[发明专利]一种边缘设备的目标捕获方法、系统及相关设备

权利要求书

1.一种边缘设备的目标捕获方法，其特征在于，所述方法包括：

获取视频数据，并将所述视频数据按时序拆帧得到的帧图像依序放入检测队列中；

利用训练好的深度学习算法对所述检测队列中每一所述帧图像做目标检测，并在每一所述帧图像中标记检测到的人脸框、人形框、车辆框、车牌框；

对每一所述帧图像中的所述人脸框、所述人形框、所述车辆框进行目标追踪，将所有所述帧图像中目标追踪结果相同的所述人脸框、所述人形框、所述车辆框分别赋予同一个追踪ID，并将所述目标追踪结果输出；

对每一所述帧图像中的所述人脸框和所述人形框进行单向绑定关联，对同一所述帧图像中的所述车辆框和所述车牌框进行双向绑定关联；

对拥有同一所述追踪ID的所述人脸框、所述人形框、所述车辆框、所述车牌框分别按预设规则进行图像评判，并将所述图像评判的结果输出；

其中，所述对每一所述帧图像中的所述人脸框和所述人形框进行单向绑定关联，对同一所述帧图像中的所述车辆框和所述车牌框进行双向绑定关联的步骤，包括以下子步骤：

获取每一所述帧图像中的所述人脸框的坐标、所述人形框的坐标、所述车辆框的坐标、所述车牌框的坐标；

以所述人脸框为队列，遍历同一所述帧图像中的所有所述人形框，将满足预设人脸人形关联条件的一个所述人形框与所述人脸框建立单向绑定关联，并将所述人脸框对应的所述追踪ID作为所述人形框的人脸绑定关联ID；

以所述车牌框为队列，遍历同一所述帧图像中的所有所述车辆框，将满足所述车牌框与所述车辆框之间的坐标满足预设车牌位置条件的所述车牌框与所述车辆框建立双向绑定关联，并将所述车辆框对应的所述追踪ID赋值给所述车牌框，使所述车牌框具备与所述车辆框相同的所述追踪ID；

以所述人脸框为队列，遍历同一所述帧图像中的所有所述人形框，将满足预设人脸人形关联条件的一个所述人形框与所述人脸框建立单向绑定关联，并将所述人脸框对应的所述追踪ID作为所述人形框的人脸绑定关联ID的步骤还包括：

从同一所述帧图像中选择其中一个所述人脸框去遍历同一所述帧图像中的所述人形框，并判断所述人形框是否已与其他所述人脸框形成所述单向绑定关系；

将所述人形框的左右上边界和横中轴线内设为所述人脸框的检索范围；

计算所述人脸框与所述人形框的所述检索范围的中心点之间的坐标距离；

将计算得到的所述坐标距离更新为所述人脸框与所述人形框之间的实际距离，并判断所述人脸框是否完成了全部所述人形框的遍历；

将所述人脸框对应的所述追踪ID赋值给其遍历的所有所述人形框中所述实际距离最小的一个所述人形框，并将所述追踪ID作为所述人形框的所述人脸绑定关联ID，建立单向绑定关系。

2.如权利要求1所述的边缘设备的目标捕获方法，其特征在于，所述训练好的深度学习算法包括依次设置的由Focus结构和CSP结构组成的主干网络、SPP结构和FPN+PAN结构组成的特征增强网络、损失函数和非极大值抑制组成的预测网络。

3.如权利要求2所述的边缘设备的目标捕获方法，其特征在于，所述利用训练好的深度学习算法对所述检测队列中每一所述帧图像做目标检测，并在每一所述帧图像中标记检测到的人脸框、人形框、车辆框、车牌框的步骤，包括以下子步骤：

将所述检测队列中的每一所述帧图像通过所述主干网络进行特征提取，得到基础特征图；

将所述基础特征图通过所述特征增强网络进行特征融合，得到特征向量；

将所述特征向量通过所述预测网络进行目标检测，得到选框标记的具有置信度的目标图像，并根据所述目标图像的类型进行划分，得到所述人脸框、所述人形框、所述车辆框、所述车牌框。

4.如权利要求3所述的边缘设备的目标捕获方法，其特征在于，所述利用训练好的深度学习算法对所述检测队列中每一所述帧图像做目标检测，并在每一所述帧图像中标记检测到的人脸框、人形框、车辆框、车牌框，其中，每一所述人脸框、所述人形框、所述车辆框、所述车牌框还包括一个置信度的步骤后，还包括：

根据所述置信度对所有所述人脸框、所述人形框、所述车辆框、所述车牌框按照预设排序规则进行快速排序。