄，得到所述检测区域的第二图像，所述第二图像为可视图像；
将所述第一参考时长内拍摄得到的所述第二图像，确定为所述N帧图像。
在本申请一种可能的实现方式中，当所述第一检测结果指示所述检测区域内存在所述异常目标时，对所述检测区域进行图像采集，包括：
当所述第一检测结果指示所述检测区域内存在所述异常目标时，对所述检测区域进行图像采集，以及停止基于检测区域内检测的红外信号，确定第一检测结果；
所述对所述N帧图像依次进行异常目标检测，得到第二检测结果之后，还包括：
若所述第二检测结果指示所述检测区域内不存在所述异常目标，则继续基于检测区域内检测的红外信号，确定第一检测结果。
在本申请一种可能的实现方式中，所述对所述N帧图像进行异常目标检测，得到第二检测结果，包括：
对所述N帧图像进行异常目标检测；
若检测到所述N帧图像中的一帧图像中存在所述异常目标，则确定所述检测区域内存在所述异常目标；
若检测到所述N帧图像中均不存在所述异常目标，则确定所述检测区域不存在所述异常目标。
在本申请一种可能的实现方式中，所述对所述N帧图像进行异常检测，包括：
对所述N帧图像并行进行异常目标检测；或者，
将所述N帧图像中的第一帧图像确定为待检测的第三图像，对所述第三图像进行异常目标检测；若检测到所述第三图像中存在所述异常目标，则确定所述N帧图像中的一帧图像中存在所述异常目标；若检测到所述第三图像中不存在所述异常目标，则将所述第三图像中的下一帧图像确定为待检测的第三图像，并重复执行对所述第三图像进行异常目标检测的步骤，直至检测到所述N帧图像中的一帧图像中存在所述异常目标或者所述N帧图像中均不存在所述异常目标为止。
在本申请一种可能的实现方式中，所述方法还包括：
在对所述N帧图像进行异常目标检测的过程中，对于所述N帧图像中的任一帧待检测的第三图像，基于所述检测区域的背景图像模型，对所述第三图像进行前景检测，所述背景图像模型用于指示所述检测区域的背景图像；
若检测到所述第三图像中存在与所述检测区域的背景图像不同的前景目标，则确定所述前景目标的高度和宽度；
若基于所述前景目标的高度和宽度，确定所述前景目标为所述异常目标，则确定所述第三图像中存在所述异常目标。
在本申请一种可能的实现方式中，所述检测区域的背景图像模型为所述检测区域的背景图像的参考图像特征；
所述基于所述检测区域的背景图像模型，对所述第三图像进行前景检测，包括：
对所述第三图像进行特征提取，得到所述第三图像的参考图像特征；
计算所述第三图像的参考图像特征与所述检测区域的背景图像的参考图像特征之间的特征残差；
当所述特征残差大于或等于特征残差阈值时，确定所述第三图像中存在所述前景目标。
在本申请一种可能的实现方式中，所述对所述第三图像进行特征提取，得到所述第三图像的参考图像特征，包括：
基于所述第三图像对应的二进制图像数据，通过以下公式确定所述第三图像的参考图像特征：
其中，L是指所述第三图像的参考图像特征，Ip是指所述第三图像的第p个像素点对应的二进制图像数据，S是指所述第p个像素点的坐标位置，Ic是指所述第三图像的中心像素点对应的二进制图像数据。
在本申请一种可能的实现方式中，所述确定所述前景目标的高度和宽度之后，还包括：
计算所述前景目标的宽度与高度之间的比值，得到所述前景目标的宽高比；
若所述前景目标的宽高比在参考宽高比范围内，则确定所述前景目标为所述异常目标。
在本申请一种可能的实现方式中，所述基于所述前景目标的高度和宽度，确定所述前景目标为所述异常目标之前，还包括：
确定所述第三图像的高度和宽度；
所述基于所述前景目标的高度和宽度，确定所述前景目标为所述异常目标，包括：
计算所述前景目标的宽度与高度之间的比值，得到所述前景目标的宽高比；
计算所述前景目标的宽度与所述第三图像的宽度之间的第一比值；
计算所述前景目标的高度与所述第三图像的高度之间的第二比值；
若所述前景目标的宽高比在参考宽高比范围内、所述第一比值在第一参考比值范围内且所述第二比值在第二参考比值范围内，则确定所述前景目标为所述异常目标。
在本申请一种可能的实现方式中，所述基于检测区域内检测的红外信号，确定第一检测结果，包括：
通过红外传感器对所述检测区域内的红外信号进行检测，将检测的红外信号转换为电信号，所述红外传感器至少包括红外探头和至少两个菲涅尔透镜；
根据所述电信号的振动幅值，确定所述第一检测结果。
在本申请一种可能的实现方式中，所述根据所述电信号的振动幅值，确定所述第一检测结果，包括：
当所述电信号的振动幅值在参考幅值范围内时，确定所述检测区域内存在所述异常目标；或者，
当所述电信号的振动幅值在参考幅值范围内，且所述电信号的振动频率在参考频率范围内时，确定所述检测区域内存在所述异常目标。
另一方面，提供了一种异常目标的检测装置，所述装置包括：
第一检测模块，用于基于检测区域内检测的红外信号，确定第一检测结果，所述第一检测结果用于指示所述检测区域内是否存在异常目标；
第二检测模块，用于获取所述检测区域的N帧图像，对所述N帧图像进行异常目标检测，得到第二检测结果，所述第二检测结果用于指示所述检测区域内是否存在所述异常目标，所述N为正整数；
确定模块，用于当所述第一检测结果和所述第二检测结果均指示所述检测区域内存在所述异常目标时，确定所述检测区域内存在所述异常目标。
在本申请一种可能的实现方式中，所述第二检测模块用于：
基于检测区域内检测的红外信号，确定第一检测结果同时，对所述检测区域进行图像采集，将第一参考时长内采集到的图像，确定为所述N帧图像；或者，
基于检测区域内检测的红外信号，确定第一检测结果之后，当所述第一检测结果指示所述检测区域内存在所述异常目标时，对所述检测区域进行图像采集，将第一参考时长内采集到的图像，确定为所述N帧图像。
在本申请一种可能的实现方式中，所述第二检测模块用于：
在所述第一参考时长内，每隔第二参考时长，通过图像传感器采集所述检测区域的光学图像，所述第二参考时长小于或等于所述第一参考时长；
对所述光学图像进行光电转换，得到所述光学图像对应的电信号；
对所述光学图像对应的电信号进行数字转换，得到二进制图像数据；
对所述二进制图像数据进行像素转换，得到所述检测区域的第一图像，所述第一图像为不可视图像；
将所述第一参考时长内得到的所述第一图像，确定为所述N帧图像。
在本申请一种可能的实现方式中，所述第二检测模块用于：
在所述第一参考时长内，每隔第二参考时长，通过摄像头对所述检测区域进行拍摄，得到所述检测区域的第二图像，所述第二图像为可视图像；
将所述第一参考时长内拍摄得到的所述第二图像，确定为所述N帧图像。
在本申请一种可能的实现方式中，所述第二检测模块还用于：
当所述第一检测结果指示所述检测区域内存在所述异常目标时，对所述检测区域进行图像采集，以及触发所述第一检测模块停止通过红外传感器，对所述检测区域进行检测；
若所述第二检测结果指示所述检测区域内不存在所述异常目标，则触发所述第一检测模块继续通过红外传感器，对所述检测区域进行检测。
在本申请一种可能的实现方式中，所述第二检测模块用于：
对所述N帧图像进行异常目标检测；
若检测到所述N帧图像中的一帧图像中存在所述异常目标，则确定所述检测区域内存在所述异常目标；
若检测到所述N帧图像中均不存在所述异常目标，则确定所述检测区域不存在所述异常目标。
在本申请一种可能的实现方式中，所述第二检测模块用于：
对所述N帧图像并行进行异常目标检测；或者，
将所述N帧图像中的第一帧图像确定为待检测的第三图像，对所述第三图像进行异常目标检测；若检测到所述第三图像中存在所述异常目标，则确定所述N帧图像中的一帧图像中存在所述异常目标；若检测到所述第三图像中不存在所述异常目标，则将所述第三图像中的下一帧图像确定为待检测的第三图像，并重复执行对所述第三图像进行异常目标检测的步骤，直至检测到所述N帧图像中的一帧图像中存在所述异常目标或者所述N帧图像中均不存在所述异常目标为止。
在本申请一种可能的实现方式中，所述第二检测模块包括：
检测单元，用于在对所述N帧图像进行异常目标检测的过程中，对于所述N帧图像中的任一帧待检测的第三图像，基于所述检测区域的背景图像模型，对所述第三图像进行前景检测，所述背景图像模型用于指示所述检测区域的背景图像；
第一确定单元，用于若检测到所述第三图像中存在与所述检测区域的背景图像不同的前景目标，则确定所述前景目标的高度和宽度；
第二确定单元，用于若基于所述前景目标的高度和宽度，确定所述前景目标为所述异常目标，则确定所述第三图像中存在所述异常目标。
在本申请一种可能的实现方式中，所述检测区域的背景图像模型为所述检测区域的背景图像的参考图像特征；
所述检测单元用于：
对所述第三图像进行特征提取，得到所述第三图像的参考图像特征；
计算所述第三图像的参考图像特征与所述检测区域的背景图像的参考图像特征之间的特征残差；
当所述特征残差大于或等于特征残差阈值时，确定所述第三图像中存在所述前景目标。
在本申请一种可能的实现方式中，所述检测单元用于：
基于所述第三图像对应的二进制图像数据，通过以下公式确定所述第三图像的参考图像特征：
其中，L是指所述第三图像的参考图像特征，Ip是指所述第三图像的第p个像素点对应的二进制图像数据，S是指所述第p个像素点的坐标位置，Ic是指所述第三图像的中心像素点对应的二进制图像数据。
在本申请一种可能的实现方式中，所述检测单元用于：
