[发明专利]基于差分卷积神经网络的运动目标检测方法

说明书

本发明提供了一种基于差分卷积神经网络的运动目标检测方法，通过构建卷积神经网络对运动目标进行检测，其优点是将视频的当前帧与对应的背景帧进行差分，得到差分图像，将差分图像作为模型的输入，模型的输入不包含场景信息，如背景。该卷积神经网络只是学习场景的变化，其中没有关于场景的具体信息，因此该卷积神经网络具有较强的泛化能力，只需要训练一次，就可以检测出同一类型的视频，大大扩展卷积神经网络模型的使用范围，具有良好的应用前景。经测试，现有的基于深度学习的运动目标检测模型在测试与训练视频无关的视频时，F‑measure值为0.2‑0.3，而本发明在测试与训练视频无关的视频时，F‑measure值为0.73。

技术领域

本发明属于视频监控技术领域，具体涉及一种基于差分卷积神经网络的运动目标检测方法。

背景技术

近些年来，视频得到了广泛的应用。然而，目前的视频监控只是一个简单的记录。近年来，智能视频监控逐渐成为安全领域的核心技术之一。运动目标检测是智能视频监控的重要基础，对目标的建模、跟踪和识别有着重要的影响。

动态背景下的运动目标检测仍然是一项具有挑战性的任务。在学者们的不断努力下，提出了许多方法。这些方法可以分为以下几种：深度学习方法、基于像素的方法和子空间学习方法。这些方法取得了令人满意的实际效果，尤其是深度学习方法。然而，这些深度学习方法存在很大的缺陷，即泛化能力差。它们只能处理与培训数据相关的数据。在特定场景中，不可能为每个摄影机收集注释数据来训练模型。因此需要一种方法来提高深度学习在运动目标检测中的泛化能力。

发明内容

本发明的目的在于提供一种基于差分卷积神经网络的运动目标检测方法，能够极大地提高深度学习在运动目标检测中的泛化能力。

为达到上述目的，本发明采用的技术方案为：

本发明提供一种基于差分卷积神经网络的运动目标检测方法，包括训练部分和测试部分，所述训练部分包括以下步骤：

1.1)数据初始化

将所选择的视频的分辨率调整为240×320；

标注调整分辨率后的视频中的运动目标，得到视频中每一帧的GroundTruth，记为I_G；

对调整分辨率后的视频进行中值滤波处理，得到背景帧，记为I_B；

将视频的当前帧I_C与对应的背景帧I_B进行差分，得到当前帧的差分图像，记为I_Input；

1.2)构建卷积神经网络：

所述卷积神经网络包含输入层、隐含层和输出层：

所述输入层包括一个分辨率为240×320、通道数为3的立体图像，其中立体图像为I_Input；卷积神经网络中的卷积尺寸大小为3×3；

所述隐含层中第1层采用卷积、批归一化、激活层和池化层Conv+BN+Relu+Maxpool，使用8个卷积来生成8个特征图；

所述隐含层中第2层采用卷积、批归一化、激活层和池化层Conv+BN+Relu+Maxpool，使用8个卷积来生成8个特征图；

所述隐含层中第3层采用卷积、批归一化、激活层和池化层Conv+BN+Relu+Maxpool，使用32个卷积来生成32个特征图；

所述隐含层中第4层采用卷积、批归一化、激活层和池化层Conv+BN+Relu+Maxpool，使用64个卷积来生成64个特征图；

所述隐含层中第5层采用卷积、批归一化、激活层和池化层Conv+BN+Relu+Maxpool，使用64个卷积来生成64个特征图；

所述隐含层中第6层采用卷积、批归一化、激活层和池化层Conv+BN+Relu，使用128个卷积来生成128个特征图；

所述隐含层中第7层采用卷积、批归一化、激活层和池化层DeConv+BN+Relu，使用64个卷积来生成64个特征图；