【技术实现步骤摘要】
本专利技术涉及防尾随检测，尤其涉及一种基于视频图像的防尾随检测系统。
技术介绍
1、在通关核验场景中，常常有尾随情形出现，如，未经合法验证的人员跟随一个通过合法验证的人员一起，试图通过人行通道闸机，因此防尾随检测工作亟需普及。
2、现有技术包括如下几种：1）目前行业中通常采用的红外检测装置，通过判断红外光束是否被阻挡的探测方式来检测行人，但这种方式无法区分行人和行李物品，容易引起误判，再者红外监测范围小，缺乏灵活性，存在许多盲区，因此红外检测方法无法较好地实现防尾随功能；2）基于深度图像的检测方法，利用深度信息可以较准确的定位到行人，减少紧贴、蹲行、行李遮挡等造成的漏检，但是深度传感器计算量庞大，对硬件设备有要求，且市面上大多数深度传感器不能计算出精确的深度信息，对识别的距离也有严格的要求，高精度的传感器芯片技术不成熟，成本很高，量产困难；3）基于多传感器融合，如热红外传感器、深度传感器、rgb摄像头等，采用其中任意两种或以上进行信息融合，能够监测复杂场景下的尾随情况，但加大了硬件成本和计算开销，增加了布控难度和量产成本；4）基于rgb图像的检测方法，通过检测行人头部或者行人来判断闸机通道内行人个数，当前流行的目标检测算法中，模型会生成大量候选框，然后利用nms方法（non-maximum suppression，非极大值抑制）去除冗余的、重叠度高的候选框，从而确定最终的检测结果，但面对复杂监控场景，如，紧贴、并行、蹲行，儿童跟随等情况，行人躯干或者人头会有重叠，部分情况重叠度更高，如，怀抱婴儿，拥抱、环抱等，经过n
技术实现思路
1、本专利技术的一个目的在于提供一种基于视频图像的防尾随检测系统，能够结合三种检测结果，依据行人个数判定逻辑判断闸机通道区域内行人个数，通过输出信息联动报警系统，对尾随情况发出报警，使用成本低，计算效率高，且多目标检测，信息互补，可以有效解决复杂场景下的漏检、误检。
2、本专利技术的其它优势和特点通过下述的详细说明得以充分体现并可通过所附权利要求中特地指出的手段和装置的组合得以实现。
3、依本专利技术的一个方面，能够实现前述目的和其他目的和优势的本专利技术的一种基于视频图像的防尾随检测系统，包括：
4、图像采集模块，所述图像采集模块获取检测区域的视频流并解码为图像帧序列；
5、智能分析算法模块，将图像帧序列输入到所述智能分析算法模块，所述智能分析算法模块通过内置的深度学习检测算法和行人个数判断算法，从而输出当前检测区域的行人个数；
6、联动报警模块，将当前检测区域的行人个数传输到所述联动报警模块，当行人个数大于一个时，所述联动报警模块发出指令控制通道的闸门关闭并报警。
7、根据本专利技术的一个实施例，在所述图像采集模块获取检测区域的视频流并解码为图像帧序列之前，根据行人通道位置划分通道内检测区域。
8、根据本专利技术的一个实施例，所述智能分析算法模块的目标检测方法采用基于改进的detr方法，被改进后的detr方法基于编码器和解码器结构，特征提取网路采用轻量网络，使用delight block替换编码器和解码器中的tranformer block。
9、根据本专利技术的一个实施例，delight block包括：1个有n个glts的delight转换；3个平行的用于键、查询和值的线性层；1个投影层；轻量级ffn的2个线性层。
10、根据本专利技术的一个实施例，detr方法采用协同混合分配训练方案，通过一对多的标签分配方式，监督训练多个并行辅助头。
11、根据本专利技术的一个实施例，改进的detr方法增加了目标关键点检测，模型损失除了分类损失和边框回归损失，还增加了关键点监督损失，其中，和采用detr中的损失函数，的每个关键点样本输入形式为，conf为可见性标识，其中三个值0、1、2分别代表其不存在、存在但被遮挡、存在且不被遮挡。
12、根据本专利技术的一个实施例，关键点监督损失函数包含关键点损失和关键点置信度损失，关键点监督损失函数表达式如下：，
13、其中，是类别n的关键点坐标真实值，是类别n的关键点坐标预测值，为关键点的可见性标识，0为不可见，1为可见，为类别n的关键点置信度预测值，bce 为二分类交叉熵损失函数，wing为wing loss函数，表达式为：，
14、监督损失计算公式如下：，其中，=0.5, =0.05, =0.1, =0.5，
15、其中，智能分析算法中人数计算逻辑基于三个检测对象：行人、人头、行人关键点，id为行人的检测框为，关键点为，其中=1,2,...,n，n为检测到的行人个数，与行人身份绑定的人头检测框为：，未绑定行人的人头检测框为：，其中k=1,2,...,m，其中，m为未绑定行人的人头个数，行人总数：num=m+n。
16、根据本专利技术的一个实施例，人头与行人绑定的逻辑准则为：
17、计算人头t的检测框与所有行人检测框的相对iou值，相对iou的计算公式如下：，其中，表示和交集区域的面积，表示的面积，coriou的值的范围从0到1，coriou的值越高表示和的重叠程度越高，人头t和行人j绑定需满足以下3个条件：
18、1）行人j未绑定其他人头；
19、2） ；
20、3）或在中，其中，为id为j的行人关键点。
21、根据本专利技术的一个实施例，对detr方法进行轻量化改进时，delight block使用glt在组线性变换的不同组之间共享信息，glt先使用尺寸扩张，然后进行尺寸缩减。
22、根据本专利技术的一个实施例，所述协同混合分配训练方案包括如下步骤：（1）给定编码器的潜在特征，首先通过多尺度适配器将其转换为特征金字塔，其中j表示具有下采样步长的特征图，对于多尺度编码器，只对特征f中浅层粗糙特征进行下采样以构建特征金字塔；（2）定义k个具有相应标签分配方式的协作头，对于第i个协作头，向其发送以获得预测，对于第i个辅助头，是用于计算的正样本和负样本的监督目标；（3）定义是样本真实标签gt的集合，正负样本确定可以描述为：，
23、其中，是空间正样本坐标集合，和分别代表正负样本的预测结果，结果包括类别和回归偏移；
24、第i个辅助头的回归损失函数如下：，优化k个辅助头的训练目标可本文档来自技高网...
