[发明专利]一种被遗弃可疑行李的遗弃人检测追踪方法

说明书

本发明属于智能识别检测追踪技术领域，具体涉及一种被遗弃可疑行李的遗弃人检测追踪方法，包括数据集收集整理步骤、模型训练步骤、检测识别步骤和遗弃行李人追踪步骤，基于监控视频数据、通过机器网络学习模型自动化进行人和行李的检测，配合距离检测算法及时发现并定位被遗弃的行李、并调用跟踪识别算法方案对遗弃人进行追踪，实现了一个无人值守的目标监测的功能，可以部署在监控平台系统，为安检工作提供高度智能化的服务。

技术领域

本发明属于智能识别检测追踪技术领域，具体涉及一种被遗弃可疑行李的遗弃人检测追踪方法。

背景技术

现如今，社会上依然存在一些不稳定的因素，暴恐事件仍然时有发生，对广大民众的生命财产安全始终都是极大的威胁。随着安保维稳工作的推进，暴恐分子开始采用更为隐秘的手段实施其暴恐行为，其中一种方法是制造自爆炸装置并将其部署在人口密集地区，如在机场、地铁、车站等场所，犯罪嫌疑人将这些装置藏在背包、行李箱、袋子等普通包裹中然后在人群聚集区域进行遗弃，离开后进行引爆造成损害。

因此，出于安全稳定的考量，在如机场、地铁、车站等场所，必须要定期处理这些行李，并且，为了更好的进行防恐防暴工作，还应该对这些行李的遗弃人进行追踪以便进行溯源。

在目前的技术环境下，在机场、地铁、车站等人群聚集场所中都安装有视频监控系统，监控摄像头可以记录人群聚集场所中的情况，能够监控到大多数无人看管的行李，但是这类的视频监控系统主要目的还是在于进行实时大环境中人员的监控，而在现有技术中，如机场中还设置有专门用于对行李进行检查的设备，如公开号为CN112934728A，名称为“一种机场行李安检状态踪溯系统及方法”的中国发明专利文献，公开了一种机场行李安检状态踪溯系统及方法，基于可编程控制控制器对行李的位置进行跟踪，采集行李的标签信息、行李的安检状态信息，建立关联并存储，实现了行李安全状态的精确跟踪、快速追溯以及无误处理。行李的安全追踪过程不仅包括了行李安检状态的正向跟踪，也包括了跟踪迷失的行李安检状态的反向追溯，使后场行李、尤其是问题行李的安全处理前置化、主动化、在线化，处理时效性显著提高，但是上述的现有技术方案，要么是针对于人的监控、要么是单独针对于行李本身的监控，因此，现有技术中缺乏一种高效的从摄像机每时每刻捕捉到的大量视频信息中提取与事件相关的视频时段并跟踪遗弃行李的人员行迹，这已经成了亟待解决的问题，如果采用手动筛选分析无人看管行李事件的发生是极其繁琐和繁重的，非常消耗人力和时间。

发明内容

为了克服上述现有技术中存在的问题和不足，本发明旨在于提出一种通过机器视角角度、有效识别无人看管的行李以及放置行李的嫌疑人，并跟踪此人的轨迹的车站可疑遗弃行李的检测追踪方法。

本发明的目的是通过以下技术方案实现的：

一种被遗弃可疑行李的遗弃人检测追踪方法，包括以下步骤：

数据集收集整理步骤，采用包括人、背包、手提包、手提箱类数据的COCO数据集，即数据集只选择会直接影响进行行李检测追踪的类，丢弃常规COCO数据集中其他无关的类别以减少数据处理量，将COCO数据集中的背包、手提包、手提箱均归类为行李类，则行李类的COCO数据集中的数据特征集合可表示为和表示所有数据类别索引的集合，、代表第n、第m个样本的数据特征，、代表第n、第m个样本所属的类别索引，即，我们后续要进行识别的就只有人和行李这两个类别了；COCO数据集是一个大型的、丰富的物体检测、分割和字幕数据集。COCO通过大量使用Amazon Mechanical Turk来收集数据，这个数据集以scene understanding为目标，主要从复杂的日常场景中截取，图像中的目标通过精确的segmentation进行位置的标定，图像包括91类目标，包含28000的影像和2500000个label，可以说，COCO数据集是目前为止有语义分割的最大数据集，提供的类别有80类，有超过33万张图片，其中20万张有标注，整个数据集中个体的数目超过150万个，因此，本方法中使用COCO数据集作为模型训练的基础数据，一方面可以有限理由资源，另一方面则可以降低模型训练的工作量。