[发明专利]一种融合多层级特征的视频目标检测方法

说明书

本发明公开了一种融合多层级特征的视频目标检测方法，本发明具体包括以下步骤：S1、首先通过视频图像采集模块采集图像，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，本发明涉及视频目标检测技术领域。该融合多层级特征的视频目标检测方法，可实现通过融合视频多层级特征的操作，降低了已有方案中在对视频帧处理时的冗余操作，更好的利用了视频中的时序信息，在提高视频目标检测准确度的同时，加快了视频目标检测的帧率，检测速度更快并且准确率也更高。

技术领域

本发明涉及视频目标检测技术领域，具体为一种融合多层级特征的视频目标检测方法。

背景技术

随着科学技术的发展，摄像设备得到了快速的普及，应运而生了海量的视频数据，随之而来的，视频目标检测技术也愈渐成熟，视频目标检测的目的在于准确分类视频中出现的目标并精确定位目标位置，这在实时视频监控、交通舆情检测等领域都有着十分重要的作用。因其重要性，视频中的目标检测一直是计算机视觉领域中热门的课题，现有的视频目标检测方法主要分为两种：第一种主要侧重于将视频处理得到的每一帧静态帧进行单独的目标检测，再将每一帧的目标检测结果组合起来，得到整个视频的目标检测结果(例如SSD(轻量级单步多框预测器)算法等)，第二种主要侧重于利用视频两帧或多帧之间的关联关系进行分析，再进行目标检测，基于单帧的视频目标检测检测速度较快，基于多帧的视频目标检测检测精度较高，由此可见，设计一种拥有高精度、实时的视频目标检测方法，是十分有必要的。

1、现有技术的技术方案

视频目标检测方案为首先会采用SSD目标检测算法对视频帧进行处理，得到当前帧的目标检测框，然后技术一再依据当前帧的目标检测框，采用两种方案分别对视频的下一帧检测框进行预测。

第一种方案采用的是光流算法，对于给出检测框的目标，均匀的取100个点，再根据当前帧与下一帧之间的光流图，计算出下一帧中这100个点的对应位置，之后再利用计算出的100个点，反向推导当前帧的100个点位置，最后计算当前帧100个推导点的坐标与实际100个点的坐标的欧氏距离，如果距离小于所设阈值，则给出下一帧的目标检测框。

第二种方案采用全卷积神经网络，将神经网络对视频帧处理之后得到的中高层特征和底层的特征进行分别卷积，最后通过分类器将其融合成特征图，从而确定下一帧的目标检测框。

最后，将两种检测方案对下一帧的检测结果分别提取HOG(方向梯度直方图)特征，通过SVM(支持向量机)将两个结果进行有效性判别，从而最终确定下一帧的目标检测框。

2、现有技术的缺点

存在着以下两种缺陷：

(1)、准确度低：采用的全卷积神经网络单独对视频的下一帧进行特征提取与目标检测，忽略了视频帧间存在的时序信息，导致检测结果的不稳定。

(2)、速度慢：有两个原因导致技术一无法高速运行，首先，提取了视频帧间的光流图，对于视频数据而言，每两帧都去提取光流是极为耗时的；其次，得到下一帧检测框的方法，要求两种不同的方案并行运行，需要花费大量时间。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种融合多层级特征的视频目标检测方法，相比现有的视频目标检测方法而言，本发明能更好的利用视频帧间的时序信息，从而在提高视频目标检测准确度的情况下，降低视频目标检测的计算量得到更高的视频目标检测帧率，实现在提高视频中目标检测结果的准确性的同时，提高目标检测的速度。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种融合多层级特征的视频目标检测方法，具体包括以下步骤：