场景图像差异识别方法、装置、设备及存储介质与流程

本发明涉及机器视觉，尤其涉及一种场景图像差异识别方法、装置、设备及存储介质。

背景技术：

1、随着机器视觉领域的迅速发展，图像差异识别技术的应用场景也越来越多，如公共场景物体遗失遗留、高速公路抛物、机场车站等地危险物体检索等场景。当前行业内对场景图像进行差异识别的传统方法主要是通过背景差分法，通过对视频图像建模出背景(即视频图像中大部分不发生变化的区域)，与当前帧进行对比，确定出两张图像中发生变化的区域，从而完成变化识别。

2、然而上述传统的图像差异识别方法在某些物体发生微小移动的场景中，经常造成误检，并且当物体停止变化时，该物体又会非常迅速地融入进背景，从而使得传统的图像差异识别方法无法对差异进行识别。因此，目前行业内亟需一种能够在各种场景中准确地对场景图像进行差异识别的方法。

3、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供了一种场景图像差异识别方法、装置、设备及存储介质，旨在解决现有技术在某些特定场景中无法准确地对场景图像进行差异识的技术问题。

2、为实现上述目的，本发明提供了一种场景图像差异识别方法，所述方法包括以下步骤：

3、从场景视频中获取背景图像和当前场景图像，并对所述背景图像和所述当前场景图像进行数据处理，得到三维矩阵；

4、将所述三维矩阵输入至预设模型中，得到模型输出结果，所述预设模型基于unet算法和diffusion算法构建；

5、对所述模型输出结果进行解码，得到二维矩阵；

6、根据所述二维矩阵中各像素点的像素值将所述二维矩阵转换为二值图像，并基于所述二值图像对所述当前场景图像进行差异识别。

7、可选地，所述从场景视频中获取背景图像和当前场景图像，并对所述背景图像和所述当前场景图像进行数据处理，得到三维矩阵的步骤，包括：

8、将所述场景视频中的第一帧图像设定为背景图像，将所述场景视频中需要与所述背景图像进行差异识别的图像设定为当前场景图像；

9、对所述背景图像和所述当前场景图像进行数据处理，得到三维矩阵，所述数据处理包括曝光增强、错位增强、反转增强、灰度增强、均值方差增强。

10、可选地，所述将所述三维矩阵输入至预设模型中，得到模型输出结果的步骤，包括：

11、将所述三维矩阵输入至预设模型中，通过所述预设模型的unet算法和diffusion算法对所述三维矩阵进行特征提取，得到预测特征和真实特征；

12、通过所述预设模型对所述预测特征和所述真实特征进行特征融合，得到模型输出结果。

13、可选地，所述对所述模型输出结果进行解码，得到二维矩阵的步骤，包括：

14、通过归一化指数函数对模型输出结果进行解码，得到归一化矩阵；

15、对所述归一化矩阵进行argmax操作，得到二维矩阵。

16、可选地，所述根据所述二维矩阵中各像素点的像素值将所述二维矩阵转换为二值图像的步骤，包括：

17、将所述二维矩阵中像素值为第一像素值的像素点进行连接，得到外边界区域；

18、将所述二维矩阵中像素值为第二像素值的像素点进行连接，得到孔边界区域；

19、根据所述外边界区域和所述孔边界区域将所述二维矩阵转换为二值图像。

20、可选地，所述基于所述二值图像对所述当前场景图像进行差异识别的步骤，包括：

21、对所述二值图像进行扫描，基于扫描结果记录所述二值图像中的最大行列坐标和最小行列坐标；

22、基于所述最大行列坐标和所述最小行列坐标对所述当前场景图像进行差异识别。

23、可选地，所述基于所述最大行列坐标和所述最小行列坐标对所述当前场景图像进行差异识别的步骤，包括：

24、根据所述最大行列坐标和所述最小行列坐标构建轮廓检测框；

25、计算所述轮廓检测框的面积，并将所述轮廓检测框的面积与预设面积阈值进行比较；

26、若所述轮廓检测框的面积大于或等于预设面积阈值，则判断所述当前场景图像与所述背景图像相比存在差异，并向管理员发出警报信息。

27、此外，为实现上述目的，本发明还提出一种场景图像差异识别装置，所述场景图像差异识别装置包括：

28、数据处理模块，用于从场景视频中获取背景图像和当前场景图像，并对所述背景图像和所述当前场景图像进行数据处理，得到三维矩阵；

29、数据输出模块，用于将所述三维矩阵输入至预设模型中，得到模型输出结果，所述预设模型基于unet算法和diffusion算法构建；

