[发明专利]视频目标检测方法、系统、存储介质、计算机视觉终端

权利要求书

1.一种视频目标检测方法，在AVS标准下的解码阶段的DCT变换解码前，对DCT码流数据利用相邻错位拼接法进行拼接，将拼接结果作为CNN模型的输入，消除CNN模型输入数据冗余，其特征在于，所述视频目标检测方法具体包括：

S101：从基于AVS标准进行编码的视频中，提取视频某一帧的DCT码流，具体包括

（1）将图像划分为多个区块，

（2）将区块使用DCT变换进行编码，

（3）对DCT码流进行量化和Zigzag编码，

（4）获得Zigzag编码的DCT码流，

（5）输出结果，作为CNN模型的输入数据，

（6）DCT逆变换，

（7）合并图像区块；

S102：将提取好的DCT码流，使用相邻错位拼接法进行拼接，拼接后的码流保留数据元信息的同时，生成符合CNN模型输入格式，具体为，

将提取到的DCT码流，进行相邻区域两两合并，得到新的码流数据，将新的码流数据直接作为CNN模型的输入数据，具体实现方法为：

基于卷积神经网络旋转不变性，对码流进行旋转拼接；对经过Zigzag编码的DCT码流，进行旋转，将相邻的区块两两拼接形成新的区块，最后将所有区块拼接，形成一个特征图，该特征图将作为输入数据，输入到CNN模型中，在该输入过程中，为了满足CNN模型输入为正方形的需求，则需要对特征图调整大小，使用常规通用的图像插值方法调整大小；

S103：将拼接好的DCT码流，作为CNN模型的输入，进行模型训练和模型推断，具体为，

选择具有目标检测功能的CNN模型，并使用海量合并后的DCT码流，对CNN模型进行训练，最终得到具备视频目标检测功能的CNN模型，

消除CNN模型输入数据冗余的方法包括，

选择一个通用的目标检测算法模型，

使用从海量视频中提取的DCT码流，并配合人工数据标注，作为神经网络训练使用的数据集，使用数据集进行模型训练，

消除CNN模型输入数据冗余。

2.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1所述的视频目标检测方法的步骤。

3.一种实施权利要求1所述视频目标检测方法的视频目标检测系统，其特征在于，所述视频目标检测系统包括：

DCT码流提取模块，用于从基于AVS标准进行编码的视频中，提取视频某一帧的DCT码流；

DCT码流拼接模块，用于将提取好的DCT码流，使用相邻错位拼接法进行拼接，拼接后的码流，保留数据元信息的同时，生成符合CNN模型输入格式；

CNN模型检测模块，用于将拼接好的DCT码流，作为CNN模型的输入，进行模型训练和模型推断。

4.一种计算机视觉终端，其特征在于，所述计算机视觉终端用于实现权利要求1所述的视频目标检测方法。