【技术实现步骤摘要】
一种基于神经网络与背景建模的物品被盗遗留识别方法
本专利技术涉及深度特征的视频检测
，具体涉及一种基于神经网络与背景建模的物品被盗遗留识别方法。
技术介绍
随着世界各国对于非安全因素的防范意识的提高，智能视频监控系统也得到了越来越广泛使用。遗留遗失物品检测是智能视频监系统中的重要组成部分，在火车站、飞机场、博物馆等公共场所都有着广泛的应用。目前由于场景中遮挡和运动目标聚集等问题的影响，使得智能视频监控系统下的遗留遗失物品检测的研究工作具有一定的难度。目前国内外针对这类目标的识别技术大致分为三类。一是基于背景建模的被盗遗留检测：通过各种不同的方法对监控场景进行背景建模，比如混合高斯模型建模、双学习率的双背景建模等，经过背景建模，再与实时监控比较，找到可疑物，通过后续的形态学操作确定准确的目标位置。二是基于目标跟踪的被盗遗留检测：通过对监控场景的光流计算，或其他方法计算确定出运动目标，之后对这些运动目标进行持续跟踪，当某个目标的运动状态发生从运动到静止，或从静止到运动的情景时，判别是遗留或被盗。三是基于卷积神经网络的目标检测的被盗遗留检测：随着卷积神经网络兴起，...
【技术保护点】
1.一种基于神经网络与背景建模的物品被盗遗留识别方法，其特征在于，包括以下步骤：S1通过混合高斯模型对视频图像进行学习，建立背景模型；S2使用基于卷积神经网络的行人检测算法，对视频帧进行行人检测；S3对行人区域用步骤S1得到的背景模型进行替换，生成视频帧的模板图像；S4将模板图像和背景模型进行逐像素的比较，相等设为1，否则为0，生成比较结果二值图；S5对二值图进行形态学处理，得到被盗遗留物的候选区域；S6将候选区域送入基于卷积神经网络的图片分类网络中，进行分类是否属于被盗遗留物。
【技术特征摘要】
1.一种基于神经网络与背景建模的物品被盗遗留识别方法，其特征在于，包括以下步骤：S1通过混合高斯模型对视频图像进行学习，建立背景模型；S2使用基于卷积神经网络的行人检测算法，对视频帧进行行人检测；S3对行人区域用步骤S1得到的背景模型进行替换，生成视频帧的模板图像；S4将模板图像和背景模型进行逐像素的比较，相等设为1，否则为0，生成比较结果二值图；S5对二值图进行形态学处理，得到被盗遗留物的候选区域；S6将候选区域送入基于卷积神经网络的图片分类网络中，进行分类是否属于被盗遗留物。2.根据权利要求1所述基于神经网络与背景建模的物品被盗遗留识别方法，其特征在于，所述背景模型的建模方法包括以下步骤：S11每个新像素值Xt同当前K个模型按下式进行比较，直接找到匹配新像素值的分布模式，即同该模型的均值偏差在2.5σ内：|Xt-μi,t-1|≤2.5σi,t-1；S12如果所匹配的模式符合背景要求，则该像素属于背景，否则属于前景；S13各个模式权值按如下方式进行更新，其中a是学习速率，对于匹配的模式Mk,t＝1,否则Mk,t＝0，然后各模式的权重进行归一化...
【专利技术属性】
技术研发人员：陈友明，
申请(专利权)人：四川弘和通讯有限公司，
类型：发明
国别省市：四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。