[发明专利]一种基于无人机视角下人体检测的社交距离监控方法

说明书

本发明公开了一种基于无人机视角下人体检测的社交距离监控方法，属于数字图像识别领域，包括：将无人机图像输入至行人检测模型，以获得各行人目标对应的边界框；对于每两个行人目标，分别获得预设的人体关键点在边界框中的位置坐标后，变换至世界坐标系下，以此计算两个行人目标之间的距离；人体关键点在边界框中的二维坐标(u,v)和在世界坐标系下的三维坐标(X,Y,Z)之间的变换关系为：Δh为先验身高，Δv为边界框高度；a_x、a_y、u₀、v₀为相机内参矩阵中的参数，θ为俯仰角。本发明无需在无人机飞行过程中对两个坐标系间的转换矩阵进行测量和矫正，减少了无人机测距的复杂度，从而针对低成本的无人机实现有效的社交距离监控。

技术领域

本发明属于数字图像识别领域，更具体地，涉及一种基于无人机视角下人体检测的社交距离监控方法。

背景技术

部分研究人员尝试利用计算机视觉的方式通过固定的摄像头监控系统对街道或者商场等场景进行主动地社交距离监控。但是固定的摄像监控系统有一定的局限，如需要额外的安装或者只能对特定的场景进行监察。而目前随着无人机技术的飞快发展，利用无人机进行一些特殊的工作作业已经渐渐地成为了趋势。这也使得基于计算机视觉的无人机视角下的社交距离自动监控的发展有了重要的价值。

目前的研究尝试将该任务划分成行人的检测和距离测定两个部分。无人机下的行人检测问题目前仍没有被很好的解决。因为无人机比常规的监控摄像头高度高很多，可以进行大视角广范围的区域监视，所以拍摄的图像中观测目标就会偏小，占据更小的像素值，不易定位和分类。目前解决的主要手段即将图像裁剪，进行区域性的检测然后将裁剪后每张图的检测结果合并到一起。但是这种方式会增加测试时间，在实际应用中过于复杂繁琐。对于测距的问题，目前大多方法仍采用反投影变化，即单应性映射，通过相机内参和坐标系的转换矩阵将拍摄图像转换到俯视图视角，再进行测量。但是这种方式更适合于固定摄像头，因为相机坐标系和世界坐标系的转换矩阵可以固定下来。但是对于无人机而言，其中搭载的相机多为低成本的单目相机，而由于该转换关系需要实时地进行测量和矫正，这对于低成本的无人机是很复杂而困难的任务。

总体而言，如何提高无人机视角下社交距离的测量精度和实时性，以有效监控社交距离，达到防治传染病的目的，是一个亟待解决的问题。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种基于无人机视角下人体检测的社交距离监控方法，旨在提高无人机视角下社交距离的测量精度和实时性，以有效监控社交距离，达到防治传染病的目的。

为实现上述目的，按照本发明的一个方面，提供了一种基于无人机视角下人体检测的社交距离监控方法，包括：

将包含行人目标的无人机图像输入至已训练好的行人检测模型，以获得各行人目标对应的边界框；对于每两个行人目标，分别获得预设的人体关键点在对应的两个边界框中的位置坐标后，变换至世界坐标系下，以计算世界坐标系下这两个行人目标中人体关键点之间的距离，作为社交距离；

对于任意一个行人目标，其中人体关键点在边界框中的二维坐标(u,v) 和在世界坐标系下的三维坐标(X,Y,Z)之间的变换关系为：

其中，表示人体关键点的尺度因子；Δh 为预设的先验身高，Δv为边界框的高度；a_x和a_y分别表示实际三维空间与二维图像空间在x轴和y轴上的比例，(u₀,v₀)表示无人机中相机光轴在图像坐标系中的偏移量，θ表示俯仰角。

本发明在行人检测结果的基础上，借助身高的先验信息计算每个行人目标中预设人体关键点的尺度因子，即可完成行人之间距离的测定，并且在距离测定的过程中无需在无人机飞行过程中对相机坐标系和世界坐标系间的转换矩阵进行测量和矫正。