导航：X技术最新专利计算;推算;计数设备的制造及其应用技术
1.本技术涉及智能交通技术领域，特别是涉及一种通道闸行人检测方法、装置、设备及可读存储介质。
2.传统的，通道闸是通过光栅判断通道闸区域内部是否有人，从而控制闸板开关闸的。但是，通过光栅无法确定行人位于通道闸中的具体位置，因而控制闸板开关闸时会出现类似于行人还未通过通道闸，但闸门却被提前关闭，或行人被闸门误伤。如此，便导致通道闸存在一定局限性、不智能，甚至存在一定的危险性。
3.综上所述，如何有效地解决确定通道闸中行人位置的确定等问题，是目前本领域技术人员急需解决的技术问题。
4.本技术的目的是提供一种通道闸行人检测方法、装置、设备及可读存储介质，通过获取通道闸的俯拍图像，然后通过行人检测模型得到行人对应的检测框，基于检测框中的目标点与通道闸的区域框之间的位置关系，便可明确行人位置，由于能够确定行人位置，可以突破通道闸的局限性、使之更加智能和安全。
8.利用训练好的行人检测模型，对所述实时俯视图像进行检测，得到检测框；
13.利用标注好的俯拍图像对所述行人检测模型进行训练，得到训练好的行人检测模型。
14.优选地，在利用所述检测框与所述区域框的位置关系，确定行人位置之后，还包括：
16.优选地，在利用训练好的行人检测模型，对所述实时俯视图像进行检测，得到检测框之后，在利用所述检测框与所述区域框的位置关系，确定行人位置之前，还包括：
22.若所述顶点数为1、2或3，则获取所述检测框与所述区域框的重合面积，并将所述重合面积与所述检测框的比值确定为所述交并比；
26.利用所述目标顶点坐标和所述区域框的顶点坐标，确定所述区域框与所述检测框的交点坐标；
27.利用所述交点坐标将所述区域框与所述检测框的交集区域划分为若干个三角形；
33.图像获取模块，用于获取通道闸的区域框，及所述通道闸的实时俯视图像；
34.行人检测模块，用于利用训练好的行人检测模型，对所述实时俯视图像进行检测，得到检测框；
35.行人位置确定模块，用于利用所述检测框与所述区域框的位置关系，确定行人位置。
38.处理器，用于执行所述计算机程序时实现上述通道闸行人检测方法的步骤。
39.一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述通道闸行人检测方法的步骤。
40.应用本技术实施例所提供的方法，获取通道闸的区域框，及通道闸的实时俯视图像；利用训练好的行人检测模型，对实时俯视图像进行检测，得到检测框；利用检测框与区域框的位置关系，确定行人位置。
41.在本技术中，首先明确通道闸对应区域，并用区域框来进行表示。然后，获取通道闸的实时俯视图像。该实时俯视图像即对应俯视角度所拍摄的图像，能够从俯视角度捕捉行人的位置。用训练好的行人检测模型，可以得到实时俯视图像中行人对应的检测框。然后基于检测框与区域框之间的位置关系，即可确定行人位置，由于能够确定行人位置，可以突破通道闸的局限性、使之更加智能和安全。
42.相应地，本技术实施例还提供了与上述通道闸行人检测方法相对应的通道闸行人检测装置、设备和可读存储介质，具有上述技术效果，在此不再赘述。
43.为了更清楚地说明本技术实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
49.为了使本技术领域的人员更好地理解本技术方案，下面结合附图和具体实施方式对本技术作进一步的详细说明。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
50.请参考图1，图1为本技术实施例中一种通道闸行人检测方法的流程图，该方法包括以下步骤：
52.其中，通道闸可以为任意一个需要对其区域的行人进行位置确定的通道闸，例如可以为地铁出入口的通道闸，也可以为居民小区、办公楼的通道闸等。
53.在本实施例中，为了获得通道闸的实时俯视图像，可以预先在通道闸上方安装图像采集设备如摄像头(可以具体为可见光摄像头、红外摄像头或全天候摄像头)，并将拍摄角度设置或调整为对通道闸进行俯拍的视角。安装设置好摄像头后，应当尽量减少对摄像头的位置和视角进行改变，从而保障行人位置检测的准确性。
54.安装设置好图像采集设备之后，便可对通道闸进行拍摄，得到一张关于通道闸的俯视图像。对该俯视图像进行人工或智能标记，得到通道闸的区域框。也就是说，本技术中的区域框是指该通道闸在俯视图像中对应的区域范围的示意。
55.基于该图像采集设备，便可对通道闸进行实时拍摄，从而得到通道闸的实时俯视图像。例如，在通道闸工作时段，对通道闸进行拍摄，从而得到有行人的实时俯视图像。
56.s102、利用训练好的行人检测模型，对实时俯视图像进行检测，得到检测框。
