一种基于硬件前端的乘客附属物检测方法及系统技术方案

本发明专利技术公开了一种基于硬件前端的乘客附属物检测方法及系统，所述方法包括以下步骤：将待识别图像输入预训练好的目标检测器，获得检测结果；所述检测结果包括乘客及乘客附属物检测定位；基于所述检测结果利用匈牙利匹配和遮挡轨迹预测算法，获得目标轨迹；基于所述目标轨迹利用三线法，获得计数检测结果。本发明专利技术中，在地铁、高铁以及公交等场景下进行灰度图像及视频数据采集，对采集的灰度图像进行乘客附属物检测计数，能够达到较高的检测精度，能够解决现有技术精度不足的缺陷。

【技术实现步骤摘要】
一种基于硬件前端的乘客附属物检测方法及系统
本专利技术属于计算机数字图像处理与模式识别
，涉及乘客附属物检测领域，特别涉及一种基于硬件前端的乘客附属物检测方法及系统。
技术介绍
地铁、高铁以及公交乘客附属物检测计数就是在地铁、高铁以及公交的车门处或其他相关场景下，进行乘客附属物(轮椅、自行车以及大件行李等)的检测计数，这些附属物如果不通过自动化手段，就需要人力进行检查统计，耗时又费力。随着技术的发展，目前通过监控摄像头进行检测计数的技术已经相对成熟，但由于国内地铁发展时间较短，目前针对地铁这种人流量大，密闭的狭小空间内进行物体检测领域还很空白，现有方法普遍精度不高，仅仅只能作为一个粗略的统计手段。综上，亟需一种精确高效的可以适用于地铁乘客附属物检测的计数方法及系统。
技术实现思路
本专利技术的目的在于提供一种基于硬件前端的乘客附属物检测方法及系统，以解决上述存在的一个或多个技术问题。本专利技术中，在地铁、高铁以及公交等场景下进行灰度图像及视频数据采集，对采集的灰度图像进行乘客附属物检测计数，能够达到较高本文档来自技高网...

【技术保护点】
1.一种基于硬件前端的乘客附属物检测方法，其特征在于，包括以下步骤：/n将待识别图像输入预训练好的目标检测器，获得检测结果；所述检测结果包括乘客及乘客附属物检测定位；/n基于所述检测结果利用匈牙利匹配和遮挡轨迹预测算法，获得目标轨迹；/n基于所述目标轨迹利用三线法，获得计数检测结果。/n

【技术特征摘要】
1.一种基于硬件前端的乘客附属物检测方法，其特征在于，包括以下步骤：
将待识别图像输入预训练好的目标检测器，获得检测结果；所述检测结果包括乘客及乘客附属物检测定位；
基于所述检测结果利用匈牙利匹配和遮挡轨迹预测算法，获得目标轨迹；
基于所述目标轨迹利用三线法，获得计数检测结果。


2.根据权利要求1所述的一种基于硬件前端的乘客附属物检测方法，其特征在于，所述预训练好的目标检测器的获取步骤具体包括：
利用灰度摄像头采集若干数据集，标注形成学习样本集；所述数据集包括乘客及乘客附属物上下预设场景的视频；
基于所述学习样本集训练深度神经网络，训练达到预设条件后，获得目标检测器。


3.根据权利要求2所述的一种基于硬件前端的乘客附属物检测方法，其特征在于，所述基于所述学习样本集训练深度神经网络，训练达到预设条件后，获得目标检测器的步骤具体包括：
将学习样本集转化为VOC标准数据集格式；
将转化后的VOC标准数据集输入深度神经网络进行训练，生成深度神经网络目标检测器模型；每隔200次进行模型测试并挑选一个性能最好的模型保存下来，到达设定的最大训练次数后最终保存下来的模型为训练完成的深度神经网络目标检测器；
针对模型对于训练集和验证集的不同表现，对训练参数进行调节，获得最终的目标检测器。


4.根据权利要求2所述的一种基于硬件前端的乘客附属物检测方法，其特征在于，所述深度神经网络为Pelee、Fast-RCNN、Faster-RCNN或FCOS。


5.根据权利要求1所述的一种基于硬件前端的乘客附属物检测方法，其特征在于，在将待识别图像输入预训练好的目标检测器之前还包括：对待识别图像进行图像增强处理。


6.根据权利要求1所述的一种基于硬件前端的乘客附属物检测方法，其特征在于，所述基于所述检测结果利用匈牙利匹配和遮挡轨迹预测算法，获得目标轨迹的步骤具体包括：
若当前帧没有检测到任何目标，则为上一帧所有的目标进行轨迹预测；
若当前帧检测到目标，上一帧没有检测到任何目标，则为当前帧检测到的目标全部进行注册ID；
若当前帧检测到目标，上一帧也检测到目标，则利用匈牙利匹配算法，为当前帧所有的目标进行赋予ID；若当前帧检测到有未注册的目标出现，则为未注册的目标进行注册ID；
若当前帧有漏ID出现，则根据上一帧为漏ID对应的目标进行预测轨迹；
若目标轨迹或者预测轨...

【专利技术属性】
技术研发人员：钱学明，杨竣杰，邹屹洋，侯兴松，
申请(专利权)人：台州智必安科技有限责任公司，
类型：发明
国别省市：浙江;33