[發明專利]一種智能劃區的站臺工作人員的識別方法

在審

• 申請號: 202011485426.2
• 申請日: 2020-12-16
• 公開（公告）號: CN112528885A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 張祥祥;沈修平
• 申請（專利權）人: 上海悠絡客電子科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海新天專利代理有限公司 31213
• 代理人: 徐偉奇

本發明提供了一種智能劃區的站臺工作人員識別方法，步驟如下：采集行人數據；使用打標好的數據，用卷積神經網絡訓練行人分類模型；顏色過濾器；對經過顏色過濾器后的圖片做顯著性檢測，使用SOD100K自動精確提取警戒線區域maskⅠ；根據警戒線區域maskⅠ勾畫出封閉的多邊形警戒區域，得到maskⅡ；對原圖和maskⅡ取圖像的與操作圖，得到目標區域圖片；對所得到的目標區域圖片使用基于深度學習的方法yolov4做行人檢測，若有行人，則得到對應的行人檢測框bbox；對得到的行人框bbox，提取對應的行人圖片；使用預先訓練好的行人分類網絡模型對行人圖片做分類識別，得到識別結果為非工作人員，或者工作人員的種類。

技術領域

本發明涉及一種智能劃區的站臺工作人員的識別方法。

背景技術

火車或者高鐵站站臺上某些區域非工作人員是禁止進入的，若普通旅客進入該區域，可能存在一定的危險，因此智能劃區并識別出工作人員，對非工作人員進行預警警告，顯得非常重要。由于車站環境復雜，監控攝像頭的安裝角度通常是不固定的，如何根據實際場景，在不受攝像頭角度影響的情況下智能劃出指定區域，并識別出區域內工作人員種類，是有一定的挑戰性的。

隨著計算機視覺技術和機器學習的發展與進步，使用深度學習的方法，對物體的深度特征的提取與識別，在物體的檢測和識別上可以實現魯棒且效果比較好的結果。

現有技術的缺陷主要是：

1.基于傳統的機器學習方法對區域的檢測，容易受到其他環境因素的影響，比如光照和顏色相近的物體的影響，產生較多的噪聲；

2.傳統的特征提取方法是基于手工設計的特征，這些特征容易受光照，亮度等因素的影響，從而對人員的檢測和分類識別結果不準確。

發明內容

本發明目的在于克服現有技術的不足，基于顏色對站臺警戒線粗提取區域線，然后基于深度學習的方法對警戒線進行精提取，從而勾畫出警戒區域，該方法不受攝像頭安裝角度影響，智能識別指定區域。通過使用深度學習的行人檢測和分類識別方法對站臺區域內行人進行檢測和識別，所使用的物體深度特征對環境影響具有魯棒性。

本發明的具體技術方案如下：

一種智能劃區的站臺工作人員的識別方法。包含以下步驟：

步驟一 采集行人數據，并人工打標分類；

步驟二 使用步驟一人工打標好的數據，用卷積神經網絡訓練行人分類模型；

步驟三 顏色過濾器：首先圖片由BGR轉換成HSV空間，然后根據警戒線的顏色分別確定H、S、V，的取值范圍，本發明中取值為：11H26,S43或S255，V46或V255，把不同時在H、S、V取值范圍內的值置零；

步驟四 對經過顏色過濾器后的圖片做顯著性檢測，自動精確提取警戒線區域maskI的使用的算法為SOD100K(Highly Efficient Salient Object Detection with100K Parameters)，該算法提出的輕量級網絡主要由特征提取器和跨階段的融合部分組成，可同時處理多個尺度的特征。特征提取器與SOD100K提出的層內多尺度塊堆疊在一起，并根據特征圖的分辨率分為4個階段，每個階段分別具有3、4、6和4個層內多尺度塊。SOD100K提出的一種靈活的卷積模塊(gOctConvs)組成的跨階段融合部分會處理來自特征提取器各階段的特征以獲得高分辨率的輸出。

該算法使用一種新型的動態權重衰減方案來減少特征表示的冗余性，可以根據某些通道的特定特征來調整權重衰減。具體來說，在反向傳播期間，衰減項會根據某些通道的特征動態變化。動態權重衰減的權重更新可表示為：