[发明专利]视频中目标检测方法及系统

说明书

本发明公开一种视频中目标检测方法及系统，其中方法包括：对视频的每一帧图像执行以下步骤，直到获得视频的所有帧图像中目标的最终检测结果：对当前帧图像中目标进行检测，获取置信度大于第一阈值的目标，作为当前帧图像的中间检测结果；利用前一帧图像的最终检测结果对所述当前帧图像的中间检测结果进行基于同一目标在前后两个视频帧图像中对应的融合匹配，获得当前帧图像的最终检测结果。本发明通过对视频前后帧基于图片的目标检测结果融合匹配，避免多视频帧的目标被漏检。

技术领域

本发明涉及视频中目标检测领域，更具体地说，本发明涉及一种视频中目标检测方法及系统。

背景技术

随着科技的发展，目标检测算法性能在不断的提高，应用范围也在不断的扩展，如：将基于图片的目标检测算法与目标跟踪算法相结合应用于视频中进而完成视频中目标的检测。视频中目标的检测在智能监控中有着广泛的应用，如：犯罪嫌疑人的检测与预警、违法车辆的追踪等、恶性游行的预警等，因而该技术的研究也取得了显著的成果。

目前基于图片的视频目标检测算法按使用特种的不同分为两类。第一类是利用图像的低级特征来训练分类器，进而使用训练的分类器完成目标的检测，该方法的优点是：所需计算量小、简单、易于实现，缺点是：在特定的场景下检测效果也一般，在普通场景下检测效果较差，主要是因为低级特征表征能力有限，故该算法主要应用于一些特定的场景，如前端卡口摄像机中使用的行人检测；第二类是使用图像的高级特征来对目标进行检测，由于高级特征表达能力很强，故广泛应用于各种场景，如后端服务器中行人及车辆的检测、查询、追踪、预警等。这两类方法都是首先基于图片检测出其中的目标，然后使用跟踪算法跟踪目标进而完成视频中目标的检测、上报等操作，其中检测结果直接影响跟踪的结果，但存在如下缺点：1)算法中每帧图片的目标检测互不相关，造成了视频帧之间相关信息的浪费；2)目标在视频中运动其尺寸、位置是渐变的，而基于图片的检测算法对该渐变过程会表现出置信度的周期性波动，如一个目标在尺寸不变的情况下，其置信度会随着目标在图像中的移动而周期性变化。在这种情形下若使用固定的阈值对检测结果进行滤波会造成很多视频帧中的目标被漏检。

发明内容

针对上述技术中存在的不足之处，本发明提供一种视频中目标检测方法及系统，通过对多帧基于图片的目标检测结果进行融合匹配来克服多视频帧中的目标被漏检。

为了实现根据本发明的这些目的和其它优点，本发明通过以下技术方案实现：

本发明所述的视频中目标检测方法，包括以下步骤：

对视频的每一帧图像执行以下步骤，直到获得视频的所有帧图像中目标的最终检测结果：

对当前帧图像中目标进行检测，获取置信度大于第一阈值的目标，作为当前帧图像的中间检测结果；

利用前一帧图像的最终检测结果对所述当前帧图像的中间检测结果进行基于同一目标在前后两个视频帧图像中对应的融合匹配，获得当前帧图像的最终检测结果。

优选的是，对当前帧图像中目标进行检测，获取置信度大于第一阈值的目标，包括步骤：

对所述当前帧图像中目标进行检测，得到所述当前帧图像中待检测目标的置信度，所述置信度用于表示待检测目标为真实目标的概率；

将待检测目标的置信度与所述第一阈值进行比较，获取置信度大于第一阈值的目标。

优选的是，利用前一帧图像的最终检测结果对所述当前帧图像的中间检测结果进行基于同一目标在前后两个视频帧图像中对应的融合匹配，包括步骤：

若前一帧图像的最终检测结果中的目标不存在于当前帧图像的中间检测结果中，则获取当前帧图像中置信度大于第二阈值的目标，其中，所述第二阈值小于第一阈值；

判断获取的目标是否与所述前一帧图像的最终检测结果中的目标相同，将判断为相同的目标放进所述当前帧图像的最终检测结果。