(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 202210908147.5 (22)申请日 2022.07.29 (71)申请人 深圳天海宸光科技有限公司 地址 518054 广东省深圳市南 山区粤海街 道科技园社区科苑路8号讯美科技广 场2号楼713 (72)发明人 林志坤　段立新　张神力　 (74)专利代理 机构 深圳市深可信专利代理有限 公司 44599 专利代理师 彭光荣 (51)Int.Cl. G06T 7/277(2017.01) G06V 20/40(2022.01) G06V 10/26(2022.01) G06V 10/34(2022.01)G06V 10/74(2022.01) (54)发明名称 一种自动过滤晃动目标区域的抗干扰捕获 高空抛物方法 (57)摘要 本发明公开了一种自动过滤晃动目标区域 的抗干扰捕获高空抛物方法， 包括以下步骤： S10.识别区域划分； S20.对划分的区域进行前景 建模算法； S30.自动循环更新生成晃动区域并根 据数量及合并交集的晃动区域排除干扰物； S40. 对抛物进行跟踪； S50.生成抛物轨迹。 通过对晃 动区域的循环更新生成及排除干扰物， 并根据抛 物轨迹进一步排除干扰物的干扰， 对 抛物轨迹的 捕捉有实质性的意 义。 权利要求书1页 说明书3页 附图1页 CN 115423850 A 2022.12.02 CN 115423850 A 1.一种自动过滤晃动目标区域的抗干扰捕获高空抛物方法， 其特征在于包括以下步 骤： S10.接入摄 像头地址， 抽取一张单帧图片并绘制识别区域； S20.接入视频流， 获取视频流中的每张单帧图片， 裁剪得到识别区域后对图片使用前 景建模算法， 对建模mask进行生态学转换并生成目标识别框； S30.根据目标识别框数量判断是否存在晃动区域， 若存在晃动区域， 初始化一个晃动 区域mask和原mask， 基于输入的mask连续统计一段时间前景和背景的数量， 生成晃动的 mask区域， 对生成的晃动区域执行开闭运算等形态学操作， 对靠近或者包裹的晃动区域进 行合并， 输出自动生成的晃动区域mask， 使用生成的晃动区域mask屏 蔽晃动区域后循环重 复此步骤； S40.为每一个目标识别框创建跟踪器， 使用卡尔曼滤波创建速度模型， 预测目标轨迹 结果； S50.使用预测轨迹结果和真实轨迹结果进行基于IOU的匹配更新跟踪器， 并输出结果， 根据连续未匹配成功的帧数判断是否为干扰物， 过 滤掉判定为干扰物的目标识别框； S60.将符合预测轨 迹结果的目标识别框的轨 迹结果绘制到图片和保存的视频中输出。 2.根据权利要求1所述的一种自动过滤晃动目标区域的抗干扰捕获高空抛物方法， 其 特征在于： 所述步骤S20中对获取的每张单帧图片进行噪声去除、 模糊 去除、 图片二值化和 图像灰度操作。 3.根据权利要求1所述的一种自动过滤晃动目标区域的抗干扰捕获高空抛物方法， 其 特征在于： 所述步骤S 30中还需根据晃动区域的交集对连续的晃动区域进 行过滤， 排除杂草 或树叶的干扰。 4.根据权利要求1所述的一种自动过滤晃动目标区域的抗干扰捕获高空抛物方法， 其 特征在于： 所述 步骤S60中轨迹生成包括以下步骤： S601.输入跟踪结果； S602.对相同的跟踪器建立轨 迹模型； S603.当长时间未 更新轨迹的时候定义 为轨迹结束； S604.过滤轨迹数量不足和方向错 误的轨迹； S605.基于MSE判断轨 迹是否满足较小 晃动， 过滤部分蚊虫和飞鸟等 不规则轨迹； S606.将结果绘制到图片和保存的视频中输出。 5.根据权利要求1所述的一种自动过滤晃动目标区域的抗干扰捕获高空抛物方法， 其 特征在于： 所述 步骤S20中前 景算法为GM M或VIBE算法。权　利　要　求　书 1/1 页 2 CN 115423850 A 2一种自动过滤晃动目标区域 的抗干扰捕获高空抛物方 法 技术领域 [0001]本发明涉及图像识别技术领域， 具体地说， 本发明涉及一种自动过滤晃动目标区 域的抗干扰捕获高空抛物方法。 背景技术 [0002]目前传统高空抛物都有绘制或者生成楼栋区域的方法， 但仍然对摄像头的安装位 置和内容有较高要求， 不允许树木或其他植被等容易晃动的区域遮挡， 虽然有一部分算法 提出了目标过滤算法， 实际应用中物体的晃动还是会严重干扰抛物跟踪算法从而影响整体 的抛物监测效果。 发明内容 [0003]为了克服现有技术的不足， 本发明提供一种抗干扰的自动过滤晃动目标区域的抗 干扰捕获高空抛物方法。 [0004]本发明解决其技术问题所采用的技术方案是： 一种自动过滤晃动目标区域的抗干 扰捕获高空抛物方法， 其改进之处在于包括以下步骤： [0005]S10.接入摄 像头地址， 抽取一张单帧图片并绘制识别区域； [0006]S20.接入视频流， 获取视频流中的每张单帧图片， 裁剪得到识别区域后对图片使 用前景建模算法， 对建模mask进行生态学转换并生成目标识别框； [0007]S30.根据目标识别框数量判断是否存在晃动区域， 若存在晃动区域， 初始化一个 晃动区域mask和原mask， 基于输入的mask连续统计一段时间前景和背景的数量， 生成晃动 的mask区域， 对生成的晃动区域执行开闭运算等形态学操作， 对靠近或者包裹的晃动区域 进行合并， 输出自动生成的晃动区域mask， 使用生成的晃动区域mask屏蔽晃动区域后循环 重复此步骤； [0008]S40.为每一个目标识别框创建跟踪器， 使用卡尔曼滤波创建速度模型， 预测目标 轨迹结果； [0009]S50.使用预测轨迹结果和真实轨迹结果进行基于IOU的匹配更新跟踪器， 并输出 结果， 根据连续未匹配成功的帧数判断是否为干扰物， 过 滤掉判定为干扰物的目标识别框； [0010]S60.将符合预测轨迹结果的目标识别框的轨迹结果绘制到图片和 保存的视频中 输出。 [0011]上述技术方案中所述步骤S20中对获取的每张单帧图片进行噪声去除、 模糊去除、 图片二值化和图像灰度操作。 [0012]上述技术方案中所述步骤S30中还需根据晃动区域的交集对连续的晃动区域进行 过滤， 排除杂草或树叶的干扰。 [0013]上述技术方案中所述 步骤S60中轨迹生成包括以下步骤： [0014]S601.输入跟踪结果； [0015]S602.对相同的跟踪器建立轨 迹模型；说　明　书 1/3 页 3 CN 115423850 A 3