运动目标提取方法、装置和电子设备及可读存储介质制造方法及图纸

本申请提供一种运动目标提取方法，包括：利用深度神经网络从预设视频帧数据提取固定区域和移动区域；根据图像块法和固定区域得到全局运动矢量；根据移动区域以外的区域的视频帧数据进行背景建模，得到初始背景模型；利用全局运动矢量根据当前视频帧将初始背景模型进行运动补偿获得背景模型；通过背景模型对当前视频帧数据进行运动目标提取，得到运动目标区域。本申请避免了相关技术中初始背景建模过程中的已存在的运动目标、以及由于摄像机处于运动中导致背景模型建立的不准确性，提高背景模型建立的准确性进而提高运动目标提取的准确性和高效率。本申请同时还提供了运动目标提取装置、电子设备和计算机可读存储介质，均具有上述有益效果。

Moving object extraction method, device, electronic equipment and readable storage medium

【技术实现步骤摘要】
运动目标提取方法、装置和电子设备及可读存储介质
本申请涉及运动目标提取
，特别涉及一种运动目标提取方法、运动目标提取装置、电子设备和计算机可读存储介质。
技术介绍
智能视频分析是当前安防行业发展的一个重要方向，智能视频分析充分发挥了监控视频实时性和主动性，实时分析、跟踪、判别监控对象，并给出相应的报警信息，其可以为相关部门的决策和正确行动提供支持。运动目标的提取是智能视频分析的基础，是实现实时分析、跟踪以及判别的前提。Blob是指图像中的一块连通区域，可以表示一个单独的目标，而且可以根据Blob来获得相应的目标信息。运动目标提取是视频监控系统的核心需求，常见运动目标提取方法为基于背景建模的方法等。相关技术中利用背景模型的方法进行运动目标提取。基于背景建模的方法检测结果与背景模型密切相关，在实际应用中常规的背景建模技术由于易受初始运动目标存在、摄像机自身运动影响导致背景模型的建立可靠性较差，因而导致运动目标提取的准确性差。因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。
技术实现思路
本申请的目的是提供一种运动目标提取方法、运动目标提取装置、电子设备和计算本文档来自技高网...

【技术保护点】
1.一种运动目标提取方法，其特征在于，包括：利用深度神经网络从预设视频帧数据提取固定区域和移动区域；根据图像块法和所述固定区域得到全局运动矢量；根据所述移动区域以外的区域的视频帧数据进行背景建模，得到初始背景模型；利用所述全局运动矢量根据当前视频帧数据将所述初始背景模型进行运动补偿获得背景模型；通过所述背景模型对所述当前视频帧数据进行运动目标提取，得到运动目标区域。

【技术特征摘要】
1.一种运动目标提取方法，其特征在于，包括：利用深度神经网络从预设视频帧数据提取固定区域和移动区域；根据图像块法和所述固定区域得到全局运动矢量；根据所述移动区域以外的区域的视频帧数据进行背景建模，得到初始背景模型；利用所述全局运动矢量根据当前视频帧数据将所述初始背景模型进行运动补偿获得背景模型；通过所述背景模型对所述当前视频帧数据进行运动目标提取，得到运动目标区域。2.根据权利要求1所述的运动目标提取方法，其特征在于，利用深度神经网络从预设视频帧数据提取固定区域和移动区域，包括：利用所述深度神经网络从所述预设视频帧数据提取识别区域；根据预设场景参数对所述识别区域进行区域提取，得到所述固定区域和所述移动区域。3.根据权利要求1所述的运动目标提取方法，其特征在于，根据所述移动区域以外的区域的视频帧数据进行背景建模，得到初始背景模型，包括：根据所述移动区域以外的区域的视频帧数据利用ViBe算法进行背景建模，得到所述初始背景模型。4.根据权利要求1所述的运动目标提取方法，其特征在于，根据图像块法和所述固定区域得到全局运动矢量，包括：将所述固定区域对应的视频帧进行区域划分，得到各个矩形子区域；利用三步法计算所述矩形子区域的子区域运动矢量；将所述子区域运动矢量进行分析，得到所述全局运动矢量。5.根据权利要求4所述的运动目标提取方法，其特征在于，对所述子区域运动矢量进行分析，得到所述全局运动矢量，包括：利用K均值聚类对所述子区域运行矢量进行分析，得到所述全局运动矢量。6.根据权利要求1至5任一项所述的运动目标提取方法，其特征在于，通过所述背景模型...

【专利技术属性】
技术研发人员：谢昌颐，李建成，陈一平，孙红，
申请(专利权)人：湖南德雅坤创科技有限公司，
类型：发明
国别省市：湖南,43