[发明专利]一种边缘设备的目标捕获方法、系统及相关设备

说明书

本发明适用于人工智能应用领域，提供了一种边缘设备的目标捕获方法、系统及相关设备，所述方法包括：获取视频数据，并将按时序拆帧得到的帧图像放入检测队列中；利用深度学习算法对检测队列中每一帧图像做目标检测，并标记检测到的人脸框、人形框、车辆框、车牌框；对每一人脸框、人形框、车辆框进行目标追踪，将目标追踪结果相同框分别赋予同一个追踪ID，并将结果输出；对每一帧图像中的人脸框和人形框进行单向绑定关联，对车辆框和车牌框进行双向绑定关联；对拥有同一追踪ID的框进行图像评判，并分别对人脸框、人形框、车辆框、车牌框进行评分并输出。本发明降低了资源占用率，弥补了边缘设备性能不足的问题。

技术领域

本发明属于人工智能应用领域，尤其涉及一种边缘设备的目标捕获方法、系统及相关设备。

背景技术

随着智慧城市安防系统的实用化的迅速铺展，从边缘监控设备获取的海量监控图像数据中高速、有效地提取高价值信息成为安防系统的技术难点。对于边缘设备而言，计算能力较弱的缺点一直是其发展瓶颈，虽然近年来硬件设备性能大幅提升，但仍难以实时图像处理这类计算密集型应用的需求，尤其针对特定领域应用，对设备的响应速度，稳定性和可靠性均有较高的要求，这给相关的算法设计造成了更大的难题。

伴随人工智能技术的迅速发展，使得利用了人工智能技术的计算机视觉设备也具有了一定的计算能力。在智能安防领域将人作为重要的监控目标来进行算法设计是公认的趋势，因此，通过边缘设备承载和快速运行的人工智能算法以实现监控目标的快速捕获成为了智能安防领域的一道难题。

发明内容

本发明实施例提供一种边缘设备的目标捕获方法、系统及相关设备，旨在解决在现有的人工智能算法部署于边缘设备的集成难度高、且计算性能受限于边缘设备算力和基础设备、导致处理速度慢的问题。

第一方面，本发明实施例提供一种边缘设备的目标捕获方法，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。

更进一步地，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。

更进一步地，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。