【技术实现步骤摘要】
一种基于视频的智能人员安防识别统计方法
本专利技术属于计算机视觉、深度学习和目标检测技术，具体涉及一种基于视频的智能人员安防识别统计方法。
技术介绍
在一些危险程度较高的场景下如冶金作业场所、建筑工地及隧道涵洞等场合下，工作人员配戴安全帽和身穿工作服是必要的安全要求，除此之外，一些存放价值较高财产或操作较为危险设备的工业生产车间或爆炸舱室对安全需求更加严格，例如会规定工作车间或限制指定区域内的实时总人数。现今，许多工业生产现场都设有监管体系以实现实时的监控，监控主要以人工值守和视频监控两种方式实施。由于人工值守受时间、精力等因素的干扰易出现监控疏漏且监控范围有限、耗费人力物力，现在更多倾向于借助计算机视觉方法，采用视频监控实现监管。对监控视野内人员的头部区域和身体区域的准确定位是保证后续总人数统计、安全帽和工作服识别工作的前提，目前主要目标的方法主要是基于传统目标检测方法和深度学习技术。传统检测方法一般分为三个阶段，首先在给定的图像上选择一些候选的区域，然后对相关区域进行特征的提取，最后使用训练的分类器进行分...
【技术保护点】
1.一种基于视频的智能人员安防识别统计方法，其特征在于，包括以下步骤：/n步骤1：构建PyramidBox网络；/n步骤1.1：保持原PyramidBox的主干特征提取网络VGG16及额外的卷积层不变，另外共有6个CPM分支和3个LFPN部分；在原PyramidBox网络的经典的SSH算法、增加的卷积层和正则化部分后，将原有的面部检测结构的类别概率置信层face_conf_layers和位置回归层face_loc_layers更改为头部检测部分和身体检测部分，即为head_conf_layers，head_loc_layers，body_conf_layers，body_l...
【技术特征摘要】
1.一种基于视频的智能人员安防识别统计方法，其特征在于，包括以下步骤：
步骤1：构建PyramidBox网络；
步骤1.1：保持原PyramidBox的主干特征提取网络VGG16及额外的卷积层不变，另外共有6个CPM分支和3个LFPN部分；在原PyramidBox网络的经典的SSH算法、增加的卷积层和正则化部分后，将原有的面部检测结构的类别概率置信层face_conf_layers和位置回归层face_loc_layers更改为头部检测部分和身体检测部分，即为head_conf_layers，head_loc_layers，body_conf_layers，body_loc_layers四个层级，每个层级是相对应的卷积层的组合，其中卷积层的输入通道参数按照multibox算法官方参数中给出的具体数值所设定的，其他参数可根据经验或后续自定义的卷积层输入通道数自行设定，但要保证逐个卷积层级之间通道数的匹配与对应；
步骤1.2：分别设定头部区域和身体区域的相应特征列表，用于接收经过前续前向传播过程处理后的head_conf_layers，head_loc_layers，body_conf_layers，body_loc_layers的各个特征图，逐次将每个头部区域和身体区域的特征添加至与之相对应的类别置信层列表和位置回归层列表之中；
步骤1.3：对经过ssh_conv3_norm部分操作后的头部位置回归特征图和身体位置回归特征图进行维度变换并处理；对头部分类置信结果和身体分类置信结果分别输入至max-in-out预测评分部分，按照不同的权重等级negative、positive_negative及positive_positive分别评分，并分别将头部检测和身体检测...
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。