[发明专利]一种基于时空信息与深度网络的监控视频对象检测方法

摘要

本发明公开了一种基于时空信息与深度网络的监控视频对象检测方法，包括收集、标注数据集，训练深度卷积神经网络；利用训练好的深度神经卷积网络提取鲁棒的多尺度深度特征；在多尺度深度特征上提取运动目标候选区域；根据视频前后帧检测结果预测下一帧目标出现的位置；针对运动目标候选区域和预测候选区域进行RoI归一化并对特征向量进行分类和回归得到初步检测结果；利用运动和预测信息，对得到的初步结果进行微调，进一步精准检测结果。本发明综合考虑了视频中所包含的丰富的时空信息，利用运动和预测大大减少了冗余的候选框，并且解决了单帧检测结果不稳定的问题，与其他基于区域的目标检测检测方法相比，在时间和检测精准度上都有了一定的提升。

主权项

1.一种基于时空信息与深度网络的监控视频对象检测方法，其特征在于，包括以下步骤：步骤1：采集监控视频数据，标注训练集和测试集，并利用训练集训练深度卷积神经网络；步骤2：对于测试集，利用训练好的深度卷积神经网络框架提取鲁棒的多尺度深度特征；步骤3：在多尺度深度特征图上提取运动目标候选区域；步骤4：根据视频前两帧检测结果预测下一帧目标将出现的位置；步骤5：对提取到的运动和预测候选区域进行RoI归一化及分类回归，得到初步检测结果；步骤6：利用运动与预测信息，对初始检测结果进行微调，进一步精准检测结果。