【技术实现步骤摘要】
一种值班人员违规行为检测方法及系统
本专利技术涉及智能视频分析
,尤其涉及一种值班人员违规行为检测方法及系统。
技术介绍
视频监控技术的发展十分迅速,各行各业的重点区域重点部位都已经实现了监控覆盖,监控视频信息均已实现联网。在实际应用中,监控中心、值班室、指挥中心等部位都应是有人值班,其管理部门需要定期进行非现场检查调阅历史视频信息,从中寻找值班人员睡岗(脱岗、睡觉)事件并加以记录,对值班违规行为进行精确、及时的检测能够保障现场安全管理工作的正常运行,且为非安全事件的发生提供了事后追溯的依据。目前,这些工作均是由检查人员手动进行,并且需要遍历(或近乎遍历)相关的所有历史视频,不仅耗时耗力,而且由于不同检查人员的主观判别存在差距,甚至同一检查人员在高强度的疲劳状态下也会存在判别错误,导致检查结果存在大量的漏检、误检现象。利用视频分析技术来代替人工检查的方式可以有效的提高工作效率。但是,目前对于监控中心、值班室、指挥中心等场景的值班员脱岗、睡岗的视频分析技术一般是在每一个值班台前加置摄像头,正对值班员进行人脸检测与人眼检测,由此来判断其是否脱岗或者睡觉;该技术相对复杂维护困难、成本较高、识别准确率低,且显式部署容易造成值班人员的反感甚至对设备加以破坏。
技术实现思路
鉴于上述的分析,本专利技术旨在提供一种值班人员违规行为检测方法及系统,用以解决现有检测方法效率低、成本高、识别准确率低的问题。本专利技术的目的主要是通过以下技术方案实现的:一方面,公开了一种值班人员违规行为检测方法,包括以下步骤:步骤S1、构建目标检测网络模型,并利用数据集进行训练,得到训练好的 ...
【技术保护点】
1.一种值班人员违规行为检测方法,其特征在于,包括以下步骤:步骤S1、构建目标检测网络模型,并利用数据集进行训练,得到训练好的目标检测网络模型;步骤S2、实时获取同一个场景的不同角度的多路视频,利用上述训练好的目标检测网络模型与目标跟踪算法,对上述每路视频分别进行多目标检测与跟踪,获取每路视频中的人员信息;步骤S3、根据多路视频之间的人员匹配关系,将上述获取的每路视频中的人员信息进行整合处理;并根据整合后的数据判断值班人员的行为是否异常。
【技术特征摘要】
1.一种值班人员违规行为检测方法,其特征在于,包括以下步骤:步骤S1、构建目标检测网络模型,并利用数据集进行训练,得到训练好的目标检测网络模型;步骤S2、实时获取同一个场景的不同角度的多路视频,利用上述训练好的目标检测网络模型与目标跟踪算法,对上述每路视频分别进行多目标检测与跟踪,获取每路视频中的人员信息;步骤S3、根据多路视频之间的人员匹配关系,将上述获取的每路视频中的人员信息进行整合处理;并根据整合后的数据判断值班人员的行为是否异常。2.根据权利要求1所述的方法,其特征在于,所述步骤S1具体包括以下步骤:步骤S101,先建立轻量型目标分类网络,在此基础上,再构建目标检测网络模型;步骤S102,获取数据集:首先,通过采集开源数据、从网上爬取数据和自制相关数据的途径获取数据,然后,对上述获取的数据进行筛选,得到和场景相关的数据;最后,对筛选出的数据进行标注;步骤S103,利用上述获取的数据集对构建的目标检测网络模型进行训练,得到训练好的目标检测网络模型。3.根据权利要求2所述的方法,其特征在于,所述步骤S101,具体包括以下步骤:步骤S10101,构建轻量型目标分类网络,所述网络采用two-waydense结构,具有两个分支,第一分支由1个1x1卷积和1个3x3卷积构成;第二分支由1个1x1卷积和2个3x3卷积构成;将第一分支、第二分支进行级联作为2-waydense结构的输出。步骤S10102,在上述构建的轻量型目标分类网络的基础上添加两个分支-目标多类别分类子网络和目标坐标回归子网络,得到目标检测网络模型;所述目标多类别分类子网络使用3x3卷积,生成基于候选框的多类别概率,用于目标多类别分类;所述目标坐标回归子网络使用3x3卷积,生成基于候选框的坐标偏移量,用于目标坐标回归。4.根据权利要求3所述的方法,其特征在于,在步骤S102中,所述数据集,包括:分类数据集,包括Imagenet2012数据集,用于训练轻量型目标分类网络;检测数据集,包括VOC2007,VOC2012数据集,用于训练目标检测网络模型;监控室值班人员数据集,通过爬虫从网上抓取监控室值班人员图片,并对上述图片进行手动标注,标注出值班人员边框,制作成对应的数据集,用于目标检测网络模型微调训练。5.根据权利要求4所述的方法,其特征在于,步骤S103中,具体包括以下步骤:步骤S10301,使用分类数据集对构建的轻量型目标分类网络进行训练,得到训练好的轻量型目标分类网络;步骤S10302,将上述训练好的轻量型目标分类网络中全连接层去掉,并将剩下的部分作为目标检测网络的主体;将多层3x3卷积和1x1卷积进行嵌套,使得最后一层的输出大小为1x1,并选定大小为38x38,19x19,10x10,5x5,3x3,1x1的特征图作为分类子网络和坐标回归子网络的输入,...
【专利技术属性】
技术研发人员:余红涛,刘强,杨鹏,杨琪,宋玉浩,陈运锦,
申请(专利权)人:兴唐通信科技有限公司,杭州保新科技有限公司,数据通信科学技术研究所,
类型:发明
国别省市:北京,11
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。