一种目标跟踪检测方法、系统、介质、设备及终端技术方案

技术编号:37067302 阅读:20 留言:0更新日期:2023-03-29 19:45
本发明专利技术属于静态背景下的运动目标检测技术领域,公开了一种目标跟踪检测方法、系统、介质、设备及终端,智能安防系统接入目标跟踪检测算法后,监控摄像头选择性地输入RGB或灰度图像至系统;系统将RGB或灰度图像传入计算特征差值模型中,对当前输入的画面建立新的模型,从而记录所提取到的背景特征;对于监控的每一帧画面,均得到特征差值模型;系统针对模型根据内置的阈值设定识别出发生变化的区域,根据模型的输出信息将所有的像素点分为背景点和前景点,再根据需要描绘出灰度图或三色图下运动目标的轮廓。本发明专利技术输出结果颜色更加贴合现实,使得智能安防检测算法摆脱复杂的建模、光照变化的影响及边缘设备低算力等限制,实现智能安防。实现智能安防。实现智能安防。

【技术实现步骤摘要】
一种目标跟踪检测方法、系统、介质、设备及终端


[0001]本专利技术属于静态背景下的运动目标检测
,尤其涉及一种目标跟踪检测方法、系统、介质、设备及终端。

技术介绍

[0002]目前,市面上的用于安防的监控算法虽然很多,有传统的帧间差分法和背景建模法,也有通过深度学习的方式去检测监控中运动的目标,但是前者必须利用多帧的信息或者建立一个需要实时更新的复杂模型,而后者又依赖于计算机庞大的算力支持,这些缺点均为智能安防领域的痛点,算法的效果产出不迅速,即无法同时兼具实时性和准确性,而后者虽然可以做到上述,但是大部分边缘设备往往达不到那么高的算力支持,除此之外,传统的检测算法往往不能应对光照的变化,例如物体检测中常出现的ghost区域。
[0003]通过上述分析,现有技术存在的问题及缺陷为:
[0004](1)传统的帧间差分法必须利用多帧的信息,且其多提取出目标的边界,轮廓较粗,当目标移动速度较快时则会出现拖影,当目标移动速度较慢时会由于重叠导致检测不到目标。
[0005](2)背景建模法例如ViBe算法的痛点为检测出的运本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标跟踪检测方法,其特征在于,所述目标跟踪检测方法包括:智能安防系统接入目标跟踪检测算法后,监控摄像头选择性地输入RGB或灰度图像至系统;系统将RGB或灰度图像传入黑盒进行特征差值模型的计算,对当前输入的画面建立新的模型;对于监控的每一帧画面,均得到特征差值模型;对于每一帧图像,只需要判断其特征是否发生变化,然后针对模型内置的阈值设定识别出发生变化的区域,根据模型的输出信息将所有的像素点分为背景点和前景点,再根据需要描绘出灰度图或三色图下运动目标的轮廓。2.如权利要求1所述的目标跟踪检测方法,其特征在于,所述目标跟踪检测方法包括以下步骤:步骤一,对当前的监控画面进行像素级学习,每个点均基于邻域像素生成一组特征差值,特征差值是像素点之间的关联性,从而得到特征差值模型,利用特征差值模型记录当前监控画面下的背景信息;步骤二,当存在运动目标进入监控画面时,算法的输入发生变化,系统将模型发生变化的像素点进行标记,根据面积大小或上下文信息判断其为前景点或噪点;步骤三,计算机对所有被标记的区域进行预处理,通过预处理排除掉噪点后,将所有像素点分为背景点和前景点,最终根据需要勾勒出彩色背景下或灰度背景下的运动目标。3.如权利要求2所述的目标跟踪检测方法,其特征在于,所述步骤一中的对当前的监控画面进行像素级学习,每个点均基于邻域像素生成一组特征差值,特征差值是像素点之间的关联性,从而得到特征差值模型,利用特征差值模型记录当前监控画面下的背景信息包括:(1)对于任意像素点令其周围的八个像素β为邻域,得到一维特征向量:α(β1,β2,β3,β4,β5,β6,β7,β8);(2)设G(x)、F(x)分别为差值计算函数以及归一化函数,由一维特征向量得到归一化后的特征差值S=F(G(α)),通过数学运算的方式模拟深度学习的特征提取过程;(3)对于当前的帧建立特征差值模型,其中h和w分别为高和宽;特征差值模型记录由邻域像素值的差值所映射的像素点之间的关联性。4.如权利要求3所述的目标跟踪检测方法,其特征在于,所述步骤(2)中的归一化函数为sigmoid函数。5.如权利要求2所述的目标跟踪检测方法,其特征在于,所述步骤二中的当存在运动目标进入监控画面时,算法的输入发生变化,系统将模型发生变化的像素点进行标记,根据面积大小或上下文信息判断...

【专利技术属性】
技术研发人员:王建东张渊董学文祝幸辉习宁李昌令葛瑞崟龚少田沈鸿博
申请(专利权)人:西安电子科技大学青岛计算技术研究院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1