一种基于头肩模型和IOU跟踪的徘徊逗留行为分析方法.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CN111160203A(43)申请公布日2020.05.15(21)申请号201911342538.X(22)申请日2019.12.23(71)申请人中电科新型智慧城市研究院有限公司地址518000广东省深圳市福田区华富街道深南大道1006号深圳国际创新中心C栋19楼(72)发明人张兴胡金晖张力元袁明冬黄诗盛(74)专利代理机构北京中政联科专利代理事务所(普通合伙)11489代理人李龙(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书1页说明书3页附图1页(54)发明名称一种基于头肩模型和IOU跟踪的徘徊逗留行为分析方法(57)摘要一种基于头肩模型和IOU跟踪的徘徊逗留行为分析方法，包括以下步骤：S1：通过网上爬取行人图片及截取监控视频中包含行人的图片，对图片中的行人头肩进行标注和清洗，建立头肩数据集；S2：对监控视频进行检测，返回视频画面中检测出的行人头肩；S4：对行人头肩采用Iou-net跟踪算法进行多目标跟踪；S5：跟踪目标的运动轨迹路径，并与设定的阈值进行对比；S6：输出徘徊逗留目标。本发明中，通过建立头肩数据集，并利用深度学习检测算法进行训练。通过训练得到的模型，对监控视频中的行人头肩进行检测，结合Iou-net跟踪算法对检测出的头肩进行多目标跟踪，通过判定其运动轨迹来分析目标是否存在徘徊逗留的行为。CN111160203ACN111160203A权利要求书1/1页1.一种基于头肩模型和IOU跟踪的徘徊逗留行为分析方法，其特征在于，包括以下步骤：S1：通过网上爬取行人图片及截取监控视频中包含行人的图片，对图片中的行人头肩进行标注和清洗，建立头肩数据集；S2：采用深度学习算法YoIo-v3，对建立的头肩数据集进行训练和调参，得到头肩模型；S3：采用YoIo-v3算法结合头肩模型，对监控视频进行检测，返回视频画面中检测出的行人头肩；S4：对行人头肩采用Iou-net跟踪算法进行多目标跟踪，并对跟踪到的目标进行轨迹处理及计算；S5：在视频监控中画出跟踪目标的运动轨迹路径，并将运动轨迹计算结果与设定的阈值进行对比；若跟踪目标的运动轨迹大于设定的阈值，则认为该目标在当前画面中存在徘徊逗留行为，则系统计算目标位置信息，并在视频画面中标记出该目标；若跟踪目标的运动轨迹小于设定的阈值，则认为该目标在当前画面中不存在徘徊逗留行为，不进行处理；S6：输出徘徊逗留目标。2.根据权利要求1所述的基于头肩模型和IOU跟踪的徘徊逗留行为分析方法，其特征在于，在S1中，图片共14000多张。2CN111160203A说明书1/3页一种基于头肩模型和IOU跟踪的徘徊逗留行为分析方法技术领域[0001]本发明涉及智慧城市建设中的城市监控视频分析领域，尤其涉及一种基于头肩模型和IOU跟踪的徘徊逗留行为分析方法。背景技术[0002]现有的行人徘徊逗留行为分析的主要方法如下：[0003]传统的背景差分法对运动目标检测并进行轨迹分析是否存在徘徊逗留行为。根据目标位置和直方图进行二次匹配，通过判定目标在监控视频中出现的次数及时间判定目标是否存在徘徊逗留行为。使用行人检测结合跟踪的方法，通过分析轨迹来判断是否存在徘徊逗留行为。[0004]现有的行人徘徊逗留行为分析的主要的缺点如下：[0005]1、传统的背景差分法在建模过程中需要存储大量的目标数据，且容易造成背景更新、扰动及阴影抑制等方面的不足。[0006]2、使用目标位置和直方图进行二次匹配的方法，容易因为背景扰动的影响造成匹配不准确，从而引起判断精度低。[0007]3、使用行人检测的方法，在行人发生遮挡的情况下容易造成检测率偏低并造成目标跟踪丢失，从而造成检测效果不佳。发明内容[0008](一)发明目的[0009]为解决背景技术中存在的技术问题，本发明提出一种基于头肩模型和IOU跟踪的徘徊逗留行为分析方法，通过建立头肩数据集，并利用深度学习检测算法进行训练。通过训练得到的模型，对监控视频中的行人头肩进行检测，结合Iou-net跟踪算法对检测出的头肩进行多目标跟踪，通过判定其运动轨迹来分析目标是否存在徘徊逗留的行为。[0010](二)技术方案[0011]为解决上述问题，本发明提出了一种基于头肩模型和IOU跟踪的徘徊逗留行为分析方法，包括以下步骤：[0012]S1：通过网上爬取行人图片及截取监控视频中包含行人的图片，对图片中的行人头肩进行标注和清洗，建立头肩数据集；[0013]S2：采用深度学习算法YoIo-v3，对建立的头肩数据集进行训练和调参，得到头肩模型；[0014]S3：采用YoIo-v3算法结合头肩模型，对监控视频进行检测，返回视频画面中检测出的行人头肩；[0015]S4：对行人