[发明专利]一种行人徘徊检测方法

说明书

本发明提出了一种行人徘徊检测方法，包括：实时获取监控场景的视频图像；采用深度学习目标检测模型对所述目标监控场景进行推理，生成行人目标检测框；利用所述行人目标检测框初始化跟踪器，利用初始化后的跟踪器对行人目标进行跟踪；当检测到行人目标在所述监控场景中出现的帧数超过第一预设阈值时，则发出行人徘徊预警提示。本发明提高了徘徊检测的准确度和鲁棒性，降低了误报率，可替代传统费时费力的人力监控，节约人力成本，具有很高的实际应用价值。

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种行人徘徊检测方法。

背景技术

随着计算机科学技术的飞速发展，应用计算机视觉技术自动对监控场景中的行人目标进行智能分析，逐渐成为研究热点。行人徘徊指某个人长时间闲逛、逗留于特定区域，通过行人徘徊检测，可以判别嫌疑人员进行报警，来取代传统人力监控值守。本发明可广泛应用于对敏感区域的自动安防监控。

传统徘徊检测方法通常应用前背景分离算法，对运动目标进行分割。但是这种方式的缺陷在于：如果目标静止，则会造成行人目标漏检。

发明内容

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种行人徘徊检测方法。

为了实现上述目的，本发明的实施例提供一种行人徘徊检测方法，包括如下步骤：

步骤S1，实时获取监控场景的视频图像；

步骤S2，采用深度学习目标检测模型对所述目标监控场景进行推理，生成行人目标检测框；

步骤S3，利用所述行人目标检测框初始化跟踪器，利用初始化后的跟踪器对行人目标进行跟踪；

步骤S4，当检测到行人目标在所述监控场景中出现的帧数超过第一预设阈值时，则发出行人徘徊预警提示。

进一步，在所述步骤S2中，对所述行人目标检测框的置信度进行排序，选择m个大于第二预设阈值n的行人检测框；如果大于第二预设阈值n的行人检测框小于m个，则保留大于第二预设阈值n的行人检测框内的全部结果。

进一步，在所述步骤S2中，所述第二预设阈值n满足以下条件：0<＝n<＝1。

进一步，在所述步骤S3中，在利用行人目标检测框初始化跟踪器之前，对所述跟踪器进行初始化，包括：初始化设定跟踪器的数目为h，并重置所有跟踪器的跟踪状态为false，跟踪器的生存帧数为i，跟踪器的报警帧数为j＝0；

然后使用行人目标检测框初始化跟踪器，对赋予行人目标检测框的跟踪器的跟踪状态置为true。

进一步，将跟踪框与行人目标检测框进行IoU判断，如果IoU大于设定的阈值，则此跟踪器的生存帧数不变，否则此跟踪器的生存帧数i＝i-1；如果此跟踪器的生存帧数小于某个阈值，则销毁这个跟踪器，对该跟踪器初始化；

如果行人目标检测框与跟踪框IoU均小于设定的阈值，则遍历所有h个跟踪器，如果存在状态为false的跟踪器，则使用此跟踪框初始化这个跟踪器，此时将此跟踪器的状态置为true，生存帧数为i，报警帧数为j＝0；

对所有处于跟踪状态为true的跟踪器进行更新，置报警帧数为j＝j+1。

根据本发明实施例的行人徘徊检测方法，应用深度学习目标检测方法对场景中的行人进行检测，在得到行人检测框之后，进行多目标跟踪，即结合目标检测和目标跟踪来判别行人徘徊状态，提高了徘徊检测的准确度和鲁棒性，降低了误报率，可替代传统费时费力的人力监控，节约人力成本，具有很高的实际应用价值。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明