(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 202210641604.9 (22)申请日 2022.06.08 (71)申请人 湖北工业大 学 地址 430068 湖北省武汉市洪山区南李路 28号 (72)发明人 谢红刚　姜迪　李郑美　湛文科　 王鹏举　 (74)专利代理 机构 武汉华强专利代理事务所 (普通合伙) 42237 专利代理师 王冬冬 (51)Int.Cl. G06V 20/40(2022.01) G06T 5/00(2006.01) G06T 5/50(2006.01) G06T 7/13(2017.01)G06T 7/194(2017.01) G06V 10/75(2022.01) G06V 10/764(2022.01) G06V 20/52(2022.01) (54)发明名称 一种基于局部MSR和目标匹配的厨房老鼠检 测识别方法 (57)摘要 本发明提供一种基于局部MSR和目标匹配的 厨房老鼠检测识别方法， 包括监控图像提取、 图 像低照度增强、 老鼠活动区域检测、 老鼠模板制 作、 老鼠匹配和判定， 其特征在于： 所述监控图像 提取是通过视频图像采集卡将摄像机中的视频 图像传递到计算机中， 然后把视频图像转换为连 续帧的图像序列。 权利要求书2页 说明书6页 附图3页 CN 115035446 A 2022.09.09 CN 115035446 A 1.一种基于局部MSR和目标匹配的厨房老鼠检测识别方法， 包括监控图像提取、 图像低 照度增强、 老鼠活动区域检测、 老鼠模板制作、 老鼠匹配和判定， 其特征在于： 所述监控图像 提取是通过视频图像采集卡将摄像机中的视频图像传递到计算机中， 然后把视频图像转换 为连续帧的图像序列。 2.根据权利要求1所述的一种基于局部MSR和目标匹配的厨房老鼠检测识别方法， 其特 征在于， 所述图像低照度增强是将每 帧图像采用非均分方法按水平方向分割， 得到上下两 份图像， 将下 方图像采用MSR方法进行图像增强。 3.根据权利要求1所述的一种基于局部MSR和目标匹配的厨房老鼠检测识别方法， 其特 征在于， 所述老鼠活动区域检测是： 对预处理后图像的每一个像素点构建K(K＝3,5)个高斯 分布模型， 从而形成混合高斯背景模型； 将当前帧像素点的K个高斯分布与背景像素点的K 个高斯分布进行匹配， 若匹配的高斯分布符合背景要求， 那么该像素点为背景， 否则为前 景， 若无高斯分布与背 景相匹配， 则此时出现了一个新的高斯分布， 那么就将该分布取代背 景高斯分布中权重最小的高斯分布； 当背 景差分完后， 需要对背 景模型进行更新， 更新背 景 模型需要将当前像素点的高斯分布与已有的高斯分布进行比较， 如果该高斯分布与 某一个 高斯分布相匹配， 则相应的对高斯分布的均值， 权重和方差进行更新， 如果都不匹配， 则出 现了一个新的高斯分布， 需要将该高斯分布取代权重最小的高斯分布； 将背景建模的过程 划分为初始阶段和稳固阶段， 在背景初始阶段需要一个较大 的学习速率， 在背景稳固阶段 需要一个较小的速率； 依据建立的混合高斯模型作为背景， 对每 帧经过预处理后的图像差 分出前景图像； 将差 分后的图像进行形态学 处理， 然后对处理后的图像进 行边缘检测， 提取 差分图像的轮廓信息 。 4.根据权利要求1所述的一种基于局部MSR和目标匹配的厨房老鼠检测识别方法， 其特 征在于， 所述老鼠模板制作包括： 依据不同角度老鼠的形状差异设计出四个不同角度的老 鼠轮廓图像， 将提取 的运动目标 的轮廓信息与四种老鼠轮廓图像进行形状匹配； 根据老鼠 体型较小， 所占的像素点较少的特点， 缩小设计的轮廓图像并计算 不同角度轮廓面积。 5.根据权利要求1所述的一种基于局部MSR和目标匹配的厨房老鼠检测识别方法， 其特 征在于， 所述老鼠匹配和判定包括： 将差 分图像的轮廓信息和四个老鼠模板相匹配， 将匹配 较高的老鼠轮廓图像所对应的轮廓面积与提取的运动目标的轮廓面积相比较， 若两者相差 较小， 则判定该运动目标为老鼠。 6.根据权利要求1所述的一种基于局部MSR和目标匹配的厨房老鼠检测识别方法， 其特 征在于， 所述图像低照度增强包括所述厨房检测老鼠的时间处在晚上下班后， 曝光条件不 足， 所得到的图像为低照度图像， 需要先对每帧图像进行图像增强处理， 消除图像噪点， 提 高图像质量； 由于厨房中的老鼠大多在灶台以及地面上活动， 处在监控的下方， 所以仅需对 下方图像进行增强处理， 减少不必要的运算， 提高运算效率； 首先每 帧图像像素大小， 由于 每张图像大小相同， 仅需计算第一帧图像像素大小， 对图像的垂直像素按四舍五入法分割 为上下两块图像； 对分割出的下方图像进行MSR(多尺度Retienx)图像增强， 采用了三种不 同尺度的高斯滤波函数， 每种 滤波函数具有不同的尺度参数， 分别用三种高斯滤波函数对 低光图像进行卷积操作， 操作完成后可得不同尺度的光照图像， 再将多张不同尺度的光照 图像加权平均， 获得最终的光照图像， 如公式(1)和公式(2)：权　利　要　求　书 1/2 页 2 CN 115035446 A 2在公式(1)和公式(2)中， n为3， N表示高斯Si(x， y)卷积函数的数量， 一般为3个分别用于 表示小、 中、 大三种尺度， Wn表示每种尺度的权值， kn示不同尺度的归一化因子， cn表示不同 的尺度参数， Gn(x， y， c)表示 n个不同的高斯 函数， Si(x， y)示低光图像中第i个通道的分量； 操作完成后可得不同尺度的光照图像， 再将三张不同尺度的光照图像加权平均， 获得 光照增强和噪声消除的最终图像。 7.根据权利要求1所述的一种一种基于局部MSR和目标匹配的厨房老鼠检测识别方法， 其特征在于， 所述老鼠活动区域检测包括学习速率更新： 根据厨房背景固定和老鼠目标较 小特点， 将厨房背景建模分为初始阶段和稳固阶段， 根据时间段 的不同采用不同的学习速 率。 8.根据权利要求1所述的一种一种基于局部MSR和目标匹配的厨房老鼠检测识别方法， 其特征在于， 所述老鼠模板制作包括： 根据老鼠特定的形状特征， 制作出正面， 侧面， 后面以 及斜上面四个角度 观测老鼠的轮廓图像； 由于摄像机中观测到 老鼠属于小目标， 像素较小， 根据这一特征， 将老鼠轮廓图像的像素比设计为8 ×8， 依据该像素比计算不同角度观测老 鼠轮廓图像的轮廓内面积。权　利　要　求　书 2/2 页 3 CN 115035446 A 3