【技术实现步骤摘要】
本专利技术涉及目标检测，具体涉及一种目标检测方法。
技术介绍
1、摄像机在户内进行目标检测时，图像不受阳光、雨水等环境因素影响，但摄像机在户外进行目标检测时，气象因素对目标检测模型的性能影响较大，难以忽略，然而多数模型在进行训练时采用的数据集并未考虑此项问题，造成模型泛化性较低，而如果直接采用阳光、雨水、雾等环境因素下的图像对模型进行训练会存在一些局限性和挑战，比如：（1）数据获取的难度和成本：在自然环境下获取大量且多样化的图像数据是非常困难和昂贵的，（2）数据的多样性和覆盖范围：自然环境下的数据可能无法覆盖所有可能的天气条件和光照情况，（3）数据的可控性和一致性：在自然环境中，图像的获取受到很多不可控因素的影响，如时间、地点、设备等，（4）模型的泛化能力：直接使用有限的自然环境图像训练模型可能导致模型过拟合，即模型在训练数据上表现良好，但在未见过的新环境条件下表现不佳等。
2、另外在工业摄像机中，摄像机的安装位置一般较高，造成图像中的目标区域面积占比甚至远低于图像整体面积的0.01，若对图像中目标进行辨识，则属于小目标检测范畴，将给模型带来极大挑战。并且，摄像机在工艺制程方面，其图像尺寸一般远高于识别模型所使用的固定尺寸，若采用自适应缩放策略将图像变换为指定尺寸，将会丢失大部分目标所在区域的像素，进一步增加识别难度；若采用扩大模型训练尺寸的方式应对此项问题，将会极大地降低模型推理速度，并且增加模型的部署难题，无法应用于实时监测系统中。
3、在相关技术中，公布号为cn113570613a的专利申请文献中提
4、公布号为cn107368784a的专利申请文献中提出了一种基于小波分块的新颖的背景差分法运动目标检测方法，该方案通过将彩色图像转化为灰度图像、对灰度图像进行分块处理、使用高斯混合背景建模、直接对模型进行背景差分获得前景检测图、小波阈值去噪以及自适应背景维护等步骤来实现运动目标的检测，主要解决了动态背景、光照改变、噪声和阴影等环境因素对运动目标检测的影响，提高了检测的准确性和可靠性，其侧重于解决复杂环境下运动目标检测的一般性问题，并不适应对户外环境下的小目标检测。
5、公布号为cn108596912a的专利申请文献中提出了一种基于改进人工雨滴优化法的图像多阈值分割方法，通过使用改进的人工雨滴优化法来进行图像的多阈值分割，其核心是寻找最佳的阈值组合，以实现图像分割效果的最大化，而非直接模拟雨水对图像的视觉影响。
技术实现思路
1、本专利技术旨在提出一种可以考虑气象因素与摄像机安装位置、具有强泛化性的目标检测方法。
2、本专利技术通过以下技术手段解决上述技术问题的：
3、提出了一种目标检测方法，所述方法包括：
4、读取摄像机的当前帧图像和当前帧之前的序列帧图像，对序列帧图像进行处理生成环境背景图像，对当前帧图像进行处理生成新图像；
5、采用背景差分法计算新图像与环境背景图像之间的差异，依据自适应差分阈值将差异结果二值化得到二值图像，并采用边缘检测算法获取二值图像中的轮廓边缘；
6、计算轮廓边缘的最小矩形边界框作为动态区域边界框，并采用矩形提取策略得到包含动态区域的图像；
7、将包含动态区域的图像输入至目标检测模型中得到目标检测结果，其中，所述目标检测模型为预先采用考虑气象因素的数据集训练得到。
8、进一步地，所述对序列帧图像进行处理生成环境背景图像，对当前帧图像进行处理生成新图像，包括：
9、将序列帧图像转换为灰度图并进行高斯滤波处理，对滤波处理后的序列帧图像取均值作为环境背景图像；
10、将当前帧图像转换为灰度图并计算灰度均值作为灰度图像，对灰度图像进行高斯滤波处理，得到新图像。
11、进一步地，所述自适应差分阈值通过公式表示为：
12、
13、
14、式中， tada为自适应差分阈值， mean( g( x))为当前帧灰度图像的均值， tcons为初始化的固定差分阈值， vg为不同灰度值时的阈值调整变量， tmax、 tmin分别为高、低限制阈值。
