[發明專利]基于深度卷積神經網絡的堆場煙霧監測及在線模型更新方法

在審

• 申請號: 201710221097.2
• 申請日: 2017-04-06
• 公開（公告）號: CN107025443A
• 公開（公告）日: 2017-08-08
• 發明（設計）人: 黃敏;王正來;朱啟兵;郭亞
• 申請（專利權）人: 江南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 無錫市大為專利商標事務所(普通合伙)32104
• 代理人: 曹祖良,劉海

1.一種基于深度卷積神經網絡的堆場煙霧監測及在線模型更新方法，其特征是，包括以下步驟：

(1)將收集的視頻數據轉為圖片序列，并對煙霧區域進行位置、類標標注，將位置、類標信息保存為類標文件夾，圖片與位置、類標信息兩個文件夾組成了初始正負樣本集Y；

(2)將步驟(1)獲得的初始正負樣本集Y按設定的比例分為訓練集Y₁₁、測試集Y₂和驗證集Y₁₂；將訓練集Y₁₁和驗證集Y₁₂放入通用的深度卷積神經網絡模型進行訓練，對通用模型進行參數微調，不斷進行迭代訓練同時計算損失函數，根據損失函數挑選多個初始模型，通過對測試集Y₂進行測試，根據ROC曲線挑選最優初始模型X；

(3)利用步驟(2)得到的初始模型X，對堆場環境下視頻監控進行煙霧檢測，同時保存檢測結果及置信值，每隔一段時間根據檢測結果更新正負樣本集并進行模型更新得到更新模型X'，通過測試模型精度進行評價。

2.如權利要求1所述的基于深度卷積神經網絡的堆場煙霧監測及在線模型更新方法，其特征是：所述步驟(1)包含以下步驟：

步驟1.1、將收集的視頻數據轉為圖片序列，將所有圖片中存在煙霧的區域以矩形框的形式標注出來，并打上Smoke的類標；

步驟1.2、圖片中矩形框的位置以及類標信息以標準VOC2007格式保存在位置、類標文件夾中，名字與對應圖片同名，圖片與位置、類標信息兩個文件夾組成了初始正負樣本集Y。

3.如權利要求1所述的基于深度卷積神經網絡的堆場煙霧監測及在線模型更新方法，其特征是：所述步驟(2)包含以下步驟：

步驟2.1、將初始正負樣本集Y按9:1的比例以隨機的方式分為訓練集Y₁和測試集Y₂，將訓練集Y₁同樣按9:1的比例隨機方式分為訓練集Y₁₁與驗證集Y₁₂；

步驟2.2、將訓練集Y₁放入通用的深度卷積神經網絡模型中訓練，訓練集Y₁₁用來微調模型參數，驗證集Y₁₂用來確定模型結構，同時根據模型的檢測結果與實際結果的分類誤差L_cls以及位置偏差L_loc加權計算損失函數評價訓練模型，損失函數L的計算公式為：

步驟2.3、選取幾個損失函數低的模型作為初始模型，使用測試集Y₂來測試模型精度，評估標準以漏報率和誤報率的ROC曲線為準，選擇最好的模型作為初始模型X。

4.如權利要求3所述的基于深度卷積神經網絡的堆場煙霧監測及在線模型更新方法，其特征是：所述步驟(3)包含以下步驟：

步驟3.1、利用初始模型X，對堆場環境下視頻監控進行實時煙霧檢測，在實時檢測界面顯示現場環境，若模型認為有煙霧出現，則標注煙霧區域并顯示置信值，保存模型檢測到的煙霧區域及置信值；

步驟3.2、每隔一段時間將置信值為0～0.2的檢測結果作為負樣本集Z₁，將置信值為0.2以上的檢測結果作為正樣本集Z₂，并將負樣本集Z₁、正樣本集Z₂與訓練集Y₁合并為訓練集Z；

步驟3.3、將訓練集Z放入通用的深度卷積神經網絡模型中訓練，重復步驟(2)中的步驟2.2、步驟2.3獲得更新模型X'，將更新模型X'與初始模型X比較，測試集Y₂作為測試樣本，選擇較好的模型作為初始模型X繼續進行實時煙霧檢測。