一种用于视频监控的运动目标检测和识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113743304A(43)申请公布日2021.12.03(21)申请号202111036395.7(22)申请日2021.09.06(71)申请人北京神星科技有限公司地址100020北京市朝阳区东三环南路58号1号楼18(15)层1810号(72)发明人张勤张勇(74)专利代理机构长沙大珂知识产权代理事务所(普通合伙)43236代理人伍志祥(51)Int.Cl.G06K9/00(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书5页附图1页(54)发明名称一种用于视频监控的运动目标检测和识别方法(57)摘要本发明公开了一种用于视频监控的运动目标检测和识别方法，所述方法包括以下步骤：训练图像目标识别模型；获取实时视频流，进行图像预处理；对预处理后的图像进行运动感知，检测是否存在运动目标；利用所述的图像目标识别模型对运动目标进行识别；所述的运动感知的过程采用局部敏感哈希算法，通过对比两张图像的局部敏感哈希向量获得检测结果。本发明方法判断是否有运动目标出现在监控范围内，既稳定又快速；运动目标检测和识别模块目标检测深度学习方法，准确性高，速度又快，且可以部署到监控摄像头前端；且将运动感知和目标检测识别分开，能大大的节省计算资源，降低能耗。CN113743304ACN113743304A权利要求书1/2页1.一种用于视频监控的运动目标检测和识别方法，其特征在于，包括以下步骤：步骤1，训练图像目标识别模型；步骤2，获取实时视频流，进行图像预处理；步骤3，对预处理后的图像进行运动感知，检测是否存在运动目标；步骤4，利用所述的图像目标识别模型对运动目标进行识别；步骤3中所述的运动感知的过程包括以下步骤：步骤301，对具有前后时序的两张图像，采用局部敏感哈希算法，计算出两张图像的局部敏感哈希向量；Vector1＝LSH(Image1)Vector2＝LSH(Image2)其中，Image1表示前一帧图像，Image2表示后一帧图像，LSH(·)表示局部敏感哈希算法，Vector1表示前一帧图像的局部敏感哈希向量，Vector2表示后一帧图像的局部敏感哈希向量；步骤302，利用Jaccard系数计算得到两个向量的相似度，计算公式如下：其中，∩表示交操作，∪表示并操作；步骤303，对所述的相似度进行判断，若相似度低于预设阈值，则认为图像中具有运动目标，反之，则认为图像中没有运动目标。2.根据权利要求1所述的一种用于视频监控的运动目标检测和识别方法，其特征在于，所述的图像目标识别模型的训练过程包括以下步骤：步骤101，准备训练数据，从历史监控视频中提取出包含运动目标的图像，对运动目标的位置和类别进行标注，将标注数据进行预处理成N*N大小的图像；步骤102，使用yolov3作为训练网络，采用联合损失函数作为损失函数，计算网络输出和原始标签之间的损失，具体公式为：其中，Loss＝λcoordLbox+λclassLclass+λnobjLobj其中，Lbox表示预测结果中预测框损失；A表示预测框；B表示标注框；Ac表示预测中心的框；Lclass表示预测类别损失；表示如果在i,j处的预测框有目标，其值则为1，否则为0；S表示预测框大小，pi(c)表示类别为c的概率；表示类别为c的真实值；Lobj表示置信度误差；表示如果在i,j处的预测框没有目标，其值则为1，否则为0，ci表示预测类别；表示2CN113743304A权利要求书2/2页实际类别；Loss表示总的损失函数；λcoord表示Lbox的权重，λclass表示Lclass的权重，λobj表示Lobj的权重；步骤103，将训练数据输入所述的训练网络，使用梯度下降法迭代调整网络参数，使网络输出尽可能跟输入标注一致，训练结束。3.根据权利要求1或2所述的一种用于视频监控的运动目标检测和识别方法，其特征在于，步骤2中所述的图像预处理包括获取实时视频流数据的当前帧的图像，所述的图像原始宽高为(W,H)，先将所述的图像进行缩放处理，缩放比例为：然后再进行填充处理，将图像填充到N*N大小。3CN113743304A说明书1/5页一种用于视频监控的运动目标检测和识别方法技术领域[0001]本发明属于视频图像处理技术领域，具体涉及一种用于视频监控的运动目标检测和识别方法。背景技术[0002]由于现代社会人口密集程度高，社会关系复杂，日常人们需面对越来越多的突发和异常事件，几乎所有的公共场合都有部署监控的需求，面对海量的视频数据，如果完全靠人工进行监控，费时费力。因此，视频监控必须实现智能化，代替或辅助人工监控，用于解决实际问题。[0003]智能监控系统一般是利用摄像机拍摄，实时获取视频流