[发明专利]一种基于深度学习的运动目标检测方法有效
| 申请号： | 201710226749.1 | 申请日： | 2017-04-10 |
| 公开（公告）号： | CN107123131B | 公开（公告）日： | 2020-04-17 |
| 发明（设计）人： | 张卡;何佳;尼秀明 | 申请（专利权）人： | 安徽清新互联信息科技有限公司 |
| 主分类号： | G06T7/292 | 分类号： | G06T7/292;G06T7/246;G06N3/04 |
| 代理公司： | 合肥天明专利事务所(普通合伙) 34115 | 代理人： | 金凯 |
| 地址： | 230088 安徽省合肥市蜀山*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的运动目标检测方法，属于视频图像处理技术领域，方法包括：对构建的深度神经网络模型进行训练，得到具有分辨有意义运动目标能力的目标神经网络模型；利用目标神经网络模型，从当前采集的场景图像中检测运动目标。本发明利用深度学习技术和帧间相关性信息，使得方法消耗较小的内存空间，以较小的运算代价准确的检测出运动目标。 | ||
| 搜索关键词： | 一种 基于 深度 学习 运动 目标 检测 方法 | ||
【主权项】：
一种基于深度学习的运动目标检测方法，其特征在于，包括：S1、对构建的深度神经网络模型进行训练，得到具有分辨有意义运动目标能力的目标神经网络模型，具体包括如下步骤：S11、基于LeNet‑5卷积神经网络模型进行改进，构建深度神经网络模型；S12、根据不同摄像机应用场景下的邻近两帧图像中对应位置的子区域图像对，收集训练样本数据；S13、基于caffe深度学习框架，利用训练样本数据对深度神经网络模型进行训练，得到目标神经网络模型；S2、利用目标神经网络模型，从采集的当前场景图像中检测运动目标，具体包括如下步骤：S21、加载目标神经网络模型，以及获取当前摄像机场景下的初始背景图像；S22、采集当前摄像机场景下的实时帧图像；S23、检测当前摄像机场景下的实时帧图像是否存在可疑运动目标；S24、如果存在可疑运动目标，获取可疑运动目标的位置矩形作为候选运动目标；S25、利用目标神经网络模型，在所有候选运动目标内筛选真实的运动目标。S26、如果不存在可疑运动目标，将采集的摄像机场景下的当前帧图像作为新的背景图像。
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安徽清新互联信息科技有限公司，未经安徽清新互联信息科技有限公司许可，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/patent/201710226749.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种图像处理装置及方法
- 下一篇：一种统计背景模型的运动目标检测方法
