一种多行人目标识别方法及系统技术方案

本发明专利技术公开了一种多行人目标识别方法及系统，其中方法包括如下步骤：获取预设地域内的待识别图像；依据多行人识别模型获取所述待识别图像中的行人图像区域及属性图像区域；对所述行人图像区域和所述属性图像区域进行特征匹配，得到所述预设地域的多行人识别结果。通过机器学习模型同时识别出图像中存在的人员和各类属性特征，采用一定的几何规则进行目标特征点位的融合和匹配，可在保证识别准确率的情况下，有效节约资源，提高总体识别效率。提高总体识别效率。提高总体识别效率。

【技术实现步骤摘要】
一种多行人目标识别方法及系统


[0001]本专利技术涉及图像识别
，特别涉及一种多行人目标识别方法及系统。

技术介绍

[0002]工程施工或作业现场的通常都隐藏很多安全隐患，现场作业人员有时安全意识不够、偶尔懒散且抱有侥幸心理，监管人员数量有限，再加之疏忽管理，虽然出台了一系列安全保障措施，但是每年依然会发生由于不规范操作导致的安全事故。因此，如何监管到位，有效保证现场作业人员生命和生产活动的安全具有十分重要的意义。
[0003]随着科技创新进步，采用大数据、机器学算法、人工智能、图像分析技术等先进手段，通过机器代替人为监督管理，通过检测分析，及时发现现场工作人员未佩戴安全帽、着装不合格等违规行为，抓拍图像记录并继续宁实时告警。可以有效解决由于监督体系力量缺乏、全过程监督薄弱、监控水平低的难题。
[0004]为解决上述问题，需要同时从视频中获取人员特征、安全帽特征、着装特征等多类别特征，而现场工作环境复杂，人员数目较多，如何将多种多类特征按照人员身份进行一一匹配和融合是亟待解决的问题。

