【技术实现步骤摘要】
本专利技术涉及图像识别领域，尤其涉及一种小目标运动检测方法、装置、系统、电子设备及其存储介质。
技术介绍
1、随着计算机视觉技术的不断发展，运动目标检测和追踪已经广泛应用于多个领域，如视频监控、自动驾驶、安防监控等。现有的目标检测技术通常依赖于图像的静态信息或运动信息，通过背景建模、光流法等传统方法实现目标的检测与跟踪。然而，这些传统方法存在一些局限性，尤其是在小目标的检测和动态场景下，目标的运动轨迹较为复杂，容易受到背景干扰，导致检测精度降低。
2、因此，现有的运动检测方法存在在复杂背景下难以准确区分目标与背景，无法有效处理动态场景中的小目标，且运动信息和对比度信息缺乏有效融合，导致针对目标对象检测的精度和鲁棒性不足的问题。
技术实现思路
1、本专利技术实施例提供一种小目标运动检测方法，以解决现有的运动检测方法存在在复杂背景下难以准确区分目标与背景，无法有效处理动态场景中的小目标，且运动信息和对比度信息缺乏有效融合，导致针对目标对象检测的精度和鲁棒性不足的问题。
2、第一方面，本专利技术实施例提供一种小目标运动检测方法，所述方法包括以下步骤：
3、在预设时间帧内，获取连续的图像数据；
4、在所述图像数据中，提取目标对象的运动信息以及目标对象所处图像数据的对比度信息，所述运动信息包括运动轨迹；
5、基于所述运动信息以及对比度信息，在图像数据中确定出对应的目标对象的目标运动轨迹。
6、可选的，所述在预设时间帧内，
7、基于预采集图像数据的复杂程度，确定对应的预设时间帧，所述复杂程度通过所述预采集图像数据的分辨率以及颜色分布范围进行确定；
8、在所述预设时间帧内，通过图像采集设备，对所述连续的图像数据进行采集识别，得到对应的连续的图像数据。
9、可选的，所述在所述图像数据中，提取目标对象的运动信息，包括：
10、通过运动信息提取模型，对所述图像数据中，至少一个运动对象的运动信息进行提取，得到至少一个运动对象的运动信息；
11、确定所述运动对象的个体数据，所述个体数据包括运动对象占背景图像的大小、运动状态以及与背景图像的色彩差异值；
12、基于所述运动对象占背景图像的大小、运动状态以及与背景图像的色彩差异值，在所述至少一个运动对象中，确定出目标对象的运动信息。
13、可选的，所述基于所述运动对象占背景图像的大小、运动状态以及与背景图像的色彩差异值，在所述至少一个运动对象中，确定出目标对象的运动信息，包括：
14、通过ommatidia神经元矩阵，对所述至少一个运动对象占背景图像的大小、运动状态以及与背景图像的色彩差异值进行捕获采集，并通过高斯模糊处理，得到待处理运动对象的第一亮度信号，所述待处理运动对象包括大运动对象以及小运动对象；
15、通过lmc神经元矩阵对所述第一亮度信号进行处理，确定待处理运动对象的运动信息；
16、通过tm3和tm1神经元矩阵对所述待处理运动对象的运动信息的正负信号进行提取，并输出至stmd神经元矩阵中，使得stmd神经元矩阵将所述正负信号进行相乘，得到stmd神经元输出数据；
17、通过侧抑制机制，对所述stmd神经元输出数据进行处理，得到所述小运动对象的运动信息，将所述小运动对象的运动信息作为目标对象的运动信息。
18、可选的，所述在所述图像数据中，提取目标对象所处图像数据的对比度信息，包括：
19、通过局部对比度信息提取模型，对所述图像数据中的局部图像数据进行提取，得到至少一个局部图像数据对应的对比度信息；
20、基于所述至少一个局部图像数据对应的对比度信息，确定目标区域图像数据对应的对比度信息。
21、可选的，所述基于所述至少一个局部图像数据对应的对比度信息，确定目标区域图像数据对应的对比度信息，包括：
22、通过ommatidia神经元矩阵对所述至少一个局部图像数据进行处理，确定对应的第二亮度信号；
23、通过amc神经元矩阵将所述第二亮度信号发送至ti神经元矩阵中，使得ti神经元矩阵对所述第二亮度信号进行处理，得到目标区域图像数据对应的对比度信息。
