动态目标行为识别方法、装置制造方法及图纸

本发明专利技术公开了一种动态目标行为识别方法、装置，所述方法包括：获取动态目标的监控视频；采用基于卷积神经网络的图像识别算法确定动态目标在监控视频中的位置，并提取视频帧中的图像特征；使用KCF算法，依据各个视频帧中的动态目标的图像特征追踪动态目标；依据动态目标在依序的各个视频帧中的行为确定动态目标的行为情形；根据动态目标的行为规范，从动态目标的行为情形确定动态目标的行为类别。采用上述方案，特别采用KCF追踪算法对从视频帧中提取的动态目标的图像特征进行追踪，避免出现动态目标丢失的情形，可以保证识别结果的准确度。

Dynamic target behavior recognition method and device

【技术实现步骤摘要】
动态目标行为识别方法、装置
本专利技术涉及图像识别领域，尤其涉及一种动态目标行为识别方法、装置。
技术介绍
如今，随着图像识别技术的长足发展，人们开始广泛的在各种领域中应用图像识别，其中动态目标的行为识别是其中的一类领域，主要是针对车辆，飞行器和其他移动目标的行为进行识别。现有技术中，通常是将视频进行视频帧划分，逐个视频帧进行图像识别和行为判定，存在的问题是，当逐帧进行识别，如果其中的某几个视频帧中如果出现动态目标的缺失，则可能出现动态目标的丢失情况，导致难以在之后的视频帧中恢复对动态目标的捕捉。因此，最终影响行为识别结果的准确程度。
技术实现思路
专利技术目的：本专利技术旨在提供一种动态目标行为识别方法、装置。技术方案：本专利技术实施例中提供一种动态目标行为识别方法，包括：获取动态目标的监控视频；采用基于卷积神经网络的图像识别算法确定动态目标在监控视频中的位置，并提取视频帧中的图像特征；使用KCF算法，依据各个视频帧中的动态目标的图像特征追踪动态目标；依据动态目标在依序的各个视频帧中的行为确定动态目本文档来自技高网...

【技术保护点】
1.一种动态目标行为识别方法，其特征在于，包括：/n获取动态目标的监控视频；/n采用基于卷积神经网络的图像识别算法确定动态目标在监控视频中的位置，并提取视频帧中的图像特征；/n使用KCF算法，依据各个视频帧中的动态目标的图像特征追踪动态目标；/n依据动态目标在依序的各个视频帧中的行为确定动态目标的行为情形；/n根据动态目标的行为规范，从动态目标的行为情形确定动态目标的行为类别。/n

【技术特征摘要】
1.一种动态目标行为识别方法，其特征在于，包括：
获取动态目标的监控视频；
采用基于卷积神经网络的图像识别算法确定动态目标在监控视频中的位置，并提取视频帧中的图像特征；
使用KCF算法，依据各个视频帧中的动态目标的图像特征追踪动态目标；
依据动态目标在依序的各个视频帧中的行为确定动态目标的行为情形；
根据动态目标的行为规范，从动态目标的行为情形确定动态目标的行为类别。


2.根据权利要求1所述的动态目标行为识别方法，其特征在于，所述基于卷积神经网络的图像识别算法是SCNN算法。


3.根据权利要求2所述的动态目标行为识别方法，其特征在于，在所述采用基于卷积神经网络的图像识别算法确定动态目标在监控视频中的位置，并提取视频帧中的图像特征之前，还包括：
使用带标签的训练视频作为训练集，对使用残差式进行信息传递的SCNN算法和KCF算法进行训练。


4.根据权利要求3所述的动态目标行为识别方法，其特征在于，所述动态目标为行驶车辆时，带标签的训练视频作为的训练集中，标签包括场景标签和目标标签，卷积神经网络用于通过场景标签标记的场景特征确定场景规范，包括以下至少一种：车道线，红绿灯，交通标志；卷积神经网络用于通过目标标签标记的目标特征确定目标行为，包括以下至少一种：行驶车辆的车内仪表盘，行驶车辆。


5.根据权利要求4所述的动态目标行为识别方法，其特征在于，所述提取视频帧中的图像特征，包括：
提取视频帧中的场景特征和目标特征。


6.根据权利要求5所述的动...

【专利技术属性】
技术研发人员：梅舒欢，石霖，董晓飞，张萌，
申请(专利权)人：南京新一代人工智能研究院有限公司，
类型：发明
国别省市：江苏;32