本發(fā)明涉及視頻監(jiān)控技術領域，具體涉及一種車輛占道行駛智能監(jiān)控方法和系統(tǒng)。

背景技術：

隨著寬帶網(wǎng)絡的普及、計算機技術的發(fā)展以及圖像處理技術的提高，視頻監(jiān)控技術作為協(xié)助公共安全部門打擊犯罪、維持社會安定的重要手段，越來越廣泛地滲透到人們日常生活的各種領域。然而在車輛監(jiān)控分析場景下，現(xiàn)有的視頻監(jiān)控分析方法只能基于所采集的監(jiān)控視頻進行事后的人工分析，這并不利于對車輛違章占道行駛行為的及時發(fā)現(xiàn)和處理。因此，急需一種能夠實時分析判斷監(jiān)控視頻中的車輛違章占道行為的智能監(jiān)控方式。

技術實現(xiàn)要素：

有鑒于此，本發(fā)明實施例提供了一種車輛占道行駛智能監(jiān)控方法和系統(tǒng)，解決了現(xiàn)有技術中的視頻監(jiān)控方式無法對監(jiān)控視頻中的車輛違章占道行為進行實時分析判斷的問題。

本發(fā)明一實施例提供的一種車輛占道行駛智能監(jiān)控方法包括：

實時采集視頻監(jiān)控數(shù)據(jù)；

實時提取所述視頻監(jiān)控數(shù)據(jù)中車輛的車輛特征信息以及所述車輛所行駛車道的車道信息；以及

根據(jù)所述實時提取的車輛特征信息和車道信息判斷所述車輛是否存在違章占道行為。

其中，所述方法進一步包括：

保存所述車輛的車輛特征信息以及所述車輛所行駛車道的車道信息。

其中，進一步包括：

基于所述實時提取的車輛特征信息和車道信息生成語義分析結果；

其中所述根據(jù)所述實時提取的車輛特征信息和車道信息判斷所述車輛是否存在違章占道行為包括：

基于所述語義分析結果以及違章條款的機器描述的預訓練模型，實時判斷所述車輛是否違法占用了所行駛的車道。

其中，所述方法進一步包括：

接收以所述車輛特征信息或所述車道信息為查詢條件的查詢指令；以及

調取與所述車輛特征信息對應的所有所述車道信息，或調取與所述車道信息對應的所有所述車輛特征信息。

其中，所述方法進一步包括：

若判斷為所述車輛不存在違章占道行為，并不保存與所述車輛對應的車輛特征信息和車道信息。

其中，在實時提取所述視頻監(jiān)控數(shù)據(jù)中車輛的車輛特征信息以及所述車輛所行駛車道的車道信息之前，進一步包括：

從所述視頻監(jiān)控數(shù)據(jù)中截取所述車輛所處區(qū)域的區(qū)域視頻監(jiān)控數(shù)據(jù)；

其中實時提取所述視頻監(jiān)控數(shù)據(jù)中車輛的車輛特征信息以及所述車輛所行駛車道的車道信息包括：

從所述區(qū)域視頻監(jiān)控數(shù)據(jù)中提取所述車輛特征信息和/或所述車道信息。

其中，實時提取所述視頻監(jiān)控數(shù)據(jù)中車輛的車輛特征信息以及所述車輛所行駛車道的車道信息包括：

基于對所述車輛特征信息和所述車道信息的預訓練模型，從所述視頻監(jiān)控數(shù)據(jù)中提取所述車輛特征信息以及所述車道信息。

其中，所述視頻監(jiān)控數(shù)據(jù)包括監(jiān)控視頻以及以下幾項中的一種或多種：視頻采集位置信息和視頻采集時間信息；和/或，

所述車輛特征信息包括以下幾項中的一種或多種：車輛牌號、車輛品牌、車輛類型、車輛行駛速度和車輛占道行駛的時間跨度；和/或，

所述車道信息包括以下幾項中的一種或多種：車道類別信息、車道標線信息和車道交通燈信息。

本發(fā)明一實施例還提供一種車輛占道行駛智能監(jiān)控系統(tǒng)，包括：

環(huán)境感知裝置，配置為實時采集視頻監(jiān)控數(shù)據(jù)；

對象特征分析裝置，配置為根據(jù)所述環(huán)境感知裝置所采集的視頻監(jiān)控數(shù)據(jù)，實時提取車輛的車輛特征信息；

地理標志分析裝置，配置為根據(jù)所述環(huán)境感知裝置所采集的視頻監(jiān)控數(shù)據(jù)，實時提取所述車輛所行駛車道的車道信息；以及

