一种远程多目标的高效检测和识别方法技术

本发明专利技术公开了一种远程多目标的高效检测及识别方法，包括下列步骤：S1、终端通过限流算法将视频流处理成图片集S2、对图片集原始图片归一化成固定大小的样本图像；S3、将样本图像的像素点作为节点，用所有节点的邻接矩阵表示无向图的状态；S4、获取每个节点的s纬特征向量；S5、预先构建完备向量化的标签字典，将输出的特征矩阵通过字典得到标签的预测值；S6、终端将标签的预测值通过阈值筛选；S7、服务器根据标签结果生成对应哈希码，通过哈希码进入不同的目标识别模型通道；S8、服务器预先将所有的已知目标识别后存储成特征向量库，有效图片进入对应模型通道后解析成特征向量，和特征向量库比对后得到结果，反馈到终端。

【技术实现步骤摘要】
一种远程多目标的高效检测和识别方法
本专利技术涉及计算机视觉和模式识别
，具体涉及一种远程多目标的高效检测和识别方法。
技术介绍
目前来说，目标识别是计算机视觉和模式识别领域的热点研究问题之一，如何降低服务器算力负荷和避免网络拥塞问题，成为目标识别中的一个重点和难点问题。在人工智能发展初期，计算机很容易处理一些人类很难甚至是无法解决的问题，这些问题可以用一种形式化的数学规律来描述。人工智能真正面临的任务是那些很难用形式化符号描述的任务，自从深度神经网络算法首次在ImageNet数据集上大放异彩，物体检测领域逐渐开始利用深度学习来做研究。随后各种结构的深度模型被提出，数据集的准确率一再被刷新。实际上，深度学习模型在分类任务上将传统的方法远远地甩在身后。图像分类上明显的提升也带动了检测领域的快速发展。到目前为止，高性能的检测算法都基于深度学习。最早的R-CNN(Region-basedCNN)首次使用深度模型提取图像特征，以49.6％的准确率开创了检测算法的新时代。早期的物体检测，都以滑动窗口的方式生成目标建议框，这种方式本质本文档来自技高网...

【技术保护点】
1.一种远程多目标的高效检测和识别方法，其特征在于，包括下列步骤：/nS1、终端将视频流处理成终端图片集，对终端图片集密度设置上限；/nS2、对终端图片集原始图片归一化成固定大小的样本图像；/nS3、将样本图像的像素点作为节点，每个节点与周围节点的距离值构造该节点的邻接矩阵，用所有节点的邻接矩阵表示无向图的状态；/nS4、每个节点的邻接矩阵使用频域方法得到对应节点的s纬特征向量，最终m个节点构成m×s纬的特征矩阵；/nS5、预先构建完备向量化的标签字典，将特征矩阵通过每层图卷积不断更新自己，将输出的特征矩阵通过字典得到标签的预测值，每个标签对应一种检测结果；/nS6、终端将标签的预测值通过阈值...

【技术特征摘要】
1.一种远程多目标的高效检测和识别方法，其特征在于，包括下列步骤：
S1、终端将视频流处理成终端图片集，对终端图片集密度设置上限；
S2、对终端图片集原始图片归一化成固定大小的样本图像；
S3、将样本图像的像素点作为节点，每个节点与周围节点的距离值构造该节点的邻接矩阵，用所有节点的邻接矩阵表示无向图的状态；
S4、每个节点的邻接矩阵使用频域方法得到对应节点的s纬特征向量，最终m个节点构成m×s纬的特征矩阵；
S5、预先构建完备向量化的标签字典，将特征矩阵通过每层图卷积不断更新自己，将输出的特征矩阵通过字典得到标签的预测值，每个标签对应一种检测结果；
S6、终端将标签的预测值通过阈值筛选，把高于阈值的标签定义为有效标签，最终从M个图片中筛选出包含有效标签的N个图片发送到服务器；
S7、服务器根据标签结果生成对应哈希码，通过哈希码进入不同的目标识别模型通道，将选择模型的时间复杂度由O(n)降为O(1)；
S8、服务器预先将所有的已知目标识别后存储成特征向量库，有效图片进入对应模型通道后解析成特征向量，和特征向量库比对后得到结果，最后将识别结果通过网络反馈到终端。


2.根据权利要求1所述的一种远程多目标的高效检测和识别方法，其特征在于，步骤S1具体包括：
对视频采集fps设置固定时间内计数器count以及设置计数器最大值limit；
将某一个时刻ti视频流转换成BITMAP格式的图片文件Pi；
给线程设置可调周期T采集，可调周期T满足以下公式的动态平衡：





3.根据权利要求2所述的一种远程多目标的高效检测和识别方法，其特征在于，所述对终端图片集原始图片归一化成固定大小的样本图像具体为：



式中，xi表示原图像的像素点，min(x)和max(x)分别表示图像像素的最大值和最小值，norm表示归一化后的值，范围在0到1之间。


4.根据权利要求3所述的一种远程多目标的高效检测和识别方法，其特征在于，所述构造节点的邻接矩阵具体为：
确定图的特征结点个数N和结点连接状态，其中图像的像素点作为特征节点个数；
依次将每个像素点作为中心节点，与周围节点做欧式距离，如果距离小于距离阈值s确定两个结点连接一条边；
使用深度优先搜索得到邻接矩阵AN×N,其中A[i][j]状态值根据搜索结果得到：



上式中zi和zj表示两节点在矩阵中的坐标，σ2表示样本图像中所有像素点到最远像素点距离的平均值。


5.根据权利要求4所述的一种远程多目标的高效检测和识别方法，其特征在于，所述使用频域方法得到对应节点的s纬特征向量具体为：
先将图G＝(V,E)转换为拉普拉斯矩阵L＝D-A,其中G表示无向图，V表示节点的集合，E表示边的集合，D为对角度矩阵，将对角线上的元素定义为顶点的度，即该元素链接的元素的个数，A为邻接矩阵；
将Laplacian矩阵L中的...

【专利技术属性】
技术研发人员：谢巍，陈定权，周延，许练濠，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东;44