CN110852179A - 基于视频监控平台的可疑人员入侵的检测方法 - Google Patents

Abstract

本发明涉及一种基于视频监控平台的可疑人员入侵的检测方法，包括下列的步骤：数据集的建立：采集用于人员检测的监控视频，对每一段监控视频进行帧提取，对数据集中的每张图片进行真实目标的人工标记；利用Kmeans聚类算法对数据集中标记的真实目标进行聚类分析，得出不同的长宽组合；Yolov3网络的训练：用数据集对yolov3网络进行训练，训练的损失函数三个部分，即目标框的回归损失、目标框分类判别的置信度损失和分类损失，采用随机梯度下降法对损失函数进行优化；网络最终的输出包含三个尺度的信息，分别检测大中小不同尺度大小的人员。

Description

基于视频监控平台的可疑人员入侵的检测方法

技术领域

本发明属于计算机视觉领域的目标检测任务，应用本发明的方法可以对特定区域进行人员的实时检测，并对可疑人员的入侵做出及时的预警。

背景技术

近些年来，安防工作逐渐成为人们着重关注的问题。一些重要的公共场所，如博物馆、古建筑保护区、旅游景点等等，如果出现不法分子擅自进入，会造成难以估计的损失。近年来随着监控领域的迅速发展，大多数场所采用人工观看监控视频的手段来对周边的情况进行实时的观测，但是这种做法会极大地消耗人力，且无法做到全天候的监测，存在巨大的安全隐患。另外，一些场所会采用红外对射仪器、微波对射仪器、电网等手段进行可疑人员的检测，但是上述方案防护等级低，而且容易受到客观环境的影响，如强光、雨、雪、雾等，导致误报率很高。

随着计算机视觉领域的飞速发展，智能视频监控系统应运而生。其中目标检测是又一个很重要的研究领域。特别的，国内外科研工作者对人员检测领域进行了深入的研究。传统的人员检测手段主要分为图片的预处理、特征提取、分类判别等几个步骤，其中最重要的一个环节就是特征提取，常用的特征涉及到梯度直方图HOG特征、局部二值模式LBP特征、积分通道特征ICF等等。分类判别阶段主要是通过训练人员检测的分类器对之前提取的特征进行分类，主要方法包含支持向量机SVM、可变部件模型DPM等等。

目前，随着计算机计算能力的不断提升，深度学习进入了飞速发展的阶段，利用深度学习进行目标检测逐渐成为了科研工作者们的主攻方向之一。一些经典的检测网络使得目标检测的效果及效率得到了极大的提升，以Faster-RCNN为代表的两阶段目标检测网络得到了很高的检测精度，而以Yolo为代表的单阶段目标检测网络则极大的缩短了检测时间。

对于实际监控场景下的人员检测，存在以下几个特点：监控图像中的人员与摄像头呈现一定的倾角、人员距离摄像头的远近导致的多尺度问题、人体姿态的多样性等等。目前一些主流的深度学习检测网络无法很好的兼顾上述几个问题。

发明内容

本发明提出一种适用于实际监控场景下的可疑人员实时检测方法。本发明的技术方案如下：

一种基于视频监控平台的可疑人员入侵的检测方法，包括下列的步骤：

1)数据集的建立：采集用于人员检测的监控视频，对每一段监控视频进行帧提取，对数据集中的每张图片进行真实目标的人工标记。

2)利用Kmeans聚类算法对步骤1)所建立的数据集中标记的真实目标进行聚类分析，得出9组不同的长宽组合；

3)Yolov3网络的训练：用步骤1)建立的人数据集对yolov3网络进行训练，训练的损失函数三个部分，即目标框的回归损失、目标框分类判别的置信度损失和分类损失，采用随机梯度下降法对损失函数进行优化。网络最终的输出包含三个尺度的信息，分别检测大中小不同尺度大小的人员。

4)输入视频帧，将禁入区域用矩形框标记出来，这个矩形区域称为警戒区域；

5)从录像机读入图像数据，将第3)步所选取的警戒区域送入已经训练好的深度学习网络进行检测，输出预测图片；

6)对预测图片进行分析，将检测出的人员用矩形框进行定位，若警戒区域内出现红色矩形框，即检测出了可疑人员，即可判定为发生了可疑人员入侵现象，并结合报警系统进行预警。

本发明通过海量的实际监控视频，全面的采集了监控场景下不同姿态、不同角度的人员，解决了人体多姿态的检测问题。又通过yolov3网络对多尺度人员检测做了加强，而且大大降低了检测时间。总的来说，本发明在处理监控条件下的可疑人员入侵检测任务方面具有更好的检测效果，大大降低了人工观看监控视频带来的人力成本，能够及时对安全隐患做出预警，保障了一些重要公共场所的财产安全。

