[發(fā)明專利]一種計(jì)算機(jī)視覺識(shí)別玩手機(jī)的優(yōu)化改進(jìn)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111168388.2
• 申請(qǐng)日: 2021-09-30
• 公開（公告）號(hào): CN113869254A
• 公開（公告）日: 2021-12-31
• 發(fā)明（設(shè)計(jì)）人: 龔藝洋;何忠杰;范旭陽
• 申請(qǐng)（專利權(quán)）人: 成都考拉悠然科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06T7/277;G06N3/04
• 代理公司: 成都弘毅天承知識(shí)產(chǎn)權(quán)代理有限公司 51230
• 代理人: 茍莉

本發(fā)明公開了一種計(jì)算機(jī)視覺識(shí)別玩手機(jī)的優(yōu)化改進(jìn)方法，所述方法包括如下步驟：S1：通過Anchor?Free的CenterNet方法，對(duì)中心助手點(diǎn)熱圖進(jìn)行優(yōu)化，通過三個(gè)不同擴(kuò)張率的擴(kuò)張卷積，得到三種中心點(diǎn)熱圖；S2：將三種不同的中心點(diǎn)熱圖分別與高斯半徑自適應(yīng)的高斯概率模型相結(jié)合，并對(duì)中心點(diǎn)熱圖做加性融合構(gòu)建多尺度感受野高斯加權(quán)結(jié)構(gòu)的檢測(cè)算法；S3：對(duì)一幀畫面進(jìn)行人體檢測(cè)、人臉檢測(cè)和行為檢測(cè)，然后對(duì)行為的動(dòng)作做檢測(cè)匹配，通過幀畫面人體檢測(cè)和行為檢測(cè)數(shù)據(jù)代入步驟S2中構(gòu)建的檢測(cè)算法中；將人臉檢測(cè)數(shù)據(jù)代入retina face的檢測(cè)算法中，捕捉人臉信息。

技術(shù)領(lǐng)域

本發(fā)明涉及視覺識(shí)別領(lǐng)域，更具體的是涉及機(jī)視覺識(shí)別玩手機(jī)的優(yōu)化改進(jìn)技術(shù)領(lǐng)域。

背景技術(shù)

現(xiàn)有計(jì)算機(jī)視覺算法識(shí)別玩手機(jī)是通過單幀的行為識(shí)別或者單幀的物體識(shí)別來判斷是否在玩手機(jī)。當(dāng)在應(yīng)用場(chǎng)景中動(dòng)作被遮擋時(shí)，單幀的玩手機(jī)動(dòng)作識(shí)別容易出現(xiàn)誤識(shí)別；或者依靠單幀的物體識(shí)別也很容易出現(xiàn)誤識(shí)別的情況。

現(xiàn)有計(jì)算機(jī)視覺中對(duì)是否玩手機(jī)只依賴圖像識(shí)別算法模型的準(zhǔn)確率，因?yàn)閷?shí)際應(yīng)用中攝像機(jī)拍攝的呈現(xiàn)的效果受相機(jī)拍攝角度、活動(dòng)情況的影響。只進(jìn)行單幀判斷的話，效果極不準(zhǔn)確，存在大量的誤報(bào)情況，影響使用。

本發(fā)明是要通過對(duì)應(yīng)用場(chǎng)景的研究，以及對(duì)場(chǎng)景誤檢測(cè)結(jié)果研究，通過行為識(shí)別加物體識(shí)別的雙重判定，從而提高玩手機(jī)的行為檢測(cè)準(zhǔn)確率；規(guī)定玩手機(jī)檢測(cè)算法包含行為識(shí)別算法，物體檢測(cè)算法及結(jié)果綜合判定算法相結(jié)合判定得出。

發(fā)明內(nèi)容

本發(fā)明的目的在于：為了解決上述技術(shù)問題，本發(fā)明提供一種計(jì)算機(jī)視覺識(shí)別玩手機(jī)的優(yōu)化改進(jìn)方法。

