A real-time multi-camera pedestrian detection method for railway crossings based on depth learning is proposed. The method comprises the following steps: video captured by multiple cameras, cameras overlap and monitor the key monitoring area; selecting the camera area to be detected and obtaining the video stream of the camera in the area; and GPU processor. Video image processing in cluster: firstly, the image is cut, then the trained pedestrian detection model is used to detect the cut image; real-time monitoring of GPU usage in GPU processor and scheduling according to scheduling strategy; calculating pedestrian area coordinates, obtaining the current timestamp and sending it to the user client. A real-time multi-camera pedestrian detection method based on depth learning is proposed, which combines video processing with depth learning. The method of camera overlap monitoring is used to improve the accuracy of pedestrian detection.
【技术实现步骤摘要】
一种基于深度学习的实时的铁路口多摄像头行人检测方法
本专利技术涉及视频处理、人工智能、深度学习,具体涉及到一种基于深度学习的实时的铁路口多摄像头行人检测方法。
技术介绍
行人检测是复杂场景中目标检测研究领域中的一个非常热门的研究课题,与此同时,随着深度学习的兴起,复杂场景中的目标检测得到了很大程度上的发展,检测精度和效率也越来越高,然而行人检测领域仍面临许多挑战,尤其是面对铁路口环境复杂的挑战下。深度学习在近几年发展十分迅速,应用领域也越来越广泛,卷积神经网络作为深度学习的一种方法,在目标检测、文字识别等领域有着十分显著的效果。通过自动学习提取图像中的信息特征,大大减少了人工干预,并且可以提取出高质量的有效信息特征,从而为提高物体检测分类、目标识别的准确率打下了坚实的基础。近年来对复杂场景中行人检测的研究越来越多,大体可以分为两类:基于背景建模的方法:分割出前景,提取其中的运动目标,然后进一步提取特征,分类判别;在存在下雨、下雪、刮风、树叶晃动、灯光忽明忽暗等场合,该方法的鲁棒性不高,抗干扰能力较差。且背景建模方法的模型过于复杂,对参数较为敏感。基于统计学习的方法:根据大量训练样本构建行人检测分类器。提取的特征一般有目标的灰度、边缘、纹理、形状、梯度直方图等信息,分类器包括神经网络、SVM,adaboost等。该方法存在以下难点:行人的姿态、服饰各不相同;提取的特征在特征空间中的分布不够紧凑;分类器的性能受训练样本的影响较大;离线训练时的负样本无法涵盖所有真实应用场景的情况;尽管基于统计学习的行人检测方法存在着诸多的缺点,但依然有很多人将注意力集中于此。典 ...
【技术保护点】
1.一种基于深度学习的实时的铁路口多摄像头行人检测方法,包括:采集视频、图像处理、GPU资源调度、返回结果,其特征在于:获取监控区域下的视频流;GPU处理器集群中进行视频图像处理;采用GPU调度策略进行GPU调度;将最终结果发送至用户客户端。
【技术特征摘要】
1.一种基于深度学习的实时的铁路口多摄像头行人检测方法,包括:采集视频、图像处理、GPU资源调度、返回结果,其特征在于:获取监控区域下的视频流;GPU处理器集群中进行视频图像处理;采用GPU调度策略进行GPU调度;将最终结果发送至用户客户端。2.如权利要求1所述的一种基于深度学习的实时的铁路口多摄像头行人检测方法,其特征在于,所述获取监控区域下的视频流的步骤,包括:在铁路口安装高清摄像头或者视频采集装置,选择需要监测的区域,获取该区域下所有的视频流。3.如权利要求1所述的一种基于深度学习的实时的铁路口多摄像头行人检测方法,其特征在于,所述...
【专利技术属性】
技术研发人员:张卫山,孙浩云,徐亮,刘霞,耿祖坤,
申请(专利权)人:中国石油大学华东,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。