[发明专利]一种基于图像识别的人员非法离岗检测方法及装置

说明书

本发明公开了一种基于图像识别的人员非法离岗检测方法及装置，所述方法包括：按预设的时间间隔对监控视频进行图像提取；利用训练好的卷积神经网络对提取到的图像进行特征提取，得到图像特征结果；使用区域建议网络以滑动窗口方式对提取到的图像特征进行目标扫描，得到区域建议图像特征；根据建议区域框取图像特征进行ROI处理，并根据计算得到的图像中各目标框的前景分数，计算得到在岗人员数量；当所述在岗人员数量少于预设的目标到岗人数时，判定人员非法离岗。本发明通过将区域神经网络及卷积神经网络进行结合，能够准确有效地判别出监控中人员是否非法离岗，从而能够有效避免因人员非法离岗而存在安全漏洞。

技术领域

本发明涉及图像识别技术领域，尤其是涉及一种基于图像识别的人员非法离岗检测方法及装置。

背景技术

在一些场景中例如视频监控室等场所，常常由于人员擅自离岗，视频监控区域发生事故没有及时发现，导致不能及时有效的处理问题，造成较大损失或安全问题，因此，对于这些场景需要对人员在岗情况进行实时的监控，以避免因人员非法离岗而存在安全漏洞。

对此，传统的方法是采用人工看图像的方式进行监控，但人工监测视频的方法效率低、耗费人力且准确度难以保证。在智能监控识别领域，现有技术通过图像区域的面积变化来判断人在不在岗的方式受环境影响较大，准确率不高。因此，迫切需要一种能够准确判别监控中人员是否离岗的技术。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于图像识别的人员非法离岗检测方法及装置，能够准确地判别出监控中人员是否离岗。

为了解决上述技术问题，本发明提供了一种基于图像识别的人员非法离岗检测方法，包括：

按预设的时间间隔对监控视频进行图像提取；

利用训练好的卷积神经网络对提取到的图像进行特征提取，得到图像特征结果；

使用区域建议网络以滑动窗口方式对提取到的图像特征进行目标扫描，得到区域建议图像特征；

根据建议区域框取图像特征进行ROI处理，并根据计算得到的图像中各目标框的前景分数，计算得到在岗人员数量；

当所述在岗人员数量少于预设的目标到岗人数时，判定人员非法离岗。

进一步地，所述利用训练好的卷积神经网络对提取到的图像进行特征提取，得到图像特征结果，具体为：

在对提取到的图像进行预处理后，利用预设的卷积核对预处理后的图像进行卷积，获取到若干个特征结果；

在对所述若干个特征结果进行归一化处理并进行Relu激活后，通过resnet101网络模型提取出N层池化层，形成特征金字塔；

利用same卷积网络对所述特征金字塔的N层特征进行特征提取后，通过第一卷积网络进行形状分类得到背景/前景分类结果，同时，通过第二卷积网络进行形状回归得到偏移量回归结果。

进一步地，所述使用区域建议网络以滑动窗口方式对提取到的图像特征进行目标扫描，得到区域建议图像特征，具体为：

使用区域建议网络以滑动窗口方式对提取到的图像特征进行目标扫描，提取出图像特征中分数高于预设的阈值的i个前景特征，获得初始区域建议图像；

对偏移后的建议区域进行NMS处理，筛选出初始区域建议图像中j个目标框，获得所述区域建议图像；其中，j<i。

进一步地，所述根据建议区域框取图像特征进行ROI处理，并根据计算得到的图像中各目标框的前景分数，计算得到在岗人员数量，具体为：

结合所述区域建议图像以及所述特征金字塔的N层特征，利用ROIAlign层进行区域特征聚集，得到最终分类结果；