57.在本实施例中，可以预先训练好行人检测模式，在获取到实时俯视图像后，便可以将实时俯视图像输入行人检测模型中进行检测，从而得到该行人检测模型所检测到的行人对应的检测框。该检测框即行人在实时俯视图像中对应位置框。
58.需要注意的是，在本实施例中，对应行人检测模型的具体网络架构以及训练方法等均不做限定，仅需该行人检测模型能够针对输入图像进行行人检测，并能够输出行人对应的检测框即可。
63.步骤三、利用标注好的俯拍图像对行人检测模型进行训练，得到训练好的行人检测模型。
65.由于俯视角度下，行人的头部和肩颈等上半身区域会在视觉上练成一片，导致不易识别头部区域，因而在本技术中，针对整个上半身进行识别。当然，在实际应用中，可以设置仅对行人的头部进行识别检测的模型。
66.下面以训练以行人上半身为识别对象的行人检测模型为例，对行人检测模型的训练过程进行详细说明。
67.首先，获取通道闸的俯拍图像，然后对该俯拍图像中的行人上半身进行标注。具体的，即标注出行人上半身在该俯视图像中的标准框。MK体育官方网站然后，利用标注好的俯拍图像对行人检测模型进行训练，直到行人检测模型的检测精度(如损失值趋于稳定或小于预设值)或训练轮次达到预设标准，从而得到训练好的行人检测模型。在训练行人检测模型的过程，为了增加训练样本的多样性，可以针对标注好的俯拍图像进行旋转、剪切、模糊、拉伸等处理。
69.由于检测框是对应行人在实时俯视图像中行人的位置框，而区域框是对应通道闸在俯视图像中通道闸的区域位置。因此，在得到行人对应的检测框，也有通道闸对应的区域框，基于检测框与区域框的位置对应关系，即可确定出行人位置。例如，当检测框位于区域框的中心处时，即表示行人在通道闸的中心位置；当检测框位于区域框的边缘处时，即表明行人在通道闸的边缘处。
70.优选地，在实际应用中，为了得到行人更加精准的位置，还可以基于检测框的中心点与区域框的位置关系，来确定行人在通道闸中的具体位置。
71.需要注意的是，为了使得区域框与检测框的位置关系，更好地表征通道闸与行人的位置关系，在本技术中可以仅使用同一个图像采集设备同一个俯视角度，所拍摄的俯视图像来确定区域框和检测框。
72.在利用检测框(或检测框的中心点)与区域框的位置关系，确定行人位置之后，便可以利用行人位置，控制通道闸的开关。举例说明，可以基于行人位置与通道闸之间的距离大小，来确定通道闸的开关的开启和关闭时间的控制，从而避免出现通道闸将行人关闭在通道闸内，以及避免出现通道闸的闸门误伤行人。
73.应用本技术实施例所提供的方法，该方法包括获取通道闸的区域框，及通道闸的实时俯视图像；利用训练好的行人检测模型，对实时俯视图像进行检测，得到检测框；利用检测框与区域框的位置关系，确定行人位置。
74.在本技术中，首先明确通道闸对应区域，并用区域框来进行表示。然后，获取通道闸的实时俯视图像。该实时俯视图像即对应俯视角度所拍摄的图像，能够从俯视角度捕捉行人的位置。用训练好的行人检测模型，可以得到实时俯视图像中行人对应的检测框。然后基于检测框与区域框之间的位置关系，即可确定行人位置，由于能够确定行人位置，可以突破通道闸的局限性、使之更加智能和安全。
75.需要说明的是，基于上述实施例，本技术实施例还提供了相应的改进方案。在优选/改进实施例中涉及与上述实施例中相同步骤或相应步骤之间可相互参考，相应的有益效果也可相互参照，在本文的优选/改进实施例中不再一一赘述。
76.在本技术中的一种具体实施方式中，考虑到对实时俯视图像进行行人检测，所检出的行人不一定位于通道闸区域内部，因此，在本实施例中提出对检测框进行筛选，使得最
终确定的行人位置均位于通道闸内部，以避免输出通道闸区域外的行人位置对闸门控制造成干扰。具体实现过程，即，在执行步骤s102利用训练好的行人检测模型，对实时俯视图像进行检测，得到检测框之后，在执行步骤s103利用检测框与区域框的位置关系，确定行人位置之前，执行以下步骤：
78.可先明确检测框与区域框的交集，然后将该交集(即检测框与区域框的重合面积)与检测框(此处指检测框的面积)直接做比得到该交并比，或确定检测框与区域框的并集，然后将该交集与并集(即检测框与区域框的合并面积)的比值确定为该交并比。
79.需要注意的是，由于不同行人具有不同的步态、身量大小或衣着，在本实施例中对检测框的大小并不做限定，也就是说不同行人对应的检查框的面积可以不同也可以相同。
80.一般地，一个检测框对应一个行人，因此，当检测出多个检测框时，在计算检测框与区域框的交并比时，需针对每个检测框与区域框确定交并比。
81.交并比的数值越大，则表明检测框与区域框重合的程度更高。例如，当交并比为0，则表明检测框与区域框没有重合的区域，即行人未在通道闸区域内。若交集(即检测框与区域框的重合面积)与检测框(此处指检测框的面积)直接做比得到该交并比，则在交并比为1时，表明检测框完全落入区域框范围内，即行人在通道闸区域内。