计算所述前景目标的宽度与高度之间的比值，得到所述前景目标的宽高比；
若所述前景目标的宽高比在参考宽高比范围内，则确定所述前景目标为所述异常目标。
在本申请一种可能的实现方式中，所述检测单元用于：
确定所述第三图像的高度和宽度；
计算所述前景目标的宽度与高度之间的比值，得到所述前景目标的宽高比；
计算所述前景目标的宽度与所述第三图像的宽度之间的第一比值；
计算所述前景目标的高度与所述第三图像的高度之间的第二比值；
若所述前景目标的宽高比在参考宽高比范围内、所述第一比值在第一参考比值范围内且所述第二比值在第二参考比值范围内，则确定所述前景目标为所述异常目标。
在本申请一种可能的实现方式中，所述第一检测模块用于：
通过红外传感器对所述检测区域内的红外信号进行检测，将检测的红外信号转换为电信号，所述红外传感器至少包括红外探头和至少两个菲涅尔透镜；
根据所述电信号的振动幅值，确定所述第一检测结果。
在本申请一种可能的实现方式中，所述第一检测模块用于：
当所述电信号的振动幅值在参考幅值范围内时，确定所述检测区域内存在所述异常目标；或者，
当所述电信号的振动幅值在参考幅值范围内，且所述电信号的振动频率在参考频率范围内时，确定所述检测区域内存在所述异常目标。
另一方面，提供了一种检测设备，所述检测设备包括红外检测单元、图像处理单元和处理器，所述红外检测单元至少包括红外传感器；
所述红外检测单元，用于通过所述红外传感器，对所述检测区域内的红外信号进行检测，将检测信号发送给所述处理器；
所述图像处理单元，用于获取所述检测区域的N帧图像，对所述N帧图像依次进行异常目标检测，得到第二检测结果，将所述第二检测结果发送给所述处理器，所述第二检测结果用于指示所述检测区域内是否存在所述异常目标，所述N为正整数；
所述处理器用于根据所述检测信号确定第一检测结果，当所述第一检测结果和所述第二检测结果均指示所述检测区域内存在所述异常目标时，确定所述检测区域内存在所述异常目标，所述第一检测结果用于指示所述检测区域内是否存在所述异常目标。
另一方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述一方面所述的任一项方法的步骤。
另一方面，提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述一方面所述的任一项方法的步骤。
本申请实施例提供的技术方案带来的有益效果是：
本申请实施例中，可以基于检测区域内检测的红外信号，确定第一检测结果，以及获取检测区域的N帧图像，对该N帧图像进行异常目标检测，得到第二检测结果，当第一检测结果和第二检测结果均指示检测区域内存在异常目标时，确定检测区域内存在异常目标。如此，可以将红外检测与图像检测相结合，来确定检测区域是否存在异常目标，提高了检测结果的准确率，而且，由于图像检测不易受飞虫或热气流等外界因素的干扰，可以降低红外传感器和微波探测器等因飞虫或热气流等外界因素干扰导致的检测失误，因此进一步提高了检测结果的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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是根据一示例性实施例示出的一种实施环境的示意图；
图2是根据另一示例性实施例示出的一种实施环境的示意图；
图3是根据一示例性实施例示出的一种异常目标的检测方法的流程图；
图4是根据另一示例性实施例示出的一种异常目标的检测方法的流程图；
图5是根据一示例性实施例示出的一种人体在检测区域内走动的波形图；
图6是根据一示例性实施例示出的一种人体直立时的示意图；
图7是根据一示例性实施例示出的一种人体卧倒时的示意图；
图8是根据一示例性实施例示出的一种异常目标的检测装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例提供的异常目标的检测方法进行详细介绍之前，先对本申请实施例涉及的应用场景和实施环境予以说明。
首先，对本申请实施例涉及的应用场景进行简单介绍。
本申请实施例提供的异常目标的检测方法可以应用于安防监控或防盗报警等场景中。例如，在防盗报警场景中，可以在需要防盗的区域安装检测设备，通过该检测设备检测该区域是否有人，如果检测到有人，则进行报警提醒，如此可以实现当该区域有人入侵时，进行防盗报警。
接下来，对本申请实施例涉及的实施环境进行简单介绍。
请参考图1，该图1是根据一示例性实施例示出的一种实施环境的示意图，该实施环境包括检测设备，该检测设备可以包括红外检测单元101、图像处理单元102和处理器103。红外检测单元101和图像处理单元102均可以与处理器103进行通信连接。
其中，红外检测单元101至少包括红外传感器，用于通过红外传感器对检测区域进行检测，并将检测信号发送给处理器103。图像处理单元101用于采集检测区域的N帧图像，以及对N帧图像依次进行异常目标检测，得到第二检测结果，将第二检测结果发送给处理器103。处理器103用于根据红外检测单元102发送的检测信号确定第一检测结果，根据第一检测结果和第二检测结果，确定检测区域是否存在异常目标。其中，第一检测结果和第二检测结果均用于指示检测区域是否存在异常目标。
或者，图像处理单元101用于采集检测区域的N帧图像，并将采集的N帧图像发送给处理器103。处理器103用于根据红外检测单元102发送的检测信号确定第一检测结果，对图像处理单元102发送的N帧图像依次进行异常目标检测得到第二检测结果，然后根据第一检测结果和第二检测结果，确定检测区域是否存在异常目标。
或者，红外检测单元101用于通过红外传感器对检测区域进行检测，得到第一检测结果，将第一检测结果发送给处理器103。图像处理单元101用于采集检测区域的N帧图像，以及对N帧图像依次进行异常目标检测，得到第二检测结果，将第二检测结果发送给处理器103。处理器103用于根据红外检测单元102发送的检测信号确定第一检测结果，根据第一检测结果和第二检测结果，确定检测区域是否存在异常目标。
红外传感器安装在检测区域内，用于接收检测区域发出的红外信号，将红外信号转换为电信号。作为一种示例，本申请实施例使用的红外传感器可以为红外主动传感器或PIR(Passive Infrarde，红外被动)传感器。红外传感器的数量可以为一个或多个，本申请实施例对此不做限定。
作为一种示例，参见图2，该红外检测单元101可以包括红外传感器、第一电源和红外传感器信号滤波-放大单元。
其中，红外传感器用于接收检测区域发送的红外信号，并将接收的红外信号转换成电信号，红外传感器信号滤波-放大单元用于对红外传感器输出的电信号进行滤波和放大处理，第一电源用于为红外检测单元供电。
作为一种示例，参见图2，该图像处理单元102可以包括图像传感器、图像像素转换单元、CV(Computer Vision，计算机视觉)引擎单元和第二电源。
其中，图像传感器用于采集检测区域的光学图像，并将光学图像转换成电信号，再将电信号转换为二进制图像数据。像素转换单元用于对二进制图像数据进行像素转换，得到机器可识别但人眼不能看到的不可视图像。CV引擎单元用于对不可视图像进行异常目标检测，以确定检测区域内是否存在异常目标。第二电源用于为图像处理单元102供电。进一步地，参见图2，图像处理单元102还可以包括图像预处理单元。图像预处理用于对图像传感器发送的二进制图像数据进行滤波等处理。
其中，图像传感器可以安装在检测区域内，用于将检测区域的光学图像转换为电信号。图像传感器的数量可以为一个或多个，图2仅是以图像处理单元102包括两个图像传感器为例，本申请实施例对图像传感器的数量不做限定。
作为一种示例，该图像处理单元102还可以包括摄像头、CV引擎单元和第二电源。摄像头安装在检测区域，用于对检测区域进行图像采集，得到人眼可以看到的可视图像。CV引擎单元用于对可视图像进行异常目标检测，以确定检测区域内是否存在异常目标。第二电源用于为图像处理单元102供电。
作为一种示例，可以在启动红外检测单元101的同时，启动图像处理单元102，也即是，可以同时对检测区域进行红外检测和图像检测。
作为一种示例，可以先启动红外检测单元101，当通过红外检测单元101检测到检测区域存在异常目标时，再启动图像处理单元102，以通过图像处理单元102进一步进行图像检测。进一步地，还可以在启动图像处理单元102的同时，关闭红外检测单元101。如此，可以减小检测设备的功耗。
作为一种示例，也可以先启动红外检测单元101，当通过红外检测单元101检测到检测区域存在异常目标时，再启动图像处理单元102对检测区域进行检测，并关闭红外检测单元101。当通过图像处理单元102检测到检测区域不存在异常目标时，继续启动红外检测单元101。当通过图像处理单元102检测到检测区域存在异常目标时，图像处理单元102持续工作。如此，可以确保检测识别以较低功耗运行，进一步减小了检测设备的功耗。
图3是根据一示例性实施例示出的一种异常目标的检测方法流程图，该方法可以应用于上述图1或图2所示的检测设备中，如图3所示，该方法可以包括如下几个步骤：
步骤301：基于检测区域内检测的红外信号，确定第一检测结果，第一检测结果用于指示检测区域内是否存在异常目标。
