一种运动目标检测方法、装置、存储介质及终端设备制造方法及图纸

本发明专利技术公开了一种运动目标检测方法、装置、存储介质及终端设备，所述方法包括：获取待处理图像序列；对所述待处理图像序列进行运动目标检测，获取初始运动区域；对所述初始运动区域进行区域统计校正，获取校正后的运动区域；基于预设的Fast network和Slow network，根据所述待处理图像序列和所述校正后的运动区域进行特征提取；根据预设的LSTM对提取到的特征进行特征融合；基于预设的检测器，根据融合后的特征获取运动目标区域。采用本发明专利技术的技术方案能够提高运动目标检测的精确度，降低误检率。

A moving object detection method, device, storage medium and terminal equipment

【技术实现步骤摘要】
一种运动目标检测方法、装置、存储介质及终端设备
本专利技术涉及运动目标检测
，尤其涉及一种运动目标检测方法、装置、计算机可读存储介质及终端设备。
技术介绍
运动目标检测是将图像序列中的运动区域从相对静止的背景中分割出来，得到运动的前景目标，从而能够对运动目标进行进一步的跟踪、分类和识别等更高层次的处理，是计算机视觉的重要技术之一，被广泛应用到视频监控、智能交通以及工业检测等领域。目前，传统的运动目标检测方法主要包括光流法和背景差分法；其中，光流法检测的一般步骤是通过图像序列中的像素速度的变化，来确定不同时间内的灰度变化和相邻像素的相关性，从而检测出运动目标；背景差分法是先构造一个背景模型来替代真实的背景场景，通过将图像序列与背景模型进行比较，识别出运动目标与背景之间的差别来实现运动目标的检测，典型的背景模型有混合高斯模型、ViBe等。但是，光流法易受噪声影响，抗噪声性能差，背景差分法对环境光线变化敏感，并且这两种方法在检测过程中均容易受到背景场景的动态变化(例如树叶晃动、雨雪天气)、光照变化以及杂乱背景等动态场景的干扰，从而导致运动目标检测的精确度较低，很可能将动态背景误识别为运动目标，误检率较高。
技术实现思路
本专利技术实施例所要解决的技术问题在于，提供一种运动目标检测方法、装置、计算机可读存储介质及终端设备，能够提高运动目标检测的精确度，降低误检率。为了解决上述技术问题，本专利技术实施例提供了一种运动目标检测方法，包括：获取待处理图像序列；对所述待处理图像序列进行运动目标检测，获取初始运动区域；对所述初始运动区域进行区域统计校正，获取校正后的运动区域；基于预设的Fastnetwork和Slownetwork，根据所述待处理图像序列和所述校正后的运动区域进行特征提取；根据预设的LSTM对提取到的特征进行特征融合；基于预设的检测器，根据融合后的特征获取运动目标区域。进一步地，所述对所述待处理图像序列进行运动目标检测，获取初始运动区域，具体包括：基于预设的混合高斯模型对所述待处理图像序列进行运动目标检测，获取所述初始运动区域。进一步地，所述对所述初始运动区域进行区域统计校正，获取校正后的运动区域，具体包括：获取所述初始运动区域对应的二值化图像中的每一个像素点的标记值；根据获得的每一个像素点的标记值对所述初始运动区域中的像素点进行校正，相应获得所述校正后的运动区域。进一步地，所述根据获得的每一个像素点的标记值对所述初始运动区域中的像素点进行校正，相应获得所述校正后的运动区域，具体包括：对于所述初始运动区域的任一个像素点，获取所述像素点的n*n邻域；其中，所述n*n邻域以所述像素点为中心像素点，n>0；统计所述n*n邻域中包含的标记值为0的像素点的数量n0和标记值为1的像素点的数量n1；当n*n*α≤n0时，将所述像素点的标记值校正为0；当n*n*α>n0时，将所述像素点的标记值校正为1。进一步地，所述基于预设的Fastnetwork和Slownetwork，根据所述待处理图像序列和所述校正后的运动区域进行特征提取，具体包括：根据所述待处理图像序列和所述校正后的运动区域在深度方向上进行图像叠加，获得叠加后的图像序列；将所述叠加后的图像序列输入预设的Fastnetwork和Slownetwork，以根据预设的帧间隔对所述叠加后的图像序列进行特征提取。进一步地，所述叠加后的图像序列包括的每一帧叠加后的图像中的每一个像素点均用一个对应的4维向量进行表示；所述4维向量包括对应像素点的R值、G值、B值和D值；D值表示对应像素点在所述校正后的运动区域的二值化图像中的标记值。进一步地，所述Fastnetwork为MobilenetV3Small网络；所述Slownetwork为MobilenetV3large网络。为了解决上述技术问题，本专利技术实施例还提供了一种运动目标检测装置，包括：图像序列获取模块，用于获取待处理图像序列；初始运动区域获取模块，用于对所述待处理图像序列进行运动目标检测，获取初始运动区域；初始运动区域校正模块，用于对所述初始运动区域进行区域统计校正，获取校正后的运动区域；图像特征提取模块，用于基于预设的Fastnetwork和Slownetwork，根据所述待处理图像序列和所述校正后的运动区域进行特征提取；图像特征融合模块，用于根据预设的LSTM对提取到的特征进行特征融合；运动目标区域获取模块，用于基于预设的检测器，根据融合后的特征获取运动目标区域。本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，所述计算机程序在运行时控制所述计算机可读存储介质所在的设备执行上述任一项所述的运动目标检测方法。本专利技术实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现上述任一项所述的运动目标检测方法。与现有技术相比，本专利技术实施例提供了一种运动目标检测方法、装置、计算机可读存储介质及终端设备，通过获取待处理图像序列，对待处理图像序列进行运动目标检测，获取初始运动区域，对初始运动区域进行区域统计校正，获取校正后的运动区域，基于预设的Fastnetwork和Slownetwork，根据待处理图像序列和校正后的运动区域进行特征提取，根据预设的LSTM对提取到的特征进行特征融合，基于预设的检测器，根据融合后的特征获取运动目标区域，从而能够提高运动目标检测的精确度，降低误检率。附图说明图1是本专利技术提供的一种运动目标检测方法的一个优选实施例的流程图；图2是本专利技术提供的一种运动目标检测方法的执行过程示意图；图3是本专利技术提供的一种运动目标检测装置的一个优选实施例的结构框图；图4是本专利技术提供的一种终端设备的一个优选实施例的结构框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本
普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供了一种运动目标检测方法，参见图1所示，是本专利技术提供的一种运动目标检测方法的一个优选实施例的流程图，所述方法包括步骤S11至步骤S16：步骤S11、获取待处理图像序列；步骤S12、对所述待处理图像序列进行运动目标检测，获取初始运动区域；步骤S13、对所述初始运动区域进行区域统计校正，获取校正后的运动区域；步骤S14、基于预设的Fastnetwork和Slownetwork，根据所述待处理图像序列和所述校正后的运动区域进行特征提取；步本文档来自技高网...

