本发明涉及对摄像头拍摄视频进行实时检测的方法。
背景技术:
由于安防领域发展迅速,摄像头功能日益强大,现有的摄像头已经普遍具有通讯协议,可以实现有线和无线的远程视频读取。同时,由于安全的需求上升,越来越多的摄像头被安装在建筑物,街道等地方,起到监控的作用。由此警方等可以通过摄像头进行人物的监控,并且实时的处理多个摄像头提高效率。
人脸识别与行人重识别是识别特定行人的关键技术。但是由于目前行之有效的方法多采用深度学习神经网路,它占用内存大,同时计算量也较多,对于实时监控的场景很难进行处理。所以使用多线程技术,对于多个摄像头使用多个线程进行并行处理,这样子可以保证对于多源摄像头的视频不会有先后影响,同时也能保证一个较高的实时性。
技术实现要素:
本发明要克服现有技术的上述缺点,提供一种基于多线程的多摄像头实时检测方法。
为了要实现实时性目的,本发明设计了一种基于多线程的多摄像头实时检测方法,可以有效提高实时性的要求,并不降低人脸识别以及行人重识别的精度。这对于实时目标检测,在效率上是一个非常大的提升,因为同一时间处理摄像头的数量增加,可以利用的信息也同时变多,使用者也能从更多的信息判断检测是否准确。
本发明实现上述发明目的所采用的技术方案为:
一种多线程的多摄像头实时监测方法,包括以下步骤:
步骤1.加载行人重识别网络:采用预训练的ResNet50网络,将ResNet50中全连接层前的输出作为行人特征,并采用三重损失函数构造网络