[發明專利]基于視頻動態前景掩膜的目標類別修正方法、檢測方法

有效

• 申請號: 201910087340.5
• 申請日: 2019-01-29
• 公開（公告）號: CN109858436B
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 胡晰遠;王曉蓮;陳晨;彭思龍
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;黎慧華

1.一種基于視頻動態前景掩膜的目標類別修正方法，其特征在于，該方法包括：

步驟S10，采用基于卷積神經網絡的目標檢測網絡獲取視頻幀的第一修正集合；所述第一修正集合包括各目標物體的目標矩形框、最大置信目標類別；所述目標矩形框為目標物體的最小外接矩形框；所述最大置信目標類別包括目標物體非背景分類中置信度最大的類別及其置信度；

步驟S20，從所述第一修正集合中，選取大于預設置信度閾值的目標矩形框作為候選框；

步驟S30，將前景二值掩膜圖中大于預設灰度閾值的像素點作為前景點，對每一個候選框，分別計算其前景像素點在其矩形框中的占比，并作為該候選框的前景分數；所述前景二值掩膜圖為現有前景檢測算法獲取的所述視頻幀中運動物體的二值掩膜圖；

步驟S40，對每一個候選框，分別將其前景分數與其最大置信目標類別的置信度進行融合，得到其最大置信目標類別修正后的置信度，其方法為：

其中，為融合后的置信度，為類別的類別置信度；為前景分數；

步驟S50,基于步驟S40得到的修正后的置信度，更新所述第一修正集合中的對應目標物體的最大置信目標類別置信度，得到第二修正集合。

2.根據權利要求1所述的基于視頻動態前景掩膜的目標類別修正方法，其特征在于，前景二值掩膜圖的大小縮放至所述 步驟S10中所采用目標檢測網絡的輸入尺寸。

3.根據權利要求1所述的基于視頻動態前景掩膜的目標類別修正方法，其特征在于，步驟S20中預設的置信度閾值為0.1。

4.根據權利要求1所述的基于視頻動態前景掩膜的目標類別修正方法，其特征在于，步驟S30中預設的灰度閾值為50。

5.一種基于視頻動態前景掩膜的目標檢測方法，其特征在于，該方法包括：

步驟A10，獲取視頻幀的第一檢測結果；所述第一檢測結果包括各目標物體的目標矩形框、目標類別；所述目標矩形框為目標物體的最小外接矩形框；所述目標類別包括目標物體的多個預測分類及其置信度；

步驟A20，基于權利要求1-4任一項所述的基于視頻動態前景掩膜的目標類別修正方法，選取第一修正集合并進行修正得到第二修正集合；

步驟A30，基于第二修正集合更新第一檢測結果，得到第二檢測結果；

步驟A40，對所述第二檢測結果中的目標矩形框進行非極大值抑制后處理，得到第三檢測結果并輸出。

6.一種基于視頻動態前景掩膜的目標類別修正系統，其特征在于，該系統包括第一修正集合獲取單元、候選框獲取單元、前景分數計算單元、融合單元、第二修正集合獲取單元；

所述第一修正集合獲取單元，配置為獲取視頻幀的第一修正集合；所述第一修正集合包括各目標物體的目標矩形框、最大置信目標類別；所述目標矩形框為目標物體的最小外接矩形框；所述最大置信目標類別包括目標物體非背景分類中置信度最大的類別及其置信度；

所述候選框獲取單元，配置為從所述第一修正集合中，選取大于預設置信度閾值的目標矩形框作為候選框；

所述前景分數計算單元，配置為將前景二值掩膜圖中大于預設灰度閾值的像素點作為前景點，對每一個候選框，分別計算其前景點在其矩形框中的占比，并作為該候選框的前景分數；所述前景二值掩膜圖為現有前景檢測算法獲取的所述視頻幀中運動物體的二值掩膜圖；

所述融合單元，配置為對每一個候選框，分別將其前景分數與其最大置信目標類別的置信度進行融合，得到其最大置信目標類別修正后的置信度，其方法為：

其中，為融合后的置信度，為類別的類別置信度；為前景分數；

所述第二修正集合獲取單元,配置為基于所述融合單元得到的修正后的置信度，更新所述第一修正集合中的對應目標物體的最大置信目標類別置信度，得到第二修正集合。