本发明提出一种多线程的多摄像头实时检测方法，使用Python的多线程库处理多个摄像头视频，结合行人重识别与人脸识别技术，通过Yolo3和ResNet50网络进行目标检测和特征提取，提高监控效率和实时性。
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
最低0.47元/天 解锁文章
扫一扫
6436
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