決策裝置，配置為根據(jù)所述對象特征分析裝置所實時提取的車輛特征信息和所述地理標志分析裝置所實時提取的車道信息判斷所述車輛是否存在違章占道行為。

其中，所述系統(tǒng)進一步包括：

語義分析裝置，配置為基于所述對象特征分析裝置和所述地理標志分析裝置所分別實時提取的車輛特征信息和車道信息生成語義分析結果；

其中所述決策裝置進一步配置為：

基于所述語義分析裝置所生成的語義分析結果以及違章條款的機器描述的預訓練模型，實時判斷所述車輛是否違法占用了所行駛的車道。

其中，所述決策裝置進一步配置為：

接收以所述車輛特征信息或所述車道信息為查詢條件的查詢指令；以及調取與所述車輛特征信息對應的所有所述車道信息，或調取與所述車道信息對應的所有所述車輛特征信息。

其中，所述決策裝置進一步配置為：

若所述車輛不存在違章占道行為，并不保存與所述車輛對應的車輛特征信息和車道信息。

其中，所述系統(tǒng)進一步包括：

對象區(qū)域提取裝置，配置為從所述環(huán)境感知裝置所采集的視頻監(jiān)控數(shù)據(jù)中截取所述車輛所處區(qū)域的區(qū)域視頻監(jiān)控數(shù)據(jù)；

其中所述對象特征分析裝置進一步配置為：從所述區(qū)域視頻監(jiān)控數(shù)據(jù)中提取所述車輛特征信息；和/或，

所述地理標志分析裝置進一步配置為：從所述區(qū)域視頻監(jiān)控數(shù)據(jù)中提取所述車道信息。

其中，所述車輛占道行駛智能監(jiān)控系統(tǒng)包括前端視頻采集設備和后端視頻分析設備；

其中所述環(huán)境感知裝置設置在所述前端視頻采集設備中；

所述地理標志分析裝置、所述對象區(qū)域提取裝置、所述對象特征分析裝置、所述語義分析裝置、所述決策裝置分別設置在所述前端視頻采集設備中或設置在所述后端視頻分析設備中。

其中，所述對象特征分析裝置進一步配置為：基于對所述車輛特征信息的預訓練模型，從所述視頻監(jiān)控數(shù)據(jù)中提取所述車輛特征信息；和/或，

所述地理標志分析裝置進一步配置為：基于對所述車道信息的預訓練模型，從所述視頻監(jiān)控數(shù)據(jù)中提取所述車道信息。

本發(fā)明實施例提供的一種車輛占道行駛智能監(jiān)控方法和系統(tǒng)，分別實時采集視頻監(jiān)控數(shù)據(jù)中的車輛特征信息和車輛所行使車道的車道信息，基于該車輛特征信息可確認車輛的特征，基于該車道信息可確認車道的特征，當車輛的特征與車道的特征不相符時便可認定車輛存在違章占道行為，從而實現(xiàn)了對監(jiān)控視頻中的車輛違章占道行為的實時分析判斷。

附圖說明

圖1所示為本發(fā)明一實施例提供的一種車輛占道行駛智能監(jiān)控方法的流程示意圖。

圖2所示為本發(fā)明另一實施例提供的一種車輛占道行駛智能監(jiān)控方法的流程示意圖。

圖2’所示為本發(fā)明另一實施例提供的一種車輛占道行駛智能監(jiān)控方法的流程示意圖。

圖3所示為本發(fā)明一實施例提供的一種車輛占道行駛智能監(jiān)控系統(tǒng)的結構示意圖。

圖4所示為本發(fā)明一實施例提供的一種監(jiān)控視頻智能信息模型的結構示意圖。

具體實施方式

下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

圖1所示為本發(fā)明一實施例提供的一種車輛占道行駛智能監(jiān)控方法的流程示意圖。如圖1所示，該車輛占道行駛智能監(jiān)控方法包括：

步驟101：實時采集視頻監(jiān)控數(shù)據(jù)。

在現(xiàn)有技術中，實時采集的視頻監(jiān)控數(shù)據(jù)一般是被存儲起來，在需要進行視頻分析時再將已存儲的視頻監(jiān)控數(shù)據(jù)調出或由人工進行判斷分析，由此造成了滯后效應，無法在車輛監(jiān)控分析場景下實現(xiàn)對車輛違章占道行為的及時處理。而在本發(fā)明實施例中，該視頻監(jiān)控數(shù)據(jù)為前端視頻采集設備所直接采集到的一些基本信息，直接作為后續(xù)進行進一步實時智能分析的基本資源數(shù)據(jù)。

