预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共18页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN110321808A(43)申请公布日2019.10.11(21)申请号201910512057.2(22)申请日2019.06.13(71)申请人浙江大华技术股份有限公司地址310051浙江省杭州市滨江区滨安路1187号(72)发明人刘亚洁(74)专利代理机构深圳市威世博知识产权代理事务所(普通合伙)44280代理人李庆波(51)Int.Cl.G06K9/00(2006.01)G06K9/34(2006.01)G06K9/62(2006.01)G06T7/11(2017.01)G06T7/194(2017.01)权利要求书3页说明书10页附图4页(54)发明名称遗留物与盗移物检测方法、设备和存储介质(57)摘要本申请公开了遗留物与盗移物检测方法、设备和存储介质。该方法包括:获取场景图像,采用训练后的网络提取场景图像的特征;获取场景图像所对应的背景图像的特征,根据场景图像的特征和背景图像的特征计算背景图像和场景图像的特征差异度;判断出特征差异度高于对比阈值,则确定场景图像为遗留或盗移图像。本申请遗留物与盗移物检测方法简单方便,降低遗留物或盗移物检测的计算复杂度,可以实时对场景图像进行检测,可以不需要提取出前景物体,减少运算量,提高运算效率。CN110321808ACN110321808A权利要求书1/3页1.一种遗留物与盗移物检测方法,其特征在于,所述方法包括:获取场景图像,采用训练后的网络提取所述场景图像的特征;获取所述场景图像所对应的背景图像的特征,根据所述场景图像的特征和所述背景图像的特征计算所述背景图像和所述场景图像的特征差异度;判断出所述特征差异度高于对比阈值,则确定所述场景图像为遗留或盗移图像。2.根据权利要求1所述的方法,其特征在于,在所述判断所述特征差异度高于对比阈值之前,包括:在所述背景图像上进行多次随机模拟生成前景物体,以得到多个模拟图像;计算每个所述模拟图像与所述背景图像的特征差异度;计算所有所述模拟图像与所述背景图像的特征差异度的平均值,以得到第一阈值;计算所述场景图像上每个像素点的特征值与所述背景图像中对应像素点的特征值的差值;根据所述差值确定所述场景图像相对于所述背景图像变化明显的像素区域,计算所述场景图像中所述像素区域与所述背景图像中对应区域的差异程度,以得到第二阈值;通过所述第一阈值和所述第二阈值计算出所述对比阈值。3.根据权利要求2所述的方法,其特征在于,所述在所述背景图像上进行多次随机模拟生成前景物体,以得到多个模拟图像,包括:随机确定所述背景图像上生成所述前景物体的变化区域;计算所述背景图像上所述变化区域处所有像素点的特征值的平均值;随机生成在所述特征值的平均值一定范围内的随机数值;将所述背景图像上所述变化区域的所有像素点的特征值增加或减少所述随机数值,以生成所述模拟图像。4.根据权利要求2所述的方法,其特征在于,确定所述场景图像相对于所述背景图像变化明显的像素区域,包括:计算所有差值的平均值;以所述场景图像的像素点的集合作为所述场景图像相对于所述背景图像变化明显的区域,所述像素点集合中像素点的所述特征值的差值大于一定倍数的所述所有差值的平均值;计算所述场景图像中所述像素区域与所述背景图像中对应的区域的差异程度,包括:计算所述场景图像中所述像素区域每个像素点与所述背景图像中对应像素点的特征值的差值的平均值,以作为所述第二阈值。5.根据权利要求2所述的方法,其特征在于,通过所述第一阈值和所述第二阈值计算出对比阈值,包括:所述第一阈值和第一占比的乘积,加上所述第二阈值和第二占比的乘积,以得到对比阈值。6.根据权利要求5所述的方法,其特征在于,在所述第一阈值和第一占比的乘积,加上所述第二阈值和第二占比的乘积,以得到对比阈值之前,包括:在所述第一阈值大于或等于第一预设值时,将第一预设值作为第一阈值;在所述第二阈值大于或等于第二预设值时,将第二预设值作为第二阈值;在所述第二阈值大于或等于第三预设值时,将第四预设值作为第一占比;反之则将第五预设值作为第一占比;2CN110321808A权利要求书2/3页其中,第四预设值小于第五预设值。7.根据权利要求1所述的方法,其特征在于,在采用训练后的网络提取场景图像的特征步骤之前,包括:获取训练样本集;采用所述训练样本集训练网络,从而得到针对遗留物或盗移物检测的所述训练后的网络;其中,在采用所述训练样本集训练网络时,使用AM-softmax作为损失函数;所述网络为AlexNet、SqueezeNet或GoogleNet。8.根据权利要求7所述的方法,其特征在于,获取训练样本集步骤包括:获取图像库,所述图像库中包含不同场景下的背景图像和各个场景中存在前景物体的图像;对所述图像库中的图像进