[发明专利]一种基于深度学习的站立检测方法

权利要求书

1.一种基于深度学习的站立检测方法，其特征在于，该方法包括：

1）收集样本，各所述样本包括样本图片和对应的标注文件，所述标注文件的信息包括站立人员类型，所述站立人员类型包括高年级学生、低年级学生和老师，一至三年级为低年级，四年级及以上的年级划分为高年级；

2）建立站立检测模型，该站立检测模型基于卷积神经网络结构，并基于所述样本以R-FCN目标检测算法进行训练，所述站立检测模型包括高年级站立检测模型和低年级站立检测模型；

3）利用训练后的站立检测模型对待测视频进行站立检测；

所述建立站立检测模型具体为：

201）利用所有样本训练一基础站立模型；

202）利用带有高年级学生标注的样本和带有低年级学生标注的样本分别在所述基础站立模型的基础上进行进一步训练，获得高年级站立检测模型和低年级站立检测模型。

2.根据权利要求1所述的基于深度学习的站立检测方法，其特征在于，该方法还包括步骤：

4）根据前一帧的站立检测结果和当前的站立检测结果进行站立的跟踪。

3.根据权利要求2所述的基于深度学习的站立检测方法，其特征在于，所述跟踪具体为：

401）获取第一个图像帧及检测到的站立框坐标，各站立框对应建立有一tracklet数组，且状态初始化为ALIVE；

402）获取下一个图像帧，判断镜头是否发生变换，若是，则将所有tracklet数组的状态改为DEAD，重新建立新的tracklet数组，返回步骤402），若否，则执行步骤403）；

403）遍历当前图像帧检测到的所有站立框，利用跟踪算法为每一站立框选择最佳匹配的一个tracklet数组；

404）对于在当前图像帧下未被匹配的tracklet数组，判断其状态是否为ALIVE，若是，则状态修改为WAIT，若否，则状态修改为DEAD，返回步骤402），直至处理完成所有图像帧。

4.根据权利要求3所述的基于深度学习的站立检测方法，其特征在于，所述判断镜头是否发生变换具体为：

获取相邻两个图像帧，判断两个图像帧之间灰度值的差值是否大于第一阈值，若是，则判定两个图像帧的像素点发生变化；

判断像素点发生变化的两个图像帧间变化的像素点个数占总像素点的比例是否大于第二阈值，若是，则判定为发生镜头视角变换，若否，则未发生镜头视角变换。

5.根据权利要求3所述的基于深度学习的站立检测方法，其特征在于，所述选择最佳匹配的一个tracklet数组具体为：

选择与站立框最近的一个tracklet，计算该tracklet的边框与所述站立框的之间宽度差与长度差之和，当和小于站立框宽度的三分之一，且tracklet的边框与所述站立框重合度大于0.3时，判断所述站立框与该tracklet最佳匹配。

6.根据权利要求2所述的基于深度学习的站立检测方法，其特征在于，该方法还包括步骤：

5）对跟踪获得的站立次数进行计数。