基于视频监控的运动检测方法、装置及计算机设备与流程

本技术涉及图像处理，尤其涉及一种基于视频监控的运动检测方法、装置、计算机设备及存储介质。

背景技术：

1、随着社会发展以及建设水平的提高，生活中的视频监控也越来越多。视频监控可以对公共场所等各种必要的地方进行监控，可以帮助维持相关场合的秩序，并确保安全。

2、在视频监控系统中，运动检测是一项非常重要且非常具有意义的功能。通过运动检测，可以仅对存在对象运动的监控影像进行录制或保存，以节约存储空间；或者通过运动检测记录重要事件，便于后续快速检索和回放。传统的基于视频监控的运动检测技术需要进行大量计算，然而，随着视频监控系统分辨率的提高，监控影像的文件体积也越来越大，这使得视频监控系统难以高效地进行运动检测。

技术实现思路

1、本技术实施例的目的在于提出一种基于视频监控的运动检测方法、装置、计算机设备及存储介质，以解决视频监控系统运行检测效率较低的问题。

2、为了解决上述技术问题，本技术实施例提供一种基于视频监控的运动检测方法，采用了如下所述的技术方案：

3、获取跳帧图像集，所述跳帧图像集基于视频监控系统的监控视频生成；

4、计算所述跳帧图像集中每个相邻跳帧图像对的图像差异度，并将所述图像差异度作为初始检测结果；

5、当所述初始检测结果表示存在运动目标对象时，根据所述初始检测结果从所述监控视频中获取多张相邻的监控图像；

6、将各监控图像输入运动检测模型，以通过所述运动检测模型中的目标检测模型检测监控图像中的运动目标对象以及所述运动目标对象在监控图像中的初始位置，所述运动检测模型包括基于注意力机制的所述目标检测模型和目标跟踪模型，所述注意力机制用于给监控图像中运动目标对象所在的候选区域添加注意力权重；

7、将检测到的运动目标对象及其初始位置输入所述目标跟踪模型，以在所述各监控图像中对所述运动目标对象进行目标跟踪，得到包含所述运动目标对象的对象运动图像，并根据各对象运动图像生成运动检测结果。