技术实现思路

[0005]本专利技术实施例的目的是提供一种多行人目标识别方法及系统，通过机器学习模型同时识别出图像中存在的人员和各类属性特征，采用一定的几何规则进行目标特征点位的融合和匹配，可在保证识别准确率的情况下，有效节约资源，提高总体识别效率。
[0006]为解决上述技术问题，本专利技术实施例的第一方面提供了一种多行人目标识别方法，包括如下步骤：
[0007]获取预设地域内的待识别图像；
[0008]依据多行人识别模型获取所述待识别图像中的行人图像区域及属性图像区域；
[0009]对所述行人图像区域和所述属性图像区域进行特征匹配，得到所述预设地域的多行人识别结果。
[0010]进一步地，所述依据多行人识别模型获取所述待识别图像中的行人图像区域及属性图像区域之前，还包括：
[0011]获取人体在多姿态多场景下的若干张图像数据；
[0012]对所述若干张图像数据中的所述行人图像区域和所述属性图像区域进行标识；
[0013]通过添加标识的所述若干张图像数据对卷积神经网络进行训练，得到所述多行人识别模型。
[0014]进一步地，所述属性图像区域包括下述中的至少一种：第一属性图像子区域、第二属性图像子区域、第三属性图像子区域；
[0015]所述第一属性图像子区域与人体的头部位置相对应；
[0016]所述第二属性图像子区域与所述人体的躯干位置相对应；
[0017]所述第三属性图像子区域与所述人体的腿部位置对应。
[0018]进一步地，所述第一属性图像子区域的属性特征包括：安全帽图像特征；
[0019]所述第二属性图像子区域的属性特征包括：反光背心图像特征；
[0020]所述第三属性图像子区域的属性特征包括：工装裤图像特征。
[0021]进一步地，所述对所述行人图像区域和所述属性图像区域进行特征匹配，包括：
[0022]对所述属性图像子区域进行粗筛选；
[0023]依据粗筛选结果，对所述属性图像子区域进行细筛选，得到所述属性图像子区域与所述行人图像区域的特征匹配结果。
[0024]进一步地，所述对所述属性图像子区域进行粗筛选，包括：
[0025]若一个所述属性图像子区域全部位于一个所述行人图像区域内，则判定所述属性图像子区域属于所述行人图像区域，并进行所述细筛选；
[0026]若一个所述属性图像子区域部分位于一个所述行人图像区域内，则判断所述属性图像子区域位于所述行人图像区域的比例值是否超过预设比例值，如是则判定所述属性图像子区域属于所述行人图像区域，并进行所述细筛选；
[0027]若一个所述属性图像子区域分别位于多个所述行人图像区域内，则判断所述属性图像子区域分别位于多个所述行人图像区域的比例值是否相同或相近，如否则判定所述属性图像子区域属于与最高所述比例值相对应的所述行人图像区域，如是则对所述属性图像子区域进行多行人图像区域判断。
[0028]进一步地，所述对所述属性图像子区域进行多行人图像区域判断，包括：
[0029]获取所述属性图像子区域中心点的位置信息；
[0030]分别计算所述属性图像子区域中心点与多个所述行人图像区域中人体的所述头部位置、所述躯干位置和所述腿部位置的距离值；
[0031]结合所述属性图像子区域的属性特征及所述距离值，判定所述属性图像子区域属于与最小所述距离值相对应的所述行人图像区域。
[0032]进一步地，所述对所述属性图像子区域进行细筛选，包括：
[0033]获取所述属性图像子区域中心点的位置信息；
[0034]分别计算所述属性图像子区域中心点与所述行人图像区域中人体的所述头部位置、所述躯干位置和所述腿部位置的距离值；
[0035]结合所述属性图像子区域的属性特征及所述距离值，判定所述属性图像子区域属于与最小所述距离值相对应的人体部位位置。
[0036]相应地，本专利技术实施例的第二方面提供了一种多行人目标识别系统，包括：
[0037]获取模块，其用于获取预设地域内的待识别图像；
[0038]识别模块，其用于依据多行人识别模型获取所述待识别图像中的行人图像区域及属性图像区域；
[0039]匹配模块，其用于对所述行人图像区域和所述属性图像区域进行特征匹配，得到所述预设地域的多行人识别结果。
[0040]进一步地，所述多行人目标识别系统还包括：模型训练模块，其包括：
[0041]图像获取单元，其用于获取人体在多姿态多场景下的若干张图像数据；
[0042]标识单元，其用于对所述若干张图像数据中的所述行人图像区域和所述属性图像
区域进行标识；
[0043]训练单元，其用于通过添加标识的所述若干张图像数据对卷积神经网络进行训练，得到所述多行人识别模型。
[0044]进一步地，所述属性图像区域包括下述中的至少一种：第一属性图像子区域、第二属性图像子区域、第三属性图像子区域；
[0045]所述第一属性图像子区域与人体的头部位置相对应；
[0046]所述第二属性图像子区域与所述人体的躯干位置相对应；
[0047]所述第三属性图像子区域与所述人体的腿部位置对应。
[0048]进一步地，所述第一属性图像子区域的属性特征包括：安全帽图像特征；
[0049]所述第二属性图像子区域的属性特征包括：反光背心图像特征；
[0050]所述第三属性图像子区域的属性特征包括：工装裤图像特征。
[0051]进一步地，所述匹配模块包括：
[0052]粗筛选子模块，其用于对所述属性图像子区域进行粗筛选；
[0053]细筛选子模块，其用于依据粗筛选结果，对所述属性图像子区域进行细筛选，得到所述属性图像子区域与所述行人图像区域的特征匹配结果。
[0054]进一步地，所述粗筛本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多行人目标识别方法，其特征在于，包括如下步骤：获取预设地域内的待识别图像；依据多行人识别模型获取所述待识别图像中的行人图像区域及属性图像区域；对所述行人图像区域和所述属性图像区域进行特征匹配，得到所述预设地域的多行人识别结果。2.根据权利要求1所述的多行人目标识别方法，其特征在于，所述依据多行人识别模型获取所述待识别图像中的行人图像区域及属性图像区域之前，还包括：获取人体在多姿态多场景下的若干张图像数据；对所述若干张图像数据中的所述行人图像区域和所述属性图像区域进行标识；通过添加标识的所述若干张图像数据对卷积神经网络进行训练，得到所述多行人识别模型。3.根据权利要求1所述的多行人目标识别方法，其特征在于，所述属性图像区域包括下述中的至少一种：第一属性图像子区域、第二属性图像子区域、第三属性图像子区域；所述第一属性图像子区域与人体的头部位置相对应；所述第二属性图像子区域与所述人体的躯干位置相对应；所述第三属性图像子区域与所述人体的腿部位置对应。4.根据权利要求3所述的多行人目标识别方法，其特征在于，所述第一属性图像子区域的属性特征包括：安全帽图像特征；所述第二属性图像子区域的属性特征包括：反光背心图像特征；所述第三属性图像子区域的属性特征包括：工装裤图像特征。5.根据权利要求3所述的多行人目标识别方法，其特征在于，所述对所述行人图像区域和所述属性图像区域进行特征匹配，包括：对所述属性图像子区域进行粗筛选；依据粗筛选结果，对所述属性图像子区域进行细筛选，得到所述属性图像子区域与所述行人图像区域的特征匹配结果。6.根据权利要求5所述的多行人目标识别方法，其特征在于，所述对所述属性图像子区域进行粗筛选，包括：若一个所述属性图像子区域全部位于一个所述行人图像区域内，则判定所述属性图像子区域属于所述行人图像区域，并进行所述细筛选；若一个所述属性图像子区域部分位于一个所述行人图像区域内，则判断所述属性图像子区域位于所述行人图像区域的比例值是否超过预设比例值，如是则判定所述属性图像子区域属于所述行人图像区域，并进行所述细筛选；若一个所述属性图像子区域分别位于多个所述行人图像区域内，则判断所述属性图像子区域分别位于多个所述行人图像区域的比例值是否相同或相近，如否则判定所述属性图像子区域属于与最高所述比例值相对应的所述行人图像区域，如是则对所述属性图像子区域进行多行人图像区域判断。7.根据权利要求6所述的多行人目标识别方法，其特征在于，所述对所述属性图像子区域进行多行人图像区域判断，包括：
获取所述属性图像子区域中心点的位置信息；分别计算所述属性图像子区域中心点与多个所述行人图像区域中人体的所述头部位置、所述躯干位置和所述腿部位置的距离值；结合所述属性图像子区域的属性特征及所述距离值，判定所述属性图像子区域属于与最小所述距离值相对应的所述行人图像区域。8.根据权利要求5所述的多行人目标识别方法，其特征在于，所述对所述属性图像子区域进行细筛选，包括：获取所述属性图像子区域中心点的位置信息；分别计算所述属性图像子区域中心点与所述行人图像区域中人体的所述头部位置、所述躯干位置和所述腿部位置的距离值；结合所述属性图像子区域的属性特征及所述距离值，判定所述属性图像子区域属于与最小所述距离值相对应的人体部位位置。9.一种多行人目标识别系统，其特征在于，包括：获取模块，其用于获取预设地域内的待识别图像...

【专利技术属性】
技术研发人员：刘睿丹，翟登辉，邵宇鹰，彭鹏，张航，许丹，赵梦洁，李东宾，张亚浩，李昭阳，高培源，
申请(专利权)人：许继集团有限公司国家电网有限公司，
类型：发明
国别省市：