一种隔栏递物检测方法及电子设备技术

本发明专利技术公开了一种隔栏递物检测方法，包括如下步骤：S1、获得隔离栏监测图像并输入神经网络；S2、神经网络获得隔离栏两侧的行人检测框，并筛除冗余行人检测框，得到最终的合并检测框；所述合并检测框即将处于同一水平位置，且分别处于隔离栏两侧的行人检测框配对，配对成功后即将两个行人检测框合并即形成合并检测框；S3、神经网络检测合并检测框中两个行人的人体关键点，并根据人体关键点判断是够存在隔栏递物行为；S4、若存在隔栏递物行为则报警，否则继续检测。本发明专利技术能实时检测人员的隔栏递物异常行为，具有低延迟、高精度的性能；能准确识别行人之间的隔栏递物行为，有效避免并行走、长时间近距离站立和无物品抬手会误报的情况。况。况。

【技术实现步骤摘要】
一种隔栏递物检测方法及电子设备


[0001]本专利技术涉及图像识别领域，特别是涉及一种隔栏递物检测方法及电子设备。

技术介绍

[0002]在地铁场景中，隔栏递物检测是一项重要的安全检查。它可以有效地检测乘客是否携带禁止携带的物品进入地铁站，保障乘客的安全和站内秩序。目前主要依靠安检人员的视觉观察和手动检查，存在人力资源浪费、效率低下、漏检率高等问题。利用计算机视觉技术对地铁站内的乘客隔栏递物行为进行自动监测和识别，及时发现和报警异常行为，可以有效提高地铁站的安全性和管理效率，还能为城市安全管理提供有力的技术支持。
[0003]对此，专利技术专利CN114529874A公开了一种行为检测方法、装置、设备及可读存储介质，包括：获取第一预设时长内的N帧图像，其中，每帧图像包括目标障碍物和第一对象，第一对象位于目标障碍物的任意一侧；识别每帧图像中位于目标障碍物两侧的预设识别区域的第一对象为对象匹配对；将每帧图像输入预设姿态分类模型，确定每帧图像中每个对象匹配对的姿态信息，并根据每个对象匹配对的姿态信息确定每帧图像的姿态分类结果；当N帧图像的姿态分类结果为目标姿态分类结果的数量满足预设数量阈值时，确定第一预设时长内包括目标行为。
[0004]专利技术专利CN112016528A公开了行为识别方法、装置、电子设备及可读存储介质，对所述待检测图像中的行人区域进行分割，获得行人分割图像；对所述行人分割图像中的人体关键点进行检测，获得所述人体关键点在所述行人分割图像中的第一坐标；将所述第一坐标映射到所述待检测图像中，获取所述人体关键点在所述待检测图像中的第二坐标；根据所述第二坐标与所述待检测图像中目标物体的坐标，识别行人与所述目标物体之间的交互行为。
[0005]专利技术专利CN107977646A公开了一种隔栏递物检测方法，利用卷积神经网络在目标检测上的优势，在没有任何预测信息下对视频中当前帧图像进行人体和物品的检测。在卷积神经网络检测到的目标基础上，利用均值偏移跟踪算法计算下一帧的目标预测位置，将此预测位置反馈给卷积神经网络的候选目标选择层。基于检测目标和跟踪目标的重叠程度计算两者的匹配率，更新跟踪目标的轨迹和所属类别概率等。在得到了跟踪目标轨迹和类别概率这些数据后，输入给贝叶斯网络，判断是否有隔栏递物行为发生。
[0006]但是上述方法均是通过检测人手部是否有跨过隔栏来判断是否有隔栏递物动作的发生，其需要对图像中的人均需要分别进行判断，这导致其误判率较高，且计算量较大，计算和反应时间长。

