[发明专利]一种获取目标属性特征语义的方法及装置有效
申请号: | 201611244945.3 | 申请日: | 2016-12-29 |
公开(公告)号: | CN108256401B | 公开(公告)日: | 2021-03-26 |
发明(设计)人: | 陈锡 | 申请(专利权)人: | 杭州海康威视数字技术股份有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/32 |
代理公司: | 北京柏杉松知识产权代理事务所(普通合伙) 11413 | 代理人: | 项京;马敬 |
地址: | 310051 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 获取 目标 属性 特征 语义 方法 装置 | ||
1.一种获取目标属性特征语义的方法,应用于智能视频监控领域,其特征在于,包括:
获取视频图像,所述视频图像中含有至少一个目标;
从所述视频图像中获得目标的检测结果;
利用所述目标的检测结果,从所述视频图像中提取目标的属性特征,获得目标的属性综合特征集,其中,所述属性综合特征集含有多个属性特征的数据;
利用多个属性之间的联系,对所述属性综合特征集中的多个属性特征的数据进行处理,获得目标的多个属性特征的语义;
所述利用多个属性之间的联系,对所述属性综合特征集中的多个属性特征的数据进行处理,获得目标的多个属性特征的语义的步骤,包括:
将所述属性综合特征集中的每个属性特征的数据处理为一维数组,由多个属性特征的数据对应的一维数组,获得目标的属性关系矩阵;
将所述属性关系矩阵与预设的系数矩阵相乘,获得目标的属性关系网,其中,所述预设的系数矩阵含有多个属性之间的联系;
对所述属性关系网中的属性进行分类映射,获得属性特征的分类概率;
根据所述属性特征的分类概率获得属性特征的分类结果;
将所述属性特征的分类结果转化为语义,获得目标的多个属性特征的语义。
2.根据权利要求1所述的方法,其特征在于,所述获取视频图像的步骤,包括:
从视频监控设备获取视频图像,所述视频监控设备至少包括摄像机;
所述目标至少包括机动车、非机动车、行人之一或任意组合。
3.根据权利要求1所述的方法,其特征在于,所述目标的检测结果至少包括:目标的类型、目标的大小、目标在视频图像中的位置。
4.根据权利要求3所述的方法,其特征在于,所述利用所述目标的检测结果,从所述视频图像中提取目标的属性特征,获得目标的属性综合特征集的步骤,包括:
利用所述目标的检测结果,从所述视频图像中提取所述目标的图像;
对所述目标的图像的格式进行转化,获得与所述目标对应的指定格式的图像数据;
在预设的多个通用属性集中,获取所述目标的类型对应的通用属性集,其中,所述通用属性集含有多个属性;
利用所述目标的类型对应的通用属性集,对所述目标的图像数据进行计算,获得目标的含有多个属性特征的通用属性特征集;
对所述通用属性特征集中的属性特征分别进行计算,获得多个属性特征的数据,并将所述多个属性特征的数据整合为目标的属性综合特征集。
5.根据权利要求1所述的方法,其特征在于,所述获得目标的多个属性特征的语义之后,所述方法还包括:
将所述目标的多个属性特征的语义发送到应用设备。
6.一种获取目标属性特征语义的装置,应用于智能视频监控领域,其特征在于,包括:
视频图像获取模块,用于获取视频图像,所述视频图像中含有至少一个目标;
目标检测模块,用于从所述视频图像中获得目标的检测结果;
属性特征提取模块,用于利用所述目标的检测结果,从所述视频图像中提取目标的属性特征,获得目标的属性综合特征集,其中,所述属性综合特征集含有多个属性特征的数据;
属性协同判断模块,用于利用多个属性之间的联系,对所述属性综合特征集中的多个属性特征的数据进行处理,获得目标的多个属性特征的语义;
所述属性协同判断模块,包括:
属性关系矩阵获取子模块,用于将所述属性综合特征集中的每个属性特征的数据处理为一维数组,由多个属性特征的数据对应的一维数组,获得目标的属性关系矩阵;
属性关系网获取子模块,用于将所述属性关系矩阵与预设的系数矩阵相乘,获得目标的属性关系网,其中,所述预设的系数矩阵含有多个属性之间的联系;
分类映射子模块,用于对所述属性关系网中的属性进行分类映射,获得属性特征的分类概率;
分类结果获取子模块,用于根据所述属性特征的分类概率获得属性特征的分类结果;
语义转化子模块,用于将所述属性特征的分类结果转化为语义,获得目标的多个属性特征的语义。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州海康威视数字技术股份有限公司,未经杭州海康威视数字技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201611244945.3/1.html,转载请声明来源钻瓜专利网。