[发明专利]一种基于CNN两阶段人体检测的区域防范方法、系统以及终端

说明书

本发明公开了一种基于CNN两阶段人体检测的区域防范方法及装置，涉及计算机视觉应用技术领域。本发明基于卷积神经网络对监控视频流中的图片进行区域防范，包括在图片中构建检测区域以及识别人体，并判断人体是否在构建的检测区域内，若人体在检测区域内，则执行报警操作。本发明提供的技术方案可实现在设定的防范区域进行人体进入的实时检测和报警，在实际生产环境中检测准确率高于85％，大大减轻了监管人员的工作强度，提高了自动化管理水平。

技术领域

本发明涉及计算机视觉应用技术领域，尤其涉及一种基于CNN两阶段人体检测的区域防范方法、系统以及终端。

背景技术

随着人工智能和多媒体的发展，视频监控在社会各领域特别是安全生产领域应用越来越广。

区域防范是公共安全防范中最为基础的系统，是防止非法入侵和异常事件的第一道防线，也是非常重要的一道防线。视频区域防范是建立在传统周界防范概念基础上，通过应用智能视频分析技术，不但具备入侵报警作用，而且还能通过前端的视频监控设备实时了解监控区域的情况，一旦发生入侵行为，第一时间发出警示，并及时告知安保人员进行处理。然而，由于树叶摇晃、灯光照射、动物穿越等因素产生的大量误报大大影响了用户的使用体验。

目标检测是机器视觉中最常见的问题，是一种基于目标几何和统计特征的图像分割，它将目标的分割和识别合二为一，其准确性和实时性是整个系统的一项重要能力，近年来，目标检测在人工智能，人脸识别，无人驾驶等领域都得到了广泛的应用。由于光照变化、局部遮挡、目标尺度变化等原因，导致检测难度增大，复杂背景下的目标检测是近年来理论和应用的研究热点。

然而，在目标检测的过程中会受到各种各样干扰，比如角度、遮挡、光线强度等因素，这些因素会导致目标发生畸变，为目标检测增加了新的挑战。传统目标检测算法有着两个主要的缺陷：(1)使用滑动窗口策略进行区域选择时针对性不强，提高了时间复杂度和窗口冗余；(2)手动设计的特征对于目标的多样性并没有很好的鲁棒性。

发明内容

本发明所要解决的技术问题是针对传统目标检测算法的两个缺陷，提供一种简单、准确兼顾检测速度的识别人体是否进入防范区域的检测方法、系统以及终端。

为了解决上述问题，本发明提出以下技术方案：

第一方面，本发明提出一种基于人体检测的区域防范方法，包括以下步骤：

S1，选取图片，在所述图片中构建检测区域，所述检测区域包含防范区域；

S2，在所述图片的卷积特征层上利用k个不同的矩形框进行区域提名，筛选出人体候选区域，其中，k为正整数；

S3，利用卷积神经网络自动对所述候选区域进行特征提取；

S4，利用人体分类器模型对所述提取的特征进行分类、回归，识别所述图片是否存在人体。

S5，若存在，则判断人体是否在构建的检测区域内；

S6，若是，则执行报警操作。

其进一步地技术方案为，所述在选取的图片中构建检测区域，包括：

在所述图片上标注至少3个角点；

依次连接各角点，形成闭合区域，所述闭合区域即为检测区域。

其进一步地技术方案为，所述k取值9。

其进一步地技术方案为，所述步骤S2之前还包括：收集包含人体的样本图片，对所述样本图片进行标注，训练得到人体分类器模型的参数。

其进一步地技术方案为，所述特征包括图像的纹理特征、边缘特征以及运动特征；

所述纹理特征包括图像的灰度直方图、边缘方向直方图、灰度共生矩阵；