8、进一步的，所述获取跳帧图像集的步骤包括：

9、获取视频监控系统采集到的监控视频；

10、根据所述监控视频中各监控图像的时间戳，对所述各监控图像进行间隔抽取，得到多张初始跳帧图像；

11、基于各初始跳帧图像生成跳帧图像集。

12、进一步的，所述基于各初始跳帧图像生成跳帧图像集的步骤包括：

13、获取各初始跳帧图像的采样影响因子，所述采样影响因子包括监控环境因子、天气因子和时间因子；

14、根据所述采样影响因子确定所述各初始跳帧图像的采样率；

15、基于所述采样率对所述各初始跳帧图像分别进行图像采样，得到各跳帧图像，并根据所述各跳帧图像构建跳帧图像集。

16、进一步的，所述计算所述跳帧图像集中每个相邻跳帧图像对的图像差异度的步骤包括：

17、对于所述跳帧图像集中的每个相邻跳帧图像对，比对所述相邻跳帧图像对中两张跳帧图像对应像素之间的像素差异，并统计存在像素差异的像素数量，得到差异像素数量；

18、根据得到的像素差异和差异像素数量，计算所述相邻跳帧图像对的图像差异度。

19、进一步的，所述通过所述运动检测模型中的目标检测模型检测监控图像中的运动目标对象以及所述运动目标对象在监控图像中的初始位置的步骤包括：

20、根据所述各监控图像的时间戳，对所述各监控图像进行排序，得到监控图像序列；

21、对于所述监控图像序列中的每张监控图像，通过所述运动检测模型中的目标检测模型计算所述监控图像的权重图，其中，所述权重图是与所述监控图像具有相同分辨率的矩阵；

22、将所述监控图像与所述权重图进行融合，得到加权监控图像；

23、将所述加权监控图像输入所述目标检测模型中的目标检测网络，以进行目标检测；

24、当检测到所述监控图像中包含运动目标对象时，获取所述目标检测网络输出的所述运动目标对象在所述监控图像中的初始位置；

25、当检测到所述监控图像不包含运动目标对象时，获取所述监控图像序列中的下一张监控图像，并对所述下一张监控图像进行目标检测处理。

26、进一步的，所述通过所述运动检测模型中的目标检测模型计算所述监控图像的权重图的步骤包括：

27、通过所述运动检测模型中目标检测模型的卷积神经网络对所述监控图像进行特征提取，得到初始特征；

28、将所述初始特征在所述卷积神经网络中进行前向传播，并获取预设卷积层基于所述初始特征生成的特征图；

29、将所述特征图输入所述目标检测模型中的权重计算网络，以通过所述权重计算网络计算所述所述监控图像中各位置的权重值；

30、根据得到的权重值构建所述监控图像的权重图。

31、进一步的，所述在所述各监控图像中对所述运动目标对象进行目标跟踪，得到包含所述运动目标对象的对象运动图像的步骤包括：

32、基于所述运动目标对象的初始位置，获取所述运动目标对象的对象尺寸；

33、根据所述对象尺寸确定跟踪参数；

34、根据所述跟踪参数在所述各监控图像中对所述运动目标对象进行目标跟踪，得到包含所述运动目标对象的对象运动图像。

35、为了解决上述技术问题，本技术实施例还提供一种基于视频监控的运动检测装置，采用了如下所述的技术方案：

36、跳帧获取模块，用于获取跳帧图像集，所述跳帧图像集基于视频监控系统的监控视频生成；

37、差异度计算模块，用于计算所述跳帧图像集中每个相邻跳帧图像对的图像差异度，并将所述图像差异度作为初始检测结果；

38、图像获取模块，用于当所述初始检测结果表示存在运动目标对象时，根据所述初始检测结果从所述监控视频中获取多张相邻的监控图像；

39、目标检测模块，用于将各监控图像输入运动检测模型，以通过所述运动检测模型中的目标检测模型检测监控图像中的运动目标对象以及所述运动目标对象在监控图像中的初始位置，所述运动检测模型包括基于注意力机制的所述目标检测模型和目标跟踪模型，所述注意力机制用于给监控图像中运动目标对象所在的候选区域添加注意力权重；

40、目标跟踪模块，用于将检测到的运动目标对象及其初始位置输入所述目标跟踪模型，以在所述各监控图像中对所述运动目标对象进行目标跟踪，得到包含所述运动目标对象的对象运动图像，并根据各对象运动图像生成运动检测结果。

41、为了解决上述技术问题，本技术实施例还提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的基于视频监控的运动检测方法的步骤。

42、为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的基于视频监控的运动检测方法的步骤。

43、与现有技术相比，本技术实施例主要有以下有益效果：获取跳帧图像集，跳帧图像集是对视频监控系统的监控视频进行抽帧得到的，减少了需要处理的图像数量，提高了初始检测的速度；计算跳帧图像集中每个相邻跳帧图像对在像素层面的图像差异度作为初始检测结果，对运动目标对象是否存在实现快速的初步检测；当初始检测结果表示存在运动目标对象时，根据初始检测结果从监控视频中获取多张相邻的监控图像，以对运动目标对象进行覆盖式检测；将各监控图像输入运动检测模型，运动检测模型包括基于注意力机制的目标检测模型和目标跟踪模型，注意力机制用于给监控图像中可能存在运动目标对象的候选区域添加注意力权重，以确保模型更关注重要区域，提高了运动目标对象检测的准确性；将检测到的运动目标对象及其初始位置输入目标跟踪模型，以在各监控图像中对运动目标对象进行目标跟踪，得到包含运动目标对象的对象运动图像，并生成运动检测结果；本技术通过跳帧图像集以及初始检测，提高了检测运动目标对象的速度；在后续详细的检测中，注意力机制的引入提高了运动目标对象检测的准确性，使得本技术中基于视频监控的运动检测兼顾了检测速度和检测准确性。