检测方法、装置、设备和介质制造方法及图纸

本发明专利技术公开了一种检测方法、装置、设备和介质。该方法包括：获取待检测图片；对齐背景图片与待检测图片；确定待检测图片中每个区域的每个像素点的绿色分量；当绿色分量小于预设绿色分量阈值时，确定区域为待检测区域；确定背景图片与待检测区域的图片的差异值；当差异值大于预设差异值阈值时，通过预训练卷积神经网络检测待检测区域。根据本发明专利技术实施例提供的技术方案，可以提高检测的准确性，缩短检测时间。

【技术实现步骤摘要】
检测方法、装置、设备和介质
本专利技术涉及图像处理领域，尤其涉及一种检测方法、装置、设备和介质。
技术介绍
目前，一般是使用基于特征点的检测方法检测土地占用情况，比如使用尺度不变特征转换(Scale-invariantfeaturetransform，SIFT)特征点结合k均值聚类的方法，或者基于Harris角点的检测方法，通过比较特征点的变化来判断是否有土地占用产生。或者，使用基于视频流的方法，比较每一天的图片区域在不同时相的特征变化来确定是否有土地占用产生。但是上述方法一般用于检测城市的土地占用，而用于检测场景较为复杂的山野、农田适应性较差，若是采用上述的方法，检测的准确性较差，且时间消耗较长。
技术实现思路
本专利技术实施例提供检测方法、装置、设备和介质，可以提高检测的准确性，缩短检测时间。根据本专利技术实施例的一方面，提供一种检测方法，所述检测方法包括：获取待检测图片；对齐背景图片与所述待检测图片；确定所述待检测图片中每个区域的每个像素点的绿色分量；当所述绿色分量小于预设绿色分量阈值时，确定所述区域为待检测区域；确定所述背景图片与所述待检测区域的图片的差异值；当所述差异值大于预设差异值阈值时，通过预训练卷积神经网络检测所述待检测区域。根据本专利技术实施例的另一方面，提供一种检测装置，所述装置包括：获取模块、对齐模块、确定绿色分量模块、确定差异模块和检测模块；所述获取模块，用于获取待检测图片；所述对齐模块，用于对齐背景图片与所述待检测图片；所述确定绿色分量模块，用于确定所述待检测图片中每个区域的每个像素点的绿色分量，以及用于当所述绿色分量小于预设绿色分量阈值时，确定所述区域为待检测区域；所述确定差异模块，用于确定所述背景图片与所述待检测区域的图片的差异值；所述检测模块，用于当所述差异值大于预设差异值阈值时，通过预训练卷积神经网络检测所述待检测区域。根据本专利技术实施例的再一方面，提供一种终端设备，包括：存储器、处理器、通信接口和总线；所述存储器、所述处理器和所述通信接口通过所述总线连接并完成相互间的通信；所述存储器用于存储程序代码；所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行如第一方面所述的检测方法。根据本专利技术实施例的再一方面，提供一种计算机存储介质，包括指令，当所述指令在计算机上运行时，使所述计算机执行如第一方面所述的检测方法。根据本专利技术实施例中的检测方法、装置、设备和介质，通过先确定待检测图片中的绿色分量，根据绿色分量确定该待检测图片是否出现土地占用现象，当绿色分量减少了，说明可能出现土地占用，然后需要再进一步检测，判断该待检测区域的图片与之前的背景图片之间是否有差异，若是有差异，则检测该待检测区域，这样大大提高了检测的准确性，同时由于使用之前的背景图片，大大缩短了检测的时间，提高了检测的效率。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术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是示出本专利技术实施例的一种检测方法的流程图；图2是示出本专利技术实施例中特征点匹配的示意图；图3是示出本专利技术实施例中确定差异值的示意图；图4是示出本专利技术实施例提供的检测装置的结构示意图；图5是示出本专利技术另一实施例的检测装置的结构示意图；图6是示出本专利技术实施例中对齐模块的结构示意图；图7是示出本专利技术实施例中确定差异模块的结构示意图；图8是示出可以实现根据本专利技术实施例的检测方法和装置的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专利技术的各个方面的特征和示例性实施例，为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术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专利技术，并不被配置为限定本专利技术。对于本领域技术人员来说，本专利技术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专利技术的示例来提供对本专利技术更好的理解。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。为了更好的理解本专利技术，下面将结合附图，详细描述根据本专利技术实施例的检测方法、装置、设备和介质，应注意，这些实施例并不是用来限制本专利技术公开的范围。图1是示出根据本专利技术实施例的检测方法的流程图。如图1所示，本实施例中的检测方法100包括以下步骤：步骤S110，获取待检测图片。在该步骤中，待检测图片主要是通过多个摄像机拍摄的，待检测图片可以为天气良好时拍摄的图片或者天气阴沉时拍摄的图片。步骤S120，对齐背景图片与待检测图片。在该步骤中，主要是将待检测图片剪切成与背景图片相同大小的图片，这样可以使得待检测图片与背景图片对齐。步骤S130，确定待检测图片中每个区域的每个像素点的绿色分量。在该步骤中，确定待检测图片中每个区域的每个像素点的绿色分量，目的是通过绿色分量的大小来确定待检测图片中的土地是否被占用，一般没有被占用的土地对应的图片中的绿色分量是比较大的，而被占用的土地对应的图片中的绿色分量是比较小的，因为土地被占用导致了绿色植物减少。步骤S140，当绿色分量小于预设绿色分量阈值时，确定区域为待检测区域。在该步骤中，当绿色分量小于预设绿色分量阈值时，说明该待检测图片中的土地可能被占用，也就是可能出现了建筑物等。步骤S150，确定背景图片与待检测区域的图片的差异值。在该步骤中，由于绿色分量减少有可能是因为其他的原因，不一定是土地被占用，建造了建筑物，也可能是因为其他的原因，所以还需要对该待检测区域进行进一步的检测，以便更加准确的确定该待检测区域的情况。步骤S160，当差异值大于预设差异值阈值时，通过预训练卷积神经网络检测待检测区域。在该步骤中，当差异值大于预设差异值阈值时，说明当前的图片与之前的背景图片两者之间是存在差异的，就可能是土地被占用了，因此采用之前就训练好的卷积神经网络检测该待检测区域，确定该待检测图片中的土地是否被建筑物占用了。例如：将该待检测图片分成48×48的区域，确定每个区域中的每一个像素点绿色分量p(i)，其红、绿、蓝三通道分量记为R，G，B，p(i)的赋值如下：其中，P(i)表示第i个像素点的绿色分量。当绿色分量大于预设绿色分量阈值时，即∑iP(i)>48×48×0.7，该区域为非建筑区域，否则绿色分量小于预设绿色分量阈值时为有建筑物的待检测区域。根据本专利技术实施例的检测方法，通过先确定待检测图片中的绿色分量，根据绿色分量确定该待检测图片中是否出现土地占用现象，当绿色分量减少了，说明可能出现土地占用。为了检测的准确，需要再进一步检测，判本文档来自技高网...

