(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 202210770654.7 (22)申请日 2022.06.30 (66)本国优先权数据 202210474787.X 202 2.04.29 CN (71)申请人 京东方科技 集团股份有限公司 地址 100015 北京市朝阳区酒仙桥路10号 (72)发明人 王震　 (74)专利代理 机构 北京博思佳知识产权代理有 限公司 1 1415 专利代理师 王明星 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06T 7/246(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 区域位置更新方法、 安防系统和计算机可读 存储介质 (57)摘要 本公开是关于一种区域位置更新方法、 安防 系统和计算机可读存储介质。 该方法包括： 获取 视频图像中目标区域的初始坐标数据； 根据所述 初始坐标数据和各视频图像跟踪所述目标区域 在所述各视频图像中的位置得到识别结果； 在所 述识别结果中包含目标坐标数据时， 判断摄像头 的姿态是否发生变化； 在所述摄像头的姿态发生 变化后， 根据所述目标坐标数据更新所述初始坐 标数据， 以更新视频图像中目标区域的位置。 本 实施例的方案可以目标区域不会随着摄像头的 移动和/或转动而发生错位， 从而在后续识别目 标区域内对象的过程中并不会发生误识别且误 报警的问题， 有利于提升识别效率， 进一步提升 使用体验。 权利要求书5页 说明书20页 附图11页 CN 115063750 A 2022.09.16 CN 115063750 A 1.一种区域 位置更新方法， 其特 征在于， 所述方法包括： 获取视频图像中目标区域的初始坐标 数据； 根据所述初始坐标数据和各视频图像跟踪所述目标区域在所述各视频图像中的位置 得到识别结果； 在所述识别结果中包 含目标坐标 数据时， 判断摄 像头的姿态是否发生变化； 在所述摄像头的姿态发生变化后， 根据所述目标坐标数据更新所述初始坐标数据， 以 更新视频图像中目标区域的位置 。 2.根据权利要求1所述的方法， 其特征在于， 获取视频图像中目标区域的初始坐标数 据， 包括： 响应于检测到表征绘制目标区域的操作， 获取 各个触发位置的坐标 数据； 依次连接各个 触发位置， 得到目标区域； 当所述目标区域的形状为矩形时， 将各个触发位置的坐标数据作为所述目标区域的初 始坐标数据； 当所述 目标区域的形状为除矩形之外的其他形状时， 获取所述其他形状的最 小外接矩形， 并将所述最小外接矩形的各个顶点的坐标数据作为所述目标区域的初始坐标 数据。 3.根据权利要求1或者2所述的方法， 其特征在于， 根据所述初始坐标数据和各视频图 像跟踪所述目标区域在所述各视频图像中的位置得到识别结果， 包括： 基于所述初始坐标数据获取目标视频图像中所述初始坐标数据对应目标区域的图像， 得到基准图像； 基于所述初始坐标数据获取第 一跟踪图像， 所述第 一跟踪图像是指所述目标视频图像 之后各视频图像中包 含所述目标区域的图像； 将所述基准图像和所述第一跟踪图像输入到预设的区域跟踪模型， 获得识别结果， 所 述识别结果包括所述各视频图像中至少一个候选区域的概 率值及其坐标数据。 4.根据权利要求3所述的方法， 其特征在于， 所述区域跟踪模型包括孪生网络模块、 区 域候选网络模块和识别结果模块； 所述孪生网络模块包括上支路网络和下支路网络； 所述上支路网络和所述下支路网络 的网络结构和 参数相同； 所述上支路网络输出第一尺寸的特征图像， 所述下支路网络输出 第二尺寸的特 征图像； 所述区域候选网络模块包括分类分支网络和回归分支网络； 所述分类分支网络用于根 据所述第一尺寸的特征图像和所述第二尺寸的特征图像区分出目标和背 景； 所述回归分支 网络用于调整候选区域的位置； 所述识别结果模块包括类别 输出单元和坐标数据输出单元； 所述类别 输出单元与 所述 分类分支网络连接， 用于输出各个候选区域的概率值； 所述坐标数据输出单元与所述回归 分支网络连接， 用于 输出各个候选区域的坐标 数据。 