一种行人检测的方法及双目监控设备技术

本发明专利技术公开了一种行人检测的方法及双目监控设备，用于解决视频监控中对人的误检率较高的技术问题。包括：获得当前帧图像；其中，所述当前帧图像包括第一当前帧图像和第二当前帧图像，所述第一当前帧图像是在当前时刻从第一视频信息中抽取的图像帧；通过预设的卷积神经网络模型，对所述当前帧图像中的每一个行人进行识别，并预测对应的头肩位置，以获得每一个行人的头肩位置所对应的行人目标框；基于所述当前帧图像及对应的背景帧图像，从针对所述当前帧图像获得的各个行人目标框中筛选出真实的行人目标框；其中，所述背景帧图像为在历史时刻从视频信息中抽取的图像帧，所述历史时刻为与所述当前时刻相差预设时间间隔的时刻。

A method of pedestrian detection and double eye monitoring equipment

The invention discloses a pedestrian detection method and a binocular monitoring device, which are used to solve the technical problem of high false detection rate in video surveillance. Including: obtaining the current frame image, wherein the current frame image includes the first current frame image and the second current frame image, the first current frame image is an image frame extracted from the first video information at the current time, and each pedestrian in the current frame image is entered by a preset convolution neural network model. Line recognition, and prediction of the corresponding head and shoulder position to obtain a pedestrian target frame corresponding to the head and shoulder position of each pedestrian; based on the current frame image and the corresponding background frame image, the real pedestrian target frame is screened out from each pedestrian target frame obtained for the current frame image; the background frame graph is described. As an image frame extracted from video information at a historical time, the historical time is the time at which a preset interval of time differs from the current time.

