[发明专利]基于计算机视觉的电动自行车偷盗识别方法

权利要求书

1.一种基于计算机视觉的电动自行车偷盗识别方法，其特征在于：包括如下步骤：

步骤1：获取小区摄像头抓拍的历史图片数据集；

步骤2：在步骤1中的历史图片数据集中选取部分图片标注行人人脸、人体和电动车信息作为训练样本，通过训练样本调整深度学习目标检测模型；

步骤3：用步骤2中得到的目标检测模型对步骤1中的历史图片数据集进行添加信息并检测，得到处理后数据；

步骤4：采用在线识别和离线聚类相结合的方法，将步骤3得到的处理后数据中的人脸、人体照片和电动车进行关联，得到人车底库关联关系；

步骤5：获取实时摄像头中行人和电动车的数据，并和步骤4中得到的人车底库关联关系比对；

步骤6：如步骤5中比对成功，则进行步骤9，如比对失败则进行步骤7；

步骤7：根据实时摄像头ID和时间戳判断所随同电动车的轨迹方向，如不进入小区则进行步骤8，进入小区则进行步骤9；

步骤8：报警提示可能正在发生偷盗行为；

步骤9：结束比对过程，如需持续检测，则跳转至步骤5，否则结束。

2.根据权利要求1所述的基于计算机视觉的电动自行车偷盗识别方法，其特征在于：步骤1中的历史图片数据集中图片名称包括有摄像头ID和时间戳。

3.根据权利要求1所述的基于计算机视觉的电动自行车偷盗识别方法，其特征在于：步骤2中训练样本为白天和夜里比例1:2，将剩余图片选择部分进行测试，若测试达不到要求，则增加训练样本数量重新训练检测模型。

4.根据权利要求1所述的基于计算机视觉的电动自行车偷盗识别方法，其特征在于：步骤4中关联指人脸与人体对应，生成行人身份ID；识别车的型号以及车牌，生成各车辆身份ID。

5.根据权利要求4所述的基于计算机视觉的电动自行车偷盗识别方法，其特征在于：将行人身份ID和各车辆身份ID进行关联，得到初始联系关系，当不同时段或不同日期内存在同一初始联系关系时，则将对应行人身份ID与该电动车进行关联，当同一时段的不同摄像头拍摄到同一初始联系关系，根据摄像头ID和时间戳对应行人身份ID，建立人车底库关联关系。

6.根据权利要求5所述的基于计算机视觉的电动自行车偷盗识别方法，其特征在于：初始联系关系生成的具体步骤为：先对人脸或人体图片进行在线识别分类，计算人脸检测框和人体检测框是否重合，如重合则将人脸和人体对应，形成初步关联，对靠前的图片通过在线识别来运算；离线时通过离线聚类，将每类人脸或人体图片先选取若干张，再从剩余的图片中按比例抽样选取若干张，将在线识别和离线聚类的数据进行融合处理。

7.根据权利要求6所述的基于计算机视觉的电动自行车偷盗识别方法，其特征在于：人脸和人体聚类过程为：当人体聚类结果分为两类而人脸聚类结果为一类时，将人体聚类结果合并，当人体聚类结果无关联的人脸聚类结果的则采用人体聚类结果，最后得到行人身份ID以及聚类处理结果。

8.根据权利要求7所述的基于计算机视觉的电动自行车偷盗识别方法，其特征在于：步骤5中人车底库关联关系比对的具体步骤为：将摄像头抓拍的图片进行实时检测，将检测的结果与人车底库关联关系进行在线识别比对，选取其中相似度最高的车辆身份ID作为实时检测到的车辆身份ID，并通过车辆身份ID查询是否与行人有关联关系，若有则比对成功，若无则比对失败。