CN115223202A - 一种楼宇走廊人员异常接触检测方法、设备和介质 - Google Patents

一种楼宇走廊人员异常接触检测方法、设备和介质 Download PDF

Info

Publication number
CN115223202A
CN115223202A CN202210839896.7A CN202210839896A CN115223202A CN 115223202 A CN115223202 A CN 115223202A CN 202210839896 A CN202210839896 A CN 202210839896A CN 115223202 A CN115223202 A CN 115223202A
Authority
CN
China
Prior art keywords
person
detected
personnel
coordinate
abnormal contact
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210839896.7A
Other languages
English (en)
Inventor
梁帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongguan Prophet Big Data Co ltd
Original Assignee
Dongguan Prophet Big Data Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dongguan Prophet Big Data Co ltd filed Critical Dongguan Prophet Big Data Co ltd
Priority to CN202210839896.7A priority Critical patent/CN115223202A/zh
Publication of CN115223202A publication Critical patent/CN115223202A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Abstract

本申请涉及一种楼宇走廊人员异常接触检测方法、设备和介质，该方法包括：获取走廊人员中人员轮廓的像素点数量、人员识别方框信息、人员边界坐标和人员关键点信息；确定人员关键点信息中是否存在坐标缺失情形；若存在坐标缺失情形，根据坐标缺失情形的不同部位，进行不同的修正得到修正后的人员轮廓的像素点数量；根据预先训练的标准人员深度检测模型、边界坐标和修正后的人员轮廓的像素点数量确定深度估计值；根据深度估计值和识别方框信息确定人员相对距离；根据人员相对距离确定人员瞬时接触得分；根据人员瞬时接触得分确定人员异常接触得分；判断人员异常接触得分与预设阈值的大小，判定人员是否出现人员异常接触行为，进一步确定是否报警。