技术实现思路

[0007]为解决上述技术问题，本专利技术提出了一种隔栏递物检测方法及电子设备。本专利技术的目的通过以下技术方案实现：一种隔栏递物检测方法，包括如下步骤：
S1、获得隔离栏监测图像并输入神经网络；S2、神经网络获得隔离栏两侧的行人检测框，并筛除冗余行人检测框，得到最终的合并检测框；所述合并检测框即将处于同一水平位置，且分别处于隔离栏两侧的行人检测框配对，配对成功后即将两个行人检测框合并即形成合并检测框；S3、神经网络检测合并检测框中两个行人的人体关键点，并根据人体关键点判断是够存在隔栏递物行为；S4、若存在隔栏递物行为则报警，否则继续检测。
[0008]进一步的改进，所述步骤S4的具体步骤如下：S301、获得隔离栏左侧人员和右侧人员的左肩部、右肩部、左肘部、右肘部、左手腕和右手腕的关键点的坐标；S302、判断出隔离栏左侧人员和右侧人员的接触手；所述接触手即隔离栏左侧人员与右侧人员手腕关键点的坐标间距最小的两个手；S303、神经网络输出人体关键点信息和图像分类信息，图像分类信息包括存在隔栏递物行为可能性的递物分数r；S304、若分类分数r ≥ 0.9，则判断存在隔栏递物行为；若r≤R则判断不存在隔栏递物行为；R为第一阈值；如果分类分数R<r<0.9，则判断是否存在关键点异常行为，若存在则判断存在隔栏递物行为，否则不存在隔栏递物行为。
[0009]进一步的改进，若如下条件均成立，则存在关键点异常行为：接触手的两个手腕关键点之间的距离≤1.5*接触手对应手臂的肩部关键点到手腕关键点间距的最大值d
max
；接触手存在抬手动作；接触手对应两个手臂的肩部关键点距离≥1.2*d
max
；接触手的肩部、手肘和手腕关键点依次连接形成的夹角≥120
°
。
[0010]进一步的改进，接触手是否存在抬手动作判断方法如下：若接触手的手腕关键点坐标高于对应肩部关键点的坐标或或手腕关键点坐标与对应肩部关键点坐标的距离小于对应手肘关键点的坐标到对应肩部关键点坐标的距离，则视为手臂抬起。
[0011]进一步的改进，R=0.6。
[0012]进一步的改进，所述神经网路为加入有的分类头的HigherHRNet网络。
[0013]进一步的改进，所述步骤S4中，若连续两帧隔离栏监测图像均存在隔栏递物行为，且距离上次报警间隔大于预设时间，则储存当前帧的报警信息。
[0014]进一步的改进，所述S2中筛除冗余行人检测框的方法如下：S201、筛选出隔离栏两侧的行人检测框，然后得到行人检测框中心点坐标，若行人检测框中心点坐标在隔离栏左侧则判断行人检测框在检测框左侧，若行人检测框中心点坐标在隔离栏右侧则则判断行人检测框在检测框右侧；S202、筛选出可能存在递物行为的合并检测框：首先分别计算左右两侧行人检测框的宽高比，过滤掉宽高比大于1以及不是预配对检测框的行人检测框；然后，通过非极大值法抑制过滤多余的合并检测框；再检测剩余合并检测框中两个行人检测框中点连线与栏杆之间的夹角，过滤掉角度小于第二阈值的合并检测框，即得到最终的合并检测框。
[0015]进一步的改进，所述第二阈值为45
°
。
[0016]进一步的改进，所述通过非极大值法抑制过滤多余的合并检测框的方法如下：首先分别计算左右两侧检测框的宽高比，过滤掉宽高比大于1且左右检测框错开
的含义是两个或两个以上，除非另有明确具体的限定。
[0028]在本申请中，“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其他实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本申请。在其他实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本申请的描述变得晦涩。因此，本申请并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。
[0029]如图1所示的本专利技术提供了一种人员隔栏递物异常行为识别方法。本专利技术的原理如图1所示。本专利技术的具体原理步骤如下：S101、开始。
[0030]S102、加载视频流。
[0031]S103、判断是否有视频流，有则进行下一步，否则结束。
[0032]S104、将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种隔栏递物检测方法，其特征在于：包括如下步骤：S1、获得隔离栏监测图像并输入神经网络；S2、神经网络获得隔离栏两侧的行人检测框，并筛除冗余行人检测框，得到最终的合并检测框；所述合并检测框即将处于同一水平位置，且分别处于隔离栏两侧的行人检测框配对，配对成功后即将两个行人检测框合并即形成合并检测框；S3、神经网络检测合并检测框中两个行人的人体关键点，并根据人体关键点判断是够存在隔栏递物行为；S4、若存在隔栏递物行为则报警，否则继续检测。2.如权利要求1所述的隔栏递物检测方法，其特征在于，所述步骤S4的具体步骤如下：S301、获得隔离栏左侧人员和右侧人员的左肩部、右肩部、左肘部、右肘部、左手腕和右手腕的关键点的坐标；S302、判断出隔离栏左侧人员和右侧人员的接触手；所述接触手即隔离栏左侧人员与右侧人员手腕关键点的坐标间距最小的两个手；S303、神经网络输出人体关键点信息和图像分类信息，图像分类信息包括存在隔栏递物行为可能性的递物分数r；S304、若分类分数r ≥ 0.9，则判断存在隔栏递物行为；若r≤R则判断不存在隔栏递物行为；R为第一阈值；如果分类分数R<r<0.9，则判断是否存在关键点异常行为，若存在则判断存在隔栏递物行为，否则不存在隔栏递物行为。3.如权利要求2所述的隔栏递物检测方法，其特征在于，若如下条件均成立，则存在关键点异常行为：接触手的两个手腕关键点之间的距离≤1.5*接触手对应手臂的肩部关键点到手腕关键点间距的最大值d...

【专利技术属性】
技术研发人员：孙强，闾凡兵，吴婷，
申请(专利权)人：长沙海信智能系统研究院有限公司，
类型：发明
国别省市：