一种基于yolov5图像可拆分条件下冗余信息快速过滤的方法技术

本发明专利技术公开了一种基于yolov5图像可拆分条件下冗余信息快速过滤的方法，属于图像处理技术领域。本发明专利技术通过按照一定的时间间隔T连续选取三帧图片进行运动区域分析的方法。降低了视频流间大量冗余信息的提取，提高了有用信息提取的有效性，同时减低了硬件设备的负载；通过图像拆分的方式，将大图变为小图进行检测，极大地提高了小运动对象的检测精度。极大地提高了小运动对象的检测精度。极大地提高了小运动对象的检测精度。

【技术实现步骤摘要】
一种基于yolov5图像可拆分条件下冗余信息快速过滤的方法


[0001]本专利技术属于图像处理
，具体涉及一种基于yolov5图像可拆分条件下冗余信息快速过滤的方法。

技术介绍

[0002]自2016年轰动世界的围绕围棋的人机大战最终机器战胜人之后，人工智能技术及深度学习技术开始进入更多人的视野中，在此之后的5年内，人工智能技术取得了突破性成果如海浪一样，一浪高过一浪。
[0003]随着深度学习技术的迅猛发展，运动对象的检测技术也取得了长足的进步，不断刷新其在公开数据集(COCO数据集)上的检测精度(Map)。即使这样，目前的AI在工业界还是很难落地，泛化能力太弱，尤其是小运动对象的检测，学术界也提出了众多解决小运动对象的方法，如一种基于注意力机制检测方法(CN114202n72A)，以及一种基于yolov3小运动对象的图像识别方法、设备和系统(CN111539390A)等从网络结构上去解决小运动对象的识别难题，这些方法要想提升小运动对象的识别精度，比较困难，即使提升了，提升的幅度也不大，治标不治本。
[0004]从应用的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于yolov5图像可拆分条件下冗余信息快速过滤的方法，其特征在于：进行以下步骤的处理流程，A.获取一定时间间隔T的连续3帧图像：图像Fn+0t、图像Fn+1t、图像Fn+2t，B.计算所述图像Fn+0t与所述图像Fn+1t间的差异性得到差分差分图像diff1，计算所述图像Fn+1t与所述图像Fn+2t间的差异性得到差分差分图像diff2，C.将所述差分图像diff1和所述差分图像diff2进行融合，得到运动对象的运动区域，D.将所述图像Fn+2t进行图像拆分，判断所述运动区域所在的子图区间，E.将所述子图区间进行像素填充，送到yolov5网络进行推理，得到推理结果，F.将所述推理结果还原到基于所述图像Fn+2t的检测结果。2.如权利要求1所述的一种基于yolov5图像可拆分条件下冗余信息快速过滤的方法，其特征在于：所述步骤A中，所述图像Fn+0t、所述图像Fn+1t、所述图像Fn+2t是根据场景及检测对象运动的快慢程度特点，选取适当的所述时间间隔T，目的是对比运动对象运动的差异性。3.如权利要求1所述的一种基于yolov5图像可拆分条件下冗余信息快速过滤的方法，其特征在于：所述步骤B中，将待计算的所述图像Fn+0t和所述图像Fn+1t进行灰度处理，然后直接进行图像的像素级相减，得到所述差分图像diff1，将待计算的所述图像Fn+1t和所述图像Fn+2t进行灰度处理，然后直接进行图像的像素级相减，得到所述差分图像diff2；对所述差分图像diff1、所述差分图像diff2进行连通域分析及处理，根据所述差分差分图像diff1、所述差分图像diff2的运动对象的大小特点对经所述连通域处理后的区域进行过滤，去除不符合运动对象的特征的区域。4.如权利要求1所述...

【专利技术属性】
技术研发人员：梁纲，李强，崔凤庆，宋晓燕，李苗苗，栗晓政，杨磊，刘枫琪，高阳，刘宋玉，汪鼎杰，刘奔，张昌林，
申请(专利权)人：国网河南省电力公司河南九域恩湃电力技术有限公司深圳市铁越电气有限公司，
类型：发明
国别省市：