30、数据解码模块，用于对所述模型输出结果进行解码，得到二维矩阵；

31、差异识别模块，用于根据所述二维矩阵中各像素点的像素值将所述二维矩阵转换为二值图像，并基于所述二值图像对所述当前场景图像进行差异识别。

32、此外，为实现上述目的，本发明还提出一种场景图像差异识别设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的场景图像差异识别程序，所述场景图像差异识别程序配置为实现如上文所述的场景图像差异识别方法的步骤。

33、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有场景图像差异识别程序，所述场景图像差异识别程序被处理器执行时实现如上文所述的场景图像差异识别方法的步骤。

34、本发明从场景视频中获取背景图像和当前场景图像，并对背景图像和当前场景图像进行数据处理，得到三维矩阵；将三维矩阵输入至预设模型中，得到模型输出结果，预设模型基于unet算法和diffusion算法构建；对模型输出结果进行解码，得到二维矩阵；根据二维矩阵中各像素点的像素值将二维矩阵转换为二值图像，并基于二值图像对当前场景图像进行差异识别。相比于现有技术通过背景差分法来对当前场景图像进行差异识别，由于本发明上述方法首先对背景图像和当前场景图像进行数据处理后得到三维矩阵，并引入基于unet算法和diffusion算法构建的预设模型，然后基于三维矩阵和预设模型识别出背景图像与当前场景图像之间的差异部分，从而解决了传统的图像差异识别方法在一些特定的场景(如物体由于风吹发生微小移动等)中造成的误检漏检的技术问题，进而能够在各种场景中准确地对场景图像进行差异识别。

技术特征：

1.一种场景图像差异识别方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的场景图像差异识别方法，其特征在于，所述从场景视频中获取背景图像和当前场景图像，并对所述背景图像和所述当前场景图像进行数据处理，得到三维矩阵的步骤，包括：

3.如权利要求1所述的场景图像差异识别方法，其特征在于，所述将所述三维矩阵输入至预设模型中，得到模型输出结果的步骤，包括：

4.如权利要求1所述的场景图像差异识别方法，其特征在于，所述对所述模型输出结果进行解码，得到二维矩阵的步骤，包括：

5.如权利要求1所述的场景图像差异识别方法，其特征在于，所述根据所述二维矩阵中各像素点的像素值将所述二维矩阵转换为二值图像的步骤，包括：

6.如权利要求1所述的场景图像差异识别方法，其特征在于，所述基于所述二值图像对所述当前场景图像进行差异识别的步骤，包括：

7.如权利要求6所述的场景图像差异识别方法，其特征在于，所述基于所述最大行列坐标和所述最小行列坐标对所述当前场景图像进行差异识别的步骤，包括：

8.一种场景图像差异识别装置，其特征在于，所述场景图像差异识别装置包括：

9.一种场景图像差异识别设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的场景图像差异识别程序，所述场景图像差异识别程序配置为实现如权利要求1至7中任一项所述的场景图像差异识别方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有场景图像差异识别程序，所述场景图像差异识别程序被处理器执行时实现如权利要求1至7中任一项所述的场景图像差异识别方法的步骤。

技术总结
本发明涉及机器视觉技术领域，并公开了一种场景图像差异识别方法、装置、设备及存储介质，该方法包括：从场景视频中获取背景图像和当前场景图像，并对背景图像和当前场景图像进行数据处理，得到三维矩阵；将三维矩阵输入至预设模型中，得到模型输出结果；对模型输出结果进行解码，得到二维矩阵；根据二维矩阵中各像素点的像素值将二维矩阵转换为二值图像，并基于二值图像对当前场景图像进行差异识别。由于本发明首先对背景图像和当前场景图像进行数据处理后得到三维矩阵，并引入预设模型，然后基于三维矩阵和预设模型识别出背景图像与当前场景图像之间的差异部分，从而能够在各种场景中准确地对场景图像进行差异识别。

技术研发人员：员晓毅,赵杰,张浩,郭明青
受保护的技术使用者：深圳力维智联技术有限公司
技术研发日：
技术公布日：2024/1/15