【技术实现步骤摘要】
一种在视频监控图像中识别行人属性的方法及系统
本专利技术涉及城市安全监控的人工智能识别
，特别涉及一种在视频监控图像中识别行人属性的方法及系统。
技术介绍
随着视频监控系统大量普及，视频分析技术在公共安全保障与刑事侦测中发挥越来越关键的作用，无重叠视频下的行人检索问题，即行人属性分析已经成为安全领域一个重要问题。传统的行人属性检索主要通过工作人员去查找，该方法人工成本较高，效率较低，并大量的视频重复性的查看容易产生疲劳，疏忽等不良状态，影响最终查询结果。如何准确、快速的检索视频中的行人属性，同时避免人工查找的高成本，易疲劳、易遗漏弊端，是急需解决的技术问题。
技术实现思路
本专利技术的目的是：提出一种在视频监控图像中识别行人属性的方法及系统，判断待检测行人是否和目标属性一致，以满足如今监控领域工作效率和准确率的要求。本专利技术解决其技术问题所采用的技术方案是：一种在视频监控图像中识别行人属性的方法，包括如下步骤：S1、获取视频监控图像，所述视频监控图像内包含行人；S2、利用预设的基于深度学习的目标检测模型对获取到的所述视频监控图像中的行人进行检测，并获取行人区域...
【技术保护点】
1.一种在视频监控图像中识别行人属性的方法，其特征在于，包括如下步骤：S1、获取视频监控图像，所述视频监控图像内包含行人；S2、利用预设的基于深度学习的目标检测模型对获取到的所述视频监控图像中的行人进行检测，并获取行人区域图像；S3、利用预设的基于深度学习的行人特征点检测模型对获取到的所述行人区域图像进行检测，并从所述行人区域图像中提取行人的人体关节部位特征点；S4、将获取到的所述视频监控图像和该视频监控图像中提取到的所述人体关节部位特征点一起输入至预设的基于深度学习的行人属性分类模型，获得标识有行人属性标签的行人图像。
【技术特征摘要】
1.一种在视频监控图像中识别行人属性的方法，其特征在于，包括如下步骤：S1、获取视频监控图像，所述视频监控图像内包含行人；S2、利用预设的基于深度学习的目标检测模型对获取到的所述视频监控图像中的行人进行检测，并获取行人区域图像；S3、利用预设的基于深度学习的行人特征点检测模型对获取到的所述行人区域图像进行检测，并从所述行人区域图像中提取行人的人体关节部位特征点；S4、将获取到的所述视频监控图像和该视频监控图像中提取到的所述人体关节部位特征点一起输入至预设的基于深度学习的行人属性分类模型，获得标识有行人属性标签的行人图像。2.如权利要求1所述的一种在视频监控图像中识别行人属性的方法，其特征在于，在所述方法执行前还需准备以下步骤：A1、预建立基于深度学习的目标检测模型；A2、预建立基于深度学习的行人特征点检测模型；A3、预建立基于深度学习的行人属性分类模型。3.如权利要求2所述的一种在视频监控图像中识别行人属性的方法，其特征在于，所述预建立基于深度学习的目标检测模型包括如下步骤：A11、搭建目标检测深度学习网络；A12、获取不同角度、光照、场景的监控图像样本，且每张所述监控图像样本内都包含行人；A13、采用矩形框标记每张所述监控图像样本内行人区域所在的位置，并输出矩形框位置坐标信息；A14、以每张所述监控图像样本和该监控图像样本中矩形框位置坐标信息为一组训练数据，形成目标检测训练数据集；A15、使用所述目标检测训练数据集训练所述目标检测深度学习网络，获取基于深度学习的目标检测模型。4.如权利要求2所述的一种在视频监控图像中识别行人属性的方法，其特征在于，所述预建立基于深度学习的行人特征点检测模型包括如下步骤：A21、搭建行人特征点深度学习网络；A22、获取不同光照、背景、光照的单个行人图像样本；A23、用点标记每张所述行人图像样本中行人的人体关节部位的所在的位置，并输出点坐标信息；A24、以每张所述行人图像样本和该行人图像样本中人体关节部位的点坐标信息为一组训练数据，形成行人特征点训练数据集；A25、使用行人特征点训练数据集训练所述行人特征点深度学习网络，获取基于深度学习的行人特征点检测模型。5.如权利要求2所述的一种在视频监控图像中识别行人属性的方法，其特征在于，所述预建立基于深度学习的行人属性分类模型包...
【专利技术属性】
技术研发人员：周康明，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海,31
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。