(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 20221047989 9.4 (22)申请日 2022.05.05 (65)同一申请的已公布的文献号 申请公布号 CN 114821795 A (43)申请公布日 2022.07.29 (73)专利权人 北京容联易 通信息技 术有限公司 地址 100000 北京市朝阳区广顺北 大街33 号院1号楼13层一单 元1601室 (72)发明人 李威　曾国卿　许志强　孙昌勋　 杨坤　刘佳宁　朱新潮　 (74)专利代理 机构 北京冠和权律师事务所 11399 专利代理师 时嘉鸿 (51)Int.Cl. G06V 40/20(2022.01) G06V 20/52(2022.01) G06V 10/25(2022.01) (56)对比文件 CN 113361370 A,2021.09.07 CN 109145745 A,2019.01.04 CN 111860282 A,2020.10.3 0CN 110555397 A,2019.12.10 CN 110825900 A,2020.02.21 CN 113034548 A,2021.0 6.25 CN 111291735 A,2020.0 6.16 CN 111626194 A,2020.09.04 CN 103778442 A,2014.0 5.07 CN 109002801 A,2018.12.14 CN 106408591 A,2017.02.15 CN 102663452 A,2012.09.12 CN 106157328 A,2016.1 1.23 CN 110717408 A,2020.01.21 US 2009110236 A1,2009.04.30 US 2009290791 A1,20 09.11.26 US 202021 1154 A1,2020.07.02 US 201734 4832 A1,2017.1 1.30 邹云飞.基 于视频的人体异常行为识别与研 究. 《中国优秀硕士学位 论文全文数据库 信息科 技辑》 .2020,(第3期),第I138-85 0页. 王新年等.俯视深度头肩序列行 人再识别. 《中国图象图形 学报》 .2020,第25卷(第7期),第 1393-1407页. (续) 审查员 杨晓青 (54)发明名称 一种基于ReID技术的人员 跑动检测和预警 方法及系统 (57)摘要 本发明提供了一种基于ReID技术的人员 跑 动检测和预警方法及系统， 包括： 提取出视频中 每帧图像中所有人员区域， 并利用重识别模型对 所有人员区域进行人体特征信息提取； 根据人体 特征信息， 对人员进行跟踪和校正， 得到跟踪结 果； 根据跟踪结果， 判断人员是否跑动， 当检测到 有人员跑动时， 向后台服务器推送跑动人员的坐 标信息； 通过重识别模型， 对每一个检测到的人 员进行特征信息提取， 并通过对 人体特征进行遮 挡重构优化， 有利于提升人员跟踪效果， 减少人 员遮挡对跟踪的影 响， 且基于特征信息对跟踪器进行校正， 提高跟踪准确率， 通过根据跟踪结果 对人员跑动进行精确分析， 保证能够有效的检测 出跑动人员， 及时给出预 警， 具有高鲁棒性， 高实 时性的优点。 [转续页] 权利要求书4页 说明书11页 附图2页 CN 114821795 B 2022.10.28 CN 114821795 B (56)对比文件 王鑫.基于深度学习的视频异常行为事 件检 测方法研究. 《中国优秀硕士学位 论文全文数据 库 信息科技 辑》 .2020,(第9期),第I138- 68页. Anjali Gupta等.Oc cluded Gait reconstruction in multi perso n Gait environment usi ng different numerical methods. 《Multimedia To ols and Applications》 .2022,(第81期),第23421-234 48 页. Anuraag Sridhar等.Multiple Camera, Multiple Perso n Tracking with Pointing Gesture Recogn ition in Immersive Environments. 《I nternati onal Symposium o n Visual Computi ng》 .2008,第508-519页.2/2 页 2[接上页] CN 114821795 B1.一种基于ReID技 术的人员跑动检测 和预警方法， 其特 征在于， 包括： 步骤1： 提取出视频中每帧图像 中所有人员区域， 利用重识别模型对所有人员区域进行 人体特征信息提取， 并基于人体特征信息， 对遮挡人体特征进 行重构优化， 得到目标人体特 征信息； 步骤2： 根据所述目标 人体特征信息， 对人员进行跟踪和校正， 得到跟踪结果； 步骤3： 根据跟踪结果， 判断人员是否跑动， 当检测到有人员跑动时， 向后台服务器推送 跑动人员的坐标信息； 步骤1中， 基于人体特征信息， 对遮挡人体特征进行重构优化， 得到目标人体特征信息 包括： 获取所述所有人员区域的位置信息， 得到第一数据集合， 获取所述所有人员区域的像 素信息， 得到第二数据集 合； 基于所述第一数据集合、 第二数据集合对所述所有人员区域进行区域划分， 得到多个 子区域， 并基于预设人体整体特 征， 对所述多个子区域进行分类， 得到多个单个人员区域； 基于所述多个单个人员区域， 将所述人体特征信息进行划分， 得到多个单个人体特征 信息， 获取在不同帧图像下的单个人体特 征信息； 从所述不同帧图像中选取第 一帧图像中的第 一单个人体特征信 息， 提取所述第 一单个 人体特征信息的形态特 征和轮廓特 征； 获取所述形态特征对应的预设可能轮廓集合， 基于所述轮廓特征， 判断所述单个人体 特征信息是否匹配所述预设可能轮廓集 合； 若是， 判断第一单个人体不存在遮挡； 否则， 判断第一单个人体存在遮挡； 在所述第一单个人体存在遮挡时， 提取所述第一单个人体特征信息的颜色特征， 从剩 余帧图像中获取与所述颜色特 征匹配的第一单个人员区域， 得到第一单个人员区域 集合； 当所述剩余帧图像中任一张剩余帧图像对应多个第 一单个人员区域 时， 则将本次检测 的剩余帧图像的对应多个第一单个人员区域从所述第一单个人员区域 集合中剔除； 从所述第一单个人员区域集合中选取与所述第一单个人体特征的匹配度大于预设整 体匹配度的第二单个人员区域， 组成第二单个人员区域 集合； 将所述第二单个人员区域集合对应的第二单个人体特征对所述重识别模型的重构层 进行训练， 获取与所述重识别模型收敛匹配的特 征重构层； 将所述第一单个人体特征信 息输入所述特征重构层， 对所述第 一单个人体特征信 息进 行重构得到 重构特征； 在所述不同帧图像下获取单个人体特征包含所述重构特征的比例大于预设比例所对 应的人员区域， 并对所述人员区域进行统一标记， 并对标记的人员区域的人体特征信息基 于所述重构特 征进行优化， 得到目标 人体特征信息。 2.根据权利要求1所述的一种基于ReID技术的人员跑动 检测和预警方法， 其特征在于， 步骤1中， 提取 出视频中每帧图像中所有人员区域包括： 根据深度学习目标检测算法， 利用预先标注的包含标准人体框的训练样本， 训练得到 网络模型； 对视频进行连续抽帧获取图像， 并输入所述网络模型中， 输出所述图像中所有人员区权　利　要　求　书 1/4 页 2 CN 114821795 B 3