[發(fā)明專利]一種建筑工地行人徘徊檢測(cè)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010699299.X
• 申請(qǐng)日: 2020-07-20
• 公開（公告）號(hào): CN111860318A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 朱常玉;單建華;戴福全;章益明
• 申請(qǐng)（專利權(quán)）人: 杭州品茗安控信息技術(shù)股份有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06Q50/08;G06N20/00;H04N7/18
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 巴翠昆

1.一種建筑工地行人徘徊檢測(cè)方法，其特征在于，包括：

實(shí)時(shí)獲取從建筑工地安裝的攝像頭采集到的視頻流中捕獲的幀圖像；

在獲取的所述幀圖像上劃定行人徘徊檢測(cè)區(qū)域；

通過深度學(xué)習(xí)結(jié)合多目標(biāo)匹配算法對(duì)所述檢測(cè)區(qū)域內(nèi)的各行人進(jìn)行跟蹤；

計(jì)算跟蹤的所述行人的軌跡距離和滯留時(shí)間，若所述軌跡距離大于設(shè)定距離閾值，同時(shí)所述滯留時(shí)間大于設(shè)定時(shí)間閾值時(shí)，則識(shí)別所述行人為徘徊；

在識(shí)別出所述行人為徘徊后，連接報(bào)警器進(jìn)行預(yù)警。

2.根據(jù)權(quán)利要求1所述的建筑工地行人徘徊檢測(cè)方法，其特征在于，通過深度學(xué)習(xí)結(jié)合多目標(biāo)匹配算法對(duì)所述檢測(cè)區(qū)域內(nèi)的各行人進(jìn)行跟蹤，具體包括：

依次建立工地行人目標(biāo)檢測(cè)數(shù)據(jù)集和工地行人重識(shí)別數(shù)據(jù)集；

根據(jù)建立的所述工地行人目標(biāo)檢測(cè)數(shù)據(jù)集，構(gòu)建并訓(xùn)練行人目標(biāo)檢測(cè)模型；

根據(jù)建立的所述工地行人重識(shí)別數(shù)據(jù)集，構(gòu)建并訓(xùn)練行人重識(shí)別特征提取模型；

通過所述行人目標(biāo)檢測(cè)模型檢測(cè)出所述檢測(cè)區(qū)域內(nèi)當(dāng)前幀圖像中的各行人，并通過所述行人重識(shí)別特征提取模型提取所述行人的特征；

根據(jù)提取出的所述特征，預(yù)測(cè)下一幀圖像中的行人位置，進(jìn)行多行人的定位跟蹤。

3.根據(jù)權(quán)利要求2所述的建筑工地行人徘徊檢測(cè)方法，其特征在于，根據(jù)提取出的所述特征，預(yù)測(cè)下一幀圖像中的行人位置，進(jìn)行多行人的定位跟蹤，具體包括：

將提取出的所述特征作為輸入，利用卡爾曼濾波預(yù)測(cè)下一幀圖像中的行人位置；

利用匈牙利算法結(jié)合預(yù)測(cè)的所述下一幀圖像中的行人位置以及提取出的所述特征，進(jìn)行多行人的定位跟蹤。

4.根據(jù)權(quán)利要求3所述的建筑工地行人徘徊檢測(cè)方法，其特征在于，在訓(xùn)練所述行人目標(biāo)檢測(cè)模型之后，還包括：

通過TensorRT優(yōu)化器對(duì)所述行人目標(biāo)檢測(cè)模型進(jìn)行加速；

在訓(xùn)練所述行人重識(shí)別特征提取模型之后，還包括：

通過TensorRT優(yōu)化器對(duì)所述行人重識(shí)別特征提取模型進(jìn)行加速。

5.根據(jù)權(quán)利要求4所述的建筑工地行人徘徊檢測(cè)方法，其特征在于，依次建立工地行人目標(biāo)檢測(cè)數(shù)據(jù)集和工地行人重識(shí)別數(shù)據(jù)集，具體包括：

收集建筑工地上不同類型的行人數(shù)據(jù)作為工地行人目標(biāo)檢測(cè)數(shù)據(jù)集并進(jìn)行標(biāo)注；所述行人數(shù)據(jù)包括所有穿戴安全帽和反光衣的行人姿態(tài)，未戴安全帽和未穿反光衣的行人姿態(tài)；所述行人姿態(tài)包括行走、停駐、下蹲、坐下；

收集建筑工地上不同攝像頭之間的行人重識(shí)別數(shù)據(jù)作為工地行人重識(shí)別數(shù)據(jù)集并進(jìn)行標(biāo)注。

6.根據(jù)權(quán)利要求5所述的建筑工地行人徘徊檢測(cè)方法，其特征在于，所述行人目標(biāo)檢測(cè)模型為CenterNet，所述行人目標(biāo)檢測(cè)模型的基礎(chǔ)模型為ResNet101，損失函數(shù)為交叉熵?fù)p失函數(shù)；

所述行人重識(shí)別特征提取模型的基礎(chǔ)模型為ResNet50，損失函數(shù)為人臉識(shí)別損失函數(shù)，采用隨機(jī)梯度下降法進(jìn)行迭代優(yōu)化。

7.一種建筑工地行人徘徊檢測(cè)裝置，其特征在于，包括：安裝在建筑工地的多個(gè)攝像頭，與所述攝像頭電性連接的算法服務(wù)器，與所述算法服務(wù)器電性連接的報(bào)警器；所述算法服務(wù)器包括：

圖像獲取模塊，用于實(shí)時(shí)獲取從所述攝像頭采集到的視頻流中捕獲的幀圖像；

區(qū)域劃定模塊，用于在獲取的所述幀圖像上劃定行人徘徊檢測(cè)區(qū)域；

行人跟蹤模塊，用于通過深度學(xué)習(xí)結(jié)合多目標(biāo)匹配算法對(duì)所述檢測(cè)區(qū)域內(nèi)的各行人進(jìn)行跟蹤；

行人檢測(cè)模塊，用于計(jì)算跟蹤的所述行人的軌跡距離和滯留時(shí)間，若所述軌跡距離大于設(shè)定距離閾值，同時(shí)所述滯留時(shí)間大于設(shè)定時(shí)間閾值時(shí)，則識(shí)別所述行人為徘徊；

預(yù)警模塊，用于在識(shí)別出所述行人為徘徊后，連接所述報(bào)警器進(jìn)行預(yù)警。