CN106022235B - 基于人体探测的遗漏孩童检测方法 - Google Patents

基于人体探测的遗漏孩童检测方法 Download PDF

Info

Publication number
CN106022235B
CN106022235B CN201610314230.4A CN201610314230A CN106022235B CN 106022235 B CN106022235 B CN 106022235B CN 201610314230 A CN201610314230 A CN 201610314230A CN 106022235 B CN106022235 B CN 106022235B
Authority
CN
China
Prior art keywords
target
detection
infrared sensor
search window
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610314230.4A
Other languages
English (en)
Other versions
CN106022235A (zh
Inventor
谢剑斌
刘通
闫玮
李沛秦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN201610314230.4A priority Critical patent/CN106022235B/zh
Publication of CN106022235A publication Critical patent/CN106022235A/zh
Application granted granted Critical
Publication of CN106022235B publication Critical patent/CN106022235B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

本发明涉及一种基于人体探测的遗漏孩童检测方法。在极低功耗的情况下，采用红外传感器对人体目标进行初检；在初步检测到可疑目标之后，再启动摄像机，采用视频目标复核方法确认是否存在遗留孩童，通过双层检测模式，既可以降低***功耗，又可以降低遗漏孩童检测的虚警率和漏警率，从而提高遗留孩童检测的可靠性。

