[发明专利]一种智能安防行人检测方法、系统、装置及存储介质

说明书

本发明公开了一种智能安防行人检测方法、系统、装置及存储介质，其通过制作行人检测网络的训练和检测数据集，进行行人检测网络的训练，最后通过行人检测网络的识别过程实现行人检测。可见，本发明实施例具有智能自动化程度高、投入设备购买成本低、处理效率高且识别准确的优点，可广泛应用于智能安防行人检测领域中。

技术领域

本发明涉及计算机视觉和深度学习技术领域，具体涉及一种智能安防行人检测方法、系统、装置及存储介质。

背景技术

智能化安防技术随着科学技术的发展与进步和二十一世纪信息技术的腾飞已迈入了一个全新的领域，智能化安防技术与计算机之间的界限正在逐步消失，没有安防技术社会就会显得不安宁，世界科学技术的前进和发展就会受到影响。

智能安防监控系统是当今城市居民对家庭住宅、居民社区、停车场等地方的安全性、智能化方面提出的新需求，而行人检测又是计算机视觉领域的一个重要研究方向，也是智能安防监控系统中的核心部分。过去的监控工作都是由工作人员在工作室内一直观看监控视频实现的，长期这样的工作会让工作人员因为身体疲劳而分神，不能及时的处理突发情况，而行人检测可以减轻工作人员的负担，既节省了资源也提高了检测的准确度。

行人检测技术是通过图像和计算机视觉处理算法，对所给视频或者图片中的行人进行智能检测识别。目前机器学习的目标检测方法普遍用于行人检测中，如张姣等人(张姣,肖江剑,周传宏.基于级联网络的智能视频监控下的行人检测[J].计量与测试技术,2018,(08):104-108.)采用三级CNN网络，引入级联CNN网络在拥挤场景中准确地检测行人，为跟踪行人奠定了基础。但是其网络层数较少，检测精度有待提高。

本申请通过制作大量丰富的数据集，去训练神经网络，其中大量的数据集中包括了不同的行人，即包含了不同的人体形状和外貌，不同运动方式的特征，以及行人服饰和姿势，又因为制作数据集时考虑不同时间不同光照条件不同天气等因素去拍照，经过数据集训练的神经网络模型，可以学习到以上特征，进行更好的检测。

发明内容

有鉴于此，本发明实施例的目的是提供一种智能安防行人检测方法、系统、装置及存储介质。

第一方面，本发明实施例提供了一种智能安防行人检测方法，包括以下步骤：

制作行人检测网络的训练数据集和检测数据集；

行人检测网络的训练；

共用同一个卷积神经网络的检测识别过程。

进一步，所述制作行人检测网络的训练数据集和检测数据集这一步骤，其包括：

从公开的VOC数据集中标注出行人，生成对应的标注及标签信息；

采集不同场景下的行人画面图像，包含多种姿态，多种背景及多种情形，对采集的图像做出行人标记，生成对应的标注及标签信息并转换为VOC数据集标准。

进一步，所述行人检测网络的训练这一步骤，其包括：

第一步，区域生成网络RPN使用随机梯度下降进行端到端的训练。采用采样方法进行训练，每个mini-batch从一张图片中采样多个锚点，从每张图片中随机选取256个锚点计算每个mini-batch的损失函数。训练中，用零均值，标准差为0.01的高斯分布随机初始化所有新加的层。所有其他层(例如，共享的卷积层)会由ImageNet分类任务预训练的模型初始化；