本申请提供一种目标对象检测方法、装置及计算机存储介质，主要包括：获取待检测视频中的多个目标图像帧，确定各目标图像帧中的当前图像帧，检测包括当前图像帧的多个目标图像帧，获得目标对象的动态特征，针对拼接特征执行分类预测，获得目标对象的检测结果，借由此结合动态特征和静态特征的图像检测方案，可以提高目标对象检测结果的准确率。提高目标对象检测结果的准确率。提高目标对象检测结果的准确率。
【技术实现步骤摘要】
目标对象检测方法、装置及计算机存储介质
[0001]本申请实施例涉图像识别
，特别涉及一种目标对象检测方法、装置及计算机存储介质。
技术介绍
[0002]常规的火焰识别通常需借助传感器，以检测火焰燃烧导致的颗粒物浓度、温度等理化参数变化。尽管传统检测方法及相应的商业化传感器已广泛应用，但在方法的智能化、覆盖面和成本等方面仍有待创新。
[0003]基于深度学习的烟火检测具有智能程度高、覆盖面广、成本低和抗干扰性强等优点。在实际应用中，利用普通相机即可实现火焰形态的高精度识别与检测，在野外等特殊工况中具有重要应用价值。
[0004]但目前常用的深度学习火焰检测方法，只利用图片的静态特征，没有利用到火焰的运动特征，导致难以区分很多类似火焰的物体，如报警灯、反光衣、或者行人衣服上印刷的火焰花纹等。
技术实现思路
[0005]鉴于上述问题，本申请提供一种目标对象检测技术方案，可至少部分地解决现有技术中的种种问题。
[0006]本申请第一方面提供一种目标对象检测方法，包括：获取待检测视频中的多个目标图像帧；确定各目标图像帧中的当前图像帧，检测包括所述当前图像帧的多个目标图像帧，获得目标对象的动态特征；拼接所述目标对象的动态特征和从所述当前图像帧提取的静态特征，获得拼接特征；针对所述拼接特征执行分类预测，获得所述当前图像帧的目标对象检测结果。
[0007]本申请的第二方面提供一种目标对象检测装置，包括：获取模块，用于获取待检测视频中的多个目标图像帧；特征分析模块，用于确定各目标图像帧中的当前图像帧，检测包括所述当前图像帧的多个目标图像帧，获得目标对象的动态特征；拼接模块，用于拼接所述目标对象的动态特征和从所述当前图像帧提取的静态特征，获得拼接特征；检测模块，用于针对所述拼接特征执行分类预测，获得所述目标对象的检测结果。
[0008]本申请的第三方面提供一种计算机存储介质，所述计算机存储介质中存储有用于执行上述第一方面所述的方法中各步骤的各指令。
[0009]综上所述，本申请各方面提供的目标对象检测方法、装置及计算机存储介质，通过检测包含当前图像帧的多个目标图像帧中的目标对象，获得目标对象的动态特征，并通过拼接目标对象的动态特征和当前图像帧的静态特征，以获得目标对象的检测结果。据此，本申请在不损失图片静态特征的基础上融合了目标对象的动态特征，可提高烟火检测结果的准确性，减少误判率，且对于模型运算量的影响很小，具有较高的检测处理效率。
附图说明
[0010]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0011]图1为本申请示例性实施例的目标对象检测方法的处理流程图。
[0012]图2为本申请另一示例性实施例的目标对象检测方法的处理流程图。
[0013]图3为本申请另一示例性实施例的目标对象检测方法的处理流程图。
[0014]图4为本申请执行特征拼接的实施例示意图。
[0015]图5为本申请另一示例性实施例的目标对象检测方法的处理流程图。
[0016]图6至图8为本申请的目标对象检测方法的不同处理阶段的火焰检测示意图。
[0017]图9为本申请示例性实施例的目标对象检测装置的结构框图。
具体实施方式
[0018]为了使本领域的人员更好地理解本申请实施例中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本申请实施例保护的范围。
[0019]目前常用的深度学习火焰检测方法，仅利用图片的静态特征，导致难以区分火焰的相似对象，例如，报警灯、反光衣、或者行人衣服上印刷的火焰花纹等对象，导致火焰误检率较高的问题。有鉴于此，本申请各实施例提供一种目标对象检测方案，可有效改善火焰误检率高的问题。
[0020]以下将结合各附图详细描述本申请的各实施例。
[0021]图1为本申请示例性实施例的目标对象检测方法的处理流程。如图所示，本实施例主要包括以下步骤：
[0022]步骤S102,获取待检测视频中的多个目标图像帧。
[0023]可选地，可基于预设帧间隔，依次提取待检测视频中的各原始图像帧，并针对每一个原始图像帧中的每一个像素点的像素值执行归一化处理，获得每一个原始图像帧的目标图像帧。