【技术保护点】
1.一种检测方法，其特征在于，所述检测方法包括：获取待检测图片；对齐背景图片与所述待检测图片；确定所述待检测图片中每个区域的每个像素点的绿色分量；当所述绿色分量小于预设绿色分量阈值时，确定所述区域为待检测区域；确定所述背景图片与所述待检测区域的图片的差异值；当所述差异值大于预设差异值阈值时，通过预训练卷积神经网络检测所述待检测区域。

【技术特征摘要】
1.一种检测方法，其特征在于，所述检测方法包括：获取待检测图片；对齐背景图片与所述待检测图片；确定所述待检测图片中每个区域的每个像素点的绿色分量；当所述绿色分量小于预设绿色分量阈值时，确定所述区域为待检测区域；确定所述背景图片与所述待检测区域的图片的差异值；当所述差异值大于预设差异值阈值时，通过预训练卷积神经网络检测所述待检测区域。2.根据权利要求1所述的方法，其特征在于，所述当所述差异值大于预设差异值阈值时，通过预训练卷积神经网络检测所述待检测区域之后，还包括：当检测到所述待检测区域中有建筑，则通过所述预训练卷积神经网络重复检测所述待检测区域，直至连续检测到所述待检测区域中有建筑的次数大于预设次数阈值时，则发出报警信号，并更新所述背景图片为所述待检测图片。3.根据权利要求1所述的方法，其特征在于，所述对齐背景图片与所述待检测图片，包括：确定第一特征点集和第二特征点集，所述第一特征点集是指背景图片中的尺度不变特征转换SIFT特征点，所述第二特征点集是指所述待检测图片中的SIFT特征点；确定特征点对，所述特征点对包括所述第一特征点集中某一特征点，以及所述某一特征点与所述第二特征点集中某一特征点相匹配的点；确定所述特征点对的平均位移；依据所述平均位移对齐所述待检测图片和所述背景图片。4.根据权利要求1所述的方法，其特征在于，所述对齐背景图片与所述待检测图片之前，包括：确定所述待检测图片的暗通道分量和亮度值；当所述暗通道分量小于预设暗通道分量阈值，且所述亮度值大于预设亮度阈值时，确定所述待检测图片对应的天气良好。5.根据权利要求1所述的方法，其特征在于，所述确定所述背景图片与所述待检测区域的图片的差异值，包括：将所述待检测区域的图片转换为灰度图；对所述灰度图进行归一化，得到归一化图；提取所述归一化图的Hash特征值；确定所述归一化图的Hash特征值与所述背景图片的Hash特征值之间的L1范数值，将所述L1范数值作为所述差异值；或者，当所述L1范数小于预设第一范数阈值时，提取所述归一化图的方向梯度直方图Hog特征值；确定所述归一化图的Hog特征值与所述背景图片的Hog特征值之间的L2范数值，将所述L2范数值作为所述差异值。6.根据权利要求5所述的方法，其特征在于，所述当所述差异值大于预设差异值阈值时，通过预训练卷积神经网络检测所述待检测区域，包括：当所述L1范数值大于所述预设第一范数阈值时，则通过预训练卷积神经网络检测所述待检测区域；或者，当所述L2范数值大于预设第二范数阈值时，通过所述预训练卷积神经网络检测所述待检测区域。7.一种检测装置，其特征在于，所述装置包括：获取模块、对齐模块、确定绿色分量模块、确定差异模块和检测模块；所述获取模块，用于获取待检测图片；所述对齐模块，用于对齐背景图片与所述待检测图片；所述确定绿色分量模块，用于确定所述待检测图片中每个区域的每个像素点的绿色分量，以及用于当所述绿色分量小于预设绿色分量阈值时，确定所述区域为待检测区域；所述确定差异模块，用于确定所述背景图片与所述...

【专利技术属性】
技术研发人员：唐志鸿，王宏图，解锦明，
申请(专利权)人：中国移动通信集团江苏有限公司，中国移动通信集团有限公司，
类型：发明
国别省市：江苏,32