[发明专利]一种基于存储空间自适应的控制方法及系统在审

专利信息
申请号: 202211257011.9 申请日: 2022-10-13
公开(公告)号: CN115761616A 公开(公告)日: 2023-03-07
发明(设计)人: 张波;陈辉阳 申请(专利权)人: 深圳市芯存科技有限公司
主分类号: G06V20/52 分类号: G06V20/52;G06V40/20;G06V10/62;G06V10/82
代理公司: 深圳市能闻知识产权代理事务所(普通合伙) 44717 代理人: 唐军香
地址: 518000 广东省深圳市南山区粤海街*** 国省代码: 广东;44
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 基于 存储空间 自适应 控制 方法 系统
【权利要求书】:

1.一种基于存储空间自适应的控制方法,其特征在于,包括:

获取多个摄像头拍摄的带有时间戳的多张图像;

通过神经网络模型检测多张图像的移动对象,将同一移动对象的多张图像按照时间的先后进行排序,并拼接生成所述同一移动对象的移动轨迹;

将能表征所述同一移动对象的移动轨迹的图像进行保存。

2.根据权利要求1所述的基于存储空间自适应的控制方法,其特征在于,所述通过神经网络模型检测多张图像的移动对象,具体包括:

将多张图像裁剪为640*640尺寸的小图像作为yolo模型的输入;

利用滑动窗口的方式裁剪;

裁剪后执行网络检测模块,获取相应的预测框;

将裁剪后的所有小图像结合起来,使用非极大值抑制处理重叠区域,得到移动对象检测结果。

3.根据权利要求2所述的基于存储空间自适应的控制方法,其特征在于,

通过对比IoU预测框与真实框的重叠程度值不断循环直到获取到最佳的拼接效果;IoU表达式为:

N为全部图像的数量,Ptrue预测正确的图像数量。

4.根据权利要求1所述的基于存储空间自适应的控制方法,其特征在于,所述通过神经网络模型检测多张图像的移动对象,将同一移动对象的多张图像按照时间的先后进行排序,并拼接生成所述同一移动对象的移动轨迹,之后还包括:

通过多张图像判定移动对象是否异常行为;

若有,则利用基于提取图像中各个像素的运动速度的Brox光流算法或Horn-Schunck光流算法,对速度大于阈值的像素,根据其速度的大小和方向,统计这些像素的速度矢量区间直方图,从而计算得到监控中移动对象的特征描述。

5.根据权利要求4所述的基于存储空间自适应的控制方法,其特征在于,所述通过神经网络模型检测多张图像的移动对象,将同一移动对象的多张图像按照时间的先后进行排序,并拼接生成所述同一移动对象的移动轨迹,之后还包括:

拼接所述同一移动对象的移动轨迹的多张图像是否具有重叠区域;

若具有重叠区域,则不需要跟踪拍摄;

若不具有重叠区域,则需要进行跟踪拍摄或者补充摄像头进行拍摄。

6.一种基于存储空间自适应的控制系统,其特征在于,该系统包括:

采集单元,用于获取多个摄像头拍摄的带有时间戳的多张图像;

处理单元,通过神经网络模型检测多张图像的移动对象,将同一移动对象的多张图像按照时间的先后进行排序,并拼接生成所述同一移动对象的移动轨迹;

图像存储单元,将能表征所述同一移动对象的移动轨迹的图像进行保存。

7.根据权利要求6所述的基于存储空间自适应的控制系统,其特征在于,所述通过神经网络模型检测多张图像的移动对象,具体包括:

输入单元,用于将多张图像裁剪为640*640尺寸的小图像作为yolo模型的输入;

图像第一处理单元,用于利用滑动窗口的方式裁剪;

图像第二处理单元,用于裁剪后执行网络检测模块,获取相应的预测框;

图像第三处理单元,用于将裁剪后的所有小图像结合起来,使用非极大值抑制处理重叠区域,得到移动对象检测结果。

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深圳市芯存科技有限公司,未经深圳市芯存科技有限公司许可,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/202211257011.9/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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