作为一种示例，通过红外传感器对检测区域内的红外信号进行检测，将检测的红外信号转换为电信号；根据该电信号的振动幅值，确定第一检测结果。
作为一种示例，红外传感器至少包括红外探头和至少两个菲涅尔透镜，红外传感器可以通过至少两个菲涅尔透镜对探测区域内的红外信号进行聚焦，通过红外探头，对两个菲涅尔透镜聚焦的红外信号进行感应，以及将感应的红外信号转换为电信号。
作为一种示例，当电信号的振动幅值在参考幅值范围内时，确定检测区域内存在异常目标。
作为一种示例，当电信号的振动幅值在参考幅值范围内，且电信号的振动频率在参考频率范围内时，确定检测区域内存在异常目标。
步骤302：获取检测区域的N帧图像，对N帧图像进行异常目标检测，得到第二检测结果，第二检测结果用于指示检测区域内是否存在异常目标，N为正整数。
作为一种示例，基于检测区域内检测的红外信号，确定第一检测结果的同时，对检测区域进行图像采集，将第一参考时长内采集到的图像，确定为N帧图像。
作为一种示例，基于检测区域内检测的红外信号，确定第一检测结果之后，当第一检测结果指示检测区域内存在异常目标时，对检测区域进行图像采集，将第一参考时长内采集到的图像，确定为N帧图像。
作为一种示例，在第一参考时长内，每隔第二参考时长，通过图像传感器采集检测区域的光学图像，第二参考时长小于或等于第一参考时长；对光学图像进行光电转换，得到光学图像对应的电信号；对光学图像对应的电信号进行数字转换，得到二进制图像数据；对二进制图像数据进行像素转换，得到检测区域的第一图像，第一图像为不可视图像；将第一参考时长内得到的第一图像，确定为N帧图像。
作为一种示例，在第一参考时长内，每隔第二参考时长，通过摄像头对检测区域进行拍摄，得到检测区域的第二图像，第二图像为可视图像；将第一参考时长内拍摄得到的第二图像，确定为N帧图像。
作为一种示例，当第一检测结果指示检测区域内存在异常目标时，对检测区域进行图像采集，以及停止基于检测区域内检测的红外信号，确定第一检测结果。
作为一种示例，若第二检测结果指示检测区域内不存在异常目标，则继续基于检测区域内检测的红外信号，确定第一检测结果。
作为一种示例，对N帧图像进行异常目标检测；若检测到N帧图像中的一帧图像中存在异常目标，则确定检测区域内存在异常目标；若检测到N帧图像中均不存在异常目标，则确定检测区域不存在异常目标。
作为一种示例，对N帧图像并行进行异常目标检测；或者，将N帧图像中的第一帧图像确定为待检测的第三图像，对第三图像进行异常目标检测；若检测到第三图像中存在异常目标，则确定N帧图像中的一帧图像中存在异常目标；若检测到第三图像中不存在异常目标，则将第三图像中的下一帧图像确定为待检测的第三图像，并重复执行对第三图像进行异常目标检测的步骤，直至检测到N帧图像中的一帧图像中存在异常目标或者N帧图像中均不存在异常目标为止
作为一种示例，在对N帧图像进行异常目标检测的过程中，对于N帧图像中的任一帧待检测的第三图像，基于检测区域的背景图像模型，对第三图像进行前景检测，背景图像模型用于指示检测区域的背景图像；若检测到第三图像中存在与检测区域的背景图像不同的前景目标，则确定前景目标的高度和宽度；若基于前景目标的高度和宽度，确定前景目标为异常目标，则确定第三图像中存在异常目标。
作为一种示例，检测区域的背景图像模型为检测区域的背景图像的参考图像特征。对第三图像进行特征提取，得到第三图像的参考图像特征；计算第三图像的参考图像特征与检测区域的背景图像的参考图像特征之间的特征残差；当特征残差大于或等于特征残差阈值时，确定第三图像中存在前景目标。
作为一种示例，基于第三图像对应的二进制图像数据，通过以下公式确定第三图像的参考图像特征：
其中，L是指第三图像的参考图像特征，Ip是指第三图像的第p个像素点对应的二进制图像数据，S是指第p个像素点的坐标位置，Ic是指第三图像的中心像素点对应的二进制图像数据。
作为一种示例，计算前景目标的宽度与高度之间的比值，得到前景目标的宽高比；若前景目标的宽高比在参考宽高比范围内，则确定前景目标为异常目标。
作为一种示例，确定第三图像的高度和宽度；计算前景目标的宽度与高度之间的比值，得到前景目标的宽高比；计算前景目标的宽度与第三图像的宽度之间的第一比值；计算前景目标的高度与第三图像的高度之间的第二比值；若前景目标的宽高比在参考宽高比范围内、第一比值在第一参考比值范围内且第二比值在第二参考比值范围内，则确定前景目标为异常目标。
步骤303：当第一检测结果和第二检测结果均指示检测区域内存在异常目标时，确定检测区域内存在异常目标。
当第一检测结果指示检测区域内存在异常目标，且第二检测结果也指示检测区域内存在异常目标时，可以确定检测区域内存在异常目标。
在本申请实施例中，可以基于检测区域内检测的红外信号，确定第一检测结果，以及获取检测区域的N帧图像，对该N帧图像进行异常目标检测，得到第二检测结果，当第一检测结果和第二检测结果均指示检测区域内存在异常目标时，确定检测区域内存在异常目标。如此，可以将红外检测与图像检测相结合，来确定检测区域是否存在异常目标，提高了检测结果的准确率，而且，由于图像检测不易受飞虫或热气流等外界因素的干扰，可以降低红外传感器和微波探测器等因飞虫或热气流等外界因素干扰导致的检测失误，因此进一步提高了检测结果的准确率。
图4是根据另一示例性实施例示出的一种异常目标的检测方法流程图，该方法可以应用于上述图1或图2所示的检测设备中，或应用于检测设备中的处理器中，如图4所示，该方法可以包括如下几个步骤：
步骤401：基于检测区域内检测的红外信号，确定第一检测结果，该第一检测结果用于指示检测区域内是否存在异常目标。
其中，异常目标为待检测的目标，可以由检测设备默认设置，也可以由用户设置，本申请实施例对此不做限定。示例性地，异常目标可以为人或车辆等。
作为一种示例，可以通过红外传感器对检测区域内的红外信号进行检测，将检测的红外信号转换为电信号，根据红外传感器输出的电信号确定第一检测结果。其中，红外传感器可以安装在检测区域内。
作为一种示例，红外传感器至少包括红外探头和菲涅尔透镜，菲涅尔透镜用于对检测区域内的红外信号进行聚焦，红外探头用于对菲涅尔透镜聚焦的红外信号进行感应，以及将感应的红外信号转换为电信号。其中，菲涅尔透镜的数量可以为一个或多个。
作为一种示例，红外传感器至少包括红外探头和至少两个菲涅尔透镜。通过红外传感器对检测区域进行检测时，可以通过至少两个菲涅尔透镜对检测区域内的红外信号进行聚焦，通过红外探头，对两个菲涅尔透镜聚焦的红外信号进行感应，以及将感应的红外信号转换为电信号。
通过至少两个菲涅尔透镜对探测区域内的红外信号进行聚焦，可以使得红外传感器能够感应到更远距离的物体发送的红外信号，从而扩大了红外传感器的探测距离，进而扩大了检测区域。
作为一种示例，红外传感器包括两个菲涅尔透镜时，可以将两个菲涅尔透镜并排安装在红外探头上，通过调整两个菲涅尔透镜中每个菲涅尔透镜的凹槽与相邻凹槽之间的角度，可以使检测区域达到更远。
作为一种示例，菲涅尔透镜可以对特定波长的红外信号起到聚焦和划分视区的作用，将特定波长的红外信号聚焦到红外传感器上，将检测区域划分为明区和暗区，且明区和暗区呈交替状态。其中，特定波长可以用于指示可以通过菲涅尔透镜的红外信号的波长，且特定波长一般为一个波长范围。
作为一种示例，红外探头可以为四元红外探头，内部有四个敏感元件，可以感应到通过菲涅尔透镜聚焦的红外信号，通过红外传感器将红外信号转换为电信号之后，还可以对电信号进行一些预处理，对预处理后的电信号进行分析，根据预处理后的电信号的振动幅值，确定第一检测结果。
示例性地，假设红外传感器为PIR传感器，该PIR传感器的探头为四元PIR传感器探头，内部有四个敏感元件，该四个敏感元件可以感应到菲涅尔透镜聚焦的红外信号，并且将该红外信号转换为电信号。在PIR传感器中，可以对电信号进行一些信号噪声过滤，主要过滤电源噪声和器件本身的电器噪声，在红外传感器连接的外部信号调理电路中，可以对该电信号继续进行滤波、放大等处理，对处理后的电信号进行分析，根据处理后的电信号的振动幅值，确定第一检测结果。
在一些实施例中，根据电信号的振动幅值确定第一检测结果可以包括如下两种实现方式。
第一种实现方式：当电信号的振动幅值在参考幅值范围内时，确定检测区域内存在异常目标。
其中，参考幅值范围为异常目标对应的参考幅值范围，可以通过对大量异常目标的数据统计得到。示例性地，若异常目标为人，则可以对红外传感器检测到同一个人在不同的行走频率下产生的电信号的振动幅值、不同的人在相同的行走频率下产生的电信号的振动幅值或相同的人在检测区域的不同位置处产生的电信号的振动振幅等进行统计，得到人对应的参考幅值范围。
也就是说，对处理后的电信号的振动幅值进行统计，当电信号的振动幅值在参考幅值范围内时，确定检测区域内存在异常目标。示例性地，假设参考幅值范围为0.1V～0.9V，电信号的振动幅值为0.2V，则可以确定检测区域内存在异常目标。
以异常目标为人体为例，若有人入侵至检测区域内，则红外传感器可以接收到人体发送的红外信号，并将红外信号转换为电信号。其中，由于人体体表的温度在37度左右，因此发出的红外信号的波长一般在9.6um左右，相应地，转换的电信号的振动幅值也在一定的幅值范围内。因此，检测过程中，可以确定红外传感器输出的电信号的振动幅值是否在该幅值范围内，当电信号的振动幅值在该幅值范围内时，确定检测区域存在人体，即有人体入侵。
