[发明专利]一种高空抛物识别方法、设备及介质

说明书

本发明公开了一种高空抛物识别方法、设备及介质，属于图像处理技术领域，用于解决现有高空抛物识别方法对于特殊场景的检出准确率低的技术问题。方法包括：确定视频流中可疑运动目标在连续帧中的边缘特征；对所述连续帧分别对应的边缘特征进行时序处理，得到所述可疑运动目标对应的边缘时序特征；以及对所述边缘特征做帧差处理，得到所述可疑运动目标对应的边缘帧差特征；将所述边缘时序特征与所述边缘帧差特征输入到主干网络，以识别所述可疑运动目标是否为高空抛物。通过上述方法实现了雨雪天气、以及存在飞虫干扰等特殊场景下高空抛物的准确识别。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种高空抛物识别方法、设备及介质。

背景技术

目前，城市中存在的各种常见不文明现象当中，高空抛物行为所产生的社会危害最为严重。这种将物品从高层建筑扔出的行为会对行人造成极大伤害，而且由于监测手段有限导致受害者无法有效进行责任追究。通常对高空抛物进行检测首先需要视频监控设备进行楼宇面的图像采样，之后通过目标检测、物体跟踪、轨迹判断等相关手段对可疑抛物进行判别，最后确定高空抛物发生的楼层住户。但是高空抛物检测在雨雪天气中会误将雨滴、雪结晶等识别为抛物，以及将视频帧中存在镜前飞虫目标误检为抛物，从而导致诸多误报告警，降低高空抛物识别系统的准确性。

发明专利CN113139478A中提出了一种高空抛物的检测方法、装置、电子设备及存储介质，该方法首先获取高空抛物的监控视频并将监控视频进行解析获取多帧图像，之后利用多帧图像获得帧间差分图并压缩帧间差分图获得压缩帧间差分图，接着根据压缩帧间差分图合成特征矩阵，最后将特征矩阵输入二分类卷积神经网络分类器中，获得高空抛物的检测结果。该方法中利用解析视频多帧图像获取帧间差分图，但由于原始视频图像尺寸较大直接进行差分处理会消耗大量计算资源，同时该方法将帧间差分图合成的特征矩阵送入分类器判别，在针对雨滴、飞虫等特殊场景下存在泛化性差异。

发明专利CN 114332777B中提出了一种高空抛物检测方法，首先获取监控视频当前帧与前一帧各图像通道的差值图像合并为当前帧的第一帧差图，按照第一周期对帧差图进行积分，之后以当前帧的第一积分图像与前一帧的第一积分图像的差值图像作为当前帧的第二帧差图，按照第二周期进行加权叠加，最后根据当前帧的第二积分图像判断是否发生高空抛物。该方法中利用多帧差值图像进行积分再将积分图像进行差值加权叠加，针对原始视频帧处理运算占用大量计算资源，同时该方法帧差图积分对于大尺度、较明显的抛物目标处理效果较好，但针对微小目标的无规则运动等特殊场景其准确性不足。

发明专利CN112686186A中提出了一种基于深度学习的高空抛物识别方法，首先利用获取监控视频序列并利用帧差法获取目标区域图片，之后将高空抛物样本数据输入带有注意力SE模块的ResNet50模型进行训练，最后将高空抛物事件概率与预设阈值进行比较并判定目标是否为高空抛物。该方法利用帧差法将目标区域的重叠度对应坐标作为目标前景背景区分，对于细粒度、无规则的运动目标适应性较差，导致检出准确性较低。

综上，现有的高空抛物识别方法对于雨雪天气、飞虫等特殊场景下的识别准确性不高，也就很难在这样的特殊场景下去进一步得到高空抛物的楼层及准确位置。另外，现有的高空抛物算法运算量大，占用较高资源。

发明内容

本申请的目的是提供一种高空抛物识别方法、设备及介质，用于解决如下技术问题：现有高空抛物识别方法对于特殊场景的检出准确率低。

为解决上述技术问题，本申请提供一种高空抛物识别方法，具体技术方案如下：

确定视频流中可疑运动目标在连续帧中的边缘特征；对所述连续帧分别对应的边缘特征进行时序处理，得到所述可疑运动目标对应的边缘时序特征；以及对所述边缘特征做帧差处理，得到所述可疑运动目标对应的边缘帧差特征；将所述边缘时序特征与所述边缘帧差特征输入到主干网络，以识别所述可疑运动目标是否为高空抛物。