【技术保护点】
1.一种运动目标检测方法，其特征在于，包括：/n获取待处理图像序列；/n对所述待处理图像序列进行运动目标检测，获取初始运动区域；/n对所述初始运动区域进行区域统计校正，获取校正后的运动区域；/n基于预设的Fast network和Slow network，根据所述待处理图像序列和所述校正后的运动区域进行特征提取；/n根据预设的LSTM对提取到的特征进行特征融合；/n基于预设的检测器，根据融合后的特征获取运动目标区域。/n

【技术特征摘要】
1.一种运动目标检测方法，其特征在于，包括：
获取待处理图像序列；
对所述待处理图像序列进行运动目标检测，获取初始运动区域；
对所述初始运动区域进行区域统计校正，获取校正后的运动区域；
基于预设的Fastnetwork和Slownetwork，根据所述待处理图像序列和所述校正后的运动区域进行特征提取；
根据预设的LSTM对提取到的特征进行特征融合；
基于预设的检测器，根据融合后的特征获取运动目标区域。


2.如权利要求1所述的运动目标检测方法，其特征在于，所述对所述待处理图像序列进行运动目标检测，获取初始运动区域，具体包括：
基于预设的混合高斯模型对所述待处理图像序列进行运动目标检测，获取所述初始运动区域。


3.如权利要求1所述的运动目标检测方法，其特征在于，所述对所述初始运动区域进行区域统计校正，获取校正后的运动区域，具体包括：
获取所述初始运动区域对应的二值化图像中的每一个像素点的标记值；
根据获得的每一个像素点的标记值对所述初始运动区域中的像素点进行校正，相应获得所述校正后的运动区域。


4.如权利要求3所述的运动目标检测方法，其特征在于，所述根据获得的每一个像素点的标记值对所述初始运动区域中的像素点进行校正，相应获得所述校正后的运动区域，具体包括：
对于所述初始运动区域的任一个像素点，获取所述像素点的n*n邻域；其中，所述n*n邻域以所述像素点为中心像素点，n>0；
统计所述n*n邻域中包含的标记值为0的像素点的数量n0和标记值为1的像素点的数量n1；
当n*n*α≤n0时，将所述像素点的标记值校正为0；
当n*n*α>n0时，将所述像素点的标记值校正为1。


5.如权利要求1所述的运动目标检测方法，其特征在于，所述基于预设的Fastnetwork和Slownetwork，根据所述待处理图像序列和所述校正后的运动区域进行特征提取，具体包括：
根据所述待处理...

【专利技术属性】
技术研发人员：胡艳萍，
申请(专利权)人：普联国际有限公司，
类型：发明
国别省市：中国香港;81