Description

一种楼宇走廊人员异常接触检测方法、设备和介质
技术领域
本申请涉及防控技术领域，特别是涉及一种楼宇走廊人员异常接触检测方法、设备和介质。
背景技术
防控人手紧张，仅依靠人工监督，难以无疏忽地进行有效管控。而现有监控分析技术对人员间距离的估算误差较大，无法保障监测结果的准确性。
发明内容
基于上述问题，本申请提供一种楼宇走廊人员异常接触检测方法、电子设备和存储介质。
第一方面，本申请实施例提供一种楼宇走廊人员异常接触检测方法，包括：
获取楼宇走廊人员中待检测人员轮廓的像素点数量、待检测人员识别方框信息、待检测人员边界坐标和待检测人员关键点信息；
确定待检测人员关键点信息中是否存在坐标缺失情形；
若确定待检测人员关键点信息中存在坐标缺失情形，根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量；
根据预先训练的标准人员深度检测模型、所述待检测人员边界坐标和所述修正后的人员轮廓的像素点数量确定待检测人员的深度估计值；
根据待检测人员的深度估计值和所述待检测人员识别方框信息确定人员相对距离；
根据待检测人员相对距离确定待检测人员瞬时接触得分；
根据待检测人员瞬时接触得分确定待检测人员异常接触得分；
判断人员异常接触得分与预设阈值的大小，若判断结果为人员异常接触得分大于预设阈值，判定出现人员异常接触行为，发送报警信息；
其中，人员关键点信息包括：人员肩膀的坐标、人员脖子坐标、人员胯骨坐标及人员膝盖坐标。
进一步地，上述一种楼宇走廊人员异常接触检测方法中，根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量，包括：
当待检测人员胯骨坐标(gx1，gy1)，(gx2，gy2)未全部缺失时，使用分割直线y＝b1，将待检测人员轮廓分为两个部分，并确定两部分区域中的像素点个数n2，n3，其中，n2为直线下方纵坐标小于b1的区域中的像素点个数， n1＝n2+n3，
对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量m1＝m2+m3，
当待检测人员肩膀的坐标(sx1，sy1)，(sx2，sy2)、待检测人员膝盖坐标 (kx1，ky1)，(kx2，ky2)未缺失时，m2、m3是通过如下公式确定的：
Figure BDA0003750153990000031
Figure BDA0003750153990000032
其中，
Figure BDA0003750153990000033
Figure BDA0003750153990000034
Figure BDA0003750153990000035
Figure BDA0003750153990000036
Figure BDA0003750153990000037
h表示标准人员的身高、s表示标准人员肩宽、e表示标准人员腰宽、k 表示标准人员膝间距，(nx,ny0表示待检测人员脖子坐标，c1为历史数据训练得到的第一修正常数，c2为历史数据训练得到的第二修正常数，c3为历史数据训练得到的第三修正常数。
进一步地，上述一种楼宇走廊人员异常接触检测方法中，根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量，还包括：
当待检测人员肩膀的坐标(sx1,sy10,(sx2,sy2)未缺失，待检测人员膝盖坐标(kx1,ky1),(kx2,ky2)存在缺失时，对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量m1＝m2+m3，m2、m3是通过如下公式确定的：
Figure BDA0003750153990000041
其中，
Figure BDA0003750153990000042
Figure BDA0003750153990000043
Figure BDA0003750153990000044
Figure BDA0003750153990000045
c4为历史数据训练得到的第四修正常数，c6为历史数据训练得到的第六修正常数，
Figure BDA0003750153990000046
进一步地，上述一种楼宇走廊人员异常接触检测方法中，根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量，还包括：
当待检测人员膝盖坐标(kx1,ky1),(kx2,ky2)未缺失，待检测人员肩膀坐标(sx1,sy1),(sx2,sy2)存在缺失时，对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量m1＝m2+m3，m2、m3是通过如下公式确定的：
Figure BDA0003750153990000051
Figure BDA0003750153990000052
其中，
Figure BDA0003750153990000053
Figure BDA0003750153990000054
Figure BDA0003750153990000055
Figure BDA0003750153990000056
c5为历史数据训练得到的第五修正常数，c7为历史数据训练得到的第七修正常数，
Figure BDA0003750153990000057
根据坐标缺失情形的不同部位对待检进一步地，上述一种楼宇走廊人员异常接触检测方法中，测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量，还包括：
当待检测人员胯骨坐标(gx1,gy1),(gx2,gy2)全部缺失时，对待检测人员身材进行修正得到修正后的人员轮廓的像素点数量m1是通过如下公式确定的：
m1＝c8n1，其中，c8为历史数据训练得到的第八修正常数。
进一步地，上述一种楼宇走廊人员异常接触检测方法中，根据待检测人员的深度估计值和待检测人员识别方框信息确定人员相对距离D，是通过如下公式确定的：
Figure BDA0003750153990000061
