【技术实现步骤摘要】
一种无人值守系统及其基于光流的监控方法
[0001]本专利技术属于计算机
,特别是涉及一种无人值守系统及其基于光流的监控方法。
技术介绍
[0002]随着各个行业的自动化发展,无人值守系统在民事和军事领域中均具有广泛的应用。目前的无人值守系统通常采用可见光相机、红外相机等,通过构建目标检测模型来对目标进行定位并识别。
[0003]现有技术方案的缺点:第一、现有的目标检测模型通常是通过有监督的深度学习构建,其建立的知识库使其只能识别所见过的物种类别,对于未学习过的类别、或经过伪装、或经过烟雾遮挡的物体不具备检测能力。因此,针对这些场景,基于目标检测神经网络模型的无人值守系统将会失效。第二、仅使用目标检测模型的无人值守系统能力十分有限,其仅能获得目标类别及在图片中的位置,无法估计目标在真实世界中处于的位置以及运动速度,难以判断其危险程度。因此,亟需提供一种更加有效和完备的无人值守系统以及监控方法。
技术实现思路
[0004]针对以上技术问题,本专利技术提供一种无人值守系统及其基于光流的监控方法,适用于复杂环境,识别的粒度更细,提供的信息更丰富,性价比更高。
[0005]本专利技术解决其技术问题采用的技术方案是:
[0006]一种无人值守系统中基于光流的监控方法,方法包括以下步骤:
[0007]步骤S100:获取无人值守系统以预设的固定频率拍摄的图像,对图像进行预处理,按照图像帧的捕获时间选取连续三帧图像;
[0008]步骤S200:将预处理后的三帧图像输入预设 ...
【技术保护点】
【技术特征摘要】
1.一种无人值守系统中基于光流的监控方法,其特征在于,所述方法包括以下步骤:步骤S100:获取无人值守系统以预设的固定频率拍摄的图像,对所述图像进行预处理,按照图像帧的捕获时间选取连续三帧图像;步骤S200:将预处理后的三帧图像输入预设的光流估计模型,估计当前帧到下一帧的光流图;步骤S300:获取相机内参,根据所述光流图和相机内参估计得到场景流图;步骤S400:根据图像帧的捕获时间获取当前帧到下一帧的时间差,根据所述场景流图以及所述当前帧到下一帧的时间差,逐像素得到逐像素的运动速度;步骤S500:根据所述逐像素的运动速度和预设的速度阈值进行连通区域划分和标记,得到运动目标和运动速度。2.根据权利要求1所述的方法,其特征在于,预处理为对图像帧统一裁剪成固定尺寸W
×
H,其中,W代表裁剪后图像宽的像素数,H代表裁剪后图像高的像素数。3.根据权利要求2所述的方法,其特征在于,所述预设的光流估计模型包括编码模块、注意力模块和迭代更新模块,所述编码模块包括特征编码器和上下文编码器,所述特征编码器和所述上下文编码器均由卷积网络构成,所述注意力模块包括时间注意力聚集器和空间注意力聚集器,所述迭代更新模块由GRU构成。4.根据权利要求3所述的方法,其特征在于,连续三幅图像帧为前一帧、当前帧和后一帧,分别命名为帧I
t
‑1、帧I
t
和帧I
t+1
,步骤S200包括:步骤S210:所述帧I
t
‑1、所述帧I
t
和所述帧I
t+1
分别经过所述特征编码器和所述上下文编码器提取到每一帧对应得特征张量和上下文张量;步骤S220:对所述帧I
t
‑1和所述帧I
t
的特征张量进行相关度计算,对得到的运动相关张量进行卷积运算编码,得到所述帧I
t
‑1的运动特征对所述帧I
t
和所述帧I
t+1
的特征张量进行相关性计算,对得到的运动相关张量和所述GRU模块上次迭代出的光流进行卷积运算编码,得到所述帧I
t
的运动特征步骤S230:将所述帧I
t
‑1和所述帧I
t
的上下文张量f
t
‑1,f
t
输入所述时间注意力聚集器计算互注意力系数作为时间注意力系数α
temporal
,根据所述时间注意力系数对所述前一帧I
t
‑1的运动特征进行时间维度的聚集,得到时间相关特征步骤S240:将所述帧I
t
的上下文张量复制2次,并输入所述空间注意力聚集器计算自注意力系数作为空间注意力系数α
spatial
,根据所述空间注意力系数对所述当前帧t的运动特征进行空间维度的聚集,得到空间相关特征步骤S250:将所述当前帧I
t
的上下文张量、所述运动特...
【专利技术属性】
技术研发人员:于扬,王波,张壹帆,卢盖,吴思凯,储星星,胡德文,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。