一种厂区工作人员搜索方法及人员识别模型的训练方法技术

本发明专利技术公开了一种厂区人员搜索方法，无需对人员区域预先标注，直接输入煤矿区域无标注监控视频生图，先通过本发明专利技术提出的多尺度YOLOv4人员检测算法获得煤矿人员的区域边界和位置，再针对煤矿人员统一着装问题，提供一种人员识别模型的训练方法，首先对人员区域采用微调的ResNet50进行特征提取，然后，采用权重约束难样本采样损失函数和边界余弦Softmax损失函数联合监督来训练神经网络识别特征学习，获取检测人员的身份信息识别，实现了较好的一定区域人员的无标注搜索效果。的一定区域人员的无标注搜索效果。的一定区域人员的无标注搜索效果。

【技术实现步骤摘要】
一种厂区工作人员搜索方法及人员识别模型的训练方法


[0001]本专利技术涉及智能监控
，特别是涉及一种区域人员搜索方法。

技术介绍

[0002]在目前大多数的厂区人员管理中，通过视频监控搜索特定人员进行目标检测和人员身份识别可以提高人员管理效率并提高员工的安全管理和规责管理，然而在现有技术中，因为视频监控摄像头距离目标较远，而厂区内工作人员因穿着统一工作服导致身份难以辨认，加上厂区内还存在大面积遮挡、光照变化等因素影响，导致人员搜索和识别结果不佳，很难满足厂区人员安全管理等多项管理需求。
[0003]人员搜索的首要关键任务是目标检测，目前针对目标检测的研究大多分为两步法(Two
‑
stage)和一步法(One
‑
stage)两种方法。其中，区域卷积神经网络(Region CNN，R
‑
CNN)等两步法将检测过程分为候选区域生成和区域分类两个阶段，导致训练模型不易优化。YOLOv1(You only look once)是典型的一步法检测，它把检测任务当作一个回归问题，用一个网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种厂区工作人员搜索方法，包括：输入一张包含目标搜索人员的标注监控视频图，并获取特定时间段和区域内监控范围内的无标注监控视频生图；从所述标注监控视频图中获取目标人员矩形图像截图；对所述无标注监控视频生图进行人员检测，获得待确定人员矩形图像截图和待确定人员位置信息；将目标人员矩形图像截图和所有待确定人员矩形图像截图输入预设的人员识别模型进行特征比对，获得人员匹配结果；所述人员识别模型由多个特定人员矩形训练图像和每个人员矩形训练图像对应的人员身份标记信息训练生成。2.根据权利要求1所述的一种厂区工作人员搜索方法，其中，所述人员检测为基于多尺度预测YOLOv4的人员检测，在YOLOv4的Backbone阶段增加浅层特征提取，同时在Head阶段增加两个浅层特征预测输出，将多尺度预测数量扩展为五个。3.根据权利要求2所述的一种厂区工作人员搜索方法，其中，所述Backbone阶段增加浅层特征提取包括：增加CBL，所述CBL层指卷积层、批量归一化层和激活函数层的组合。4.一种人员识别模型的训练方法，包括：获取多个训练样本；其中，每个所述训练样本包括特定人员视频监控下的人体矩形图像和人体矩形图像对应的人员身份标记信息；针对每个所述训练样本，对所述人体矩形图像进行特征提取，得到人员特征信息；利用多个人体矩形图像对应的所述人员特征信息和每个人体矩形图像对应的标记值训练预设分类模型；采用权重约束难样本采样损失函数和边界余弦Softmax损失函数联合监督来训练所述预设分类模型，最终得到人员识别模型。5.根据权利要求4所述一种人员识别模型的训练方法，其中，所述特征提取采用微调的ResNet50进行特征提取，所述微调的ResNet50，删除了ResNet50的最后一个下采样层；添加了全局平均池化(GAP)层来替换ResNet50后面的全连接(FC)层，并且将...

【专利技术属性】
技术研发人员：云霄，孙彦景，程小舟，董锴文，周玉，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：