[发明专利]一种行进方向确定方法及相关设备

说明书

本申请实施例公开了一种行人行进方向判定方法，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。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。

技术领域

本申请实施例涉及图像识别领域，尤其涉及一种行进方向确定方法及相关设备。

背景技术

图像识别技术是一项快速进步且具有广阔前景的前沿技术，图像识别分为学习和识别两部分，学习的目的是形成识别所需要的各种图像特征，识别是根据这些特征正确地区分出待识别图像的类别。图像处理和识别技术在智能设备、物联网技术等领域有着重要作用。

采集到人员的图像，根据图像智能设备可以识别出人员的行进方向信息。行进方向信息有实际的作用，比如：对于门禁设备而言，门禁设备使用图像识别技术可以识别出人员的行进方向，根据行进方向对使用者的需求进行判断，如果行人有使用门禁设备的需求，则门禁设备启动门禁识别流程；如果行人没有使用门禁设备的需求，则门禁设备不启动门禁识别流程。

因此，需要一种技术方案，根据图像识别人物的行进方向。

发明内容

本申请实施例第一方面提供了一种行进方向确定方法，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；

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。

根据本申请实施例第一方面，可选地，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。

根据本申请实施例第一方面，可选地，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。

根据本申请实施例第一方面，可选地，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。

根据本申请实施例第一方面，可选地，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；