申请/专利权人：杭州臻善信息技术有限公司;浙江臻善科技股份有限公司

申请日：2023-12-22

公开（公告）日：2024-03-29

公开（公告）号：CN117456428B

主分类号：G06V20/40

分类号：G06V20/40;G06V10/762;G06V10/74;G06V10/46

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明涉及垃圾投放图像识别技术领域，具体涉及基于视频图像特征分析的垃圾投放行为检测方法，该方法包括：通过视频监控设备获取帧差图像；获取帧差图像中的特征点集合及相邻帧差图像对应特征点匹配对；根据当前及相邻帧差图像对应特征点匹配对的差异情况得到当前特征点的范围影响程度；采用聚类算法对当前帧差图像聚类得到各像素点的待归并聚类簇；根据当前帧差图像各像素点在各个待归并聚类簇中特征点的范围影响程度进行归并操作得到各聚类簇；根据当前帧差图像中各聚类簇对当前视频监控帧灰度图像进行增强，采用神经网络结合增强后的视频监控帧灰度图像对居民垃圾投放行为进行检测。本发明提升了垃圾投放行为检测的及时性与准确性。

主权项：1.基于视频图像特征分析的垃圾投放行为检测方法，其特征在于，该方法包括以下步骤：通过居民投放垃圾时视频监控设备记录的监控视频获取帧差图像；获取帧差图像中的特征点集合；根据相邻帧差图像中的特征点集合获取对应特征点的特征点匹配对；根据当前帧差图像当前特征点及其前、后相邻帧差图像之间对应特征点匹配对的差异情况得到当前特征点的范围影响程度；采用聚类算法对当前帧差图像进行聚类得到各像素点的各个待归并聚类簇；对于当前帧差图像各像素点，根据像素点在各个待归并聚类簇中特征点的范围影响程度得到像素点在各个待归并聚类簇的关联程度；根据像素点与各个待归并聚类簇的关联程度进行归并操作得到各聚类簇；通过判断聚类簇中特征点的数量对聚类簇进行更新；根据当前帧差图像中的各聚类簇对当前视频监控帧灰度图像进行增强，采用神经网络结合增强后的视频监控帧灰度图像对居民垃圾投放行为进行检测；所述通过居民投放垃圾时视频监控设备记录的监控视频获取帧差图像，包括：对监控视频的连续帧图像进行去噪、灰度化得到各视频监控帧灰度图像；将后一帧与当前帧的视频监控帧灰度图像计算对应像素点的差值绝对值得到各视频监控帧差灰度图像，将视频监控帧差灰度图像记为帧差图像；所述获取帧差图像中的特征点集合，包括：采用SIFT算法获取帧差图像中的特征点，将所有特征点组成特征点集合；所述根据相邻帧差图像中的特征点集合获取对应特征点的特征点匹配对，包括：将相邻帧差图像中的特征点集合采用余弦相似度匹配算法，获取相邻帧差图像对应各特征点的特征点匹配对；所述根据当前帧差图像当前特征点及其前、后相邻帧差图像之间对应特征点匹配对的差异情况得到当前特征点的范围影响程度，包括：计算当前帧差图像与前一帧差图像之间所有特征点匹配对的欧式距离和值、当前帧差图像与后一帧差图像之间所有特征点匹配对的欧式距离和值，计算两个欧式距离和值的差值绝对值作为第一差值绝对值；计算两个欧式距离和值分别与当前帧差图像中特征点数量的比值，获取当前特征点与前、后相邻帧差图像中对应的特征点匹配对之间的欧式距离均值，将所述欧式距离均值与两个比值的和值的差值绝对值作为第二差值绝对值；将第一、第二差值绝对值的乘积的相反数作为以自然常数为底数的指数函数的指数，将指数函数的计算结果作为当前特征点的范围影响程度；所述采用聚类算法对当前帧差图像进行聚类得到各像素点的各个待归并聚类簇，包括：所述聚类算法为迭代自组织聚类算法；在聚类过程中的归并阶段，对于任意一个像素点都会存在各个待归并聚类簇；所述根据像素点在各个待归并聚类簇中特征点的范围影响程度得到像素点在各个待归并聚类簇的关联程度，包括：对于像素点的各个待归并聚类簇，获取待归并聚类簇中各特征点与像素点的距离，计算待归并聚类簇中所有特征点的范围影响程度与所述距离的乘积的和值；将所述和值的归一化值作为像素点在待归并聚类簇的关联程度。

全文数据：

权利要求：

百度查询： 杭州臻善信息技术有限公司;浙江臻善科技股份有限公司 基于视频图像特征分析的垃圾投放行为检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD