一种建筑工地行人徘徊检测方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种建筑工地行人徘徊检测方法、装置、设备及存储介质，包括：实时获取从建筑工地安装的摄像头采集到的视频流中捕获的帧图像；在获取的帧图像上划定行人徘徊检测区域；通过深度学习结合多目标匹配算法对检测区域内的各行人进行跟踪；计算跟踪的行人的轨迹距离和滞留时间，若轨迹距离大于设定距离阈值，同时滞留时间大于设定时间阈值时，则识别行人为徘徊；在识别出行人为徘徊后，连接报警器进行预警。本申请通过深度学习结合多目标匹配算法对检测区域内的各行人进行跟踪计算，这样基于行人在检测区域的行为分析可以实时监测行人是否徘徊，提高了检测结果的精度，提升了跟踪效果，解决现有技术中的方法出现大量漏识和误识情况的问题。

【技术实现步骤摘要】
一种建筑工地行人徘徊检测方法、装置、设备及存储介质
本专利技术涉及视频监控人工智能领域，特别是涉及一种建筑工地行人徘徊检测方法、装置、设备及存储介质。
技术介绍
建筑施工工地作为一个高危场景，不仅场景复杂，各种行人管理监控也非常复杂。随着智慧工地普及，利用视频分析监控的方法不断引起重视，工地安全性保障要求不断提高。行人徘徊是异常行为的一种，建筑工地上需要监控这些徘徊行为，一方面是防止不法分子有不法企图，另一方面，工地上工人众多，也需要防止聚众闹事。目前，徘徊检测方法大多数是利用检测目标运动轨迹和运动时长来判断。但是当运动目标出现静止或者存在遮挡，就无法准确跟踪目标。另外一种是利用跟踪算法实现，但是同样存在以下问题：一是现有跟踪算法在工地这种复杂场景中会出现大量漏识和误识情况，二是跟踪算法占用显存高，耗时长，成本高。因此，如何准确跟踪目标，提升跟踪效果，解决大量漏识和误识情况等问题，是本领域技术人员亟待解决的技术问题。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种建筑工地行人徘徊检测方法、装置、设备及存储介质，可以提高检测结果的精度，提升跟踪效果，解决现有技术中的方法出现大量漏识和误识情况的问题。其具体方案如下：一种建筑工地行人徘徊检测方法，包括：实时获取从建筑工地安装的摄像头采集到的视频流中捕获的帧图像；在获取的所述帧图像上划定行人徘徊检测区域；通过深度学习结合多目标匹配算法对所述检测区域内的各行人进行跟踪；计算跟踪的所述行人的轨迹距离和滞留时间，若所述轨迹距离大于设定距离阈值，同时所述滞留时间大于设定时间阈值时，则识别所述行人为徘徊；在识别出所述行人为徘徊后，连接报警器进行预警。优选地，在本专利技术实施例提供的上述建筑工地行人徘徊检测方法中，通过深度学习结合多目标匹配算法对所述检测区域内的各行人进行跟踪，具体包括：依次建立工地行人目标检测数据集和工地行人重识别数据集；根据建立的所述工地行人目标检测数据集，构建并训练行人目标检测模型；根据建立的所述工地行人重识别数据集，构建并训练行人重识别特征提取模型；通过所述行人目标检测模型检测出所述检测区域内当前帧图像中的各行人，并通过所述行人重识别特征提取模型提取所述行人的特征；根据提取出的所述特征，预测下一帧图像中的行人位置，进行多行人的定位跟踪。优选地，在本专利技术实施例提供的上述建筑工地行人徘徊检测方法中，根据提取出的所述特征，预测下一帧图像中的行人位置，进行多行人的定位跟踪，具体包括：将提取出的所述特征作为输入，利用卡尔曼滤波预测下一帧图像中的行人位置；利用匈牙利算法结合预测的所述下一帧图像中的行人位置以及提取出的所述特征，进行多行人的定位跟踪。优选地，在本专利技术实施例提供的上述建筑工地行人徘徊检测方法中，在训练所述行人目标检测模型之后，还包括：通过TensorRT优化器对所述行人目标检测模型进行加速；在训练所述行人重识别特征提取模型之后，还包括：通过TensorRT优化器对所述行人重识别特征提取模型进行加速。优选地，在本专利技术实施例提供的上述建筑工地行人徘徊检测方法中，依次建立工地行人目标检测数据集和工地行人重识别数据集，具体包括：收集建筑工地上不同类型的行人数据作为工地行人目标检测数据集并进行标注；所述行人数据包括所有穿戴安全帽和反光衣的行人姿态，未戴安全帽和未穿反光衣的行人姿态；所述行人姿态包括行走、停驻、下蹲、坐下；收集建筑工地上不同摄像头之间的行人重识别数据作为工地行人重识别数据集并进行标注。优选地，在本专利技术实施例提供的上述建筑工地行人徘徊检测方法中，所述行人目标检测模型为CenterNet，所述行人目标检测模型的基础模型为ResNet101，损失函数为交叉熵损失函数；所述行人重识别特征提取模型的基础模型为ResNet50，损失函数为人脸识别损失函数，采用随机梯度下降法进行迭代优化。本专利技术实施例还提供了一种建筑工地行人徘徊检测装置，包括：安装在建筑工地的多个摄像头，与所述摄像头电性连接的算法服务器，与所述算法服务器电性连接的报警器；所述算法服务器包括：图像获取模块，用于实时获取从所述摄像头采集到的视频流中捕获的帧图像；区域划定模块，用于在获取的所述帧图像上划定行人徘徊检测区域；行人跟踪模块，用于通过深度学习结合多目标匹配算法对所述检测区域内的各行人进行跟踪；行人检测模块，用于计算跟踪的所述行人的轨迹距离和滞留时间，若所述轨迹距离大于设定距离阈值，同时所述滞留时间大于设定时间阈值时，则识别所述行人为徘徊；预警模块，用于在识别出所述行人为徘徊后，连接所述报警器进行预警。优选地，在本专利技术实施例提供的上述建筑工地行人徘徊检测装置中，所述行人跟踪模块，包括：数据集建立单元，用于依次建立工地行人目标检测数据集和工地行人重识别数据集；模型训练单元，用于根据建立的所述工地行人目标检测数据集，构建并训练行人目标检测模型；根据建立的所述工地行人重识别数据集，构建并训练行人重识别特征提取模型；行人跟踪单元，用于通过所述行人目标检测模型检测出所述检测区域内当前帧图像中的各行人，并通过所述行人重识别特征提取模型提取所述行人的特征；根据提取出的所述特征，预测下一帧图像中的行人位置，进行多行人的定位跟踪。本专利技术实施例还提供了一种建筑工地行人徘徊检测设备，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现如本专利技术实施例提供的上述建筑工地行人徘徊检测方法。本专利技术实施例还提供了一种计算机可读存储介质，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现如本专利技术实施例提供的上述建筑工地行人徘徊检测方法。从上述技术方案可以看出，本专利技术所提供的一种建筑工地行人徘徊检测方法、装置、设备及存储介质，包括：实时获取从建筑工地安装的摄像头采集到的视频流中捕获的帧图像；在获取的帧图像上划定行人徘徊检测区域；通过深度学习结合多目标匹配算法对检测区域内的各行人进行跟踪；计算跟踪的行人的轨迹距离和滞留时间，若轨迹距离大于设定距离阈值，同时滞留时间大于设定时间阈值时，则识别行人为徘徊；在识别出行人为徘徊后，连接报警器进行预警。本专利技术通过深度学习结合多目标匹配算法对检测区域内的各行人进行跟踪计算，这样基于行人在检测区域的行为分析可以实时监测行人是否徘徊，提高了检测结果的精度，提升了跟踪效果，解决了现有技术中的方法出现大量漏识和误识情况的问题。附图说明为了更清楚地说明本专利技术实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术行人来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本专利技术实施例提供的建筑工地行人徘徊检测方法的流程图；图2为本文档来自技高网...

