【技术实现步骤摘要】
一种睡岗行为检测方法及系统
[0001]本专利技术属于图像处理领域,具体涉及一种睡岗行为检测方法及系统。
技术介绍
[0002]如何检测员工睡岗行为一直以来都是许多管理人员思考的问题,因为一些特定场景需要员工时刻保持专注,如加油值班员、塔台管理员等,是严厉禁止随意离岗睡岗的,因为此类行为可能会引起重大事故。而此类岗位24小时安全监督管理又有一定困难,因此促生了值班室视频监控系统的出现。
[0003]传统的视频监控系统是以人工为前提。但采用人工监管的方式同样会存在监管人员疏忽、怠惰的问题。因此采用自动化的智能分析系统才是一种行之有效的安全监管方式。
[0004]人体行为检测是智能视频监控的关键应用领域之一。如今人类行为检测技术广泛应用于多个领域,如智能视频监控、视频搜索与检索、虚拟现实(VR)技术、人机交互以及自动驾驶等。传统的人体行为检测技术先使用手工设计特征提取模型,如HOG特征、Haar特征;而后利用提取的特征进行行为分类,如支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)等。但传统的机器学习方式由于手工设计特征、泛化能力较差等原因,在实际使用中效果较差。近年来,目标检测领域涌现一大批优秀的算法,如Faster
‑
RCNN、YOLO、SSD等,这些目标检测算法的出现为行为检测问题提供了一种新的思路。即先使用目标检测算法进行人体目标捕捉,而后结合性能优秀的图像分类网络进行行为分类,识别出指定行为的图像。
[00 ...
【技术保护点】
【技术特征摘要】
1.一种睡岗行为检测方法,其特征在于,包括以下步骤:步骤S1:采集值班室实景图像,经过嵌入式芯片硬件解码后,将解码出的每一帧RGB图像送入目标检测网络;步骤S2:采用目标检测网络对每一帧RGB图像进行目标检测,得到每一帧RGB图像的人体检测框;步骤S3:采用目标跟踪算法对每一帧RGB图像的人体检测框进行目标跟踪,计算T时间内属于同一目标的检测框的中心点变化;步骤S4:判断中心点变化是否小于第一阈值;步骤S5:当中心点变化小于第一阈值时,将对应的RGB图像传递给行为识别网络,转到步骤S7;步骤S6:当中心点大于等于第一阈值时,则输出识别结果为未发现睡岗行为;步骤S7:采用行为识别网络对所述对应的RGB图像中目标进行图像分类,判定是否属于睡岗行为,若识别为睡岗行为,则输出识别结果为发现睡岗行为并展示睡岗行为对应的RGB图像,若识别为不是睡岗行为,则输出识别结果为未发现睡岗行为。2.根据权利要求1所述的睡岗行为检测方法,其特征在于,所述目标检测网络是对YOLO V3算法进行改进,包括40层卷积层以及4个残差层;所述卷积层包括:具有16个卷积核的第一卷积层、具有16个卷积核的第二卷积层、具有16个卷积核的第三卷积层、2个第一组合卷积层、具有48个卷积核的第八卷积层、4个第二组合卷积层、具有64个卷积核的第十七卷积层、4个第三组合卷积层、具有96个卷积核的第二十六卷积层、7个第四组合卷积层;将所述第三组合卷积层的输出结果输入到Route层,将所述第四组合卷积层的输出结果输入到第三十九卷积层,将所述第三十九卷积层的输出结果输入到上采样层,将上采样层输出结果输入到Route层,将所述Route层输出结果输入到第四十卷积层,所述第三十九卷积层与第四十层卷积层的输出之和确定为改进后的YOLO V3算法的网络输出;所述第一组合卷积层包括:2个具有32个卷积核的卷积层以及第一残差层;所述第二组合卷积层包括:2个具有48个卷积核的卷积层以及第二残差层;所述第三组合卷积层包括:2个具有64个卷积核的卷积层以及第三残差层;所述第四组合卷积层包括:2个具有96个卷积核的卷积层以及第四残差层。3.根据权利要求2所述的睡岗行为检测方法,其特征在于,所述第一残差层、第二残差层、第三残差层以及第四残差层均包括:第一残差单元、第二残差单元;所述第一残差单元、第二残差单元、第一加和单元依次顺序相连接;残差单元的输入分别与第一残差单元、第一加和单元相连接,残差单元的输出与第一加和单元相连接;残差单元的输入经过第一残差单元、第二残差单元与所述残差单元的输入同时经过第一加和单元,得到残差单元的输出;所述第一残差单元、第二残差单元均包括:卷积子单元、批标准化层、激活函数子单元;所述卷积子单元、批标准化层、激活函数子单元依次顺序相连接;卷积子单元的输入依次经过卷积子单元、批标准化层、激活函数子单元,得到激活函数的输出,即为所述第一残差单元或第二残差单元的输出。4.根据权利要求3所述的睡岗行为检测方法,其特征在于,所述激活函数子单元设置为
ReLU激活函数。5.根据权利要求1所述的睡岗行为检测方法,其特征在于,所述目标检测网络采用CIoU损失函数Loss
CIoU
,公式如下:其中,iou表示计算真实框与检测框的交并比;b表示预测框,b
gt
表示真实框,ρ2(b,b
gt
)表示计算检测框和真实框的中心点的欧式距离;c是最小包围两个框的对角线长度;υ衡量两个框的相对比例一致性,α是权重系数。6.根据权利要求1所述的睡岗行为检测方法,其特征在于,所述目标检测网络还包括采用Mosaic数据增强对RGB图像进行数据增强,步...
【专利技术属性】
技术研发人员:孙宝忱,付利红,孙天姿,王诗慧,田季,王培,
申请(专利权)人:航天神舟智慧系统技术有限公司,
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。