[發明專利]一種基于深度學習的區域行人軌跡重構裝置及方法

在審

• 申請號: 202210111154.2
• 申請日: 2022-01-27
• 公開（公告）號: CN114429665A
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 李文熙;馮瑞
• 申請（專利權）人: 復旦大學
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V40/10;G06V20/40;G06V20/52;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 上海德昭知識產權代理有限公司 31204
• 代理人: 程宗德

本發明提供一種基于深度學習的區域行人軌跡重構裝置及方法，該軌跡重構裝置具有行人檢測模塊、行人重識別模塊以及行人軌跡重構模塊，行人檢測模塊能夠對采集到的監控視頻RTSP數據流進行行人檢測，由行人重識別模塊將檢測到的行人與數據存儲更新模塊存儲的行人圖像進行相似度比對，并根據比對成功的行人生成軌跡記錄信息，然后經行人軌跡重構模塊將該軌跡記錄信息與存儲的軌跡數據進行整理后按時序重構出該行人的軌跡圖，最終由結果顯示模塊顯示該軌跡圖供分析人員查看，由于采用了深度學習方法對海量監控視頻數據中的行人信息進行獲取、檢測分析以及利用視頻數據的特征信息重構出行人軌跡，從而實現了對海量監控視頻數據的高效處理以及智能化監測。

技術領域

本發明屬于計算機視覺領域，具體涉及一種基于深度學習的區域行人軌跡重構裝置及方法。

背景技術

在信息化高速發展的時代里，智能監控已經成為了智慧城市中最重要的一個組成部分。攝像頭作為一個信息載體，每時每刻都在采集大量的信息，為了將這些海量的信息進行有效的利用，越來越多的智能監控算法被提出，例如：行人重識別，異常事件監測，人流監控等。而行人檢測已經成為大部分智能監控算法中的必要的模塊。行人檢測作為一種基礎的工具可以嵌入使用在多種任務場景下，因此需要處理的數據量越來越大，對智能監控算法的速度要求也越來越嚴格，這也在很大程度上影響了整個算法的速度。

海量的視頻數據為公共安全治理帶來便利的同時也增加了很大的困難，在傳統的辦案流程中，當辦案人員鎖定目標人物信息之后，需要大量的人力在海量視頻監控數據中尋找目標人物的蛛絲馬跡，逐步定位目標人物的活動軌跡，推斷目標人物的藏身地點，然后實施抓捕，而其中耗時最長的步驟便是審閱視頻監控數據。行人重識別技術的出現即試圖通過人工智能的方式快速定位到海量視頻監控數據中的目標人物位置，從而大幅度的減少人力的投入和時間的消耗。

伴隨著深度學習的成功，越來越多的學者開始嘗試使用深度學習來解決以往難以解決的問題，深度學習已經滲透到各個領域之中，并為每個領域都帶來了全新的解決問題的方案。基于深度學習的方案不同于之前的傳統方法的方案，基于深度學習的方案往往不需要人工提取大量的特征，其內在的卷積神經網絡可以通過反向傳播的方式，自動學習提取特征的方式，從而具有更好的泛化性。除此之外，基于深度學習的方案可以移植到GPU計算設備上，往往擁有比傳統方法更快的計算速度。

發明內容

為解決上述問題，提供一種快速的行人檢測裝置，可以在高清視頻下進行實時的高精度的行人檢測，本發明采用了如下技術方案：

本發明提供了一種基于深度學習的區域行人軌跡重構裝置，用于對視頻流進行處理從而獲得行人的軌跡信息并示出，其特征在于，包括：攝像頭、行人檢測模塊、數據存儲更新模塊、行人重識別模塊、行人軌跡重構模塊以及結果顯示模塊，其中，攝像頭根據不同安裝位置采集對應位置的監控視頻，行人檢測模塊對攝像頭傳輸的監控視頻 RTSP流數據進行行人檢測以獲取包含行人的待重構圖像，數據存儲更新模塊存儲有行人圖像、人臉信息以及與行人圖像中的行人對應的當前軌跡數據，行人重識別模塊將待重構圖像與數據存儲模塊存儲的行人圖像進行行人相似度比對，一旦比對成功，就生成該行人的軌跡記錄信息，軌跡記錄信息包括時間信息、位置信息和身份信息，數據存儲更新模塊將軌跡記錄信息對應存儲至當前軌跡數據中生成新的軌跡數據，行人軌跡重構模塊根據身份信息對軌跡記錄信息按行人進行分類，根據時間信息對新的軌跡數據進行排列整理，并基于位置信息對排列整理后的新的軌跡數據進行重構從而生成該行人的軌跡圖，結果顯示模塊將該行人的身份信息以及軌跡圖進行展示。

本發明提供的一種基于深度學習的區域行人軌跡重構裝置，還可以具有這樣的技術特征，其中，行人檢測模塊包括數據解碼單元、快速下采樣單元以及多尺度卷積單元，數據解碼單元對接收的監控視頻 RTSP流數據進行解碼生成對應的視頻幀圖像，快速下采樣單元對視頻幀圖像進行預定倍數的下采樣，以獲取視頻幀圖像的感受野，多尺度卷積單元基于感受野獲取不同感受野下的特征圖，以生成待重構圖像。