[发明专利]一种基于yolov3的视频结构化方法及系统

说明书

本发明公开了一种基于yolov3的视频结构化方法及系统，所述方法包括：通过客户端的一个或多个图像采集传感器采集获得待识别的视频流文件；客户端通过预设规则在所述待识别的视频流文件提取视频帧数据，并将所述视频帧数据通过预设途径发送至服务器；将所述服务器接收到的视频数据帧输入预先训练的yolov3模型中进行识别分类，获得所述待识别的视频流文件对应的行人属性以及车辆特征属性信息；将所述行人属性以及车辆特征属性信息通过预设途径返回至所述客户端；所述方法及系统使用yolov3使得分类识别的效率与速度大大提升，解决了行人车辆复杂环境识别下获得实时识别结果的问题。

技术领域

本发明涉及信息技术领域，更具体地，涉及一种基于yolov3的视频结构化方法及系统。

背景技术

行人识别一直是计算机视觉领域的研究热点，但是由于行人外观易受光线、遮挡、视角和姿态的影响，在不同的视频和图片中外观呈现出极大的差异性，使得行人识别成为一个极具挑战性的课题，随着深度学习的产生，在行人识别方面产生的很大的影响，尤其是准确率方面有了很大的提升，车辆属性的识别也是近年来应用比较热门的一个方向，随着现在城市车辆的增加，对车辆管理的要求越来越严格，各种车型，车牌识别的方案也层出不穷。

目前既适用于行人识别又适用于车辆识别的算法主要是深度学习方法，深度学习方法优点显著，如准确率高、识别速度迅速等。现有的技术中，对于行人车辆复杂环境的识别，需要分析动态视频数据，会使得识别速度受到影响，无法提高效率，导致无法获得较好的行人车辆复杂环境的实时识别结果。

发明内容

为了解决背景技术存在的行人车辆复杂环境识别的识别无法提高效率获得较好的实时识别结果的问题，本发明提供了一种基于yolov3的视频结构化方法及系统，所述方法及系统通过预先训练的yolov3模型，对输入的视频帧数据进行识别分类，获得识别结果的详细信息；所述一种基于yolov3的视频结构化方法及系统，包括：

通过客户端的一个或多个图像采集传感器采集获得待识别的视频流文件；

客户端通过预设规则在所述待识别的视频流文件提取视频帧数据，并将所述视频帧数据通过预设途径发送至服务器；

将所述服务器接收到的视频数据帧输入预先训练的yolov3模型中进行识别分类，获得所述待识别的视频流文件对应的行人属性以及车辆特征属性信息；

将所述行人属性以及车辆特征属性信息通过预设途径返回至所述客户端。

进一步的，所述行人属性信息包括身高高矮、身材胖瘦、性别、年龄段、附属携带物以及衣着；

所述车辆属性信息包括车牌号、车辆品牌、车辆型号以及车辆颜色。

进一步的，将所述视频帧数据通过预设途径发送至服务器后，所述方法还包括：

将所述视频帧数据存储在服务器端的数据队列中；

所述数据队列通过tornado框架或flask框架构建。

进一步的，所述yolov3模型的训练方法包括：

基于yolov3生成预训练模型；

将标记属性的多种类型的训练素材输入至所述预训练模型中，通过yolov3网络结构以及损失函数进行训练；

通过预先设置的测试素材确认所述预训练模型的准确率；

若所述准确率超过预设准确率阈值，则训练完成，获得yolov3模型；

若所述准确率未超过所述预设的准确率阈值，则继续输入新的训练素材，进行下一轮准确率测试。