第二种实现方式：当电信号的振动幅值在参考幅值范围内，且电信号的振动频率在参考频率范围内时，确定检测区域内存在异常目标。
其中，参考频率范围为异常目标对应的参考频率范围，可以通过对异常目标的大量数据统计得到。示例性地，若异常目标为人，则可以对红外传感器检测到同一个人在不同的行走频率下产生的电信号的振动频率、不同的人在相同的行走频率下产生的电信号的振动频率、相同的人在检测区域的不同位置处产生的电信号的振动频率等进行统计，得到人对应的参考频率范围。
也就是说，对处理后的电信号的振动幅值和振动频率分别进行统计，当电信号的振动幅值在参考幅值范围内，且电信号的振动频率在参考频率范围内时，确定检测区域内存在异常目标。
示例性地，假设参考幅值范围为0.1V～1.2V，参考频率范围为0.5Hz～1Hz，假设有5个电信号的数据，该电信号的振动幅值分别为0.5V、0.2V、0.1V、0.3V、0.5V，该电信号的振动频率为0.6Hz,，可以确定电信号的振动幅值在参考幅值范围内，且电信号的振动频率在参考频率范围内。进而确定检测区域内存在异常目标。
作为一种示例，异常目标距离红外探头越近，其电信号的幅值越大，异常目标距离红外探头越远，其电信号的幅值越小；当电信号为上升沿时，可以确定异常目标是从暗区走到明区，当电信号为下降沿时，可以确定异常目标是从明区走到暗区。
进一步地，通过对大量的数据进行统计，可以确定出异常目标的不同的移动行为中每种移动行为产生的电信号的频率范围，根据处理后的电信号的振动频率，可以确定异常目标进行了哪种移动行为。示例性地，电信号的振动频率在频率范围A内，可以确定异常目标进行了快速移动，电信号的振动频率在频率范围B内，可以确定异常目标进行了缓慢移动。
示例性地，参见图5，该图5为一个人从进入检测区域到离开检测区域的全过程的波形图。其中，横坐标为时间，纵坐标为电压值，单位为0.1V。从图中可以看出，前30个点检测区域内没有人进入，后面波动的数据就是人走动的数据。波形中的上升沿可以表示这个人从暗区走到明区，下降沿可以表示这个人从明区走到暗区，电压的幅值的绝对值越大，可以表示这个人距离红外探头越近，电压的幅值的绝对值越小，可以表示这个人距离红外探头越远。
需要说明的是，本申请实施例是仅以红外传感器为PIR传感器为例进行说明的，在实施中，红外传感器还可以为主动式红外传感器，示例性地，主动式红外传感器包括红外发射器和红外接收器，红外发射器发射一束或多束经过调制过的红外光线投向红外接收器，当红外发射器发射的信号与红外接收器接收的信号的频率相同时，可以认为红外发射器与红外接收器之间没有异常目标，即检测区域内不存在异常目标；当红外发射器发射的信号与红外接收器接收的信号的频率不同时，可以认为红外发射器与红外接收器之间有异常目标，即检测区域内存在异常目标。
步骤402：获取检测区域的N帧图像。
其中，N为大于或等于1的整数。
在一些实施例中，获取检测区域的N帧图像可以包括如下两种实现方式。
第一种实现方式：基于检测区域内检测的红外信号，确定第一检测结果同时，对检测区域进行图像采集，将第一参考时长内采集到的图像，确定为N帧图像。其中，第一参考时长可以根据需要进行调整，例如，第一参考时长可以为200ms。
也就是说，基于检测区域内检测的红外信号确定第一检测结果的操作与获取检测区域的N帧图像的操作同时进行，可以一边对检测区域的红外信号进行检测，一边对检测区域进行图像采集，并对采集的图像进行异常目标检测。
第二种实现方式：基于检测区域内检测的红外信号，确定第一检测结果之后，当第一检测结果指示检测区域内存在异常目标时，对检测区域进行图像采集，将第一参考时长内采集到的图像，确定为N帧图像。
也就是说，可以先对检测区域的红外信号进行检测，当检测到检测区域内存在异常目标时，再开始对检测区域进行图像采集，以便对采集的图像进行异常目标检测。如此，可以减小检测设备的功耗。
作为一个示例，当第一检测结果指示检测区域内存在异常目标时，可以开始对检测区域进行图像采集，同时停止基于检测区域内检测的红外信号，确定第一检测结果，如此，可以进一步减小检测设备的功耗。
在一些实施例中，对检测区域进行图像采集，将第一参考时长内采集到的图像，确定为N帧图像，可以包括如下两种实现方式：
第一种实现方式：在第一参考时长内，每隔第二参考时长，通过图像传感器采集检测区域的光学图像，第二参考时长小于或等于第一参考时长；对光学图像进行光电转换，得到光学图像对应的电信号；对光学图像对应的电信号进行数字转换，得到二进制图像数据；对二进制图像数据进行像素转换，得到检测区域的第一图像；将第一参考时长内得到的第一图像，确定为N帧图像。
其中，第一图像为不可视图像，即机器可以识别但人眼看不到的图像。本申请中采集图像的方式与传统的摄像头不同，所采集的第一图像为不可视图像，如此，可以避免对图像数据的额外操作，从而简化了图像采集操作，降低了图像采集成本。而且，还可以避免泄露人像数据隐私的风险。
也就是说，在第一参考时长内，每隔第二参考时长，通过图像传感器采集检测区域的光学图像，通过图像传感器的光电转换功能，将光学图像转换成对应的电信号，对该光学图像对应的电信号进行数字转换，得到二进制图像数据，对二进制图像数据进行预处理，将处理后的二进制图像数据进行像素转换，得到检测区域的第一图像，将该第一图像确定为N帧图像。
作为一种示例，检测区域内的光学图像可以被图像传感器的感光面检测到，图像传感器将感光面上的光学图像转换成与光学图像对应的电信号，由于一帧光学图像有多个像素点，通过图像传感器的光电转换功能，每个像素点可以输出一个电信号，即输出一个电压值，将这些电信号进行数字转换，转成二进制图像数据，由于图像处理只需要一帧图像中一部分比较重要的像素点，所以，可以对二进制图像数据进行预处理，保留比较重要的一部分二进制图像数据，将预处理后的二进制图像数据进行像素转换，得到检测区域的第一图像，将该第一图像确定为N帧图像。
示例性地，假设第一参考时长为200ms，第二参考时长为40ms，图像传感器可以采集到检测区域内的5帧光学图像。检测区域内的光学图像被图像传感器的感光面检测到，图像传感器将感光面上的光学图像转换成与光学图像成对应比例关系的电信号，假设一帧光学图像上有320×240个像素点，通过图像传感器的光电转换功能，可以得到320×240个电信号，将这些电信号进行数字转换，得到320×240个二进制图像数据，由于图像处理可能不需要这么多的图像数据，所以，可以对这些二进制图像数据做初步的滤波和预设阈值处理，保留比较重要的一部分二进制数据，然后对这些二进制数据进行像素转换，可以得到检测区域的第一图像，将该第一图像确定为N帧图像。
第二种实现方式：在第一参考时长内，每隔第二参考时长，通过摄像头对检测区域进行拍摄，得到检测区域的第二图像，第二图像为可视图像；将第一参考时长内拍摄得到的第二图像，确定为N帧图像。
也就是说，在第一参考时长内，每隔第二参考时长，可以通过摄像头对检测区域进行拍摄，得到检测区域的第二图像，可以将参考时长内拍摄得到的第二图像确定为N帧图像。示例性地，假设第一参考时长为200ms，第二参考时长为40ms，摄像头可以拍摄到检测区域内的5帧图像，可以将这5帧图像确定为N帧图像。
步骤403：对N帧图像进行异常目标检测，得到第二检测结果，该第二检测结果用于指示检测区域内是否存在异常目标。
作为一种示例，当N帧图像为摄像头拍摄得到的第二图像时，还可以对N帧图像进行预处理，再对预处理后的N帧图像依次进行异常目标检测。示例的，预处理操作可以包括：对N帧图像的格式或大小等进行转换，将N帧图像中的每一帧图像进行分割、压缩处理。
在一些实施例中，对N帧图像进行异常目标检测，得到第二检测结果的操作可以：对N帧图像进行异常目标检测，若检测到N帧图像中的一帧图像中存在异常目标，则确定检测区域内存在异常目标；若检测到N帧图像中均不存在异常目标，则确定检测区域内不存在异常目标。
作为一种示例，对N帧图像进行异常目标检测可以包括如下两种实现方式。
第一种实现方式：对N帧图像并行进行异常目标检测。
也就是说，同时对N帧图像中的每一帧图像进行异常目标检测，若检测到该N帧图像中的至少一帧图像中存在异常目标，可以确定检测区域内存在异常目标；若检测到该N帧图像中均不存在异常目标，可以确定检测区域内不存在异常目标。
第二种实现方式：对N帧图像依次进行异常目标检测。
作为一种示例，可以先将N帧图像中的第一帧图像确定为待检测的第三图像，对第三图像进行异常目标检测；若检测到第三图像中存在异常目标，则确定N帧图像中的一帧图像中存在异常目标；若检测到第三图像中不存在异常目标，则将第三图像中的下一帧图像确定为待检测的第三图像，并重复执行对第三图像进行异常目标检测的步骤，直至检测到N帧图像中的一帧图像中存在异常目标或者N帧图像中均不存在异常目标为止。
示例性地，假设N为3，从这3帧图像中获取第一帧图像，对第一帧图像进行异常目标检测。若检测到该第一帧图像中存在异常目标，可以确定检测区域内存在异常目标，停止继续检测；若检测到第一帧图像中不存在异常目标，则从3帧图像中继续获取第二帧图像，对该第二帧图像进行异常目标检测。若检测到该第二帧图像中存在异常目标，可以确定检测区域内存在异常目标，停止继续检测；若检测到该第二帧图像中不存在异常目标，则从3帧图像中继续获取第三帧图像，对该第三帧图像进行异常目标检测。若检测到该第三帧图像中存在异常目标，可以确定检测区域内存在异常目标；若检测到该第三帧图像中不存在异常目标，可以确定检测区域内不存在异常目标。