5.根据权利要求3所述的方法， 其特征在于， 所述方法还包括判断所述识别结果中是否 包含目标坐标 数据的步骤， 具体包括： 获取所述至少一个候选区域的概 率值的最大值； 当所述最大值超过预设概率阈值 时， 确定所述最大值对应的候选区域为在所述各视频 图像跟踪到的目标区域， 并获得 所述目标区域的目标坐标 数据。权　利　要　求　书 1/5 页 2 CN 115063750 A 26.根据权利要求5所述的方法， 其特 征在于， 所述方法还 包括： 当所述最大值小于所述预设概率阈值 时， 确定所述各视频图像未跟踪到所述目标区域 或者跟踪到所述目标区域的一部分。 7.根据权利要求6所述的方法， 其特征在于， 确定所述各视频图像未跟踪到所述目标区 域， 包括： 确定第一视频图像中目标区域是否位于所述第 一视频图像的边界； 所述第 一视频图像 是指未跟踪到所述目标区域的视频图像之前的前一帧视频图像； 当所述目标区域位于所述第 一视频图像的边界时， 获取所述目标区域中远离所述边界 的顶点与所述 边界的第二距离； 当所述第二距离小于预设距离阈值 时， 确定所述各视频图像未跟踪到所述目标区域为 所述目标区域已偏移到 视频图像外的类型。 8.根据权利要求6所述的方法， 其特征在于， 所述未跟踪到所述目标区域为跟踪模型异 常且目标区域 位于第一视频图像之内时， 所述方法还 包括： 当所述各视频图像未跟踪到所述目标区域时， 按照预设步长减小所述跟踪匹配阈值， 并执行根据所述初始坐标数据和各视频图像跟踪所述目标区域在所述各视频图像中的位 置得到识别结果的步骤， 直至确定所述各视频图像跟踪到所述目标区域为止或者所述跟踪 匹配阈值 等于第一 概率阈值为止， 所述第一 概率阈值是指所述跟踪匹配阈值的最小值。 9.根据权利要求6所述的方法， 其特征在于， 所述未跟踪到所述目标区域为跟踪模型异 常且目标区域 位于第一视频图像之内时， 所述方法还 包括： 以所述各视频图像对应的第一跟踪图像的各个顶点为中心且所述第一跟踪图像的长 度和宽度为基准生成多个第二跟踪图像， 并执行将所述基准图像和所述第一跟踪图像输入 到预设的区域跟踪模型的步骤。 10.根据权利要求6～ 9任一项所述的方法， 其特 征在于， 所述方法还 包括： 获取相邻两帧视频图像中目标区域的预设点的距离； 当所述预设点的距离小于中心 距离阈值时， 更新 为新识别的目标区域的坐标 数据； 当所述预设点的距离超过所述中心距离 阈值时， 将未跟踪到目标区域的视频图像保持 前一帧视频图像的目标区域或者采用构造区域； 所述构造区域是指未跟踪到目标区域的视 频图像之前的多帧视频图像中目标区域的坐标 数据的加权值。 11.根据权利要求1所述的方法， 其特 征在于， 判断摄 像头的姿态是否发生变化， 包括： 获取所述摄像头的角度变化 量； 当所述角度变化 量满足预设条件时， 确定所述摄 像头的姿态发生变化。 12.根据权利要求1所述的方法， 其特 征在于， 判断摄 像头的姿态是否发生变化， 包括： 获取相邻两帧视频图像中目标区域内各像素点的距离； 当存在至少一个像素点的距离超过像素点距离 阈值时， 确定所述摄像头的姿态发生变 化。 13.根据权利要求1所述的方法， 其特 征在于， 判断摄 像头的姿态是否发生变化， 包括： 获取相邻两帧视频图像中目标区域的预设点的距离； 当所述预设点的距离超过中心阈值时， 确定所述摄 像头的姿态发生变化。 14.根据权利要求1所述的方法， 其特征在于， 根据所述目标坐标数据更新所述初始坐权　利　要　求　书 2/5 页 3 CN 115063750 A 3