[發(fā)明專利]一種基于深度學(xué)習(xí)的行人奔跑行為檢測(cè)方法及相關(guān)組件

有效

• 申請(qǐng)?zhí)枺?/td>: 202011256786.5
• 申請(qǐng)日: 2020-11-11
• 公開（公告）號(hào): CN112329671B
• 公開（公告）日: 2022-06-17
• 發(fā)明（設(shè)計(jì)）人: 張興;王國(guó)勛;王鶴;石強(qiáng);黃勇其;熊嬌;劉雨桐
• 申請(qǐng)（專利權(quán)）人: 潤(rùn)聯(lián)軟件系統(tǒng)（深圳）有限公司
• 主分類號(hào): G06V40/10
• 分類號(hào): G06V40/10;G06V20/40;G06V10/22;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06T7/246
• 代理公司: 深圳市精英專利事務(wù)所 44242
• 代理人: 武志峰

本發(fā)明公開了一種基于深度學(xué)習(xí)的行人奔跑行為檢測(cè)方法及相關(guān)組件，方法包括：構(gòu)建頭肩檢測(cè)模型；利用頭肩檢測(cè)模型對(duì)監(jiān)控視頻畫面進(jìn)行檢測(cè)，得到監(jiān)控視頻畫面中的行人頭肩框；對(duì)所述監(jiān)控視頻畫面中的行人頭肩框進(jìn)行跟蹤，得到行人的運(yùn)動(dòng)軌跡；建立監(jiān)控視頻畫面中每個(gè)像素點(diǎn)尺寸與實(shí)際場(chǎng)景尺寸之間的映射關(guān)系；計(jì)算行人在指定時(shí)間段內(nèi)的運(yùn)動(dòng)距離；根據(jù)行人在指定時(shí)間段內(nèi)的運(yùn)動(dòng)距離計(jì)算行人在所述指定時(shí)間段內(nèi)的平均速度，并將所述平均速度與預(yù)設(shè)的速度閾值進(jìn)行比較，若所述平均速度大于所述速度閾值，則判定所述行人處于奔跑狀態(tài)，若所述平均速度小于所述速度閾值，則判定所述行人處于非奔跑狀態(tài)。本發(fā)明具有精度高、速度快、實(shí)時(shí)性強(qiáng)等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及運(yùn)動(dòng)檢測(cè)領(lǐng)域，特別涉及一種基于深度學(xué)習(xí)的行人奔跑行為檢測(cè)方法及相關(guān)組件。

背景技術(shù)

隨著經(jīng)濟(jì)社會(huì)的迅速發(fā)展以及城市化的加速，現(xiàn)代城市人口數(shù)量日趨增長(zhǎng)，公共場(chǎng)所的安全事故頻繁發(fā)生。為了遏制安全事故的發(fā)生，世界各國(guó)的監(jiān)管機(jī)構(gòu)均在公共場(chǎng)所安裝大量的監(jiān)控視頻，用于監(jiān)測(cè)及預(yù)防突發(fā)事件，以保障公共場(chǎng)所的安全，維持社會(huì)的長(zhǎng)治久安。因此，公共場(chǎng)所行人異常行為的監(jiān)測(cè)，也受到了相關(guān)管理部門的重視，及時(shí)的監(jiān)測(cè)公共場(chǎng)所行人異常行為，并安排相應(yīng)的保護(hù)措施，對(duì)于預(yù)防及降低突發(fā)事件的發(fā)生是很有必要的。然而，隨著監(jiān)控視頻數(shù)量的增加，針對(duì)監(jiān)控視頻下大量的行人異常行為，依靠傳統(tǒng)人眼識(shí)別的方法，無法達(dá)到大規(guī)模且高效的分析。

利用計(jì)算機(jī)系統(tǒng)對(duì)監(jiān)控視頻進(jìn)行監(jiān)測(cè)，其可根據(jù)實(shí)時(shí)情況更好的進(jìn)行現(xiàn)場(chǎng)管控。目前檢測(cè)行人奔跑的技術(shù)主要有以下幾種：

