[发明专利]一种用于实验考评的基于图像分块的运动区域检测方法在审

专利信息
申请号: 202210224156.2 申请日: 2022-03-07
公开(公告)号: CN114742858A 公开(公告)日: 2022-07-12
发明(设计)人: 刘利非;刘凯;郑德欣 申请(专利权)人: 上海锡鼎智能科技有限公司
主分类号: G06T7/223 分类号: G06T7/223;G06K9/62;G06N3/04;G06N3/08
代理公司: 上海和华启核知识产权代理有限公司 31339 代理人: 王仙子
地址: 201599 上海市金*** 国省代码: 上海;31
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 用于 实验 考评 基于 图像 分块 运动 区域 检测 方法
【权利要求书】:

1.一种用于实验考评的基于图像分块的运动区域检测方法,其特征在于,所述方法包括如下技术步骤:

获取多张时间间隔为t的临近帧图片;

对多张所述临近帧图片进行处理并获得像素点差值;

通过多个所述像素点差值将两个相邻的所述临近帧图片之间的区域进行标签处理;

对多个处理后的所述临近帧图片进行二次处理,获得训练神经网络;

挑选两张时间间隔为t的临近帧图片并调整和修剪至相同尺寸,分别记作为tensor1和tensor3;

将所述tensor1和所述tensor3分别送入所述训练神经网络,并获得tensor2和tensor4;

将所述tensor2和所述tensor4进行比对,并根据比对结果判断该指数区域是否有物体运动。

2.如权利要求1所述的用于实验考评的基于图像分块的运动区域检测方法,其特征在于,所述物体是否运动的判断方法包括:

设置一设定阈值;

计算所述tensor2和所述tensor4之间的余弦相似度,得到一比对值;

判断所述比对值是否大于所述设定阈值;

若大于,则表示该指数区域有物体运动;

若小于,则表示该指数区域未有物体运动。

3.如权利要求2所述的用于实验考评的基于图像分块的运动区域检测方法,其特征在于,所述物体是否运动的判断方法还包括:

将所挑选两张时间间隔为t的所述临近帧图片分别记作为pic1和pic2,且将pic1作为背景图片;

当所述比对值大于或小于所述设定阈值时,均以pic2作为后续比对的背景图片。

4.如权利要求1所述的用于实验考评的基于图像分块的运动区域检测方法,其特征在于,多张间隔时间为t的所述临近帧图片获取方法为:将相机放置在所待监测位置进行拍摄。

5.如权利要求1所述的用于实验考评的基于图像分块的运动区域检测方法,其特征在于,多张所述临近帧图片处理方法为:

将多张所述临近帧图片resize至相同尺寸,得到相同尺寸图片;

将所述相同尺寸图片裁剪至多张且相同规格的图片,得到小图。

6.如权利要求5所述的用于实验考评的基于图像分块的运动区域检测方法,其特征在于,所述像素点差值的获得方法为:通过差帧法对相同位置且相邻的所述小图进行计算,以获得像素点差值。

7.如权利要求6所述的用于实验考评的基于图像分块的运动区域检测方法,其特征在于,两个相邻的所述临近帧图片之间的区域处理方法为:

设置一既定阈值T;

若所述像素点差值大于所述既定阈值T,则将两个所述小图视作有运动区域,标签为1;

若所述像素点差值小于所述既定阈值T,则将两个所述小图视作无运动区域,标签为-1。

8.如权利要求1所述的用于实验考评的基于图像分块的运动区域检测方法,其特征在于,所述训练神经网络的获取方法为:

设置一神经网络;

将多个处理后的所述临近帧图片分别送入所述神经网络进行训练,达到所述训练神经网络。

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上海锡鼎智能科技有限公司,未经上海锡鼎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/202210224156.2/1.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