一種計(jì)算機(jī)視覺識(shí)別玩手機(jī)的優(yōu)化改進(jìn)方法，所述方法包括如下步驟：

S1：通過Anchor-Free的CenterNet方法，對(duì)中心助手點(diǎn)熱圖進(jìn)行優(yōu)化，通過三個(gè)不同擴(kuò)張率的擴(kuò)張卷積，得到三種中心點(diǎn)熱圖；

S2：將三種不同的中心點(diǎn)熱圖分別與高斯半徑自適應(yīng)的高斯概率模型相結(jié)合，并對(duì)中心點(diǎn)熱圖做加性融合構(gòu)建多尺度感受野高斯加權(quán)結(jié)構(gòu)的檢測(cè)算法；

S3：對(duì)一幀畫面進(jìn)行人體檢測(cè)、人臉檢測(cè)和行為檢測(cè)，然后對(duì)行為的動(dòng)作做檢測(cè)匹配，通過幀畫面人體檢測(cè)和行為檢測(cè)數(shù)據(jù)代入步驟S2中構(gòu)建的檢測(cè)算法中；將人臉檢測(cè)數(shù)據(jù)代入retina face的檢測(cè)算法中，捕捉人臉信息；

S4：對(duì)代入數(shù)據(jù)行為的動(dòng)作做檢測(cè)匹配，若檢測(cè)為使用手機(jī)動(dòng)作，則進(jìn)入步驟 S5處理，若檢測(cè)為未使用手機(jī)動(dòng)作，則結(jié)束判定；

S5：獲取連續(xù)畫面，并通過匈牙利算法加卡爾曼濾波共同組成的人體追蹤算法實(shí)現(xiàn)對(duì)人體的追蹤，對(duì)行為人動(dòng)作進(jìn)行持續(xù)判定，若判定結(jié)果為使用手機(jī)，則輸出結(jié)果，若判定結(jié)果為未使用手機(jī)，則發(fā)出誤報(bào)指令，結(jié)束判定。

本申請(qǐng)文件中行為檢測(cè)和物體檢測(cè)均采用的是基于Anchor-Free的 CenterNet方法，并改進(jìn)其中心助手點(diǎn)熱圖，通過三個(gè)不同擴(kuò)張率的擴(kuò)張卷積，得到三種感受野的中心點(diǎn)熱圖，再與高斯半徑自適應(yīng)的高斯概率模型相結(jié)合，最后對(duì)上述四種不同感受野的中心點(diǎn)熱圖做加性融合構(gòu)建多尺度感受野高斯加權(quán)結(jié)構(gòu)(Gaussian weighted multiscaleReceptive field structure，GMRS) 的檢測(cè)算法。人臉檢測(cè)采用基于retina face的檢測(cè)算法。對(duì)一幀畫面依次進(jìn)行人體檢測(cè)、人臉檢測(cè)和行為檢測(cè)，然后對(duì)行為的動(dòng)作做檢測(cè)匹配，如果某個(gè)人體的匹配結(jié)果不符合玩手機(jī)的動(dòng)作行為，則認(rèn)為這個(gè)人可能不是在玩手機(jī)。如果這時(shí)上報(bào)的話，極易因?yàn)槿藛T活動(dòng)，被遮擋等等情況，造成誤報(bào)的情況，所以我們會(huì)利用基于匈牙利算法加卡爾曼濾波共同組成的人體追蹤算法實(shí)現(xiàn)對(duì)人體的追蹤，因?yàn)榭紤]到對(duì)同一個(gè)人體的情況一直判斷，當(dāng)連續(xù)判斷這個(gè)人的動(dòng)作符合玩手機(jī)時(shí)，認(rèn)為他是玩手機(jī)的動(dòng)作，再加上物體識(shí)別的檢測(cè)，多重判定時(shí)增加識(shí)別的準(zhǔn)確率。