1、基于檢測(cè)圖像上的Harris(哈里斯)角點(diǎn)，采用光流法對(duì)這些角點(diǎn)進(jìn)行跟蹤并提取出產(chǎn)生運(yùn)動(dòng)的角點(diǎn)，進(jìn)而獲得運(yùn)動(dòng)角點(diǎn)在視頻序列中連續(xù)兩幀間的運(yùn)動(dòng)向量，計(jì)算出人群整體的運(yùn)動(dòng)速度，從而檢測(cè)人群的奔跑行為。

2、基于混合高斯分布的背景模型的前景提取方法，根據(jù)不同高斯分布在時(shí)間窗口內(nèi)的發(fā)生頻率更新相應(yīng)高斯分布的權(quán)值，提取出完整的運(yùn)動(dòng)前景。并標(biāo)記已提出的前景掩碼，根據(jù)Lucas-Kanade(LK光流算法)方法計(jì)算出運(yùn)動(dòng)目標(biāo)的光流信息，并采用基于幅值的加權(quán)方向直方圖描述人體運(yùn)動(dòng)劇烈程度，再計(jì)算出運(yùn)動(dòng)區(qū)域內(nèi)的熵來判斷行為的異常。

3、基于傳統(tǒng)的背景建模方法，檢測(cè)視頻中的運(yùn)動(dòng)目標(biāo)，然后判別運(yùn)動(dòng)目標(biāo)是否為人體，對(duì)于人體目標(biāo)，提取運(yùn)動(dòng)矢量特征，采用SVM(支持向量機(jī))方法進(jìn)行特征分類，判斷人體是否處于奔跑狀態(tài)。

在監(jiān)控視頻中，存在著行人稀疏及行人密集的情況，不管是基于傳統(tǒng)的方法還是基于深度學(xué)習(xí)的方法，在行人密集的情況下，其都容易受到遮擋情況的影響造成運(yùn)動(dòng)目標(biāo)難以檢測(cè)及跟蹤，此時(shí)無法有效地檢測(cè)出目標(biāo)行人的運(yùn)動(dòng)狀態(tài)。另外在建模過程中需要保存大量的目標(biāo)數(shù)據(jù)，容易受到背景更新、光照變化、陰影及其他干擾，造成背景容易被誤檢為前景、運(yùn)動(dòng)目標(biāo)不完整等問題。在行人較多的區(qū)域容易存在遮擋等現(xiàn)象，采用背景建模方法提取出的運(yùn)動(dòng)目標(biāo)不準(zhǔn)確，容易造成檢測(cè)率偏低，前后幀目標(biāo)差異大，無法正確的判斷運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)程度。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于深度學(xué)習(xí)的行人奔跑行為檢測(cè)方法及相關(guān)組件，旨在解決現(xiàn)有行人奔跑行為檢測(cè)技術(shù)存在的準(zhǔn)確率低、容易受干擾、實(shí)時(shí)性不高的問題。

第一方面，本發(fā)明實(shí)施例提供一種基于深度學(xué)習(xí)的行人奔跑行為檢測(cè)方法，其中，包括：

建立頭肩數(shù)據(jù)集，并采用深度學(xué)習(xí)目標(biāo)檢測(cè)算法進(jìn)行模型訓(xùn)練，得到頭肩檢測(cè)模型；

利用所述頭肩檢測(cè)模型對(duì)監(jiān)控視頻畫面進(jìn)行檢測(cè)，得到監(jiān)控視頻畫面中的行人頭肩框；

基于目標(biāo)跟蹤算法對(duì)所述監(jiān)控視頻畫面中的行人頭肩框進(jìn)行跟蹤，得到行人的運(yùn)動(dòng)軌跡；

建立監(jiān)控視頻畫面中每個(gè)像素點(diǎn)尺寸與實(shí)際場(chǎng)景尺寸之間的映射關(guān)系；

基于所述行人的運(yùn)動(dòng)軌跡以及所述映射關(guān)系，計(jì)算所述行人在指定時(shí)間段內(nèi)的運(yùn)動(dòng)距離；