[发明专利]一种码头港口图像目标检测优化算法

说明书

一种码头港口图像目标检测优化方法，通过根据码头摄像头的视角、高景深信息以及目标物体的大小自适应选取合适参数，对视频图像进行金字塔图像算法降噪和移动平均算法处理，从而判断是否需要GPU算力介入，进而筛选出不需要GPU算力介入就能实现目标检测的图像，节省了计算资源，而且，对于需要GPU算力介入的图像，本发明提出的方法还对该图像进行了轮廓查找，从而验证GPU算力的检测结果，进一步增加了结果的鲁棒性。

技术领域

本发明涉及目标检测领域，特别是指一种码头港口图像目标检测优化算法。

背景技术

随着船滚装运输业的快速发展，我国设立了大量的码头、港口满足需要，但影响码头港口作业安全的影响因素很多，包括在港口区域车辆超速，人员进入危险区域，工作人员未正确佩戴防护装置等，随着计算机和图像处理技术的发展，视频图像监测在金融、交通、安全部门等领域得到广泛应用，近年来，各地港口码头采取视频监测系统对现场加强监管，24小时不断地对现场作业情况进行监视，一旦出现异常事件，常见的方式只能通过人工回放录像，进行分析处理，监管的质量和效率低下，另外，现有技术中也存在通过对视频图像数据进行处理，识别出监测的运动目标，但超大容量的视频图像数据，需要大量的计算资源，这使得码头港口的安全监测工作仍面临较大的困难。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种能够节省计算资源，且使得目标检测结果更为准确的优化算法。

一种码头港口图像目标检测优化方法，包括如下步骤：

S1:采集视频数据，并按照设定的采样率抽取图片；

S2:利用金字塔图像算法对图片进行降噪处理；

其中x，y代表图片中像素点的位置，μ_x表示横向坐标周围点的平均值，μ_y表示纵向坐标周围点的平均值，σ_x和σ_y是自适应参数；

S3:采用移动平均算法对降噪后的图片进行处理；

dst＝α×src1+β×src2+γ

其中，α、β为平滑指数，src1表示前一帧图像，src2表示当前帧图像，γ为偏差项，dst为输出结果；

S4:计算步骤S3处理后图片的像素值P，若P0，进入步骤S5，若P＝0，图片处理完成；

S5:对步骤S3处理后图片介入GPU算力检测，并对步骤S3处理后图片进行轮廓查找，结合轮廓信息和GPU算力检测结果，进行目标物体检测。

进一步地，所述步骤S1之前，将预先筛选的图片分为训练集和验证集，根据码头摄像头的视角、高景深信息以及目标物体的大小对参数σ_x、σ_y、α、β，在训练集中进行自适应阈值搜索，并在验证集中进行参数验证。

优选地，步骤S1中所述采样率为500-1000HZ。

优选地，步骤S2中，μ_x表示横向坐标3x3周围点的平均值。

优选地，步骤S2中，μ_y表示纵向坐标3x3周围点的平均值。

优先地，所述移动平均算法中，可采用前两帧图像或前三帧张图像，不限于前两帧图像或前三帧张图像。

进一步地，步骤S5中，所述GPU算力检测得出的为图片中的目标物体框。

进一步地，步骤S5中，所述对步骤S3处理后图片进行轮廓查找，具体为：

进一步地，步骤S5中，所述结合轮廓信息和GPU算力检测结果，进行目标物体检测，具体为：根据图片中离散的像素点确定出目标物体轮廓。