在一些实施例中，对N帧图像进行异常目标检测，得到第二检测结果可以包括如下实现步骤：
(1)在对N帧图像进行异常目标检测的过程中，对于N帧图像中的任一帧待检测的第三图像，基于检测区域的背景图像模型，对第三图像进行前景检测，背景图像模型用于指示检测区域的背景图像。
其中，检测区域的背景图像模型为检测区域的背景图像的参考图像特征。
也就是说，对于N帧图像中的任一帧待检测的第三图像，可以通过对比检测区域没有异常目标时的背景图像与该第三图像的差异，对该第三图像进行前景检测。
作为一种示例，可以通过对第三图像进行特征提取，得到第三图像的参考图像特征，计算第三图像的参考图像特征与检测区域的背景图像的参考图像特征之间的特征残差，当特征残差大于或等于特征残差阈值时，确定第三图像中存在前景目标。
其中，特征残差用于指示第三图像与检测区域的背景图像之间的变化情况。特征残差阈值可以通过大数据统计得到。
也就是说，由于检测区域的背景图像模型为检测区域的背景图像的参考图像特征，所以，可以提取第三图像的参考图像特征，将该第三图像的参考图像特征与检测区域的背景图像的参考图像特征进行对比，根据比较结果实现对第三图像进行前景检测。即计算第三图像的参考图像特征与检测区域的背景图像的参考图像特征之间的特征残差，当特征残差大于或等于特征残差阈值时，确定第三图像中存在前景目标，当特征残差小于特征残差阈值时，确定第三图像中不存在前景目标之间的特征残差。
作为一种示例，对第三图像进行特征提取时，可以基于该第三图像对应的二进制图像数据，通过以下公式确定第三图像的参考图像特征：
其中，L是指第三图像的参考图像特征，Ip是指第三图像的第p个像素点对应的二进制图像数据，S是指第p个像素点的坐标位置，Ic是指第三图像的中心像素点对应的二进制图像数据。作为一种示例，Ic对应的第三图像的中心像素点的坐标位置可以表示为(xc,yc)。
示例性地，假设第三图像包括100个像素点，当p＝100时，将这100个像素点中的每个像素点对应的二进制图像数据与该第三图像的中心像素点对应的二进制图像数据分别相减，根据上述公式求和，可以得到第三图像的参考图像特征。假设特征残差阈值为5，第三图像的参考图像特征为10，检测区域的背景图像的参考图像特征为2，可以确定特征残差为8，大于特征残差阈值，进而可以确定第三图像中存在前景目标。
(2)若检测到第三图像中存在与检测区域的背景图像不同的前景目标，则确定前景目标的高度和宽度。
其中，前景目标是指不属于检测区域的背景图像的目标，即检测区域的外来目标。由于检测区域内存在的前景目标可能为人体、车辆、小动物等任何目标，不一定是待检测的异常目标，因此，为了避免检测失误，需要进一步确定该前景目标是否为异常目标。
作为一种示例，可以根据第三图像中与检测区域的背景图像的数据差异较大的像素点的坐标，确定前景目标的宽度和高度。
确定前景目标的高度和宽度之后，可以根据前景目标的高度和宽度，确定前景目标是否为异常目标。作为一种示例，根据前景目标的高度和宽度，确定前景目标是否为异常目标的操作可以包括以下三种实现方式：
第一种实现方式：计算前景目标的宽度与高度之间的比值，得到前景目标的宽高比；若前景目标的宽高比在参考宽高比范围内，则确定前景目标为异常目标。
其中，参考宽高比范围为异常目标对应的参考宽高比范围，可以通过对大量异常目标图像统计得到。示例性地，若异常目标为人，则可以根据大量人体图像，统计人在不同姿态下的高度和宽度、统计不同人在相同姿态下的高度和宽度宽度等等，根据这些数据，得到人对应的参考宽高比范围。
示例性地，参见图6，图6为人站立时的图像，其中，人体的宽度为W，高度为H，宽高比为W/H。参见图7，图7为人卧倒时的图像，其中，人体的宽度为W1，高度为H1，宽高比为W1/H1。
也就是说，确定前景目标的高度和宽度后，可以计算该前景目标的宽度和高度的比值，得到前景目标的宽高比，将前景目标的宽高比与大数据统计得到的参考宽高比进行对比，当前景目标的宽高比在参考宽高比范围内时，可以确定前景目标为异常目标，当前景目标的宽高比不在参考宽高比范围内时，可以确定前景目标不是异常目标。
示例性地，假设参考宽高比为1:5～5:1，前景目标的宽度为0.6m，高度为1.8m，宽高比为1:3，可以确定该前景目标的宽高比在参考宽高比范围内时，进而确定该前景目标为异常目标。
第二种实现方式：确定第三图像的高度和宽度，计算前景目标的宽度与高度之间的比值，得到前景目标的宽高比；计算前景目标的宽度与第三图像的宽度之间的第一比值；计算前景目标的高度与第三图像的高度之间的第二比值；若前景目标的宽高比在参考宽高比范围内、第一比值在第一参考比值范围内且第二比值在第二参考比值范围内，则确定前景目标为异常目标。
其中，第一参考比值范围和第二参考比值范围均可以根据大数据统计得到。
也就是说，确定前景目标的高度和宽度后，可以计算该前景目标的宽度和高度的比值，得到前景目标的宽高比，将前景目标的宽高比与大数据统计得到的参考宽高比进行对比，确定第三图像的高度和宽度，计算前景目标的宽度与第三图像的宽度之间的第一比值；计算前景目标的高度与第三图像的高度之间的第二比值；若前景目标的宽高比在参考宽高比范围内、第一比值在第一参考比值范围内且第二比值在第二参考比值范围内，则确定前景目标为异常目标，但若前景目标的宽高比不在参考宽高比范围内或第一比值不在第一参考比值范围内或第二比值不在第二参考比值范围内时，可以确定前景目标不是异常目标。
示例性地，假设参考宽高比范围为1:5～5:1，第一参考比值范围为1:20～1:5，第二参考比值范围为1:20～1:2，前景目标的宽度为0.6m，高度为1.8m，第三图像的宽度为6m，高度为4m，可以得到前景目标的宽高比为1:3，第一比值为1:10，第二比值为9:20，可以确定前景目标的宽高比在参考宽高比范围内、第一比值在第一参考比值范围内且第二比值在第二参考比值范围内，进而可以确定前景目标是异常目标。假设将上述举例中的第三图像的高度改成3m，其他数据不变，可以确定第二比值为3:5，前景目标的宽高比在参考宽高比范围内，第一比值在第一参考比值范围，但第二比值不在第二参考比值范围内，可以确定前景目标不是异常目标。
第三种实现方式：确定第三图像的高度和宽度，计算前景目标的宽度与高度之间的比值，得到前景目标的宽高比；确定第三比值，第三比值为前景目标的宽度与第三图像的宽度之间的比值，或者，前景目标的高度与第三图像的高度之间的比值；若前景目标的宽高比在参考宽高比范围内，且第三比值在第三参考比值范围内，则确定前景目标为异常目标。
其中，若第三比值为前景目标的宽度与第三图像的宽度之间的比值，则第三参考比值范围为上述第一参考比值范围，若第三比值为前景目标的高度与第三图像的高度之间的比值，则第三参考比值范围为上述第二参考比值范围。
(3)若基于前景目标的高度和宽度，确定前景目标为异常目标，则确定第三图像中存在异常目标。
当确定前景目标为异常目标时，可以确定第三图像中存在异常目标，进而确定检测区域内存在异常目标。
作为一种示例，对N帧图像依次进行异常目标检测，得到第二检测结果之后，若第二检测结果指示检测区域内不存在异常目标，则继续基于检测区域内检测的红外信号，对检测区域进行检测。
作为另一种示例，当继续基于检测区域内检测的红外信号对检测区域进行检测时，可以停止获取检测区域的图像，以及对获取的图像进行异常目标检测，如此，可以降低检测设备的功耗。
作为一种示例，在对N帧图像依次进行异常检测的过程中，当检测到N帧图像中的目标图像中存在异常目标时，还可以继续对目标图像之后的图像进行检测，以检测异常目标的位置变化或姿态变化。
步骤404：当第一检测结果和第二检测结果均指示检测区域内存在异常目标时，确定检测区域内存在异常目标。
本申请实施例中，可以基于检测区域内检测的红外信号，确定第一检测结果，以及获取检测区域的N帧图像，对该N帧图像进行异常目标检测，得到第二检测结果，当第一检测结果和第二检测结果均指示检测区域内存在异常目标时，确定检测区域内存在异常目标。如此，可以将红外检测与图像检测相结合，来确定检测区域是否存在异常目标，提高了检测结果的准确率，而且，由于图像检测不易受飞虫或热气流等外界因素的干扰，可以降低红外传感器和微波探测器等因飞虫或热气流等外界因素干扰导致的检测失误，因此进一步提高了检测结果的准确率。
图8是根据一示例性实施例示出的一种异常目标的检测装置的结构示意图，该异常目标的检测装置可以由软件、硬件或者两者的结合实现。参见图8，该装置可以包括：
第一检测模块801，用于基于检测区域内检测的红外信号，确定第一检测结果，第一检测结果用于指示检测区域内是否存在异常目标；
第二检测模块802，用于获取检测区域的N帧图像，对N帧图像进行异常目标检测，得到第二检测结果，第二检测结果用于指示检测区域内是否存在异常目标，N为正整数；
确定模块803，用于当第一检测结果和第二检测结果均指示检测区域内存在异常目标时，确定检测区域内存在异常目标。
在本申请一种可能的实现方式中，该第二检测模块802用于：
基于检测区域内检测的红外信号，确定第一检测结果的同时，对该检测区域进行图像采集，将第一参考时长内采集到的图像，确定为该N帧图像；或者，
