【技术实现步骤摘要】
本专利技术涉及车辆识别，具体涉及一种基于监控视频的目标识别方法。
技术介绍
1、通过监控视频识别车辆并监测车辆位置是一种常用的车辆识别监测方法，而监控视频监测车辆对应的环境中，通常存在复杂的背景、光照变化、快速移动的目标等问题，导致常规的图像处理方法监测识别车辆较为困难，因此现有技术通常采用框架较为灵活且对小目标敏感性较高的centernet目标检测方法检测识别车辆。
2、但是在使用centernet目标检测方法进行车辆目标的识别和检测时，部分车辆可能由于拍摄角度等问题，对应的图像区域会被遮挡，导致待识别车辆的真实边界框并非原有目标的真实尺寸对应的真实边界框，centernet目标检测方法中用于表征车辆位置的热力图需要依据高斯圆半径，而高斯圆半径的确定都需要依据真实边界框，因此直接通过centernet目标检测方法得到的高斯圆半径存在一定的偏差，进而导致最终得到的热力图所表征的车辆位置存在偏差；并且现有技术在获取高斯圆半径时所采用的高斯滤波尺度通常是单一，对不同实施环境下的车辆检测适应性和鲁棒性较差；从而导致最终得到高斯圆半径的可信度较差；也即现有技术使用centernet目标检测方法得到的高斯圆半径，对车辆目标的识别和检测的效果较差。
技术实现思路
1、为了解决现有技术使用centernet目标检测方法得到的高斯圆半径，对车辆目标的识别和检测的效果较差的技术问题，本专利技术的目的在于提供一种基于监控视频的目标识别方法，所采用的技术方案具体如下：
2、本专利
3、获取车辆监控视频帧；通过centernet目标检测方法得到所述车辆监控视频帧中每个待识别车辆的真实边界框；
4、在所述真实边界框中各个像素点的灰度梯度值进行图像分割，得到待识别车辆的边缘连通域；根据所述真实边界框与所述边缘连通域之间的形状相似情况，以及真实边界框与标准车辆的长宽比一致情况，得到每个待识别车辆的真实边界框可信度；根据所述真实边界框可信度筛选得到被遮挡车辆；
5、根据标准车辆的长宽比调整被遮挡车辆的真实边界框，得到被遮挡车辆的修正边界框；对所述车辆监控视频帧进行不同预设高斯滤波尺度的高斯滤波，得到修正边界框在每个预设高斯滤波尺度下的滤波边界框和高斯圆半径；根据所述滤波边界框与标准车辆之间的长宽比接近程度对所述高斯圆半径进行加权，得到被遮挡车辆在车辆监控视频帧下的真实高斯圆半径；
6、根据所述真实高斯圆半径结合centernet目标检测方法进行车辆识别。
7、进一步地，所述真实边界框可信度的获取方法包括：
8、以每个待识别车辆的边缘连通域的质心为起点，向各个预设邻域方向做射线，得到每个预设邻域方向对应的参考射线；将所述参考射线与所述边缘连通域的边缘的交点，作为每个预设邻域方向的参考边缘点；将所述参考射线与所述真实边界框的交点，作为每个预设邻域方向的边界框参考点；将所述参考边缘点与所述边界框参考点之间的欧氏距离，作为每个预设邻域方向的参考形状偏差；将所有预设邻域方向的参考形状偏差的均值的负相关映射值，作为每个待识别车辆的边界框形状匹配度；
9、将标准车辆的长宽比与真实边界框的长宽比之间的差异的负相关映射值，作为每个待识别车辆的边界框标准度；
10、根据所述边界框形状匹配度和所述边界框标准度，得到每个待识别车辆的真实边界框可信度，所述边界框形状匹配度和所述边界框标准度均与所述真实边界框可信度呈正相关。
11、进一步地，所述修正边界框的获取方法包括：
12、将车辆监控视频帧的拍摄方向的反方向作为遮挡扩展方向；在不改变每个被遮挡车辆的真实边界框的宽度的情况下，沿遮挡扩展方向调整真实边界框的长度直至调整后的长宽比与标准车辆的长宽比一致，得到被遮挡车辆的修正边界框。
13、进一步地，所述真实高斯圆半径的计算公式包括：
14、
15、其中，ru为第u个被遮挡车辆在车辆监控视频帧下的真实高斯圆半径；m为预设高斯滤波尺度的数量；cuj为第j个预设高斯滤波尺度下第u个被遮挡车辆对应的滤波边界框的长宽比；s为标准车辆的长宽比；ruj为第j个预设高斯滤波尺度下第u个被遮挡车辆对应的高斯圆半径；norm()为归一化函数。
16、进一步地，所述边缘连通域的获取方法包括：
17、在车辆监控视频帧中，通过sobel算子计算所述真实边界框中所有像素点的灰度梯度值；根据所有像素点的灰度梯度值通过分水岭算法进行图像分割，得到对应的待识别车辆的边缘连通域。
