本发明涉及高空鹰眼监控，具体为高空鹰眼微小行人车辆检测方法及系统。
背景技术：
1、鹰眼检测系统是一种基于计算机视觉和人工智能技术的智能监控系统，用于实时检测和跟踪目标，在安全监控、智能交通、智能农业、无人机巡检等领域应用广泛，其主要技术包括目标检测、目标跟踪、异常检测，通过图像识别技术，自动检测画面中的目标，包括人、车辆、物体等，对检测到的目标进行实时跟踪，记录目标的运动轨迹和位置信息，通过预设规则或机器学习算法，自动检测异常事件，如入侵、摔倒、火灾等；
2、鹰眼检测系统的优势是基于先进的计算机视觉和人工之智能技术可以实现高精度的目标检测和跟踪，同时可以监控多个目标，实现快速响应和实时处理，然而目前鹰眼检测技术有两个不足之处：一是需要收集大量视频和图像数据，可能涉及个人隐私和数据安全问题；二是目前主要产品算法的鲁棒性和泛化能力较弱，特别对于微小物体的检测能力不足。
技术实现思路
1、本发明的目的在于提供高空鹰眼微小行人车辆检测方法及系统，具备了节省模型训练成本，提升了微小物体识别准确率的优点，解决了现有技术中高空鹰眼监控检测需要收集大量视频和图像数据以及算法的鲁棒性和泛化能力较弱，对于微小物体的检测能力不足的问题。
2、为实现上述目的，本发明提供如下技术方案：高空鹰眼微小行人车辆检测方法及系统，其检测方法包括如下步骤：
3、a、测试数据采集，通过高空鹰眼监控采集场景内的实时视频测试数据；
4、b、区域划分，根据拍摄视频的分辨率大小，对视频进行划分区域，可划分2*n个区域(n＝1、2…)；
5、c、分辨率增强，对划分后的每个区域视频进行分辨率增强，增强2*n倍(n＝1、2…)；
6、d、模型推理，采用公开的coco数据集训练好的通用yolov8模型进行推理，将增强后的视频数据输入至yolov8模型中，通过yolov8模型对视频进行区分检测；
7、e、区域检测结果调整，根据yolov8通用模型输出的检测目标阈值进行动态调整设定阈值为90％,则阈值大于90％时进行下一步区域合并，如果阈值小于90％，则返回区域划分，进行更进一步的精细划分，直至检测结果达到要求；
8、f、区域合并，将划分的区域及检测的结果进行合并；
9、g、测试结果，通过运动补偿、空间预测编码和时间序列分析对合并好的测试数据进行边缘去重，最终得到测试结果。
10、优选的，所述步骤a中鹰眼监控可选用ar监控球机，其型号可采用ds-2cd6d54efwd-izs。
11、优选的，所述步骤b中将视频画面均匀地分成相同数量的区域，视频分辨率为1920x1080，可以其划分为2x2、3x3或更多的小区域。
12、优选的，所述步骤c分辨率增强采用超分辨率重建法，将两个帧(目标帧ii，相邻帧ij)作为输入，然后根据公式使用输入帧ii，ij计算向量域的光流方程fi→j，其计算方式为：
13、fi→j(hi→j，vi→j)＝me(ii，ij；θme)。
14、优选的，所述步骤e中yolov8通用模型推理步骤为输入处理、特征提取、解码与输出和后处理步骤，yolov8通用模型还采用loss计算，其计算方式为：
15、t＝sα×uβ
16、s为标注类别对应的预测分值，u为预测框和gt框的iou，两者相乘就可以衡量对齐程度。
17、优选的，所述yolov8通用模型将图像划分成网格，每个细胞负责预测它覆盖区域内的对象，使用预训练的卷积神经网络对输入图像进行特征提取，yolov8使用特征金字塔来捕获不同尺度的目标，不同层的特征对应不同的物体尺寸范围，将特征图转换成概率分布和边界框坐标，通过将每个网格细胞的特征向量通过一些卷积层和非线性激活函数进行计算得到，每个细胞输出包含类别概率、边界框坐标和可能存在的多个框的大小，最后对剩余的框进行调整，调整坐标、过滤低置信度的预测，并返回最终的物体检测结果。
18、优选的，所述步骤g中运动补偿采用双线性插值和空间变换网络方法，补偿帧i′j的计算公式为：
19、i′j＝mc(ii,fi→j；θmc)。
20、与现有技术相比，本发明的有益效果如下：
21、本发明通过采用通用的行人车辆yolov8模型进行推理，在推理之前对测试数据进行区域划分并针对性的分辨率增强，在推理过程中进行动态阈值调整，实现了零样本条件下的实验效果良好，不需要样本训练，直接采用通用模型进行推理，节省了模型训练成本，不仅数据采集安全还保护了隐私，能够对于微小行人和车辆准确识别，提升了微小物体识别准确率，增强了场景实用性，简化了复杂的算法模型优化环节。
1.高空鹰眼微小行人车辆检测方法及系统，其特征在于：其检测方法包括如下步骤：
2.根据权利要求1所述的高空鹰眼微小行人车辆检测方法及系统，其特征在于：所述步骤a中鹰眼监控可选用ar监控球机，其型号可采用ds-2cd6d54efwd-izs。
3.根据权利要求1所述的高空鹰眼微小行人车辆检测方法及系统，其特征在于：所述步骤b中将视频画面均匀地分成相同数量的区域，视频分辨率为1920x1080，可以其划分为2x2、3x3或更多的小区域。
4.根据权利要求1所述的高空鹰眼微小行人车辆检测方法及系统，其特征在于：所述步骤c分辨率增强采用超分辨率重建法，将两个帧(目标帧ii，相邻帧ij)作为输入，然后根据公式使用输入帧ii，ij计算向量域的光流方程fi→j，其计算方式为：
5.根据权利要求1所述的高空鹰眼微小行人车辆检测方法及系统，其特征在于：所述步骤e中yolov8通用模型推理步骤为输入处理、特征提取、解码与输出和后处理步骤，yolov8通用模型还采用loss计算，其计算方式为：
6.根据权利要求1所述的高空鹰眼微小行人车辆检测方法及系统，其特征在于：所述yolov8通用模型将图像划分成网格，每个细胞负责预测它覆盖区域内的对象，使用预训练的卷积神经网络对输入图像进行特征提取，yolov8使用特征金字塔来捕获不同尺度的目标，不同层的特征对应不同的物体尺寸范围，将特征图转换成概率分布和边界框坐标，通过将每个网格细胞的特征向量通过一些卷积层和非线性激活函数进行计算得到，每个细胞输出包含类别概率、边界框坐标和可能存在的多个框的大小，最后对剩余的框进行调整，调整坐标、过滤低置信度的预测，并返回最终的物体检测结果。
7.根据权利要求1所述的高空鹰眼微小行人车辆检测方法及系统，其特征在于：所述步骤g中运动补偿采用双线性插值和空间变换网络方法，补偿帧i′j的计算公式为：
