[發(fā)明專利]一種基于深度學(xué)習(xí)的站立檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711397963.X
• 申請(qǐng)日: 2017-12-21
• 公開（公告）號(hào): CN108229352B
• 公開（公告）日: 2021-09-07
• 發(fā)明（設(shè)計(jì)）人: 邵奔馳;姜飛;申瑞民
• 申請(qǐng)（專利權(quán)）人: 上海交通大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/32;H04N5/14;H04N5/76;H04N7/18
• 代理公司: 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 翁惠瑜

本發(fā)明涉及一種基于深度學(xué)習(xí)的站立檢測(cè)方法，該方法包括：1)收集樣本，各所述樣本包括樣本圖片和對(duì)應(yīng)的標(biāo)注文件；2)建立站立檢測(cè)模型，該站立檢測(cè)模型基于卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并基于所述樣本以R?FCN目標(biāo)檢測(cè)算法進(jìn)行訓(xùn)練，所述站立檢測(cè)模型包括高年級(jí)站立檢測(cè)模型和低年級(jí)站立檢測(cè)模型；3)利用訓(xùn)練后的站立檢測(cè)模型對(duì)待測(cè)視頻進(jìn)行站立檢測(cè)。與現(xiàn)有技術(shù)相比，本發(fā)明具有檢全率、準(zhǔn)確率高，適用于復(fù)雜教室環(huán)境等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及一種圖像處理技術(shù)，尤其是涉及一種基于深度學(xué)習(xí)的站立檢測(cè)方法。

背景技術(shù)

在傳統(tǒng)教學(xué)的錄播教室以及類似的室內(nèi)監(jiān)控中，需要一套能夠自動(dòng)檢測(cè)站立行為的系統(tǒng)，以便能夠評(píng)估整體氛圍和參與者的參與程度。但由于站立行為的特征又和個(gè)體的身高有著密切的關(guān)系，而同一場(chǎng)景中個(gè)體的身高有著差別，而不同場(chǎng)景下的身高分布也是不一樣的，使得在傳統(tǒng)的教室環(huán)境中檢測(cè)人的站立行為仍是一件艱巨的任務(wù)。

現(xiàn)有一種基于主從攝像機(jī)的學(xué)生跟蹤定位方法，該方法使用兩個(gè)從攝像機(jī)和一個(gè)帶云臺(tái)裝置的主攝像機(jī)。從攝像機(jī)可自動(dòng)或手動(dòng)生成感興趣區(qū)域，使用背景差分法檢測(cè)有無學(xué)生進(jìn)入或離開感興趣區(qū)域，且向主攝像機(jī)發(fā)送檢測(cè)結(jié)果；主攝像機(jī)根據(jù)從攝像機(jī)傳遞過來的信息判斷站起的學(xué)生數(shù)目，并根據(jù)站起的學(xué)生數(shù)目選擇全景錄制模式或定位錄制模式，其中定位錄制模式中使用幀間差分法檢測(cè)所有運(yùn)動(dòng)目標(biāo)的輪廓，判斷輪廓中心點(diǎn)最高的目標(biāo)為站起的學(xué)生，其流程圖如圖1所示。該方法雖然具有一定定位精度，但還存在以下不足：

1、該方法將攝像頭安置于黑板兩側(cè)，安裝高度為學(xué)生坐下后與頭頂齊平處，使得攝像頭基本處于學(xué)生視線的前方，較容易對(duì)學(xué)生產(chǎn)生心理壓力。而且在此高度下，學(xué)生可能在有意或無意的情況下觸碰到攝像機(jī)，造成結(jié)果的偏差。

2、需要一主一從兩個(gè)攝像頭去完成站立檢測(cè)。

3、因?yàn)榈湍昙?jí)的小學(xué)生站立高度和坐著時(shí)的高度相差不大，所以此方法在低年級(jí)的學(xué)生上的效果較差。

發(fā)明內(nèi)容

本發(fā)明就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于深度學(xué)習(xí)的站立檢測(cè)方法。

本發(fā)明的目的之一是只需一個(gè)攝像頭即可實(shí)現(xiàn)站立檢測(cè)。

本發(fā)明的目的之二是著重提高在低年級(jí)學(xué)生上的檢測(cè)效果。

本發(fā)明的目的之三是將不同幀中的同一站立行為串聯(lián)起來，避免同一站立行為在不同幀的重復(fù)計(jì)數(shù)。

本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn)：

一種基于深度學(xué)習(xí)的站立檢測(cè)方法，該方法包括：

1)收集樣本，各所述樣本包括樣本圖片和對(duì)應(yīng)的標(biāo)注文件；

2)建立站立檢測(cè)模型，該站立檢測(cè)模型基于卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并基于所述樣本以R-FCN目標(biāo)檢測(cè)算法進(jìn)行訓(xùn)練，所述站立檢測(cè)模型包括高年級(jí)站立檢測(cè)模型和低年級(jí)站立檢測(cè)模型；

3)利用訓(xùn)練后的站立檢測(cè)模型對(duì)待測(cè)視頻進(jìn)行站立檢測(cè)。

所述標(biāo)注文件的信息包括站立人員類型。

所述站立人員類型包括高年級(jí)學(xué)生、低年級(jí)學(xué)生和老師。

所述建立站立檢測(cè)模型具體為：

201)利用所有樣本訓(xùn)練一基礎(chǔ)站立模型；

202)利用帶有高年級(jí)學(xué)生標(biāo)注的樣本和帶有低年級(jí)學(xué)生標(biāo)注的樣本分別在所述基礎(chǔ)站立模型的基礎(chǔ)上進(jìn)行進(jìn)一步訓(xùn)練，獲得高年級(jí)站立檢測(cè)模型和低年級(jí)站立檢測(cè)模型。

該方法還包括步驟：

4)根據(jù)前一幀的站立檢測(cè)結(jié)果和當(dāng)前的站立檢測(cè)結(jié)果進(jìn)行站立的跟蹤。

所述跟蹤具體為：