Description

基于人体探测的遗漏孩童检测方法
技术领域
本发明涉及一种遗漏孩童检测方法，属于视频监控技术领域。
背景技术
近些年，多次发生校车上遗漏孩童而造成的孩童死亡事故，引起了社会的强烈关注。为了防范此类事故，除了对相关责任人和乘车孩童进行经常性的安全教育和监督检查之外，还需要从技术上提高遗漏孩童的发现和预警能力。随着计算机视觉技术的快速发展，人体检测技术越来越成熟，专利“车内滞留乘员状态识别及险态控制***”（编号：CN201510779628.0，2015）通过压力传感器检测座位上是否存在有乘客遗留，这种检测方法无法区分人和物，也无法检测走廊或其他未安装传感器区域的遗留孩童，同时检测精度也不高。文献“Deeply Learned Attributes for Crowded Scene Understanding”（CVPR，2015）采用深度学习方法检测图像中是否存在人体目标，但该方法对于车辆上存在遮挡情况的孩童检测效果不好。文献“（Automatic Head Detection for Passenger FlowAnalysis in Bus Surveillance Videos”（CISP,2012）通过在车门处架设摄像机统计出入的人数，计数精度不高，无法准确判断车上是否遗漏孩童。
发明内容
本发明特提出一种低功耗的遗漏孩童可靠检测方法。
本发明的技术方案是：在极低功耗的情况下，采用红外传感器对人体目标进行初检；在初步检测到可疑目标之后，再启动摄像机，采用视频目标复核方法确认是否存在遗留孩童，通过双层检测模式，既可以降低***功耗，又可以降低遗漏孩童检测的虚警率和漏警率，从而提高遗留孩童检测的可靠性。
为实现上述发明目的，本发明采用下述的技术方案，流程图如图1所示：
1、红外人体探测初检
当校车停止后，由于发动机不工作，使用校车的蓄电池给遗留孩童检测设备供电时特别需要关注***的功耗问题。如果***的功耗过高，易耗费蓄电池过多电量，从而导致校车无法点火。
本发明所述的遗留孩童检测设备主要包括三个模块：ARM处理板、红外传感器、摄像机（带红外LED）。其中，ARM处理板和红外传感器功耗很低，而摄像机功耗较高，如果在光线较暗的情况下开启了红外LED，那么功耗就更高了。为了降低***功耗，本发明采用ARM处理板控制各模块的供电，在静默状态下只给ARM处理板和红外传感器供电，这两个模块的功耗都非常低。仅当红外传感器探测到可疑目标时，才通知ARM处理器给功耗大的摄像机上电。具体步骤为：
Step 1：ARM处理板查询连接红外传感器的GPIO电平；
Step 2：如果连接红外传感器的GPIO电平为高电平，表示红外传感器探测到目标，那么给摄像机上电，关闭红外传感器电源；否则，转入Step 1。
Step 3：ARM处理板启动视频目标复核线程。
Step 4：在3分钟时间段内查询视频目标复核线程的检测结果，如果视频目标复核线程检测到目标，则启动车辆的语音报警，并启动无线通信模块发送车内图像和车辆信息给校车负责人和上层监管部门，发送完毕后关闭无线通信模块、语音模块。
Step5：关闭摄像机，同时给红外传感器上电，转入Step 1。
2、视频目标复核
为降低红外传感器引起的虚警，本发明在红外传感器触发报警之后，采用视频分析方法对可疑目标进行复核。具体步骤为：
Step1：边缘计算
考虑到目标与背景之间必然存在灰度差异，因此本发明先在灰度图像上采用梯度算子求取图像边缘。像素点
Figure 100002_DEST_PATH_IMAGE002
的梯度可以表示为
Figure 100002_DEST_PATH_IMAGE004
其中，f(x,y)表示像素点
Figure 113729DEST_PATH_IMAGE002
处的图像灰度，
Figure DEST_PATH_IMAGE006
和
Figure DEST_PATH_IMAGE008
分别表示其沿
Figure DEST_PATH_IMAGE010
和
Figure DEST_PATH_IMAGE012
方向的梯度。具体梯度值可以采用图像与梯度算子模板的卷积来表示，本发明采用Sobel算子，如图2所示。
像素点
Figure 190882DEST_PATH_IMAGE002
的梯度模值可以表示为
Figure DEST_PATH_IMAGE014
对于每一个像素点，如果其梯度模值m大于阈值T1，则认为该像素点为边缘像素点。本发明中，阈值T1取经验值10。
Step2：目标粗定位
对图像进行多尺度搜索，具体地，设最小搜索窗口尺寸为
Figure 100002_DEST_PATH_IMAGE016
（也即可疑目标的最小尺寸，本发明中图像尺寸为640×480，
Figure 100002_DEST_PATH_IMAGE018
取为10，
Figure 100002_DEST_PATH_IMAGE020
取为20），最大搜索窗口尺寸为
Figure 100002_DEST_PATH_IMAGE022
（也即可疑目标的最大尺寸，本发明中
Figure 100002_DEST_PATH_IMAGE024
取为60，
Figure 100002_DEST_PATH_IMAGE026
取为120）。先进行行搜索，此时搜索窗口的高度不变，每一轮搜索完毕（即从图像左上角开始到达右下角为止）之后窗口宽度增加1，直至达到最大窗口宽度
Figure 846509DEST_PATH_IMAGE024
；然后搜索窗口高度增加1，继续重复行搜索，直至搜索窗口宽度和高度分别达到
Figure 640021DEST_PATH_IMAGE024
和
Figure 695702DEST_PATH_IMAGE026
。在多尺度搜索过程中，判断每一个搜索窗口中是否满足以下两个条件：
（1）搜索窗口内包含边缘像素点；
（2）搜索窗口的四条边上不存在边缘像素点，也即所有边缘像素点都在搜索窗口内部。
如果某搜索窗口满足上述两个条件，则认为该搜索窗口可能存在目标，存储该矩形框。
然后，将所有存储的矩形框进行合并操作，具体地，将位置上存在重叠的矩形框合并，合并后矩形框的起点坐标和尺寸取合并前两个矩形框坐标和尺寸的平均值，同时，对于合并后的矩形框，记录其所合并的矩形框总数，作为该矩形框的得分。
最后，对于合并后的矩形框，如果其得分大于阈值T2，则保留该矩形框，认为该矩形框内包含可疑目标；否则，删除该矩形框。在本发明中，阈值T2取经验值5。
Step3：霍夫圆检测
遍历Step2检测到的各个矩形框，对每一个矩形框，扫描其中的边缘像素点，采用霍夫圆检测方法判断该矩形框中是否存在近似圆，并记录圆的半径R。如果T3<R<T4，则认为存在遗留孩童，视频目标复核结果为存在孩童目标。如果所有矩形框都不存在遗留孩童，则认为图像中没有孩童目标。其中，T3和T4为经验阈值，在本发明中T3=5、T4=30。
本发明的优点在于：采用红外人体探测初检和视频目标复核双层检测模式，既可以降低***功耗，又可以降低遗漏孩童检测的虚警率和漏警率。
附图说明
图1 遗留孩童检测流程图；
图2 Sobel算子模板。
具体实施方式
一种低功耗的遗漏孩童可靠检测方法，采用红外传感器对人体目标进行初检；在初步检测到可疑目标之后，再启动摄像机，采用视频目标复核方法确认是否存在遗留孩童，通过双层检测模式，既可以降低***功耗，又可以降低遗漏孩童检测的虚警率和漏警率，从而提高遗留孩童检测的可靠性。

Claims (1)

