本申請(qǐng)涉及圖像識(shí)別，特別地涉及一種人員侵限視覺(jué)識(shí)別方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序。

背景技術(shù)：

1、隨著視頻監(jiān)控技術(shù)的快速發(fā)展，高清晰度、高幀率以及實(shí)時(shí)傳輸?shù)囊曨l流使得我們能夠捕獲和分析更多的細(xì)節(jié)信息，監(jiān)控視頻為行為識(shí)別提供了豐富的數(shù)據(jù)源，通過(guò)攝像頭等設(shè)備實(shí)時(shí)采集的被監(jiān)控區(qū)域視頻，包含了大量的行為模式和動(dòng)態(tài)變化。

2、在實(shí)際應(yīng)用中，例如在火車站臺(tái)等公共交通場(chǎng)所，為了嚴(yán)格遵守安全規(guī)范和防止行人進(jìn)入危險(xiǎn)區(qū)域，監(jiān)控系統(tǒng)起著至關(guān)重要的作用。這些監(jiān)控系統(tǒng)通過(guò)實(shí)時(shí)監(jiān)測(cè)和錄像回放，幫助警務(wù)人員及時(shí)發(fā)現(xiàn)異常情況并采取必要的措施，確保乘客和工作人員的安全。但是現(xiàn)有技術(shù)中視頻監(jiān)控識(shí)別人員侵限事件效率較低，存在不能及時(shí)發(fā)送報(bào)警信息給警務(wù)人員的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)?zhí)峁┮环N人員侵限視覺(jué)識(shí)別方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序，以解決視頻監(jiān)控識(shí)別人員侵限事件效率較低，不能及時(shí)發(fā)送報(bào)警信息給警務(wù)人員的問(wèn)題。

2、第一方面，本申請(qǐng)?zhí)峁┝艘环N人員侵限視覺(jué)識(shí)別方法，包括：

3、獲取預(yù)設(shè)監(jiān)控范圍內(nèi)的監(jiān)控視頻數(shù)據(jù)，對(duì)所述監(jiān)控視頻數(shù)據(jù)進(jìn)行去噪，得到去噪視頻數(shù)據(jù)；

4、提取所述去噪視頻數(shù)據(jù)的視頻特征；

5、利用預(yù)先訓(xùn)練好的人員侵限視覺(jué)識(shí)別模型對(duì)所述視頻特征進(jìn)行多層異化卷積處理，得到所述監(jiān)控視頻數(shù)據(jù)內(nèi)的人員行為特征；