【技术保护点】
1.一种建筑工地行人徘徊检测方法，其特征在于，包括：/n实时获取从建筑工地安装的摄像头采集到的视频流中捕获的帧图像；/n在获取的所述帧图像上划定行人徘徊检测区域；/n通过深度学习结合多目标匹配算法对所述检测区域内的各行人进行跟踪；/n计算跟踪的所述行人的轨迹距离和滞留时间，若所述轨迹距离大于设定距离阈值，同时所述滞留时间大于设定时间阈值时，则识别所述行人为徘徊；/n在识别出所述行人为徘徊后，连接报警器进行预警。/n

【技术特征摘要】
1.一种建筑工地行人徘徊检测方法，其特征在于，包括：
实时获取从建筑工地安装的摄像头采集到的视频流中捕获的帧图像；
在获取的所述帧图像上划定行人徘徊检测区域；
通过深度学习结合多目标匹配算法对所述检测区域内的各行人进行跟踪；
计算跟踪的所述行人的轨迹距离和滞留时间，若所述轨迹距离大于设定距离阈值，同时所述滞留时间大于设定时间阈值时，则识别所述行人为徘徊；
在识别出所述行人为徘徊后，连接报警器进行预警。


2.根据权利要求1所述的建筑工地行人徘徊检测方法，其特征在于，通过深度学习结合多目标匹配算法对所述检测区域内的各行人进行跟踪，具体包括：
依次建立工地行人目标检测数据集和工地行人重识别数据集；
根据建立的所述工地行人目标检测数据集，构建并训练行人目标检测模型；
根据建立的所述工地行人重识别数据集，构建并训练行人重识别特征提取模型；
通过所述行人目标检测模型检测出所述检测区域内当前帧图像中的各行人，并通过所述行人重识别特征提取模型提取所述行人的特征；
根据提取出的所述特征，预测下一帧图像中的行人位置，进行多行人的定位跟踪。


3.根据权利要求2所述的建筑工地行人徘徊检测方法，其特征在于，根据提取出的所述特征，预测下一帧图像中的行人位置，进行多行人的定位跟踪，具体包括：
将提取出的所述特征作为输入，利用卡尔曼滤波预测下一帧图像中的行人位置；
利用匈牙利算法结合预测的所述下一帧图像中的行人位置以及提取出的所述特征，进行多行人的定位跟踪。


4.根据权利要求3所述的建筑工地行人徘徊检测方法，其特征在于，在训练所述行人目标检测模型之后，还包括：
通过TensorRT优化器对所述行人目标检测模型进行加速；
在训练所述行人重识别特征提取模型之后，还包括：
通过TensorRT优化器对所述行人重识别特征提取模型进行加速。


5.根据权利要求4所述的建筑工地行人徘徊检测方法，其特征在于，依次建立工地行人目标检测数据集和工地行人重识别数据集，具体包括：
收集建筑工地上不同类型的行人数据作为工地行人目标检测数据集并进行标注；所述行人数据包括所有穿戴安全帽和反光衣的行人姿态，未戴安全帽和未穿反光衣的行人姿态；所述行人姿态包括行走、停驻、下蹲...

【专利技术属性】
技术研发人员：朱常玉，单建华，戴福全，章益明，
申请(专利权)人：杭州品茗安控信息技术股份有限公司，
类型：发明
国别省市：浙江;33