特异目标物的识别方法及装置制造方法及图纸

本发明专利技术公开一种特异目标物的识别方法及装置，涉及信息处理技术领域，主要目的在于解决现有的特异目标识别方法中，仅考虑目标运动速率且未考虑目标物体接触方面的特异性的问题。主要技术方案包括：基于深度卷积神经网络提取每帧图像中待识别目标物体的边界框和预设关键物体的边界框；计算每个待识别目标物体的边界框与预设关键物体边界框之间的交叉面积占预设关键物体面积的比例，得到待识别目标物体的语义交互特征；计算待识别目标物体的帧间目标的位置变化，得到待识别目标物体的时空运动特征；根据待识别目标物体的语义交互特征以及时空运动特征，计算每个待识别目标物体的特异值，并将特异值超过预设阈值的待识别目标物体确定为特异目标。物体确定为特异目标。物体确定为特异目标。

【技术实现步骤摘要】
特异目标物的识别方法及装置


[0001]本专利技术实施例涉及信息处理
，特别是涉及一种特异目标物的识别方法及装置。

技术介绍

[0002]特异目标的识别是图像处理、模式识别和计算机视觉等领域的关键技术，它的目的是将环境中在接触物体或运动模式上与众不同的目标辨别出来，以用于对其行为预测或威胁分析等后续处理，可以广泛应用于生活服务、安防监控、反恐维稳和军事国防等诸多领域。
[0003]长期以来，如何有效识别出环境中的特异目标一直受到工业界和众多学者的关注。目前，针对特异目标识别的工作主要集中在安防监控领域，利用监控摄像头收集海量数据进行异常数据检测，其主要方法有基于光流的识别方法、基于运动跟踪的识别方法和基于机器学习的识别方法等。基于光流的识别方法主要利用图像帧间的像素变化来检测环境中高速运动的异常目标；基于运动跟踪的识别方法主要利用卷积神经网络对视野中的目标进行检测，然后在时域上进行跟踪以计算每个目标的运动速率，速率超出阈值的目标将被识别为异常目标；基于机器学习的方法主要通过对海量正常数据的训练以获取目标运动的正常模式，然后将当前的数据与该正常模式进行比对来判断目标的特异性。但是，当前的研究主要是异常检测，其仅为特异目标识别的一个子集，并且现存方法大多只关注环境中目标的运动速率，极大程度上忽视了目标在物体接触上呈现出的特异性。此外，基于模式比对的方法仅适用于特定场景，很难泛化至其他未知的或者数据稀缺的场景。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种特异目标物的识别方法及装置，主要目的在于解决现有的特异目标识别方法中，仅考虑目标运动速率且未考虑目标物体接触方面的特异性的问题。
[0005]为了解决上述问题，本专利技术实施例主要提供如下技术方案：
[0006]第一方面，本专利技术实施例提供了一种特异目标物的识别方法，包括：
[0007]基于深度卷积神经网络提取每帧图像中待识别目标物体的边界框和预设关键物体的边界框；
[0008]计算每个待识别目标物体的边界框与预设关键物体边界框之间的交叉面积占所述预设关键物体面积的比例，得到待识别目标物体的语义交互特征；
[0009]计算待识别目标物体的帧间目标的位置变化，得到待识别目标物体的时空运动特征；
[0010]根据所述待识别目标物体的语义交互特征以及所述时空运动特征，计算每个待识别目标物体的特异值，并将所述特异值超过预设阈值的待识别目标物体确定为特异目标。
[0011]可选的，计算待识别目标物体的帧间目标位置变化，获取待识别目标物体的时空
运动特征包括：
[0012]获取待识别目标物体的边界框的顶点坐标的中位数作为所述待识别目标物体的定位；
[0013]将当前帧与上一帧图片上的待识别目标物体进行特征匹配，获取所述待识别目标物体在帧间的对应关系；
[0014]计算待识别目标物体的帧间位置变化获取待识别目标物体的运动速率，并将其归一化处理；
[0015]计算待识别目标物体的帧间位置变化获取待识别目标物体运动方向，并根据标准参考单位向量进行归一化处理。
[0016]可选的，根据所述待识别目标物体的语义交互特征以及所述时空运动特征，计算每个待识别目标物体的特异值，并将所述特异值超过预设阈值的待识别目标物体确定为特异目标包括：
[0017]分别对所有待识别目标物体的语义交互特征和时空运动特征进行建模；
[0018]获取每个待识别目标物体在每类特征上与全局分布的偏离值；
[0019]基于时序的转移概率，计算每个待识别目标物体的特异值；
[0020]对所有待识别目标物体的特异值进行归一化处理，并将所述特异值与所述预设阈值进行比对；
[0021]将所述特异值超过预设阈值的待识别目标物体确定为特异目标。
[0022]可选的，计算待识别目标物体的帧间位置变化获取待识别目标物体的运动速率，包括：
[0023]通过下述公式得到待识别目标物体的运动速率：
[0024][0025][0026]其中，为相邻帧间目标的位置变化，η为权重参数，ΔT为相邻帧的时间间隔，e＝(0,1)为标准参考单位向量，待识别目标物体的运动速率
[0027]可选的，计算待识别目标物体的帧间位置变化获取待识别目标物体运动方向包括：
