[发明专利]基于热成像的对象检测方法、装置及服务器

权利要求书

1.一种基于热成像的对象检测方法，其特征在于，应用于服务器，所述方法包括：

获取热成像视频流中第一连续帧数据序列中满足对象检测的第二连续帧数据序列；

对所述第二连续帧数据序列进行分类，获得不同目标类别对应的第二连续帧数据序列，其中，不同目标类别用于表征不同的检测目标区域大小；

根据每个目标类别所对应的对象检测策略，对每个目标类别对应的第二连续帧数据序列进行对象检测，获得对象检测信息；

所述方法还包括：

将所述对象检测信息与预设先验框的先验框信息进行比较，并根据比较结果判断所述对象检测信息对应的运动对象是否入侵所述预设先验框的区域；

当所述对象检测信息对应的运动对象入侵所述预设先验框的区域时，将所述对象检测信息中所述运动对象的对象坐标作为报警点坐标与所述预设先验框的区域进行关联，获得报警关联结果；

根据获得的所有报警关联结果确定所有运动对象的历史报警信息以及所述历史报警信息的报警确认标签信息；

基于所述所有运动对象的历史报警信息以及所述历史报警信息的报警确认标签信息训练报警决策模型，获得目标报警决策模型；

所述基于所述所有运动对象的历史报警信息以及所述历史报警信息的报警确认标签信息训练报警决策模型，获得目标报警决策模型的步骤，包括：

根据所述历史报警信息的报警确认标签信息获取所述所有运动对象的历史报警信息对应的历史报警确认信息，将所述历史报警确认信息输入到报警决策模型的特征提取单元中，以对所述历史报警确认信息进行特征学习并生成对应的报警特征学习信息；所述报警决策模型包括所述特征提取单元和分类单元；

将所述报警特征学习信息输入到所述分类单元中，以对所述报警特征学习信息的学习数据段进行分类决策得到所述报警特征学习信息的决策分类结果；

根据所述报警特征学习信息的决策分类结果，对所述特征提取单元和所述分类单元进行权重调整，直至所述特征提取单元和所述分类单元更新结束，得到已训练的目标报警决策模型；

所述对所述历史报警确认信息进行特征学习并生成对应的报警特征学习信息的步骤，包括：

对所述历史报警确认信息进行特征学习；

根据已学习的报警确认特征信息得到报警确认差异特征分布；

根据所述报警确认差异特征分布生成所述报警特征学习信息；

其中，所述历史报警确认信息包括报警确认时序向量矩阵和报警确认空序向量矩阵；

所述对所述历史报警确认信息进行特征学习，根据已学习的报警确认特征信息得到报警确认差异特征分布，根据所述报警确认差异特征分布生成所述报警特征学习信息的步骤，包括：

将所述报警确认时序向量矩阵和所述报警确认空序向量矩阵输入到有向图模型中，以通过所述有向图模型进行特征学习，并根据学习的报警确认特征信息确定所述有向图模型的有向图节点的有向图特征分布；

根据所述有向图节点的有向图特征分布生成所述报警确认差异特征分布；

将所述报警确认空序向量矩阵和所述报警确认差异特征分布进行融合；

根据融合得到的报警确认空序向量矩阵生成所述报警特征学习信息；

其中，在将报警确认空序向量矩阵和报警确认差异特征分布进行融合的过程中，可获取报警确认空序向量矩阵和报警确认差异特征分布之间的可融合特征节点集，其中，所述可融合特征节点集包括报警确认空序向量矩阵在目标融合区间内调用的多个空序可融合特征节点、所述报警确认差异特征分布在所述目标融合区间内调用的多个差异可融合特征节点，以及各可融合特征节点的融合元素序列；然后，利用与所述多个空序可融合特征节点对应的空序特征属性，及与所述多个差异可融合特征节点对应的差异特征属性构建特征属性，并根据所述特征属性获取融合位图信息，其中，所述空序特征属性用于表征按照所述融合元素序列进行融合控制的所述多个空序可融合特征节点的关键融合对象，所述差异特征属性用于表征按照所述融合元素序列进行融合控制的所述多个差异可融合特征节点的可融合特征节点的关键融合对象，所述融合位图信息用于表征所述空序特征属性及所述差异特征属性的融合映射关系；

利用所述可融合特征节点集中在目标融合区间段内被调用且按所述融合元素序列的数据层结构的所述空序可融合特征节点与所述差异可融合特征节点构建融合分配节点集，并根据所述融合分配节点集获取融合行为定位信息，其中，所述融合行为定位信息用于表征所述融合分配节点集中至少两个映射可融合特征节点之间的融合映射关系；

根据所述融合位图信息与所述融合行为定位信息，获取所述报警确认空序向量矩阵与所述报警确认差异特征分布之间的融合场景匹配参数，根据所述融合场景匹配参数确定所述报警确认空序向量矩阵与所述报警确认差异特征分布之间的融合业务快照，并基于所述融合业务快照对所述报警确认空序向量矩阵与所述报警确认差异特征分布所对应的融合过程执行融合控制，得到融合后的报警确认空序向量矩阵，作为所述报警特征学习信息。