[发明专利]基于深度学习的遛狗违规行为检测方法、装置及设备

说明书

本发明公开了基于深度学习的遛狗违规行为检测方法、装置及设备，该方法包括：获取监控视频数据并抽帧得到待检测图像；对所述待检测图像进行犬只和行人检测，分别得到对应的检测框；计算得到所述犬只与所述行人之间的欧式距离；计算得到所述犬只附近的感兴趣区域；对所述感兴趣区域进行绳类连接物检测，得到所述感兴趣区域内的所述绳类连接物的信息；当检测到所述绳类连接物时，判断所述犬只是否存在历史追踪信息并做出对应修改；根据k帧区间内所述犬只的牵绳状态历史数值是否大于等于阈值来判断是否违规遛狗。本发明采用检测k帧区间内犬只与行人之间的牵绳状态历史数值来判断是否违规遛狗，提高了公共场合管理人员管理犬只的效率。

技术领域

本发明涉及计算机视觉领域，特别涉及基于深度学习的遛狗违规行为检测方法、装置及设备。

背景技术

宠物犬的主人都会定期遛狗，而遛狗不牵绳的不文明行为则会给社区带来严重的安全隐患。

目前随着相关制度的完善，有关部门对不规范养犬行为已加强约束及管控，新修订的《动物防疫法》明确规定，出户遛狗应当佩戴犬牌并采取系犬绳等措施；公共场合对于宠物犬的管理主要依靠人工监督；而人工监督时常出现疏忽遗漏并且也不能做到第一时间通知相关人员，因此，对于遛狗违规行为的管理方式有待提高。

发明内容

本发明实施例提供了基于深度学习的遛狗违规行为检测方法、装置及设备，旨在解决当前人工监督遛狗违规行为效率低下的问题。

第一方面，本发明实施例提供了一种基于深度学习的遛狗违规行为检测方法，包括：

获取监控视频数据，并进行抽帧处理得到待检测图像；

根据第一目标检测算法对所述待检测图像进行犬只和行人检测，分别得到所述犬只的检测框和所述行人的检测框；

利用所述犬只的检测框和所述行人的检测框，计算得到所述犬只与所述行人之间的欧式距离；通过所述欧式距离计算得到所述犬只附近的感兴趣区域；

根据第二目标检测算法对所述感兴趣区域进行绳类连接物检测，得到所述感兴趣区域内的所述绳类连接物的信息；

根据所述绳类连接物的信息确认是否检测到绳类连接物，当检测到所述绳类连接物时，判断所述犬只是否存在历史追踪信息；若是，则更新所述犬只的牵绳状态历史数值；若否，则对所述犬只的牵绳状态进行初始化；

判断k帧区间内所述犬只的牵绳状态历史数值是否大于等于阈值；若是，则判断为正常遛狗；若否，则判断为违规遛狗；其中，当所述犬只周围未检测到所述行人时，则判断为流浪犬。

第二方面，本发明实施例提供了一种基于深度学习的遛狗违规行为检测装置，包括：

图像获取单元，用于获取监控视频数据，并进行抽帧处理得到待检测图像；

第一检测单元，用于根据第一目标检测算法对所述待检测图像进行犬只和行人检测，分别得到所述犬只的检测框和所述行人的检测框；

第二检测单元，用于利用所述犬只的检测框和所述行人的检测框，计算得到所述犬只与所述行人之间的欧式距离；通过所述欧式距离计算得到所述犬只附近的感兴趣区域；

第三检测单元，用于根据第二目标检测算法对所述感兴趣区域进行绳类连接物检测，得到所述感兴趣区域内的所述绳类连接物的信息；

第一判断单元，用于根据所述绳类连接物的信息确认是否检测到绳类连接物，当检测到所述绳类连接物时，判断所述犬只是否存在历史追踪信息；若是，则更新所述犬只的牵绳状态历史数值；若否，则对所述犬只的牵绳状态进行初始化；

第二判断单元，用于判断k帧区间内所述犬只的牵绳状态历史数值是否大于等于阈值；若是，则判断为正常遛狗；若否，则判断为违规遛狗；其中，当所述犬只周围未检测到所述行人时，则判断为流浪犬。