【技术实现步骤摘要】
基于图像语义信息的抛物识别方法
本专利技术涉及视频图像处理领域，具体涉及一种基于图像语义信息的抛物识别方法。
技术介绍
利用图像处理技术，可以在河道周围布设监控，对行人、商户是否有向河内抛投垃圾的行为进行取证，具有现实的价值和意义。几个典型的场景是，在公园里的游客随手往河里丢垃圾、沿河的商户直接向河里抛投生活垃圾等等。需要对每一帧图像进行分析判断，识别到这种行为后再进行取证。该技术的关键在于人的行为识别。在深度学习广泛用于图像分析的今天，神经网络可以很准确地识别图像中人体关键点的位置，但由于丢垃圾的动作太过宽泛，没有很典型的特征可以学习，所以用人体姿态估计的方式捕捉视频中人的所有动作，一般很难正确界定这种行为，并且如果对每一帧图像进行处理，计算量十分巨大。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于图像语义信息的抛物识别方法，结合图像语义信息和轨迹信息，能够准确的判断抛物行为是否违规，且能够避免传统方法在目标物移动的场景下的误判。为实现上述目的，本专利技术采用如下技术方案：一种基于图像语义信息的抛物识别方法，提供一识别系统包括轨迹识别模块、图像语义信息生...
【技术保护点】
1.一种基于图像语义信息的抛物识别方法，提供一识别系统包括轨迹识别模块、图像语义信息生成模块和轨迹和语义信息分析模块，其特征在于，包括以下步骤：步骤S1：将待识别视频输入轨迹识别模块，得到轨迹信息，并判断是否为可疑行为，若为可疑行为则将图像序列传送至图像语义信息生成模块；步骤S2:图像语义信息生成模块深度神经网络对图像序列进行目标物分析，得到目标物信息；步骤S3：语义信息分析模块根据轨迹信息和目标物信息，进行合理性分析，若判断为发现丢垃圾的行为，则将图像序列保存。
【技术特征摘要】
1.一种基于图像语义信息的抛物识别方法，提供一识别系统包括轨迹识别模块、图像语义信息生成模块和轨迹和语义信息分析模块，其特征在于，包括以下步骤：步骤S1：将待识别视频输入轨迹识别模块，得到轨迹信息，并判断是否为可疑行为，若为可疑行为则将图像序列传送至图像语义信息生成模块；步骤S2:图像语义信息生成模块深度神经网络对图像序列进行目标物分析，得到目标物信息；步骤S3：语义信息分析模块根据轨迹信息和目标物信息，进行合理性分析，若判断为发现丢垃圾的行为，则将图像序列保存。2.根据权利要求1所述的基于图像语义信息的抛物识别方法，其特征在于，所述步骤S1具体为：步骤S11：提取待识别视频中的单帧图像作为输入图像，即当前帧图像，并使用高斯滤波处理输入图像，用以减少图像噪声；捕捉输入图像中的移动物体；步骤S12：使用混合高斯模型对前帧图像进行建模，首先提取当前帧图像中的前景像素，得到移动物体的前景像素二值图，然后对该前景像素二值图进行分割，将前景像素二值图中四连通的像素分割为一个粒子，并利用机器视觉中粒子分析方法进行处理；步骤S13：利用形态学处理方法对分割后的前景像素二值图先进行先腐蚀后膨胀的处理，用以消除噪音干扰，然后进行先膨胀后腐蚀的处理，用以把分散的前景像素在预设范围内融合；步骤S14：通过步骤S13处理后的前景像素二值图计算粒子的重心坐标x,y，并将其作为粒子的位置，统计前景像素的个数作为粒子的大小，将在原始彩色图像中属于同一个粒子的前景像素信息作为特征信息进行提取记录；步骤S15：进行动态物体跟踪；步骤S16：进行动态物体轨迹判断，判断动态物体的轨迹是否为抛物轨迹，若是则满足；步骤S17：输入河道位置标注信息，用以判断物体移动的轨迹的起点是否在河道外，并且终点在河内；若是则满足；步骤S18：当同时满足步骤S16与步骤S17时，记录这条轨迹作为结果，并将对应的图像序列传送至图像语义信息生成模块。3.根据权利要求1所述的基于图像语义信息的抛物识别方法，其特征在于，所述步骤S2具体为：步骤S21:构建mask-R-CNN网络；步骤S22：采集目标物的图像数据集，并作为训练集训练mask-R-CNN网络，得到训练好的mask-R-C...
【专利技术属性】
技术研发人员：单森华，吴闽帆，戴诗琪，陈佳佳，
申请(专利权)人：四创科技有限公司，
类型：发明
国别省市：福建,35
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。