[发明专利]AI热成像全天候智能监控方法

权利要求书

1.AI热成像全天候智能监控方法，其特征在于：包括软件主控模块，及以下步骤，

S1：控制模块提取系统的工作时间，根据预设时间阈值段H，启动高清摄像头或热成像仪；

S2：控制模块获取热成像或高清摄像头视频数据，并对于热成像AV格式视输出进行转码为视频图像；

S3：使用运动检测算法对视频图像进行运动检测；设置显著运动检测门限，判断当前运动是否显著，以滤除由于噪声与光影变化引发的误检测；同时对检测出的运动目标进行截图；

S4：对检测出具有显著运动的视频图像使用实例分割算法进行感兴趣目标分割，以确定引起当前运动的目标是否为系统感兴趣的监控目标，分割结果为感兴趣目标进入下一个步骤，分割结果不存在感兴趣目标回到步骤S3；同时对成功分割的原始图像和分割出的目标进行截图；

S5：使用高性能的目标跟踪算法对分割出的一个或多个感兴趣目标进行目标跟踪；同时保存X时间段的跟踪视频；

S6：保存X时间段的跟踪视频，通过网络将各个阶段的截图与保存视频打包发送至指定邮箱，进行预警；后回到步骤S1。

2.根据权利要求1所述的AI热成像全天候智能监控方法，其特征在于：所述S3中的运动检测算法为PBAS运动检测算法，其工作流程为，

S31：收集前N帧像素以及梯度幅值作为背景模型，新来像素与背景模型比较，比较方法如下式：

式中I(xi)为输入，Bk(xi)表示背景模型中的像素，R(xi)表示像素阈值，min表示最小的匹配数目，F(xi)＝1表示前景；

判断阈值R(xi)则通过下式来计算：

式中，Dk(xi)为输入像素N个最小值的平均值。

3.根据权利要求2所述的AI热成像全天候智能监控方法，其特征在于：所述检测出运动目标后，为排除噪声与光影干扰，确认为显著运动，对检测出的运动图像进行二值化处理，提取最大运动区域的中心点坐标(centerx,centery)，设定检测阈值T，与检测帧数N，在N帧内运动中心坐标累加值超过T，则确定为图像存在显著运动；显著运动标志move判别如下式计算：

4.根据权利要求1所述的AI热成像全天候智能监控方法，其特征在于：所述S4中分割感兴趣目标使用基于人工智能中深度学习技术的MASK-RCNN分割框架，其工作流程为：

S41：对存在显著运动的视频图像选取以下感兴趣目标进行分割：行人、轿车、卡车、摩托车、自行车和船，设置分割阈值为0.6；

S42：使用非极大值抑制算法(NMS)消除多余的分割窗口。

5.根据权利要求1所述的AI热成像全天候智能监控方法，其特征在于：所述S5中单个或多目标跟踪工作流程为：

S51.确定当前分割出感兴趣目标的数量，启动跟踪模式为单一目标或多个目标，；

S52.使用高性能目标跟踪算法CSR-DCF，利用图像分割方法产生适应能力更好的蒙版(mask)，空间置信图通过后验概率的求解得到；求解目标的后验概率，如下式所示：

式中，p_o是先验概率，它可以认为是固定的数值，与采样数据中的前景/背景区域有关，forlikelihood为似然，可以理解为在给定的前景图像中，该像素属于目标的概率，最后求解的prob_o是后验概率，可以理解为在给定的目标图像条件下，该像素属于前景蒙版的概率；

对于先验概率p_o的求解如下式所示：

p_o＝p(y|m＝1，x)*p(x|m＝1)*p(m＝1)

式中，p(x,y)为目标出现概率函数。