[發明專利]一種基于視頻圖像的人體目標檢測方法及系統

在審

• 申請號: 201911028281.0
• 申請日: 2019-10-28
• 公開（公告）號: CN110781964A
• 公開（公告）日: 2020-02-11
• 發明（設計）人: 黨建武;金靜;王松;王陽萍;張振海;雍玖;楊景玉;閔永智;林俊亭;岳彪
• 申請（專利權）人: 蘭州交通大學;蘭州博才科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 11569 北京高沃律師事務所
• 代理人: 劉鳳玲

1.一種基于視頻圖像的人體目標檢測方法，其特征在于，包括：

獲取帶有標注信息的視頻圖像人體目標數據集；

采用遷移學習算法，提取TINYYOLOv3模型的部分網絡層，得到預訓練模型；

采用所述帶有標注信息的視頻圖像人體目標數據集和所述預訓練模型，對所述TINYYOLOv3模型進行訓練，得到訓練好的人體目標檢測模型；

將所述人體目標檢測模型部署至樹莓派設備；

獲取待檢測的視頻圖像；

將所述待檢測的視頻圖像輸入至所述樹莓派設備中的所述人體目標檢測模型，對所述待檢測的視頻圖像中的人體目標進行檢測。

2.根據權利要求1所述的基于視頻圖像的人體目標檢測方法，其特征在于，所述獲取帶有標注信息的視頻圖像人體目標數據集，具體包括：

在PASCALVOC標準目標檢測數據集中選取多張包含人體目標的圖片，得到第一數據集；

從網上抓取多張包含人體目標的圖片，采用LabelImg軟件進行手動標注對所述包含人體目標的圖片進行補充，得到第二數據集；

將所述第一數據集和所述第二數據集合并，得到所述帶有標注信息的視頻圖像人體目標數據集。

3.根據權利要求1所述的基于視頻圖像的人體目標檢測方法，其特征在于，所述采用遷移學習算法，提取TINYYOLOv3模型的部分網絡層，得到預訓練模型，之前還包括：

對所述TINYYOLOv3模型的先驗檢測框進行重新測算，使用K-Means聚類算法生成適用于人體目標檢測的多組先驗檢測框。

4.根據權利要求1所述的基于視頻圖像的人體目標檢測方法，其特征在于，所述將所述人體目標檢測模型部署至樹莓派設備，具體包括：

將darknet框架支持的所述人體目標檢測模型轉換為Tensorflow框架支持的.pb模型；

將所述.pb模型轉化為Movidius框架支持的IR模型；

將所述IR模型部署至樹莓派設備。

5.根據權利要求1所述的基于視頻圖像的人體目標檢測方法，其特征在于，還包括：

在將所述待檢測的視頻圖像輸入至所述樹莓派設備中的所述人體目標檢測模型，對所述待檢測的視頻圖像中的人體目標進行檢測過程中，使用Intel Movidius神經計算棒對檢測過程進行加速。

6.一種基于視頻圖像的人體目標檢測系統，其特征在于，包括：

視頻圖像人體目標數據集獲取模塊，用于獲取帶有標注信息的視頻圖像人體目標數據集；

預訓練模型獲取模塊，用于采用遷移學習算法，提取TINYYOLOv3模型的部分網絡層，得到預訓練模型；

訓練模塊，用于采用所述帶有標注信息的視頻圖像人體目標數據集和所述預訓練模型，對所述TINYYOLOv3模型進行訓練，得到訓練好的人體目標檢測模型；

部署模塊，用于將所述人體目標檢測模型部署至樹莓派設備；

待檢測的視頻圖像獲取模塊，用于獲取待檢測的視頻圖像；

檢測模塊，用于將所述待檢測的視頻圖像輸入至所述樹莓派設備中的所述人體目標檢測模型，對所述待檢測的視頻圖像中的人體目標進行檢測。

7.根據權利要求6所述的基于視頻圖像的人體目標檢測系統，其特征在于，所述視頻圖像人體目標數據集獲取模塊具體包括：

第一數據集獲取單元，用于在PASCALVOC標準目標檢測數據集中選取多張包含人體目標的圖片，得到第一數據集；

第二數據集獲取單元，用于從網上抓取多張包含人體目標的圖片，采用LabelImg軟件進行手動標注對所述包含人體目標的圖片進行補充，得到第二數據集；

合并單元，用于將所述第一數據集和所述第二數據集合并，得到所述帶有標注信息的視頻圖像人體目標數據集。