[發(fā)明專利]一種被遺棄可疑行李的遺棄人檢測追蹤方法

在審

• 申請?zhí)枺?/td>: 202110857723.3
• 申請日: 2021-07-28
• 公開（公告）號(hào): CN113313090A
• 公開（公告）日: 2021-08-27
• 發(fā)明（設(shè)計(jì)）人: 申蓮蓮;吳彩萍;楊海濤;鄧承剛
• 申請（專利權(quán)）人: 四川九通智路科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62
• 代理公司: 成都天嘉專利事務(wù)所(普通合伙) 51211
• 代理人: 康拯通

1.一種被遺棄可疑行李的遺棄人檢測追蹤方法，其特征在于，包括以下步驟：

數(shù)據(jù)集收集整理步驟，采用包括人、背包、手提包、手提箱類數(shù)據(jù)的COCO數(shù)據(jù)集，將COCO數(shù)據(jù)集中的背包、手提包、手提箱均歸類為行李類，則行李類的COCO數(shù)據(jù)集中的數(shù)據(jù)特征集合可表示為和表示所有數(shù)據(jù)類別索引的集合，其中，、代表第n、第m個(gè)樣本的數(shù)據(jù)特征，、代表第n、第m個(gè)樣本所屬的類別索引；

模型訓(xùn)練步驟，將所述數(shù)據(jù)集收集整理步驟中行李類的COCO數(shù)據(jù)集進(jìn)行整理，按比例劃分為訓(xùn)練集和測試集，將訓(xùn)練集輸入到Mask Rcnn網(wǎng)絡(luò)中、利用批量梯度下降法求出最優(yōu)模型進(jìn)行模型訓(xùn)練，然后將測試集輸入到訓(xùn)練后的模型進(jìn)行檢查和調(diào)整，得到訓(xùn)練好的檢測模型；

檢測識(shí)別步驟，通過車站視頻監(jiān)控系統(tǒng)對車站內(nèi)的實(shí)時(shí)視頻數(shù)據(jù)進(jìn)行采集，并將采集到的實(shí)時(shí)視頻數(shù)據(jù)輸入至所述模型訓(xùn)練步驟得到的檢測模型中，檢測模型將實(shí)時(shí)視頻數(shù)據(jù)中的移動(dòng)對象識(shí)別為行李和攜帶行李的人；

遺棄行李人追蹤步驟，當(dāng)車站視頻監(jiān)控系統(tǒng)的實(shí)時(shí)視頻數(shù)據(jù)中出現(xiàn)遺棄行李時(shí)，則通過匹配識(shí)別找到所述檢測識(shí)別步驟的識(shí)別結(jié)果中被遺棄行李的圖像，并找到對應(yīng)攜帶行李的人為遺棄人，然后采用攝像頭拼接畫面以及目標(biāo)跟蹤的方法進(jìn)行遺棄人的軌跡跟蹤。

2.如權(quán)利要求1所述的一種被遺棄可疑行李的遺棄人檢測追蹤方法，其特征在于：所述模型訓(xùn)練步驟中，按照3：7的比例將行李類的COCO數(shù)據(jù)集隨機(jī)分為測試集和訓(xùn)練集，即訓(xùn)練集占整個(gè)行李類的COCO數(shù)據(jù)集的7/10，測試集占整個(gè)行李類的COCO數(shù)據(jù)集的3/10。

3.如權(quán)利要求1或2所述的一種被遺棄可疑行李的遺棄人檢測追蹤方法，其特征在于：所述模型訓(xùn)練步驟中批量梯度下降法

，其中，是每個(gè)特征的權(quán)重，t代表批量梯度下降法中權(quán)重更新的次數(shù)，t為當(dāng)前更新的次數(shù)、t+1為下一次更新，η是學(xué)習(xí)率，是預(yù)測結(jié)果值，batch-size是樣本數(shù)據(jù)的數(shù)量，i代表行訓(xùn)練集中的第i批樣本數(shù)據(jù)特征，j指樣本數(shù)據(jù)的數(shù)量batch-size中樣本所對應(yīng)的維度，模型訓(xùn)練完成后可以檢測到人和行李類。

4.如權(quán)利要求1所述的一種被遺棄可疑行李的遺棄人檢測追蹤方法，其特征在于：所述檢測識(shí)別步驟中，檢測模型將實(shí)時(shí)視頻數(shù)據(jù)中的移動(dòng)對象識(shí)別為行李和攜帶行李的人，是將從實(shí)時(shí)視頻數(shù)據(jù)中若干幀圖像中識(shí)別出的行李和人的圖像按照特征向量相似度的降序進(jìn)行排序，然后使用歐氏距離來計(jì)算相似性，其中，是所要查詢行李的特征向量，是攜帶行李的人的特征向量，N是特征向量的大??；之后對歐氏距離計(jì)算結(jié)果進(jìn)行排序，圖像中與行李間歐氏距離最短的人為攜帶行李的人。

5.如權(quán)利要求1或4所述的一種被遺棄可疑行李的遺棄人檢測追蹤方法，其特征在于：所述檢測識(shí)別步驟中，檢測模型將實(shí)時(shí)視頻數(shù)據(jù)中的移動(dòng)對象識(shí)別為行李的特征向量，從視頻數(shù)據(jù)中識(shí)別出攜帶行李的人的特征向量為，然后行李和攜帶行李的人的特征的特征向量按照特征向量相似度的降序進(jìn)行排序、使用歐氏距離來計(jì)算相似性。

6.如權(quán)利要求1所述的一種被遺棄可疑行李的遺棄人檢測追蹤方法，其特征在于：所述遺棄行李人追蹤步驟中，采用的攝像頭拼接畫面方法為基于SIFT算法的畫面拼接算法，所述目標(biāo)跟蹤方法為基于Deepsort算法的目標(biāo)跟蹤算法。

7.如權(quán)利要求1所述的一種被遺棄可疑行李的遺棄人檢測追蹤方法，其特征在于，所述遺棄行李人追蹤步驟中，判斷出現(xiàn)遺棄行李，具體的：

當(dāng)車站視頻監(jiān)控系統(tǒng)的實(shí)時(shí)視頻數(shù)據(jù)中出現(xiàn)靜止的行李，且靜止的行李與周邊所有被識(shí)別出的人之間的距離超過設(shè)定的安全閾值、并且距離超過設(shè)定閾值的時(shí)長也超過警戒時(shí)間閾值的，則將該靜止的行李判定為遺棄行李；

當(dāng)所述檢測識(shí)別步驟中，識(shí)別出的行李與攜帶行李的人之間的距離超過設(shè)定的安全閾值、并且距離超過設(shè)定閾值的時(shí)長也超過警戒時(shí)間閾值的，則將該靜止的行李判定為遺棄行李。