[发明专利]基于单目摄像头的标准化考场监管的深度学习方法

说明书

本发明公开了基于单目摄像头的标准化考场监管的深度学习方法，包括步骤：获取图像；图像预处理；利用yolo v5算法对图像中的人物进行目标检测；确认人物为考生；对考生的位置进行定位；对考生的位置进行排序。在对标准化考场监控过程中，本发明利用通过单目摄像头获取的关于考场内不同时间段考生的图像信息，采用图像增强技术和深度学习技术，检测识别出考生位置。根据多帧图像中考生的坐标信息对目标检测结果中的人物信息进行补充和校正，通过投票方式得到精确的考生的坐标信息，同时利用考生的坐标信息，对考生的位置进行排序，提高了考生识别的准确度和定位的精确性，为后续考生行为识别分析打下基础。

技术领域

本发明涉及考场监管技术，特别涉及一种基于单目摄像头的标准化考场监管的深度学习方法。

背景技术

现有技术中，在考场监控视频单帧图像的考生定位与计数，由于背景及噪声干扰的抑制、检测区域交叉等方面，造成考生的定位不准和识别率不高，甚至出现大量漏检或无法计算等问题。

因此，在标准化考场中采用深度学习算法是考场监管场景的重要应用，为了减少人力成本的投入，提高通过摄像头高速自检考场信息的能力，提高对违规行为检测的准确度和高效性势在必行。

发明内容

本发明目的是：提供一种基于单目摄像头的标准化考场监管的深度学习方法，可以对于标准化考场监管内的考生位置进行自动定位，对考生的位置进行自动化排序，解决了人工监督长时间、不间断的连续监督造成的遗漏等情况。对标准化考场中考生位置的准确检测是智能分析考生行为的前提和基础，主要内容包括对考生的识别与定位。

本发明的技术方案是：

一种基于单目摄像头的标准化考场监管的深度学习算法，包括如下步骤：

S1、获取图像；

S2、图像预处理；

S3、利用yolo v5算法对图像中的人物进行目标检测；

S4、确认人物为考生；

S5、对考生的位置进行定位；

S6、对考生的位置进行排序。

进一步，S1中的步骤包括：

S11、通过安装在考场的右前方或左前方的摄像头获取图像；

S12、通过摄像头的Rtsp/Rtmp流截取对应帧的图像；

S13、通过mqtt协议将图像传输到服务器。

进一步，S2中的步骤包括：

S21、修改图像的亮度，对比度，锐度。

进一步，S4中的步骤包括：

S41、统计连续图像中相同位置的人物出现次数；

S42、比较人物出现次数，剔除出现次数少的人物；

S43、确认次数多并且次数相同的人物为考生。

进一步，S5中的步骤包括：

S51、计算考生识别框的中心点的位置坐标；

S52、对多个考生识别框的中心点的位置坐标进行霍夫直线检测，确认考生的列数；

S53、拟合列直线的线性函数。

进一步，S6中的步骤包括：

S61、根据考生识别框的中心点的位置的x轴坐标和直线函数计算y轴坐标；

S62、根据y轴坐标大小对考生在列上的位置进行排序。

本发明的有益效果：