[發(fā)明專利]一種機(jī)場場面監(jiān)控視頻變化檢測系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 202111639029.0
• 申請日: 2021-12-29
• 公開（公告）號: CN114463670B
• 公開（公告）日: 2023-02-03
• 發(fā)明（設(shè)計(jì)）人: 張翔;湯應(yīng)祺;楊瑞菁;孟俊聰;廖權(quán)
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/40;G06V10/74;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京正華智誠專利代理事務(wù)所(普通合伙) 11870
• 代理人: 代維凡

本發(fā)明公開了一種機(jī)場場面監(jiān)控視頻變化檢測系統(tǒng)及方法，涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，包括第一通道級聯(lián)模塊、殘差神經(jīng)網(wǎng)絡(luò)編碼器、時空注意力處理子系統(tǒng)、第二通道級聯(lián)模塊、特征解碼器和運(yùn)動增強(qiáng)背景處理模塊。本發(fā)明有效利用了傳統(tǒng)的背景建模方法構(gòu)建背景模型，基于此建立運(yùn)動增強(qiáng)背景處理模塊，以生成參考背景幀。同時，運(yùn)動增強(qiáng)背景處理模塊能夠被檢測結(jié)果動態(tài)更新，相比于單一的背景模型，有效減少了誤差積累問題并對長視頻具有魯棒性。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，具體涉及一種機(jī)場場面監(jiān)控視頻變化檢測系統(tǒng)及方法。

背景技術(shù)

變化檢測技術(shù)是計(jì)算機(jī)視覺的基本任務(wù)之一，它對后續(xù)的檢測、跟蹤、識別等任務(wù)起到至關(guān)重要的作用，而機(jī)場場面監(jiān)控則是它其中一個十分重要應(yīng)用領(lǐng)域。基于機(jī)場場面監(jiān)控的變化檢測技術(shù)目的是從監(jiān)控視頻中提取出正在運(yùn)動的飛機(jī)，并持續(xù)的將飛機(jī)從背景中分離出來，直到飛機(jī)靜止、離開畫面或者視頻結(jié)束，是機(jī)場場面監(jiān)控中不可缺少的一環(huán)。

隨著變化檢測技術(shù)的發(fā)展，目前主流的變化檢測方法分為傳統(tǒng)方法和深度學(xué)習(xí)方法這兩大類。在機(jī)場場面監(jiān)控任務(wù)中，兩種方法都有不錯的效果，但仍有一定的缺陷。

傳統(tǒng)變化檢測方法通過統(tǒng)計(jì)建模提取運(yùn)動像素，思路簡單高效，模型迭代速度快，可以在很短的時間內(nèi)捕捉到機(jī)場場面中處于移動狀態(tài)的飛機(jī)。但是對變化的像素十分敏感，尤其是面對機(jī)場這種復(fù)雜環(huán)境中，任何突變或者與目標(biāo)相似的像素都可能被模型判斷為處于運(yùn)動狀態(tài)飛機(jī)的像素。例如，在霧霾環(huán)境中，機(jī)場場面整體呈現(xiàn)出低對比度的情況，灰白色的水泥路面和白色的機(jī)身使得傳統(tǒng)方法難以辨別像素的類別，導(dǎo)致檢測結(jié)果容易出現(xiàn)空洞或者誤檢的情況。在強(qiáng)烈的光照環(huán)境中，飛機(jī)會會產(chǎn)生明顯的陰影投影在路面中并跟隨其移動，由于統(tǒng)計(jì)建模的特點(diǎn)，這類像素也會因?yàn)樘幱谶\(yùn)動狀態(tài)被視為運(yùn)動目標(biāo)歸納到背景模型中，這給背景模型的迭代更新和運(yùn)動檢測帶來了很大的挑戰(zhàn)。

相較于傳統(tǒng)方法，基于深度學(xué)習(xí)的方法能夠獲得更加完整的檢測結(jié)果，同時擺脫了傳統(tǒng)方法中受噪聲干擾的缺點(diǎn)，在復(fù)雜環(huán)境中仍能夠取得魯棒的結(jié)果。但是依賴于有監(jiān)督方法，有限的樣本使得神經(jīng)網(wǎng)絡(luò)容易關(guān)注到飛機(jī)易于捕捉和學(xué)習(xí)的特征信息。如果在未加約束的情況下，神經(jīng)網(wǎng)絡(luò)會通過判斷與運(yùn)動飛機(jī)具有相似外觀的飛行器作為最終檢測的結(jié)果，毫無疑問會檢測到處于靜止?fàn)顟B(tài)的飛機(jī)。換言之，基于深度學(xué)習(xí)的網(wǎng)絡(luò)模型以損失泛化能力的代價換取了運(yùn)動目標(biāo)檢測的有限精度，這是得不償失的。

基于深度學(xué)習(xí)方法在機(jī)場場面監(jiān)控視頻中難以實(shí)際應(yīng)用，但是它良好的抗干擾性能又可能是變化檢測方法在復(fù)雜場景應(yīng)用中的一個突破口，如何利用好傳統(tǒng)方法和深度學(xué)習(xí)方法各自的特點(diǎn)仍然是變化檢測技術(shù)中一個難題。因此，當(dāng)前急需探索一種全新的變化檢測策略，以應(yīng)對機(jī)場場面監(jiān)控視頻中的種種挑戰(zhàn)。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中的上述不足，本發(fā)明提供的一種機(jī)場場面監(jiān)控視頻變化檢測系統(tǒng)及方法解決了現(xiàn)有技術(shù)檢測精度低、抗干擾能力差和運(yùn)動狀態(tài)混亂的問題。

為了達(dá)到上述發(fā)明目的，本發(fā)明采用的技術(shù)方案為：

第一方面，一種機(jī)場場面監(jiān)控視頻變化檢測系統(tǒng)，包括：第一通道級聯(lián)模塊、殘差神經(jīng)網(wǎng)絡(luò)編碼器、時空注意力處理子系統(tǒng)、第二通道級聯(lián)模塊、特征解碼器和運(yùn)動增強(qiáng)背景處理模塊；

所述第一通道級聯(lián)模塊和第二通道級聯(lián)模塊用于拼接輸入的數(shù)據(jù)序列；

所述第一通道級聯(lián)模塊的第一輸入端作為機(jī)場場面監(jiān)控視頻變化檢測系統(tǒng)的輸入端，其第二輸入端與運(yùn)動增強(qiáng)背景處理模塊的輸出端連接，其輸出端與殘差神經(jīng)網(wǎng)絡(luò)編碼器的輸入端連接；

所述殘差神經(jīng)網(wǎng)絡(luò)編碼器用于對輸入的圖像數(shù)據(jù)序列進(jìn)行特征提取，得到編碼特征，其輸出端與時鐘注意力處理子系統(tǒng)的輸入端連接，其包括N個中間編碼層；每個所述的中間編碼層的輸出端均還與特征解碼器連接；N為正整數(shù)；