在本發(fā)明一實施例中，該實時采集的視頻監(jiān)控數(shù)據(jù)可包括監(jiān)控視頻以及以下幾項中的一種或多種：視頻采集位置信息和視頻采集時間信息。其中監(jiān)控視頻為后續(xù)進行車輛特征信息和車道信息提取的資源數(shù)據(jù)，視頻采集位置信息和視頻采集時間信息可作為附加的屬性信息用于明確車輛違章占道行為發(fā)生的時間和地點。

在本發(fā)明一實施例中，實時采集的視頻監(jiān)控數(shù)據(jù)還可直接發(fā)給監(jiān)控中心的監(jiān)控人員查看，使得監(jiān)控人員能夠監(jiān)督整個車輛占道智能監(jiān)控過程的自動進行。

步驟102：實時提取視頻監(jiān)控數(shù)據(jù)中車輛的車輛特征信息以及車輛所行駛車道的車道信息。

在本發(fā)明一實施例中，車輛特征信息可包括以下幾項中的一種或多種：車輛牌號、車輛品牌、車輛類型、車輛行駛速度和車輛占道行駛的時間跨度，用于進一步明確車輛的特征。車道信息可包括以下幾項中的一種或多種：車道類別信息、車道標線信息和車道交通燈信息，用于進一步明確車道的特征。

車輛特征信息用于確認車輛的特征，車輛行駛車道的車道信息用于確認車道的特征。在本發(fā)明一實施例中，該車輛特征信息和車道信息的提取過程可基于對車輛特征信息和車道信息的預訓練模型過程實現(xiàn)。例如，提前對生成車輛類型與車輛的形狀的對應關系的預訓練模型，生成車道標線與車道類型的對應關系的預訓練模型，當識別出監(jiān)控視頻中的車輛的體型較小且不帶有車斗時，基于預訓練模型可判斷該車輛為小汽車；當識別出車道標線內有“公交專用”等字樣時，基于預訓練模型可判斷該車道為公交專用車道。

步驟103：根據(jù)實時提取的車輛特征信息和車道信息判斷車輛是否存在違章占道行為。

基于該車輛特征信息可確認車輛的特征，基于該車道信息可確認車道的特征，當車輛的特征與車道的特征不相符時便可認定車輛存在違章占道行為，從而實現(xiàn)了對監(jiān)控視頻中的車輛違章占道行為的實時分析判斷。

在本發(fā)明一實施例中，可以是基于對違章條款的機器描述的預訓練模型，實時判斷車輛是否違法占用了所行駛的車道。例如，通過預訓練過程學習不同的車道類型所限制行駛的車輛類型，例如公交專用車道僅允許公交車行駛。當車輛特征信息所包括的車輛類型為小汽車，而車道信息所包括的車道類型為公交專用車道時，則可判斷該小汽車存在違章占道行為，所占用的車道為公交專用車道。

在本發(fā)明一實施例中，車輛的車輛特征信息以及車輛所行駛車道的車道信息在被提取后可被保存起來，以便于后續(xù)的追溯和查詢。例如，可在接收以車輛特征信息或車道信息為查詢條件的查詢指令后，調取與車輛特征信息對應的所有車道信息，或調取與車道信息對應的所有車輛特征信息，從而實現(xiàn)對于某一具體車輛的行駛記錄或及某一具體車道的行駛記錄的查詢。

在本發(fā)明一實施例中，由于車輛的正常行駛行為并不需要進行違章處理，因此若判斷為車輛不存在違章占道行為，則可不保存與車輛對應的車輛特征信息和車道信息，以提高存儲硬件資源的利用效率。

圖2所示為本發(fā)明另一實施例提供的一種車輛占道行駛智能監(jiān)控方法的流程示意圖。如圖2所示，該車輛占道行駛智能監(jiān)控方法包括：

步驟201：實時采集視頻監(jiān)控數(shù)據(jù)。

步驟202：從視頻監(jiān)控數(shù)據(jù)中截取車輛所處區(qū)域的區(qū)域視頻監(jiān)控數(shù)據(jù)。

通過從視頻監(jiān)控數(shù)據(jù)中截取區(qū)域視頻監(jiān)控數(shù)據(jù)，去掉了與當前監(jiān)控車輛無關的區(qū)域的視頻監(jiān)控數(shù)據(jù)，減少了后續(xù)提取車輛特征信息和車道信息的計算量，減輕硬件分析資源的計算負擔。

