一种人员到位检测方法、装置、设备和存储介质制造方法及图纸

本发明专利技术公开了一种人员到位检测方法、装置、设备和存储介质，该方法包括：获取预设区域的检测视频，根据检测视频确定检测图像；在检测图像中确定检测区域的位置信息；将检测图像输入预先训练好的行人检测模型中，以使行人检测模型对检测图像进行处理，得到检测图像中行人检测框的位置信息；行人检测模型为基于RFB模块和注意力机制单元改进的YOLOv3网络模型；根据检测区域的位置信息和行人检测框的位置信息确定检测区域内人员到位情况。上述技术方案，基于RFB模块和注意力机制单元改进的YOLOv3网络模型可以作为行人检测模型，精确确定检测图像中的行人检测框，根据检测图像中检测区域和行人检测框的重合度确定人员的到位情况，得到的人员到位情况更加精确。得到的人员到位情况更加精确。得到的人员到位情况更加精确。

【技术实现步骤摘要】
一种人员到位检测方法、装置、设备和存储介质


[0001]本专利技术实施例涉及计算机
，尤其涉及一种人员到位检测方法、装置、设备和存储介质。

技术介绍

[0002]银行营业网点作为银行与客户面对面沟通的重要渠道，其工作人员的到位情况是评价银行网点服务质量的重要指标。银行营业网点的行人存在流动性大、人员密集等特点，工作人员的及时到位能够做好客户的分流工作，提高网点的服务效率。因此，工作人员的及时到位可以促进银行营业网点的运行效率同时提升银行营业网点的服务质量。为了确保银行营业网点的运行效率和服务质量，确定工作人员是否到位成为亟待解决的重要问题。
[0003]现有技术中，通常可以通过人工排查的方式实现对银行网点中工作人员的到位情况进行检测，这需要消耗大量的人力成本。而且，由于排查人员的注意力不集中、生理疲劳等问题，会使得人工排查的方式响应速度慢，并容易出现误判和漏检，对工作人员到位情况无法进行有效的检测。可以获取银行网点的网点图像，基于YOLOv3算法对网点图像进行处理，得到网点图像内人员的位置信息，进而可以根据人员的位置信息确定人员到位情况。
[0004]但是，在实际的银行网点中，往往行人较多，存在行人遮挡问题，严重影响YOLOv3算法的精确度，进而导致确定的人员位置信息精确度较差，无法精确确定人员到位情况。