【技术保护点】
1.一种基于视频图像的防尾随检测系统，其特征在于，包括：
2.根据权利要求1所述的防尾随检测系统，其特征在于，在所述图像采集模块获取检测区域的视频流并解码为图像帧序列之前，根据行人通道位置划分通道内检测区域。
3.根据权利要求2所述的防尾随检测系统，其特征在于，所述智能分析算法模块的目标检测方法采用基于改进的DETR方法，被改进后的DETR方法基于编码器和解码器结构，特征提取网路采用轻量网络，使用DeLight block替换编码器和解码器中的Tranformer block。
4.根据权利要求3所述的防尾随检测系统，其特征在于，DeLight block包括：1个有N个GLTs的DeLight转换；3个平行的用于键、查询和值的线性层；1个投影层；轻量级FFN的2个线性层。
5.根据权利要求4所述的防尾随检测系统，其特征在于，DETR方法采用协同混合分配训练方案，通过一对多的标签分配方式，监督训练多个并行辅助头。
6.根据权利要求5所述的防尾随检测系统，其特征在于，改进的DETR方法增加了目标关键点检测，模型损失除了分类
7.根据权利要求6所述的防尾随检测系统，其特征在于，关键点监督损失函数包含关键点损失和关键点置信度损失，关键点监督损失函数表达式如下：，
8.根据权利要求7所述的防尾随检测系统，其特征在于，人头与行人绑定的逻辑准则为：
9.根据权利要求8所述的防尾随检测系统，其特征在于，对DETR方法进行轻量化改进时，DeLight block使用GLT在组线性变换的不同组之间共享信息，GLT先使用尺寸扩张，然后进行尺寸缩减。
10.根据权利要求9所述的防尾随检测系统，其特征在于，所述协同混合分配训练方案包括如下步骤：（1）给定编码器的潜在特征，首先通过多尺度适配器将其转换为特征金字塔，其中J表示具有下采样步长的特征图，对于多尺度编码器，只对特征F中浅层粗糙特征进行下采样以构建特征金字塔；（2）定义k个具有相应标签分配方式的协作头，对于第i个协作头，向其发送以获得预测，对于第i个辅助头，是用于计算的正样本和负样本的监督目标；（3）定义是样本真实标签GT的集合，正负样本确定可以描述为：，
...【技术特征摘要】
1.一种基于视频图像的防尾随检测系统，其特征在于，包括：
2.根据权利要求1所述的防尾随检测系统，其特征在于，在所述图像采集模块获取检测区域的视频流并解码为图像帧序列之前，根据行人通道位置划分通道内检测区域。
3.根据权利要求2所述的防尾随检测系统，其特征在于，所述智能分析算法模块的目标检测方法采用基于改进的detr方法，被改进后的detr方法基于编码器和解码器结构，特征提取网路采用轻量网络，使用delight block替换编码器和解码器中的tranformer block。
4.根据权利要求3所述的防尾随检测系统，其特征在于，delight block包括：1个有n个glts的delight转换；3个平行的用于键、查询和值的线性层；1个投影层；轻量级ffn的2个线性层。
5.根据权利要求4所述的防尾随检测系统，其特征在于，detr方法采用协同混合分配训练方案，通过一对多的标签分配方式，监督训练多个并行辅助头。
6.根据权利要求5所述的防尾随检测系统，其特征在于，改进的detr方法增加了目标关键点检测，模型损失除了分类损失和边框回归损失，还增加了关键点监督损失，其中，和采用detr中的...
【专利技术属性】
技术研发人员：聂芸芸，夏炉系，张浒，赵俊，魏新建，
申请(专利权)人：盛视科技股份有限公司，
类型：发明
国别省市：
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。