[发明专利]一种复杂环境下目标检测方法

权利要求书

1.一种复杂环境下目标检测方法，其特征在于，包括以下步骤：

1、通过图像采集设备拍摄复杂环境下的待检测图片或视频流，并将上传的图片和视频以文件形式存储到代理节点的HDFS文件系统中；

2、利用背景弱化算法对静态背景区域进行弱化处理，包括以下步骤：

基于视频帧或连续的图片流在时间δt内的稳定性假设，在二维平面图像的基础上，以图像的左下角为平面直角坐标系的零点，结合连续视频帧或图片顺序提供的时间维度，构造一个三维的空间直角坐标系；

假定P(x，y，t)是时间为t时的像素点坐标，x,y分别表示图像或视频帧在上述坐标系中的坐标位置；所以维持约束的目标函数是P(x，y，t)＝P(a+uδt，b+vδt，c+δt)，(a，b)表示坐标(x，y)处像素点在时间t时的初始坐标，(u，v)是该像素点在极短时间δt的水平和竖直方向的速度；当δt小于时间阈值T时，经过δt时间后的像素点坐标接近于δt时间之前的初始坐标，即坐标差小于等于波动阈值D，认为是静态的背景区域；当δt大于时间阈值T时，经过δt时间后的像素点坐标与δt时间之前的初始坐标差大于波动阈值D，认为是动态目标区域；

消除静态的背景区域内部的像素点；

3、使用滑动窗口检测的方式在步骤2处理结果的图像或视频中选择一块矩形区域，将滑动窗口选择的矩形区域中的图像片段与模板片段进行余弦相似度比对，利用相似度参数阈值对滑动窗口进行过滤，过滤掉部分静态背景区域；通过不断调整滑动窗口矩形框的左下角和右上角坐标标记出部分矩形区域所对应的静态背景区域；

4、利用训练好的yolo v3模型对步骤3处理之后的图片或视频资源进行目标检测。

2.根据权利要求1所述的一种复杂环境下目标检测方法，其特征在于，在步骤4所述的进行目标检测之后，将检测结果写回HDFS文件系统中；并将当前的数据作为新的训练数据进一步优化yolo v3模型。

3.根据权利要求2所述的一种复杂环境下目标检测方法，其特征在于，利用yolo v3模型进行目标检测的过程包括以下步骤：

a、生成所有图像的序号ID；

b、用每个图像或视频文件在HDFS文件系统中的路径作为该图像的路径；

c、利用脚本读取VOC的xml文件，并将其转为转化为yolo v3的txt文件格式；

d、确定识别对象的种类；然后确定训练数据的路径和权重文件的存放路径；采用coco128训练集训练基础权重文件，或者使用现有的公开权重文件进行初步的识别测试，后期逐渐将识别样本加入到测试数据集以扩展识别种类；

e、修改分类的名称，即将分类种类中的名称与离散的数字类别进行一一对应，二者形成双射关系；首先需要将每一个类别与离散的整数一一对应，然后将类别修改的该整数值；

f、修改训练参数的batch和subdivisions大小，batch、subdivisions为yolo v3模型框架darknet的配置文件的两个参数；

g、修改完所有数据后在darknet目录下执行make cleanmake命令，清理掉之前的数据；

h、将步骤e修改之后的文件和源图像数据文件放到同一个文件夹下，利用图像和对应的txt描述文件作为输入训练识别模型，生成权重文件；

i、输入单张图片，利用前一步生成的权重文件进行识别测试。

4.根据权利要求3所述的一种复杂环境下目标检测方法，其特征在于，所述生成所有图像的序号ID的过程中采用UUID方法，用16个八位字节表示图像的唯一ID，生成所有图像的序号ID。

5.根据权利要求3所述的一种复杂环境下目标检测方法，其特征在于，在利用背景弱化算法消除静态的背景区域内部的像素点的过程中，利用鲁棒性估计方法来加快背景弱化算法中的时间阈值T和波动阈值D的调整速度。

6.根据权利要求3所述的一种复杂环境下目标检测方法，其特征在于，在构造一个三维的空间直角坐标系阶段使用z-score标准化方法对约束的目标函数中的x,y,t进行标准化处理。