[发明专利]一种融合多层级特征的视频目标检测方法

权利要求书

1.一种融合多层级特征的视频目标检测方法，其特征在于：具体包括以下步骤：

S1、首先通过视频图像采集模块(101)采集图像，并且将采集到的每一帧图片发送给检测模块检测；

S2、再通过多层级特征提取模块(102)将传入的视频帧进行特征提取；

S3、然后通过时序信息融合模块(103)将当前帧传入的特征与之前帧传入的特征进行融合，得到融合后的特征；

S4、之后通过目标候选输出模块(104)将含有时序信息的融合特征进行检测得到检测框；

S5、然后通过检测结果输出模块(105)将视频帧检测得到的结果进行输出；

视频目标检测方法的流程，具体实现模块如下所述：模块202与模块203：本方法会对视频的多层级特征进行提取，从而进行视频目标检测，提取视频的多层级特征即对模块201中按照时序顺序输出的视频帧，分别采用n个，不同量级的CNN进行特征提取，CNN量级的选取，一般采用一个用来提取视频帧精确特征的高精度CNN和多个不同输入维度、用来提取视频帧主旨特征的轻量级CNN；

模块204：模块204中采用ConvLSTM单元，按照时序依次接收模块202或模块203中提取的特征，ConvLSTM单元是一个有着记忆功能的循环神经网络单元，因此随着时序的增加，ConvLSTM单元可以将当前帧输入的特征，与之前帧输入的特征进行融合，得到一个包含当前帧特征与过往帧特征的融合特征，当前ConvLSTM单元将会输出一个融合了dt与dt+1的融合特征。

2.根据权利要求1所述的一种融合多层级特征的视频目标检测方法，其特征在于：其系统结构包括：视频图像采集模块(101)、多层级特征提取模块(102)、时序信息融合模块(103)、目标候选输出模块(104)和检测结果输出模块(105)。

3.根据权利要求2所述的一种融合多层级特征的视频目标检测方法，其特征在于：所述视频图像采集模块(101)从摄像头采集系统获得视频流。

4.根据权利要求3所述的一种融合多层级特征的视频目标检测方法，其特征在于：所述视频图像采集模块(101)的摄像头为模拟摄像机或数字摄像机。

5.根据权利要求2所述的一种融合多层级特征的视频目标检测方法，其特征在于：所述多层级特征提取模块(102)将视频图像采集模块(101)输出的视频流按视频帧的时序输入进特征提取器中，提取视频帧的特征。

6.根据权利要求2所述的一种融合多层级特征的视频目标检测方法，其特征在于：所述时序信息融合模块(103)将多层级特征提取模块(102)中输出的当前帧特征与时序信息融合模块(103)中存储的过往帧特征进行融合，得到融合特征。

7.根据权利要求2所述的一种融合多层级特征的视频目标检测方法，其特征在于：所述目标候选输出模块(104)将时序信息融合模块(103)输出的融合特征进行检测得到当前帧的目标检测框。

8.根据权利要求2所述的一种融合多层级特征的视频目标检测方法，其特征在于：所述检测结果输出模块(105)将目标候选输出模块(104)得到的检测框标注在视频帧上，按照时序合并视频帧，输出最终的检测结果。