6、根據(jù)所述人員行為特征判斷所述監(jiān)控視頻數(shù)據(jù)內(nèi)是否存在人員侵限事件；

7、若所述監(jiān)控視頻數(shù)據(jù)內(nèi)存在人員侵限事件，則向預(yù)設(shè)人員發(fā)送報(bào)警信息。

8、在一些實(shí)施例中，所述對(duì)所述監(jiān)控視頻數(shù)據(jù)進(jìn)行去噪，得到去噪視頻數(shù)據(jù)，包括：

9、利用小波變換將所述監(jiān)控視頻數(shù)據(jù)的每幀圖像分解成不同頻數(shù)的小波系數(shù)；

10、對(duì)大于預(yù)設(shè)系數(shù)閾值的小波系數(shù)進(jìn)行逆變換，得到變換視頻數(shù)據(jù)；

11、統(tǒng)計(jì)所述變換視頻數(shù)據(jù)中每幀圖像的預(yù)設(shè)灰度級(jí)別像素?cái)?shù)量；

12、利用所述預(yù)設(shè)灰度級(jí)別像素?cái)?shù)量的統(tǒng)計(jì)結(jié)果生成灰度直方圖；

13、計(jì)算所述灰度直方圖的累積分布函數(shù)；

14、對(duì)所述累計(jì)分布函數(shù)進(jìn)行歸一化，得到歸一化函數(shù)；

15、利用所述歸一化函數(shù)計(jì)算所述預(yù)設(shè)灰度級(jí)別像素的更新灰度級(jí)別；

16、將所述更新灰度級(jí)別映射至所述變換視頻數(shù)據(jù)中每幀圖像中，得到更新幀圖像；

17、將所有更新幀圖像進(jìn)行串聯(lián)，得到去噪視頻數(shù)據(jù)。

18、在一些實(shí)施例中，所述提取所述去噪視頻數(shù)據(jù)的視頻特征，包括：

19、提取所述去噪視頻數(shù)據(jù)中的關(guān)鍵幀；

20、逐個(gè)選取所述關(guān)鍵幀中的一幀為目標(biāo)幀，將所述目標(biāo)幀轉(zhuǎn)化為目標(biāo)矩陣；

21、對(duì)所述目標(biāo)矩陣進(jìn)行二維卷積，得到卷積矩陣；

22、對(duì)所述卷積矩陣進(jìn)行全局平均池化，得到池化矩陣；

23、根據(jù)所述池化矩陣生成所述去噪視頻數(shù)據(jù)的視頻特征。

24、在一些實(shí)施例中，所述利用預(yù)先訓(xùn)練好的人員侵限視覺(jué)識(shí)別模型對(duì)所述視頻特征進(jìn)行多層異化卷積處理，得到所述監(jiān)控視頻數(shù)據(jù)內(nèi)的人員行為特征，包括：

25、將所述視頻特征轉(zhuǎn)化為初始特征矩陣；

26、利用所述人員侵限視覺(jué)識(shí)別模型中的二維卷積lstm層對(duì)所述初始特征矩陣進(jìn)行時(shí)序卷積，得到第一卷積矩陣；

27、利用所述人員侵限視覺(jué)識(shí)別模型中的三維卷積層對(duì)所述第一卷積矩陣進(jìn)行三維卷積，得到第二卷積矩陣；

28、對(duì)所述第二卷積矩陣進(jìn)行池化，得到池化矩陣；

29、對(duì)所述池化矩陣進(jìn)行全連接，得到所述監(jiān)控視頻數(shù)據(jù)內(nèi)的人員行為特征。

30、在一些實(shí)施例中，所述根據(jù)所述人員行為特征判斷所述監(jiān)控視頻數(shù)據(jù)內(nèi)是否存在人員侵限事件，包括：

31、計(jì)算所述人員行為特征與多種預(yù)設(shè)的人員侵限事件的吻合概率；

32、當(dāng)所述人員行為特征與任意一種人員侵限事件的吻合概率大于預(yù)設(shè)的概率閾值時(shí)，確定所述監(jiān)控視頻數(shù)據(jù)內(nèi)存在人員侵限事件；

33、當(dāng)所述人員行為特征與所有人員侵限事件的吻合概率小于或等于所述概率閾值時(shí)，確定所述監(jiān)控視頻數(shù)據(jù)內(nèi)不存在人員侵限事件。

34、在一些實(shí)施例中，所述向預(yù)設(shè)人員發(fā)送報(bào)警信息，包括：

35、根據(jù)所述監(jiān)控視頻數(shù)據(jù)生成關(guān)鍵視頻幀，并將所述關(guān)鍵視頻幀作為報(bào)警信息通過(guò)以下至少一種方式發(fā)送至所述預(yù)設(shè)人員：

36、通過(guò)短信向所述預(yù)設(shè)人員發(fā)送報(bào)警信息；

37、通過(guò)郵件向所述預(yù)設(shè)人員發(fā)送報(bào)警信息；

38、通過(guò)預(yù)設(shè)app推送向所述預(yù)設(shè)人員發(fā)送報(bào)警信息。

39、第二方面，本申請(qǐng)?zhí)峁┝艘环N人員侵限視覺(jué)識(shí)別裝置，包括：

40、數(shù)據(jù)去噪模塊，用于獲取預(yù)設(shè)監(jiān)控范圍內(nèi)的監(jiān)控視頻數(shù)據(jù)，對(duì)所述監(jiān)控視頻數(shù)據(jù)進(jìn)行去噪，得到去噪視頻數(shù)據(jù)；

41、特征提取模塊，用于提取所述去噪視頻數(shù)據(jù)的視頻特征；

42、數(shù)據(jù)分析模塊，用于利用預(yù)先訓(xùn)練好的人員侵限視覺(jué)識(shí)別模型對(duì)所述視頻特征進(jìn)行多層異化卷積處理，得到所述監(jiān)控視頻數(shù)據(jù)內(nèi)的人員行為特征；

43、特征判斷模塊，用于根據(jù)所述人員行為特征判斷所述監(jiān)控視頻數(shù)據(jù)內(nèi)是否存在人員侵限事件；

44、報(bào)警信息發(fā)送模塊，用于若所述監(jiān)控視頻數(shù)據(jù)內(nèi)存在人員侵限事件，則向預(yù)設(shè)人員發(fā)送報(bào)警信息。

45、第三方面，本申請(qǐng)?zhí)峁┝艘环N計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)上述方面所述方法的步驟。

46、第四方面，本申請(qǐng)?zhí)峁┝艘环N計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述方面所述方法的步驟。

47、第五方面，本申請(qǐng)?zhí)峁┝艘环N計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述方面所述方法的步驟。

