[发明专利]基于跨摄像头人体匹配的现场工人轨迹统计方法和系统

权利要求书

1.一种基于跨摄像头人体匹配的现场工人轨迹统计方法，其特征在于，包括以下步骤：

获取现场所有摄像头的视频图像数据，识别所述视频图像数据中出现的每一个人员并为其分配一个人员ID；

预测每个人员可能到达的摄像头；

对摄像头的图像进行人体匹配时，将摄像头的图像与预测会出现在这个摄像头的人员图片进行匹配分析：若相似度高于第一预设阈值，则取相似度最高的人为到达该摄像头的人，并将前一个摄像头与该摄像头之间的路径添加到这位人员的路径中；当一个摄像头中的图像与所有人员图片的相似度均低于所述第一预设阈值时，则匹配不成功，直接转到处理下一个预测可能到达的摄像头，直至所有预测可能到达的摄像头全部处理完毕；

若在工地出口处跟踪到了预测到达的人员，则跟踪结束并生成该人员的总路径，与所述人员ID关联保存至数据库。

2.如权利要求1所述的现场工人轨迹统计方法，其特征在于，预测每个人员可能到达的摄像头包括：

利用多个维度信息预测人员在下一个时间段可能出现在哪些摄像头中；所述多个维度信息包括现场人员出现在前一处摄像头的时间、前一处摄像头的地理位置和人的平均行走速度。

3.如权利要求2所述的现场工人轨迹统计方法，其特征在于，对摄像头的图像进行人体匹配时，还包括：若该人员预测可能到达的所有摄像头均匹配不成功，则判定该人员跟踪丢失。

4.如权利要求1所述的现场工人轨迹统计方法，其特征在于，还包括以下步骤：

利用基于度量分析的REID方法，将识别出现的每一个人员与预先存储在数据库中的工人面部信息进行相似度分析，若相似度高于预设第二阈值，则判定该人员的身份为现场工人，若相似度低于所述预设第二阈值，则判定该人员的身份为外来人员。

5.如权利要求4所述的现场工人轨迹统计方法，其特征在于，所述相似度分析中加入边界挖掘损失；

四元组损失为损失计算加入四张图片：固定图片、正样本图片、第一负样本图片和第二负样本图片。

6.如权利要求1-5任一项所述的现场工人轨迹统计方法，其特征在于，所述获取现场所有摄像头的视频图像数据均在服务器端进行处理。

7.如权利要求1-5任一项所述的现场工人轨迹统计方法，其特征在于，获取现场所有摄像头的视频图像数据后，利用卷积神经网络识别所述视频图像数据中出现的每一个人员。

8.一种基于跨摄像头人体匹配的现场工人轨迹统计系统，其特征在于，包括

识别单元，用于在获取现场所有摄像头的视频图像数据后，识别所述视频图像数据中出现的每一个人员并为其分配一个人员ID；

预测单元，用于预测每个人员可能到达的摄像头；

匹配单元，用于对摄像头的图像进行人体匹配时，将摄像头的图像与预测会出现在这个摄像头的人员图片进行匹配分析：若相似度高于第一预设阈值，则取相似度最高的人为到达该摄像头的人，并将前一个摄像头与该摄像头之间的路径添加到这位人员的路径中；当一个摄像头中的图像与所有人员图片的相似度均低于所述第一预设阈值时，则匹配不成功，直接转到处理下一个预测可能到达的摄像头，直至所有预测可能到达的摄像头全部处理完毕；

生成单元，若在工地出口处跟踪到了预测到达的人员，则跟踪结束并生成该人员的总路径，与所述人员ID关联保存至数据库。

9.如权利要求8所述的现场工人轨迹统计系统，其特征在于，还包括

身份判别单元，其利用基于度量分析的REID方法，将识别出现的每一个人员与预先存储在数据库中的工人面部信息进行相似度分析，若相似度高于预设第二阈值，则判定该人员的身份为现场工人，若相似度低于所述预设第二阈值，则判定该人员的身份为外来人员。

10.如权利要求8或9所述的现场工人轨迹统计系统，其特征在于，所述识别单元利用卷积神经网络识别所述视频图像数据中出现的每一个人员。