應當理解，該區(qū)域視頻監(jiān)控數(shù)據(jù)的區(qū)域大小可由開發(fā)人員根據(jù)實際場景需求而定，例如前端視頻采集設備的監(jiān)控范圍包括兩個街區(qū)，而監(jiān)控人員所關注的僅為其中的一個街區(qū)的違章占道情況，此時便可從視頻監(jiān)控數(shù)據(jù)中截取當前一個街區(qū)的區(qū)域視頻監(jiān)控數(shù)據(jù)。或者，該區(qū)域的大小也可由所監(jiān)視的車輛的圖像大小而定。然而，本發(fā)明對該區(qū)域視頻監(jiān)控數(shù)據(jù)的區(qū)域大小的確定方式并不做限定。

步驟203：從區(qū)域視頻監(jiān)控數(shù)據(jù)中提取車輛特征信息和車道信息。

由于原始的視頻監(jiān)控數(shù)據(jù)已經被截取為了區(qū)域視頻監(jiān)控數(shù)據(jù)，因此車輛特征信息和車道信息的提取過程的計算量得到了降低，減輕了硬件分析資源的計算負擔。車輛特征信息和車道信息的具體提取方式仍可通過預訓練模型實現(xiàn)，在此不再贅述。

在本發(fā)明一實施例中，考慮到車輛特征信息的提取僅關注監(jiān)控視頻中的車輛，車道信息的提取關注監(jiān)控視頻中的車道，而車輛在監(jiān)控視頻中所占的區(qū)域要小于車道所占的區(qū)域，因此也可以僅從區(qū)域視頻監(jiān)控數(shù)據(jù)中提取車輛特征信息，而車道信息仍從原始采集的視頻監(jiān)控數(shù)據(jù)中提取。然而，本發(fā)明對車輛特征信息和車道信息的提取基礎并不做具體限定。

步驟204：基于實時提取的車輛特征信息和車道信息生成語義分析結果。

例如，車輛的特征信息包括車輛A為非公共汽車，車道信息包括B路段內的公交車專用道C，則所生成的語義分析結果可表示為非公共汽車車輛A在B路段內占用的車道為公交車專用道C。

本發(fā)明一實施例還提供一種可交互的查詢方法，當接收到以車輛特征信息或車道信息為查詢條件的查詢指令時，調取與車輛特征信息對應的所有車道信息，或調取與車道信息對應的所有車輛特征信息。例如，若接收到以公交車專用道C為查詢條件的查詢指令時，便可調出當前視頻監(jiān)控數(shù)據(jù)中占用該公交車專用道C的所有車輛的特征信息。

步驟205：基于語義分析結果以及違章條款的機器描述的預訓練模型，實時判斷車輛是否違法占用了所行駛的車道。

應當注意，盡管出于簡化說明的目的將本發(fā)明所述的方法表示和描述為一連串動作，但是應理解和認識到要求保護的主題內容將不受這些動作的執(zhí)行順序所限制，因為一些動作可以按照與這里示出和描述的順序不同的順序出現(xiàn)或者與其它動作并行地出現(xiàn)，同時一些動作還可能包括若干子步驟，而這些子步驟之間可能出現(xiàn)時序上交叉執(zhí)行的可能。例如，在本發(fā)明一實施例中，如圖2’所示，在實時采集視頻監(jiān)控數(shù)據(jù)后(步驟201’)，車道信息可直接從所采集的視頻監(jiān)控數(shù)據(jù)中提取(步驟202’)，然后再從視頻監(jiān)控數(shù)據(jù)中截取車輛所處區(qū)域的區(qū)域視頻監(jiān)控數(shù)據(jù)(步驟203’)以及從區(qū)域視頻監(jiān)控數(shù)據(jù)中提取車輛特征信息(步驟204’)，之后基于所提取到的車道信息和車輛特征信息生成語義分析結果(步驟205’)，并最終基于語義分析結果和違章條款的機器描述的預訓練模型，實時判斷車輛是否違法占用了所行駛的車道(步驟206’)。另外，可能并非所有圖示的動作是實施根據(jù)所附權利要求書所述的方法所必須的。再者，前述步驟的描述不排除該方法還可以包括可能取得附加效果的附加步驟。還應當理解，不同的實施方式或者流程中描述的方法步驟可以相互組合或者替換。

