[發明專利]基于深度學習的周界報警算法

有效

• 申請號: 201710505346.0
• 申請日: 2017-06-28
• 公開（公告）號: CN107316024B
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 張恩偉
• 申請（專利權）人: 北京博睿視科技有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于深度學習的周界報警算法，其特征在于：基于混合高斯背景模型從視頻連續幀中提取前景，把符合背景模型的像素點判定為背景，不符合背景模型的像素點則判定為前景；提取出的前景，通過形態學濾波的方法濾除噪聲點；濾除噪聲點后的前景經過兩步掃描的連通域標記算法，生成連通域的長度、寬度和中心點坐標；通過連通域的左上角坐標和連通域的寬高，從左到右，從上到下，截取出彩色YUV子圖；采用14個卷積層、4個池化層、3個全連接層的深度學習網絡(卷積神經網絡)，在子圖上進行深度學習的人體檢測，利用卷積神經網絡提取特征，將子圖劃分為15x15個塊，每個塊上估計屬于人體的概率和坐標，最終將大于一定閾值的塊合并，形成人體檢測的結果，人體檢測的結果用中心坐標和寬高，以及概率表示；通過人工標定物標出場景的景深信息，人工標定由五條不同位置不同景深的標線組成，通過這些標線計算整個場景的景深，然后根據人體檢測的坐標和寬高，結合標定的景深信息，估計出人體的縱深信息，從而得到人體的三維坐標，將人體的三維坐標輸入周界報警的規則中，與周界的位置坐標相比較，判斷該人是否闖入周界，如果闖入，則觸發報警。

2.根據權利要求1所述的基于深度學習周界報警算法，其特征在于，通過形態學濾波的方法濾除噪聲點；形態學濾波過程是先進行腐蝕算子，再進行膨脹算子；腐蝕和膨脹都是圖像進行卷積運算，采用的是3x3大小的核。

3.根據權利要求1所述的基于深度學習周界報警算法，其特征在于，連通域標記經過兩步掃描：第一步是標記過程，即給每個像素點做標記；第二步是連通坐標過程，即通過連通關系得到區域的坐標。

4.根據權利要求1所述的基于深度學習周界報警算法，其特征在于，在子圖上進行深度學習的人體檢測，卷積層采用7x7、5x5和3x3的卷積核，池化層采用2x2的窗口，以一層一層減少特征空間的大小，網絡的參數訓練先用標定類別的一百二十萬張樣本進行預訓練，然后用監控場景中的人的圖像進行訓練，最后收斂后得到深度學習的網絡參數。

5.根據權利要求1所述的基于深度學習周界報警算法，其特征在于，算法模型統一由深度學習訓練得到，現場實施不需要配置參數。