[0024]具体地，可将每一个原始图像帧中的每一个像素点的像素值执行归一化处理，使得每一个像素点的像素值介于0至1之间。
[0025]可选地，在依次提取待检测视频中的各原始图像帧的步骤之后，还可基于预设图像尺寸调整每一个原始图像帧的图像尺寸，再针对尺寸调整后的各原始图像帧执行归一化处理。
[0026]可选地，预设图像尺寸可设置为640*384，但并不以此为限，亦可根据实际检测需求，设置为其他尺寸大小，本申请对此不作限制。
[0027]步骤S104,确定各目标图像帧中的当前图像帧，检测包括所述当前图像帧的多个目标图像帧，获得目标对象的动态特征。
[0028]可选地，目标对象可包括火焰。
[0029]可选地，可根据所确定的当前图像帧，从目标图像帧中获取当前图像帧的多个前续图像帧，并检测当前图像帧与各前续图像帧，生成目标对象的运动估计矢量矩阵。
[0030]于本实施例中，运动估计矢量矩阵中的每一个矩阵元素用于标识当前图像帧中的每一个像素点的运动估计值，可用于表示目标对象的动态特征。
[0031]步骤S106，拼接目标对象的动态特征和从当前图像帧提取的静态特征，获得拼接特征。
[0032]可选地，可针对目标对象的动态特征与从当前图像帧提取的静态特征执行第一次拼接，获得一次拼接图，再针对目标对象的动态特征与从一次拼接图中提取的静态特征执行第二次拼接，以获得二次拼接图。
[0033]步骤S108,针对拼接特征执行分类预测，获得当前图像帧的目标对象检测结果。
[0034]可选地，可针对拼接特征执行分类预测，获得当前图像帧中是否包含目标对象的检测结果。
[0035]可选地，可针对二次拼接图中的每一个像素点执行分类预测，确定二次拼接图中包含目标对象的目标区域，若在目标区域中识别出连通域，获得当前视频帧中存在有火焰的检测结果。
[0036]可选地，若检测结果为当前视频帧中存在有火焰，可进一步输出当前图像帧中的火焰区域。
[0037]综上所述，本申请实施例提供的目标对象检测方法，通过分析目标对象的动态特征，且拼接目标对象的动态特征和静态特征，以获取目标对象的检测结果，借由上述技术手段，可有效减少火焰的误检率，提高检测结果的准确率。...
【技术保护点】
【技术特征摘要】
1.一种目标对象检测方法，包括：获取待检测视频中的多个目标图像帧；确定各目标图像帧中的当前图像帧，检测包括所述当前图像帧的多个目标图像帧，获得目标对象的动态特征；拼接所述目标对象的动态特征和从所述当前图像帧提取的静态特征，获得拼接特征；针对所述拼接特征执行分类预测，获得所述当前图像帧的目标对象检测结果。2.根据权利要求1所述的方法，其中，所述获取待检测视频中的多个目标图像帧，包括：基于预设帧间隔，依次提取所述待检测视频中的各原始图像帧；针对每一个原始图像帧中的每一个像素点的像素值执行归一化处理，获得每一个原始图像帧的目标图像帧。3.根据权利要求2所述的方法，其中，在所述依次提取所述待检测视频中的各原始图像帧的步骤之后，所述方法还包括：基于预设图像尺寸调整每一个原始图像帧的图像尺寸。4.根据权利要求1至3中任一项所述的方法，其中，所述目标对象包括火焰，所述确定各目标图像帧中的当前图像帧，检测包括所述当前图像帧的多个目标图像帧，获得目标对象的动态特征，包括：将一个目标图像帧确定为当前图像帧；基于所述当前图像帧，从各目标图像帧中提取所述当前图像帧的多个前续图像帧；检测所述当前图像帧和各前续图像帧，获得所述目标对象的运动估计矢量矩阵；其中，各前续图像帧为时间戳小于所述当前图像帧的时间戳的各目标图像帧，且构成各前续图像帧与所述当前时间帧的各目标图像帧为依次连续；其中，所提取的前续图像帧的数量介于4至19之间；其中，所述运动估计矢量矩阵中的每一个矩阵元素用于标识所述当前图像帧中的每一个像素点的运动估计值。5.根据权利要求4所述的方法，其中，所述检测所述当前图像帧和各前续图像帧，获得所述目标对象的运动估计矢量矩阵，包括：利用流光法或帧差法检测所述当前图像帧和各前续图像帧，获得所述目标对象的运动估计矢量矩阵；其中，所述运动估计矢量矩阵中的每一个矩阵元素用于标识所述当前图像帧中的每一个像素点的灰度瞬时变化率值或灰度差值。6.根据权利要求4所述的方法，其中，所述拼接所述目标对象的动态特征和从所述当前图像帧提取的静态特征，获得拼接特征，包括：根据所述当前图像帧的图像通道，针对所述当前图像帧执行特征提取，获得所述当前图像帧的静态特征图；基于...
【专利技术属性】
技术研发人员：黄冠熹，李远钱，
申请(专利权)人：重庆中科云从科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。