一种建筑工地行人徘徊检测方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111860318A(43)申请公布日2020.10.30(21)申请号202010699299.XH04N7/18(2006.01)(22)申请日2020.07.20(71)申请人杭州品茗安控信息技术股份有限公司地址310012浙江省杭州市西湖区西斗门路3号天堂软件园B幢5楼C室(72)发明人朱常玉单建华戴福全章益明(74)专利代理机构北京集佳知识产权代理有限公司11227代理人巴翠昆(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06Q50/08(2012.01)G06N20/00(2019.01)权利要求书2页说明书7页附图2页(54)发明名称一种建筑工地行人徘徊检测方法、装置、设备及存储介质(57)摘要本申请公开了一种建筑工地行人徘徊检测方法、装置、设备及存储介质，包括：实时获取从建筑工地安装的摄像头采集到的视频流中捕获的帧图像；在获取的帧图像上划定行人徘徊检测区域；通过深度学习结合多目标匹配算法对检测区域内的各行人进行跟踪；计算跟踪的行人的轨迹距离和滞留时间，若轨迹距离大于设定距离阈值，同时滞留时间大于设定时间阈值时，则识别行人为徘徊；在识别出行人为徘徊后，连接报警器进行预警。本申请通过深度学习结合多目标匹配算法对检测区域内的各行人进行跟踪计算，这样基于行人在检测区域的行为分析可以实时监测行人是否徘徊，提高了检测结果的精度，提升了跟踪效果，解决现有技术中的方法出现大量漏识和误识情况的问题。CN111860318ACN111860318A权利要求书1/2页1.一种建筑工地行人徘徊检测方法，其特征在于，包括：实时获取从建筑工地安装的摄像头采集到的视频流中捕获的帧图像；在获取的所述帧图像上划定行人徘徊检测区域；通过深度学习结合多目标匹配算法对所述检测区域内的各行人进行跟踪；计算跟踪的所述行人的轨迹距离和滞留时间，若所述轨迹距离大于设定距离阈值，同时所述滞留时间大于设定时间阈值时，则识别所述行人为徘徊；在识别出所述行人为徘徊后，连接报警器进行预警。2.根据权利要求1所述的建筑工地行人徘徊检测方法，其特征在于，通过深度学习结合多目标匹配算法对所述检测区域内的各行人进行跟踪，具体包括：依次建立工地行人目标检测数据集和工地行人重识别数据集；根据建立的所述工地行人目标检测数据集，构建并训练行人目标检测模型；根据建立的所述工地行人重识别数据集，构建并训练行人重识别特征提取模型；通过所述行人目标检测模型检测出所述检测区域内当前帧图像中的各行人，并通过所述行人重识别特征提取模型提取所述行人的特征；根据提取出的所述特征，预测下一帧图像中的行人位置，进行多行人的定位跟踪。3.根据权利要求2所述的建筑工地行人徘徊检测方法，其特征在于，根据提取出的所述特征，预测下一帧图像中的行人位置，进行多行人的定位跟踪，具体包括：将提取出的所述特征作为输入，利用卡尔曼滤波预测下一帧图像中的行人位置；利用匈牙利算法结合预测的所述下一帧图像中的行人位置以及提取出的所述特征，进行多行人的定位跟踪。4.根据权利要求3所述的建筑工地行人徘徊检测方法，其特征在于，在训练所述行人目标检测模型之后，还包括：通过TensorRT优化器对所述行人目标检测模型进行加速；在训练所述行人重识别特征提取模型之后，还包括：通过TensorRT优化器对所述行人重识别特征提取模型进行加速。5.根据权利要求4所述的建筑工地行人徘徊检测方法，其特征在于，依次建立工地行人目标检测数据集和工地行人重识别数据集，具体包括：收集建筑工地上不同类型的行人数据作为工地行人目标检测数据集并进行标注；所述行人数据包括所有穿戴安全帽和反光衣的行人姿态，未戴安全帽和未穿反光衣的行人姿态；所述行人姿态包括行走、停驻、下蹲、坐下；收集建筑工地上不同摄像头之间的行人重识别数据作为工地行人重识别数据集并进行标注。6.根据权利要求5所述的建筑工地行人徘徊检测方法，其特征在于，所述行人目标检测模型为CenterNet，所述行人目标检测模型的基础模型为ResNet101，损失函数为交叉熵损失函数；所述行人重识别特征提取模型的基础模型为ResNet50，损失函数为人脸识别损失函数，采用随机梯度下降法进行迭代优化。7.一种建筑工地行人徘徊检测装置，其特征在于，包括：安装在建筑工地的多个摄像头，与所述摄像头电性连接的算法服务器，与所述算法服务器电性连接的报警器；所述算法2CN111860318A权利要求书2/2页服务器包括：图像获取模块，用于实时获取从所述摄像头采集到的视频流中捕获的帧图像；区域划定模块，用于在获取的所述帧图像上划定行人徘徊检测区域；行人跟踪模块，用于通过深度学习结合多目标匹配算法对所述检测区域内的各