[發(fā)明專利]飛鳥檢測方法和裝置

有效

• 申請?zhí)枺?/td>: 201710554857.1
• 申請日: 2017-07-10
• 公開（公告）號: CN107480591B
• 公開（公告）日: 2020-02-18
• 發(fā)明（設計）人: 曹先彬;吳天航;田舒曼;李巖;鄭潔宛
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京同立鈞成知識產(chǎn)權代理有限公司 11205
• 代理人: 宋揚;劉芳

1.一種飛鳥檢測方法，其特征在于，包括：

獲取待檢測視頻，所述待檢測視頻包括T幀圖像，T為大于或等于1的整數(shù)；

獲取第t個目標檢測區(qū)域，所述第t個目標檢測區(qū)域為待檢測目標在待檢測視頻的第t幀圖像中的區(qū)域，所述待檢測目標為所述待檢測視頻中的運動物體，t＝1,……,T；

獲取所述第t個目標檢測區(qū)域的形狀特征模型，所述形狀特征模型為所述第t個目標檢測區(qū)域的預設輪廓點相對于預設極點和極軸的極坐標分布；

在預設的N個飛鳥姿態(tài)類型中，獲取與所述第t個目標檢測區(qū)域的形狀特征模型最匹配的匹配飛鳥姿態(tài)類型，N為大于或等于1的整數(shù)；

確定所述待檢測目標在所述待檢測視頻中的姿態(tài)時變序列，所述姿態(tài)時變序列包括所述T幀圖像的所述匹配飛鳥姿態(tài)類型；

將所述姿態(tài)時變序列與預設的M個飛鳥動作序列匹配，若所述姿態(tài)時變序列與所述預設的M個飛鳥動作序列中至少一個飛鳥動作序列匹配，則確定所述待檢測目標為飛鳥，M為大于或等于1的整數(shù)。

2.根據(jù)權利要求1所述的方法，其特征在于，所述獲取所述第t個目標檢測區(qū)域的形狀特征模型，包括：

顯示所述第t個目標檢測區(qū)域；

根據(jù)外部輸入確定所述輪廓點、極點和極軸；

根據(jù)以所述極點和極軸確定的極坐標，獲取所述輪廓點的極坐標分布為所述形狀特征模型。

3.根據(jù)權利要求1所述的方法，其特征在于，在所述獲取與所述第t個目標檢測區(qū)域的形狀特征模型最匹配的匹配飛鳥姿態(tài)類型之前，還包括：

獲取飛鳥圖片；

對所述飛鳥圖片分姿態(tài)聚類獲得所述N個飛鳥姿態(tài)類型；

根據(jù)對所述N個飛鳥姿態(tài)類型中包括的飛鳥圖片數(shù)量，確定所述飛鳥姿態(tài)類型的權重。

4.根據(jù)權利要求1或3所述的方法，其特征在于，在所述確定所述待檢測目標在所述待檢測視頻中的姿態(tài)時變序列之前，還包括：

獲取所述匹配飛鳥姿態(tài)類型的預設權重，以及所述匹配飛鳥姿態(tài)類型與所述形狀特征模型的匹配度；

以所述匹配飛鳥姿態(tài)類型的預設權重為權數(shù)，獲取所述待檢測目標的T幀圖像的匹配度加權和；

若所述匹配度加權和小于第一閾值，則確認所述待檢測目標不為飛鳥，返回執(zhí)行所述獲取待檢測視頻。

5.根據(jù)權利要求1所述的方法，其特征在于，在所述獲取所述第t個目標檢測區(qū)域的形狀特征模型之前，還包括：

獲取最可能代表飛鳥的頭、尾、兩翼的4個骨架節(jié)點為所述第t個目標檢測區(qū)域的預設輪廓點。

6.一種飛鳥檢測裝置，其特征在于，包括：

待檢測視頻獲取模塊，用于獲取待檢測視頻，所述待檢測視頻包括T幀圖像，T為大于或等于1的整數(shù)；

目標檢測區(qū)域獲取模塊，用于獲取第t個目標檢測區(qū)域，所述第t個目標檢測區(qū)域為待檢測目標在待檢測視頻的第t幀圖像中的區(qū)域，所述待檢測目標為所述待檢測視頻中的運動物體，t＝1,……,T；

形狀特征模型獲取模塊，用于獲取所述第t個目標檢測區(qū)域的形狀特征模型，所述形狀特征模型為所述第t個目標檢測區(qū)域的預設輪廓點相對于預設極點和極軸的極坐標分布；

第一匹配模塊，用于在預設的N個飛鳥姿態(tài)類型中，獲取與所述第t個目標檢測區(qū)域的形狀特征模型最匹配的匹配飛鳥姿態(tài)類型，N為大于或等于1的整數(shù)；

姿態(tài)時變序列確定模塊，用于確定所述待檢測目標在所述待檢測視頻中的姿態(tài)時變序列，所述姿態(tài)時變序列包括所述T幀圖像的所述匹配飛鳥姿態(tài)類型；

第二匹配模塊，用于將所述姿態(tài)時變序列與預設的M個飛鳥動作序列匹配，若所述姿態(tài)時變序列與所述預設的M個飛鳥動作序列中至少一個飛鳥動作序列匹配，則確定所述待檢測目標為飛鳥，M為大于或等于1的整數(shù)。

7.根據(jù)權利要求6所述的裝置，其特征在于，所述的形狀特征模型獲取模塊用于：

顯示所述第t個目標檢測區(qū)域；

根據(jù)外部輸入確定所述輪廓點、極點和極軸；

根據(jù)以所述極點和極軸確定的極坐標，獲取所述輪廓點的極坐標分布為所述形狀特征模型。