[发明专利]一种基于人体分割的ATM尾随检测方法

说明书

本发明公开了一种基于人体分割的ATM尾随检测方法。本发明在ATM防护舱内采用深度学习的技术将人体作为前景目标从图像中检测出来，然后对不同相机、不同角度下人体尺度的大小进行专家预估，利用分割算法分割人体，从而计算ATM防护舱内的人数，如果多于2人判定为检测到尾随，进行报警。如果统计人数为1人，则未检测到尾随。本发明采用深度学习的技术，来分割图像中作为目标前景的人体，避免了传统背景建模方法中把长时间停留的人体当做背景的问题，提高了人体目标前景检测的准确率。

技术领域

本发明属于计算机视觉技术领域，涉及一种基于人体分割的 ATM尾随检测方法。

背景技术

基于人数统计的ATM防护舱尾随检测具有非常重要的现实意义，可以保护银行和民众的财产安全，预防减低ATM犯罪事件的发生。

目前用于ATM防护舱尾随检测的人数统计算法有：

1)基于光流的人体分割算法：通过光流技术获得垂直通过拌线人体的时空光流累积图，然后利用人体分割算法分析光流图获得通过拌线的人数。该算法在相机角度，光照等发生变化时，准确率会大幅度下降，需要人工调整系统参数，增加人工成本。

2)目标尺度估计的人体目标检测算法：采用深度学习通过目标尺度估计检测人体目标，来统计人体个数。该算法是一种端到端的算法，完全依赖于样本数据，在样本数据平衡性不好，场景种类不够丰富的情况下，训练所得算法在某些特出场景准确率不高。

3)基于光流的深度学习算法：通过光流技术获得通过拌线人体的时空光流累积图，然后利用深度学习的技术分析光流图获得通过拌线的人数。该算法准确率和鲁棒性较第一种算法有了一定的提高，但是仍受限于光流技术，当光线发生剧烈变化时，计算会出现很大的误差，且计算较为复杂。

发明内容

针对现有基于人数统计尾随检测方法存在的不足，本发明的目的在于提供一种基于人体分割的ATM尾随检测方法。

本发明利用深度学习的技术将人体作为前景目标从图像中检测出来，然后对不同相机、不同角度下人体尺度的大小进行专家预估，采用分割算法来分割人体，从而准确的统计人数，实现高准确率的ATM人员尾随检测。

本发明方法包括以下步骤：

步骤1、对ATM防护舱垂直相机采集的图像进行图像预处理。

步骤2、采用大量丰富多样的样本数据来训练深度学习模型，使获得的深度学习模型可以将人体作为前景目标从图像中检测出来。

步骤3、对不同相机、不同角度下的人体尺度进行专家预估。

步骤4、根据专家预估的人体目标大小，采用马尔科夫蒙特卡罗法来挑选最大后验概率值的分割结果，来完成前景目标中的人体分割任务。

步骤5、统计分割的人体个数，如果大于2人，则视为出现尾随，触发警报。

本发明的有益效果：

1.采用深度学习的技术，来分割图像中作为目标前景的人体，避免了传统背景建模方法中把长时间停留的人体当做背景的问题，提高了人体目标前景检测的准确率。

2.在ATM防护舱垂直相机采集的图像中，目标人体基本上不存在重叠，因此可以大大减少MCMC求取最大后验概率的计算量，降低计算成本并提高人数统计和尾随检测的效率。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他的实施例，都属于本发明保护的范围。