[发明专利]一种面向视频流的深度学习目标识别方法及系统

说明书

本发明涉及无人机目标识别技术领域，揭露了一种面向视频流的深度学习目标识别方法及系统。所述方法包括以下步骤：仿真待识别任务中识别对象的模拟图像，计算模拟图像与识别对象之间的置信度，以对无人机采集的视频流进行图像分帧，得到分帧图像，结合模拟图像去除分帧图像中的背景区域，以获取分帧图像中前景区域图像和三元区域图像；分别对前景区域图像和三元区域图像进行图像分类，得到识别结果。本发明可以提高无人机对侦测的视频目标识别的准确性。

技术领域

本发明涉及无人机目标识别技术领域，尤其涉及一种面向视频流的深度学习目标识别方法及系统。

背景技术

无人机在执行任务时，需要利用机载相机采集视频流，通过侦测的视频去发现建筑、人员、车辆等特定或者可疑的侦测目标。例如，对于无人机侦测的视频中的目标识别是指对无人机采集的视频中的任务或者特定的事物进行目标识别的过程，通过对无人机的机载相机拍摄的视频流进行目标识别可以侦测出目标对象。

目前无人机的视频目标识别通常是基于对视频流进行数据压缩、提高画质等预处理操作，然后将视频流与待识别目标进行特征匹配，得到识别结果，但是在实际业务场景中，视频流所涉及的画面数量较多且复杂，采用特征匹配的方法会产生多个相似度较高的识别目标，进而导致无人机无法准确判断出与待识别目标对应的需求目标，从而会使得视频目标识别的准确性较低。

发明内容

本发明提供一种面向视频流的深度学习目标识别方法及系统，其主要目的在于提高视频目标识别的准确性。

为实现上述目的，本发明提供的一种面向视频流的深度学习目标识别方法，包括：

获取待识别任务及其对应的视频流，解析所述待识别任务中的识别对象，并提取所述识别对象的对象属性，根据所述对象属性，仿真所述识别对象对应的模拟图像，并计算所述模拟图像与所述识别对象之间的置信度；

在所述置信度大于预设阈值时，对所述视频流进行图像分帧，得到分帧图像，结合所述模拟图像采用预设的背景分离算法去除所述分帧图像中的背景区域，以得到所述分帧图像中的前景区域图像和三元区域图像；

分别对所述前景区域图像和所述三元区域图像进行图像分类，得到前景图像类别和三元图像类别；

根据所述模拟图像和所述前景图像类别，对所述前景区域图像进行筛选处理，得到目标前景图像，及根据所述模拟图像和所述三元图像类别，对所述三元区域图像进行筛选处理，得到目标三元图像；

计算所述目标前景图像和所述模拟图像的第一关联度，及计算所述目标三元图像和所述模拟图像的第二关联度，并根据所述第一关联度和所述第二关联度，计算所述分帧图像和所述模拟图像的最终关联度；

根据所述最终关联度，从所述视频流中定位所述识别对象的位置序列，得到所述识别对象的识别结果。

可选地，所述解析所述待识别任务中的识别对象，包括：

获取所述待识别任务对应的文本信息；

提取所述文本信息的词语，得到词语文本；

计算所述词语文本在所述文本信息中的贡献度；

结合预设的条件和所述贡献度，对所述词语文本进行筛选，得到筛选词语；

对所述筛选词语进行语义分析，得到词语语义；

根据所述词语语义，得到所述待识别任务的识别对象。

可选地，所述计算所述模拟图像与所述识别对象之间的置信度，包括：

利用下述公式计算所述模拟图像与所述识别对象之间的置信度：