[发明专利]基于图像处理的厂区人数监测方法、系统、终端及介质

权利要求书

1.基于图像处理的厂区人数监测方法，其特征是，包括以下步骤：

获取目标区域进出口的连续帧图像，并对每帧图像中的行人进行目标检测，得到行人检测框；

依据设置阈值和行人检测框的置信度将行人检测框划分成高分检测框和低分检测框，并利用BYTE关联方法分别对高分检测框和低分检测框进行关联匹配以确定目标的运动轨迹；

根据运动轨迹和区域信息确定目标区域的进出人数监测信息。

2.根据权利要求1所述的基于图像处理的厂区人数监测方法，其特征是，所述行人检测框的检测过程具体为：

依据连续帧图像建立针对工厂行人的目标检测数据集；

依据目标检测网络和目标检测数据集进行目标检测预测，得到行人检测框。

3.根据权利要求2所述的基于图像处理的厂区人数监测方法，其特征是，所述目标检测数据集的构建过程具体为：

以VOC格式对工厂监控视频和行人样本图像中的行人目标进行标记，并联合COCO数据集和VOC数据集构成增强的行人检测数据集；

以cycleGAN方式生成不同光照条件下的图像，并通过copy-paste增强方法加入拥挤的行人样本和遮挡的行人样本，得到目标检测数据集。

4.根据权利要求2所述的基于图像处理的厂区人数监测方法，其特征是，所述目标检测网络具体为：

利用CSPDarknet53网络提取每一帧图像特征；

利用SPP模块配合FPN和PAN结构作为特征融合网络对特征进行融合；

以及，以CIOU_Loss函数作为损失函数来构建目标检测网络。

5.根据权利要求1所述的基于图像处理的厂区人数监测方法，其特征是，所述高分检测框和低分检测框的划分过程具体为：

设置阈值包括第一阈值和第二阈值，第一阈值大于第二阈值；

若行人检测框的置信度大于或等于第一阈值，则相应的行人检测框分为高分检测框；

若行人检测框的置信度小于第一阈值以及大于或等于第二阈值，则相应的行人检测框分为低分检测框。

6.根据权利要求1所述的基于图像处理的厂区人数监测方法，其特征是，所述高分检测框的关联匹配过程具体为：

利用卡尔曼滤波器对行人目标在不同时间的轨迹位置进行预测，得到预测框；

利用BYTE关联方法将高分检测框与预测框进行关联处理；

计算高分检测框与预测框之间的第一IOU值得到相似度；

采用匈牙利算法进行匹配，将match函数值低于第一匹配值的第一IOU值过滤；

不被匹配的高分检测框保存至存储集D_tbd中，不被匹配的预测框保存至存储集T_tbd；

所述低分检测框的关联匹配过程具体为：

利用BYTE关联方法将低分检测框与存储集T_tbd中的预测框进行关联处理；

计算低分检测框与存储集T_tbd中的预测框之间的第二IOU值得到相似度；

采用匈牙利算法进行匹配，将match函数值低于第二匹配值的第二IOU值过滤；

不被匹配的低分检测框视为背景进行删除，不被匹配的存储集T_tbd中的预测框保存至存储集T_thd-thd中。

7.根据权利要求6所述的基于图像处理的厂区人数监测方法，其特征是，若所述存储集T_thd-thd中的预测框超过基准帧数仍未被匹配，则丢弃处理；若存储集D_tbd中连续存在4个连续帧，则存储集D_tbd中的高分检测框初始化为一个新轨迹，并将存储集D_tbd中其余的高分检测框丢弃。