[发明专利]一种基于视频分析的地铁站点行人逆向行走的检测方法

摘要

本发明公开了一种基于视频分析的地铁站点行人逆向行走的检测方法，该方法包括以下具体步骤：步骤1，获取视频流：步骤2，监控区域背景建模：步骤3，提取运动前景；步骤4，通过卷积神经网络行人轮廓分割模型判断图像中是否存在行人，具体为：步骤41，卷积神经网络行人轮廓分割模型的构建；步骤42，判断图像中是否存在行人；步骤5，跟踪并确定行人运动方向；步骤6，判断行人是否逆行并报警；本发明的行人逆向行走检测方法满足了城市轨道日益智能化趋势的要求，实现了无需管理人员时刻观察监控视频的自动监控和实时报警，节省了大量的人力物力的投入；提高了城市轨道有效的管理效率。

主权项

1.一种基于视频分析的地铁站点行人逆向行走的检测方法，其特征在于，包含以下具体步骤：步骤1，获取视频流：使用监控摄像装置收集到实时视频流，通过分析服务器将所述实时视频流转换成实时监控图像；步骤2，监控区域背景建模：步骤3，提取运动前景；步骤4，通过卷积神经网络行人轮廓分割模型判断图像中是否存在行人，具体为：步骤41，卷积神经网络行人轮廓分割模型的构建；步骤411，收集监控图像或者视频流：通过监控摄像装置收集同一监控场景下的不同的工作日、不同的休息日，和一天中不同时间段的监控图像或者监控视频流，如收集的是所述监控视频流，需要把所述监控视频流转换为需要格式的监控图像；步骤412，标注出步骤411中所述监控图像中每个行人的轮廓，形成样本数据集；步骤413，使用深度学习算法，使用所述样本数据集训练卷积神经网络模型，得到卷积神经网络行人轮廓分割模型，所述卷积神经网络行人轮廓分割模型，使用MASK‑RCNN算法，所述MASK‑RCNN算法中RPN网络部分，使用基于MobileNetV2的SSD框架替换原有的ResNeXt‑101框架，在保留算法精度的同时大大降低了算法的复杂度；步骤42，判断图像中是否存在行人；步骤5，跟踪并确定行人运动方向；对所述步骤4检测到的每个行人，采用跟踪算法进行分别跟踪，定位出每个行人在连续视频帧中的位置，形成此人的运动轨迹，根据所述运动轨迹的方向，判断行人的运动方向；步骤6，判断行人是否逆行并报警；判断步骤5所述的行人的运动方向是否与预先设置方向相反，若相反则为逆行，在监控画面中进行标示，当达到一定阈值时发出警告，否则，继续步骤3的操作。