[发明专利]基于监控视频的非法遛狗事件检测方法、装置

说明书

本发明公开了一种基于监控视频的非法遛狗事件检测方法，包括：步骤A、对图像帧进行狗和人的检测，如没有检测到狗，则判断“状态正常”并返回；如果只有狗没有人，则判断“狗未拴绳”并返回；否则，进入步骤B；步骤B、估算人与狗之间的距离并判断是否超过距离阈值，如是，则判断“狗未拴绳”并返回；否则，进入步骤C；步骤C、截取包含狗的图像并输入狗拴绳识别模型，如输出为“狗已拴绳”或“狗未拴绳”，则将结果输出并返回；否则，进入步骤D；步骤D、找出距离狗最近的k个人，截取最大检测框图像输入人狗关系识别模型，并根据模型输出判断“狗已拴绳”或者“狗未拴绳”。本发明还公开了一种基于监控视频的非法遛狗事件检测装置。

技术领域

本发明属于机器视觉技术领域，具体涉及一种基于监控视频的非法遛狗事件检测方法。

背景技术

随着社会发展，越来越多人开始养狗作为宠物，随之而来的遛狗不牵绳等不文明行为也严重干扰了他人，为此，各地的法规以及近期出台的《中华人民共和国动物防疫法》均明确将此种行为列为违法行为。对于此种违法行为，如果采用传统的人力监控和劝阻方式，则需要耗费大量人力，实际上是不可行的。如果能够利用现有街道内的高空安防摄像头对非法遛狗的行为进行检测，不仅可以做到实时性的监控，还能节约人力、物力成本，而且设备维护与维修也很容易，因此这种基于监控视频的非法遛狗检测系统具有很好的应用和推广价值。

利用监控摄像头的视频对非法遛狗行为进行识别，对于识别算法的精准度以及实时性要求较高，因此，采用基于深度学习的检测算法较合理。然而现有公开的技术主要是分别对人和狗进行检测定位，并不能识别或者不能有效的识别出狗是否拴绳以及人和狗的关系即人是否牵狗。

发明内容

本发明所要解决的技术问题在于克服现有技术不足，提供一种基于监控视频的非法遛狗事件检测方法，能够对遛狗是否拴绳进行准确识别，且计算量较低，实时性更好。

本发明具体采用以下技术方案解决上述技术问题：

一种基于监控视频的非法遛狗事件检测方法，包括以下步骤：

步骤A、对监控视频的图像帧进行狗和人的检测，如图像帧中没有检测到狗，则判断“状态正常”并返回；如果图像帧中只有狗没有人，则判断“狗未拴绳”并返回；否则，进入步骤B；

步骤B、估算图像帧中人与狗之间的距离并判断是否超过预设距离阈值，如是，则判断“狗未拴绳”并返回；否则，进入步骤C；

步骤C、从图像帧中截取包含狗的图像并输入狗拴绳识别模型，如狗拴绳识别模型的输出为“狗已拴绳”或“狗未拴绳”，则将结果输出并返回；否则，进入步骤D；所述狗拴绳识别模型为预先训练好的卷积神经网络模型，其输入为含有狗的图像，其输出为“狗已拴绳”、“狗未拴绳”及“不确定”这三个类别；

步骤D、从图像帧中找出距离狗最近的k个人，对每个人截取出同时包含狗和这个人的最大检测框，k为大于0的自然数；将所得到的k个检测框图像输入人狗关系识别模型，并根据人狗关系识别模型的输出判断“狗已拴绳”或者“狗未拴绳”；所述人狗关系识别模型为预先训练好的神经网络模型，其输入为同时包含狗和人的图片，其输出为“狗已拴绳”或者“狗未拴绳”这两个类别。

作为其中一个优选技术方案，所述从图像帧中截取的包含狗的图像具体为第一感兴趣区域图像和第二感兴趣区域图像，第一感兴趣区域图像为狗的检测框图像，第二感兴趣区域图像为对狗的检测框图像进行扩边所得到的图像；所述卷积神经网络模型具有两个训练样本输入分支，第一个分支用于对第一感兴趣区域图像先进行若干次卷积，然后沿卷积通道方向池化，最后将其归一化指数处理为注意力特征图；第二个分支用于对第二感兴趣区域图像先进行若干次卷积，得到与注意力特征图的尺度大小相同的多通道特征图，并用注意力特征图分别与该多通道特征图的每个通道特征图相乘，然后对所得结果进行至少一次卷积后依次进行池化、线性化及归一化指数处理；第一个分支使用包含小幅度旋转和视角变换在内的数据扩增方式训练，第二个分支使用不包含小幅度旋转和视角变换的数据扩增方式训练。