[发明专利]一种准确度高的监控方法

权利要求书

1.一种准确度高的监控方法，其特征在于，包括：

获取拍摄的视频帧序列；

基于预先训练好的神经网络模型根据所述视频帧序列提取当前视频的前景图像；

按照预设阴影去除方法去除所述前景图像中的阴影；

判断所述前景图像中是否存在异常空洞，若是，则按照预设异常空洞填充方法填充所述异常空洞；

获取所述前景图像的外接矩形，并高亮显示所述外接矩形；

所述神经网络构建方法为：

获取神经网络生成参数，所述生成参数包括神经元聚类数、神经元密集程度参数、分布空间大小参数和神经元总数；

根据所述神经网络生成参数生成神经网络；

计算所述神经网络的状态变换矩阵，所述状态变换矩阵用于根据所述神经网络的当前内部状态获取所述神经网络的下一刻内部状态；

所述根据所述神经网络生成参数生成神经网络，包括：

根据所述神经元聚类数得到基础神经元；

根据预设生成规则以所述基础神经元为聚类中心生成神经网络，所述神经网络中神经元的个数与所述神经元总数相同，所述神经网络中每个神经元与其相邻的神经元均双向互联，所述神经网络中每个神经元以预设概率与自身连接；

其中，所述神经网络中每个神经元以预设概率与自身连接的含义为：所述神经网络中存在自反馈连接的神经元个数与占总神经元个数的比值为预设概率；

设置与所述神经网络连接的输入节点和输出节点；

所述根据预设生成规则以所述基础神经元为聚类中心生成神经网络，包括：在矩形布局图内随机生成新增神经元，并将所述新增神经元p_new主动与其周围的已存在神经元p_i按照概率P(new，i)＝κe^{-μd(new，i)}进行连接，其中κ，μ分别为神经元密集程度参数和分布空间大小参数，d(new，i)为新增神经元与已存在神经元之间的欧氏距离；

同时其周围的已存在神经元p_i按照概率P(new，i)＝κe^{-μd(new，i)}主动与新增神经元p_new连接；

判断所述新增神经元p_new是否与至少一个所述已存在神经元p_i生成双向互连，若是，则保留所述新增神经元，所述新增神经元成为已存在神经元；若否，则删除所述新增神经元；还将所述前景图像与预设的嫌疑图片库中的图片进行比对获取图片相似度，若所述图片相似度超过预设阈值，则进行报警提示；所述外接矩形的简单获取方法为：

提取所述前景图像在横轴的第一端点和第二端点；

提取所述前景图像在纵轴的第三端点和第四端点；

做所述第一端点在所述前景图像中的第一切线；所述第二端点在所述前景图像中的第二切线；所述第三端点在所述前景图像中的第三切线；所述第四端点在所述前景图像中的第四切线；

所述第一切线、第二切线、第三切线、第四切线相交围成外接矩形；所述外接矩形为最小外接矩形；所述最小外接矩形的中心突出显示；所述按照预设阴影去除方法去除所述前景图像中的阴影包括：

获取预设的多向映射表和多向映射图集，所述多向映射表记录了光照时间段、光照强度段、分辨率和特征阈值之间的对应关系；所述多向映射图集中记录有多个背景图，每个背景图的特征集不同，所述特征集包括所述背景图的光照时间段、光照强度段和分辨率；

根据当前的光照时间段、光照强度段和拍摄的设备从所述多向映射图集中选择目标背景图；

根据当前的光照时间段、光照强度段和拍摄的设备从所述多向映射表中选择目标特征阈值；

根据所述目标背景图和所述目标特征阈值去除所述前景图像中的阴影。

2.根据权利要求1所述的方法，其特征在于：

所述根据所述目标背景图和所述目标特征阈值去除所述前景图像中的阴影包括：根据所述目标背景图和所述前景图像得到每个像素的亮度角差，所述亮度角差被定义为其中分别为某个像素在其对应的背景图中的颜色向量，和所述像素在当前前景图像中的颜色向量；将亮度角差小于目标特征阈值的像素点判定为阴影区予以去除。