[发明专利]道路区域监控视频被树叶遮挡的检测方法

说明书

本发明属于计算机视觉领域，尤其涉及一种道路区域监控视频被树叶遮挡的检测方法。首先建立基于Mask R‑CNN的深度学习平台用于训练道路区域和树叶目标的网络模型，然后将检测出的道路区域结果进行优化，使其符合城区视频监控场景中的识别预期；再通过对视频监控中三维空间在二维平面上位置关系的展现理解，定义的遮挡规则，最终得到是否存在道路区域被树叶遮挡的判定结果。本发明可替代传统的、大量浏览视频进行逐一排查确认树叶遮挡的人工方式，摆脱了基于树叶面积大小、分布区域、距离远近等具有主观经验争议的特征依赖，在二维空间模拟实现三维空间的遮挡知觉应用。

技术领域

本发明属于计算机视觉领域，可用于监控视频画面中道路区域被树叶遮挡情况的检测系统。尤其涉及一种道路区域监控视频被树叶遮挡的检测方法。

背景技术

在以‘平安城市’、‘雪亮工程’为代表的社会公共安全防范视频监控系统的普及应用中，大量城区范围内的监控点位建设，需要在各类公共交通道路两侧选址。由于季节的自然更替、某些人为摄像机使用不当情况或意外事件的发生，导致摄像机监控视野内出现了不可忽略的树叶，造成道路上的监控目标信息不同程度的缺失，对视频画面的正常观看和相关业务应用造成了明显干扰，甚至将造成不可挽回的后果。因此，视频画面的树叶遮挡检测是公共安全防范视频监控系统中的一项重要内容。

传统的树叶遮挡检测方法，对于树叶目标识别一般采用人工特征抽取，因此对于工程人员来说，针对树叶目标特征的人工识别能力提出了较大挑战，且效率低下。而在遮挡判断上，因为视频监控场景的应用复杂性，对于树叶的存在是否产生视觉干扰会受到主观因素影响，缺乏统一的认知标准，先验知识的应用也受到限制，总体效果不理想。

发明内容

本发明所要解决的技术问题是利用深度学习训练得到的神经网络模型(也即智能检测知识库)，对视频监控画面中的道路区域和树叶目标进行定位和识别，结合视频监控应用场景中物体位置关系理解，设计出符合实际需求的树叶遮挡检测方案，形成一种适合城区监控画面中道路区域被树叶遮挡的视频检测方法。

本发明的基本技术构思是，首先建立基于Mask R-CNN(带有高质量分割掩码的图像目标检测卷积神经网络框架)的深度学习平台用于训练道路区域和树叶目标的网络模型，然后将检测出的道路区域结果进行优化，使其符合城区视频监控场景中的识别预期；再通过对视频监控中三维空间在二维平面上位置关系的展现理解，定义遮挡规则，最终得到是否存在道路区域被树叶遮挡的判定结果。

为解决上述技术问题，本发明提出的道路区域监控视频被树叶遮挡的检测方法，其特征在于，包括以下步骤：

步骤i、对Mask R-CNN网络模型的道路区域输出控制部分代码进行优化；

步骤ii、对优化后网络模型预训练；使用预训练后网络模型检测输出道路区域凸包和树叶目标凸包，获得其中道路区域凸包的外接矩形；

步骤iii、根据道路区域凸包两边有无明显的截痕形态，分别拟合出完整梯形或带有一侧垂直截边的梯形，得到道路区域位置；

步骤iv、分别获取道路区域和树叶目标分别在整个图像中的面积占比，并计算两者的重叠区域在道路区域中的面积占比；

步骤v、根据统计经验规则，判定是否存在遮挡。

进一步的，所述步骤i，对Mask R-CNN网络模型的道路区域输出控制部分代码进行优化的具体步骤包括：

1-1)树叶模型输出控制部分代码不做变更；

1-2)将道路模型的颜色渲染饱和度增强到100％，将分割后的道路目标区域颜色定义为白色，非目标区域全部为黑色，并去掉目标区域边框线，排除潜在误差；

1-3)使用默认的树叶模型对输入图片进行检测；

1-4)使用经过上述优化后的道路模型对同一输入图片进行检测。