一种基于深度学习的摄像头寻物方法技术

本发明专利技术公开了一种基于深度学习的摄像头寻物方法，属于深度学习及图像处理技术领域，该方法通过目标检测或本地特征提取对实时录像或历史录像进行视频分析，定位到待寻物品的当前位置或最后一次出现的位置。本发明专利技术使用深度学习目标检测和特征提取的方法可以将物体检出率大幅提升，提高检测的准确率和检测物品的类别数。的类别数。的类别数。

【技术实现步骤摘要】
一种基于深度学习的摄像头寻物方法


[0001]本专利技术涉及深度学习及图像处理
，具体地说是一种基于深度学习的摄像头寻物方法。

技术介绍

[0002]当前物联网概念盛行，无论在社会上还是家庭中都有数目庞大的监控摄像头，覆盖人们生活的大部分时间和区域。而这种无处不在的视频数据不但可以用于监控，还能扩展出很多其他应用。例如视频寻物，目前也有一些基于摄像头的寻物算法，但是多数是基于传统的图像比对方式，这种算法物体检出率不高，检测的准确率较低。

技术实现思路

[0003]本专利技术的技术任务是针对以上不足之处，提供一种基于深度学习的摄像头寻物方法，可以将物体检出率大幅提升，提高检测的准确率和检测物品的类别数。
[0004]本专利技术解决其技术问题所采用的技术方案是：
[0005]一种基于深度学习的摄像头寻物方法，通过目标检测或本地特征提取对实时录像或历史录像进行视频分析，定位到待寻物品的当前位置或最后一次出现的位置。
[0006]部署目标检测和特征提取算法，调取监控摄像头的数据，从使用者处获取到待寻物品的类本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的摄像头寻物方法，其特征在于通过目标检测或本地特征提取对实时录像或历史录像进行视频分析，定位到待寻物品的当前位置或最后一次出现的位置。2.根据权利要求1所述的一种基于深度学习的摄像头寻物方法，其特征在于所述目标检测，基于通用目标检测算法在实时监控录像或已存储的监控录像中指定物品进行视频分析和定位。3.根据权利要求2所述的一种基于深度学习的摄像头寻物方法，其特征在于所述目标检测算法包括efficientDet、YOLO和/或SSD。4.根据权利要求3所述的一种基于深度学习的摄像头寻物方法，其特征在于所述目标检测算法，可以使用数据进行微调，所述数据来源于使用者对易丢失物品的标注。5.根据权利要求1所述的一种基于深度学习的摄像头寻物方法，其特征在于所述本地特征提取，基于深度学习，通过给定物品的样例图在视频中进行特征提取和对比进行定位。6.根据权利要求5所述的一种基于深度学习的摄像头寻物方法，其特征在于本地特征提取使用的特征提取网络包括GeoDesc和/或Hardnet，给出待寻物品的图像样例，生成特征点集，再给出监控图像生成特征点集，在两个点集之间使用FLANN或BruteForce方法进行匹配。7.根据权利要求1所述的一种基于深度学...

【专利技术属性】
技术研发人员：段强，李锐，王建华，
申请(专利权)人：济南浪潮高新科技投资发展有限公司，
类型：发明
国别省市：