Figure BDA0003750153990000062
其中，d1、d2分别表示第一人员的深度估计值和第二人员的深度估计值， c9表示历史数据训练得到的第九修正常数；(x1,y1,w1,h1)、(x2,y2,w2,h2)分别表示第一人员的人员方框坐标和第二人员的人员方框坐标；L表示走廊的长度、W1表示走廊摄像头一端的走廊宽度、W2表示走廊摄像头另一端的走廊宽度W2、W3表示走廊的实际宽度。
进一步地，上述一种楼宇走廊人员异常接触检测方法中，根据人员相对距离D获得人员瞬时接触得分gdi，是通过如下公式确定的：
Figure BDA0003750153990000063
其中，i表示摄像头监控视频的帧数，ts1为设定的第一阈值，ts2为设定的第二阈值。
进一步地，上述一种楼宇走廊人员异常接触检测方法中，根据人员瞬时接触得分gdi确定人员异常接触得分G，包括：
获取连续N帧视频图像中的人员瞬时接触得分gdi；
根据所述人员瞬时接触得分gdi计算得到人员异常接触得分G，是通过如下公式确定的：
Figure BDA0003750153990000071
第二方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如上所述任一项所述的所述一种楼宇走廊人员异常接触检测方法。
第三方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如上所述任一项所述的所述一种楼宇走廊人员异常接触检测方法。
本申请实施例的优点在于：本申请通过获取走廊人员中人员轮廓的像素点数量、人员识别方框信息、人员边界坐标和人员关键点信息；确定人员关键点信息中是否存在坐标缺失情形；若存在坐标缺失情形，根据坐标缺失情形的不同部位，进行不同的修正得到修正后的人员轮廓的像素点数量；根据预先训练的标准人员深度检测模型、边界坐标和修正后的人员轮廓的像素点数量确定深度估计值；根据深度估计值和识别方框信息确定人员相对距离；根据人员相对距离确定人员瞬时接触得分；根据人员瞬时接触得分确定人员异常接触得分；判断人员异常接触得分与预设阈值的大小，判定人员是否出现人员异常接触行为，若出现人员异常接触行为，发送报警信息，管理处人员根据报警信息及时的对人员进行管控，而且管理处人员不需要去现场查看或者实时盯着监控，用户体验度高。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种楼宇走廊人员异常接触检测方法示意图；
图2是本公开实施例提供的一种电子设备的示意性框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵时做类似改进，因此本申请不受下面公开的具体实施的限制。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
图1为本申请实施例提供的一种楼宇走廊人员异常接触检测方法示意图。
第一方面，本申请实施例提供一种楼宇走廊人员异常接触检测方法，包括S101至S108八个步骤：
S101：获取楼宇走廊人员中待检测人员轮廓的像素点数量、待检测人员识别方框信息、待检测人员边界坐标和待检测人员关键点信息。
具体的，本申请实施例中，获取楼宇走廊人员中待检测人员轮廓的像素点数量n1及待检测人员识别方框信息(xj，yj，wj，hj)，其中xj为待检测人员识别方框的左上角横坐标，yj为待检测人员识别方框的左上角纵坐标，wj为待检测人员识别方框的宽，hj为待检测人员识别方框的高，j为图像内人员的序列编号，待检测人员边界坐标为(xj+0.5wj，yj+hj)，人员关键点信息包括：人员肩膀的坐标(sx1，sy1)，(sx2，sy2)、人员脖子坐标(nx，ny)、人员胯骨坐标 (gx1，gy1)，(gx2，gy2)及人员膝盖坐标(kx1，ky1)，(kx2，ky2)。
S102：确定待检测人员关键点信息中是否存在坐标缺失情形。
具体的，本申请实施例中，获取到的人员关键点信息包括：人员肩膀的坐标(sx1，sy1)，(sx2，sy2)、人员脖子坐标(nx，ny)、人员胯骨坐标 (gx1，gy1)，(gx2，gy2)及人员膝盖坐标(kx1，ky1)，(kx2，ky2)，进一步确定待检测人员关键点信息中是否存在坐标缺失情形，如膝盖坐标缺失、脖子坐标缺失等。
S103：若确定待检测人员关键点信息中存在坐标缺失情形，根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量。
具体的，本申请实施例中，下文结合不同的坐标缺失情形介绍对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量m1的方法。
S104：根据预先训练的标准人员深度检测模型、待检测人员边界坐标和修正后的人员轮廓的像素点数量确定待检测人员的深度估计值。
具体的，本申请实施例中，预先训练的标准人员深度检测模型是通过选取正常身材的标准人员，记录标准人员的身高h、肩宽s、腰宽信息e、膝间距k，从摄像头所在走廊一端至另一端均匀分成n个区间，其中n为设定的正整数，记录走廊的长度L、图像中走廊摄像头一端的走廊宽度W1及另一端的走廊宽度W2，走廊的实际宽度W3，收集标准人员在每个区间内不同朝向的行走及站立图像，其中人员朝向包括正、斜、侧三个方向，对图像中的标准人员进行标注，对不同区间内的待检测人员添加待检测人员深度标签，其中深度标签表示人员到摄像头所在走廊一端的距离，记录待检测人员轮廓中的像素点个数，使用标注后的标准人员图像进行训练得到的标准人员深度检测模型。
将修正后的人员轮廓的像素点数量m1及人员边界坐标(xj+0.5wj,yj+ hj)代入人员深度检测模型得到检测待人员的深度估计值dj。
S105：根据待检测人员的深度估计值和所述待检测人员识别方框信息确定人员相对距离。
S106：根据待检测人员相对距离确定待检测人员瞬时接触得分。
S107：根据待检测人员瞬时接触得分确定待检测人员异常接触得分。
具体的，本申请实施例中，下文结合具体的公式介绍确定人员相对距离、确定待检测人员瞬时接触得分和确定待检测人员瞬时接触得分的方法。
