[发明专利]一种用于视频监控的运动目标检测和识别方法

权利要求书

1.一种用于视频监控的运动目标检测和识别方法，其特征在于，包括以下步骤：

步骤1，训练图像目标识别模型；

步骤2，获取实时视频流，进行图像预处理；

步骤3，对预处理后的图像进行运动感知，检测是否存在运动目标；

步骤4，利用所述的图像目标识别模型对运动目标进行识别；

步骤3中所述的运动感知的过程包括以下步骤：

步骤301，对具有前后时序的两张图像，采用局部敏感哈希算法，计算出两张图像的局部敏感哈希向量；

Vector₁＝LSH(Image₁)

Vector₂＝LSH(Image₂)

其中，Image₁表示前一帧图像，Image₂表示后一帧图像，LSH(·)表示局部敏感哈希算法，Vector₁表示前一帧图像的局部敏感哈希向量，Vector₂表示后一帧图像的局部敏感哈希向量；

步骤302，利用Jaccard系数计算得到两个向量的相似度，计算公式如下：

其中，∩表示交操作，∪表示并操作；

步骤303，对所述的相似度进行判断，若相似度低于预设阈值，则认为图像中具有运动目标，反之，则认为图像中没有运动目标。

2.根据权利要求1所述的一种用于视频监控的运动目标检测和识别方法，其特征在于，所述的图像目标识别模型的训练过程包括以下步骤：

步骤101，准备训练数据，从历史监控视频中提取出包含运动目标的图像，对运动目标的位置和类别进行标注，将标注数据进行预处理成N*N大小的图像；

步骤102，使用yolov3作为训练网络，采用联合损失函数作为损失函数，计算网络输出和原始标签之间的损失，具体公式为：

其中，

Loss＝λ_coordL_box+λ_classL_class+λ_nobjL_obj

其中，L_box表示预测结果中预测框损失；A表示预测框；B表示标注框；A_c表示预测中心的框；L_class表示预测类别损失；表示如果在i,j处的预测框有目标，其值则为1，否则为0；S表示预测框大小，p_i(c)表示类别为c的概率；表示类别为c的真实值；L_obj表示置信度误差；表示如果在i,j处的预测框没有目标，其值则为1，否则为0，c_i表示预测类别；表示实际类别；Loss表示总的损失函数；λ_coord表示L_box的权重，λ_class表示L_class的权重，λ_obj表示L_obj的权重；

步骤103，将训练数据输入所述的训练网络，使用梯度下降法迭代调整网络参数，使网络输出尽可能跟输入标注一致，训练结束。

3.根据权利要求1或2所述的一种用于视频监控的运动目标检测和识别方法，其特征在于，步骤2中所述的图像预处理包括获取实时视频流数据的当前帧的图像，所述的图像原始宽高为(W,H)，先将所述的图像进行缩放处理，缩放比例为：然后再进行填充处理，将图像填充到N*N大小。