一种基于制造技术

本发明专利技术涉及一种基于

【技术实现步骤摘要】
一种基于Yolov5混合模型的评标室人员跟踪检测方法


[0001]本专利技术涉及目标检测
，更确切地说，它涉及一种基于
Yolov5
混合模型的评标室人员跟踪检测方法
。

技术介绍

[0002]现阶段，管理人员对评标过程中评标室内的管理，主要依靠
《
招标投标法
》
来规范评标室内专家的工作，保证评标过程的合理合规，但在实际的管理过程中，外来人员的闯入和专家的违规离席均会严重影响评标专家的工作
。
因此对评标现场的有效管理，可以提升评标专家的工作质量
。
[0003]目前，管理人员主要依靠现场安装摄像头对评标室进行监控，但由于评标工作较多，人手有限，导致管理人员不能实时对评标室进行监视，存在较大的安全风险，因此对评标现场的自主安全监督十分必要
。
参考施工作业现场中常见的自主安全现场监督方法，主要有以下两种模式：
[0004]一：依靠蓝牙
、
可见光设备对人员进行定位，该方法需要现场部署蓝牙检测装置，现场工作人员通过佩戴具有同样信号的蓝牙设备，如工牌，肩章等，确定对应工作人员的位置和工作人员编号
。
但由于不同人员均可佩戴工牌设备入场，在评标过程中现场设备只能识别工牌
、
肩章，无法识别佩戴者是否为评标专家，存在不法分子利用专家工牌进入评标室影响专家评标的风险
。
[0005]二：采用图像视觉算法对现场人员进行识别和定位，该方式主要依靠图像识别算法，对现场图像中的人员进行识别和定位，相较于方法一，部署更简单，运行成本更低
。
主流的方法为采用支持向量机
(SVM)、RetinaNet
和
Yolo
等图像识别算法对人员目标进行检测和技术，该方法可以有效识别现场工作人员目标并进行统计，但是无法对人员进行跟踪，不能有效判断评标室内人员的流动情况
。
另外该方法也难以利用对新出现的目标进行识别，无法判断新出现的目标为工作人员还是闯入人员
。
在评标室人员流动的情况下，专家因进出评标室
、
专家被遮挡
、
评标室服务人员对现场服务等情况均会造成现场误报，增加管理人员的工作量
。