附图说明

图1为本发明所设计的算法模型框图

图2为本发明所采用的yolov3检测网络模型示意图

图3为本发明对实际监控场景下的人员检测结果图

具体实施方式

本发明提出一种适用于实际监控条件下的可疑人员入侵的目标检测的方法，yolov3检测网络通过图像数据预处理、特征提取、多尺度预测等模块可实现对监控场景下人员的实时检测。

下面对具体实施细节进行详细说明：

1)数据集的处理：在人员检测数据集建立完毕后，需要对数据集中的人员进行人工标注。实际监控场景下，可能在一个场景下会出现多个人员共存的情况，为了能够使网络更加准确的提取人员的特征，这里只对不同人员的可见部分进行标注，舍弃相互遮挡的部分。

2)数据集聚类分析：网络需要通过Kmeans聚类算法得出9组(三个尺度分别分配三组)不同长宽组合的预设框(anchor box)，通过这些预设框来指导网络的训练。聚类的目的是使得anchor boxes和临近的真实目标框(ground truth)有更大的IOU值，距离度量公式如下：

d(box，centroid)＝1-IOU(box，centroid)

即保证距离越小，两个框之间的IOU越大。聚类算法的具体流程如下：

第一步：记录标注框的位置信息(x_j，y_j，w_j，h_j)，j∈{1，2，..，N}，其中，(x_j，y_j)代表标注框的中心坐标，(w_j，h_j)代表宽度和高度，N代表标注框的个数；

第二步：给定k个聚类中心点(W_i，H_i)，i∈{1，2，..，k}，分别代表anchor boxes的宽度和高度；

第三步：根据上述的距离度量公式计算每个标注框和每个聚类中心点的距离，计算时保证每个标注框的中心点都与聚类中心重合，即

d＝1-IOU[(x_j，y_j，w_j，h_j)，(x_j，y_j，W_i，H_i)]，j∈{1，2，..，N}，，i∈{1，2，..，k}

第四步：所有标注框分配完毕以后，依据下式对每个簇重新计算聚类中心点，

其中N_i代表第i个簇的标注框个数。

重复第三步和第四步，直到聚类中心改变量很小，即得到所需的聚类结果。

3)yolov3检测网络：网络模型示意图如附图2所示，底层的特征提取网络为Darknet-53，该网络由一系列的1x1和3x3的卷积层组成，总共包含53个卷积层，为全卷积结构。网络总共进行了5次下采样操作，每一次特征图的长宽缩小为原来的一半。分别采用8倍、16倍和32倍下采样的特征图对不同尺度的目标进行预测，特别地，32倍下采样的特征图通过上采样与16倍下采样的特征图融合进行该尺度的预测，同理，16倍下采样的特征图通过上采样与8倍下采样的特征图融合进行该尺度的预测。

本发明选用yolov3目标检测网络进行人员的检测，选择该网络进行检测的原因包含以下两个方面：首先是yolov3网络检测速度快，对于像素大小为416*416的输入图像来说，网络的检测帧率能够达到35fps，满足实时性的要求；其次yolov3具有多尺度检测模块，可以分别针对三种不同尺度的物体进行检测，能够兼顾监控视频图像中的大、中、小目标。

Claims (2)

1.一种基于视频监控平台的可疑人员入侵的检测方法，包括下列的步骤：

1)数据集的建立：采集用于人员检测的监控视频，对每一段监控视频进行帧提取，对数据集中的每张图片进行真实目标的人工标记。

2)利用Kmeans聚类算法对步骤1)所建立的数据集中标记的真实目标进行聚类分析，得出不同的长宽组合；

3)Yolov3网络的训练：用步骤1)建立的人数据集对yolov3网络进行训练，训练的损失函数三个部分，即目标框的回归损失、目标框分类判别的置信度损失和分类损失，采用随机梯度下降法对损失函数进行优化；网络最终的输出包含三个尺度的信息，分别检测大中小不同尺度大小的人员；

4)输入视频帧，将禁入区域用矩形框标记出来，这个矩形区域称为警戒区域；

5)从录像机读入图像数据，将第3)步所选取的警戒区域送入已经训练好的深度学习网络进行检测，输出预测图片；

6)对预测图片进行分析，将检测出的人员用矩形框进行定位，若警戒区域内出现红色矩形框，即检测出了可疑人员，即可判定为发生了可疑人员入侵现象，并结合报警系统进行预警。

2.根据权利要求1所述的方法，其特征在于，Yolov3网络总共进行5次下采样操作，每一次特征图的长宽缩小为原来的一半，分别采用8倍、16倍和32倍下采样的特征图对不同尺度的目标进行预测，特别地，32倍下采样的特征图通过上采样与16倍下采样的特征图融合进行该尺度的预测；16倍下采样的特征图通过上采样与8倍下采样的特征图融合进行该尺度的预测。

Images