【技术实现步骤摘要】
一种行人检测的方法及双目监控设备
本专利技术涉及智慧管理领域，尤其是涉及一种行人检测的方法及双目监控设备。
技术介绍
随着全球进入数字化时代，对视频监控的需求也在不断增加。管理者希望借助视频监控，不仅能随时监控被监测点的视频图像，还能通过视频监控统计被监测点的客流量，以便进行智慧管理。例如，在大型购物商场，通过统计各个监控点的客流数量，可以在客流量大的地方增设或加大柜台、在客流量少的地方开展促销活动以吸引客流。在风景旅游区通过对客流量的监控一方面可以进行客流引导，另一方面还可以通过与景区售票情况进行比对，判定是否有逃票行为以及时采取适当的监管措施。在车站等客流容易聚集的地方，通过视频监控统计车站的客流量，在客流达到预警值时，可以自动启动紧急预案，如调度车辆、引导客流，以及时疏散客流等。在现有技术中，为了通过视频监控设备自动统计被监测点的客流量，首先需要从采集的视频图像中识别出人，然后才能根据被识别出的人来统计客流量。目前，多数情况下是利用单目方法从视频图像中识别人的，即通过背景建模或深度学习检测人的。然而，由于在实际的监控过程中，人一般是处于运动状态的，在采用单目方法时，其原理主要是通过特定概率预测阈值对卷积神经网络预测结果进行过滤，这就造成了当特定概率预测阈值过大时，导致得出的结果往往存在较多漏检的情况；而当特定概率预测阈值过小时，又存在较多误检的情况，从而导致在识别人的过程中存在较多的漏检或误检，使识别结果存在较高的误检率。因此，如何有效的降低视频监控中对人的误检率成为一个亟待解决的技术问题。
技术实现思路
本专利技术提供一种行人检测的方法及双目监控设备，用于解决视频监控中对人的误检率较高的技术问题。为解决上述技术问题，本专利技术实施例提供的一种行人检测的方法，应用于双目监控设备中，所述双目监控设备至少包括第一采集器和第二采集器，该方法的技术方案如下：获得当前帧图像；其中，所述当前帧图像包括第一当前帧图像和第二当前帧图像，所述第一当前帧图像是在当前时刻从第一视频信息中抽取的图像帧，所述第二当前帧图像是在当前时刻从第二视频信息中抽取的图像帧，所述第一视频信息是从所述第一采集器得到的视频信息，所述第二视频信息是从所述第二采集器得到的视频信息；通过预设的卷积神经网络模型，对所述当前帧图像中的每一个行人进行识别，并预测对应的头肩位置，以获得每一个行人的头肩位置所对应的行人目标框；基于所述当前帧图像及对应的背景帧图像，从针对所述当前帧图像获得的各个行人目标框中筛选出真实的行人目标框；其中，所述背景帧图像为在历史时刻从视频信息中抽取的图像帧，所述历史时刻为与所述当前时刻相差预设时间间隔的时刻。可选的，从针对所述当前帧图像获得的各个行人目标框中筛选出真实的行人目标框，包括：采用预设的筛选方式，从针对所述当前帧图像获得的各个行人目标框进行中筛选出真实的行人目标框；其中，所述预设的筛选方式至少包括背景筛选、行人高度筛选、行人肩宽筛选中的任意一种筛选方式或任意组合的筛选方式。可选的，采用所述背景筛选，从针对所述当前帧图像获得的各个行人目标框中筛选出真实的行人目标框，包括：分别针对每一个行人目标框执行以下操作：基于所述当前帧图像及所述背景帧图像，计算一个行人目标框中背景像素的占比值；其中，所述背景像素为，在所述当前帧图像与所述背景帧图像中的位置相同，且在所述当前帧图像与所述背景帧图像中的灰度值之差小于第二预设阈值的像素；确定所述占比值超过第一预设阈值时，则滤除所述一个行人目标框。