[发明专利]一种基于人头检测与图片序列的学生起立检测方法

权利要求书

1.一种基于人头检测与图片序列的学生起立检测方法，其特征在于：

步骤一、对特定目标进行检测，步骤如下：

1)对某一输入的视频源，将该视频源分离成图片序列：P＝{P₁,P₂,...,P_k,...,P_m}，其中m为该序列的长度，P_k代表第k张图片，1≤k≤m；

2)利用检测器模型对图片序列P中图片的人头目标进行检测，得到某一帧所有检测目标的人头框的位置集合：P_t＝{p_t1,p_t2,...,p_tk,...,p_tn}，p_tk代表第t帧的第k个人头框位置，n为学生目标数；

3)将不同帧的人头框位置利用位置的重合率进行关联匹配，得到同一跟踪目标在不同帧具有特定id的跟踪队列O＝{o₁,o₂,...,o_k,...,o_n}，其中n为学生目标数，o_k代表第k个跟踪目标；

4)遍历整个跟踪队列，利用该id的历史位置与当前位置进行关联，通过当前位置和历史位置的关系判断是否存在起立事件预警；

步骤二、对特定目标进行分类过滤，步骤如下：

1)对存在起立事件预警的id对应的目标，以该目标人头框中心为中点，扩充截取包含该目标的区域；

2)将上述得到起立事件预警的某一帧，从该帧前后各取一定的图片数量，并从中截取对应扩充后的区域，送入分类器中进行判断，若分类器判断为起立，则直接输出报警，否则为非报警状态。

2.根据权利要求1所述的基于人头检测与图片序列的学生起立检测方法，其特征在于：步骤一2)中，检测器模型的训练搭建步骤如下：

1)收集来自不同教室场景的学生样本视频素材；

2)将收集到的学生样本视频素材分离成图片序列：F＝{f₁,f₂,...,f_k,...,f_r}，其中r为该序列的长度，f_k代表第k张图片，1≤k≤r；

3)对图片序列F中的图片施行数据增强手段；

4)将数据增强后的图片中的目标进行人头标注，框选人头遮挡不超过50％的人头框；

5)把标注好的图片和对应的标签按照深层网络读取的格式送入框架中进行学习，得到能检测人头的检测器模型。

3.根据权利要求1所述的基于人头检测与图片序列的学生起立检测方法，其特征在于：步骤二中，分类器的训练搭建步骤如下：

1)针对起立分类过滤，准备包含起立和非起立事件的视频若干个，将视频导成图片序列：F＝{f₁,f₂,...,f_k,...,f₁₅}，将图片序列等间隔的分成三个片段：T＝{T₁,T₂,T₃}＝{{f₁,f₂,f₃,f₄,f₅},{f₆,f₇,f₈,f₉,f₁₀},{f₁₁,f₁₂,f₁₃,f₁₄,f₁₅}}；

2)将包含起立事件和非起立事件的图片序列进行表分类、标注；

3)把标注好的图片序列和标签送入事先搭建好的时序网络中迭代训练，得到具有分辨能力的分类器。