(19)中华 人民共和国 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 202111644115.0 (22)申请日 2021.12.2 9 (71)申请人 南京斯代尔网络科技有限公司 地址 210046 江苏省南京市栖霞区甘 家边 东108号金港科创0 3-302室 (72)发明人 颜兵　 (74)专利代理 机构 北京康盛知识产权代理有限 公司 11331 代理人 李欣芮 (51)Int.Cl. G06T 7/246(2017.01) G06V 20/40(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种视频图像解析方法 (57)摘要 本发明提供一种视频图像解析方法， 涉及视 频识别技术领域， 用于高效跟踪识别视频运动物 体的问题。 所述方法包括： 检测相邻两帧图像的 变化是否超 过某一预设变化阈值； 建立运动物体 跟踪网格， 用于提取运动物体的空间特征； 将跟 踪网格划分成M个区域， 检测每一个区域相邻两 帧图像的变化是否超 过阈值， 记录超 过阈值的区 域的信息； 提取视频图像中运动物体在跟踪网格 上的空间特征， 并将空间特征与视频图像的时间 特征对应； 继续检测下一帧图像， 直到变化低于 阈值； 根据空间特征和时间特征跟踪识别运动物 体。 本发明大幅提高了视频中运动物体的跟踪识 别效率。 权利要求书1页 说明书3页 附图2页 CN 114299117 A 2022.04.08 CN 114299117 A 1.一种视频图像解析 方法， 其特 征在于， 包括以下步骤： 接收视频运动物体跟踪识别指令， 检测相邻 两帧图像的变化是否超过某一预设变化阈 值， 如果所述变化超过所述阈值， 则发出识别出运动物体信号； 如果所述变化未超过所述阈 值， 则发出 未发现运动物体信号； 接收所述识别出运动物体的信号， 建立所述运动物体跟踪网格， 所述跟踪网格用于提 取所述运动物体的空间特 征； 将所述跟踪网格划分成M个区域， 检测每一个区域相邻两帧图像的变化是否超过所述 阈值， 记录超过 所述阈值的所述区域的信息； 提取所述视频图像中所述运动物体在所述跟踪 网格上的空间特征， 并将所述空间特征 与所述视频图像的时间特 征对应； 继续检测下一帧图像， 直到所述变化低于所述阈值； 根据所述空间特 征和时间特 征跟踪识别所述 运动物体。 2.根据权利要求1所述的视频图像解析方法， 其特征在于， M≥2， 所述M个区域的面积不 一致； 检测超过所述阈值的每一个所述网格点， 将所述网格点的连续区域作为所述M个区域 的一个区域。 3.根据权利要求1所述的视频图像解析方法， 其特征在于， 所述M≥2， 所述M个区域的面 积相等且均分所述跟踪网格。 4.根据权利要求2或3所述的视频图像解析方法， 其特征在于， 仅提取所述M个区域中所 述变化超过 所述阈值的区域的所述空间特 征。 5.根据权利要求1所述的视频图像解析方法， 其特征在于， 所述空间特征包括空间位 置、 运动速度、 运动方向、 加速度等。 6.根据权利要求1所述的视频图像解析方法， 其特征在于， 跟踪识别所述运动物体时构 建识别神经网络系统， 并进行训练； 将所述空间特征和所述时间特征输入到训练好的所述 神经网络系统， 对所述 运动物体进行识别。 7.根据权利要求6所述的视频图像解析 方法， 其特 征在于， 所述神经网络系统包括： 所述运动物体的提取网络， 用于提取 所述图像的特 征向量； 所述运动物体的修正网络， 用于接收所述特征向量， 并通过连续提取多帧所述图像的 特征向量， 得到修 正后的所述 运动物体的特 征向量。 8.根据权利要求7所述的视频图像解析方法， 其特征在于， 所述神经网络系统对所述空 间特征进行检测， 输出 所述变化超过 所述阈值的所述图像 每一帧对应的所述特 征向量。 9.根据权利要求7或8所述的视频图像解析方法， 其特征在于， 所述特征向量包含所述 运动物体的空间信息和时间信息 。 10.根据权利要求7所述的视频图像解析方法， 其特征在于， 将所述修正后的特征向量 与特征数据库中的数据进行 特征对比， 识别所述 运动物体种类。权　利　要　求　书 1/1 页 2 CN 114299117 A 2一种视频图像解 析方法 技术领域 [0001]本发明涉及视频识别技 术领域， 特别涉及一种视频图像解析 方法。 背景技术 [0002]视频中运动 物体的跟踪识别是目前视频处理中最常用的功能之一， 现有的视频中 运动物体的跟踪识别技术通常现将视频进行分帧， 对比连续两 帧图像的变化， 如果变化超 过某一阈值则说明图像中有运动物体， 再通过对比运动物体与数据库中的数据识别运动物 体。 当图像范围较大， 而运动物体占图像范围较小时， 此种 方法的效率较低， 并且当视频长 度很大时， 需处 理的数据急剧增大， ， 难以快速跟踪识别运动物体， 用户体验较低。 发明内容 [0003]本发明提供一种视频图像解析 方法， 用于高效跟踪识别视频运动物体的问题。 [0004]本发明的实施例内容如下： [0005]一种视频图像解析方法， 包括以下步骤： 接收视频运动 物体跟踪识别指令， 检测相 邻两帧图像的变化是否超过某一预设变化阈值， 如果变化超过阈值， 则发出识别出运动物 体信号； 如果变化未超过阈值， 则发出未发现运动物体信号； 接收识别出运动物体的信号， 建立运动物体跟踪网格， 用于提取运动物体的空间特征； 将跟踪网格划分成M个区域， 检测 每一个区域相邻两 帧图像的变化是否超过阈值， 记录超过阈值的区域的信息； 提取视频图 像中运动物体在跟踪网格上 的空间特征， 并将空间特征与视频图像的时间特征对应； 继续 检测下一帧图像， 直到变化低于阈值； 根据空间特 征和时间特 征跟踪识别运动物体。 [0006]进一步地， M≥2， M个区域的面积不一致； 检测超过阈值的每一个网格点， 将网格点 的连续区域作为M个区域的一个区域。 [0007]进一步地， 所述M≥2， M个区域的面积相等且均分跟踪网格。 [0008]进一步地， 仅提取M个区域中变化超过阈值的区域的空间特 征。 [0009]进一步地， 空间特 征包括空间位置、 运动速度、 运动方向、 加速度等。 [0010]进一步地， 跟踪识别运动 物体时构建识别神经网络系统， 并进行训练； 将空间特征 和时间特 征输入到上述训练好的神经网络系统， 对运动物体进行识别。 [0011]进一步地， 神经网络系统包括： [0012]运动物体的提取网络， 用于提取图像的特 征向量； [0013]运动物体的修正网络， 用于接收特征向量， 并通过连续提取多帧所述图像的特征 向量， 得到修 正后的运动物体的特 征向量。 [0014]进一步地， 神经网络系统对空间特征进行检测， 输出变化超过阈值的图像每一帧 对应的特 征向量。 [0015]进一步地， 特征向量包 含运动物体的空间信息和时间信息 。 [0016]进一步地， 述修正后的特征向量与特征数据库 中的数据进行特征对比， 识别运动 物体种类。说　明　书 1/3 页 3 CN 114299117 A 3