一种基于视频流的运动人体目标检测方法技术

本发明专利技术提出了一种基于视频流的运动人体目标检测方法，属于视频处理和目标检测技术领域。该方法结合了深度学习方法和传统视频运动目标检测方法，通过深度学习方法准确描述视频帧中所有行人外观特征，并挖掘行人的运动信息，以克服传统方法中出现的空洞、阴影等问题。具体而言，该方法首先利用聚散熵、SURF、支配集和关键帧数据集等技术提取与行人动作相关的关键帧。然后利用采集于不同光照条件下的背景图像进行GMM背景建模，将提取出的第一帧分别输入GMM模型和行人检测模型，获得GMM运动检测结果和行人目标检测结果，通过运动检测结果更新GMM模型。根据运动检测结果计算每个行人的运动得分，选取得分较高的帧作为下一帧的聚合特征图，最终得到行人检测结果。该方法可以提高视频跟踪的准确度。同时，利用运动信息消除场景中的虚警目标，并解决遮挡问题，提高了目标检测结果的准确性。

【技术实现步骤摘要】

本专利技术涉及视频处理和目标检测，涉及视频处理、深度学习、目标检测和运动分析等方面的技术。具体是一种基于视频流的运动人体目标检测方法。

技术介绍

0、技术背景

1、机器视觉在社会发展中扮演着重要角色，其中目标跟踪是关键内容之一。目标跟踪在生活、工业和军事等领域有广泛应用。然而，在视频目标跟踪中，目标遮挡经常发生，对准确度产生重大影响。因此，提高目标遮挡情况下跟踪算法的鲁棒性至关重要。传统算法通常基于目标外观特征(如颜色、纹理)进行跟踪，但遮挡情况下传统方法往往失败，导致跟踪器失去目标难以恢复。此外，快速移动的目标也带来挑战，因为快速运动会导致模糊、形变和缩放变化，改变目标外观特征。近年来，研究人员提出了基于深度学习的目标跟踪方法，利用深度神经网络学习目标特征表示，提高跟踪的鲁棒性和准确性。此外，通过引入时空信息、运动模型和上下文信息等先进技术，改善目标跟踪性能。然而，在某些复杂场景中目标遮挡或快速移动的挑战仍然存在。为此，本专利技术提出了一种基于离线视频流的运动行人目标检测方法及系统，全面描述视频中运动的行人目标外观，挖掘运动信息，克服传统运动本文档来自技高网...

【技术保护点】

1.一种离线运动人体视频目标检测方法，包括以下步骤：

2.根据权利要求1所述的离线运动人体视频目标检测方法，进一步包括以下步骤：

3.一种离线运动人体视频目标检测系统，包括：

4.根据权利要求3所述的离线运动人体视频目标检测系统，进一步包括以下模块：

【技术特征摘要】

1.一种离线运动人体视频目标检测方法，包括以下步骤：

2.根据权利要求1所述的离线运动人体视频目标检测方法，进一步包括以下步骤：

【专利技术属性】
技术研发人员：孙丽玲，王帅航，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：