[发明专利]一种道路遗撒物体检测方法、装置、设备及可读存储介质

说明书

本发明适用于图像处理技术领域，提供了一种道路遗撒物体检测方法、装置、设备及可读存储介质，其中，所述方法包括：根据K近邻方法对监控视频进行自适应背景建模，获得即时背景模型和延时背景模型；训练并构建深度卷积神经网络模型；将待检测视频分别送入所述即时背景模型和延时背景模型中，获取与视频帧对应的二值化即时掩膜图像和二值化延时掩膜图像，进而确定遗撒物体的位置；将所述遗撒物体图像输入所述深度卷积神经网络模型中，确定所述遗撒物体的类别；解决了现有技术难以在高精度定位的情况下保证即时性以及无法对遗撒物体进行类别判断的问题，克服了背景建模计算复杂度高、遗撒物体训练样本少、遗撒物体类别判断难等不足。

技术领域

本发明属于图像处理技术领域，尤其涉及一种道路遗撒物体检测方法、装置、设备及可读存储介质。

背景技术

道路遗撒物体识别是交通部门所需求的。近年来，由于道路遗撒物体而导致交通事故的报道屡见不鲜，遗撒物体就像隐藏在交通动脉中的肿块，这些“隐形杀手”不仅影响到运送的能力和速度，而且还随时有可能爆发危险，危急到行车人员的生命与财产安全。

现有的传统遗撒物体检测方法主要是通过高斯混合模型对道路进行背景建模，通过背景模型比对来判断是否存在遗撒物体及遗撒物体的存在位置。高斯混合模型是经典的背景建模方法，在前景提取与背景分离上具有较好的性能；但存在计算复杂，耗费内存较大，计算时间长的固有缺陷。此外，传统遗撒物体检测方法仅通过背景差异对遗撒物体进行模糊判断，识别精度低，无法满足智能交通系统的要求。

发明内容

本发明实施例提供一种道路遗撒物体检测方法，旨在解决上述技术问题。

本发明实施例是这样实现的，一种道路遗撒物体检测方法，所述方法包括：

根据K近邻方法对监控视频进行自适应背景建模，获得即时背景模型和延时背景模型；

根据预获取的预训练图像与标签文件，结合已有的监控视频训练数据，训练并构建深度卷积神经网络模型；

将待检测视频分别送入所述即时背景模型和延时背景模型中，获取与视频帧对应的二值化即时掩膜图像和二值化延时掩膜图像；

对所述二值化即时掩膜图像和二值化延时掩膜图像进行比对，确定遗撒物体的位置；

将所述遗撒物体图像输入所述深度卷积神经网络模型中，确定所述遗撒物体的类别。

本发明实施例还提供一种道路遗撒物体检测装置，所述装置包括：

背景建模单元，用于根据K近邻方法对监控视频进行自适应背景建模，获得即时背景模型和延时背景模型；

构建单元，用于根据预获取的预训练图像与标签文件，结合已有的监控视频训练数据，训练并构建深度卷积神经网络模型；

获取单元，用于将待检测视频分别送入所述即时背景模型和延时背景模型中，获取与视频帧对应的二值化即时掩膜图像和二值化延时掩膜图像；

第一确定单元，用于对所述二值化即时掩膜图像和二值化延时掩膜图像进行比对，确定遗撒物体的位置；以及

第二确定单元，用于将所述遗撒物体图像输入所述深度卷积神经网络模型中，确定所述遗撒物体的类别。

本发明实施例还提供一种计算机设备，所述计算机设备包括：处理器，用于执行存储器中存储的计算机程序时实现上述道路遗撒物体检测方法的步骤。

本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序/指令，所述计算机程序/指令被所述处理器执行时实现上述道路遗撒物体检测方法的步骤。