[发明专利]红外弱小目标的检测方法、装置及服务器

权利要求书

1.一种红外弱小目标的检测方法，其特征在于，应用于服务器，所述方法包括：

获取红外成像视频流中第一连续帧数据序列中满足预设条件的第二连续帧数据序列；

提取所述第二连续帧数据序列的每帧图像数据中与红外弱小目标相关的健壮特征点；

构建所述健壮特征点在所述第二连续帧数据序列的数据方向上对应的疑似运动目标轨迹，并从所述疑似运动目标轨迹中筛选所述红外弱小目标的真实目标运动轨迹；

基于所述真实目标运动轨迹从所述第二连续帧数据序列中提取出所述红外弱小目标的目标轮廓信息；

获取每个真实目标运动轨迹上的红外弱小目标的目标轮廓信息在所述红外成像视频流中所覆盖的场景对象信息；

获得所述场景对象信息中各场景对象的场景对象类型，以及各所述场景对象所属的场景边界范围；

将场景边界范围相同以及场景对象类型相同的场景对象信息划分至同一组场景对象信息，针对每组场景对象信息，获得该组场景对象信息中各所述场景对象的场景对象安全价值参数，其中，所述场景对象安全价值参数与所述红外弱小目标的目标轮廓信息在所述场景对象上的行为数据和所述场景对象的安全属性有关；

将多个场景对象安全价值参数划分为多个安全价值参数分区，并获得各所述安全价值参数分区内对应的场景对象数，将所述多个安全价值参数分区划分为多个类别分区，针对每个所述类别分区，计算该类别分区包含的安全价值参数分区中场景对象数的均值特征向量；

根据所述类别分区包含的各个安全价值参数分区中场景对象数以及所述均值特征向量，计算得到所述类别分区对应的区间跨度；

计算以所述多个类别分区的区间跨度构建的预设交叉熵函数在划分得到的多个类别分区下的交叉熵函数值，在所述交叉熵函数值满足预设条件时确定划分得到的多个类别分区为最终的类别分区，否则，重新对所述多个安全价值参数分区进行划分直至得到的交叉熵函数值满足所述预设条件为止；

筛选出划分得到的多个类别分区中具有区间上限值的类别分区，获得筛选出的类别分区中区间上限值最小的类别分区，作为目标类别分区，获得所述目标类别分区包含的安全价值参数分区，并获得各所述安全价值参数分区对应的场景对象安全价值参数以及对应的场景对象数；

利用各所述安全价值参数分区的场景对象安全价值参数乘以场景对象数得到计算结果，并将所述目标类别分区包含的安全价值参数分区的所有计算结果进行加权求和，利用加权求和值除以所述目标类别分区包含的场景对象数的总值得到场景对象参考度均值；

当所述场景对象参考度均值大于预设参考度均值时，判定所述红外弱小目标存在安全入侵风险。

2.根据权利要求1所述的红外弱小目标的检测方法，其特征在于，所述获取红外成像视频流中第一连续帧数据序列中满足预设条件的第二连续帧数据序列的步骤，包括：

提取所述第一连续帧数据序列中的每一帧目标图像的第一特征点集；

从所述目标图像的相邻帧图像中获取具有所述第一特征点集的相同特征的第二特征点集；

计算所述第一特征点集和所述第二特征点集之间的特征偏移量；

当所述特征偏移量小于预设偏移量阈值时，将所述目标图像和所述目标图像的相邻帧图像确定为满足预设条件的图像对；

若所述满足预设条件的图像对大于预设数量阈值，则将所述第一连续帧数据序列确定为满足预设条件的第二连续帧数据序列；

若所述满足预设条件的图像对不大于预设数量阈值，则将所述第一连续帧数据序列确定为不满足预设条件的第二连续帧数据序列并将所述第一连续帧数据序列进行过滤。

3.根据权利要求1所述的红外弱小目标的检测方法，其特征在于，所述提取所述第二连续帧数据序列的每帧图像数据中与红外弱小目标相关的健壮特征点的步骤，包括：

使用FAST检测算法和Shi-Tomasi角点检测算法对所述第二连续帧数据序列的每帧图像数据进行特征点检测，获得与红外弱小目标相关的健壮特征点。