(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 202210685950.7 (22)申请日 2022.06.16 (71)申请人 桂林电子科技大 学 地址 541004 广西壮 族自治区桂林市灵川 县灵田镇 (72)发明人 李玉洁　马子航　丁数学　谭本英　 (74)专利代理 机构 北京东方盛凡知识产权代理 事务所(普通 合伙) 11562 专利代理师 王宁宁 (51)Int.Cl. G06V 20/40(2022.01) G06T 7/73(2017.01) G06N 3/04(2006.01) (54)发明名称 一种基于可回溯目标识别的智能寻物方法 及系统 (57)摘要 本发明提供了一种基于可回溯目标识别的 智能寻物方法及系统， 包括： 对场景视频进行稀 疏模型建模处理， 获得稀疏模型的视频信号； 对 所述视频信号采用YOL O目标识别算法， 并基于 所 述稀疏模型构造自适应目标字典， 识别所述视频 信号中的目标； 提取所述视频信号的视频关键 帧， 对所述视频关键帧进行预处理， 获取所述目 标最后出现的位置。 本发明通过基于稀疏模型的 实时目标识别技术在实现目标识别的同时提高 了信号处理性能以达到实时计算； 通过自适应目 标特征字典构造技术对多场景目标复杂的问题 有良好表现。 权利要求书2页 说明书5页 附图2页 CN 114973099 A 2022.08.30 CN 114973099 A 1.一种基于可回溯目标识别的智能寻物方法， 其特 征在于， 包括： 对场景视频进行稀疏模型建模处 理， 获得稀疏模型的视频信号； 对所述视频信号采用YOLO目标识别算法， 并基于所述稀疏模型构造自适应目标字典， 识别所述视频信号中的目标； 提取所述视频信号的视频关键帧， 对所述视频关键帧进行预处理， 获取所述目标最后 出现的位置 。 2.根据权利要求1所述的基于可回溯目标识别的智能寻物方法， 其特征在于， 对所述视 频关键帧进行 预处理包括： 按时间回溯 倒叙排列所述视频关键帧。 3.根据权利要求1所述的基于可回溯目标识别的智能寻物方法， 其特征在于， 对所述场 景视频进行稀疏模型建模处 理包括： 引入行列式约束构成稀疏模型； 所述行列式约束为： f(H)＝max(det(H HT)) 其中， H为稀疏矩阵， HT为稀疏矩阵H的转置， det()为行列式。 4.根据权利要求1所述的基于可回溯目标识别的智能寻物方法， 其特征在于， 构造所述 自适应目标字典包括： 对所述自适应目标字典施加正交约束； 将施加正交约束后的所述自适应目标字典进行Cayley变换处理， 并加入Barzilai ‑ Borwein步长。 5.根据权利要求1所述的基于可回溯目标识别的智能寻物方法， 其特征在于， 提取所述 视频信号的视频关键帧的方式为： 采用关键帧提取模型； 所述关键帧提取模型为： 其中， JGMC(X)为稀疏约束， Y为视 频信号矩阵， F为Frobenius范数， 为求解 最小F范数下参数的取值。 6.一种基于可回溯目标识别的智能寻物系统， 其特征在于， 包括： 采集模块、 识别模块、 构造模块和寻物模块； 所述采集模块用于对场景视频进行稀疏模型建模处 理， 获得稀疏模型的视频信号； 所述识别 模块用于对所述视频信号采用YOLO目标识别算法， 识别所述视频信号中的目 标； 所述构造模块用于构造自适应目标字典， 对所述视频信号采用所述自适应目标字典进 行学习； 所述寻物模块用于提取所述视频信号的视频关键帧， 对所述视频关键帧进行处理， 获 取所述目标最后出现的位置 。 7.根据权利要求6所述的基于可回溯目标识别的智能寻物系统， 其特征在于， 所述寻物 模块中对所述视频关键帧进行处 理包括： 按时间回溯 倒叙排列所述视频关键帧。 8.根据权利要求6所述的基于可回溯目标识别的智能寻物系统， 其特征在于， 所述采集 模块中对所述场景视频进行稀疏模型建模处 理包括： 引入行列式约束构成稀疏模型；权　利　要　求　书 1/2 页 2 CN 114973099 A 2所述行列式约束为： f(H)＝max(det(H HT)) 其中， H为稀疏矩阵， HT为稀疏矩阵H的转置， det()为行列式。 9.根据权利要求6所述的基于可回溯目标识别的智能寻物系统， 其特征在于， 所述构造 模块中构造所述自适应目标字典包括： 对所述自适应目标字典施加正交约束； 将施加正交约束后的所述自适应目标字典进行Cayley变换处理， 并加入Barzilai ‑ Borwein步长。权　利　要　求　书 2/2 页 3 CN 114973099 A 3