圖3所示為本發(fā)明一實施例提供的一種車輛占道行駛智能監(jiān)控系統(tǒng)的結構示意圖。如圖3所示，該車輛占道行駛智能監(jiān)控系統(tǒng)30包括：

環(huán)境感知裝置301，配置為實時采集視頻監(jiān)控數(shù)據(jù)；

對象特征分析裝置302，配置為根據(jù)環(huán)境感知裝置301所采集的視頻監(jiān)控數(shù)據(jù)，實時提取車輛的車輛特征信息；

地理標志分析裝置303，配置為根據(jù)環(huán)境感知裝置301所采集的視頻監(jiān)控數(shù)據(jù)，實時提取車輛所行駛車道的車道信息；以及

決策裝置304，配置為根據(jù)對象特征分析裝置302所實時提取的車輛特征信息和地理標志分析裝置303所實時提取的車道信息判斷所述車輛是否存在違章占道行為。

在本發(fā)明一實施例中，該車輛占道行駛智能監(jiān)控系統(tǒng)進一步包括：語義分析裝置305，配置為基于對象特征分析裝置302和地理標志分析裝置303所分別實時提取的車輛特征信息和車道信息生成語義分析結果；

其中決策裝置304進一步配置為：

基于語義分析裝置305所生成的語義分析結果以及違章條款的機器描述的預訓練模型，實時判斷所述車輛是否違法占用了所行駛的車道。

在本發(fā)明一實施例中，該決策裝置304進一步配置為：

接收以車輛特征信息或車道信息為查詢條件的查詢指令；以及調取與車輛特征信息對應的所有車道信息，或調取與車道信息對應的所有車輛特征信息。

在本發(fā)明一實施例中，決策裝置304進一步配置為：

若車輛不存在違章占道行為，并不保存與車輛對應的車輛特征信息和車道信息。

在本發(fā)明一實施例中，該車輛占道行駛智能監(jiān)控系統(tǒng)進一步包括：

對象區(qū)域提取裝置306，配置為從環(huán)境感知裝置301所采集的視頻監(jiān)控數(shù)據(jù)中截取車輛所處區(qū)域的區(qū)域視頻監(jiān)控數(shù)據(jù)；

其中對象特征分析裝置302進一步配置為：從區(qū)域視頻監(jiān)控數(shù)據(jù)中提取車輛特征信息。

在本發(fā)明另一實施例中，地理標志分析裝置303也可進一步配置為：從區(qū)域視頻監(jiān)控數(shù)據(jù)中提取車道信息。

在本發(fā)明一實施例中，對象特征分析裝置302進一步配置為：基于對車輛特征信息的預訓練模型，從視頻監(jiān)控數(shù)據(jù)中提取車輛特征信息；和/或，

地理標志分析裝置303進一步配置為：基于對車道信息的預訓練模型，從視頻監(jiān)控數(shù)據(jù)中提取車道信息。

由此可見，本發(fā)明實施例所提供的車輛占道行駛智能監(jiān)控系統(tǒng)其實是基于一種監(jiān)控視頻智能信息模型實現(xiàn)的。該監(jiān)控視頻智能信息模型中的信息流可分為不同的層面提取，而且相鄰的層面之間存在一定的依賴關系，如圖4所示。在環(huán)境感知裝置301采集視頻監(jiān)控數(shù)據(jù)的過程中，將視頻和現(xiàn)場感知數(shù)據(jù)(如：聲音、時間、相機的地理位置、溫度、氣象、相機位姿等)存入環(huán)境感知層，這些信息是傳統(tǒng)視頻監(jiān)控和智能視頻監(jiān)控提供監(jiān)控場景的基本要素，為頂層決策提供必要的支持。在前端處理過程中，將原始采集的視頻監(jiān)控數(shù)據(jù)進行初步處理(包括傳統(tǒng)預處理，以及基于統(tǒng)計學習方法的前端智能分析等)，并將初步處理的結果存入特征層、地理標志層和對象層，分別對應對象特征分析裝置302提取車輛的車輛特征信息的過程、地理標志分析裝置303提取車輛所行駛車道的車道信息的過程以及對象區(qū)域提取裝置306從原始采集的視頻監(jiān)控數(shù)據(jù)中截取區(qū)域視頻監(jiān)控數(shù)據(jù)的過程。在后端處理過程中，將根據(jù)不同的應用需要，綜合前述的相應各層，利用機器學習技術進行分析和處理，將相關的語義分析結果存入語義層，對應語義分析裝置305生成語義分析結果的過程。對于語義分析裝置305中的語義分析結果，利用機器學習技術訓練的判斷模型可以給出不同的決策建議供監(jiān)控人員參考；同時，監(jiān)控人員還可以向系統(tǒng)發(fā)出指令，以查詢監(jiān)控數(shù)據(jù)中相應的內容，這些屬于決策/理解層。其中的判斷模型以及通過其判斷得到的決策建議，屬于決策范疇。監(jiān)控人員在觀察過程中，向監(jiān)控系統(tǒng)發(fā)出某種指令以查詢某一事件中，具備某類特征的目標，系統(tǒng)將其指令解釋成符合本結構模型的描述方式，對其所掌握的數(shù)據(jù)進行檢索，屬于理解范疇。

