[发明专利]基于多层特征融合的视频目标检测方法

说明书

本发明公开了一种基于多层特征融合的视频目标检测方法，解决了现有检测方法未利用视频时序信息及检测效果差的问题，技术方案为：输入一帧视频图像作当前帧，在其前9帧中选一前帧图像，在后9帧中选一后帧图像；把三帧图像输入到改进卷积神经网络分别获取三个特征图；输入到采样网络，获得对前后帧特征图的采样图，依采样图计算前后帧特征图的采样系数；根据融合公式利用采样系数得到当前帧增强后的特征图，作为检测网络的输入，生成候选区域集，经分类和回归网络检测出最终的目标类别和位置。本发明使用了视频时序信息，模型复杂度小，参数量少，检测效果好，可用于交通监控，安保安防，目标识别等。

技术领域

本发明属于数字图像处理技术领域，特别涉及视频图像的目标检测，具体是一种基于多层特征融合的视频目标检测方法，可用于交通监控，安防安保和目标识别。

背景技术

图像目标检测作为大部分计算机视觉任务的基础，利用数字图像处理技术，对在复杂场景下的图像中的具体目标进行类别识别和位置检测。视频目标检测相较于图像目标检测，可以利用视频提供的前后文信息和时空信息提升检测准确率，尤其是快速运动目标的检测。目标检测被广泛应用于智能化交通系统、智能监控系统、军事目标检测以及医学图像辅助处理等方面，这些应用中对图像或视频中出现的所有给定目标都进行了识别和检测。

图像目标检测方法主要有基于两阶段检测模型的方法和基于一阶段检测模型的方法，其中：

基于两阶段检测模型的方法，把目标检测过程分为两个过程，第一个过程是把所给的图像进行局部裁剪，提取出若干个可能包含目标的区域作为候选结果；第二个过程是分别通过分类和回归网络对第一个过程获取的候选区域，进行目标的类别识别，位置坐标定位。通过两个过程的处理，能去的较好的检测结果，但是检测速度较慢。

基于一阶段检测模型的方法，没有对图像提取候选区域的过程，通过级联特征网络、检测网络和回归网络从图片中直接检测目标的类别和坐标结果，将目标检测过程优化为统一的、端到端过程。通过一个过程的处理，能快速获取检测结果，相较于基于两阶段检测模型的方法，其精度会有一些损失。

视频为图像目标检测提供了更多的帧间时序信息和冗余信息，同时引入了目标发生遮挡、变形、模糊等问题，直接使用图像目标检测方法对视频进行检测，不仅效果差，而且速度慢。目前的视频目标检测方法在基于两阶段检测模型的图像目标检测方法上进行两方面的改进，其中：

第一方面，利用光流信息将视频的前后帧特征与当前帧特征进行融合，提高当前帧特征的表达能力和信息拥有量，解决了当前帧图像发生形变、遮挡、模糊等情况时检测效果不好的问题，属于对基于两阶段检测模型的第一阶段进行改进。

第二方面，利用视频中目标的运动轨迹信息，跟踪高质量检测框的变化趋势，对当前帧的检测结果进行进一步的修正，不断提高检测位置的精度，解决了视频中目标发生快速运动时检测效果不好的问题，属于对基于两阶段检测模型的第二阶段进行改进。

目前的视频目标检测方法主要采用两阶段检测模型，存在模型复杂度高，网络参数量大的问题；同时，训练模型时对计算资源有较高的要求。

发明内容

本发明的目的在于针对现有技术的不足，提出一种模型复杂度小，网络参数量小的基于多层特征融合的视频目标检测方法。

本发明是一种基于多层特征融合的视频目标检测方法，其特征在于，包括有如下步骤：