目标跟踪和入侵检测方法、装置、及存储介质制造方法及图纸

本发明专利技术公开了一种目标跟踪和入侵检测方法、装置、及存储介质。其中目标跟踪方法包括：基于CNN检测算法获取当前图像帧中多个目标及各个目标的信息，基于运动检测算法获取该当前图像帧的前景图；然后基于该前景图从该多个目标中获取置信度小于预设第一阈值的运动目标；再将该置信度小于预设第一阈值的运动目标与上一图像帧更新后的运动目标池进行第一信息匹配得到第一目标，该第一目标为第一信息匹配成功的置信度小于预设第一阈值的运动目标；最后基于多目标跟踪算法和当前图像帧的第二目标获取当前图像帧的目标轨迹，该第二目标包括该第一目标和当前图像帧中置信度大于或等于预设第一阈值的目标。通过上述方式，提高了目标检测率，降低了漏检。

Target tracking and intrusion detection methods, devices, and storage media

【技术实现步骤摘要】
目标跟踪和入侵检测方法、装置、及存储介质
本申请涉及安防监控
，特别是涉及一种目标跟踪和入侵检测方法、装置、及存储介质。
技术介绍
现有的视频监控技术本质上还是人为监控和半人为监控方式，其中半人为监控方式即通过简单的智能算法来识别大量异常行为，人为过滤错误的报警，并且给报警目标分类。现有智能监控算法主要包括两种：一种是利用机器学习方法，通过运动检测并跟踪目标得到的运动轨迹来判别入侵行为；另一种是利用CNN检测来检测整个画面的目标，通过跟踪形成的轨迹来判别入侵行为。然而这些现有技术仍存在人力成本高以及漏报误报多的问题，因此，急需一种新的目标跟踪及入侵检测方法，以解决人力成本高以及漏报误报多的问题。
技术实现思路
本申请要解决的技术问题是提供一种目标跟踪和入侵检测方法、装置、及存储介质，以解决现有技术存在人力成本高以及漏报误报多的问题。为解决上述技术问题，本申请第一方面提供了一种目标跟踪方法，包括：针对视频数据流中的当前图像帧，基于CNN检测算法获取所述当前图像帧中多个目标及各个所述目标的信息，基于本文档来自技高网...

【技术保护点】
1.一种目标跟踪方法，其特征在于，包括：/n针对视频数据流中的当前图像帧，基于CNN检测算法获取所述当前图像帧中多个目标及各个所述目标的信息，基于运动检测算法获取所述当前图像帧的前景图，其中，各个所述目标的信息包括所述目标的置信度；/n基于所述前景图从所述多个目标中获取置信度小于预设第一阈值的运动目标；/n将所述置信度小于预设第一阈值的运动目标与上一图像帧更新后的运动目标池进行第一信息匹配得到第一目标，所述第一目标为第一信息匹配成功的置信度小于预设第一阈值的运动目标；/n基于多目标跟踪算法和所述当前图像帧的第二目标获取当前图像帧的目标轨迹，其中，所述第二目标包括所述第一目标和当前图像帧中置信度...

【技术特征摘要】
1.一种目标跟踪方法，其特征在于，包括：
针对视频数据流中的当前图像帧，基于CNN检测算法获取所述当前图像帧中多个目标及各个所述目标的信息，基于运动检测算法获取所述当前图像帧的前景图，其中，各个所述目标的信息包括所述目标的置信度；
基于所述前景图从所述多个目标中获取置信度小于预设第一阈值的运动目标；
将所述置信度小于预设第一阈值的运动目标与上一图像帧更新后的运动目标池进行第一信息匹配得到第一目标，所述第一目标为第一信息匹配成功的置信度小于预设第一阈值的运动目标；
基于多目标跟踪算法和所述当前图像帧的第二目标获取当前图像帧的目标轨迹，其中，所述第二目标包括所述第一目标和当前图像帧中置信度大于或等于预设第一阈值的目标。


2.根据权利要求1所述的方法，其特征在于，各个所述目标的信息包括所述目标的中心位置信息；所述“基于所述前景图从所述多个目标中获取置信度小于预设第一阈值的运动目标”的步骤包括：
判断所述多个目标中各个置信度小于预设第一阈值的目标的中心位置是否与前景图重叠；
若是，判定所述目标为置信度小于预设第一阈值的运动目标，并输出。


3.根据权利要求1所述的方法，其特征在于，包括获取当前图像帧更新后的运动目标池，包括：
基于所述前景图从所述多个目标中获取置信度大于或等于预设第一阈值的运动目标；
基于所述第一目标、和所述置信度大于或等于预设第一阈值的运动目标对所述上一图像帧更新后的运动目标池进行更新，得到当前图像帧更新后的运动目标池。


4.根据权利要求1-3中任一项所述的方法，其特征在于，所述第一阈值的预设范围为0.4～0.8。


5.根据权利要求1-3中任一项所述的方法，其特征在于，所述CNN检测算法采用的网络为裁剪后的YoloV3网络。


6.根据权利要求1-3中任一项所述的方法，其特征在于，所述运动检测算法采用的是vibe算法。


7.根据权利要求1所述的方法，其特征在于，所述“基于多目标跟踪算法和所述当前图像帧的第二目标获取当前图像帧的目标轨迹”的步骤包括：
将所述当前图像帧的第二目标与上一图像帧输出的目标轨迹进行第二信息匹配；
针对第二信息匹配成功的当前图像帧的第二目标，用各个所述第二目标的信息对对应的上一图像帧输出的目标轨迹进行更新，并将更新后的轨迹作为当前图像帧的目标轨迹输出；
针对第二信息匹配失败的当前图像帧的第二目标，将各个所述第二目标的信息作为当前图像帧的目标轨迹输出；
针对第二信息匹配失败的上一图像帧输出的目标轨迹，对各个所述上一图像帧输出的目标轨迹是否丢帧超时进行判定；
针对判定得到的丢帧超时的目标轨迹，删除各个所述目标轨迹；针对判定得到的丢帧未超时的目标轨迹，将各个所述目标轨迹作为当前图像帧的目标轨迹输出。


8.根据权利要求7所述的方法，其特征在于，所述第二信息匹配为多层循环匹配，采用的信息包括利用CNN检测网络得到的特征层信息，各个目标的中心点位置信息、置信度、类型信息和尺寸信息，以及当前图像帧的anchor信息。


9.根据权利要求7所述的方法，其特征在于，所述“对各个所述上一图像帧输出的目标轨迹是否丢帧超时进行判定”的步骤包括：
统计各个所述目标轨迹对应的目标连续丢失的图像帧数；
将所述目标连续丢失的图像帧数与预设第二阈值进行比较；
当所述目标连续丢失的图像帧数大于所述预设第二阈值时，判定所述目标对应的目标轨迹丢帧超时；否则，判定所述目标对应的目标轨迹丢帧未超时。


10.根据权利要求9所述的方法，其特征在于，所述第二阈值的预设范围为5～20。


11...

【专利技术属性】
技术研发人员：陈庆，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江;33