1.基于人体探测的遗漏孩童检测方法，其特征在于，采用红外传感器对人体目标进行初检；在初步检测到可疑目标之后，再启动摄像机，采用视频目标复核方法确认是否存在遗留孩童，
流程如下：
(1)、红外人体探测初检
遗留孩童检测设备包括三个模块：ARM处理板、红外传感器、摄像机，采用ARM处理板控制各模块的供电，在静默状态下只给ARM处理板和红外传感器供电，这两个模块的功耗都低，仅当红外传感器探测到可疑目标时，才通知ARM处理器给摄像机上电，具体步骤为：
Step 1：ARM处理板查询连接红外传感器的GPIO电平；
Step 2：如果连接红外传感器的GPIO电平为高电平，表示红外传感器探测到目标，那么给摄像机上电，关闭红外传感器电源；否则，转入Step 1；
Step 3：ARM处理板启动视频目标复核线程；
Step 4：在3分钟时间段内查询视频目标复核线程的检测结果，如果视频目标复核线程检测到目标，则启动车辆的语音报警，并启动无线通信模块发送车内图像和车辆信息给校车负责人和上层监管部门，发送完毕后关闭无线通信模块、语音模块；
Step5：关闭摄像机，同时给红外传感器上电，转入Step 1；
（2）、视频目标复核
为降低红外传感器引起的虚警，在红外传感器触发报警之后，采用视频分析方法对可疑目标进行复核，具体步骤为：
Step2.1：边缘计算
考虑到目标与背景之间必然存在灰度差异，先在灰度图像上采用梯度算子求取图像边缘，像素点
Figure DEST_PATH_IMAGE002
的梯度表示为
Figure DEST_PATH_IMAGE004
其中，f(x,y)表示像素点
Figure DEST_PATH_IMAGE002A
处的图像灰度，
Figure DEST_PATH_IMAGE007
和
Figure DEST_PATH_IMAGE009
分别表示其沿
Figure DEST_PATH_IMAGE011
和
Figure DEST_PATH_IMAGE013
方向的梯度，具体梯度值采用图像与梯度算子模板的卷积来表示，
像素点
Figure DEST_PATH_IMAGE002AA
的梯度模值表示为
Figure DEST_PATH_IMAGE016
对于每一个像素点，如果其梯度模值m大于阈值T1，则认为该像素点为边缘像素点，中，阈值T1取经验值10；
Step2.2：目标粗定位
对图像进行多尺度搜索，具体地，设最小搜索窗口尺寸为
Figure DEST_PATH_IMAGE018
，也即可疑目标的最小尺寸，图像尺寸为640×480，
Figure DEST_PATH_IMAGE020
取为10，
Figure DEST_PATH_IMAGE022
取为20，最大搜索窗口尺寸为
Figure DEST_PATH_IMAGE024
，也即可疑目标的最大尺寸，
Figure DEST_PATH_IMAGE026
取为60，
Figure DEST_PATH_IMAGE028
取为120，先进行行搜索，此时搜索窗口的高度不变，每一轮搜索完毕，即从图像左上角开始到达右下角为止，之后窗口宽度增加1，直至达到最大窗口宽度
Figure DEST_PATH_IMAGE026A
；然后搜索窗口高度增加1，继续重复行搜索，直至搜索窗口宽度和高度分别达到
Figure DEST_PATH_IMAGE026AA
和
Figure DEST_PATH_IMAGE028A
，在多尺度搜索过程中，判断每一个搜索窗口中是否满足以下两个条件：
（a）搜索窗口内包含边缘像素点；
（b）搜索窗口的四条边上不存在边缘像素点，也即所有边缘像素点都在搜索窗口内部，
如果某搜索窗口满足上述两个条件，则认为该搜索窗口可能存在目标，存储该矩形框，
然后，将所有存储的矩形框进行合并操作，具体地，将位置上存在重叠的矩形框合并，合并后矩形框的起点坐标和尺寸取合并前两个矩形框坐标和尺寸的平均值，同时，对于合并后的矩形框，记录其所合并的矩形框总数，作为该矩形框的得分，
最后，对于合并后的矩形框，如果其得分大于阈值T2，则保留该矩形框，认为该矩形框内包含可疑目标；否则，删除该矩形框，阈值T2取经验值5；
Step2.3：霍夫圆检测
遍历Step2.2检测到的各个矩形框，对每一个矩形框，扫描其中的边缘像素点，采用霍夫圆检测方法判断该矩形框中是否存在近似圆，并记录圆的半径R，如果T3<R<T4，则认为存在遗留孩童，视频目标复核结果为存在孩童目标，如果所有矩形框都不存在遗留孩童，则认为图像中没有孩童目标，其中，T3和T4为经验阈值，T3=5、T4=30。
CN201610314230.4A 2016-05-13 2016-05-13 基于人体探测的遗漏孩童检测方法 Expired - Fee Related CN106022235B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610314230.4A CN106022235B (zh) 2016-05-13 2016-05-13 基于人体探测的遗漏孩童检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610314230.4A CN106022235B (zh) 2016-05-13 2016-05-13 基于人体探测的遗漏孩童检测方法