基于检测区域内检测的红外信号，确定第一检测结果之后，当该第一检测结果指示该检测区域内存在该异常目标时，对该检测区域进行图像采集，将第一参考时长内采集到的图像，确定为该N帧图像。
在本申请一种可能的实现方式中，该第二检测模块802用于：
在该第一参考时长内，每隔第二参考时长，通过图像传感器采集该检测区域的光学图像，该第二参考时长小于或等于该第一参考时长；
对该光学图像进行光电转换，得到该光学图像对应的电信号；
对该光学图像对应的电信号进行数字转换，得到二进制图像数据；
对该二进制图像数据进行像素转换，得到该检测区域的第一图像，该第一图像为不可视图像；
将该第一参考时长内得到的该第一图像，确定为该N帧图像。
在本申请一种可能的实现方式中，该第二检测模块802用于：
在该第一参考时长内，每隔第二参考时长，通过摄像头对该检测区域进行拍摄，得到该检测区域的第二图像，该第二图像为可视图像；
将该第一参考时长内拍摄得到的该第二图像，确定为该N帧图像。
在本申请一种可能的实现方式中，该第二检测模块802还用于：
当该第一检测结果指示该检测区域内存在该异常目标时，对该检测区域进行图像采集，以及触发该第一检测模块停止通过红外传感器，对该检测区域进行检测；
若该第二检测结果指示该检测区域内不存在该异常目标，则触发该第一检测模块继续通过红外传感器，对该检测区域进行检测。
在本申请一种可能的实现方式中，该第二检测模块802用于：
对该N帧图像进行异常目标检测；
若检测到该N帧图像中的一帧图像中存在该异常目标，则确定该检测区域内存在该异常目标；
若检测到该N帧图像中均不存在该异常目标，则确定该检测区域不存在该异常目标。
在本申请一种可能的实现方式中，该第二检测模块802用于：
对该N帧图像并行进行异常目标检测；或者，
将该N帧图像中的第一帧图像确定为待检测的第三图像，对该第三图像进行异常目标检测；若检测到该第三图像中存在该异常目标，则确定该N帧图像中的一帧图像中存在该异常目标；若检测到该第三图像中不存在该异常目标，则将该第三图像中的下一帧图像确定为待检测的第三图像，并重复执行对该第三图像进行异常目标检测的步骤，直至检测到该N帧图像中的一帧图像中存在该异常目标或者该N帧图像中均不存在该异常目标为止。
在本申请一种可能的实现方式中，该第二检测模块802包括：
检测单元，用于在对所述N帧图像进行异常目标检测的过程中，对于所述N帧图像中的任一帧待检测的第三图像，基于该检测区域的背景图像模型，对该第三图像进行前景检测，该背景图像模型用于指示该检测区域的背景图像；
第一确定单元，用于若检测到该第三图像中存在与该检测区域的背景图像不同的前景目标，则确定该前景目标的高度和宽度；
第二确定单元，用于若基于该前景目标的高度和宽度，确定该前景目标为该异常目标，则确定该第三图像中存在该异常目标。
在本申请一种可能的实现方式中，该检测区域的背景图像模型为该检测区域的背景图像的参考图像特征；
该检测单元用于：
对该第三图像进行特征提取，得到该第三图像的参考图像特征；
计算该第三图像的参考图像特征与该检测区域的背景图像的参考图像特征之间的特征残差；
当该特征残差大于或等于特征残差阈值时，确定该第三图像中存在该前景目标。
在本申请一种可能的实现方式中，该检测单元用于：
基于该第三图像对应的二进制图像数据，通过以下公式确定该第三图像的参考图像特征：
其中，L是指该第三图像的参考图像特征，Ip是指该第三图像的第p个像素点对应的二进制图像数据，S是指该第p个像素点的坐标位置，Ic是指该第三图像的中心像素点对应的二进制图像数据。
在本申请一种可能的实现方式中，该检测单元用于：
计算该前景目标的宽度与高度之间的比值，得到该前景目标的宽高比；
若该前景目标的宽高比在参考宽高比范围内，则确定该前景目标为该异常目标。
在本申请一种可能的实现方式中，该检测单元用于：
确定该第三图像的高度和宽度；
该基于该前景目标的高度和宽度，确定该前景目标为该异常目标，包括：
计算该前景目标的宽度与高度之间的比值，得到该前景目标的宽高比；
计算该前景目标的宽度与该第三图像的宽度之间的第一比值；
计算该前景目标的高度与该第三图像的高度之间的第二比值；
若该前景目标的宽高比在参考宽高比范围内、该第一比值在第一参考比值范围内且该第二比值在第二参考比值范围内，则确定该前景目标为该异常目标。
在本申请一种可能的实现方式中，该红外传感器至少包括红外探头和至少两个菲涅尔透镜；
该第一检测模块801用于：
通过红外传感器对所述检测区域内的红外信号进行检测，将检测的红外信号转换为电信号，所述红外传感器至少包括红外探头和至少两个菲涅尔透镜；
根据该电信号的振动幅值，确定该第一检测结果。
在本申请一种可能的实现方式中，该第一检测模块801用于：
当该电信号的振动幅值在参考幅值范围内时，确定该检测区域内存在该异常目标；或者，
当该电信号的振动幅值在参考幅值范围内，且该电信号的振动频率在参考频率范围内时，确定该检测区域内存在该异常目标。
本申请实施例中，可以基于检测区域内检测的红外信号，确定第一检测结果，以及获取检测区域的N帧图像，对该N帧图像进行异常目标检测，得到第二检测结果，当第一检测结果和第二检测结果均指示检测区域内存在异常目标时，确定检测区域内存在异常目标。如此，可以将红外检测与图像检测相结合，来确定检测区域是否存在异常目标，提高了检测结果的准确率，而且，由于图像检测不易受飞虫或热气流等外界因素的干扰，可以降低红外传感器和微波探测器等因飞虫或热气流等外界因素干扰导致的检测失误，因此进一步提高了检测结果的准确率。
需要说明的是：上述实施例提供的异常目标的检测装置在检测异常目标时，仅以上述各功能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模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的异常目标的检测装置与异常目标的检测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，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，均应包含在本申请的保护范围之内。

Claims (21)

1.一种异常目标的检测方法，其特征在于，所述方法包括：
基于检测区域内检测的红外信号，确定第一检测结果，所述第一检测结果用于指示所述检测区域内是否存在异常目标；
在第一参考时长内，每隔第二参考时长，通过图像传感器采集所述检测区域的光学图像，所述第二参考时长小于或等于所述第一参考时长；
对所述光学图像进行光电转换，得到所述光学图像对应的电信号；
对所述光学图像对应的电信号进行数字转换，得到二进制图像数据；
对所述二进制图像数据进行预处理，将处理后的二进制图像数据进行像素转换，得到所述检测区域的第一图像，所述第一图像为不可视图像；
将所述第一参考时长内得到的所述第一图像，确定为N帧图像，对所述N帧图像进行异常目标检测，得到第二检测结果，所述第二检测结果用于指示所述检测区域内是否存在所述异常目标，所述N为正整数；
当所述第一检测结果和所述第二检测结果均指示所述检测区域内存在所述异常目标时，确定所述检测区域内存在所述异常目标。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于检测区域内检测的红外信号，确定第一检测结果的同时，执行对所述检测区域进行图像采集，将第一参考时长内得到的第一图像，确定为所述N帧图像的步骤；或者，
基于检测区域内检测的红外信号，确定第一检测结果之后，当所述第一检测结果指示所述检测区域内存在所述异常目标时，执行对所述检测区域进行图像采集，将第一参考时长内得到的第一图像，确定为所述N帧图像的步骤。
3.如权利要求2所述的方法，其特征在于，所述方法还包括：
在所述第一参考时长内，每隔第二参考时长，通过摄像头对所述检测区域进行拍摄，得到所述检测区域的第二图像，所述第二图像为可视图像；
将所述第一参考时长内拍摄得到的所述第二图像，确定为所述N帧图像。
4.如权利要求2所述的方法，其特征在于，当所述第一检测结果指示所述检测区域内存在所述异常目标时，对所述检测区域进行图像采集，包括：
当所述第一检测结果指示所述检测区域内存在所述异常目标时，对所述检测区域进行图像采集，以及停止基于检测区域内检测的红外信号，确定第一检测结果；
所述对所述N帧图像依次进行异常目标检测，得到第二检测结果之后，还包括：
若所述第二检测结果指示所述检测区域内不存在所述异常目标，则继续基于检测区域内检测的红外信号，确定第一检测结果。
5.如权利要求1所述的方法，其特征在于，所述对所述N帧图像进行异常目标检测，得到第二检测结果，包括：
对所述N帧图像进行异常目标检测；
若检测到所述N帧图像中的一帧图像中存在所述异常目标，则确定所述检测区域内存在所述异常目标；
若检测到所述N帧图像中均不存在所述异常目标，则确定所述检测区域内不存在所述异常目标。
6.如权利要求5所述的方法，其特征在于，所述对所述N帧图像进行异常检测，包括：
对所述N帧图像并行进行异常目标检测；或者，
