夜视环境下活物检测方法及装置制造方法及图纸

本发明专利技术公开了一种夜视环境下活物检测方法及装置，其中该方法包括：获得夜视环境下的视频，对夜视环境下的视频进行切帧处理，获得视频帧；对所述视频帧进行动态区域检测，得到动态变化的区域结果；构建动态区域分类模型和实例分割模型；基于动态区域分类模型，对所述动态变化的区域结果进行分类，得到分类结果；基于实例分割模型，对所述视频帧进行实例分割，得到实例分割结果；将分类结果和实例分割结果进行交并比计算，得到最终检测结果。本发明专利技术可以解决在后厨夜间环境且活物体积小的情况下，准确进行图像识别的问题。

【技术实现步骤摘要】
夜视环境下活物检测方法及装置
本专利技术涉及图像识别
，尤其涉及夜视环境下活物检测方法及装置。
技术介绍
本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。从后厨夜视环境下识别活物(比如老鼠)的技术是一门涉及计算机视觉和人工智能等诸多领域的研究课题。在视频监控、后厨监管行业中有巨大应用前景。因此对活物(比如老鼠)检测已经成为后厨监管机器视觉领域的研究热点之一。但是因为其应用环境的复杂性、目标小、背景复杂多变、行为的类差异性等影响因素，现在的识别模型存在着识别准确率低、训练时间长等问题。
技术实现思路
本专利技术实施例提供一种夜视环境下活物检测方法，用以解决在后厨夜间环境且活物体积小的情况下，准确进行图像识别的技术问题，该方法包括：获得夜视环境下的视频，对夜视环境下的视频进行切帧处理，获得视频帧；对所述视频帧进行动态区域检测，得到动态变化的区域结果；构建动态区域分类模型和实例分割模型；基于动态区域分类模型，对所述动态变化的区域结本文档来自技高网...

【技术保护点】
1.一种夜视环境下活物检测方法，其特征在于，包括：/n获得夜视环境下的视频，对夜视环境下的视频进行切帧处理，获得视频帧；/n对所述视频帧进行动态区域检测，得到动态变化的区域结果；/n构建动态区域分类模型和实例分割模型；/n基于动态区域分类模型，对所述动态变化的区域结果进行分类，得到分类结果；/n基于实例分割模型，对所述视频帧进行实例分割，得到实例分割结果；/n将分类结果和实例分割结果进行交并比计算，得到最终检测结果。/n

【技术特征摘要】
1.一种夜视环境下活物检测方法，其特征在于，包括：
获得夜视环境下的视频，对夜视环境下的视频进行切帧处理，获得视频帧；
对所述视频帧进行动态区域检测，得到动态变化的区域结果；
构建动态区域分类模型和实例分割模型；
基于动态区域分类模型，对所述动态变化的区域结果进行分类，得到分类结果；
基于实例分割模型，对所述视频帧进行实例分割，得到实例分割结果；
将分类结果和实例分割结果进行交并比计算，得到最终检测结果。


2.如权利要求1所述的夜视环境下活物检测方法，其特征在于，对夜视环境下的视频进行切帧处理，获得视频帧，包括：
将视频图像序列分解为静态图像序列；
基于设置的采样步长采用跳帧切帧方式来进行视频切帧处理，获取静态RGB图像序列。


3.如权利要求2所述的夜视环境下活物检测方法，其特征在于，对所述视频帧进行动态区域检测，得到动态变化的区域结果，包括：
将静态RGB图像序列通过色彩空间转换转化为静态灰度图像序列；
将静态灰度图像序列进行高斯噪声滤波，生成滤波后的静态灰度图像序列；
将滤波后的静态灰度图像序列进行标准化处理，使得每一个像素点的灰度值都处于0-255之间；
基于每一个像素点的灰度值都处于0-255之间的滤波后的静态灰度图像序列，通过帧差法计算得到二值化运动帧差图序列；
基于帧间差分法，根据二值化运动帧差图序列确定运动目标主体。


4.如权利要求1所述的夜视环境下活物检测方法，其特征在于，构建动态区域分类模型，包括：
建立分类训练集，基于分类训练集对卷积神经网络模型进行训练，获得动态区域分类模型；
构建实例分割模型，包括：
建立实例分割训练集，对实例分割训练集进行掩膜基于区域的卷积神经网络训练，获得实例分割模型。


5.一种夜视环境下活物检测装置，其特征在于，包括：
视频切帧处理模块，用于获得夜视环境下的视频，对夜视环境下的视频进行切帧处理，获得视频帧；
动态...

【专利技术属性】
技术研发人员：陈坤，邸建，张欣，杨澜，
申请(专利权)人：华宇金信北京软件有限公司，
类型：发明
国别省市：北京;11