基于神经网络增强的夜间监控识别方法和系统.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CN110598560A(43)申请公布日2019.12.20(21)申请号201910754820.2(22)申请日2019.08.15(71)申请人重庆特斯联智慧科技股份有限公司地址400042重庆市渝中区大坪正街19号50-1号(72)发明人罗洪燕沈玺(74)专利代理机构北京辰权知识产权代理有限公司11619代理人李小朋谷波(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06K9/34(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书13页附图1页(54)发明名称基于神经网络增强的夜间监控识别方法和系统(57)摘要本申请公开了一种基于神经网络增强的夜间监控识别方法，首先获取夜间监控图像中像素的邻域信息，并基于二次泰勒级数对图像进行自适应增强，得到自适应增强图像，然后从自适应增强图像中提取出区域特征和边缘特征并分别输入对应的神经网络，对神经网络输出的特征识别结果进行显著性计算，并将算出的显著区域图进行融合得到综合显著图，最后利用最大熵法对综合显著图进行分割得到二值图像，基于二值图像从自适应增强图像中提取出目标图像。该方法能够提高图像的对比度，并针对图像各个部位光照不均的问题作自适应的图像增强，并且生成的显著图不仅能够有效覆盖目标区域的边界，很好地抑制了背景区域的显著性。CN110598560ACN110598560A权利要求书1/2页1.一种基于神经网络增强的夜间监控识别方法，其特征在于，包括：图像增强步骤：获取夜间监控图像中像素的邻域信息，并基于二次泰勒级数对所述图像进行自适应增强，得到自适应增强图像；显著图生成步骤：从所述自适应增强图像中提取出区域特征和边缘特征并分别输入对应的神经网络，对所述神经网络输出的特征识别结果进行显著性计算，并将算出的显著区域图进行融合得到综合显著图；目标图像提取步骤：利用最大熵法对所述综合显著图进行分割得到二值图像，基于所述二值图像从所述自适应增强图像中提取出目标图像。2.如权利要求1所述的方法，其特征在于，所述图像增强步骤具体包括：将所述夜间监控图像转换为灰度图像并做归一化处理；利用指数型非线性增强函数对所述灰度图像进行增强；利用高斯双边滤波函数对所述灰度图像进行卷积操作，算出所述灰度图像的均值信息；对所述指数型非线性增强函数进行二级泰勒级数展开，并以所述均值信息和展开结果进行卷积，基于卷积后得到的局部输出亮度得到所述灰度图像的自适应增强图像；将所述自适应增强图像转换为彩色图像。3.如权利要求1所述的方法，其特征在于，所述显著图生成步骤具体包括：对所述自适应增强图像进行超像素分割，得到目标的区域信息；利用双边滤波器从所述自适应增强图像中提取目标的边缘信息；将所述区域信息和所述边缘信息分别输入对应的卷积神经网络，得到目标的区域特征和边缘特征；将所述区域特征和边缘特征输入显著性检测模型进行计算，并将得到显著区域图进行组合得到综合显著图。4.如权利要求1所述的方法，其特征在于，所述目标图像提取步骤具体包括：计算不同灰度值的像素在所述综合显著图中的出现概率，并利用阈值将所述综合显著图分成目标区域和背景区域；计算所述目标区域和所述背景区域的熵，并基于所述目标区域和背景区域的熵确定最优阈值；基于所述最优阈值对所述综合显著图进行分割得到二值图像，对所述二值图像和所述自适应增强图像进行叠加，得到目标图像。5.如权利要求1所述的方法，其特征在于，该方法还包括：目标图像识别步骤；所述目标图像识别步骤包括：利用DCNN双通道卷积神经网络提取所述目标图像的深度特征；利用随机森林分类器对所述深度特征进行分类，从而实现目标类别识别。6.一种基于神经网络增强的夜间监控识别系统，其特征在于，包括：图像增强模块，用于获取夜间监控图像中像素的邻域信息，并基于二次泰勒级数对所述图像进行自适应增强，得到自适应增强图像；显著图生成模块，用于从所述自适应增强图像中提取出区域特征和边缘特征并分别输入对应的神经网络，对所述神经网络输出的特征识别结果进行显著性计算，并将算出的显2CN110598560A权利要求书2/2页著区域图进行融合得到综合显著图；目标图像提取模块，用于利用最大熵法对所述综合显著图进行分割得到二值图像，基于所述二值图像从所述自适应增强图像中提取出目标图像；目标图像识别模块，用于利用神经网络对所述目标图像进行识别。7.如权利要求6所述的系统，其特征在于，所述图像增强模块包括：灰度转换单元，用于将所述夜间监控图像转换为灰度图像并做归一化处理；图像增强单元，用于利用指数型非线性增强函数对所述灰度图像进行增强；均值计算单元，用于利用高斯双边滤波函数对所述灰