[发明专利]一种基于视频图像的人体目标检测方法及系统

说明书

本发明公开一种基于视频图像的人体目标检测方法及系统。该方法包括：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TINY YOLOv3模型的部分网络层，得到预训练模型；采用带有标注信息的视频图像人体目标数据集和预训练模型，对TINY YOLOv3模型进行训练，得到训练好的人体目标检测模型；将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；将待检测的视频图像输入至树莓派设备中的人体目标检测模型，对待检测的视频图像中的人体目标进行检测。本发明可以改善嵌入式设备在视频图像人体目标检测中出现的漏检、误检、遮挡等现象，提高行人目标检测的位置精度，满足实时性的要求。

技术领域

本发明涉及图像处理领域，特别是涉及一种基于视频图像的人体目标检测方法及系统。

背景技术

传统的目标检测方法包括三个步骤：区域选择、特征提取和分类回归。基于深度学习的目标检测方法改善了传统检测算法的适应性不高、对背景模型的更新要求高、提取特征鲁棒性差和检测的实时性差等缺点，使检测模型在精度和速度方面都有了极大的提升。但是，现有的检测方法集成于嵌入式设备进行视频图像人体目标检测时，会出现漏检、误检、遮挡等现象，导致检测结果准确度低。

发明内容

本发明的目的是提供一种基于视频图像的人体目标检测方法及系统，以提高人体目标检测的准确度。

为实现上述目的，本发明提供了如下方案：

一种基于视频图像的人体目标检测方法，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TINY YOLOv3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TINY YOLOv3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。

可选的，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PASCAL VOC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。

可选的，所述采用迁移学习算法，提取TINY YOLOv3模型的部分网络层，得到预训练模型，之前还包括：

对所述TINY YOLOv3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。

可选的，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。

可选的，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。