1.一种运动目标的检测识别方法,其特征在于:所述检测识别方法包括以下步骤:
s10:采集预设区域的视频序列数据;
s20:根据所述视频序列数据获得第一目标区域;以及
s30:识别所述第一目标区域中的运动目标。
2.根据权利要求1所述的检测识别方法,其特征在于,所述步骤s20包括以下步骤:
s21:对所述视频序列数据中的相邻帧图像进行差分运算获得差分图像;
s22:由所述差分图像定义更新函数;
s23:由更新函数进行历史图计算以获得所述第一目标区域。
3.根据权利要求1或2所述的检测识别方法,其特征在于,所述步骤s30包括以下步骤:
s31:将当前帧图像输入至一深度网络得到映射图;
s32:对所述映射图进行边界框预测;
s33:对获得的边界框使用逻辑回归进行多标签预测分类,得到第二目标区域;
s34:采用第二目标区域对所述第一目标区域进行比较修正,识别所述运动目标。
4.根据权利要求2所述的检测识别方法,其特征在于,步骤s21采用式(1)获得所述差分图像,
d(x,y,n)=|f(x,y,n)-f(x,y,(n-1))|(式1)
其中,f(x,y,n)和f(x,y,(n-1))分别是视频序列的第n时刻和第n-1时刻图像的像素值,d(x,y,n)为输出差分图像各像素的绝对差值,n为正整数,且n≥1,x,y分别为像素x方向和y方向上的坐标。
5.根据权利要求4所述的检测识别方法,其特征在于,步骤s22采用式(2)获得所述更新函数ψ(x,y,n),
其中d(x,y,n)为式(1)所述差分图像各像素的像素值,ξ为差异阈值。
6.根据权利要求5所述的检测识别方法,其特征在于,步骤s23中的历史图计算采用式(3)执行,
其中,h(x,y,n)为强度值,τ为持续时间,从帧数的角度决定了运动的时间范围,δ为衰退参数。
7.根据权利要求6所述的检测识别方法,其特征在于,步骤s23还包括对式(3)获得的结果利用式(4)进行去噪,获得所述目标区域,
其中,w为目标区域,b为3*3的模板元素,
8.根据权利要求3所述的检测识别方法,其特征在于,步骤s32中采用式(5)来执行边界框预测,
bx=σ(tx)+cx
by=σ(ty)+cy
(cx,cy)是映射图中的映射图单元相对映射图左上角的偏移,pw和ph分别是预测前边界的宽和高,(tx、ty、tw、th)为网络预测的归一化的边界框坐标位置,(bx、by)为预测得到边界框的绝对中心坐标,bw和bh分别是预测得到边界框的绝对宽和高。
9.根据权利要求1所述的检测识别方法,其特征在于:所述检测识别方法在步骤s30之后,还包括:
s40:对确认的运动目标进行加框显示。
10.一种运动目标的检测识别系统,其特征在于,所述检测识别系统包括:
图像采集装置,配置为采集预设区域的视频序列数据;
目标检测装置,配置为根据所述视频序列数据获得第一目标区域;以及
目标识别装置,识别所述第一目标区域中的运动目标。