[發明專利]一種用于視頻監控的運動目標檢測和識別方法

在審

• 申請號: 202111036395.7
• 申請日: 2021-09-06
• 公開（公告）號: CN113743304A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 張勤;張勇
• 申請（專利權）人: 北京神星科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 長沙大珂知識產權代理事務所(普通合伙) 43236
• 代理人: 伍志祥

本發明公開了一種用于視頻監控的運動目標檢測和識別方法，所述方法包括以下步驟：訓練圖像目標識別模型；獲取實時視頻流，進行圖像預處理；對預處理后的圖像進行運動感知，檢測是否存在運動目標；利用所述的圖像目標識別模型對運動目標進行識別；所述的運動感知的過程采用局部敏感哈希算法，通過對比兩張圖像的局部敏感哈希向量獲得檢測結果。本發明方法判斷是否有運動目標出現在監控范圍內，既穩定又快速；運動目標檢測和識別模塊目標檢測深度學習方法，準確性高，速度又快，且可以部署到監控攝像頭前端；且將運動感知和目標檢測識別分開，能大大的節省計算資源，降低能耗。

技術領域

本發明屬于視頻圖像處理技術領域，具體涉及一種用于視頻監控的運動目標檢測和識別方法。

背景技術

由于現代社會人口密集程度高，社會關系復雜，日常人們需面對越來越多的突發和異常事件，幾乎所有的公共場合都有部署監控的需求，面對海量的視頻數據，如果完全靠人工進行監控，費時費力。因此，視頻監控必須實現智能化，代替或輔助人工監控，用于解決實際問題。

智能監控系統一般是利用攝像機拍攝，實時獲取視頻流，接著將視頻數據傳入監控系統處理模塊，此時模塊會自動對視頻中的目標進行檢測、識別、跟蹤等，以此發現監控區域內存在的異常情況，比如，監控區域內出現人、車、飛行物等入侵現象，發生這種情況就可以進行記錄并警報處理。

在視頻監控中，運動目標檢測是極其重要的部分。運動目標檢測也是計算機視覺領域的一個研究熱點，其目的是從待檢測的視頻序列中把運動目標有效地從背景中提取出來，可理解為運動目標與背景的分類問題。在視頻監控的發展過程中，運動目標檢測的傳統方法主要包括：光流法、背景差分法、幀差分法。其中，光流法比較耗費時間、計算復雜性大，并且抗噪聲的能力差，實時性和實用性較差；背景差分法魯棒性較差，動態場景的變化對結果有很大的影響，比如：光照的變化，天氣的變化等；幀差分法，在運動目標運動緩慢，光照差或雨雪天氣時，幀差分法的檢測效果并不是很好。隨著深度學習的興起，運動目標檢測可以使用深度學習模型完成，大大提高了其運動目標檢測的準確性，但是深度學習運動目標檢測模型需要耗費大量算力資源，監控前端部署較為困難。通常在安防領域，完成運動目標的定位后，還需要對運動目標進行識別，以找出感興趣的運動目標，如人、車、飛行物等。目標識別目前使用深度學習算法進行，已經非常成熟可用，模型架構一般較為簡單，且能完全部署在監控前端，無需在監控后端進行識別。

通過上面的分析可以看出，現有的目標檢測和識別方法，并沒有適用于多種檢測背景和檢測目標的通用算法，傳統算法和深度學習算法各有優缺點。因此，找到一種解決方案既能穩定進行運動目標檢測和識別，又能節省大量的計算資源，使得運動目標檢測和識別可部署在監控攝像頭前端，是非常有意義的。

發明內容

有鑒于此，為解決背景技術中存在的技術問題，本發明的目的在于提供一種用于視頻監控的運動目標檢測和識別方法，所述方法采用運動感知結合運動目標識別的思路，提出采用局部敏感哈希(LSH)算法，對監控視頻中是否有運動目標侵入進行判斷，如果一旦感知到有運動目標侵入，立即使用深度學習目標檢測識別模型進行預測，判斷該運動目標是否為感興趣目標，并進行記錄和警報處理，以此完成智能化視頻監控。

基于上述目的，一種用于視頻監控的運動目標檢測和識別方法，包括以下步驟：

步驟1，訓練圖像目標識別模型；

步驟2，獲取實時視頻流，進行圖像預處理；

步驟3，對預處理后的圖像進行運動感知，檢測是否存在運動目標；

步驟4，利用所述的圖像目標識別模型對運動目標進行識別。

步驟3中所述的運動感知的過程包括以下步驟：

步驟301，對具有先后時序的兩張圖像，采用局部敏感哈希算法，計算出兩張圖像的局部敏感哈希向量；