[發(fā)明專利]檢測方法、檢測裝置、監(jiān)控設備和計算機可讀存儲介質

在審

• 申請?zhí)枺?/td>: 202010027424.2
• 申請日: 2020-01-10
• 公開（公告）號: CN111223129A
• 公開（公告）日: 2020-06-02
• 發(fā)明（設計）人: 邢軍華;歐陽一村;曾志輝;許文龍;賀濤;蔣錚
• 申請（專利權）人: 深圳中興網信科技有限公司
• 主分類號: G06T7/254
• 分類號: G06T7/254;G06T7/246
• 代理公司: 北京友聯(lián)知識產權代理事務所(普通合伙) 11343
• 代理人: 尚志峰;王淑梅

本發(fā)明提出了一種檢測方法、檢測裝置、監(jiān)控設備和計算機可讀存儲介質。其中，檢測方法包括：獲取至少一個攝像裝置的圖像數據；識別圖像數據中目標圖像的每一個像素點的像素值；根據相鄰兩幀目標圖像中所有像素點的像素差值的絕對值之和、預設像素值，確定待檢測圖像；采用YOLO v3模型對待檢測圖像進行檢測運算，以識別待檢測圖像中存在的目標檢測對象；記錄目標檢測對象。本發(fā)明的檢測方法能夠大大提高檢測對象進入監(jiān)測區(qū)域時實時檢測的檢測速度和精度，而且可同時支持大量攝像裝置實時檢測，極大地提高了實際工程的投入產出比，并且能夠排除非檢測對象引起的誤檢影響。

技術領域

本發(fā)明涉及視頻圖像識別技術領域，具體而言，涉及一種檢測方法、一種檢測裝置、一種監(jiān)控設備和一種計算機可讀存儲介質。

背景技術

站房是整個工程監(jiān)控系統(tǒng)的核心區(qū)域，大量的計算分析部署在這里，為防止閑雜人等隨意進入及系統(tǒng)更新維護責任到人，保證站房系統(tǒng)安全及系統(tǒng)的有效管理，需要對監(jiān)控站房的上百路甚至上千路攝像頭進行實時行人檢測。目前常見的行人檢測算法有兩種：幀間差分法和基于深度學習的目標檢測算法。

幀間差分法是一種通過對視頻圖像序列的連續(xù)兩幀圖像做差分運算獲取運動目標輪廓的方法。該方法實現簡單，運算速度快(5ms左右)，對光線的變化不敏感。但是在運動體內易產生空洞，特別是目標運動速度較快時，影響目標區(qū)域準確提取，且檢測效果取決于差分閾值的設定，對前景中的任何運動物體都會進行檢測，無法區(qū)分行人和物體，存在目標誤判、誤檢率高的問題。

基于深度學習的目標檢測算法主要通過權值共享、局部連接等策略端到端的自動學習捕捉物體的特征，使網絡具有更強的解析能力。但為了工程項目的投入產出比最大化，則需要一臺服務器支持盡可能多路攝像頭，而目標檢測算法檢測速度(20ms左右)相比幀間差分(5ms左右)慢四倍左右，僅僅用目標檢測算法，運行速度過慢，難以支持上百路攝像頭同時檢測，使得項目的投入產出比大大降低。

發(fā)明內容

本發(fā)明旨在至少解決現有技術或相關技術中存在的技術問題之一。

為此，本發(fā)明第一方面在于提出了一種檢測方法。

本發(fā)明的第二方面在于提出了一種檢測裝置。

本發(fā)明的第三方面在于提出了一種監(jiān)控設備。

本發(fā)明的第四方面在于提出了一種計算機可讀存儲介質。

有鑒于此，根據本發(fā)明的第一方面，提出了一種檢測方法，包括：獲取至少一個攝像裝置的圖像數據；識別圖像數據中目標圖像的每一個像素點的像素值；根據相鄰兩幀目標圖像中所有像素點的像素差值的絕對值之和、預設像素值，確定待檢測圖像；采用YOLOv3模型對待檢測圖像進行檢測運算，以識別待檢測圖像中存在的目標檢測對象；記錄目標檢測對象。

本發(fā)明提供的檢測方法，獲取至少一個攝像裝置的圖像數據，識別同一路攝像裝置采集目標圖像中全部像素點的像素值，并計算相鄰兩幀目標圖像中同一位置的像素點的像素值之間的像素差值，根據所有像素點的像素差值的絕對值之和與預設像素值之間的大小關系，判斷是否存在運動物體，從而對采集于同一路攝像裝置的相鄰兩幀目標圖像進行幀間差分處理，同時將檢測到運動物體的目標圖像作為待檢測圖像，并送入YOLO v3(YouOnly Look One，你只看一次)模型迭代的第三個版本進行檢測運算，利用YOLO v3模型識別出待檢測圖像中存在有的目標檢測對象，并進行記錄，以供用戶對監(jiān)測區(qū)域進行實時監(jiān)控。本發(fā)明的檢測方法利用幀間差分的快速性、廣泛性及基于深度學習的目標檢測算法的高精度，大大提高了檢測對象進入監(jiān)測區(qū)域時實時檢測的檢測速度和精度，而且可同時支持大量攝像裝置實時檢測，極大地提高了實際工程的投入產出比，并且能夠排除非檢測對象引起的誤檢影響，解決現有的行人檢測方法在準確率、速度、經濟效益投入產出比等方面存在不足的問題。