技术实现思路

[0005]本专利技术提供一种人员到位检测方法、装置、设备和存储介质，以精确确定人员到位情况。
[0006]第一方面，本专利技术实施例提供了一种人员到位检测方法，包括：
[0007]获取预设区域的检测视频，根据所述检测视频确定检测图像；在所述检测图像中确定检测区域的位置信息；将所述检测图像输入预先训练好的行人检测模型中，以使所述行人检测模型对所述检测图像进行处理，得到所述检测图像中行人检测框的位置信息；其中，所述行人检测模型为基于感受野(Receptive Field Block，RFB)模块和注意力机制单元改进的YOLOv3网络模型；根据所述检测区域的位置信息和所述行人检测框的位置信息确定所述检测区域内人员到位情况。
[0008]本专利技术实施例的技术方案，提供一种人员到位检测方法，包括：获取预设区域的检测视频，根据所述检测视频确定检测图像；在所述检测图像中确定检测区域的位置信息；将所述检测图像输入预先训练好的行人检测模型中，以使所述行人检测模型对所述检测图像进行处理，得到所述检测图像中行人检测框的位置信息；其中，所述行人检测模型为基于RFB模块和注意力机制单元改进的YOLOv3网络模型；根据所述检测区域的位置信息和所述行人检测框的位置信息确定所述检测区域内人员到位情况。上述技术方案，通过对获取到的预设区域的检测视频进行抽帧，可以得到预设区域对应的检测图像，确定检测区域内检测区域的位置信息，检测区域的位置信息可以用于与检测图像内行人检测框的位置信息进
行比对，比对结果可以用于确定人员到位情况，基于感受野RFB模块和注意力机制单元改进的YOLOv3网络模型可以作为行人检测模型，对检测图像进行处理，得到检测图像中较为精确的行人检测框以及行人检测框的位置信息，根据预设时间内检测图像中检测区域和行人检测框的重合度确定人员的到位情况，减少了其他人员对检测结果的干扰，得到的人员到位情况更加精确。
[0009]进一步地，获取预设区域的检测视频，并根据所述检测视频确定检测图像，包括：
[0010]基于图像获取装置获取所述预设区域的所述检测视频；从所述检测视频中抽取视频帧，并将所述视频帧确定为所述检测图像。
[0011]进一步地，在所述检测图像中确定检测区域的位置信息，包括：
[0012]根据所述检测区域的实际位置和所述图像获取装置的实际位置，确定所述检测图像中所述检测区域的位置信息。
[0013]进一步地，在将所述检测图像输入预先训练好的行人检测模型之前，还包括：
[0014]获取历史行人图像集，并基于Kmeans聚类算法对所述历史行人图像集进行聚类，得到行人先验框。
[0015]进一步地，所述行人检测模型包括特征提取模块、RFB模块、特征融合模块、分类模块和回归模块，所述特征融合模块包括注意力机制单元，相应地，将所述检测图像输入预先训练好的行人检测模型中，以使所述行人检测模型对所述检测图像进行处理，得到所述检测图像中行人检测框的位置信息，包括：
[0016]将所述检测图像作为输入信息输入所述行人检测模型中，以使所述行人检测模型基于所述特征提取模块对所述检测图像进行特征提取，得到三种尺度的初始特征图，基于所述RFB模块增强各所述特征图的感受野，得到更新特征图，基于所述特征融合模块对各所述更新特征图进行上采样和下采样，并进行堆叠、融合和卷积，得到三种尺度的目标特征图，基于所述行人先验框对各所述目标特征图进行框选，并基于分类模块对各所述目标特征图的框选结果进行分类，以确定各所述目标特征图中的行人检测框，基于回归模块对所述行人检测框进行位置回归，以确定各所述行人检测框的位置信息。
[0017]进一步地，根据所述检测区域的位置信息和所述行人检测框的位置信息确定所述检测区域内人员到位情况，包括：
[0018]根据所述检测区域的位置信息和所述行人检测框的位置信息确定所述检测区域和所述行人检测框的重合度；如果所述重合度大于预设值且持续时间大于预设时间，则确定所述检测区域内人员的到位情况为已到位。
[0019]进一步地，在将所述检测图像输入预先训练好的行人检测模型中，以使所述行人检测模型对所述检测图像进行处理，得到所述检测图像中行人检测框的位置信息之前，还包括：
[0020]对所述历史行人图像集中各所述历史行人图像所包含的行人进行标注；对至少两个所述历史行人图像进行图像拼接，得到拼接图像，并对所述拼接图像中的标注部分进行图像截取，对截取结果进行拼接，得到扩充行人图像；将所述历史行人图像、所述历史行人图像的标注信息、所述扩充行人图像以及所述扩充行人图像的标注信息作为训练数据集对基于RFB模块和注意力机制单元改进的YOLOv3网络模型进行模型训练，并计算损失函数；基于反向传播算法进行模型优化，直至损失函数收敛，得到所述行人检测模型。
[0021]第二方面，本专利技术实施例还提供了一种人员到位检测装置，包括：
[0022]获取模块，用于获取预设区域的检测视频，根据所述检测视频确定检测图像；
[0023]确定模块，用于在所述检测图像中确定检测区域的位置信息；
[0024]执行模块，用于将所述检测图像输入预先训练好的行人检测模型中，以使所述行人检测模型对所述检测图像进行处理，得到所述检测图像中行人检测框的位置信息；其中，所述行人检测模型为基于RFB模块和注意力机制单元改进的YOLOv3网络模型；
[0025]检测模块，用于根据所述检测区域的位置信息和所述行人检测框的位置信息确定所述检测区域内人员到位情况。
[0026]第三方面，本专利技术实施例还提供了一种计算机设备，包括存储器、处理器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人员到位检测方法，其特征在于，包括：获取预设区域的检测视频，根据所述检测视频确定检测图像；在所述检测图像中确定检测区域的位置信息；将所述检测图像输入预先训练好的行人检测模型中，以使所述行人检测模型对所述检测图像进行处理，得到所述检测图像中行人检测框的位置信息；其中，所述行人检测模型为基于感受野RFB模块和注意力机制单元改进的YOLOv3网络模型；根据所述检测区域的位置信息和所述行人检测框的位置信息确定所述检测区域内人员到位情况。2.根据权利要求1所述的人员到位检测方法，其特征在于，获取预设区域的检测视频，并根据所述检测视频确定检测图像，包括：基于图像获取装置获取所述预设区域的所述检测视频；从所述检测视频中抽取视频帧，并将所述视频帧确定为所述检测图像。3.根据权利要求2所述的人员到位检测方法，其特征在于，在所述检测图像中确定检测区域的位置信息，包括：根据所述检测区域的实际位置和所述图像获取装置的实际位置，确定所述检测图像中所述检测区域的位置信息。4.根据权利要求1所述的人员到位检测方法，其特征在于，在将所述检测图像输入预先训练好的行人检测模型之前，还包括：获取历史行人图像集，并基于Kmeans聚类算法对所述历史行人图像集进行聚类，得到行人先验框。5.根据权利要求4所述的人员到位检测方法，其特征在于，所述行人检测模型包括特征提取模块、RFB模块、特征融合模块、分类模块和回归模块，所述特征融合模块包括注意力机制单元，相应地，将所述检测图像输入预先训练好的行人检测模型中，以使所述行人检测模型对所述检测图像进行处理，得到所述检测图像中行人检测框的位置信息，包括：将所述检测图像作为输入信息输入所述行人检测模型中，以使所述行人检测模型基于所述特征提取模块对所述检测图像进行特征提取，得到三种尺度的初始特征图，基于所述RFB模块增强各所述特征图的感受野，得到更新特征图，基于所述特征融合模块对各所述更新特征图进行上采样和下采样，并进行堆叠、融合和卷积，得到三种尺度的目标特征图，基于所述行人先验框对各所述目标特征图进行框选，并基于分类模块对各所述目标特征图的框选结果进行分类，以确定各所述目标特征图中的行人检测框，基于回归模块对所述行人检测框进行位置回归，以确定各所述行人检测框的...

【专利技术属性】
技术研发人员：汪铖，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：