[发明专利]一种基于深度学习的摄像头寻物方法

说明书

本发明公开了一种基于深度学习的摄像头寻物方法，属于深度学习及图像处理技术领域，该方法通过目标检测或本地特征提取对实时录像或历史录像进行视频分析，定位到待寻物品的当前位置或最后一次出现的位置。本发明使用深度学习目标检测和特征提取的方法可以将物体检出率大幅提升，提高检测的准确率和检测物品的类别数。

技术领域

本发明涉及深度学习及图像处理技术领域，具体地说是一种基于深度学习的摄像头寻物方法。

背景技术

当前物联网概念盛行，无论在社会上还是家庭中都有数目庞大的监控摄像头，覆盖人们生活的大部分时间和区域。而这种无处不在的视频数据不但可以用于监控，还能扩展出很多其他应用。例如视频寻物，目前也有一些基于摄像头的寻物算法，但是多数是基于传统的图像比对方式，这种算法物体检出率不高，检测的准确率较低。

发明内容

本发明的技术任务是针对以上不足之处，提供一种基于深度学习的摄像头寻物方法，可以将物体检出率大幅提升，提高检测的准确率和检测物品的类别数。

本发明解决其技术问题所采用的技术方案是：

一种基于深度学习的摄像头寻物方法，通过目标检测或本地特征提取对实时录像或历史录像进行视频分析，定位到待寻物品的当前位置或最后一次出现的位置。

部署目标检测和特征提取算法，调取监控摄像头的数据，从使用者处获取到待寻物品的类别或样例图像，视频分析进行物品的检测或匹配，给出当前物品位置或历史记录中物品最后出现的位置。

优选的，所述目标检测，基于通用目标检测算法在实时监控录像或已存储的监控录像中指定物品进行视频分析和定位。

进一步的，所述目标检测算法包括efficientDet、YOLO和/或SSD。

优选的，所述目标检测算法，在需要时可以使用自己的数据进行微调，所述数据来源于使用者对易丢失物品的标注。

优选的，所述本地特征提取，基于深度学习，通过给定物品的样例图在视频中进行特征提取和对比进行定位。

进一步的，本地特征提取使用的特征提取网络包括GeoDesc和/或Hardnet，只需要给出待寻物品的图像样例，生成特征点集，再给出监控图像生成特征点集，在两个点集之间使用FLANN或BruteForce方法进行匹配即可，不需要监督信息。

优选的，当实时定位失败时给出物品最后一次出现的视频片段。

优选的，该方法的具体实现过程如下：

1)、在边缘服务器或者云端服务器中部署深度学习框架和目标检测及特征提取算法，并将摄像头数据接入；

2)、将视频所有帧转换为图像，并对所有图像做统一的预处理；

3)、使用者给定待寻物品的类别名或者样例图，根据给出信息的不同选取不同的视频分析方式；

4)、当给出物品类别信息时，先对目标检测支持的类别进行检索，如果有该物品则对视频进行目标检测任务；

5)、当目标检测失败或者给出的是图像的样例图时，进行图像特征提取和匹配；

6)、以上两步中任意一步检测出待寻物品则返回物品出现的时间和所在位置。

本发明还要求保护一种基于深度学习的摄像头寻物装置，包括：至少一个存储器和至少一个处理器；

所述至少一个存储器，用于存储机器可读程序；

所述至少一个处理器，用于调用所述机器可读程序，执行上述的方法。