[发明专利]一种行进方向确定方法及相关设备

权利要求书

1.一种行进方向确定方法，其特征在于，包括：

获取包含人物对象的多帧视频图像，其中多帧视频图像具有先后采集顺序；

使用深度学习神经网络模型，分别在每帧所述视频图像中确定包括单个人物对象的图像区域，得到多个图像区域；

使用基于深度学习的跟踪算法，从所述多个图像区域中确定包含同一人物对象的多个目标图像区域；

所述使用基于深度学习的跟踪算法，从所述多个图像区域中确定包含同一人物对象的多个目标图像区域，包括：

使用行人重识别神经网络模型对所述图像区域进行特征对比，得到每个所述图像区域与其他所述图像区域属于同一人物对象的第一概率；

使用卡尔曼滤波算法对所述图像区域进行预测，得到每个所述图像区域与其他所述图像区域属于同一人物对象的第二概率；

为所述第一概率及所述第二概率设定不同权重；

对所述第一概率及所述第二概率进行加权运算，得到加权结果；

将所述加权结果与预设阈值进行比较，若所述加权结果大于所述预设阈值，则确定所述加权结果对应的两个图像区域属于同一人物对象；

将所述属于同一人物对象的图像区域进行组合，得到所述同一人物对象的多个目标图像区域；

根据多个所述目标图像区域的先后采集顺序，确定所述目标图像区域的变化趋势；

根据所述变化趋势，确定所述同一人物对象的行进方向。

2.根据权利要求1所述的行进方向确定方法，其特征在于，所述使用深度学习神经网络模型，分别在每帧所述视频图像中确定包括单个人物对象的图像区域，得到多个图像区域，包括：

使用单步多框检测器，分别在每帧所述视频图像中确定包括单个人物对象的图像区域，得到多个图像区域，其中所述单步多框检测器神经网络模型由包含人头的图像数据集训练得到。

3.根据权利要求1所述的行进方向确定方法，其特征在于，在所述使用深度学习神经网络模型，分别在每帧所述视频图像中确定包括单个人物对象的图像区域，得到多个图像区域之后，所述使用基于深度学习的跟踪算法，从所述多个图像区域中确定包含同一人物对象的多个目标图像区域之前，还包括：

将多个所述图像区域按预设比例放大，以使得所述图像区域包括所述人物对象的上半身图像区域。

4.根据权利要求1所述的行进方向确定方法，其特征在于，所述基于深度学习的跟踪算法包括行人重识别神经网络模型，所述行人重识别神经网络模型的损失函数为边界损失函数。

5.根据权利要求1所述的行进方向确定方法，其特征在于，所述根据多个所述目标图像区域的先后采集顺序，确定所述目标图像区域的变化趋势，包括：

提取多个所述目标图像区域的大小及位置信息；

使用多个所述目标图像区域的大小及位置信息及先后采集顺序，计算所述目标图像区域的变化趋势。

6.根据权利要求1所述的行进方向确定方法，其特征在于，在判断所述同一人物的行进方向之后，还包括：

使用多帧投票方法处理所述多帧视频图像，以验证所述同一人物的行进方向是否正确。

7.根据权利要求1所述的行进方向确定方法，其特征在于，所述方法还包括：

确定所述多帧视频图像所包括的场景；

获得所述场景对应的预设行进方向范围；

判断所述同一人物对象的行进方向是否属于所述预设行进方向范围，得到判断结果；其中，所述判断结果用于触发执行与所述判断结果对应的预设处理动作。

8.根据权利要求1所述的行进方向确定方法，其特征在于，所述多帧视频图像包括门禁系统图像采集器采集的多帧视频图像。