S108：判断待检测人员异常接触得分与预设阈值的大小，若判断结果为人员异常接触得分大于预设阈值，判定出现待检测人员异常接触行为，发送报警信息。
具体的，本申请实施例中，通过比较待检测人员异常接触得分与预设阈值的大小来确定待检测人员是否出现异常接触行为，在出现异常接触行为的情况下，发送报警信息，从而实现防控工作期间对人员的有效管控。
进一步地，上述一种楼宇走廊人员异常接触检测方法中，根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量，包括：
当待检测人员胯骨坐标(gx1，gy1)，(gx2，gy2)未全部缺失时，使用分割直线y＝b1，将待检测人员轮廓分为两个部分，并确定两部分区域中的像素点个数n2，n3，其中，n2为直线下方纵坐标小于b1的区域中的像素点个数， n1＝n2+n3，
对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量m1＝m2+m3，
当待检测人员肩膀的坐标(sx1，sy1)，(sx2，sy2)、待检测人员膝盖坐标 (kx1，ky1)，(kx2，ky2)未缺失时，m2、m3是通过如下公式确定的：
Figure BDA0003750153990000111
Figure BDA0003750153990000112
其中，
Figure BDA0003750153990000113
Figure BDA0003750153990000114
Figure BDA0003750153990000115
Figure BDA0003750153990000116
Figure BDA0003750153990000121
h表示标准人员的身高、s表示标准人员肩宽、e表示标准人员腰宽、k 表示标准人员膝间距，(nx，ny)表示待检测人员脖子坐标，c1为历史数据训练得到的第一修正常数，c2为历史数据训练得到的第二修正常数，c3为历史数据训练得到的第三修正常数。
进一步地，上述一种楼宇走廊人员异常接触检测方法中，根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量，还包括：
当待检测人员肩膀的坐标(sx1，sy1)，(sx2，sy2)未缺失，待检测人员膝盖坐标(kx1，ky1)，(kx2，ky2)存在缺失时，对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量m1＝m2+m3，m2、m3是通过如下公式确定的：
Figure BDA0003750153990000122
其中，
Figure BDA0003750153990000123
Figure BDA0003750153990000124
Figure BDA0003750153990000125
Figure BDA0003750153990000131
c4为历史数据训练得到的第四修正常数，c6为历史数据训练得到的第六修正常数，
Figure BDA0003750153990000132
进一步地，上述一种楼宇走廊人员异常接触检测方法中，根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量，还包括：
当待检测人员膝盖坐标(kx1，ky1)，(kx2，ky2)未缺失，待检测人员肩膀坐标(sx1，sy1)，(sx2，sy2)存在缺失时，对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量m1＝m2+m3，m2、m3是通过如下公式确定的：
Figure BDA0003750153990000133
Figure BDA0003750153990000134
其中，
Figure BDA0003750153990000135
Figure BDA0003750153990000136
Figure BDA0003750153990000137
Figure BDA0003750153990000141
c5为历史数据训练得到的第五修正常数，c7为历史数据训练得到的第七修正常数，
Figure BDA0003750153990000142
根据坐标缺失情形的不同部位对待检进一步地，上述一种楼宇走廊人员异常接触检测方法中，根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量，还包括：
当待检测人员胯骨坐标(gx1,gy1),(gx2,gy2)全部缺失时，对待检测人员身材进行修正得到修正后的人员轮廓的像素点数量m1是通过如下公式确定的：
m1＝c8n1，其中，c8为历史数据训练得到的第八修正常数。
进一步地，上述一种楼宇走廊人员异常接触检测方法中，根据待检测人员的深度估计值和待检测人员识别方框信息确定待检测人员相对距离D，是通过如下公式确定的：
Figure BDA0003750153990000143
Figure BDA0003750153990000144
其中，d1、d2分别表示第一人员的深度估计值和第二人员的深度估计值， c9表示历史数据训练得到的第九修正常数；(x1,y1,w1,h1)、(x2,y2,w2,h2)分别表示第一人员的人员方框坐标和第二人员的人员方框坐标；L表示走廊的长度、W1表示走廊摄像头一端的走廊宽度、W2表示走廊摄像头另一端的走廊宽度W2、W3表示走廊的实际宽度。
进一步地，上述一种楼宇走廊人员异常接触检测方法中，根据待检测人员相对距离D获得待检测人员瞬时接触得分gdi，是通过如下公式确定的：
Figure BDA0003750153990000151
其中，i表示摄像头监控视频的帧数，ts1为设定的第一阈值，ts2为设定的第二阈值。
具体的，本申请实施例中，ts1、ts2可以根据实际情况灵活确定。
进一步地，上述一种楼宇走廊人员异常接触检测方法中，根据待检测人员瞬时接触得分gdi确定待检测人员异常接触得分G，包括：
获取连续N帧视频图像中的待检测人员瞬时接触得分gdi；
根据所述待检测人员瞬时接触得分gdi计算得到待检测人员异常接触得分G，是通过如下公式确定的：