技术实现思路

[0006]本专利技术的目的是针对现有技术的不足，提出了一种基于
Yolov5
混合模型的评标室人员跟踪检测方法
。
[0007]第一方面，提供了一种基于
Yolov5
混合模型的评标室人员跟踪检测方法，包括：
[0008]S1、
基于
Yolov5
构建评标室人员目标识别模型，并将
Yolov5
算法和
Deepsort
算法相结合构建混合模型；
[0009]S2、
获取图像输入，根据所述评标室人员目标识别模型，对评标室人员进行目标识别和人数检测；
[0010]S3、
根据所述混合模型，对评标室人员进行目标跟踪；
[0011]S4、
根据所述混合模型，进行状态判断
。
[0012]作为优选，
S2
中，由现场摄像头进行数据采集产生图像输入，所述图像输入经过预处理，图像预处理包括对图像进行
Mosaic
数据增强，对多个图像数据进行随机排布
、
裁剪和组合，对图像的高宽进行缩放工作，统一数据的大小为
640
×
640
像素
。
[0013]作为优选，
S3
中，在检测到人员目标后，对流动目标赋予
ID
并进行跟踪，并根据前后帧图像中的人员目标状态，分析已有目标的流动情况和是否有新的目标出现
。
[0014]作为优选，
S4
中，判断是否有外人闯入评标室或专家违规离席的情况，若存在则进行报警工作
。
[0015]作为优选，
S1
中，所述评标室人员目标识别模型由主干特征提取层
、
特征融合层和头部预测层组成，分别实现对评标室进行人员特征提取
、
人员特征进行融合和人员目标检测的工作
。
[0016]作为优选，
S3
中，利用前一帧图像的人员特征信息生成卡尔曼滤波器来预测当前帧图像中人员目标信息，通过构建的评标室人员识别模型获取当前帧图像的人员目标信息，对比两者的外观特征和运动特征，判断是否为同一人员并赋予
ID
，实现人员跟踪
。
[0017]作为优选，
S3
中，卡尔曼滤波器会根据目标的变化，不断更新并预测目标的运动，在第
k
帧图像的预测阶段，卡尔曼滤波器利用前一帧图像的后验估计均值和后验估计协方差计算当前帧的先验估计均值和先验估计协方差，表示为：
[0018][0019]P
′
k
＝
FP
k
‑1F
T
+Q
[0020]式中，
P
′
k
为先验估计协方差，
P
k
‑1为第
k
‑1帧图像目标的后验估计协方差，
Q
为初始化噪声矩阵；为先验估计均值，为第
k
‑1帧图像目标的后验估计均值，
F
为状态转移矩阵
。
[0021]作为优选，
S3
中，若外观特征和运动特征比对成功，则更新卡尔曼滤波器，表示为：
[0022][0023]P
k
＝
(I
‑
KH)P
′
k
[0024]其中，为当前第
k
帧的后验估计值，
P
k
为当前第
k
帧的后验估计协方差，
K
为卡尔曼增益矩阵，
H
为观察矩阵，
y
为当前帧的通过
H
投影到测量空间的预测值为当前帧测量值
z
的残差
。
[0025]作为优选，
S3
中，在特征对比上，采用匈牙利匹配算法对
kalman filter
的预测目标结果和实际
Yolov5
检测的人员目标进行相似度匹配，包括：目标的外观特征通过余弦距离进行计算关联，目标运动特征通过马氏距离匹配进行计算关联
。
[0026]第二方面，提供了一种基于
Yolov5
混合模型的评标室人员跟踪检测系统，用于执行第一方面任一所述的基于
Yolov5
混合模型的评标室人员跟踪检测方法，包括：
[0027]构本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
Yolov5
混合模型的评标室人员跟踪检测方法，其特征在于，包括：
S1、
基于
Yolov5
构建评标室人员目标识别模型，并将
Yolov5
算法和
Deepsort
算法相结合构建混合模型；
S2、
获取图像输入，根据所述评标室人员目标识别模型，对评标室人员进行目标识别和人数检测；
S3、
根据所述混合模型，对评标室人员进行目标跟踪；
S4、
根据所述混合模型，进行状态判断
。2.
根据权利要求1所述的基于
Yolov5
混合模型的评标室人员跟踪检测方法，其特征在于，
S2
中，由现场摄像头进行数据采集产生图像输入，所述图像输入经过预处理；图像预处理包括对图像进行
Mosaic
数据增强，对多个图像数据进行随机排布
、
裁剪和组合，对图像的高宽进行缩放工作，统一数据的大小为
640
×
640
像素
。3.
根据权利要求2所述的基于
Yolov5
混合模型的评标室人员跟踪检测方法，其特征在于，
S3
中，在检测到人员目标后，对流动目标赋予
ID
并进行跟踪，并根据前后帧图像中的人员目标状态，分析已有目标的流动情况和是否有新的目标出现
。4.
根据权利要求3所述的基于
Yolov5
混合模型的评标室人员跟踪检测方法，其特征在于，
S4
中，判断是否有外人闯入评标室或专家违规离席的情况，若存在则进行报警工作
。5.
根据权利要求4所述的基于
Yolov5
混合模型的评标室人员跟踪检测方法，其特征在于，
S1
中，所述评标室人员目标识别模型由主干特征提取层
、
特征融合层和头部预测层组成，分别实现对评标室进行人员特征提取
、
人员特征进行融合和人员目标检测的工作
。6.
根据权利要求5所述的基于
Yolov5
混合模型的评标室人员跟踪检测方法，其特征在于，
S3
中，利用前一帧图像的人员特征信息生成卡尔曼滤波器来预测当前帧图像中人员目标信息，通过构建的评标室人员识别模型获取当前帧图像的人员目标信息，对比两者的外观特征和运动特征，判断是否为同一人员并赋予
ID
，实现人员跟踪
。7.
根据权利要求6所述的基于
Yolov5
混合模型的评标室人员跟踪检测方法，其特征在于，
S3
中，卡尔曼滤波器...

【专利技术属性】
技术研发人员：李帅，韩明达，王建勇，周郅皓，何星慰，王战，俞荣栋，
申请(专利权)人：浙江浙能数字科技有限公司，
类型：发明
国别省市：