人员离位检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种人员离位检测模型构建以及人员离位检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取人员视频图像集，根据人员视频图像集，提取人员的位置信息、人员的姿态信息以及人员的人脸图像，对人员的人脸图像进行人脸特征提取和表情特征提取，分别得到人员的人脸特征和人员的表情特征，基于人员的位置信息、人员的姿态信息、人员的人脸特征以及人员的表情特征，构建人员离位检测模型，获取待测人员视频图像集，将待测人员视频图像集输入至人员离位检测模型，获得人员离位检测结果。采用本方法结合多种检测条件构建人员离位检测模型，从多个数据维度来对人员离位进行检测，能够支持准确的人员离位检测。检测。检测。

【技术实现步骤摘要】
人员离位检测方法、装置、计算机设备和存储介质


[0001]本申请涉及智能监控
，特别是涉及一种人员离位检测方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着图像处理和计算机视觉技术的发展，出现了视频监控技术，为确保重要通信站点和区域目标的安全稳定，关键区域内通常安排有人员站岗，并配给枪械或安全维护器械，然而人员被袭和器械被抢等案件时有发生，严重影响了地区的安全稳定，对人员及器械离位检测愈发重要。
[0003]现有的人员离位检测方法，大多采用无线通信技术，在器械上安装无线信号发射模块，利用发射模块与接收装置之间的无线通信，实时定位人员及器械的位置，一旦检测到人员超出预定位置即触发报警信号，通知相关人员处理，然而，这种无线通信方法，人员或器械离开规定范围是触发离位检测报警的唯一条件，因此，存在检测不准确的问题。