[0028]通过下述公式得到待识别目标物体运动方向：
[0029][0030]其中，为待识别目标物体运动方向。
[0031]第二方面，本专利技术实施例提供一种特异目标物的识别装置，包括：
[0032]提取单元，用于基于深度卷积神经网络提取每帧图像中待识别目标物体的边界框和预设关键物体的边界框；
[0033]第一计算单元，用于计算每个待识别目标物体的边界框与预设关键物体边界框之间的交叉面积占所述预设关键物体面积的比例，得到待识别目标物体的语义交互特征；
[0034]第二计算单元，用于计算待识别目标物体的帧间目标的位置变化，得到待识别目标物体的时空运动特征；
[0035]处理单元，用于根据所述第一计算单元计算的所述待识别目标物体的语义交互特征以及所述第二计算单元计算的所述时空运动特征，计算每个待识别目标物体的特异值，并将所述特异值超过预设阈值的待识别目标物体确定为特异目标。
[0036]可选的，所述第二计算单元包括：
[0037]获取模块，用于获取待识别目标物体的边界框的顶点坐标的中位数作为所述待识别目标物体的定位；
[0038]处理模块，用于将当前帧与上一帧图片上的待识别目标物体进行特征匹配，获取所述待识别目标物体在帧间的对应关系；
[0039]第一计算模块，用于计算待识别目标物体的帧间位置变化获取待识别目标物体的运动速率，并将其归一化处理；
[0040]第二计算模块，用于计算待识别目标物体的帧间位置变化获取待识别目标物体运动方向，并根据标准参考单位向量进行归一化处理。
[0041]可选的，处理单元包括：
[0042]建模模块，用于分别对所有待识别目标物体的语义交互特征和时空运动特征进行建模；
[0043]获取模块，用于获取每个待识别目标物体在每类特征上与全局分布的偏离值；
[0044]计算模块，用于基于时序的转移概率，计算每个待识别目标物体的特异值；
[0045]处理模块，用于对所有待识别目标物体的特异值进行归一化处理，并将所述特异值与所述预设阈值进行比对；
[0046]确定模块，用于将所述特异值超过预设阈值的待识别目标物体确定为特异目标。
[0047]可选的，所述第一计算模块，用于通过下述公式得到待识别目标物体的运动速率：
[0048][0049][0050]其中，为相邻帧间目标的位置变化，η为权重参数，ΔT为相邻帧的时间间隔，e＝(0,1)为标准参考单位向量，待识别目标物体的运动速率
[0051]可选的，所述第二计算模块，用于通过下述公式得到待识别目标物体运动方向包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种特异目标物的识别方法，其特征在于，包括：基于深度卷积神经网络提取每帧图像中待识别目标物体的边界框和预设关键物体的边界框；计算每个待识别目标物体的边界框与预设关键物体边界框之间的交叉面积占所述预设关键物体面积的比例，得到待识别目标物体的语义交互特征；计算待识别目标物体的帧间目标的位置变化，得到待识别目标物体的时空运动特征；根据所述待识别目标物体的语义交互特征以及所述时空运动特征，计算每个待识别目标物体的特异值，并将所述特异值超过预设阈值的待识别目标物体确定为特异目标。2.根据权利要求1所述的方法，其特征在于，计算待识别目标物体的帧间目标位置变化，获取待识别目标物体的时空运动特征包括：获取待识别目标物体的边界框的顶点坐标的中位数作为所述待识别目标物体的定位；将当前帧与上一帧图片上的待识别目标物体进行特征匹配，获取所述待识别目标物体在帧间的对应关系；计算待识别目标物体的帧间位置变化获取待识别目标物体的运动速率，并将其归一化处理；计算待识别目标物体的帧间位置变化获取待识别目标物体运动方向，并根据标准参考单位向量进行归一化处理。3.根据权利要求1所述的方法，其特征在于，根据所述待识别目标物体的语义交互特征以及所述时空运动特征，计算每个待识别目标物体的特异值，并将所述特异值超过预设阈值的待识别目标物体确定为特异目标包括：分别对所有待识别目标物体的语义交互特征和时空运动特征进行建模；获取每个待识别目标物体在每类特征上与全局分布的偏离值；基于时序的转移概率，计算每个待识别目标物体的特异值；对所有待识别目标物体的特异值进行归一化处理，并将所述特异值与所述预设阈值进行比对；将所述特异值超过预设阈值的待识别目标物体确定为特异目标。4.根据权利要求2所述的方法，其特征在于，计算待识别目标物体的帧间位置变化获取待识别目标物体的运动速率，包括：通过下述公式得到待识别目标物体的运动速率：通过下述公式得到待识别目标物体的运动速率：其中，为相邻帧间目标的位置变化，η为权重参数，ΔT为相邻帧的时间间隔，e＝(0,1)为标准参考单位向量，待识别目标物体的运动速率5.根据权利要求4所述的方法，其特征在于，计算待识别目标物体的帧间位置变化获取
待识别目标物体运动方向包括：通过下述公式得到待识别目标物体运动方向：其...

【专利技术属性】
技术研发人员：杨楚乐，邓宝松，郄志鹏，桂健钧，唐荣富，闫野，
申请(专利权)人：中国人民解放军军事科学院国防科技创新研究院，
类型：发明
国别省市：