應當理解，當車輛占道行駛智能監(jiān)控系統(tǒng)包括前端視頻采集設備和后端視頻分析設備時，環(huán)境感知裝置301可設置在前端視頻采集設備中，而地理標志分析裝置303、對象區(qū)域提取裝置306、對象特征分析裝置302、語義分析結果305、決策裝置304可分別設置在前端視頻采集設備中或設置在后端視頻分析設備中。只要車輛占道行駛智能監(jiān)控系統(tǒng)中的所有裝置能夠實現(xiàn)各自的分析提取功能以及信息流的逐步提取，以最終達到語義決策的目的即可。本發(fā)明對車輛占道行駛智能監(jiān)控系統(tǒng)中的裝置具體設置在前端視頻采集設備還是后端視頻分析設備并不做限定。

本發(fā)明的教導還可以實現(xiàn)為一種計算機可讀存儲介質的計算機程序產品，包括計算機程序代碼，當計算機程序代碼由處理器執(zhí)行時，其使得處理器能夠按照本發(fā)明實施方式的方法來實現(xiàn)如本文實施方式所述的車輛占道行駛智能監(jiān)控方法。計算機存儲介質可以為任何有形媒介，例如軟盤、CD-ROM、DVD、硬盤驅動器、甚至網(wǎng)絡介質等。

應當理解，雖然以上描述了本發(fā)明實施方式的一種實現(xiàn)形式可以是計算機程序產品，但是本發(fā)明的實施方式的方法或裝置可以被依軟件、硬件、或者軟件和硬件的結合來實現(xiàn)。硬件部分可以利用專用邏輯來實現(xiàn)；軟件部分可以存儲在存儲器中，由適當?shù)闹噶顖?zhí)行系統(tǒng)，例如微處理器或者專用設計硬件來執(zhí)行。本領域的普通技術人員可以理解上述的方法和設備可以使用計算機可執(zhí)行指令和/或包含在處理器控制代碼中來實現(xiàn)，例如在諸如磁盤、CD或DVD-ROM的載體介質、諸如只讀存儲器(固件)的可編程的存儲器或者諸如光學或電子信號載體的數(shù)據(jù)載體上提供了這樣的代碼。本發(fā)明的方法和裝置可以由諸如超大規(guī)模集成電路或門陣列、諸如邏輯芯片、晶體管等的半導體、或者諸如現(xiàn)場可編程門陣列、可編程邏輯設備等的可編程硬件設備的硬件電路實現(xiàn)，也可以用由各種類型的處理器執(zhí)行的軟件實現(xiàn)，也可以由上述硬件電路和軟件的結合例如固件來實現(xiàn)。

應當理解，盡管在上文的詳細描述中提及了裝置的若干模塊或單元，但是這種劃分僅僅是示例性而非強制性的。實際上，根據(jù)本發(fā)明的示例性實施方式，上文描述的兩個或更多模塊/單元的特征和功能可以在一個模塊/單元中實現(xiàn)，反之，上文描述的一個模塊/單元的特征和功能可以進一步劃分為由多個模塊/單元來實現(xiàn)。此外，上文描述的某些模塊/單元在某些應用場景下可被省略。例如當硬件計算資源的計算能力不受限制時，也可不包括對象區(qū)域提取裝置。

還應當理解，為了不模糊本發(fā)明的實施方式，說明書僅對一些關鍵、未必必要的技術和特征進行了描述，而可能未對一些本領域技術人員能夠實現(xiàn)的特征做出說明。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換等，均應包含在本發(fā)明的保護范圍之內。