[发明专利]基于深度学习的移动对象检测方法及系统

说明书

本发明公开了一种基于深度学习的移动对象检测方法及系统，该方法包括：对待检测图像执行全局移动侦测操作，得到待检测图像的侦测结果；将待检测图像输入轻量级识别模型中进行分析，得到待检测图像的识别结果；当该待检测图像的识别结果用于表示待检测图像存在感兴趣目标时，对待检测图像执行局部移动侦测操作，得到感兴趣目标的侦测结果，如：感兴趣目标为静态目标或者动态目标。可见，本发明通过对采集到的待检测图像进行全局侦测和局部侦测，无论是在静态背景下还是动态背景下，均能够快速准确地检测出动态对象，即即使在树叶摇晃、光线变化等复杂环境下仍能快速准确检测出有对象闯入当前场景，有利于提高报警准确性以及可靠性。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于深度学习的移动对象检测方法及系统。

背景技术

随着科学技术的飞速发展，人们对闭路电子监控系统的要求越来越高，智能化在监控领域也得到越来越多的应用。在某些监控的场所对安全性要求比较高，需要对运动的目标进行及时的检测和跟踪。其中，移动侦测作为在安防智能化应用最早的领域，它的技术发展和应用前景都备受关注。移动侦测也称为运动检测，常用于无人值守监控录像和自动报警。其中，移动侦测的工作基本原理是通过将摄像头采集到的视频基于视频帧信息进行计算得到各个视频帧的比较结果，如果所述比较结果超过预设阈值，则认为所述视频发生变化(例如有人走过或镜头被移动)，并自动报警或做出相应处理。

近年来，国内外对于视频序列中的移动侦测研究取得了大量的成果，现有的移动侦测算法主要有3种：(1)帧间差分法，基本原理是求出图像序列中相邻两帧或者多待检测图像像素间的差分，并通过设定一定的阈值将其转化为二值图像，在背景静止的情况下，该方法有较好的效果，但是这种方法对进行差分的图像帧的选择时机要求比较高，而且受运动物体的运动速度影响较大。(2)光流法，该方法采用了运动目标随时间变化的光流特性，能够在预先不知道场景的任何信息的条件下，检测出独立运动的对象，但是多数光流法计算复杂耗时，难以满足实时检测的要求，且对噪声比较敏感。(3)背景减除法，该方法是目前运动检测中最常用的一种方法，其实质是通过帧间差分取均值等方法得到重建后的背景图像，再将当前待检测图像与此背景图像相减，若差分图像中灰度值大于某阈值，则判定此像素点属于运动目标区域。该方法操作简单、计算量小、实时性较好、一般能够提供最完全的运动目标信息，但对于动态场景的变化较为敏感。因此，提出一种如何在动态背景下仍能快速准确检测移动对象的技术方案尤为重要。

发明内容

本发明所要解决的技术问题在于，提供一种基于深度学习的移动对象检测方法及系统，能够在动态背景下仍能快速准确检测移动对象。

为了解决上述技术问题，本发明实施例第一方面公开了一种基于深度学习的移动对象检测方法，所述方法包括：

对采集到的待检测图像执行全局移动侦测操作，得到所述待检测图像的侦测结果；

当所述待检测图像的侦测结果用于表示所述待检测图像对应的场景中存在移动目标时，将所述待检测图像输入确定出的轻量级识别模型中进行分析，并获取所述轻量级识别模型输出的识别结果，作为所述待检测图像的识别结果；

当所述待检测图像的识别结果用于表示所述待检测图像存在感兴趣目标时，对所述待检测图像执行局部移动侦测操作，得到所述感兴趣目标的侦测结果，所述感兴趣目标的侦测结果用于表示所述感兴趣目标为静态目标或者动态目标。

作为一种可选的实施方式，在本发明第一方面中，所述待检测图像由至少三帧连续相邻待检测图像组成；

其中，所述对采集到的待检测图像执行全局移动侦测操作，得到所述待检测图像的侦测结果，包括：

在所有所述待检测图像中，获取其中三帧连续相邻所述待检测图像中每相邻两帧所述待检测图像的差分图像，得到两帧所述差分图像，并对两帧所述差分图像执行与操作，得到两帧所述差分图像对应的第一图像；