[發明專利]一種丟垃圾行為的實時檢測方法

在審

• 申請號: 201911296149.8
• 申請日: 2019-12-16
• 公開（公告）號: CN111178182A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 周云財
• 申請（專利權）人: 深圳奧騰光通系統有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G06Q50/26
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 楊天嬌

1.一種丟垃圾行為的實時檢測方法，其特征在于，所述丟垃圾行為的實時檢測方法，包括：

采集樣本視頻，將采集的視頻處理成幀圖片，然后進行數據增廣并制作數據集；

構建卷積神經網絡SSD-MobileNet，并采用數據集訓練卷積神經網絡SSD-MobileNet；

獲取待檢測視頻流，用幀間差分算法提取關鍵幀，將關鍵幀之后的幀圖片輸入到訓練好的卷積神經網絡SSD-MobileNet進行丟垃圾行為檢測，確定檢測結果。

2.根據權利要求1所述的丟垃圾行為的實時檢測方法，其特征在于，所述丟垃圾行為的實時檢測方法，還包括：

在確定檢測結果后，當檢測結果為丟垃圾行為時，發出警告。

3.根據權利要求1所述的丟垃圾行為的實時檢測方法，其特征在于，所述丟垃圾行為的實時檢測方法，還包括：

在確定檢測結果后，當檢測結果為丟垃圾行為時，保存采集待檢測視頻流的采集設備的IP地址、所檢測的幀圖片、以及所檢測的幀圖片的采集時間。

4.根據權利要求1所述的丟垃圾行為的實時檢測方法，其特征在于，所述用幀間差分算法提取關鍵幀，包括：

將上一幀圖片作為背景圖片，將當前幀圖片與背景圖片進行差分，在當前幀圖片與背景圖片畫面內容產生的變化大于預設的第一閾值時，便認為當前幀圖片是關鍵幀。

5.根據權利要求1所述的丟垃圾行為的實時檢測方法，其特征在于，所述將關鍵幀之后的幀圖片輸入到訓練好的卷積神經網絡SSD-MobileNet進行丟垃圾行為檢測，確定檢測結果，包括：

首先檢測關鍵幀，當關鍵幀輸入到訓練好的卷積神經網絡SSD-MobileNet的檢測結果是丟垃圾第一異常標簽且置信度大于預設的第二閾值時，繼續將下一幀輸入到訓練好的卷積神經網絡SSD-MobileNet進行檢測；

如果在出現丟垃圾第一異常標簽后，卷積神經網絡SSD-MobileNet檢測到丟垃圾第二異常標簽且置信度大于預設的第三閾值時，繼續將下一幀輸入到訓練好的卷積神經網絡SSD-MobileNet進行檢測；

如果在出現丟垃圾第二異常標簽后，卷積神經網絡SSD-MobileNet檢測到正常標簽且置信度大于預設的第四閾值時，判斷存在丟垃圾行為。

6.根據權利要求1所述的丟垃圾行為的實時檢測方法，其特征在于，所述將關鍵幀之后的幀圖片輸入到訓練好的卷積神經網絡SSD-MobileNet進行丟垃圾行為檢測，確定檢測結果，包括：

首先檢測關鍵幀，當關鍵幀輸入到訓練好的卷積神經網絡SSD-MobileNet的檢測結果是丟垃圾第一異常標簽且置信度大于預設的第二閾值時，繼續將下一幀輸入到訓練好的卷積神經網絡SSD-MobileNet進行檢測；

如果在出現丟垃圾第一異常標簽后，卷積神經網絡SSD-MobileNet檢測到丟垃圾第二異常標簽且置信度大于預設的第三閾值時，繼續將下一幀輸入到訓練好的卷積神經網絡SSD-MobileNet進行檢測；

如果在出現丟垃圾第二異常標簽后，卷積神經網絡SSD-MobileNet檢測到正常標簽且置信度大于預設的第四閾值時，繼續將下一幀輸入到訓練好的卷積神經網絡SSD-MobileNet進行檢測；

如果在出現正常標簽后，卷積神經網絡SSD-MobileNet持續檢測到多個正常標簽且置信度大于預設的第四閾值時，判斷存在丟垃圾行為。

7.根據權利要求5或6所述的丟垃圾行為的實時檢測方法，其特征在于，所述當關鍵幀輸入到訓練好的卷積神經網絡SSD-MobileNet的檢測結果是丟垃圾第一異常標簽且置信度大于預設的第二閾值時，還保存當前幀圖片；

所述卷積神經網絡SSD-MobileNet檢測到丟垃圾第二異常標簽且置信度大于預設的第三閾值時，還保存當前幀圖片；

所述卷積神經網絡SSD-MobileNet檢測到正常標簽且置信度大于預設的第四閾值時，還保存當前幀圖片。