[发明专利]一种基于视频图像的人体目标检测方法及系统

权利要求书

1.一种基于视频图像的人体目标检测方法，其特征在于，包括：

获取带有标注信息的视频图像人体目标数据集；

采用迁移学习算法，提取TINYYOLOv3模型的部分网络层，得到预训练模型；

采用所述带有标注信息的视频图像人体目标数据集和所述预训练模型，对所述TINYYOLOv3模型进行训练，得到训练好的人体目标检测模型；

将所述人体目标检测模型部署至树莓派设备；

获取待检测的视频图像；

将所述待检测的视频图像输入至所述树莓派设备中的所述人体目标检测模型，对所述待检测的视频图像中的人体目标进行检测。

2.根据权利要求1所述的基于视频图像的人体目标检测方法，其特征在于，所述获取带有标注信息的视频图像人体目标数据集，具体包括：

在PASCALVOC标准目标检测数据集中选取多张包含人体目标的图片，得到第一数据集；

从网上抓取多张包含人体目标的图片，采用LabelImg软件进行手动标注对所述包含人体目标的图片进行补充，得到第二数据集；

将所述第一数据集和所述第二数据集合并，得到所述带有标注信息的视频图像人体目标数据集。

3.根据权利要求1所述的基于视频图像的人体目标检测方法，其特征在于，所述采用迁移学习算法，提取TINYYOLOv3模型的部分网络层，得到预训练模型，之前还包括：

对所述TINYYOLOv3模型的先验检测框进行重新测算，使用K-Means聚类算法生成适用于人体目标检测的多组先验检测框。

4.根据权利要求1所述的基于视频图像的人体目标检测方法，其特征在于，所述将所述人体目标检测模型部署至树莓派设备，具体包括：

将darknet框架支持的所述人体目标检测模型转换为Tensorflow框架支持的.pb模型；

将所述.pb模型转化为Movidius框架支持的IR模型；

将所述IR模型部署至树莓派设备。

5.根据权利要求1所述的基于视频图像的人体目标检测方法，其特征在于，还包括：

在将所述待检测的视频图像输入至所述树莓派设备中的所述人体目标检测模型，对所述待检测的视频图像中的人体目标进行检测过程中，使用Intel Movidius神经计算棒对检测过程进行加速。

6.一种基于视频图像的人体目标检测系统，其特征在于，包括：

视频图像人体目标数据集获取模块，用于获取带有标注信息的视频图像人体目标数据集；

预训练模型获取模块，用于采用迁移学习算法，提取TINYYOLOv3模型的部分网络层，得到预训练模型；

训练模块，用于采用所述带有标注信息的视频图像人体目标数据集和所述预训练模型，对所述TINYYOLOv3模型进行训练，得到训练好的人体目标检测模型；

部署模块，用于将所述人体目标检测模型部署至树莓派设备；

待检测的视频图像获取模块，用于获取待检测的视频图像；

检测模块，用于将所述待检测的视频图像输入至所述树莓派设备中的所述人体目标检测模型，对所述待检测的视频图像中的人体目标进行检测。

7.根据权利要求6所述的基于视频图像的人体目标检测系统，其特征在于，所述视频图像人体目标数据集获取模块具体包括：

第一数据集获取单元，用于在PASCALVOC标准目标检测数据集中选取多张包含人体目标的图片，得到第一数据集；

第二数据集获取单元，用于从网上抓取多张包含人体目标的图片，采用LabelImg软件进行手动标注对所述包含人体目标的图片进行补充，得到第二数据集；

合并单元，用于将所述第一数据集和所述第二数据集合并，得到所述带有标注信息的视频图像人体目标数据集。