[发明专利]一种教室空座查询系统、实时视频分析系统及方法

说明书

本发明属于视频分析技术领域，公开了一种教室空座查询系统、实时视频分析系统及方法。一种实时视频分析系统，采用YOLOv4‑Tiny网络对多路视频流数据进行实时分析，YOLOv4‑Tiny网络包括CSPDarknet53‑Tiny网络、FPN网络和yolov3网络；首先通过CSPDarknet53‑Tiny网络提取输入图片的特征，得到两个不同大小的特征图，然后通过FPN网络进行特征融合和处理，最后连接yolov3网络输出结果。本发明的系统不需要在座位上安装任何复杂的硬性设备，只需要获取每个教室的摄像头信息，然后传入实时视频分析系统进行分析，获得教室空位信息；本发明还开发了方便用户使用的小程序平台和后台管理系统，可以实时查询教室情况。

技术领域

本发明涉及视频分析技术领域，特别涉及一种教室空座查询系统、实时视频分析系统及方法。

背景技术

目前，随着大学生数量增多，高校的教室资源越来越紧张，大学生上自习而找不到合适的教室，是目前普遍存在的问题，尤其是期末复习的时候，自习室的空座很难找，可能跑了几个教室都找不到合适的位置，浪费了时间还影响学习心情，对学生来说是极大的不方便。

现有的自习室空座系统，大多采用软硬件结合的方式，需要每个座位安装传感器，通过物理传压的方式感知座位是否有人，然后通过单片机与显示器相连，传输结果。或者在座位上安装校园读卡器计数传给数据显示中心。这些方式一是耗费资源，大范围推广也不方便，二是从学生角度使用起来也不方便。

随着深度学习的发展日趋成熟，很多深度学习的算法可以用于工业生产，因此，如何提出了一种基于实时视频分析的教室空座查询方法及系统，不需要安装各种硬件系统，是目前亟待解决的问题。

发明内容

本发明实施例提供了一种教室空座查询系统，以解决现有技术中需要软硬件结合检测自习室空座的问题。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

根据本发明实施例的第一方面，提供了一种实时视频分析系统。

在一些可选实施例中，实时视频分析系统采用YOLOv4-Tiny网络对多路视频流数据进行实时分析，YOLOv4-Tiny网络包括CSPDarknet53-Tiny网络、FPN网络和yolov3网络；首先通过CSPDarknet53-Tiny网络提取输入图片的特征，得到两个不同大小的特征图，然后通过FPN网络进行特征融合和处理，最后连接yolov3网络输出结果。

可选地，输入到YOLOV4-Tiny网络的图像经过卷积层、正则化和激活层操作，得到第一特征图；

将第一特征图再经过卷积层、正则化和激活层操作，得到第二特征图；将第二特征图经过残差块的操作后得到第三特征图，接着经过残差块的操作后变换成第四特征图，然后分成两路，第一路直接进入FPN模块，通过卷积层进行候选框的选取；第二路继续经过一个残差块的操作后得到第五特征图，再经过卷积层、正则化和激活层的操作后得到第六特征图，然进入FPN模块的卷积层进行候选框的选择，然后又分成两路，一路直接进入yolov3网络预测结果，另一路通过卷积和上采样操作，与第一路直接进入FPN的第四特征图进行张量拼接，扩充张量的维度，拼接后获得的第七特征图再进行卷积操作，最后进入Yolov3网络预测结果。

可选地，所述Yolov3网络将未经过张量拼接处理的特征图分成13*13个gridcells，如果ground truth中某个目标的中心坐标落在某个grid cell中，那么就由该gridcell来预测该目标；每个gridc cell都会预测3个固定数量的边界框，13*13特征图的感受野最大，因此其anchor box的尺寸最大，分别为116*90，156*198，373*326，适合检测较大的目标；对经过张量拼接处理的特征图应用较小的anchor box，分别为30*61，62*45，59*119，适合检测小目标。