[发明专利]一种无线人员跟踪定位识别的管理方法

说明书

本发明公开了一种无线人员跟踪定位识别的管理方法，包括以下步骤：S1 人体动作特征检测提取：采取高效二维的神经网络，对目标人物的面部、姿态、步伐、体征等多维进行分别提取；S2 针对人员特征，自动调节关注度机制对其权重进行重新分配与结合;S3 人员特征识别；S4 人员跟踪；本发明采用了多维混合，整合多种信息对人员进行精准定位与识别，并绘制完整运动路径，首先，采取高效二维的神经网络，对目标人物的面部、姿态、步伐、体征等多维进行分别提取，得到多维度的人员信息特征，然后针对这些特征，使用自动调节关注度机制对其权重进行重新分配与结合，最终得到准确的人员信息识别。

技术领域

本发明涉及跟踪定位技术领域，具体为一种无线人员跟踪定位识别的管理方法。

背景技术

随着科学技术与城市建设的发展，人们的活动范围越来越大，因此突发事件也越来越多，对于进入写字楼、小区、工地和市政单位等区域的安全管理越来越严格，对于进入区域的人员进行人脸识别确认和轨迹跟踪，有助于提高管理人员对于这些区域的管理，加强安全管理。现有人员识别跟踪技术只能是在不同的摄像的录像里面去调取查找相关人员，这样不仅效率低下，而且不能精确的查处人员的进入时间、行走地点和在各地点所做的事情，对人员定位比较被动，不方便进入人员管理。目前人员跟踪与识别技术，往往基于单个维度，准确率低，且遇到人多且拥挤的情况容易跟错，跟丢。因此，我们采用多维特征进行提取，并采用自动调节关注度机制对其特征进行自动筛选，使得人员将最显著的特征突出来进行识别，从而提高人员识别的准确率，并且在人员跟踪环节，加入人员信息特征的信息，也使得跟踪变得更加的准确。

发明内容

为了解决上述问题，本发明基于一种人员跟踪定位识别的管理方法，对人员进行跟踪定位和识别。本发明采用了多维混合，整合多种信息对人员进行精准定位与识别，并绘制完整运动路径，首先，采取高效二维的神经网络，对目标人物的面部、姿态、步伐、体征等多维进行分别提取，得到多维度的人员信息特征，然后针对这些特征，使用自动调节关注度机制对其权重进行重新分配与结合，最终得到准确的人员信息识别，同时根据人员所在目标点的位置、录像设备的位置，通过连续不同时刻的位置，计算其速度、运动轨迹等信息，实时预测人员接下来可能出现的位置来实现跟踪，并通过上一步提取的人员信息特征，进一步提升跟踪的准确率，使得就算在目标人员隐秘人群之中也能很好的进行跟踪。

为实现上述目的，本发明提供如下技术方案：一种无线人员跟踪定位识别的管理方法，包括以下步骤：

（1）人体动作特征检测提取：采取高效二维的神经网络，对目标人物的面部、姿态、步伐、体征等多维进行分别提取；

（2）针对人员特征，自动调节关注度机制对其权重进行重新分配与结合；

（3）人员特征识别；

（4）人员跟踪：根据人员所在目标点的位置、录像设备的位置，通过连续不同时刻的位置，计算其速度、运动轨迹等信息，实时预测人员接下来可能出现的位置来实现跟踪；

优选的，所述步骤（1）中人体动作特征检测提取的方法包括以下步骤；

（1）将待检测图片或视频帧首先通过数据预处理生成灰度图，按照原图的长宽比进行缩放，将缩放后图片的像素值粘贴到灰度图中，没有粘贴到的部分保留灰度值不变，缩放后的图片中的像素值进行归一化处理；

（2）将处理好的图像数据送入darknet-53网络，提取特征，darknet-53网络的特征提取层对输入图片进行5次下采样，每个尺度上的特征图通道数是上一尺度特征图的两倍，darknet-53网络的各个特征提取层提取特征经过conv2d操作得到特征图；

（3）对于后三个尺度的通道，分别采用改进后的hierarchical bilinear网络对相应通道的特征进行预测，将三个通道生成的三个特征图相互作元素积进行层间信息互补，然后采用sum pooling降维，并通过非线性变换、l2正则化，最后将变换得到的特征图进行维度拼接，采用全连接层进行分类输出，然后与原通道预测结果融合后输出；