将所述N帧图像中的第一帧图像确定为待检测的第三图像，对所述第三图像进行异常目标检测；若检测到所述第三图像中存在所述异常目标，则确定所述N帧图像中的一帧图像中存在所述异常目标；若检测到所述第三图像中不存在所述异常目标，则将所述第三图像中的下一帧图像确定为待检测的第三图像，并重复执行对所述第三图像进行异常目标检测的步骤，直至检测到所述N帧图像中的一帧图像中存在所述异常目标或者所述N帧图像中均不存在所述异常目标为止。
7.如权利要求5所述的方法，其特征在于，所述方法还包括：
在对所述N帧图像进行异常目标检测的过程中，对于所述N帧图像中的任一帧待检测的第三图像，基于所述检测区域的背景图像模型，对所述第三图像进行前景检测，所述背景图像模型用于指示所述检测区域的背景图像；
若检测到所述第三图像中存在与所述检测区域的背景图像不同的前景目标，则确定所述前景目标的高度和宽度；
若基于所述前景目标的高度和宽度，确定所述前景目标为所述异常目标，则确定所述第三图像中存在所述异常目标。
8.如权利要求7所述的方法，其特征在于，所述检测区域的背景图像模型为所述检测区域的背景图像的参考图像特征；
所述基于所述检测区域的背景图像模型，对所述第三图像进行前景检测，包括：
对所述第三图像进行特征提取，得到所述第三图像的参考图像特征；
计算所述第三图像的参考图像特征与所述检测区域的背景图像的参考图像特征之间的特征残差；
当所述特征残差大于或等于特征残差阈值时，确定所述第三图像中存在所述前景目标。
9.根据权利要求8所述的方法，其特征在于，所述对所述第三图像进行特征提取，得到所述第三图像的参考图像特征，包括：
基于所述第三图像对应的二进制图像数据，通过以下公式确定所述第三图像的参考图像特征：
其中，L是指所述第三图像的参考图像特征，Ip是指所述第三图像的第p个像素点对应的二进制图像数据，S是指所述第p个像素点的坐标位置，Ic是指所述第三图像的中心像素点对应的二进制图像数据。
10.如权利要求7所述的方法，其特征在于，所述确定所述前景目标的高度和宽度之后，还包括：
计算所述前景目标的宽度与高度之间的比值，得到所述前景目标的宽高比；
若所述前景目标的宽高比在参考宽高比范围内，则确定所述前景目标为所述异常目标。
11.如权利要求7所述的方法，其特征在于，所述基于所述前景目标的高度和宽度，确定所述前景目标为所述异常目标之前，还包括：
确定所述第三图像的高度和宽度；
所述基于所述前景目标的高度和宽度，确定所述前景目标为所述异常目标，包括：
计算所述前景目标的宽度与高度之间的比值，得到所述前景目标的宽高比；
计算所述前景目标的宽度与所述第三图像的宽度之间的第一比值；
计算所述前景目标的高度与所述第三图像的高度之间的第二比值；
若所述前景目标的宽高比在参考宽高比范围内、所述第一比值在第一参考比值范围内且所述第二比值在第二参考比值范围内，则确定所述前景目标为所述异常目标。
12.如权利要求1所述的方法，其特征在于，所述基于检测区域内检测的红外信号，确定第一检测结果，包括：
通过红外传感器对所述检测区域内的红外信号进行检测，将检测的红外信号转换为电信号，所述红外传感器至少包括红外探头和至少两个菲涅尔透镜；
根据所述电信号的振动幅值，确定所述第一检测结果。
13.如权利要求12所述的方法，其特征在于，所述根据所述电信号的振动幅值，确定所述第一检测结果，包括：
当所述电信号的振动幅值在参考幅值范围内时，确定所述检测区域内存在所述异常目标；或者，
当所述电信号的振动幅值在参考幅值范围内，且所述电信号的振动频率在参考频率范围内时，确定所述检测区域内存在所述异常目标。
14.一种检测设备，其特征在于，所述检测设备包括红外检测单元、图像处理单元和处理器，所述红外检测单元至少包括红外传感器；
所述红外检测单元，用于通过所述红外传感器，对检测区域内的红外信号进行检测，将检测信号发送给所述处理器；
所述图像处理单元，用于在第一参考时长内，每隔第二参考时长，通过图像传感器采集所述检测区域的光学图像，所述第二参考时长小于或等于所述第一参考时长；对所述光学图像进行光电转换，得到所述光学图像对应的电信号；对所述光学图像对应的电信号进行数字转换，得到二进制图像数据；对所述二进制图像数据进行预处理，将处理后的二进制图像数据进行像素转换，得到所述检测区域的第一图像，所述第一图像为不可视图像；将所述第一参考时长内得到的所述第一图像，确定为N帧图像，对所述N帧图像依次进行异常目标检测，得到第二检测结果，将所述第二检测结果发送给所述处理器，所述第二检测结果用于指示所述检测区域内是否存在所述异常目标，所述N为正整数；
所述处理器用于根据所述检测信号确定第一检测结果，当所述第一检测结果和所述第二检测结果均指示所述检测区域内存在所述异常目标时，确定所述检测区域内存在所述异常目标，所述第一检测结果用于指示所述检测区域内是否存在所述异常目标。
15.如权利要求14所述的检测设备，其特征在于，所述处理器用于：
在所述红外检测单元通过所述红外传感器，对所述检测区域内的红外信号进行检测的同时，控制所述图像处理单元获取所述检测区域的N帧图像，对所述N帧图像依次进行异常目标检测；或者，
在根据所述红外检测单元发送的检测信号，确定所述检测区域内存在所述异常目标之后，控制所述图像处理单元获取所述检测区域的N帧图像，对所述N帧图像依次进行异常目标检测。
16.如权利要求15所述的检测设备，其特征在于，所述处理器用于：
在根据所述红外检测单元发送的检测信号，确定所述检测区域内存在所述异常目标之后，控制所述图像处理单元获取所述检测区域的N帧图像，对所述N帧图像依次进行异常目标检测，以及控制所述红外检测单元停止通过所述红外传感器，对所述检测区域内的红外信号进行检测；
若通过图像检测单元确定所述检测区域内不存在所述异常目标，则控制所述红外检测单元继续通过所述红外传感器，对所述检测区域内的红外信号进行检测。
17.如权利要求14所述的检测设备，其特征在于，所述图像处理单元用于：
对所述N帧图像进行异常目标检测；
若检测到所述N帧图像中的一帧图像中存在所述异常目标，则确定所述检测区域内存在所述异常目标；
若检测到所述N帧图像中均不存在所述异常目标，则确定所述检测区域内不存在所述异常目标。
18.如权利要求17所述的检测设备，其特征在于，所述图像处理单元用于：
对所述N帧图像并行进行异常目标检测；或者，
将所述N帧图像中的第一帧图像确定为待检测的第三图像，对所述第三图像进行异常目标检测；若检测到所述第三图像中存在所述异常目标，则确定所述N帧图像中的一帧图像中存在所述异常目标；若检测到所述第三图像中不存在所述异常目标，则将所述第三图像中的下一帧图像确定为待检测的第三图像，并重复执行对所述第三图像进行异常目标检测的步骤，直至检测到所述N帧图像中的一帧图像中存在所述异常目标或者所述N帧图像中均不存在所述异常目标为止。
19.如权利要求17所述的检测设备，其特征在于，所述图像处理单元用于：
在对所述N帧图像进行异常目标检测的过程中，对于所述N帧图像中的任一帧待检测的第三图像，基于所述检测区域的背景图像模型，对所述第三图像进行前景检测，所述背景图像模型用于指示所述检测区域的背景图像；
若检测到所述第三图像中存在与所述检测区域的背景图像不同的前景目标，则确定所述前景目标的高度和宽度；
若基于所述前景目标的高度和宽度，确定所述前景目标为所述异常目标，则确定所述第三图像中存在所述异常目标。
20.如权利要求14所述的检测设备，其特征在于，所述红外传感器包括红外探头和至少两个菲涅尔透镜，所述红外传感器用于：
通过所述至少两个菲涅尔透镜，对所述检测区域内的红外信号进行聚焦；
通过所述红外探头对所述至少两个菲涅尔透镜聚焦的红外信号进行感应，将感应的红外信号转换为所述检测信号。
21.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现权利要求1-13所述的任一项方法的步骤。
CN201910508062.6A 2019-06-12 2019-06-12 异常目标的检测方法、装置及存储介质 Active CN112084813B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201910508062.6A CN112084813B (zh) 2019-06-12 2019-06-12 异常目标的检测方法、装置及存储介质
US17/618,137 US20220245941A1 (en) 2019-06-12 2019-12-10 Method and device for detecting abnormal target, and storage medium
PCT/CN2019/124327 WO2020248543A1 (zh) 2019-06-12 2019-12-10 异常目标的检测方法、设备及存储介质
EP19933022.6A EP3965001A4 (en) 2019-06-12 2019-12-10 Abnormal target detection method and device, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910508062.6A CN112084813B (zh) 2019-06-12 2019-06-12 异常目标的检测方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN112084813A CN112084813A (zh) 2020-12-15
