一种基于存储空间自适应的控制方法及系统技术方案

本发明专利技术公开了一种基于存储空间自适应的控制方法及系统；该方法包括：获取多个摄像头拍摄的带有时间戳的多张图像；通过神经网络模型检测多张图像的移动对象，将同一移动对象的多张图像按照时间的先后进行排序，并拼接生成所述同一移动对象的移动轨迹；将能表征所述同一移动对象的移动轨迹的图像进行保存。本发明专利技术提出一种基于存储空间自适应的控制方法及系统，解决当前技术无法智能化存储和存储成本较高的技术问题。高的技术问题。高的技术问题。

【技术实现步骤摘要】
一种基于存储空间自适应的控制方法及系统


[0001]本专利技术涉及存储
，具体涉及一种基于存储空间自适应的控制方法及系统。

技术介绍

[0002]行人重识别(Person re
‑
identification缩写ReID)技术是一项利用计算器视觉技术在图片库或者视频库中检索特定行人的技术，被广泛应用于智能监控、安防等领域。实际场景中，抓拍到的行人很容易被各种静态或动态的物体所遮挡，而且由于抓拍角度的不同和行人自身移动导致的较大的视角和姿态变化，以及由于天气、时间等造成的光线变化等等都会对行人重识别的最终效果产生比较大的影响。
[0003]另外，监控装置的存储芯片只能被动的存储图像，造成了存储空间的浪费，需要不断地更新存储空间，从而提高了成本。

