[发明专利]基于计算机视觉的电动自行车偷盗识别方法

说明书

本发明属于计算机视觉中的目标检测、跟踪与识别技术领域。涉及一种基于计算机视觉的电动自行车偷盗识别方法，包括如下步骤：获取小区摄像头抓拍的历史图片数据集，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，通过训练调整深度学习目标检测模型，采用在线识别和离线聚类相结合的方法，得到人车底库关联关系。实时摄像头中行人和电动车的数据和人车底库关联关系比对。借助于小区内布设的摄像头，对其抓拍的图片中的行人和电动车进行识别、匹配，若匹配不成功则报警提示，及时避免车主财产损失。该方法实现简单，且显著降低人力安保成本。

技术领域

本发明涉及一种基于计算机视觉的电动自行车偷盗识别方法，属于计算机视觉中的目标检测、跟踪与识别技术领域。

背景技术

电动自行车因其便捷、环保等优点已成为常用交通工具之一，但近年来频发的偷盗事件给车主带来了较大的财产损失。一种方法是加装防盗锁具，但偷盗分子通过整车搬运，或者通过大力钳、液压钳等工具强行破坏。GPS定位防盗器破解不易，但信号强弱受金属遮盖物影响，且车主需付GPS流量费，成本较高。随着物联网的发展，RFID技术也应用到电动车防盗领域，但车主需要缴纳一些费用，包含一次性的硬件安装费，以及每年的保险费和系统运营费等，车主积极性并不高。

发明内容

发明目的：针对上述现有存在的问题和不足，本发明的目的是提供一种基于计算机视觉的电动自行车偷盗识别方法，近年来深度学习迅猛发展，在图像识别、目标检测等计算机视觉领域展示了巨大的优势。本发明着重研究了一种基于计算机视觉的小区电动自行车偷盗识别方法。借助于小区内布设的摄像头，对其抓拍的图片中的行人和电动车进行识别、匹配，若匹配不成功则报警提示，及时避免车主财产损失。该方法实现简单，且显著降低人力安保成本。

技术方案：为实现上述发明目的，本发明采用以下技术方案：一种基于计算机视觉的电动自行车偷盗识别方法，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。