[发明专利]一种基于准确人车分离的警戒方法及装置

说明书

本发明公开了一种基于准确人车分离的警戒方法，该方法首先通过背景建模技术获取警戒区域中的运动区域，使用团块检测方法确定出候选区域，然后根据候选区域扣取送检图像，用深度学习检测网络对送检图像检测，最后输出区域内目标类别以及精确位置，实现对触发警戒报警目标的人车的区分。本方法对目标类别的判别以及位置的精确定位具有较强的鲁邦性，也可准确的过滤掉非人、车引起的警戒报警。

技术领域

本发明属于视频监控领域，具体涉及一种视频监控中基于准确人车分离的警戒方法及装置。

背景技术

随着科技和社会的发展，视频监控系统应用的越来越广泛，现有的相机警戒功能越来越无法满足实际应用的需求，主要体现在，当前的警戒场景下的需求不仅需要相机具有对运动目标的检测功能，还需要相机能够自动对检测出的运动物体进行准确无误的分类，由于警戒场景下触发报警的目标多为人或者车，因此需要一种方法对报警目标的属性进行准确识别分类，现有的警戒相机采用级联、svm等检测分类方法可以在一定程度上识别出报警目标属性，但因其对场景的要求十分严格，且识别准确度较低，很难广泛推广应用。

发明内容

本发明的目的是提供一种基于准确人车分离的警戒方法及装置，用于警戒监控场景下对触发报警的目标快速准确的定位和识别，帮助监控人员分析触发报警的目标是人还是车。

为达到上述目的，本发明的技术方案是这样实现的：

一种基于准确人车分离的警戒方法，包括：

1)利用背景建模技术获取警戒区域中的运动区域，使用团块检测方法确定出候选区域，根据候选区域扣取送检图像的ROI；

2)将扣取的送检图像送入训练好的深度学习检测网络，对图像中的人、车进行检测和识别，输出其外接矩形、类别以及置信度。

进一步的，步骤1)的具体方法包括利用背景建模技术得到前景图像，使用团块检测方法，把相邻的前景点进行目标融合，并取其外接矩形作为运动团块，并根据运动团块的尺寸比以及团块内前景点数占总像素数的比例排除掉与人、车差异较大的团块，把剩下的作为作为候选区域，根据候选区域扣取送检图像。

进一步的，步骤2)所述检测的方法包括：

201)构建人车训练数据集；

202)根据人车特征构建深度学习训练网络架构；

203)配置训练参数开始训练；

204)用训练模型对人车进行检测。

更进一步的，步骤201)所述构建人车训练数据集的具体方法包括：从海量警戒相机抓拍图像中，获取不同角度、不同光照情况下具有触发警戒报警条件的人、车图像，将原始1920X1080像素图像缩放到1080X720、540X360，得到三组多尺度图像，对每副图像以最小边作为边长，分别对每一张图像从左右截取两张正方形图像作为训练图像，随后使用标注工具在图像中标注人、车的位置和类别，生成xml格式的标注文件，将图像保存作为数据集，取80％的数据作为训练数据集，其余数据作为测试集。