可选的，基于所述当前帧图像，计算所述一个行人目标框中背景像素的占比值，包括：统计所述一个行人目标框中所有像素的第一总量，及在所述一个行人目标框中背景像素的第二总量；基于所述第一总量及所述第二总量，获得所述占比值；其中，所述占比值与所述第二总量成正比，与所述第一总量成反比。可选的，采用所述行人高度筛选，从针对所述当前帧图像获得的各个行人目标框进行中筛选出真实的行人目标框，包括：分别针对每一个行人目标框执行以下操作：基于一个行人目标框的中心像素点的坐标和所述当前帧图像的中心像素点的坐标，及基线距离，计算所述一个行人目标框对应的行人高度；其中，所述基线距离为所述第一采集器中心点与所述第二采集器中心点之间的距离；确定所述行人高度在第一预设范围之外时，则滤除所述一个行人目标框。可选的，基于一个行人目标框的中心像素点的坐标和所述当前帧图像的中心像素点的坐标，及基线距离，计算所述一个行人目标框所对应的行人高度，包括：基于所述一个行人目标框的中心像素点的坐标和所述当前帧图像的中心像素点的坐标，及所述基线距离和所述一个行人目标框的中心像素点的视差值，计算所述一个行人目标框的中心像素点在相机坐标系下的三维坐标值；其中，所述视差值是通过所述第一采集器和所述第二采集器观测同一物点时，产生的水平像素坐标的差值；基于所述三维坐标值和高度值及俯仰角，计算所述行人高度；其中，所述高度值为所述第一采集器或所述第二采集器中心点距地面之间的距离，所述俯仰角为所述第一采集器或所述第二采集器的俯仰角度。可选的，采用所述行人肩宽筛选，从针对所述当前帧图像获得的各个行人目标框进行中筛选出真实的行人目标框，包括：分别针对每一个行人目标框执行以下操作：基于所述基线距离和一个行人目标框的宽度值及所述一个行人目标框的中心像素点的视差值，计算所述一个行人目标框所对应的行人肩宽；其中，所述行人肩宽与所述基线距离和宽度值的乘积成正比，与所述视差值成反比，所述视差值是通过所述第一采集器和所述第二采集器观测同一物点时，产生的水平像素坐标的差值；确定所述行人肩宽在第二预设范围之外时，滤除所述一个行人目标框。可选的，所述背景帧图像，具体为RGB图像或视差图。第二方面，本专利技术实施例提供了一种用于行人检测的双目监控设备，至少包括第一采集器和第二采集器，该双目监控设备包括：获得单元，用于获得当前帧图像；其中，所述当前帧图像包括第一当前帧图像和第二当前帧图像，所述第一当前帧图像是在当前时刻从第一视频信息中抽取的图像帧，所述第二当前帧图像是在当前时刻从第二视频信息中抽取的图像帧，所述第一视频信息是从所述第一采集器得到的视频信息，所述第二视频信息是从所述第二采集器得到的视频信息；识别单元，用于通过预设的卷积神经网络模型，对所述当前帧图像中的每一个行人进行识别，并预测对应的头肩位置，以获得每一个行人的头肩位置所对应的行人目标框；筛选单元，用于基于所述当前帧图像及对应的背景帧图像，从针对所述当前帧图像获得的各个行人目标框中筛选出真实的行人目标框；其中，所述背景帧图像为在历史时刻从视频信息中抽取的图像帧，所述历史时刻为与所述当前时刻相差预设时间间隔的时刻。可选的，在从针对所述当前帧图像获得的各个行人目标框中筛选出真实的行人目标框时，所述筛选单元用于：采用预设的筛选方式，从针对所述当前帧图像获得的各个行人目标框进行中筛选出真实的行人目标框；其中，所述预设的筛选方式至少包括背景筛选、行人高度筛选、行人肩宽筛选中的任意一种筛选方式或任意组合的筛选方式。可选的，当采用所述背景筛选，从针对所述当前帧图像获得的各个行人目标框中筛选出真实的行人目标框时，所述筛选单元用于：分别针对每一个行人目标框执行以下操作：基于所述当前帧图像及所述背景帧图像，本文档来自技高网...