83.得到每一个检测框与区域框的交并比之后，便可以基于交并比的数值大小对检测框进行筛选。具体的，可以预先设置一个阈值，然后将交并比不大于预设阈值的检测框删除/舍弃。该预设阈值的大小可以根据实际应用需求进行设置和调整，例如，可以设置为0.2或其他0至1之间的数值。
84.在实际应用中，区域框可能会是不规则的多边形，而检测框一般都为矩形，相关交并比计算方案无法适应这种实际计算需求。为了方便确定交并比，在本实施例在针对区域框为不规则多边形提出了快速确定交并比的具体实施方法。即，上述步骤一获取检测框与区域框的交并比，可以具体包括：
86.检测框通常为矩形，因而其顶点总数为4，当检测框与区域框有重合区域时，则必然会有检测框的顶点落入区域框中。可以具体获取检测框的顶点坐标，然后确定顶点坐标是否落入区域框内，如果是，则确定落入区域框。
87.得到区域框中检测框的顶点数之后，便可根据具体数值，MK体育官方网站进入不同的交并比确定步骤中。
89.在确定区域框中无检测框的顶点时，则可以确定区域框与检测框完全无重叠，因而可直接确定交并比为0。
90.步骤3、若顶点数为1、2或3，则获取检测框与区域框的重合面积，并将重合面积与检测框的比值确定为交并比。
91.若顶点数在1至3之间，则表明检测框与区域框存在部分重叠的情况，此时可先获取检测框与区域框的重合面积，然后在将重合面积与检测框面积的比值确定为该交并比。当然，也可以将重合面积与合并面积(检测框与区域框的并集)的比值确定为该交并比。
92.下面将重合面积与检测框面积的比值确定为该交并比为例，对交并比的确定进行说明。
93.若检测框有顶点在区域框内，那么至少有一个顶点在区域框捏，同时可以确定在通道闸区域内部顶点个数，交并比区域仍然是一个凸多边形。为了方便计算，可以将重合面积拆分成若干个三角形进行计算。也就是说，步骤2中，获取检测框与区域框的重合面积，包括：
2、利用目标顶点坐标和区域框的顶点坐标，确定区域框与检测框的交点坐标；
98.为便于说明，下面分别以区域框中存在1、2和3个检测框的定点进行举例说明。
99.若有1个顶点在通道闸区域，如图2中左下角所示检测框b1b2b3b4。根据落入区域框a1a2a3a4中的目标顶点b2的坐标以及区域框的顶点坐标，可以求出两个交点坐标m和n，重合区域1对应的多边形mb2na4的顶点包括两个交点、目标顶点，以及区域框中落入检测框的顶点。可以连接两个交点，交点的连线划分成两个三角形，求出每个三角形面积并进行求和，便得到重合面积。
100.若有2个顶点在通道闸区域，如图2所示的检测框c1c2c3c4，其中c1和c2落入区域框内，根据顶点c1和c2的坐标以及区域框的顶点坐标，求出两个交点坐标o和p，则重合区域2对应的多边形c1c2po，然后连接c1和p，或连接c2和o，便可将重合区域2划分成两个三角形，求出每个三角形面积并进行求和，便得到重合面积。
101.若有3个顶点在通道闸区域，如图2所示的检测框d1d2d3d4，其中，仅有d1位于区域框之外，根据该顶点d1的坐标以及区域框的顶点坐标，求出两个交点坐标e和f，则重合区域3对应的多边形为五边形efd2d3d4，连接ed3，fd3，将重合区域3划分成三个三角形，求出每个三角形面积并进行求和，便得到重合面积。
102.当然，对于重合区域3对应的重合面积的求取，还可以用检测框d1d2d3d4减去三角形d1fe的面积。
103.得到重合面积之后，将重合面积与对应的检测框做比，则可得到各个检测框对应的交并比。
105.在确定区域框中有检测框的4个顶点时，则可以确定检测框完全落入区域框中，因而可直接确定交并比为1。
106.在删除交并比不大于预设阈值的检测框之后，还可将余下的检测框数量确定为通道闸内的行人数量；若行人数量大于1，则输出尾随告警。即经过交并比筛选后余下的检测框则表明对应的行人在通道闸内，因而基于检测框的数量，便可确定此时通道闸内的行人数量。该行人数量可以用于人流量统计，便于交通控制，如基于人流量大小进行行人限流等。一般来说，一闸开关一次，对应允许通过的行人数量为1个，当发现行人数量大于1的时候，可以确定出现尾随，此时可以输出尾随告警。特别地，当出现一个检测框相对较大，一个检测框相对较小，且二者存在重合或距离较近的情况，则可判定为大人带孩童通过通道闸，
此时确定未出现尾随。对于检测框相对较小的行人，可以判定对应行人为儿童，可以延长关闭通道闸开关的时间，来保障儿童安全。
107.相应于上面的方法实施例，本技术实施例还提供了一种通道闸行人检测装置，下文描述的通道闸行人检测装置与上文描述的通道闸行人检测方法可相互对应参照。