Figure BDA0003750153990000152
具体的，本申请实施例中，将连续N帧视频图像中的待检测人员瞬时接触得分gdi进行求和得到待检测人员异常接触得分G。
第二方面，本发明实施例还提供了一种电子设备，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如上所述任一项所述的所述一种楼宇走廊人员异常接触检测方法。
第三方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如上所述任一项所述的所述一种楼宇走廊人员异常接触检测方法。图2是本公开实施例提供的一种电子设备的示意性框图。
如图2所示，电子设备包括：至少一个处理器201、至少一个存储器202 和至少一个通信接口203。电子设备中的各个组件通过总线系统204耦合在一起。通信接口203，用于与外部设备之间的信息传输。可理解，总线系统 204用于实现这些组件之间的连接通信。总线系统204除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见，在图2 中将各种总线都标为总线系统204。
可以理解，本实施例中的存储器202可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
在一些实施方式中，存储器202存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。
其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本申请实施例提供的一种楼宇走廊人员异常接触检测方法中任一方法的程序可以包含在应用程序中。
在本申请实施例中，处理器201通过调用存储器202存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器201用于执行本申请实施例提供的一种楼宇走廊人员异常接触检测方法各实施例的步骤。
获取楼宇走廊人员中待检测人员轮廓的像素点数量、待检测人员识别方框信息、待检测人员边界坐标和待检测人员关键点信息；
确定待检测人员关键点信息中是否存在坐标缺失情形；
若确定待检测人员关键点信息中存在坐标缺失情形，根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量；
根据预先训练的标准人员深度检测模型、所述待检测人员边界坐标和所述修正后的人员轮廓的像素点数量确定待检测人员的深度估计值；
根据待检测人员的深度估计值和所述待检测人员识别方框信息确定人员相对距离；
根据人员相对距离确定人员瞬时接触得分；
根据人员瞬时接触得分确定人员异常接触得分；
判断人员异常接触得分与预设阈值的大小，若判断结果为人员异常接触得分大于预设阈值，判定出现人员异常接触行为，发送报警信息；
其中，人员关键点信息包括：人员肩膀的坐标、人员脖子坐标、人员胯骨坐标及人员膝盖坐标。
本申请实施例提供的一种楼宇走廊人员异常接触检测方法中任一方法可以应用于处理器201中，或者由处理器201实现。处理器201可以是一种集成电路芯片，具有信号能力。在实现过程中，上述方法的各步骤可以通过处理器201中的硬件的集成逻辑电路或者软件形式的指令完成。上述器201 可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规器等。
本申请实施例提供的一种楼宇走廊人员异常接触检测方法中任一方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器202，处理器201读取存储器202中的信息，结合其硬件完成一种楼宇走廊人员异常接触检测方法的步骤。
本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。
本领域的技术人员能够理解，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种楼宇走廊人员异常接触检测方法，其特征在于，包括：
获取楼宇走廊人员中待检测人员轮廓的像素点数量、待检测人员识别方框信息、待检测人员边界坐标和待检测人员关键点信息；
确定所述待检测人员关键点信息中是否存在坐标缺失情形；
若确定所述待检测人员关键点信息中存在坐标缺失情形，根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量；
根据预先训练的标准人员深度检测模型、所述待检测人员边界坐标和所述修正后的人员轮廓的像素点数量确定待检测人员的深度估计值；
根据所述待检测人员的深度估计值和所述待检测人员识别方框信息确定人员相对距离；
根据所述待检测人员相对距离确定人员瞬时接触得分；
根据所述待检测人员瞬时接触得分确定人员异常接触得分；
判断所述待检测人员异常接触得分与预设阈值的大小，若判断结果为所述待检测人员异常接触得分大于所述预设阈值，判定出现待检测人员异常接触行为，发送报警信息；
其中，待检测人员关键点信息包括：人员肩膀的坐标、人员脖子坐标、人员胯骨坐标及人员膝盖坐标。
2.根据权利要求1所述的一种楼宇走廊人员异常接触检测方法，其特征在于，所述根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量，包括：
当待检测人员胯骨坐标(gx1,gy1),(gx2,gy2)未全部缺失时，使用分割直线y＝b1，将待检测人员轮廓分为两个部分，并确定两部分区域中的像素点个数n2,n3，其中，n2为直线下方纵坐标小于b1的区域中的像素点个数，n1＝n2+n3，
对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量m1＝m2+m3，
当待检测人员肩膀的坐标(sx1,sy1),(sx2,sy2)、待检测人员膝盖坐标(kx1,ky1),(kx2,ky2)未缺失时，m2、m3是通过如下公式确定的：
Figure FDA0003750153980000021
