(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211127445.7 (22)申请日 2022.09.15 (71)申请人 安克创新科技股份有限公司 地址 410221 湖南省长 沙市长沙高新开发 区尖山路39 号长沙中电软件园有限公 司一期七栋7楼701室 (72)发明人 潘俊全　 (74)专利代理 机构 北京恒博知识产权代理有限 公司 11528 专利代理师 刘震 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/28(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/766(2022.01) G06N 3/04(2006.01) (54)发明名称 移动目标检测方法、 装置、 存储介质及电子 设备 (57)摘要 本申请公开了一种移动目标检测方法、 装 置、 存储介质及电子设备， 方法包括： 获取包含移 动目标的移动视频流， 移动视频流包括当前时刻 的当前帧图像以及当前时刻之前的历史帧图像， 将历史帧图像输入至移动目标检测模型中的背 景建模模块中， 基于所述背景建模模块对所述历 史帧图像进行背景建模并输出背景图像， 将背景 图像以及当前帧图像输入至移动目标检测模型 中的检测模块中， 输出与移动目标对应的移动目 标检测结果， 检测模块用于对背景图像以及当前 帧图像进行检测。 采用本申请提供的移动目标检 测方法， 实现了对移动视频流中移动目标的检 测。 权利要求书3页 说明书16页 附图6页 CN 115546680 A 2022.12.30 CN 115546680 A 1.一种移动目标检测方法， 其特 征在于， 所述方法包括： 获取包含移动目标的移动视频流， 所述移动视频流包括当前时刻的当前帧图像以及当 前时刻之前的历史帧图像； 将所述历史帧图像输入至移动目标检测模型中的背景建模模块中， 基于所述背景建模 模块对所述历史帧图像进行背景建模并输出背景图像； 将所述背景图像以及所述当前帧图像输入至移动目标检测模型中的检测模块中， 输出 与所述移动目标对应的移动目标检测结果， 所述检测模块用于对所述背 景图像以及所述当 前帧图像进行检测。 2.根据权利要求1所述的方法， 其特征在于， 所述将所述历史帧图像输入至移动目标检 测模型中的背 景建模模块中， 基于所述背 景建模模块对所述历史帧图像进 行背景建模并输 出背景图像， 包括： 采用具有不同感受野的池化核对所述历史帧图像进行平均池化操作， 得到至少两个特 征图； 对所述至少两个特 征图进行编码压缩得到融合特 征图； 计算所述融合特征图中不同感受野的特征图的特征权重， 并通过特征重标定的方式将 所述特征权重添加至所述融合特 征图得到 权重特征图； 将所述融合特 征图和所述权 重特征图进行相加处 理得到背景图像。 3.根据权利要求1所述的方法， 其特征在于， 所述移动目标检测结果包括类别信息、 中 心点坐标信息以及尺寸长宽信息， 所述将所述背 景图像以及所述当前帧图像输入至移动目 标检测模型中的检测模块中， 输出与所述移动目标对应的移动目标检测结果， 包括： 基于所述检测模块对所述背景图像以及所述当前帧图像进行特征提取并编码得到深 层特征图； 基于所述检测模块中的第 一检测分支对所述深层特征图进行移动目标检测， 判断所述 深层特征图是否存在移动目标； 若确定所述深层特征图中存在移动目标， 基于所述检测模块中的第 二检测分支对所述 深层特征图进行回归预测， 得到所述移动目标的中心点 坐标信息以及尺寸长 宽信息； 若确定所述深层特征图中存在移动目标， 基于所述检测模块中的第 三检测分支对所述 深层特征图进行类别预测， 得到所述移动目标的类别 信息。 4.根据权利要求1所述的方法， 其特征在于， 所述将所述背景图像以及所述当前帧图像 输入至移动目标检测模型中的检测模块中， 输出与所述移动目标对应的移动目标检测结果 之前， 所述方法还 包括： 将所述历史帧图像在通道维度进行中值滤波处 理， 输出中位数图像； 所述将所述背景图像以及所述当前帧图像输入至移动目标检测模型中的检测模块中， 输出与所述移动目标对应的移动目标检测结果， 包括： 将所述中位数图像、 所述背景图像以及所述当前帧图像输入至移动目标检测模型中的 检测模块中， 输出与所述移动目标对应的移动目标检测结果， 所述检测模块用于对所述中 位数图像、 所述背景图像以及所述当前帧图像进行检测。 5.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 将所述移动目标检测结果同步至移动终端。权　利　要　求　书 1/3 页 2 CN 115546680 A 26.一种移动目标检测模型训练方法， 其特 征在于， 所述方法包括： 确定移动目标的类别； 获取包含所述类别的移动目标的样本移动视频数据集合， 并对所述样本移动视频数据 集合中的各样本移动视频数据中包含的所述移动目标标注标注信息， 所述标注信息包括所 述移动目标的标注中心点 坐标信息、 标注 尺寸长宽信息和标注类别 信息中的至少一种； 基于标注完成标注信 息的所述样本移动视频数据集合训练初始移动目标检测模型， 得 到训练完成的移动目标检测模型。 7.根据权利要求6所述的方法， 其特征在于， 所述基于标注完成标注信 息的所述样本移 动视频数据集合训练初始 移动目标检测模型， 得到训练完成的移动目标检测模型， 包括： 提取所述样本移动视频数据集合中的各样本移动视频数据分别对应的样本历史帧图 像以及样本当前帧图像； 将所述样本历史帧图像输入至初始移动目标检测模型中的背景建模模块中， 输出样本 背景图像； 将所述样本背景图像以及所述样本当前帧图像输入至所述初始移动目标检测模型中 的检测模块中， 输出与所述移动目标对应的样本移动目标检测结果； 基于所述样本移动目标检测结果以及所述样本移动视频数据对应的标注信息构建代 价函数； 基于所述代价函数训练所述初始移动目标检测模型， 得到训练完成的移动目标检测模 型。 8.根据权利要求7所述的方法， 其特征在于， 所述将所述样本历史帧图像输入至初始移 动目标检测模型中的背景建模 模块中， 输出样本背景图像， 包括： 采用具有不同感受野的池化核对所述样本历史帧图像进行平均池化操作得到至少两 个样本特 征图； 对所述至少两个样本特 征图进行编码压缩得到样本融合特 征图； 计算所述样本 融合特征图中不同感受野的样本特征图的特征权重， 并通过特征重标定 的方式将所述特 征权重添加至所述样本融合特 征图得到样本 权重特征图； 将所述样本融合特 征图和所述样本 权重特征图进行相加处 理得到样本背景图像。 9.根据权利要求7所述的方法， 其特征在于， 所述样本移动目标检测结果包括样本类别 信息、 样本中心点坐标信息以及样本尺寸长宽信息， 所述将所述样本背景图像以及所述样 本当前帧图像输入至所述初始移动目标检测模型中的检测模块中， 输出与所述移动目标对 应的样本移动目标检测结果， 包括： 基于所述检测模块对所述样本背景图像以及所述样本当前帧图像进行特征提取并编 码得到样本深层特 征图； 基于所述检测模块中的第 一检测分支对所述样本深层特征图进行移动目标检测， 判断 所述样本深层特 征图是否存在移动目标； 若确定所述样本深层特征图中存在移动目标， 则基于所述检测模块中的第 二检测分支 对所述样本深层特征图进 行回归预测， 得到所述移动目标的中心点坐标信息以及尺寸长宽 信息； 若确定所述样本深层特征图中存在移动目标， 则基于所述检测模块中的第 三检测分支权　利　要　求　书 2/3 页 3 CN 115546680 A 3