CN119445651A 视频监控场景下的地面区域检测方法、装置、设备及介质 （武汉星巡智能科技有限公司）

202311742651.32023.12.15视频监控场景下的地面区域检测方法、装2将视频监控场景下实时视频流分解得出的实时图像输入预训练的人体目标检测模型若当前监控场景下未识别到人体目标且当前监控视角未转动对所述颜色空间图像进行特征提取，将提取到的局部特征和全局特对所述二值分割图进行形态学处理，将地面区域内的像素点位置对所述人体区域位置信息和所述地面区域位置信息进行深度分对应的地面区域平均深度序列和人体区域平均深度序列；对所述人体区域平均深度序列和地面区域平均深度序列进行深度差计算获取视频监控场景下具有深度标签的训练图像，将所述训练图像输入深度学习网络，将所述实时图像输入所述训练模型进行前向传播，得到实时图依据所述人体区域位置信息和所述地面区域位置信息，结合实时依据所述人体区域深度值序列和地面区域深度值序列，得出所述地依据所述人体区域位置信息，将人体区域内的像素点对应的深度域深度值序列；依据所述地面区域位置信息，将地面区域内的像素点对应的深度域深度值序列。3依据所述人体区域位置信息和所述地面区域位置信息，依据所述第一像素点序列和所述第二像素点序列，得出第一滑动窗口和第二滑动窗依据所述第一滑动窗口和第二滑动窗口，得出第一滤波深度值序依据所述第一滤波深度值序列和第二滤波深度值序列，对所述人体6.根据权利要求2至5任一项所述的视频监控场景下的地面区域检测方法，其特征在获取预训练的基于yolov6s架构的人体将所述实时图像输入所述人体目标检测模型中，识别当前人体目标检测模块，用于将视频监控场景下实时视频流分解得颜色空间图像获取模块，用于若当前监控场景下未识别到人体特征提取模块，用于对所述颜色空间图像进行特征提取，将地面区域位置信息获取模块，用于对所述二值分割图进行形态学处理4被处理器执行时实现如权利要求1_7中任一5[0009]将视频监控场景下实时视频流分解得出的实时图像输入预训练的人体目标检测6[0019]优选地，所述对所述人体区域位置信息和所述地面区域获取多帧时序图像对应的地面区域平均深度序列和人体区域度序列和人体区域平均深度序列。度值序列；7相邻帧之间的位姿变化来识别当前监控视角计算机程序指令被处理器执行时实现如上述实8[0052]图1为本发明实施例1中视频监控场景下的地面区域检测方法的整体工作的流程诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须9获取的视频流进行解码，将其转换为图像序列，这一步骤使用常见的视频编解码器(如将预处理后的彩色图像转换为HSV颜色空间，选择HSV颜色空间的原因是HSV颜色空间可以部特征和全局特征进行融合，构建一个多尺度特征表示。通过多尺度分割和LBP算子的应p1,p2,p3,Pn表示在摄像机相机坐标系中第一个像素点对应的坐标信息到第n个像素点时序图像对应的地面区域平均深度序列和人体区域[0085]具体地，通过yolov6s等目标检测算法检测出人体位置，并得到人体区域的像素习到输入的训练图像中的深度信息与训练图像的像所述人体区域深度值序列；所述地面区域深度值序列。的地面区域内第一个像素点对应的深度值到第n个像素点对[0105]具体地，获取第一滤波深度值序列D1_filtered和第二滤波深度值序列D2_度值序列中第一个像素点到第n个像素点对应的滤波深度值，d22_filtered，d22_filtered，……d2m_filtered分别表示第二滤波深度值序列中第一个像素点到第m个像素[0121]请参见图8，本发明实施例2还提供了一种视频监控场景[0123]图像分割模块，用于若当前监控场景下未识别到人体目标且当前监控视角未转[0124]在一实施例中，所述若当前监控场景下未识别到人体目标且当前监控视角未转[0125]人体目标检测模型获取单元，用于获取预训练的基于yolov6s架构的人体目标检[0139]深度值序列获取单元，用于依据所述人体区域位置信息和所述地面区域位置信度值序列和第二滤波深度值序列；[0152]深度差对比单元，用于将所述深度差序列中各深度差与所述深度差阈值依次对4还可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序[0167]需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替