技术实现思路

[0004]基于此，有必要针对传统无线通信的人员检测方法存在检测不准确的问题，提供一种能够支持准确检测的人员离位检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种人员离位检测模型构建方法。所述方法包括：
[0006]获取人员视频图像集；
[0007]根据人员视频图像集，提取人员的位置信息、人员的姿态信息以及人员的人脸图像；
[0008]对人员的人脸图像进行人脸特征提取和表情特征提取，分别得到人员的人脸特征和人员的表情特征；
[0009]基于人员的位置信息、人员的姿态信息、人员的人脸特征以及人员的表情特征，构建人员离位检测模型。
[0010]在其中一个实施例中，根据人员视频图像集，提取人员的位置信息包括：
[0011]采用目标检测算法识别出视频图像集中的人员；
[0012]获取人员的位置信息。
[0013]在其中一个实施例中，根据人员视频图像集，提取人员的姿态信息包括：
[0014]采用姿态识别算法识别多种姿态下视频图像集的人体姿态关键点；
[0015]获取人体姿态关键点的三维坐标；
[0016]通过三维坐标，提取人员的姿态信息、并构建人员姿态信息库。
[0017]在其中一个实施例中，根据人员视频图像集，提取人员的人脸图像包括：
[0018]采用MTCNN(Multi
‑
task Convolutional Neural Network，多任务卷积神经网络)算法，从视频图像集中提取人脸关键点；
[0019]根据人脸关键点的坐标，获得人脸中心坐标；
[0020]根据人脸中心坐标，从视频图像集中截取预设大小的图像，获得人员的人脸图像。
[0021]第二方面，本申请还提供了一种人员离位检测模型构建装置。所述装置包括：
[0022]图像集获取模块，用于获取人员视频图像集；
[0023]信息提取模块，用于根据人员视频图像集，提取人员的位置信息、人员的姿态信息以及人员的人脸图像；
[0024]特征提取模块，用于对人员的人脸图像进行人脸特征提取和表情特征提取，分别得到人员的人脸特征和人员的表情特征；
[0025]模型构建模块，用于基于人员的位置信息、人员的姿态信息、人员的人脸特征以及人员的表情特征，构建人员离位检测模型。
[0026]第三方面，本申请提供了一种人员离位检测方法。所述方法包括：
[0027]获取待测人员视频图像集；
[0028]将待测人员视频图像集输入至人员离位检测模型，获得人员离位检测结果，其中，人员离位检测模型采用上述人员离位检测模型构建方法得到。
[0029]在其中一个实施例中，将待测人员视频图像集输入至人员离位检测模型，获得人员离位检测结果包括：
[0030]将待测人员视频图像集输入至人员离位检测模型，获得待测人员的位置信息、待测人员的姿态信息、待测人员的人脸图像；
[0031]将待测人员的位置信息与人员离位检测模型中的位置信息比对，获得待测人员是否在位的结果；
[0032]若在位结果为是，则采用相似度对比法，将待测人员的姿态信息与人员离位检测模型中的姿态信息比对，获得待测人员姿态是否变化的结果；
[0033]将待测人员人脸图像与人员离位检测模型中的人脸图像比对，获得待测人员人脸识别结果；
[0034]根据待测人员是否在位的结果、姿态是否变化的结果以及人脸识别结果，获得待测人员的离位检测结果。
[0035]第四方面，本申请还提供了一种人员离位检测装置。所述装置包括：
[0036]待测图像集获取模块，用于获取待测人员视频图像集；
[0037]检测结果获取模块，用于将待测人员视频图像集输入至人员离位检测模型，获得人员离位检测结果，其中，人员离位检测模型采用上述人员离位检测模型构建方法得到。
[0038]第五方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0039]获取人员视频图像集；根据人员视频图像集，提取人员的位置信息、人员的姿态信息以及人员的人脸图像；对人员的人脸图像进行人脸特征提取和表情特征提取，分别得到人员的人脸特征和人员的表情特征；基于人员的位置信息、人员的姿态信息、人员的人脸特征以及人员的表情特征，构建人员离位检测模型；获取待测人员视频图像集；将待测人员视频图像集输入至人员离位检测模型，获得人员离位检测结果。
[0040]第六方面，本申请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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0041]获取人员视频图像集；根据人员视频图像集，提取人员的位置信息、人员的姿态信息以及人员的人脸图像；对人员的人脸图像进行人脸特征提取和表情特征提取，分别得到人员的人脸特征和人员的表情特征；基于人员的位置信息、人员的姿态信息、人员的人脸特征以及人员的表情特征，构建人员离位检测模型；获取待测人员视频图像集；将待测人员视频图像集输入至人员离位检测模型，获得人员离位检测结果。
[0042]第七方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0043]获取人员视频图像集；根据人员视频图像集，提取人员的位置信息、人员的姿态信息以及人员的人脸图像；对人员的人脸图像进行人脸特征提取和表情特征提取，分别得到人员的人脸特征和人员的表情特征；基于人员的位置信息、人员的姿态信息、人员的人脸特征以及人员的表情特征，构建人员离位检测模型；获取待测人员视频图像集；将待测人员视频图像集输入至人员离位检测模型，获得人员离位检测结果。
[0044]上述人员离位检测模型构建方法、装置、计算机设备、存储介质和计算机程序产品，通过获取人员视频图像集，从视频图像集中提取人员的位置信息、人员的姿本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人员离位检测模型构建方法，其特征在于，所述方法包括：获取人员视频图像集；根据所述人员视频图像集，提取人员的位置信息、人员的姿态信息以及人员的人脸图像；对所述人员的人脸图像进行人脸特征提取和表情特征提取，分别得到人员的人脸特征和人员的表情特征；基于所述人员的位置信息、所述人员的姿态信息、所述人员的人脸特征以及所述人员的表情特征，构建人员离位检测模型。2.根据权利要求1所述的人员离位检测模型构建方法，其特征在于，所述根据所述人员视频图像集，提取人员的位置信息包括：采用目标检测算法识别出所述视频图像集中的人员；获取所述人员的位置信息。3.根据权利要求1所述的人员离位检测模型构建方法，其特征在于，所述根据所述人员视频图像集，提取人员的姿态信息包括：采用姿态识别算法识别多种所述姿态下所述视频图像集的人体姿态关键点；获取所述人体姿态关键点的三维坐标；通过所述三维坐标，提取人员的姿态信息、并构建人员姿态信息库。4.根据权利要求1所述的人员离位检测模型构建方法，其特征在于，所述根据所述人员视频图像集，提取人员的人脸图像包括：采用MTCNN算法，从所述视频图像集中提取人脸关键点；根据所述人脸关键点的坐标，获得人脸中心坐标；根据所述人脸中心坐标，从所述视频图像集中截取预设大小的图像，获得所述人员的人脸图像。5.一种人员离位检测方法，其特征在于，所述方法包括：获取待测人员视频图像集；将所述待测人员视频图像集输入至人员离位检测模型，获得人员离位检测结果，所述人员离位检测模型采用如权利要求1
‑
4任意一项所述的人员离位检测模型构建方法得到。6.根据权利要求5所述的人员离位检测方法，其特征在于，所述将所述待测人员视频图像集输入至人员离位检测模型，获得人员离位检测结果包括：将所述待测人员视频图像集输入至人员离位检测模型，获得所述待测人员的位置信息、所述待测人员的姿态信息、所述待测人员的人脸图...

【专利技术属性】
技术研发人员：崔洋洋，王星宇，
申请(专利权)人：游密科技深圳有限公司，
类型：发明
国别省市：