24、可选的，所述基于所述运动信息以及对比度信息，在图像数据中确定出对应的目标对象的目标运动轨迹，包括：
25、确定所述目标对象在预设时间帧内的运动轨迹；
26、将所述运动轨迹与所述目标对象的对比度信息进行时间对齐，确定所述运动轨迹以及对应时间序列上的对比度信息；
27、基于所述运动轨迹以及对应时间序列上的对比度信息，确定目标对象的目标运动轨迹。
28、第二方面，本专利技术实施例还提供一种小目标运动检测装置，所述小目标运动检测装置包括：
29、第一获取模块，用于在预设时间帧内，获取连续的图像数据；
30、第一提取模块，用于在所述图像数据中，提取目标对象的运动信息以及目标对象所处图像数据的对比度信息，所述运动信息包括运动轨迹；
31、第一确定模块，用于基于所述运动信息以及对比度信息，在图像数据中确定出对应的目标对象的目标运动轨迹。
32、第三方面，本专利技术实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本专利技术实施例提供的小目标运动检测方法中的步骤。
33、第四方面，本专利技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现专利技术实施例提供的小目标运动检测方法中的步骤。
34、本专利技术实施例中，在预设时间帧内，获取连续的图像数据；在图像数据中，提取目标对象的运动信息以及目标对象所处图像数据的对比度信息，运动信息包括运动轨迹；基于运动信息以及对比度信息，在图像数据中确定出对应的目标对象的目标运动轨迹。提取目标对象的运动信息以及所处的对比度信息，通过融合两类视觉信息进行背景假阳性抑制，实现对小目标在复杂背景图像中的追踪检测，通过上述方法，能够在预设时间帧内快速获取并处理连续的图像数据，并通过信息融合的技术提高对小目标轨迹追踪的处理效率以及精准度。
本文档来自技高网...【技术保护点】
1.一种小目标运动检测方法，其特征在于，包括：
2.如权利要求1所述的小目标运动检测方法，其特征在于，所述在预设时间帧内，获取连续的图像数据，包括：
3.如权利要求1所述的小目标运动检测方法，其特征在于，所述在所述图像数据中，提取目标对象的运动信息，包括：
4.如权利要求3所述的小目标运动检测方法，其特征在于，所述基于所述运动对象占背景图像的大小、运动状态以及与背景图像的色彩差异值，在所述至少一个运动对象中，确定出目标对象的运动信息，包括：
5.如权利要求1所述的小目标运动检测方法，其特征在于，所述在所述图像数据中，提取目标对象所处图像数据的对比度信息，包括：
6.如权利要5所述的小目标运动检测方法，其特征在于，所述基于所述至少一个局部图像数据对应的对比度信息，确定目标区域图像数据对应的对比度信息，包括：
7.如权利要求1所述的小目标运动检测方法，其特征在于，所述基于所述运动信息以及对比度信息，在图像数据中确定出对应的目标对象的目标运动轨迹，包括：
8.一种小目标运动检测装置，其特征在于，包括：<...
【技术特征摘要】
1.一种小目标运动检测方法，其特征在于，包括：
2.如权利要求1所述的小目标运动检测方法，其特征在于，所述在预设时间帧内，获取连续的图像数据，包括：
3.如权利要求1所述的小目标运动检测方法，其特征在于，所述在所述图像数据中，提取目标对象的运动信息，包括：
4.如权利要求3所述的小目标运动检测方法，其特征在于，所述基于所述运动对象占背景图像的大小、运动状态以及与背景图像的色彩差异值，在所述至少一个运动对象中，确定出目标对象的运动信息，包括：
5.如权利要求1所述的小目标运动检测方法，其特征在于，所述在所述图像数据中，提取目标对象所处图像数据的对比度信息，包括：
6.如权利要5所述的小目标运动检测方法，其特征在于，所述基于所述至少...
【专利技术属性】
技术研发人员：凌军，林守金，龚德明，周明勇，周永洪，林鑫，王君毅，李萍，
申请(专利权)人：中山迈雷特数控技术有限公司，
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。