一种基于头肩及跨线检测的人员尾随判定方法技术

本发明专利技术提供一种基于头肩及跨线检测的人员尾随判定方法，包括如下步骤：从获取的视频流提取视频帧，在视频帧的闸机位置预设一条跨线线段；将视频帧转换为RGB格式并缩放到规定大小，输入给目标检测模型；从视频帧提取头肩特征图，从头肩特征图中检测头肩目标；对头肩目标进行跟踪，定义跨过跨线线段为跨线，判定头肩目标是否跨线及跨线方向；在设定时间内，连续两个跨线的头肩目标为同一方向，则将后一个跨线的头肩目标判定为尾随者。本发明专利技术提出一种可采用摄像机垂直拍摄画面、头肩检测及跨线分析的人员尾随检测方法。可在不影响原通行环境架构的基础上，使用第三方独立分析模块来实现，便于实施和部署。便于实施和部署。便于实施和部署。

【技术实现步骤摘要】
一种基于头肩及跨线检测的人员尾随判定方法


[0001]本专利技术涉及机器识别
，具体涉及一种基于头肩及跨线检测的人员尾随判定方法。

技术介绍

[0002]一般楼宇/楼层等注重安全性的区域都会在出入口安装闸机对人员的进出进行管控，人员在进出区域时，需要使用实名登记的IC卡进行刷卡等方式进出。但普通闸机一般没有尾随检测机制，一般是在刷卡开门后，使用红外探测是否有人员通过，如果已通过则关闭，否则定时关闭。当在闸机开启后，如果有陌生人尾随刷卡人一同进入，可能会对区域的安全性造成不良影响。
[0003]现有的闸机检测方法，由于没有自动尾随检测报警的功能，因此一般都是人工来进行查验，比较耗时费力。如果原闸机在需要添加尾随检测功能，一般需要对闸机硬件本身进行改造，添加光模块硬件和分析模块来实现，施工比较复杂，不利于智能化改造。
[0004]因此，现有技术存在一定不足，需要进一步改进。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术提供一种基于头肩及跨线检测的人员尾随判定方法。
[0006]为实现上述目的，本专利技术的具体方案如下：
[0007]本专利技术提供一种基于头肩及跨线检测的人员尾随判定方法，包括如下步骤：
[0008]S1，从获取的视频流提取视频帧，在视频帧的闸机位置预设一条线定义为跨线线段；
[0009]S2，将视频帧转换为RGB格式并缩放到目标检测模型规定大小，然后输入给目标检测模型；
[0010]S3，从视频帧提取头肩特征图，由目标检测模型从头肩特征图中检测头肩目标；
[0011]S4，对头肩目标进行跟踪，定义跨过跨线线段为跨线，判定头肩目标是否跨线及跨线方向；
[0012]S5，在设定时间内，连续两个跨线的头肩目标为同一方向，则将后一个跨线的头肩目标判定为尾随者。
[0013]优选地，在步骤S3中，判定头肩目标是否跨线及跨线方向具体包括如下步骤：
[0014]S31，选取一前一后两个连续的视频帧中同一个跟踪ID的头肩目标位置的中心点，前一视频帧中头肩目标位置的中心点为起点，后一视频帧中头肩目标位置的中心点为终点，形成一个向量，定义为运动方向向量；
[0015]S32，判断运动方向向量和跨线线段是否有交叉；
[0016]S33，如有交叉，则计算运动方向向量与跨线向量的法向量的夹角的余弦值，如果余弦值大于0，则确定运动方向向量为进入方向，如果余弦值小于0，则确定运动方向向量为
离开方向；
[0017]优选地，所述目标检测模型采用的是SSD目标检测模型。
[0018]优选地，所述头肩特征图通过特征提取模型提取，所述特征提取模型采用的是MobileNet模型。
[0019]优选地，所述视频流通过摄像机获取，所述摄像机安装在闸机正上方，调整焦距，让头肩目标位于摄像机镜头范围之内。
[0020]优选地，所述对头肩目标进行跟踪采用目标跟踪算法进行，所述目标跟踪算法采用的是插值跟踪预测算法。
[0021]采用本专利技术的技术方案，具有以下有益效果：
[0022]本专利技术提供一种可采用摄像机垂直拍摄画面、头肩检测及跨线分析的人员尾随检测方法。可在不影响原通行环境架构的基础上，使用第三方独立分析模块来实现，便于实施和部署。
附图说明
[0023]图1是本专利技术具体实施方式的整体流程图；
