[发明专利]一种高空抛物检测方法、装置、计算机设备及存储介质有效

专利信息
申请号: 202011306953.2 申请日: 2020-11-19
公开(公告)号: CN112418069B 公开(公告)日: 2021-05-11
发明(设计)人: 徐光耀;季翔宇 申请(专利权)人: 中科智云科技有限公司;上海点泽智能科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G08B21/02
代理公司: 苏州市中南伟业知识产权代理事务所(普通合伙) 32257 代理人: 丁博寒
地址: 230088 安徽省合肥市*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 高空 检测 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种高空抛物检测方法,其特征在于,包括以下步骤:

设置视频监控区域,实时采集目标视频图像;

采用背景建模算法检测所述目标视频图像内所有移动物体;

采用卡尔曼滤波的方式对检测出的所述移动物体进行跟踪,获取所述移动物体轨迹特点及相关参数,包括轨迹曲线趋势、物体移动加速度、物体前后帧交并比、物体形状及像素大小变化,再对所有轨迹进行分析与过滤;

基于规则的高空抛物识别,判断识别所述移动物体是否为高空抛物,采用设定建筑外轮廓线及特殊位置线,一旦出现运动物体轨迹由内而外穿过所述轮廓线,或从上至下穿越所述特殊位置线,即可认定是高空抛物;

采用长短期记忆网络(LSTM)分类模型进行分类,将所述轨迹曲线趋势、物体移动加速度、物体前后帧交并比、物体形状、像素大小变化参数作为特征数据输入到LSTM中获取分类结果,判断是否为误报;包括:通过卡尔曼滤波算法获取的轨迹曲线趋势、物体移动加速度、物体前后帧交并比、物体形状及像素大小变化,将上述数据作为最能代表运动物体内容的特征数据,将特征数据输入到LSTM网络模型中进行训练学习,最后输出分类结果,判断是否物体是否为高空抛物;其中,LSTM模型的第一个LSTM隐藏层的神经元个数为128,第二个LSTM隐藏层的神经元个数为32,最后输出层是1个神经元,代表高空抛物的概率;

若经所述长短期记忆网络(LSTM)分类模型分类结果为非误报,推送报警信息至监控中心。

2.根据权利要求1所述的一种高空抛物检测方法,其特征在于,所述背景建模算法为单高斯模型方法、混合高斯模型方法或光流法,实现对所述移动物体的检测。

3.一种高空抛物检测装置,其特征在于,包括:

摄像模块,用于实时采集目标视频图像;

检测模块,用于采用背景建模算法检测目标视频图像内所有移动物体;

跟踪模块,用于采用卡尔曼滤波的方式对检测出的所述移动物体进行跟踪,获取所述移动物体轨迹特点及相关参数,包括轨迹曲线趋势、物体移动加速度、物体前后帧交并比、物体形状及像素大小变化,再对所有轨迹进行分析与过滤;

识别模块,用于基于规则的高空抛物识别,判断识别所述移动物体是否为高空抛物,采用设定建筑外轮廓线及特殊位置线,一旦出现运动物体轨迹由内而外穿过所述轮廓线,或从上至下穿越所述特殊位置线,即可认定是高空抛物;

过滤模块,用于采用长短期记忆网络(LSTM)分类模型进行分类,将轨迹曲线趋势、物体移动加速度、物体前后帧交并比、物体形状、像素大小变化参数作为特征数据输入到LSTM中获取分类结果,判断是否为误报;包括:通过卡尔曼滤波算法获取的轨迹曲线趋势、物体移动加速度、物体前后帧交并比、物体形状及像素大小变化,将上述数据作为最能代表运动物体内容的特征数据,将特征数据输入到LSTM网络模型中进行训练学习,最后输出分类结果,判断是否物体是否为高空抛物;其中,LSTM模型的第一个LSTM隐藏层的神经元个数为128,第二个LSTM隐藏层的神经元个数为32,最后输出层是1个神经元,代表高空抛物的概率;

报警模块,用于推送报警信息至监控中心。

4.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现根据权利要求1-2中任一项所述的高空抛物检测方法。

5.一种存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现根据权利要求1-2中任一项所述的高空抛物检测方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中科智云科技有限公司;上海点泽智能科技有限公司,未经中科智云科技有限公司;上海点泽智能科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011306953.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top