【技术保护点】
1.一种行人检测的方法，应用于双目监控设备中，所述双目监控设备至少包括第一采集器和第二采集器，其特征在于，包括：获得当前帧图像；其中，所述当前帧图像包括第一当前帧图像和第二当前帧图像，所述第一当前帧图像是在当前时刻从第一视频信息中抽取的图像帧，所述第二当前帧图像是在当前时刻从第二视频信息中抽取的图像帧，所述第一视频信息是从所述第一采集器得到的视频信息，所述第二视频信息是从所述第二采集器得到的视频信息；通过预设的卷积神经网络模型，对所述当前帧图像中的每一个行人进行识别，并预测对应的头肩位置，以获得每一个行人的头肩位置所对应的行人目标框；基于所述当前帧图像及对应的背景帧图像，从针对所述当前帧图像获得的各个行人目标框中筛选出真实的行人目标框；其中，所述背景帧图像为在历史时刻从视频信息中抽取的图像帧，所述历史时刻为与所述当前时刻相差预设时间间隔的时刻。

【技术特征摘要】
1.一种行人检测的方法，应用于双目监控设备中，所述双目监控设备至少包括第一采集器和第二采集器，其特征在于，包括：获得当前帧图像；其中，所述当前帧图像包括第一当前帧图像和第二当前帧图像，所述第一当前帧图像是在当前时刻从第一视频信息中抽取的图像帧，所述第二当前帧图像是在当前时刻从第二视频信息中抽取的图像帧，所述第一视频信息是从所述第一采集器得到的视频信息，所述第二视频信息是从所述第二采集器得到的视频信息；通过预设的卷积神经网络模型，对所述当前帧图像中的每一个行人进行识别，并预测对应的头肩位置，以获得每一个行人的头肩位置所对应的行人目标框；基于所述当前帧图像及对应的背景帧图像，从针对所述当前帧图像获得的各个行人目标框中筛选出真实的行人目标框；其中，所述背景帧图像为在历史时刻从视频信息中抽取的图像帧，所述历史时刻为与所述当前时刻相差预设时间间隔的时刻。2.如权利要求1所述的方法，其特征在于，从针对所述当前帧图像获得的各个行人目标框中筛选出真实的行人目标框，包括：采用预设的筛选方式，从针对所述当前帧图像获得的各个行人目标框进行中筛选出真实的行人目标框；其中，所述预设的筛选方式至少包括背景筛选、行人高度筛选、行人肩宽筛选中的任意一种筛选方式或任意组合的筛选方式。3.如权利要求2所述的方法，其特征在于，采用所述背景筛选，从针对所述当前帧图像获得的各个行人目标框中筛选出真实的行人目标框，包括：分别针对每一个行人目标框执行以下操作：基于所述当前帧图像及所述背景帧图像，计算一个行人目标框中背景像素的占比值；其中，所述背景像素为，在所述当前帧图像与所述背景帧图像中的位置相同，且在所述当前帧图像与所述背景帧图像中的灰度值之差小于第二预设阈值的像素；确定所述占比值超过第一预设阈值时，则滤除所述一个行人目标框。4.如权利要求3所述的方法，其特征在于，基于所述当前帧图像，计算所述一个行人目标框中背景像素的占比值，包括：统计所述一个行人目标框中所有像素的第一总量，及在所述一个行人目标框中背景像素的第二总量；基于所述第一总量及所述第二总量，获得所述占比值；其中，所述占比值与所述第二总量成正比，与所述第一总量成反比。5.如权利要求2所述的方法，其特征在于，采用所述行人高度筛选，从针对所述当前帧图像获得的各个行人目标框进行中筛选出真实的行人目标框，包括：分别针对每一个行人目标框执行以下操作：基于一个行人目标框的中心像素点的坐标和所述当前帧图像的中心像素点的坐标，及基线距离，计算所述一个行人目标框对应的行人高度；其中，所述基线距离为所述第一采集器中心点与所述第二采集器中心点之间的距离；确定所述行人高度在第一预设范围之外时，则滤除所述一个行人目标框。6.如权利要求5所述的方法，其特征在于，基于一个行人目标框的中心像素点的坐标和所述当前帧图像的中心像素点的坐标，及基线距离，计算所述一个行人目标框所对应的行人高度，包括：基于所述一个行人目标框的中心像素点的坐标和所述当前帧图像的中心像素点的坐标，及所述基线距离和所述一个行人目标框的中心像素点的视差值，计算所述一个行人目标框的中心像素点在相机坐标系下的三维坐标值；其中，所述视差值是通过所述第一采集器和所述第二采集器观测同一物点时，产生的水平像素坐标的差值；基于所述三维坐标值和高度值及俯仰角，计算所述行人高度；其中，所述高度值为所述第一采集器或所述第二采集器中心点距地面之间的距离，所述俯仰角为所述第一采集器或所述第二采集器的俯仰角度。7.如权利要求2所述的方法，其特在于，采用所述行人肩宽筛选，从针对所述当前帧图像获得的各个行人目标框进行中筛选出真实的行人目标框，包括：分别针对每一个行人目标框执行以下操作：基于所述基线距离和一个行人目标框的宽度值及所述一个行人目标框的中心像素点的视差值，计算所述一个行人目标框所对应的行人肩宽；其中，所述行人肩宽与所述基线距离和宽度值的乘积成正比，与所述视差值成反比，所述视差值是通过所述第一采集器和所述第二采集器观测同一物点时，产生的水平像素坐标的差值；确定所述行人肩宽在第二预设范围之外时，滤除所述一个行人目标框。8.如权利要求1-7任一权项所述的方法，其特征在于，所述背景帧图像，具体为RGB图像或视差图。9.一种双目监控设备，至少包括第一采集器和第二采集器，其特征在于，包括：获得单元，用于获得当前帧图像；其中，所述当前帧图像包括第一当前帧图像和第二当前帧图像，所述第一当前帧图像是在当前时刻从第一视频信息中抽取的图像帧，所述第二当前帧图像是在当前时刻从第二视频信息中抽取的图像帧，所述第一视频信...

【专利技术属性】
技术研发人员：李乾坤，郭晴，卢维，殷俊，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：浙江,33