[发明专利]一种基于稳健后处理的视频对象目标检测的方法

说明书

本发明公开一种基于稳健后处理的视频对象目标检测的方法，其特征在于，具体包括如下步骤：S1、获取视频并采用YOLOX方法进行单帧图像的对象目标检测；S2、将帧间关联技术应用于单帧图像的检测结果，实现相邻帧的对象目标关联；S3、利用帧间关联结果和模板匹配技术进行补漏操作；S4、按照不同关联帧的匹配对，形成tublet，并对tublet进行重新赋分，输出检测结果。本发明具有操作简单、实现高效的典型优势。可以在单帧图像出现模糊和目标遮挡时，依旧可以检测出目标；也可以减缓多类别车辆目标检测时的标签闪烁现象，也可以降低非连续帧车辆目标检测时的误检率和漏检率，利于后续的预警和流量统计的性能提升。

技术领域

本发明应用于视频目标识别领域，具体是一种基于稳健后处理的视频对象目标检测的方法。

背景技术

车辆目标检测是实现智慧交通和智慧高速的关键，为后续的交通流量和交通事件的分析和判断奠定基础，也可应用于智慧乡镇以及各类园区的智能管理。随着人工智能技术的发展，尤其是深度学习在视觉领域上的广泛应用，基于卷积神经网络的车辆目标检测方法蓬勃发展。这些方法可以分为单阶段和双阶段两大类。单阶段方法以YOLO为代表，仅用一个网络就可以实现端对端的目标检测和分类。双阶段的方法以Faster RCNN为代表，先提取感兴趣的区域，实现目标的定位，在设计网络进行细粒度特征的区分，实现目标的分类。虽然两类方法的原理有所不同，但对车辆目标进行检测时，均是基于单帧图像，存在着如下技术问题：

1.检测效果依赖着单帧图像的质量。若被检图像出现目标出现模糊和遮挡等情况时，目标将会出现漏检或误检。

2.对于多类别的车辆目标检测时，会出现标签闪烁的现象，造成目标的分类错误。

3.对于非连续帧出现的误检或漏检无能为力，进而影响后续预警及流量统计的性能。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种基于稳健后处理的视频对象目标检测的方法。

为解决上述技术问题，本发明的一种基于稳健后处理的视频对象目标检测的方法，具体包括如下步骤：

S1、获取视频并采用YOLOX方法进行单帧图像的对象目标检测；

S2、将帧间关联技术应用于单帧图像的检测结果，实现相邻帧的对象目标关联；

S3、利用帧间关联结果和模板匹配技术进行补漏操作；

S4、按照不同关联帧的匹配对，形成tublet，并对tublet进行重新赋分，输出检测结果。

作为一种可能的实施方式，进一步的，所述步骤S2具体包括如下步骤：

S21、导入步骤S1中的单帧图像的对象目标检测结果；

S22、计算相邻两帧之间检测框的关联距离，公式如下：

其中，为t帧中检测框i与相邻帧t-1中检测框j的交并比；为t帧中检测框i与相邻帧t-1中检测框j对应的类别分数矢量的乘积；

S23、选取帧t与帧t-1的距离矩阵Distance最小值对应的检测框索引作为关联对pair(i,j)，并将Distance距离矩阵的i行和j列均设定为Infinity，继续按照上述方式选取关联对，直至Distance的最小值为Infinity；其中，Infinity＝9e6。

作为一种可能的实施方式，进一步的，所述步骤S3具体包括如下步骤：

S31、对前一帧t-1与当前帧t与未形成pair的检测框i进行进一步判断，若是边界框，则舍去，若不是则进入步骤S32；