[发明专利]一种多线程并行计算的交通视频目标检测方法及装置

权利要求书

1.一种多线程并行计算的交通视频目标检测方法，其特征在于，所述方法包括：

提取原始交通视频文件，对所述原始交通视频文件中的视频图像分割成多个图像块；

调用多线程并行计算和深度学习目标检测算法检测所有图像块中的目标，输出目标定位结果；

获取并统计所有图像块中的目标定位结果，并将所述目标定位结果作为中间输入，纳入所述视频图像的检测结果；

调用非极大值抑制算法从所述检测结果中筛选出检测得分最高的目标，对所述目标进行标记并合并图像块，输出最终图像；

所述调用多线程并行计算和深度学习目标检测算法检测所有图像块中的目标，输出目标定位结果，包括：

创建线程池，并采用多线程并行的方式对图像块中的目标进行检测；

卷积神经网络将图像块与卷积层结合，生成特征图；

通过所述特征图将图像块中的目标提取并进行识别，按照概率判定所述目标的识别得分；

获取所述图像块中识别出的若干目标定位框；按照交并比确定所述目标定位框的检测得分，输出目标定位结果，所述目标定位结果中包含所有图像块的检测得分；

特征图得分函数为x为分块图像，cj为第j类目标，N为分块的数量，si为目标属于某个类别的概率；

目标定位框损失函数：m为定位框的位置，M为候选定位框的个数，l和g分别为检测定位框和真实定位框，表示用L₁范数来衡量检测与真实定位框之间的交并比；

检测得分函数：S＝S_feature-αL_l0cation，α 为权重系数；

所述创建线程池，包括：

将线程分为主线程和子线程，根据系统CPU的数量和图像块的数量创建子线程的个数，并设定子线程的等待时间；

主线程根据子线程的数量和子线程的状态，将分配队列中的任务分给空闲的子线程。

2.根据权利要求1所述的多线程并行计算的交通视频目标检测方法，其特征在于，所述提取原始交通视频文件，对所述原始交通视频文件中的视频图像分割成多个图像块，包括：

从安装在道路上的视频监控设备中提取原始交通视频文件，利用matplotlib库对所述原始交通视频文件进行读取；

将所述原始交通视频文件中的视频图像分割成多个图像块，并对每个图像块进行标记。

3.根据权利要求2所述的多线程并行计算的交通视频目标检测方法，其特征在于，所述将所述原始交通视频文件中的视频图像分割成多个图像块，包括：

获取所述原始交通视频文件中的视频图像的尺寸，并根据视频图像的尺寸与深度学习目标检测算法所要求的输入图像的尺寸的比例关系，将所述视频图像分割成多个图像块。

4.根据权利要求3所述的多线程并行计算的交通视频目标检测方法，其特征在于，所述深度学习目标检测算法包括：SSD算法、R-CNN算法、faster R-CNN算法、R-FCN算法和YOLO算法。

5.根据权利要求1所述的多线程并行计算的交通视频目标检测方法，其特征在于，所述按照概率判断图像块中识别出的目标定位框的得分，包括：

当同一个目标被相邻的图像块分割时，则该目标就得到两个检测得分。