The invention belongs to the technical field of image processing, in particular to a parallel processing method of personnel detection and recognition based on video stream, which uses the video stream for background subtraction to extract foreground, puts the picture after foreground extraction into the same convolution network to detect and identify personnel, and uses OIM loss function and other loss functions to supervise the learning of network; the method is based on video stream The parallel processing method of personnel detection and recognition is mainly used in indoor scenes. The illumination is relatively stable, and the recognition and matching can play a better effect. In addition, the preprocessing through foreground extraction before personnel detection can improve the accuracy of subsequent personnel detection. In this paper, background subtraction method is combined with CNN network to achieve the combination of personnel detection and recognition based on video flow The result of line processing improves the accuracy of the model, trains the personnel detection and personnel recognition in the same neural network, and shares the parameters.
【技术实现步骤摘要】
一种基于视频流的人员检测与识别的并行处理方法
本专利技术属于图像处理
,具体涉及一种基于视频流的人员检测与识别的并行处理方法。
技术介绍
人员重识别指的是利用计算机视觉技术,判断图像或者视频序列中是否存在某个特定人员的技术,人员重识别被广泛地认为是一个图像检索的子问题,给定一个监控人员图像,来检索跨设备下的该人员图像,重识别技术通过人的衣服颜色、姿态等特征以及给定的标准来匹配目标人员与检测,该技术在保卫安全领域有着广泛的应用。深度学习是近些年出现的一种利用计算机的高性能进行图像检测分割的新型机器学习算法,由于其准确性和快速成为图像检测与分割的热门算法,传统利用深度学习进行人员重识别是将人员检测与人员重识别看作两个部分,分别利用两个神经网络进行学习,这种算法不能共享底层参数,影响了算法的准确度和计算效率,所以使用一个神经网络对两个检测与识别两个目标进行并行训练,保证了更高的准确度。
技术实现思路
为解决上述
技术介绍
中提出的问题。本专利技术提供了一种基于视频流的人员检测与识别的并行处理方法,具有可以通过视频画面的特征提取前景,并使检测与识别两个过程共享底层参数,提高人员重识别的准确度,提高计算效率的特点。为实现上述目的,本专利技术提供如下技术方案:一种基于视频流的人员检测与识别的并行处理方法,利用所述视频流进行背景减除法提取前景,将提取前景后的图片放入同一个卷积网络中检测与识别人员,利用OIM损失函数及其他损失函数监督网络的学习,主CNN网络为ResNet-50。优选的, ...
【技术保护点】
1.一种基于视频流的人员检测与识别的并行处理方法,其特征在于:利用视频流进行背景减除法提取前景,将提取前景后的图片放入同一个卷积网络中检测与识别人员,利用OIM损失函数及其他损失函数监督网络的学习,主CNN网络为ResNet-50。/n
【技术特征摘要】
1.一种基于视频流的人员检测与识别的并行处理方法,其特征在于:利用视频流进行背景减除法提取前景,将提取前景后的图片放入同一个卷积网络中检测与识别人员,利用OIM损失函数及其他损失函数监督网络的学习,主CNN网络为ResNet-50。
2.根据权利要求1所述的一种基于视频流的人员检测与识别的并行处理方法,包括以下步骤:
S1、创建数据集:通过监控摄像头得到所需检测的视频,并将视频流按帧解析得到多帧RGB图像,按时间顺序逐帧保存图像,手工标记所得图像的人员边界框及人员标;
S2、前景提取:将前帧的图像与背景图像进行差分比较,建立每个像素点的高斯模型,并得到每个像素点的概率分布,利用概率分布提取前景;
S3、模型训练:使用ResNet-50的前4个卷积层作为网络进行训练,通过训练得到卷积特征图,将特征图转换为人员检测设计的特征图并放入人员待选网络中,使用softmax分类器识别人员,得到待选人员特征图,利用Ro...
【专利技术属性】
技术研发人员:陈金越,胡贤良,方建勇,曹春胜,
申请(专利权)人:旭辉卓越健康信息科技有限公司,
类型:发明
国别省市:浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。