48、本申請(qǐng)?zhí)峁┑囊环N人員侵限視覺(jué)識(shí)別方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序，獲取預(yù)設(shè)監(jiān)控范圍內(nèi)的監(jiān)控視頻數(shù)據(jù)，對(duì)所述監(jiān)控視頻數(shù)據(jù)進(jìn)行去噪，得到去噪視頻數(shù)據(jù)，提取所述去噪視頻數(shù)據(jù)的視頻特征，利用預(yù)先訓(xùn)練好的人員侵限視覺(jué)識(shí)別模型對(duì)所述視頻特征進(jìn)行多層異化卷積處理，得到所述監(jiān)控視頻數(shù)據(jù)內(nèi)的人員行為特征，根據(jù)所述人員行為特征判斷所述監(jiān)控視頻數(shù)據(jù)內(nèi)是否存在人員侵限事件，若所述監(jiān)控視頻數(shù)據(jù)內(nèi)存在人員侵限事件，則向預(yù)設(shè)人員發(fā)送報(bào)警信息。從而解決視頻監(jiān)控識(shí)別人員侵限事件效率較低，不能及時(shí)發(fā)送報(bào)警信息給警務(wù)人員的問(wèn)題。

49、1、利用小波變換對(duì)監(jiān)控視頻數(shù)據(jù)進(jìn)行去噪，保留有用的圖像信息，同時(shí)減少噪聲的影響，有效地提升監(jiān)控視頻數(shù)據(jù)質(zhì)量和后續(xù)識(shí)別人員侵限事件的準(zhǔn)確性。

50、2.基于卷積長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的人員侵限視覺(jué)識(shí)別模型定義了一個(gè)二維卷積lstm層，用于處理視頻數(shù)據(jù)的時(shí)間序列特征，一個(gè)三維卷積層，用于將提取的時(shí)間序列特征轉(zhuǎn)換為第二卷積矩陣。

技術(shù)特征：

1.人員侵限視覺(jué)識(shí)別的方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述監(jiān)控視頻數(shù)據(jù)進(jìn)行去噪，得到去噪視頻數(shù)據(jù)，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述提取所述去噪視頻數(shù)據(jù)的視頻特征，包括：

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述利用預(yù)先訓(xùn)練好的人員侵限視覺(jué)識(shí)別模型對(duì)所述視頻特征進(jìn)行多層異化卷積處理，得到所述監(jiān)控視頻數(shù)據(jù)內(nèi)的人員行為特征，包括：

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述人員行為特征判斷所述監(jiān)控視頻數(shù)據(jù)內(nèi)是否存在人員侵限事件，包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述向預(yù)設(shè)人員發(fā)送報(bào)警信息，包括：

7.一種人員侵限視覺(jué)識(shí)別裝置，其特征在于，所述裝置包括：

8.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)權(quán)利要求1至6中任一項(xiàng)所述方法的步驟。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至6中任一項(xiàng)所述方法的步驟。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至6中任一項(xiàng)所述方法的步驟。

技術(shù)總結(jié)
本申請(qǐng)涉及一種人員侵限視覺(jué)識(shí)別方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序，方法包括：獲取預(yù)設(shè)監(jiān)控范圍內(nèi)的監(jiān)控視頻數(shù)據(jù)，對(duì)所述監(jiān)控視頻數(shù)據(jù)進(jìn)行去噪，得到去噪視頻數(shù)據(jù)，提取所述去噪視頻數(shù)據(jù)的視頻特征，利用預(yù)先訓(xùn)練好的人員侵限視覺(jué)識(shí)別模型對(duì)所述視頻特征進(jìn)行多層異化卷積處理，得到所述監(jiān)控視頻數(shù)據(jù)內(nèi)的人員行為特征，根據(jù)所述人員行為特征判斷所述監(jiān)控視頻數(shù)據(jù)內(nèi)是否存在人員侵限事件，若所述監(jiān)控視頻數(shù)據(jù)內(nèi)存在人員侵限事件，則向預(yù)設(shè)人員發(fā)送報(bào)警信息。本申請(qǐng)?zhí)岣吡艘曨l監(jiān)控識(shí)別人員侵限事件效率，如果發(fā)現(xiàn)人員侵限事件，及時(shí)發(fā)送報(bào)警信息給警務(wù)人員。

技術(shù)研發(fā)人員：梁春燕,曹曉宇,史立柱,石云飛,劉云
受保護(hù)的技術(shù)使用者：國(guó)能新朔準(zhǔn)池鐵路（山西）有限責(zé)任公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2