[发明专利]一种基于多线程的多摄像头实时检测方法

摘要

基于多线程的多摄像头实时检测方法，首先加载基于ResNet50和三重损失函数的行人重识别网络，构建检测人脸库，采用face_recognition库提取人脸库的特征向量，之后开始构建多线程系统，应用multiprocess库中的Queue构建队列，并采用daemon守护进程，之后通过Yolo3将人物定位并用Opencv裁剪出来，之后使用face_recognition库中的识别模块进行识别，若无人脸则采用行人重识别网络进行识别，最后通过多线程并行处理，可以在监控视频中对多个摄像头中的目标进行实时检测。

主权项

1.一种基于多线程的多摄像头实时检测方法，包括以下步骤；(1)加载训练过的行人重识别网络；选择现有行人重识别网络，将ResNet50网络最后部分的结构转换成3个分别的block，并分别将其的输出转化为最后的3072维的特征；最后添加3重损失函数作为行人重识别网络的步骤；(2)建立人脸库,并加载人脸识别模型；步骤21，每个实例存放2‑3张免冠正脸照片，并以编号+排列序号命名图片，保存在指定目录下的步骤；步骤22，在指定目录下建立图片名与人名相应的文件；(3)读取摄像头监控画面步骤；步骤31，使用Opencv中的VideoCapture类进行摄像头视频的读取；步骤32，使用Opencv中的read()函数将VideoCapture类中的图片图区出来并加入到队列中；(4)人物裁剪步骤；步骤41，将预下载的Yolo3权重放入指定目录下，加载Yolo3网络；步骤42，将从摄像头读取的图片放入Yolo3中，得到行人的坐标，并裁剪出行人图片进行识别的步骤；(5)构建多线程框架的步骤；步骤51，加载Python自带的Multiprocess库，设定两个队列操作；步骤52，每个子线程将之前加载的行人重识别和Yolo3网络读取并进行独立的分析；(6)人物检测步骤；步骤61，在单个子进程中，使用Yolo3的目标检测网络进行人物的识别，将裁剪下来的图片放入face_recoginition的人脸检测模块中检测是否有清晰人脸；步骤62，如果有人脸的话可以进行人脸识别，在没有人脸的情况下，如果行人库中有人的话，则进行匹配，如果有匹配到人(欧式距离小于阈值)，则识别成功并将人物框出来加上标签，如果没有匹配到的人，则无法判断；如果行人库没有人的话，则无法判断的。