[发明专利]一种基于轨迹预测与尺寸决策的实时视频识别的方法

说明书

本发明提供了一种基于轨迹预测与尺寸决策的实时视频识别的方法，该方法包括：利用视频识别算法识别视频拍摄工具抓取的物体特征，输出识别出的目标信息；检查识别出的目标信息是否符合预设的置信度要求；进行稳定性检查；然后预测目标物体运动的轨迹；当目标物体运动轨迹、缓存数量以及识别结果的置信度符合预设的业务触发条件，则综合当前识别结果与系统中缓存的结果，优选出最终的稳定识别结果作为输出。本发明在不改变视频识别核心算法的基础上，利用多次识别结果的优选方法提升了识别结果稳定性和准确性，提高了视频监控与出入口管理的高效性和准确性。

技术领域

本发明涉及实时视频识别系统输出结果的优化，尤其涉及一种基于轨迹预测与尺寸决策的实时视频识别的方法。

背景技术

随着人工智能相关技术的迅猛发展，在传统视频监控行业中出现了越来越多的智能化的嵌入式视频前端。这些视频前端不仅负责视频数据采集，同时也开始充当起物体感知、智能识别的角色。在嵌入式的视频监控设备中，通常包含目标物体识别的算法模块、识别结果的缓存管理模块、识别结果的本地存储模块、支持识别结果提交的通讯模块。在这些模块中，目标物体识别的算法模块负责分析视频数据，实现对目标物体的跟踪和特征识别。识别结果的缓存管理模块负责缓存算法模块识别到的结果，并依据相关策略，将识别结果通过通讯模块传递给相关的管理系统或者上位机，或者通过本地存储模块保持到设备的本地存储设备中。

作为监控设备中最关键的模块，目标物体识别的算法模块决定了设备的整体识别能力，是相关设备成功的关键。但是，无论算法理论如何发展以及算法模块如何优化与改进，都无法实现对目标物体的百分之百的精确识别。

为了提高识别结果的精确度，在专利《CN201510779639-一种时空约束的监控视频行人重识别结果的二次优化方法》中，通过重识别计算多个相机之间所有路径组合的联合概率来提高识别的准确率。该方法需要能够同时操作N台设备视频信息与识别结果，不涉及单台设备关于识别结果的改进和提升。在专利《CN201510443499-一种车牌识别的方法和装置》中提出将算法模块识别出的车牌信息与设备中存储的白名单信息进行比较，通过预设的白名单来提高车牌识别的准确率。但是，在相当多的监控场景中不存在白名单信息，例如公路卡口的车牌识别、布防区域的入侵检测。

在监控设备所覆盖的视频范围内，进入范围内的被监控物体往往会被监控设备识别多次。由于视频监控设备的存储资源限制和通讯资源的限制，设备不会将所有结果上报给上位机或者业务管理服务器，只能根据预设的参数选择性的上报识别结果。因此，如何利用前端设备的计算资源与识别结果，从所有捕获的结果中选举出精度更好的识别结果，对整个监控设备的成功具有非常重要的影响。通过前端设备对识别的优化处理，可以提高整个设备的识别准确度。

发明内容

本发明的目的在于提供一种基于轨迹预测与尺寸决策的实时视频识别的方法。针对现有视频监控的前端设备，在现有计算资源和识别结果的基础上，提出了一种识别结果的优选方法，即利用目标物体的移动轨迹，预测物体在视频画面中移动的方向，选择出最佳的识别位置和识别尺寸。在此基础上，综合已有识别结果，选择出最佳的识别结果。在实时视频监控的前端设备中，该方法解决了智能识别结果的优选问题，实现了最佳识别位置的预测与定位，能够提高设备的识别准确率，并能满足工程应用的实时性要求。

为了达到上述目的，本发明的技术方案是：

一种基于轨迹预测与尺寸决策的实时视频识别的方法，包括如下步骤：

1)利用视频识别算法识别视频拍摄工具抓取的物体特征，输出识别出的目标信息，其中包括识别时间、目标特征信息以及目标在当前画面中的位置信息；

2)检查步骤1)识别出的目标信息是否符合预设的置信度要求，不符合，则直接抛弃；否则依据时间先后顺序缓存所识别的目标信息，并将该信息标记为未提交状态；