CN112084813B true CN112084813B (zh) 2024-06-04

Family

ID=73734603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910508062.6A Active CN112084813B (zh) 2019-06-12 2019-06-12 异常目标的检测方法、装置及存储介质

Country Status (4)

Country Link
US (1) US20220245941A1 (zh)
EP (1) EP3965001A4 (zh)
CN (1) CN112084813B (zh)
WO (1) WO2020248543A1 (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112861998A (zh) * 2021-03-16 2021-05-28 上海东普信息科技有限公司 神经网络模型构建方法、安全通道异常监测方法及系统
CN113724189B (zh) * 2021-03-17 2025-11-25 腾讯科技（深圳）有限公司 图像处理方法、装置、设备及存储介质
CN113238214B (zh) * 2021-04-14 2024-03-19 杭州萤石软件有限公司 目标对象检测方法、装置、电子设备和存储介质
CN113259698B (zh) * 2021-05-12 2022-11-15 北京字节跳动网络技术有限公司 更换画面中的背景的方法、设备、存储介质及程序产品
CN114220249B (zh) * 2021-12-03 2023-08-08 深圳快品信息技术有限公司 自提外卖配送的合理调度装置、系统及方法
CN114167223B (zh) * 2022-02-11 2022-05-31 北京美达龙源环保电气有限公司 供电异常的检测方法、装置及计算机可读存储介质
CN115456954A (zh) * 2022-08-18 2022-12-09 深圳市朗驰欣创科技股份有限公司 一种异常状态的识别方法、识别装置及终端设备
CN116188415A (zh) * 2023-02-03 2023-05-30 中国电子信息产业集团有限公司第六研究所 一种承载物中实体的检测方法、装置及电子设备
CN116862980B (zh) * 2023-06-12 2024-01-23 上海玉贲智能科技有限公司 图像边缘的目标检测框位置优化校正方法、系统、介质及终端

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101339688A (zh) * 2008-08-27 2009-01-07 北京中星微电子有限公司 一种入侵检测方法及系统
CN104866842A (zh) * 2015-06-05 2015-08-26 中国人民解放军国防科学技术大学 一种人体目标入侵检测方法
CN105163095A (zh) * 2015-10-16 2015-12-16 湖南智慧平安科技有限公司 面向偏僻地段的人体目标监控方法
CN108388845A (zh) * 2018-02-05 2018-08-10 李刚毅 对象检测方法和系统

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9036902B2 (en) * 2007-01-29 2015-05-19 Intellivision Technologies Corporation Detector for chemical, biological and/or radiological attacks
US7852210B2 (en) * 2007-12-31 2010-12-14 Honeywell International Inc. Motion detector for detecting tampering and method for detecting tampering
EP2350792B1 (en) * 2008-10-10 2016-06-22 Qualcomm Incorporated Single camera tracker
CN101937563B (zh) * 2009-07-03 2012-05-30 深圳泰山在线科技有限公司 一种目标检测方法和设备及其使用的图像采集装置
US8675066B2 (en) * 2009-10-02 2014-03-18 Alarm.Com Incorporated Image surveillance and reporting technology
US9367733B2 (en) * 2012-11-21 2016-06-14 Pelco, Inc. Method and apparatus for detecting people by a surveillance system
WO2018222982A1 (en) * 2017-06-01 2018-12-06 Gary Franklin Bart Control access utilizing video analytics
CN109271897B (zh) * 2018-08-31 2023-10-24 平安科技（深圳）有限公司 人脸动作单元检测方法、装置、计算机设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101339688A (zh) * 2008-08-27 2009-01-07 北京中星微电子有限公司 一种入侵检测方法及系统
CN104866842A (zh) * 2015-06-05 2015-08-26 中国人民解放军国防科学技术大学 一种人体目标入侵检测方法
CN105163095A (zh) * 2015-10-16 2015-12-16 湖南智慧平安科技有限公司 面向偏僻地段的人体目标监控方法
CN108388845A (zh) * 2018-02-05 2018-08-10 李刚毅 对象检测方法和系统

Also Published As

Publication number Publication date
US20220245941A1 (en) 2022-08-04
WO2020248543A1 (zh) 2020-12-17
EP3965001A4 (en) 2022-06-29
EP3965001A1 (en) 2022-03-09
CN112084813A (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
CN112084813B (zh) 异常目标的检测方法、装置及存储介质
EP2467805B1 (en) Method and system for image analysis
US20180189959A1 (en) Data rate control for event-based vision sensor
CN103780957A (zh) 一种电视终端智能控制系统及其控制方法
CN103595916A (zh) 一种双摄像头目标跟踪系统及其实现方法
CN110414445B (zh) 用于人脸识别的光源调节方法、装置及电子设备
CN120234769B (zh) 基于ai图像识别的船舶总装建造安全质量实时监测方法
CN112312076A (zh) 智能型移动检测装置
CN101699531A (zh) 红外相关识别报警系统及其识别方法
CN116416577A (zh) 一种用于施工监控系统的异常识别方法
CN113903058A (zh) 一种基于区域人员识别的智能控制系统
CN109040711A (zh) 一种图像采集方法、监控方法和图像传感器
CN117671799B (zh) 结合深度测量的人体跌倒检测方法、装置、设备及介质
CN118258399A (zh) 一种基于多传感器融合的室内人体检测方法
JP2012088861A (ja) 侵入物体検出装置
US20170270385A1 (en) Image processing by means of cross-correlation
CN210294560U (zh) 一种红外探雷系统
US12244973B1 (en) On-device motion detection
CN119803468A (zh) 基于fpga的运动目标远程监视系统
CN113239772A (zh) 自助银行或atm环境中的人员聚集预警方法与系统
CN215298410U (zh) 一种入侵识别系统
JP4925942B2 (ja) 画像センサ
JP3295482B2 (ja) 移動物体検出方法および装置
JP4544988B2 (ja) 画像センシング装置
JP2015046811A (ja) 画像センサ

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant