历史目标识别方法及系统、端-边协同边界框过滤方法技术方案

本发明专利技术公开了一种历史目标识别方法及系统、端

【技术实现步骤摘要】
历史目标识别方法及系统、端
‑
边协同边界框过滤方法


[0001]本专利技术属于视频分析
，更具体地，涉及一种历史目标识别方法及系统、端
‑
边协同边界框过滤方法。

技术介绍

[0002]目前，摄像头的部署越来越广泛，在各交通要道、公共聚集地、商场、医院等治安复杂场所都安装了大量的摄像头，通过视频专网、互联网等网络将视频数据传输至处理中心，利用深度神经网络进行分析对公共事件进行分类、对目标进行识别。例如，当需要从视频画面中识别新的目标以进行行为分析时，若对海量的视频数据不加处理，直接由处理中心进行分析，将占据大量的计算资源且耗时较长。

技术实现思路

[0003]针对现有技术的以上缺陷或改进需求，本专利技术提供了一种历史目标识别方法及系统、端
‑
边协同边界框过滤方法，其目的在于解决视频目标识别与分析占据过多计算资源且耗时的技术问题。
[0004]为实现上述目的，按照本专利技术的一个方面，提供了一种历史目标识别方法，其特征在于，包括：
[0005]获取摄像头簇的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种历史目标识别方法，其特征在于，包括：获取摄像头簇的历史视频数据，建立不同摄像头之间的目标轨迹集合，所述目标轨迹集合包含目标在两个不同摄像头之间的转移轨迹；根据目标轨迹集合构建摄像头间的转移概率矩阵和首达时间概率分布矩阵，其中，转移概率矩阵中的元素表示目标r自摄像头i直接转移至摄像头j的概率，首达时间概率分布矩阵中的元素表示目标r自摄像头i经历k帧首次直接转移至摄像头j的概率；计算各个摄像头各帧的重识别价值为：计算各个摄像头各帧的重识别价值为：表示摄像头j在第p帧的重识别价值，r表示目标序号，R表示目标数量，t
1r
表示目标r首次直接转移至摄像头j之前离开摄像头i的帧序号；对每个时隙各摄像头各帧的重识别价值进行排序，取较大的前N
ReID
帧进行重识别，获取历史目标边界框。2.如权利要求1所述的历史目标识别方法，其特征在于，转移概率矩阵中的各元素的计算公式为：n
ij
为目标r自摄像头i直接转移至摄像头j的转移轨迹数目，g表示摄像头编号，g＝0,1,2
……
i
‑
1,i+1,
……
m，m表示摄像头的数目；首达时间概率分布矩阵中的各元素的计算公式为：的计算公式为：表示目标r自摄像头i经历k帧直接首次转移至摄像头j的统计次数，l表示帧数。3.如权利要求1所述的历史目标识别方法，其特征在于，建立目标轨迹集合包括：将历史视频数据中转移轨迹与当前目标轨迹集合中已有的转移轨迹进行匹配，若存在相同的转移轨迹，则对当前转移轨迹的数量进行累加，若不存在相同的转移轨迹，则将当前转移轨迹添加至目标轨迹集合并将当前转移轨迹的数量记为1。4.一种端
‑
边协同边界框过滤方法，其特征在于，包括：根据权利要求1至3任一项所述的历史目标识别方法识别历史目标边界框；在线获取每个时隙的各摄像头的各帧图像并上传至处理中心，识别当前目标边界框，将同一摄像头且同一帧的当前目标边界框与历史边界框进行比较，去除与历史边界框相近的边界框后再基于剩余边界框进行目标分析。5.如权利要求1所述的一种面向机器视觉的端
‑
边协同边界框过滤方法，其特征在于，
所述方法还包括：根据历史数据分析同一摄像头的各帧视频画面的视频块划分方法以及各视频块的视频编码质量等级；在线获取每个时隙的各摄像头的各帧图像并上传至处理中心，包括：根据历史数据得出的各帧视频画面的视频块划分以及各视频块的视频编码质量等级对当前在线视频画面进行编码后上传至处理中心。6.如权利要求5所述的一种端
‑
边协同边界框过滤方法，其特征在于，根据历史数据确定视频画面中各视频块的视频编码质量等级，包括：将每个摄像头的视频画面划分为多个视频单元，针对每个摄像头构建不同视频单元之间的目标轨迹子集，所述目标轨迹子集包含目标在同一摄像头中的两个不同视频单元之间的转移轨迹；根据目标轨迹子集构建同一摄像头内不同视频单元间的转移概率子矩阵和首达时间概率分布子矩阵，其中，转移概率子矩阵中的元素S
r
′
ab
表示目标r自视频单元a直接转移至视频单元b的概率，首达时间概率分布子矩阵中的元...

【专利技术属性】
技术研发人员：杨鹏，张泽宇，郑子未，周楚骎，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：