[0024]图2是本专利技术具体实施方式的判定是否跨线及跨线方向的流程图；
[0025]图3是本专利技术具体实施方式的系统部署示意图。
具体实施方式
[0026]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0027]在本专利技术的描述中，除非另有明确的规定和限定，术语“相连”、“连接”、“固定”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0028]在本专利技术中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。
[0029]在本实施例的描述中，术语“上”、“下”、“前”、“后”、“左”、“右”等方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述和简化操作，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅仅用于在描述上加以区分，并没有特殊的含义。
[0030]结合图1
‑
图3所示，本专利技术提供一种基于头肩及跨线检测的人员尾随判定方法，该方法包括如下步骤：
[0031]S1，从获取的视频流提取视频帧，在视频帧的闸机位置预设一条线定义为跨线线段；
[0032]S2，将视频帧转换为RGB格式并缩放到目标检测模型规定大小，然后输入给目标检测模型；
[0033]S2，从视频帧提取头肩特征图，由目标检测模型从头肩特征图中检测头肩目标；
[0034]S3，对头肩目标进行跟踪，定义跨过跨线线段为跨线，判定头肩目标是否跨线及跨线方向；
[0035]S5，在设定时间内，连续两个跨线的头肩目标为同一方向，则将后一个跨线的头肩目标判定为尾随者。
[0036]本方法的原理和具体实施方式如下：
[0037]本方法中头肩检测使用的是SSD目标检测模型，为了检测更小的头肩目标，使用网络较深的MobileNet模型作为特征提取的基础模型，MobileNet模型配合SSD目标检测模型能够快速准确的检测出视频帧中的头肩目标并输出头肩目标的具体位置。
[0038]头肩目标检测完成后，使用跟踪算法确定头肩目标的运动轨迹，本方法中使用插值跟踪预测算法对头肩目标进行跟踪及位置预测，可以在检测帧(当前正在检测的视频帧)的基础上预测后续连续几帧视频帧中的头肩目标位置，因此不需要对每帧视频帧进行头肩目标检测，不仅加快了运算速度且大大降低系统资源消耗，使算法可在低成本的嵌入式AI芯片上运行。
[0039]本方法中根据实际使用场景，需要在视频帧上的闸机位置人为标定一条线作为跨线线段，并注明进入方向，默认情况下，进入方向为跨线向量(沿跨线线段从起点到终点的向量)的法向量方向，法向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于头肩及跨线检测的人员尾随判定方法，其特征在于，包括如下步骤：S1，从获取的视频流提取视频帧，在视频帧的闸机位置预设一条线定义为跨线线段；S2，将视频帧转换为RGB格式并缩放到目标检测模型规定大小，然后输入给目标检测模型；S3，从视频帧提取头肩特征图，由目标检测模型从头肩特征图中检测头肩目标；S4，对头肩目标进行跟踪，定义跨过跨线线段为跨线，判定头肩目标是否跨线及跨线方向；S5，在设定时间内，连续两个跨线的头肩目标为同一方向，则将后一个跨线的头肩目标判定为尾随者。2.根据权利要求1所述的一种基于头肩及跨线检测的人员尾随判定方法，其特征在于，步骤S3中，判定头肩目标是否跨线及跨线方向具体包括如下步骤：S31，选取一前一后两个连续的视频帧中同一个跟踪ID的头肩目标位置的中心点，前一视频帧中头肩目标位置的中心点为起点，后一视频帧中头肩目标位置的中心点为终点，形成一个向量，定义为运动方向向量；S32，判断运动方向向...

【专利技术属性】
技术研发人员：汪云，王涛，林涛睿，林鹏程，蓝振志，柴涛涛，邱真，陈阳，汤园生，陈志祥，胡胤，刘健，
申请(专利权)人：深圳市瑞驰信息技术有限公司，
类型：发明
国别省市：