[發明專利]基于目標檢測的行為識別方法、裝置和計算機設備

有效

• 申請號: 202010687629.3
• 申請日: 2020-07-16
• 公開（公告）號: CN111563494B
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 董菲;于溦
• 申請（專利權）人: 平安國際智慧城市科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 深圳市明日今典知識產權代理事務所(普通合伙) 44343
• 代理人: 王杰輝;曹勇

1.一種基于目標檢測的行為識別方法，其特征在于，包括：

獲取待處理圖像；

通過預設的目標檢測算法對所述待處理圖像進行車輛檢測處理，得到處理后的車輛檢測結果；

獲取預設的EfficientDet目標檢測器；

對所述EfficientDet目標檢測器內的多尺度的特征融合level進行擴展處理；以及，

對所述EfficientDet目標檢測器內的BiFPN Layer模塊進行簡化處理，得到指定目標檢測器；

將所述車輛檢測結果輸入至所述指定目標檢測器內，獲取所述指定目標檢測器輸出的與所述車輛檢測結果對應的人員檢測結果，其中，所述人員檢測結果至少包括駕駛員圖像；

將所述駕駛員圖像輸入至預設的SVM多分類器，以通過所述SVM多分類器對所述駕駛員圖像進行行為類別識別處理，得到與所述駕駛員圖像對應的行為類別結果；

其中，所述對所述EfficientDet目標檢測器內的多尺度的特征融合level進行擴展處理的步驟包括：將所述EfficientDet目標檢測器內的多尺度的特征融合 level 3-7改進為level 1-7；

所述對所述EfficientDet目標檢測器內的BiFPN Layer模塊進行簡化處理的步驟包括：在所述BiFPN Layer模塊內的level 2-4低層的輸入和輸出節點之間只連一條邊，使得level 2-4低層的輸入邊和輸出邊只有一個節點。

2.根據權利要求1所述的基于目標檢測的行為識別方法，其特征在于，所述通過預設的目標檢測算法對所述待處理圖像進行車輛檢測處理，得到處理后的車輛檢測結果的步驟，包括：

將所述待處理圖像輸入至與所述目標檢測算法對應的預創建的車輛檢測模型內；

通過所述車輛檢測模型對所述待處理圖像進行圖像劃分處理，得到目標車輛區域圖像與背景區域圖像；

提取所述目標車輛區域圖像，并將所述目標車輛區域圖像確定為所述車輛檢測結果。

3.根據權利要求2所述的基于目標檢測的行為識別方法，其特征在于，所述目標檢測算法為YOLO算法，所述將所述待處理圖像輸入至與所述目標檢測算法對應的預創建的車輛檢測模型內的步驟之前，包括：

獲取包含車輛的樣本集，以及獲取不包含車輛的背景樣本集；

通過積分圖從所述樣本集與所述背景樣本集中提取指定矩形特征；

通過YOLO算法對所述指定矩形特征進行離線訓練，得到基于YOLO算法的車輛檢測模型。

4.根據權利要求2所述的基于目標檢測的行為識別方法，其特征在于，所述將所述車輛檢測結果輸入至預設的指定目標檢測器內，獲取所述指定目標檢測器輸出的與所述車輛檢測結果對應的人員檢測結果的步驟，包括：

將所述目標車輛區域圖像輸入至所述指定目標檢測器內；

通過所述指定目標檢測器對所述目標車輛區域圖像中駕駛員的位置進行檢測，得到對應的位置檢測結果，并根據所述位置檢測結果，從所述目標車輛區域圖像中提取出駕駛員圖像；

獲取所述指定目標檢測器輸出的所述駕駛員圖像。

5.根據權利要求1所述的基于目標檢測的行為識別方法，其特征在于，所述將所述駕駛員圖像輸入至預設的SVM多分類器，以通過所述SVM多分類器對所述駕駛員圖像進行行為類別識別處理，得到與所述駕駛員圖像對應的行為類別結果的步驟，包括：

根據預設的第一數量的第一SVM分類器以及一對多的分類規則，將所述駕駛員圖像分別輸入至每一個所述第一SVM分類器內，其中，所述第一數量與行為類別的數量相同；

分別獲取每一個所述第一SVM分類器輸出的第一結果；

分別計算每一個所述第一結果對應的分類分值；

根據所有所述分類分值，從所有所述第一結果中篩選出分類分值最大的指定結果，并將所述指定結果對應的類別作為分類結果；

將所述分類結果確定為與所述駕駛員圖像對應的行為類別結果。