[发明专利]一种基于视频数据的遗留物检测分析方法

说明书

本发明提供了一种基于视频数据的遗留物检测分析方法，包括：步骤一：通过预设的摄像装置进行数据采集，获取图像数据；步骤二：通过预设的处理系统对所述图像数据进行标注分析，生成标注策略，并进行标注处理，获取标注图像；步骤三：通过对所述标注图像进行图像分割，获取图像分割数据；步骤四：根据所述图像分割数据，构建遗留物检测模型，通过对所述遗留物检测模型进行特征提取，生成遗留物检测结果；通过对图像数据进行标注分析，提高了标注策略的准确性和标注效率，也为后续图像进行分割提供操作基础，通过对标注图像进行图像分割，提高了图像处理效率，通过构建遗留物检测模型，进行特征提取，提高了遗留物检测的精准性和全面性。

技术领域

本发明涉及视频图像数据检测技术领域，特别涉及一种基于视频数据的遗留物检测分析方法。

背景技术

目前，目前，深度学习技术快速发展，深度学习技术在图像分类、自然语言处理、人脸识别领域得到了快速发展和广泛应用。卷积神经网络(Convolution Neural Network，CNN)在计算机视觉领域与图像识别上表现优异，通过CNN网络可以提取深层的图像信息，学习到更为复杂的高层语义信息，对复杂场景下的图像，可以克服噪声的干扰。在卷积神经网络中常用的网络结构有ALexNet、VGG、ResNet，GoogLeNet等，使用上述网络进行提取图像的特征，最后应用于图像分割任务。针对高速路面上的遗留物，会对过往的车辆造成一定程度的干扰，容易引发交通事故；针对室外场景下的遗留物，大多数采用检测和识别的技术，如申请号为“201510268000.4”的“一种快速的遗留物检测方法及系统”，通过分散度过滤和加权滑动平均系数过滤的过滤结构进行静止目标分类，得到遗留物；由于路面上的遗留物并没有固定的类别，遗留物的种类较多；采用图像检测和识别的技术，只能识别到固定的类别遗留物，并不能检测到所有的遗留物；因此，为了解决这个问题，本发明采用深度学习的图像分割方法，根据路面上的遗留物，进行实时的检测和分割，从而识别出来遗留物。

发明内容

本发明提供一种基于视频数据的遗留物检测分析方法，用以解决无法高效准确识别目标区域中的所有遗留物的情况。

本发明提供了一种基于视频数据的遗留物检测分析方法，包括：

步骤一：通过预设的摄像装置进行数据采集，获取图像数据；

步骤二：通过预设的处理系统对所述图像数据进行标注分析，生成标注策略，并进行标注处理，获取标注图像；

步骤三：通过对所述标注图像进行图像分割，获取图像分割数据；

步骤四：根据所述图像分割数据，构建遗留物检测模型，通过对所述遗留物检测模型进行特征提取，生成遗留物检测结果。

作为本技术方案的一种实施例，在于所述步骤一包括：

通过在预设范围内部署预设数量的摄像组，所述摄像组包括：第一摄像组、第二摄像组；

通过第一摄像组在第一预设时间内，按照预设的第一采集频率进行数据采集，获取第一图像数据；

通过第二摄像组在第二预设时间内，按照预设的第二采集频率进行数据采集，获取第二图像数据；

通过第一摄像组和第二摄像组在第三预设时间内，按照预设的第三采集频率，分别进行数据采集，并进行数据整理，生成第三图像数据。

作为本技术方案的一种实施例，在于所述步骤二包括：

通过对图像数据依次进行标号，分别获取对应的标号图像组；其中；

所述图像数据包括：第一图像数据、第二图像数据、第三图像数据；

所述标号图像组包括：第一标号图像组、第二标号图像组、第三标号图像组；