18、进一步地，所述根据所述边界框形状匹配度和所述边界框标准度，得到每个待识别车辆的真实边界框可信度的方法包括：
19、将预设第一权重与所述边界框形状匹配度的乘积，作为每个待识别车辆的加权边界框形状匹配度；将预设第二权重与所述边界框标准度的乘积，作为每个待识别车辆的加权边界标准度；所述预设第一权重和预设第二权重的和值为1；
20、将所述加权边界框形状匹配度与所述加权边界标准度之间和值的归一化值，作为每个待识别车辆的真实边界框可信度。
21、进一步地，所述预设第一权重设置为0.6。
22、进一步地，所述预设邻域方向的获取方法包括：
23、以待识别车辆的边缘连通域的质心向对应真实边界框的任意一条边作垂线，得到参考垂线；将与所述参考垂线之间的角度为15度的整数倍的所有方向，作为预设邻域方向。
24、进一步地，所述被遮挡车辆的获取方法包括：
25、将真实边界框可信度小于预设可信度阈值的待识别车辆作为被遮挡车辆，所述预设可信度阈值大于0。
26、进一步地，所述预设可信度阈值设置为0.2。
27、本专利技术具有如下有益效果：
28、考虑到在使用centernet目标检测方法进行车辆目标的识别和检测时，部分车辆可能由于拍摄角度等问题，对应的图像区域会被遮挡，导致得到的高斯圆半径大小以及热力图目标位置存在偏差，因此本专利技术通过预测的方式对被遮挡车辆的真实边界框进行修正，从而尽可能减少遮挡对获取得到的高斯圆半径准确性的影响，因此首先需要获取被遮挡车辆。对于正常没有被遮挡车辆的真实边界框而言，其对应的真实边界框长宽比通常与车辆长宽比一致，并且真实边界框通常紧紧包含车辆对应的图像区域，而被遮挡车辆则相反；因此本专利技术根据所述真实边界框与所述边缘连通域之间的形状相似情况，以及真实边界框与标准车辆的长宽比一致情况，得到每个待识别车辆的真实边界框可信度，也即真实边界框的准确程度，对应的真实边界框可信度越小，说明车辆被遮挡的越严重；因此进一步地根据真实边界框可信度筛选得到被遮挡车辆。进一步地结合正常情况下标准车辆的长宽比对被遮挡车辆的真实边界框进行预测修正，得到更加准确的修正边界框，减少遮挡对高斯圆半径准确性的影响。
29、进一步地考虑单尺度高斯滤波下预测结果得到的高斯圆半径适应本文档来自技高网...
【技术保护点】
1.一种基于监控视频的目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于监控视频的目标识别方法，其特征在于，所述真实边界框可信度的获取方法包括：
3.根据权利要求1所述的一种基于监控视频的目标识别方法，其特征在于，所述修正边界框的获取方法包括：
4.根据权利要求1所述的一种基于监控视频的目标识别方法，其特征在于，所述真实高斯圆半径的计算公式包括：
5.根据权利要求1所述的一种基于监控视频的目标识别方法，其特征在于，所述边缘连通域的获取方法包括：
6.根据权利要求2所述的一种基于监控视频的目标识别方法，其特征在于，所述根据所述边界框形状匹配度和所述边界框标准度，得到每个待识别车辆的真实边界框可信度的方法包括：
7.根据权利要求6所述的一种基于监控视频的目标识别方法，其特征在于，所述预设第一权重设置为0.6。
8.根据权利要求2所述的一种基于监控视频的目标识别方法，其特征在于，所述预设邻域方向的获取方法包括：
9.根据权利要求2所述的一种基于监控视频的目标识别方法，
10.根据权利要求9所述的一种基于监控视频的目标识别方法，其特征在于，所述预设可信度阈值设置为0.2。
...【技术特征摘要】
1.一种基于监控视频的目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于监控视频的目标识别方法，其特征在于，所述真实边界框可信度的获取方法包括：
3.根据权利要求1所述的一种基于监控视频的目标识别方法，其特征在于，所述修正边界框的获取方法包括：
4.根据权利要求1所述的一种基于监控视频的目标识别方法，其特征在于，所述真实高斯圆半径的计算公式包括：
5.根据权利要求1所述的一种基于监控视频的目标识别方法，其特征在于，所述边缘连通域的获取方法包括：
6.根据权利要求2所述的一种基于监控视频的...
【专利技术属性】
技术研发人员：李超宁，
申请(专利权)人：江苏昌兴阳智能家居有限公司，
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。