[发明专利]一种基于存储空间自适应的控制方法及系统

说明书

本发明公开了一种基于存储空间自适应的控制方法及系统；该方法包括：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。本发明提出一种基于存储空间自适应的控制方法及系统，解决当前技术无法智能化存储和存储成本较高的技术问题。

技术领域

本发明涉及存储技术领域，具体涉及一种基于存储空间自适应的控制方法及系统。

背景技术

行人重识别(Person re-identification缩写ReID)技术是一项利用计算器视觉技术在图片库或者视频库中检索特定行人的技术，被广泛应用于智能监控、安防等领域。实际场景中，抓拍到的行人很容易被各种静态或动态的物体所遮挡，而且由于抓拍角度的不同和行人自身移动导致的较大的视角和姿态变化，以及由于天气、时间等造成的光线变化等等都会对行人重识别的最终效果产生比较大的影响。

另外，监控装置的存储芯片只能被动的存储图像，造成了存储空间的浪费，需要不断地更新存储空间，从而提高了成本。

发明内容

本发明为克服现有技术中，提供一种存储空间自适应的控制方法，解决当前技术无法智能化存储和存储成本较高的技术问题。

本发明公开了一种存储空间自适应的控制方法，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。

优选地，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。

优选地，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，P_true预测正确的图像数量。

优选地，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。

优选地，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。

本发明的第二个目的可以通过采取如下技术方案达到：一种基于存储空间自适应的控制系统，该系统包括：