Figure FDA0003750153980000022
其中，
Figure FDA0003750153980000023
Figure FDA0003750153980000024
Figure FDA0003750153980000025
Figure FDA0003750153980000026
Figure FDA0003750153980000027
h表示标准人员的身高、s表示标准人员肩宽、e表示标准人员腰宽、k表示标准人员膝间距，(nx,ny)表示待检测人员脖子坐标，c1为历史数据训练得到的第一修正常数，c2为历史数据训练得到的第二修正常数，c3为历史数据训练得到的第三修正常数。
3.根据权利要求2所述的一种楼宇走廊人员异常接触检测方法，其特征在于，所述根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量，还包括：
当待检测人员肩膀的坐标(sx1,sy1),(sx2,sy2)未缺失，待检测人员膝盖坐标(kx1,ky1),(kx2,ky2)存在缺失时，对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量m1＝m2+m3，m2、m3是通过如下公式确定的：
Figure FDA0003750153980000031
其中，
Figure FDA0003750153980000032
Figure FDA0003750153980000033
Figure FDA0003750153980000034
Figure FDA0003750153980000035
c4为历史数据训练得到的第四修正常数，c6为历史数据训练得到的第六修正常数，
Figure FDA0003750153980000036
4.根据权利要求2所述的一种楼宇走廊人员异常接触检测方法，其特征在于，所述根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量，还包括：
当待检测人员膝盖坐标(kx1,ky1),(kx2,ky2)未缺失，待检测人员肩膀坐标(sx1,sy1),(sx2,sy2)存在缺失时，对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量m1＝m2+m3，m2、m3是通过如下公式确定的：
Figure FDA0003750153980000041
Figure FDA0003750153980000042
其中，
Figure FDA0003750153980000043
Figure FDA0003750153980000044
Figure FDA0003750153980000045
Figure FDA0003750153980000046
c5为历史数据训练得到的第五修正常数，c7为历史数据训练得到的第七修正常数，
Figure FDA0003750153980000047
5.根据权利要求2所述的一种楼宇走廊人员异常接触检测方法，其特征在于，所述根据坐标缺失情形的不同部位对待检测人员身材进行不同的修正得到修正后的人员轮廓的像素点数量，还包括：
当待检测人员胯骨坐标(gx1,gy1),(gx2,gy2)全部缺失时，对待检测人员身材进行修正得到修正后的人员轮廓的像素点数量m1是通过如下公式确定的：
m1＝c8n1，其中，c8为历史数据训练得到的第八修正常数。
6.根据权利要求1所述的一种楼宇走廊人员异常接触检测方法，其特征在于，所述根据所述待检测人员的深度估计值和所述待检测人员识别方框信息确定人员相对距离D，是通过如下公式确定的：
Figure FDA0003750153980000051
Figure FDA0003750153980000052
其中，d1、d2分别表示第一人员的深度估计值和第二人员的深度估计值，c9表示历史数据训练得到的第九修正常数；(x1,y1,w1,h1)、(x2,y2,w2,h2)分别表示第一人员的人员方框坐标和第二人员的人员方框坐标；L表示走廊的长度、W1表示走廊摄像头一端的走廊宽度、W2表示走廊摄像头另一端的走廊宽度W2、W3表示走廊的实际宽度。
7.根据权利要求1所述的一种楼宇走廊人员异常接触检测方法，其特征在于，所述根据待检测人员相对距离D获得人员瞬时接触得分gdi，是通过如下公式确定的：
Figure FDA0003750153980000053
其中，i表示摄像头监控视频的帧数，ts1为设定的第一阈值，ts2为设定的第二阈值。
8.根据权利要求1所述的一种楼宇走廊人员异常接触检测方法，其特征在于，根据所述待检测人员瞬时接触得分gdi确定人员异常接触得分G，包括：
获取连续N帧视频图像中的人员瞬时接触得分gdi；
根据所述人员瞬时接触得分gdi计算得到人员异常接触得分G，是通过如下公式确定的：
Figure FDA0003750153980000061
9.一种电子设备，其特征在于，包括：处理器和存储器；
所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至8任一项所述一种楼宇走廊人员异常接触检测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至8任一项所述一种楼宇走廊人员异常接触检测方法。
CN202210839896.7A 2022-07-18 2022-07-18 一种楼宇走廊人员异常接触检测方法、设备和介质 Pending CN115223202A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210839896.7A CN115223202A (zh) 2022-07-18 2022-07-18 一种楼宇走廊人员异常接触检测方法、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210839896.7A CN115223202A (zh) 2022-07-18 2022-07-18 一种楼宇走廊人员异常接触检测方法、设备和介质

