欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023111580071
申请人: 南昌大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于改进YOLO的目标检测方法,其特征在于,包括以下步骤:

步骤1、从视频库中逐帧读取待检测视频流;

步骤2、将读取到的每一帧图像依次输入到预训练完成的YOLO v4网络模型中;

步骤3、YOLO v4网络模型对当前帧图像进行目标捕捉,初步框定目标区,并获取目标种类与标定坐标;

步骤4、利用ViBe算法提取视频流中前15帧图像作为初始背景样本库;

步骤5、判断当前帧是否有YOLO目标框定区,是则将框定区扩大1.2倍进入步骤6,否则进入步骤8;

步骤6、将原RGB图像转换为灰度图,并对框定区进行ViBe目标检测;

步骤7、若框定区ViBe检测到目标,则分割YOLO框定区目标构建一个YOBE数据库,并通过获取种类进行目标分类;

步骤8、当前帧无框定区,则对全图进行ViBe常规检测,若ViBe检测到目标,则进行图像分割提取目标区域,并将当前目标与YOBE数据库进行相似度匹配,若满足相似度阈值,则将目标重新输入YOLO中检测并进行目标分类;

步骤9、判断当前帧是否为视频流最后一帧,是则结束检测,否则返回步骤2继续进行下一帧图像的目标检测。

2.根据权利要求1所述的一种基于改进YOLO的目标检测方法,其特征在于,步骤2中所述预训练完成的YOLO v4网络模型,利用COCO数据集训练YOLO v4网络模型,对图像内目标进行框定,边界框包含物体的位置信息以及与每个类别相关的置信度分数,同时提取出目标框的左上角坐标、高度、宽度与类别,所述位置信息包括x、y左上角坐标值和宽度、高度。

3.根据权利要求1所述的一种基于改进YOLO的目标检测方法,其特征在于,步骤3中所述YOLO v4网络模型对当前帧图像进行目标捕捉,初步框定目标区,并获取目标种类与标定坐标;

首先,将当前帧图像输入到卷积神经网络中进行特征提取,每个单元格根据预测结果生成多个边界框,并通过非极大值抑制Non-Maximum Suppression,NMS来消除冗余的边界框;

然后,将输入的当前帧图像分割成一个固定大小的网格,每个单元格负责预测一组边界框和相应类别的置信度,每个边界框包含物体的位置信息以及与每个类别相关的置信度分数,使用softmax函数来计算每个边界框属于不同类别的概率,每个边界框的类别预测由边界框与目标实例的重叠程度以及类别置信度分数进行计算;

最后,输出检测到的目标边界框位置、类别以及相应的置信度得分。

4.根据权利要求1所述的一种基于改进YOLO的目标检测方法,其特征在于,步骤7中所述YOBE数据库的构建过程如下:若框定区ViBe检测到目标,则通过ViBe算法对框内图像做下述操作:

设立半径阈值系数R=20,匹配阈值系数M=2,差值系数Δλ,其中表示第μ帧第i行j列像素点的像素值,表示第μ个样本库中第i行j列像素点的像素值;则有将第μ帧的图像与初始背景样本库中所有样本进行公式(1)求解,得到Δλμ,μ=1~20,依次比较Δλμ与R的大小关系,记录R>Δλ的次数X,若X>M,则认为被判定的像素值与之前的像素值变化不大,距离不远,即定义该像素点为背景像素,不是动态区域,反之则说明该像素点为前景像素;

将二者算法检测的共同目标构建YOBE数据库,对其中共有特征与类别进行整理,为后续单独ViBe分割出的图像分类提供初步特征与类别筛选提供索引。

5.根据权利要求1所述的一种基于改进YOLO的目标检测方法,其特征在于,步骤8中所述当前帧无框定区,则对全图进行ViBe常规检测,在对面低像素图像或小目标,YOLO无法检测到目标,则需利用ViBe对灰度像素变化的高敏感特性进行图像分割,将分割图像依据像素点坐标提取出原图中对应坐标的RGB图,将仅由ViBe提取出的图像与YOBE数据库中的图像数据进行相似度匹配和特征匹配,当相似阈值达到0.8以上,则将图像重新输入YOLO中二次检测并依据YOBE数据库中图像类别进行分类,并给出边界框。