【技术实现步骤摘要】
一种基于深度学习的立体视觉人际安全距离检测方法
[0001]本专利技术属于计算机视觉、深度学习、目标检测领域,尤其涉及一种基于深度 学习的立体视觉人际安全距离检测方法。
技术介绍
[0002]保持人际安全距离是疫情防控的重要手段之一。提高人际距离检测的自动 化、智能化对降低疫情防控人力成本并提升防控效率有着重要意义。在医院、银 行、车站、政府服务窗口等公共场所部署机器视觉系统,自动检测人际安全距离 具有新颖性和需求迫切性。
[0003]Naqiyuddin等人设计了一种可穿戴的人际距离检测系统,该系统由微控制 器、超声波传感器、LCD和蜂鸣器等构成,需要用户主动佩戴该装置,然后利 用超声波探测人际距离。Gad等人设计了基于视觉的人际距离检测系统,利用逆 透视模型将相机采集的视频变换为鸟瞰图,基于卡尔曼滤波器和速度模型跟踪并 估计人际距离,该方法不需要用户佩戴专用设备,但人员漏检概率大,且人际距 离估计误差大。Hou等人利用深度学习模型进行人际距离检测,提高了人员检测 的可靠性,但通过人员目标的像素距离估计人际距离,准确度不足;无独有偶, Bhambani等人也基于单目视觉系统和深度学习模型提出了口罩检测和人际距离 检测系统,同样存在深度距离估计准确度不及水平距离估计准确度的问题。现有 个别基于立体视觉的人际安全距离估计方法,存在立体匹配计算复杂度高,难以 满足实时性要求。
[0004]面向人际安全距离检测的机器视觉系统及方法的研究是新冠疫情以来出现 的新需求,尽管出现了一些解决方案,但仍存在系统不易部 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的立体视觉人际安全距离检测方法,其特征在于,包括以下步骤:(1)基于平面棋盘靶标对双目视觉系统进行标定,并使用标定后双目视觉系统的左相机C
L
和右相机C
R
分别采集人员聚集场景图像,分别记为I
left
和I
right
;(2)基于标定的相机参数,对采集的图像进行畸变校正和极线校正,得到双目校正图像,其中,左校正图像记为右校正图像记为(3)将双目校正图像分别输入深度神经网络,进行人员目标检测,输出人员目标边框向量集,分别记为:F
L
和F
R
;每个边框向量的格式为(x,y,w,h),其中,(x,y)表示人员目标边框左上角位置对应的像素坐标,w,h分别表示边框的宽度和高度;(4)将左校正图像中的人员目标中心点作为参考点,在极线约束和边框约束下,对中检测到的每个人员目标中心点p,在中寻找立体匹配点p',计算中每个人员目标中心点p与匹配点p'的视差d,得到中心点p对应的人员目标的三维坐标(X
p
,Y
p
,Z
p
);(5)根据人员三维坐标计算人际距离;(6)根据设定的人际距离下限,对距离过近人员进行警示提醒。2.根据权利要求1所述的基于深度学习的立体视觉人际安全距离检测方法,其特征在于,所述步骤(1)包括以下步骤:(11)用双目视觉系统的左相机C
L
和右相机C
R
同时采集已知尺寸的平面棋盘靶标图像,从3个角度拍摄平面棋盘靶标,得到3对平面棋盘靶标图像(分别记为:);(12)对每幅平面棋盘靶标图像检测角点像素坐标;(13)不考虑相机畸变,利用平面棋盘靶标图像(13)不考虑相机畸变,利用平面棋盘靶标图像的角点像素坐标,根据已知的平面靶标尺寸、物像方程确定左相机C
L
和右相机C
R
的内参数和外参数初始值并利用极大似然估计优化内参数和外参数;(14)考虑相机径向畸变,利用平面棋盘靶标图像和的角点像素坐标,估计左相机C
L
和右相机C
R
的畸变参数初始值;利用最小二乘法优化左右两个相机的内参数、外参数和径向畸变参数,得到左相机C
L
的内参数外参数径向畸变系数径向畸变系数和右相机C
R
的内参数外参数径向畸变系数径向畸变系数(15)根据左相机C
L
的外参数和右相机C
R
的外参数确定右相机C
R
相对于左相机C
L
的旋转变换矩阵R,右相机C
R
相对于左相机C
L
的平移变换矩阵T。3.根据权利要求1所述的基于深度学习的立体视觉人际安全距离检测方法,其特征在于,所述步骤(2)中包括如下步骤:(21)径...
【专利技术属性】
技术研发人员:韩磊,张天程,刘黄骁烈,施展,郑胜男,黄晓华,
申请(专利权)人:南京工程学院,
类型:发明
国别省市:
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。