一种基于视频监控的检测静止人体方法技术

一种基于视频监控的检测静止人体方法，采用Faster‑RCNN深度学习网络模型和背景消除法对实时视频图像进行目标提取，得到同一时刻同一目标框的两个坐标参数，而后再对两个坐标参数分析，判断该目标是否处于静止状态，因静止的目标在背景减除法建模中融入背景，导致检测不到静止目标，故当Faster‑RCNN深度学习网络模型检测到的目标在背景减除法中并未提取出时，说明该目标属于静止不动的状态，则判定为静止并发出报警；本发明专利技术通过视频监控识别静止人体，针对作业人员长时间静止、倒地不起、昏厥等异常情况报警，监控人员可及时查看或救助，有效减轻监控人员长时间观看监控视频的工作负担，提高工作效率，节省劳动成本。

A method of detecting still human body based on video surveillance

【技术实现步骤摘要】
一种基于视频监控的检测静止人体方法
本专利技术属于模式识别
，尤其涉及一种基于视频监控的检测静止人体方法。
技术介绍
近年来，随着经济的快速发展，信息技术逐渐普及到各行各业，尤其是视频监控在社会生产和生活中得到了广泛的应用，它在保证生命财产安全和维护社会秩序等方面发挥了巨大作用。各企业采用网络、计算机和视频监控等技术对人员和生产流程进行高效的管理，而对作业人员的安全状态检测已成为企业生产安全中亟待解决的问题。目前，对于行人检测提出了诸多方法，大致分为三类：基于全局特征法、基于人体部位法、基于立体视觉法，尤其是利用全局特征法中的基于运动特征法与深度学习相结合得到较高的识别率，但是，这些方法适用于检测运动的人体，而缺少对静止人体的检测。目前，大部分企业在车间安装的摄像头用来监控作业人员的安全状态，监控人员处于人为判断阶段，长时间监控会是使其工作负担加重，容易出现视觉疲劳，导致不能及时对静止、倒地不起、昏厥等异常状态的作业人员给予救助。
技术实现思路
本专利技术为解决上述
技术介绍
提到的问题，提供了一种基于视频监控的检本文档来自技高网...

【技术保护点】
1.一种基于视频监控的检测静止人体方法，其特征在于，采用Faster-RCNN深度学习网络模型和背景消除法对实时视频图像进行目标提取，得到同一时刻同一目标框的两个坐标参数，而后再对两个坐标参数分析，判断该目标是否处于静止状态，因静止的目标在背景减除法建模中融入背景，导致检测不到静止目标，故当Faster-RCNN深度学习网络模型检测到的目标在背景减除法中并未提取出时，说明该目标属于静止不动的状态，则判定为静止并发出报警。/n

【技术特征摘要】
1.一种基于视频监控的检测静止人体方法，其特征在于，采用Faster-RCNN深度学习网络模型和背景消除法对实时视频图像进行目标提取，得到同一时刻同一目标框的两个坐标参数，而后再对两个坐标参数分析，判断该目标是否处于静止状态，因静止的目标在背景减除法建模中融入背景，导致检测不到静止目标，故当Faster-RCNN深度学习网络模型检测到的目标在背景减除法中并未提取出时，说明该目标属于静止不动的状态，则判定为静止并发出报警。


2.根据权利要求1所述的一种基于视频监控的检测静止人体方法，其特征在于，具体步骤如下：
（1）图像采集模块获取和处理视频流
通过摄像机采集实时视频流，由交换机将摄像机采集的实时视频流上传至静止人体检测服务器进行视频解码，最后将解码后的数据保存在指定位置；
（2）目标提取模块进行目标提取
静止人体检测服务器将步骤（1）中保存在指定位置的视频流数据采用Faster-RCNN深度学习网络模型和背景消除法进行目标提取，得到同一时刻同一目标框的两个坐标参数，提取有效的样本数据，并更新数据集中的坐标参数样本；这两种方法各自对视频流数据进行建模分析，当双方均分析完成，再将两个结果同时存入SQL数据库进行对比分析；
（3）报警模块报警
静止人体检测服务器对步骤（2）存入SQL数据库中同一时刻同一目标的两个坐标参数...

【专利技术属性】
技术研发人员：贾楠，贠周会，王欣欣，吴斌，叶超，黄江林，应艳丽，谢吉朋，王旭，赖泽玮，
申请(专利权)人：江西洪都航空工业集团有限责任公司，
类型：发明
国别省市：江西;36