[发明专利]一种目标物速度检测方法、装置、设备及可读存储介质

权利要求书

1.一种目标物速度检测方法，其特征在于，包括以下步骤：

采集待检测的视频数据，并从所述待识别的视频数据中提取包含待检测的目标物的帧图像序列；

将对齐后的第一帧图像序列对应的特征图、所述第一帧图像序列以及第二帧图像序列输入至速度识别检测模型中，得到所述速度识别检测模型输出的所述待检测的目标物在所述第二帧图像序列对应的识别速度；

其中，所述速度识别检测模型是基于从样本视频数据中提取的样本帧图像序列训练得到的，所述第一帧图像序列和所述第二帧图像序列均属于所述帧图像序列，且所述第一帧图像序列相邻于所述第二帧图像序列并位于所述第二帧图像序列之前，所述特征图为将所述第一帧图像序列输入至特征提取模型中输出得到的，所述特征图基于第一偏移量进行对齐的，所述第一偏移量为将所述特征图输入至行为识别模型中输出得到的。

2.根据权利要求1所述的目标物速度检测方法，其特征在于，所述将对齐后的第一帧图像序列对应的特征图、所述第一帧图像序列以及第二帧图像序列输入至速度识别检测模型中，得到所述速度识别检测模型输出的所述待检测的目标物在所述第二帧图像序列对应的识别速度，具体包括以下步骤：

从所述帧图像序列中提取所述第一帧图像序列和所述第二帧图像序列；

将所述第一帧图像序列输入至所述特征提取模型中，得到所述特征提取模型输出的所述第一帧图像序列中每一幅图像分别对应的所述特征图，并以其中一副特征图作为基准特征图；其中，所述特征提取模型是基于样本视频数据中提取的样本帧图像序列训练得到的；

基于所述基准特征图，将所述第一帧图像序列对应的所述特征图输入至所述行为识别模型中，得到所述行为识别模型输出的所述第一偏移量；其中，所述行为识别模型是基于样本特征图以及基准样本特征图训练得到的；

基于所述第一偏移量，将所述第一帧图像序列对应的所述特征图均对其至所述基准特征图；

将对齐后的所述特征图、所述第一帧图序列以及所述第二帧图像序列融合后输入至所述速度识别检测模型中，得到所述速度识别检测模型输出的所述识别速度。

3.根据权利要求2所述的目标物速度检测方法，其特征在于，所述特征提取模型是通过以下步骤训练得到的：

采集所述样本视频数据，并从所述样本视频数据中提取第三帧图像序列；

将所述第三帧图像序列作为训练使用后的输入数据，采用深度学习方式进行训练，得到用于生成待预测的帧图像序列的所述特征图的所述特征提取模型。

4.根据权利要求3所述的目标物速度检测方法，其特征在于，所述速度识别检测模型通过以下步骤训练得到：

从所述样本视频数据中提取所述样本帧图像序列，并从所述样本帧图像序列中提取所述第三帧图像序列和第四帧图像序列；其中，所述第三帧图像序列和所述第四帧图像序列均属于所述样本帧图像序列，且所述第三帧图像序列相邻于所述第四帧图像序列并位于所述第四帧图像序列之前；

将所述第三帧图像序列输入至所述特征提取模型中，得到所述特征提取模型输出的所述第三帧图像序列中每一幅图像分别对应的样本特征图，并以其中一副样本特征图作为所述基准样本特征图；

基于所述基准样本特征图，将所述第三帧图像序列对应的所述样本特征图输入至所述行为识别模型中，得到所述行为识别模型输出的第二偏移量；

基于所述第二偏移量，将所述第三帧图像序列对应的所述样本特征图均对其至所述基准样本特征图；

将对齐后的所述样本特征图、所述第三帧图像序列以及所述第四帧图像序列融合后作为训练使用的输入数据，采用深度学习方式进行训练，得到用于生成待预测的帧图像序列的所述识别速度的所述速度识别检测模型。

5.根据权利要求4所述的目标物速度检测方法，其特征在于，所述特征提取模型与所述速度识别检测模型为同一物理模型。

6.根据权利要求4所述的目标物速度检测方法，其特征在于，所述行为识别模型通过以下步骤训练得到：

以所述基准样本特征图作为对齐的基准，将所述第三帧图像序列对应的所述样本特征图作为训练使用的输入数据，采用深度学习方式进行训练，得到用于生成待对齐特征图的偏移量的所述行为识别模型。