Publications (1)

Publication Number Publication Date
CN115223202A true CN115223202A (zh) 2022-10-21

Family

ID=83612469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210839896.7A Pending CN115223202A (zh) 2022-07-18 2022-07-18 一种楼宇走廊人员异常接触检测方法、设备和介质

Country Status (1)

Country Link
CN (1) CN115223202A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117115415A (zh) * 2023-10-25 2023-11-24 厦门久凌创新科技有限公司 基于大数据分析的图像标记处理方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117115415A (zh) * 2023-10-25 2023-11-24 厦门久凌创新科技有限公司 基于大数据分析的图像标记处理方法和系统
CN117115415B (zh) * 2023-10-25 2024-02-20 厦门久凌创新科技有限公司 基于大数据分析的图像标记处理方法和系统

Similar Documents

Publication Publication Date Title
US20200237266A1 (en) Action recognition and pose estimation method and apparatus
JP2023041969A (ja) 作業分析装置および作業分析方法
CN110414400B (zh) 一种施工现场安全帽穿戴自动检测方法及系统
CN115043285B (zh) 确定儿童违规操作电梯的方法、电子设备和存储介质
CN113255509A (zh) 一种基于Yolov3和OpenPose的工地危险行为监控方法
CN115223202A (zh) 一种楼宇走廊人员异常接触检测方法、设备和介质
US10496874B2 (en) Facial detection device, facial detection system provided with same, and facial detection method
CN111814776B (zh) 一种图像处理方法、设备、服务器及存储介质
CN115019402B (zh) 一种岸边人员危险行为检测方法、电子设备和存储介质
JP5149033B2 (ja) 動作解析方法及び動作解析装置並びにその動作解析装置を利用した動作評価装置
CN111339901A (zh) 基于图像的入侵检测方法、装置、电子设备及存储介质
CN114155492A (zh) 高空作业安全带挂绳高挂低用识别方法、装置和电子设备
CN109842800B (zh) 大数据压缩编码装置
CN114186896A (zh) 一种走廊安全监管方法、电子设备和存储介质
CN108174087A (zh) 一种灰度投影稳像中参考帧更新方法及系统
CN114529979A (zh) 人体姿势辨识系统、人体姿势辨识方法以及非暂态计算机可读取储存媒体
JP6884819B2 (ja) 安全管理装置、安全管理方法及び安全管理プログラム
CN106846299A (zh) 一种检测区域的校正方法和装置
CN112001336A (zh) 行人越界报警方法、装置、设备及系统
CN113838094B (zh) 一种基于智能视频识别的安全预警方法
CN114758507A (zh) 接驳站司机违规下车的处理方法、电子设备和存储介质
CN116229502A (zh) 基于图像的摔倒行为识别方法及设备
CN115982824A (zh) 施工现场工人空间管理方法、装置、电子设备及存储介质
CN116311361A (zh) 一种基于像素级标注的危险源室内工作人员定位方法
CN114973080A (zh) 一种安全帽佩戴检测方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination