一种基于形体识别技术的寻人方法技术

本发明专利技术公开了一种基于形体识别技术的寻人方法，涉及图像处理技术领域；包括如下步骤：S01、部署NVR和服务器，连接网络摄像头；S02、选择需要实时预处理的网络摄像头；S03、对指定网络摄像头的视频进行实时预处理并同时推送视频摘要至客户端；S04、选择视频摘要，点击检索发现目标。本发明专利技术应用是采用形体识别技术来实现“找人”，能够根据给定的监控行人图像，检索跨设备下的该行人图像，它可以弥补人脸识别技术在复杂环境下的应用局限。

A method of looking for people based on shape recognition technology

【技术实现步骤摘要】
一种基于形体识别技术的寻人方法
本专利技术涉及图像处理
，特别涉及一种基于形体识别技术的寻人方法。
技术介绍
儿童拐卖，智障老人走失、人员失踪等社会问题由来已久，如何能快速定位，找到失踪人口是摆在各职能部门的一个非常重要，也是非常棘手的问题。目前社会普遍采用发展成熟的人脸识别技术来“找人”，通过人脸抓拍实时分析视频流，针对视频中每个人脸出一张或多张质量比较好的人脸图片，并对人脸图片进行结构化保存，然后将某人面像与数据库中的多人的人脸进行比对(1∶N)，并根据比对结果来鉴定此人身份，或找到其中最相似的人脸，并按相似程度的大小输出检索结果。这种技术场景的应用在配合场景下：比如ATM机刷脸取款，用户会自主配合，将人脸以一个理想的角度通过识别。然而在非配合或复杂应用场景下，该方法找人却存在以下几方面的缺点：1、监控视频下的人脸识别，用户脸部会发生角度偏大，遮挡，光线等不可控问题，会造成识别的准确率降低；2、不同摄像头设备之间的差异，导致监控视频下的人脸模糊，像素低，有些甚至没有达到32*32，无法做出有效识别，形成漏检。
技术实现思路
本专利技术的目的在于，提供一种基于形体识别技术的寻人方法来解决
技术介绍
中的问题。本专利技术的技术方案：一种基于形体识别技术的寻人方法，包括如下步骤：S01、部署NVR和服务器，连接网络摄像头；S02、选择需要实时预处理的网络摄像头；S03、对指定网络摄像头的视频进行实时预处理并同时推送视频摘要至客户端；S04、选择视频摘要，点击检索发现目标。上述的一种基于形体识别技术的寻人方法中，所述NVR用于接收并储存网络摄像头采集并传输的RTSP视频流，所述服务器为四卡机服务器，所述四卡机服务器与NVR连接，用于对NVR中的RTSP视频流进行解码及处理。前述的一种基于形体识别技术的寻人方法中，所述预处理包括对单帧图像的预处理、每帧间信息的预处理以及特征提取。前述的一种基于形体识别技术的寻人方法中，所述所述单帧图像的预处理包括如下步骤：A、将图像输入神经网络；B、经过one-stage算法输出特征；D、对输出的特征进行解码，得到目标的位置以及类别；E、经过NMS算法过滤掉重叠区域较大目标，形成最终的目标检测位置。前述的一种基于形体识别技术的寻人方法中，所述每帧间信息的预处理包括：将上一帧最后一层的特征传递到当前帧神经网络特征的对应层，并做平均池化操作，融合前后帧信息。上述的一种基于形体识别技术的寻人方法中，所述平均池化所用公式为：其中N表示特征图的个数，表示第n个特征图，F表示平均池化后的特征。上述的一种基于形体识别技术的寻人方法中，所述特征提取包括：利用三元损失函数将统一目标样本的距离最小化，不同目标的样本之间距离最大化，最终得到用于提取目标特征的网络结构，将目标图像输入到神经网络后，神经网络输出一个2048维的特征向量。上述的一种基于形体识别技术的寻人方法中，所述三元损失函数公式为：L＝max(d(a，p)-d(a，n)+margin，0)其中L表示了损失函数的计算方法，其中a表示anchor样本，p为正样本，n为负样本；d(a,p)表示anchor和正样本之间的距离，d(a,n)表示anchor和负样本之间的距离，margin表示边界值。上述的一种基于形体识别技术的寻人方法中，所述推送的视频摘要仅为人的视频摘要。上述的一种基于形体识别技术的寻人方法中，所述用户选择视频摘要进行检索，服务器会根据收到的该视频摘要的特征值与数据库中的所有摘要特征值进行比对，特征比对采用特征之间的余弦距离来衡量，设特征提取步骤输出的特征向量为X和Y，则两者之间的相似度计算可以表示为如下公式：其中，Sim(X,Y)表示两个向量X和Y之间的相似度，||x||和||y||分别表示向量X和Y的模，表示向量X和Y的点积，最后按照相似度Sim(X,Y)和预设的一个阈值来进行比较，选择是否进行推送。本专利技术的优点在于：本专利技术应用是采用形体识别技术来实现“找人”，能够根据给定的监控行人图像，检索跨设备下的该行人图像，它可以弥补人脸识别技术在复杂环境下的应用局限，对视频质量没有特别要求，无需清楚的正脸，只通过衣物、发型、体态等信息，形体识别技术就能识别出你，并且可以跨镜头跨场景的检索出行人的轨迹线索，这就有效解决了人脸识别在复杂场景下的识别难点，极大提高了找人的效率和准确性。附图说明图1是本专利技术整体流程示意图；图2是本专利技术实施示例中对单帧图像处理的流程示意。具体实施方式下面结合附图和实施例对本专利技术作进一步的说明，但并不作为对本专利技术限制的依据。实施例：参照图1所示：具体方法包括：S01:部署NVR和四卡机服务器，连接网络摄像头。NVR通过网络接收并存储终端摄像头传输的RTSP视频流，四卡机连接NVR,对摄像头的RTSP视频流进行解码及处理。S02:选择需要实时预处理的网络摄像头，预处理是指对视频进行目标检测及特征提取。用户选择指定范围内的终端摄像头，服务器收到指令针对指定摄像头的视频进行实时预处理，将提取到的特征值存储到数据库中。目标检测有两个基本步骤：1)针对单帧图像，基于神经网络的one-stage算法，图像输入神经网络后，最后根据输出的特征，解码为目标的位置和类别，再经过NMS过程，滤除重叠区域较大目标，获得最终的目标检测位置；具体的，参照图2所示，基于神经网络的one-stage检测算法对于单张图片，resize成300x300图片尺寸，送入basebone，图2中的basebone为VGG16，做卷积运算；再经过后面的几层卷积之后，通过ExtraFeatureLyaer提取特征，形成6组张量；分别为1x512x38x38，1x1024x19x19，1x512x10x10，1x256x5x5，1x256x3x3，1x256x1x1；对这6组张量分别做卷积运算后拼接，得到预测位置的张量和预测置信度张量。再对预测置信度张量进行softmax等运算，得到1x8732x4张量用于最终位置预测依据和1x8732x21(21为检测目标总类)用于最终分类结果的预测依据。解码目标的过程主要依靠的是预先设置好的8732x4维度的Priorboxes，先验框的位置表示为d＝(dcx，dcy，dw，dh)，对应的真实边界框的位置为b＝(bcx，bcy，bw，bh)，进行解码得到原始的位置公式bcx＝dwlcx+dcx，bcy＝dylcy+dcy，bw＝dwexp(lw)，bh＝dhexp(lh)，对之前1x8732x21进行预测分类得分的降序排序并进行NMS操作滤除多余候选框，确定8732个box哪些将做为预测结果。2)针对帧间信息，传递上一帧最后一层的特征到当前帧神经网络特征的对应层，然后做平均池化操作，融合前后帧信息；其中平均池本文档来自技高网...

【技术保护点】
1.一种基于形体识别技术的寻人方法，其特征在于：包括如下步骤：S01、部署NVR和服务器，连接网络摄像头；/nS02、选择需要实时预处理的网络摄像头；/nS03、对指定网络摄像头的视频进行实时预处理并同时推送视频摘要至客户端；/nS04、选择视频摘要，点击检索发现目标。/n

【技术特征摘要】
1.一种基于形体识别技术的寻人方法，其特征在于：包括如下步骤：S01、部署NVR和服务器，连接网络摄像头；
S02、选择需要实时预处理的网络摄像头；
S03、对指定网络摄像头的视频进行实时预处理并同时推送视频摘要至客户端；
S04、选择视频摘要，点击检索发现目标。


2.根据权利要求1所述的一种基于形体识别技术的寻人方法，其特征在于：所述NVR用于接收并储存网络摄像头采集并传输的RTSP视频流，所述服务器为四卡机服务器，所述四卡机服务器与NVR连接，用于对NVR中的RTSP视频流进行解码及处理。


3.根据权利要求1所述的一种基于形体识别技术的寻人方法，其特征在于：所述预处理包括对单帧图像的预处理、每帧间信息的预处理以及特征提取。


4.根据权利要求3所述的一种基于形体识别技术的寻人方法，其特征在于：所述所述单帧图像的预处理包括如下步骤：
A、将图像输入神经网络；
B、经过one-stage算法输出特征；
D、对输出的特征进行解码，得到目标的位置以及类别；
E、经过NMS算法过滤掉重叠区域较大目标，形成最终的目标检测位置。


5.根据权利要求4所述的一种基于形体识别技术的寻人方法，其特征在于：所述每帧间信息的预处理包括：将上一帧最后一层的特征传递到当前帧神经网络特征的对应层，并做平均池化操作，融合前后帧信息。


6.根据权利要求5所述的一种基于形体识别技术的寻人方法，其特征在于：所述平均池化所用公式为：
其中N表示特征图的个数...

【专利技术属性】
技术研发人员：宋竫，徐晓刚，张华新，徐鑫，
申请(专利权)人：智慧视通杭州科技发展有限公司，
类型：发明
国别省市：浙江;33