109.图像获取模块101，用于获取通道闸的区域框，及通道闸的实时俯视图像；
110.行人检测模块102，用于利用训练好的行人检测模型，对实时俯视图像进行检测，得到检测框；
111.行人位置确定模块103，用于利用检测框与区域框的位置关系，确定行人位置。
112.应用本技术实施例所提供的装置，该装置包括：获取通道闸的区域框，及通道闸的实时俯视图像；利用训练好的行人检测模型，对实时俯视图像进行检测，得到检测框；利用检测框与区域框的位置关系，确定行人位置。
113.在本技术中，首先明确通道闸对应区域，并用区域框来进行表示。然后，获取通道闸的实时俯视图像。该实时俯视图像即对应俯视角度所拍摄的图像，能够从俯视角度捕捉行人的位置。用训练好的行人检测模型，可以得到实时俯视图像中行人对应的检测框。然后基于检测框与区域框之间的位置关系，即可确定行人位置，由于能够确定行人位置，可以突破通道闸的局限性、使之更加智能和安全。
114.在本技术的一种具体实施方式中，训练模块，用于获取通道闸的俯拍图像；对俯拍图像中的行人上半身进行标注；利用标注好的俯拍图像对行人检测模型进行训练，得到训练好的行人检测模型。
116.闸开关控制模块，用于在利用检测框与区域框的位置关系，确定行人位置之后，利用行人位置，控制通道闸的开关。
117.在本技术的一种具体实施方式中，还包括：筛选模块，用于在利用训练好的行人检测模型，对实时俯视图像进行检测，得到检测框之后，在利用检测框与区域框的位置关系，确定行人位置之前，获取检测框与区域框的交并比；删除交并比不大于预设阈值的检测框。
118.在本技术的一种具体实施方式中，筛选模块，具体用于获取区域框中检测框的顶点数；若顶点数为0，则确定交并比为0；若顶点数为1、2或3，则获取检测框与区域框的重合面积，并将重合面积与检测框的比值确定为交并比；若顶点数为4，则确定交并比为1。
119.在本技术的一种具体实施方式中，筛选模块，具体用于获取检测框中落入区域框的目标顶点坐标；利用目标顶点坐标和区域框的顶点坐标，确定区域框与检测框的交点坐标；利用交点坐标将区域框与检测框的交集区域划分为若干个三角形；将三角形面积之和确定为重合面积。
121.行人数量统计模块，用于删除交并比不大于预设阈值的检测框之后，将余下的检测框数量确定为通道闸内的行人数量；
123.相应于上面的方法实施例，本技术实施例还提供了一种电子设备，下文描述的一种电子设备与上文描述的一种通道闸行人检测方法可相互对应参照。
126.处理器322，用于执行计算机程序时实现上述方法实施例的通道闸行人检测方法的步骤。
127.具体的，请参考图5，图5为本实施例提供的一种电子设备的具体结构示意图，该电子设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(dentral prodessing units，dpu)322(例如，一个或一个以上处理器)和存储器332，存储器332存储有一个或一个以上的计算机应用程序342或数据344。其中，存储器332可以是短暂存储或持久存储。存储在存储器332的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对数据处理设备中的一系列指令操作。更进一步地，中央处理器322可以设置为与存储器332通信，在电子设备301上执行存储器332中的一系列指令操作。
128.电子设备301还可以包括一个或一个以上电源326，一个或一个以上有线，一个或一个以上输入输出接口358，和/或，一个或一个以上操作系统341。
129.上文所描述的通道闸行人检测方法中的步骤可以由电子设备的结构实现。
130.相应于上面的方法实施例，本技术实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种通道闸行人检测方法可相互对应参照。
131.一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的通道闸行人检测方法的步骤。
only memory，rom)、随机存取存储器(random addess memory，ram)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
133.本领域技术人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
1.计算机视觉 2.无线.计算机仿线.网络安全；物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用