Publications (2)

Publication Number Publication Date
CN106022235A CN106022235A (zh) 2016-10-12
CN106022235B true CN106022235B (zh) 2021-05-28

Family

ID=57100206

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610314230.4A Expired - Fee Related CN106022235B (zh) 2016-05-13 2016-05-13 基于人体探测的遗漏孩童检测方法

Country Status (1)

Country Link
CN (1) CN106022235B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107933476B (zh) * 2017-11-14 2019-08-13 苏州数言信息技术有限公司 通用的车内乘客防遗忘的传感装置的实现方法和***
CN109927644A (zh) * 2017-12-15 2019-06-25 郑州宇通客车股份有限公司 一种车辆及防儿童遗留装置
CN108111821A (zh) * 2018-01-10 2018-06-01 深圳羚羊极速科技有限公司 一种集成互联网视频接入网关及边缘计算的设备
WO2020065811A1 (ja) * 2018-09-27 2020-04-02 三菱電機株式会社 置き去り検知装置および置き去り検知方法
CN109484292B (zh) * 2018-10-15 2021-11-30 上海理工大学 自动检测校车滞留乘客的检测***及检测方法
CN109558848A (zh) * 2018-11-30 2019-04-02 湖南华诺星空电子技术有限公司 一种基于多源信息融合的无人机生命探测方法
CN110827317B (zh) * 2019-11-04 2023-05-12 西安邮电大学 一种基于fpga的四目运动目标检测与识别设备及方法
CN113361410B (zh) * 2021-06-07 2022-08-26 上海数川数据科技有限公司 一种基于网格聚类的小孩检测框过滤算法
CN113997898B (zh) * 2021-11-30 2022-10-14 浙江极氪智能科技有限公司 生命体探测方法、装置、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1698381A (zh) * 2003-05-08 2005-11-16 西门子公司 检测物体或人员的方法和装置
CN101520850A (zh) * 2009-04-17 2009-09-02 中国科学院计算技术研究所 物体检测分类器的构造方法和物体检测方法与相应***
US8886206B2 (en) * 2009-05-01 2014-11-11 Digimarc Corporation Methods and systems for content processing

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1698381A (zh) * 2003-05-08 2005-11-16 西门子公司 检测物体或人员的方法和装置
CN101520850A (zh) * 2009-04-17 2009-09-02 中国科学院计算技术研究所 物体检测分类器的构造方法和物体检测方法与相应***
US8886206B2 (en) * 2009-05-01 2014-11-11 Digimarc Corporation Methods and systems for content processing

Also Published As

Publication number Publication date
CN106022235A (zh) 2016-10-12

Similar Documents

Publication Publication Date Title
CN106022235B (zh) 基于人体探测的遗漏孩童检测方法
TWI759286B (zh) 用於藉由機器學習訓練物件分類器之系統及方法
CN103208185B (zh) 一种基于车灯识别的夜间车辆检测方法及***
TWI430212B (zh) 利用多特徵自動集群法之異常行為偵測系統與方法
CN101655907B (zh) 机车司机行车状态监控智能报警***
CN103366506A (zh) 一种驾驶员行车途中接打手机行为的自动监控装置及方法
Wang et al. Video smoke detection using shape, color and dynamic features
CN102426757A (zh) 基于模式识别的安全驾驶监控***和方法
CN201307337Y (zh) 行人闯红灯自动报警监控装置
CN202771441U (zh) 人脸识别监控***
CN109508659A (zh) 一种用于人行横道的人脸识别***及方法
WO2022161139A1 (zh) 行驶朝向检测方法、装置、计算机设备及存储介质
CN105809890A (zh) 面向校车安全的遗漏孩童检测方法
CN104299363A (zh) 基于多特征融合的疲劳驾驶预警***
CN111317653B (zh) 一种交互式盲人智能辅助装置及方法
CN104866842A (zh) 一种人体目标入侵检测方法
CN115410324A (zh) 一种基于人工智能的房车夜间安防***及方法
CN209657454U (zh) 煤矿火灾识别***
CN109800640A (zh) 一种基于二维曲面拟合的吸烟检测方法
CN112508893B (zh) 基于机器视觉的铁路双轨间微小异物检测方法及***
CN104392201A (zh) 一种基于全向视觉的人体跌倒识别方法
CN106339666B (zh) 一种人体目标的夜间监控方法
CN105206060A (zh) 一种基于sift特征的车型识别装置及其方法
CN111209814B (zh) 用于k12教育阶段的人脸识别校园区域预警方法及***
CN101540891A (zh) 基于监控视频的行李传送仓人体检测***

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210528