15、进一步地，所述计算轮廓边缘的最小矩形边界框作为动态区域边界框，并采用矩形提取策略得到包含动态区域的图像，包括：
16、在动态区域边界框的数量为单个时，以动态区域为中心扩张动态区域的面积；
17、在动态区域边界框的数量为多个时，分别以各动态区域为中心扩张各动态区域的面积，且在扩张后存在相交的动态区域则融合为一个动态区域。
18、进一步地，所述方法还包括：
19、若在进行动态区域扩张时接触图像边界，则按反方向积进行扩张。
20、进一步地，所述方法还包括：
21、在所述目标检测结果为检测到目标时，将目标检测框恢复至原图中并依据目标检测结果更新所述环境背景图像，保持阈值调整变量不变；
22、在所述目标检测结果为未检测到目标时，判断当前帧图像的前一帧图像是否检测到目标；
23、若是，则增加阈值调整变量；
24、若否，则降低阈值调整变量。
25、进一步地，所述目标检测模型的训练过程包括：
26、将原始图像集分别进行光线明暗模拟、雾气模拟和雨纹模拟，构建目标数据集；
27、利用所述目标数据集对yolov5模型进行训练，得到训练好的所述目标检测模型。
28、进一步地，对原始图像进行光线明暗模拟，包括：
29、在hsv模式下计算原始图像集的明度均值，并将原始图像划分为低亮度状态图像、均衡状态图像和高亮度状态图像；
30、对于均衡状态图像，通过比例调整明度分量模拟不同亮度的图像，并在模拟后转换回rgb模式；
31、基于模拟的不同亮度的图像与低亮度状态图像及高亮度状态图像构建所述目标数据集。
32、进一步地，对原始图像进行雾气模拟，包括：
33、根据原始图像的rgb通道合成雾气，建立一层雾气遮罩，将雾气遮罩与原始图像混合制造雾天图像；
34、采用光学模型模拟本文档来自技高网...
【技术保护点】
1.一种目标检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的目标检测方法，其特征在于，所述对序列帧图像进行处理生成环境背景图像，对当前帧图像进行处理生成新图像，包括：
3.如权利要求1所述的目标检测方法，其特征在于，所述自适应差分阈值通过公式表示为：
4.如权利要求1所述的目标检测方法，其特征在于，所述计算轮廓边缘的最小矩形边界框作为动态区域边界框，并采用矩形提取策略得到包含动态区域的图像，包括：
5.如权利要求1所述的目标检测方法，其特征在于，所述方法还包括：
6.如权利要求1所述的目标检测方法，其特征在于，所述方法还包括：
7.如权利要求1所述的目标检测方法，其特征在于，所述目标检测模型的训练过程包括：
8.如权利要求7所述的目标检测方法，其特征在于，对原始图像进行光线明暗模拟，包括：
9.如权利要求7所述的目标检测方法，其特征在于，对原始图像进行雾气模拟，包括：
10.如权利要求7所述的目标检测方法，其特征在于，对原始图像进行雨纹模拟，包括：
【技术特征摘要】
1.一种目标检测方法，其特征在于，所述方法包括：
2.如权利要求1所述的目标检测方法，其特征在于，所述对序列帧图像进行处理生成环境背景图像，对当前帧图像进行处理生成新图像，包括：
3.如权利要求1所述的目标检测方法，其特征在于，所述自适应差分阈值通过公式表示为：
4.如权利要求1所述的目标检测方法，其特征在于，所述计算轮廓边缘的最小矩形边界框作为动态区域边界框，并采用矩形提取策略得到包含动态区域的图像，包括：
5.如权利要求1所述的目标检...
【专利技术属性】
技术研发人员：金甲杰，秦浩，孙伟，钱宇骋，卞真旭，骆星智，李宾宾，王海港，张峥，赵杰，刘涛，许儿明，殷光春，黄雄峰，张宇娇，宋崇巍，
申请(专利权)人：国网安徽省电力有限公司电力科学研究院，
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。