[发明专利]一种视频中目标移动的检测方法、装置及系统

权利要求书

1.一种视频中目标移动的检测方法，其特征在于，包括：

从获取到的视频中抽取图片序列，所述视频为针对同一位置拍摄的视频；

识别所述图片序列中各图片中的目标，确定与所述目标对应的标识点，获取各图片中所述目标的数量及所述标识点的坐标；

当所述图片序列中存在所述目标的数量不相等的图片时，则判定所述图片序列中存在移动目标，当所述图片序列中各图片中所述目标的数量相等且不为零时，则根据各所述目标的所述标识点的坐标计算得出的关联参数判断所述图片序列中是否存在移动目标，所述关联参数表示图片之间目标距离的差异程度。

2.如权利要求1所述的一种视频中目标移动的检测方法，其特征在于，当所述图片序列中各图片的所述目标的数量相等且不为零时，则根据各所述标识点的坐标计算得出的关联参数判断所述图片序列中的存在移动目标包括：

将所述图片序列中两张图片中的所述目标相关联；

根据所述标识点的坐标计算所述关联参数；

若所述关联参数满足预设条件，则判定相关联的所述目标发生移动；

若所述两张图片中任意一个所述目标发生移动，则判定所述图片序列中存在移动目标。

3.如权利要求2所述的一种视频中目标移动的检测方法，其特征在于，将所述图片序列中两张所述图片中的所述目标相关联包括：

根据所述目标对应的所述标识点的坐标计算两张所述图片之间所有目标的距离；

所述两张图片中，将与一张图片中某一目标距离最小的另一张图片中的目标确定为与所述某一目标相关联的目标。

4.如权利要求2所述的一种视频中目标移动的检测方法，其特征在于，所述关联参数为相关联目标对应的所述标识点坐标的差的平均值。

5.如权利要求1～4中任意一项所述的一种视频中目标移动的检测方法，其特征在于，确定与所述目标对应的标识点包括：

为每个所述目标生成与其对应的目标边框；

所述标识点为所述目标边框的中心点。

6.如权利要求5所述的一种视频中目标移动的检测方法，其特征在于，将所述图片序列输入至基于深度学习的目标检测模型中识别所述图片序列中各图片中的目标，预测与所述目标对应的所述目标边框，根据所述目标边框的坐标信息计算所述标识点的坐标。

7.一种视频中目标移动的检测装置，其特征在于，包括：

抽帧模块，用于从获取到的视频中抽取图片序列，所述视频为针对同一位置拍摄的视频；

目标识别模块，用于识别所述图片序列中各图片中的目标，以及确定与所述目标对应的标识点，获取各图片中所述目标的数量及所述标识点的坐标；

检测模块，用于判断所述图片序列中的目标是否发生移动，当所述图片序列中存在目标的数量不相等的图片时，则判定所述图片序列中存在移动目标，当图片序列中各图片中的所述目标的数量相等且不为零时，则根据所述目标的所述标识点的坐标计算得出的关联参数判断所述图片序列中是否存在移动目标，所述关联参数表示图片之间目标距离的差异程度。

8.如权利要求7所述的一种视频中目标移动的检测装置，其特征在于，所述装置还包括：

目标关联模块，用于将所述图片序列中两张图片中的所述目标相关联；

参数计算模块，用于根据所述标识点的坐标计算所述关联参数；

所述检测模块，具体用于当图片序列中各图片的目标数量相等且不为零时，将所述关联参数与预设阈值对比，若所述关联参数满足所述预设条件，则判定相关联的所述目标发生移动，若所述两张图片中任意一个所述目标发生移动，则判定所述图片序列中存在移动目标。

9.如权利要求7所述的一种视频中目标移动的检测装置，其特征在于，所述目标识别模块中存储有基于深度学习的目标检测模型，所述目标检测模型，用于将输入的所述图片序列识别出其中包含的目标，并生成各目标对应的目标边框。

10.一种计算机系统，其特征在于，包括：

一个或多个处理器；以及

与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如权利要求1～6任意一项所述方法的操作。