【技术实现步骤摘要】
本专利技术涉及物体识别，具体为基于低照度环境的运动物体识别系统。
技术介绍
1、运动目标检测是运动目标跟踪、行为识别和场景描述等技术的基础，检测的结果直接影响后续算法的准确性。因此，如何提高目标检测的准确性和鲁棒性，成为计算机视觉领域的主要研究方向之一。
2、根据申请号为cn202110609317.5的专利显示，该专利获取连续帧中的多物体的标注结果，标注结果为物体类别及区域，根据所述标注结果，确定当前帧的多个参照物，参照物为相对于地面静止的物体；获取待识别物体相对于多个参照物的移动距离；根据移动距离确定待识别物体在当前帧的运动状态。
3、上述专利通过算法对物体的运动状态直接进行标注，减少了人工标注的工作量，极大提高了标注效率；通过自动选择多个参考物体、精准计算待识别物体的位移距离，提升了识别准确率，但是针对光照条件不好的情况下对物体的识别存在一定的误差。
技术实现思路
1、针对现有技术的不足，本专利技术提供了基于低照度环境的运动物体识别系统，解决了针对光照条件不好的情况下对物体识别存在误差的问题。
2、为实现以上目的，本专利技术通过以下技术方案予以实现：基于低照度环境的运动物体识别系统，包括：
3、视频采集模块，用于对监控视频进行采集，此处的监控视频表示为通过一系列能够进行录像的装置采集到的视频，包括监控装置和录像机等等，且采集到的监控视频存在一定的时长，接着将采集到的监控视频传输到图像预处理模块。
4、图像预处理模块，
5、将获取到的监控视频按照进行分割处理，且分割处理的方式为将监控视频按照每秒对应的监控图像进行分割，具体的，比如监控视频为一段长达30秒的视频，则经过分割后则会得到30份分割图像，经过分割得到多组分割图像，接着以其中一组分割图像为例进行去噪处理。
6、系统首先生成两个去噪模板，一个白模板和一个黑模板，且生成的两个去噪模板的尺寸与分割图像的尺寸相同，接着将白模板与分割图像进行重合，并将通过白模板显示出来的暗噪点进行去除，同理再将黑模板与分割图像进行重合，并将通过黑模板显示出来的亮噪点进行去除，最终得到预处理图像，具体的，通过白模板显示出来的为暗噪点，通过黑模板显示出来的为亮噪点，接着将预处理图像传输到物体识别模块。
7、物体识别模块，用于获取到传输的预处理图像，并根据预处理图像的像素变化来对运动物体进行识别，同时生成对应的识别信息，接着将生成的识别信息传输到信息输出模块，且生成识别信息的具体方式如下：
8、获取到第一张预处理图像，并将其标记为目标图像，接着将目标图像按照面积进行分割，且具体的分割为将目标图像分割成面积为1的标准面，比如图像的长为25，宽为24，则整体的面积为600，接着将目标图像分割成面积为1的标准面，则标准面的个数为600个，并将标准面进行标号记作n，且n＝1、2、…、m；
9、接着对目标图像中的物体颜色进行识别，并根据颜色对物体进行分类，当物体为暗色时，则将物体分类为低亮度物体，当物体为亮色时，则将物体分类为高亮度物体，具体的，暗色表示物体的颜色包括：黑色、灰色和深灰色等等，而亮色表示物体的颜色包括：红色、绿色和蓝色等等，当物体分类为高亮度物体时，则通过对标准面的像素值来对运动物体进行识别，反之当物体分类为低亮度物体时，则将分类信息传输到识别调整模块。
10、具体的对高亮度物体识别的方式为：
11、获取到标准面n对应的像素值记作pn，同时获取到目标图像正常状态下的标准像素值pz，具体的正常状态表示为在低照度环境下获取到的目标图像对应的像素值，并将二者进行比较，同时筛选出像素值|pn-pz|≥ys对应的标准面，将筛选出来的标准面记作异常标准面，具体的ys为预设值，且ys的数值由操作人员设定；
12、再获取到所有的异常标准面，并对异常标准面进行标号处理且记作i，且i＝1、2、…、j，接着对标号为1的异常标准面位置进行记录同时将该异常标准面记作为初始位置，同时根据所有异常标准面的位置来判断初始位置的变化情况，若初始位置发生变化，则表示物体为运动状态，反之若初始位置没有发生变化，则表示物体为非运动状态。
13、当判断得到物体为运动状态时，获取到所有异常标准面的中心点，并将所有的中心点按照出现时间顺序连线处理，得到识别信息，接着将识别信息传输到信息输出模块。