技术实现思路

[0004]本专利技术为克服现有技术中，提供一种存储空间自适应的控制方法，解决当前技术无法智能化存储和存储成本较高的技术问题。
[0005]本专利技术公开了一种存储空间自适应的控制方法，包括：获取多个摄像头拍摄的带有时间戳的多张图像；
[0006]通过神经网络模型检测多张图像的移动对象，将同一移动对象的多张图像按照时间的先后进行排序，并拼接生成所述同一移动对象的移动轨迹；
[0007]将能表征所述同一移动对象的移动轨迹的图像进行保存。
[0008]优选地，所述通过神经网络模型检测多张图像的移动对象，具体包括：
[0009]将多张图像裁剪为640*640尺寸的小图像作为yolo模型的输入；
[0010]利用滑动窗口的方式裁剪；
[0011]裁剪后执行网络检测模块，获取相应的预测框；
[0012]将裁剪后的所有小图像结合起来，使用非极大值抑制处理重叠区域，得到移动对象检测结果。
[0013]优选地，通过对比IoU预测框与真实框的重叠程度值不断循环直到获取到最佳的拼接效果；IoU表达式为：
[0014][0015]N为全部图像的数量，P
true
预测正确的图像数量。
[0016]优选地，所述通过神经网络模型检测多张图像的移动对象，将同一移动对象的多张图像按照时间的先后进行排序，并拼接生成所述同一移动对象的移动轨迹，之后还包括：
[0017]通过多张图像判定移动对象是否异常行为；
[0018]若有，则利用基于提取图像中各个像素的运动速度的Brox光流算法或Horn
‑
Schunck光流算法，对速度大于阈值的像素，根据其速度的大小和方向，统计这些像素的速
度矢量区间直方图，从而计算得到监控中移动对象的特征描述。
[0019]优选地，所述通过神经网络模型检测多张图像的移动对象，将同一移动对象的多张图像按照时间的先后进行排序，并拼接生成所述同一移动对象的移动轨迹，之后还包括：
[0020]拼接所述同一移动对象的移动轨迹的多张图像是否具有重叠区域；
[0021]若具有重叠区域，则不需要跟踪拍摄；
[0022]若不具有重叠区域，则需要进行跟踪拍摄或者补充摄像头进行拍摄。
[0023]本专利技术的第二个目的可以通过采取如下技术方案达到：一种基于存储空间自适应的控制系统，该系统包括：
[0024]采集单元，用于获取多个摄像头拍摄的带有时间戳的多张图像；
[0025]处理单元，通过神经网络模型检测多张图像的移动对象，将同一移动对象的多张图像按照时间的先后进行排序，并拼接生成所述同一移动对象的移动轨迹；
[0026]图像存储单元，将能表征所述同一移动对象的移动轨迹的图像进行保存。
[0027]优选地，所述通过神经网络模型检测多张图像的移动对象，具体包括：
[0028]输入单元，用于将多张图像裁剪为640*640尺寸的小图像作为yolo模型的输入；
[0029]图像第一处理单元，用于利用滑动窗口的方式裁剪；
[0030]图像第二处理单元，用于裁剪后执行网络检测模块，获取相应的预测框；
[0031]图像第三处理单元，用于将裁剪后的所有小图像结合起来，使用非极大值抑制处理重叠区域，得到移动对象检测结果。
[0032]本专利技术通过获取多个摄像头拍摄的带有时间戳的多张图像；通过神经网络模型检测多张图像的移动对象，将同一移动对象的多张图像按照时间的先后进行排序，并拼接生成所述同一移动对象的移动轨迹；将能表征所述同一移动对象的移动轨迹的图像进行保存，既能还原出移动对象的轨迹，又能只需要最小的存储空间即可，可以达到智能化存储图像和节约存储空间，降低成本的作用。
附图说明
[0033]此处的附图被并入说明书中并构成本说明书的一部分，标示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。
[0034]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0035]图1为本专利技术一种基于存储空间自适应的控制方法的流程图；
[0036]图2为本专利技术一种基于存储空间自适应的控制方法的另一流程图。
具体实施方式
[0037]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0038]需要说明，本专利技术实施例中所有方向性指示(诸如上、下、左、右、前、后
……
)仅用
于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
[0039]另外，在本专利技术中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一种该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。
[0040]本专利技术公开了一种基于深度学习工业控制方法，参见图1
‑
2，包括：
[0041]步骤100，获取多个摄像头拍摄的带有时间戳的多张图像；
[0042]步骤200，通过神经网络模型检测多张图像的移动对象，将同一移动对象的多张图像按照时间的先后进行排序，并拼接生成所述同一移动对象的移动轨迹；
[0043]步骤300，将能表征所述同一移动对象的移动轨迹的图像进行保存。
[0044]本专利技术通过获取多个摄像头拍摄的带有时间戳的多张图像本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于存储空间自适应的控制方法，其特征在于，包括：获取多个摄像头拍摄的带有时间戳的多张图像；通过神经网络模型检测多张图像的移动对象，将同一移动对象的多张图像按照时间的先后进行排序，并拼接生成所述同一移动对象的移动轨迹；将能表征所述同一移动对象的移动轨迹的图像进行保存。2.根据权利要求1所述的基于存储空间自适应的控制方法，其特征在于，所述通过神经网络模型检测多张图像的移动对象，具体包括：将多张图像裁剪为640*640尺寸的小图像作为yolo模型的输入；利用滑动窗口的方式裁剪；裁剪后执行网络检测模块，获取相应的预测框；将裁剪后的所有小图像结合起来，使用非极大值抑制处理重叠区域，得到移动对象检测结果。3.根据权利要求2所述的基于存储空间自适应的控制方法，其特征在于，通过对比IoU预测框与真实框的重叠程度值不断循环直到获取到最佳的拼接效果；IoU表达式为：N为全部图像的数量，P
true
预测正确的图像数量。4.根据权利要求1所述的基于存储空间自适应的控制方法，其特征在于，所述通过神经网络模型检测多张图像的移动对象，将同一移动对象的多张图像按照时间的先后进行排序，并拼接生成所述同一移动对象的移动轨迹，之后还包括：通过多张图像判定移动对象是否异常行为；若有，则利用基于提取图像中各个像素的运动速度的Brox光流算法或Horn
‑
Schunck光流算法，对速度大于阈...

【专利技术属性】
技术研发人员：张波，陈辉阳，
申请(专利权)人：深圳市芯存科技有限公司，
类型：发明
国别省市：