14、当判断得到物体为非运动状态时，获取到异常标准面初始位置的未变化时长，同时对非运动状态物体进行监测，并对异常标准面初始位置发生变化时进行识别，且具体的识别方式与运动状态物体的识别方式相同，进一步地对运动状态物体识别后得到识别信息，并将识别信息传输到信息输出模块。
15、物体识别模块将低亮度物体信息传输到识别调整模块，并通过识别调整模块对目标图像的饱和度进行分析调整后，再对其运动进行识别，且具体的分析调整方式如下：
16、获取到目标图像的初始图像饱和度，同时获取到饱和度对应的r、g和b三色对应的色量值分别记作ra，ga和ba，且a＝1、2、…、b，具体的a表示为数值，并获取到低亮度物体对应的色量值记作ma，接着将三色对应的色量值分别与低亮度物体的色量值进行比值计算得到和
17、当和三个比值中存在任意一组比值小于1时，则表示需要对目标图像的饱和度进行调节，同时生成调节识别信号，当和三个比值中均不存在比值小于1时，则表示不需要对目标图像的饱和度进行调节，同时生成正常识别信号；具体的，当生成正常识别信号的时候，不需要对预处理图像进行调节，并直接对低亮度物体进行识别。
18、当生成调节识别信号时，获取到和对应的比值，并将对应的比值结果与数值2进行乘积运算得到调节比值，同时根据调节比值计算得到调节后三色对应的色量值分别记作ra1、ga1和ba1，接着根据得到色量值对目标图像整体饱和度进行调节，最终得到调节图像；
19、接着对调节图像中的物体进行识别，且识别的方式与高亮度物体的识别方式相同，最终生成识别信息，并将识别信息传输到信息输出模块。
20、本专利技术提供了基于低照度环境的运动物体识别系统。与现有技术相比具备以下有益效果：
21、本专利技术通过对获取到的监控视频进行预处理，进一步地对视频进行分割，同时对分割后得到的图像进行去噪处理，从而能够减小图像在识别过程中造成的误差影响，提高识别的精准度，接着对得到的预处理图像进行二次分析，通过对物体的颜色进行分析，根据物体不同的颜色采取不同的识别方式，针对暗色物体在低光照环境下的识别，通过对图像整体进行调节，再对物体进行识别，提高识别的精准度。
本文档来自技高网...【技术保护点】
1.基于低照度环境的运动物体识别系统，其特征在于，包括：
2.根据权利要求1所述的基于低照度环境的运动物体识别系统，其特征在于，所述图像预处理模块对图像进行预处理得到预处理图像的方式为：
3.根据权利要求1所述的基于低照度环境的运动物体识别系统，其特征在于，所述物体识别模块对预处理图像分割和对物体分类的具体方式为：
4.根据权利要求1所述的基于低照度环境的运动物体识别系统，其特征在于，所述物体识别模块对高亮度物体的识别方式为：
5.根据权利要求1所述的基于低照度环境的运动物体识别系统，其特征在于，所述物体识别模块对运动状态物体和非运动状态物体的识别方式为：
6.根据权利要求1所述的基于低照度环境的运动物体识别系统，其特征在于，所述识别调整模块对低亮度物体识别分析的具体方式如下：
7.根据权利要求1所述的基于低照度环境的运动物体识别系统，其特征在于，所述识别调整模块对生成调节识别信号进行分析的方式为：
8.根据权利要求1所述的基于低照度环境的运动物体识别系统，其特征在于，所述信息输出模块，用于获取到
...【技术特征摘要】
1.基于低照度环境的运动物体识别系统，其特征在于，包括：
2.根据权利要求1所述的基于低照度环境的运动物体识别系统，其特征在于，所述图像预处理模块对图像进行预处理得到预处理图像的方式为：
3.根据权利要求1所述的基于低照度环境的运动物体识别系统，其特征在于，所述物体识别模块对预处理图像分割和对物体分类的具体方式为：
4.根据权利要求1所述的基于低照度环境的运动物体识别系统，其特征在于，所述物体识别模块对高亮度物体的识别方式为：
5.根据权利要求1所述的基于低照度环境的运...
【专利技术属性】
技术研发人员：洪舸，
申请(专利权)人：上海疆通科技有限公司，
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。